### Marcas de Tiempo
- `[00:00]` ¿Sabes cuál es el error más costoso que cometen los estudiantes de tesis? No es el plagio, no es la procrastinación, es elegir la prueba estadística equivocada. Una sola elección errónea puede invalidar meses de trabajo y el rechazo en la defensa. Es una pesadilla. Tranquilo, el problema no es tuyo, es el método de enseñanza. Muchos te dicen qué
- `[00:25]` hacer, pero no pensar. Por eso, en los próximos minutos te voy a mostrar el árbol de decisiones del experto, un método de solo tres preguntas clave que te dará el 99% de la respuesta, garantizando rigor y evitando la frustración de semanas perdidas. Mi nombre es Luisa y hoy hablaremos de la pregunta que más me hacen. ¿Cómo sé qué
- `[00:49]` método o prueba estadística utilizar en el análisis de resultados de mi tesis? Te enseñaré un método que se basa en la lógica pura de los datos, no en fórmulas. Hoy vamos a primero definir el objetivo, el qué, segundo, analizar la cantidad, el cuántos y tercero la clave de todo, el tipo de dato, el cómo. Pero antes debemos responder a la pregunta
- `[01:19]` que la mayoría ignora. ¿Por qué la estadística te da tanto miedo? El miedo a la estadística tiene un nombre, la parálisis por la elección. En la universidad te muestran una lista gigante de pruebas studenten, Anova, Manova, Clus Carwallis, Pearson, Spearm y te dicen que elijas. Es como ir al supermercado y tener 100 tipos de sal. Terminas estresado y comprándola
- `[01:45]` incorrecta. El cambio de paradigma es este. Los expertos en estadística no memorizamos. Usamos un anclaje lógico basado en la jerarquía de los datos. Olvídate de la lista. Vamos a dominar la lógica con estas tres preguntas que son la única base que necesitas. Si dominas esta teoría, la elección de la prueba se vuelve automática, te posiciona por encima del 90% de tus compañeros. Estás
- `[02:14]` a punto de entender el código fuente de la estadística. La primera pregunta es la más fácil y define el tronco de nuestro árbol. ¿Qué quieres hacer? Tu tesis solo puede tener uno de estos cuatro objetivos principales. Primero, describir. Usas estadística descriptiva, promedios, porcentajes. Segundo, comparar. Usas pruebas de diferencia. Testuden anova. Tercero, relación o correlación. Usas pruebas de
- `[02:48]` asociación Pearson, chiuadrado y cuarto, predecir o explicar. Necesitas un modelo de regresión. Ya sabes el objetivo. Ahora la segunda pregunta, ¿cuántos grupos o variables estoy mirando? Esto es crucial y define si usas una prueba simple o compleja, sobre todo al comparar. Si tienes solo dos grupos, hombre y mujer o antes y después, eliges la T Student, si es numérica, o la prueba U
- `[03:22]` de Mand Whisney. Si tienes más de dos grupos, tres métodos de enseñanza, por ejemplo, eliges ANOVA o su equivalente no paramétrico. Aquí está un error avanzado que el jurado detecta. La lógica estadística para comparar dos grupos cambia radicalmente si las observaciones provienen de sujetos distintos o de los mismos sujetos. El jurado detecta el error porque confunde el objetivo de la
- `[03:51]` prueba. Veamos. Grupos independientes, es decir, las personas de la muestra A son diferentes a las de la muestra B. Ejemplo, marketing contraventas. Aquí aplicamos T student para muestras independientes o la prueba Uwinney. Si son grupos relacionados, es decir, la muestra A es la misma que la muestra B, pero en un tiempo diferente, por ejemplo, un pretest y un postest.
- `[04:23]` Usamos T Student para muestras relacionadas o la prueba de Will Coxson. ¿Por qué el jurado lo detecta? Si usas la prueba incorrecta, estás ignorando la estructura de tu diseño. El software te dará un resultado inválido. Usar independiente en datos relacionados hará la prueba demasiado conservadora y usar relacionada en independientes puede inflarmente el resultado, es decir, nos da un falso positivo. La elección
- `[04:54]` demuestra si comprendiste la estructura de tu investigación. Y llegamos al núcleo de la estadística. La pregunta clave número tres, si fallas aquí, fallas todo el análisis. ¿Qué tipo de datos tienes? Existen dos grandes categorías, numéricos y categóricos. Los datos categóricos son etiquetas. El sexo, la carrera, el nivel de acuerdo, que puede ser bajo, medio, alto. Aquí no
- `[05:23]` hay promedios. Es un error fundamental intentar promediar el nivel de satisfacción asignándole uno, dos o tres. Tu jurado lo sabe. Si tus datos son categóricos, la prueba es casi siempre chi cuadrado. Puede haber algunas alternativas a chi cuadrado. Por ejemplo, si es una muestra pequeña, un 2x 2, usas la prueba exacta de feature. Si las muestras son relacionadas, el pre
- `[05:52]` y el post test, usas la prueba Magnimar para dos momentos dicotómicos. En variables ordinales usas la correlación de Spean o Tau B de Kendal para medir la asociación y la jerarquía. Los datos numéricos son cantidades reales. La edad, las horas de estudio, una puntuación del cer. Aquí es donde se complica, porque la estadística tiene un código de honor llamado el supuesto de
- `[06:21]` normalidad. Si tienes datos numéricos, debes hacer una subpregunta. ¿Cumplen el supuesto de normalidad? ¿Siguen la forma de la campana de Gaus? Si la respuesta es sí, son normales. Usas pruebas paramétricas. Testuden, ANOVA, Pearson. Estas son las más potentes. Si la respuesta es no, no son normales. Usas pruebas no paramétricas. La prueba de Mc Whidney, Cruzcal Wallis, correlación de Spearman, estas son las
- `[06:52]` pruebas seguras y conservadoras. El secreto del experto, es mejor usar una prueba no paramétrica segura y correcta que forzar una paramétrica inválida. Para tu tesis, la secuencia para tomar esta decisión siempre debe ser. Si es categórico u ordinal, ve directamente a no paramétrica. Si es numérico y pasa la prueba de normalidad, usa paramétrica anova, testuden. Si es numérico y falla
- `[07:25]` la prueba de normalidad, usa no paramétrica, Cruzcalwis, Udeman Wigman. Tu rigor se demuestra al justificar esta elección. Escríbeme en los comentarios cuál de estas técnicas es la que usarás para estudiar o en tu investigación o tu tesis. Una pregunta muy frecuente es, ¿qué hago si mi prueba Test student me dio normal, pero mi ANOVA no? Sencillo, el supuesto debe cumplirse para todos
- `[07:52]` los grupos o variables. Si falla en un subgrupo, debes ir a no paramétrica. siempre el camino más conservador. Pero para ayudarte a implementarlo, he creado una plantilla con este árbol de decisiones simplificados y la lista completa de pruebas. Descárgalo. Aquí acabas de aprender el método que usan los investigadores para elegir su estadística. Primero, objetivo. Segundo, cantidad. Tercero, tipo de dato. Ahora
- `[08:21]` tienes el código para sentirte en control de tu tesis. Eres parte de ese pequeño grupo que no le teme a la estadística, sino que la domina con lógica. Por ejemplo, si voy a comparar dos grupos independientes con datos numéricos normales, la prueba que escojo es T Student para muestras independientes. La guía de referencia está en el primer enlace de la
- `[08:45]` descripción. Descarga la hora. Si este video te ha dado esa claridad, déjame un me gusta y suscríbete. Y si quieres ver cómo aplicar el árbol de decisiones en la práctica con un caso real de regresión, te dejo un video aquí. Nos vemos en el próximo
### Texto Completo Continuo
¿Sabes cuál es el error más costoso que cometen los estudiantes de tesis? No es el plagio, no es la procrastinación, es elegir la prueba estadística equivocada. Una sola elección errónea puede invalidar meses de trabajo y el rechazo en la defensa. Es una pesadilla. Tranquilo, el problema no es tuyo, es el método de enseñanza. Muchos te dicen qué hacer, pero no pensar. Por eso, en los próximos minutos te voy a mostrar el árbol de decisiones del experto, un método de solo tres preguntas clave que te dará el 99% de la respuesta, garantizando rigor y evitando la frustración de semanas perdidas. Mi nombre es Luisa y hoy hablaremos de la pregunta que más me hacen. ¿Cómo sé qué método o prueba estadística utilizar en el análisis de resultados de mi tesis? Te enseñaré un método que se basa en la lógica pura de los datos, no en fórmulas. Hoy vamos a primero definir el objetivo, el qué, segundo, analizar la cantidad, el cuántos y tercero la clave de todo, el tipo de dato, el cómo. Pero antes debemos responder a la pregunta que la mayoría ignora. ¿Por qué la estadística te da tanto miedo? El miedo a la estadística tiene un nombre, la parálisis por la elección. En la universidad te muestran una lista gigante de pruebas studenten, Anova, Manova, Clus Carwallis, Pearson, Spearm y te dicen que elijas. Es como ir al supermercado y tener 100 tipos de sal. Terminas estresado y comprándola incorrecta. El cambio de paradigma es este. Los expertos en estadística no memorizamos. Usamos un anclaje lógico basado en la jerarquía de los datos. Olvídate de la lista. Vamos a dominar la lógica con estas tres preguntas que son la única base que necesitas. Si dominas esta teoría, la elección de la prueba se vuelve automática, te posiciona por encima del 90% de tus compañeros. Estás a punto de entender el código fuente de la estadística. La primera pregunta es la más fácil y define el tronco de nuestro árbol. ¿Qué quieres hacer? Tu tesis solo puede tener uno de estos cuatro objetivos principales. Primero, describir. Usas estadística descriptiva, promedios, porcentajes. Segundo, comparar. Usas pruebas de diferencia. Testuden anova. Tercero, relación o correlación. Usas pruebas de asociación Pearson, chiuadrado y cuarto, predecir o explicar. Necesitas un modelo de regresión. Ya sabes el objetivo. Ahora la segunda pregunta, ¿cuántos grupos o variables estoy mirando? Esto es crucial y define si usas una prueba simple o compleja, sobre todo al comparar. Si tienes solo dos grupos, hombre y mujer o antes y después, eliges la T Student, si es numérica, o la prueba U de Mand Whisney. Si tienes más de dos grupos, tres métodos de enseñanza, por ejemplo, eliges ANOVA o su equivalente no paramétrico. Aquí está un error avanzado que el jurado detecta. La lógica estadística para comparar dos grupos cambia radicalmente si las observaciones provienen de sujetos distintos o de los mismos sujetos. El jurado detecta el error porque confunde el objetivo de la prueba. Veamos. Grupos independientes, es decir, las personas de la muestra A son diferentes a las de la muestra B. Ejemplo, marketing contraventas. Aquí aplicamos T student para muestras independientes o la prueba Uwinney. Si son grupos relacionados, es decir, la muestra A es la misma que la muestra B, pero en un tiempo diferente, por ejemplo, un pretest y un postest. Usamos T Student para muestras relacionadas o la prueba de Will Coxson. ¿Por qué el jurado lo detecta? Si usas la prueba incorrecta, estás ignorando la estructura de tu diseño. El software te dará un resultado inválido. Usar independiente en datos relacionados hará la prueba demasiado conservadora y usar relacionada en independientes puede inflarmente el resultado, es decir, nos da un falso positivo. La elección demuestra si comprendiste la estructura de tu investigación. Y llegamos al núcleo de la estadística. La pregunta clave número tres, si fallas aquí, fallas todo el análisis. ¿Qué tipo de datos tienes? Existen dos grandes categorías, numéricos y categóricos. Los datos categóricos son etiquetas. El sexo, la carrera, el nivel de acuerdo, que puede ser bajo, medio, alto. Aquí no hay promedios. Es un error fundamental intentar promediar el nivel de satisfacción asignándole uno, dos o tres. Tu jurado lo sabe. Si tus datos son categóricos, la prueba es casi siempre chi cuadrado. Puede haber algunas alternativas a chi cuadrado. Por ejemplo, si es una muestra pequeña, un 2x 2, usas la prueba exacta de feature. Si las muestras son relacionadas, el pre y el post test, usas la prueba Magnimar para dos momentos dicotómicos. En variables ordinales usas la correlación de Spean o Tau B de Kendal para medir la asociación y la jerarquía. Los datos numéricos son cantidades reales. La edad, las horas de estudio, una puntuación del cer. Aquí es donde se complica, porque la estadística tiene un código de honor llamado el supuesto de normalidad. Si tienes datos numéricos, debes hacer una subpregunta. ¿Cumplen el supuesto de normalidad? ¿Siguen la forma de la campana de Gaus? Si la respuesta es sí, son normales. Usas pruebas paramétricas. Testuden, ANOVA, Pearson. Estas son las más potentes. Si la respuesta es no, no son normales. Usas pruebas no paramétricas. La prueba de Mc Whidney, Cruzcal Wallis, correlación de Spearman, estas son las pruebas seguras y conservadoras. El secreto del experto, es mejor usar una prueba no paramétrica segura y correcta que forzar una paramétrica inválida. Para tu tesis, la secuencia para tomar esta decisión siempre debe ser. Si es categórico u ordinal, ve directamente a no paramétrica. Si es numérico y pasa la prueba de normalidad, usa paramétrica anova, testuden. Si es numérico y falla la prueba de normalidad, usa no paramétrica, Cruzcalwis, Udeman Wigman. Tu rigor se demuestra al justificar esta elección. Escríbeme en los comentarios cuál de estas técnicas es la que usarás para estudiar o en tu investigación o tu tesis. Una pregunta muy frecuente es, ¿qué hago si mi prueba Test student me dio normal, pero mi ANOVA no? Sencillo, el supuesto debe cumplirse para todos los grupos o variables. Si falla en un subgrupo, debes ir a no paramétrica. siempre el camino más conservador. Pero para ayudarte a implementarlo, he creado una plantilla con este árbol de decisiones simplificados y la lista completa de pruebas. Descárgalo. Aquí acabas de aprender el método que usan los investigadores para elegir su estadística. Primero, objetivo. Segundo, cantidad. Tercero, tipo de dato. Ahora tienes el código para sentirte en control de tu tesis. Eres parte de ese pequeño grupo que no le teme a la estadística, sino que la domina con lógica. Por ejemplo, si voy a comparar dos grupos independientes con datos numéricos normales, la prueba que escojo es T Student para muestras independientes. La guía de referencia está en el primer enlace de la descripción. Descarga la hora. Si este video te ha dado esa claridad, déjame un me gusta y suscríbete. Y si quieres ver cómo aplicar el árbol de decisiones en la práctica con un caso real de regresión, te dejo un video aquí. Nos vemos en el próximo
---