Saltar al contenido principal
LibreTexts Español

1.4: ¿Deberías creer en un estudio estadístico?

  • Page ID
    110055
  • \( \newcommand{\vecs}[1]{\overset { \scriptstyle \rightharpoonup} {\mathbf{#1}} } \)

    \( \newcommand{\vecd}[1]{\overset{-\!-\!\rightharpoonup}{\vphantom{a}\smash {#1}}} \)

    \( \newcommand{\id}{\mathrm{id}}\) \( \newcommand{\Span}{\mathrm{span}}\)

    ( \newcommand{\kernel}{\mathrm{null}\,}\) \( \newcommand{\range}{\mathrm{range}\,}\)

    \( \newcommand{\RealPart}{\mathrm{Re}}\) \( \newcommand{\ImaginaryPart}{\mathrm{Im}}\)

    \( \newcommand{\Argument}{\mathrm{Arg}}\) \( \newcommand{\norm}[1]{\| #1 \|}\)

    \( \newcommand{\inner}[2]{\langle #1, #2 \rangle}\)

    \( \newcommand{\Span}{\mathrm{span}}\)

    \( \newcommand{\id}{\mathrm{id}}\)

    \( \newcommand{\Span}{\mathrm{span}}\)

    \( \newcommand{\kernel}{\mathrm{null}\,}\)

    \( \newcommand{\range}{\mathrm{range}\,}\)

    \( \newcommand{\RealPart}{\mathrm{Re}}\)

    \( \newcommand{\ImaginaryPart}{\mathrm{Im}}\)

    \( \newcommand{\Argument}{\mathrm{Arg}}\)

    \( \newcommand{\norm}[1]{\| #1 \|}\)

    \( \newcommand{\inner}[2]{\langle #1, #2 \rangle}\)

    \( \newcommand{\Span}{\mathrm{span}}\) \( \newcommand{\AA}{\unicode[.8,0]{x212B}}\)

    \( \newcommand{\vectorA}[1]{\vec{#1}}      % arrow\)

    \( \newcommand{\vectorAt}[1]{\vec{\text{#1}}}      % arrow\)

    \( \newcommand{\vectorB}[1]{\overset { \scriptstyle \rightharpoonup} {\mathbf{#1}} } \)

    \( \newcommand{\vectorC}[1]{\textbf{#1}} \)

    \( \newcommand{\vectorD}[1]{\overrightarrow{#1}} \)

    \( \newcommand{\vectorDt}[1]{\overrightarrow{\text{#1}}} \)

    \( \newcommand{\vectE}[1]{\overset{-\!-\!\rightharpoonup}{\vphantom{a}\smash{\mathbf {#1}}}} \)

    \( \newcommand{\vecs}[1]{\overset { \scriptstyle \rightharpoonup} {\mathbf{#1}} } \)

    \( \newcommand{\vecd}[1]{\overset{-\!-\!\rightharpoonup}{\vphantom{a}\smash {#1}}} \)

