Class Summary
¿Recuerdas el Árbol de Decisiones Estadísticas que te prometí? 📊 Miles de ustedes pidieron esto: "¿cómo aplico esa lógica a mi investigación real?" ¡Y aquí está la respuesta! En este video, no solo hablaremos de teoría, vamos a resolver juntos 6 EJEMPLOS CONCRETOS y REALES para que sepas, paso a paso, qué prueba estadística elegir para tu tesis y garantizar un análisis impecable. ¡Adiós a las dudas! 👋 Te guiaré a través de problemas comunes: desde comparar calificaciones entre dos métodos de enseñanza hasta entender la relación entre horas de estudio y notas, o predecir ingresos basándote en la experiencia. Verás cómo aplicar las 3 preguntas clave (Objetivo, Cantidad, Tipo de Dato) para tomar decisiones con confianza. Descubrirás por qué el error de confundir grupos independientes con relacionados puede invalidar tu tesis y cómo el supuesto de normalidad es tu código de honor para elegir entre pruebas paramétricas y no paramétricas. No solo aprenderás, ¡dominarás el proceso! ✨ Descarga la Guía de Referencia Completa 👉https://drive.google.com/drive/folders/1jbI_g7M5ItlzDPCbMCC8r7d1TFkslTxC?usp=drive_link 📢 Video Referenciado: 👉 https://youtu.be/YTjInS6kA28 ⏱️ ÍNDICE 00:00 El PROBLEMA REAL: ¿Cómo aplicar el Árbol de Decisiones? 01:38 Ejemplo 1: Método de Enseñanza (Comparación 2 Grupos) 03:00 Ejemplo 2: Satisfacción Laboral (Comparación +2 Grupos) 04:16 Ejemplo 3: Horas de Estudio y Calificaciones (Relación Numérica) 05:22 Ejemplo 4: Programa de Meditación Pre-Post (Comparación Relacionada) 06:27 Ejemplo 5: Preferencia por Producto vs Género (Asociación Categórica) 07:15 Ejemplo 6: Predicción de Ingresos (Regresión) 08:35 Descarga la GUÍA COMPLETA + CTA Final 📢 📌 Recursos adicionales: 🔗 Explora más contenido educativo 👉 https://www.facebook.com/share/g/19nDcr1J4a/ 🔗 Sitio Web 👉 asesoriaeducacional.com 🎓 Únete a la comunidad y accede a contenido exclusivo 👉 Hazte miembro aquí https://www.youtube.com/channel/UCC47ELuNUCJx5HhjoHypv0Q/join 📌 No olvides suscribirte para más contenido sobre metodología de investigación y análisis de datos. ¡Dale like y comparte con otros investigadores! #PruebaEstadistica #TesisAprobada #EstadisticaParaTesis #AnalisisDeDatos #AsesoriaProfeLuisa
Class Transcript
### Marcas de Tiempo - `[00:00]` ¿Recuerdas el árbol de decisiones estadísticas? Si ese método que te prometí te daría el 99% de las respuestas para tu tesis. Pues bien, desde que compartí ese video, mi bandeja de entrada explotó con una pregunta. Luisa, ¿cómo aplico eso a mi problema? ¿Cómo lo llevo a la realidad de mi investigación? Y tienes toda la razón, no es lo mismo - `[00:24]` la teoría que la práctica, ¿verdad? Por eso este video es tu respuesta directa. Prepárate porque hoy vamos a ir directo al grano. Te voy a desglosar seis ejemplos concretos y reales de investigación y aplicaremos tu árbol de decisiones paso a paso para que veas con total claridad qué prueba estadística elegir en cada escenario. Esto te dará confianza y la precisión para que tu - `[00:50]` análisis sea impecable y tu tesis aprobada. He visto cientos de tesis y sé que este punto es donde muchos se pierden, pero créeme, la lógica es tu mejor aliada. Después de aplicar este método, la estadística no será un laberinto, sino un camino claro y predecible. Hoy desarmaremos esos problemas típicos que te quitan el sueño. ¿Cómo comparo si tengo dos grupos - `[01:14]` o más de tres? ¿Qué pasa si mis datos son números puros o solo categorías como bajo, medio, alto? Y la pregunta del millón. ¿Cómo decido si mis datos son normales o no? Prepárate para una inmersión práctica que transformará tu forma de ver la estadística y al final te daré un consejo clave sobre cómo justificar tu elección ante el jurado. - `[01:38]` Un secreto que pocos conocen. Veamos el primer ejemplo. Impacto de un nuevo método de enseñanza. El problema. Un investigador quiere saber si un nuevo método de enseñanza, método A, mejora significativamente las calificaciones en comparación con el método tradicional, método B en estudiantes de primaria. Se tomaron dos grupos de estudiantes, uno recibió el método A y el otro el método - `[02:05]` B. Al final se registró la calificación final del 0 al 100. El primer paso, ¿cuál es el objetivo? Comparar las calificaciones entre dos grupos. El segundo paso, ¿cuántos grupos? Dos grupos, método A contra método B, son independientes. Los estudiantes de un grupo son diferentes a los del otro. Paso tres, ¿qué tipo de dato? La calificación final de 0 a 100 es un dato - `[02:35]` numérico. Normales o no normales. Asumimos que el investigador realizó la prueba de normalidad. Por ejemplo, Chapiro Wilk. En el escenario A, si son normales, la prueba elegida es te studen para muestras independientes. Y en el escenario B, si no son normales, la prueba elegida es la prueba UAN Whitney. Veamos el ejemplo dos. Satisfacción laboral por departamento. El problema. - `[03:07]` Una empresa quiere analizar si existe diferencia en el nivel de satisfacción laboral. entre sus tres departamentos principales, venta, marketing y producción. Se mide la satisfacción laboral usando una escala de bajo, medio y alto. El paso uno, ¿cuál es el objetivo? Comparar el nivel de satisfacción entre múltiples grupos. Paso dos, ¿cuántos grupos? Más de dos grupos, ventas, marketing y - `[03:38]` producción son independientes. El paso tres, ¿qué tipo de dato? El nivel de satisfacción, bajo, medio y alto, es un dato categórico, ordinal, específicamente. Normales o no normales. Los datos categóricos no se someten a prueba de normalidad. Directamente se considera a la vía no paramétrica o específica para categóricos. La prueba elegida Cruzcal Wally, tu tabla indica no paramétrico bajo anova para tres o - `[04:11]` más grupos, lo cual es correcto como categoría general. Vamos ahora al ejemplo tres. Relación entre horas de estudio y calificaciones. El problema. Un investigador quiere determinar si hay una relación entre el número de horas que estudian los estudiantes a la semana y sus calificaciones promedio. Recopila datos de horas de estudio y calificaciones de 50 estudiantes. El paso uno, ¿cuál es el objetivo? - `[04:42]` Estudiar la relación o correlación entre dos variables. El paso dos, ¿cuántos grupos no aplica directamente? Aquí estamos mirando la relación entre dos variables. El paso tres, ¿qué tipo de datos, horas de estudio y calificaciones promedio son datos numéricos? ¿Normales o no normales? En el escenario A, si son normales y la relación es lineal, la prueba elegida es Pearson. En el - `[05:11]` escenario B, si son no normales, la prueba elegida es Spearman. Escríbeme en los comentarios cuál de estas técnicas es la que usarás. para estudiar o en tu investigación o tu tesis. Llegamos al ejemplo cuatro, efecto de un programa de meditación, un pretest y un postest. Problema: se implementa un programa de meditación para reducir los niveles de estrés en un grupo de empleados. Se mide - `[05:37]` el nivel de estrés en una escala de 0 a 100 antes y después del programa en los mismos 30 empleados. El paso uno, ¿cuál es el objetivo? Comparar los niveles de estrés antes y después del programa. El paso dos, ¿cuántos grupos? Dos grupos, medición antes y después. ¿Son relacionados? ¿Son los mismos sujetos? El paso tres, ¿qué tipo de dato? El - `[06:03]` nivel de estrés de 0 a 100 es un dato numérico. ¿Normales o no normales? En el escenario A, si son normales, asumiendo que las diferencias pre y post siguen una distribución normal. La prueba elegida es T student para muestras relacionadas. En el escenario B, si son no normales, la prueba elegida es Wilcoxon. Vamos al ejemplo cinco. Preferencia por - `[06:29]` tipo de producto. Categorías. El problema. Una tienda quiere saber si la preferencia por un tipo de producto A, B o C difiere según el género, masculino o femenino. El paso uno, ¿cuál es el objetivo? ver si hay relación o asociación entre el género y la preferencia por un producto. El paso dos, ¿cuántos grupos esto no aplica? Se - `[06:54]` analizan dos variables categóricas. El paso tres, ¿qué tipo de dato? Tipo de producto, A, B o C es categórico. Género masculino o femenino es categórico. Normales o no normales. Al ser ambas variables categóricas, no aplica la normalidad. La prueba elegida es chi cuadrado. Por último, llegamos al ejemplo seis, predicción de ingresos por años de experiencia. El problema. Un - `[07:22]` economista quiere predecir los ingresos anuales de una persona basándose en los números de años de experiencia laboral. El paso uno, ¿cuál es el objetivo? Predecir una variable, ingresos a partir de otra, años de experiencia. Paso dos, ¿cuántos grupos aquí no aplica? Es un modelo predictivo. El paso tres, ¿qué tipo de datos? Ingresos anuales y años de experiencia son datos numéricos - `[07:50]` normales o no normales para la variable dependiente y los residuos del modelo. La prueba elegida, regresión, específicamente regresión lineal simple. Si solo hay una predictora. Ahí lo tienes. Acabas