11.1: Razones para simular
- Page ID
- 150331
\( \newcommand{\vecs}[1]{\overset { \scriptstyle \rightharpoonup} {\mathbf{#1}} } \)
\( \newcommand{\vecd}[1]{\overset{-\!-\!\rightharpoonup}{\vphantom{a}\smash {#1}}} \)
\( \newcommand{\id}{\mathrm{id}}\) \( \newcommand{\Span}{\mathrm{span}}\)
( \newcommand{\kernel}{\mathrm{null}\,}\) \( \newcommand{\range}{\mathrm{range}\,}\)
\( \newcommand{\RealPart}{\mathrm{Re}}\) \( \newcommand{\ImaginaryPart}{\mathrm{Im}}\)
\( \newcommand{\Argument}{\mathrm{Arg}}\) \( \newcommand{\norm}[1]{\| #1 \|}\)
\( \newcommand{\inner}[2]{\langle #1, #2 \rangle}\)
\( \newcommand{\Span}{\mathrm{span}}\)
\( \newcommand{\id}{\mathrm{id}}\)
\( \newcommand{\Span}{\mathrm{span}}\)
\( \newcommand{\kernel}{\mathrm{null}\,}\)
\( \newcommand{\range}{\mathrm{range}\,}\)
\( \newcommand{\RealPart}{\mathrm{Re}}\)
\( \newcommand{\ImaginaryPart}{\mathrm{Im}}\)
\( \newcommand{\Argument}{\mathrm{Arg}}\)
\( \newcommand{\norm}[1]{\| #1 \|}\)
\( \newcommand{\inner}[2]{\langle #1, #2 \rangle}\)
\( \newcommand{\Span}{\mathrm{span}}\) \( \newcommand{\AA}{\unicode[.8,0]{x212B}}\)
\( \newcommand{\vectorA}[1]{\vec{#1}} % arrow\)
\( \newcommand{\vectorAt}[1]{\vec{\text{#1}}} % arrow\)
\( \newcommand{\vectorB}[1]{\overset { \scriptstyle \rightharpoonup} {\mathbf{#1}} } \)
\( \newcommand{\vectorC}[1]{\textbf{#1}} \)
\( \newcommand{\vectorD}[1]{\overrightarrow{#1}} \)
\( \newcommand{\vectorDt}[1]{\overrightarrow{\text{#1}}} \)
\( \newcommand{\vectE}[1]{\overset{-\!-\!\rightharpoonup}{\vphantom{a}\smash{\mathbf {#1}}}} \)
\( \newcommand{\vecs}[1]{\overset { \scriptstyle \rightharpoonup} {\mathbf{#1}} } \)
\( \newcommand{\vecd}[1]{\overset{-\!-\!\rightharpoonup}{\vphantom{a}\smash {#1}}} \)
Hay muchas buenas razones para aprender técnicas de simulación, aquí hay algunas:
- Te obligas a considerar los detalles de tu diseño, cuántos sujetos, cuántas condiciones, cuántas observaciones por condición por sujeto y cómo almacenarás y representarás los datos para describir todos estos detalles cuando ejecutes el experimento
- Te obligas a considerar los tipos de números que vas a coleccionar. Específicamente, las propiedades distribucionales de esos números. Tendrás que tomar decisiones sobre las distribuciones de las que muestres en tu simulación, y pensar en este tema te ayuda a entender mejor tus propios datos cuando los obtengas.
- Aprendes un poco de programación informática, y esta es una habilidad general muy útil sobre la que puedes construir para hacer muchas cosas.
- Puedes hacer suposiciones razonables e informadas sobre cómo podría resultar tu experimento, y luego usar los resultados de tu simulación para elegir parámetros para tu diseño (como número de sujetos, número de observaciones por condición y sujeto) que mejorarán la sensibilidad de tu diseño para detectar el efectos que te interesa medir.
- Incluso puedes ejecutar simulaciones sobre los datos que recolectas para conocer más sobre cómo se comporta, y para hacer otro tipo de estadísticas avanzadas que no discutimos en este libro.
- Puedes mejorar tus intuiciones sobre cómo se comportan los datos cuando los mides. Puedes poner a prueba tus intuiciones ejecutando simulaciones, y puedes aprender cosas que no sabías para empezar. Las simulaciones pueden ser altamente informativas.
- Cuando simula datos antes de recopilar datos reales, puede calcular exactamente qué tipo de pruebas planea realizar, y ya habrá escrito su código de análisis, por lo que estará listo y esperándolo tan pronto como recopile los datos
OK, así que esas son solo algunas razones por las que las simulaciones son útiles.