La Oficina Central de Estadísticas tiene un papel legal en la coordinación de estadísticas oficiales en Irlanda. En particular, tiene la autoridad para garantizar que se usen clasificaciones estándar apropiadas para este propósito. Con este fin, la Ley de Estadísticas de 1993, 10 (2), establece que ‘la Oficina (a saber, la Oficina Central de Estadísticas) tendrá autoridad para coordinar las estadísticas oficiales compiladas por las autoridades públicas para garantizar, en particular, la adherencia a los estándares estadísticos y El uso de clasificaciones apropiadas.
Una clasificación es un conjunto ordenado de categorías relacionadas utilizadas para agrupar datos de acuerdo con sus similitudes. Consiste en códigos y descriptores y permite que las respuestas de las encuestas se pongan en categorías significativas para producir datos útiles. Una clasificación es una herramienta útil para cualquier persona que desarrolle encuestas estadísticas. Es un marco que simplifica el tema que se está estudiando y facilita la clasificación de todos los datos o respuestas recibidas.
Generalmente se acepta que una clasificación estándar generalmente cumplirá con una serie de requisitos que se describen a continuación.
Categorías exhaustivas: todas las respuestas de la encuesta deben encajar en la estructura de clasificación en algún lugar de descriptores precisos y significativos para las categorías: el contenido de cada categoría en la clasificación debe definirse claramente conceptualmente sólido: la clasificación debe tener una base conceptual y una estructura lógicamente equilibrada estadísticamente – En general, las respuestas de la encuesta no deben caer en gran medida en una categoría y escasamente en las otras categorías operacionalmente factibles: no tiene sentido tener una clasificación que no pueda implementarse en la práctica estadísticamente sólida: la clasificación debería poder usarse para una serie de una serie de años sin revisión internacionalmente comparable: la clasificación debe ser comparable con cualquier clasificación estándar internacional
¿Cómo se clasifica la estadística inferencial?
Las muestras aleatorias simples de la dimensión N> 1 se considerarán principalmente, que pueden interpretarse como realizaciones independientes de un experimento básico, en las mismas condiciones. Dado que se considera un experimento aleatorio, el cálculo de la probabilidad está involucrado. En la inferencia estadística hay, en cierto sentido, una reversión del punto de vista con respecto al cálculo de la probabilidad. Como parte de este último, conocido el proceso de generación de datos experimentales (modelo probabilístico) podemos evaluar la probabilidad de los diferentes resultados posibles de un experimento. En las estadísticas, el proceso de generación de datos experimentales no se conoce completamente (el proceso en cuestión es, en última instancia, el sujeto de investigación) y las técnicas estadísticas tienen como objetivo inducir las características de este proceso en función de la observación de los datos experimentales generados por esto.
El segundo período grande, aún en progreso, fue posible gracias al creciente cálculo de las computadoras, disponible a precios cada vez más asequibles. Esto permitió alejarse de hipótesis cómodas desde un punto de vista matemático, pero no siempre adecuado para la realidad al poner en práctica incluso ideas antiguas como la bayesiana que encuentra aplicaciones prácticas solo en presencia de cálculo de las computadoras, así como datos. Técnicas de resolución como el método Monte Carlo, Bootstraping, Jackknife, etc. Vinculado a personajes como John Von Neumann, Stanisław Marcin Ulam, Bradley Efron, Richard Von Mises y otros.
El primero está vinculado a las contribuciones históricas de R. Fisher, K. Pearson, y representa la posición mayoritaria. El segundo, en la actualidad (2005) sigue siendo minoría, pero creciendo, se basa en el uso del resultado del teorema de Bayes a los efectos de la inferencia estadística.
Sin embargo, hay un tercer enfoque para la verdad, que es una disputa del concepto de inferencia, a saber, el subjetivismo estadístico defendido por el ingeniero y matemático Bruno de Finetti. En particular, De Finetti disputando la posibilidad ontológica de que existan casos repetibles, disputa la fiabilidad de las estadísticas frecuentistas. Emblemático de esta posición es el siguiente pasaje de De Finetti «Está seguro de las diferencias entre los diferentes casos, por ejemplo, para el lote, dos bolas diferentes ciertamente difieren al menos para traer dos números diferentes 27 y eso, en el Momento de la extracción, ocupa dos posiciones diferentes en la urna. ¿Por qué estas condiciones no tienen en cuenta? » (Entonces, en la página 2 en el probabilismo de Bruno de Finetti. Ensayo crítico sobre la teoría de la probabilidad y sobre el valor de la ciencia, el editor F. Perrella, Nápoles 1931)
¿Qué es estadística inferencial y sus características?
Existen múltiples instrumentos de estadísticas inferenciales: cuya elección es la más apropiada o más adecuada es la que analiza los datos. Para que esta elección no sea completamente aleatoria, es necesario que el que se ocupa del análisis de los datos haya estudiado previamente y en profundidad lo que es objeto de investigación, no se centra solo en el aspecto puramente estadístico.
La elección del método debe basarse, así como en el tipo de datos, también en el problema al que el estudio en su conjunto está tratando de encontrar una solución.
Los tres problemas típicos de inferencia estadística son:
- Comparación entre grupos independientes
- Comparación de las respuestas de un solo grupo en diferentes condiciones
- Estudio de la relación existente entre variables medidas en la misma muestra.
Las herramientas estadísticas más populares para la realización del análisis de estadísticas inferenciales son (no una lista no exhaustiva de todas las herramientas):
Elegir la prueba más adecuada es el resultado del conocimiento y la experiencia. Muchas veces la elección de la prueba se realiza sin ningún conocimiento de cómo la prueba «funciona» en los datos, ya que solo confiamos en la capacidad del software para procesar los datos y desde aquí solo leemos el valor del valor p. Este enfoque, así como completamente incorrecto porque se usa una herramienta sin saber qué y, como se leen los datos, es una fuente de muchos sesgos y estos son perjudiciales para todo el mundo de la investigación científica si no se identifican y se resuelven adecuadamente. La identificación y el método para reducir el sesgo deben ser parte del trabajo a priori de crear el protocolo de investigación.
Artículos Relacionados:
