20.5: Obtención de datos y elaboración de inferencias
- Page ID
- 93857
\( \newcommand{\vecs}[1]{\overset { \scriptstyle \rightharpoonup} {\mathbf{#1}} } \)
\( \newcommand{\vecd}[1]{\overset{-\!-\!\rightharpoonup}{\vphantom{a}\smash {#1}}} \)
\( \newcommand{\id}{\mathrm{id}}\) \( \newcommand{\Span}{\mathrm{span}}\)
( \newcommand{\kernel}{\mathrm{null}\,}\) \( \newcommand{\range}{\mathrm{range}\,}\)
\( \newcommand{\RealPart}{\mathrm{Re}}\) \( \newcommand{\ImaginaryPart}{\mathrm{Im}}\)
\( \newcommand{\Argument}{\mathrm{Arg}}\) \( \newcommand{\norm}[1]{\| #1 \|}\)
\( \newcommand{\inner}[2]{\langle #1, #2 \rangle}\)
\( \newcommand{\Span}{\mathrm{span}}\)
\( \newcommand{\id}{\mathrm{id}}\)
\( \newcommand{\Span}{\mathrm{span}}\)
\( \newcommand{\kernel}{\mathrm{null}\,}\)
\( \newcommand{\range}{\mathrm{range}\,}\)
\( \newcommand{\RealPart}{\mathrm{Re}}\)
\( \newcommand{\ImaginaryPart}{\mathrm{Im}}\)
\( \newcommand{\Argument}{\mathrm{Arg}}\)
\( \newcommand{\norm}[1]{\| #1 \|}\)
\( \newcommand{\inner}[2]{\langle #1, #2 \rangle}\)
\( \newcommand{\Span}{\mathrm{span}}\) \( \newcommand{\AA}{\unicode[.8,0]{x212B}}\)
\( \newcommand{\vectorA}[1]{\vec{#1}} % arrow\)
\( \newcommand{\vectorAt}[1]{\vec{\text{#1}}} % arrow\)
\( \newcommand{\vectorB}[1]{\overset { \scriptstyle \rightharpoonup} {\mathbf{#1}} } \)
\( \newcommand{\vectorC}[1]{\textbf{#1}} \)
\( \newcommand{\vectorD}[1]{\overrightarrow{#1}} \)
\( \newcommand{\vectorDt}[1]{\overrightarrow{\text{#1}}} \)
\( \newcommand{\vectE}[1]{\overset{-\!-\!\rightharpoonup}{\vphantom{a}\smash{\mathbf {#1}}}} \)
\( \newcommand{\vecs}[1]{\overset { \scriptstyle \rightharpoonup} {\mathbf{#1}} } \)
\( \newcommand{\vecd}[1]{\overset{-\!-\!\rightharpoonup}{\vphantom{a}\smash {#1}}} \)
Se estudiaron muestras y poblaciones en el Capítulo 15, y podemos recordar rápidamente los puntos básicos aquí. A menudo inferimos una conclusión sobre una población a partir de una descripción de una muestra que se extrajo de ella. Cuando lo hacemos:
1. Nuestras instalaciones son reclamos sobre la muestra.
2. Nuestra conclusión es una afirmación sobre la población.
Por ejemplo, podríamos sacar una conclusión sobre el porcentaje de personas que favorecen enviar tropas a cierta región desde locales describiendo las respuestas de 700 personas a una encuesta sobre el tema. En tal caso, nuestra inferencia no tiene validez deductiva. Implica un salto inductivo.
Pero si somos cuidadosos en nuestras encuestas, nuestra inferencia aún puede ser inductivamente fuerte. Esto significa que si comenzamos con verdaderas premisas (lo que aquí significa una descripción correcta de la muestra), es probable que lleguemos a una conclusión verdadera (sobre toda la población).
Una buena inferencia inductiva de una muestra a una población requiere:
1. Una muestra lo suficientemente grande.
2. Muestra representativa (imparcial).
Estos mismos principios se aplican cuando estamos muestreando como parte de la investigación científica. Teniendo en cuenta todas las cosas, queremos muestras más grandes, teniendo en cuenta que hay costos de información cuanto más grande se vuelve un estudio. Cuanto más grande sea la muestra que probemos, más tardará el estudio. Entonces, al probar tratamientos de detección del tiempo (como las vacunas para Covid-19) podríamos decidir probar una muestra más pequeña con el interés de llevar un medicamento al mercado más rápido. También hay que tener en cuenta que si una muestra se restringe a un determinado grupo (edad, género, situación socioeconómica, etc.) los resultados sólo se entenderán como aplicables a esa población. Poblaciones más diversas nos darán conclusiones más universales.