Términos estadísticos más confusos

Question

Los estadísticos utilizamos muchas palabras de forma ligeramente diferente a como las utilizan los demás. Esto causa muchos problemas cuando enseñamos o explicamos lo que hacemos. Empezaré una lista (y ahora añadiré algunas definiciones, por comentarios):

• La potencia es la probabilidad de rechazar correctamente una hipótesis nula falsa en una situación hipotética en la que los datos provienen de una hipótesis alternativa específica o de un rango de alternativas. Por lo general, esto significa que "nuestro método estadístico debería tener éxito" si "ocurre algo".
• Sesgo: una estadística está sesgada si es sistemáticamente diferente del parámetro poblacional asociado a ella.
• Significación: los resultados son estadísticamente significativos en algún porcentaje (a menudo el 5%) en la siguiente situación: Si la población de la que procede la muestra tiene un efecto verdadero de 0, una estadística al menos tan extrema como la obtenida a partir de la muestra sólo se produciría el 5% de las veces.
• Interacción - Dos variables independientes interactúan si la relación entre la variable dependiente y una variable independiente es diferente a distintos niveles de la otra variable independiente

¡Pero tiene que haber muchos más!

Answer 1

Error.

En estadística, un "error" es una desviación de un valor de datos real con respecto a la predicción de un modelo.

En la vida real, un error es una metedura de pata u otra.

Answer 2

"Inferencia"

Una de las cosas que más me costó entender al principio fue la diferencia entre una población y una muestra. Los estadísticos escriben estas elegantes ecuaciones de regresión a nivel poblacional y luego, de repente, pasan a trabajar a nivel de muestra y el $\beta$ s se convierten en $b$ s. Me costó mucho tiempo darme cuenta de que estabas utilizando los datos del nivel de la muestra y las ecuaciones de regresión para estimar los parámetros del nivel de la población.

Otra parte importante sobre la inferencia es el teorema del límite central. Una vez que te das cuenta de que simplemente estás haciendo un muestreo de una población -aunque el muestreo es otra característica complicada parecida a la inferencia-, entonces entiendes que incluso si la media de la muestra tiene un valor, ese valor no es necesariamente la misma media que en la población.

Tal vez entendí tu pregunta de forma relativamente floja, pero una vez que alguien entiende la inferencia o las diferencias entre una muestra y la población, entonces se le abre la totalidad de la estadística.

Answer 3

Para nosotros (o al menos para mí), la "aleatoriedad" de una "muestra" sugiere que es representativa de la "población".

Para otros, la "aleatoriedad" implica a veces que una persona/cosa es inusual.

Answer 4

Creo que hay que distinguir entre los términos que confunden al público y los que confunden a los estadísticos. Las sugerencias anteriores son en su mayoría términos bien comprendidos por los estadísticos y (posiblemente) mal comprendidos por el público. Quiero añadir a la lista algunos términos mal entendidos por los estadísticos:

• Bayesiano: Originalmente se refería a lo que ahora se conoce como Bayes subjetivo (también conocido como epistémico, De Finetti). En la actualidad, el término se utilizará siempre que aparezca la regla de Bayes, rara vez en el contexto de las creencias subjetivas, que se considera teoría de la decisión.
• Bayes empírico: Originalmente se refiere a una configuración frecuentista con un no paramétrico anterior. Hoy en día, suele significar que los parámetros de la prioridad paramétrica (objetiva) se estiman y no se conocen a priori. Es decir, lo que antes se conocía como máxima verosimilitud de tipo II.
• No paramétrico: A veces se refiere a "sin modelo". A veces se refiere a "libre de distribución". Se ha convertido en algo prácticamente desinformativo en los días en que los modelos "paramétricos" pueden incluir millones de parámetros.
• Error de tipo III: a veces se refiere a un error de signo. A veces se refiere a una especificación errónea del modelo.

Answer 5

Ecológico, comúnmente utilizado para referirse a los sistemas biológicos, pero también es una falacia estadística. De Wikipedia:

Una falacia ecológica (o falacia de inferencia ecológica) es un error en la interpretación de los datos estadísticos en un estudio ecológico, por el que las inferencias sobre la naturaleza de individuos específicos se basan únicamente en las estadísticas agregadas recogidas para el grupo al que pertenecen esos individuos. Esta falacia supone que los miembros individuales de un grupo tienen las características medias del grupo en general.