    \(\newcommand{\avec}{\mathbf a}\) \(\newcommand{\bvec}{\mathbf b}\) \(\newcommand{\cvec}{\mathbf c}\) \(\newcommand{\dvec}{\mathbf d}\) \(\newcommand{\dtil}{\widetilde{\mathbf d}}\) \(\newcommand{\evec}{\mathbf e}\) \(\newcommand{\fvec}{\mathbf f}\) \(\newcommand{\nvec}{\mathbf n}\) \(\newcommand{\pvec}{\mathbf p}\) \(\newcommand{\qvec}{\mathbf q}\) \(\newcommand{\svec}{\mathbf s}\) \(\newcommand{\tvec}{\mathbf t}\) \(\newcommand{\uvec}{\mathbf u}\) \(\newcommand{\vvec}{\mathbf v}\) \(\newcommand{\wvec}{\mathbf w}\) \(\newcommand{\xvec}{\mathbf x}\) \(\newcommand{\yvec}{\mathbf y}\) \(\newcommand{\zvec}{\mathbf z}\) \(\newcommand{\rvec}{\mathbf r}\) \(\newcommand{\mvec}{\mathbf m}\) \(\newcommand{\zerovec}{\mathbf 0}\) \(\newcommand{\onevec}{\mathbf 1}\) \(\newcommand{\real}{\mathbb R}\) \(\newcommand{\twovec}[2]{\left[\begin{array}{r}#1 \\ #2 \end{array}\right]}\) \(\newcommand{\ctwovec}[2]{\left[\begin{array}{c}#1 \\ #2 \end{array}\right]}\) \(\newcommand{\threevec}[3]{\left[\begin{array}{r}#1 \\ #2 \\ #3 \end{array}\right]}\) \(\newcommand{\cthreevec}[3]{\left[\begin{array}{c}#1 \\ #2 \\ #3 \end{array}\right]}\) \(\newcommand{\fourvec}[4]{\left[\begin{array}{r}#1 \\ #2 \\ #3 \\ #4 \end{array}\right]}\) \(\newcommand{\cfourvec}[4]{\left[\begin{array}{c}#1 \\ #2 \\ #3 \\ #4 \end{array}\right]}\) \(\newcommand{\fivevec}[5]{\left[\begin{array}{r}#1 \\ #2 \\ #3 \\ #4 \\ #5 \\ \end{array}\right]}\) \(\newcommand{\cfivevec}[5]{\left[\begin{array}{c}#1 \\ #2 \\ #3 \\ #4 \\ #5 \\ \end{array}\right]}\) \(\newcommand{\mattwo}[4]{\left[\begin{array}{rr}#1 \amp #2 \\ #3 \amp #4 \\ \end{array}\right]}\) \(\newcommand{\laspan}[1]{\text{Span}\{#1\}}\) \(\newcommand{\bcal}{\cal B}\) \(\newcommand{\ccal}{\cal C}\) \(\newcommand{\scal}{\cal S}\) \(\newcommand{\wcal}{\cal W}\) \(\newcommand{\ecal}{\cal E}\) \(\newcommand{\coords}[2]{\left\{#1\right\}_{#2}}\) \(\newcommand{\gray}[1]{\color{gray}{#1}}\) \(\newcommand{\lgray}[1]{\color{lightgray}{#1}}\) \(\newcommand{\rank}{\operatorname{rank}}\) \(\newcommand{\row}{\text{Row}}\) \(\newcommand{\col}{\text{Col}}\) \(\renewcommand{\row}{\text{Row}}\) \(\newcommand{\nul}{\text{Nul}}\) \(\newcommand{\var}{\text{Var}}\) \(\newcommand{\corr}{\text{corr}}\) \(\newcommand{\len}[1]{\left|#1\right|}\) \(\newcommand{\bbar}{\overline{\bvec}}\) \(\newcommand{\bhat}{\widehat{\bvec}}\) \(\newcommand{\bperp}{\bvec^\perp}\) \(\newcommand{\xhat}{\widehat{\xvec}}\) \(\newcommand{\vhat}{\widehat{\vvec}}\) \(\newcommand{\uhat}{\widehat{\uvec}}\) \(\newcommand{\what}{\widehat{\wvec}}\) \(\newcommand{\Sighat}{\widehat{\Sigma}}\) \(\newcommand{\lt}{<}\) \(\newcommand{\gt}{>}\) \(\newcommand{\amp}{&}\) \(\definecolor{fillinmathshade}{gray}{0.9}\)

    Ahora hemos mirado los fundamentos de un estudio estadístico, pero ¿cómo te aseguras de que realizas un buen estudio estadístico? Es necesario utilizar las siguientes pautas.

