Enciclopedia

Las tres formas de producir datos estadísticos, qué puede responder cada una y cuáles son sus límites, con los ejemplos del sistema estadístico argentino.

borrador

La diferencia entre equivocarse al azar y equivocarse siempre para el mismo lado, y por qué aumentar la muestra arregla una cosa y no la otra.

borrador

Los cuatro niveles de medición de Stevens, qué operaciones habilita cada uno y por qué el nivel decide qué estadísticos tienen sentido.

borrador

La diferencia entre resumir lo que se observó y sacar conclusiones sobre lo que no se observó, y por qué importa saber en cuál de las dos se está.

borrador

Las cinco etapas de un trabajo con datos, de la pregunta a la comunicación, y por qué el análisis se diseña antes de relevar y no después.

borrador

Si los datos los generaste vos o los tomaste de otro, y qué obligaciones distintas trae cada caso a la hora de analizarlos y de citarlos.

borrador

La tabla donde cada fila es un caso y cada columna una variable: el formato en el que todo software espera recibir los datos, y por qué conviene respetarlo.

borrador

Cómo se leen los símbolos que aparecen en todas las fórmulas de la materia, empezando por la sumatoria, y la convención de notación de este sitio.

borrador

La distinción entre el valor verdadero de la población y el que se calcula con la muestra, y la notación griega y latina que los separa.

borrador

Qué es la población de un estudio, qué es una muestra, y por qué definir mal la población arruina todo lo que venga después.

borrador

La disciplina que se ocupa de obtener, organizar y analizar datos para describir la realidad y decidir con información incompleta.

borrador

La característica que se mide en cada unidad de análisis y que toma valores distintos según el caso: el ladrillo con el que se construye todo lo demás.

borrador

La primera clasificación de toda variable: cualitativa o cuantitativa, y dentro de las cuantitativas, discreta o continua. De acá sale qué análisis corresponde.

borrador

Qué es exactamente lo que se cuenta y se mide en un estudio, por qué hay que decidirlo antes de empezar, y qué pasa cuando se mezcla.

borrador

Cuántos decimales corresponde informar, cuándo redondear y por qué arrastrar quince decimales no es más riguroso sino menos honesto.

borrador

Hacia qué lado se estira la distribución, cómo se mide y por qué es lo que decide si conviene informar la media o la mediana.

borrador

La dispersión relativa a la media: la medida que permite comparar la variabilidad de dos variables medidas en unidades distintas.

borrador

El procedimiento paso a paso para construir una tabla de frecuencias, con la notación de cada columna y las verificaciones que no hay que saltear.

borrador

Los valores que parten la distribución ordenada en partes iguales, cómo se calculan y por qué distintos programas pueden dar resultados algo distintos.

borrador

El gráfico que resume la distribución en cinco números y señala los atípicos: cómo se construye, cómo se lee y por qué es insuperable para comparar grupos.

borrador

Qué es una distribución de frecuencias, para qué sirve y cómo se leen las frecuencias absolutas, relativas y porcentuales de una variable.

borrador

Qué responde cada tipo de frecuencia, cómo se acumulan y por qué la columna acumulada es la forma más rápida de ubicar la mediana y los cuartiles.

borrador

El gráfico para variables categóricas: cómo se construye, cómo se ordenan las barras y por qué el eje siempre tiene que arrancar en cero.

borrador

Cuándo un gráfico de torta funciona, cuándo no, y por qué casi siempre conviene reemplazarlo por barras.

borrador

El gráfico de una variable continua: cómo se construye, qué revela sobre la forma de la distribución y en qué se diferencia de un gráfico de barras.

borrador

Cómo se agrupa una variable continua en intervalos: cuántas clases conviene usar, qué amplitud darles y dónde poner los límites sin generar ambigüedad.

borrador

El promedio: qué propiedades tiene, por qué es tan usado y en qué situaciones deja de representar al conjunto que pretende resumir.

borrador

El promedio en el que cada valor pesa distinto: cómo se calcula, cuándo es obligatoria y por qué el promedio de promedios casi siempre está mal.

borrador

El criterio para elegir entre las tres medidas de posición central según la escala de la variable y la forma de la distribución.

borrador

El valor que parte al conjunto ordenado en dos mitades iguales, por qué no se deja arrastrar por los valores extremos y cuándo conviene usarla.

borrador

El valor que más se repite: la única medida de posición que sirve para variables nominales, y la que revela distribuciones con más de un pico.

borrador

Cuántos desvíos estándar separan a un valor de la media: la transformación que vuelve comparables variables de escalas distintas.

borrador

La dispersión del 50 % central de los datos: la medida robusta que acompaña a la mediana y la que define qué valores se consideran atípicos.

borrador

La medida de dispersión más simple: la distancia entre el máximo y el mínimo, lo que informa y por qué casi nunca alcanza.

borrador

Cómo se identifica un valor extremo, por qué 'atípico' no significa 'erróneo' y cuál es el único criterio legítimo para descartar un dato.

borrador

Las dos medidas de dispersión más usadas: cómo se calculan, qué significan y por qué una se informa y la otra casi nunca.

borrador

Cómo se calculan la media, la mediana y el desvío cuando lo único que se tiene es una tabla de frecuencias, y cuánto se pierde en el camino.

borrador

El peso de las colas de una distribución comparado con el de la normal: qué mide realmente la curtosis y qué no mide, pese a lo que suele decirse.

