Tipos de estudios estadísticos | AP estadística | Khan Academy en Español

00:10:26
https://www.youtube.com/watch?v=w7UY8gi29fk

Summary

TLDREl video explica los tres tipos principales de estudios estadísticos: el estudio de muestreo, el estudio observacional y el experimento. Un estudio de muestreo se utiliza para estimar un parámetro de población específico mediante el muestreo aleatorio. Un estudio observacional busca entender cómo dos variables pueden estar correlacionadas, sin implicar causalidad, ya que pueden existir variables de confusión. Por otro lado, un experimento se enfoca en establecer causalidad, asignando aleatoriamente sujetos a grupos de control y tratamiento para garantizar la validez de los resultados. Se destaca la importancia de no confundir correlación con causalidad y el uso adecuado de métodos para evitar sesgos en los estudios.

Takeaways

  • 📊 Existen tres tipos principales de estudios estadísticos: muestreo, observacional y experimental.
  • 📈 El muestreo busca estimar parámetros de una población a través de muestras aleatorias.
  • 🔍 Los estudios observacionales buscan correlaciones entre variables, sin inferir causalidad.
  • ❌ No se debe asumir causalidad en estudios observacionales debido a posibles variables de confusión.
  • 🧪 Los experimentos establecen causalidad al controlar y manipular variables de forma aleatoria.
  • 🎯 En los experimentos, se asignan sujetos a grupos de control y tratamiento aleatoriamente.
  • 📚 Los estudios bien diseñados pueden formular hipótesis sobre causalidad, pero requieren experimentación para confirmarla.
  • ⚖️ La asignación aleatoria busca balancear variables de confusión entre grupos experimentales.
  • 🔬 Los experimentos son fundamentales en el método científico para validar hipótesis.
  • ⚠️ Correlación no implica causalidad; es crucial buscar diseños experimentales que puedan probarla.

Timeline

  • 00:00:00 - 00:05:00

    Se presentan los tres tipos principales de estudios estadísticos: estudio de muestreo, estudio observacional y experimento. Se explica que un estudio de muestreo es útil para estimar el valor de un parámetro en una población mediante el análisis de una muestra, dado que no es práctico encuestar a toda la población. Por otro lado, un estudio observacional busca comprender la relación entre dos variables en una población sin estimar un parámetro específico. Por ejemplo, analizar el tiempo de uso diario de computadora y su relación con la presión arterial en una muestra de 1000 personas, identificando si existe una correlación entre ambas sin asumir causalidad. Observamos que estas variables pueden mostrar una correlación positiva, pero se debe evitar llegar a conclusiones sobre causalidad, ya que podría haber otras variables ajenas influyendo, como la falta de actividad física.

  • 00:05:00 - 00:10:26

    El orador continúa discutiendo las limitaciones de los estudios observacionales, destacando que no son suficientes para establecer causalidad debido a variables confusoras, como la actividad física que podría influir tanto en el tiempo frente a la computadora como en la presión arterial. Se introduce el concepto de experimentos como mecanismos más robustos para establecer causalidad, a pesar de su complejidad en la ejecución. En un experimento, se asigna aleatoriamente a un grupo de personas a un grupo de control y a uno de tratamiento, controlando una variable para observar cambios en otra variable. Se enfatiza que este enfoque, si se realiza correctamente, puede indicar una relación causal al controlar las variables confusoras. El video concluye distinguiendo los propósitos de cada tipo de estudio y anticipa ejemplos futuros para ilustrar estos conceptos clínicos y estadísticos.

Mind Map

Mind Map

Frequently Asked Question

  • ¿Qué es un estudio de muestreo?

    Es un estudio para estimar el valor de un parámetro en una población mediante el muestreo aleatorio de una parte de la población.

  • ¿Cuál es la diferencia entre un estudio observacional y un experimento?

    Un estudio observacional busca encontrar correlaciones entre variables sin interferir, mientras que un experimento busca establecer causalidad asignando variables controladas a grupos experimentales.

  • ¿Qué se necesita para un estudio de muestreo aleatorio realmente representativo?

    Se requieren técnicas adecuadas para seleccionar aleatoriamente muestras de la población, considerando características como tamaño y diversidad.

  • ¿Cómo se determina la correlación en un estudio observacional?

    Se analiza el comportamiento conjunto de dos variables a partir de datos recolectados, evaluando si se mueven juntas de manera sistemática.

  • ¿Qué significa una correlación positiva en el contexto estadístico?

    Significa que a medida que aumenta una variable, es probable que la otra también aumente, indicando un movimiento conjunto en la misma dirección.

  • ¿Por qué no se puede asumir causalidad en un estudio observacional?

    Porque las correlaciones encontradas pueden ser influenciadas por variables de confusión, las cuales pueden ser la causa real de los cambios observados.

  • ¿Qué se logra con un experimento en estadística?

    Establecer causalidades directas al manipular una variable independiente y observar los efectos en una variable dependiente en grupos controlados.

  • ¿Cómo se evita el sesgo en un experimento?

    A través de la asignación aleatoria de sujetos a grupos de control y experimentales, lo cual minimiza las variables no controladas.

  • ¿Qué rol juega un grupo de control en un experimento?

    Sirve como punto de comparación para medir los efectos reales del tratamiento aplicado en el grupo experimental.

  • ¿Qué podrían ser ejemplos de variables de confusión?

    Factores como la falta de actividad física, el consumo de tabaco o niveles de estrés que pueden influir en dos variables que aparentan estar relacionadas.

