 Estadísticas e introducción de Excel, datos obtenidos. Entremos en ello con Estadísticas y Excel, estructura del curso e intenciones. Este curso se ocupa del análisis de datos y estadísticas haciendo hincapié en su papel esencial en nuestras decisiones cotidianas y la comprensión del mundo. En general, tenemos la sensación de que las estadísticas, es importante, están involucradas en muchas cosas diferentes. Pero por lo general no tenemos una idea de cuán importantes son las estadísticas y cuán involucradas están en muchas áreas de nuestras vidas. Incluida nuestra toma de decisiones personales, nuestro lugar de trabajo, nuestro entretenimiento, nuestras noticias como, tomemos las noticias. Por ejemplo, casi todas las afirmaciones que hacen las noticias, esperamos estar respaldados por algún tipo de estadística. Ahora, desafortunadamente, las noticias saluden a esto generalmente diciendo, los expertos dicen esto, por lo que se refieren a los expertos. Pero cuando escuchamos a los expertos, no asumimos que dijeron algo que estos expertos y el mundo cambiaron para ajustarse a lo que dicen los expertos. Asumimos que los expertos tomaron algún tipo de datos, hicieron algún análisis al respecto, que dan una idea del mundo. Cuando pensamos en entretenimiento, por ejemplo, cuando vemos un deporte, ver los deportes es entretenido. Pero generalmente queremos más información sobre los deportes, queremos saber las estadísticas del equipo, queremos saber las estadísticas de los jugadores. Estamos comparando diferentes equipos con otros equipos y jugadores con diferentes jugadores. Comparamos las estadísticas del equipo en el año actual con años anteriores y así sucesivamente. Pero en el año anterior, tenían reglas diferentes. Entonces, ¿cómo puedes comparar al jugador actual con el jugador del año anterior y así sucesivamente, y profundizamos en estos análisis estadísticos? Y como cuando piensas en deportes, en realidad, los deportes son solo una forma de trabajo. Entonces, todo ese tipo de análisis que la gente aplica a los deportes realmente se aplica a nuestro lugar de trabajo, a menudo también, si vamos a la oficina de nuestro jefe y pensamos, ¿nos gustaría un aumento? No es suficiente decir, bueno, mira, realmente podría usar algo más de dinero en este momento. Es, tenemos que decir algo como, mira, esto es lo que estamos haciendo. Es por eso que merecemos un aumento basado en este tipo de análisis estadístico. Y claramente, con nuestra toma de decisiones personales cuando hacemos compras en la tienda o compramos como un automóvil, generalmente vamos a hacer algún tipo de análisis estadístico para ayudar con ese proceso de toma de decisiones. No tenemos que hacerlo, podríamos ser como, oye, mira, el trabajo, me gustó la etiqueta en este y el otro. Las etiquetas notan que podrías hacer algo así. Pero por lo general, probablemente estemos mejor si hacemos algún tipo de análisis, ¿verdad? Por lo tanto, examinaremos el papel de los datos en varios campos, como la medicina, las finanzas, el clima, la predicción, la educación y las tendencias sociales. Entonces, mientras hacemos nuestro ejemplo, los problemas intentarán extraer conjuntos de datos de muchas áreas diferentes. Así que tenemos una idea, una idea de dónde están involucradas las estadísticas en muchas áreas diferentes. Por supuesto, no podemos hacer ejemplos en todas las áreas en las que están involucradas las estadísticas. Porque, de nuevo, las estadísticas están involucradas en muchas, muchas, muchas áreas de nuestras vidas. También se refleja por cierto, si miras y miras la universidad, los títulos universitarios, cualquier campo en el que ingreses, generalmente tendrá algún tipo de requisito estadístico. Así que realmente no puedes alejarte del requisito estadístico, no porque quieran lastimarte con estadísticas y no quieras tomarlo o algo así. Pero debido a que las estadísticas van a ser importantes, no importa en qué campo se encuentre, claramente la ciencia va a ser importante. Claramente, ya sabes, cualquier tipo de economía o finanzas, va a ser importante. Pero incluso si estás en inglés, seguirá siendo bastante importante, porque vas a