Capacitación en investigación educativa y análisis estadístico para docentes - Sesión 5: Población y muestra

Hoy aprendimos sobre población y muestra.

Mañana tengo una clase de artesanía en cuero, así que estuve muy ocupado, pero gracias a mi esposa, que hizo que los niños se durmieran temprano, estudié durante 1 hora.

Siento que debo estudiar con más empeño.

1. Población vs muestra

Entender la diferencia entre población y muestra es muy importante para la validez de los resultados de la investigación.

Supongamos que existe la siguiente afirmación de un investigador.

El desayuno no contribuye a mejorar el rendimiento académico de los estudiantes de secundaria que asisten a la escuela en la provincia de Gyeonggi.

Lo que este investigador quiere decir es que el desayuno no ayuda a mejorar el rendimiento académico de todos los estudiantes de secundaria, o de los estudiantes de secundaria de la provincia de Gyeonggi.

Sin embargo, en la práctica, el número de estudiantes de secundaria seleccionados para el estudio es pequeño en comparación con el total de estudiantes de secundaria.

Aquí surge una diferencia conceptual importante.

El investigador quiere hablar del efecto del desayuno para todos los estudiantes, pero en realidad lo que ha analizado es solo una parte de ellos.

A partir de los datos de estos estudiantes de secundaria seleccionados, se recurre a la inferencia estadística para ampliar las conclusiones al conjunto de todos los estudiantes de secundaria.

2. Representatividad de la muestra y muestreo aleatorio

¿Qué se necesita para que una muestra obtenida mediante sampling (muestreo) represente a la población?

Si los estudiantes de secundaria seleccionados presentan sesgos en aspectos como ingresos familiares o género, ¿serán válidas las conclusiones inferidas a partir de ellos?

Si la muestra no representa a la población y existen grandes diferencias, la inferencia obtenida a través de la investigación no es válida.

La clave está en cómo se realiza el muestreo.

Si se hace random sampling (muestreo aleatorio), las características de la población se reflejan de manera equilibrada.

Sin embargo, incluso si el muestreo aleatorio se ha realizado correctamente, las conclusiones obtenidas a partir de la muestra no siempre coinciden con los resultados de la población.

El esfuerzo por tratar estadísticamente el azar (el sesgo no sistemático) presente en la muestra se denomina significancia estadística.

3. Comprensión de la significancia estadística

Supongamos que extraemos varias muestras de una población.

En la población no hay efecto del desayuno.

En la muestra, por azar, el valor del análisis puede diferir.

Si reunimos todas las estimaciones de las muestras tras este muestreo, la probabilidad de obtener un valor mayor que el valor central de 0.358 es la probabilidad de significancia (p-value).

En el artículo se demuestra que, bajo el supuesto de que no existe efecto del desayuno, la probabilidad de que un efecto de 0.358 se observe por azar en una muestra extraída aleatoriamente es menor que 0.001.

Por lo tanto, como en la población no puede aparecer un valor de 0.358, se demuestra que en la población no hay efecto.

4. Reflexiones finales

Parece que en los artículos académicos la validez lógica es extremadamente importante.

Pienso que, en cierto modo, quienes son meticulosos y persistentes al profundizar en las cosas son personas adecuadas para escribir artículos.

Tal vez haya que desmenuzar el pensamiento en partes muy pequeñas y comprobar constantemente si el puente entre una idea y otra está orientado en la dirección correcta.

Tengo que planear un artículo, y siento que las cosas sobre las que debo reflexionar van aumentando cada vez más.