¡Buena elección! 

Has decidido empezar a tomar las riendas de tus conclusiones, has decidido abrirte la puerta al acceso al conocimiento científico.

En esta página se recoge una guía de formación autodidacta de estadística aplicada, orientada a mejorar la comprensión de este campo de conocimiento (no a la realización de análisis estadísticos). Los distintos libros, artículos y otros materiales formativos pueden consultarse de forma gratuita, ya sea por ser directamente de acceso libre, o por poder accederse a los mismos a través de plataformas ya conocidas por todos/as.

Recomiendo seguir el orden facilitado de acceso a los distintos documentos, ya que tras haber estudiado los mismos, creo que este guion puede facilitar una mejor comprensión. Puede que haya conceptos que se repitan en algunos documentos, pero esto no quiere decir que se muestre la misma información en ellos. A veces, es necesario leer sobre un mismo concepto, explicado por distintos autores, para poder llegar a tener un entendimiento óptimo del mismo.

Recomendaciones

Antes de comenzar, quisiera hacerte una serie de recomendaciones, basadas en mi experiencia formándome de manera autodidacta en este campo:

  1. Para poder aprender sobre estadística aplicada no es suficiente leer, es necesario estudiar. Si realmente quieres aprender sobre ello, comprender bien los distintos conceptos y no caer en numerosas malinterpretaciones que puedan sesgar las conclusiones que saques, tienes que reflexionar sobre los distintos conceptos y analizar que implicaciones pueden ir teniendo unos con otros según vas avanzando. Tienes que estudiar.
  2. No te recomiendo ponerte metas optimistas en cuanto al tiempo que dedicar al aprendizaje de estos documentos. Una de las principales cosas que me agobió cuando comencé, fue el darme cuenta de la ingente falta de conocimiento que tenía y querer adquirirlo todo a corto plazo. Esta necesidad de adquisición instantánea del conocimiento solo me produjo agobio, no es algo necesario. Estos conceptos suelen requerir de tiempo para poder entenderlos adecuadamente, mi recomendación es que vayas estudiando poco a poco, a tu ritmo, sin ponerte fechas a corto plazo para su finalización y disfrutando de ello en el camino.
  3. No infravalores la importancia de los conocimientos básicos. Lo que yo sentí al empezar a estudiar estadística aplicada, era una necesidad imperiosa de llegar ya a estudiar análisis clásicos de los que había oído hablar, como una regresión lineal o un análisis de la varianza. Puede parecer más «guay» entender esos tipos de análisis, pero esa no es la cuestión, cada cosa ha de llegar en su debido momento y una comprensión profunda de los conceptos más básicos es crucial para no cometer errores colosales de interpretación posteriormente al estudiar esos análisis tan ansiados. La gran mayoría de personas que he conocido que saben por encima sobre los conceptos de regresión lineal, análisis de la varianza, regresión logística u otros, cometen fallos muy importantes de interpretación de conceptos tan básicos como puede ser la media muestral.
  4. No te agobies si tienes que estudiar otra vez alguno de los documentos. Cuando yo comencé a estudiar, hubo varios capítulos, conceptos y/o análisis que tuve que re-leer y estudiar varias veces hasta llegar a comprenderlos. Esto es algo normal y deseable, es mejor aprender bien de primeras un concepto, que aprenderlo mal y posteriormente cambiarlo, ya que puede ser que por el camino, hayamos ido interpretando mal muchos otros como consecuencia. Este es también uno de los motivos por los que he incluido documentos de distintos autores que explican un mismo concepto.
  5. Mentalízate de vivir en la duda. Según vayas aprendiendo más sobre estadística aplicada, te irás dando cuenta de que rara vez podemos estar muy seguros de algo al realizar una investigación y que, lo que ahora puede parecernos sencillo trasladar a la práctica clínica al leer un estudio, en realidad no lo es tanto. Mi planteamiento es que, actualmente, estás sacando conclusiones muy optimistas de las investigaciones que lees, con respecto a la importancia de sus resultados y la confianza que podemos depositar en los mismos. Espero que cuando acabes de estudiar estos documentos, esa sensación actual cambie por completo, eso implicará que realmente has llegado a comprender una cantidad importante de los mismos y que estas mejor preparado para sacar conclusiones más veraces de los estudios que leas. No intentes simplificar las respuestas, ya que normalmente, errarás en tus conclusiones.
  6. Deja tus comentarios. He habilitado en esta página la sección de comentarios, con el fin de que quienes vayan decidiendo adentrarse en este campo, puedan dejar sus comentarios con respecto a la dificultad encontrada con el orden planteado de los documentos, la accesibilidad a los mismos, la ausencia de algún material que hubiera sido adecuado… En definitiva, cualquier comentario que pueda facilitar mejorar la presente guía. Según disponga de tiempo, iré leyendo los mismos para ir haciendo los cambios pertinentes.
  7. Acuérdate de revisar la página. La guía contenida en esta página no se mantendrá estática indefinidamente, iré actualizando el material pertinente y añadiendo nuevas secciones a la misma con análisis que aún no están incluidos. De momento, la guía contiene lo más básico para entender gran parte de las investigaciones de nuestro campo.

Tras estas recomendaciones, te dejo a continuación con la guía de formación autodidacta. Simplemente decirte dos últimas cosas:

1) Has tomado la decisión acertada.

2) ¡Ánimo!

Formación Autodidacta en

Estadística Aplicada

Introducción Bases Estadística Aplicada

  1. Answering questions with data. Chapters:
    1. 8 – Scales of measurement.
    2. 2 – Describing Data (no hacen falta el 2.7 ni el 2.8).
    3. 4 – Probability, Sampling, and Estimation.
  2. 2005. Standard deviations and standard errors.
  3. Discovering statistics using IBM SPSS. Chapters:
    1. 1 – Why is my evil lecturer forcing me to learn statistics?
    2. 2 – The SPINE of statistics (no hacen falta el 2.11, 2.12, y 2.13).
    3. 3 – The phoenix of statistics (no hacen falta el 3.8, 3.10, 3.11 y 3.12).
  4. 1986. Confidence intervals rather than p values. Estimation rather than hypothesis testing.
  5. 2016. The ASA’s Statement on p-Values: Context, Process, and Purpose.
  6. Discovering statistics using IBM SPSS. Chapters:
    1. 6 – The beast of bias (no hacen falta 6.13, 6.14 y 6.15).
  7. 2005. The normal distribution.
  8. 1995. Absence of evidence is not evidence of absence.

Modelo Lineal General – Correlación y Regresión Lineal

  1. Answering questions with data. Chapters:
    1. 3 – Correlation.
  2. Discovering statistics using IBM SPSS. Chapters:
    1. 8 – Correlation (no hacen falta 8.9, 8.10 y 8.11)
    2. 9 – The Linear Model (Regression) (no hacen falta 9.12, 9.13, 9.15, 9.16 y 9.17)
    3. 10 – Comparing two means (solo capítulo 10.4).
  3. 1994. Regresion towards the mean.
  4. 1994. Some examples of regression towards the mean.
  5. 2017. Same Stats, Different Graphs: Generating Datasets with Varied Appearance and Identical Statistics through Simulated Annealing.

Modelo Lineal General – ANOVA y ANCOVA

  1. Discovering statistics using IBM SPSS. Chapters:
    1. 12 – GLM 1: Comparing several independent means (no hacen falta 12.8, 12.9, 12.12, 12.13 y 12.14).
  2. Answering questions with data. Chapters:
    1. 7 – ANOVA.
  3. Discovering statistics using IBM SPSS. Chapters:
    1. 13 – GLM 2: Comparing means adjusted for other predictors (analysis of covariance) (no hacen falta 13.8, 13.9, 13.12, 13.13 y 13.14).
  4. 2001. Misunderstanding analysis of covariance. 
  5. Discovering statistics using IBM SPSS. Chapters:
    1. 14 – GLM 3: Factorial designs (no hacen falta 14.8, 14.9, 14.12, 14.13 y 14.14).
    2. 15 – GLM 4: Repeated-measures designs (no hacen falta 15.10, 15.18, 15.19 y 15.20)
    3. 16 – GLM 5: Mixed designs (no hacen falta 16.9, 16.10 y 16.11).
  6. Answering questions with data. Chapters:
    1. 8 – Repeated Measures ANOVA.
    2. 9 – Factorial ANOVA.
    3. 10 – More On Factorial Designs.
  7. 1973. Eta-Squared and Partial Eta-Squared in Fixed Factor Anova Designs.
  8. 2011. Comparisons against baseline within randomised groups are often used and can be highly misleading.

Causalidad, Moderación y Mediación

  1. 1965. The Environment and Disease: Association or Causation?
  2. 2019. Conditional Process Analysis: Concepts, Computation, and Advances in the Modeling of the Contingencies of Mechanisms.

Fiabilidad

  1. 2005. Quantifying test-retest reliability using the intraclass correlation coefficient and the SEM.
  2. 1998. Statistical methods for assessing measurement error (reliability) in variables relevant to sports medicine.
  3. 2010. Statistical methods for assessing agreement between two methods of clinical measurement.
  4. Material Propio – El Mal Uso de la Mínima Diferencia Detectable en la Interpretación de Medias.
  5. 2005. The Kappa Statistic in Reliability Studies: Use, Interpretation, and Sample Size Requirements.

FIN

(continuará…)

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *