Ir al contenido principal

Blanco ó Negro ?

Voy a hablar del controvertido libro The Bell Curve escrito por Charles Murray y Richard J. Herrnstein, en una parte de esta obra literaria se afirma que las personas de color de piel blanca son más inteligentes.
Para realizar esta afirmación los autores se basan en métodos estadísticos de correlación.

En el libro se plantea lo siguiente.

Se tiene dos poblaciones, una de blancos (B) y otra de negros (N). En ambas poblaciones se miden dos características que son: Inteligencia (I) Aptitud (A), se asume que en ambas poblaciones la aptitud es la misma, pero por circunstancias de educación y ambiente la variable Inteligencia tiene un mayor valor en los blancos.

Digamos que se sea predecir la Aptitud conociendo la Inteligencia, bajo este planteamiento se podría llegar a la conclusión de que las personas de color de piel blanca tendrán una mayor calificación que los individuos de color negro.

Pero la anterior argumentación esta sesgada, y quizas mal intensionada ya que el  resultado real es totalmente diferente a lo que plantea el libro. Veamos por que...

Asumamos dos poblaciones, Blancos (B) y Negros (N) tengan la misma homogeneidad; o sea que la desviación típica y la media sean iguales. Ademas que exista una idéntica y alta correlación para ambas poblaciones, entre las variables Inteligencia (I) y Aptitud (A).

Con estas reglas vamos a darle valores a las variables:

  • Media_Inteligencia(B) = 9 = Media_Inteligencia(N) = 7
  • Coeficiente de Correlación = 0.80
  • Media_Aptitud(B) = 10 Media_Aptitud(N) = 10
La ecuaciones de las rectas de regresión serian:

  • N: A=10+0.80*(I-7)
  • B: A=10+0.80*(I-9)
Si por ejemplo dos individuos de diferentes grupos tiene la misma calificación, de tal forma que I=8
se tiene que:


  • N: H=10+0.80*(8-7)=10.8
  • B: H=10+0.80*(8-9)=9.2
Se obtiene un mayor puntaje para persona de color Negro; a pesar de tener una menor calificación el la variable Inteligente.

Gráficamente las rectas B y N son paralelas, donde N por tener un valor en la media menor en la variable Inteligencia  se ubica mas hacia la derecha; cuando A vale lo mismo, entonces el resultado de la ecuación para N va a ser mayor que B.

Estos tipos de errores de interpretación son muy recurrentes y de mucho cuidado.

Comentarios

Entradas populares de este blog

Importación de un archivo csv utilizando SAS Vs R Vs Python

E n el siguiente articulo, se realizara una comparación entre tres software, en cuanto a la velocidad, cantidad de caracteres del código, lógica y entendimiento de los lenguajes. Acá los resultados: El Archivo Se trata de un documento .CSV, llamado CaseStudy1. Y son datos de empleados de una compañía, la tabla contiene 8 variables y 424 registros. Figura 1: Tabla CaseStudy1 Importación SAS: Para importar el archivo usando SAS, es necesario clarificar que se esta trabajando desde un servidor llamado  On Demand For Academic, la cual es una interfaz de mi PC hacia SAS que se conecta vía web a un servidor a estados unidos. Abrir la version web de SAS que es el SAS Studio. Introducir el usuario y contraseña.  Figura 2: Credenciales Le damos clic en la area del SAS Studio, la cual nos va a llevar a version web de SAS. Como no es posible leer los archivos directamente desde mi equipo es necesario realizar un puente para poder importar los datos, para lo cual es

Un Gráfico de pastel para elecciones presidenciales 2010 en Colombia que no suma el 100%.

No se si este sumando mal pero a este grafico de pastel no le da el 100%; al parecer le falta un 8.4%. Y al parecer el 23.3% de Sanin ocupa más espacio en la torta que los demás candidatos. fuente: http://www.laopinion.com.co/noticias/index.php?option=com_content&task=view&id=347881&Itemid=31

Fácil y desde cero, Minería de datos. Aplicaciones casos reales. (Arboles)

Un banco quiere tener un modelo estadístico, en el cual permita medir el riesgo de realizar un préstamo hipotecario (pagos e impagos de la deuda), para poder cuantificar este riesgo se va a tener en cuenta una serie de variables que según el científico de datos puede llegar a ser relevantes.Para esto se selecciona una muestra representativa de la población de usuarios del banco. Los datos describen el comportamiento de cada cliente al corte de un periodo dado, de tal manera que se tendrá dentro de la muestra personas que están al día  o en mora con su crédito hipotecario. A continuación se realizará una descripción de las variables que quizás puedan influenciar en el resultado del modelo. En resumen, son variables que indican numero de obligaciones, en diferentes cortes de tiempo, cantidad de consultas a la centrales de riesgo, porcentajes de deudas, saldos de deudas, tiempos trascurridos desde el ultimo pago etc ... Siguiendo la metodología de minería de datos lo prime