👥 Variables, població i mostra
Com definir un estudi estadístic, classificar variables i valorar si una mostra permet extreure conclusions fiables.
1. Abans de calcular: què estem estudiant?
L’estadística comença molt abans de la mitjana o d’un gràfic. Primer cal definir quin conjunt volem conèixer, quins elements observarem i quina característica registrarem. Si aquests conceptes es confonen, una taula pot estar ben calculada però l’estudi pot ser incorrecte.
2. Tipus de variables
Classificar bé la variable és important perquè condiciona quines taules, gràfics i càlculs tenen sentit.
| Tipus | Què representa? | Exemples | Observació |
|---|---|---|---|
| Qualitativa | Categories o qualitats | color dels ulls, mitjà de transport, tipus de música | No té sentit calcular-ne una mitjana. |
| Quantitativa discreta | Valors numèrics separats, normalment fruit d’un recompte | nombre de germans, gols, llibres llegits | Entre 2 i 3 germans no hi ha un valor possible 2,5. |
| Quantitativa contínua | Valors numèrics que provenen d’una mesura i poden prendre qualsevol valor dins d’un interval | altura, massa, temps, temperatura | Sovint convé agrupar-la en intervals. |
Truc útil: pregunta’t si la dada es compta o es mesura. Un recompte acostuma a ser discret; una mesura, contínua.
3. Mostra representativa i biaix
Una mostra gran no és automàticament una bona mostra. Ha de representar la diversitat de la població. Si la manera de seleccionar els individus afavoreix determinats perfils, apareix un biaix de selecció.
✏️ Volem saber com arriben els alumnes a l’institut
- Població: tots els alumnes de l’institut.
- Mostra problemàtica: preguntar només als alumnes que deixen la bicicleta a l’aparcament. La selecció està relacionada amb la resposta.
- Mostra millor: seleccionar alumnes de cursos, grups i franges horàries diferents mitjançant un procediment que no depengui del transport que utilitzen.
- Conclusió: la qualitat d’una mostra depèn sobretot de com es tria, no només de quants individus conté.
Una mostra pot ser aleatòria quan cada individu té una oportunitat coneguda de ser seleccionat. També pot ser estratificada, per exemple seleccionant una part de cada curs, si volem assegurar que tots els grups hi siguin representats.
4. Fins on podem generalitzar?
Una conclusió estadística sempre ha d’estar lligada a la població i al mètode de mostreig. Preguntar a 200 socis d’un club de bàsquet no permet concloure quin és l’esport preferit de tots els adolescents de Catalunya.
Per tant, davant d’una conclusió pregunta’t: qui ha contestat?, com s’ha escollit? i a quin conjunt es vol generalitzar?.
⚠️ Errors habituals
- Confondre població amb mostra: la població és el conjunt que volem estudiar; la mostra és la part que observem.
- Classificar com a contínua una variable només perquè porta decimals. El criteri és si prové d’una mesura i pot prendre valors dins d’un interval.
- Pensar que una mostra enorme elimina qualsevol biaix. Si està mal seleccionada, repetir el mateix biaix moltes vegades no el corregeix.
- Generalitzar a una població més àmplia que la que el mostreig permet representar.
5. Què has de saber fer?
- Identificar població, mostra, individu i variable en un context.
- Classificar variables qualitatives, quantitatives discretes i contínues.
- Explicar per què una mostra és representativa o esbiaixada.
- Decidir si una conclusió està justificada per la mostra.
✅ Resum essencial
- Població: conjunt complet que volem estudiar; mostra: part que observem.
- Les variables poden ser qualitatives, quantitatives discretes o quantitatives contínues.
- Una mostra ha de ser representativa; una mostra gran pot continuar sent esbiaixada si està mal seleccionada.
- Només podem generalitzar les conclusions a la població que el mostreig permet representar.
✅ Autocomprovació
Respon sense mirar els exemples. L’objectiu és comprovar si entens la idea, no només si recordes una fórmula.