12.8:

12.8: Predisposición

JoVE Core
Statistics

A subscription to JoVE is required to view this content. Sign in or start your free trial.

JoVE Core Statistics

Bias

Please note that all translations are automatically generated. Click here for the English version.

12.6: Crossover Experiments

12.10: Clinical Trials

3,760 Views

•

01:22 min

•

April 30, 2023

Overview

El sesgo se refiere a cualquier tendencia que impida que una pregunta se considere sin prejuicios. En la investigación, el sesgo ocurre cuando se selecciona o fomenta un resultado o respuesta sobre otros en el muestreo o las pruebas. El sesgo puede ocurrir durante cualquier fase de la investigación, incluido el diseño del estudio, la recopilación de datos, el análisis y la publicación.

En estadística, se crea un sesgo de muestreo cuando se recolecta una muestra de una población, y algunos miembros de la población no tienen la misma probabilidad de ser elegidos que otros (recuerde, cada miembro de la población debe tener la misma probabilidad de ser elegido). Cuando se produce un sesgo de muestreo, se pueden sacar conclusiones incorrectas sobre la población que se está estudiando. Además del sesgo de selección, se observan comúnmente varios tipos de sesgos en el diseño de experimentos y el análisis de datos: sesgo del observador, sesgo de medición, sesgo de publicación, etc.

Es importante darse cuenta de que, en muchas situaciones, los resultados no son igualmente probables. Una moneda o un dado pueden ser injustos o sesgados. Dos profesores de matemáticas en Europa hicieron que sus estudiantes de estadística probaran la moneda belga de un euro y descubrieron que en 250 ensayos, se obtuvo una cara el 56% de las veces, y una cruz el 44% de las veces. Los datos parecen mostrar que la moneda no es una moneda justa; Más repeticiones serían útiles para sacar una conclusión más precisa sobre dicho sesgo. Algunos dados pueden estar sesgados. Mira los dados en un juego que tengas en casa; Las manchas en cada cara suelen ser pequeños agujeros tallados y luego pintados para que las manchas sean visibles. Sus dados pueden o no estar sesgados; Es posible que los resultados se vean afectados por las ligeras diferencias de peso debidas a los diferentes números de agujeros en las caras. Los casinos de juego ganan mucho dinero dependiendo de los resultados de tirar los dados, por lo que los dados de casino se hacen de manera diferente para eliminar el sesgo. Los dados de casino tienen caras planas; Los agujeros están completamente llenos de pintura que tiene la misma densidad que el material del que están hechos los dados, de modo que cada cara tiene la misma probabilidad de aparecer.

Este texto es una adaptación de Openstax, Introducción a la Estadística, Sección 3, Probabilidad.

Transcript

Los sesgos en los estudios de investigación son errores sistemáticos que favorecen u oponen una hipótesis de investigación.

El sesgo puede ocurrir intencionalmente o no durante la recopilación, análisis, interpretación o publicación de datos.

De los diversos tipos de sesgo, aquí se incluyen algunos comunes.

El sesgo de muestreo puede ocurrir cuando las muestras se extraen de forma no aleatoria de la población, que no es un representante ideal de toda la población, por ejemplo, predecir el resultado de una elección en función de las respuestas de una encuesta recopiladas solo de los miembros de un partido político y no de todo el electorado.

El sesgo del observador o el sesgo de investigación puede ocurrir cuando las nociones preconcebidas, las expectativas o el conocimiento incompleto de un investigador influyen en los resultados y su interpretación.

El sesgo de medición se produce cuando se utilizan instrumentos de medición mal calibrados en el experimento.

El sesgo de publicación se observa cuando los estudios de investigación que informan hallazgos positivos estadísticamente significativos tienen más probabilidades de publicarse que los que informan resultados negativos.

En el caso de sesgo de financiamiento, los investigadores pueden sesgar los datos para mostrar resultados que favorezcan al organismo de financiamiento.

Key Terms and definitions

Bias - A tendency that sways a question or outcome away from being neutral.
Sampling Bias - Not all members of a population are equally likely to be selected.
Observer Bias - An error due to subjective influence of observer on the research.
Measurement Bias - A systematic error that leads to inaccurate results due to flaws in data collection.
Publication Bias - The tendency to only publish positive or significant results.

Learning Objectives

Define Bias – Understand its role and impact on research outcomes (e.g., biased statistics).
Contrast Sampling Bias vs Observer Bias – Learn their distinct influences on research (e.g., population selection vs subjectivity).
Explore Examples – Discuss cases where bias is apparent (e.g., biased dice).
Explain Impact of Measurement Bias – Elaborate on how it affects validity of results.
Apply Prevention of Publication Bias – Discuss how neutrality in science is maintained.

Questions that this video will help you answer

What is bias and how does it influence the validity of research outcomes?
How to discern between sampling and observer bias?
What are some real-world examples of different types of bias?

This video is also useful for

Students – Understand how the concept of bias aids in comprehending research integrity
Educators – Provides a framework to teach biases in research methods
Researchers – Crucial for planning a robust and valid research design
Data Analysts – Helps detect and navigate biases in datasets they work with

Tags

sesgo sesgo de muestreo sesgo de selección sesgo del observador sesgo de medición sesgo de publicación diseño de investigación recopilación de datos análisis estadístico casinos de juego moneda justa dados sesgados estudio de población resultados probabilidad