analizar diferentes textos. ¿Y podrías analizar cosas como, bueno, con qué frecuencia usan este troporretórico? ¿Con qué frecuencia Shakespeare usa este tipo de troporretórico? ¿O con qué frecuencia usan una cierta frase de palabras? En realidad podrías estar usando el inglés para tratar de determinar quién fue el autor de cierta cosa. Y una forma de hacerlo es mirar las palabras y con qué frecuencia se usan para tratar de determinar si es la misma persona que escribió una cosa frente a otra. Así que incluso en inglés, filosofía y ese tipo de cosas, las estadísticas van a ser importantes. Por lo tanto, sin embargo, es crucial recordar que los datos en sí mismos no tienen un significado inherente, sino que requieren una interpretación adecuada a través de herramientas estadísticas. Así que a menudo escuchamos el término, los datos nos dicen esto. Ahora, tengan cuenta que no es tan malo escuchar ese término, porque lo que realmente estamos diciendo si alguien dice que los datos nos están diciendo esto, están diciendo, oye, mira, tomé estos datos, que son aleatorios. No nos está diciendo que sabes, los datos son solo datos. No podemos obtener nada solo de datos aleatorios. Tomamos esos datos y los compilamos de tal manera que creemos que podemos inferir algo de los datos que es verdadero. ¿Quién sobre el mundo? Por lo tanto, la compilación de los datos va a ser importante, solo que los datos en sí mismos no solo nos dicen algo. Y tenga en cuenta que eso es realmente importante tener en cuenta. Porque hoy en día, tenemos datos, tenemos demasiados datos, los datos están en todas partes. Así que tenemos que poner los datos en un formato que nos diga algo. De lo contrario, los datos son realmente inútiles para nosotros. Así que los dos lados de los datos, uso, uso y mal uso de las estadísticas. Así que exploraremos cómo se pueden usar los datos para aclarar y engañar, Haciendo lo seco de la cita atribuida de Mark Twain, hay tres tipos de mentiras, mentiras, malditas mentiras y estadísticas. Lo limpié un poco. Pero probablemente hemos escuchado esa frase, hay mentiras, malditas mentiras y estadísticas. Así que la idea es que las estadísticas no tienen sentido, es inútil. No estamos obteniendo nada de las estadísticas, porque la gente simplemente miente con las estadísticas. Sin embargo, tenga en cuenta que hay verdad en que puede mentir con las estadísticas. Pero lo mismo se puede decir de las palabras, verdad. Las personas pueden mentir con palabras, las palabras son solo una herramienta para ayudarnos a darle sentido al mundo, para tratar de transmitir significado del mundo a otras personas. Así que podemos usar lo mismo con las palabras, podemos tomar algo que es verdad con las palabras, y luego aplicar ir por un mal camino desde allí. Entonces, lo que un mentiroso suele hacer es tomar algo verdadero, y dirán que esto es cierto, esto es un hecho. Y van a decir, sí, eso es un hecho. ¿Derecha? Y luego y luego se distorsionaron desde ese punto. Y terminamos yendo por un camino porque se ha entrado en él, en él, en él a la mentira se ha ingresado en algún lugar que no captamos, cierto, porque comenzó con la verdad, luego sucedió la mentira. Y ahora fuimos por el camino, y ya ni siquiera sabemos quiénes somos lo que somos, porque de alguna manera tenemos esa distorsión y falla. Y si piensas en esto, desde una perspectiva filosófica, la gente, algunas personas piensan que el mal, en esencia, es una distorsión de la verdad, verdad. Porque todo está bien. Entonces, ¿de dónde viene el mal? Se ha introducido algún tipo de distorsión de lo que es bueno en mucho engaño, y hemos tomado un camino equivocado. Entonces, ¿qué estamos tratando de hacer con nuestras herramientas? Ya sea el lenguaje o las estadísticas, estamos tratando de encontrar la verdad, estamos tratando de alinearnos con lo que realmente es. Y esa es la estrategia general. ¿Tenga en cuenta también que hay algunas filosofías que básicamente tienen la idea de que no hay verdad, verdad? Que todo es relativo, y las herramientas que usamos, usamos, que son incluso el lenguaje, incluso el lenguaje mismo, es simplemente, es solo una herramienta relativa, no