borrador

El promedio de las distancias a la media en valor absoluto: la medida de dispersión más intuitiva y la menos usada, y por qué.

borrador

Un gráfico que no pierde los datos originales: muestra la forma de la distribución y al mismo tiempo permite leer cada valor.

borrador

Las otras dos medias: la geométrica para tasas de crecimiento y la armónica para razones, con el criterio para saber cuál corresponde.

borrador

El gráfico de la frecuencia acumulada: cómo se construye y cómo se leen en él la mediana, los cuartiles y cualquier percentil.

borrador

La línea que une las marcas de clase de un histograma, para qué sirve realmente y cuándo conviene usarla en lugar de las barras.

borrador

La corrección de Bessel explicada sin demostración: por qué dividir por n subestima la varianza poblacional y cuándo corresponde cada denominador.

borrador

Qué proporción de los datos cae dentro de uno, dos o tres desvíos de la media: la regla del 68-95-99,7 y la cota que vale para cualquier distribución.

borrador

La medida estándar de asociación lineal entre dos variables cuantitativas: qué mide exactamente y qué no detecta.

borrador

Qué proporción de la variabilidad explica el modelo, cómo se descompone la suma de cuadrados y por qué un R² alto no garantiza nada.

borrador

Qué significa un r de 0,25 o de 0,8, por qué las tablas de umbrales engañan y qué hay que mirar además del número.

borrador

Las cinco explicaciones posibles de una asociación, qué hace falta para afirmar una causa y por qué la frase se repite tanto y se aplica tan poco.

borrador

La medida de cómo varían dos variables juntas: su signo se interpreta, su magnitud no, y por eso existe la correlación.

borrador

El gráfico que hay que hacer siempre antes de calcular una correlación: qué mostrar, qué mirar y cómo evitar que la nube se convierta en una mancha.

borrador

Las tres distribuciones que conviven en una tabla cruzada: la conjunta, las marginales y las condicionales, y qué pregunta responde cada una.

borrador

Cómo se ajusta la recta que mejor resume una nube de puntos, qué significan su pendiente y su ordenada, y hasta dónde se la puede usar.

borrador

La decisión que más errores produce al presentar una tabla cruzada, con la regla que la resuelve en un paso.

borrador

Cómo se arma y se lee una tabla de doble entrada: la herramienta básica para cruzar dos variables categóricas.

borrador

El estadístico visto como medida descriptiva: qué mide, por qué no sirve para comparar tablas y qué hay que hacer con él.

borrador

La correlación calculada sobre los puestos en vez de los valores: robusta a atípicos, válida con ordinales y capaz de detectar relaciones no lineales.

borrador

Qué gráfico corresponde según el tipo de las dos variables: el catálogo completo con sus trampas.

borrador

Cuando la relación que se ve en el total desaparece o se invierte al mirar por subgrupos: el caso extremo de la confusión.

borrador

Por qué los valores extremos tienden a moderarse en una segunda medición, y cuántas conclusiones falsas produce ignorarlo.

borrador

Las dos medidas que comparan el riesgo entre grupos, en qué se diferencian, cuándo corresponde cada una y por qué el OR exagera.

borrador

Las medidas que convierten el chi-cuadrado en un número entre 0 y 1, comparable entre tablas y entre estudios.

borrador

La tercera variable que produce asociaciones espurias: cómo se la reconoce, cómo se la controla y por qué no toda variable intermedia debe controlarse.

borrador

La correlación ordinal basada en contar pares concordantes y discordantes: más interpretable que Spearman y mejor con empates.

borrador

Cómo se comparan montos de distintos años en un país con inflación: la operación más necesaria y peor hecha de cualquier informe argentino.

borrador

Cómo se construye el índice de precios más usado del país, qué mide exactamente y por qué casi nunca coincide con la inflación que uno percibe.

borrador

La confusión más frecuente al informar cambios de un indicador que ya es un porcentaje, con la regla que la evita.

borrador

La herramienta para comparar magnitudes a lo largo del tiempo: qué significa la base, cómo se lee y por qué no se promedian ni se restan.

borrador

Datos ordenados en el tiempo: qué los distingue de cualquier otro conjunto y por qué casi ninguna técnica del curso se les aplica directamente.

borrador

Tres números distintos sobre el mismo dato: qué compara cada uno, cuál usar y por qué las mensuales no se suman.

borrador

La cuenta más usada de todas y la que más se hace mal: qué va en el denominador, por qué no es simétrica y cómo se encadenan varias.

borrador

Cómo se ajusta una tendencia a una serie y hasta dónde se la puede proyectar, que es mucho menos de lo que parece.

borrador

Cómo se traslada un índice a otra base y cómo se unen dos series con metodologías distintas, con sus límites.

borrador

Las tres fórmulas clásicas de índices ponderados: qué cantidades usa cada una, por qué una sobreestima y la otra subestima, y cuál se usa en la práctica.

borrador

De un solo producto a una canasta: por qué el promedio simple de índices casi nunca sirve y qué lo reemplaza.

borrador

El suavizado más simple y más usado: cómo se elige la ventana, por qué se centra y qué pasa en los extremos de la serie.

borrador

Cómo se resume el crecimiento de varios períodos en un número: la tasa media geométrica, y por qué el promedio simple da mal.

borrador

Las cuatro partes en que se descompone una serie de tiempo, cómo se combinan y qué se hace con cada una.

