1
00:00:00,239 --> 00:00:05,110
[Narrador] El camino de la causa 
al efecto es oscuro y peligroso,

2
00:00:05,572 --> 00:00:08,974
pero las armas
de la econometría son eficaces.

3
00:00:09,941 --> 00:00:14,824
Observen la más poderosa de ellas:
la espada de la asignación aleatoria

4
00:00:14,824 --> 00:00:18,108
que van al meollo
de las preguntas de causa y efecto.

5
00:00:22,971 --> 00:00:27,737
Empecemos con nuestra arma
más poderosa y más costosa:

6
00:00:27,737 --> 00:00:29,558
las pruebas aleatorias.

7
00:00:29,558 --> 00:00:30,828
[Estudiante] ¡Genial!

8
00:00:30,828 --> 00:00:34,839
Cada misión de una métrica empieza
con la pregunta causal.

9
00:00:34,893 --> 00:00:37,842
Las preguntas claras llevan
a respuestas claras.

10
00:00:38,955 --> 00:00:42,709
Las respuestas más claras provienen
de pruebas aleatorias.

11
00:00:43,623 --> 00:00:47,592
Veamos cómo y porqué
las pruebas aleatorias dan

12
00:00:47,712 --> 00:00:51,328
respuestas especialmente convincentes
a preguntas causales.

13
00:00:52,012 --> 00:00:55,528
[Josh] Como una espada bien afilada,
las pruebas aleatorias van

14
00:00:55,528 --> 00:00:57,805
al meollo de un problema causal,

15
00:00:57,805 --> 00:01:00,912
creando comparaciones convincentes
del tipo "manzanas con manzanas".

16
00:01:01,092 --> 00:01:03,921
Pero, como con cualquier arma 
meticulosamente hecha,

17
00:01:03,921 --> 00:01:07,195
las pruebas aleatorias son caras
y no se pueden hacer rápidamente

18
00:01:08,041 --> 00:01:11,555
Las pruebas aleatorias se originan
en la investigación clínica

19
00:01:11,555 --> 00:01:16,362
donde se les llama
ensayos clínicos aleatorios o ECA.

20
00:01:17,245 --> 00:01:19,339
La Administración
de Alimentos y Medicamentos de EUA

21
00:01:19,339 --> 00:01:21,709
les solicita a los fabricantes
de medicamentos

22
00:01:21,709 --> 00:01:24,932
que demuestren la seguridad
y eficacia de nuevos fármacos

23
00:01:24,932 --> 00:01:26,331
o tratamientos médicos.

24
00:01:26,981 --> 00:01:30,025
Esto se hace a través de una serie de ECA.

25
00:01:30,440 --> 00:01:35,275
Por eso, es que las pruebas aleatorias
miden mejor los efectos del tratamiento.

26
00:01:35,936 --> 00:01:38,269
Puede ser que ustedes
hayan contribuido con otro tipo

27
00:01:38,269 --> 00:01:40,073
de prueba aleatoria:

28
00:01:40,073 --> 00:01:43,102
las pruebas A/B
que usan las empresas de Silicon Valley

29
00:01:43,102 --> 00:01:45,699
para comparar las estrategias de mercado.

30
00:01:45,699 --> 00:01:50,480
Por ejemplo, Amazon aleatoriza resultados 
de búsqueda en un flujo constante

31
00:01:50,480 --> 00:01:51,624
de experimentos encubiertos.

32
00:01:51,624 --> 00:01:53,191
- [Mujer] ¡Oh!
- [Hombre] Interesante.

33
00:01:53,191 --> 00:01:56,553
Las pruebas aleatorias también son
importantes en la investigación educativa

34
00:01:56,553 --> 00:01:59,399
Se han utilizado para responder
preguntas causales

35
00:01:59,399 --> 00:02:01,718
que le importan mucho a mi maestra:

36
00:02:01,718 --> 00:02:04,519
¿Se debería aceptar el uso de laptops
y otros dispositivos electrónicos

37
00:02:04,519 --> 00:02:06,584
en el salón de clases?

38
00:02:07,210 --> 00:02:09,103
Muchos ven
a los electrónicos dentro del aula

39
00:02:09,103 --> 00:02:10,563
como un apoyo para el aprendizaje,

40
00:02:10,563 --> 00:02:13,833
pero para otros, como yo, 
son una distracción dañina.

41
00:02:14,216 --> 00:02:15,433
¿Quién tiene razón?

42
00:02:21,543 --> 00:02:23,776
Los maestros de métricas
que enseñan en West Point,

43
00:02:23,776 --> 00:02:26,760
el colegio militar que entrena,
a los oficiales de la armada de EUA,

44
00:02:26,760 --> 00:02:30,734
diseñaron una prueba aleatoria
para responder esta pregunta.

45
00:02:30,734 --> 00:02:33,819
Estos maestros asignan aleatoriamente
a los cadetes a clases de economía

46
00:02:33,819 --> 00:02:36,426
que funcionan bajo reglas distintas.

47
00:02:37,057 --> 00:02:39,303
A diferencia de la mayoría
de las universidades de EUA,

48
00:02:39,303 --> 00:02:42,034
en West Point no se usan los electrónicos.

49
00:02:42,555 --> 00:02:45,501
Para propósitos de este experimento,
algunos estudiantes permanecieron

50
00:02:45,501 --> 00:02:48,851
en las clases tradicionales
sin tecnología,

51
00:02:48,851 --> 00:02:51,852
sin laptops ni tabletas ni teléfonos.

52
00:02:53,325 --> 00:02:55,909
Este es el grupo de control,
o el punto de referencia.

53
00:02:55,909 --> 00:02:59,506
A otro grupo se le permitió 
el uso de electrónicos.

54
00:02:59,506 --> 00:03:02,762
Este es el grupo de tratamiento,
sujeto al ambiente modificado.

55
00:03:03,179 --> 00:03:05,962
El tratamiento, en este caso,
es el uso libre

56
00:03:05,962 --> 00:03:08,247
de laptops o tabletas en clase.

57
00:03:09,274 --> 00:03:11,763
Cada pregunta causal 
tiene un resultado claro.

58
00:03:11,763 --> 00:03:15,990
Las variables que esperamos influenciar,
se definen antes de empezar el estudio.

59
00:03:15,990 --> 00:03:18,546
Los resultados en el estudio 
de los electrónicos en West Point

60
00:03:18,546 --> 00:03:20,328
son las notas de los exámenes finales.

61
00:03:20,433 --> 00:03:23,650
El estudio busca responder
a la siguiente pregunta:

62
00:03:23,650 --> 00:03:27,520
¿Cuál es el efecto causal de los
electrónicos sobre el aprendizaje en clase

63
00:03:27,520 --> 00:03:29,654
medido a través
de las calificaciones de los exámenes?

64
00:03:30,006 --> 00:03:33,274
[Narrador] Los estudiantes de economía
fueron asignados aleatoriamente

65
00:03:33,274 --> 00:03:36,323
a uno de los dos grupos,
al de control o al de tratamiento.

66
00:03:36,323 --> 00:03:39,987
La asignación aleatoria
crea comparaciones ceteris paribus,

67
00:03:39,987 --> 00:03:44,371
permitiéndonos, así, obtener conclusiones
causales al comparar los grupos.

68
00:03:44,682 --> 00:03:49,017
El poder revelador de la causalidad
en una prueba aleatoria proviene

69
00:03:49,017 --> 00:03:52,677
de una propiedad estadística
llamada la ley de los grandes números.

70
00:03:52,677 --> 00:03:55,045
Cuando los estadísticos
y matemáticos descubren

71
00:03:55,045 --> 00:03:57,478
algo importante
que es cierto e irrefutable

72
00:03:57,478 --> 00:04:00,761
sobre el mundo natural, lo llaman ley.

73
00:04:01,628 --> 00:04:04,529
La ley de los grandes números dice
que cuando los grupos aleatorios

74
00:04:04,529 --> 00:04:07,962
son suficientemente grandes, 
los estudiantes allí serán similares

75
00:04:07,962 --> 00:04:10,012
en promedio, en todos los sentidos.

76
00:04:10,626 --> 00:04:14,432
Esto significa que se espera que los
grupos de estudiantes divididos al azar

77
00:04:14,432 --> 00:04:16,338
sean similares en cuanto
al entorno familiar,

78
00:04:16,338 --> 00:04:18,748
la motivación y las habilidades.

79
00:04:18,748 --> 00:04:22,444
Adiós al sesgo de selección,
al menos en teoría.

80
00:04:22,978 --> 00:04:25,254
En la práctica, pudiera suceder
que los grupos aleatorios

81
00:04:25,254 --> 00:04:26,664
no sean lo suficientemente grandes

82
00:04:26,664 --> 00:04:28,791
como para que la ley 
de los grandes números se cumpla

83
00:04:28,791 --> 00:04:31,805
o que los investigadores hayan
fallado en las asignaciones aleatorias.

84
00:04:32,312 --> 00:04:35,245
Como en cualquier tarea técnica,
incluso los más experimentados

85
00:04:35,245 --> 00:04:37,478
están alertas de los errores posibles.

86
00:04:37,989 --> 00:04:40,314
Po lo tanto, debemos comprobar 
los errores de equilibrio,

87
00:04:40,314 --> 00:04:43,260
comparando las variables del entorno
de los estudiantes en los dos grupos

88
00:04:43,260 --> 00:04:45,726
y asegurarnos
de que verdaderamente sean similares.

89
00:04:46,478 --> 00:04:49,004
[Narrador] Aquí está la revisión 
del equilibrio de West Point.

90
00:04:49,627 --> 00:04:51,932
Esta tabla tiene dos columnas:

91
00:04:51,932 --> 00:04:54,688
una que muestra datos del grupo de control

92
00:04:54,688 --> 00:04:57,021
y otra que muestra datos
del grupo de tratamiento.

93
00:04:57,825 --> 00:04:59,711
Las filas muestran
algunas de las variables

94
00:04:59,711 --> 00:05:01,759
que, esperamos, estén equilibradas:

95
00:05:01,759 --> 00:05:06,255
sexo, edad, raza, puntos GPA, entre otros.

96
00:05:07,232 --> 00:05:09,271
La primera fila indica qué porcentaje

97
00:05:09,271 --> 00:05:11,687
de cada grupo es mujer.

98
00:05:11,687 --> 00:05:16,387
En el grupo de control es de 17 %
y 20 % en el grupo de tratamiento.

99
00:05:17,962 --> 00:05:21,194
Kamal, ¿cómo se ve el balance del GPA?

100
00:05:21,731 --> 00:05:25,028
[Kamal] Los del grupo de control
tienen un GPA de 2,87,

101
00:05:25,028 --> 00:05:28,615
mientras que los del otro tienen
un GPA de 2,82 aproximadamente,

102
00:05:28,615 --> 00:05:29,615
muy similares.

103
00:05:29,615 --> 00:05:34,031
[Narrador] Los dos grupos
son similares en general.

104
00:05:34,031 --> 00:05:35,566
¿Qué tan grande debe ser la muestra

105
00:05:35,566 --> 00:05:37,589
para que la ley de los grandes
números se cumpla?

106
00:05:37,589 --> 00:05:39,102
[Narrador] El estudio de West Point

107
00:05:39,102 --> 00:05:42,680
que involucró
a 250 estudiantes en cada grupo

108
00:05:42,680 --> 00:05:44,999
es suficientemente grande.

109
00:05:44,999 --> 00:05:47,809
No hay reglas estrictas en esto.

110
00:05:47,809 --> 00:05:51,266
En otro video aprenderán
sobre cómo confirmar la hipótesis

111
00:05:51,266 --> 00:05:54,633
del balance de grupo
con pruebas estadísticas formales.

112
00:05:54,633 --> 00:05:55,850
[Hombre] ¡Qué emocionante!

113
00:06:00,220 --> 00:06:01,987
El meollo del asunto en esta mesa

114
00:06:02,202 --> 00:06:04,402
es el efecto estimado del tratamiento.

