Icibatreuh
Madmaxista
- Desde
- 16 Feb 2012
- Mensajes
- 12.321
- Reputación
- 28.495
Iniciado por Aceutinator rex
....Los estudios estadísticos se suelen basar en simples contrastes de comparación de medias poblacionales entre los que toman X y los que no (o toman placebo). La cantidad de variables involucradas suele ser tal y el número de sujetos tan reducido (población no representativa) que las conclusiones casi siempre son precarias. Por ejemplo, yo he analizado en un gran estudio clínico miles de sujetos sobre el efecto de tomar frutas para ver su efecto algún tipo de cáncer, y no sale nada. Aunque tengas unas cuantas variables, no siempre se puede concluir algo, y por eso periódicamente nos reimos de esos "investigadores americanos han concluido que..." el cafe es malo, luego bueno, el aceite de oliva, la dieta mediterranea, etc. Otras veces hay más suerte. Es lo que tiene la búsqueda de correlaciones en una máquina compleja que comprendemos poco interactuando con el medio. El otro método, deduccion a partir de principios matemáticos de medicamentos efectivos no siempre es posible. No conocemos bien cómo funcionan los genes, dónde se esconden los que activan el envejecimiento y sus funciones, etc. Por eso lo de buscar asociaciones significativas sigue siendo válido
Muy de acuerdo con este planteamiento. Yo he trabajado muchos años en empresas químicas donde hacíamos todo tipo de investigaciones de proceso. Durante años quisimos utilizar sistemas de ensayo tipo a DOE (diseño de experimentos) con multiples variables. Tuvimos que desistir porque, era tal complejidad del resultado obtenido y la imposibilidad de entender las interacciones que al final no se obtenía nada útil. Sin embargo, ya zorro viejo, recopilaba observaciones sorprendentes causa-efecto, Con simplemente una variable a estudiar y un simple análisis con la "t de Student" obteniamos resultados asombrosos. Eso sí, ese resultado había que verificarlo varias veces en escenarios y condiciones de proceso distintas o,
por ejemplo, variando el tipo de materia prima utilizada. Y las interacciones seguían existiendo, pero eran mucho más fáciles de interpretar.
....Los estudios estadísticos se suelen basar en simples contrastes de comparación de medias poblacionales entre los que toman X y los que no (o toman placebo). La cantidad de variables involucradas suele ser tal y el número de sujetos tan reducido (población no representativa) que las conclusiones casi siempre son precarias. Por ejemplo, yo he analizado en un gran estudio clínico miles de sujetos sobre el efecto de tomar frutas para ver su efecto algún tipo de cáncer, y no sale nada. Aunque tengas unas cuantas variables, no siempre se puede concluir algo, y por eso periódicamente nos reimos de esos "investigadores americanos han concluido que..." el cafe es malo, luego bueno, el aceite de oliva, la dieta mediterranea, etc. Otras veces hay más suerte. Es lo que tiene la búsqueda de correlaciones en una máquina compleja que comprendemos poco interactuando con el medio. El otro método, deduccion a partir de principios matemáticos de medicamentos efectivos no siempre es posible. No conocemos bien cómo funcionan los genes, dónde se esconden los que activan el envejecimiento y sus funciones, etc. Por eso lo de buscar asociaciones significativas sigue siendo válido
Muy de acuerdo con este planteamiento. Yo he trabajado muchos años en empresas químicas donde hacíamos todo tipo de investigaciones de proceso. Durante años quisimos utilizar sistemas de ensayo tipo a DOE (diseño de experimentos) con multiples variables. Tuvimos que desistir porque, era tal complejidad del resultado obtenido y la imposibilidad de entender las interacciones que al final no se obtenía nada útil. Sin embargo, ya zorro viejo, recopilaba observaciones sorprendentes causa-efecto, Con simplemente una variable a estudiar y un simple análisis con la "t de Student" obteniamos resultados asombrosos. Eso sí, ese resultado había que verificarlo varias veces en escenarios y condiciones de proceso distintas o,
por ejemplo, variando el tipo de materia prima utilizada. Y las interacciones seguían existiendo, pero eran mucho más fáciles de interpretar.
Última edición: