0:00:00.239,0:00:05.110
[Narrador] El camino de la causa [br]al efecto es oscuro y peligroso,

0:00:05.572,0:00:08.974
pero las armas[br]de la econometría son eficaces.

0:00:09.941,0:00:14.824
Observen la más poderosa de ellas:[br]la espada de la asignación aleatoria

0:00:14.824,0:00:18.108
que van al meollo[br]de las preguntas de causa y efecto.

0:00:22.971,0:00:27.737
Empecemos con nuestra arma[br]más poderosa y más costosa:

0:00:27.737,0:00:29.558
las pruebas aleatorias.

0:00:29.558,0:00:30.828
[Estudiante] ¡Genial!

0:00:30.828,0:00:34.839
Cada misión de una métrica empieza[br]con la pregunta causal.

0:00:34.893,0:00:37.842
Las preguntas claras llevan[br]a respuestas claras.

0:00:38.955,0:00:42.709
Las respuestas más claras provienen[br]de pruebas aleatorias.

0:00:43.623,0:00:47.592
Veamos cómo y porqué[br]las pruebas aleatorias dan

0:00:47.712,0:00:51.328
respuestas especialmente convincentes[br]a preguntas causales.

0:00:52.012,0:00:55.528
[Josh] Como una espada bien afilada,[br]las pruebas aleatorias van

0:00:55.528,0:00:57.805
al meollo de un problema causal,

0:00:57.805,0:01:00.912
creando comparaciones convincentes[br]del tipo "manzanas con manzanas".

0:01:01.092,0:01:03.921
Pero, como con cualquier arma [br]meticulosamente hecha,

0:01:03.921,0:01:07.195
las pruebas aleatorias son caras[br]y no se pueden hacer rápidamente

0:01:08.041,0:01:11.555
Las pruebas aleatorias se originan[br]en la investigación clínica

0:01:11.555,0:01:16.362
donde se les llama[br]ensayos clínicos aleatorios o ECA.

0:01:17.245,0:01:19.339
La Administración[br]de Alimentos y Medicamentos de EUA

0:01:19.339,0:01:21.709
les solicita a los fabricantes[br]de medicamentos

0:01:21.709,0:01:24.932
que demuestren la seguridad[br]y eficacia de nuevos fármacos

0:01:24.932,0:01:26.331
o tratamientos médicos.

0:01:26.981,0:01:30.025
Esto se hace a través de una serie de ECA.

0:01:30.440,0:01:35.275
Por eso, es que las pruebas aleatorias[br]miden mejor los efectos del tratamiento.

0:01:35.936,0:01:38.269
Puede ser que ustedes[br]hayan contribuido con otro tipo

0:01:38.269,0:01:40.073
de prueba aleatoria:

0:01:40.073,0:01:43.102
las pruebas A/B[br]que usan las empresas de Silicon Valley

0:01:43.102,0:01:45.699
para comparar las estrategias de mercado.

0:01:45.699,0:01:50.480
Por ejemplo, Amazon aleatoriza resultados [br]de búsqueda en un flujo constante

0:01:50.480,0:01:51.624
de experimentos encubiertos.

0:01:51.624,0:01:53.191
- [Mujer] ¡Oh![br]- [Hombre] Interesante.

0:01:53.191,0:01:56.553
Las pruebas aleatorias también son[br]importantes en la investigación educativa;

0:01:56.553,0:01:59.399
se han utilizado para responder[br]una pregunta causal como aquella

0:01:59.399,0:02:01.718
que despierta demasiado interés[br]en mi apasionada maestra:

0:02:01.718,0:02:04.519
¿Se debería aceptar el uso de laptops[br]y otros dispositivos electrónicos

0:02:04.519,0:02:06.584
en el salón de clases?

0:02:07.210,0:02:09.103
Muchos ven[br]a los electrónicos dentro del aula

0:02:09.103,0:02:10.563
como un apoyo para el aprendizaje,

0:02:10.563,0:02:13.833
pero para otros, como yo, [br]son una distracción dañina.

0:02:14.216,0:02:15.433
¿Quién tiene razón?

0:02:21.543,0:02:23.776
Los maestros de métricas[br]que enseñan en West Point,

0:02:23.776,0:02:26.760
el colegio militar que entrena[br]a los oficiales de la armada de EUA,

0:02:26.760,0:02:30.734
diseñaron una prueba aleatoria[br]para responder esta pregunta.

0:02:30.734,0:02:33.819
Estos maestros asignan aleatoriamente[br]a los cadetes a clases de economía

0:02:33.819,0:02:36.426
que funcionan bajo reglas distintas.

0:02:37.057,0:02:39.303
A diferencia de la mayoría[br]de las universidades de EUA,

0:02:39.303,0:02:42.034
en West Point no se usan los electrónicos.

0:02:42.555,0:02:45.501
Para propósitos de este experimento,[br]algunos estudiantes permanecieron

0:02:45.501,0:02:48.851
en las clases tradicionales[br]sin tecnología,

0:02:48.851,0:02:51.852
sin laptops ni tabletas ni teléfonos.

0:02:53.325,0:02:55.909
Este es el grupo de control,[br]o el punto de referencia.

0:02:55.909,0:02:59.506
A otro grupo se le permitió [br]el uso de electrónicos.

0:02:59.506,0:03:02.762
Este es el grupo de tratamiento,[br]sujeto al ambiente modificado.

0:03:03.179,0:03:05.962
El tratamiento, en este caso,[br]es el uso libre

0:03:05.962,0:03:08.247
de laptops o tabletas en clase.

0:03:09.274,0:03:11.763
Cada pregunta causal [br]tiene un resultado claro.

0:03:11.763,0:03:15.990
Las variables que esperamos influenciar,[br]se definen antes de empezar el estudio.

0:03:15.990,0:03:18.546
Los resultados en el estudio [br]de los electrónicos en West Point

0:03:18.546,0:03:20.328
son las notas de los exámenes finales.

0:03:20.433,0:03:23.650
El estudio busca responder[br]a la siguiente pregunta:

0:03:23.650,0:03:27.520
¿Cuál es el efecto causal de los[br]electrónicos sobre el aprendizaje en clase

0:03:27.520,0:03:29.654
medido a través[br]de las calificaciones de los exámenes?

0:03:30.006,0:03:33.274
[Narrador] Los estudiantes de economía[br]fueron asignados aleatoriamente

0:03:33.274,0:03:36.323
a uno de los dos grupos,[br]al de control o al de tratamiento.

0:03:36.323,0:03:39.987
La asignación aleatoria[br]crea comparaciones ceteris paribus,

0:03:39.987,0:03:44.371
permitiéndonos, así, obtener conclusiones[br]causales al comparar los grupos.

0:03:44.682,0:03:49.017
El poder revelador de la causalidad[br]en una prueba aleatoria proviene

0:03:49.017,0:03:52.677
de una propiedad estadística[br]llamada la ley de los grandes números.

0:03:52.677,0:03:55.045
Cuando los estadísticos[br]y matemáticos descubren

0:03:55.045,0:03:57.478
algo importante[br]que es cierto e irrefutable

0:03:57.478,0:04:00.761
sobre el mundo natural, lo llaman ley.

0:04:01.628,0:04:04.529
La ley de los grandes números dice[br]que cuando los grupos aleatorios

0:04:04.529,0:04:07.962
son suficientemente grandes, [br]los estudiantes allí serán similares

0:04:07.962,0:04:10.012
en promedio, en todos los sentidos.

0:04:10.626,0:04:14.432
Esto significa que se espera que los[br]grupos de estudiantes divididos al azar

0:04:14.432,0:04:16.338
sean similares en cuanto[br]al entorno familiar,

0:04:16.338,0:04:18.748
la motivación y las habilidades.

0:04:18.748,0:04:22.444
Adiós al sesgo de selección,[br]al menos en teoría.

0:04:22.978,0:04:25.254
En la práctica, pudiera suceder[br]que los grupos aleatorios

0:04:25.254,0:04:26.664
no sean lo suficientemente grandes

0:04:26.664,0:04:28.791
como para que la ley [br]de los grandes números se cumpla

0:04:28.791,0:04:31.805
o que los investigadores hayan[br]fallado en las asignaciones aleatorias.

0:04:32.312,0:04:35.245
Como en cualquier tarea técnica,[br]incluso los más experimentados

0:04:35.245,0:04:37.478
están alertas de los errores posibles.

0:04:37.989,0:04:40.314
Por lo tanto, debemos comprobar [br]los errores de equilibrio,

0:04:40.314,0:04:43.260
comparando las variables del entorno[br]de los estudiantes en los dos grupos

0:04:43.260,0:04:45.726
y asegurarnos[br]de que verdaderamente sean similares.

0:04:46.478,0:04:49.004
[Narrador] Aquí está la revisión [br]del equilibrio de West Point.

0:04:49.627,0:04:51.932
Esta tabla tiene dos columnas:

0:04:51.932,0:04:54.688
una que muestra datos del grupo de control

0:04:54.688,0:04:57.021
y otra que muestra datos[br]del grupo de tratamiento.

0:04:57.825,0:04:59.711
Las filas muestran[br]algunas de las variables

0:04:59.711,0:05:01.759
que, esperamos, estén equilibradas:

0:05:01.759,0:05:06.255
sexo, edad, raza, puntos GPA, entre otros.

0:05:07.232,0:05:09.271
La primera fila indica qué porcentaje

0:05:09.271,0:05:11.687
de cada grupo es mujer.

0:05:11.687,0:05:16.387
En el grupo de control es de 17 %[br]y 20 % en el grupo de tratamiento.

0:05:17.962,0:05:21.194
Kamal, ¿cómo se ve el balance del GPA?

0:05:21.731,0:05:25.028
[Kamal] Los del grupo de control[br]tienen un GPA de 2,87,

0:05:25.028,0:05:28.615
mientras que los del otro tienen[br]un GPA de 2,82 aproximadamente,

0:05:28.615,0:05:29.615
muy similares.

0:05:29.615,0:05:34.031
[Narrador] Los dos grupos[br]son similares en general.

0:05:34.031,0:05:35.566
¿Qué tan grande debe ser la muestra

0:05:35.566,0:05:37.589
para que la ley de los grandes[br]números se cumpla?

0:05:37.589,0:05:39.102
[Narrador] El estudio de West Point

0:05:39.102,0:05:42.680
que involucró[br]a 250 estudiantes en cada grupo

0:05:42.680,0:05:44.999
es suficientemente grande.

0:05:44.999,0:05:47.809
No hay reglas estrictas en esto.

0:05:47.809,0:05:51.266
En otro video aprenderán[br]sobre cómo confirmar la hipótesis

0:05:51.266,0:05:54.633
del balance de grupo[br]con pruebas estadísticas formales.

0:05:54.633,0:05:55.850
[Hombre] ¡Qué emocionante!

0:06:00.220,0:06:01.987
El meollo del asunto en esta mesa

0:06:02.202,0:06:04.402
es el efecto estimado del tratamiento.

0:06:04.505,0:06:07.324
Recuerde que el tratamiento[br]en este caso es el permiso

0:06:07.324,0:06:09.323
para usar dispositivos[br]electrónicos en clase.

0:06:09.571,0:06:11.591
Los efectos del tratamiento[br]comparan los promedios

0:06:11.591,0:06:14.150
entre los grupos de control[br]y de tratamiento.

0:06:15.103,0:06:17.746
El grupo que tiene permiso[br]de usar electrónicos en el aula

0:06:17.746,0:06:19.736
tuvo una calificación promedio

0:06:19.736,0:06:21.756
del examen final[br]de 0,28 desviaciones estándar

0:06:21.756,0:06:24.455
por debajo de las calificaciones[br]del grupo de control.

0:06:26.026,0:06:27.982
¿Qué tan grande es este efecto?

0:06:28.275,0:06:29.643
Los científicos sociales miden

0:06:29.643,0:06:31.643
las calificaciones[br]en desviaciones estándar

0:06:31.643,0:06:34.875
porque estas unidades facilitan[br]la comparación entre los estudios.

0:06:35.143,0:06:38.642
Sabemos por el historial[br]de investigaciones

0:06:38.642,0:06:40.760
sobre aprendizaje en el aula[br]que 0,28 es muchísimo.

0:06:41.025,0:06:45.515
Una disminución de 0,28 es como tomar[br]al estudiante de la mitad de la clase

0:06:45.515,0:06:48.426
y bajarlo al tercio inferior.

0:06:49.028,0:06:51.524
¿Qué tan seguros podemos estar[br]de que estos resultados

0:06:51.524,0:06:52.893
de verdad sean significativos?

0:06:52.893,0:06:55.709
Después de todo, estamos analizando[br]una división aleatoria

0:06:55.709,0:06:57.607
entre el tratamiento [br]y los grupos de control.

0:06:57.607,0:07:00.711
Otras divisiones podrían haber[br]producido algo diferente.

0:07:00.711,0:07:03.774
Por lo tanto, calculamos[br]la varianza de la muestra

0:07:03.774,0:07:05.974
en las estimaciones[br]de los efectos causales.

0:07:06.276,0:07:08.028
¿Qué es la varianza muestral?

0:07:08.541,0:07:10.858
[Narrador] La varianza muestral[br]nos dice qué tan probable

0:07:10.858,0:07:15.554
es que un resultado estadístico particular[br]sea un resultado fortuito,

0:07:15.554,0:07:18.858
en vez de indicar[br]una relación subyacente.

0:07:19.725,0:07:23.282
La varianza muestral[br]se resume en un número

0:07:23.282,0:07:26.706
llamado error estándar[br]del efecto estimado del tratamiento.

0:07:26.706,0:07:29.338
- [Estudiantes] ¡No lo entiendo![br]- ¿De qué está hablando?

0:07:29.338,0:07:32.989
No se preocupen, después cubriremos[br]a profundidad esta idea fundamental.

0:07:32.989,0:07:34.023
[Estudiante] Genial.

0:07:34.023,0:07:36.498
Solo recuerden que entre más pequeño[br]sea el error estándar

0:07:36.498,0:07:38.747
los hallazgos serán más concluyentes.

0:07:38.963,0:07:42.180
Por otro lado,[br]si el error estándar es grande

0:07:42.180,0:07:44.628
en comparación con el efecto[br]que estamos tratando de estimar,

0:07:44.628,0:07:47.435
hay una gran probabilidad[br]de que obtengamos algo distinto

0:07:47.435,0:07:49.991
si tuviéramos que repetir el experimento.

0:07:50.333,0:07:54.284
Se puede entender al error estándar[br]como una forma de medir la confiabilidad

0:07:54.284,0:07:56.574
del resultado que vemos.

0:07:56.574,0:07:57.631
[Estudiantes] Okey.

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

0:08:01.768,0:08:04.654
Por ahora es suficiente saber[br]una simple regla de oro:

0:08:04.759,0:08:06.708
cuando el efecto estimado [br]del tratamiento es más

0:08:06.708,0:08:08.586
del doble del error estándar,

0:08:08.586,0:08:11.275
las probabilidades[br]de este resultado no nulo

0:08:11.275,0:08:13.975
son muy bajas, más o menos 1 de 20.

0:08:14.855,0:08:18.290
Ya que esto es muy poco probable,[br]decimos que los estimaciones que son dos

0:08:18.290,0:08:21.052
o más veces mayor[br]que el error estándar asociado

0:08:21.052,0:08:23.352
son estadísticamente significativas.

0:08:24.431,0:08:28.149
Camila, ¿el efecto del tratamiento[br]del estudio de West Point

0:08:28.149,0:08:29.859
es estadísticamente significativo?

0:08:30.728,0:08:35.934
El error estándar es 0,10[br]y el efecto del tratamiento es 0,28

0:08:35.934,0:08:40.359
y como 0,28 es más del doble[br]de 0,10; entonces, sí es significativo.

0:08:40.445,0:08:41.613
Correcto.

0:08:41.613,0:08:45.959
El fracaso en el aprendizaje por el uso[br]de electrónicos en el curso Econ 101

0:08:45.959,0:08:50.093
es, por lo tanto, grande[br]y estadísticamente significativo.

0:08:50.093,0:08:51.249
[Hombre] Bien.

0:08:56.775,0:08:59.987
Las pruebas aleatorias[br]dan las respuestas más convincentes

0:08:59.987,0:09:01.407
a preguntas causales.

0:09:01.407,0:09:04.462
Cuando esta arma está en nuestro[br]juego de herramientas, la usamos.

0:09:05.204,0:09:07.435
La asignación aleatoria nos permite[br]afirmar que ceteris,

0:09:07.435,0:09:09.567
en efecto, se ha vuelto paribus,

0:09:10.114,0:09:12.633
pero las pruebas aleatorias pueden ser[br]difíciles de organizar,

0:09:12.633,0:09:15.084
podrían ser costosas[br]y requieren de mucho tiempo.

0:09:15.084,0:09:18.000
y, en algunos casos, [br]se consideran poco éticas.

0:09:18.404,0:09:21.420
Así que los expertos buscan [br]alternativas convincentes.

0:09:21.420,0:09:25.170
Las alternativas tratan de copiar[br]el poder revelador de la causalidad

0:09:25.170,0:09:28.404
de una prueba aleatoria,[br]pero sin el tiempo, el problema

0:09:28.404,0:09:31.370
y el gasto de un experimento[br]diseñado para un propósito particular.

0:09:31.461,0:09:34.794
Estas herramientas alternativas[br]se aplican a escenarios reales

0:09:34.794,0:09:37.016
que imitan la asignación aleatoria.

0:09:39.016,0:09:42.556
[Narrador] Estas a punto[br]de dominar la econometría.

0:09:42.556,0:09:44.451
Asegúrate de aprender de este video,

0:09:44.451,0:09:47.387
respondiendo a los ejercicios.

0:09:47.387,0:09:50.870
O, si estás listo,[br]haz clic en el siguiente video.

0:09:50.870,0:09:53.517
También puede revisar el sitio web de MRU

0:09:53.517,0:09:56.591
para ver más cursos, [br]recursos de enseñanza y más.