Resumen de la Sección 8.1: ¿Qué son los métodos cuantitativos?
Los métodos cuantitativos son el uso del análisis matemático o la medición matemática compleja para resolver problemas o acertijos. Estos métodos generalmente implican el uso de técnicas estadísticas, particularmente cuando se analizan conjuntos de datos construidos a partir de encuestas. Los datasets consisten en puntos de datos generados a partir de casos. Los casos pueden incluir personas, o decisiones tomadas por personas. Los datos se pueden medir de manera diferente, usando cuatro escalas: escalas nominales, escalas ordinales, escalas de intervalos, escalas de relación.
Resumen de la Sección 8.2: Dar sentido a los datos
El paso inicial es organizar los datos sin procesar en un formato más manejable. Posteriormente, hay varias formas en que se pueden presentar los datos: tabla de frecuencias, histograma, gráfico de barras, diagrama de dispersión, gráfica de series de tiempo. Todos los conjuntos de datos tienen una tendencia central, que localiza el centro de los datos, lo que luego permite que se realice un análisis. El modo, la mediana y la media pueden ayudarnos a determinar la tendencia central. A partir de esto, podemos determinar el rango y rango intercuartílico, la desviación, la varianza y la desviación estándar.
Resumen de la Sección 8.3: Introducción a la Inferencia Estadística
Una vez que hayamos establecido algunas estadísticas elementales, entonces podemos comenzar a analizar los datos. Primero, observamos la distribución normal de los datos. A menudo se representa a través de una curva de campaña. con los puntajes del examen alcanzando su punto máximo en el medio. Si el valor de la media, la mediana y el modo es el mismo, y los datos cercanos a la media son más frecuentes en ocurrencia, podemos referirnos a esta curva como una distribución normal. Entender la distribución de los datos nos permite entonces comenzar a comparar. Usando una puntuación z, podemos determinar si un punto de datos en particular cae por encima o por debajo de la media, y cuántas desviaciones estándar también. Con estas técnicas, podemos comenzar a desarrollar hipótesis estadísticas. Las dos más comunes son la hipótesis nula y la hipótesis alternativa. Para determinar si podemos aceptar o rechazar las hipótesis nulas y/o alternativas, tenemos que establecer el nivel de significancia estadística que nos interesa, o el nivel alfa. A veces rechazamos erróneamente la hipótesis nula que era cierta. Este tipo de error se denomina error tipo-I. Sin embargo, cuando un investigador no rechaza la hipótesis nula que es falsa, el investigador ha cometido un error de tipo II.
Resumen de la Sección 8.4: Interpretación de tablas estadísticas en artículos de ciencia política
Los politólogos suelen utilizar análisis de regresión para comprender las relaciones entre variables. Estos resultados de regresión a menudo se representan en formato de tabla. En estas tablas, hay tres expresiones numéricas que todo estudiante debe entender, independientemente de sus niveles de habilidad. El primero es el coeficiente, que es una expresión numérica de la relación entre el resultado y las variables explicativas. El segundo es el error estándar, definido como la estimación de la desviación estándar del coeficiente. El tercero es el nivel de confianza, que comunica la significancia estadística de la correlación entre las variables. Los investigadores utilizan asteriscos (*) para reportar el nivel de significancia en la tabla.
