¿Cuál es el concepto estadístico más difícil de entender?

Question

Esta es una pregunta similar a la que aquí Pero creo que es lo suficientemente diferente como para que valga la pena preguntar.

Pensé en poner como inicio, lo que creo que es uno de los más difíciles de entender.

La mía es la diferencia entre probabilidad y frecuencia . Una se sitúa en el nivel del "conocimiento de la realidad" (probabilidad), mientras que la otra se sitúa en el nivel de la "realidad misma" (frecuencia). Esto casi siempre me confunde si pienso demasiado en ello.

Edwin Jaynes acuñó un término llamado "falacia de proyección mental" para describir la confusión de estas cosas.

¿Algún otro concepto difícil de entender?

Answer 1

Por alguna razón, la gente tiene dificultades para comprender lo que es realmente un valor p.

Answer 2

Al igual que la respuesta de shabbychef, es difícil entender el significado de un intervalo de confianza en la estadística frecuentista. Creo que el mayor obstáculo es que un intervalo de confianza no responde a la pregunta que nos gustaría responder. Nos gustaría saber: "¿cuál es la probabilidad de que el valor verdadero esté dentro de este intervalo concreto?". En cambio, sólo podemos responder, "¿cuál es la probabilidad de que un intervalo elegido al azar y creado de esta manera contenga el verdadero parámetro?" Esto último es obviamente menos satisfactorio.

Answer 3

¿Qué significa "grados de libertad"? ¿Qué pasa con los df que no son números enteros?

Answer 4

La probabilidad condicional probablemente lleva a la mayoría errores en la experiencia cotidiana. Hay muchos conceptos más difíciles de captar, por supuesto, pero la gente no suele preocuparse por ellos; de éste no pueden escapar y es una fuente de desventuras desenfrenada.

Answer 5

Creo que muy pocos científicos entienden este punto básico: sólo es posible interpretar los resultados de los análisis estadísticos al pie de la letra, si cada paso fue planificado de antemano. En concreto:

• El tamaño de la muestra debe elegirse de antemano. No está bien seguir analizando los datos a medida que se añaden más sujetos, deteniéndose cuando los resultados parecen buenos.
• Los métodos utilizados para normalizar los datos o excluir los valores atípicos también deben decidirse de antemano. No está bien analizar varios subconjuntos de los datos hasta encontrar los resultados que nos gustan.
• Y finalmente, por supuesto, los métodos estadísticos deben decidirse de antemano. ¿No está bien analizar los datos mediante métodos paramétricos y no paramétricos, y elegir los resultados que te gusten?

Los métodos exploratorios pueden ser útiles para, bueno, explorar. Pero luego no se puede dar la vuelta y hacer pruebas estadísticas normales e interpretar los resultados de la forma habitual.