borrador

Cómo se quita el patrón anual de una serie para poder comparar meses consecutivos, y por qué los datos desestacionalizados se revisan.

borrador

Cómo se separa el aumento del gasto entre lo que subieron los precios y lo que creció el volumen: la descomposición básica de cualquier análisis económico.

borrador

Casos nuevos contra casos existentes: dos indicadores que se confunden y que responden preguntas opuestas.

borrador

Los indicadores que describen la dinámica de una población: qué mide cada uno, cómo se combinan y cuál es su límite.

borrador

El gráfico que resume la estructura por edad y sexo: cómo se construye, qué formas existen y qué se lee en sus irregularidades.

borrador

La elección del multiplicador no es cosmética: define cuántos decimales hacen falta y cuán comparable es el indicador.

borrador

Tres palabras que se usan como sinónimos y no lo son: qué va en el denominador de cada una y por qué eso cambia la interpretación.

borrador

El indicador más usado para comparar condiciones de vida: cómo se calcula, en qué se descompone y por qué su denominador no es la población.

borrador

La tasa general esconde lo que pasa en cada grupo: por qué la bruta puede engañar y qué aportan las específicas.

borrador

Cómo se mide la desigualdad de una distribución: la curva, el coeficiente que la resume y lo que ese único número no puede distinguir.

borrador

Los indicadores más citados y peor entendidos: sus denominadores, sus definiciones operativas y lo que dejan afuera.

borrador

Cómo comparar poblaciones con estructuras de edad distintas: el método paso a paso, con un ejemplo donde el ranking se da vuelta.

borrador

El indicador que pesa las muertes según cuán prematuras son, y que reordena por completo el ranking de causas.

borrador

De qué depende el resultado de una estandarización: las opciones habituales, qué cambia con cada una y por qué hay que declararla siempre.

borrador

El indicador que resume toda la mortalidad de una población en un número, y por qué no predice cuánto va a vivir nadie.

borrador

El método para cuando las tasas específicas no son confiables: se aplican las tasas de referencia a la población propia y se compara lo observado con lo esperado.

borrador

Cómo se estima la población futura con el método de los componentes, qué tan confiables son y por qué toda tasa depende de ellas.

borrador

Las tres reglas de Kolmogórov de las que se deduce todo lo demás, y las propiedades que conviene tener a mano para verificar un resultado.

borrador

El conjunto de todo lo que puede pasar y los subconjuntos que interesan: la notación mínima para poder calcular probabilidades sin confundirse.

borrador

Qué significa que dos eventos no puedan ocurrir juntos, y por qué eso es lo contrario de ser independientes.

borrador

Qué tiene que cumplir una situación para que se le pueda aplicar la probabilidad, y por qué el azar no es lo mismo que el desorden.

borrador

Cuándo saber que ocurrió un evento no cambia nada sobre otro, cómo se verifica y por qué es el supuesto más frágil de la estadística aplicada.

borrador

Tres maneras de asignar probabilidades, cuándo sirve cada una y por qué la discusión entre ellas reaparece en la inferencia.

borrador

Cómo cambia la probabilidad de un evento cuando ya se sabe que ocurrió otro: la idea que está detrás de casi toda la estadística aplicada.

borrador

Cómo se calcula la probabilidad de que ocurra uno u otro evento, por qué hay que restar la intersección y cuándo no hace falta.

borrador

Cómo se calcula la probabilidad de que ocurran dos eventos a la vez, con y sin independencia, y cómo encadenarla para varios pasos.

borrador

Contar grupos donde el orden no importa: el número combinatorio, sus propiedades y por qué aparece en la fórmula de la binomial.

borrador

Los siete errores de razonamiento probabilístico que más aparecen, por qué son tan persuasivos y cómo desarmarlos.

borrador

Contar arreglos donde el orden importa: todos los elementos o algunos, con repetición o sin ella.

borrador

La regla de conteo de la que salen todas las demás: si una tarea tiene etapas, las posibilidades se multiplican.

borrador

Las cuatro medidas de una prueba diagnóstica, cuál mira el clínico y cuál el laboratorio, y por qué solo dos dependen de la prevalencia.

borrador

Cómo invertir una probabilidad condicional, por qué el resultado suele desafiar la intuición y qué papel juega la prevalencia.

borrador

Cómo se calcula la probabilidad de un evento sumando lo que aporta cada subgrupo, y por qué es el paso previo indispensable para Bayes.

borrador

Cuántos éxitos en n intentos independientes: la distribución discreta más usada, sus cuatro condiciones y cómo se calcula.

borrador

La distribución de un solo intento con dos resultados: el ladrillo con el que se construyen la binomial y casi toda la estadística de proporciones.

borrador

La distribución de los conteos raros: cuántos eventos ocurren en un intervalo de tiempo o espacio, con un solo parámetro.

borrador

La campana de Gauss: sus dos parámetros, la regla del 68-95-99,7, por qué aparece en todos lados y por qué casi ninguna variable real la sigue exactamente.

borrador

La normal con colas más pesadas: por qué hace falta cuando se estima el desvío, qué son los grados de libertad y cuándo deja de importar.

borrador

Un árbol de decisión para elegir la distribución que corresponde a cada problema, con las preguntas que la determinan y los pares que más se confunden.

borrador

El valor medio teórico de una variable aleatoria: qué es, por qué casi nunca se espera observarlo, y sus dos propiedades que se usan todo el tiempo.

