WEBVTT

00:00:00.239 --> 00:00:05.110
[Narrador] El camino de la causa 
al efecto es oscuro y peligroso,

00:00:05.572 --> 00:00:08.974
pero las armas
de la econometría son eficaces.

00:00:09.941 --> 00:00:14.824
Observen la más poderosa de ellas:
la espada de la asignación aleatoria

00:00:14.824 --> 00:00:18.108
que van al meollo
de las preguntas de causa y efecto.

00:00:22.971 --> 00:00:27.737
Empecemos con nuestra arma
más poderosa y más costosa:

00:00:27.737 --> 00:00:29.558
las pruebas aleatorias.

00:00:29.558 --> 00:00:30.828
[Estudiante] ¡Genial!

NOTE Paragraph

00:00:30.828 --> 00:00:34.839
Cada misión de una métrica empieza
con la pregunta causal.

00:00:34.893 --> 00:00:37.842
Las preguntas claras llevan
a respuestas claras.

00:00:38.955 --> 00:00:42.709
Las respuestas más claras provienen
de pruebas aleatorias.

00:00:43.623 --> 00:00:47.592
Veamos cómo y porqué
las pruebas aleatorias dan

00:00:47.712 --> 00:00:51.328
respuestas especialmente convincentes
a preguntas causales.

00:00:52.012 --> 00:00:55.528
[Josh] Como una espada bien afilada,
las pruebas aleatorias van

00:00:55.528 --> 00:00:57.805
al meollo de un problema causal,

00:00:57.805 --> 00:01:00.912
creando comparaciones convincentes
del tipo "manzanas con manzanas".

00:01:01.092 --> 00:01:03.921
Pero, como con cualquier arma 
meticulosamente hecha,

00:01:03.921 --> 00:01:07.195
las pruebas aleatorias son caras
y no se pueden hacer rápidamente

00:01:08.041 --> 00:01:11.555
Las pruebas aleatorias se originan
en la investigación clínica

00:01:11.555 --> 00:01:16.362
donde se les llama
ensayos clínicos aleatorios o ECA.

00:01:17.245 --> 00:01:19.339
La Administración
de Alimentos y Medicamentos de EUA

00:01:19.339 --> 00:01:21.709
les solicita a los fabricantes
de medicamentos

00:01:21.709 --> 00:01:24.932
que demuestren la seguridad
y eficacia de nuevos fármacos

00:01:24.932 --> 00:01:26.331
o tratamientos médicos.

00:01:26.981 --> 00:01:30.025
Esto se hace a través de una serie de ECA.

00:01:30.440 --> 00:01:35.275
Por eso, es que las pruebas aleatorias
miden mejor los efectos del tratamiento.

00:01:35.936 --> 00:01:38.269
Puede ser que ustedes
hayan contribuido con otro tipo

00:01:38.269 --> 00:01:40.073
de prueba aleatoria:

00:01:40.073 --> 00:01:43.102
las pruebas A/B
que usan las empresas de Silicon Valley

00:01:43.102 --> 00:01:45.699
para comparar las estrategias de mercado.

00:01:45.699 --> 00:01:50.480
Por ejemplo, Amazon aleatoriza resultados 
de búsqueda en un flujo constante

00:01:50.480 --> 00:01:51.624
de experimentos encubiertos.

00:01:51.624 --> 00:01:53.191
- [Mujer] ¡Oh!
- [Hombre] Interesante.

00:01:53.191 --> 00:01:56.553
Las pruebas aleatorias también son
importantes en la investigación educativa

00:01:56.553 --> 00:01:59.399
Se han utilizado para responder
preguntas causales

00:01:59.399 --> 00:02:01.718
que le importan mucho a mi maestra:

00:02:01.718 --> 00:02:04.519
¿Se debería aceptar el uso de laptops
y otros dispositivos electrónicos

00:02:04.519 --> 00:02:06.584
en el salón de clases?

00:02:07.210 --> 00:02:09.103
Muchos ven
a los electrónicos dentro del aula

00:02:09.103 --> 00:02:10.563
como un apoyo para el aprendizaje,

00:02:10.563 --> 00:02:13.833
pero para otros, como yo, 
son una distracción dañina.

00:02:14.216 --> 00:02:15.433
¿Quién tiene razón?

00:02:21.543 --> 00:02:23.776
Los maestros de métricas
que enseñan en West Point,

00:02:23.776 --> 00:02:26.760
el colegio militar que entrena,
a los oficiales de la armada de EUA,

00:02:26.760 --> 00:02:30.734
diseñaron una prueba aleatoria
para responder esta pregunta.

00:02:30.734 --> 00:02:33.819
Estos maestros asignan aleatoriamente
a los cadetes a clases de economía

00:02:33.819 --> 00:02:36.426
que funcionan bajo reglas distintas.

00:02:37.057 --> 00:02:39.303
A diferencia de la mayoría
de las universidades de EUA,

00:02:39.303 --> 00:02:42.034
en West Point no se usan los electrónicos.

00:02:42.555 --> 00:02:45.501
Para propósitos de este experimento,
algunos estudiantes permanecieron

00:02:45.501 --> 00:02:48.851
en las clases tradicionales
sin tecnología,

00:02:48.851 --> 00:02:51.852
sin laptops ni tabletas ni teléfonos.

00:02:53.325 --> 00:02:55.909
Este es el grupo de control,
o el punto de referencia.

00:02:55.909 --> 00:02:59.506
A otro grupo se le permitió 
el uso de electrónicos.

00:02:59.506 --> 00:03:02.762
Este es el grupo de tratamiento,
sujeto al ambiente modificado.

00:03:03.179 --> 00:03:05.962
El tratamiento, en este caso,
es el uso libre

00:03:05.962 --> 00:03:08.247
de laptops o tabletas en clase.

00:03:09.274 --> 00:03:11.763
Cada pregunta causal 
tiene un resultado claro.

00:03:11.763 --> 00:03:15.990
Las variables que esperamos influenciar,
se definen antes de empezar el estudio.

00:03:15.990 --> 00:03:18.546
Los resultados en el estudio 
de los electrónicos en West Point

00:03:18.546 --> 00:03:20.328
son las notas de los exámenes finales.

00:03:20.433 --> 00:03:23.650
El estudio busca responder
a la siguiente pregunta:

00:03:23.650 --> 00:03:27.520
¿Cuál es el efecto causal de los
electrónicos sobre el aprendizaje en clase

00:03:27.520 --> 00:03:29.654
medido a través
de las calificaciones de los exámenes?

00:03:30.006 --> 00:03:33.274
[Narrador] Los estudiantes de economía
fueron asignados aleatoriamente

00:03:33.274 --> 00:03:36.323
a uno de los dos grupos,
al de control o al de tratamiento.

00:03:36.323 --> 00:03:39.987
La asignación aleatoria
crea comparaciones ceteris paribus,

00:03:39.987 --> 00:03:44.371
permitiéndonos, así, obtener conclusiones
causales al comparar los grupos.

00:03:44.682 --> 00:03:49.017
El poder revelador de la causalidad
en una prueba aleatoria proviene

00:03:49.017 --> 00:03:52.677
de una propiedad estadística
llamada la ley de los grandes números.

00:03:52.677 --> 00:03:55.045
Cuando los estadísticos
y matemáticos descubren

00:03:55.045 --> 00:03:57.478
algo importante
que es cierto e irrefutable

00:03:57.478 --> 00:04:00.761
sobre el mundo natural, lo llaman ley.

00:04:01.628 --> 00:04:04.529
La ley de los grandes números dice
que cuando los grupos aleatorios

00:04:04.529 --> 00:04:07.962
son suficientemente grandes, 
los estudiantes allí serán similares

00:04:07.962 --> 00:04:10.012
en promedio, en todos los sentidos.

00:04:10.626 --> 00:04:14.432
Esto significa que se espera que los
grupos de estudiantes divididos al azar

00:04:14.432 --> 00:04:16.338
sean similares en cuanto
al entorno familiar,

00:04:16.338 --> 00:04:18.748
la motivación y las habilidades.

00:04:18.748 --> 00:04:22.444
Adiós al sesgo de selección,
al menos en teoría.

00:04:22.978 --> 00:04:25.254
En la práctica, pudiera suceder
que los grupos aleatorios

00:04:25.254 --> 00:04:26.664
no sean lo suficientemente grandes

00:04:26.664 --> 00:04:28.791
como para que la ley 
de los grandes números se cumpla

00:04:28.791 --> 00:04:31.805
o que los investigadores hayan
fallado en las asignaciones aleatorias.

00:04:32.312 --> 00:04:35.245
Como en cualquier tarea técnica,
incluso los más experimentados

00:04:35.245 --> 00:04:37.478
están alertas de los errores posibles.

00:04:37.989 --> 00:04:40.314
Po lo tanto, debemos comprobar 
los errores de equilibrio,

00:04:40.314 --> 00:04:43.260
comparando las variables del entorno
de los estudiantes en los dos grupos

00:04:43.260 --> 00:04:45.726
y asegurarnos
de que verdaderamente sean similares.

NOTE Paragraph

00:04:46.478 --> 00:04:49.004
[Narrador] Aquí está la revisión 
del equilibrio de West Point.

00:04:49.627 --> 00:04:51.932
Esta tabla tiene dos columnas:

00:04:51.932 --> 00:04:54.688
una que muestra datos del grupo de control

00:04:54.688 --> 00:04:57.021
y otra que muestra datos
del grupo de tratamiento.

00:04:57.825 --> 00:04:59.711
Las filas muestran
algunas de las variables

00:04:59.711 --> 00:05:01.759
que, esperamos, estén equilibradas:

00:05:01.759 --> 00:05:06.255
sexo, edad, raza, puntos GPA, entre otros.

00:05:07.232 --> 00:05:09.271
La primera fila indica qué porcentaje

00:05:09.271 --> 00:05:11.687
de cada grupo es mujer.

00:05:11.687 --> 00:05:16.387
En el grupo de control es de 17 %
y 20 % en el grupo de tratamiento.

00:05:17.962 --> 00:05:21.194
Kamal, ¿cómo se ve el balance del GPA?

00:05:21.731 --> 00:05:25.028
[Kamal] Los del grupo de control
tienen un GPA de 2,87,

00:05:25.028 --> 00:05:28.615
mientras que los del otro tienen
un GPA de 2,82 aproximadamente,

00:05:28.615 --> 00:05:29.615
muy similares.

00:05:29.615 --> 00:05:34.031
[Narrador] Los dos grupos
son similares en general.

00:05:34.031 --> 00:05:35.566
¿Qué tan grande debe ser la muestra

00:05:35.566 --> 00:05:37.589
para que la ley de los grandes
números se cumpla?

00:05:37.589 --> 00:05:39.102
[Narrador] El estudio de West Point

00:05:39.102 --> 00:05:42.680
que involucró
a 250 estudiantes en cada grupo

00:05:42.680 --> 00:05:44.999
es suficientemente grande.

00:05:44.999 --> 00:05:47.809
No hay reglas estrictas en esto.

00:05:47.809 --> 00:05:51.266
En otro video aprenderán
sobre cómo confirmar la hipótesis

00:05:51.266 --> 00:05:54.633
del balance de grupo
con pruebas estadísticas formales.

00:05:54.633 --> 00:05:55.850
[Hombre] ¡Qué emocionante!

00:06:00.220 --> 00:06:01.987
El meollo del asunto en esta mesa

00:06:02.202 --> 00:06:04.402
es el efecto estimado del tratamiento.

00:06:04.505 --> 00:06:07.324
Recuerde que el tratamiento
en este caso es el permiso

00:06:07.324 --> 00:06:09.323
para usar dispositivos
electrónicos en clase.

00:06:09.571 --> 00:06:11.591
Los efectos del tratamiento
comparan los promedios

00:06:11.591 --> 00:06:14.150
entre los grupos de control
y de tratamiento.

00:06:15.103 --> 00:06:17.746
El grupo que tiene permiso
de usar electrónicos en el aula

00:06:17.746 --> 00:06:19.736
tuvo una calificación promedio

00:06:19.736 --> 00:06:21.756
del examen final
de 0,28 desviaciones estándar

00:06:21.756 --> 00:06:24.455
por debajo de las calificaciones
del grupo de control.

00:06:26.026 --> 00:06:27.982
¿Qué tan grande es este efecto?

00:06:28.275 --> 00:06:29.643
Los científicos sociales miden

00:06:29.643 --> 00:06:31.643
las calificaciones
en desviaciones estándar

00:06:31.643 --> 00:06:34.875
porque estas unidades facilita
la comparación entre los estudios.

00:06:35.143 --> 00:06:38.642
Sabemos por el historial
de investigaciones

00:06:38.642 --> 00:06:40.760
sobre aprendizaje en el aula
que 0,28 es muchísimo.

00:06:41.025 --> 00:06:45.515
Una disminución de 0,28 es como tomar
al estudiante de la mitad de la clase

00:06:45.515 --> 00:06:48.426
y bajarlo al antepenúltimo lugar.

00:06:49.028 --> 00:06:51.524
¿Qué tan seguros podemos estar
de que estos resultados

00:06:51.524 --> 00:06:52.893
de verdad sean significativos?

00:06:52.893 --> 00:06:55.709
Después de todo, estamos analizando
una división aleatoria

00:06:55.709 --> 00:06:57.607
entre el tratamiento 
y los grupos de control.

00:06:57.607 --> 00:07:00.711
Otras divisiones podrían haber
producido algo diferente.

00:07:00.711 --> 00:07:03.774
Por lo tanto, calculamos
la varianza de la muestra

00:07:03.774 --> 00:07:05.974
con los estimados de los efectos causales.

00:07:06.276 --> 00:07:08.028
¿Qué es la varianza muestral?

00:07:08.541 --> 00:07:10.858
[Narrador] La varianza muestral
nos dice qué tan probable

00:07:10.858 --> 00:07:15.554
es que un resultado estadístico particular
sea un resultado fortuito,

00:07:15.554 --> 00:07:18.858
en vez de indicar
una relación subyacente.

00:07:19.725 --> 00:07:23.282
La varianza muestral
se resume en un número

00:07:23.282 --> 00:07:26.706
llamado error estándar
del efecto estimado del tratamiento.

NOTE Paragraph

00:07:26.706 --> 00:07:29.338
- [Estudiantes] ¡No lo entiendo!
- ¿De qué está hablando?

00:07:29.338 --> 00:07:32.989
No se preocupen, después cubriremos
a profundidad esta idea fundamental.

00:07:32.989 --> 00:07:34.023
[Estudiante] Genial.

00:07:34.023 --> 00:07:36.498
Solo recuerden que entre más pequeño
sea el error estándar

00:07:36.498 --> 00:07:38.747
los hallazgos serán más concluyentes.

00:07:38.963 --> 00:07:42.180
Por otro lado,
si el error estándar es grande

00:07:42.180 --> 00:07:44.568
en relación con el efecto que estamos
tratando de estimar,

00:07:44.568 --> 00:07:47.435
hay una gran probabilidad
de que obtengamos algo distinto

00:07:47.435 --> 00:07:49.991
si tuviéramos que repetir el experimento.

00:07:50.333 --> 00:07:54.284
Se puede entender al error estándar
como una forma de medir la confiabilidad

00:07:54.284 --> 00:07:56.574
del resultado que vemos.

00:07:56.574 --> 00:07:57.631
[Estudiantes] Okey.

00:07:57.631 --> 00:08:01.147
[Narrador] En este estudio,
el error estándar relevante es 0,1.

00:08:01.768 --> 00:08:04.654
Por ahora es suficiente saber
una simple regla de oro:

00:08:04.759 --> 00:08:06.748
cuando el efecto estimado 
del tratamiento es más

00:08:06.753 --> 00:08:08.586
del doble del error estándar,

00:08:08.586 --> 00:08:12.103
las probabilidades
de este resultado no nulo

00:08:12.103 --> 00:08:13.975
son muy bajas, más o menos 1 de 20.

00:08:14.855 --> 00:08:18.290
Ya que esto es muy poco probable,
decimos que los estimacines que son dos

00:08:18.290 --> 00:08:21.052
o más veces mayor
que el error estándar asociado

00:08:21.052 --> 00:08:23.352
son estadísticamente significativas.

00:08:24.431 --> 00:08:28.149
Camila, ¿el efecto del tratamiento
del estudio de West Point

00:08:28.149 --> 00:08:29.859
es estadísticamente significativo?

00:08:30.728 --> 00:08:35.934
El error estándar es 0,10
y el efecto del tratamiento es 0,28

00:08:35.934 --> 00:08:40.359
y como 0,28 es más del doble
de 0,10; entonces, sí es significativo.

00:08:40.445 --> 00:08:41.613
Correcto.

00:08:41.613 --> 00:08:45.959
El fracazo en el aprendizaje por el uso
de electrónicos en el curso Econ 101

00:08:45.959 --> 00:08:50.093
es, por lo tanto, grande
y estadísticamente significativo.

00:08:50.093 --> 00:08:51.249
[Hombre] Bien.

00:08:56.775 --> 00:08:59.987
Las pruebas aleatorias
dan las respuestas más convincentes

00:08:59.987 --> 00:09:01.407
a preguntas causales.

00:09:01.407 --> 00:09:04.462
Cuando esta arma está en nuestro
juego de herramientas, la usamos.

00:09:05.204 --> 00:09:07.435
La asignación aleatoria nos permite
afirmar que ceteris,

00:09:07.435 --> 00:09:09.567
en efecto, se ha vuelto paribus,

00:09:10.114 --> 00:09:12.633
pero las pruebas aleatorias pueden ser
difíciles de organizar,

00:09:12.633 --> 00:09:15.084
podrían ser costosas
y requieren de mucho tiempo.

00:09:15.084 --> 00:09:18.000
y, en algunos casos, 
se consideran poco éticas.

00:09:18.404 --> 00:09:21.420
Así que los expertos buscan 
alternativas convincentes.

00:09:21.420 --> 00:09:25.170
Las alternativas tratan de copiar
el poder revelador de la causalidad

00:09:25.170 --> 00:09:28.404
de una prueba aleatoria,
pero sin el tiempo, el problema

00:09:28.404 --> 00:09:31.370
y el gasto de un experimento
diseñado para un propósito particular.

00:09:31.461 --> 00:09:34.794
Estas herramientas alternativas
se aplican a escenarios reales

00:09:34.794 --> 00:09:37.016
que imitan la asignación aleatoria.

00:09:39.016 --> 00:09:42.556
[Narrador] Estas a punto
de dominar la econometría.

00:09:42.556 --> 00:09:44.451
Asegúrate de aprender de este video,

00:09:44.451 --> 00:09:47.387
respondiendo a los ejercicios.

00:09:47.387 --> 00:09:50.870
O, si estás listo,
haz clic en el siguiente video.

00:09:50.870 --> 00:09:53.517
También puede revisar el sitio web de MRU

00:09:53.517 --> 00:09:56.591
para ver más cursos, 
recursos de enseñanza y más.