agomez
Well-known member
Esto viene a raíz de la polémica sobre la proteína y el riñón, en la que se ven algunas confusiones con respecto a qué signfican algunos estudios.
También la idea es que no manejemos los estudios estadísticos como una ametralladora para callar a los discrepantes y sí como una herramienta de crecimiento.
También he leído en estos días reclamaciones sobre falta de profesionalismo y cientificismo.
Comencemos, entonces, y agradezco a los compañeros que tengan conocimientos en el área, ayudar a colocar el punto en forma comprensible.
Primero, para mí la regla básica aquí como en cualquier disciplina práctica, es que cualquier resultado estadísitico es una referencia, pero no una verdad absoluta. Las teorías tienen que funcionar en la práctica, y si la realidad particular no se adapta al modelo, por lo menos tendremos que estudiarla un poco más en vez de encajarla a los martillazos.
Vamos a un ejemplo bien simple como primera entrega.
Una de las áreas en que este tipo de herramientas se comenzaron a usar es la producción agrícola. Supongamos que queremos averiguar los efectos de un fertilizante para frijoles, todos sometidos a condiciones homogéneas, salvo el fertilizante.
Nos informan algo más o menos así: "se encontraron efectos significativos a un nivel p < 0,05", lo cual en general no se traduce bien a nuestra forma cotidiana de hablar. Voy a intentar traducirlo:
Lo que el experimento hace es tomar la siguiente hipótesis: "no existe efecto al usar el fertilizante", o bien, la diferencia entre las plantas con fertilizante y sin fertilizante, es en media 0. A partir de los datos (no interesa aquí la fórmula usada) calcula la probabilidad de que, bajo esa hipótesis de "no efectos", se haya obtenido un resultado similar al que se obtuvo. Si esa probabilidad es lo suficientemente baja (menos de 5%), descartamos la hipótesis de efectos nulos y concluimos que hay efectos. En otras palabras: "concluyo que debe haber un efecto, porque el experimento dio un resultado que sería muy improbable si no hubiese efecto ninguno"
Más adelante, veremos más detalles sobre este ejemplo, y posiblemente otros algo más complejos.
Agradezco el que pueda corregir, ayudar a esclarecer, aportar, ampliar, y también al que, no viéndolo claro, exprese esas dudas para ayudar a mejor explicarlo.
También la idea es que no manejemos los estudios estadísticos como una ametralladora para callar a los discrepantes y sí como una herramienta de crecimiento.
También he leído en estos días reclamaciones sobre falta de profesionalismo y cientificismo.
Comencemos, entonces, y agradezco a los compañeros que tengan conocimientos en el área, ayudar a colocar el punto en forma comprensible.
Primero, para mí la regla básica aquí como en cualquier disciplina práctica, es que cualquier resultado estadísitico es una referencia, pero no una verdad absoluta. Las teorías tienen que funcionar en la práctica, y si la realidad particular no se adapta al modelo, por lo menos tendremos que estudiarla un poco más en vez de encajarla a los martillazos.
Vamos a un ejemplo bien simple como primera entrega.
Una de las áreas en que este tipo de herramientas se comenzaron a usar es la producción agrícola. Supongamos que queremos averiguar los efectos de un fertilizante para frijoles, todos sometidos a condiciones homogéneas, salvo el fertilizante.
Nos informan algo más o menos así: "se encontraron efectos significativos a un nivel p < 0,05", lo cual en general no se traduce bien a nuestra forma cotidiana de hablar. Voy a intentar traducirlo:
Lo que el experimento hace es tomar la siguiente hipótesis: "no existe efecto al usar el fertilizante", o bien, la diferencia entre las plantas con fertilizante y sin fertilizante, es en media 0. A partir de los datos (no interesa aquí la fórmula usada) calcula la probabilidad de que, bajo esa hipótesis de "no efectos", se haya obtenido un resultado similar al que se obtuvo. Si esa probabilidad es lo suficientemente baja (menos de 5%), descartamos la hipótesis de efectos nulos y concluimos que hay efectos. En otras palabras: "concluyo que debe haber un efecto, porque el experimento dio un resultado que sería muy improbable si no hubiese efecto ninguno"
Más adelante, veremos más detalles sobre este ejemplo, y posiblemente otros algo más complejos.
Agradezco el que pueda corregir, ayudar a esclarecer, aportar, ampliar, y también al que, no viéndolo claro, exprese esas dudas para ayudar a mejor explicarlo.