    Lineamientos para la realización de un estudio estadístico:

    1. Exponga el objetivo de su estudio con precisión. Asegúrate de entender lo que realmente quieres saber antes de recopilar cualquier dato. Determina exactamente lo que te gustaría aprender.
    2. Indique la población que desea estudiar y indique el parámetro o parámetros poblacionales de interés.
    3. Elija un método de muestreo. Una muestra aleatoria simple es el mejor tipo de muestra, aunque a veces una muestra estratificada o agrupada puede ser mejor dependiendo de la pregunta que esté haciendo.
    4. Recopilar los datos de la muestra y resumir estos datos mediante la búsqueda de estadísticas de la muestra.
    5. Utilice los estadísticos de la muestra para hacer inferencias sobre los parámetros poblacionales.
    6. Saca conclusiones: Determina lo que aprendiste y si lograste tu objetivo.

    El error que comete la mayoría de la gente al hacer un estudio estadístico es recopilar los datos, y luego mirar los datos para ver qué preguntas se pueden responder. Esto en realidad es al revés. Entonces, asegúrate de saber a qué pregunta quieres responder antes de recopilar cualquier dato.

    Aunque no realices tu propio estudio, estarás viendo estudios que otras personas hayan realizado. Todos los días se escuchan y ven estadísticas sobre las noticias, en periódicos y revistas, en Internet y otros lugares. Algunas de estas estadísticas pueden ser legítimas y beneficiosas, pero algunas pueden ser inexactas y engañosas. Estos son algunos pasos a seguir al evaluar si un estudio estadístico es creíble o no.

    Pasos para determinar si un estudio estadístico es creíble:

    1. ¿Se establecen claramente la población, el objetivo del estudio y el tipo de estudio?

    Deberías poder responder las siguientes preguntas al leer sobre un estudio estadístico:

    • ¿El estudio tiene un objetivo claro? ¿Qué es?
    • ¿Está claramente definida la población? ¿Qué es?
    • ¿El tipo de estudio utilizado es claro y apropiado?

    2. ¿Se identifica la fuente del estudio? ¿Hay alguna inquietud con la fuente?

    Es posible que un estudio no se haya realizado de manera justa si quienes financiaron el estudio son sesgados.

    Ejemplo\(\PageIndex{1}\): Fuente de Estudio 1

    Supongamos que se realiza un estudio para conocer el porcentaje de profesores universitarios de Estados Unidos que pertenecen al partido libertario. Si este estudio fue pagado por el partido libertario, u otro partido político, entonces puede haber habido sesgo involucrado en la realización del estudio. Por lo general, un grupo independiente es una buena fuente para realizar estudios políticos.

    Ejemplo\(\PageIndex{2}\): Fuente de Estudio 2

    Había una vez un anuncio de página completa en muchos de los periódicos de Estados Unidos que decía que el calentamiento global no estaba ocurriendo. El anuncio dio algunas razones por las que no estaba sucediendo con base en estudios realizados. En la parte inferior de la página, en letra pequeña, estaban las palabras que el estudio y el anuncio fueron pagados por la industria del petróleo y el gas. Entonces, el estudio pudo haber sido un buen estudio, pero como fue financiado por la industria que se beneficiaría de los resultados, entonces deberías cuestionar la validez de los resultados.

    3. ¿Hay alguna variable confusa que pueda sesgar los resultados del estudio?

    Las variables de confusión son otras posibles causas que pueden producir el efecto de interés además de la variable en estudio. En un experimento científico, los investigadores pueden minimizar el efecto de las variables de confusión comparando los resultados de un grupo de tratamiento frente a un grupo control.

    Ejemplo\(\PageIndex{3}\): Variable de confusión

    Se realizó un estudio para demostrar que los hornos microondas eran peligrosos. El estudio involucró plantas, donde a una planta se le dio agua del grifo y a una planta se le dio agua que se hirvió en el horno microondas. La planta dada el agua que se hervía murió. Por lo que la conclusión fue que el agua de microondas causó daños en el agua y así provocó que la planta muriera. Sin embargo, fácilmente podría haber sido el hecho de que se vertía agua hirviendo sobre la planta lo que provocó que la planta muriera.

    4. ¿Podría haber algún sesgo del método de muestreo que se utilizó?

    En ocasiones, los investigadores tomarán una muestra de la población y los resultados pueden estar sesgados.

    Sesgo de selección: Esto ocurre cuando la muestra elegida de la población no es representativa de la población.

    Sesgo de participación (o sesgo de falta de respuesta): Esto ocurre cuando los objetos previstos en la muestra no responden por muchas razones diferentes. Aquellos que se sientan fuertemente sobre un tema tendrán más probabilidades de participar.

    Ejemplo\(\PageIndex{4}\): Sesgo

    La Encuesta de Recogida Literaria de 1936. The Literary Digest fue una revista que se fundó en 1890. A partir de las elecciones presidenciales de Estados Unidos de 1916, la revista había predicho el ganador de cada elección. En 1936, el Literary Digest predijo que Alfred Landon ganaría las elecciones en un deslizamiento de tierra sobre Franklin Delano Roosevelt con el cincuenta y siete por ciento del voto popular. El proceso para predecir al ganador fue que la revista envió diez millones de papeletas simuladas a sus suscriptores y nombres de personas que tenían automóviles y teléfonos. Dos millones de papeletas simuladas fueron devueltas. En realidad, Roosevelt ganó la elección con 62% del voto popular. (“Estudio de caso 1: La encuesta literaria de 1936”, n.d.)

    Una nota al margen es que al mismo tiempo que el Compendio Literario publicaba su predicción, un hombre llamado George Gallup también realizó una encuesta para predecir el ganador de la elección. Gallup sólo encuestó a unos cincuenta mil votantes utilizando técnicas de muestreo aleatorio, sin embargo su predicción era que Roosevelt ganaría la elección. Se demostró que sus técnicas de sondeo son el método más preciso, y se han utilizado hasta la actualidad.

    Sesgo de selección: Debido a las personas a las que sondeó el Compendio Literario, crearon algo llamado sesgo de selección. El sondeo preguntó a diez millones de personas que eran dueños de autos, tenían teléfonos y se suscribieron a la revista. Hoy, probablemente pensarías que este grupo de personas sería representativo de todo Estados Unidos Sin embargo, en 1936 el país se encontraba en medio de la Gran Depresión. Por lo que la gente encuestada estaba mayormente en la clase media alta a la clase alta. No representaban a todo el país. No importaba que la muestra fuera muy grande. La parte más importante de una muestra es que es representativa de toda la población. Si la muestra no lo es, entonces los resultados podrían estar equivocados, como se demostró en este caso. Es importante recolectar datos para que tenga la mejor oportunidad de representar a toda la población.

    Sesgo de falta de respuesta: Al observar el número de boletas devueltas, dos millones parecen ser un número muy grande. No obstante, se enviaron diez millones de boletas electorales. Entonces eso significa que solo alrededor de una quinta parte de todas las papeletas realmente fueron devueltas. Esto se conoce como sesgo de falta de respuesta. Las únicas personas que probablemente se tomaron el tiempo para llenar y devolver la boleta fueron las que sentían fuertemente sobre el tema. Entonces, cuando envías una encuesta, tienes que prestar atención a qué porcentaje de encuestas se devuelven realmente. Si es posible, es mejor realizar la encuesta en persona o por teléfono. Las encuestas más creíbles que se realizan hoy en día, como Gallup, se realizan ya sea en persona o por teléfono. Sin embargo, tenga cuidado, el hecho de que un grupo de encuestas realice la encuesta en persona o por teléfono no significa que sea necesariamente creíble.

    5. ¿Hay algún problema con el establecimiento de una encuesta?

    La configuración de la encuesta puede crear sesgos. Entonces quieres asegurarte de que el ajuste sea lo más neutral posible, para que alguien no responda con base en dónde se realiza la encuesta o quién está dando la encuesta.

    Ejemplo\(\PageIndex{5}\): Ejemplo de configuración

    Supongamos que se está realizando una encuesta para conocer más sobre el consumo de drogas ilegales entre estudiantes universitarios. Si un policía uniformado está realizando la encuesta, entonces es muy probable que los resultados sean sesgados ya que los universitarios pueden sentirse incómodos diciéndole la verdad al policía.

    6. ¿Hay algún problema con la redacción de una encuesta?

    La forma en que se redacta una pregunta puede provocar una respuesta particular. También el orden de las preguntas puede afectar las respuestas de una persona. Así que asegúrate de que las preguntas estén redactas de una manera que no conduzca a una persona a una respuesta en particular.

    Ejemplo\(\PageIndex{6}\): Ejemplo de redacción

    Una pregunta sobre el medio ambiente puede preguntarse “¿Crees que el calentamiento global es el tema ambiental más importante del mundo, o la contaminación de los océanos?” Alternativamente, la pregunta puede estar redactada “¿Crees que la contaminación de los océanos es el tema ambiental mundial más importante, o el calentamiento global?” Las respuestas a estas dos preguntas variarán mucho simplemente por su redacción. La mejor manera de manejar una pregunta como esta es presentarla en formato de opción múltiple de la siguiente manera:

    ¿Cuál crees que es el tema ambiental más importante a nivel mundial?

    a. Calentamiento global

    b. Contaminación de los océanos

    c. Otros

    7. ¿Los resultados se presentan de manera justa?

    Asegúrese de que cualquier declaración final represente con precisión los datos y estadísticas que se calcularon a partir de los datos. Muchas veces las personas hacen conclusiones que están más allá del alcance del estudio, o están más allá de los resultados de los datos.

    Ejemplo\(\PageIndex{7}\): Conclusión incorrecta

    Se han realizado muchos estudios sobre tratamientos contra el cáncer con ratas. La conclusión equivocada es decir que debido a que un tratamiento curó el cáncer en ratas, entonces curará el cáncer en las personas. El hecho de que un tratamiento curara el cáncer en ratas, significa que existe la posibilidad de que cure el cáncer en las personas, pero tendrías que probarlo en las personas antes de hacer tales afirmaciones. Las ratas y las personas tienen una fisiología diferente, por lo que no se puede suponer que lo que funciona en una funcionará en la otra.

    8. ¿Hay algún gráfico engañoso?

    Asegúrese de que los gráficos que se presenten junto con los resultados no sean engañosos. Algunos ejemplos de gráficos engañosos son:

    • El eje vertical no inicia en cero. Esto significa que cualquier cambio se verá más dramático de lo que realmente son.
    • No hay título. Esto significa que no sabes lo que realmente está retratando la gráfica.
    • Faltan etiquetas o unidades. Esto quiere decir que no se sabe cuáles son las variables o cuáles son las unidades.
    • Se utiliza el tipo incorrecto de gráfico. A veces la gente usa el gráfico incorrecto, como usar un gráfico de barras cuando un gráfico de líneas sería más apropiado.

    9. Consideraciones finales

    Hágase las siguientes preguntas sobre la efectividad general del estudio estadístico.

    • ¿Las conclusiones del estudio responden al objetivo inicial del estudio?
    • ¿Las conclusiones del estudio se desprenden de los datos y estadísticas?
    • ¿Las conclusiones del estudio indican que se deben hacer cambios prácticos?

    En general, debes seguir estos pasos al analizar la validez de cualquier estudio estadístico.


    This page titled 1.4: ¿Deberías creer en un estudio estadístico? is shared under a CC BY-SA 4.0 license and was authored, remixed, and/or curated by Maxie Inigo, Jennifer Jameson, Kathryn Kozak, Maya Lanzetta, & Kim Sonier via source content that was edited to the style and standards of the LibreTexts platform.