Introducción

Última actualización
Guardar como PDF

Page ID: 150735

\( \newcommand{\vecs}[1]{\overset { \scriptstyle \rightharpoonup} {\mathbf{#1}} } \) \( \newcommand{\vecd}[1]{\overset{-\!-\!\rightharpoonup}{\vphantom{a}\smash {#1}}} \)\(\newcommand{\id}{\mathrm{id}}\) \( \newcommand{\Span}{\mathrm{span}}\) \( \newcommand{\kernel}{\mathrm{null}\,}\) \( \newcommand{\range}{\mathrm{range}\,}\) \( \newcommand{\RealPart}{\mathrm{Re}}\) \( \newcommand{\ImaginaryPart}{\mathrm{Im}}\) \( \newcommand{\Argument}{\mathrm{Arg}}\) \( \newcommand{\norm}[1]{\| #1 \|}\) \( \newcommand{\inner}[2]{\langle #1, #2 \rangle}\) \( \newcommand{\Span}{\mathrm{span}}\) \(\newcommand{\id}{\mathrm{id}}\) \( \newcommand{\Span}{\mathrm{span}}\) \( \newcommand{\kernel}{\mathrm{null}\,}\) \( \newcommand{\range}{\mathrm{range}\,}\) \( \newcommand{\RealPart}{\mathrm{Re}}\) \( \newcommand{\ImaginaryPart}{\mathrm{Im}}\) \( \newcommand{\Argument}{\mathrm{Arg}}\) \( \newcommand{\norm}[1]{\| #1 \|}\) \( \newcommand{\inner}[2]{\langle #1, #2 \rangle}\) \( \newcommand{\Span}{\mathrm{span}}\)\(\newcommand{\AA}{\unicode[.8,0]{x212B}}\)

En el último capítulo de su famoso libro How to Lie with Statistics, Darrell Huff nos cuenta que “cualquier cosa que le dé a la profesión médica” o que publiquen laboratorios científicos y universidades es digno de nuestra confianza —no confianza incondicional, sino ciertamente más confianza de la que nos permitiríamos a los medios o políticos astutos. Después de todo, Huff llenó todo un libro con el engaño estadístico engañoso utilizado en la política y los medios de comunicación, pero pocas personas se quejan de las estadísticas realizadas por científicos profesionales capacitados. Los científicos buscan la comprensión, no municiones para usar contra los opositores políticos.

El análisis estadístico de datos es fundamental para la ciencia. Abre una página aleatoria en tu revista médica favorita y estarás inundado de estadísticas:\(t\) pruebas,\(p\) valores, modelos de riesgos proporcionales, ratios de riesgo, regresiones logísticas, ajustes de mínimos cuadrados e intervalos de confianza. Los estadísticos han proporcionado a los científicos herramientas de enorme poder para encontrar orden y significado en los conjuntos de datos más complejos, y los científicos los han abrazado con alegría.

Sin embargo, no han abrazado la educación estadística, y muchos programas de pregrado en las ciencias no requieren ninguna formación estadística.

Desde la década de 1980, los investigadores han descrito numerosas falacias estadísticas y conceptos erróneos en la literatura científica popular revisada por pares, y han descubierto que muchos artículos científicos —quizás más de la mitad— son víctimas de estos errores. El poder estadístico inadecuado hace que muchos estudios sean incapaces de encontrar lo que buscan; las comparaciones múltiples y\(p\) los valores malinterpretados causan numerosos falsos positivos; el análisis flexible de datos facilita encontrar una correlación donde no existe ninguna. El problema no es el fraude sino la mala educación estadística, lo suficientemente pobre como para que algunos científicos concluyan que la mayoría de los hallazgos de investigación publicados son probablemente falsos. ³¹

Lo que sigue es una lista de las falacias estadísticas más atroces que se cometen regularmente en nombre de la ciencia. Asume que no hay conocimiento de métodos estadísticos, ya que muchos científicos no reciben formación estadística formal. Y ten en cuenta: una vez que aprendas las falacias, las verás por todas partes. No se alarme. Esto no es una excusa para rechazar toda la ciencia moderna y volver al derramamiento de sangre y sanguijuelas — es un llamado a mejorar la ciencia en la que confiamos.