tiene un significado real. Y si adoptas ese tipo de mentalidad, o aquella, esa filosofía, se hace difícil aplicar la razón misma. Y va a ser difícil hacer estadísticas, ¿verdad? Debido a que la idea de la lógica es que hay verdad, casi tienes que aceptar que a priori tienes que esa va a ser tu primera suposición, hay verdad sobre el mundo. Y estamos usando nuestras herramientas, que es el lenguaje, eso significa herramientas estadísticas, para inferir qué es esa verdad, para que se nos revele a través de algunas de estas herramientas que podemos usar para revelar la verdad. Entonces, obviamente, se pueden hacer las mismas cosas con las estadísticas, podemos usar una pieza de estadística, una pequeña cosa que decimos, oye, eso es cierto. Mira, esto es cierto, no puedes negar eso y luego van desde allí, y se han perdido que introdujeron la mentira desde ese punto. Y luego vamos por un camino. Eso no es correcto, al igual que lo hacemos con las palabras. Pero eso no es culpa de las estadísticas, al igual que no es culpa de las palabras, usaste malas estadísticas. Entonces, lo que queremos hacer es decir, al igual que somos bastante buenos para ver lo que es un mentiroso, con palabras, queremos aplicar esas mismas habilidades y ver cómo la gente miente con las estadísticas, lo cual es casi tan importante, si no tan importante, como ver cómo la gente puede decir la verdad con estadísticas, para que podamos decir la verdad del mundo con las herramientas. Y podemos ver cómo la gente engañará con las mismas herramientas, no culpando a la herramienta, sino culpando al mentiroso que está usando la herramienta para engañar o posiblemente cometiendo un error si estamos teniendo un buen eso. Sin embargo, algunas personas dirán que también es más fácil mentir sin estadísticas. En otras palabras, si no tuviéramos las herramientas de estadísticas que nos permitirían detectar el problema, entonces todo sería relativo. Como si no hubiera verdad, no hubiera estadísticas, en realidad es más fácil, ya sabes, mentir, porque no hay forma de probar realmente lo que realmente sabes, verdadero. Así que propósito de las herramientas estadísticas. Este curso tiene como objetivo armarlo con los principios e ideas de estadísticas necesarias para sacar conclusiones significativas de los datos. Cubriremos la probabilidad y cómo nos ayuda a comprender y cuantificar lo desconocido. Entonces, lo que nos gustaría hacer era poder aplicar estas herramientas para tratar de poder ver cuando las personas mienten y ver cómo podemos extraer la verdad de un conjunto de datos. No todo se puede cuantificar. Fíjate, esa es otra cosa con la que la gente a menudo no tiene problemas, están en desacuerdo y dicen, bueno, no todo puede ser cuantificable, pero muchas cosas pueden estar bien. Y la cuestión es que cuanto más podamos aplicar una prueba rigurosa, ya sabes, en esas áreas, queremos, queremos ser capaces de hacer eso si podemos medir algo de manera justa. Queremos ser capaces de medir algo de manera justa reconociendo que no todo se puede medir, ya sabes, exactamente de esa manera. Pero los principales desafíos están en las estadísticas. Por lo tanto, puede combinar estadísticas o agrupar estadísticas en dos grupos principales. Entonces, el análisis integral de datos de un cubo y el segundo es la inferencia estadística. Ahora, en mi experiencia, la mayoría de las personas, cuando dices estadísticas, piensan en el segundo concepto, porque a menudo, están pensando en encuestas, por ejemplo, encuestas electorales, o tratando de averiguar algo sobre una población a partir de una muestra, que es una práctica común dentro de las estadísticas, las prácticas científicas a menudo están haciendo un tipo similar de cosas. Estamos tomando algún tipo de muestra y tratando de entender a toda la población, la otra sería un análisis exhaustivo de datos. Entonces, en este caso, este desafío implica extraer significado de un conjunto de datos completo. Por ejemplo, utilizando registros completos de estudiantes universitarios, podríamos predecir el rendimiento futuro en función de los puntajes entrantes del SAT y el rango de la escuela secundaria. Entonces, en