Lecciones Interactivas de Matemáticas y Ciencias (ﾉ◕ヮ◕)ﾉ*:･ﾟ✧
La estadística estudia cuánto te está permitido concluir. Cada herramienta de aquí responde a una versión de la misma pregunta: con estos datos, ¿qué podría seguir siendo casualidad?
Secuencias breves en lugar de herramientas sueltas. Cada paso entrega al siguiente algo concreto, así que conviene seguir el orden.
L1: fundamentos
MATHTres herramientas construyen una lección: un valor resumen es una compresión con pérdida, y cómo comprimes determina sobre qué es sincero el resumen. Cada paso entrega al siguiente una limitación concreta de los resúmenes de un único número.
L2: escuela
MATHCuatro herramientas que construyen una idea: el dinero tiene un valor distinto en momentos diferentes, y un pago recurrente puede reducirse a una única fórmula. Aquí, cada paso le entrega algo específico al siguiente.
L2: escuela
MATHEl problema del cumpleaños parece un truco de salón, pero en realidad es la herramienta estándar para analizar colisiones. En el segundo paso es donde los informáticos se lo vuelven a encontrar, bajo un nombre distinto.
L2: escuela
STATSeis herramientas y una distribución. Aquí todo es la binomial en un límite distinto, o la binomial leída al revés: cuenta los éxitos, deja que ese número crezca y observa cómo aparece una campana de Gauss que nadie puso ahí.
L2: escuela
STATCuatro herramientas que formulan una única pregunta partiendo de cada vez menos información: dos grupos, luego un número cualquiera de ellos y, después, recuentos sin promedio alguno. La última herramienta la plantea antes de que existan los datos.
L2: escuela
STATNadie cuestiona la aritmética del teorema de Bayes. El problema es la probabilidad a priori: de dónde salió ese primer número y quién lo eligió. Estas tres herramientas abordan la cuestión en orden creciente de dificultad: una probabilidad a priori que puedes consultar, otra que te entrega el instrumento y una que nadie tiene.
L3: universidad
MATHTres herramientas que transforman una imagen de puntos dispersos en un número que puedes defender. El camino pasa por la geometría en lugar de la estadística, porque es la geometría la que hace honesta a la estadística.
L3: universidad
MATHUna pregunta, planteada cuatro veces con cada vez menos información: ¿qué le hace realmente esta matriz al espacio? Las columnas responden directamente. Los vectores propios lo hacen para las direcciones que sobreviven. La DVS responde cuando no queda ninguna, y el ACP dirige la misma maquinaria hacia una nube de mediciones.
L3: universidad
STATSeis herramientas aplicadas a los mismos 98 años de rentabilidades, cada una aportando a la siguiente una cantidad específica. La secuencia responde a una pregunta en seis pasos: ¿qué es lo verdaderamente arriesgado de una inversión y cuánto de lo que te dicen sobre ella puedes comprobar?
Fitting the mean to your data costs exactly one observation
Everyone is told that the sample variance divides by n − 1 because a degree of freedom was consumed. That names the bookkeeping. The mechanism is that the mean was fitted to the data, and a fitted mean always makes the data look tighter — by one observation’s worth, at every sample size.
You do not pay off a national debt, you outgrow it
For fourteen straight years the US debt got bigger and smaller at the same time. Which of those two things you notice depends entirely on what you divide by.
The average return is the one number your money never earns
An average is a summary of years that already happened. Your money experiences the order they happened in, the risk that produced them, and the uncertainty around the average itself — and each of those costs something the average does not show.
"Cuts your risk in half" can mean one person in a hundred
Relative risk sounds enormous and can be tiny; absolute risk sounds tiny and is what actually happens to you. The gap between the two is where most health reporting lives, and the fix is one subtraction.
Run twenty tests on nothing at all, and one of them will be significant
p < 0.05 promises a 5% error rate on a single test. Run twenty and the chance of at least one false alarm is 64%. The fix is arithmetic; the hard part is that nobody counts the tests they did not report.
Every group in the data trends down. The total trends up.
The pooled slope is +0.0928. Split the same rows by one extra column and the two groups slope at −0.5842 and −0.6109. Both descriptions are arithmetically correct, and only one of them answers your question.
There are two regression lines, and R² is the gap between them
Fitting y against x and fitting x against y give two different lines through the same points. The ratio of their slopes is exactly R squared, which turns that familiar goodness-of-fit number into something you can see.
Why a 99% busy system is not slightly worse than a 75% busy one
Queue length grows as one over the headroom you have left, so the last few percent of utilisation cost more than all the rest combined. This is why systems seem fine and then fail without an intervening warning.
Randomness buys accuracy at a terrible exchange rate
A Monte Carlo estimate improves as the square root of the sample count, so every extra correct digit costs a hundred times the work. The strange part is that this rate holds whatever you happen to be simulating.
Twenty-three people, and the coincidence you should expect
With 23 people in a room the odds of a shared birthday pass half. A room that size holds 253 pairs, and it is pairs that matter — the count grows with the square of the guest list.
A 99% accurate test is usually wrong
Screen a rare condition with a 99% accurate test and 495 of every 594 positives are false alarms. How rare the condition is decides that, and it is the figure nobody quotes beside the accuracy.
