ID: 1087396 Capítulo 1- Introducción a la Estadística
• Sección 1-1. Pensamiento estadístico y crítico.
El pensamiento estadístico involucra pensamiento critico y capacidad de dar sentido a los resultados, mas que la capacidad de realizar cálculos complejos. Para dicho pensamiento se manejan algunas definiciones básicas:
Los Datos son el conjunto de observaciones como mediciones, géneros, o
respuestas de encuestas. Estadística es la ciencia que se encarga de planear estudios y experimentos, obtener datos y luego organizar, resumir, presentar, analizar e interpretar esos datos para conclusiones basados en ellos. Población es el conjunto completo de todos los individuos, las cosas, o los eventos sobre lo que se quiere investigar con respecto a una particularidad dada. Censo es el conjunto de datos de todos los miembros de la población. Una muestra es un subconjunto de miembros seleccionados de una población.
Para realizar un estudio se necesita preparar al mismo con el contexto de los
datos, la fuente de ellos, y uno o varios métodos de muestreo. Luego de estas preparaciones iniciales se analizan los datos conseguidos, estos se grafican y se aplican los métodos estadísticos (mayormente realizados con paquetes de softwares estadísticos como Excel), y por ultimo se sacan las conclusiones de estos datos. Después de las conclusiones, estas tienen una significancia estadística y práctica, aunque no siempre vayan de la mano. La significancia estadística se logra cuando el resultado que se obtiene es muy improbable que se consiga aleatoriamente. La significancia practica por otro lado muestra que algo puede ser efectivo pero el sentido común sugiere que la diferencia no vale la pena para justificar su uso. En el análisis de datos se pueden presentar casos que causarían problemas a la hora de analizarlos, como lo son las conclusiones engañosas, o las preguntas sesgadas, etc. El orden de las preguntas es otro factor que puede influir en el sesgo de una encuesta. También algunas personas que se nieguen a responder y que estas no sean iguales a las personas que respondieron también puede causar problemas al momento del análisis. Y por último, algunos estudios citan porcentajes engañosos, por ejemplo aquellos que referencian a porcentajes por encima del 100%.
• Sección 1-2. Tipos de datos.
Los tipos de datos son los componentes clave que establecen el método estadístico a utilizar en un estudio. Están los siguientes: Parámetro es una medición numérica que describe algunas características de una población. Dato estadístico es una medición numérica que describe algunas características de una muestra.
Algunos datos se clasifican como:
Cuantitativos los cuales consisten en números que representan conteos o mediciones (como las edades). Estos pueden ser clasificados como: Datos discretos que resultan cuando los valores de los datos son cuantitativos y el numero de valores es finito. Datos continuos (numéricos) que resultan de una cantidad infinita de valores cuantitativos posibles, en los que la colección de valores no puede contarse.
Categoricos (o de atributo) estos consisten en nombres o etiquetas como, él
genero (no números que representan conteos). Cuando se obtienen datos, es bastante común encontrar valores faltantes. Si hay una cantidad significativa de valores faltantes se podría llegar a conclusiones engañosas. Pero si una encuesta incluye varias entradas faltantes porque entre los participantes una parte decidieron no responder las preguntas, el resultado puede ser subestimado o sobreestimado.
• Sección 1-3. Recopilación de datos muestrales.
Lo principal es la aleatorización de los grupos de tratamiento con placebos debido a su eficiencia, al momento de realizar los experimentos se reduce la posibilidad de obtener resultados engañosos.
1. En un estudio transversal los datos se observan, se mide, y se recolectan en
un momento dado. 2. En un estudio retrospectivo se recolectan los datos correspondientes a un periodo pasado. 3. En un diseño experimental completamente aleatorio se asignan sujetos a diferentes grupos a través de un proceso de selección aleatoria. 4. En un diseño de bloques aleatorizados se forman grupos se forman grupos con características similares, pero se asigna aleatoriamente un tratamiento.
Un error de muestreo pasa cuando la muestra se ha seleccionado aleatoriamente,
pero hay una diferencia entre el resultado de la muestra y el de la población real. Un error no muestral es causado por un error humano como introducción incorrecta de datos. Un error de muestro no aleatorio pasa cuando se utiliza una forma de muestreo que no es aleatoria, como una muestra por conveniencia.