View more video summaries

Get instant access to free YouTube video summaries powered by AI!
Subtitles
es
Auto Scroll:
  • 00:00:00
    vamos a ver los tipos principales de
  • 00:00:02
    estudios estadísticos podemos tener un
  • 00:00:05
    estudio de muestreo del cual ya hemos
  • 00:00:07
    hablado en otros vídeos y que veremos
  • 00:00:09
    nuevamente en este vídeo podemos tener
  • 00:00:12
    un estudio observacional
  • 00:00:17
    o podemos tener un experimento
  • 00:00:21
    vamos a ver cada uno de estos y como
  • 00:00:24
    siempre los invito a que pausa en el
  • 00:00:26
    vídeo y traten de imaginar qué
  • 00:00:28
    significan cada uno de estos términos o
  • 00:00:30
    quizás ya saben que se refiere ya hemos
  • 00:00:33
    visto el estudio de muestreo y esto se
  • 00:00:35
    refiere esto trata de cuando queremos
  • 00:00:37
    conocer el valor del parámetro de una
  • 00:00:40
    población veamos un ejemplo digamos que
  • 00:00:43
    tomamos la población de una ciudad que
  • 00:00:46
    puede ser de cientos de miles de
  • 00:00:48
    personas y el parámetro que nos interesa
  • 00:00:50
    es el tiempo promedio que las personas
  • 00:00:53
    pasan en una computadora así que el
  • 00:00:56
    parámetro será para toda la población si
  • 00:00:58
    pudiéramos hablar con cada una de las
  • 00:01:01
    personas de esta población
  • 00:01:02
    imaginando no sé que sean un millón de
  • 00:01:05
    personas y pudiéramos hablar con este
  • 00:01:08
    millón de personas y preguntarles del
  • 00:01:10
    tiempo que pasan diariamente usando una
  • 00:01:12
    computadora pues nosotros calculamos el
  • 00:01:15
    promedio de todo esto y ya tendríamos el
  • 00:01:17
    valor de nuestro parámetro así que esta
  • 00:01:19
    es mi población
  • 00:01:22
    y el parámetro que me interesa de esta
  • 00:01:24
    población es el promedio diario del
  • 00:01:27
    tiempo que pasan en la computadora
  • 00:01:31
    y en la realidad es poco práctico ir a
  • 00:01:34
    hablar con cada una de estas personas
  • 00:01:37
    que forman esta población de 1 millón de
  • 00:01:39
    personas para hacerles esta pregunta así
  • 00:01:42
    que no podremos calcular exactamente el
  • 00:01:45
    parámetro que nos interesa de esta
  • 00:01:46
    población por lo que en su lugar vamos a
  • 00:01:49
    hacer un estudio de muestreo vamos a
  • 00:01:51
    muestrear aleatoriamente aunque hay
  • 00:01:54
    muchas consideraciones para hacer que
  • 00:01:56
    nuestro muestreo sea realmente aleatorio
  • 00:01:59
    de igual manera tenemos diferentes
  • 00:02:01
    técnicas para este muestreo aleatorio
  • 00:02:03
    pero digamos que nosotros realizamos
  • 00:02:06
    este muestreo así que muestre amos
  • 00:02:08
    aleatoriamente de esta población y
  • 00:02:11
    después calculamos el promedio del
  • 00:02:13
    tiempo que pasa en cada día en una
  • 00:02:15
    computadora y este será un valor
  • 00:02:17
    estimado del parámetro que me interesa
  • 00:02:20
    este es un ejemplo clásico de estudio de
  • 00:02:22
    muestreo ahora en un estudio
  • 00:02:25
    observacional no vamos a tratar de
  • 00:02:28
    estimar un parámetro vamos a tratar de
  • 00:02:30
    comprender como dos parámetros en una
  • 00:02:33
    población podrían estar relacionados
  • 00:02:36
    ahora digamos que tenemos una población
  • 00:02:38
    de 1.000 personas y queremos saber si el
  • 00:02:42
    tiempo diario que pasa en frente a una
  • 00:02:45
    computadora tiene o no alguna relación
  • 00:02:48
    con la presión arterial de estas
  • 00:02:50
    personas así que tenemos el tiempo en la
  • 00:02:52
    computadora
  • 00:02:57
    contra la presión arterial y lo que
  • 00:03:01
    hacemos es aplicar una encuesta a toda
  • 00:03:04
    la población de 1000 personas y se les
  • 00:03:06
    pregunta el tiempo diario usando una
  • 00:03:09
    computadora y cuál es su presión
  • 00:03:11
    arterial o quizá la medimos de cierta
  • 00:03:14
    manera gráfica moss la información la
  • 00:03:16
    analizamos y vemos si estas dos
  • 00:03:18
    variables tienen alguna relación qué
  • 00:03:21
    significa esto pues vamos a dibujar unos
  • 00:03:24
    ejes coordinados digamos que este eje es
  • 00:03:27
    el tiempo en la computadora y este otro
  • 00:03:29
    eje es el de la presión arterial digamos
  • 00:03:32
    que tenemos una persona que pasa
  • 00:03:34
