Presentación
PARADOJAS
Hecho por:
Alejandro Hernández Luna #22
Rafael Alejandro Jiménez Corona #23
Camila Jiménez Nungaray #24
Ángel Dorian López Sánchez #25
Kenia Estefanía Martínez Barrera #26
Perla Jocelyn Martínez Martínez #27
Yendri Alberto Medina Mendoza #28
Índice de
01. Paradoja de Simpson
02. Ciencias Sociales y Mate.
CONTENIDOS 03. Métodos Analíticos y
Gráficos
04. Importancia del estudio
estadístico.
05. Relación entre variables
06. Posibles Problemas
01
Paradoja de
Simpson
¿QUÉ ES? RAZONAMIENTOS
Variable confundidora:
Es un fenómeno Existe una variable no considerada
estadístico en el que en el análisis inicial que influye en
una tendencia que se ambas variables estudiadas.
Agrupación de datos:
observa en varios La forma en que se agrupan los
grupos de datos datos puede ocultar o invertir la
desaparece o incluso tendencia real.
Causalidad vs. Correlación:
se invierte cuando se
El hecho de que dos variables estén
combinan todos los relacionadas no significa que una
datos. cause la otra. La relación podría ser
debida a una tercera variable.
02
Ciencias Sociales y
Matemáticas
Vinculo
Las matemáticas proporcionan a las
ciencias sociales un lenguaje preciso y
herramientas poderosas para analizar
datos, construir modelos y comprender la
complejidad del mundo social. A su vez, las
ciencias sociales ofrecen a las matemáticas
un campo de aplicación rico y relevante
para abordar problemas del mundo real.
03
Relacion de los
Métodos
Métodos Analíticos y Gráficos
Los métodos analíticos y gráficos desempeñan un papel crucial en esta interrelación,
permitiendo a los investigadores sociales:
Cuantificar fenómenos sociales: Transformar datos cualitativos (entrevistas,
observaciones) en datos cuantitativos (números) para realizar análisis estadísticos.
Identificar patrones y tendencias: Descubrir relaciones entre variables sociales,
como la correlación entre educación y ingresos, o la influencia de factores
socioeconómicos en la salud.
Construir modelos: Crear modelos matemáticos que simulen procesos sociales y
predecir futuros escenarios.
Validar teorías: Comprobar si las teorías sociales se ajustan a los datos empíricos.
Comunicar resultados: Presentar de manera clara y concisa los hallazgos de
investigación a través de gráficos y visualizaciones.
04
Importancia del estudio
Analítico
Importancia
Comprensión profunda: El estudio analítico nos permite ir más allá de
la superficie de los fenómenos, desentrañando las causas subyacentes
y las relaciones entre diferentes variables.
Toma de decisiones informada: Podemos tomar decisiones más
fundamentadas y estratégicas en diversos ámbitos.
Identificación de patrones: Ayuda a identificar patrones y tendencias
que podrían pasar desapercibidos en una observación superficial.
Evaluación de hipótesis: Permite poner a prueba teorías e hipótesis
de manera sistemática.
Solución de problemas: El análisis nos equipa con las herramientas
necesarias para identificar y resolver problemas complejos.
Innovación: Podemos identificar nuevas oportunidades y generar ideas
innovadoras.
05
Relación entre
Variables
Relación
Relación causal: Una variable influye directamente en otra. Por
ejemplo, el aumento de la temperatura (variable independiente) puede
causar un aumento en el consumo de helados (variable dependiente).
Relación de correlación: Existe una asociación entre las variables,
pero no necesariamente una relación causal. Por ejemplo, puede
haber una correlación positiva entre el consumo de café y la felicidad,
pero esto no significa que el café cause la felicidad.
Relación espuria: Aparentemente existe una relación entre dos
variables, pero en realidad es causada por una tercera variable no
observada. Por ejemplo, puede haber una correlación positiva entre el
consumo de helados y el número de ahogamientos, pero esto se debe
a que ambas variables están relacionadas con la temperatura.
06
Posibles
Problemas
Ejemplos:
Datos incompletos o faltantes: Si faltan datos importantes, la muestra puede no ser
representativa y las conclusiones pueden ser sesgadas.
Datos inconsistentes: Los datos inconsistentes o contradictorios pueden dificultar el
análisis y generar resultados erróneos.
Errores de medición: Los errores en la medición de los datos pueden introducir
sesgos en los resultados.
Falta de fiabilidad: Si los datos no son confiables, los resultados no serán válidos.
Dificultad para analizar los datos: Los datos mal organizados o no estructurados
pueden ser difíciles de analizar y pueden llevar a conclusiones erróneas.
Sesgos en la muestra: Si la muestra no es representativa de la población, los
resultados no pueden generalizarse.
Interpretación errónea de los datos: Los datos pueden ser interpretados de manera
incorrecta si no se utilizan las técnicas estadísticas adecuadas.
Conclusiones inválidas: Si los datos no son recolectados y organizados de manera
adecuada, las conclusiones a las que se llegue pueden ser inválidas.