borrador

Por qué en una variable continua la probabilidad se lee como área y no como altura, y qué significa entonces el valor de la curva.

borrador

Cómo se reparte la probabilidad entre los valores de una variable discreta: la tabla que define su comportamiento y las dos condiciones que tiene que cumplir.

borrador

Qué son realmente: cuántos valores podrían haber sido cualquier cosa una vez fijado lo que ya se calculó, y por qué cambian en cada prueba.

borrador

Cómo se convierte cualquier normal en la de media 0 y desvío 1, y cómo se usa esa única tabla para calcular cualquier probabilidad.

borrador

Cómo se leen las tablas de z, t, chi-cuadrado y F sin equivocarse de cola, y qué función del software reemplaza a cada una.

borrador

La función que traduce los resultados de un experimento a números: el puente entre la probabilidad y todo lo que se puede calcular con ella.

borrador

La dispersión teórica alrededor de la esperanza: la fórmula práctica para calcularla y la propiedad de la suma que exige independencia.

borrador

Cuándo se puede reemplazar una binomial por una normal, la corrección por continuidad y por qué esto sostiene todo el trabajo con proporciones.

borrador

La distribución de las sumas de cuadrados: asimétrica, solo positiva, y la base de las pruebas sobre varianzas y sobre tablas de contingencia.

borrador

El tiempo entre eventos: la contracara continua de la Poisson, con su cola larga y su falta de memoria.

borrador

El cociente de dos varianzas: la distribución con dos pares de grados de libertad que sostiene el ANOVA y la comparación de modelos.

borrador

Cuántos intentos hasta el primer éxito: la distribución de la espera en ensayos repetidos, y su propiedad de falta de memoria.

borrador

La binomial sin reposición: qué cambia cuando cada extracción modifica la población y cuándo la diferencia deja de importar.

borrador

Cuando todos los valores son igualmente probables: la versión discreta, la continua, y su papel como base de toda simulación.

borrador

La función que responde '¿cuál es la probabilidad de no superar este valor?': la que devuelven todas las tablas y todo el software.

borrador

Dos variables a la vez: distribución conjunta, marginales, condicionales, covarianza y qué significa exactamente que sean independientes.

borrador

Los diseños no probabilísticos: cuándo son la única opción, qué permiten afirmar y cómo se declaran sin fingir que son otra cosa.

borrador

La distribución de los valores que tomaría la media si repitiéramos el muestreo: el concepto que hace posible toda la inferencia estadística.

borrador

El mismo razonamiento de la media aplicado a porcentajes: cómo varía una proporción de muestra en muestra y cuándo se puede usar la normal.

borrador

Cuánto varía un estimador de muestra en muestra: el número que convierte una estimación puntual en un resultado con incertidumbre declarada.

borrador

Dos números que se parecen en el nombre y miden cosas distintas: qué describe cada uno, cuándo va cada uno, y cómo detectar el error en un gráfico.

borrador

La lista desde la cual se sortea la muestra: por qué casi nunca coincide con la población y qué sesgos introduce esa diferencia.

borrador

El diseño de referencia: todas las muestras posibles tienen la misma probabilidad. Cómo se hace, cuándo conviene y por qué casi nunca se usa en encuestas grandes.

borrador

Dividir la población en grupos homogéneos y sortear dentro de cada uno: el diseño que gana precisión y garantiza representación de los grupos chicos.

borrador

Sortear grupos enteros en lugar de individuos: el diseño que hace viables las encuestas de campo, y el precio que se paga en precisión.

borrador

La división que decide si se puede generalizar: qué significa que cada unidad tenga probabilidad conocida de ser elegida, y qué se pierde cuando no la tiene.

borrador

Un arranque al azar y después cada k-ésima unidad: el diseño más práctico en campo, y el único riesgo real que tiene.

borrador

Las razones para observar una parte en vez del todo, y por qué una muestra bien elegida puede ser más precisa que un censo mal hecho.

borrador

Por qué la distribución de la media se vuelve normal aunque la población no lo sea: el resultado que sostiene casi toda la estadística aplicada.

borrador

Cómo se reparte el tamaño de muestra entre los estratos, qué gana cada criterio y por qué la afijación no proporcional obliga a ponderar.

borrador

Cuando la muestra es una parte grande de la población, el error real es menor: cuándo aplicar el factor de corrección y cuánto cambia.

borrador

Por qué la media muestral se acerca a la poblacional cuando crece n, en qué se diferencia del teorema central del límite y qué falacia populariza su nombre.

borrador

Combinar varios diseños en etapas sucesivas: cómo funciona el esquema que usan todas las encuestas nacionales y qué implica para el análisis.

borrador

Quiénes no contestan y por qué eso importa más que cuántos: los dos tipos de no respuesta y cómo se corrigen.

borrador

Cuánto se aparta el error real de un diseño complejo del que daría un muestreo aleatorio simple, y cómo se usa ese número para calcular el tamaño de muestra.

borrador

Por qué cada caso de una encuesta representa a una cantidad distinta de personas, cómo se usa ese número y qué pasa si se lo ignora.

borrador

Usar un número de la muestra para representar un parámetro de la población: qué es un estimador, por qué nunca va solo y cómo se elige entre varios.

borrador

El intervalo más simple de todos, que casi nunca se puede usar en la práctica pero que hace falta entender para el que sí se usa.

borrador

El intervalo que se usa en la práctica: con el desvío estimado de la muestra y la distribución t, paso a paso y con sus supuestos.

borrador

El intervalo para un porcentaje: la fórmula clásica, cuándo falla y qué método usar en su lugar cuando la proporción es extrema.

borrador

La mitad del ancho de un intervalo de confianza: el número que se informa en las encuestas y las tres cosas que no incluye.

borrador

Qué se elige cuando se elige 95 %, qué se paga por subirlo y por qué ese número es una convención y no una propiedad de los datos.

borrador

El rango de valores compatibles con los datos: cómo se construye, de qué depende su ancho y por qué es más informativo que cualquier p-valor.

borrador

El malentendido más extendido de la estadística aplicada, desarmado con una simulación: la confianza es una propiedad del método, no del intervalo que te tocó.

borrador

Cuando la población es chica hacen falta muchos menos casos de los que sugiere la fórmula estándar: el ajuste y cuánto cambia.

borrador

Despejar n a partir de la precisión buscada: la fórmula, de dónde sale la estimación previa del desvío y qué hacer si no se tiene.

borrador

El cálculo más usado de todos: cuántos casos hacen falta para un margen de error dado, y por qué se usa 0,5 cuando no se sabe nada.

borrador

Por qué duplicar la precisión cuesta cuatro veces más, dónde conviene invertir el presupuesto de un relevamiento y cuándo más muestra no sirve de nada.

borrador

El intervalo que responde 'de cuánto es la diferencia': cómo se construye para dos grupos y por qué es más informativo que la prueba t.

borrador

Comparar dos porcentajes con su incertidumbre: la diferencia en puntos, por qué no se comparan los intervalos individuales y qué medidas la acompañan.

borrador

El intervalo asimétrico que estima la dispersión poblacional: por qué usa chi-cuadrado y por qué es mucho más sensible a la normalidad que los demás.

borrador

Qué hace bueno a un estimador: las tres propiedades que permiten elegir entre varias formas de estimar el mismo parámetro.

borrador

De dónde salen las fórmulas de los estimadores: los dos procedimientos generales que las producen, sin demostraciones.

borrador

Contrastar si una distribución observada se ajusta a una teórica: frecuencias esperadas, grados de libertad y las condiciones que hay que verificar.

borrador

La prueba para tablas de contingencia: si dos variables categóricas están asociadas, con el cálculo completo y la medida de intensidad que hay que agregarle.

borrador

Por qué hacer muchas pruebas garantiza encontrar algo, las decisiones que inflan el error sin que nadie lo note, y cómo se corrige.

borrador

Qué mide exactamente el valor p, cómo se calcula y cómo se lo reporta, con la definición precisa que casi nadie enuncia bien.

borrador

Las dos maneras de equivocarse al decidir, por qué reducir una aumenta la otra y cómo se elige cuál importa más.

borrador

Cómo se plantean las dos hipótesis, por qué la nula siempre lleva el signo igual y cómo traducir una pregunta de investigación a símbolos.

borrador

Por qué se supone lo contrario de lo que se quiere probar, y qué significa realmente rechazar o no rechazar una hipótesis.

borrador

Las seis interpretaciones erróneas más difundidas, por qué cada una es falsa y qué habría que decir en su lugar.

borrador

El procedimiento completo en siete pasos, con el ejemplo resuelto de punta a punta y la redacción final del resultado.

borrador

Qué es alfa, de dónde salió el 0,05, por qué es una convención y no una ley, y cuándo conviene apartarse de él.

borrador

Contrastar una proporción contra un valor de referencia: la prueba z, la exacta binomial y cuándo cada una.

borrador

Comparar las medias de dos grupos: la versión de Welch, la clásica, cuál usar y qué significa el resultado.

borrador

Cuando cada dato tiene su par: antes y después, o casos emparejados. Por qué trabajar con las diferencias multiplica la potencia.

borrador

La prueba que efectivamente se usa para contrastar una media: cuándo aplicarla, qué supone y cómo se lee su salida.

borrador

La prueba más simple sobre una media, cuándo es aplicable —casi nunca— y por qué se enseña igual.

borrador

Cuándo la prueba mira una sola dirección, cómo cambia el valor crítico y por qué elegir unilateral después de ver los datos es hacer trampa.

borrador

El árbol de decisión completo: las cuatro preguntas que determinan la prueba, la tabla de equivalencias paramétricas y no paramétricas, y los casos límite.

borrador

Dónde está la frontera entre rechazar y no rechazar, cómo se la ubica en la distribución y por qué hoy conviene el valor p.

borrador

Por qué un resultado significativo puede no importar y uno no significativo puede importar mucho: las cuatro combinaciones posibles.

borrador

La misma cuenta que la prueba de independencia con una pregunta distinta: si varias poblaciones se distribuyen igual.

borrador

La probabilidad de detectar un efecto que existe: de qué depende, cómo se calcula el n necesario y por qué la mayoría de los estudios no la declara.

borrador

La alternativa al chi-cuadrado cuando los conteos son chicos: probabilidad exacta por la hipergeométrica, sin aproximaciones.

borrador

Comparar la dispersión de dos grupos: el cociente de varianzas, su extrema sensibilidad a la normalidad y por qué conviene Levene.

borrador

Comparar el porcentaje de dos grupos: la proporción combinada, por qué el error estándar cambia respecto del intervalo y su equivalencia con el chi-cuadrado.

