martes, 13 de julio de 2010

El problema de la bella durmiente

Cierto día un compañero de clases me comento aquello de como aplicar probabilidad en los cuentos .
Los filósofos y matemáticos a menudo evidencian una habilidad especial para complicar las cosas. Un buen ejemplo de esto es El problema de la Bella Durmiente, una vuelta de tuerca que convierte un cuento para niños en una pesadilla para adultos.
 Sigue leyendo, y averigua por qué las brujas no deberían tener monedas, los príncipes ya no besan como antes y -sobre todo- cómo un par de cerebritos pueden encontrar una paradoja dentro de un cuento para niños. Sin desperdicio.

Todos conocemos la clásica historia de la Bella Durmiente, que se hiere con una rueca embrujada y cae en un profundo sueño del que solo el beso de un príncipe la podrá sacar. Seguro que el argumento te resulta familiar, porque Disney ha hecho una fortuna con él. Pero un filosofo llamado Adam Elga, famoso por haber creado varios puzles difíciles de resolver, basándose en el trabajo de Arnold Zuboff (publicado como “One Self: The Logic of Experience”), le ha dado una vuelta de tuerca para convertirlo en un problema lógico de difícil solución. Supongamos que es domingo, y que la Bella Durmiente se pincha el dedo con la rueca. En ese instante, se hace presente la bruja y -antes que la muchacha se duerma- arroja una moneda al aire. Si sale cara, la Bella Durmiente se despertará de la maldición el lunes y ahí se acabará la historia, sin necesidad de príncipes salvadores y sin paradojas de ninguna clase. Pero si sale sello, también se despertará el lunes, aunque solo para volver a dormirse hasta el martes. Cuando despierte el martes estará libre de la maldición pero tendrá una pequeña secuela: gracias a las malas artes de la bruja, no se acordará si se despertó o no el lunes.



Nuestra Bella Durmiente se despierta sin saber si es lunes o martes.


Puestas así las cosas, y con el Príncipe ausente del relato, nuestra Bella Durmiente se despierta sin saber si es lunes o martes. Dado que si despertó el lunes dicho evento fue borrado de su mente por la bruja, no tiene forma de saber en qué día se encuentra. Adam Elga asume que La Bella Durmiente es perfectamente racional y que el domingo, antes de quedar dormida, se ha enterado del plan elaborado por la bruja. Con estos datos, la niña puede asignar probabilidades al hecho de que sea lunes y al hecho de que sea martes. O, dicho de otro modo, puede asignar probabilidades al hecho de que la moneda cayera en cara o que cayera en sello. La cuestión a resolver es: ¿qué probabilidad subjetiva debería otorgarle ella a la hipótesis de que la moneda cayó en cara? Existen dos formas de encarar el problema.



La primera asume que como el domingo la Bella Durmiente sabía que la moneda no estaba trucada, tenía un 50% de probabilidades que cayera en cara. Dado que al ser despertada el lunes no recibe ningún dato adicional que pueda ayudarla a deducir su situación (ya que su memoria es borrada), la probabilidad es de un 50% de que sea lunes, y de un 50% de que sea martes. ¿Parece lógico, verdad? Pero antes de festejar, veamos la segunda forma en que se puede encarar este problema.



¿Confundido? No te preocupes, no eres el único.


Supongamos que el experimento de la bruja se lleva a cabo un elevado número de veces. Al igual que antes, como la moneda no esta trucada, la mitad de las veces caerá cara y la otra mitad caerá en sello. Sabemos que la Bella Durmiente se despierta una vez tras salir “cara” y dos veces tras salir “sello”. Como ambas caras de la moneda tienen las mismas probabilidades de ocurrir, todos los despertares de la muchacha tienen también la misma probabilidad. Si la bruja hace 100 veces su truco, la Bella Durmiente despertaría 50 veces en lunes (luego de salir cara), 50 veces en lunes (tras salir sello) y 50 veces en martes tras sello. Si cada vez se le pregunta a la niña “¿Qué día es hoy?”, sabe que tiene el doble de probabilidades de ser despertada tras sello que tras cara. Las probabilidades que asignará a “sello” serán 66,66% y a “cara” sólo el 33,33%.




