#Conciencias. Estadística para huir de los zombies. Anabel Forte

#Conciencias. Estadística para huir de los zombies. Anabel Forte

SUBTITLE'S INFO:

Language: Spanish

Type: Robot

Number of phrases: 1616

Number of words: 10506

Number of symbols: 47666

DOWNLOAD SUBTITLES:

DOWNLOAD AUDIO AND VIDEO:

SUBTITLES:

Subtitles generated by robot
00:15
a ver si se conecta bueno pues bienvenidos y bienvenidas a esta segunda sesión del ciclo conciencias que es parte de las actividades de divulgación de la facultad de ciencias de la universidad de alicante y en esta ocasión contamos con la visita que yo estoy supercontento de anabel forte además de ser una compañera de batallas pues es es una
00:55
amiga voy a presentarla y a continuación pues os dejaré con ella después de su charla abriremos un turno de preguntas y le transmitiremos nuestras dudas nuestras sugerencias nuestros comentarios a anabel que no saben responder a bueno a ver por aquí anabel forte es licenciada en matemáticas y en ciencias y técnicas estadísticas por la universidad de valencia sus principales líneas de investigación son la cuantificación bayesianas de la
01:30
incertidumbre en selección de modelos y modelos jerárquicos valles ya nos para datos corre lados anabel es valles jana a tiempo completo y valora ante todo la interdisciplinariedad de esta ciencia tan arraigada a la incertidumbre y la aleatoriedad de la condición humana de ella misma dice vivo en un espacio de estados discretos y cambios frecuentes que no veo venir camino aleatorio sin
02:01
ningún periodo ni estado absorbente al que recurrir anabel colabora con diversos proyectos de divulgación de la ciencia y la tecnología como son star wars el imperio de los datos para la difusión de la estadística y la ciencia de datos forest en un proyecto que persigue promover las vocaciones en las áreas stem ciencia tecnología ingeniería y matemáticas entre las chicas ambos proyectos han sido financiados por la
02:32
fundación española para el fomento de la ciencia y la tecnología fecyt su cuenta de 'twitter' ana vallés es un más ahí conjuga estadística poesía e igualdad con altas dosis de buen humor además colabora en numerosos podcasts como son a ciencia cierta a raíz de cinco de santi garcía en radio nacional de españa van a ver muchas gracias por acompañarnos esta
03:02
tarde para mí es un placer un honor y un gustazo tenerte verte y disfrutar de esta conferencia que desde hace muchísimos meses me llamó tanto la atención y andaba buscando te a la caza y captura osea anabel la quiero quiero anabel en donde sea quiero verla pero las circunstancias pues estamos en en esta modalidad virtual sin más dilación os dejo con anabel y su conferencia estadística a través del
03:32
para huir de los zombis con julio pues muchísimas muchísimas muchísimas gracias por la presentación creo que me he puesto más roja de lo que ya estaba antes lo que merece y nadie muchísimas muchísimas gracias por invitarme y nada de esta conferencia es en honor a ti es porque ha entrado ahora veréis que yo la contaba en 2019 con mucha alegría y ahora hay que darle una vuelta para contarle el parlament hablamos en un rato muy bien bueno pues yo creo que sin más dilación
04:12
como decía julio pues empiezo a contaros un poquito estas charlas dando las gracias de nuevo tanto a la facultad de ciencias como julio por invitarme y por dejarme estar aquí y contaros mis costillas de zombis no de verdad no voy a comerme a nadie ni ningún cerebro sólo intentaré hacerlos pensar un poquito y nada ya me han presentado así que tampoco tengo mucho más que decir de esta primera parte soy anna belforte que ana vallés en en redes vayáis como veis no mi apellido que
04:44
quien todavía lo creía no me llamo fortes pero ana vallés más bien vaya sana viene por eso de que soy estadística valenciana de dónde vengo que sería la primera parte para que entendáis un poco porque os voy a contar todo lo que os voy a contar después pues yo estoy en la universitat de valència en concreto dentro de la facultad de ciencias matemáticas y en particular en el departamento de estadística e investigación operativa dentro de este
05:13
departamento trabajo junto a un grupo de personas magníficas que conforman el valle de valencia edición que es el club bávara que nos dedicamos a hacer pues muchas cosas diferentes de ahí nuestro logo con este árbol con muchas ramas y muchos sitios donde ir con un tronco común que es la estadística valles ya y bueno por decirlo brevemente porque igual alguien está escuchando estadística valenciana y está diciendo esta señora que dice se ha vuelto loca
05:45
estadísticas sólo hay una bueno hay distintas formas de entender la estadística y la estadística vallejiana en concreto pues nos permite aprender de los datos e ir actualizando el conocimiento que tenemos acerca de algo con una vez una visión particular de la probabilidad y de la estadística y bueno dicho esto pues lo primero decir que vengo a contaros pues lo que vengo a contaros es que hay muchos zombis a nuestro alrededor
06:15
y hay zombis de todo tipo hay zombis que contagia y eso lo estamos viendo cuando yo contaba esta charla por 2019 y demás pues yo hablaba de los modelos y los modelos ir que lamentablemente se han hecho tan famosos en estos días pero dejadme que cuente un poquito estos modelos sigue dándoles un toque un toque zombie cuando venimos al mundo somos
06:47
susceptibles susceptibles de caer en cualquier tipo de enfermedad cuando nos enfermamos es cuando alguien nos contagia pues porque ejemplo porque nos muerde cuando llegué ya estaba o ella ya estaba contagiado de zona y entonces nos convertimos en infectados que vamos por ahí pues infectando a otras a otras personas quizás si hay una cura si encontramos la forma de curarnos pues nos convirtamos en personas recuperadas
07:19
bueno quizás podría pasar que después de esa de recuperación no tengamos la suficiente inmunidad y volvamos a ser susceptibles en algún momento estos pasos entre estas tres cajas que se generan en este modelo la caja de susceptibles la s la caja de infectados de ahí la caja de recuperados la r tienen entre ellos pasos como pasos de susceptible infectado cuantos susceptibles acabarán siendo infectado
07:53
pues eso en matemáticas a nosotros nos encanta utilizarlas las letras griegas pues eso es un parámetro que se llama en este caso alto aller y luego tenemos en beta que es el parámetro con el que se pasa de infectados ha recuperado alfa y beta pues van a depender de muchas cosas como por ejemplo de cuántos contactos hay actos susceptibles e infectados o de la capacidad de recuperación que tengamos pues o bien por el tiempo o bien porque hubiese una cura que
08:23
permitiera esa recuperación también tenemos una entrada de tasa una tasa de entrada al sistema básicamente podríamos decir la tasa de natalidad después tenemos una tasa en la que pasaríamos de estar recuperados a volver a ser susceptibles estos modelos pueden ser desde lo más simple a lo más complejo quizás si pensamos en zombie que era el ejemplo original ni siquiera necesitaríamos la caja de recuperados porque pasaríamos de su perceptibles a infectados y no habría
08:53
vuelta atrás pero como la mayoría de enfermedades nuestro cd es entonces pues necesitamos esa tercera caja y además podemos suponer que hay una tasa de salida con sus parámetros y letras griegas en cada uno de ellos que podría ser la mortalidad que se da dentro de cada una de esas esas cajas en las que básicamente yo digo cajas pero con una etiqueta aunque nos nos sitúa en estar en un sitio o en otro
09:24
pierre este sería un poco el modelo que nos encontramos pero que hay detrás de ese modelo atención voy a poner una fórmula no os asustéis es fácil de entender dejadme que os la enseñé me gusta poner para empezar esta fórmula esta frase de la canción de jorge drexler nada se pierde todo se transforma porque en el fondo lo que estamos diciendo cuando ponemos un modelo de estos de este tipo es que la cantidad de personas que entran al sistema es la cantidad de personas que
09:55
en un momento o en otro van a estar ahí y que al final todo tiene que sumar esa cantidad da igual que sea a las susceptibles los infectados malos recuperados o si añadimos cajas intermedias o añadimos personas a salen pues al final esa suma se va a mantener constante y como la vamos a tener en cuenta pues con ese sistema con esa fórmula con ese lo que llamamos en matemática es un sistema de ecuaciones diferenciales pero fijaros que no es excesivamente
10:25
difícil de entender cuando lo cuente fijará al abad es susceptible los susceptibles son la s cuando en matemáticas hablamos de cómo cambia algo en el tiempo utilizamos las derivadas entonces si yo quiero saber cuánto cambia el número de susceptibles en el tiempo pongo una derivada respecto del tiempo de los susceptibles cuántas personas entraban a la caja de susceptibles si os acordáis en la caja de susceptibles entraban aquellos que
10:56
nacía la tasa de natalidad s ti pero además entraban a esa misma caja aquellos que se hubieran recuperado y que de repente volvieran a ser susceptibles porque habían perdido la ley la inmunidad entonces teníamos esa segunda parte tenemos dos en positivo porque son los dos las dos cantidades que entran a la caja y quien sale de la caja pues de esa caja van a salir los que se infecten y además
11:29
aquellos que fallezcan en esa caja de susceptibles con esa etiqueta de susceptibles por eso tenemos un menos porque son los que salen de la caja y lo mismo que acabamos de hacer para susceptibles podríamos hacerlo para infectados o para recuperados en cualquier caso tenemos una parte en positivo que son los individuos la cantidad de individuos que entran a esa caja y una parte negativo que son la cantidad de individuos que sale de esa caja así utilizando estas ecuaciones al
12:03
final podemos dar pues tres valores que nos van a predecir cuántos susceptibles cuántos infectados y cuántos recuperados va a haber en cada momento y esos son las curvas a las que como decía al principio lamentablemente nos hemos acabado acostumbrando esa curva que teníamos que aplanar al principio de la pandemia este tipo de modelos nos permiten simular muchos tipos de epidemias y cuando contamos la epidemia zombi pues
12:35
hay una aplicación muy chula que podéis entrar en internet luego si queréis ser un perro el bingo le pido a julio que deje el ping por ahí para que lo veáis donde podáis y donde podéis simular una epidemia son simplemente entréis en la web y pulsando sobre alguno de los puntos del mapa de eeuu rápidamente la epidemia empieza a expandirse y se expande más rápido o más despacio dependiendo de los parámetros que tenemos los parámetros de los que
13:07
hablábamos anteriormente básicamente es pues cuantos zombis se relacionan con cuántas personas susceptibles etc ahora bien hay otras cosas que también entran en juego y aquí aparecen y a mí me parecen muy divertidas que son por ejemplo y cuánto tardas en infectar te a partir de que un zombie te ha mordido o cuánto tarda un zombie en andar una milla porque en el fondo cuanto más despacio
13:37
se muevan es más fácil no ser aui y cuanto menos tardes en contagiarse en contagiarte más zombies es generada no es lo mismo evidentemente encontrarte con zombies the walking dead' donde yo todavía no entiendo cómo se expandió la epidemia que encontrarte como un zombie de juego de tronos donde desde luego salvarse era era todo un milagro y bien pues este tipo de cosas se llaman parámetros pues eso la velocidad del
14:09
zombi cuánto tardaría en infectarse todos esos parámetros de cuánta relación hay entre pasar de una caja a la otra cuánto tardamos en la estatidad hasta la otra cuánto tiempo tardamos en respirar todos estos son parámetros y tenemos que estimar la pero cuando hablamos de estimar necesitamos datos y claro yo cuando contaba lo de los zombis pues hacía la broma siempre de bueno no tengo datos no no puedo
14:39
estimar la pandemia ahora mismo porque no tengo datos para hacerlo pero sin embargo pues dentro de nuestras vidas este maldito coronavirus que nos ha enseñado que bueno que incluso a veces teniendo datos pues los datos no son lo mejor que podríamos esperar y es difícil utilizarlos aún así son modelos muy útiles modelos que permiten entender cómo se comportan muchísimos tipos de enfermedad como por
15:10
ejemplo las epidemias las epidemias sociales bueno aquí nos sale nuestro amigos zombi no sé si conocéis plantas contra zombies el juego al que durante mucho tiempo muchos adolescentes y niños incluso adultos estuvieron enganchados o si conocéis de minecraft he puesto estos dos porque son a los que mis hijos han estado más expuestos pero bueno al final se trata de una posible adicción pues a
15:40
los ordenadores o demás pero no se trata sólo de eso también hay epidemias como el alcoholismo o una epidemia que nos sacude bastante a menudo que son las fake link todas estas epidemias e incluso la violencia y otras cuestiones que en principio no pensamos pero que también se transmiten por contagio se pueden modelizar con los modelos shift y son muy útiles para ayudar a entender y para ayudar no sólo cómo se transmitiría
16:12
sino también qué cosas podemos hacer para evitar esa transmisión rápida hay un libro muy interesante que cuenta esto que está escrito antes de la pandemia y el autor se encontró con todo el susto que son las reglas del contagio de hagan kucharski donde cuesta desde un punto de vista histórico todas las aplicaciones que han tenido este tipo de modelos y es muy interesado la verdad para entender pero bueno cuando hablamos de modelos de modelos que como habéis visto son
16:43
matemáticos porque tienen una formulación matemática podemos también referirnos a otro tipo de aplicaciones por ejemplo el uso de fármacos entender cómo se comporta un fármaco dentro de nuestro cuerpo como va pasando de las diferentes cajas que en este caso ya no son la etiqueta sino aquí las cajas son sistemas órganos de nuestro cuerpo y va pasando el medicamento de uno a otro en uno queda más tiempo en otro queda menos y hay que
17:14
entender cuánto tiempo pasa en cada uno de ellos para saber qué dosis del medicamento es necesario introducir en un inicio y que no dañen ninguno de nuestros órganos eso son también modelos como los que acabamos de ver modelos de ecuaciones diferenciales también para entender cómo se comporta un corazón hay modelos que incluyen ya no solo ecuaciones diferenciales sino muchas otras ecuaciones muy complicadas donde tenemos que tener en cuenta cuáles son
17:45
los materiales recibirá alguna manera de los que está hecho nuestro corazón y cómo se bombea la sangre del corazón todos estos modelos también modelos para entender cómo sé cómo funciona o como diríamos se distribuye el flujo de de la lava de un volcán todos estos modelos nos pueden ayudar a determinar pues cómo debemos comportarnos qué políticas tenemos que