otras palabras, podríamos tener los datos completos. Conocemos todos los datos sobre los puntajes del SAT y su rendimiento en la escuela secundaria, tenemos todos los datos. No estamos tratando de inferir cuáles fueron los puntajes del SAT de todos, tenemos todos los datos. Lo que estamos tratando de hacer es organizar ese conjunto de datos para posiblemente darnos alguna comprensión sobre algo posiblemente en el futuro. Correcto, como el rendimiento universitario, eso va a suceder en el futuro. Mientras que la inferencia estadística, este desafío se relaciona con hacer inferencia sobre una población más grande basada en una muestra. Por lo tanto, los ejemplos incluyen predecir los resultados electorales basados en una encuesta o predecir la altura promedio de una población basada en datos de muestra. Así que este es el que, si estás tratando de predecir quién va a ganar la encuesta, entonces puedes tratar de ver por qué va a votar la gente desde el principio. Y, entonces, lo que están haciendo es tomar una muestra y tratar de inferir lo que va a suceder en toda la población. Muchos análisis científicos, si están tratando de determinar algo, ya saben, sobre una población o especie o algo así, o como la altura de algo o lo que sea, pueden medir, van a tomar una muestra. Vas a tomar una muestra de, de, de la población, y luego ver si puedes hacer algún tipo de análisis estadístico sobre, sobre la población completa. Y entonces, así que los veremos en el futuro. Entonces, por supuesto, el objetivo de este curso le proporcionará numerosos ejemplos intrigantes que demuestran la practicidad y la amplia aplicabilidad del análisis estadístico. Miraremos más allá de la noción de simplemente conectar datos en fórmulas para comprender la base lógica y las estrategias que sustentan el razonamiento estadístico. En otras palabras, a menudo, cuando las personas están aprendiendo estadísticas, pueden estar tomando un curso de estadística y la universidad solo porque están obligados a tomarlo. Y solo están aprendiendo fórmulas y como conectar números en fórmulas para obtener el resultado adecuado, la respuesta para que puedan aprobar el curso universitario. El problema con este enfoque es que realmente no estás obteniendo una comprensión profunda de por qué estás, estás conectando los números en la fórmula. ¿Y cuáles son los principios subyacentes para conectar esos números en las fórmulas? Ahora, a menudo, para obtener una imagen más completa de la justificación de las estadísticas que estamos haciendo, podemos usar imágenes, podemos usar tablas y gráficos. YxAO es una gran herramienta para ayudarnos a hacer eso. Ahora, solía ser que cuando aprendemos estadísticas, tendríamos tablas y gráficos que estarían en una demostración y como un formato de conferencia. Pero luego, cuando realmente hacemos las estadísticas, solo estamos conectando números en fórmulas. Pero en estos días, por supuesto, tenemos la aplicación de Excel que nos permite crear nuestros propios formatos pictóricos de los cuadros y gráficos mucho más fácilmente. Y trataremos de hacerlo a medida que avanzamos en nuestro problema de práctica. Entonces, el otro problema a menudo es que las personas aprenden a hacer fórmulas en Excel sin comprender las matemáticas o la lógica que sustenta las fórmulas en Excel. Por lo tanto, Excel acortará las matemáticas, por lo que es aún más fácil conectar los números a Excel para obtener un resultado. Sin embargo, nuevamente, el problema es que si no entendemos la justificación de los datos que estamos poniendo en el sistema, los resultados no nos darán tanta información sobre la que podemos tomar decisiones como lo haría de otra manera. Así que nuestro objetivo final es importar una comprensión genuina de uno de los modos de razonamiento más útiles, influyentes y universales en el mundo de hoy. Así que de nuevo, sólo teniendo en cuenta el uso común de las estadísticas, básicamente está en todas partes, no es demasiado difícil una vez que entendemos la lógica de las estadísticas. Y si entendemos estas estadísticas que se usan en todas partes, tenemos una herramienta que realmente mucha gente no tiene y que se puede