de pasar de la parálisis total a la claridad absoluta. Hemos aplicado el hardboard de decisiones a seis escenarios reales y has visto que la estadística no es mágica, es pura lógica. No vuelvas a - `[08:18]` memorizar, solo piensa. Uno, objetivo. Dos, cantidad. Tres, tipo de dato. Eres parte de ese grupo de investigadores que no solo usa la estadística, sino que entiende el por qué. Esto te pone en una posición de autoridad y rigor que el jurado no podrá cuestionar. Y ahora te daré la herramienta definitiva para ayudarte a implementar esto de forma - `[08:42]` inmediata. He creado una guía de referencia completa que incluye el árbol, las variantes chi cuadrado y todos los equivalentes no paramétricos. Esta es la plantilla que uso con mis asesorados. Descárgala ahora mismo en el primer enlace de la descripción para tenerla siempre a mano. Si este video te quitó ese dolor de cabeza estadístico y te dio la claridad - `[09:06]` que necesitabas, por favor, déjame un me gusta y suscríbete a la comunidad. Así sabré que debo crear más contenido práctico como este. Y si quieres ver cómo aplicar esta lógica de objetivo, cantidad y tipo de datos a un análisis más complejo como el de regresión logística, te dejo un video aquí mismo. ### Texto Completo Continuo ¿Recuerdas el árbol de decisiones estadísticas? Si ese método que te prometí te daría el 99% de las respuestas para tu tesis. Pues bien, desde que compartí ese video, mi bandeja de entrada explotó con una pregunta. Luisa, ¿cómo aplico eso a mi problema? ¿Cómo lo llevo a la realidad de mi investigación? Y tienes toda la razón, no es lo mismo la teoría que la práctica, ¿verdad? Por eso este video es tu respuesta directa. Prepárate porque hoy vamos a ir directo al grano. Te voy a desglosar seis ejemplos concretos y reales de investigación y aplicaremos tu árbol de decisiones paso a paso para que veas con total claridad qué prueba estadística elegir en cada escenario. Esto te dará confianza y la precisión para que tu análisis sea impecable y tu tesis aprobada. He visto cientos de tesis y sé que este punto es donde muchos se pierden, pero créeme, la lógica es tu mejor aliada. Después de aplicar este método, la estadística no será un laberinto, sino un camino claro y predecible. Hoy desarmaremos esos problemas típicos que te quitan el sueño. ¿Cómo comparo si tengo dos grupos o más de tres? ¿Qué pasa si mis datos son números puros o solo categorías como bajo, medio, alto? Y la pregunta del millón. ¿Cómo decido si mis datos son normales o no? Prepárate para una inmersión práctica que transformará tu forma de ver la estadística y al final te daré un consejo clave sobre cómo justificar tu elección ante el jurado. Un secreto que pocos conocen. Veamos el primer ejemplo. Impacto de un nuevo método de enseñanza. El problema. Un investigador quiere saber si un nuevo método de enseñanza, método A, mejora significativamente las calificaciones en comparación con el método tradicional, método B en estudiantes de primaria. Se tomaron dos grupos de estudiantes, uno recibió el método A y el otro el método B. Al final se registró la calificación final del 0 al 100. El primer paso, ¿cuál es el objetivo? Comparar las calificaciones entre dos grupos. El segundo paso, ¿cuántos grupos? Dos grupos, método A contra método B, son independientes. Los estudiantes de un grupo son diferentes a los del otro. Paso tres, ¿qué tipo de dato? La calificación final de 0 a 100 es un dato numérico. Normales o no normales. Asumimos que el investigador realizó la prueba de normalidad. Por ejemplo, Chapiro Wilk. En el escenario A, si son normales, la prueba elegida es te studen para muestras independientes. Y en el escenario B, si no son normales, la prueba elegida es la prueba UAN Whitney. Veamos el ejemplo dos. Satisfacción laboral por departamento. El problema. Una empresa quiere analizar si existe diferencia en el nivel de satisfacción laboral. entre sus tres departamentos principales, venta, marketing y producción. Se mide la satisfacción laboral usando una escala de bajo, medio y alto. El paso uno, ¿cuál es el objetivo? Comparar el nivel de satisfacción entre múltiples grupos. Paso dos, ¿cuántos grupos? Más de dos grupos, ventas, marketing y producción son independientes. El paso tres, ¿qué tipo de dato? El nivel de satisfacción, bajo, medio y alto, es un dato categórico, ordinal, específicamente. Normales o no normales. Los datos categóricos no se someten a prueba de normalidad. Directamente se considera a la vía no