¡Buenos días seres inciertos! ¿Estáis con el café? ¿o sois más de té? ¿con leche?
Hoy me apetecía recordaros brevemente el famoso caso de la Dama que probaba el te (The lady tasting tea). La semilla del diseño de experimentos #StatsPill
Lo hemos contado otras veces así que seré breve por que, lo que me interesa es la advertencia final. 😜
Una amiga de Sir Ronald Fisher (ese señor polémico del que usted me habla) decía que era capaz de distinguir si se había servido antes el te o la leche.
La cuestión es que Fisher quiso comprobar que realmente era cierto y preparo 8 tazas de te con 4 servidas de una forma y 4 de otra.
Lo importante de este experimento es que tanto Fisher como Muriel Bristol (la dama en cuestión) sabían que había 4 de cada tipo.
Eso significaba que Muriel debía asignar a que grupo pertenecía cada una pero que lo hacia teniendo claro que debía poner 4 en cada uno. Ni más ni menos.
Esto permitia utilizar combinatoria para determinar si la elección que habia hecho podía ser simplemente al azar o no.
En base a estas posibles permutaciones, Fisher calculaba un p-valor llamado exacto (de ahí que a este test se le llame el test exacto de Fisher) porque no dependía de ninguna distribución de probabilidad.
La cuestión es que esta es la situación en la que debe aplicarse el test exacto de Fisher, cuando podemos ordenar los eventos pero SABIENDO EL TOTAL DE CADA GRUPO.
El test de Fisher no es una mera alternativa a las tablas de contingencia con dos categorías
Que ya me sé la historia: tenéis una categoría con baja frecuencia, no podéis usar la chi cuadrado y os pasáis al test exacto de Fisher, y no, ahí perdemos un montón de potencia estadística
Que hay generalizaciones y esas cosas... pues puede, pero ojito con su aplicabilidad
Y ya está, esto es lo que yo venia a decir hoy...
Que disfrutéis del sábado🥰
• • •
Missing some Tweet in this thread? You can try to
force a refresh
La estadística es parte de nuestro día a día aunque no la veamos. Y si bien no verla no la hace menos útil, necesitamos ser conscientes de su importancia y entenderla bien para que no nos den "gato por liebre"
Dejadme que desarrolle porque este manifiesto es tan importante:
1. A menudo se menosprecia un estudio cuando se habla de "estadísticas". Suelen ser ocasiones en que se está hablando de cuestiones socio económicas o demográficas en las que se presentan números que no concuerdan exactamente con nuestra forma de ver el mundo.
Entender bien los procesos de muestreo y lo que hay detrás de la conocida como "cocina" estadística, es fundamental para ser críticos con los resultados presentados sin caer en la trampa del "a mi no me representa".
¡Buenos días almas inciertas!
Es 12 de mayo, Día de la Mujer Matemática en honor al Maryam Mirzakhani y Día de la Enfermería en honor a Florence Nightingale quien, además, fue una gran Estadística.
Hay mucho que celebrar pero mucho más por lo que luchar.
Aquí algunas ideas👇
1. Trabajemos por mejorar la educación matemática
Necesitamos romper con el tabú que generación tras generación excusa no saber matemáticas.
Y eso pasa porque que las profesoras y los profesores de infantil y primaria también las aprecien, porque eso se transmite.
2. Luchemos por que los juegos y juguetes así como la promoción de los mismos deje de ser sexista.
Las construcciones, los puzzles, los coches, los robots, las cocinitas (fijaros en el diminutivo), las muñecas (fijaros en la "a")... NO deberían tener género.
Bueno, vamos al lío.
Es habitual que me oigáis (leáis) quejarme de que lo llaman IA cuando quieren decir Estadística. Esta queja tiene dos pilares fundamentales.
1⃣ Lo que de humo tiene (a veces) el nombre
2⃣ Las consecuencias de que ahora todo sea IA
Si vamos al primero, podéis pensar que es casi una pataleta... y en parte es así.
La Estadística lleva siglos analizando datos y ayudando a entender el mundo casi desde el anonimato y cuando empieza a ser reconocida... BAM! la llamamos IA.
No sé si podré estar esta tarde pero me gustaría hacer una pequeña reflexión entorno a ChatGPT y a todo lo que se nos viene entorno al procesamiento del lenguaje y otros campos en los que el aprendizaje automático incidirá directamente.
El avance imparable de los algoritmos y su análisis de datos para obtener conclusiones es ya una realidad.
Sin embargo, en este contexto cabe hacerse 2 preguntas:
⁉️¿Son sus conclusiones tan ciertas como se pintan?
⁉️¿Son realmente un problema para la educación y/o el empleo?
La respuesta a estas dos preguntas es, sin duda, compleja y con muchas aristas.
Me apetece un montón hacer un hilo con los libros que voy a leer en este 2023... Porque siempre que termino uno digo "tengo que contar que es una pasada" y luego se me pasa.
¡Empiezo!🧵
Este lo acabé en 2022 pero es que es una pasada y no puedo dejar de contároslo: Hermanito de Ibrahima Balde (el protagonista) y Amets Arzallus Antia, Ed @BlackieBooks
Desgarrador y necesario relato del viaje de Ibrahima a la busca de su hermano pequeño desde Guinea hasta Europa
Ojalá leyeran "Hermanito" quienes aun piensan que migrar es un capricho y hablan de cosas como la "migración ordenada".
Este libro lo conocí a través del equipo de @carnecrudaradio a quienes agradezco infinito que cuenten este tipo de cosas.
Hoy estoy enfadada, muy enfadada y como no se dónde quejarme pues voy a quejarme aquí.
Estoy harta de la doble moral con la que se trata a la Estadística...
Dejadme que me explique.
Siempre que voy a dar cursos de formación permanente de Estadística hay un montón de investigadores juniors y senior de áreas como la biología, la biotecnología, la psicología, la economía, la educación, las ciencias del deporte etc.
Salta a la vista que necesitan el Estadística como el agua y muchas veces las preguntas que me hacen acaban teniendo que ver con sus investigaciones, porque lo necesitan.
Algunas personas han aprendido muchísimo por su cuenta pero puedes notar como las bases flojean.