borrador

Qué significa que los grupos tengan la misma dispersión, cómo se verifica y por qué la recomendación actual es no usar esa verificación para elegir la prueba.

borrador

La medida que dice cuán grande es lo que se encontró, independiente del tamaño de la muestra: cuál corresponde a cada prueba y cómo se interpreta.

borrador

Cómo comparar las medias de tres o más grupos sin inflar el error tipo I, y por qué una prueba sobre varianzas decide sobre medias.

borrador

La salida estándar del ANOVA columna por columna, con las verificaciones que detectan un error antes de interpretar.

borrador

Los tres supuestos, cuánto importa cada uno, cómo se verifican y qué hacer cuando no se cumplen.

borrador

Los tres principios del diseño experimental: por qué el azar es lo único que controla lo desconocido y qué hace cada pieza.

borrador

Cuando hay dos variables de agrupación a la vez: efectos principales, interacción y por qué conviene analizarlos juntos.

borrador

Después de rechazar el ANOVA, qué grupos difieren: los métodos disponibles, cuál elegir y cómo se controla el error acumulado.

borrador

La identidad que parte la variabilidad total en explicada y residual: el motor del ANOVA, de la regresión y del R².

borrador

El diseño experimental más simple: todas las unidades al azar entre todos los tratamientos, cuándo alcanza y cuándo queda corto.

borrador

Cuando el efecto de un factor depende del nivel de otro: cómo se lee en un gráfico, por qué depende de la escala y qué no se puede concluir sin ella.

borrador

ANOVA con una covariable continua: cómo ajusta las medias, cuánta potencia gana y el supuesto que casi nadie verifica.

borrador

Cuando los mismos sujetos se miden varias veces: más potencia, un supuesto extra y las alternativas cuando no se cumple.

borrador

Agrupar unidades parecidas para sacar su variabilidad del error: el diseño que más potencia gana por menos costo.

borrador

El tamaño del efecto del ANOVA: cuánto de la variabilidad explica el factor, y por qué omega cuadrado es preferible.

borrador

Qué significa realmente 'no paramétrica', las cuatro situaciones donde corresponde y las tres donde se las usa por error.

borrador

La alternativa no paramétrica a la prueba t para dos grupos: qué compara realmente y el supuesto que casi nadie declara.

borrador

Cómo se contrasta la normalidad, por qué con muestras grandes rechazan siempre y por qué el gráfico Q-Q es mejor que cualquier valor p.

borrador

La prueba basada en la máxima distancia entre distribuciones acumuladas: para contrastar contra una teórica o entre dos muestras.

borrador

La alternativa no paramétrica al ANOVA de un factor: rangos sobre tres o más grupos, con sus post hoc y su tamaño del efecto.

borrador

La prueba más simple de todas: contar cuántas diferencias son positivas y compararlo con una binomial.

borrador

La alternativa no paramétrica a la t pareada: rangos con signo sobre las diferencias, y la confusión de nombres que conviene aclarar de entrada.

borrador

La tercera vía entre la prueba paramétrica y la no paramétrica: qué transformación corresponde a cada problema y qué cambia en la interpretación.

borrador

Estimar la incertidumbre remuestreando los propios datos: cómo funciona, para qué sirve y el caso real donde falla.

borrador

La no paramétrica para tres o más medidas repetidas: rangos dentro de cada sujeto, que es lo que la hace potente.

borrador

La prueba de aleatoriedad: si una secuencia tiene demasiadas o muy pocas rachas para haber salido al azar.

borrador

Construir la distribución nula barajando las etiquetas: la prueba más directa que existe, y la que mejor muestra qué significa un valor p.

borrador

De la recta descriptiva al modelo estadístico: qué agrega el término de error y qué se puede inferir a partir de él.

borrador

Los cinco supuestos, cuánto importa cada uno, en qué orden verificarlos y qué hacer cuando fallan.

borrador

La frase exacta con la que se lee un coeficiente de regresión múltiple, y las cinco maneras de leerla mal.

borrador

La frase correcta para leer un OR ajustado, por qué no es un riesgo relativo y cómo convertirlo en algo que se entienda.

borrador

Los cuatro gráficos que hay que mirar después de ajustar cualquier modelo, y qué patrón indica cada problema.

borrador

Dos intervalos que se confunden todo el tiempo: uno para la media condicional y otro para un individuo, con anchos muy distintos.

borrador

Cómo se decide si una variable aporta al modelo: la prueba t de cada coeficiente, el F global y sus intervalos de confianza.

borrador

Varias predictoras a la vez: qué significa 'controlar por', cuánto aporta cada variable y los problemas que aparecen al agregarlas.

borrador

El modelo para variables de respuesta binaria: por qué no sirve la regresión lineal, qué es el logit y cómo se evalúa el ajuste.

borrador

Cómo entran las variables categóricas en un modelo: la categoría de referencia, la trampa de las dummy y cómo se leen los coeficientes.

borrador

Cuando la varianza del error no es constante: qué rompe exactamente, cómo se detecta y por qué los errores robustos son la respuesta moderna.

borrador

Cuando el efecto de una variable depende de otra: cómo se especifica, cómo cambia la lectura de los demás coeficientes y por qué centrar ayuda.

borrador

El marco que unifica la regresión lineal, la logística y la de Poisson: tres piezas y una tabla que ordena todo el módulo.

