El análisis estadístico no tiene por qué ser un obstáculo. Esta guía te ofrece 10 prompts esenciales para transformar a la IA en tu asistente estadístico personal. Utilizalos para automatizar desde la limpieza de datos hasta la interpretación de resultados, permitiéndote enfocar tu energía en lo que de verdad importa: el descubrimiento de conocimiento.
Soy un experto en análisis de datos evaluando la calidad de mi conjunto de datos para análisis cuantitativo. Este conjunto de datos tiene las siguientes características:
Tamaño: [número de observaciones/filas] observaciones y [número de variables/columnas] variables
Tipos de variables: [describe brevemente las principales variables y sus tipos: numéricas, categóricas, ordinales, etc.]
Objetivo analítico: [describe brevemente qué análisis planeas realizar con estos datos]
He notado los siguientes problemas potenciales: [menciona cualquier problema que hayas identificado, como valores faltantes, outliers, etc. Si no has identificado ninguno, indícalo]
Por favor:
Sugiere un proceso sistemático para evaluar la calidad de estos datos, incluyendo:
Verificación de valores faltantes (patrones, proporciones, mecanismos potenciales)
Identificación de valores atípicos (outliers) y su potencial impacto
Evaluación de la distribución de variables clave
Verificación de inconsistencias o errores lógicos
Evaluación de la estructura de correlación entre variables relevantes
Para cada problema identificado, recomienda:
Métodos apropiados de limpieza o transformación
Justificación estadística para cada método sugerido
Potenciales impactos de diferentes enfoques en los resultados posteriores
Código en [R/Python/SPSS] para implementar estas soluciones
Proporciona recomendaciones para documentar transparentemente las decisiones de limpieza de datos en la comunicación de resultados
Sugiere visualizaciones específicas que ayudarían a evaluar la calidad de los datos antes y después de la limpieza
Soy un consultor estadístico experto. Estoy trabajando con los siguientes datos y necesito seleccionar las pruebas estadísticas más apropiadas:
Pregunta/s de investigación: [describe claramente tus preguntas de investigación]
Variables dependientes: [enumera y describe brevemente: tipo, escala de medición, distribución si la conoces]
Variables independientes/predictoras: [enumera y describe brevemente: tipo, número de grupos/niveles si aplica]
Características de la muestra: [tamaño muestral, método de muestreo, estructura de los datos (independientes, pareados, medidas repetidas, etc.)]
Supuestos que puedo confirmar que se cumplen o no: [menciona cualquier información sobre normalidad, homocedasticidad, independencia, etc.]
Por favor:
Recomienda las pruebas estadísticas más apropiadas para cada pregunta de investigación, considerando:
Alineación con los objetivos de investigación
Adecuación a las escalas de medición y tipos de variables
Robustez frente a posibles violaciones de supuestos
Balance entre poder estadístico y control de error tipo I
Para cada prueba recomendada, proporciona:
Justificación detallada de por qué es apropiada
Explicación de los supuestos subyacentes y cómo verificarlos
Alternativas no paramétricas o robustas si los supuestos no se cumplen
Interpretación adecuada de los resultados potenciales
Tamaño del efecto recomendado para acompañar esta prueba
Sugiere los análisis complementarios que podrían enriquecer la interpretación
Proporciona código básico en [R/Python/SPSS] para implementar estas pruebas, incluyendo verificación de supuestos
Soy un especialista en análisis exploratorio de datos. Necesito desarrollar un plan sistemático para explorar el siguiente conjunto de datos antes de proceder con análisis confirmatorios:
Descripción del conjunto de datos: [describe brevemente el contenido y contexto de tus datos]
Variables clave: [enumera las principales variables, indicando su tipo y escala de medición]
Objetivos analíticos posteriores: [describe brevemente qué tipo de análisis planeas realizar después]
Preguntas o hipótesis preliminares: [menciona cualquier pregunta específica que te interese explorar]
Por favor, diseña un plan completo de análisis exploratorio que incluya:
Secuencia estructurada de análisis univariados:
Estadísticas descriptivas apropiadas para cada tipo de variable
Visualizaciones recomendadas para examinar distribuciones
Métodos para identificar valores atípicos y patrones inusuales
Transformaciones potenciales para normalizar distribuciones si es necesario
Análisis bivariados sistemáticos:
Matriz de correlaciones/asociaciones entre variables relevantes
Visualizaciones para relaciones clave (con recomendaciones específicas por tipo de variable)
Pruebas preliminares de asociación
Estratificación por variables categóricas importantes
Análisis multivariados exploratorios:
Técnicas de reducción dimensional si es apropiado (PCA, MCA, etc.)
Visualizaciones multivariadas recomendadas
Exploración de interacciones potenciales
Identificación de subgrupos o patrones emergentes
Proporciona código en [R/Python/SPSS] para implementar estos análisis, con comentarios explicativos
Sugiere una estructura para documentar y presentar los hallazgos exploratorios de manera que informen efectivamente los análisis confirmatorios posteriores
Soy un experto en interpretación estadística. He realizado los siguientes análisis y necesito ayuda para interpretar correctamente los resultados:
Tipo de análisis realizado: [especifica la prueba estadística o modelo utilizado]
Resultados clave: [proporciona los resultados principales: coeficientes, valores p, intervalos de confianza, etc.]
