Pensamiento crítico: cómo descubrir lo que realmente funciona

1. Introducción y primeros pasos: Hola ahí. Bienvenido a este curso. Mi nombre es Andre. Soy científico capacitado. Y en este curso quiero mostrarte cómo puedes contestar preguntas como ¿Empezar un negocio te hará rico? ¿ Te ayudará la meditación a sentirte más feliz y contenido? ¿ O levantarse a las cinco de la mañana te ayudará a ser más productivo y manos exitosas? Y estas no son sólo preguntas filosóficas interesantes, sino que son preguntas que tienen consecuencias. Las respuestas que encuentres para este tipo de preguntas, literalmente, pueden marcar la diferencia entre terminar más pobre, ser incapaz de alcanzar tus metas o tener éxito y conseguir la vida que quieres. Ahora, desafortunadamente, cuando la gente piensa en este tipo de preguntas, muy a menudo caen presa de flechas de razonamiento. Y como resultado de eso, muy a menudo terminan persiguiendo cosas que realmente no las llevan a ninguna parte. Y así, en este curso, quiero mostrarte cómo puedes afilar tu pensamiento, encontrar las respuestas correctas a las preguntas que quieres contestar y tomar mejores decisiones de vida . Entonces, ¿cómo hacemos eso? Y lo primero que quiero señalar es que en todas estas preguntas. Había la misma estructura general en todas las preguntas. Se trataba de si una variable X causa otra variable. ¿ Por qué esto me hará rico? ¿ Eso me hará feliz? ¿ Esto me hará tener éxito? En todos estos casos, la pregunta es básicamente sobre si una variable X causa otra variable. ¿ Por qué? Y debido a que todas estas preguntas tienen la misma estructura general, podemos usar el mismo tipo de metodología para responder todas estas preguntas. Y en este curso te enseñaré esa metodología para que puedas responder estas preguntas con la mayor precisión posible. Está bien. Y entonces la siguiente conferencia siempre te muestra el compañero número uno ve que casi todo el mundo cae presa y cómo puedes evitarlo. Te veo en la próxima conferencia. 2. La falacia de razonamiento de la primera vez: la falacia razonando número uno de la que casi todo el mundo cae presa en algún momento es la causalidad. Falacia. Entonces, ¿cuál es la causalidad? Falacia. Ahora digamos, por ejemplo, que quieres decidir a qué universidad quieres ir. Y digamos que te enteras de que los estudiantes de la Universidad un más tarde ganan un salario promedio 40 k y te enteras de que una universidad sean estudiantes después ganan un salario promedio de 80 k Bueno, en ese caso, mayoría de la gente pensaría que Oh, probablemente debería ir a la universidad, ser universidad. Ser parece ser la mejor universidad. De igual forma se supone que aprendes que las personas que no meditan tienden a estar muy insatisfechos con su vida, mientras que las personas que sí meditan y ser muy felices que la mayoría de la gente piensan casi automáticamente que Oh, tal vez Debería meditar más. A lo mejor eso me haría más feliz. Está bien. Otro ejemplo, que he visto muchas veces, por cierto, es Theo ejemplo de que las personas que dicen levantarse a las 7 de la mañana tienden a tener productividad normal mientras las personas que se levantan a las cinco de la mañana sobre todo todos estos directores ejecutivos que trabajan como loco. Tienden a tener alta productividad y tienden a ser más exitosos en la vida. Y luego mucha gente llega a la conclusión de que bien, al parecer, si puedo conseguir que me despierte a las 5 de la mañana, mi productividad será mayor y seré más exitosa. Y un ejemplo más cuando la gente escucha que los empleados tienden a tener una riqueza promedio, mientras que Andhra preneurs tienden a ser ricos. De acuerdo, Si los empresarios realmente tienden a ser ricos es en realidad la pregunta, y te guiaré por eso más adelante en un estudio de caso al final de este curso. Pero digamos con el propósito del ejemplo que los empresarios son en promedio más ricos que los empleados de lo que mucha gente sacaría la conclusión de que deben ser empresarios para que también puedan ser ricos. De acuerdo, todos los ejemplos que acabo de dar son ejemplos de la falacia de causalidad en todos los ejemplos que acabo de dar. La conclusión no fue necesariamente correcta. Y me voy a apegar al ejemplo fuera de los empleados frente a los empresarios ahora, sólo para ilustrarles lo que va mal aquí. Entonces la conclusión que la gente dibuja aquí en este caso es que iniciar un negocio. Por lo que convertirse en empresario hace que la gente construya riqueza, y la evidencia que están usando aquí es lo que llamamos una correlación y su interpretación fuera. Esa correlación es que hay una relación causal entre las dos variables, y esa no es necesariamente la interpretación correcta. Entonces en esta conferencia, quiero mostrarles cómo interpretan correctamente una correlación. Entonces, en primer lugar, ¿qué es una correlación? Una correlación es una relación estadística entre dos variables. Donde si una variable cambia, la otra cambia sistemáticamente con esa variable. Entonces un ejemplo muy sencillo sería que si una variable aumenta, la otra aumenta un oleaje y tiene una variable disminuye, la otra disminuye también. Entonces, por ejemplo, pedir a la gente que pase de no haber iniciado el negocio a iniciar un negocio. Su riqueza aumenta, pero también puede ser al revés. Otro ejemplo de correlación sería que si una variable aumenta, la otra disminuye y viceversa. Si la variable disminuye, la otra aumenta. Ese también es un ejemplo de correlación y lo que la gente suele pensar automáticamente cuando ve tal correlación. ¿ Está bien eso? Por lo que iniciar un negocio hace que las personas sean ricas o las hace pobres. Pero en todo caso, piensan que debe haber una causa de relación entre ambos. Ahora, como ya dije, esa no es necesariamente la interpretación correcta. En cambio, casi siempre son tres explicaciones posibles para una correlación. Y para asegurarte de sacar las conclusiones correctas, debes considerar las tres explicaciones. De acuerdo, entonces supongamos que tenemos dos variables. Acento. ¿ Por qué? Y están coronados. Entonces, ¿qué otras tres explicaciones? La primera explicación es que X causa por qué, Si X causa, Por qué, entonces cada vez que X aumenta, ¿por qué aumentará también? Y así veremos una correlación. No obstante, otra posible explicación es que ¿por qué causa X en ese caso, cuando ¿por qué aumenta? Axel aumenta bien y de nuevo vemos una correlación y luego finalmente, explicación. número tres es que no hay absolutamente ninguna relación causal entre X e y en absoluto. Pero en cambio hay 1/3 variable. Podríamos llamarlo conjuntos que provoca ambos actos y por qué. Y en ese caso, siempre que Zet aumente, hacha aumentará y por qué aumentará. Y así veremos una correlación entre X e Y, pesar de que no hay absolutamente ninguna relación causal entre los actos y por qué. De acuerdo, así que estas son las tres explicaciones. Ahora vamos a aplicar todo lo que te acabo de enseñar a nuestro ejemplo. Entonces digamos que observamos que los empresarios son ricos. Por qué am Por favor sólo tenga una riqueza promedio, y lo primero que necesitamos darnos cuenta es que eso es sólo una correlación. Simplemente significa que a medida que aumenta una variable, por ejemplo, medida que pasa de empleados a emprendedor, la otra variable sistemáticamente se diversa con ella. Por ejemplo, pasamos de la riqueza promedio a ser ricos. Entonces ahora lo siguiente que necesitamos hacer es caminar por las tres explicaciones posibles para esa correlación, y la primera explicación es que iniciar un negocio hace que la gente construya riqueza. No obstante, otra posible explicación es que la riqueza provoca que las personas inicien un negocio, por lo que podría ser que a medida que la gente se enriquece, realidad ya no quieren tener trabajo. Pero en cambio, ya no tienen miedo de tomar el riesgo de iniciar su propio negocio porque ya son ricos, por lo que realmente no tienen nada que perder. Y de la misma manera, cuando la gente se vuelve pobre, es posible que tenga menos probabilidades de iniciar un negocio y más probabilidades de tomar un empleo en su lugar. Entonces una explicación igualmente plausible para la correlación entre iniciar un negocio y riqueza es que la riqueza hace que las personas inicien un negocio. De acuerdo, y finalmente, explicación Número tres es que no hay relación causal entre iniciar un negocio y la riqueza en absoluto. Pero en cambio podría haber 1/3 variable, y un ejemplo de tal 1/3 variable podría ser lo ambiciosa que es una persona. Si una persona es muy ambiciosa, entonces podría ser que eso haga que la persona tenga más probabilidades de iniciar un negocio. Y también podría ser que eso también haga que la persona tenga más probabilidades de construir bien. Pero la razón por la que la persona construye bien puede no ser que la persona inició el negocio, sino sólo porque la persona es muy ambiciosa en lo que esa persona está haciendo. Entonces aunque esa persona no hubiera empezado un negocio, esa persona probablemente habría construido bien, sólo porque esa persona es muy ambiciosa. Entonces esa es la tercera explicación. No hay relación causal entre iniciar un negocio y riqueza en absoluto, pero en cambio son otras variables que causan ambas. Entonces así es como interpretas una correlación ahora y si la correlación no es positiva, pero es negativa. Entonces digamos que es al revés. Y no es que los empresarios sean ricos, sino que los empleados sean ricos. Entonces en ese caso tenemos una correlación negativa entre iniciar un negocio y riqueza. Ahora, para esta correlación negativa, todo funciona exactamente de la misma manera, con la única diferencia de que primero necesitas voltear la segunda variable aquí. Entonces, en lugar de pensar en la segunda variable como riqueza, se puede pensar en ella como pobre. Y de esa manera se voltean los niveles fuera de la variable. Ahora, cuando estás alto en esta variable tus pobres y cuando estás bajo en esta variable, eres rico. Si bien en la riqueza variable cuando estabas alto, eras rico y cuando él bajará, eras pobre. Y con este sencillo flip, la correlación negativa se convierte en una correlación positiva. Ahora hay una correlación positiva entre iniciar un negocio y ser pobre, y ahora puede interpretar esto exactamente de la misma manera que te acabo de mostrar. Entonces la primera explicación para esa correlación es que iniciar un negocio hace que la gente se empobere. La segunda explicación es que llegar a la pobreza provoca que las personas inicien un negocio, y la tercera explicación es que hay 1/3 variable que provoca ambos, como, por ejemplo, toma de riesgos. Por lo que podría ser que la gente se arriesgara mucho. Entonces, básicamente, los jugadores son más propensos a iniciar un negocio, pero también son más propensos a ponerse pobres. Pero la razón por la que se vuelven pobres puede no ser que iniciaron el negocio, sino sólo porque hacen muchas otras cosas arriesgadas que les costaron llegar a ser pobres. De acuerdo, entonces las lecciones clave de esta conferencia son una correlación es una relación entre dos variables X e Y. La gente tiende a tomar una correlación como evidencia que actúa causa por qué. Pero esa es sólo una explicación posible, y las tres explicaciones que hay que considerar son primero que X causa. Por qué, Segundo, ese por qué causa X y tercero que set Así que otra variable causa tanto X como y, y puedes encontrar la falacia de causalidad que la gente saltó inmediatamente Explicación uno prácticamente en todas partes en cada área de la vida de las personas. Y en la siguiente conferencia, quiero mostrarles algunos ejemplos donde se puede ver que 3. Ejemplos de razonar las falacias en nuestra vida diaria: De acuerdo, entonces ahora ya sabes de la falacia de causalidad. Y lo complicado de esta falacia es que realmente se esconde en todas partes. Y así en esta conferencia, quiero entrenarte en detectar la falacia de causalidad para que puedas evitarla. OK, así que pasemos por un par de ejemplos y un ejemplo podría ser que te preguntes qué universidad es mejor y ya teníamos el ejemplo fuera Universidad A versus Universidad ¿Dónde? Después de la universidad Un pueblo gana un salario promedio de 40 k mientras que después de la universidad, ser personas tienden a ganar un salario promedio de descuento 80 pastel. Y lo primero que es importante notar aquí es que eso es sólo una correlación. Todo lo que estás viendo aquí es que si la variable universidad cambia de universidad una universidad B también lo hace el siempre salario de estas personas. Pero la pregunta sigue siendo ¿qué carne esta coronación? Y como aprendiste en la última conferencia ahí, tres explicaciones necesitamos considerar examen Una es que la universidad importa para el salario. Universidad B hará que tengas un salario mayor más tarde que la universidad A. Entonces también hay que considerar explicación a, que es que el salario provoca la universidad. Pero en este caso, estamos de suerte porque el salario sucede fuera de la universidad y asumiendo que algo no puede causar algo al revés en el tiempo. Por lo que el salario futuro no puede afectar lo que haces en el pasado. Cuando eliges la universidad, entonces esta explicación no es posible. Entonces en este caso, podemos descartar explicación a cabo. No obstante, todavía hay explicación tres de que hay 1/3 variable como, por ejemplo, la ambición. Y podría ser que la gente fuera más ambiciosa, tenga más probabilidades de elegir la universidad, estar por encima de la universidad A y al mismo tiempo, ser ambiciosa puede hacer que la gente gane un salario más alto. Y entonces lo que realmente puede estar pasando aquí no es de la universidad es mejor capacitándote para que luego pueda ganar un salario más alto, sino que la universidad es simplemente mejor para atraer gente ambiciosa y que aunque estas personas irían a otra universidad, seguirían ganando un salario más alto. En general, no sabemos si el sábado más alto es causado por la universidad. De acuerdo, echemos un vistazo a otro ejemplo. ¿ Hace el dinero más feliz a la gente Digamos que te haces esa pregunta y luego miras al mundo y digamos hipotéticamente que ves que las personas que no tienen tanto dinero o una riqueza promedio tienden a ser razonablemente felices, mientras que las personas que son muy ricas tienden a ser un poco más felices. Digamos sólo hipotéticamente que eso es lo que ves. Entonces nuevamente, el primer paso es darse cuenta de que eso es sólo una correlación. Siempre ver aquí es que si la riqueza variable cambia de pobre a rico que la variable felicidad cambia de 7 a 8 y ahora lo siguiente que tenemos que hacer es preguntarnos , ¿Qué significa esto? En una posible explicación es efectivamente que el dinero causa felicidad. Pero otra posible explicación es que la felicidad causa dinero. Entonces, por ejemplo, podría ser que las personas que están más contentas sean más optimistas y por lo tanto más propensas a asumir los riesgos que necesitan tomar para ganar mucho dinero. O podría ser que la gente feliz sea más simpática, y eso también los hace más propensos a recibir un ascenso de su jefe, por ejemplo, lo que les hace ganar dinero, por lo que igualmente bien podría ser esa felicidad causa dinero. Y luego, por supuesto, también hay explicación tres, que es que hay 1/3 variable que causa ambas. Entonces podría ser que si eres una persona que es muy a menudo exitosa de lo que eso provoca que ganes mucho dinero, y también podría hacerte más feliz y no necesariamente por el dinero que ganas , pero solo porque es agradable si alcanzas las metas que te propones así de nuevo, no podemos estar seguros en absoluto aquí de que el dinero causa felicidad. Esa es sólo una de muchas explicaciones. De acuerdo, un ejemplo más, y éste es uno que he visto varias veces. ¿ El levantarse a las 5 de la mañana hace que la gente sea más productiva? Entonces digamos otra vez que miras al mundo y lo ves ahí. Personas que se levantan a una hora normal dicen las 7 de la mañana Y hay gente que se empuja a levantarse muy temprano, como las 5 de la mañana y las personas que se levantan a una hora normal 10 para tener actividad portuaria normal, mientras que las personas que salen muy temprano tienden a tener una productividad muy alta. Si ves eso, entonces podrías pensar que levantarte a las 5 de la mañana es una muy buena estrategia para conseguir mayor productividad, correcto. Pero de nuevo, necesitamos darnos cuenta de que eso es sólo una correlación. Simplemente significa que si pasamos de levantarnos en un momento normal a llegar a tiempo temprano , entonces hay un cambio en la productividad variable. Y ahora la pregunta es, ¿qué hace esa correlación carne y otra vez? Explicación El número uno es que el momento en que te despiertas influye en lo productivo que eres en esa fecha, entonces la segunda explicación que debemos considerar es si la productividad podría causar el tiempo de despertar. Y aquí estamos de suerte otra vez porque la productividad ocurre después de la hora de despertar. Primero te despiertas temprano o no tan temprano, y luego o bien productivo durante ese día o no, y asumiendo que una variable no podría causar algo al revés en el tiempo. Esta explicación no funciona, por lo que podemos descartar esta en este caso. Pero entonces sin embargo, todavía tenemos la tercera explicación variable. Y podría ser, por ejemplo, que las personas que son muy enérgicas tienden a despertar muy temprano, y tienden a ser muy productivas. Y podría ser que la razón por la que son tan productivos no sea porque se despierten tan temprano, sino sólo porque tienen mucha energía y no puedo hablar por ti. Pero personalmente traté de levantarme a las 5 de la mañana, una vez en mi vida. Y creo que en el primer día y tal vez también el segundo día, mi productividad waas mayor. Pero luego después de eso, me sentía más cansado cada día. Y creo que mi productividad en realidad disminuyó. Entonces, ¿importa el tiempo de despertar? Tanto para la productividad. Eso es realmente algo que desconocemos a partir de esta correlación. Está bien. Entonces, como se puede ver, la falacia de correlación realmente se esconde en todas partes. Y eso lleva a la siguiente pregunta. Cuál es cómo podemos resolver esto? Y eso es lo que voy a cubrir contigo en la