Enciclopedia

Población y muestra, variables, escalas de medición y las etapas de una investigación estadística.

1. 1Qué es la EstadísticaTroncalLa ciencia que estudia la variabilidad: de dónde viene la palabra, cuál es su objeto propio, por qué es a la vez ciencia, técnica y arte, y en qué se distingue de la matemática y de los datos.
2. 2Estadística descriptiva e inferencialTroncalLa 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.
3. 3Población y muestraTroncalQué es la población de un estudio, qué es una muestra, y por qué definir mal la población arruina todo lo que venga después.
4. 4Unidad de análisisTroncalQué 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.
5. 5Qué es una variableTroncalLa 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.
6. 6Tipos de variables: cualitativas y cuantitativasTroncalLa primera clasificación de toda variable: cualitativa —dicotómica o policotómica— o cuantitativa —discreta o continua—, y qué se puede hacer con cada una.
7. 7Escalas de medición: nominal, ordinal, intervalo y razónTroncalLos cuatro niveles de medición de Stevens, qué operaciones habilita cada uno y por qué el nivel decide qué estadísticos tienen sentido.
8. 8Parámetro y estadísticoTroncalLa 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.
9. 9La matriz de datosTroncalLa 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.
10. 10Etapas de una investigación estadísticaTroncalLas 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.
11. 11Censo, encuesta y registro administrativoTroncalLas tres formas de producir datos estadísticos, qué puede responder cada una y cuáles son sus límites, con los ejemplos del sistema estadístico argentino.
12. 12Fuentes primarias y secundariasTroncalSi los datos se generaron para el estudio o se tomaron de otro, y qué obligaciones distintas trae cada caso a la hora de analizarlos y de citarlos.
13. 13Error y sesgoTroncalLa 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.
14. 14Notación y símbolos: la sumatoriaTroncalCómo 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.
15. 15Redondeo y cifras significativasIntermedioCuántos decimales corresponde informar, cuándo redondear y por qué arrastrar quince decimales no es más riguroso sino menos honesto.

Cómo se resume una variable: tablas, gráficos, medidas de posición, de dispersión y de forma.

1. 1Distribución de frecuenciasTroncalQué es una distribución de frecuencias, para qué sirve y cómo se leen las frecuencias absolutas, relativas y porcentuales de una variable.
2. 2Cómo armar una tabla de frecuenciasTroncalEl procedimiento paso a paso para construir una tabla de frecuencias, con la notación de cada columna y las verificaciones que no hay que saltear.
3. 3Intervalos de clase: cuántos y de qué anchoTroncalCómo se agrupa una variable continua en intervalos: cuántas clases conviene usar, qué amplitud darles y dónde poner los límites sin generar ambigüedad.
4. 4Frecuencia absoluta, relativa y acumuladaTroncalQué 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.
5. 5Gráfico de barrasTroncalEl gráfico para variables categóricas: cómo se construye, cómo se ordenan las barras y por qué el eje siempre tiene que arrancar en cero.
6. 6Gráfico de sectores (torta)TroncalCuándo un gráfico de torta funciona, cuándo no, y por qué casi siempre conviene reemplazarlo por barras.
7. 7Mapas de coropletasIntermedioEl gráfico para cuando la unidad de análisis es un territorio: por qué se mapean tasas y no conteos, cómo se eligen los cortes y qué distorsiona el mapa.
8. 8HistogramaTroncalEl 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.
9. 9Polígono de frecuenciasIntermedioLa línea que une las marcas de clase de un histograma, para qué sirve realmente y cuándo conviene usarla en lugar de las barras.
10. 10OjivaIntermedioEl gráfico de la frecuencia acumulada: cómo se construye y cómo se leen en él la mediana, los cuartiles y cualquier percentil.
11. 11Diagrama de tallo y hojaIntermedioUn gráfico que no pierde los datos originales: muestra la forma de la distribución y al mismo tiempo permite leer cada valor.
12. 12Diagrama de caja (boxplot)TroncalEl 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.
13. 13Media aritméticaTroncalEl promedio: qué propiedades tiene, por qué es tan usado y en qué situaciones deja de representar al conjunto que pretende resumir.
14. 14Media ponderadaTroncalEl 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.
15. 15Media geométrica y media armónicaIntermedioLas otras dos medias: la geométrica para tasas de crecimiento y la armónica para razones, con el criterio para saber cuál corresponde.
16. 16MedianaTroncalEl valor que parte al conjunto ordenado en dos mitades iguales, por qué no se deja arrastrar por los valores extremos y cuándo conviene usarla.
17. 17Modo (moda)TroncalEl 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.
18. 18Media, mediana o modo: cuál usarTroncalEl criterio para elegir entre las tres medidas de posición central según la escala de la variable y la forma de la distribución.
19. 19Cuartiles, deciles y percentilesTroncalLos valores que parten la distribución ordenada en partes iguales, cómo se calculan y por qué distintos programas pueden dar resultados algo distintos.
20. 20Rango o recorridoTroncalLa medida de dispersión más simple: la distancia entre el máximo y el mínimo, lo que informa y por qué casi nunca alcanza.
21. 21Desvío medio absolutoIntermedioEl promedio de las distancias a la media en valor absoluto: la medida de dispersión más intuitiva y la menos usada, y por qué.
22. 22Varianza y desvío estándarTroncalLas dos medidas de dispersión más usadas: cómo se calculan, qué significan y por qué una se informa y la otra casi nunca.
23. 23Por qué se divide por n−1IntermedioLa corrección de Bessel explicada sin demostración: por qué dividir por n subestima la varianza poblacional y cuándo corresponde cada denominador.
24. 24Coeficiente de variaciónTroncalLa dispersión relativa a la media: la medida que permite comparar la variabilidad de dos variables medidas en unidades distintas.
25. 25Dispersión en variables cualitativasIntermedioCómo se mide si las respuestas están concentradas en una categoría o repartidas entre varias, cuando no hay números que restar.
26. 26Rango intercuartílicoTroncalLa dispersión del 50 % central de los datos: la medida robusta que acompaña a la mediana y la que define qué valores se consideran atípicos.
27. 27Puntaje z y estandarizaciónTroncalCuántos desvíos estándar separan a un valor de la media: la transformación que vuelve comparables variables de escalas distintas.
28. 28AsimetríaTroncalHacia qué lado se estira la distribución, cómo se mide y por qué es lo que decide si conviene informar la media o la mediana.
29. 29CurtosisIntermedioEl 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.
30. 30Regla empírica y desigualdad de ChebyshevIntermedioQué 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.
31. 31Valores atípicos: detección y tratamientoTroncalCómo se identifica un valor extremo, por qué 'atípico' no significa 'erróneo' y cuál es el único criterio legítimo para descartar un dato.
32. 32Cálculos con datos agrupadosIntermedioCómo 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.

Dos variables a la vez: tablas de contingencia, correlación y la recta de mínimos cuadrados.

1. 1Tabla de contingenciaTroncalCómo se arma y se lee una tabla de doble entrada: la herramienta básica para cruzar dos variables categóricas.
2. 2Frecuencias marginales y condicionalesTroncalLas tres distribuciones que conviven en una tabla cruzada: la conjunta, las marginales y las condicionales, y qué pregunta responde cada una.
3. 3Porcentajes de fila, columna y total: cuál correspondeTroncalLa decisión que más errores produce al presentar una tabla cruzada, con la regla que la resuelve en un paso.
4. 4Chi-cuadrado como medida de asociaciónIntermedioEl estadístico visto como medida descriptiva: qué mide, por qué no sirve para comparar tablas y qué hay que hacer con él.
5. 5V de Cramér y coeficiente phiIntermedioLas medidas que convierten el chi-cuadrado en un número entre 0 y 1, comparable entre tablas y entre estudios.
6. 6Qué medida de asociación usarTroncalLa tabla de doble entrada que devuelve el coeficiente correcto según el tipo de las dos variables, y las tres preguntas que hay que contestar antes de calcular.
7. 7Riesgo relativo y odds ratioIntermedioLas dos medidas que comparan el riesgo entre grupos, en qué se diferencian, cuándo corresponde cada una y por qué el OR se aleja más de 1.
8. 8Diagrama de dispersiónTroncalEl 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.
9. 9CovarianzaTroncalLa medida de cómo varían dos variables juntas: su signo se interpreta, su magnitud no, y por eso existe la correlación.
10. 10Coeficiente de correlación de PearsonTroncalLa medida estándar de asociación lineal entre dos variables cuantitativas: qué mide exactamente y qué no detecta.
11. 11Correlación parcialIntermedioLa correlación entre dos variables una vez descontado el efecto de una tercera: la versión numérica de estratificar, y la forma de poner a prueba una confusión.
12. 12Cómo se interpreta un coeficiente de correlaciónTroncalQué 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.
13. 13Correlación de SpearmanIntermedioLa correlación calculada sobre los puestos en vez de los valores: robusta a atípicos, válida con ordinales y capaz de detectar relaciones no lineales.
14. 14Acuerdo y concordancia entre dos medicionesIntermedioCuándo dos observadores o dos instrumentos miden lo mismo: kappa, coeficiente intraclase y Bland-Altman, y por qué la correlación no sirve para esto.
15. 15Tau de KendallAvanzadoLa correlación ordinal basada en contar pares concordantes y discordantes: más interpretable que Spearman y mejor con empates.
16. 16Correlación no implica causalidadTroncalLas 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.
17. 17La paradoja de SimpsonIntermedioCuando la relación que se ve en el total desaparece o se invierte al mirar por subgrupos: el caso extremo de la confusión.
18. 18Regresión a la mediaIntermedioPor qué los valores extremos tienden a moderarse en una segunda medición, y cuántas conclusiones falsas produce ignorarlo.
19. 19Variables de confusiónIntermedioLa tercera variable que produce asociaciones espurias: cómo se la reconoce, cómo se la controla y por qué no toda variable intermedia debe controlarse.
20. 20La recta de mínimos cuadradosTroncalCómo 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.
21. 21Coeficiente de determinación R²TroncalQué proporción de la variabilidad explica el modelo, cómo se descompone la suma de cuadrados y por qué un R² alto no garantiza nada.
22. 22Gráficos para dos variablesIntermedioQué gráfico corresponde según el tipo de las dos variables: el catálogo completo con sus trampas.

IPC, deflactación, variaciones y el análisis de una serie a lo largo del tiempo.

1. 1Qué es un número índiceTroncalLa 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.
2. 2Índices simples y compuestosIntermedioDe un solo producto a una canasta: por qué el promedio simple de índices casi nunca sirve y qué lo reemplaza.
3. 3Índices de Laspeyres, Paasche y FisherIntermedioLas 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.
4. 4Cambio de base y empalme de seriesIntermedioCómo se traslada un índice a otra base y cómo se unen dos series con metodologías distintas, con sus límites.
5. 5El IPC y la canasta de consumoTroncalCómo 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.
6. 6Deflactación: pesos corrientes y constantesTroncalCómo se comparan montos de distintos años en un país con inflación: la operación más necesaria y peor hecha de cualquier informe argentino.
7. 7Variación porcentualTroncalLa 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.
8. 8Variación mensual, interanual y acumuladaTroncalTres números distintos sobre el mismo dato: qué compara cada uno, cuál usar y por qué las mensuales no se suman.
9. 9Puntos porcentuales y porcentaje: no son lo mismoTroncalLa confusión más frecuente al informar cambios de un indicador que ya es un porcentaje, con la regla que la evita.
10. 10Tasa de crecimiento y tasa media anualIntermedioCómo se resume el crecimiento de varios períodos en un número: la tasa media geométrica, y por qué el promedio simple da mal.
11. 11Qué es una serie de tiempoTroncalDatos ordenados en el tiempo: qué los distingue de cualquier otro conjunto y por qué casi ninguna técnica del curso se les aplica directamente.
12. 12Tendencia, ciclo, estacionalidad e irregularIntermedioLas cuatro partes en que se descompone una serie de tiempo, cómo se combinan y qué se hace con cada una.
13. 13Medias móvilesIntermedioEl suavizado más simple y más usado: cómo se elige la ventana, por qué se centra y qué pasa en los extremos de la serie.
14. 14DesestacionalizaciónAvanzadoCómo se quita el patrón anual de una serie para poder comparar meses consecutivos, y por qué los datos desestacionalizados se revisan.
15. 15Ajuste de tendencia y extrapolaciónIntermedioCómo se ajusta una tendencia a una serie y hasta dónde se la puede proyectar, que es mucho menos de lo que parece.
16. 16Suavizamiento exponencialIntermedioPronosticar con un promedio que pesa más lo reciente: el método simple, la elección de alfa, Holt para la tendencia y Holt-Winters para la estacionalidad.
17. 17Estacionariedad y diferenciaciónAvanzadoQué significa que una serie sea estacionaria, cómo se la consigue diferenciando y transformando, y cómo se verifica con las pruebas de raíz unitaria.
18. 18Modelos ARIMAAvanzadoProcesos autorregresivos y de media móvil, cómo se identifican con la ACF y la PACF, y el ciclo de Box-Jenkins de punta a punta con una serie real.
19. 19Autocorrelación y correlogramaIntermedioLa correlación de una serie consigo misma desplazada: cómo se lee un correlograma, qué forma tiene según lo que hay en la serie y por qué arruina los intervalos de confianza.
20. 20Índices de precio, cantidad y valorAvanzadoCómo 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.

Razones, proporciones y tasas; estandarización, pirámides de población e indicadores sociales.

1. 1Razón, proporción y tasaTroncalTres 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.
2. 2Por qué las tasas se expresan por mil o por cien milTroncalLa elección del multiplicador no es cosmética: define cuántos decimales hacen falta y cuán comparable es el indicador.
3. 3Tasas brutas y tasas específicasTroncalLa tasa general esconde lo que pasa en cada grupo: por qué la bruta puede engañar y qué aportan las específicas.
4. 4Estandarización directa de tasasIntermedioCómo comparar poblaciones con estructuras de edad distintas: el método paso a paso, con un ejemplo donde el ranking se da vuelta.
5. 5Estandarización indirecta y razón de mortalidad estandarizadaAvanzadoEl 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.
6. 6Elección de la población de referenciaAvanzadoDe qué depende el resultado de una estandarización: las opciones habituales, qué cambia con cada una y por qué hay que declararla siempre.
7. 7Pirámide de poblaciónTroncalEl gráfico que resume la estructura por edad y sexo: cómo se construye, qué formas existen y qué se lee en sus irregularidades.
8. 8Natalidad, mortalidad y crecimientoTroncalLos indicadores que describen la dinámica de una población: qué mide cada uno, cómo se combinan y cuál es su límite.
9. 9Tasa global de fecundidadTroncalCómo se calculan las tasas de fecundidad por edad y la TGF, la fecundidad adolescente, la edad media de la maternidad y de dónde sale el 2,1 del reemplazo.
10. 10Análisis por cohorte y por períodoIntermedioEl diagrama de Lexis, la diferencia entre un indicador de momento y uno de generación, y cómo separar el calendario de la intensidad en la caída de la fecundidad.
11. 11Tasa de mortalidad infantilTroncalEl indicador más usado para comparar condiciones de vida: cómo se calcula, en qué se descompone y por qué su denominador no es la población.
12. 12Esperanza de vida y tabla de vidaAvanzadoEl indicador que resume toda la mortalidad de una población en un número, y por qué no predice cuánto va a vivir nadie.
13. 13Incidencia y prevalenciaTroncalCasos nuevos contra casos existentes: dos indicadores que se confunden y que responden preguntas opuestas.
14. 14Años de vida potencialmente perdidosAvanzadoEl indicador que pesa las muertes según cuán prematuras son, y que reordena por completo el ranking de causas.
15. 15Proyecciones de poblaciónAvanzadoCómo se estima la población futura con el método de los componentes, qué tan confiables son y por qué toda tasa depende de ellas.
16. 16Desocupación, pobreza e indigencia: cómo se midenIntermedioLos indicadores más citados y peor entendidos: sus denominadores, sus definiciones operativas y lo que dejan afuera.
17. 17Curva de Lorenz y coeficiente de GiniIntermedioCómo se mide la desigualdad de una distribución: la curva, el coeficiente que la resume y lo que ese único número no puede distinguir.

El lenguaje del azar: eventos, probabilidad condicional, independencia, Bayes y combinatoria.

1. 1Experimento aleatorioTroncalQué 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.
2. 2Espacio muestral y eventosTroncalEl conjunto de todo lo que puede pasar y los subconjuntos que interesan: la notación mínima para poder calcular probabilidades sin confundirse.
3. 3Probabilidad clásica, frecuentista y subjetivaTroncalTres maneras de asignar probabilidades, cuándo sirve cada una y por qué la discusión entre ellas reaparece en la inferencia.
4. 4Axiomas y propiedades de la probabilidadTroncalLas tres reglas de Kolmogórov de las que se deduce todo lo demás, y las propiedades que conviene tener a mano para verificar un resultado.
5. 5Regla de la sumaTroncalCómo se calcula la probabilidad de que ocurra uno u otro evento, por qué hay que restar la intersección y cuándo no hace falta.
6. 6Eventos mutuamente excluyentesTroncalQué significa que dos eventos no puedan ocurrir juntos, y por qué eso es lo contrario de ser independientes.
7. 7Probabilidad condicionalTroncalCómo cambia la probabilidad de un evento cuando ya se sabe que ocurrió otro: la idea que está detrás de casi toda la Estadística aplicada.
8. 8Independencia de eventosTroncalCuándo 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.
9. 9Regla del productoTroncalCómo se calcula la probabilidad de que ocurran dos eventos a la vez, con y sin independencia, y cómo encadenarla para varios pasos.
10. 10Teorema de la probabilidad totalIntermedioCómo se calcula la probabilidad de un evento sumando lo que aporta cada subgrupo, y por qué es el paso previo indispensable para Bayes.
11. 11Teorema de BayesIntermedioCómo invertir una probabilidad condicional, por qué el resultado suele desafiar la intuición y qué papel juega la prevalencia.
12. 12Sensibilidad, especificidad y valor predictivoIntermedioLas cuatro medidas de una prueba diagnóstica, cuál mira el clínico y cuál el laboratorio, y por qué solo dos dependen de la prevalencia.
13. 13Principio de multiplicaciónIntermedioLa regla de conteo de la que salen todas las demás: si una tarea tiene etapas, las posibilidades se multiplican.
14. 14Permutaciones y variacionesIntermedioContar arreglos donde el orden importa: todos los elementos o algunos, con repetición o sin ella.
15. 15CombinacionesIntermedioContar grupos donde el orden no importa: el número combinatorio, sus propiedades y por qué aparece en la fórmula de la binomial.
16. 16Falacias frecuentes sobre el azarIntermedioLos ocho errores de razonamiento probabilístico que más aparecen, por qué son tan persuasivos y cómo desarmarlos.
17. 17Simulación de MontecarloIntermedioCuando la fórmula no sale o no existe: repetir el experimento miles de veces y contar, con la aritmética de cuántas repeticiones hacen falta.
18. 18Análisis de decisiónIntermedioCómo elegir entre alternativas cuando el resultado depende de algo incierto: tabla de pagos, criterios, árbol de decisión y cuánto vale la información.

Los modelos que describen el comportamiento del azar: binomial, Poisson, normal, t, chi-cuadrado y F.

1. 1Variable aleatoriaTroncalLa función que traduce los resultados de un experimento a números: el puente entre la probabilidad y todo lo que se puede calcular con ella.
2. 2Función de probabilidad (caso discreto)TroncalCómo 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.
3. 3Función de densidad (caso continuo)TroncalPor qué en una variable continua la probabilidad se lee como área y no como altura, y qué significa entonces el valor de la curva.
4. 4Función de distribución acumuladaIntermedioLa función que responde '¿cuál es la probabilidad de no superar este valor?': la que devuelven todas las tablas y todo el software.
5. 5Esperanza matemáticaTroncalEl 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.
6. 6Varianza de una variable aleatoriaTroncalLa dispersión teórica alrededor de la esperanza: la fórmula práctica para calcularla y la propiedad de la suma que exige independencia.
7. 7Distribución de BernoulliTroncalLa distribución de un solo intento con dos resultados: el ladrillo con el que se construyen la binomial y casi toda la Estadística de proporciones.
8. 8Distribución binomialTroncalCuántos éxitos en n intentos independientes: la distribución discreta más usada, sus cuatro condiciones y cómo se calcula.
9. 9Distribución de PoissonTroncalLa distribución de los conteos raros: cuántos eventos ocurren en un intervalo de tiempo o espacio, con un solo parámetro.
10. 10Distribución hipergeométricaIntermedioLa binomial sin reposición: qué cambia cuando cada extracción modifica la población y cuándo la diferencia deja de importar.
11. 11Distribuciones geométrica y binomial negativaIntermedioCuántos intentos hasta el primer éxito y hasta el r-ésimo: la distribución de la espera en ensayos repetidos, su falta de memoria y su otra vida como modelo de conteos sobredispersos.
12. 12Distribución uniformeIntermedioCuando todos los valores son igualmente probables: la versión discreta, la continua, y su papel como base de toda simulación.
13. 13Distribución normalTroncalLa 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.
14. 14Normal estándar y tipificaciónTroncalCómo se convierte cualquier normal en la de media 0 y desvío 1, y cómo se usa esa única tabla para calcular cualquier probabilidad.
15. 15Uso de tablas de distribuciónTroncalCómo se leen las tablas de z, t, chi-cuadrado y F sin equivocarse de cola, y qué función del software reemplaza a cada una.
16. 16Aproximación normal a la binomialIntermedioCuándo se puede reemplazar una binomial por una normal, la corrección por continuidad y por qué esto sostiene todo el trabajo con proporciones.
17. 17Distribución exponencialIntermedioEl tiempo entre eventos: la contracara continua de la Poisson, con su cola larga y su falta de memoria.
18. 18Distribución gammaIntermedioLa espera hasta el k-ésimo evento y el modelo de lo positivo y asimétrico: sus dos parámetros, su parentesco con la exponencial y la chi-cuadrado, y qué tan bien le queda al ingreso argentino.
19. 19Distribución lognormalIntermedioLa distribución de lo que se multiplica: por qué modela ingresos y precios, por qué sus parámetros no son su media, y qué tan bien le queda al ingreso argentino.
20. 20Distribución chi-cuadradoIntermedioLa distribución de las sumas de cuadrados: asimétrica, solo positiva, y la base de las pruebas sobre varianzas y sobre tablas de contingencia.
21. 21Distribución t de StudentTroncalLa 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.
22. 22Distribución FIntermedioEl cociente de dos varianzas: la distribución con dos pares de grados de libertad que sostiene el ANOVA y la comparación de modelos.
23. 23Elección de distribuciónTroncalUn 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.
24. 24Variables aleatorias conjuntasAvanzadoDos variables a la vez: distribución conjunta, marginales, condicionales, covarianza y qué significa exactamente que sean independientes.
25. 25Grados de libertadTroncalQué son realmente: cuántos valores podrían haber sido cualquier cosa una vez fijado lo que ya se calculó, y por qué cambian en cada prueba.

Cómo se elige una muestra y por qué el promedio muestral se comporta de manera previsible.

1. 1Por qué se estudia una muestraTroncalLas 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.
2. 2Marco muestralTroncalLa lista desde la cual se sortea la muestra: por qué casi nunca coincide con la población y qué sesgos introduce esa diferencia.
3. 3Muestreo probabilístico y no probabilísticoTroncalLa 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.
4. 4Muestreo aleatorio simpleTroncalEl 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.
5. 5Muestreo sistemáticoTroncalUn arranque al azar y después cada k-ésima unidad: el diseño más práctico en campo, y el único riesgo real que tiene.
6. 6Muestreo estratificadoTroncalDividir la población en grupos homogéneos y sortear dentro de cada uno: el diseño que gana precisión y garantiza representación de los grupos chicos.
7. 7Afijación: igual, proporcional y óptimaIntermedioCómo se reparte el tamaño de muestra entre los estratos, qué gana cada criterio y por qué la afijación no proporcional obliga a ponderar.
8. 8Muestreo por conglomeradosTroncalSortear grupos enteros en lugar de individuos: el diseño que hace viables las encuestas de campo, y el precio que se paga en precisión.
9. 9Muestreo polietápicoIntermedioCombinar varios diseños en etapas sucesivas: cómo funciona el esquema que usan todas las encuestas nacionales y qué implica para el análisis.
10. 10Muestreo con probabilidad proporcional al tamañoIntermedioSortear las unidades grandes con más chance que las chicas: los estimadores de Hansen-Hurwitz y Horvitz-Thompson, cómo se sortea y por qué el factor de expansión es uno sobre π.
11. 11Diseños no probabilísticosTroncalLos diseños no probabilísticos: cuándo son la única opción, qué permiten afirmar y cómo se declaran sin fingir que son otra cosa.
12. 12Distribución muestral de la mediaTroncalLa distribución de los valores que tomaría la media si repitiéramos el muestreo: el concepto que hace posible toda la inferencia estadística.
13. 13Teorema central del límiteTroncalPor qué la distribución de la media se vuelve normal aunque la población no lo sea: el resultado que sostiene casi toda la Estadística aplicada.
14. 14Ley de los grandes númerosIntermedioPor 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.
15. 15Error estándarTroncalCuánto varía un estimador de muestra en muestra: el número que convierte una estimación puntual en un resultado con incertidumbre declarada.
16. 16Error estándar y desvío estándar: la confusión más comúnTroncalDos 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.
17. 17Distribución muestral de la proporciónTroncalEl mismo razonamiento de la media aplicado a porcentajes: cómo varía una proporción de muestra en muestra y cuándo se puede usar la normal.
18. 18Corrección por población finitaIntermedioCuando la muestra es una parte grande de la población, el error real es menor: cuándo aplicar el factor de corrección y cuánto cambia.
19. 19Ponderadores y factores de expansiónAvanzadoPor 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.
20. 20Estimadores en muestreo estratificado y por conglomeradosIntermedioLas fórmulas de la media, el total, la proporción y sus errores estándar en el muestreo estratificado, por conglomerados y en dos etapas, probadas sobre la estructura real de la EPH.
21. 21Estimadores de razón, de regresión y de diferenciaIntermedioCómo una variable auxiliar con total conocido reduce el error de una estimación por muestreo, y por qué la tasa de desocupación de la EPH es un estimador de razón.
22. 22Efecto de diseñoAvanzadoCuánto 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.
23. 23Estimación del cambio con muestras solapadasIntermedioPor qué repetir viviendas entre trimestres achica el error de un cambio y agranda el de un promedio, con el esquema de rotación de la EPH y sus microdatos.
24. 24No respuesta y ajusteIntermedioQuiénes no contestan y por qué eso importa más que cuántos: los dos tipos de no respuesta y cómo se corrigen.
25. 25Cómo elegir el diseño muestralTroncalLas preguntas que determinan el diseño, los pares que más se confunden y cuánto cuesta cada decisión en precisión, con los números medidos a lo largo del módulo.

De la muestra al parámetro: intervalos de confianza, margen de error y tamaño de muestra.

1. 1Estimación puntualTroncalUsar 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.
2. 2Insesgadez, consistencia y eficienciaIntermedioQué hace bueno a un estimador: las tres propiedades que permiten elegir entre varias formas de estimar el mismo parámetro.
3. 3Método de momentos y máxima verosimilitudAvanzadoDe dónde salen las fórmulas de los estimadores: los dos procedimientos generales que las producen, sin demostraciones.
4. 4Qué es un intervalo de confianzaTroncalEl 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.
5. 5Nivel de confianzaTroncalQué 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.
6. 6Qué significa (y qué no) un IC del 95 %TroncalEl malentendido más extendido de la Estadística aplicada, desarmado con una simulación: la confianza es una propiedad del método, no del intervalo que te tocó.
7. 7IC para la media con σ conocidaTroncalEl 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.
8. 8IC para la media con σ desconocidaTroncalEl 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.
9. 9IC para una proporciónTroncalEl intervalo para un porcentaje: la fórmula clásica, cuándo falla y qué método usar en su lugar cuando la proporción es extrema.
10. 10IC para la varianzaIntermedioEl 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.
11. 11IC para la mediana y otros cuantilesIntermedioEl intervalo que no supone ninguna forma de distribución: se construye contando datos ordenados, nunca promete de más y es la salida cuando la media no sirve.
12. 12IC para la diferencia de mediasIntermedioEl intervalo que responde 'de cuánto es la diferencia': cómo se construye para dos grupos y por qué es más informativo que la prueba t.
13. 13IC para la diferencia de proporcionesIntermedioComparar dos porcentajes con su incertidumbre: la diferencia en puntos, por qué no se comparan los intervalos individuales y qué medidas la acompañan.
14. 14Margen de errorTroncalLa mitad del ancho de un intervalo de confianza: el número que se informa en las encuestas y las tres cosas que no incluye.
15. 15Tamaño de muestra para estimar una mediaTroncalDespejar n a partir de la precisión buscada: la fórmula, de dónde sale la estimación previa del desvío y qué hacer si no se tiene.
16. 16Tamaño de muestra para estimar una proporciónTroncalEl 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.
17. 17Tamaño de muestra con población finitaTroncalCuando la población es chica hacen falta muchos menos casos de los que sugiere la fórmula estándar: el ajuste y cuánto cambia.
18. 18El intercambio entre precisión, costo y tamañoIntermedioPor qué duplicar la precisión cuesta cuatro veces más, dónde conviene invertir el presupuesto de un relevamiento y cuándo más muestra no sirve de nada.

La lógica del contraste, el p-valor, los errores de tipo I y II, y qué prueba corresponde en cada caso.

