Estoy de acuerdo con Bernard, depende del campo. Pero sea cual sea el tipo de investigación científica que se esté realizando, existen algunas pautas comunes cuando se trata de datos:
- Siempre comience con una pregunta antes de hacer cualquier experimento o recopilar datos: lo que desea examinar, probar o demostrar con estos datos. Sin una pregunta para investigar, el análisis tenderá a ser ad-hoc o sin objetivo.
- Dependiendo de la naturaleza de la pregunta, el tipo correspondiente de análisis de datos podría ser:
- prueba de hipótesis: la pregunta es un tipo de ‘hipótesis’: cambiar el ajuste de un experimento puede hacer que el resultado de una determinada medida sea diferente, luego la prueba de hipótesis se puede usar para justificar si existe tal diferencia y si la diferencia es causada por un error de muestreo.
- modelar / reproducir la variación de una variable aleatoria; para más de una variable aleatoria, modelando su correlación o dependencia. Los métodos incluidos en esta categoría incluyen Regresión (estadística), PCA, análisis factorial.
- pronóstico (o, Análisis predictivo): predice el resultado de una medida. En este caso, los datos se utilizan para construir / entrenar un modelo (predictor). Con cantidades considerables de datos disponibles, las personas pueden identificar patrones en ellos y, por lo tanto, hacer predicciones impactantes para el futuro.
- En cada una de estas ramas, hay toneladas de modelos y métodos existentes, cada uno con diferentes supuestos de modelos, tipos de datos y escenarios de orientación. Es necesario revisar estos supuestos después de finalizar el análisis de datos antes de llegar a una conclusión final.