¿Confundido? No te preocupes, no eres el único. ¿Cuál es la respuesta correcta? Adam Elga sostiene que la segunda situación es la correcta, y que existe un 33,33% de posibilidades de que la Bella Durmiente despierte el martes tras haber salido cara. David Lewis, otro experto en temas de lógica, piensa que la primera respuesta es la correcta, y que al arrojar una moneda al aire no hay otra alternativa que asignar un 50% de probabilidades a cada posible resultado. Tu ¿con quién estás de acuerdo?


Escrito por: Por: Ariel Palazzesi en Neoteo
fuente: wikipedia
fuente imagen: sobrecomic

martes, 18 de mayo de 2010

FACTOR ANOVA

El análisis de varianza (ANOVA) es el método más utilizado para el análisis estadístico de datos cuantitativos. Se calcula la probabilidad de que las diferencias entre las medias observadas podría ser simplemente debido al azar. Todo estadistico debe saber cómo usarlo.

Está estrechamente relacionado con t de Student, pero que el t-test sólo es adecuado para comparar dos tratamientos: el análisis de varianza puede ser utilizado tanto para la comparación de varios medios y en las situaciones más complejas.


Dado que sería poco ético negar el alivio del dolor, no hay grupo de control y sólo estamos interesados en saber si un fármaco funciona mejor (más baja puntuación de dolor) que otro, por lo que necesitamos para llevar a cabo un ANOVA one-way/single-factor. Entramos en estos datos en SPSS utilizando valores NUMERICOS (1, 2, 3, 4) para los medicamentos por lo que esta de datos numéricos pueden ser utilizados en el análisis de varianza:



Este es el principal resultado del ANOVA. El valor de significación comparando los grupos (las drogas) es <0,05, por lo que podría rechazar la hipótesis nula (no hay diferencia en las puntuaciones media del dolor con las cuatro drogas). Sin embargo, desde las varianzas son significativamente diferentes, esto podría ser la respuesta equivocada. Afortunadamente, el Welch y Brown Forsythe-estadísticas todavía se puede utilizar en estas circunstancias:





Resultados: Drogas 4 (Aspirina) produce resultados significativamente diferentes de los otros tres medicamentos:
La prueba de Tukey se basa en la homogeneidad de varianza, por lo que ignorar estos resultados. La prueba de los Juegos-Howell post-hoc no se basa en la homogeneidad de varianza (por ello se utilizaron dos pruebas diferentes post-hoc) y así se puede utilizar. SPSS amablemente banderas (*) que las diferencias son importantes!

Conclusión: Cuando se presenta el resultado de un análisis de varianza, se puede citar el valor de la razón F y dar el número de grados de libertad, el resultado (de una manera neutral) y el valor de significación. Así que en este caso:






Hay una diferencia significativa entre las puntuaciones de dolor de aspirinas y los otros tres drogas probadas, F (3,28) = 11.97, p <.05.



Pruebas robustas de igualdad de las medias

puntuacion

Estadístico(a)
gl1
gl2
Sig.
Welch
32.064
3
12.171
.000
Brown-Forsythe
11.967
3
18.889
.000





a Distribuidos en F asintóticamente.


El valor de significación de estos son a la vez <.05, así que todavía rechazan la hipótesis nula.Sin embargo, este resultado no nos dice qué fármacos son responsables de la diferencia, así que necesitamos el puesto hoc resultados del ensayo:



Comparaciones múltiples

Variable dependiente: puntuacion
<><>Límite superior
Límite inferior
HSD de Tukey
<><>-9.500<><>Asprin<><>Ibuprofeno<><>-8.71<><>-6.54<><>.999<><>5.875<><>33.500(*)<><>Ibuprofeno<><>-16.45<><>-9.55<><>.999<><>3.471<><>9.500<><>Ibuprofeno<><>42.26

(I) drogas(J) drogas
Diferencia de medias (I-J)
Error típico
Sig.
Intervalo de confianza al 95%
Límite inferior
Límite superior
Límite inferior

DiclofenacoIbuprofeno
-8.750
5.875
.457
-24.79
7.29



Paracetamol
5.875
.386
-25.54
6.54



-33.500(*)
5.875
.000
-49.54
-17.46



Diclofenaco
8.750
5.875
.457
-7.29
24.79

Paracetamol
-.750
5.875
.999
-16.79
15.29

Asprin
-24.750(*)
5.875
.001
-40.79


ParacetamolDiclofenaco
9.500
5.875
.386

25.54



Ibuprofeno
.750
5.875
-15.29
16.79



Asprin
-24.000(*)
.002
-40.04
-7.96


AsprinDiclofenaco

5.875
.000
17.46
49.54



24.750(*)
5.875
.001
8.71
40.79


Paracetamol
24.000(*)
5.875
.002
7.96
40.04
Games-HowellDiclofenacoIbuprofeno
-8.750
6.176
.513
-27.05
9.55

Paracetamol
-9.500
7.548
.602
-31.45
12.45

Asprin
-33.500(*)
5.194
.001
-50.55


IbuprofenoDiclofenaco
8.750
6.176
.513

27.05



Paracetamol
-.750
6.485
-20.09
18.59



Asprin
-24.750(*)
.001
-36.03
-13.47


ParacetamolDiclofenaco

7.548
.602
-12.45
31.45



.750
6.485
.999
-18.59
20.09


Asprin
-24.000(*)
5.558
.014
-42.26
-5.74
AsprinDiclofenaco
33.500(*)
5.194
.001
16.45
50.55


Ibuprofeno
24.750(*)
3.471
.001
13.47
36.03

Paracetamol
24.000(*)
5.558
.014
5.74

* La diferencia de medias es significativa al nivel .05.



Variable dependiente: Puntuación Dolor
Factor: Drogas:



  • SPSS permite a los distintos puestos de muchas pruebas especiales.Haga clic en Post Hoc de Tukey y seleccione-Howell y pruebas de los Juegos.
    • La prueba de Tukey es poderoso y ampliamente aceptado, pero es paramétrico en el que supone que las varianzas poblacionales son iguales.También se supone que los tamaños de muestra son iguales.Si este no es el caso, debe utilizar el procedimiento de Gabriel, o si los tamaños son muy diferentes, el uso GT2 Hochberg.
    • Juegos-Howell no asume varianzas poblacionales son iguales, o que los tamaños de muestra son iguales, así que es una buena alternativa si este resulta ser el caso.
  • Haga clic en Opciones y selecciona la homogeneidad de varianza de prueba, Brown-Forsythe y Welch. La homogeneidad de la prueba de varianza es importante ya que se trata de una hipótesis de análisis de varianza, pero si esta hipótesis resulta ser roto, el de Brown-Forsythe y Welch opciones mostrará versiones alternativas de la estadística F que significa que todavía puede ser capaz de utilizar el resultado.
  • Haga clic en Aceptar para ejecutar las pruebas.

Salida:
Prueba de homogeneidad de varianzas

puntuacion
Estadístico de Levene
gl1
gl2
Sig.
4.837
3
28
.008

El valor de importancia para la homogeneidad de las varianzas es <0,05, por lo que las varianzas de los grupos son significativamente diferentes. Como se trata de una hipótesis de ANOVA, tenemos que ser muy cuidadosos en la interpretación de los resultados de esta prueba:
ANOVA: Dolor


Suma de cuadrados

df

Mean Squar

F

Sig.

Entre los grupo

4956.375

3

1652.125

11,967

.000

Dentro de los grupos

3865.500

28

138,054




Total
Total
8821.875
8821.875
31
31








EJEMPLO
One-Way / de un solo factor ANOVA:
Datos:


Las puntuaciones de dolor para los analgésicos
Drogas
Dolor Puntuación:
Diclofenaco 0,35,31,29,20,7,43,16
Ibuprofeno 30,40,27,25,39,15,30,45
Paracetamol 16,33,25,32,21,54,57,19
Asprina 55,58,56,57,56,53,59,55