Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Scientific Terminology Esp
Scientific Terminology Esp
Hay expertos de todos niveles y en todos los roles profesionales. Se espera que quienes
trabajan en investigación académica y ciencias básicas tengan una pericia profunda
en áreas de conocimiento especializadas. Se puede esperar que las personas que
trabajan en las ciencias aplicadas tengan algunos conocimientos y habilidades en
áreas múltiples, que cierren la brecha percibida entre la ciencia básica y la práctica de
campo. La pericia entre los profesionales de práctica de campo requerirá una
comprensión profunda del contexto, el tema, los métodos, las tecnologías y los aspectos
humanos del área de práctica profesional.
Algunas personas podrían ser expertas en roles múltiples. También hay personas que
pueden no aspirar a la pericia y, en cambio, estar satisfechas con un rol técnico. En el
contexto aplicado de la ciencia forense y de la evaluación de sujetos humanos, la
pericia también requerirá fluidez y familiaridad con el vocabulario conceptual de la
ciencia y de las pruebas científicas.
This article is copyrighted by the American Polygraph Association (APA), and appears here with the permission of the
APA.
La American Polygraph Association (APA) tiene los derechos de autor de este artículo, y aparece aquí con el permiso
de la APA.
Traductor. rodolfo@poligrafia.com.mx APA Magazine 2019, 52(4)
Además, no es necesario memorizar una definición sucinta de estos conceptos, de
manera que se pueda proporcionar una respuesta o explicación solicitada en cualquier
momento. Muchos de estos conceptos son áreas de discusión muy amplias para las
cuales pueden existir múltiples perspectivas y matices. Sin embargo, los profesionales
que se consideran expertos - y aquellos que desean ser considerados expertos por otros
- deben estar familiarizados con estos conceptos, de manera que puedan reconocer su
importancia y aplicación en la práctica de campo.
2. Determinista
3. Medición
4. Hipótesis
6. Probabilidad Bayesiana
7. Análisis Bayesiano
8. Alfa
9. Valor p
10. Distribución
19. Confiabilidad
20. Validez
This article is copyrighted by the American Polygraph Association (APA), and appears here with the permission of the
APA.
La American Polygraph Association (APA) tiene los derechos de autor de este artículo, y aparece aquí con el permiso
de la APA.
Traductor. rodolfo@poligrafia.com.mx APA Magazine 2019, 52(4)
21. Multiplicidad (efectos de multiplicidad)
Discusión
This article is copyrighted by the American Polygraph Association (APA), and appears here with the permission of the
APA.
La American Polygraph Association (APA) tiene los derechos de autor de este artículo, y aparece aquí con el permiso
de la APA.
Traductor. rodolfo@poligrafia.com.mx APA Magazine 2019, 52(4)
hipótesis, y a través del proceso de andamiaje de nuevo conocimiento sobre el
conocimiento previamente existente. (Hoy en día, todos los científicos y practicantes de
campo, como dijo Isaac Newton, "se pararon sobre los hombros de gigantes", para que
pudiéramos ver más allá). Debido a que muchas áreas del cuestionamiento científico
involucran fenómenos que no pueden estar sujetos a una observación determinista
perfecta o a una medición física directa, las estadísticas y las probabilidades son un
aspecto central de prácticamente todas las áreas de la ciencia. Las pruebas científicas
son fundamentalmente probabilísticas.
This article is copyrighted by the American Polygraph Association (APA), and appears here with the permission of the
APA.
La American Polygraph Association (APA) tiene los derechos de autor de este artículo, y aparece aquí con el permiso
de la APA.
Traductor. rodolfo@poligrafia.com.mx APA Magazine 2019, 52(4)
3. Medición: Se refiere a una variedad de métodos de asignación de valores numéricos
objetivos y reproducibles a fenómenos observables que no pueden estar sujetos a una
observación determinista perfecta. La medición requiere tanto de un fenómeno físico
observable a través de los sentidos humanos o de la tecnología, y de una unidad de
medición bien definida. Las mediciones siempre están sujetas a algún grado de
variación aleatoria. La teoría estadística, en el paradigma frecuentista, surgió como
una forma de contabilizar el error de medición aleatorio. Nuestra capacidad para
calcular la variación esperada en las mediciones nos permite crear soluciones
tecnológicas más efectivas basadas en el grado de precisión de nuestra información de
medición.
