Falacia de regresión

Garbage in, garbage out (GIGO)
Nuestros programas nos devuelven resultados basura, si lo que les mandamos son datos basura. Esto incluso cuando su computo y su logica son correctos.
La calidad de los datos son igual de importantes y fundamentales que la manera en la cual van a ser tratados(programa/computo)
ejemplo censo de 1840 de EEUU que se realizo a mano, los datos obtenidos tenian tantos errores que de ellos se podia extrapolar que los negros liberados tenian 10 veces mas probabilidades de volverse locos que los que aun eran esclavos

Imagenes engañosas
Cuando se juega con escalas que no tienen sentido, los graficos suelen ser tendensiosos y buscan transmitir una informacion erronea

Cum Hoc Ergo Proper Hoc
Despues de esto, entonces esto otro
Correlacion no implica causalidad

Prejuicio en el muestreo

• esto elimina la representatividad de la muestra
• para que la muestra sirva para inferir algo de la poblacion debe ser aleatoria y representativa

Falacia del Francotirador de Texas

• consiste en no tomar la aleatoriedad en consideracion
• tambien cuando uno se enfoca en las similitudes e ignora las diferencias
• cuando formamos la hipótesis a partir de los datos obtenidos, amoldando la mismo como si se tratara de una diana que se pinta luego de que el disparo haya sido realizado

Porcentajes confusos

• Cuando no sabemos la cuenta total del cual se obtiene un porcentaje tenemos el riesgo de concluir falsos resultados
• siempre es importante ver el contexto
• los porcentajes, en vacio, no significan mucho

Falacia de regresion

• Muchos eventos fluctuan naturalmente, por ejemplo, la temperatura promedio de una ciudad, el rendimiento de un atleta, etc.
• Si ocurre una situacion extrema no significa que vaya a ocurrir un rebote hacia la situacion extrema contraria, sino que se tiende a volver a la media
• Cuando algo fluctua y se aplican medidas correctivas se puede creer que existe un vinculo de causalidad en lugar de una regresion a la media

Un caso de esto era la “maldición” de una revista de futbol que premiaba al mejor jugador de la temporada. Y la maldición decía que si un jugador era premiado por esta revista al siguiente año su desempeño bajaría.
l
Y es lógico que disminuya, el hecho que haya tenido un rendimiento muuy alto es algo atípico y que es influido por muchos factores.
l
Entonces ocurría que simplemente los jugadores volvían a la media, pero no, para algunos había una maldición.
l
Sobre sesgos cognitivos no puedo dejar de recomendar el libro Pensar rápido pensar despacio, es prácticamente la biblia de los sesgos cognitivos e incluye muchos errores de este tipo, ademas pese a ser de psicología no es para nada difícil de leer.

Hace muchos años descubrí por las malas la falacia de regresión con la ruleta. Esperaba a que saliera mucho un color para después empezar apostar al otro color, funcionó durante unos días hasta que se lo llevó todo la ruleta XD, que inocente era entonces. My secuencia fue de 15 rojas

Hay un libro que recomiendo en el que hablan a profundidad de todo esto se llama “Libro The Art Of Statistics: How To Learn From Data” de David Spiegelhalter

Les comparto mis apuntes de este módulo 😄

Por ejemplo Tenemos 1000 nuevos casos de coronavirus en Perú en cierto día. Se aplica la medida de la cuarentena al día siguiente de ese día y este baja a 500 . Estaría mal pensar que es debido a la cuarentena y es fácil verlo por que eventualmente después de la cuarentena se tiene 2000 casos nuevos de coronavirus por día en Perú 😦 .

Comparto mis apuntes de esta sección:

https://github.com/francomanca93/Escuela-DataScience/tree/master/introduccion-al-pensamiento-probabilistico#tabla-resumen-de-mentiras-estadísticas

Creo que empezaré a pelear con mi familia cuando estén viendo y creyendo gráficas que no son correctas 😄

Falacia de Regresión a la Media
En los eventos que fluctúan naturalmente es erróneo pensar que después de un evento extremo pasará el evento extremo opuesto para compensar. Lo que sucede es una regresión a la normalidad.
Muchas veces cuando aplicamos medidas correctivas podemos ver una falsa causalidad cuando en realidad lo que sucede es una regresión a la media. Sin embargo debemos discernir cuando esta medida correctiva en realidad tuvo efecto.
Ejemplos:

• La instalación de de cámaras de velocidad en los puntos donde se generaron accidentes, estos suelen generarse de manera aleatoria y cuando se regresa a la media podemos relacionar este suceso con la instalación de las cámaras.
• La ataque de Normandía es una medida correctiva que sí está relacionada con el repliegue de los ejércitos (no el hecho que los ejércitos fluctúen)

En los juegos online que tienen un “modo competitivo” se les asigna a los jugadores un número llamado MMR (Matchmaking Ratio) que determina su nivel. Podemos tener rachas buenas o malas pero si no mejoramos como jugadores siempre tendremos una regresión a la media que nos devuelva a nuestro nivel (MMR) real.