1. 1La lógica de una prueba de hipótesisTroncalPor qué se supone lo contrario de lo que se quiere probar, y qué significa realmente rechazar o no rechazar una hipótesis.
2. 2Hipótesis nula y alternativaTroncalCómo se plantean las dos hipótesis, por qué la nula siempre lleva el signo igual y cómo traducir una pregunta de investigación a símbolos.
3. 3Errores de tipo I y de tipo IITroncalLas dos maneras de equivocarse al decidir, por qué reducir una aumenta la otra y cómo se elige cuál importa más.
4. 4Nivel de significaciónTroncalQué es alfa, de dónde salió el 0,05, por qué es una convención y no una ley, y cuándo conviene apartarse de él.
5. 5Región crítica y valor críticoTroncalDónde está la frontera entre rechazar y no rechazar, cómo se la ubica en la distribución y por qué hoy conviene el valor p.
6. 6El p-valorTroncalQué mide exactamente el valor p, cómo se calcula y cómo se lo reporta, con la definición precisa que casi nadie enuncia bien.
7. 7Lo que el p-valor no diceTroncalLas seis interpretaciones erróneas más difundidas, por qué cada una es falsa y qué habría que decir en su lugar.
8. 8Pruebas unilaterales y bilateralesTroncalCuándo la prueba mira una sola dirección, cómo cambia el valor crítico y por qué elegir unilateral después de ver los datos es hacer trampa.
9. 9Los pasos de una prueba, en ordenTroncalEl procedimiento completo en siete pasos, con el ejemplo resuelto de punta a punta y la redacción final del resultado.
10. 10Prueba z para una mediaTroncalLa prueba más simple sobre una media, cuándo es aplicable —casi nunca— y por qué se enseña igual.
11. 11Prueba t para una mediaTroncalLa prueba que efectivamente se usa para contrastar una media: cuándo aplicarla, qué supone y cómo se lee su salida.
12. 12Prueba t para dos muestras independientesTroncalComparar las medias de dos grupos: la versión de Welch, la clásica, cuál usar y qué significa el resultado.
13. 13Prueba t para muestras apareadasTroncalCuando cada dato tiene su par: antes y después, o casos emparejados. Por qué trabajar con las diferencias multiplica la potencia.
14. 14Supuesto de homogeneidad de varianzasIntermedioQué 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.
15. 15Prueba para una proporciónTroncalContrastar una proporción contra un valor de referencia: la prueba z, la exacta binomial y cuándo cada una.
16. 16Prueba para dos proporcionesIntermedioComparar el porcentaje de dos grupos: la proporción combinada, por qué el error estándar cambia respecto del intervalo y su equivalencia con el chi-cuadrado.
17. 17Prueba de McNemar para proporciones apareadasIntermedioLa prueba para proporciones medidas dos veces sobre las mismas personas: por qué solo cuentan los discordantes y qué pasa si se usa chi-cuadrado en su lugar.
18. 18Chi-cuadrado de bondad de ajusteTroncalContrastar si una distribución observada se ajusta a una teórica: frecuencias esperadas, grados de libertad y las condiciones que hay que verificar.
19. 19Chi-cuadrado de independenciaTroncalLa prueba para tablas de contingencia: si dos variables categóricas están asociadas, con el cálculo completo y la medida de intensidad que hay que agregarle.
20. 20Chi-cuadrado de homogeneidadIntermedioLa misma cuenta que la prueba de independencia con una pregunta distinta: si varias poblaciones se distribuyen igual.
21. 21Prueba exacta de FisherIntermedioLa alternativa al chi-cuadrado cuando los conteos son chicos: probabilidad exacta por la hipergeométrica, sin aproximaciones.
22. 22Prueba F para dos varianzasIntermedioComparar la dispersión de dos grupos: el cociente de varianzas, su extrema sensibilidad a la normalidad y por qué conviene Levene.
23. 23Potencia estadísticaIntermedioLa 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.
24. 24Tamaño del efecto: d de Cohen y compañíaIntermedioLa 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.
25. 25Significación estadística y relevancia prácticaTroncalPor qué un resultado significativo puede no importar y uno no significativo puede importar mucho: las cuatro combinaciones posibles.
26. 26Qué prueba corresponde en cada casoTroncalEl árbol de decisión completo: las cuatro preguntas que determinan la prueba, la tabla de equivalencias paramétricas y no paramétricas, y los casos límite.
27. 27Comparaciones múltiples y p-hackingTroncalPor qué hacer muchas pruebas garantiza encontrar algo, las decisiones que inflan el error sin que nadie lo note, y cómo se corrige.

Comparar más de dos grupos, descomponer la variabilidad y diseñar un experimento.

1. 1ANOVA de un factorTroncalCómo comparar las medias de tres o más grupos sin inflar el error tipo I, y por qué una prueba sobre varianzas decide sobre medias.
2. 2Descomposición de la variabilidadIntermedioLa identidad que parte la variabilidad total en explicada y residual: el motor del ANOVA, de la regresión y del R².
3. 3Supuestos del ANOVA y cómo verificarlosTroncalLos tres supuestos, cuánto importa cada uno, cómo se verifican y qué hacer cuando no se cumplen.
4. 4Cómo se lee una tabla ANOVATroncalLa salida estándar del ANOVA columna por columna, con las verificaciones que detectan un error antes de interpretar.
5. 5Comparaciones post hoc: Tukey, Bonferroni, SchefféIntermedioDespués de rechazar el ANOVA, qué grupos difieren: los métodos disponibles, cuál elegir y cómo se controla el error acumulado.
6. 6LSD de Fisher, Duncan y Student-Newman-KeulsIntermedioLas pruebas de comparación de medias más usadas en agronomía y en InfoStat: cómo funcionan, cuánto error acumulan según la cantidad de tratamientos y cuándo conviene Tukey.
7. 7Contrastes planificadosAvanzadoCómo se escribe una hipótesis concreta sobre las medias y se la prueba con un grado de libertad, en vez de salir a buscarla entre todas las comparaciones.
8. 8ANOVA de dos factoresIntermedioCuando hay dos variables de agrupación a la vez: efectos principales, interacción y por qué conviene analizarlos juntos.
9. 9Interacción entre factoresIntermedioCuando 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.
10. 10ANOVA de medidas repetidasAvanzadoCuando los mismos sujetos se miden varias veces: más potencia, un supuesto extra y las alternativas cuando no se cumple.
11. 11Análisis de covarianza (ANCOVA)AvanzadoANOVA con una covariable continua: cómo ajusta las medias, cuánta potencia gana y el supuesto que casi nadie verifica.
12. 12Eta cuadrado y omega cuadradoAvanzadoEl tamaño del efecto del ANOVA: cuánto de la variabilidad explica el factor, y por qué omega cuadrado es preferible.
13. 13Diseño completamente aleatorizadoIntermedioEl diseño experimental más simple: todas las unidades al azar entre todos los tratamientos, cuándo alcanza y cuándo queda corto.
14. 14Diseño en bloquesAvanzadoAgrupar unidades parecidas para sacar su variabilidad del error: el diseño que más potencia gana por menos costo.
15. 15Cuadrado latino y parcelas divididasAvanzadoLos dos diseños que siguen a los bloques: controlar dos fuentes de variabilidad a la vez, y qué hacer cuando un factor no se puede cambiar en unidades chicas.
16. 16Aleatorización, control y réplicaIntermedioLos tres principios del diseño experimental: por qué el azar es lo único que controla lo desconocido y qué hace cada pieza.

Qué hacer cuando no se cumplen los supuestos: rangos, permutaciones y bootstrap.

1. 1Cuándo corresponde una prueba no paramétricaTroncalQué significa realmente 'no paramétrica', las cuatro situaciones donde corresponde y las tres donde se las usa por error.
2. 2Pruebas de normalidad: Shapiro-Wilk y otrasTroncalCómo se contrasta la normalidad, por qué con muestras grandes rechazan siempre y por qué el gráfico Q-Q es mejor que cualquier valor p.
3. 3Prueba de los signosIntermedioLa prueba más simple de todas: contar cuántas diferencias son positivas y compararlo con una binomial.
4. 4Prueba de Wilcoxon para muestras relacionadasIntermedioLa alternativa no paramétrica a la t pareada: rangos con signo sobre las diferencias, y la confusión de nombres que conviene aclarar de entrada.
5. 5Prueba U de Mann-WhitneyTroncalLa alternativa no paramétrica a la prueba t para dos grupos: qué compara realmente y el supuesto que casi nadie declara.
6. 6Prueba de Kruskal-WallisIntermedioLa alternativa no paramétrica al ANOVA de un factor: rangos sobre tres o más grupos, con sus post hoc y su tamaño del efecto.
7. 7Prueba de FriedmanAvanzadoLa no paramétrica para tres o más medidas repetidas: rangos dentro de cada sujeto, que es lo que la hace potente.
8. 8Comparaciones post hoc no paramétricasAvanzadoQué hacer después de rechazar un Kruskal-Wallis o un Friedman: Dunn, Conover y Nemenyi, comparadas sobre los mismos datos.
9. 9Prueba de Kolmogorov-SmirnovIntermedioLa prueba basada en la máxima distancia entre distribuciones acumuladas: para contrastar contra una teórica o entre dos muestras.
10. 10Prueba de rachasAvanzadoLa prueba de aleatoriedad: si una secuencia tiene demasiadas o muy pocas rachas para haber salido al azar.
11. 11BootstrapAvanzadoEstimar la incertidumbre remuestreando los propios datos: cómo funciona, para qué sirve y el caso real donde falla.
12. 12Pruebas de permutaciónAvanzadoConstruir la distribución nula barajando las etiquetas: la prueba más directa que existe, y la que mejor muestra qué significa un valor p.
13. 13Transformar la variable: log, raíz y otrasIntermedioLa tercera vía entre la prueba paramétrica y la no paramétrica: qué transformación corresponde a cada problema y qué cambia en la interpretación.

Modelar una variable en función de otras: lineal simple, múltiple y logística.

1. 1El modelo de regresión lineal simpleTroncalDe la recta descriptiva al modelo estadístico: qué agrega el término de error y qué se puede inferir a partir de él.
2. 2Supuestos del modelo linealTroncalLos cinco supuestos, cuánto importa cada uno, en qué orden verificarlos y qué hacer cuando fallan.
3. 3Pruebas e intervalos para los coeficientesIntermedioCómo se decide si una variable aporta al modelo: la prueba t de cada coeficiente, el F global y sus intervalos de confianza.
4. 4Intervalo de confianza e intervalo de predicciónIntermedioDos intervalos que se confunden todo el tiempo: uno para la media condicional y otro para un individuo, con anchos muy distintos.
5. 5Diagnóstico de residuosIntermedioLos cuatro gráficos que hay que mirar después de ajustar cualquier modelo, y qué patrón indica cada problema.
6. 6HeterocedasticidadAvanzadoCuando la varianza del error no es constante: qué rompe exactamente, cómo se detecta y por qué los errores robustos son la respuesta moderna.
7. 7Regresión lineal múltipleIntermedioVarias predictoras a la vez: qué significa 'controlar por', cuánto aporta cada variable y los problemas que aparecen al agregarlas.
8. 8Cómo se interpreta un coeficiente parcialIntermedioLa frase exacta con la que se lee un coeficiente de regresión múltiple, y las cinco maneras de leerla mal.
9. 9Variables dummyIntermedioCómo entran las variables categóricas en un modelo: la categoría de referencia, la trampa de las dummy y cómo se leen los coeficientes.
10. 10Interacciones en regresiónAvanzadoCuando el efecto de una variable depende de otra: cómo se especifica, cómo cambia la lectura de los demás coeficientes y por qué centrar ayuda.
11. 11MulticolinealidadAvanzadoCuando las predictoras se solapan entre sí: qué rompe, cómo se mide con el VIF y por qué muchas veces no hay que hacer nada.
12. 12Selección de variablesAvanzadoCómo se decide qué entra en el modelo, por qué los métodos automáticos tienen mala prensa y qué hacer en su lugar.
13. 13R² ajustado, AIC y BICAvanzadoPor qué el R² no sirve para comparar modelos y qué usar en su lugar, con la demostración empírica de agregar ruido puro.
14. 14Observaciones influyentes y distancia de CookAvanzadoTres conceptos que se confunden —atípico, leverage e influencia— y qué hacer con el caso que mueve el modelo entero.
15. 15Sobreajuste y validaciónAvanzadoCuando 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.
16. 16Regresión penalizada: ridge, lasso y elastic netAvanzadoEstimar y seleccionar a la vez encogiendo los coeficientes: qué hace cada penalización, cómo se elige lambda y cuándo le gana al stepwise.
17. 17Regresión logísticaIntermedioEl modelo para variables de respuesta binaria: por qué no sirve la regresión lineal, qué es el logit y cómo se evalúa el ajuste.
18. 18Cómo se interpreta un odds ratioIntermedioLa frase correcta para leer un OR ajustado, por qué no es un riesgo relativo y cómo convertirlo en algo que se entienda.
19. 19Regresión ordinal y multinomialAvanzadoModelar una respuesta de varias categorías: odds proporcionales, cómo se verifica el supuesto y cuándo conviene el multinomial.
20. 20Regresión de PoissonAvanzadoEl modelo para conteos: coeficientes multiplicativos, el término de exposición y la sobredispersión que casi siempre aparece.
21. 21Introducción a los modelos lineales generalizadosAvanzadoEl marco que unifica la regresión lineal, la logística y la de Poisson: tres piezas y una tabla que ordena todo el módulo.
22. 22Modelos mixtos y datos anidadosAvanzadoQué hacer cuando las observaciones están agrupadas: efectos aleatorios, correlación intraclase y por qué ignorar la estructura produce falsos positivos.

Muchas variables a la vez: componentes principales, factorial, conglomerados y correspondencias.