4. Hipótesis: una idea científica que intenta explicar el estado de la realidad (el
universo) o de cómo funciona la realidad (el universo). Las hipótesis parecen ser
explicaciones, pero en realidad son preguntas para la investigación. La hipótesis debe
ser probada antes de que puedan aceptarse. La aceptación de una hipótesis sin
evidencia - sin pruebas - puede considerarse como una forma de conjetura. Los
experimentos científicos tienen la intención de falsear una hipótesis si es posible; no
prueban que una hipótesis es correcta. No se puede aceptar una hipótesis si los datos
o la evidencia podrían respaldar alguna otra explicación. Una hipótesis es una hipótesis
falsa cuando es inconsistente con la evidencia de la realidad. La confianza en una
hipótesis falsa, como si fuera válida, es un ejemplo de pseudociencia porque pretende
ser científica, pero viola los principios y requisitos de la ciencia.
Una hipótesis también se conoce como hipótesis alternativa (HA) porque todas las ideas
científicas son relativas a alguna explicación alternativa sobre la realidad o de cómo
funciona el universo. La antítesis de una hipótesis es la hipótesis nula (H0), que
generalmente establece que la hipótesis es incorrecta y no explica la evidencia o la
realidad. Los experimentos y las pruebas científicas a menudo están diseñadas para
intentar falsear la HA, identificando datos o evidencia que respalden o sean
consistentes con otras explicaciones como la H0.
This article is copyrighted by the American Polygraph Association (APA), and appears here with the permission of the
APA.
La American Polygraph Association (APA) tiene los derechos de autor de este artículo, y aparece aquí con el permiso
de la APA.
Traductor. rodolfo@poligrafia.com.mx APA Magazine 2019, 52(4)
establecido. Todas las teorías deben considerarse como teorías de trabajo porque
siempre hay más por aprender sobre la realidad y el universo.
This article is copyrighted by the American Polygraph Association (APA), and appears here with the permission of the
APA.
La American Polygraph Association (APA) tiene los derechos de autor de este artículo, y aparece aquí con el permiso
de la APA.
Traductor. rodolfo@poligrafia.com.mx APA Magazine 2019, 52(4)
matemáticas exhaustivas y repetidas. El teorema de Bayes fue desarrollado a mediados
del siglo XVIII por Thomas Bayes, y también por Simon Pierre Laplace de forma
independiente a principios del siglo XIX. El análisis Bayesiano tiene una amplia
aplicación en epidemiología, evaluación de amenazas, psicología social, medicina,
psicología, ciencias políticas, logística, econometría, inteligencia artificial / aprendizaje
mecánico y todas las áreas de la ciencia, pruebas, clasificación y predicción.
Existe una distribución de probabilidad para todos los fenómenos para los cuales
podemos expresar una probabilidad. Por ejemplo: si consideramos la hipótesis de que
el engaño y la veracidad son fenómenos coherentes o sistemáticos (es decir, las
diferencias entre la realidad y la veracidad o el engaño no es simplemente un caos
This article is copyrighted by the American Polygraph Association (APA), and appears here with the permission of the
APA.
La American Polygraph Association (APA) tiene los derechos de autor de este artículo, y aparece aquí con el permiso
de la APA.
Traductor. rodolfo@poligrafia.com.mx APA Magazine 2019, 52(4)
aleatorio), entonces, si un enunciado verbal es veraz o de engaño es un parámetro
desconocido de interés para el cual la distribución de probabilidad bajo la hipótesis
nula (es decir, las diferencias entre la realidad y la veracidad o el engaño no son
sistemáticas y pueden mejor entenderse como aleatorias), entonces la distribución de
valores [engaño, veracidad] está asociada con las probabilidades [ .5, .5].
15. Clasificador estadístico: Término general utilizado para describir el uso de datos
de una prueba o experimento científico para calcular un valor estadístico reproducible
para una clasificación o predicción. Cualquier valor estadístico reproducible puede ser
útil como clasificador estadístico. Sin embargo, un clasificador estadístico no pretende,
en sí mismo, ser una estimación del tamaño del efecto (es decir, no es una estimación
del nivel de confianza o de la confianza del resultado que puede asignarse a un
resultado o conclusión) sin un análisis adicional.