    relativamente poco tiempo en la
  • 00:03:36
    computadora y tiene baja presión
  • 00:03:38
    arterial tenemos a otra persona que pasa
  • 00:03:41
    mucho tiempo en la computadora y tiene
  • 00:03:43
    la presión arterial alta y tenemos a
  • 00:03:45
    alguien que quizás no pasa demasiado
  • 00:03:47
    tiempo en la computadora pero tiene una
  • 00:03:49
    presión arterial relativamente alta
  • 00:03:52
    seguimos graficando la información y
  • 00:03:54
    obtenemos estos puntos de esas mil
  • 00:03:56
    personas aquí no vamos a dibujar los mil
  • 00:03:59
    puntitos
  • 00:04:01
    pero digamos que ven algo así y vemos
  • 00:04:04
    que aunque tenemos algunos valores
  • 00:04:05
    atípicos pareciera que estas dos
  • 00:04:07
    variables están relacionadas pareciera
  • 00:04:10
    que en general mientras más tiempo se
  • 00:04:13
    pasa en la computadora más alta será la
  • 00:04:15
    presión arterial o mientras veamos una
  • 00:04:17
    presión arterial más alta veremos un
  • 00:04:20
    mayor tiempo en la computadora así que
  • 00:04:22
    podríamos tomar una conclusión aquí de
  • 00:04:24
    que estas dos variables están
  • 00:04:26
    correlacionadas hay una correlación
  • 00:04:28
    positiva si es que hicimos
  • 00:04:30
    apropiadamente el estudio podríamos
  • 00:04:33
    decir que mientras más tiempo se pasa en
  • 00:04:35
    la computadora esto se va a
  • 00:04:37
    correlacionar con la presión arterial
  • 00:04:39
    alta o que la presión arterial alta se
  • 00:04:43
    relaciona con un mayor tiempo en la
  • 00:04:44
    computadora cuando hacemos o
  • 00:04:46
    interpretamos estos estudios
  • 00:04:48
    observacionales o cuando leemos el
  • 00:04:51
    estudio de alguien más es muy importante
  • 00:04:54
    no llegar a la conclusión de que es que
  • 00:04:57
    es el tiempo de computadora lo que causa
  • 00:04:59
    que me aumente la presión arterial ya
  • 00:05:01
    que esto no está mostrando causalidad
  • 00:05:04
    también se podría decir que la presión
  • 00:05:06
    arterial
  • 00:05:07
    alta hace que las personas pasen más
  • 00:05:09
    tiempo en la computadora lo que suena un
  • 00:05:11
    poco tonto pero es lo mismo aquí lo que
  • 00:05:14
    estamos diciendo es que hay una
  • 00:05:15
    correlación entre estas dos variables se
  • 00:05:18
    mueven juntas pero no podemos hacer una
  • 00:05:21
    conclusión sobre lo que causa esto que
  • 00:05:24
    el tiempo en computadora causa la
  • 00:05:27
    presión arterial o que la presión
  • 00:05:29
    arterial ocasiona un mayor tiempo en la
  • 00:05:31
    computadora porque no podemos decir esto
  • 00:05:35
    porque podríamos tener una variable que
  • 00:05:38
    nos confunda no sé digamos que ese es el
  • 00:05:40
    tiempo de computadora
  • 00:05:42
    y esta es la presión arterial y
  • 00:05:45
    pareciera que estas dos cosas están
  • 00:05:47
    relacionadas ya que se mueven juntas eso
  • 00:05:50
    lo vimos aquí en nuestros datos pero
  • 00:05:52
    podríamos tener una variable raíz que
  • 00:05:55
    está guiando a estas dos variables que
  • 00:05:58
    quizá podría ser la falta de actividad
  • 00:06:00
    física podría ser la falta de actividad
  • 00:06:03
    lo que esté ocasionando ambas variables
  • 00:06:06
    las personas que son menos activas
  • 00:06:08
    quizás pasan más tiempo en la
  • 00:06:10
    computadora y las personas que son menos
  • 00:06:13
    activas quizás tienen mayor presión
  • 00:06:15
    arterial y si tenemos un control para
  • 00:06:18
    esto un grupo de personas que tuvieran
  • 00:06:21
    una falta de actividad es similar o un
  • 00:06:24
    nivel similar de actividad quizá
  • 00:06:26
    podríamos ver que el tiempo en la
  • 00:06:28
    computadora no está correlacionado con
  • 00:06:30
    la presión arterial que ambas están
  • 00:06:32
    ocasionadas por la misma variable de la
  • 00:06:35
    falta de actividad y quizá lo que vemos
  • 00:06:37
    aquí es que la actividad de la persona
  • 00:06:40
    es lo que está provocando el
  • 00:06:41
    comportamiento de estas dos variables si
  • 00:06:44
    ustedes hacen bien este tipo de estudios
  • 00:06:47
    observacionales
  • 00:06:48
    encontrar correlaciones que podrían
  • 00:06:51
    darles hipótesis decentes sobre
  • 00:06:54
    causalidad pero no es que esto muestre
  • 00:06:57
    una causalidad porque podríamos tener
  • 00:06:59
    estas variables que nos causan confusión
  • 00:07:01
    por otra parte tenemos los experimentos
  • 00:07:04
    y los experimentos son la base del
  • 00:07:07
    método científico
  • 00:07:08
    los experimentos tratan de establecer
  • 00:07:11
    causalidad lo que hacemos si queremos
  • 00:07:14
    hacer un experimento es y quizá no
  • 00:07:17
    podamos tomar a mil personas ya que los
  • 00:07:19
    experimentos son bastante difíciles de
  • 00:07:21
    realizar son los más difíciles de estos
  • 00:07:24
    tres tipos así que quizá tomamos a 100
  • 00:07:26
    personas y para evitar tener esta
  • 00:07:29
    variable que pueda provocar errores en
  • 00:07:31
    nuestro experimento vamos a asignar
  • 00:07:33
    aleatoriamente estas 100 personas a dos
  • 00:07:36
    grupos
  • 00:07:37
    esta es una asignación aleatoria y es
  • 00:07:39
    muy importante que sea de verdad
  • 00:07:42
    aleatorio y quizás no conozcamos todas
  • 00:07:45
    las variables al acecho aquí pero es
  • 00:07:47
    probable que cada grupo tenga asignado
  • 00:07:50
    una misma cantidad de personas que
  • 00:07:52
    tengan niveles de actividad similares
  • 00:07:54
    es más probable que el nivel de
  • 00:07:57
    actividad promedio en ambos grupos sea
  • 00:07:59
    el mismo si tenemos una asignación
  • 00:08:01
    aleatoria así que lo que hacemos es
  • 00:08:04
    tener un grupo de control y un grupo de
  • 00:08:07
    tratamiento y lo que podrían hacer es
  • 00:08:09
    decir bueno durante cierto tiempo estas
  • 00:08:12
    personas en el grupo de control podrán
  • 00:08:14
    pasar un máximo de 30 minutos en la
  • 00:08:17
    computadora o si queremos ser más
  • 00:08:19
    precisos vamos a decir que van a pasar
  • 00:08:21
    exactamente y solamente 30 minutos en la
  • 00:08:25
    computadora y en el grupo de tratamiento
  • 00:08:27
    vamos a decirles que van a pasar
  • 00:08:29
    exactamente 2 horas usando la
  • 00:08:32
    computadora y aquí yo estoy inventando
  • 00:08:34
    estos números y sería bueno conocer cuál
  • 00:08:37
    es la presión arterial de estas personas
  • 00:08:39
    antes de comenzar el experimento y ver
  • 00:08:42
    que sus promedios sean similares después
  • 00:08:45
    realizar el experimento durante cierto
  • 00:08:48
    tiempo y al final medir nuevamente la
  • 00:08:51
    presión arterial en los integrantes de
  • 00:08:53
    ambos grupos y si viéramos que este
  • 00:08:56
    grupo definitivamente tiene una presión
  • 00:08:58
    arterial más alta
  • 00:09:00
    y nuevamente algo de esto podría haber
  • 00:09:03
    ocurrido aleatoriamente pero depende si
  • 00:09:06
    este fue un experimento lo
  • 00:09:07
    suficientemente grande y se realizó de
  • 00:09:09
    manera correcta podríamos decir que
  • 00:09:11
    quizá haya una causalidad aquí ya que al
  • 00:09:15
    hacer que estas personas pasaran más
  • 00:09:17
    tiempo en la computadora esto hiciera
  • 00:09:20
    que aumentara su presión arterial así
  • 00:09:23
    que nuevamente el estudio de muestreo
  • 00:09:25
    trata de estimar el valor de un
  • 00:09:28
    parámetro de la población
  • 00:09:29
    el estudio observacional trata de ver si
  • 00:09:32
    hay correlación entre dos cosas y hay
  • 00:09:35
    que tener cuidado de no decir que una
  • 00:09:38
    cosa está causando la otra ya que
  • 00:09:40
    podemos tener variables que nos
  • 00:09:42
    confundan en un experimento tratamos de
  • 00:09:45
    establecer o mostrar causalidad y lo
  • 00:09:48
    hacemos tomando nuestro grupo asignar a
  • 00:09:51
    las personas aleatoriamente a un grupo
  • 00:09:53
    de control y a un grupo de tratamiento
  • 00:09:55
    lo que esperamos haga una distribución
  • 00:09:58
    equilibrada aunque no siempre es así
  • 00:10:01
    pero esperaríamos que se distribuyeran
  • 00:10:04
    equitativamente las
  • 00:10:06
    y en cada grupo controlamos la cantidad
  • 00:10:09
    de una de las variables para ver si ésta
  • 00:10:12
    está ocasionando a la otra variable en
  • 00:10:15
    los próximos vídeos veremos algunos
  • 00:10:17
    ejemplos de estos tipos de estudios
  • 00:10:19
    estadísticos y veremos que podemos
  • 00:10:22
    concluir de ello
Tags
  • estudios estadísticos
  • muestreo
  • observación
  • experimento
  • correlación
  • causalidad
  • variables de confusión
  • asignación aleatoria
  • grupo de control
  • parámetro de población