Tamaño de muestra, confusión, sesgoTengo dudas. Utilizo datos sobre el consumo de electricidad per cápita (por año) de 1960 a 2014. los tamaño de la muestra en este caso es N = 55 para todo el mundo, así como para regiones y países individuales. Sin embargo, el consumo anual per cápita de electricidad para el mundo abarca aproximadamente 7,000,000,000 de personas, y para Noruega, por ejemplo, alrededor de 5 millones, pero en ambos casos para el período de 1960 a 2014, N = 55. ¿Hay alguna manera de evaluar estadísticamente ¿El hecho de que en el primer caso se incluye la población de 7 mil millones de personas, y en el segundo mucho menos, en términos de reducción de confusión y sesgo?
OtroRe: tamaño de la muestra, confusión, sesgoQuizás la pregunta no esté clara. Voy a intentar aclarar . Se trata del análisis estadístico de series de tiempo. El período de 1960 a 2014 cubre 55 años. Por tanto, el tamaño de la muestra es N = 55 para todos los países y regiones. Tamaño de la poblacion (número de personas) no se refleja en el tamaño de la muestra en series de tiempo (número de años). Al calcular el valor p en este caso, no importa si la investigación cubre 1000 personas, o un millón o mil millones, el ancho de la muestra es siempre 55. Para mí es ilógico, pero matemáticamente lo es.
Re: tamaño de la muestra, confusión, sesgoHola,
Parece que nadie ha podido solucionar tu problema. Puede deberse, en parte, a la información limitada proporcionada sobre su caso específico. ¿Sería posible proporcionar un ejemplo de la estructura de los datos (datos simulados si la información es confidencial) y la hipótesis exacta que le gustaría probar en estos datos?
Además, parece que está intentando estimar el error en las mediciones basándose en ratios agregados (consumo de electricidad per cápita). Hasta donde yo sé, no creo que exista ningún método válido para derivar retrospectivamente dicha información.
Con suerte, con la información adicional que pueda proporcionar, los expertos de este foro (no soy uno de ellos) podrán dar una respuesta.
Mejor,
TS
