Introduccion a la Estadística

Transcripción

1 Introduccion a la Estadística Grado en Biología. Universidad de Alcalá. Curso Actualizado: Introduccion a la Estadística Actualizado: / 15

2 Panorámica del curso. No vamos a tratar de definir la Estadística: al final del curso te habrás formado tu propia idea y sabrás de qué va esto. Es necesaria la Estadística? En Biología es un requisito imprescindible, un componente fundamental del método científico. Para muestra, dos de los últimos números de: Nature Science Journal of Ecology Y lo mismo sucede en Economía, Ingeniería, Psicología. En resumen en cualquier campo que se pueda denominar científico. En general, es una de las herramientas matemáticas más necesarias para entender el mundo. Su importancia, como tendremos ocasión de discutir a lo largo del curso, no deja de crecer. Introduccion a la Estadística Actualizado: / 15

3 Cuál es el objetivo básico de la Estadística? El núcleo central de la Estadística es la Inferencia, que consiste en usar los datos de una muestra para responder a alguna pregunta sobre una población que nos interesa. El ejemplo clásico de esta situación es una Encuesta. El INE (Instituto Nacional de Estadística) elabora, entre otras muchas, la Encuesta de Condiciones de Vida. Para qué se hace esa encuesta? Querríamos saber, por ejemplo, qué porcentaje de la población está en riesgo de pobreza. Puedes ver la definición del concepto en la Metodología de la encuesta. Antes hemos hablado de reproducibilidad. Disponer de esa información sobre metodología es un ingrediente básico de la reproducibilidad. Introduccion a la Estadística Actualizado: / 15

4 La información del conjunto de la población no es accesible. Parece evidente que la respuesta a esa pregunta, y la evolución temporal de ese porcentaje, es un dato importante. Para obtener la respuesta podríamos tratar de conseguir la información correspondiente a todos los individuos de la población. Pero eso implicaría movilizar una cantidad ingente de recursos, de forma innecesaria. Hay otros casos donde la dificultad de medir toda la población es aún más evidente. Sin salir del ámbito de las encuestas, una encuesta electoral en la que se preguntara a toda la población no tendría sentido verdad? Eso ya se hace en las elecciones! Y hay muchos otros ejemplos de preguntas en las que no queremos, no podemos o no debemos tratar de obtener los datos de toda la población. A veces la única forma de obtener ciertos datos implica la destrucción del objeto de estudio. En otras ocasiones los datos son muy costosos de obtener, ya sea en tiempo, dinero u otros recursos ( cuánto cuesta secuenciar un genoma humano, por ejemplo? cuánto tiempo y esfuerzo hay que dedicar para reunir datos fiables sobre patrones de migración en aves?) Introduccion a la Estadística Actualizado: / 15

5 Y entonces qué hacemos? Tomar muestras. Qué ha hecho entonces el INE, si no ha preguntado a toda la población? Ha tomado una muestra. En este caso una muestra muy grande (alrededor de hogares y personas), como puedes ver en la Metodología. A partir de esa muestra se ha obtenido un conjunto de datos. Por ejemplo, aquí tienes uno de los ficheros de datos que ha producido la encuesta: esudb16p.csv Introduccion a la Estadística Actualizado: / 15

6 Es un fichero moderadamente grande (más de 20Mb), de tipo csv. En los primeros tutoriales del curso se explica cómo trabajar con estos ficheros. Como muestra la figura, el fichero contiene una tabla de datos. Este tipo de tablas serán las protagonistas de mucho de nuestro trabajo. Y como veremos, hay que aprender a hacer que ese trabajo sea eficiente (y no se convierta en una pesadilla). Introduccion a la Estadística Actualizado: / 15

7 Trabajando con la muestra. Exploración de datos. A diferencia de la población, que en general permanecerá inaccesible para nosotros, los datos de la muestra son algo concreto con lo que podemos trabajar. Una vez disponemos de los datos de la muestra, la primera tarea es explorarlos. Aquí estamos en el terreno de la Estadística Descriptiva, que nos va a ocupar durante las primeras clases del curso. Aprenderemos a analizar la información muestral, mediante tablas, gráficos y cálculos. Introduccion a la Estadística Actualizado: / 15

8 Inferencia. La idea central de la Inferencia Estadística es que si la muestra está bien construida, la información muestral permite estimar la información sobre la población que nos interesa. Vamos a dedicar la parte central del curso a entender en profundidad esta afirmación y aprenderemos a aplicar la Inferencia. Introduccion a la Estadística Actualizado: / 15

9 Hay dos aspectos de esa afirmación que queremos subrayar. En primer lugar, un ingrediente básico de un proceso de muestreo bien hecho es que la muestra debe ser en algún sentido aleatoria, obtenida al azar. Y la introducción del azar en nuestro trabajo nos conduce inevitablemente al estudio de la Teoría de la Probabilidad, para saber cómo se trabaja con variables aleatorias. El segundo aspecto importante es que decimos que vamos a estimar la información poblacional. Usamos esta palabra en un sentido técnico, que irá quedando claro más adelante en el curso. Pero podemos adelantar que la estimación no consiste sólo en dar un valor aproximado, sino en cuantificar con precisión los elementos de incertidumbre asociados con ese valor. La incertidumbre es inevitable al trabajar con variables aleatorias, pero su cuantificación es lo que convierte a la Inferencia en una herramienta científica. Introduccion a la Estadística Actualizado: / 15

10 Predicción, clasificación, modelización. La estimación es una de las tareas básicas, si no lo más básica, de la Estadística. Pero a lo largo del curso hablaremos de otras tareas, o de otros aspectos de la estimación, como son: La clasificación. El descubrimiento de patrones. La construcción de modelos. Introduccion a la Estadística Actualizado: / 15

11 Aspectos de la Estadística que no vamos a cubrir. La Estadística es una disciplina muy amplia. Incluso si nos limitamos a sus aplicaciones en Biología, no disponemos de tiempo en este curso para abordar todos los aspectos que necesitarás en tu trabajo en el futuro. Algunos de los temas que se quedarán fuera son: El Diseño de Experimentos, que apenas rozaremos en la parte final del curso. La Estadística No Paramétrica. El enfoque Bayesiano de la Estadística. El Aprendizaje Automático. Y esta no es ni mucho menos una lista completa! Sólo hemos nombrado los primeros temas que trataríamos en una hipotética segunda parte del curso. Nuestro objetivo es prepararte para que el salto a esos temas te resulte más fácil. A lo largo del curso incluiremos lecturas recomendadas y otros recursos que podrás utilizar para ampliar tus conocimientos y competencias. Introduccion a la Estadística Actualizado: / 15

12 Otros ejemplos y conjuntos de datos: BreastCancer. El conjunto de datos BreastCancer2.csv contiene una tabla con los datos de una muestra de pacientes con tumores de pecho a las que se practicó una biopsia para determinar si el tumor era benigno o maligno. Las primeras columnas de la tabla contienen valores de algunas características de la célula del tumor que los expertos utilizan para el diagnóstico. Este es un ejemplo en el que es natural plantearse la tarea de clasificación. Introduccion a la Estadística Actualizado: / 15

13 Otros ejemplos y conjuntos de datos: WCGS. El conjunto de datos Western Collaborative Group Study (WCGS) contiene datos sobre 3154 varones californianos de mediana edad, en los que se quería analizar la relación entre la enfermedad coronaria y su exposición a diversos factores de riesgo. Estos datos son accesibles desde R y aprenderemos a usarlos en breve. Puedes ver más información sobre los datos en este enlace. library(epitools) data("wcgs") Qué preguntas se te ocurren a la vista de los datos de esta muestra? Introduccion a la Estadística Actualizado: / 15

14 Otros ejemplos y conjuntos de datos: Birdcast. El portal Birdcast del Laboratorio de Ornitología de la Universidad de Cornell utiliza técnicas avanzadas de Aprendizaje Automático para estudiar y predecir los patrones de migración de las aves en América. Te recomendamos que lo visites para hacerte una idea del impacto que estos métodos tienen en el estudio contemporáneo del comportamiento animal: Introduccion a la Estadística Actualizado: / 15

15 Otros ejemplos y conjuntos de datos: Visipedia y la aplicación Merlin Bird Id. Todavía dentro del mundo de la Ornitología y también procedente del Laboratorio de Ornitología de la Universidad de Cornell, la aplicación Merlin Bird Id permite usar un teléfono móvil para clasificar la especie de ave a partir de una fotografía. Se usan técnicas de reconocimiento de imágenes con un fuerte contenido estadístico (ver también Visipedia). Ambos proyectos se basan en datos recogidos por el proyecto de Ciencia Ciudadana ebird Introduccion a la Estadística Actualizado: / 15