🔍 ¿Cómo evitar errores frecuentes al hacer inferencia estadística?...

❌ No confíes en "n > 30, el TCL lo arreglará". buff.ly/4hCkfPw
❌ Wilcoxon cambia la hipótesis nula. buff.ly/4hmD6P0
✅ Permutación o bootstrap. buff.ly/42vWAMc
✅ Yuen-Welch para outliers buff.ly/3x3ATUe
❌ Mann-Whitney o Kruskal-Wallis NO comparan medianas sin IID buff.ly/4hmD6P0
✅ Regresión cuantílica o test Mood-Brown buff.ly/3Cs3Yh5 y buff.ly/4hcQ4Pd
✅ Regresión logística ordinal o ART-ANOVA buff.ly/3v0wazP
❌ Regresión OLS NO funcionan bien buff.ly/3PZTLf1
✅ Estimadores robustos de covarianza (sandwich), WLS o GLS buff.ly/4h708Jo y buff.ly/4hcakjX
✅ Modelos Lineales Mixtos (anidados) buff.ly/4jxF40k
❌ Evita pruebas de normalidad (tienen sus propios supuestos y pueden contradecirse). buff.ly/40XbZ7m
❌ Regresión OLS no funcionan bien con datos de conteo, tasas o datos binarios.
❌ Evita transformar la variable respuesta. buff.ly/40XbZ7m
✅ Usa estimación GEE, que no asume normalidad. En R: buff.ly/4gccvm5
✅ Usa modelos GLM para modelar la distribución de los datos (como Poisson, logístico y más). buff.ly/4hyGlCE
❌ Bonferroni es demasiado conservador.
✅ Usa alternativas como Holm. En R: buff.ly/3PVhixI
🎯 Mejora tus análisis y toma decisiones más informadas con estas estrategias. 🚀
#Rstats #stats #datascience #analytics #dataviz