115
00:06:04,505 --> 00:06:07,324
Recuerde que el tratamiento
en este caso es el permiso

116
00:06:07,324 --> 00:06:09,323
para usar dispositivos
electrónicos en clase.

117
00:06:09,571 --> 00:06:11,591
Los efectos del tratamiento
comparan los promedios

118
00:06:11,591 --> 00:06:14,150
entre los grupos de control
y de tratamiento.

119
00:06:15,103 --> 00:06:17,746
El grupo que tiene permiso
de usar electrónicos en el aula

120
00:06:17,746 --> 00:06:19,736
tuvo una calificación promedio

121
00:06:19,736 --> 00:06:21,756
del examen final
de 0,28 desviaciones estándar

122
00:06:21,756 --> 00:06:24,455
por debajo de las calificaciones
del grupo de control.

123
00:06:26,026 --> 00:06:27,982
¿Qué tan grande es este efecto?

124
00:06:28,275 --> 00:06:29,643
Los científicos sociales miden

125
00:06:29,643 --> 00:06:31,643
las calificaciones
en desviaciones estándar

126
00:06:31,643 --> 00:06:34,875
porque estas unidades facilita
la comparación entre los estudios.

127
00:06:35,143 --> 00:06:38,642
Sabemos por el historial
de investigaciones

128
00:06:38,642 --> 00:06:40,760
sobre aprendizaje en el aula
que 0,28 es muchísimo.

129
00:06:41,025 --> 00:06:45,515
Una disminución de 0,28 es como tomar
al estudiante de la mitad de la clase

130
00:06:45,515 --> 00:06:48,426
y bajarlo al antepenúltimo lugar.

131
00:06:49,028 --> 00:06:51,524
¿Qué tan seguros podemos estar
de que estos resultados

132
00:06:51,524 --> 00:06:52,893
de verdad sean significativos?

133
00:06:52,893 --> 00:06:55,709
Después de todo, estamos analizando
una división aleatoria

134
00:06:55,709 --> 00:06:57,607
entre el tratamiento 
y los grupos de control.

135
00:06:57,607 --> 00:07:00,711
Otras divisiones podrían haber
producido algo diferente.

136
00:07:00,711 --> 00:07:03,774
Por lo tanto, calculamos
la varianza de la muestra

137
00:07:03,774 --> 00:07:05,974
con los estimados de los efectos causales.

138
00:07:06,276 --> 00:07:08,028
¿Qué es la varianza muestral?

139
00:07:08,541 --> 00:07:10,858
[Narrador] La varianza muestral
nos dice qué tan probable

140
00:07:10,858 --> 00:07:15,554
es que un resultado estadístico particular
sea un resultado fortuito,

141
00:07:15,554 --> 00:07:18,858
en vez de indicar
una relación subyacente.

142
00:07:19,725 --> 00:07:23,282
La varianza muestral
se resume en un número

143
00:07:23,282 --> 00:07:26,706
llamado error estándar
del efecto estimado del tratamiento.

144
00:07:26,706 --> 00:07:29,338
- [Estudiantes] ¡No lo entiendo!
- ¿De qué está hablando?

145
00:07:29,338 --> 00:07:32,989
No se preocupen, después cubriremos
a profundidad esta idea fundamental.

146
00:07:32,989 --> 00:07:34,023
[Estudiante] Genial.

147
00:07:34,023 --> 00:07:36,498
Solo recuerden que entre más pequeño
sea el error estándar

148
00:07:36,498 --> 00:07:38,747
los hallazgos serán más concluyentes.

149
00:07:38,963 --> 00:07:42,180
Por otro lado,
si el error estándar es grande

150
00:07:42,180 --> 00:07:44,568
en relación con el efecto que estamos
tratando de estimar,

151
00:07:44,568 --> 00:07:47,435
hay una gran probabilidad
de que obtengamos algo distinto

152
00:07:47,435 --> 00:07:49,991
si tuviéramos que repetir el experimento.

153
00:07:50,333 --> 00:07:54,284
Se puede entender al error estándar
como una forma de medir la confiabilidad

154
00:07:54,284 --> 00:07:56,574
del resultado que vemos.

155
00:07:56,574 --> 00:07:57,631
[Estudiantes] Okey.

156
00:07:57,631 --> 00:08:01,147
[Narrador] En este estudio,
el error estándar relevante es 0,1.

157
00:08:01,768 --> 00:08:04,654
Por ahora es suficiente saber
una simple regla de oro:

158
00:08:04,759 --> 00:08:06,748
cuando el efecto estimado 
del tratamiento es más

159
00:08:06,753 --> 00:08:08,586
del doble del error estándar,

160
00:08:08,586 --> 00:08:12,103
las probabilidades
de este resultado no nulo

161
00:08:12,103 --> 00:08:13,975
son muy bajas, más o menos 1 de 20.

162
00:08:14,855 --> 00:08:18,290
Ya que esto es muy poco probable,
decimos que los estimacines que son dos

163
00:08:18,290 --> 00:08:21,052
o más veces mayor
que el error estándar asociado

164
00:08:21,052 --> 00:08:23,352
son estadísticamente significativas.

165
00:08:24,431 --> 00:08:28,149
Camila, ¿el efecto del tratamiento
del estudio de West Point

166
00:08:28,149 --> 00:08:29,859
es estadísticamente significativo?

167
00:08:30,728 --> 00:08:35,934
El error estándar es 0,10
y el efecto del tratamiento es 0,28

168
00:08:35,934 --> 00:08:40,359
y como 0,28 es más del doble
de 0,10; entonces, sí es significativo.

169
00:08:40,445 --> 00:08:41,613
Correcto.

170
00:08:41,613 --> 00:08:45,959
El fracazo en el aprendizaje por el uso
de electrónicos en el curso Econ 101

171
00:08:45,959 --> 00:08:50,093
es, por lo tanto, grande
y estadísticamente significativo.

172
00:08:50,093 --> 00:08:51,249
[Hombre] Bien.

173
00:08:56,775 --> 00:08:59,987
Las pruebas aleatorias
dan las respuestas más convincentes

174
00:08:59,987 --> 00:09:01,407
a preguntas causales.

175
00:09:01,407 --> 00:09:04,462
Cuando esta arma está en nuestro
juego de herramientas, la usamos.

176
00:09:05,204 --> 00:09:07,435
La asignación aleatoria nos permite
afirmar que ceteris,

177
00:09:07,435 --> 00:09:09,567
en efecto, se ha vuelto paribus,

178
00:09:10,114 --> 00:09:12,633
pero las pruebas aleatorias pueden ser
difíciles de organizar,

179
00:09:12,633 --> 00:09:15,084
podrían ser costosas
y requieren de mucho tiempo.

180
00:09:15,084 --> 00:09:18,000
y, en algunos casos, 
se consideran poco éticas.

181
00:09:18,404 --> 00:09:21,420
Así que los expertos buscan 
alternativas convincentes.

182
00:09:21,420 --> 00:09:25,170
Las alternativas tratan de copiar
el poder revelador de la causalidad

183
00:09:25,170 --> 00:09:28,404
de una prueba aleatoria,
pero sin el tiempo, el problema

184
00:09:28,404 --> 00:09:31,370
y el gasto de un experimento
diseñado para un propósito particular.

185
00:09:31,461 --> 00:09:34,794
Estas herramientas alternativas
se aplican a escenarios reales

186
00:09:34,794 --> 00:09:37,016
que imitan la asignación aleatoria.

187
00:09:39,016 --> 00:09:42,556
[Narrador] Estas a punto
de dominar la econometría.

188
00:09:42,556 --> 00:09:44,451
Asegúrate de aprender de este video,

189
00:09:44,451 --> 00:09:47,387
respondiendo a los ejercicios.

190
00:09:47,387 --> 00:09:50,870
O, si estás listo,
haz clic en el siguiente video.

191
00:09:50,870 --> 00:09:53,517
También puede revisar el sitio web de MRU

192
00:09:53,517 --> 00:09:56,591
para ver más cursos, 
recursos de enseñanza y más.