Contexto de investigación: [describe brevemente el contexto y objetivos de tu estudio]
Audiencia objetivo para la interpretación: [especifica si es para publicación académica, presentación a no especialistas, etc.]
Por favor:
Proporciona una interpretación completa y precisa de estos resultados, incluyendo:
Explicación en lenguaje claro del significado estadístico
Interpretación de la magnitud y dirección de los efectos encontrados
Evaluación de la significancia práctica/clínica más allá de la significancia estadística
Contextualización de los hallazgos en términos de la pregunta de investigación
Identifica posibles interpretaciones erróneas comunes para estos resultados y cómo evitarlas
Sugiere visualizaciones efectivas para comunicar estos resultados a la audiencia objetivo
Proporciona formulaciones específicas para reportar estos resultados siguiendo las convenciones de tu campo, incluyendo:
Texto para la sección de resultados
Elementos para incluir en tablas
Pies de figura para visualizaciones recomendadas
Sugiere análisis adicionales que podrían complementar o clarificar estos resultados
Soy un experto en visualización de datos cuantitativos. Necesito crear visualizaciones efectivas para los siguientes datos y hallazgos:
Tipo de datos: [describe las variables a visualizar, incluyendo su naturaleza y escala]
Hallazgos principales: [describe los patrones, relaciones o comparaciones que quieres destacar]
Propósito de la visualización: [explica si es para exploración, presentación, publicación, etc.]
Audiencia-objetivo: [describe quién verá estas visualizaciones y su nivel de familiaridad con el tema]
Restricciones técnicas: [menciona cualquier limitación de software, formato requerido, etc.]
Por favor:
Recomienda 3–4 tipos de visualizaciones apropiadas para estos datos y propósito, incluyendo:
Justificación de por qué cada tipo es adecuado
Variaciones específicas para optimizar la comunicación de los hallazgos clave
Elementos a incluir (títulos, leyendas, anotaciones, etc.)
Consideraciones de accesibilidad (daltonismo, etc.)
Para la visualización más recomendada, proporciona:
Guía detallada de implementación
Recomendaciones específicas de color, tipografía y diseño
Sugerencias para destacar los hallazgos más importantes
Código en [R/Python/otro] para crearla
Sugiere mejoras para evitar problemas comunes como:
Distorsión de datos o representación engañosa
Sobrecarga visual o complejidad innecesaria
Elecciones de color o escala inapropiadas
Falta de contexto necesario
Proporciona recomendaciones para presentar múltiples visualizaciones de manera coherente si es necesario
Soy un metodólogo estadístico experto. Necesito verificar si mis datos cumplen con los supuestos necesarios para el siguiente análisis:
Análisis planificado: [especifica la prueba o modelo estadístico que planeas utilizar]
Descripción de los datos: [describe las variables relevantes, tamaño muestral, y características conocidas]
Resultados preliminares: [incluye cualquier estadística descriptiva, pruebas de normalidad, etc. que ya hayas realizado]
Por favor:
Enumera todos los supuestos estadísticos que deben cumplirse para este análisis, explicando:
Por qué cada supuesto es importante para este análisis específico
Consecuencias potenciales de la violación de cada supuesto
Grado de robustez del análisis frente a violaciones moderadas
Para cada supuesto, proporciona:
Métodos específicos (visuales y numéricos) para evaluarlo
Código en [R/Python/SPSS] para implementar estas verificaciones
Criterios claros para determinar si el supuesto se cumple adecuadamente
Si se detectan violaciones de supuestos, sugiere:
Transformaciones de datos o técnicas de ajustes apropiadas
Análisis alternativos que requieran supuestos menos estrictos
Métodos robustos o no paramétricos equivalentes
Estrategias para reportar y discutir transparentemente las violaciones
Proporciona un marco para documentar sistemáticamente la verificación de supuestos en la sección de métodos
Soy un experto en análisis de potencia estadística y tamaño del efecto. Estoy trabajando con el siguiente análisis:
Tipo de estudio: [describe si es experimental, observacional, etc.]
Análisis estadístico: [especifica la prueba o modelo utilizado]
Tamaño muestral: [indica el número de participantes/observaciones]
Resultados principales: [proporciona los resultados clave, incluyendo valores P si están disponibles]
Contexto de investigación: [describe brevemente el campo y la importancia práctica de los efectos]
Por favor:
Calcula e interpreta medidas apropiadas de tamaño del efecto para estos resultados:
Identifica las medidas más adecuadas para este análisis específico
Calcula los valores (si es posible con la información proporcionada)
Interpreta la magnitud en el contexto de mi campo de investigación
Compara con puntos de referencia establecidos y estudios previos similares
Efectúa un análisis de potencia post-hoc:
Calcula la potencia alcanzada dado el tamaño muestral y efecto observado
Interpreta las implicaciones para la confiabilidad de los resultados
Discute el riesgo de errores tipo II para efectos no significativos
Proporciona un análisis de potencia a priori para investigación futura:
Tamaños muestrales recomendados para detectar efectos pequeños, medianos y grandes
Consideraciones sobre el balance entre factibilidad y poder estadístico
Estrategias para aumentar la potencia además de incrementar el tamaño muestral
Sugiere cómo reportar adecuadamente el tamaño del efecto y análisis de potencia siguiendo las mejores prácticas actuales
Proporciona código en [R/Python/G*Power] para reproducir estos cálculos
Soy un experto en comunicación científica especializado en reportar resultados cuantitativos. Necesito redactar una sección de resultados para:
Tipo de documento: [artículo científico, tesis, informe, etc.]