En la empresa hay un coach que se aprovecha del tema. A la empresa le fue mal por el tema de elecciones 2018, y el man vende que crecimos 2019 por que el estuvo en ese año.

me encanto
explica mejor esto q programacion

Cuando se juega a la lotería y han salido todos los número, menos el 7, se suele creer que el próximo número ganador es el 7, como si el número 7 tuviera conciencia y ganas por salir ganador como sus demás amigos.
Un profesor de la uni nos decía que los números no tienen memoria.

Notas 😄
Falacia de regresión.

• Este es último que veremos, pero hay muchos mas errores de pensamiento y falacias 😟.
• Muchos eventos fluctúan naturalmente, por ejemplo, la temperatura promedio de una ciudad, el rendimiento de un atleta, los rendimientos de un portafolio de inversión 💸.
• Cuando algo fluctúa y se aplican medidas correctivas se puede creer que exista un vínculo de causalidad en lugar de una regresión a la media 🤲🏼.
• Normalmente luego de un evento extremo, es más probable que sigan valores que regresen a la media, sin embargo, eso no implica otro evento extremo contrario para comenzar 😂.
• Es importante entender cuando aplicar los principios, en el caso de este, aplica en eventos que fluctúan naturalmente, en caso contrario, seguramente las medidas correctivas si afectaron el cambio ⛓️.

Este módulo si me llamo la atención, eso quiere decir que tengo que fomentar el pensamiento lógico y probabilístico, para cada uno de los temas que se tocaron.
Gracias profe.

buenos videos sobre teoría, te ayudan a ver el mundo de na forma distinta

interesante la diferencia en los casos donde se vuelve a la media y las acciones correctivas

excelente modulo, de verdad .

Garbage in, Garbage out: (GIGO) Si ingreso basura, escupo basura.
La Calidad de nuestros datos es igual de fundamental que la precisión de nuestros cómputos.
Cuando los datos son errados, aunque tengamos un cómputo prístino nuestros resultados serán erróneos.
En pocas palabras: Con datos errados las conclusiones serán erradas.
Las imágenes son engañosas
Las visualizaciones son muy importantes para entender un conjunto de datos.
Sin embargo, cuando se juega con la escala se puede llegar a conclusiones incorrecta.
Cum Hoc Ergo Propter Hoc: Después de esto, eso; entonces a consecuencia de esto, eso.
Dos variables están positivamente correlacionadas cuando se mueven en la misma dirección y negativamente correlacionadas cuando se mueven en direcciones opuestas.
Correlación no implica causalidad.
Pueden existir variables escondidas que generen la correlación.
Prejuicio en el muestreo:
Para que un muestreo pueda servir como base para la inferencia estadística tiene que ser aleatorio y representativo.
El prejuicio en el muestreo elimina la representatividad de las muestras
A veces conseguir muestras es difícil, por lo que se utiliza a la población de más fácil acceso (caso estudios universitarios)
Para generar una inferencia estadística válida necesitas aleatoriedad pero no es suficiente, también que la muestra sea representativa.
La falacia del francotirador de Texas:
Esta falacia se da cuando no se toma la aleatoriedad en consideración.
También sucede cuando uno se enfoca en la similitudes e ignora las diferencias.
Cuando fallamos al tener una hipótesis antes de recolectar datos, estamos en alto riesgo de caer en esta falacia (muy común en Data Science)
No se debe recolectar Datos como loco para luego hacer la hipótesis. Debemos generar la hipótesis antes de recolectar Datos.
Mentir con números
Mentira con porcentajes.
Cuando no sabemos la cuenta total del cual se obtiene un porcentaje, tenemos el riesgo de concluir falsos resultados.
Siempre es importante ver el contexto.
Los porcentajes, en vacio, no significan mucho.
Falacia de regresión:
Muchos eventos fluctúan naturalmente, por ejemplo, la temperatura promedio de una ciudad, el rendimiento de un atleta, los rendimientos de un portafolio de inversión etc.
Cuando algo fluctúa y se aplican medidas correctivas se puede creer que existe un vínculo de causalidad en lugar de una regresión a la media.
Caemos normalmente en la falacia de regresión cuando creemos por que algo fluctué esto va a empeorar o mejorar depende el caso. Cuando la verdad es que en la mayoría todo regresa a la media .

sesgos cognitivos https://es.wikipedia.org/wiki/Anexo:Sesgos_cognitivos

Notas:
Caemos normalmente en la falacia de regresión cuando creemos por que algo fluctué esto va a empeorar o mejorar depende el caso. Cuando la verdad es que en la mayoría todo regresa a la media .

Evento estudiantes de Platzi
Un evento que es muy común y que les podría ocurrir a los estudiantes de Platzi, si llevan un seguimiento de estudio, es decir cuantas clases al día se hace, probablemente si estas en este curso harás 4 clases(vídeos) o mas, sin embargo si después comparas con otro cursos mas difíciles donde solo harás 2 clases o 1 clases, entonces podrías llegar a la conclusión que en el curso de introducción al pensamiento probabilistico, tal vez estabas mas motivado o mas juicioso e hiciste mas clases sin embargo, la verdad es que esas clases de pronto eran mas fáciles que las de cursos mas complejos.

Cómo no voy a olvidar este módulo: “debo ser Jedi y no un Sith”.

Wao abrio un mundo de dudas esto!

![](

Vamos a lo siguiente

Cuando una criptomoneda baja demasiado, y creen que esa misma cripto va valorizarse a la misma velocidad que decreció en un fututo muy próximo

Tienes que prácticar en todo momento, el pensamiento probabilístico.

Es una habilidad, el reconocer las conclusiones estadísticamente válidas y cuándo no. Cuando tienes basura en datos o cuándo tienes cálculo malos.

Ninguno de los principios vistos, se aplican siempre, directamente, se tienen que deducir con criterio propio.

Hay que también tener en cuenta, que la regresión a la media, se aplica para eventos que fluctúan por naturaleza y no por eventos que puede ser alterados arbitrariamente. En caso de los eventos que pueden ser alterados, las medidas correctivas, pueden ser de alto éxito.

Tenemos que adelantarnos a los Trends o tendencias, para entender, que medida será útil y no hacer cosas tan ciegamente.

Podemos tomar las acciones "correctivas" como las causantes del mejoramiento de un rendimiento o situación, sin embargo, llegar a esta conclusción es llegar a un error muy grave, que es la regresión a la media.

Otro fallo lógico, es llegar a la conclusion de que cuando algo fluctúa y se aplican medidas correctivas se puede creer que existe un vínculo de causalidad en lugar de una regresión a la media.

Ejemplos de regresión a la media: La temperatura, el rendimiento de los atletas, los rendimientos de un portafolio de inversión, etc.

Existen muchos eventos que fluctúan naturalmente y estas fluctuaciones sufren un efecto llamado: Regresión a la media. En la que se devuelven los eventos a la media de toda la vida.

Wow, sin duda que es un gran reto poder interpretar bien los datos y hacer buen uso de ellos. Pero ánimo, que sí se puede!

Mi madre con la zapatilla hacia una media correctiva y evitaba que le pisara el suelo(piso) más de la cuenta, sin embargo cuando no estaba, había una regresión a la media en el desorden de la casa.

si un equipo gana un mundial de futbol ,esperar que gane el proximo es un error, ya que en ese mundial tuvo un rendimiento extraordinario.

Basandome en esta sección, redacté un artículo en Medium. Agradeceré cualquier comentario o sugerencia. Saludos!

https://roberto-terceros.medium.com/7-statistical-mistakes-you-should-avoid-at-all-costs-in-data-analysis-3a3ce5810cbe

Me gustaría este tipo de cuestionarios pequeños después de cada módulo, en todos los cursos. 😃

Un artículo muy interesante:
https://www.strambotic.com/sofia/las-veinte-falacias-logicas-mas-comunes/

En el trabajo como Ingeniero de Desarrollo lo aplico constantemente hago un seguimiento del rendimiento que he tenido durante el mes y basado en los resultados trato de corregir en lo que haya fallado. ya que cada caso que me asignan tiene un tiempo estimado de terminacion del caso.

Comparto mis NOTAS:
Muchos eventos fluctúan naturalmente.
Cuando algo fluctúa y se aplican medidas correctivas se puede creer que existe un vinculo de causalidad en lugar de una regresión a la media.
Se debe tener en cuanta que solo se puede caer en esta falacia cuando los evento fluctúan ,si no es así ,pues si se puede atribuir el cambio a la medida correctiva.
Es muy importante entender cuando aplicar este principio y cuando no.
Como dato adicional: Se debe ejercitar el criterio y la intuición para poder detectar estos tipos de errores.

😄

😄

los datos atipicos dañan el modelo, toca darles tratamiento para prevenir modelos sesgados

![](

![](

Fundamental: primero entender el trend para después hacer propuestas de mejora.
De caso contrario, esas propuestas de mejor puede que sean inútiles y nuestra mirada sobre ella este sesgada

Me gustó mucho esta sección, es muy importante entender estos problemas y desarrollar la intuición para que no sucedan en nuestros modelos y en general no caer en ellos en nuestra vida cotidiana.

Excelente modulo del curso. El pensamiento crítico es una habilidad muy útil en estos tiempos y en esta profesión. Les comparto los titulos de libros que ayudan a desarrollar un pensamiento más crítico y esceptico:

• El mundo y sus demonios, Carl Sagan
• Thinking, fast and slow, Daniel Kahneman

algo parecido a lo de la tele de anteriores clases ahorita pasa mucho con que los videojuegos causan violencia y que ocasionan tiroteos, obviamente de los tiroteos que existen, alguna de esas personas juega videojuegos porque hay una cantidad enorme a nivel mundial, pero estadísticamente en EEUU hay más o menos la misma cantidad de personas que juegan videojuegos que en Europa y en esta última no hay tantos tiroteos escolares, por lo que el problema está en otro lado

En lógica, la falacia de la regresión o falacia del retroceso es una falacia en la que se asume una causa donde no existe. … Esta falacia se denomina «de retroceso» porque se produce cuando se asocia una causa simple a la desaparición o retroceso de un factor. Conduce a las supersticiones y al pensamiento mágico.

Increíblemente util para obtener datos fiables y comprender mejor el mundo. Muchas gracias

Falacias: https://yourlogicalfallacyis.com/es
Sesgos: https://yourbias.is/

Es la media noche, tengo mucho hype por la siguiente clase!!! Ya sera mañana

muy interesante la verdad me ha abierto los ojos

Una falacia que ocurre comúnmente sobre la coyuntura actual (COVID-19) sería decir por ejemplo que que un lugar “X” con 100 habitantes y 20 contagiados tiene menor impacto crítico que un lugar “Y” con 10000 habitantes y 500 contagiados. Es un error ya que solo se compara la cantidad de contagiados más no se analiza con el número de habitantes. En el lugar “Y” tiene un 5% de contagio y en el lugar “X” tiene un mayor porcentaje del 20% de su población. Además que existen otras variables importantes a considerar, como el número de test que se realiza. Para esto un aspecto importante de visualizar la data es la NORMALIZACIÓN.

Este artículo explica de forma muy interesante esto: https://medium.com/@rburhum/un-semáforo-para-el-huayno-33588eb4db4b

![](

https://psicologiaymente.com/inteligencia/tipos-falacias-logicas-argumentativas
https://www.bitbrain.com/es/blog/sesgos-cognitivos
Aquí les dejo dos artículos donde mencionan muchas más. No están enfocadas a estadística, pero la mayoría llegan a ocurrir dentro de este campo.

iba a hacer lo de la tabla hasta que me di cuenta de que ya venían las respuestas, mejor decidí evitar la fatiga.

![](

Les Recomiendo el Libro “Pensar Rápido, Pensar Despacio” de Daniel Kahnemann que entra en detalle con 52 de estos errores de lógica o Sesgos Cognitivos. Ahí nos menciona ejemplos súper prácticos y sobretodo como superarlos.
.
Estoy seguro que sí debe existir el libro en PDF ahí por internet =)

Un pequeño resumen de mentiras estadísticas y el ejercicio

MENTIRAS ESTADÍSTICAS

GARBAGE IN - GARBAGE OUT (GIGO)

Si metes basura, sacarás basura.

• La calidad de datos es igual o más importante que la precisión de los cómputos.
• Con datos errados, las conclusiones serán erradas.

IMÁGENES ENGAÑOSAS

Error común > extrapolar conclusiones anticipadamente después de ver una imagen.

• Las visualizaciones son importantes para entender el conjunto de datos.
• Nunca confiar en una gráfica sin escalas o etiquetas.