borrador

Qué hacer cuando las observaciones están agrupadas: efectos aleatorios, correlación intraclase y por qué ignorar la estructura produce falsos positivos.

borrador

Cuando las predictoras se solapan entre sí: qué rompe, cómo se mide con el VIF y por qué muchas veces no hay que hacer nada.

borrador

Tres conceptos que se confunden —atípico, leverage e influencia— y qué hacer con el caso que mueve el modelo entero.

borrador

Por qué el R² no sirve para comparar modelos y qué usar en su lugar, con la demostración empírica de agregar ruido puro.

borrador

El modelo para conteos: coeficientes multiplicativos, el término de exposición y la sobredispersión que casi siempre aparece.

borrador

Cómo se decide qué entra en el modelo, por qué los métodos automáticos tienen mala prensa y qué hacer en su lugar.

borrador

Cuando el modelo aprende el ruido de la muestra: cómo se detecta, cómo se mide la capacidad predictiva real y por qué el R² no alcanza.

borrador

Por qué casi ningún método multivariado funciona sin estandarizar, qué transformación usar y cuándo no corresponde.

borrador

El primer paso de todo análisis multivariado: cómo se lee, cómo se grafica y qué indica sobre si vale la pena seguir.

borrador

Cuándo hacen falta técnicas para muchas variables a la vez, cómo se ordenan las que existen y qué pregunta responde cada familia.

borrador

Cómo se reducen muchas variables correlacionadas a unas pocas dimensiones: qué son los componentes, cuántos retener y cómo se interpretan.

borrador

El equivalente del PCA para variables categóricas: cómo se representa una tabla de contingencia en un plano y qué se puede leer en él.

borrador

Clasificar casos en grupos conocidos a partir de varias variables: el método clásico, sus supuestos y su competencia con la regresión logística.

borrador

Buscar las dimensiones latentes detrás de un conjunto de indicadores: el modelo, sus supuestos y en qué se diferencia del PCA.

borrador

El vocabulario del aprendizaje automático traducido al de la estadística: qué cambia de nombre, qué cambia de enfoque y qué no cambia.

borrador

Agrupar casos parecidos construyendo un árbol: los métodos de enlace, cómo se lee un dendrograma y dónde cortarlo.

borrador

El algoritmo de agrupamiento más usado: cómo funciona, cómo se elige k y las formas de grupo que no puede encontrar.

borrador

Cómo se combina un conjunto de indicadores en un solo número: las cuatro decisiones que lo determinan y por qué ninguna es técnica.

borrador

Construir un mapa a partir de distancias: cuándo sirve, cómo se evalúa el ajuste y en qué se diferencia del PCA.

borrador

ANOVA con varias variables de respuesta a la vez: qué gana respecto de hacer varios ANOVA y cuándo realmente corresponde.

borrador

Cómo se mide cuán parecidos son dos casos: las distancias más usadas, cuándo cada una y por qué la elección cambia los resultados.

borrador

Por qué la solución factorial inicial casi nunca se puede interpretar y cómo la rotación la vuelve legible sin cambiar el ajuste.

borrador

Qué hace falta para fundamentar un n, cuáles son los tres caminos legítimos y qué hacer cuando el tamaño lo impone la realidad y no el cálculo.

borrador

Qué acompaña a cada tipo de resultado para que sea evaluable: la lista de lo que va siempre, con ejemplos de redacción para cada análisis.

borrador

Decidir qué se va a calcular antes de tener los datos: qué contiene el plan, por qué se escribe primero y qué protege exactamente.

borrador

Los problemas que aparecen una y otra vez en trabajos de grado y posgrado, ordenados por etapa, con lo que hay que hacer en su lugar.

borrador

Dos cosas distintas que se llaman igual: la conjetura sustantiva del trabajo y el par de enunciados formales que se contrastan con una prueba.

borrador

La tabla que conecta objetivos, variables, indicadores y análisis en una sola página: el documento que evita descubrir al final que falta una pregunta.

borrador

De dónde sale todo lo demás: cómo se formula una pregunta que se pueda responder con datos, y cómo se reconoce una que no.

borrador

El paso de un concepto abstracto a algo que se puede medir: cómo se define, qué decisiones hay que tomar y por qué todas se declaran.

borrador

La división que ordena toda la escritura de una tesis: los hechos en una sección, su interpretación en la otra, y qué pasa cuando se mezclan.

borrador

Cómo se numeran, titulan y citan las tablas y los gráficos de un trabajo académico, y cuándo conviene cada uno.

borrador

El mapa de los diseños de investigación y, sobre todo, qué puede afirmar cada uno: por qué solo algunos permiten hablar de causa.

borrador

Las preguntas que siempre aparecen en una defensa, qué contesta bien cada una y por qué reconocer un límite es más fuerte que justificarlo.

borrador

Si el instrumento mide de manera consistente: qué es el alfa, cómo se interpreta y las tres cosas que no dice aunque se las atribuyan.

borrador

Cómo se redacta una pregunta que no induzca la respuesta, cómo se ordena el cuestionario y por qué la prueba piloto no es opcional.

borrador

Quién entra al estudio y quién no: cómo se definen los criterios, por qué van antes del relevamiento y qué diferencia hay con excluir casos después.

borrador

Cómo se construye una escala de acuerdo, qué se puede calcular con ella y la discusión de fondo: ¿se puede promediar una ordinal?