Análisis realizados: [enumera los análisis estadísticos que has realizado]
Resultados principales: [proporciona los resultados clave de cada análisis]
Tablas/figuras disponibles: [describe brevemente las tablas o figuras que ya tienes]
Estilo de publicación: [APA, Vancouver, Chicago, etc.]
Audiencia objetivo: [describe brevemente quién leerá este documento]
Por favor:
Redacta una sección de resultados completa y bien estructurada que:
Presente los hallazgos en una secuencia lógica alineada con los objetivos/hipótesis
Describa los resultados con precisión técnica pero claridad conceptual
Integre referencias apropiadas a tablas y figuras
Destaque los hallazgos más importantes sin interpretarlos excesivamente
Siga las convenciones de estilo y formato especificadas
Incluye:
Párrafo introductorio que oriente al lector sobre la estructura de la sección
Subsecciones organizadas lógicamente (si es apropiado)
Transiciones efectivas entre resultados relacionados
Reportes estadísticos completos siguiendo las convenciones de tu campo
Párrafo final que sintetice los hallazgos clave sin introducir discusión
Proporciona notas adicionales sobre:
Sugerencias para mejorar la presentación de tablas/figuras
Resultados adicionales que podrían ser relevantes reportar
Elementos que deberían reservarse para la sección de discusión
Soy un experto en modelado estadístico. He desarrollado varios modelos para analizar mis datos y necesito compararlos sistemáticamente para seleccionar el más apropiado:
Objetivo analítico: [describe claramente qué intentas predecir/explicar]
Datos: [describe brevemente el conjunto de datos: tamaño, estructura, variables clave]
Modelos desarrollados: [enumera los diferentes modelos que has creado, con sus especificaciones básicas]
Resultados preliminares: [proporciona métricas de ajuste/rendimiento para cada modelo si las tienes]
Criterios de selección importantes: [menciona aspectos particularmente relevantes: interpretabilidad, precisión predictiva, parsimonia, etc.]
Por favor:
Proporciona un marco sistemático para comparar estos modelos, incluyendo:
Métricas apropiadas de ajuste/rendimiento según el tipo de modelos
Métodos para evaluar la generalización (validación cruzada, etc.)
Pruebas formales de comparación cuando sea aplicable
Evaluación de supuestos y diagnósticos para cada modelo
Analiza las ventajas y desventajas de cada modelo considerando:
Balance entre complejidad y ajuste (parsimonia)
Interpretabilidad de parámetros y resultados
Robustez frente a violaciones de supuestos
Capacidad para manejar características específicas de los datos
Recomienda el modelo más apropiado con justificación detallada
Sugiere posibles mejoras o refinamientos para el modelo seleccionado
Proporciona código en [R/Python/otro] para implementar estas comparaciones
Soy un revisor metodológico crítico pero constructivo. He realizado el siguiente análisis cuantitativo y necesito identificar sus limitaciones para abordarlas adecuadamente:
Pregunta de investigación: [describe tu pregunta o hipótesis principal]
Diseño del estudio: [describe brevemente el diseño: experimental, observacional, etc.]
Datos y muestra: [describe características relevantes: tamaño, método de selección, representatividad]
Análisis realizado: [detalla los métodos analíticos utilizados]
Resultados principales: [resume brevemente los hallazgos clave]
Conclusiones preliminares: [indica qué conclusiones has extraído inicialmente]
Por favor:
Identifica sistemáticamente las limitaciones metodológicas y analíticas, incluyendo:
Amenazas a la validez interna
Amenazas a la validez externa/generalizabilidad
Limitaciones relacionadas con la medición y operacionalización
Problemas potenciales con el análisis estadístico
Limitaciones inherentes al diseño que no pueden ser completamente remediadas
Para cada limitación identificada:
Explica su impacto potencial en los resultados y conclusiones
Evalúa su severidad en el contexto de la pregunta de investigación
Sugiere estrategias concretas para mitigarla o abordarla
Proporciona lenguaje específico para reconocerla transparentemente
Sugiere análisis adicionales o de sensibilidad que podrían fortalecer las conclusiones
Proporciona recomendaciones para mejorar estudios futuros sobre este tema
Sugiere cómo estructurar una sección de limitaciones que sea honesta, pero no socave innecesariamente la contribución del estudio