usar, ya sabes, con bastante frecuencia. Por lo tanto, esta comprensión se está volviendo cada vez más vita a la medida que la tecnología continúa facilitando el acceso a conjuntos de datos más significativos y técnicas de análisis avanzadas. Tan claramente con Internet, que estamos inundados de datos en estos días, por lo que obtener los datos no es el problema que solía ser, sigue siendo un problema en algunas áreas, pero hay muchos más datos. Solía ser que obtener los datos era mucho más difícil. Ahora tenemos un montón de datos por todas partes. Y el problema a menudo es tratar de poner esos datos en un formato sobre el que podamos tomar decisiones. Ahora, si no podemos entender cómo hacerlo, vamos a depender de citar a los expertos y citar para compilar los datos y decirnos qué significan los datos. Y personalmente soy menos, supongo, soy más escéptico acerca de confiar en los expertos, preferiría tener una idea de lo que los expertos están haciendo para interpretar los datos. Así que esas habilidades, creo que serán útiles en la vida cotidiana. Entonces, las herramientas, obviamente, vamos a usar herramientas matemáticas para estadísticas. Las matemáticas son importantes, porque eso nos ayudará a obtener los principios y conceptos subyacentes. Pero también usaremos Excel. Ahora, Excel nos permitirá usar funciones que acortan las matemáticas. Así que a veces es útil mirar la ecuación, la ecuación matemática, porque podemos intuir el significado de la ecuación. Pero también es útil en Excel para obtener la respuesta más rápidamente. Pero Excel también se puede utilizar para hacer esas representaciones pictóricas. Ahora, sólo quiero señalar a menudo, cuando pensamos en representaciones pictóricas de datos, muchas personas tienen una idea despectiva en su mente de eso, como si hubiera alguien como Einstein con su cabello loco y encrespado, y todo eso, ya sabes, el científico loco es capaz de hacer todos los cálculos y está aprendiendo todo. Sólo estrictamente de mirar una fórmula. Esto es lo que no es cierto, no creo, pero esta es la idea que tenemos. Y luego, para inmudecer eso y darlo para darlo como, como, somos niños como un libro ilustrado, tienen que hacer una imagen de eso para explicarnos el genio de Einstein, a nosotros, personas mortales, ¿verdad? Entonces hacen una imagen de los datos, para que puedan contarnos los. Pero no es así como funciona en la práctica, ¿verdad? Incluso si eres el Einstein, a menudo estás trabajando en imágenes, así como en fórmulas, a menudo es al revés. Quiero decir, Einstein era bastante bueno visualizando cosas. Así que es famoso por visualizar básicamente cómo sería si estuviera cayendo a la misma velocidad que un rayo de luz, ¿verdad? ¿Cómo sería eso? Así que realmente imaginó eso, lo que le ayudó a formular sus fórmulas matemáticas. Así que es un poco difícil decir, ya sabes, que fue primero su visualización o, ya sabes, tenía esta idea en su cabeza, por lo que las imágenes son bastante importantes, incluso si eres como un Einstein correcto, que el punto es que queremos tener una representación pictórica, porque la representación pictórica nos dirá cosas sobre los datos que una representación de fórmula no puede y simplemente organizando los datos. Ciertamente, ya sabes, no nos dirá o simplemente un conjunto aleatorio de. Datos ciertamente no nos dirá Excel, una gran herramienta para poder hacer eso. Y muchas personas, por supuesto, tienen acceso a Excel ahora. Entonces, la capacidad de poner algunos datos en Excel y hacer un análisis básico de ellos puede ayudarlo en cualquier área, como digo, como su toma de decisiones personal, en su toma de decisiones laborales. Te estás comparando con otro desempeño en tu trabajo. Ya sabes, que tipo de compras debes hacer incluso tu entretenimiento cuando estás mirando quiénes el mejor jugador de deportes y este tipo de cosas, pudiendo poner los datos en Excel útiles. Entonces, dos términos clave en estadística. Datos y estadísticas plantean una pregunta gramatical común, son singulares o plurales. Ahora, observe que cuando pensamos en estadísticas, quiero señalar que la terminología es importante porque queremos