Categoría Estadística

Trim-and-fill Trim-and-fill

Una sesión de espiritismo

La existencia de sesgo de publicación puede sesgar los resultados de un metanálisis. El método de trim and fill trata de calcular una estimación del efecto corregida por el sesgo que puedan haber introducido los estudios ausentes. El objetivo es imputar estos estudios faltantes e ir incluyéndolos en el gráfico en embudo hasta que desaparezca la asimetría. Una vez conseguido este embudo extendido, se recalcula la medida de efecto para obtener una estimación que corrija el efecto de los estudios pequeños.
Trim-and-fill Trim-and-fill

Entre bambalinas

Las pruebas de Shapiro-Wilk y de Kolmogorov-Smirnov son los test de contraste más empleados para comprobar la bondad de ajuste a una distribución normal de nuestros datos. Se describe su realización paso a paso y su equivalencia en métodos gráficos como el gráfico de cuantiles teóricos y el gráfico de la función de densidad acumulada.
Trim-and-fill Trim-and-fill

La chica de la curva

La curva de la p se centra en los valores significativos de p de los estudios primarios de un metanálisis y permite estimar, además del sesgo de publicación, si puede haber un efecto real tras el estudio, cuál es su magnitud y si existe sospecha de malas prácticas por parte de los investigadores para obtener valores estadísticamente significativos.
Tasa de descubrimiento falso

Percy Fawcett y la ciudad perdida

Cuando se realizan múltiples contrastes de hipótesis, se incrementa la probabilidad de cometer un error de tipo 1, aumentando el riesgo de detectar efectos falsamente positivos. La tasa de falso descubrimiento permite limitar la probabilidad de error de tipo 1 cuando el número de contrastes es muy elevado, permitiendo controlar también el riesgo de cometer errores de tipo 2 y fracasar en la detección de verdaderos positivos.
Trim-and-fill Trim-and-fill

El árbol y el laberinto

Un árbol de decisión es un modelo de aprendizaje automático que se utiliza para estimar una variable objetivo basándose en varias variables de entrada. Esta variable objetivo puede ser tanto numérica (árboles de regresión) como nominal (árboles de clasificación). Se describe la metodología de construcción de árboles de decisión para regresión y clasificación, así como su interpretación.
Esta web utiliza cookies propias y de terceros para su correcto funcionamiento y para fines analíticos. Al hacer clic en el botón Aceptar, aceptas el uso de estas tecnologías y el procesamiento de tus datos para estos propósitos. Antes de aceptar puedes ver Configurar cookies para realizar un consentimiento selectivo.    Más información
Privacidad