borrador

Partir del resultado y mirar hacia atrás: el diseño eficiente para estudiar eventos poco frecuentes, y por qué solo permite calcular odds ratio.

borrador

Seguir a un grupo expuesto y a uno no expuesto para ver quién desarrolla el resultado: el diseño observacional que mejor se acerca a la causalidad.

borrador

La foto y la película: qué puede responder cada uno, qué cuesta cada uno, y por qué el orden temporal es el problema central del transversal.

borrador

Los principios que rigen la investigación con personas, qué tiene que decir un consentimiento y cómo se protegen los datos que se relevan.

borrador

Las tres familias de errores sistemáticos que distorsionan un estudio, cómo se reconocen y en qué etapa se puede hacer algo con cada una.

borrador

Si el instrumento mide lo que dice medir: los tipos de validez, cómo se argumenta cada uno y por qué es distinta de la confiabilidad.

borrador

El diseño que sí permite afirmar causa: qué hace la asignación al azar, para qué sirve el enmascaramiento y por qué el análisis va por intención de tratar.

borrador

Declarar públicamente el plan antes de mirar los datos: qué problema resuelve, qué se registra y por qué está cambiando la práctica científica.

borrador

Investigar sobre lo ya investigado con método explícito: cómo se hace una revisión sistemática y qué agrega combinar los resultados estadísticamente.

borrador

Las reglas que hacen que un gráfico se entienda solo: qué lleva, qué sobra, cómo se usa el color y qué tiene que decir el epígrafe.

borrador

Cómo se arma la planilla de carga para que los errores no entren: validaciones, códigos, doble carga y los controles que hay que correr antes de analizar.

borrador

Qué mirar primero en una tabla de resultados, qué significan las columnas que siempre aparecen y cómo detectar que el programa calculó otra cosa.

borrador

El último paso, que casi no se enseña: cómo se traduce una tabla de resultados en oraciones que un lector entiende y puede evaluar.

borrador

El documento que traduce cada columna de la base a su definición, sus categorías y su origen: lo primero que se arma y lo único que sobrevive al olvido.

borrador

Las distorsiones que aparecen una y otra vez en gráficos publicados: cómo reconocerlas al leer y cómo no cometerlas al producir.

borrador

Qué se puede hacer bien con una planilla, qué funciones usar, y dónde está el límite a partir del cual conviene pasar a R o Python.

borrador

Lo mínimo para dejar de depender de la planilla: importar una base, mirarla, calcular descriptivos y graficar, sin aprender a programar antes.

borrador

El criterio para elegir la representación correcta según cuántas variables hay, de qué tipo son y qué se quiere mostrar.

borrador

La estructura de carpetas y los nombres de archivo que hacen que el trabajo se entienda meses después, sin pensar en cada decisión.

borrador

La diferencia entre la tabla de trabajo y la que va en el informe: qué lleva, qué se saca y cómo se ordena para que se lea sola.

borrador

Los tres tipos de faltante, por qué importa distinguirlos y cuáles son las opciones reales de tratamiento, incluida la de no hacer nada.

borrador

Los dos programas de menús más usados en las universidades argentinas: dónde está cada análisis y cómo dejar registro de lo que se hizo.

borrador

Que cualquiera —incluido vos dentro de un año— pueda rehacer el análisis y llegar al mismo resultado: qué hace falta y qué hay que dejar de hacer.

borrador

Las dos formas de organizar la misma información cuando hay mediciones repetidas, cuál pide cada análisis y cómo se pasa de una a la otra.

borrador

La etapa más larga de cualquier trabajo con datos: qué se revisa, en qué orden, y por qué toda corrección tiene que quedar registrada.

borrador

Lo mínimo de pandas para importar, explorar y describir una base, y cuándo conviene Python en vez de R.

borrador

Convertir textos en datos: cómo se construye un libro de códigos, cómo se mide el acuerdo entre codificadores y qué aporta el análisis automático.

borrador

Por qué las fórmulas del curso no sirven para la EPH ni para ninguna encuesta por conglomerados, y qué hay que declarar en su lugar.

borrador

Cuando el dato es la relación entre casos y no el caso: medidas de centralidad, estructura y por qué la independencia se rompe del todo.

borrador

Analizar el tiempo hasta que ocurre un evento: qué es la censura y por qué ninguna técnica anterior del curso sirve sin ella.

borrador

La idea de Shewhart: distinguir la variación que es parte del proceso de la que indica que algo cambió.

borrador

Cómo se estima y se lee una curva de supervivencia con datos censados, y cómo se comparan dos grupos.

borrador

Modelar cuánto dura un componente: la función de riesgo, la curva de la bañera y por qué la exponencial suele quedar corta.

borrador

Las cartas que detectan cuándo un proceso se sale de control: cuál corresponde a cada tipo de dato y cómo se leen las señales.

borrador

Cuánto se ajusta un proceso a lo que el cliente pide: Cp, Cpk y por qué el primero solo no alcanza.

borrador

Decidir si un lote se acepta o se rechaza inspeccionando una muestra: los planes, sus riesgos y por qué la industria moderna lo abandonó.

borrador

Medir lo que no se ve directamente: de la teoría clásica de los tests a la TRI, y por qué el puntaje total no alcanza.

borrador

Por qué los precios no se analizan como cualquier serie: rendimientos, colas pesadas y agrupamiento de la volatilidad.

borrador