18:16
ejercer etcétera etcétera pero bueno se trata de modelos y los modelos son muy bonitos son como cuando vamos a internet y vemos esa foto preciosa que han puesto de un cupcake a mí me gustaba mucho hacer café y yo veía esas fotos maravillosas y decía yo es en mi modelo yo quiero llegar a hacer eso pero claro luego te encuentras con la realidad y bueno pues te salen estas cosas y claro pues hay un error no
18:46
el modelo no siempre en la realidad para comentarlo para contarlo a mí me gusta contarlo con esta alegoría entre lo que es la realidad de nosotros al final lo que observamos es una parte de la realidad no es todo observamos datos datos que representan a esa realidad pero que son solo observaciones de la misma no lo podemos ver la realidad al completo esa realidad la dividimos en dos partes en un modelo porque queremos
19:18
igualarlo al modelo queremos saber cómo es ese modelo ese modelo va a incluir parámetros como hemos visto o va a incluir o variables va a incluir cosas que nos pueden ayudar a entender ese ese modelo pero siempre vamos a estar cometiendo un error y tenemos que añadirle ese error al modelo ese error que es una parte de incertidumbre al final nosotros somos seres finitos y solamente podemos entender una parte de lo que nos rodea es nuestro modelo nunca
19:48
va a ser perfecto y además no observamos la realidad completa sino que sólo observamos una parte y por tanto tenemos ahí dos términos de error el de observación y el error que podemos cometer al poner un modelo que no se adapta totalmente a la realidad y cómo hacemos para poder entender eso y para poder captarlo pues para eso estará la estadística y seguro que alguna dicho estadística de verdad eso es estadística
20:18
bueno que entendéis por estadística los invito a hacer una reflexión breve voy a pedir que ahora que estáis en casa que seguro que muchos estáis en pijamas aunque no veas o porque no veo precisamente pues voy a invitarlos a cerrar los ojos no turbay simplemente escuchado voy a ir diciendo palabras y me gustaría que pensase en cuáles de esas palabras vosotros incluiría y como definición de
20:48
estadística cuando hacemos de estas palabras relacionarían con la estadística gatos tablas información decisiones incertidumbre modelizar bueno y aquí algunos habéis pensado en una otros en otras pero aquí lo que sucede es que hay zombis que no vemos
21:21
los zombies que no vemos son toda esa parte de la estadística que es más de lo que se ve porque la estadística es casi todo lo que se ve todas esas palabras que hemos dichos datos modelizar toma de decisiones e incertidumbres y todas esas palabras son estadísticas las que habéis pensado y las que no pero además es cualquier cosa que abarque un proceso en el que existe incertidumbre y oponía que algunos ejemplos que ahora hablaré un
21:54
poquito más de ellos como pueden ser la distribución de especies cuando estamos pensando en hacer una política para una política de pesca por ejemplo y decidir dónde y cuándo se puede pescar una política de caza o estamos pensando en cómo se distribuye una plaga necesitamos conocer cómo se comporta es lo que en estadística llamamos distribución de especies después tenemos riesgos cuando vamos a pedir una hipoteca o cuando vamos a establecer una
22:26
póliza del seguro la cuota que nos dan para una cosa para otra no es una cosa al azar o que nos den la hipoteca o que nos permitan hacer ese seguro no es una cosa que dependa de la persona que nos atiende la mayoría de los casos depende muchas veces de análisis estadísticos que nos dicen que nos dan un riesgo una probabilidad de que la persona pues vaya a devolver ese préstamo o que vaya en contra
22:57
en algún momento a tener un siniestro que sea muy grave luego también existe la supervivencia y no me refiero a ellos al monte con un cuchillo yo y un saco de galleta me refiero a estudiar cuánto tiempo se va a sobrevivir a determinada enfermedad a partir de cosas que sabemos de esa persona pues antecedentes o un otro tipo de variables digamos que podemos que
23:28
podemos conocer pero luego también la estadística está detrás de muchas de esas palabras a las que nos hemos acostumbrado a escuchar en los medios de comunicación el pitlane está o pirata inteligencia artificial machine leer todas estas cosas tienen también estadísticas muchas matemáticas mucha computación pero también mucha estadística y si no se tiene en cuenta la estadística que hay detrás pues puede ser puede llegar a ser muy peligroso y
24:01
ponía algunos ejemplos más pues por ejemplo cuando nos levantamos un día y decidimos mirar qué temperatura va a hacer para ver qué vamos a hacer hoy o para planear la ropa que nos ponemos pues detrás de todas estas predicciones predicciones probabilísticas en muchos casos porque tenemos probabilidad de precipitación pues hay modelos o hay estadísticas más básicas depende de cómo esté hecha la predicción pero en cualquier caso hay
24:32
estadística como decía antes cuando queremos estudiar los recursos pesqueros en este gráfico fue un estudio que se hizo dentro del grupo de babar donde se estudiaban un tipo de tiburón elasmobranquios si no me equivoco en las costas de alicante y murcia y lo que se intentaba ver era bueno pues donde se concentraba donde hacía más probabilidades de encontrar a esos a esas especies a volar aquí había
25:03
distintos tipos de especies y se veía ahora estaba la distribución donde eran más más comunes y estudiar este tipo de modelos y además tener una cuantificación del error la probabilidad de encontrar a esa especie en ese lugar pues es muy importante para estudiar para decidir políticamente cosas o para los biólogos o las biólogas para saber dónde tienen que buscar entre telas etc luego como decía pues a relacionar
25:36
variables como en este caso la densidad mamaria con la probabilidad de que se detecte un cáncer a un determinado tiempo aquí lo que se veía es no sabéis que hay unos estudios que se llaman screening donde se copia muchísima gente que se llama a las mujeres habitualmente a partir de los 50 años para que vayan sistemáticamente a hacerse mamografías para poder ver cuál es pues el estado de la mama y para detectar de forma precoz
26:06
un posible tumor aquí lo que se intentaba hacer era predecir ese preciso posible tumor es decir qué probabilidad había de que en un número de años a partir de una medición pues esa persona pudiera desarrollar el tumor pero luego no solo en modelos complejos encontramos estadística cuando hablamos de intención de voto que era un poco lo que hablábamos al principio esas cosas que seguro que habíais pensado y podemos encontrarlo con este tipo de gráficos donde simplemente tenemos los
26:40
porcentajes especificados por cada grupo político y demás o también podemos ver cada vez gráficos más complejos donde tenemos pues multitud de valores separados por provincias separados por y bien de una línea temporal etcétera etcétera y luego tenemos estadísticas que hoy 25 de noviembre tenemos que volver a enseñar qué son las estadísticas de feminicidios y que a mí me gustaría que
27:12