1. 1Qué es el análisis multivariadoIntermedioCuándo hacen falta técnicas para muchas variables a la vez, cómo se ordenan las que existen y contra qué línea de base hay que comparar lo que devuelven.
2. 2Estandarizar antes de analizarIntermedioPor qué casi ningún método multivariado funciona sin estandarizar, cuánto cuesta no hacerlo en cada uno y por qué elegir el escalador no es indistinto.
3. 3Medidas de distancia y similitudAvanzadoCómo se mide cuán parecidos son dos casos: las distancias más usadas, cuánto cambia el resultado según cuál se elija y qué falla de verdad en muchas dimensiones.
4. 4La matriz de correlacionesIntermedioEl primer paso de todo análisis multivariado: cómo se lee, qué revisar además de los números y por qué las dos pruebas de rutina informan menos de lo que parece.
5. 5Análisis de componentes principalesAvanzadoCómo se reducen muchas variables correlacionadas a unas pocas dimensiones: qué son los componentes, cuántos retener de verdad y en qué se diferencia del factorial.
6. 6Análisis factorial exploratorioAvanzadoBuscar las dimensiones latentes detrás de un conjunto de indicadores: el modelo, cuántos casos hacen falta de verdad y el factor que inventan los ítems ordinales.
7. 7Rotación de factoresAvanzadoPor qué la solución factorial inicial casi nunca se puede interpretar, cuánto mejora al rotar y qué se pierde exactamente al imponer ortogonalidad.
8. 8Conglomerados jerárquicosAvanzadoAgrupar casos parecidos construyendo un árbol: los métodos de enlace, cuánto deciden el resultado y qué grupo hay que creerle.
9. 9Conglomerados por k-mediasAvanzadoEl algoritmo de agrupamiento más usado: cómo funciona, cómo se elige k de verdad y qué formas de grupo no puede encontrar.
10. 10Agrupamiento por densidad y por formaAvanzadoQué hacer cuando los grupos no son esféricos: DBSCAN, mezclas gaussianas y agrupamiento espectral, con lo que cada uno pide a cambio.
11. 11Análisis discriminanteAvanzadoClasificar casos en grupos conocidos a partir de varias variables: el método clásico, cuánto importan sus supuestos y si de verdad le gana a la logística.
12. 12Análisis de correspondenciasAvanzadoEl equivalente del PCA para variables categóricas: cómo se representa una tabla de contingencia en un plano y qué se puede leer en él, con un ejemplo real.
13. 13Escalamiento multidimensionalAvanzadoConstruir un mapa a partir de distancias: cuándo sirve, qué mide el estrés de verdad y en qué se diferencia del PCA.
14. 14MANOVAAvanzadoANOVA con varias variables de respuesta a la vez: cuándo gana sobre varios ANOVA, cuándo pierde y qué combinación de violaciones lo rompe.
15. 15Construcción de índices sintéticosAvanzadoCómo se combina un conjunto de indicadores en un solo número: las cuatro decisiones que lo determinan, cuánto mueven el ranking y cuánto vale un puesto.
16. 16Aprendizaje supervisado y no supervisadoAvanzadoEl vocabulario del aprendizaje automático traducido al de la Estadística: qué cambia de nombre, cuánto se gana con una caja negra y qué no arregla ningún algoritmo.
17. 17Árboles de clasificación y regresiónAvanzadoCómo un árbol parte los datos en preguntas sucesivas, por qué hay que podarlo, qué tan estable es y cuánto rinde contra una logística, con un árbol real sobre el empleo registrado de la EPH.
18. 18Precisión, recall, F1 y lift: el vocabulario de clasificaciónIntermedioLos nombres con que el aprendizaje automático evalúa un clasificador, traducidos a la sensibilidad y el valor predictivo de siempre, con un modelo real de la EPH evaluado en un trimestre que no vio.

De la pregunta al informe: diseño del estudio, instrumento, plan de análisis y redacción de resultados.

1. 1La pregunta de investigaciónTroncalDe dónde sale todo lo demás: cómo se formula una pregunta que se pueda responder con datos, y cómo se reconoce una que no.
2. 2Hipótesis de investigación e hipótesis estadísticaTroncalDos cosas distintas que se llaman igual: la conjetura sustantiva del trabajo y el par de enunciados formales que se contrastan con una prueba.
3. 3Tipos de estudio: panorama generalTroncalEl mapa de los diseños de investigación y, sobre todo, qué puede afirmar cada uno: por qué solo algunos permiten hablar de causa.
4. 4Estudios transversales y longitudinalesIntermedioLa 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.
5. 5Estudios de cohorteIntermedioSeguir 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.
6. 6Estudios de casos y controlesIntermedioPartir del resultado y mirar hacia atrás: el diseño eficiente para estudiar eventos poco frecuentes, y por qué solo permite calcular odds ratio.
7. 7Ensayos clínicos y estudios experimentalesAvanzadoEl 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.
8. 8Operacionalización de variablesTroncalEl 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.
9. 9La matriz de operacionalizaciónTroncalLa tabla que conecta objetivos, variables, indicadores y análisis en una sola página: el documento que evita descubrir al final que falta una pregunta.
10. 10Construcción de cuestionariosIntermedioCómo se redacta una pregunta que no induzca la respuesta, cómo se ordena el cuestionario y por qué la prueba piloto no es opcional.
11. 11Técnicas y modos de recolección de datosIntermedioCómo se obtiene el dato —preguntando, observando, midiendo o aprovechando un registro— y por qué el canal elegido cambia la respuesta, la cobertura y el costo.
12. 12Escalas de Likert: construcción y análisisIntermedioCómo se construye una escala de acuerdo, qué se puede calcular con ella y la discusión de fondo: ¿se puede promediar una ordinal?
13. 13Validez de un instrumentoIntermedioSi el instrumento mide lo que dice medir: los tipos de validez, cómo se argumenta cada uno y por qué es distinta de la confiabilidad.
14. 14Confiabilidad y alfa de CronbachIntermedioSi el instrumento mide de manera consistente: qué es el alfa, cómo se interpreta y las tres cosas que no dice aunque se las atribuyan.
15. 15Sesgos: selección, información y confusiónIntermedioLas tres familias de errores sistemáticos que distorsionan un estudio, cómo se reconocen y en qué etapa se puede hacer algo con cada una.
16. 16Criterios de inclusión y exclusiónIntermedioQuién 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.
17. 17El plan de análisis estadísticoTroncalDecidir qué se va a calcular antes de tener los datos: qué contiene el plan, por qué se escribe primero y qué protege exactamente.
18. 18Cómo justificar el tamaño de muestra de una tesisTroncalQué 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.
19. 19Ética y consentimiento informadoIntermedioLos principios que rigen la investigación con personas, qué tiene que decir un consentimiento y cómo se protegen los datos que se relevan.
20. 20Cómo reportar resultados estadísticosTroncalQué acompaña a cada tipo de resultado para que sea evaluable: la lista de lo que va siempre, con ejemplos de redacción para cada análisis.
21. 21Tablas y figuras: normas y buen criterioTroncalCómo se numeran, titulan y citan las tablas y los gráficos de un trabajo académico, y cuándo conviene cada uno.
22. 22Resultados y discusión: qué va en cada unoTroncalLa 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.
23. 23Errores estadísticos frecuentes en tesisTroncalLos 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.
24. 24Preregistro y reproducibilidadAvanzadoDeclarar públicamente el plan antes de mirar los datos: qué problema resuelve, qué se registra y por qué está cambiando la práctica científica.
25. 25Revisión sistemática y metaanálisisAvanzadoInvestigar sobre lo ya investigado con método explícito: cómo se hace una revisión sistemática y qué agrega combinar los resultados estadísticamente.
26. 26Cómo defender la metodología ante el juradoIntermedioLas preguntas que siempre aparecen en una defensa, qué contesta bien cada una y por qué reconocer un límite es más fuerte que justificarlo.

R, Python, Excel y SPSS; limpieza de datos, elección del gráfico y tablas publicables.

1. 1Flujo de trabajo reproducibleIntermedioQue 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.
2. 2Cómo organizar un proyecto de datosIntermedioLa estructura de carpetas y los nombres de archivo que hacen que el trabajo se entienda meses después, sin pensar en cada decisión.
3. 3El diccionario de variablesTroncalEl 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.
4. 4Cargar datos sin generar erroresTroncalCómo 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.
5. 5Limpieza de datosIntermedioLa etapa más larga de cualquier trabajo con datos: qué se revisa, en qué orden, y por qué toda corrección tiene que quedar registrada.
6. 6Fechas, horas y duracionesIntermedioCómo leer, validar y restar fechas sin errores silenciosos: códigos que parecen fechas, día/mes contra mes/día, edad cumplida, fechas de Excel, zonas horarias y la diferencia entre período y duración.
7. 7Datos faltantes: qué hacerIntermedioLos tres tipos de faltante, por qué importa distinguirlos y cuáles son las opciones reales de tratamiento, incluida la de no hacer nada.
8. 8Formato ancho y formato largoIntermedioLas dos formas de organizar la misma información cuando hay mediciones repetidas, cuál pide cada análisis y cómo se pasa de una a la otra.
9. 9Unir tablasIntermedioCruzar una base con una tabla de referencia: los cuatro tipos de unión, por qué un cruce multiplica filas y las cuatro formas en que falla sin avisar.
10. 10Primeros pasos en RTroncalLo mínimo para dejar de depender de la planilla: importar una base, mirarla, calcular descriptivos y graficar, sin aprender a programar antes.
11. 11Primeros pasos en Python para EstadísticaIntermedioLo mínimo de pandas para importar, explorar y describir una base, y cuándo conviene Python en vez de R.
12. 12Estadística en Excel y Google SheetsTroncalQué 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.
13. 13Estadística en SPSS e InfoStatIntermedioLos dos programas de menús más usados en las universidades argentinas: dónde está cada análisis y cómo dejar registro de lo que se hizo.
14. 14Estadística en R y Python: dónde está cada análisis y qué hace por defectoIntermedioLa función de cada análisis en R y en Python, y los valores por defecto que hacen que el mismo análisis dé resultados distintos en uno y otro.
15. 15Estadística en SigmaLab: dónde está cada análisis y qué decide por su cuentaIntermedioDónde está cada análisis en SigmaLab, qué prueba elige según los supuestos y en qué casos esa elección da un resultado distinto del de R o SPSS.
16. 16Estadística en QGIS: dónde está cada cosa y qué hace por defectoIntermedioUnir datos a un mapa, calcular áreas y tasas y armar coropletas en QGIS, y los valores por defecto que cambian el resultado sin avisar.
17. 17Estadística en Power BI: dónde está cada cosa y qué hace por defectoIntermedioTasas, promedios, uniones y redondeos en Power BI, con sus dos lenguajes, DAX y Power Query, y los valores por defecto que cambian el resultado sin avisar.
18. 18Estadística en SQL: qué hace cada motor por defectoIntermedioPromedios, tasas, uniones y valores vacíos en SQLite, PostgreSQL y DuckDB: la misma consulta, tres motores, y los resultados que cambian sin avisar.
19. 19Qué gráfico usar en cada casoTroncalEl criterio para elegir la representación correcta según cuántas variables hay, de qué tipo son y qué se quiere mostrar.
20. 20Buenas prácticas de visualizaciónTroncalLas 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.
21. 21Errores comunes al graficarTroncalLas distorsiones que aparecen una y otra vez en gráficos publicados: cómo reconocerlas al leer y cómo no cometerlas al producir.
22. 22Cómo se arma una tabla publicableIntermedioLa 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.
23. 23Cómo leer la salida del softwareTroncalQué mirar primero en una tabla de resultados, qué significan las columnas que siempre aparecen y cómo detectar que el programa calculó otra cosa.
24. 24De la salida del programa al informe escritoTroncalEl último paso, que casi no se enseña: cómo se traduce una tabla de resultados en oraciones que un lector entiende y puede evaluar.
25. 25Quarto y R Markdown: el informe que se calcula soloIntermedioEscribir el texto y el análisis en el mismo archivo para que los números del informe no puedan quedar desactualizados, y qué problema esto no resuelve.
26. 26Ciencia de datos: qué es y qué tiene de nuevoIntermedioEl oficio completo, del problema al producto: en qué se diferencia de la Estadística, dónde se va el tiempo de verdad y por qué un millón de respuestas pueden valer menos que cuatrocientas.
27. 27Big data: lo que el tamaño no arreglaAvanzadoQué cambia cuando los datos son millones y nadie los diseñó: cuánto vale en realidad una base enorme, qué cuenta un registro y cuándo hace falta cómputo especial.

Anexos por disciplina: control de procesos, supervivencia, series financieras y encuestas complejas.

1. 1Control estadístico de procesosAvanzadoLa idea de Shewhart: distinguir la variación que es parte del proceso de la que indica que algo cambió.
2. 2Gráficos de controlAvanzadoLas cartas que detectan cuándo un proceso se sale de control: cuál corresponde a cada tipo de dato y cómo se leen las señales.
3. 3Índices de capacidad de procesoAvanzadoCuánto se ajusta un proceso a lo que el cliente pide: Cp, Cpk, cuántas mediciones hacen falta para que el número signifique algo y qué pasa cuando la distribución no es normal.
4. 4Muestreo de aceptaciónAvanzadoDecidir si un lote se acepta o se rechaza inspeccionando una muestra: los planes, cuánto discriminan realmente y por qué la industria moderna lo abandonó.
5. 5Fiabilidad y tiempo hasta la fallaAvanzadoModelar cuánto dura un componente: la función de riesgo, la curva de la bañera, qué dice y qué no dice un MTBF y lo que cuesta descartar las unidades que no fallaron.
6. 6Análisis de supervivenciaAvanzadoAnalizar el tiempo hasta que ocurre un evento: qué es la censura, qué pasa cuando el motivo del abandono no es inocente y por qué un hazard ratio puede promediar un efecto protector con uno dañino.
7. 7Curvas de Kaplan-Meier y log-rankAvanzadoCómo se estima y se lee una curva de supervivencia con datos censados, por qué la cola engaña justamente porque la banda no se ensancha, y cómo se comparan dos grupos.
8. 8Series financieras y volatilidadAvanzadoPor qué los precios no se analizan como cualquier serie: rendimientos, colas pesadas, agrupamiento de la volatilidad y una serie argentina que no cumple ninguna de las dos últimas.
9. 9Análisis de encuestas con diseño complejoAvanzadoPor qué las fórmulas del curso no sirven para la EPH ni para ninguna encuesta por conglomerados, qué hay que declarar en su lugar y cuánto cuesta realmente cada omisión.
10. 10Control de divulgación estadísticaIntermedioCómo se publican microdatos y tablas sin que se pueda reconocer a nadie: cuasi-identificadores, k-anonimato, supresión de celdas, redondeo y ruido, medidos sobre la EPH.
11. 11Análisis de redes socialesAvanzadoCuando el dato es la relación entre casos y no el caso: medidas de centralidad, estructura, y por qué perder el 20 % de los nodos cuesta el 36 % de las relaciones.
12. 12Análisis de contenido cuantitativoAvanzadoConvertir textos en datos: cómo se construye un libro de códigos, por qué el mismo par de codificadores puede dar kappa 0,64 o 0,07, y cuánto rinde codificar a mano.
13. 13Psicometría y teoría de respuesta al ítemAvanzadoMedir lo que no se ve directamente: de la teoría clásica de los tests a la TRI, con los tres límites de la clásica medidos y lo que cuesta cada uno.
14. 14Estadística espacial y autocorrelaciónAvanzadoCuando la ubicación importa: la matriz de vecindad, la I de Moran, y por qué con dieciséis departamentos no se detecta casi nada.
15. 15Curvas ROC y elección del punto de corteAvanzadoQué resume y qué esconde el AUC, por qué dos pruebas con el mismo área pueden no servir igual, y por qué el punto de corte no sale de la curva sino de los costos.
16. 16Inferencia bayesianaAvanzadoEstimar parámetros con un previo: cuánto pesa esa creencia medida en datos, en qué se diferencia un intervalo de credibilidad de uno de confianza y por qué el mismo p puede favorecer a la nula.
17. 17Resultados potenciales y efecto causalAvanzadoQué significa que algo cause otra cosa, en números: los dos resultados de cada persona, el efecto promedio y por qué la diferencia entre grupos casi nunca lo mide.
18. 18Diagramas causales (DAG): qué ajustar y qué noAvanzadoCómo se dibuja un diagrama causal y cómo se usa para decidir por qué variables ajustar: confusores, mediadores, colisionadores y el criterio de la puerta trasera.
19. 19Puntaje de propensión: emparejar y ponderar para compararAvanzadoCómo se usa la probabilidad de recibir un tratamiento para armar grupos comparables en un estudio observacional: emparejamiento, ponderación, balance y lo que no resuelve.