Resumen Completo De Como Mentir Con Estadisticas

Pero sí había un sesgo, por supuesto: las personas que podían pagar teléfonos y suscripciones a revistas en 1936 no eran una muestra representativa de votantes. Económicamente eran un tipo de votante especial, una muestra sesgada porque estaba cargada de lo que resultaron ser votantes republicanos. La muestra de la revista eligió a Landon como ganador, pero los votantes reales escogieron lo contrario. De hecho, Roosevelt ganó con más del 98% de los votos.

Recordemos cuando en 1936 la revista Literary Digest protagonizó un famoso fiasco estadístico. Los diez millones de suscriptores de la revista participaron en una encuesta por teléfono y aseguraron a los editores que Landon ganaría las elecciones presidenciales contra Roosevelt.

Vale la pena tener en cuenta también que la confiabilidad de una muestra puede ser destruida tan fácilmente por fuentes invisibles de sesgo como por fuentes visibles. Es decir, incluso si no puedes encontrar una fuente de sesgo demostrable, siempre debes conservar cierto grado de escepticismo sobre los resultados. La posibilidad de sesgo nunca dejará de estar presente en alguna parte.

¿cómo se obtiene una muestra aleatoria dentro de la estratificación? Lo obvio es comenzar con una lista de todos los agricultores que existen y buscar nombres elegidos al azar, pero hacer eso es demasiado caro. Si entonces optas por entrevistar a las personas en la calle, se sesga tu muestra en contra de los que se quedan en casa. Si vas de puerta en puerta durante el día, te perderás a la mayoría de las personas que salen a trabajar. Si cambias a las entrevistas nocturnas, descuidas a los cinéfilos y a los que van a clubes nocturnos.

El funcionamiento de una encuesta se reduce, al final, a una batalla continua contra las fuentes de sesgo, y esta batalla la llevan a cabo todo el tiempo todas las organizaciones de encuestas de renombre.

La prueba de que la muestra aleatoria está funcionando consiste en responder la siguiente pregunta: ¿Tiene cada nombre o cosa del grupo la misma probabilidad de quedar en la muestra? La muestra puramente aleatoria es el único tipo de muestra que puede examinarse con total confianza por medio de la teoría estadística, pero tiene un problema.

Es tan difícil y costosa de obtener para muchos usos, que el simple costo la vuelve inviable. Un sustituto más económico, que se utiliza casi universalmente en campos como las encuestas de opinión y la investigación de mercado, se llama muestreo aleatorio estratificado.

Para obtener esta muestra estratificada, se divide el universo en varios grupos en proporción a su prevalencia conocida. Es allí mismo donde puede comenzar el problema: la información sobre la proporción puede no ser correcta.

Imagina que quieres encuestar a un grupo de agricultores cuya edad y raza específicas no importan, pues tu enfoque está en los ingresos generales de un agricultor. Entonces, comienzas a contactar a un porcentaje de personas en cada uno de los distintos niveles de ingresos, pero cuidando de dividir el grupo en partes iguales entre personas de distintas razas y mayores y menores de cuarenta años.

Debes proceder así precisamente porque los factores de raza y edad supuestamente no importan y no vas a hacer una estadística sobre agricultores negros o sobre agricultores menores de cuarenta años.

El muestreo más certero es del tipo llamado "aleatorio".

Obtener una muestra verdaderamente aleatoria es más fácil de decir que de hacer. Para que una muestra sea buena y sí pueda proporcionar una estadística certera, debe poseer dos cualidades: debe ser lo suficientemente grande como para ser significativa y debe ser aleatoria en su totalidad.

Para tener un valor informativo serio, una estadística basada en un muestreo debe utilizar una muestra representativa, que es aquella de la que se han eliminado todas las fuentes de sesgo. Ahí es donde esa figura de Yale muestra su inutilidad. También es donde muchas de las cosas que se pueden leer en periódicos y revistas revelan su inherente falta de significado.

Si tienes un barril de frijoles, algunos rojos y otros blancos, solo hay una forma de saber exactamente cuántos hay de cada color: ponte a contarlos uno por uno. Sin embargo, puedes averiguar aproximadamente cuántos rojos hay de una manera mucho más fácil, sacando un puñado de frijoles y contando solo los rojos. Esto, en teoría, te permite sacar la proporción que existe en todo el barril.

Si tu muestra es lo suficientemente grande y está seleccionada de manera correcta, representará el conjunto de todo el barril de manera más o menos acertada. Pero si no lo es, la muestra puede ser mucho menos precisa que cualquier otra suposición al azar y puede inspirar números muy lejanos a la realidad que nos engañen por su aparente precisión científica.

Como puedes ver, el término promedio no es tan simple como parece, por lo que siempre vale la pena cuestionar a qué tipo de promedio se está haciendo referencia.

también podría haber usado la moda, que denota la fuente de ingresos más común del área. Si la mayoría de los hogares ganan $22,000 por año, por ejemplo, $22,000 sería el promedio según la moda.