alguna vez cuando de esta charla no tenga que volver a enseñarla pero también son estadísticas y también están ahí y nos enseñan a ver el mundo que nos rodea la cuestión es que cada vez tenemos datos datos y más datos continuamente esta imagen está tomada de una exposición en la que en una habitación se empezaron a poner fotos de las que se iban subiendo a instagram es decir la habitación empezó vacía de fotos y poco a poco se fue llenando a
27:44
medida que ese día la gente iba subiendo fotos a instagram llegó un momento en que el número de fotos superaba la capacidad de la sala y es que es eso lo que nos sucede ahora mismo tenemos datos donde queramos si estamos jugando al baloncesto llevamos un fit beat o llevamos sobre todo si son cuadros profesionales nos estaban monitorizando en todo momento que estamos haciendo aquí hay una gráfica que no sé si alguno adivinar a con alguna adivinar a a quién pertenece
28:15
dónde se puede monitorizar cuál era la evolución de una persona en los tiros podemos ver cómo va cambiando a lo largo de los años y como en 2016 esta persona ha pasado a tirar prácticamente todo de triple se trata de un gráfico de stephen carroll y bueno claro lo que sepáis de baloncesto y sepáis que stephen carr y es uno de los mejores tiradores de triples del mundo pues que podríais decir esta gráfica no me aporta mucho
28:49
porque yo ya lo sabía pero sí que es verdad que esta gráfica en su momento en entender cómo va cambiando carril su forma de tirar fue muy útil para muchos equipos para poder definir su forma de juego cuando tenían que jugar contra el equipo de steve en casa y podemos analizar todos esos datos no solo de los aparatos que llevamos continuamente y que suben datos a internet sino también de las redes sociales de todas las redes sociales poníamos instagram en la primera imagen
29:22
de la foto 3 que podemos mirando el número de posts que se ponen en facebook podemos determinar cuando una persona entra en una relación en este gráfico lo que vemos es el número de posts en el tu timeline que va subiendo a medida que vas acercándote al tiempo cero que es el tiempo en el que entras en una relación y a partir de ese momento pues empieza a
29:55
decrecer no sabemos si porque esa persona o esas personas de repente están muy ocupadas o por algún otro motivo esta gráfica está hecha precisamente porque facebook es uno de los que recoge se tiene ese botón de he entrado en una relación con entonces bueno pues a partir de ese momento marcaríamos el punto cero y tendríamos el número de días antes y el número de días después después tenemos este otro
30:25
gráfico que está sacado a partir de un hashtag en una conferencia de didáctica de la matemática de hecho por aquí y que yo reconozco alguna de las personas que aparecen no sé si estarán viéndonos por aquí pero sino si lo ver en algún momento seguro que se reconocen en este gráfico se podían distinguir perfectamente comunidades que estaban hablando de algo en común y que además cuando lo comparaba con la realidad pues tenía sentido porque pertenecían a
30:57
distintas sociedades oa distintas universidades o tenían intereses comunes y eso lo podemos hacer con datos en los que no tengamos ni idea de cuál puede ser la relación y acabaré entendiendo cuál es la relación entre ellos y todo esto también es estadística todo esto también contiene estadística y muchísimas otras cosas que nos encontramos hoy en día la industria en esta revolución 4.0 revolución industrial el internet de las cosas cada vez que hablamos con alexa y
31:27
le y les pedimos que nos haga algo que nos busque algo en internet lo primero que tiene que hacer alexa es reconocer nuestra voz y ese reconocimiento de voz al final no deja de ser también estadística pero no solo están estos zombis que no se ven y los zombies que contagia también está el zombies que confunden y estos son quizás los más peligrosos y lo que vengo a contaros ahora es bueno pues para que tengáis la posibilidad de no ser
31:59
un zombi del otro antes cuando lo contaba en directo me gustaba poner siempre aquí un vídeo con un par de chistes sobre sobre la estadística chistes típicos de bueno pues sí yo soy mala contando chistes la piel si un tren se estrella lo más probable es que sufran más daño quienes están en el último bajón y después si es lo más probable pues quitemos el último vagón o
32:31
cuando te dicen que se muere un 20% de las personas que fuman y después si un 80 por ciento de los que no fuman no se mueren pues no voy a fumar y es una forma de no entender bien las tácticas y esto perdón voy a fumar soy malísima contando chistes me tendréis que preguntar bueno el caso es que a lo que iba es que muchas veces en nuestra sociedad se ha tratado mal la
33:03
estadística no se ha entendido bien no se explica bien muchas veces en dos en la educación y eso hace que no tengamos una mirada crítica contra lo que nos encontramos y que se hagan chistes y que se piensen la famosa frase de mentiras estadísticas no son mentiras estadísticas es una falta de comprensión hacia la estadística está el típico chiste con el que empezaba aquí es que si yo tengo 100 euros y tú 0 la estadística dice que ambos tenemos 50 euros mi tío me suele
33:36
decir el mismo chiste con si yo tengo dos pollos y tú ninguno nos hemos comido un pollo cada uno pero tú te has quedado con hambre este es equivalente pero con dinero más capitalista y bueno en serio eso es así realmente tenemos 50 cada uno no lo que sucede es que tenemos mucha variabilidad yo no tengo nada tú tienes 100 euros o al revés y falta información que en este caso sería la varianza la variabilidad lo variable que es esta cantidad entre
34:08
entre tú y yo pero luego también hay que tener mucho cuidado de dónde sacar los datos y ya sé qué bueno pues si veis un tweet de donald trump pues igual mucho mucho caso no sé si le haría jce pero lo cierto es que los pone intenta insistir en algo como que el 81 por ciento de las personas blancas han sido asesinadas por personas negra y en realidad de repente resulta que si
34:38
miramos las fuentes oficiales como el fbi nos dicen que este valor es del 15% bueno pues si este valor es del 15% dónde está la diferencia pues la diferencia está en la fuente en quien lo cuenta resulta que esto era una la estadística la oficina de estadísticas criminales de san francisco que resulta que no existe ni ha existido nunca por tanto tenemos que consultar las fuentes de donde vienen los datos tenemos que saber si son fiables o no son fiables
35:10
pero no solo en la fuente hay que fijarse mucho en los ejes de los gráficos y os voy a mostrar un par de ejemplos este nosotros si observamos estas barras podríamos decir que más o menos la altura de las barras es bastante similar podríamos pensar que no hay mucha diferencia sin embargo si yo corto por este punto y lo pinto igual pero simplemente recortando los ejes me encuentro con unas diferencias abismales que gráfica tiene sentido
35:43
bueno pues depende la gráfica que puede tener sentido pues será aquella que tenga que cuyo eje por ejemplo el valor si vamos desde cero hasta 12.000 eso tiene sentido y el tercer astado hasta 12.000 tiene más sentido y de 9.100 a 9.800 hay que entender cuáles son los máximos cuáles son los mínimos y qué es lo que queremos comparar si no el mismo gráfico se puede convertir en conclusiones completamente diferentes otro ejemplo más o menos de la misma
36:14
idea es este gráfico de la bajada del paro donde nos aparecía una gráfica sin eje nunca fui nunca fíes de las gráficas leyes nunca en esta gráfica sin ejes pues veíamos que el máximo estaba situado en el máximo de paro y el mínimo estaba situado en el paro que se había detectado en ese momento claro si esto lo pintamos como antes desde cero hasta cinco millones pues la diferencia no