Un intervalo de confianza no es una estimación del tamaño del efecto (es decir, no es
una estimación de la fuerza práctica, importancia, o la confianza del resultado para un
resultado o conclusión). Un intervalo de confianza es solo una estimación de que el
tamaño del efecto observado puede deberse a una variación normalmente esperada,
This article is copyrighted by the American Polygraph Association (APA), and appears here with the permission of the
APA.
La American Polygraph Association (APA) tiene los derechos de autor de este artículo, y aparece aquí con el permiso
de la APA.
Traductor. rodolfo@poligrafia.com.mx APA Magazine 2019, 52(4)
como un error de medición aleatorio o una variación de muestreo. Se ha desarrollado
una variedad de métodos, cada uno con diferentes ventajas, para calcular los intervalos
de confianza.
Esta es una definición recursiva (que se refiere a sí misma) que no es intuitiva para
muchos. Los intervalos creíbles (intervalos de confianza Bayesianos) pueden ser más
fácilmente interpretados de manera intuitiva, como el rango en el que probablemente
existe el parámetro desconocido, o como el rango en el que el parámetro desconocido
probablemente será calculado/observado/estimado al repetir una prueba o un
experimento científico.
This article is copyrighted by the American Polygraph Association (APA), and appears here with the permission of the
APA.
La American Polygraph Association (APA) tiene los derechos de autor de este artículo, y aparece aquí con el permiso
de la APA.
Traductor. rodolfo@poligrafia.com.mx APA Magazine 2019, 52(4)
Mientras que los valores p son complicados por el tamaño de muestreo y la varianza
de la muestra, el tamaño de efecto no lo es. Esto significa que los tamaños de los efectos
son a menudo más simples de interpretar y más fáciles de usar que los valores p. Los
tamaños del efecto a veces se pueden discutir en unidades físicas de medida. Por
ejemplo: ¿cuál es el tamaño del efecto de la nutrición infantil en las tasas de crecimiento
físico? Los tamaños del efecto también se pueden expresar usando conceptos
probabilísticos.
Se pueden calcular diferentes tamaños de efecto para una prueba científica, incluidas
las tasas de error de sensibilidad/verdadero positivo (TP) y especificidad/verdadero
negativo (TN), falso positivo (FP) y falso negativo (FN). También se pueden combinar
diferentes efectos estadísticos para lograr una visión adicional del significado de los
datos observados de una prueba o experimento científico. Por ejemplo, las tasas TP,
TN, FN y FP se pueden combinar para calcular otras estimaciones de precisión de
decisión, como un valor predictivo positivo (PPV), un valor predictivo negativo (NPV),
un índice falso positivo (FPI) y el índice de falsos negativos (FNI) - u otras mediciones
de confianza en los resultados que están condicionadas a la información previa -
aunque pueden no ser resistentes a las muestras no balanceadas. Es importante
destacar que un tamaño del efecto, en sí mismo, no cuantifica la probabilidad de que
los datos observados se hayan producido debido a factores distintos al de una hipótesis
elegida (por ejemplo, variación aleatoria) porque no tiene en cuenta la variación del
muestreo.
Los tamaños de los efectos pueden estar sujetos a una variación, y por esta razón a
veces es útil calcular un valor p o intervalo de confianza para un tamaño de efecto. En
el paradigma estadístico frecuentista, este intervalo se denomina intervalo de
confianza. En el paradigma estadístico Bayesiano, se conoce como un intervalo creíble.
El ancho o tamaño de este intervalo está determinado por un nivel de tolerancia que
This article is copyrighted by the American Polygraph Association (APA), and appears here with the permission of the
APA.
La American Polygraph Association (APA) tiene los derechos de autor de este artículo, y aparece aquí con el permiso
de la APA.
Traductor. rodolfo@poligrafia.com.mx APA Magazine 2019, 52(4)
se establece antes de realizar una prueba o experimento científico (a menudo α = .05).
En la discusión práctica, un intervalo de confianza para el tamaño de un efecto a
menudo se denomina más simplemente como un margen de error con énfasis en el uso
de unidades de medida prácticas e intuitivas. (Por ejemplo: una encuesta social puede
usar una muestra de participantes para calcular una estimación del tamaño del efecto
de que el 75% de otras personas podrían responder de cierta manera con un margen
de error del 3%). En la práctica, los tamaños del efecto pueden calcularse para
cualquier métrica, incluyendo las probabilidades decimales, las posibilidades, las
mediciones físicas y las puntuaciones unitarias arbitrarias.
This article is copyrighted by the American Polygraph Association (APA), and appears here with the permission of the
APA.
La American Polygraph Association (APA) tiene los derechos de autor de este artículo, y aparece aquí con el permiso
de la APA.
Traductor. rodolfo@poligrafia.com.mx APA Magazine 2019, 52(4)
lo que lleva a un mayor error de tipo I o FP, cuando cualquier resultado
estadísticamente significativo conduce a una conclusión de significancia estadística; y
también puede introducir una deflación involuntaria de alfa cuando se requiere que
todas las inferencias estadísticas sean significativas antes de concluir que una prueba
o experimento es significativo.
Se han descrito ajustes matemáticos para tener en cuenta los efectos de multiplicidad,
incluyendo los de Bonferroni, Holm, Sidak y otros. Las correcciones estadísticas se
pueden aplicar tanto a un límite alfa o a un estadístico de prueba como a un valor p o
a posibilidades. La comprensión y el control de los tamaños de efecto esperados y las
tasas de error para pruebas científicas o experimentos que involucran comparaciones
estadísticas múltiples, requieren una comprensión cuidadosa de los límites alfa, de las
correcciones estadísticas y de las reglas de decisión, además de la probabilidad previa
o de la tasa de incidencia.
This article is copyrighted by the American Polygraph Association (APA), and appears here with the permission of the
APA.
La American Polygraph Association (APA) tiene los derechos de autor de este artículo, y aparece aquí con el permiso
de la APA.
Traductor. rodolfo@poligrafia.com.mx APA Magazine 2019, 52(4)
información de ruido y molesta en las pruebas de evaluación de credibilidad poligráfica,
pero es una señal de interés - utilizada para extraer información sobre la frecuencia
respiratoria a partir de datos del pulso oxímetro - en el contexto médico.
Una diferencia importante entre los valores de Likert y los valores de orden de rango
es que los valores de orden de rango son objetivos (es decir, los valores son
This article is copyrighted by the American Polygraph Association (APA), and appears here with the permission of the
APA.
La American Polygraph Association (APA) tiene los derechos de autor de este artículo, y aparece aquí con el permiso
de la APA.
Traductor. rodolfo@poligrafia.com.mx APA Magazine 2019, 52(4)
objetivamente más grandes o más pequeños, y las preguntas sobre cuánto más
grandes son, son un asunto relacionado con el análisis y la optimización). En contraste,
los valores de Likert capturan información subjetiva. Los números de escala reales en
sí mismos no siempre informan acerca de la diferencia entre el orden de rango objetivo
y los valores subjetivos de Likert. Por ejemplo: cuando se evalúan los datos de
evaluación de credibilidad poligráfica con el ESS-M (una variante ponderada del
método de puntuación de 3 posiciones federales), los valores se codifican como (-, 0, +)
que pueden malinterpretarse fácilmente como puntajes Likert (subjetivos), aunque en
realidad dan rangos a las puntuaciones porque las características de respuesta son
objetivamente más grandes, más pequeñas o indiferenciadas.
This article is copyrighted by the American Polygraph Association (APA), and appears here with the permission of the
APA.
La American Polygraph Association (APA) tiene los derechos de autor de este artículo, y aparece aquí con el permiso
de la APA.
Traductor. rodolfo@poligrafia.com.mx APA Magazine 2019, 52(4)
de referencia, para la cual todos los cálculos posibles se calcularon previamente y se
resumieron para una rápida referencia.
Las tablas son una solución altamente eficiente que puede ser robusta contra fallas
eléctricas y otros eventos catastróficos y probablemente seguirá en uso en el futuro.
Las tablas pueden permitir el cálculo manual de resultados en paralelo con el cálculo
automatizado a través de un programa de computadora. El uso de tablas estadísticas
es tan efectivo que algunos algoritmos informáticos, e incluso las calculadoras
electrónicas, podrían no calcular sus resultados, sino obtener el resultado de las tablas
que se incluyen en el software o hardware informático. Por ejemplo: la unidad de
control electrónico (ECU o "computadora") para sistemas de inyección de combustible
en la mayoría, si no en todos, los automóviles modernos regularán el consumo de
combustible en función del ancho de pulso o el tiempo de inyección que se calcula a
partir de la carga de trabajo, tamaño del motor, RPM, temperatura y muchos otros
parámetros, cada uno con su propia tabla.
