Categoría Estadística

Estadística

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.

Estadística

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.

Manuel Molina
21/05/2024

Estadística

La polisemia de Q

La Q de Cochran es una medida muy utilizada para detectar la heterogeneidad entre los estudios primarios de un metanálisis. Se revisan sus propiedades estadísticas y su contraste de hipótesis. Finalmente, se describen otras medidas calculadas a partir de este valor, como el estadístico I2 y el estadístico H2, utilizados con frecuencia para cuantificar la intensidad de la heterogeneidad entre estudios.

Manuel Molina
16/04/2024

Estadística

El Palacio de las Probabilidades

Con tamaños muestrales pequeños, la varianza del coeficiente de correlación de Pearson aumenta, disminuyendo la precisión de sus estimaciones. El uso de la z de Fisher ayuda a estabilizar la varianza y obtener estimaciones más precisas en metanálisis cuya medida de resultado es una correlación y cuando la muestra de los estudios primarios es reducida.

Manuel Molina
27/02/2024

Estadística

Un baile épico

Las técnicas de regularización de la regresión múltiple pueden ser de gran utilidad para abordar problemas de colinealidad o sobreajuste. Además, pueden servir para seleccionar las variables independientes y reducir la multidimensionalidad, consiguiendo modelos más robustos y fáciles de interpretar. Se describen las técnicas de regresión de cresta (ridge), de lazo (lasso) y de red elástica.