36:44
parece tanta pero claro tampoco tiene sentido pintarla entre cero y cinco millones porque sabemos que el paro cero no existe como tal existe un parón mínimo entonces bueno pues hay que pensar bien cómo se estructuran las gráficas para que no lleguen a error o no lleven a engaño esta es otra gráfica de la que vuelvo a existir cuando no haya ejes james de la gráfica donde se intentaba explicar que entre 2016 y 2018 había
37:18
disminuido el porcentaje de personas jóvenes de 16 a 30 años valencianas en situación de carencia material severa y se quería hacer ver que en el caso de las mujeres este descenso había sido superior porque bueno los hombres aparecen en negro las mujeres aparecen en en blanco y aparecen ahí unos porcentajes pero no sé si os ha llamado ya la atención este 13% que aparece aquí y este 13% que aparece aquí desde luego muy a la misma a la misma altura no
37:50
parece que estén si lo dibujamos correctamente esta sería el gráfico que representa esos porcentajes y sí que hay una bajada si es importante cortar lo que está pasando pero no podemos intentar engañar no podemos decir aquello que no es simplemente cambiando como contamos un gráfico y no solo en los gráficos también en lo que nos cuentan
38:21
en este tuit aparecía y bueno estaba puesto de antena3 pero podría ser de cualquier otro sitio porque esto está puesto en un montón de sitios cuando hablamos del salario resulta que se suele hablar muchas veces de salario medio en españa y dice el salario medio en españa es de mil 658 euros y claro hay a quien viendo esto se tendrá que poner un poco nervioso porque mil 658 de euros al mes pues como que no es lo más habitual de hecho lo que sucede es que
38:54
utilizar la media en este tipo de datos como son el salario que habitualmente lo que sucede es que todo el mundo está alrededor de los valores pero hay gente que cobra escandalosamente mucho mucho mucho mucho más pues no es una buena idea usar la media y podemos verlo en esta respuesta de picar números a esa situación en la que se dice es algo que se comenta es que según el ine el salario medio
39:26
de las mujeres al año es de 120 mil seiscientos euros y desde los hombres de 26 mil por ciento sin embargo si pensamos el salario mediano qué quiere decir el salario que cobra porque por debajo de ese valor va a estar la mitad de la población pues sabemos que la mitad de la población de mujeres cobra menos de 17 mil 200 euros al año y la mitad de la población de hombres cobra menos de 22 mil euros al
39:57
año y si nos vamos al salario moda salario modal que sería aquel que más personas cobran fijaros el descenso estamos hablando de 13.500 euros para mujeres y de 17.500 euros para hombres y si lo que pasa es como decía aplica números en este en este tuit la distribución es asimétrica por la derecha mucha gente concentrada en unos valores y unos poquitos ni muy muy alejados del resto para esos casos la media no es un
40:29
buen indicador también nos pueden engañar las secuencias de tiempo depende de donde las cortamos si yo presento este gráfico y de repente yo digo que dejéis de preocuparos que no pasa nada que podéis encender la calefacción todo lo que queráis y viajar en coche solos que no hay ningún problema porque no hay no hay cambio climático no hay cambio climático porque si vemos esta gráfica desde 1998 hasta 2012 las temperaturas han casi de
40:58
crecido bueno vale pero si yo presento el gráfico completo lo que tenemos es esto una subida de la temperatura sí / ese pico más alto que hay en algún momento alrededor de 1999 en 1998 pues en ese a partir de ese punto sí parece que hay un descenso pero no es real tenemos que ver la imagen completa no
41:31
nos pueden engañar con hasta qué punto representamos los datos si vuelve a ser un poquito lo que contaba al principio de tener en cuenta los ejes de la gráfica de dónde a dónde van y qué es lo que nos está contando luego también nos da de las cosas que tenemos que tener en cuenta es la falta de contexto en los estudios si a nosotros nos presentan este estudio de 2007 donde se contaba que había cuál era los abandonos de de mascotas
42:01
por comunidad de repente vemos que en andalucía está disparado o sea el número de abandonos es mucho mayor que en el resto de comunidad pero entonces tenemos que pararnos a pensar un momento y decir bueno pero también pasa que andalucía es la comunidad más poblada y quizás la más grande también entonces bueno igual teníamos que llevar cuidado con eso y efectivamente si dividirnos y vemos el número de abandonos cada mil habitantes
42:33
se reduce prácticamente es a esa cantidad de abandonos en andalucía no estamos hablando de lo mismo en un caso estamos hablando de abandonos en crudo del número de abandonos en el otro caso estamos hablando de abandonos cada mil habitantes si solo estoy hablando de andalucía bueno pues me da igual conocer la cifra bruta o la cifra cada mil habitantes pero desde luego si lo que quiero es comparar comunidades tendré que hacerlo de una manera que sean comparables no lo puedo hacer en general
43:04
y claro como no no quería contar mucho de datos de codicia o se ha hablado poco al principio crees que durante la epidemia la pandemia en el club de la comida hemos encontrado una cantidad de gráficas que nos hacen los que somos estadísticos estadísticas y sabemos de qué hablamos nos han hecho sangrar los ojos y nos han hecho llorar así por ejemplo cuando se comparan con la misma escala valores que no tienen nada que
43:35
ver si yo observo la cifra de fallecidos en estas cuatro gráficas me podría parecer que es igual de alta que la cifra de casos si me fijo un poco en el gráfico evidentemente no porque sin nada que lo miremos vemos que el número de fallecidos 40 500 sin embargo el número de ingresados en un cima del 0 a 200 y el número de caso parecer a 60 mil si nos fijamos no pasa nada el problema con dominamos esta gráfica en un periódico de manera rápida pues no nos para vamos
44:08
a mirar y nos puede llevar a confusión más todavía cuando la gráfica nos aparece de esta guisa donde en la parte superior aparece en el número de contagiados en la parte inferior aparece el número de fallecidos y de nuevo la parte inferior parece ser incluso el pico más alto que el número de contagiados en esta gráfica además se da otra cuestión y es que a mitad de mayo los datos empezaron a
44:37
contabilizarse de una forma distinta no podemos pintar en una misma gráfica esos dos periodos porque no tienen nada que ver y porque además en un periodo se estaban contabilizando a una forma en otro periodo de otra en un periodo se contabilizaron fines de semana en el otro no hay muchísimas cosas que no podemos pintar juntas porque simplemente no tienen la misma naturaleza y además como decía la estadística está también en toda esa parte del pipita y
45:10
de todas las aplicaciones de grandes bases de datos y hay que tener mucho cuidado con cómo se utiliza porque si los datos son cercados el resultado que vamos a obtener también va a ser un resultado cercado si pensamos en este estudio bueno en este estudio en este experimento digamos ha seguido donde amazon decidió ver pues intentó hacer un algoritmo que permitiera hacer más sencillas las
45:43
