Cómo evitar los siete pecados capitales de la interpretación estadística errónea

La estadística es una herramienta útil para entender los patrones en el mundo que nos rodea. Pero nuestra intuición a menudo nos decepciona cuando se trata de interpretar esos patrones. En esta serie, observamos algunos de los errores comunes que cometemos y cómo evitarlos al pensar en estadísticas, probabilidad y riesgo.La conversación

1. Suponiendo que las pequeñas diferencias son significativas

Muchas de las fluctuaciones diarias en el mercado bursátil representan una oportunidad más que algo significativo. Las diferencias en las encuestas cuando una parte está adelantada por un punto o dos a menudo son solo ruido estadístico.

Puede evitar sacar conclusiones erróneas sobre las causas de tales fluctuaciones exigiendo ver el "margen de error" relacionado con los números.

Si la diferencia es menor que el margen de error, probablemente no haya una diferencia significativa, y la variación probablemente se deba a fluctuaciones aleatorias.

Cómo evitar los siete pecados capitales de la interpretación estadística erróneaLas barras de error ilustran el grado de incertidumbre en un puntaje. Cuando tales márgenes de error se superponen, es probable que la diferencia se deba al ruido estadístico.


gráfico de suscripción interior



2. Igualar la significación estadística con la significación del mundo real

A menudo escuchamos generalizaciones sobre cómo dos grupos difieren de alguna manera, como que las mujeres son más afectuosas mientras que los hombres son físicamente más fuertes.

Estas diferencias a menudo se basan en estereotipos y sabiduría popular, pero a menudo ignoran las similitudes entre las personas entre los dos grupos, y la variación en las personas dentro de los grupos.

Si eliges a dos hombres al azar, es probable que haya una gran diferencia en su fuerza física. Y si eliges un hombre y una mujer, pueden terminar siendo muy similares en términos de nutrición, o el hombre puede ser más afectuoso que la mujer.

Puede evitar este error preguntando por el "tamaño del efecto" de las diferencias entre grupos. Esta es una medida de cuánto difiere el promedio de un grupo del promedio de otro.

Si el tamaño del efecto es pequeño, los dos grupos son muy similares. Incluso si el tamaño del efecto es grande, es probable que los dos grupos tengan una gran variación dentro de ellos, por lo que no todos los miembros de un grupo serán diferentes de todos los miembros de otro grupo.


3. Descuidar mirar los extremos

La otra cara del tamaño del efecto es relevante cuando lo que estás enfocando sigue un "distribución normal"(A veces llamado una" curva de campana "). Aquí es donde la mayoría de las personas están cerca del puntaje promedio y solo un pequeño grupo está muy por encima o muy por debajo del promedio.

Cuando eso sucede, un pequeño cambio en el rendimiento del grupo produce una diferencia que no significa nada para la persona promedio (vea el punto 2) pero que cambia el carácter de los extremos de forma más radical.

Evite este error al reflexionar si se trata de extremos o no. Cuando se trata de personas promedio, las diferencias de grupos pequeños a menudo no importan. Cuando te importan mucho los extremos, las diferencias de grupos pequeños pueden ser importantes.

Cómo evitar los siete pecados capitales de la interpretación estadística erróneaCuando dos poblaciones siguen una distribución normal, las diferencias entre ellas serán más evidentes en los extremos que en los promedios.


4. Confianza en la coincidencia

¿Sabías que hay un correlación entre el número de personas que se ahogaron cada año en los Estados Unidos al caer en una piscina y en el número de películas en las que apareció Nicholas Cage?

Cómo evitar los siete pecados capitales de la interpretación estadística erróneaPero, ¿hay un vínculo causal? tylervigen.com

Si miras lo suficiente, puedes encontrar patrones interesantes y correlaciones que son simplemente por coincidencia.

Solo porque dos cosas cambien al mismo tiempo, o en patrones similares, no significa que estén relacionadas.

Evite este error preguntando qué tan confiable es la asociación observada. ¿Es algo único o ha sucedido muchas veces? ¿Pueden predecirse las futuras asociaciones? Si lo ha visto solo una vez, es probable que se deba a una posibilidad aleatoria.


5. Obtener la causalidad hacia atrás

Cuando dos cosas se correlacionan, por ejemplo, el desempleo y los problemas de salud mental, podría ser tentador ver un camino causal "obvio", decir que los problemas de salud mental conducen al desempleo.

Pero a veces el camino causal va en la otra dirección, como el desempleo que causa problemas de salud mental.

Puede evitar este error al recordar pensar en la causalidad inversa cuando ve una asociación. ¿Podría la influencia ir en la otra dirección? ¿O podría funcionar en ambos sentidos, creando un ciclo de retroalimentación?


6. Olvidando considerar causas externas

Las personas a menudo no evalúan posibles "terceros factores" o causas externas, que pueden crear una asociación entre dos cosas porque ambas son en realidad resultados del tercer factor.

Por ejemplo, podría haber una asociación entre comer en restaurantes y una mejor salud cardiovascular. Eso podría llevarte a creer que hay una conexión causal entre los dos.

Sin embargo, podría darse el caso de que aquellos que pueden permitirse comer en los restaurantes con regularidad se encuentren en un nivel socioeconómico alto, y también puedan permitirse una mejor atención médica, y es la atención médica la que proporciona una mejor salud cardiovascular.

Puede evitar este error recordando pensar en terceros factores cuando vea una correlación. Si está siguiendo una cosa como posible causa, pregúntese qué causa esa cosa. ¿Podría ese tercer factor causar los dos resultados observados?


7. Gráficos engañosos

Se producen muchos errores en la escala y el etiquetado del eje vertical en los gráficos. Las etiquetas deben mostrar el rango completo significativo de lo que sea que estés viendo.

Pero a veces el creador de gráficos elige un rango más estrecho para hacer que una pequeña diferencia o asociación se vea más impactante. En una escala de 0 a 100, dos columnas pueden tener la misma altura. Pero si grafica los mismos datos que solo muestran desde 52.5 a 56.5, podrían verse drásticamente diferentes.

Puede evitar este error teniendo cuidado de observar las etiquetas de los gráficos a lo largo de los ejes. Sea especialmente escéptico con los gráficos no etiquetados.

Cómo evitar los siete pecados capitales de la interpretación estadística erróneaLos gráficos pueden contar una historia, haciendo que las diferencias parezcan más grandes o más pequeñas dependiendo de la escala.

Sobre el Autor

Winnifred Louis, Profesor Asociado, Psicología Social, La Universidad de Queensland y Cassandra Chapman, PhD Candidata en Psicología Social, La Universidad de Queensland

Este artículo se publicó originalmente el La conversación. Leer el articulo original.

Libros relacionados:

at InnerSelf Market y Amazon