Fallos en estadísticas
Michael está tratando de encontrar un experimento para realizar en la feria de ciencias de su escuela. Desafortunadamente, cada experimento que diseña tiene problemas, y su maestro dice que parte de su información es confusa o sesgada. Michael no está seguro de qué hacer, pero primero deberá comprender el significado de «confusión» en las estadísticas. En esta lección, aprenderá sobre la confusión en las estadísticas. También verá diferentes ejemplos para ayudarlo a comprender cada tipo de confusión.
Confusión en estadísticas
Hay pocas formas en las que las estadísticas pueden ser incorrectas como resultado de un experimento o un experimento puede analizarse incorrectamente. A esto se le llama confusión , que en el contexto de las estadísticas simplemente significa algo que interfiere u oscurece su investigación. Tres tipos de confusión que discutiremos hoy son el efecto placebo, las variables de confusión y el cegamiento.
El efecto placebo
El efecto placebo es un efecto que ocurre por un tratamiento falso porque el individuo cree que el efecto debería ocurrir. Por ejemplo, digamos que Michael decide hacer un experimento que prueba la efectividad de un analgésico. Reúne un grupo de muestra de 20 personas. Diez personas reciben el analgésico y diez personas reciben el analgésico falso, una pastilla llena de azúcar. Después de una serie de pruebas, Michael tiene dificultades para analizar los resultados. Cada grupo informa que sus dolores de cabeza se curaron después de 30 minutos.
Hay muchas formas de explicar estos resultados. O el analgésico no funcionó y el dolor de cabeza tardó un promedio de 30 minutos en desaparecer por sí solo o el grupo que tomó el placebo, el analgésico falso, experimentó el efecto placebo, donde sus dolores de cabeza se curaron más rápido simplemente porque creían que ayudaría.
Variables de confusión
Otra forma en que se puede analizar incorrectamente un experimento es debido a una variable de confusión. Las variables de confusión son las otras variables o factores que pueden causar resultados de investigación. Por ejemplo, digamos que Michael realiza un nuevo experimento para probar la eficacia del analgésico. Esta vez, Michael le da el analgésico a diez personas en el experimento y un té de hierbas a las otras diez personas. Desafortunadamente para Michael, todas las personas del estudio, las diez que tomaron el analgésico y las diez que tomaron el té de hierbas, informaron mejoras en sus dolores de cabeza.
Teoría Estadística: Definición y ejemplos
Los resultados podrían deberse a una variable de confusión. Técnicamente, Michael no tiene un grupo de control o un «grupo normal» en esta situación. Si tuviera un grupo que no tomara nada por los dolores de cabeza, podría hacer un análisis más preciso. Sin embargo, es posible que el té de hierbas tenga propiedades curativas para el dolor. Esta es una variable que confunde los datos o confunde los resultados sobre si los analgésicos son efectivos o no.
Falta de cegamiento
El cegamiento se refiere a las variables que se prueban en grupos de investigación cuando pocas personas saben quiénes están en los grupos de tratamiento y de control. El cegamiento en sí mismo no es algo malo, de hecho, todo lo contrario. Es la falta de cegamiento lo que causa confusión en la investigación estadística. Por ejemplo, si Michael aleatorizara las píldoras de placebo y las píldoras analgésicas de tratamiento en su experimento y no le dijera a nadie, ni siquiera a los otros investigadores que lo ayudaron, qué píldora era cuál, entonces esto sería cegador y obtendría datos más confiables. .
Sin embargo, a veces el cegamiento no es posible dado el diseño de la investigación. En el ejemplo del té de hierbas, existe una diferencia obvia entre tomar una pastilla y beber un té. Es difícil ignorar estos factores en un experimento. Esto puede causar confusión, ya que será obvio qué grupo está recibiendo qué tratamientos. Es posible que el grupo de té de hierbas sienta que sus dolores de cabeza no se curan porque no creen que el té de hierbas aliviará eficazmente el dolor de cabeza.
Resumen de la lección
Al diseñar un experimento, recopilar datos o incluso leer los datos de alguien, es importante comprender los factores que pueden causar que las estadísticas sean inexactas o que no representen a la población correctamente. En estadística, estos factores se conocen como factores de confusión . Hay algunas formas en las que las estadísticas pueden confundirse: estas son el efecto placebo, las variables de confusión y la falta de cegamiento.
El efecto placebo es un efecto que ocurre por un tratamiento falso porque el individuo cree que el efecto debería ocurrir. Esto es cuando un experimento implica algún tipo de tratamiento falso que puede interferir con los resultados del experimento. Hay otras variables que también pueden interferir, se denominan variables de confusión. Las variables de confusión son las otras variables o factores que pueden ser una causalidad o el efecto de los resultados de la investigación.
Estadística Inferencial: Definición, usos y ejemplos
El cegamiento se refiere a las variables que se prueban en grupos de investigación cuando pocas personas saben quiénes están en los grupos de tratamiento y de control. El cegamiento en sí mismo no es una variable de confusión; sin embargo, cuando el cegamiento no ocurre, pueden surgir problemas. En última instancia, es su responsabilidad como investigador o lector de la investigación analizar críticamente la investigación en busca de posibles fallas en las estadísticas.
Los resultados del aprendizaje
Una vez que haya terminado, debería poder:
- Explica qué es la confusión en las estadísticas.
- Identificar y describir los tres tipos de confusión.
Explora más sobre este tema
Selecciona un tema y sigue aprendiendo...