contrataciones como hizo esto pues empezó a introducir todos los currículums que habían ido llegando a su empresa intentó ver como como habían evolucionado esas personas se habían quedado en la empresa se habían quedado a la empresa y al final pues intentaba a decir cuál iba a ser mejor o peor si tú le ponías un currículum nuevo qué sucedía que lamentablemente en el
46:14
mundo de la ingeniería en el mundo de las tecnologías hay muy pocas mujeres trabajando si amazon tenía pocas mujeres trabajando el algoritmo lo que aprendió es que la variable ser mujer era algo negativo para él para trabajar en su empresa y acabó rechazando sistemáticamente a todas las mujeres aunque tuvieran el mismo currículum que un hombre tuvieron que deshacerse del algoritmo evidentemente y
46:44
no a partir de ahí pues no sé si habrá intestina uno nuevo pero desde luego se dieron cuenta de que había que tener en cuenta o había que llevar cuidado con esa clasificación pero no solo en estas grandes bases de datos y demás sino en general fijarme que mide el tiempo que llevamos pero en general en todos los todas las situaciones en las que los datos se introducen sin tener en cuenta el sexo que pueden conllevar nos pueden
47:16
llevar a este tipo de situaciones ha pasado sistemáticamente con la interpretación de voz ahora mismo sí que más o menos pues siri alexa o cualquier otro identificador de voz nos identifica igual a hombres que a mujeres pero no ha sido así en el tiempo también pasa con no solo con las mujeres sino con minorías donde no se reconocen determinados acentos o se dan situaciones de sejos simplemente porque
47:48
los datos observados entonces y es importante tener en cuenta cuando digo sexo me refiero a que están desviados hacia un tipo de pensamiento protección alguna manera y entender eso y corregirlo a partir de la incertidumbre nos servirá para evitar que vuelva a suceder y ya llegó al final para resumir brevemente si hay datos hay estadística y si hay estadística es
48:20
mejor conocerla para que no nos demore y hasta aquí pues me zombies espero que os haya gustado creo que ha acabado un poquito antes pero bueno así tenemos más tiempo para que me preguntéis si creéis bueno anabel me oyes no sí sí sí bueno estoy estoy emocionado la verdad no me ha defraudado para nada me ha encantado muchísimas gracias y enhorabuena por
48:51
este trabajado que sé que lo vamos lo has compartido ya muchas veces pero es que yo no quería perdérmelo tampoco así que ha sido la mejor oportunidad nos comentaban por aquí algún una pregunta que si me permite se me permite este trabajo la transmito dice él ya sabes que cuando se utiliza el propósito de forma incorrecta la estadística como han mencionado en algunos ejemplos sí si se
49:22
penaliza a los responsables o si se considera que no es algo muy grave el problema que me da la sensación de que muchas veces no se penaliza en absoluto a ver tenemos que distinguir también es cierto dos tipos de situaciones porque muchas veces cuando he intentado denunciar este tipo de cosas o comentas algo simple al que te dice no creo que se haya hecho con mala intención y es cierto yo creo que muchas veces se hace simplemente por
49:53
desconocimiento de la propia estadística yo me temo que cuando alguien pone en una misma pantalla de un periódico de gama gráficas con distintas escalas a veces no está intentando engañar simplemente es que no se da cuenta de que a los humanos oa sus hijos a lo mejor si no lo sé pero tiendo a pensar que no oa veces cuando se confunde porque ha pasado eso hubo un momento en el que se confundieron los colores el color de fallecidos por el color de
50:24
contagiados se confundió y entonces daba la sensación de que había muchos más fallecidos que contagiados porque estaban al revés los los colores de la línea digamos entonces a veces son simplemente yo creo errores y tampoco sé si eso hay que penalizar sucesivamente pero lo que sucede es que cuando sean cuestiones que realmente sí que quieran manipular con esos datos no sé si se puede penalizar porque no sé si hay alguien que puede controlar es no
50:56
sé si hay alguien que puede fiscalizar eso igual que está la asociación de consumidores que permite denunciar pues si hay publicidad o lado la asociación de publicistas creo que es no me no me abro no se llama pero que controla que la publicidad sea veraz y demás pues a lo mejor tenemos que hacer una estadísticos y estadísticas que estuviéramos al quite el que pudiéramos denunciar es denunciar esas situaciones pero yo creo que si no afecta personalmente a alguien no no se
51:26
penaliza no no bueno más allá de la discusión en twitter y que alguien le saque los colores bueno pero realmente realmente sí que sí que afecta al menos afecta a la cultura general y sí a una concepción que es equivocada de algún fenómeno o sesgada muy centrada ese es un problema muy gordo yo anabel tenía una pregunta y después
51:55
yo sé que por teléfono está claro la estadística es una ciencia una rama de las matemáticas muy importante no sólo a nivel matemático sino para la gran mayoría de las ciencias ciencias experimentales ciencias sociales pero no sé hasta qué punto somos o hemos sido capaces de hacer ver esto de la necesidad de una cultura estadística firme y en qué en qué piensas que hemos
52:29
fallado por qué qué está ocurriendo que hablamos de estadísticas y a veces incluso los propios matemáticos que son compañeros nuestros y bueno pues hacen cosas igual más de matemáticas más puras álgebra no análisis todo esto es como bueno tú eres estadísticos no sé en qué hemos fallado si tengo una anécdota con eso pregunté un día en facebook creo que fue que
53:02
pensaban de esa palabra le venía a la cabeza cuando cuando hablábamos de estadísticas y un poco como lo que hacía en la presentación y de repente un compañero de la carrera de matemáticas me dijo no te lo voy a decir porque te ofendería entonces sí a ver yo creo que la estadística del problema que tiene es que a lo largo de los siglos se le ha entendido mal de distintas formas en la antigüedad porque
53:33
era la matemática tenía que ser algo exacto y en cuanto empezamos a introducir los datos y la incertidumbre y el no puedo conocer algo del todo y simplemente no hay una probabilidad eso era algo como que impensable totalmente impensable y aun si me baso en datos y en frecuencias y en aún la salvamos pero como me tenga que basar en probabilidad puramente como le pasa a la estadística vaya si ahora vamos ni me lo planteo y yo creo que a lo largo de la historia dentro de las matemáticas se menos se
54:04
nos ha visto como el patito feo pero luego además es que por algún motivo no sé si porque dentro de las matemáticas no se nos veía bien porque en todas las carreras se ha ido asentando la base de yo me hago mi propia estudio y entonces el general que cada uno se haga su propio estudio cuando a lo mejor no se han estudiado la fase de la estadística y no se conoce bien cómo se
54:34
participa la incertidumbre no se conoce bien cuál es el significado que tiene pues esas técnicas que suelen utilizar como es la nueva el test el de valor etcétera etcétera eso ha hecho que se hayan publicado muchísimas cosas que al final no estaban bien o la interpretación no era del todo correcta luego no se han podido reproducir los estudios y eso pues en la pescadilla que se muerde la cola y si tú oyes eso pues es la estadística la que tiene la culpa porque dice mentiras porque no pero es
55:06
un problema de interpretación de que no se termina de interpretar correctamente entonces yo creo que va por ahí y luego tiene mucho que ver también que como quien da la docencia en los primeros cursos o bien en infantil muchas veces son gente que son personas que cuando se fueron a estudiar la carrera se fueron a magisterio huyendo muchas veces de las matemáticas pues a lo mejor no tienen esas ganas de enseñar las matemáticas
55:36
igual y mucho menos cuando encima les hablas de una de algo que tiene que ser incertidumbres y entender eso que es bastante abstracto en muchos casos y luego cuando llegamos al instituto si quién da esas asignaturas son matemáticos de nuestros compañeros de los que no me van a decir la palabra que piensa porque me voy a ofender pues tenemos ese problema entonces yo creo que es una falta de cultura estadística en las primeras etapas y ahora la pescadilla que se muerde la cola porque quiere hacer la estadística muchas veces no termina de entender que lo que está
56:08
haciendo y lo que hace pues acabaremos en algo además es grave a veces porque en grupos de investigación yo que sé diferente de ciencias experimentales se reproduce el error como por ejemplo errores asociados a la interpretación de conceptos estadísticos como por ejemplo el p valor ese es un caballo de batalla de aquellos que estamos en contacto con estos conceptos que luego a lo mejor les un artículo de alguna de algún experimento
56:40
lo que sea y hablan del valor de una manera que es equivocada de hecho por aquí omni 0 pregunta que qué opina sobre el p valor a veces como único método para sacar conclusiones deberíamos aprender más sobre estadística valenciana yo siempre he dicho que el valor no está mal el valor de sus números los números en todo color el valor al final es un valor es un estadístico que nosotros decimos que es algo que se calcula a partir de lozada el problema es cómo se
57:14
interpreta entonces lo que se debe saber a ver si me preguntáis a mí yo quiero que todos os hagáis vallès ya no a ver si me entendéis pero no se puede por un motivo y es que además hay un salto muy importante entre las distintas ciencias y cuando tienen que ir a publicar porque tú vas a publicar muchas veces a una revista de medicina y si no tienes un valor no hay manera de publicar aquí porque yo he visto que a mí me han pedido darme un valor pero no te puedo hablar de valor
57:48
porque te estoy dando una estadística valenciana que se basa en otras cosas en un valor pero volviendo a lo que decía el problema del valor no es el valor en sí sino cómo se interprete como se ha interpretado a lo largo de los años porque en el fondo se han mezclado muchísimas nociones distinta porque el valor no se desarrolla sólo como el valor que es algo que desarrolla a fisher ese ronald fischer que era un un estadístico importante en su época muy influyente y
58:19
que desarrolló muchos de los métodos que se usan hoy en día él fue quien pensó el valor pero después ese valor se ha cogido y se ha interpretado de otra manera porque después vinieron new man y pearson que desarrollaron otra forma de entender el contraste hipótesis que lo que aquí vamos a hacer al final cuando hablamos del valor si alguien no sabe que estamos hablando de lo que hablamos es que yo tengo una hipótesis que quiero descartar y descartando esa hipótesis puedo admitir otra que seguramente será la que me interesa pues por ejemplo si un
58:50
fármaco funciona o no funciona por defecto voy a pensar que el fármaco no funciona y si consigo descartar esa hipótesis cuestión de la hipótesis de que en fármacos y función y para descartar la utilizamos ese valor que se conoce como p valor si no se entiende bien no sabemos sobre todo qué errores estamos cometiendo porque el descartar o no descartar la hipótesis 9 y la pone gross yo descartó la hipótesis pero al descartar la hipótesis estoy cometiendo un error porque es lo que ponía en la diapositiva de los datos y la realidad los datos son observaciones de la
59:22
realidad pero no son todas la realidad entonces me puede estar equivocando cuánto me puede estar equivocando pues si no entiendo bien de valor lo que se conoce como el tamaño del efecto cuál es el efecto por una parte del tamaño de defectos por el otro en la potencia del test es ahora también sabe está ya ahí se juntan muchas cosas y es que es una teoría muy compleja realmente el problema es eso que se ha aprendido con recetas de empiezo por aquí si los
59:53
datos son así hago esto si los datos son asá hago lo otro voy avanzando en mi esquema de recetas y llegó a un valor que a mí me han dicho que si es menor que 0.05 rechazo y que sin variar que 0.05 y lo rechazó y eso qué significa porque a 0.05 que estoy haciendo y qué error estoy cometiendo qué potencia tiene mi contracción cuando hablamos de potencia de lo que hablamos desde la capacidad que tengo de detectar que realmente está pasando algo
01:00:24
esa sería la idea de potencia si eso por no hablar por ejemplo cuando tú dices de seguir recetas pero cuando falta un ingrediente en la receta no funciona no puede funcionar y a veces se nos olvidan hipótesis que se deben de cumplir para aplicar ciertas fórmulas se nos olvida indicar cuáles son las hipótesis si se verifican o no quiero decir que la receta funciona porque están todos los ingredientes no hecho decía por aquí decía a libia que desde la perspectiva de una estudiante de biología que es
01:00:57
además estudiantes de doctorado la estadística aleja a los alumnos porque se explica poco y presupone un conocimiento previo que hace que parezca algo muy difícil yo creo que estamos fallando en algún momento y iba por él por esas etapas no quizá tempranas y medias el ángel queda un poco de lado también lo voy a decir simplemente que también es importante que entendamos o sea yo creo que la cultura estadística beneficiará para entender que para hacer una buena
01:01:27
estadística hace falta alguien formado en estadística si necesitamos una cultura estadística de base que permita a biólogos médicos a cualquier disciplina entender que estamos diciendo cuando decimos qué valor pero también hace falta cultura para saber y yo siempre lo digo cuando voy a cualquier curso que hay que poner un estadístico o una estadística en tu vida que si tú tienes que hacer un análisis necesitas a alguien que entienda bien qué estás haciendo que a lo mejor el mejor método para tus datos no es la nova y
01:01:59
utilizamos todos por defecto sistemáticamente vale que hay otras cosas yo creo que es ese mensaje también es importante así también bueno nos comentaba a daniela aznar fue aquí si conoces el algoritmo de inteligencia artificial por ejemplo en redes sociales que supongo que habla de de la selección de las de las recomendaciones por ejemplo en netflix todo esto la inteligencia la inteligencia artificial detrás de todas
01:02:30
estas empresas supongo que también pues estará con sesgado quizá esconde algún tipo de interés no quiero decir que cuando decían por ahí hay como como era esa frase anabella y mentiras si mentiras grandes mentiras y estadísticas en una herramienta de una herramienta peligrosa y una herramienta de poder a ver si vemos él documental este que se ha hecho viral es netflix del dilema de las redes sociales
01:03:04
pues ahí lo que vemos un poco cómo funcionan internamente a mí me parece un poco sacado también el documental es un poco va a determinados puntos y no va a todos pero quitando eso da una perspectiva muy buena de cómo lo que nos aparece en el móvil cada cosa que hacemos tiene un porqué de hecho yo aprendí que el hecho de que cuando tú das para bajo la pantalla aparezca a ser el ojito arriba como que se está cargando algo eso psicológicamente nos afecta porque es como que siempre estás
01:03:36
esperando algo y el ser humano espera y quiere algo nuevo y quiere novedades entonces hace que le demos muchas veces para que eso pase eso se ha aprendido a base de entender cómo nos comportamos cuando utilizamos una base de datos donde saben exactamente qué hacemos a donde le damos click a donde no qué colores nos llama la atención que color el no que cuando tiempo pasamos mirando un anuncio y podéis comprobarlo si os paráis sistemáticamente a mirar un tipo de anuncios o un tipo de vídeo concreto de textos que te sale en el facebook cada vez que salen más
01:04:07
porque sabe qué es lo que te gusta eso es malo pues si no hay ética detrás si lo que nos hace falta es ética porque clara misma y muy cómodo que yo piense en un jamón y me aparezca un anuncio de un jamón me parece genial pero eso sin ética no vale a mí a mí personalmente me molesta y cuando algo mejor busco en amazon cualquier cosa y luego entra a instagram y de repente me veo el anuncio del jamón digo en serio o
01:04:37
sea que no sé qué intimidad tengo una vez escuché un curso de funk y grandes si la conocéis familia el día que lo que tenemos que hacer es ser conscientes de que eso son las redes sociales y de que están ahí y de que cuando entras estás dejando rastro y siendo consciente de que eso es así puedes estar libremente en las redes sociales y si no quieres estar 'nuestra pero hace falta saber que eso pasa y que está ahí detrás y que detrás
01:05:14
así que hay estadísticas también pues sé que hay que saberlo y hay que intentar conocerlo anabel pregunta dice comenta patricia la mas dice te están escuchando estudiantes mexicanos del ceti colomos que les puedes decir a los estudiantes no sólo sobre estadística paramétrica sino también sobre la no paramétrica cuán importante consideras expandir la estadística y la probabilidad ámbitos sociales estas preguntas vale pues saber entre la
01:05:47
paramétrica de la no paramétrica pero en realidad depende mucho del uso que se le tenga que dar de los datos con los que te encuentres y hay situaciones en las que es mucho más útil de utilizar la paramétrica además cuando hablamos de estadística paramétrica sobre todo si hablamos de cosas como como decía antes como el teste como el modelo lineal como a nova a veces son mucho más potentes si los datos son buenos para utilizarlos por eso si cumplen las condiciones para utilizarlos con esas técnicas si no cumplen las condiciones pues entonces
01:06:18
hay que irse a otro tipo de técnicas como las no paramétricas y luego si vamos a cosas más complejas y hablamos de no paramétrico en un sentido más amplio pues dependerá del contexto y de los datos que tengamos en el estudio que tengamos que hacer será más útil utilizar una cosa o la otra y luego la segunda pregunta sobre aplicarla a la sociedad oa las ciencias sociales digamos esto está importante y también quiero decirlo muchas veces hablo de estadística insisto en pone un estadístico en tu vida
01:06:49
la estadística no sólo se ha desarrollado desde las matemáticas las matemáticas suponen una parte muy importante pero se ha desarrollado también muchísimo desde la psicología la psicometría es una parte fundamental de la estadística desde ese perspectivas entre superamos muchísimas técnicas que luego se han adaptado y que a lo mejor tenían mucho que ver con las que se habían desarrollado de las matemáticas pero al final todo se engrana y luego también en la econometría la econometría también ha
01:07:20
supuesto un avance muy importante para la estadística proponiendo nuevos retos y nuevas soluciones y también muchos economistas han sido más temas han sido matemáticos de matemáticas poner ahí se unen pero yo creo que sí que se aplica a muchas ciencias sociales que igual tendríamos que ir aplicarlas a más sí sin duda y que creo que pasa que el ser humano es tan difícil de comprender que es difícil entrar a contar la incertidumbre ahí dentro pero bueno como contaba al principio toda la parte de
01:07:51
epidemias sociales es sociología a cierta manera entender cómo se transmiten los trastornos alimentarios que tienen mucho que ver con los contagios también o la violencia hay muchos estudios sobre la violencia en la ciudad de chicago y cómo se transmite como realmente un brote porque si alguien ataca a alguien ese alguien pertenece a una y esa banda va a acabar vengándose y entonces para empezar a expandirse la violencia entonces hay que intentar cortar lo que yo creo que se aplica a
01:08:23
las ciencias sociales bastante también no de hecho aquí diego rivera comenta la cultura estadística está cambiando está mejorando la percepción de los estudiantes sobre todo en los grados de ciencias tales como la psicología la sociología y en parte a nivel general esta labor divulgativa que no solo tú sino también puedes ramón pica números anti en la medida de lo posible tú también haciendo yo lo intentamos y bueno creo que es muy necesaria la
01:08:54
divulgación y poco a poco de no sólo de la estadística de las matemáticas y de todas y de todas las ciencias de alguna manera devolvemos a la sociedad lo que la sociedad nos las oportunidades que la sociedad nos ha dado de aprender y profundizar en estas en todas estas estos contenidos e no quiero no quiero alargar más este encuentro van a ver yo creo que
01:09:25
estoy agradecidísimo contigo de verdad sabes que te t'estime aunque los dos eran que querían dos de los muchos y bueno creo que esto de los zombis pues es tenemos que luchar contra ellos que están por todas partes yo quería enseñar mi camiseta es que estáis viendo por aquí yo soy dice yo soy matemático cuál es tu superpoder bueno todos somos un poco matemáticos
01:09:58
las matemáticas viven en nosotros no en vano son la mayor creación de el razonamiento humano así que bueno anabel muchísimas gracias además quiero bueno dime lo que no te voy a dar las gracias muchas gracias a ti ni a todo lo que han estado aquí aguantando me este ratito y quiero hablar más de estadística al contrario del chat ha estado ahí en un fallo o sea si quería invitar a todos
01:10:31
los que estáis aquí el día 30 el lunes el próximo lunes que tendremos a manolo gonzález no sé si lo conocéis es físico por la universidad complutense de madrid y actualmente trabaja en el instituto de astrofísica de andalucía dentro del grupo de física solar como responsable de comunicación del proyecto europea european solar telescope que prevé construir atención es el mayor telescopio solar en suelo europeo que
01:11:02
haya existido jamás en su charla nos hablará lo que se de manolo te puedes esperar cualquier cosa me ha dado este título de estrella estrellitas y estrellón es un viaje musical por el universo si ana anabel es bayesianas a tiempo completo manolo ese astro coplero con eso lo digo todo nos vemos el lunes anabel muchísimas gracias gracias
01:11:35
gracias a todos ya todos los que y las que habéis venido y nos habéis acompañado os esperamos en la siguiente charla de conciencias un saludo

DOWNLOAD SUBTITLES: