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
La historia detrás de una diferencia conceptual
En
un pequeño libro dedicado al estudio de los pioneros de la estadística,
Tankard (1984) se refiere al hecho de que las cuatro técnicas
estadísticas más comunes fueron creadas por cuatro ingleses nacidos
dentro de un período de sesenta y ocho años. El primero de ellos,
Francis Galton (1822-1911) es el precursor inmediato de la ciencia
estadística en Inglaterra. Primo de Charles Darwin, fue el primero de
hablar de biometría (término que usaba para referirse a lo que luego
sería la estadística). Creó la cátedra de Eugenesia en la Universidad
de Londres. Sus estudios de la relación entre la altura de los hijos y
sus padres les llevaron a los conceptos de correlación y regresión.
Kart Pearson (1857-1936) ha sido considerado como el fundador de la
ciencia estadística. Seguidor entusiasta de la teoría de la evolución,
e influido por las ideas de Galton, creyó encontrar en la correlación
(cuya fórmula de cálculo desarrolló) el instrumento adecuado para
convertir la psicología, la antropología y la sociología en ciencias
tan respetadas como la física y la química. Su contribución más famosa
a la estadística es la prueba ji cuadrada, aunque es más común escuchar
"la correlación de Pearson". Fundó la revista especializada en
estadística Biométrika, y contribuyó de manera notable a elevar
el prestigio de la estadística como un instrumento de gran valor para
el método científico.
Como toda persona
controversial fue capaz de provocar tanto amistades devotas como
enconadas enemistades. William Gosset (1876-1937) fue uno de sus
mejores amigos, mientras que Ronald Fisher (1890-1962) fue uno de sus
peores enemigos. En realidad Gosset era amigo de ambos, y siempre trató
de suavizar los problemas entre ellos. Pero la enemistad entre Pearson
y Fisher sólo pudo publicar un artículo en la revista Biométrica que
dirigía Pearson. Eso ocurrió en 1915, cuando Fisher tenía 25 años y
Pearson 39. A partir de ese año, Pearson apeló a las más inverosímiles
excusas para negarle las páginas de Biométrica a Fisher; ni siquiera
algunas notas técnicas breves, enviadas por Fisher para aclarar asuntos
conceptuales de estadística, le fueron publicadas en Biométrica.
(Cowles, 2001).
Kart Pearson se retiró en
1933, y le correspondió a Ronald Fisher sustituirlo en la cátedra de
Eugenesia, originalmente creada por Galton en la Universidad de
Londres. Pearson murió en 1936, precisamente el año en que él y Fisher
comenzaban su más punzante discusión.
Ronald
Fisher fue probablemente el más brillante y productivo de los miembros
del pequeño grupo de estadísticos ingleses. Publicó alrededor de 300
trabajos y siete libros, en los cuales desarrolló muchos de los
conceptos de la estadística: la importancia de la aleatorización, la
varianza, el análisis de varianza, la distinción entre estadística
(medida de muestra) y parámetro (medida de población), la hipótesis
nula, los niveles de significación, y las ideas fundamentales del
diseño de investigación. De temperamento difícil, se vio involucrado en
profundas enemistades. Se dice de él que cuando le hablaban en broma,
él contestaba en serio; cuando los demás estaban serios, entonces él
bromeaba.
Kart Pearson tenía un hijo,
Egon Pearson (1895-1980) quien también era estadístico y trabajaba en
el laboratorio Galton bajo las órdenes de su padre. En 1925, el joven
Ego inició una perdurable amistad con Jerzy Neyman (1894-1981), un
joven matemático de la Universidad de Varsovia que acababa de llegar al
laboratorio Galton. Cuando Kart Pearson se retiró en 1933, para que su
hijo Egon Pearson no estuviera bajo la dirección de Ronald Fisher, se
creó un nuevo Departamento de Estadística, a ser dirigido por Egon
Pearson. De nada valieron los esfuerzos del binomio Pearson-Neyman por
evitar la continuación de la vieja enemistad de Fisher, pues éste
desplazó su hostilidad hacia ellos, reaccionando de manera enfurecida
frente a las extensiones y elaboraciones que de la posición de Fisher
trataban de hacer Pearson & Neyman.
Fisher
consideraba que su manera de someter a prueba la hipótesis nula era
absolutamente objetiva y rigurosa y la única forma de inferencia
inequívoca. Cuando Jerzy Neyman terminó de pronunciar su discurso de
ingreso a la Royal Statistical Society en Londres, Fisher comentó
sarcásticamente que Neyman debería haber elegido un tema "sobre el cual
pudiera hablar con autoridad". Neyman, por su parte, declaró que los
métodos de prueba de Fisher eran "en un sentido matemáticamente
especificable, peores que inútiles". (Aron & Aron, op. cit, pp.
580-581). Esta historia revela de qué manera, aun tratándose de una
ciencia como la estadística, que en su naturaleza parece totalmente
ajena a los sentimientos humanos, las creaciones del intelecto humano
se pueden ver condicionadas por factores temperamentales y pasiones
deleznables.
Aunque estadísticos y
psicólogos hemos sido formados a partir de la hibridación de dos
enfoques diferentes de la inferencia estadística, y al parecer existe
cierta conformidad en el campo con el híbrido resultante, algunos
psicólogos, entre los que se cuentan Gigerenzer y Murray (1987),
sostienen que los puntos de vista de Fisher y de Pearson & Neyman
son fundamentalmente opuestos, y que su errónea combinación no fue más
que un matrimonio por conveniencia, basado en el deseo de presentar
tanto a la estadística como a la psicología como ciencias basadas en un
método de toma de decisiones unificado, mecánico y sin defectos.
El
resultado de ese proceso, según Gigerenzer & Murray, es el abandono
de la controversia y los métodos alternativos, al igual que textos de
estadística "repletos de confusión conceptual, ambigüedad y errores" (Gigerenzer & Murray, op. cit. p. 23).
El
autor del presente artículo espera haber contribuido a que el lector
conozca la combinación de enfoques opuestos en el proceso de la
decisión estadística y la historia oculta detrás de una controversia en
apariencia puramente conceptual.
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.