[Script Info]
Title: 
[Events]
Format: Layer, Start, End, Style, Name, MarginL, MarginR, MarginV, Effect, Text
Dialogue: 0,0:00:00.24,0:00:05.11,Default,,0000,0000,0000,,[Narrador] El camino de la causa \Nal efecto es oscuro y peligroso,
Dialogue: 0,0:00:05.57,0:00:08.97,Default,,0000,0000,0000,,pero las armas\Nde la econometría son eficaces.
Dialogue: 0,0:00:09.94,0:00:14.82,Default,,0000,0000,0000,,Observen la más poderosa de ellas:\Nla espada de la asignación aleatoria
Dialogue: 0,0:00:14.82,0:00:18.11,Default,,0000,0000,0000,,que van al fundamento\Nde las preguntas de causa y efecto.
Dialogue: 0,0:00:22.97,0:00:27.74,Default,,0000,0000,0000,,Empecemos con nuestra arma\Nmás poderosa y más costosa:
Dialogue: 0,0:00:27.74,0:00:29.56,Default,,0000,0000,0000,,las pruebas aleatorias.
Dialogue: 0,0:00:29.56,0:00:30.83,Default,,0000,0000,0000,,[Estudiante] ¡Genial!
Dialogue: 0,0:00:30.83,0:00:34.84,Default,,0000,0000,0000,,Cada misión de una métrica empieza\Ncon la pregunta causal.
Dialogue: 0,0:00:34.89,0:00:37.84,Default,,0000,0000,0000,,Las preguntas claras llevan\Na respuestas claras.
Dialogue: 0,0:00:38.96,0:00:42.71,Default,,0000,0000,0000,,Las respuestas más claras provienen\Nde pruebas aleatorias.
Dialogue: 0,0:00:43.62,0:00:47.59,Default,,0000,0000,0000,,Veamos cómo y porqué\Nlas pruebas aleatorias dan
Dialogue: 0,0:00:47.71,0:00:51.33,Default,,0000,0000,0000,,respuestas especialmente convincentes\Na preguntas causales.
Dialogue: 0,0:00:52.01,0:00:55.53,Default,,0000,0000,0000,,[Josh] Como una espada bien afilada,\Nlas pruebas aleatorias van
Dialogue: 0,0:00:55.53,0:00:57.80,Default,,0000,0000,0000,,al corazón de un problema causal,
Dialogue: 0,0:00:57.80,0:01:00.91,Default,,0000,0000,0000,,creando comparaciones convincentes\Ndel tipo "manzanas con manzanas".
Dialogue: 0,0:01:01.09,0:01:03.92,Default,,0000,0000,0000,,Pero, como con cualquier arma \Nmeticulosamente hecha,
Dialogue: 0,0:01:03.92,0:01:07.20,Default,,0000,0000,0000,,las pruebas aleatorias son caras\Ny no se pueden hacer rápidamente
Dialogue: 0,0:01:08.04,0:01:11.56,Default,,0000,0000,0000,,Las pruebas aleatorias se originan\Nen la investigación clínica
Dialogue: 0,0:01:11.56,0:01:16.36,Default,,0000,0000,0000,,donde se les llama\Nensayos clínicos aleatorios o ECA.
Dialogue: 0,0:01:17.24,0:01:19.61,Default,,0000,0000,0000,,La Administración\Nde Alimentos y Medicamentos de EUA
Dialogue: 0,0:01:19.61,0:01:21.71,Default,,0000,0000,0000,,les solicita a los fabricantes\Nde medicamentos
Dialogue: 0,0:01:21.71,0:01:24.93,Default,,0000,0000,0000,,que demuestren la seguridad\Ny eficacia de nuevos fármacos
Dialogue: 0,0:01:24.93,0:01:26.33,Default,,0000,0000,0000,,o tratamientos médicos.
Dialogue: 0,0:01:26.98,0:01:30.02,Default,,0000,0000,0000,,Esto se hace a través de una serie de ECA.
Dialogue: 0,0:01:30.67,0:01:35.50,Default,,0000,0000,0000,,Por eso, es que las pruebas aleatorias\Nmiden mejor los efectos del tratamiento.
Dialogue: 0,0:01:36.15,0:01:38.27,Default,,0000,0000,0000,,Puede ser que ustedes\Nhayan contribuido con otro tipo
Dialogue: 0,0:01:38.27,0:01:40.07,Default,,0000,0000,0000,,de prueba aleatoria:
Dialogue: 0,0:01:40.07,0:01:43.10,Default,,0000,0000,0000,,las pruebas A/B\Nque usan las empresas de Silicon Valley
Dialogue: 0,0:01:43.10,0:01:45.70,Default,,0000,0000,0000,,para comparar las estrategias de mercado.
Dialogue: 0,0:01:45.70,0:01:50.48,Default,,0000,0000,0000,,Por ejemplo, Amazon aleatoriza resultados \Nde búsqueda en un flujo constante
Dialogue: 0,0:01:50.48,0:01:51.68,Default,,0000,0000,0000,,de experimentos encubiertos.
Dialogue: 0,0:01:51.68,0:01:53.19,Default,,0000,0000,0000,,- [Mujer] ¡Oh!\N- [Hombre] Interesante.
Dialogue: 0,0:01:53.19,0:01:56.55,Default,,0000,0000,0000,,Las pruebas aleatorias también son\Nimportantes en la investigación educativa;
Dialogue: 0,0:01:56.55,0:01:59.40,Default,,0000,0000,0000,,se han utilizado para responder\Nuna pregunta causal como aquella
Dialogue: 0,0:01:59.40,0:02:01.81,Default,,0000,0000,0000,,que despierta demasiado interés\Nen mi apasionada maestra:
Dialogue: 0,0:02:01.81,0:02:04.64,Default,,0000,0000,0000,,¿Se debería aceptar el uso de laptops\Ny otros dispositivos electrónicos
Dialogue: 0,0:02:04.64,0:02:06.58,Default,,0000,0000,0000,,en el salón de clases?
Dialogue: 0,0:02:07.21,0:02:09.10,Default,,0000,0000,0000,,Muchos ven\Na los electrónicos dentro del aula
Dialogue: 0,0:02:09.10,0:02:11.51,Default,,0000,0000,0000,,como un apoyo para el aprendizaje,\Npero para otros, como yo,
Dialogue: 0,0:02:11.81,0:02:14.13,Default,,0000,0000,0000,,son una distracción dañina.
Dialogue: 0,0:02:14.22,0:02:15.68,Default,,0000,0000,0000,,¿Quién tiene razón?
Dialogue: 0,0:02:21.74,0:02:23.78,Default,,0000,0000,0000,,Los maestros de métricas\Nque enseñan en West Point,
Dialogue: 0,0:02:23.78,0:02:26.76,Default,,0000,0000,0000,,la academia militar que entrena\Na los oficiales de la armada de EUA,
Dialogue: 0,0:02:26.76,0:02:30.73,Default,,0000,0000,0000,,diseñaron una prueba aleatoria\Npara responder esta pregunta.
Dialogue: 0,0:02:30.73,0:02:33.82,Default,,0000,0000,0000,,Estos maestros asignan aleatoriamente\Na los cadetes a clases de economía
Dialogue: 0,0:02:33.82,0:02:36.43,Default,,0000,0000,0000,,que funcionan bajo reglas distintas.
Dialogue: 0,0:02:37.06,0:02:39.30,Default,,0000,0000,0000,,A diferencia de la mayoría\Nde las universidades de EUA,
Dialogue: 0,0:02:39.30,0:02:42.03,Default,,0000,0000,0000,,en West Point no se usan los electrónicos.
Dialogue: 0,0:02:42.56,0:02:45.50,Default,,0000,0000,0000,,Para propósitos de este experimento,\Nalgunos estudiantes permanecieron
Dialogue: 0,0:02:45.50,0:02:48.85,Default,,0000,0000,0000,,en las clases tradicionales\Nsin tecnología,
Dialogue: 0,0:02:48.85,0:02:52.01,Default,,0000,0000,0000,,sin laptops ni tabletas\Ny ¡tampoco teléfonos!
Dialogue: 0,0:02:53.32,0:02:55.91,Default,,0000,0000,0000,,Este es el grupo de control,\No el punto de referencia.
Dialogue: 0,0:02:56.38,0:02:59.51,Default,,0000,0000,0000,,Al otro grupo se le permitió \Nel uso de electrónicos.
Dialogue: 0,0:02:59.51,0:03:02.76,Default,,0000,0000,0000,,Este es el grupo de tratamiento,\Nsujeto al ambiente modificado.
Dialogue: 0,0:03:03.18,0:03:05.96,Default,,0000,0000,0000,,El tratamiento, en este caso,\Nes el uso libre
Dialogue: 0,0:03:05.96,0:03:08.25,Default,,0000,0000,0000,,de laptops o tabletas en clase.
Dialogue: 0,0:03:09.27,0:03:11.76,Default,,0000,0000,0000,,Cada pregunta causal \Ntiene un resultado claro.
Dialogue: 0,0:03:12.04,0:03:15.99,Default,,0000,0000,0000,,Las variables que esperamos influenciar,\Nse definen antes de empezar el estudio.
Dialogue: 0,0:03:15.99,0:03:18.55,Default,,0000,0000,0000,,Los resultados en el estudio \Nde los electrónicos en West Point
Dialogue: 0,0:03:18.55,0:03:20.33,Default,,0000,0000,0000,,son las notas de los exámenes finales.
Dialogue: 0,0:03:20.66,0:03:23.65,Default,,0000,0000,0000,,El estudio busca responder\Na la siguiente pregunta:
Dialogue: 0,0:03:23.84,0:03:27.52,Default,,0000,0000,0000,,¿Cuál es el efecto causal de los\Nelectrónicos sobre el aprendizaje en clase
Dialogue: 0,0:03:27.52,0:03:29.65,Default,,0000,0000,0000,,medido a través\Nde las calificaciones de los exámenes?
Dialogue: 0,0:03:30.01,0:03:33.27,Default,,0000,0000,0000,,[Narrador] Los estudiantes de economía\Nfueron asignados aleatoriamente
Dialogue: 0,0:03:33.27,0:03:36.32,Default,,0000,0000,0000,,a uno de los dos grupos,\Nal de control o al de tratamiento.
Dialogue: 0,0:03:36.32,0:03:39.99,Default,,0000,0000,0000,,La asignación aleatoria\Ncrea comparaciones ceteris paribus,
Dialogue: 0,0:03:39.99,0:03:44.37,Default,,0000,0000,0000,,permitiéndonos, así, obtener conclusiones\Ncausales al comparar los grupos.
Dialogue: 0,0:03:45.10,0:03:49.18,Default,,0000,0000,0000,,El poder revelador de la causalidad\Nen una prueba aleatoria proviene
Dialogue: 0,0:03:49.18,0:03:52.68,Default,,0000,0000,0000,,de una propiedad estadística\Nllamada la ley de los grandes números.
Dialogue: 0,0:03:52.68,0:03:55.04,Default,,0000,0000,0000,,Cuando los estadísticos\Ny matemáticos descubren
Dialogue: 0,0:03:55.04,0:03:57.48,Default,,0000,0000,0000,,algo importante\Nque es cierto e irrefutable
Dialogue: 0,0:03:57.48,0:04:00.76,Default,,0000,0000,0000,,sobre el mundo natural, lo llaman ley.
Dialogue: 0,0:04:01.63,0:04:04.53,Default,,0000,0000,0000,,La ley de los grandes números dice\Nque cuando los grupos aleatorizados
Dialogue: 0,0:04:04.53,0:04:07.96,Default,,0000,0000,0000,,son suficientemente grandes, \Nlos estudiantes allí serán similares
Dialogue: 0,0:04:07.96,0:04:10.01,Default,,0000,0000,0000,,en promedio, en todos los sentidos.
Dialogue: 0,0:04:10.63,0:04:14.09,Default,,0000,0000,0000,,Esto significa que se espera que los\Ngrupos de estudiantes divididos al azar
Dialogue: 0,0:04:14.09,0:04:16.34,Default,,0000,0000,0000,,sean similares en cuanto\Nal entorno familiar,
Dialogue: 0,0:04:16.34,0:04:18.75,Default,,0000,0000,0000,,la motivación y las habilidades.
Dialogue: 0,0:04:18.75,0:04:22.44,Default,,0000,0000,0000,,Adiós al sesgo de selección,\Nal menos en teoría.
Dialogue: 0,0:04:22.98,0:04:25.25,Default,,0000,0000,0000,,En la práctica, pudiera suceder\Nque los grupos aleatorios
Dialogue: 0,0:04:25.25,0:04:26.64,Default,,0000,0000,0000,,no sean lo suficientemente grandes
Dialogue: 0,0:04:26.64,0:04:28.79,Default,,0000,0000,0000,,como para que la ley \Nde los grandes números se cumpla
Dialogue: 0,0:04:28.79,0:04:31.80,Default,,0000,0000,0000,,o que los investigadores hayan\Nfallado en las asignaciones aleatorias.
Dialogue: 0,0:04:32.31,0:04:35.24,Default,,0000,0000,0000,,Como en cualquier tarea técnica,\Nincluso los más experimentados
Dialogue: 0,0:04:35.24,0:04:37.48,Default,,0000,0000,0000,,están alertas de los errores posibles.
Dialogue: 0,0:04:37.99,0:04:40.31,Default,,0000,0000,0000,,Por lo tanto, debemos comprobar \Nlos errores de balance,
Dialogue: 0,0:04:40.31,0:04:43.26,Default,,0000,0000,0000,,comparando las variables del entorno\Nde los estudiantes en los dos grupos
Dialogue: 0,0:04:43.26,0:04:45.73,Default,,0000,0000,0000,,y asegurarnos\Nde que verdaderamente sean similares.
Dialogue: 0,0:04:46.48,0:04:49.00,Default,,0000,0000,0000,,[Narrador] Aquí está la revisión \Ndel balance de West Point.
Dialogue: 0,0:04:49.63,0:04:51.93,Default,,0000,0000,0000,,Esta tabla tiene dos columnas:
Dialogue: 0,0:04:51.93,0:04:54.69,Default,,0000,0000,0000,,una que muestra datos del grupo de control
Dialogue: 0,0:04:54.69,0:04:57.02,Default,,0000,0000,0000,,y otra que muestra datos\Ndel grupo de tratamiento.
Dialogue: 0,0:04:57.82,0:04:59.71,Default,,0000,0000,0000,,Las filas muestran\Nalgunas de las variables
Dialogue: 0,0:04:59.71,0:05:01.76,Default,,0000,0000,0000,,que, esperamos, estén balanceadas:
Dialogue: 0,0:05:01.76,0:05:06.26,Default,,0000,0000,0000,,sexo, edad, raza, puntos GPA, entre otros.
Dialogue: 0,0:05:07.23,0:05:09.27,Default,,0000,0000,0000,,La primera fila indica qué porcentaje
Dialogue: 0,0:05:09.27,0:05:11.69,Default,,0000,0000,0000,,de cada grupo es mujer.
Dialogue: 0,0:05:11.69,0:05:16.39,Default,,0000,0000,0000,,En el grupo de control es de 17 %\Ny 20 % en el grupo de tratamiento.
Dialogue: 0,0:05:17.96,0:05:21.19,Default,,0000,0000,0000,,Kamal, ¿cómo se ve el balance del GPA?
Dialogue: 0,0:05:21.73,0:05:25.03,Default,,0000,0000,0000,,[Kamal] Los del grupo de control\Ntienen un GPA de 2,87,
Dialogue: 0,0:05:25.03,0:05:28.62,Default,,0000,0000,0000,,mientras que los del otro tienen\Nun GPA de 2,82 aproximadamente,
Dialogue: 0,0:05:28.62,0:05:29.62,Default,,0000,0000,0000,,muy similares.
Dialogue: 0,0:05:29.62,0:05:34.03,Default,,0000,0000,0000,,[Narrador] Los dos grupos\Nson similares en general.
Dialogue: 0,0:05:34.03,0:05:35.57,Default,,0000,0000,0000,,¿Qué tan grande debe ser la muestra
Dialogue: 0,0:05:35.57,0:05:37.59,Default,,0000,0000,0000,,para que la ley de los grandes\Nnúmeros se cumpla?
Dialogue: 0,0:05:37.59,0:05:39.10,Default,,0000,0000,0000,,[Narrador] El estudio de West Point
Dialogue: 0,0:05:39.10,0:05:42.68,Default,,0000,0000,0000,,que involucró\Na 250 estudiantes en cada grupo
Dialogue: 0,0:05:42.68,0:05:44.100,Default,,0000,0000,0000,,es suficientemente grande.
Dialogue: 0,0:05:44.100,0:05:47.81,Default,,0000,0000,0000,,No hay reglas estrictas en esto.
Dialogue: 0,0:05:47.81,0:05:51.27,Default,,0000,0000,0000,,En otro video aprenderán\Nsobre cómo confirmar la hipótesis
Dialogue: 0,0:05:51.27,0:05:54.63,Default,,0000,0000,0000,,del balance de grupo\Ncon pruebas estadísticas formales.
Dialogue: 0,0:05:54.63,0:05:55.85,Default,,0000,0000,0000,,[Hombre] ¡Qué emocionante!
Dialogue: 0,0:06:00.22,0:06:01.99,Default,,0000,0000,0000,,El meollo del asunto en esta mesa
Dialogue: 0,0:06:02.20,0:06:04.40,Default,,0000,0000,0000,,es el efecto estimado del tratamiento.
Dialogue: 0,0:06:04.50,0:06:07.32,Default,,0000,0000,0000,,Recuerde que el tratamiento\Nen este caso es el permiso
Dialogue: 0,0:06:07.32,0:06:09.32,Default,,0000,0000,0000,,para usar dispositivos\Nelectrónicos en clase.
Dialogue: 0,0:06:09.57,0:06:11.59,Default,,0000,0000,0000,,Los efectos del tratamiento\Ncomparan los promedios
Dialogue: 0,0:06:11.59,0:06:14.15,Default,,0000,0000,0000,,entre los grupos de control\Ny de tratamiento.
Dialogue: 0,0:06:15.10,0:06:17.75,Default,,0000,0000,0000,,El grupo que tiene permiso\Nde usar electrónicos en el aula
Dialogue: 0,0:06:17.75,0:06:19.74,Default,,0000,0000,0000,,tuvo una calificación promedio
Dialogue: 0,0:06:19.74,0:06:21.76,Default,,0000,0000,0000,,del examen final\Nde 0,28 desviaciones estándar
Dialogue: 0,0:06:21.76,0:06:24.46,Default,,0000,0000,0000,,por debajo de las calificaciones\Ndel grupo de control.
Dialogue: 0,0:06:26.03,0:06:27.98,Default,,0000,0000,0000,,¿Qué tan grande es este efecto?
Dialogue: 0,0:06:28.28,0:06:29.64,Default,,0000,0000,0000,,Los científicos sociales miden
Dialogue: 0,0:06:29.64,0:06:31.83,Default,,0000,0000,0000,,las calificaciones\Nen desviaciones estándar
Dialogue: 0,0:06:31.83,0:06:34.88,Default,,0000,0000,0000,,porque estas unidades son de fácil\Ncomparación entre los estudios.
Dialogue: 0,0:06:35.14,0:06:38.82,Default,,0000,0000,0000,,Sabemos por el historial\Nde investigaciones
Dialogue: 0,0:06:38.85,0:06:40.97,Default,,0000,0000,0000,,sobre aprendizaje en el aula\Nque 0,28 es muchísimo.
Dialogue: 0,0:06:41.26,0:06:45.52,Default,,0000,0000,0000,,Una disminución de 0,28 es como tomar\Nal estudiante de puntuación intermedia
Dialogue: 0,0:06:45.52,0:06:48.43,Default,,0000,0000,0000,,y bajarlo al tercio inferior.
Dialogue: 0,0:06:49.03,0:06:51.52,Default,,0000,0000,0000,,¿Qué tan seguros podemos estar\Nde que estos resultados
Dialogue: 0,0:06:51.52,0:06:52.89,Default,,0000,0000,0000,,de verdad sean significativos?
Dialogue: 0,0:06:52.89,0:06:55.71,Default,,0000,0000,0000,,Después de todo, estamos analizando\Nuna división aleatoria
Dialogue: 0,0:06:55.71,0:06:57.61,Default,,0000,0000,0000,,entre el tratamiento \Ny los grupos de control.
Dialogue: 0,0:06:57.61,0:07:00.71,Default,,0000,0000,0000,,Otras divisiones podrían haber\Nproducido algo diferente.
Dialogue: 0,0:07:00.71,0:07:03.77,Default,,0000,0000,0000,,Por lo tanto, calculamos\Nla varianza de la muestra
Dialogue: 0,0:07:03.77,0:07:05.97,Default,,0000,0000,0000,,en las estimaciones\Nde los efectos causales.
Dialogue: 0,0:07:06.28,0:07:08.03,Default,,0000,0000,0000,,¿Qué es la varianza muestral?
Dialogue: 0,0:07:08.54,0:07:10.86,Default,,0000,0000,0000,,[Narrador] La varianza muestral\Nnos dice qué tan probable
Dialogue: 0,0:07:10.86,0:07:15.55,Default,,0000,0000,0000,,es que un resultado estadístico particular\Nsea un resultado fortuito,
Dialogue: 0,0:07:15.55,0:07:18.86,Default,,0000,0000,0000,,en vez de indicar una relación subyacente.
Dialogue: 0,0:07:19.72,0:07:23.28,Default,,0000,0000,0000,,La varianza muestral\Nse resume en un número
Dialogue: 0,0:07:23.28,0:07:26.71,Default,,0000,0000,0000,,llamado error estándar\Ndel efecto estimado del tratamiento.
Dialogue: 0,0:07:26.71,0:07:29.34,Default,,0000,0000,0000,,- [Estudiantes] ¡No lo entiendo!\N- ¿De qué está hablando?
Dialogue: 0,0:07:29.34,0:07:32.99,Default,,0000,0000,0000,,No se preocupen, después cubriremos\Na profundidad esta idea fundamental.
Dialogue: 0,0:07:32.99,0:07:34.02,Default,,0000,0000,0000,,[Estudiante] Genial.
Dialogue: 0,0:07:34.02,0:07:36.50,Default,,0000,0000,0000,,Solo recuerden que entre más pequeño\Nsea el error estándar
Dialogue: 0,0:07:36.50,0:07:38.75,Default,,0000,0000,0000,,los hallazgos serán más concluyentes.
Dialogue: 0,0:07:38.96,0:07:42.18,Default,,0000,0000,0000,,Por otro lado,\Nsi el error estándar es grande
Dialogue: 0,0:07:42.18,0:07:44.63,Default,,0000,0000,0000,,en comparación con el efecto\Nque estamos tratando de estimar,
Dialogue: 0,0:07:44.63,0:07:47.44,Default,,0000,0000,0000,,hay una gran probabilidad\Nde que obtengamos algo distinto
Dialogue: 0,0:07:47.44,0:07:49.99,Default,,0000,0000,0000,,si tuviéramos que repetir el experimento.
Dialogue: 0,0:07:50.33,0:07:54.28,Default,,0000,0000,0000,,Se puede entender al error estándar\Ncomo una forma de medir la confiabilidad
Dialogue: 0,0:07:54.28,0:07:56.57,Default,,0000,0000,0000,,del resultado que vemos.
Dialogue: 0,0:07:56.57,0:07:57.63,Default,,0000,0000,0000,,[Estudiantes] Okey.
Dialogue: 0,0:07:57.63,0:08:01.15,Default,,0000,0000,0000,,[Narrador] En este estudio,\Nel error estándar relevante es 0,1.
Dialogue: 0,0:08:01.77,0:08:04.65,Default,,0000,0000,0000,,Por ahora es suficiente saber\Nuna simple regla de oro:
Dialogue: 0,0:08:04.76,0:08:06.71,Default,,0000,0000,0000,,cuando el efecto estimado \Ndel tratamiento es más
Dialogue: 0,0:08:06.71,0:08:08.59,Default,,0000,0000,0000,,del doble del error estándar,
Dialogue: 0,0:08:08.59,0:08:11.28,Default,,0000,0000,0000,,las probabilidades\Nde este resultado no nulo
Dialogue: 0,0:08:11.28,0:08:13.98,Default,,0000,0000,0000,,son muy bajas, más o menos 1 de 20.
Dialogue: 0,0:08:14.86,0:08:18.29,Default,,0000,0000,0000,,Ya que esto es muy poco probable,\Ndecimos que las estimaciones que son dos
Dialogue: 0,0:08:18.29,0:08:21.05,Default,,0000,0000,0000,,o más veces mayor\Nque el error estándar asociado
Dialogue: 0,0:08:21.05,0:08:23.35,Default,,0000,0000,0000,,son estadísticamente significativas.
Dialogue: 0,0:08:24.43,0:08:28.15,Default,,0000,0000,0000,,Camila, ¿el efecto del tratamiento\Ndel estudio de West Point
Dialogue: 0,0:08:28.15,0:08:29.86,Default,,0000,0000,0000,,es estadísticamente significativo?
Dialogue: 0,0:08:30.73,0:08:35.93,Default,,0000,0000,0000,,El error estándar es 0,10\Ny el efecto del tratamiento es 0,28
Dialogue: 0,0:08:35.93,0:08:40.36,Default,,0000,0000,0000,,y como 0,28 es más del doble\Nde 0,10; entonces, sí es significativo.
Dialogue: 0,0:08:40.44,0:08:41.61,Default,,0000,0000,0000,,Correcto.
Dialogue: 0,0:08:41.61,0:08:45.96,Default,,0000,0000,0000,,El fracaso en el aprendizaje por el uso\Nde electrónicos en el curso Econ 101
Dialogue: 0,0:08:45.96,0:08:50.09,Default,,0000,0000,0000,,es, por lo tanto, grande\Ny estadísticamente significativo.
Dialogue: 0,0:08:50.09,0:08:51.25,Default,,0000,0000,0000,,[Hombre] Bien.
Dialogue: 0,0:08:56.78,0:08:59.99,Default,,0000,0000,0000,,Las pruebas aleatorias\Ndan las respuestas más convincentes
Dialogue: 0,0:08:59.99,0:09:01.41,Default,,0000,0000,0000,,a preguntas causales.
Dialogue: 0,0:09:01.41,0:09:04.46,Default,,0000,0000,0000,,Cuando esta arma está en nuestro\Njuego de herramientas, la usamos.
Dialogue: 0,0:09:05.20,0:09:07.44,Default,,0000,0000,0000,,La asignación aleatoria nos permite\Nafirmar que ceteris,
Dialogue: 0,0:09:07.44,0:09:09.57,Default,,0000,0000,0000,,en efecto, se ha vuelto paribus,
Dialogue: 0,0:09:10.11,0:09:12.63,Default,,0000,0000,0000,,pero las pruebas aleatorias pueden ser\Ndifíciles de organizar,
Dialogue: 0,0:09:12.63,0:09:15.08,Default,,0000,0000,0000,,podrían ser costosas\Ny requieren de mucho tiempo.
Dialogue: 0,0:09:15.08,0:09:18.00,Default,,0000,0000,0000,,y, en algunos casos, \Nse consideran poco éticas.
Dialogue: 0,0:09:18.40,0:09:21.42,Default,,0000,0000,0000,,Así que los expertos buscan \Nalternativas convincentes.
Dialogue: 0,0:09:21.42,0:09:25.17,Default,,0000,0000,0000,,Las alternativas tratan de copiar\Nel poder revelador de la causalidad
Dialogue: 0,0:09:25.17,0:09:28.40,Default,,0000,0000,0000,,de una prueba aleatoria,\Npero sin el tiempo, el problema
Dialogue: 0,0:09:28.40,0:09:31.37,Default,,0000,0000,0000,,y el gasto de un experimento\Ndiseñado para un propósito particular.
Dialogue: 0,0:09:31.46,0:09:34.79,Default,,0000,0000,0000,,Estas herramientas alternativas\Nse aplican a escenarios reales
Dialogue: 0,0:09:34.79,0:09:37.02,Default,,0000,0000,0000,,que imitan la asignación aleatoria.
Dialogue: 0,0:09:39.02,0:09:42.56,Default,,0000,0000,0000,,[Narrador] Estas a punto\Nde dominar la econometría.
Dialogue: 0,0:09:42.56,0:09:44.45,Default,,0000,0000,0000,,Asegúrate de aprender de este video,
Dialogue: 0,0:09:44.45,0:09:47.39,Default,,0000,0000,0000,,respondiendo a los ejercicios.
Dialogue: 0,0:09:47.39,0:09:50.87,Default,,0000,0000,0000,,O, si estás listo,\Nhaz clic en el siguiente video.
Dialogue: 0,0:09:50.87,0:09:53.52,Default,,0000,0000,0000,,También puede revisar el sitio web de MRU
Dialogue: 0,0:09:53.52,0:09:56.59,Default,,0000,0000,0000,,para ver más cursos, \Nrecursos de enseñanza y más.