Artículo de Rosana Ferrero, Directora académica del Máster de data science en Máxima Formación
En la era del Big Data, una gran cantidad de datos es un activo para cualquier empresa o institución, pero solo si se procesan de manera eficiente. Se habla mucho de los algoritmos y los softwares estadísticos, pero la correcta interpretación de los resultados de un análisis puede ser aún más difícil. Incluso expertos en estadística suelen ser presa de ciertos errores comunes que hoy te contamos.
7. No informar el p-valor exacto ni los resultados completos de la prueba de hipótesis
En muchos artículos científicos verás los resultados estadísticos como p-valores, pero esto es solo la punta del iceberg, y depende de:
- tamaño de efecto (ES), ES grandes son más fáciles de detectar.
- tamaño de muestra (N). muestras grandes dan pruebas más sensibles
- Diseño de estudio, selección de muestra, muestreo, pre-procesamiento (detección de outliers), etc..
Si no reflejamos esta información en nuestro estudio, podemos dar información sesgada o errónea de nuestros resultados.
El paquete ggstatsplot nos permite realizar gráficos espectaculares e incluir los resultados estadísticos en formato APA listo para publicar.
Interpretar correctamente los resultados de un análisis puede ser muy difícil
Para volverte un PRO en Data Science, no cometas los errores que te he mostrado en esta publicación y fórmate.
Te ayudamos. Desde 2016 somos los formadores exclusivos en Data Science del CSIC. Cientos de investigadores de todo España se han formado con nosotros. Lee sus opiniones aquí. Y hemos creado dos Máster online en Data Science y Machine Learning con R software; actualizados, prácticos y con seguimiento personalizado.
¿Te gustó esta publicación? ¿Quieres más? Descarga este recurso gratuito con las 30 claves imprescindibles para planificarte y diseñar investigaciones de análisis de datos rigurosas.👇
Último pecado y conclusión el próximo lunes 20 de diciembre de 2021 en Big Data Magazine
Siete pecados estadísticos que incluso los expertos cometen (I)
Siete pecados estadísticos que incluso los expertos cometen (II)
Siete pecados estadísticos que incluso los expertos cometen (III)