llegar a definiciones reales, porque las definiciones nos ayudarán a comunicarnos con otros sobre estadísticas. Pero este tipo particular de problema no creo que sea un problema para la comunicación normal porque si tienes y eres un hablante de inglés, el tipo normal de uso de estadísticas creo que la gente entenderá lo que estás diciendo, en su mayor parte, aunque algunas personas pueden obtener un poco, ya sabes, tienen sus preferencias sobre exactamente cómo debes usar el término datos cuando se trata de plural versus singular. Entonces, sólo para señalar los datos señalados, esta palabra se origina en el dato latino, que significa una sola información. Y, por lo tanto, los datos son la forma plural y, por lo general, se usan para referirse a múltiples piezas de información. Entonces, cuando piensas en datos basados en el origen de ellos, dirías bueno, los datos son el plural y luego el dato sería una pieza singular de datos. Pero a menudo, cuando las personas dicen datos, entonces podrían estar diciendo que son datos, ¿verdad? Si dices que es un dato, ya sabes, la gente podría decir que es un dato, es una pieza de datos. Ya sabes, siempre y cuando tengas que ser algo específico para saber qué es exactamente lo que estás diciendo. Pero tenemos esto, el pro, el plural y el singular es un poco diferente en inglés que otros plurales y singulares es el problema, ¿verdad? Porque pensarías que sería como datos con una S para el plural, frente al ST. Y de todos modos, sin embargo, en el uso contemporáneo los datos a menudo se tratan como singulares cuando se refieren a una colección o cuerpo de información. Así que claramente, cuando se habla de todo el conjunto de datos, como si se habla de un montón de datos, un montón de datos, el plural sería los datos, hay múltiples datos, si estás hablando de todo el conjunto en sí, ahora estás hablando de una cosa singular y la gente todavía generalmente se referirá a eso como los datos de datos. Ahora, para ser más específico, podrías llamarlo una pieza de datos, como si fuera una pieza singular de datos, ¿verdad? Un dato o un dato. Pero y luego, si estás hablando de todos los datos, eso, esos son todos los datos, ¿verdad? En, si estás hablando del conjunto de datos, podrías decir como, bueno, ese es el conjunto de datos, ya sabes, o algo así para tratar de ser más específico. Pero, de nuevo, las estadísticas son un tipo similar de problema, porque tiene esta S al final, que generalmente indica un plural en inglés, muchas palabras en inglés. Pero estadística, el término estadística puede ser tanto singular como plural, dependiendo de su contexto. Así, por ejemplo, la estadística es singular cuando se refiere al campo de estudio. Entonces, cuando hablas del campo de la estadística, no dice singular, es el campo de la estadística y suelta la S que suena gracioso, si eres un hablante nativo de inglés, sonaría gracioso si no lo hicieras de todos modos. Pero si lo piensas, estas palabras son un poco extrañas con respecto al inglés, singular versus plural, porque ya sabes, no están estructuradas con una S para el plural. Entonces, por otro lado, estadística es plural cuando se refiere a hechos numéricos o piezas de información derivadas del conjunto de datos. Entonces, cuando hablas de esto, esta es la inferencia. Estas son las estadísticas, la media, la mediana y todo eso, esas ahora estás hablando de múltiples cosas y todavía vas a decir estadísticas correctas y múltiples. Así que, por ejemplo, las estadísticas de la investigación muestran una tendencia significativa, está bien. Los conceptos erróneos comunes sobre las estadísticas es que se trata de destilar situaciones sus complejas, hasta una o dos palabras, esto simplifica en exceso la realidad del análisis estadístico. Percepción tan simplista, muchas personas perciben las estadísticas como un medio para condensar escenarios complicados en unas pocas palabras o números. Este punto de vista, aunque captura un aspecto de las estadísticas, no aprecia completamente la complejidad y el potencial del análisis estadístico. Entonces, en otras palabras, ya sabes, generalmente somos seres humanos, queremos obtener una