Una forma común de tabla de referencia es una tabla normativa - que utiliza los
resultados de distribuciones de muestreo múltiples y el teorema del límite central (que
establece que las medias de numerosas medias de muestreo convergerán hacia una
media de población desconocida) para estimar un parámetro de población desconocido.
Los datos de referencia normativos nos permiten calcular la probabilidad de obtener
datos equivalentes o más extremos que los datos observados - utilizando la tabla
normativa como modelo de referencia.
This article is copyrighted by the American Polygraph Association (APA), and appears here with the permission of the
APA.
La American Polygraph Association (APA) tiene los derechos de autor de este artículo, y aparece aquí con el permiso
de la APA.
Traductor. rodolfo@poligrafia.com.mx APA Magazine 2019, 52(4)
(+), o si no hay diferencia observada (0). Se incluyen múltiples sensores en la
instrumentación de registro de prueba; se incluyen múltiples estímulos relevantes y de
comparación en la secuencia de estímulos de prueba; y se registran múltiples
repeticiones o iteraciones de la secuencia de estímulos de prueba. Los puntajes [+, 0,
-] son puntajes de orden de rango objetivo, no puntajes subjetivos de Likert.
25. Regla de decisión: Las reglas de decisión son instrucciones de procedimiento que
formalizan o estandarizan la interpretación o traducción de resultados estadísticos y
numéricos en conceptos de lenguaje natural (humano) que se pueden utilizar en la
toma de decisiones prácticas como es la clasificación o la predicción. La regla de
decisión común en NHST es esta: p <= a = sig. Esto puede leerse o entenderse como
"los resultados se interpretan como estadísticamente significativos si el valor p es menor
o igual que un nivel alfa que representa un nivel de tolerancia establecido". La tolerancia
alfa (es decir, nivel de significancia) es la probabilidad aceptable de que se hubiera
producido un resultado observado o un tamaño del efecto debido a la variación
normalmente esperada (es decir, variación de muestreo o error de medición aleatorio).
También son posibles otras reglas de decisión. Por ejemplo: los puntajes numéricos de
pruebas y los puntajes de corte numéricos pueden asignarse a un modelo de referencia
de probabilidad para que la clasificación y la predicción puedan alcanzar de manera
fácil y confiable un nivel de significancia requerido (en el paradigma NHST) o un
intervalo creíble (usando el análisis Bayesiano). El análisis Bayesiano puede hacer uso
de reglas de decisión que involucran un factor de Bayes - una comparación directa
entre la fuerza de la información previa y posterior. Por ejemplo: BF >= 3 = sig. Esto
puede leerse como "los resultados se interpretan como significativos si el factor de Bayes
es mayor o igual a 3." Una regla de decisión Bayesiana también puede usar el intervalo
This article is copyrighted by the American Polygraph Association (APA), and appears here with the permission of the
APA.
La American Polygraph Association (APA) tiene los derechos de autor de este artículo, y aparece aquí con el permiso
de la APA.
Traductor. rodolfo@poligrafia.com.mx APA Magazine 2019, 52(4)
creíble. Por ejemplo: LL> prior = sig. Esto se lee como "los resultados se interpretan como
significativos cuando el límite inferior del intervalo creíble supera el previo".
Conclusión
This article is copyrighted by the American Polygraph Association (APA), and appears here with the permission of the
APA.
La American Polygraph Association (APA) tiene los derechos de autor de este artículo, y aparece aquí con el permiso
de la APA.
Traductor. rodolfo@poligrafia.com.mx APA Magazine 2019, 52(4)
transmitir información útil cuando estos términos se introducen en contextos de
discusión y decisión que requieren pericia y profesionalismo más allá de la de un
técnico u operador de pruebas. Con el creciente énfasis en la práctica de campo basada
en la evidencia, los profesionales de todos los niveles deben familiarizarse con el
lenguaje conceptual de la ciencia y de la toma de decisiones científicas.
This article is copyrighted by the American Polygraph Association (APA), and appears here with the permission of the
APA.
La American Polygraph Association (APA) tiene los derechos de autor de este artículo, y aparece aquí con el permiso
de la APA.
Traductor. rodolfo@poligrafia.com.mx APA Magazine 2019, 52(4)