Estadística y psicología: Análisis histórico de la inferencia estadística

Enerio Rodríguez Arias
Psicólogo
Doctor en Filosofía
Universidad Autónoma de Santo Domingo
República Dominicana

Ver perfil del autor
Contactar al autor
Fecha publicación: 11/marzo/2005
Para citar este artículo:
________________________
Rodríguez Arias, E. (2005, 11 de marzo). Estadística y psicología: Análisis histórico de la inferencia estadística. Revista PsicologiaCientifica.com,
7(6).
Disponible en:
http://www.psicologiacientifica.com/bv/psicologia-136-1-estadistica-y-psicologia-analisis-historico-de-la-inferencia.html
________________________
RESUMEN
Después de enunciar brevemente los principales
aportes de los pioneros ingleses de la ciencia estadística, se examina
en una perspectiva histórica el proceso de la inferencia estadística
como el mecanismo fundamental para el manejo de los errores variables
en una investigación. Se identifican los componentes distintivos de los
dos enfoques conceptuales que se amalgaman en la exposición establecida
de los diferentes pasos de la inferencia estadística, a saber, el
enfoque de Fisher y el enfoque de Pearson y Neyman. Las enemistades
personales entre estadísticos ilustran el papel de las pasiones humanas
en las controversias intelectuales. Se alude brevemente a las
consecuencias negativas del híbrido representado por el matrimonio de
conveniencia entre puntos de vista claramente opuestos.
El
presente artículo es de interés tanto para el estadista como para el
psicólogo. Las técnicas de análisis de datos más frecuentemente
utilizados por los psicólogos en sus investigaciones fueron creadas por
un pequeño grupo de estadísticos ingleses: Francis Galton, Karl
Pearson, William Gosset (Student), Ronald Fisher y Egon Pearson (hijo
de Karl Pearson); este último (Egon Pearson) trabajó en colaboración
con el matemático polaco Jerzy Neyman, quien vivió por un tiempo en
Inglaterra y más tarde se estableció en Los Estados Unidos de América.
Las ideas de correlación y regresión provienen de Galton; el primer
Pearson, además de producir la fórmula para el cálculo de la
correlación, es el creador de la prueba de la ji cuadrada. Gosset creó la prueba T en su forma original, Fisher desarrolló aún más la prueba T bautizándola con el nombre de "la T de Student" y
no la T de Gosset, porque éste, debido a los términos del contrato
laboral suscrito entre él y la cervecería Guinness de Dublín, Irlanda,
sólo podía firmar con su verdadero nombre los informes y documentos
preparados para la empresa, y por esa razón usaba el pseudónimo de
"Student" para firmar sus artículos sobre estadística.
Además de desarrollar la famosa T de Student, Fisher creó el análisis de varianza, que luego fue bautizado con el nombre de prueba F, en su honor.
Pero el legado más controversial de Fisher es la prueba de la hipótesis nula
como la estrategia de inferencia inductiva que debe guiar el análisis
estadístico de los datos en una investigación científica. Es en este
punto, donde han intervenido Egon Pearson y Jerzy Neyman (de aquí en
adelante, Pearson & Neyman), contradiciendo la posición de Fisher y
generando un debate, desconocido para la mayoría de estadísticos y
psicólogos, que por medio de los libros de texto hemos heredado una
estrategia de análisis que aparentemente ha disuelto la contradicción.
(Aron & Aron, 2001; Gigerenzer et al., 2004).
Además
de informar al lector acerca de cómo la enemistad personal puede
afectar una controversia científica, la meta principal del presente
artículo es dejar claramente establecido cuáles son los aportes Fisher
y cuáles los de Pearson & Neyman en la prueba de la hipótesis nula,
tal como el procedimiento es expuesto en los libros de texto y
rutinariamente practicado en la investigación psicológica publicada.
Comentarios a este trabajo
Los comentarios están ordenados desde el más reciente al más antiguo:
hector acosta: Este es un trabajo muy bueno y útil para todas las persona que estamos en el campo de la psicología porque nos ayuda a corregir errores que se dan en el proceso de la investigación.
estudiante de psicologia: Este trabajo es muy interesante y de mucha ayuda para poder comprender de mejor manera los pasos de las pruebas de significación estadística. Quisiera saber si podría sacar una conclusión sin aplicar estas pruebas estadísticas?
Javier Perña: Me parece interesante porque ayuda a entender mejor las decisiones estadísticas planteadas por los investigadores, además explican los errores de tipo I y de tipo II. Mi pregunta sería como disminuimos la probabilidad de cometer ambos errores a la vez.
jose rosero: Para mi parecer estos investigadores tratan de hacernos caer en los errores que muchos investigadores han caído por no tener un nivel de confianza suficiente, al momento de tomar las decisiones. Mi pregunta es cómo aumento nivel? ¿Con qué nivel de confianza se puede trabajar se pude con un 90% ... mmm
Diana P y Washington D: Este trabajo es muy interesante ya que nos hizo apreciar puntos que parecían tener poca importancia como es todo lo referente a la hipótesis nula y cuáles son los errores que puede cometer el investigador al momento de plantear diferentes hipótesis y cuáles son las pruebas estadísticas que se pueden utilizar en diferentes casos.
anitabel, dianita, lore: Podemos eliminar el error número uno 0.5% elevando el nivel de confianza y llegar a un error 1% que esto ayudaría a no equivocarnos al escoger a la hipótesis verdadera.
La decisión al azar depende como le interpreta el individuo sea verdadera o falsa.
alvarito, verito, monita: Los tipos de error de la prueba de significación estadística nos llevan a la conclusión de:
En los errores alpha y beta basándose en la hipótesis nula y verdadera, en la Ho son los resultados al azar y entendemos que a mayor grado de confiabilidad o significación menor a la probabilidad de error, utilizando 99% en lugar de 95%.
Utilizada en gran mayoría por los investigadores aceptando la hipótesis nula verdadera o Ho en vez de la hipótesis nula falsa.
Fernandita: Con este documento reforzamos los conocimientos estadísticos que poseíamos, aprendimos más sobre los tipos de errores que comete el investigador al apresurarse a concluir su investigación sin tomar en cuenta las pruebas paramétricas.
Freddy A. Paniagua: Este artículo es excelente e históricamente informativo. En relación a la hipótesis nula, la pregunta central es: porque necesitamos esa hipótesis cuando sabemos que será rechazada? Por ejemplo, es más difícil rechazar esta hipótesis si los dos lados de la curva normal se toman en cuenta, y es más fácil de rechazarla si solamente un lado de la curva es considera (en ese caso el valor de rechazo en la table t-test, por ejemplo, es menor; ese valor aumenta cuando los dos lados de la curva normal son considerados). Esto explica porque diferentes niveles de rechazos (e.g., 0.05 versus 0.001) son publicados en el mismo artículo investigando los efectos de la variable independiente sobre la variable dependiente. En este caso, el investigador continuara "fishing" (pezcando) hasta encontrar el valor de rechazo para la hipótesis nula. Y con paciencia, esa hipótesis siempre será rechazada!!
idalia: En general me gustó el trabajo, pero a mi gusto es un poco corto, tal vez si se hubiera extendido mas en las aportaciones de cada matemático sería excelente, porque explicaría con mas detalle cada aportacion, su significdo matemático, etc.
Carlos Ascencio: Muy buen texto. Claro y muy interesante para quienes tenemos que armar clases sobre dichos temas.
ricardo bismarck: Excelente trabajo. Me gustaría que escribiera acerca de la metodología cualitativa y de los métodos mixtos, que estan surgiendo con una rapidez inusual.
Carmen Ortiz: Excelente trabajo, bastante claro en su contexto e interesante la manera en que fue trabajado. Ayudará de manera sencilla entender conceptos complejos. Le da un matiz personal que logra cautivar la atención para continuar leyendo y aprender detalles históricos poco convencionales y para mi,desconocidos. Gracias por su colaboración.
Ana Luisa Navarrete: Me encantó la forma de abordar el tema, considerando a las personas y sus aportaciones, sus interrelaciones, sus amistades y enemistades, sus coincidencias y diferencias. Es una manera de inducir el interés de los estudiantes de estadística hacia temas que antes de intentar conocer, los rechazan. Ana luisa Navarrete, profesora.
mayra: Me pareció interesante la información, sólo que muy confusa. Estaría bien si fuera más concreto.
DoloresC.: Creo que aunque la información es básica, sí queda claro el objetivo del autor.
Luis Bueno: Me ha aclarado el panorama confuso que tenía respecto a las distintas pruebas estadísticas. Siempre ayuda revisar la historia y conocer el origen de las cosas. Buen enfoque.
nataly castro: Es demasiado confuso para lectores ajenos al enfoque y estudiantes que se inician en la carrera de psicología.