respuesta rápida a algo. Entonces, cuando miramos un conjunto de datos, básicamente queremos decir, bien, ¿que nos dicen esos datos? Y pasemos a lo siguiente, hacemos esto, hacemos lo mismo con todo bien, tropezamos porque de lo contrario, nos atascaríamos con demasiada información. Así que usamos atajos, heurística y cosas así. Entonces, cuando hablamos de personas, podemos decir, bueno, esa persona es así, es como, es como este tipo de persona o algo así, como sí, obviamente, cuando decimos eso sobre alguien, no significa que eso sea demasiado simplificado. O sí decimos un libro, ese libro está diciendo esto, o un filósofo está diciendo que eso es lo que dice ese filósofo, ya sabes, y tratamos de poner todo en una caja muy específica y luego podemos pasar a lo siguiente para que podamos aprender algo más. Pero claramente, si estamos hablando de un libro o un filósofo o una persona, es una manera de simplificar. Si quieres entrar en una comprensión más matizada, y normalmente lo mismo va a hacer con los datos. ¿Es como un libro, verdad? Es un montón de información. Entonces, si está tomando un conjunto completo de datos que se han compilado, a menudo habrá varias historias que podría compilar a partir de esos datos. Ahora, cuando miras los datos desde una perspectiva científica, el punto es que estás tratando de recortar todo el resto del ruido para que puedas probar una cosa a la vez. Voy a la hipótesis y luego una prueba de la hipótesis. Pero cuando estás mirando solo un conjunto de datos, y estás tratando de decir que proviene de esos datos, podría haber, quiero decir, múltiples historias diferentes, ya sabes, provenientes de los datos, ¿verdad? Por lo tanto, la realidad del análisis estadístico, en lugar de ser una simple herramienta de resumen, proporciona un conjunto de métodos para analizar e interpretar colecciones complejas de información. El desafío radica en extraer información significativa sin perder detalles significativos de los datos. Entonces, la otra forma en que las personas a menudo simplifican los datos, es que tratarán de dividirlos en un número, generalmente el promedio o la media, a veces la mediana, y luego dirán, Bueno, eso, eso nos da la imagen completa de los datos. Pero claramente no lo hace, cierto. Porque si no conocemos la propagación de los datos alrededor de la media, o la mediana, entonces no lo somos. Entonces no tenemos tanta información como lo haríamos y supiéramos que la imagen real realmente ayuda mucho con eso. Por lo tanto, la necesidad de herramientas y vocabulario, para que se adapte a transmitir con precisión la compleja información inherente a los datos, es crucial desarrollar y utilizar herramientas estadísticas y vocabulario apropiados. Estas herramientas nos ayudan a interpretar y describir los datos de manera que mantengan un equilibrio entre simplicidad y detalle. Así que claramente, cuando estamos tratando de comunicar información más detallada, entonces crear herramientas que puedan dar una descripción más específica sobre las características de los datos, como la propagación, y cosas así, es, es bastante útil. Las imágenes siguen siendo útiles también, porque eso nos da una visualización diferente. Pero las definiciones también son importantes. Así que no dejes que el deconstruccionista derribe nuestras definiciones de análisis estadístico porque necesitamos que necesitemos, necesitamos acordar términos para comunicarnos coherentemente sobre las verdades que hay en el mundo que podemos discernir con nuestras herramientas analíticas y nuestros sentidos. Por lo tanto, el objetivo final del análisis estadístico no es solo simplificar, sino crear descripciones resumidas que sean directas y significativas, capturando la riqueza y diversidad de los datos sin perder información vital. Así que es un acto de equilibrio, ese acto de equilibrio puede ser bastante complejo, y es algo así como una forma de arte, porque queremos simplificar los datos para que podamos encontrar significado a partir de ellos, pero no simplificarlos demasiado hasta el punto de que realmente hayamos quitado significado, o algo peor. Llegamos a conclusiones que son incorrectas.