paramétrica o específica para categóricos. La prueba elegida Cruzcal Wally, tu tabla indica no paramétrico bajo anova para tres o más grupos, lo cual es correcto como categoría general. Vamos ahora al ejemplo tres. Relación entre horas de estudio y calificaciones. El problema. Un investigador quiere determinar si hay una relación entre el número de horas que estudian los estudiantes a la semana y sus calificaciones promedio. Recopila datos de horas de estudio y calificaciones de 50 estudiantes. El paso uno, ¿cuál es el objetivo? Estudiar la relación o correlación entre dos variables. El paso dos, ¿cuántos grupos no aplica directamente? Aquí estamos mirando la relación entre dos variables. El paso tres, ¿qué tipo de datos, horas de estudio y calificaciones promedio son datos numéricos? ¿Normales o no normales? En el escenario A, si son normales y la relación es lineal, la prueba elegida es Pearson. En el escenario B, si son no normales, la prueba elegida es Spearman. Escríbeme en los comentarios cuál de estas técnicas es la que usarás. para estudiar o en tu investigación o tu tesis. Llegamos al ejemplo cuatro, efecto de un programa de meditación, un pretest y un postest. Problema: se implementa un programa de meditación para reducir los niveles de estrés en un grupo de empleados. Se mide el nivel de estrés en una escala de 0 a 100 antes y después del programa en los mismos 30 empleados. El paso uno, ¿cuál es el objetivo? Comparar los niveles de estrés antes y después del programa. El paso dos, ¿cuántos grupos? Dos grupos, medición antes y después. ¿Son relacionados? ¿Son los mismos sujetos? El paso tres, ¿qué tipo de dato? El nivel de estrés de 0 a 100 es un dato numérico. ¿Normales o no normales? En el escenario A, si son normales, asumiendo que las diferencias pre y post siguen una distribución normal. La prueba elegida es T student para muestras relacionadas. En el escenario B, si son no normales, la prueba elegida es Wilcoxon. Vamos al ejemplo cinco. Preferencia por tipo de producto. Categorías. El problema. Una tienda quiere saber si la preferencia por un tipo de producto A, B o C difiere según el género, masculino o femenino. El paso uno, ¿cuál es el objetivo? ver si hay relación o asociación entre el género y la preferencia por un producto. El paso dos, ¿cuántos grupos esto no aplica? Se analizan dos variables categóricas. El paso tres, ¿qué tipo de dato? Tipo de producto, A, B o C es categórico. Género masculino o femenino es categórico. Normales o no normales. Al ser ambas variables categóricas, no aplica la normalidad. La prueba elegida es chi cuadrado. Por último, llegamos al ejemplo seis, predicción de ingresos por años de experiencia. El problema. Un economista quiere predecir los ingresos anuales de una persona basándose en los números de años de experiencia laboral. El paso uno, ¿cuál es el objetivo? Predecir una variable, ingresos a partir de otra, años de experiencia. Paso dos, ¿cuántos grupos aquí no aplica? Es un modelo predictivo. El paso tres, ¿qué tipo de datos? Ingresos anuales y años de experiencia son datos numéricos normales o no normales para la variable dependiente y los residuos del modelo. La prueba elegida, regresión, específicamente regresión lineal simple. Si solo hay una predictora. Ahí lo tienes. Acabas de pasar de la parálisis total a la claridad absoluta. Hemos aplicado el hardboard de decisiones a seis escenarios reales y has visto que la estadística no es mágica, es pura lógica. No vuelvas a memorizar, solo piensa. Uno, objetivo. Dos, cantidad. Tres, tipo de dato. Eres parte de ese grupo de investigadores que no solo usa la estadística, sino que entiende el por qué. Esto te pone en una posición de autoridad y rigor que el jurado no podrá cuestionar. Y ahora te daré la herramienta definitiva para ayudarte a implementar esto de forma inmediata. He creado una guía de referencia completa que incluye el árbol, las variantes chi cuadrado y todos los equivalentes no paramétricos. Esta es la plantilla que uso con mis asesorados. Descárgala ahora mismo en el primer enlace de la descripción para tenerla siempre a mano. Si este video te quitó ese dolor de cabeza estadístico y te dio la claridad que necesitabas, por favor, déjame un me gusta y suscríbete a la comunidad. Así sabré que debo crear más contenido práctico como este. Y si quieres ver cómo aplicar esta lógica de objetivo, cantidad y tipo de datos a un análisis más complejo como el de regresión logística, te dejo un video aquí mismo. ---