CUM HOC ERGO PROPTER HOC

• La correlación entre dos variables no significa causalidad.
• Dos variables están positivamente correlacionadas cuando se mueven en la misma dirección y negativamente cuando correlacionadas cuando se mueven en direcciones opuestas.
• Se debe salir de esto imaginando que otras causas o variables pueden estar detrás de la hipótesis para sacar el resultado acertado.

PREJUICIO EN EL MUESTREO

• Para que un muestreo pueda servir como base para la inferencia estadística tiene que ser aleatorio y representativo.
• El prejuicio en el muestreo elimina la representatividad de las muestras.

FALACIA DEL FRANCOTIRADOR DE TEXAS (SHARPSHOOTER FALLACY)

• Se da cuando no se toma la aleatoriedad en consideración
• Cuando se enfoca en similitudes e ignora las diferencias
• Cuando fallamos al tener una hipótesis antes de recolectar datos estamos en riesgo de esta falacia.
• La hipótesis va primero y luego la recolección de datos.

PORCENTAJES CONFUSOS

• Cuando no sabemos la cuenta total del cual se obtiene un porcentaje.
• Siempre necesitamos contexto. Sin contexto la información no sirve para nada.
• Importante ser escéptico con porcentajes que no llevan contextos.

FALACIA DE REGRESIÓN

• Cuando algo fluctúa y se aplican medidas correctivas se puede creer que existe un vínculo de causalidad en lugar de una regresión a la media.
• Normalmente después de un evento negativo existe la regresión a la media.
• Se necesita evaluar cada situación para determinar si algo sucede por fluctuación “natural” o no.

El ejercicio:

Segun entiendo Solo podemos aplicar este razonamiento cuando tenemos eventos que fluctuan naturalmente.

Pero no me quedo claro que significa “fluctuan naturalmente”. No entiendo. Soy evento que pasa sin la intervencion de nosotros? o son naturales por que vuelven a la media solos?

Pero como sabemos que vuelven a la media solos? hay que experimentar y dejar que el tiempo pase para confirmarlo??

Estoy confudido con eso

Otro ejemplo es en las finanzas, Con una estrategia de inversión se puede tener una racha mala, y el error es considerar que tu estrategia de inversión ya no funciona y decidir cambiarla. Ya que luego de esa racha lo mas probable es que exista una regresión a la media y continúe con los rendimientos normales.

mis respuestas respecto a la actividad

Mis apuntes https://github.com/fernando343/ProbabilisticThinking
espero les sirva

El libro “Thinking, fast & slow” de Kahneman trata muchas de estas falacias y los procesos que sigue nuestra mente para incurrir en ellos. Es muy útil para aprender como evitarlos. “Mind what you have learnt, save you it can”: Master Yoda.

Listo!

![](

Falacia de regresión

• Muchos eventos que fluctúan naturalmente, por ejemplo, la temperatura promedio de una ciudad, el rendimiento de un atleta, los rendimientos de un portafolio de inversión, etc.
• Cuando algo fluctúa y se aplican medidas correctivas se puede creer que existe un vínculo de causalidad en lugar de una regresión a la media. Pj. Si tienes un estudiante que está teniendo una racha de malas calificaciones, lo castigas y vuelve a ser el estudiante que era antes, puedes caer en el error de pensar que las medidas correctivas fueron las que lo hicieron mejorar.
• Es muy común en las personas que piensan que castigar es mejor que premiar (no hagan eso banda).
• Es importante entender cuando aplicar los principios y cuando no. Pj. Cuando no existen eventos que fluctúan naturalmente y se ejecuta una medida correctiva como lo fue el ‘D Day’ o invasión a Normandía, hay veces que esta medida si tiene efectos, como fue el caso de esta.

Consejos:
- Ninguno de estos principios se aplican directamente, tienes que ejercitar tu criterio personal, desarrollar tu intuición para así poder detectar cuando estas frente algo válido y cuándo no. Esto va a ayudarnos en muchas instancias de la vida. 🤠

**NOTA: Estos no son los únicos errores en los cuales puedas caer, son algunos de los más importantes. **

puede ser una falacia que castigando se aprenda, en mi caso le cojo pereza a la materia por la cual me castigan

https://empresas.blogthinkbig.com/la-falacia-de-la-regresion-a-la-media/
Les dejo un enlace interesante

Para reforzar el tema:
https://www.fallacyfiles.org/regressf.html

Falacia de Regresión

• Cuando un evento, que normalmente fluctúa, y que se cree que una acción correctiva tuvo un impacto directo en el cambio. Lo más probable es que haya sucedo una regresión a la media.

Les dejo mi resultado del reto!