próxima conferencia. Por lo que te veo en la siguiente sección 4. La estrategia más potente para eliminar las explicaciones alternativas: bien, Así que ahora que estás un poco entrenado en ver estas diferentes explicaciones de correlaciones que podemos observar en el mundo ahora la pregunta es, ¿cómo podemos descartar las explicaciones alternativas y averiguar si X causa por qué sus diversas formas de hacerlo, cada una con sus ventajas y desventajas? Y en esta conferencia, les voy a presentar una de las soluciones más poderosas, que es un experimento. Ahora, cuando piensas en un experimento de lo que quizás estés pensando en algo como esto, pero esto en realidad no es lo que es un experimento. Es justo así como sucede un experimento para verse en algunas ramas fuera de señales. Pero un experimento es algo mucho más sencillo. Entonces, ¿qué es un experimento? Un experimento es cuando se aleatorizan los niveles fuera de los actos variables. Entonces tuvimos estas dos variables accidente ¿Por qué? Y ambas variables tienen niveles. Por ejemplo, eso puede ser alto o bajo. Y cuando se aleatorizan los niveles fuera de la primera variable, por ejemplo, a través de un flip de moneda, y a eso lo llamamos experimento y sé que esto suena muy abstracto, Así que déjame guiarte por un ejemplo digamos que quieres saber si el dinero hace feliz a la gente. En ese caso, tenemos un experimento si los niveles fuera de la riqueza variable están determinados aleatoriamente por un conflicto, Así que para ilustrar la lógica de esto, digamos que tus dioses y ahora puedes determinar a través de una moneda voltear si la gente es pobre o si es rica. Entonces por cada persona en el mundo, volteas una moneda, y si la moneda dice cabezas, haces pobre a esa persona. Y si la moneda dice cola, entonces haces rica a esa persona. Y ahora digamos que en este escenario tan hipotético, encuentras que los pobres son muy infelices y los ricos están muy contentos, lo cual es una correlación, derecha es una correlación entre riqueza y felicidad. No obstante, la interpretación de esa correlación cambia por completo si la encuentras en un experimento. Entonces vamos a caminar por esto para que las dos variables que tienes nuestra riqueza y felicidad, y ahora la primera variable se aleatoriza a través de un flip de maíz. Entonces, en ese escenario, ¿podría explicarse la correlación por la riqueza causando felicidad? Absolutamente. Esa es definitivamente una posible explicación. Pero, ¿qué pasa con el efecto inverso? ¿ Podría haber causado la felicidad la riqueza? Bueno, No, porque determinaste el pozo a través de un tirón de moneda y a tu moneda no le importa la felicidad de una persona. No importa si la persona es infeliz o feliz, el flip de maíz hace que sea igualmente probable que una persona feliz en una persona infeliz se vuelva rica en tu experimento. Entonces aquí. Esta no es una explicación plausible. Entonces, ¿qué pasa con la explicación número tres? Que hay 1/3 variable influyendo en ambas variables, por ejemplo, que el éxito en alcanzar tus metas hace que la gente sea rica, y eso las hace a todas tan felices. No obstante otra vez, este auto es una relación aquí, desde el éxito hasta la riqueza realmente no funciona porque a nuestra moneda no le importa lo exitosa que sea una persona en alcanzar sus metas. La moneda hace que sea igualmente probable que las personas que no tienen éxito en alcanzar las metas y las personas tuvieron éxito en alcanzar sus metas se vuelvan ricas. Y por esa explicación, tres tampoco funcionan. Entonces la única explicación que ha dejado en este escenario es la explicación Número uno, que la riqueza causa felicidad. Entonces, en otras palabras, si los niveles fuera de la primera variable un aleatorizado y se encuentra una correlación entre las dos variables. Entonces se puede concluir que la primera variable costó la segunda variable. Ahora quizá estés pensando en las notas, pero ¿cómo se supone que haga esto? Pero a veces, si solo miras a tu alrededor en el mundo, confinaste experimentos que ocurren de forma natural como, por ejemplo, la lotería. El sorteo básicamente divide aleatoriamente a sus participantes en los participantes que no obtienen dinero, y los participantes se volverán increíblemente ricos. Y así lo que podemos hacer es simplemente que podemos echar un vistazo si las personas ganan la lotería tienden a ser más felices que las personas que no ganan la lotería. Y el hallazgo aquí es que, temporalmente, sí, las personas que ganan la lotería están un poco más contentas. Pero a la larga, parece que no importa. Por lo que parece ser que el dinero puede hacerte feliz temporalmente, pero tal vez no a la larga. Está bien. Para resumirlo, las lecciones clave de esta conferencia son que se puede descartar la explicación dos y tres a través de un experimento, y en un experimento, los niveles fuera de la variable X se aleatorizan, para ejemplo, a través de un flip de maíz, y puedes ejecutar experimentos tú mismo, que te voy a mostrar en la próxima conferencia. Pero a veces también se pueden encontrar experimentos que ocurren de forma natural como, por ejemplo, la lotería. Muy bien, y luego la siguiente conferencia. Hubble, agréguese más en esto contigo. Por lo que te veo en la próxima conferencia. 5. Tipos de estrategias: en esta conferencia, les voy a presentar dos tipos diferentes de experimentos. Entonces en la última conferencia, aprendiste que un experimento se trata de izar aleatoriamente los niveles fuera de la primera variable. Y estos niveles son siempre sobre algún tipo de comparación. Por ejemplo, universidad, a Versos, universidad B o gente rica versus gente pobre mientras empresarios versus empleados y en esta conferencia querían acercar más a esto y mostrarte que en realidad hay dos diferentes tipos de comparaciones que confinaste aquí. Una comparación es una comparación entre sujetos, y la otra es una comparación dentro de sujeto. Entonces una comparación entre asignaturas es cuando se tienen dos grupos y se comparan estos grupos sí, y un ejemplo de eso sería si se comparan estudiantes de diferentes universidades. Pero también puedes mirar una comparación dentro del tema, y en ese caso, miras una comparación. Con el tiempo tienes dos o más puntos de medición por persona, y comparas estos puntos de medición entre sí. Lo que pasó a tiempo, uno comparado con el tiempo a y puede hacer eso con varias personas o incluso solo con una persona, lo que un ejemplo de Eso sería si compararas semanas en las que meditaste, dos semanas en las que no meditaba para figurar fuera si la meditación te está ayudando a sentirte mejor o a concentrarte más, por ejemplo y en ambos casos, necesitas un experimento para poder sacar una conclusión clara. Entonces, ¿qué es un experimento en estos dos casos, mientras que en un experimento, o aleatoriza quién va a qué grupo en un diseño entre sujeto o cuándo qué sucede en un diseño dentro de sujeto? Entonces, pasemos por un ejemplo. Digamos que quieres saber si levantarte a las 5 de la mañana hace que la gente sea más productiva que un tipo de experimento que podrías ejecutar o buscar sería un experimento donde dividas a la gente en un grupo que tiene que levantarse a las 7 de la mañana, cada vez y un grupo que tiene que levantarse a las 5 de la mañana cada vez. Y luego se puede comprobar cuál de estos dos grupos es más productivo, y esto sería un experimento. Si ocurre la división en los dos grupos, agrega al azar, por ejemplo, a través de un tirón de monedas Pero si no quieres molestar a tus amigos diciéndoles cuándo tienen que levantarse, lo cual puedo entender muy bien que también puede ejecutar un experimento en ti mismo. Entonces lo que puedes hacer es tener días en los que te levantas a las cinco de la mañana, y puedes tener días en los que te levantas a las 7 de la mañana. Y podría convertir eso en un experimento decidiendo cada día de antemano a través de un flip de moneda , si el día siguiente va a ser un día de las 5 de la mañana o un día de las 7 de la mañana. Por lo que en el primer día es posible que puedas empinar más tiempo. Entonces tienes que levantarte temprano. Entonces el conflicto dice que tienes que levantarte temprano otra vez. Entonces puedes Steve más tiempo del que tienes que levantarte temprano para que pueda dormir más y luego concibió más tiempo otra vez y así sucesivamente. Y si lo que haces cada día se aleatoriza, entonces eso también es un experimento. Entonces digamos que encuentras que en días en los que te despiertas temprano, eres más productivo de lo que podría significar eso? Algo que podría significar es que el tiempo de despertar influye en tu productividad. Pero normalmente también tendríamos que considerar la posibilidad de que la productividad influyera en el tiempo de despertar. Ahora, ya dijimos que eso no es realmente posible en este caso particular porque el por actividad ocurre después de la hora de despertar. Pero en un experimento, todas formas es imposible, porque el tiempo de despertar está determinado por completo por el flip de maíz, lo que no puede ser influenciado por otra cosa. Entonces esta explicación definitivamente no funciona. Y entonces la tercera explicación que normalmente necesitamos considerar es que hay 1/3 variable que causa ambas. Entonces, por ejemplo, si no lo aleatorizaras, entonces podría ser que después de noches en las que tu sueño está realmente apagado de una alta calidad y realmente profundo, automáticamente te despiertas temprano y eres más productiva durante el día. No obstante, si determinas cuando te despiertas con un tirón de moneda, entonces de nuevo, al conflicto no le importa tu calidad de sueño, dice la moneda. Se fue a despertar, sin importar si te sientes súper somnoliento por la mañana o realmente enérgico y listo para comenzar el día, y por lo tanto esta causa de relación realmente no vuelve a funcionar. Y por lo tanto la tercera explicación variable no funciona. Entonces si encuentras en este escenario que eres más productivo si te levantas a las 5 de la mañana, entonces eso significa que levantarte a las 5 de la mañana es una buena manera para que te hagas más productivo. De acuerdo, para resumirlo, las lecciones clave de esta conferencia son los niveles fuera de la variable X puede ser entre o una comparación dentro de sujeto, y la comparación entre sujetos es un experimento. Si las personas son asignadas aleatoriamente a los dos niveles fuera de actos y la comparación dentro del sujeto es un experimento, si los puntos de tiempo se asignan aleatoriamente a los dos niveles fuera de actos. Un experimento es los métodos más poderosos para descartar explicaciones alternativas. Pero no siempre es factible. Por ejemplo, puedes decirle a la gente que desee que la universidad se vaya en base a un conflicto. Simplemente no van a hacer eso. Por ello, en la próxima conferencia, les mostraré un segundo método para descartar explicaciones alternativas que veo en la próxima elección 6. La segunda estrategia para eliminar las explicaciones alternativas: si no puedes ejecutar un experimento, y si no puedes encontrar un experimento que la siguiente mejor alternativa es un diseño mixto. Un diseño de mezcla es cuando se combina un diseño dentro del sujeto con el entre sujetos. Diseño. Por lo que tienes dos grupos de personas, pero también tienes al menos dos puntos de medición en el tiempo. Entonces, pasemos por un ejemplo. Digamos que quieres saber si la meditación hace más feliz a la gente. Ahora suponga que realmente no quiere hacer el esfuerzo para ejecutar un experimento en sí mismo. Pero tampoco se puede encontrar ninguna situación en el mundo donde las personas se dividen aleatoriamente en meditadores y no meditadores. Entonces lo siguiente mejor que puedes hacer es un diseño de mezcla. Digamos que tus amigos deciden iniciar una nueva actividad cada sábado por la noche, y digamos que una parte de tus amigos deciden que tengan una noche de cine mientras otra parte de tus amigos deciden que las clases de meditación tomen el sábado por la noche que en un diseño puro entre sujeto. miraría lo feliz que se siente la gente después de un rato de hacer estas dos actividades, y entonces se puede encontrar que la gente que no comenzó a meditar. No te sientas tan feliz como la gente que sí empezó a meditar. Ahora, en un diseño de mezcla, agregamos un punto de medición más. Y en este caso, esa podría ser la felicidad inicial de estos dos grupos de personas antes de que inicien la nueva actividad. Y digamos que la felicidad inicial de los no meditadores Waas un seis de 10 mientras que la felicidad inicial fuera de los meditadores fue un ocho de cada 10. Y luego después de estas actividades, vemos un seis de cada 10 para los no meditadores y un ocho de cada 10 para los meditadores. Cuando esa situación, podemos ver que a pesar de que los meditadores son más felices que los no meditadores, la felicidad no cambió como resultado de ninguna de estas actividades. Los no meditadores iniciaron con el seis y el terminó con un seis y el meditador inició con un SIDA y terminaron dentro de ocho. Entonces ahora podemos ver que la meditación en realidad no ayudó. En cambio, este resultado estaría más en línea con la explicación de que la felicidad hace que la gente tenga más probabilidades de meditar porque aquí podemos ver que la gente feliz se fue hacia la clase de meditación, y ese es el poder de un diseño mixto en el diseño de mezcla, donde puedes ver estos patrones en lo que quieres ver. Para concluir que la meditación realmente sí mejora tu felicidad es que el cambio en felicidad con el tiempo es mayor en el grupo de meditación en comparación con el grupo de no meditación . Entonces aquí, por ejemplo, la felicidad de los meditadores aumenta en un punto, mientras que la felicidad de las no meditaciones no cambia en absoluto. Por lo que este resultado sugeriría que la meditación causa felicidad. No obstante, aún hay explicaciones alternativas. Entonces podría ser, por ejemplo, que las personas que acudieron a las clases de meditación sean personas que son muy buenas para sacar alegría de las nuevas actividades. Y podría ser que si hubieras dicho a los meditadores que acudieran a las noches de cine, también habrían aumentado en felicidad por un punto simplemente porque son muy buenos disfrutando de nuevas actividades. Por lo que incluso en un diseño mixto, todavía tenemos explicaciones alternativas. No obstante, espero que también puedan ver que no todas las explicaciones alternativas que teníamos que considerar antes de seguir trabajando y las explicaciones alternativas que aún hacen trabajo son mucho más complicadas y no tan plausibles como el explicaciones que teníamos que tratar antes. Por lo que en un diseño mixto todavía tienes explicaciones alternativas. Pero no son tan graves como en un puro entre diseño de sujeto o un diseño puro dentro del sujeto . De acuerdo, pasemos por otro ejemplo. Digamos que te preguntas qué universidad es mejor, y esta es una situación complicada porque puedes decirle a la gente que desee que la universidad se vaya, y por lo tanto es muy difícil aquí ejecutar un experimento. Entonces en esta situación, un diseño mixto vuelve a ser tu mejor alternativa. Entonces lo que quieres hacer es que no solo quieres ver qué tan capaces son las personas después de ir a la universidad. Digamos que anotamos eso como un seis de cada 10 para los estudiantes de la Universidad A y un ocho de cada 10 para los estudiantes de la Universidad B. Pero también se quiere ver lo capaces que eran ya antes de ir a la universidad. Entonces cuando tomamos eso en cuenta que él y este ejemplo, podemos ver que básicamente los estudiantes fuera de ninguna universidad mejoran en la Universidad A. Empezaron con un nivel de habilidad fuera de seis, y terminan con un seis. Y en la universidad sea que comiencen con un nivel de habilidad fuera de ocho y terminan con un nivel de habilidad de ocho. Por lo que la única diferencia entre estas dos universidades parece estar en este ejemplo que la universidad B es mejor para atraer estudiantes altamente capaces. Y eso es generalmente un problema, porque una vez que la universidad tenga una buena reputación, eso significa que los buenos estudiantes irán a esa universidad y luego automáticamente. Habrá una correlación entre el éxito que las personas tienen más adelante en la vida y esa universidad. Entonces lo que quieres ver idealmente, no es solo que los estudiantes de una universidad lo estén haciendo mejor después. Pero quería ver que los estudiantes entran relativamente incapaces y salen relativamente capaces, que es algo que se puede sobre Lee Seon, un diseño de mezcla. No obstante, aunque encuentres que aún hay explicaciones alternativas, podría ser, por ejemplo, que los estudiantes que acudieron a la universidad estén en este caso particular sean mejores aprendices, y esa es la única razón por la que mejoraron tanto. Pero si son mejores aprendices de lo que es la pregunta, ¿por qué no eran ya más capaces de empezar? Entonces como se puede ver aquí, pesar de que todavía hay explicaciones alternativas, no son tan plausibles como las explicaciones alternativas que tuvimos que tratar en un puro entre diseño de sujeto o aparecer dentro del diseño de sujeto. De acuerdo, ahora vamos a pasar por un resumen de las opciones que tienes. Cuando quieres saber si una variable está causando otra variable, la mejor opción es siempre ejecutar un experimento en ti mismo. Un experimento elimina de inmediato todas las explicaciones alternativas que cubrimos al principio. Y si lo ejecutas tú mismo y sabes que los resultados te aplicarán, la siguiente mejor opción es mirar un experimento en otras personas. Por lo general, ejecutar tal experimento no es realmente factible. Pero a veces se puede encontrar un experimento que ocurre de forma natural en el mundo como, por ejemplo, la lotería. Entonces la siguiente mejor opción es un diseño de mezcla. Si no puedes encontrar el caso donde se aleatorizan los niveles fuera de la primera variable, entonces al menos asegúrate de obtener tanta información como sea posible no solo en Lee comparando grupos sino también viendo cómo cambian con el tiempo, todo bien, y si aun eso no está disponible que el último recurso que tienes, es hacer una conjetura educada basada en una correlación. Por lo general es posible encontrar al menos alguna correlación en el mundo. Y si esa correlación no se encuentra en un experimento, ni hace diseño que lo mejor que puedes hacer es simplemente ir uno por uno a través de todas las explicaciones posibles y hacer una conjetura educada cuan probable es que la primera variable está causando la segunda variable. Muy bien, así que las lecciones clave de esta conferencia son si un experimento no es factible y el diseño mixto es una buena alternativa, un diseño de mezcla minimiza las explicaciones alternativas sin descartarlas por completo. Y si un diseño mixto no es posible tampoco que tu último recurso es una conjetura educada basada en una correlación, está bien, eso es suyo con sexual, y te veo en el siguiente 7. Una forma sencilla de resolver la coincidencia: ok, Y esta conferencia te mostrará cómo lidias con las coincidencias. Entonces, ¿qué quiero decir con coincidencia? Entonces digamos que un día te levantas a tu hora normal de las 7 de la mañana, y luego un día después, te levantas a las cinco de la mañana y encuentras que en el segundo día eres más productivo. Y digamos que determinaste ambos a través de un tirón de moneda. Entonces es un experimento. Entonces ¿realmente se puede concluir que levantarse a las 5 de la mañana causa que sea más productivo? diga la verdad, no exactamente porque podría ser sólo una coincidencia, y él es una manera de pensar al respecto. Si has hecho lo mismo en ambos días, por ejemplo, si en ambos días te levantas a las 7 de la mañana seguirías siendo probablemente más productivo en un día comparado con el otro, correcto, pues sin ningún razones claras, a veces tenemos días más productivos. En ocasiones tenemos días menos productivos, y por lo tanto, aunque hagas lo mismo en ambos días, en un día tendrás mayor productividad. Entonces otra pregunta que debemos hacernos es que si encontramos que después de levantarnos a las cinco de la mañana, nuestra productividad es mayor. ¿ Es porque nos levantamos a las 5 de la mañana o es sólo una coincidencia? Y ahí varias soluciones para descartar coincidencias. La primera solución es el tamaño de la muestra. Si no solo medimos en dos días, sino en muchos días, entonces se vuelve mucho menos probable que en los días en que nos levantamos a las cinco de la mañana, simplemente pasemos a ser más productivos. Y como regla general, cuanto mayor sea su muestra. Entonces, cuantos más puntos de medición tengas, más podrás estar seguro de que no es una coincidencia. Y cuál es exactamente el tamaño de la muestra depende un poco de tu diseño. En un entresujeto diseñado, el tamaño de la muestra es el número fuera de personas que tienes en cada grupo y en un diseño dentro del sujeto , puede ser dos cosas. Puede ser el número fuera de las personas que miras, y también puede ser el número fuera de los puntos de medición que miras. Entonces si te pruebas tú mismo, el tamaño de la muestra sería la frecuencia con la que pruebas a lo largo del tiempo y un ejemplo donde el tamaño de la muestra realmente nos está ayudando está en el ejemplo de la lotería porque hay tanta gente tomando la lotería, y con el tiempo han sido tantas personas que ganaron la lotería que podemos estar realmente seguros que las diferencias entre ganadores de lotería y perdedores de lotería no son solo coincidencias. Entonces esa es la primera solución. Tamaño de la muestra. Y tal vez te preguntes, ¿cuál es el tamaño de muestra grande y qué es un tamaño de muestra pequeño? Y técnicamente, es bastante arbitrario. La regla es sencillamente, cuanto más mejor. Pero solo para darle alguna orientación, les daré los números que usaría en mi vida privada para determinar si tengo un tamaño de muestra grande o pequeño. Entonces un tamaño de muestra pequeño para mí serían 20 observaciones, y eso no significa que no puedas ir más bajo. Es solo que entonces el riesgo se pone realmente alto que tus resultados sean coincidencia y un tamaño de muestra grande sería de 100 observaciones o más. Son más de 100 observaciones que puede estar bastante seguro de que las cosas que observas no son solo coincidencia. De acuerdo, así que ese es el tamaño de muestra de la primera solución. Pero el tamaño de la muestra no siempre es la solución más factible, y por lo tanto en la próxima conferencia, les mostraré una segunda solución 8. La forma de resolver la coincidencia: otra forma de descartar coincidencia es evaluar la varianza inexplicable. Entonces, ¿qué significa eso? Digamos que has probado a lo largo de 10 días, ya sea levantarte a las 5 de la mañana te hace más productivo o levantarte a las 7 de la mañana. Y digamos que todos los días te diste un puntaje de, digamos, 1 al 10 sobre lo productivo que eras ese día. Entonces es como podrían verse los resultados para el día de las 7 de la mañana. Entonces en este día, tu productividad fue relativamente baja en este día aquí fue un poco más alta que de ella más baja otra vez, luego un poco más alta y luego un poco más baja otra vez. Y digamos que estos otros resultados para los días de 5 a.m. Así que el primer día fuiste muy productivo. Entonces tu productividad bajó un poco y luego aumentó las pujas y así sucesivamente y así sucesivamente. Ahora, cuando miro estos resultados, en realidad me convencen bastante por ellos, pesar de que el tamaño de la muestra es realmente pequeño y la razón tiene que ver con varianza inexplicable . Entonces, vamos a romper esto ahí abajo. Dos cosas suceden en este conjunto de datos primero. Ahí está la diferencia promedio entre los días 7 a.m. y los cinco días AM. Por lo que el promedio de descuento de los días de 7 a.m. sería más o menos aquí mientras que el promedio de descuento de los cinco días AM sería más o menos aquí. Y la diferencia entre eso es lo que pensamos es el efecto del tiempo de despertar. Despertar a las cinco AM cambió la productividad de aquí a aquí. Podríamos llamar a esto la varianza explicada porque las variantes que podemos explicar a través del tiempo de despertar. Aparte de eso, también tenemos pasadores inexplicables. Entonces, por ejemplo, ¿por qué mi productividad fue menor en este día en comparación con ese día y luego más baja de nuevo en este día? En comparación con ese día, realmente no lo sabemos hasta que podríamos llamar a esta varianza inexplicable. Entonces la varianza inexplicable son las variantes alrededor de la media para la que no tenemos explicación. Y eso lo tenemos para los días de las 7 de la mañana, y también lo tenemos para los cinco días AM Ahora, lo que la varianza inexplicable básicamente te dice es lo grande que es el efecto de las coincidencias. Entonces aquí vemos que sólo por casualidad, la productividad sube y baja y sube y baja en más o menos tan rico y él es el mismo. Vemos que sólo por casualidad, la productividad baja y sube y baja y sube más o menos en este rico. Y lo que podemos ver aquí es que a las 7 de la mañana días es realmente improbable que nuestra productividad suba hasta aquí y viceversa. En cinco días AM, es realmente improbable que la productividad baje hasta aquí, y a partir de este patrón concluimos que lo más probable es que la diferencia entre los medios aquí no sea sólo una coincidencia, porque las coincidencias no son tan grandes basados en la varianza inexplicable que vemos. Y si encuentras ese patrón, entonces basta con una pequeña muestra. Ahora compare eso con la siguiente situación. Digamos que tenemos exactamente la misma diferencia entre las medias, pero la varianza inexplicable es mucho mayor. Entonces, por lo tanto, con esta cantidad de varianza inexplicable, es bastante probable que la diferencia entre los medios rojos sean incidentes de Jessica. Entonces en esta situación, la única forma de averiguar si esa diferencia no es sólo una coincidencia es recolectar una muestra más grande. Entonces la regla simple es que si el efecto de la primera variable se destaca en comparación con variantes inexplicables que una muestra pequeña tamiza lo suficiente. Y si no lo hace, entonces necesitas un tamaño de muestra grande. De acuerdo, ahora permítanme darles algunos ejemplos de varianza inexplicable para dejar en claro qué varianzas inexplicables en diferentes situaciones. Entonces digamos que quieres saber qué universidad es mejor entonces. En ese caso, varianza inexplicable es cuánto difieren los estudiantes dentro de cada universidad entre sí. Si bien la varianza explicada sería cuánto difieren los estudiantes entre universidades entre sí, digamos que quieres saber si la meditación te hace más feliz. En ese caso, la varianza inexplicable es cuánto fluctúa tu felicidad dentro de periodos de tiempo en los que meditas o periodos de tiempo en los que no te das cuenta. Básicamente, es cuánto varía tu felicidad entre días en los que hizo exactamente lo mismo. O digamos que quieres saber si el emprendimiento hace que la gente sea rica. En ese caso, la varianza inexplicable es la cantidad de riqueza que varía dentro de los empresarios y dentro de los empleados. Entonces, ¿cuánto? Bueno, diverso entre personas que hacen lo mismo ya sea siendo empresarios o empleados. Muy bien, entonces las lecciones clave de esta conferencia son la primera manera de descartar coincidencia es tener una muestra grande. No obstante, las muestras pequeñas pueden ser suficientes si no hay mucho padres inexplicables. Y más específicamente, si el efecto de tu variable no destaca en comparación con varianza inexplicable, entonces el efecto puede no ser real, sino solo una coincidencia. Pero si el efecto de tu polvo variable se destacan, eso probablemente sea realmente incluso en una muestra pequeña. Está bien, eso es todo con lo sexual y veo en el siguiente. 9. Cómo descubrir si otras cosas funcionan de manera mejor: en esta conferencia, vamos a cambiar un poco la pregunta. Y en lugar de preguntar, ¿causa X por qué, preguntamos, x importa lo suficiente? Entonces, por ejemplo, lugar de pedir polvo, levantarte a las cinco AM te hace más productivo, podrías preguntar, Hay otras cosas que importan más que levantarte a las cinco AM Porque honestamente, levantarse a las cinco AM no es divertido. Entonces si lo haces, entonces mejor que valga la pena. Y quieres asegurarte de que no haya mejores soluciones que aún no hayas considerado, y puedes averiguarlo usando las técnicas que ya conoces. Entonces para ilustrar esto, digamos nuevamente que lo pruebas tú mismo si levantarte a las 5 de la mañana te hace más productivo y solo para que los resultados sean un poco menos desordenados. He asumido aquí que los días no se aleatorizan para que todo esté uno al lado otro. Y aquí vemos la productividad promedio en días en los que te levantaste a las siete de la mañana y aquí vemos la productividad promedio en días en los que te levantaste a las 5 de la mañana Y podemos ver que es un poco más alto, pero al mismo tiempo hay un mucho de variantes inexplicables, y nuestro efecto aquí realmente no sobresale en comparación con ese inexplicable derecho diverso. Entonces en esa situación estaríamos preocupados de que la diferencia sean solo incidentes de cosquillas. Pero hay más de lo que podemos aprender de este patrón, porque esencialmente, lo que es la varianza inexplicable es una medida fuera del efecto de las variables que aún no hemos considerado. Entonces permítanme darles un ejemplo. Podría ser que en los días con alta productividad, regularmente tomaras un descanso para el café y eso te ayuda a mantenerte enérgico y a mantenerte productivo mientras en los días improductivos no tomabas ningún descanso para el café. Pero ella solo siguió trabajando y siguió trabajando hasta que él estaba tan agotado que solo estabas mirando a tu pantalla sin hacer nada sobre lo que el patrón que vemos aquí básicamente nos dice es que el coffee break importa mucho mawr comparado con cuando te levantas por la mañana. Ahora compare eso con el siguiente patrón. Aquí tenemos un patrón donde la diferencia entre los días de 5 a.m. y los días de 7 a.m. es relativamente grande, y la varianza inexplicable es relativamente baja, derecha, y aquí lo mismo podría estar sucediendo. Podría ser que en los días más altos tomaras los descansos para el café mientras que en los días más bajos, simplemente seguía trabajando. Pero aquí la conclusión sería lo contrario. Aquí concluiríamos que si tomas los descansos para el café o no difícilmente importa para tu productividad, mientras que el tiempo que deseo que te levantes importa mucho. Por lo que al comparar el efecto de la primera variable con la varianza inexplicable, puedes hacerte una idea de lo efectiva que es esa variable en comparación con otras variables que aún no has probado. Y si encuentras un patrón donde el efecto es muy pequeño en comparación con la varianza inexplicable , entonces en lugar de obsesionarte con la pregunta de si esa diferencia es una coincidencia o no, tiene más sentido preguntar tú mismo lo que está causando esa varianza inexplicable. Por qué uso de productivo en este día y este día y este día y este día en comparación con este día y este día y este día ahora se supone que hacer lo piensas y comparas los días productivos con los días improductivos y te das cuenta de que en el días productivos te tomaste más pausas para el café. Entonces, ¿eso significa que debes tomar más pausas para el café y él tiene que tener cuidado? Porque de nuevo, esto es sólo una correlación. Y a menos que probaras esto en un experimento o al menos tengas un diseño de mezcla, probablemente no signifique tanto. Por lo que aquí de nuevo, necesitamos pensar en nuestras tres explicaciones. Podría ser que el coffee break costaría ser más productivo. O podría ser que en días en los que eres muy productivo, tengas más tiempo para pausas de café o la coronación podría deberse a 1/3 variable. Por ejemplo, podría ser que en días en los que te despiertas temprano, estés tan cansado que te tomas más descansos para tomar café, pero también tienes más tiempo para trabajar y así eres más productivo. Entonces si encuentras que en los días más productivos tomaste más pausas para el café, ten en cuenta que es solo una correlación y que la única manera de saber con certeza que los descansos del café realmente causan que seas más productivo es un experimento. De acuerdo, entonces las lecciones clave de esta conferencia son si hay mucha varianza inexplicable que otras variables, probablemente importa mawr que su variable que estás mirando. Y en ese caso, vale la pena preguntar qué otra variable podría haber causado esa varianza inexplicable. Y una vez que tengas una idea, asegúrate de probarla idealmente en un experimento. 10. Cómo sacar conclusiones con eficacia: De acuerdo, Entonces ahora ya has visto qué tipo de cosas necesitas mirar y qué tipo de cosas necesitas estar al tanto cuando sacas conclusiones y tratas de averiguar si los actos te pueden conseguir ¿Por qué? Y como probablemente te diste cuenta, es mucho más complicado de lo que la gente suele pensar. Entonces este es un buen momento para preguntarnos. ¿ Cómo podemos ser eficientes al respecto o, más precisamente, son realmente todas las lecciones de este curso siempre necesarias? Por ejemplo, ¿qué pasa si ignoras explicaciones alternativas para correlaciones? ¿ O qué pasa si ignoras varianza inexplicable? Y la respuesta corta es, por supuesto, que va a cometer más errores. Pero también hará menos Eros porque en realidad son dos tipos de errores que podemos hacer cuando sacamos conclusiones. El primer tipo es lo que llamamos falsos positivos, que es creer en algo que no es cierto. Por ejemplo, si crees en fantasmas, pesar de que va piedra realmente existen, entonces eso sería un falso positivo. El otro tipo de error son los falsos negativos. falsos negativos es cuando rechaza algo, pesar de que es cierto. En un ejemplo de eso es lo que sucede en la sociedad terrestre plana. El pueblo en plano Sociedad Tierra rechaza la idea de que la tierra es una esfera. A pesar de que sabemos con muy alta certeza que la tierra es una esfera y se pueden sacar conclusiones de dos maneras, o bien se puede ser conservador, lo que significa que no se cree fácilmente en las cosas, y en ese caso se minimizar los falsos positivos. Entonces minimiza la posibilidad de que las cosas que crees no sean ciertas y la otra estrategia sea ser liberal, lo que significa que fácilmente crees en las cosas, y en ese caso, estás minimizando los falsos negativos. Por lo que evitas que rechaces ideas que en realidad son verdaderas. Por lo que ambas estrategias tienen sus ventajas y desventajas. Si eres muy conservador, entonces eres básicamente un Sayer de nalgas que perderá muchas oportunidades. Pero si eres demasiado liberal de lo que eres, un sí, Sayer y comienzas a creer en cosas que totalmente en verdad, como creer que puedes predecir el futuro leyendo carros. Por lo que ambos tienen su fuerza y son debilidades. Y la pregunta que debes hacerte para tu pregunta en particular es qué tipo de error te resulta más costoso. Y al responder a su pregunta, puedes averiguar qué tan eficiente puedes ser a la hora de responder a tu pregunta. Entonces, pasemos por dos ejemplos. Digamos que Peter se pregunta si el anuncio de productividad por $1 le ayudará a hacer más cosas. Bueno, en ese caso, ¿qué tendría falso positivo? Sería que compra la app por lo que desperdicia $1 no consigue más productivo. ¿ Eso es realmente tan malo? En realidad no está bien. Por otro lado, un falso negativo sería que rechaza la app, pesar de que le ayudaría. Y en ese caso, su productividad se mantendrá baja. Y eso puede ser en realidad mucho más costoso para él. Por lo que en este caso, tendría sentido absoluto dar un salto de fe. Y justo por arriba, incluso a riesgo de que esto resulte ser un falso positivo. Ahora compara eso con el segundo ejemplo. Digamos que María se pregunta si vale la pena arriesgar todos sus ahorros para iniciar nuestro propio negocio. Entonces, ¿qué sería un falso positivo B En este caso, significa que pierde todos sus ahorros y su negocio no funciona. ¿ Y qué sería un falso negativo en este caso? Sería que ella guarde sus ahorros. Pero no logra iniciar un negocio que de otra manera habría tenido éxito. Y podría argumentar en este caso que perder todos tus ahorros es realmente costoso y que los falsos positivos en este caso son en realidad más costosos. Entonces para María, tendría mucho sentido tomar todas las cosas que cubrí en este curso muy, muy en serio a la hora de evaluar la pregunta, si iniciar un negocio puede darle lo que quiere tener. Entonces, para resumirlo, las lecciones clave de esta conferencia son si necesitas aplicar todas las lecciones de este curso depende de qué tipo de error te resulte más costoso. Si los falsos negativos son más costosos que dar un salto de fe, Sin embargo, si los falsos positivos son más costosos que asegúrese de aplicar todas o al menos la mayoría de las lecciones fuera de este curso. Está bien, eso es todo para esta conferencia. Y te veo en el siguiente 11. El proyecto de pensamiento científico completo: De acuerdo, entonces ahora conoces los principios fuera del pensamiento científico. Y en esta conferencia, voy a juntar estos principios para ustedes en un plano paso a paso. Por lo que el primer paso es siempre formular una hipótesis causal fuera de la forma que causa X. ¿ Por qué el dinero hace feliz a la gente? ¿ El emprendimiento hace rico a la gente? Entonces, en otras palabras, polvo la primera variable costo X, la segunda variable. Por qué, entonces, una vez que tengas eso que el siguiente paso es mirar los costos fuera de los dos tipos de flechas. ¿ Y si aceptas la hipótesis y resulta ser falsa, que sería un falso positivo? ¿ Y qué pasa si rechaza las oficinas arriba y es cierto, que sería un falso negativo? Y si los falsos positivos son más costosos de lo que le recomendaría que pase por todos o por lo menos la mayoría de los pasos posteriores de este plano. Y si los falsos negativos son más costosos, entonces puede tener sentido sólo seguir unos pocos de los pasos de este plan y simplemente dar un salto de fe. Entonces el siguiente paso del plano sería seleccionar una prueba y la mayoría de las veces, la prueba ideal sería un experimento en ti mismo. Pero si eso no es posible o si no quieres hacerlo, entonces también puedes mirar un experimento sobre otras personas. Entonces la siguiente mejor opción es un diseño mixto sobre otras personas. Entonces el diseño, en el que miras ambos grupos y el cambio a lo largo del tiempo y luego finalmente, tu último recurso es una conjetura educada basada en una correlación. Después, una vez que haya seleccionado una prueba y una vez que vea algunos resultados, entonces el siguiente paso será comparar el efecto de la primera variable con la varianza inexplicable . Y si el efecto de la primera variable sobresale de la varianza inexplicable, y eso podría significar que la variable es una causa mayor fuera de la segunda variable. Y si el efecto de la primera variable es eclipsado por varianza inexplicable, entonces eso sugiere que la variable que estás mirando probablemente no sea muy importante. Ahora bien, si aún quieres saber si esa variable es una causa fuera de la segunda variable, aunque no parezca muy importante, entonces todavía puedes averiguarlo. Si tienes un tamaño de muestra grande. Pero en la mayoría de los casos, si la varianza inexplicable es mucho mayor que el efecto de tu primera variable, probablemente no valga la pena mirarla más allá. Y en cambio tiene sentido preguntar ¿qué otra variable podría explicar que variantes que aún no se explican? Entonces tenemos este ejemplo donde miraste tu productividad en días en los que te levantas a las 7 de la mañana y días. Siempre te levantaste a las 5 de la mañana. Y si el efecto de la primera variable así la diferencia promedio aquí sobresale de la varianza inexplicable, entonces eso significa que el tiempo en el que te despiertas es un correlato mayor de productividad comparación con otros posibles correlaciona. Y en ese caso, el paso final sería evaluar las tres posibles explicaciones para esta correlación. Entonces una explicación podría ser que X causa yOtra explicación podría ser que por qué causa X? Y por último, la tercera explicación podría ser esa 1/3 variables que provoca tanto X como Y y cuál de estas explicaciones debes considerar depende de la prueba que hayas elegido antes en un experimento. Es muy fácil. Sólo puede ser la explicación número uno en el diseño de la mezcla. Pueden ser varias explicaciones, pero explicación uno es una de las explicaciones más plausibles. Y si no tienes ni un experimento ni un diseño de mezcla, entonces necesitas aceptar que todas estas explicaciones pueden ser ciertas. Y solo necesitas hacer una conjetura educada, ¿de acuerdo? Y la otra situación que podría tener en el paso cuatro es que encuentras que el efecto de tu primera variable. Entonces esta diferencia aquí no sobresale mucho en comparación con barreras inexplicables. Y eso sugiere que eres variable no es muy importante y que tiene sentido encontrar una nueva variable que explique esas variantes restantes. Y si esa es la situación con la que terminas, entonces el paso final para ti sería volver al paso uno y formular una nueva oficina hap causal para una nueva variable. De acuerdo, así que ese es todo el proyecto de pensamiento científico. Y en la próxima conferencia, voy a pasar por un estudio de caso con ustedes, en el que les voy a mostrar cómo pueden aplicar este anteproyecto que veo en la próxima elección 12. ¿Estudio de casos: ¿el comienzo de un negocio te hará rico?: bien, aplicemos El plano científico a un estudio de caso y el estudio de caso que han elegido es la relación entre emprendimiento y riqueza, que es, creo, un tema muy popular en este momento. Entonces, en otras palabras, es iniciar un negocio la manera de hacerse rico. Y definitivamente hay algunos libros que dicen que la respuesta es un sí definitivo, como el libro Papá rico, Deuda pobre o también el libro El millonario Fast Lane, ambos libros muy populares y ambos libros que por casualidad leí. Y a pesar de que pensé que son libros muy inteligentes, tenemos que tener en cuenta que estos libros presentan opiniones, y también queremos mirar ¿qué dice realmente la evidencia? Entonces vamos a responder a esta pregunta en esta conferencia. Apliquemos todo el proyecto de pensamiento científico para obtener una opinión basada en evidencias sobre este asunto. De acuerdo, entonces, ¿cuál es el primer paso? El primer paso es formular una hipótesis causal, y las oficinas de aplicaciones causales, en este caso es simplemente que el emprendimiento causa riqueza. Ahora el siguiente paso es determinar los costos de los diferentes tipos de errores. Entonces la primera era que podemos hacer es un falso positivo. Podemos pensar que el emprendimiento es la forma de hacerse rico, a pesar de que en realidad no lo es. Y en ese caso podemos perder mucho dinero y podemos perder mucho tiempo en un negocio que lo más probable es que no nos haga ricos. De acuerdo, entonces eso es un falso positivo. Y el otro posible error es un falso negativo, lo que significa que concluimos que el emprendimiento no es la forma de hacerse rico, a pesar de que en realidad la ISS. Y en ese caso hay, por supuesto, una enorme oportunidad perdida. Podríamos habernos hecho mucho más adinerados al iniciar un negocio, pero no lo hicimos ahora cuál de los dos es peor y honestamente, en este caso, creo que es un poco difícil de responder porque realmente depende del negocio que se quiere para iniciar. Si tu negocio es una idea de negocio muy grande, eso implica mucho de los costos de capital y mucho riesgo, el riesgo de perder mucho dinero y tiempo es bastante enorme. Pero en el otro extremo, si de verdad quieres hacerte rico, si eso es realmente importante para ti, entonces la oportunidad perdida en realidad puede pesar más pesada para ti es realmente subjetiva aquí, y realmente puedo decir cuál es peor . Esa es realmente una elección personal. Y voy a decir por ahora que ambos son igualmente murciélago. Por lo que voy a tratar de ser lo más neutral posible y no voy a tratar de ser sesgada hacia ninguno de los dos. Concluir que el emprendimiento sí hace ricos a las personas o concluir que emprendimiento no hace ricos a las personas. Está bien, ese fue el Paso dos. Ahora el tercer paso es seleccionar una prueba adecuada para averiguar si el emprendimiento realmente causa riqueza. Entonces, ¿qué podemos hacer aquí? Bueno, en un escenario ideal, quisiéramos ejecutar un experimento sobre nosotros mismos. Pero eso es por supuesto, no muy realista, porque para eso realmente tendrías que empezar el negocio primero y tomar el riesgo de desperdiciar tu dinero y perder tu tiempo, mientras que todo el punto aquí es que queremos para evitar eso si no es realmente efectivo en hacernos más ricos. Entonces a pesar de que esto sería una prueba ideal si queremos obtener una respuesta definitiva, no es ideal en general. Entonces lo siguiente mejor que podemos hacer es un experimento con otras personas. Y eso significaría que volteamos una moneda y luego decide que te conviertas en empresario y te conviertas en empleado en base a lo que dice la moneda. Pero claro, de nuevo, eso no es muy realista, porque entonces necesitamos forzar a otras personas a asumir el riesgo de que no queremos correr nosotros mismos. Eso de nuevo no es muy realista, y por lo tanto necesitamos pasar a la siguiente mejor opción. Así fue la tercera mejor opción. La tercera mejor opción es un diseño de mezcla en otras personas, lo que significa que no volteamos una moneda. Pero sólo miramos a las personas que se eligen a sí mismas para ser emprendedores o se eligen a sí mismas para ser empleados, y simplemente las seguimos con el tiempo y vemos quién lo hace mejor con el tiempo. Entonces, en otras palabras, comprobamos qué tan bien lo han estado haciendo antes. O se convirtieron en empleados o emprendedores, tal vez en la escuela , por ejemplo, y luego comprobamos qué tan bien les va después de ser, digamos, empresario o empleado durante 10 años. Bueno, eso es lo tercero mejor, pero eso nos costaría, en mi ejemplo justo ahora, 10 años, lo que de nuevo no es idea. Por lo tanto, pasamos a la cuarta mejor cosa, que es una conjetura educada basada en una correlación. Entonces, en esencia, lo que eso significa es que simplemente miramos si los empresarios son más ricos que los empleados. Y si lo son, entonces especulamos si eso es porque el emprendimiento hace que la gente sea rica o si algo más está pasando aquí. Entonces, básicamente, la pregunta que he elegido aquí es un peor escenario en el que necesitamos recurrir al método más débil que está disponible. Pero verá que incluso eso puede ser muy informativo. Entonces, ¿cuál es la correlación entre emprendimiento y riqueza? Y para responder a esta pregunta, encontré un trabajo de investigación relativamente reciente que investigaba exactamente esa relación la correlación entre lo que llaman riqueza familiar y emprendimiento. Y vamos a aplicar el plan de pensamiento científico ahora para interpretar lo que han encontrado, y quiero mostrarles sus resultados ahora. Pero primero quiero prepararte un poco porque muestran sus resultados en la forma fuera de una historia Graham. Entonces, ¿cuál es el suyo para agarrar? Aquí tienes un ejemplo. Y en esta historia, Graham, cuanto más vas a los derechos, mayor es la riqueza y más vas a la izquierda, menor es la riqueza y los bares te dicen a cuánta gente confinaste en cada riqueza gama. Entonces aquí podemos ver, por ejemplo, por ejemplo, que la mayoría de las personas se encuentran en el rango medio de riqueza. Y cuando vamos a mayor riqueza y se pone menos gente y menos gente, Y finalmente, en la categoría muy rica, encontramos muy, muy pocas personas. Entonces así es como lees una historia, Graham. Y podemos usar un hist un gramo ahora para comparar empleados con empresarios. Y aquí hay otro ejemplo hipotético solo para entrenarte en la lectura de estos sisearon a cosechas. Entonces en este ejemplo, podemos ver que los empresarios están mucho más del lado rico fuera del siseado un gramo y el efecto fuera ser empresario en lugar de ser empleado. Él es esencialmente la distancia entre este punto y este punto, y la varianza inexplicable son todas las variantes restantes aquí y aquí, y en este ejemplo, el efecto del emprendimiento está claramente sobresaliendo del varianza inexplicable. Por lo que esta sería una historia Graham que estará muy en línea con una imagen que se dibuja por estos. Consigue libros ricos. De acuerdo, aquí hay otros resultados hipotéticos. En este ejemplo, los empresarios son más ricos que los empleados. Pero ese efecto realmente no se destaca de los diversos inexplicables. Entonces en esta situación, pesar de que será cierto que el emprendimiento tiene un mayor potencial para hacerte rico, realmente no importa tanto. Entonces, en este ejemplo, no habría diferencia entre empresarios y empleados. Y quiero mostrarles un ejemplo más, que es éste. Y creo que este es el patrón que la mayoría de la gente esperaría en esto mejor. Y los empleados están todos en el rango de riqueza media, mientras que los empresarios gastan todo el salario de riqueza para que puedan ser muy, muy pobres y pueden ser muy, muy ricos. Y esto será más acorde con la idea de que el emprendimiento puede hacerte rico. Pero eso también es muy, muy arriesgado para que también pueda terminar en bancarrota y muy, muy pobre. Muy bien, Con eso en mente, echemos un vistazo al patrón real que encontraron los autores del trabajo de investigación en el mundo real. Y he recreado aquí el patrón para ustedes en una porquería de historia Y como pueden ver, apenas hay diferencia entre empresarios y empleados. Si miras muy de cerca, puedes ver que la historia graham aquí fuera de los empresarios, el verde en realidad se desplaza un poco más al sitio adinerado en comparación con los empleados. Pero la diferencia es realmente pequeña. Si adivinara dónde están los promedios de estos dos grupos, diría que el promedio de descuento de los empleados está más o menos aquí, mientras que el promedio de descuento de los empresarios está más o menos ahí y se puede ver que apenas hay diferencia. En promedio, los empresarios no son mucho más ricos que los empleados. Y eso nos lleva al Paso cuatro revisando lo inexplicable diverso. Y aquí podemos concluir que a pesar de que existe una débil correlación entre emprendimiento y riqueza, también hay mucha varianza inexplicable, lo que sugiere que existen otros factores que impactan mucho más a la riqueza que sólo la pregunta de si una persona es un empleado o un empresario. Por lo que para explicar esto un poco más. Una forma de ver esto es que la pregunta importante no es si es mejor ser empresario o empleado, sino más en cuál de estas dos distribuciones se puede terminar en el rango superior? ¿ Eres más bien un empleado por encima de la media, o eres más bien un empresario por encima de la media en el que uno puede superar a otras personas? Está bien, en principio, ya podríamos parar aquí porque ya podemos concluir que no hay una correlación fuerte y que otras cosas parecen importar mucho más que la pregunta de si quieres ser un empresario o un empleado, pero sólo para formarte en todo el proyecto de pensamiento científico, también quiero pasar al Paso cinco y evaluar las tres explicaciones que podemos dar para una correlación. Entonces encontramos ahora que hay una débil correlación entre emprendimiento y riqueza, y la pregunta es ahora. ¿ Cuál es la explicación para esa correlación? Y una explicación podría ser que el emprendimiento causa riqueza. No sería un efecto fuerte. No es que el emprendimiento te haga súper rico, pero podría hacerte un poco más rico que ser empleado. No obstante, esa es sólo una posible explicación. Otra posible explicación es que la riqueza provoca emprendimiento porque todo lo que observamos fue una coordinación, fue una coordinación, y así podría ser que las personas que son más ricas tengan más probabilidades de iniciar un negocio y convertirse en emprendedor. Esa es otra posible explicación. Y finalmente, podría ser que haya 1/3 variable que cause ambos. Por ejemplo, podría ser que las personas ambiciosas tengan más probabilidades de iniciar un negocio y convertirse en emprendedor y también de hacerse rico, pero no porque sean emprendedores, sino solo porque hay más ambicioso. Por lo que hay muchas explicaciones posibles para esta correlación. Y así ni siquiera podemos concluir que el emprendimiento hace que la gente sea un poco más rica. Y ahora, en este punto, si su objetivo es encontrar la manera de hacerse rico, el siguiente paso sería volver al Paso uno y formular una nueva hipótesis causal. Encuentra otra posible causa de que la gente se vuelva rica y luego prueba esta. Muy bien, Entonces para concluir, base en las evidencias que hemos visto, podemos concluir que existe una pequeña correlación entre emprendimiento y riqueza. Los empresarios son un poco más ricos que los empleados, sin embargo, esa correlación es muy pequeña, y parece ser que otras variables no son más importantes que si una persona es emprendedora o una empleado. Además, no queda claro si la pequeña correlación refleja en realidad una causa de relación . Por ejemplo, podría ser simplemente que las personas adineradas tengan más probabilidades de convertirse en emprendedores, y no que los empresarios tengan más probabilidades de llegar a ser ricos. Entonces lo que podemos ver aquí es que la opinión popular que se ha difundido a través de muchos libros de que el emprendimiento es la forma de llegar a ser rico no se sostiene tan bien cuando se compara con la evidencia. Y en general, una conclusión mucho más razonable basada en la evidencia no sería que debas convertirte en emprendedor, sino que deberías preguntarte, ¿Dónde puedes rendir mejor? ¿ Eres más adecuado para ser emprendedor, o estás más adecuado para ser empleado? ¿ En cuál de estos dos grupos es más probable que gane a la persona promedio? Está bien, ese es el final del caso de estudio, y te veo en la próxima conferencia 13. Conclusión: Oye, felicitaciones por terminar este curso. Espero que haya sacado mucho valor de este curso. Ciertamente trato de hacer mi mejor esfuerzo para ponerle mucho material útil. Aun así, aún tienes preguntas abiertas. No dudes en preguntarme. Y por último, por favor no se olvide de dejar una calificación para este curso. Esto es súper importante para mí y también para los futuros alumnos que aún tendrían que decidir si tomar este curso o no. Está bien, eso es todo. Gracias por el tiempo y esfuerzo que pones en este curso y avísame si te puedo ayudar con algo.