VIII. INTRODUCCION A LA ESTADISTICA INDUCTIVA Ex opyeto de este breve capitulo esté en dar un bosquejo gene- ral de la estadistica inductiva y, en particular, de los razona- mientos que se hallan a la base de la verificacién de las hipé- tesis estadisticas. Es muy facil verse tan abrumado por los detalles de cada prueba particular encontrada, que resulte im- posible percibir las semejanzas que todas ellas tienen en co mtn. En tal caso, el aprendizaje de la estadistica puede con- vertirse facilmente en un ejercicio de “recetario” consistente en aprender de memoria las férmulas y los procedimientos. Por ello este capitulo es muy importante y deberia releerse atenta- mente una vez que el lector haya visto las dos o tres primeras pruebas especificas. VIII.1. Estadistica y pardmetros E] objeto de las generalizaciones estadisticas esta en decir algo acerca de diversas caracterfsticas de la poblacién estudiada, so- bre la base de hechos conocidos a propésito de una muestra sa- cada de dicha poblacién 0 universo? Designaremos las caracte- risticas de la poblacién como pardmetros, en contraste con las caracteristicas de la muestra, que se designan como estadisticos. A estas alturas, el lector est4 ya familiarizado con cierto numero de pardmetros’y estadfsticas: medias, medianas, proporciones, desviaciones estandar, etcétera. Llegado aqui, el lector deberia hacer una distincién precisa entre las caracteristicas que se re- fieren a la poblacién y las que se refieren a la muestra. Para de- signar las primeras suelen por lo regular emplearse las letras del alfabeto griego, en tanto que las letras latinas designan las carac- teristicas de la muestra. Asi, pues, en adelante designaremos la media de la poblacién con p, y la de la muestra con X; Ia desvia- cién esténdar de la primera con a, y la de la muestra con s. Puede establecerse una distincidn importante entre pardmetros y estadfsticas. En efecto, los parametros son valores fijos refe- Tidos a la poblacién y, por lo regular, no se conocen* Asi, por Be Gn momento muy adesuada para ta nueva lecture seré después dol em {tulo x1. 2 Los términos poblacién y universo (universe) suelen ser intercambiables. en Ia literatura estadistica. 8 Por desgracia, esta regia comporta cierto mimero de excepciones. 4 Los pardmetros se tratarén siempre como fijos, aunque en realidad puc. dan variar con el tiempo. Asf, por ejemplo, la edad promedio de una po- blacién variara de un momento al prdximo. Por ello deberd entenderse Ia nocién de muestras repetidas en términos de un gran nimero de muestras sacadas simulténeamente, y no en secuencia temporal. En muchas ocasio- 19120 ESTADIS1ICA INDUCTIVA ejemplo, en cualquier momento dado, la edad o el grado prome- dios de todos los estudiantes de Ja Universidad de Harvard pue- den no conocerse, pero se hallaran probablemente ser los mis- mos para todos los observadores. Las estadisticas varian, por otra parte, de una muestra a otra. Si se escogieran al azar 10 muestras diferentes de estudiantes universitarios, no esperaria- mos que todos ellos presentaran exactamente las mismas edades promedios. Es mas, desconfiarfamos si fuera asi. A diferencia de los parametros, los valores de las estadisticas de una muestra determinada se conocen o pueden calcularse. Pero no sabemos, sin embargo, cudn representativa sea la muestra en relacién con la poblacion, o hasta qué punto la estadistica obtenida se aproxi- me al parametro desconocido comparable. Lo que nos interesa efectivamente es la poblacién, y no en una muestra particular cualquiera. En efecto, escogemos una muestra por raz6n de conveniencia, pero nuestro objetivo consiste practi- camente siempre en sacar conclusiones a propésito de diversos pardmetros de la poblacién; sobre la base de estadisticas de muestras conocidas, sin duda, pero sin importancia en s{ mismos. las verificacionés de hipétesis formulamos supuestos a pro- posito de los parametros desconocidos, y preguntamos a conti- muacién cémo serian nuestras estadisticas especificas si dichos supuestos fueran correctos,) Al proceder asi, tratamos de decidir “Tacionalmente si los valores supuestos de dichos parémetros son © no razonables a la vista de la evidencia de que disponemos. Por lo tanto, la verificacién de hipétesis puede considerarse como una forma especial de proceso de decisién. Como quiera que los raciocinios que se hallan a la base de Jas hipotesis son mas bien complejos, no estar por demds examinarlos aqui brevemente. En capitulos sucesivos veremos cémo se aplican a las verificaciones especificas. VIIL.2. Pasos en la verificacién de una hipdtesis En ciencias sociales el término de hipétesis se emplea en cierto ntimero de sentidos distintos. A veces se utiliza para designar una proposicién teérica que presenta alguna remota posibilidad de verificacién indirecta. Otras veces, en cambio, se emplea para designar el tipo de afirmacién que puede efectivamente compro- barse estadisticamente. Con objeto de reducir la confusién sera, pues, conveniente indicar cémo se emplea el término en este texto. Los criterios utilizados para definir Jo que debamos en- nes, nuestro objetivo cientifico consiste en realidad en deducir la naturaleza de fos procesos causales que dan origen a los valores de poblacién, los que suponemos son fijos. Al estudiar estadistica parece sin embargo prudente limitarse inicialmente al concepto més simple de generalizacién de poblacio- nes fijas.INTRODUCCION A LA ESTADISTICA INDUCTIVA 121 tender por verificacién de una hipétesis son més bien estrictos y descartarfan muchas de las llamadas “pruebas” que se encuen- tran en la literatura corriente en materia de ciencias sociales. Sin embargo, son adecuados a los requisitos mas bien rigidos estable- cidos por los estadigrafos. En cuanto tales, en efecto, represen- tan un ideal con referencia al cual puede compararse el caracter adecuado 0 inadecuado de cualquier comprobacién real, La hipétesis es un enunciado acerca de un acontecimiento fur turo, o de un acontecimiento cuyo resultado se ‘desconoce en el momento de la prediccidn, formulado de modo que pueda descar- tarse. O en términos més precisos, digamos que se ha compro- bado una hipétesis cada vez que se han efectuado los siguientes 1aSOS : . 1. Todos los resultados posibles del experimento u observacion se han anticipado a la verificaciéns 2. Se ha Ilegado a un acuerdo, antes de proceder a Ia verifica- cién, acerca de las operaciones o procedimientos a emplear en la determinacién de cuales resultados se producian efectivamente. 3. Se ha decidido previamente cuales de los resultados implica- ran, caso de producirse, el descarte de la hipétesis y cuales su confirmacién. Como resulta dé lo indicado mas arriba, el descarte ha de haberse tenido en cuenta como uno de los resultados po- sibles. 4. Se ha efectuado el experimento, o se ha observado el acon- tecimiento, se han registrado los resultados y se ha decidido si la hipétesis quedaba o no descartada. ‘Los pasos que se acaban de enumerar son muy generales. La induccién estadistica tiene que ver ante todo con los pasos 3 y 4, ya que el estadigrafo ha de suponer que los dos primeros pasos ‘se han efectuado ya. Tendremos ocasién de ver en qué forma los dos tiltimos pasos se hacen mas especfficos en una comproba- cién estadistica. Tal vez lo mas significativo de la lista anterior es el de que todas las decisiones deben ser tomadas antes de reali- zar la prueba. Todos los resultados posibles se dividen en dos cla- ses, a saber: los que comportan descarte y los que no. Si eso no se hace con anterioridad a la prueba, resulta posible retener una hipotesis cambiando simplemente las reglas a medida que se avan- za. Esto equivale a Jo mismo que lo que harfa un nifio que echara a cara o cruz para decidir si va o no al cine. Este decide, en efec- to, “cara, voy; cruz, no voy”. Si sale cara va al cine. Pero si sale cruz, decide hacer depender el éxito de dos cara o cruz sobre tres y sigue echandolos. En esta forma acaba siempre yendo al cine, @ menos que pierda la moneda (resultado que no habia antici- pado). 5 El término experimento 1o emplea el estadigrafo en_un sentido muy am- plio. Un experimento puede consistir, por ejemplo, en interrogar a un ama de casa y anotar el “si” o el “no” a una pregunta concreta.122 ESTAD{ISTICA INDUCTIVA * Ya se indicé en el capftulo 11 que la prueba sélo puede ha- cerse acerca de una proposicién formulada en conceptos que se hayan definido.operativamente. El paso 2 indica que hay que po- nerse de acuerdo, con anterioridad a Ja prueba, acerca de las definiciones operativas. A menos que sea asi, resulta siempre posible retener una hipétesis, independientemente del resulta- do, descartando los métodos empleados. Supéngase que alguien enuncia como hip6tesis suya que “cuanto mds elevada sea la posicién social de una persona, tanto menos probable serd que sea muy etnocéntrica”. Si los resultados no confirman esta pro- posicién, podrd alegar que la medida “posicién social” o “etno- centrismo” no media lo que se la suponia medir, y que algin otro indice (que confirme su teorfa) es més adecuado. Asf, pues, pa- rece preferible reservar el término de hipdtesis para designar enunciados que se hallen al nivel operative y puedan descartarse francamente. En efecto, si no se puede Wegar de antemano a un acuerdo acerca del procedimiento, es dificil que se produzca acuerdo a propésito de los resultados. Como ya se indicé en el capitulo 11, este punto de vista no niega, con todo, la importancia de la teoria, ni implica que las definiciones operativas sean las inicas necesarias para el desarrollo de la ciencia, El tercer paso es critico, ya que la decisién que se adopte comportara por lo regular ciertos peligros de error, En algunos casos el problema es relativamente sencillo, No todas las verifi- caciones de las hipétesis requieren induccién. En efecto, puede formularse una hipétesis a propdsito del resultado de un acon- tecimiento concreto, tal, por ejemplo, un partido de futbol. Po- demos predecir, por ejemplo, que el equipo A ganaré al equipo B. A condicién que existan criterios para determinar si los proce- dimientos acordados se han seguido adecuadamente o no, las probabilidades de error en cuanto a decidir si hay que descartar © no semejante tipo de hipétesis son escasas. Sin embargo, si la informacién se basa en una muestra de acontecimientos sacado de una poblacién mayor, existe mayor riesgo de error. En efecto, descartamos o dejamos de descartar Ja hipétesis dandonos cuen- ta de que, ya que nuestro juicio sélo se basa en una muestra, hemos de admitir siempre Ja posibilidad de error debida a la falta de cardcter suficientemente representativo de] mismo, Es la teorfa de las probabilidades la que nos permite apreciar Jos riesgos de error y tomarlos en consideracién al decidir acerca de los criterios que hay que emplear para descartar las hipéte- sis, En las préximas secciones se examinardn dos tipos de erro- res posibles. Podremos luego volver a la cuestién del papel que juega la estadfstica en las verificaciones de las hipdtesis in- ductivas.INTRODUCCION A LA ESTADISTICA INDUCTIVA 123 VIIL3. La falacia de afirmar el consecuente A menudo no existe manera alguna de verificar nuestras propo- siciones 0 teorfas més importantes. En lugar de ello, extraemos de ésas una serie de consecuencias que deberfan producirse si la proposicién o teoria original fuese cierta, y es la validez de estas consecuencias la que se deja determinar por métodos empiricos.® Asi, pues, la prueba de Ia teorfa original es indirecta. La teorfa A implica determinadas consecuencias B, o bien, en forma simbé- lica, A=) B. Hay que recalcar que, al pasar de A a B, se em- plea més bien el razonamiento légico o deductivo que la prueba empirica, Por consiguiente, si A es cierto, B lo ha de ser también, a condicién que nuestro razonamiento al deducir A de B sea valido. Vernos luego si B se ha producido o no; si B no se ha producido (B falso), entonces sabemos también que la teorfa A ha de ser falsa asimismo. Pero, gqué ocurre si B resulta ser cierto? ¢Podemos decidir que A deba serlo asimismo? No. Si lo hacemos, cometemos la facia de afirmar el consecuente, como los Idgicos acostumbran Jamarlo. Si B es cierto, podemos decir que-A puede ser cierto, pero podria haber otro niimero cualquiera de teorfas alternativas que implicaran también B. No podemos estar seguros de que A sea necesariamente cierto, a menos que podamos demostrar que no existe otra teorfa alternativa valida C para la cual C ==>B. Por desgracia, no estamos practicamente nunca en condiciones de hacerlo, y por ello mds bien hemos de proceder por elimina- cién de teorlas que por su aceptacién definitiva. La buena teoria es la que no se deja eliminar, a condicién, por supuesto, que se la enuncie en forma que se deje eliminar.' En otros términos: ha de conducir 4 hipétesis que se dejen eliminar ellas mismas. Si dejamos de descartar A cuando B es cierto, corremos riesgo de equivocarnos, ya que A puede en realidad ser falso. En esta- distica, ese tipo de error, o sea ef error de no descartar una lit potesis efectivamente falsa, se designa como error de tipo II 0 B. Tal vez un sencillo ejemplo hard que el razonamiento anteric se presente como menos abstracto. Supongamos que tenemos una teoria A que consta de las tres proposiciones siguientes: 1) todas las personas se conforman a las normas de su sociedad; 6 En rigor este enunciado no es totalmente exacto, ya que una teorfa pura- mente deductira Do conduce directamente a hipétetis comprobables. Vés- se (21. ‘7 EI papel del experimento critico esté en poner al cientifico en condicio- nes de escoger entre varias teorfas alternativas cada una de las cuales ha resistido previamente a la eliminacién. Asf, por ejemplo, las teorias A y 4’ pueden predecir ambas los acontecimientos B;, By, -.., By, todos los cuales se producen. Pero A puede predecir que B,,, €S cierto, en tanto que 4’ sostenga que ser falso. Si B,,, es efectivamente falso, entonces A puede eliminarse, y retenerse, de momento, A’.124 ESTADISTICA INDUCTIVA 2) una norma de la sociedad X es la de no robar; y 3) Jones es miembro de la sociedad X. Si todas las partes de la teoria son correctas, podemos deducir B, que Jones no robaré. Supéngase que por alguna otra razén no estamos en condiciones de verifi- car directamente lo cierto o falso de A, pero que estamos en con- diciones, en cambio, de averiguar la conducta de Jones. Es obvio que si Jones roba, la teoria ha de ser incorrecta, por Jo menos en parte. En consecuencia, si B es falso, descartamos A. Pero, si sabemos que Jones no roba, no por ello decidiremos que la teoria sea cierta. Tal vez Jones sea simplemente mas honrado que los otros. O tal vez ni siquiera sea miembro de la sociedad X. En semejante caso, si fuéramos a aceptar la teoria como co- rrecta, correrfamos un riesgo considerable de error. Llegarfamos probablemente a la conclusién de que, aunque el individuo par- ticular en cuestién sea honrado, harfamos mejor en suspender nuestro juicio. El absurdo del ejemplo anterior no ha de oscurecer el punto capital de que, siempre que tengamos una teoria que implica determinadas consecuencias y que éstas, pero no asi aquélla, sean susceptibles de verificacién, nos encontramos en Ia posicién 16- gica de poder descartar Ia teorfa, en tanto que no podemos acep- tarla, en cambio, sin correr el riesgo de equivocarnos. VIIL4, La forma de las hipdtesis estadisticas En ciencias sociales no encontramos proposiciones por el estilo de la del ejemplo anterior, por la sencilla razén de que las teo- rias acerca del mundo real no implican certidumbre. En lugar de considerar que si A es cierto B ha de serlo asimismo, sostene- mos solamente que si A es cierto B lo ser4 probablemente tam- bién. Tenemos asi que aceptar la posibilidad de que B sea falso incluso cuando A es verdadero, Pero si seguimos la regla de des- cartar A siempre que B sea falso, corremos el riesgo de cometer otro error, esto es, el de descartar una hipdtesis cierta. Desig- mamos esta clase de error como error de tipo I o a. Sirviéndonos del ejemplo anterior, nuestras proposiciones habran de modifi- carse en el sentido de decir: “ia mayoria de los individuos se conforman a las normas de su sociedad” y “probablemente Jones no robar4”. Si Jones roba, descartamos la teorfa revisada con cierto riesgo de error, ya que puede con todo ser cierta, porque €s posible que Jones sea uno de los pocos miembros no honrados. Asi, pues, existen dos tipos de error que hay que tener en cuenta. El primero que examinamos (el tipo II) procede de la falacia puramente légica consistente en afirmar el consecuente. Y cuando introducimos elementos de probabilidad en nuestra teoria, entonces admitimos un tipo adicional de error (el tipo I). Aunque hasta el presente no hayamos dicho nada todavia a pro-INTRODUCCION A LA ESTAD{STICA INDUCTIVA 125 pésito del razonamiento inductivo en contraste con el deductivo, se debe a la necesidad de generalizar mds alld de los limites de Jos datos que se poseen el que debamos servirnos de semejantes enunciados de probabilidad. Qué forma especifica adoptan las hipétesis estadisticas? ¢A qué se parecen el A y el B? En realidad, la teoria A consta de cierto mimero de supuestos acerca del cardcter de la poblacién y de los procedimientos relativos a la seleccién de muestras, junto con el razonamiento matemético necesario para formular enunciados de probabilidad 2 propésito de Ia de los resultados particulares de la muestra, si los supuestos adoptados son efec- tivamente ciertos. Por medio de estos enunciados de probabili- dad decidimos con anterioridad al tiempo cuéles resultados son tan probables, que descartariamos los supuestos A si estos resul- tados B no se produjeran. Razonamos, en efecto, en el sentido de que, si los supuestos son correctos, los resultados de nuestras muestras quedarén la mayor parte del tiempo dentro de un de- terminado recorrido de resultados. Por supuesto, sélo extraemos una muestra, pero si nuestro resultado particular cae fuera del recorrido, en lo que se denomina fegidn critica,) rechazaremos Jos supuestos, corriendo el riesgo de cometer un error tipo I. Ast, pues, el B est4 representado por cierto recorrido de resul- tados de muestras. Si los resultados quedan fuera de dicho re- corrido, entonces B es falso y la hipétesis se descarta, Al decidir la extensién del recorrido a incluir bajo B, hemos de tomar en consideracién (idealmente) los riesgos de errores de Ios tipos Ty IL. Para ilustrar el proceso, supongamos que deseamos comparar muestras de empleados de oficina y de obreros de taller en rela- cién con el porcentaje de ellos que desean para sus hijos ense- fianza universitaria. Si queremos realmente demostrar que existe una diferencia entre dichos dos grupos, procedemos tratando de eliminar la hipétesis alternativa de que no existe diferencia alguna, Esto parece constituir una manera de proceder extre- madamente indirecta, pero hemos de recordar que no estaremos en condiciones de demostrar directamente que s{ hay diferencia. Con objeto de evi ia_de afirmar el consecuente, hemos Se proceder a Ja eliminsclin de lat falas Hipétests. En el pre- ‘senté caso ten légicamente dos posibilidades: o hay diferencia o no Ia hay. Si la segunda posibilidad se deja elimi- nar, entonces podemos concluir que existe efectivamente alguna diferencia. Establecemos, por consiguiente, Ia hipétesis de que el porcen- taje que desea la ensefianza universitaria es el mismo en ambos grupos 0 poblaciones. Podemos a continuacién demostrar mate- maticamente que, en el 99 por ciento de todos los pares posibles de muestras, las ‘diferencias entre las dos series de porcentajes126 ESTADISTICA INDUCTIVA serfan inferiores al 10 por ciento si los supuestos fueran efecti- vamente ciertos. En otros términos: B consta de diferencias de muestras que son inferiores al 10 por ciento, Y si realmente no existen diferencias entre ambas poblaciones, es sumamente pro- bable que los porcentajes correspondientes a las dos muestras caerén dentro del 10 por ciento uno de otro. Puede, en conse- cuencia, decidirse que, si la diferencia entre los porcentajes de Jas muestras resulta ser del 10 por ciento o ms, los supuestos Ahan de descartarse. Esto se hace a sabiendas de que en el 1 por ciento de Jas veces una diferencia de esta magnitud ocurriré aun siendo A cierto, En otros términos, el riesgo de incurrir en un error de tipo I (el de descartar una hipétesis correcta) ser4 de una probabilidad sobre ciento. Volvamos ahora a la lista original de pasos necesarios en la verificacién de las hipétesis. Ya se sefial6é que Ia induccién esta- distica se ocupa bésicamente de los pasos 3 y 4. El investigador anticipa todos los resultados posibles de las muestras y los di- vide en dos clases: aquellos respecto de los cuales puede descar- tar sus hipétesis y aquellos respecto de los cuales no puede descartarlas. En realidad, lo que hace Ja estadistica es propor- cionar los criterios a utilizar en Ja divisin de los resultados en dos clases. Estos resultados se ponen en una u otra de las dos clases, de conformidad con los riesgos que se est4 dispuesto a asumir en cuanto a incurrir en los errores de tipos I y II. La mayor ventaja de los procedimientos estadisticos con respecto a los métodos intuitivos est4 en el conocimiento que proporcio- nan acerca de esos riesgos de error. Expuesta en esta forma, la estadistica no parece valer mucho la pena de preocuparse por ella. Sin embargo, el paso 3 no re- sulta nada facil de efectuar con otro método cualquiera. Ima- ginese, por ejemplo, un experimiento consistente en echar 25 cara o cruz con una moneda cuya buena manufactura se pone en entredicho. Supéngase que tratamos de decidir acerca de los resultados que, en caso de producirse, darfan lugar a que Ilamé- ramos la atencién a la persona que echa los cara o cruz ¢Descar- tarfamos la hipétesis de que el cara o cruz es correcto si salieran més de 15 caras?, mds de 18?, 20 sélo si la mitad de los cara © cruz dieran caras?; ¢si se dieran 10 caras consecutivas, inde- pendientemente de los dems resultados? La teoria de las proba- bilidades nos permite apreciar el ntimero de ellas que existen de obtener cualquier combinacién de resultados en el supuesto de que la moneda fuese correcta. Asf, pues, escogeremos aque- Nos resultados que, en dicho supuesto, serfan prcticamente im- probables. No se espera en modo alguno que el estudiante que se enfrenta por primera vez con la induccién estadistica comprenda en pri- mera lectura todo lo que se acaba de decir acerca de los razona-INTRODUCCION A LA ESTADISTICA INDUCTIVA 127 mientos relativos a la verificacién de las hipdétesis. Reconoce- mos, en efecto, que el proceso es complicado y uno de los que parecen proporcionar a los estudiantes més dificultades que cual- quier otra parte de la estadfstica. De ah{ que el estudiante deba hacer un esfuerzo especial para comprender dichos razonamien- tos buscando las analogias basicas con los mismos entre todas las pruebas estadisticas. Una vez que la légica subyacente se haya penetrado a fondo, el aprendizaje de la estadistica se simplifica considerablemente. Grosanto Hipstesis Pardmetro Poblacién Estadistica Errores de tipo I y I Brstiocrarta 1. Ackoff, R. L,: The Design of Social Research, University of Chicago Press, Chicago, 1953, cap. 5. . 2, Northrop, F. S. C.: The Logic of the Sciences and the Humanities, ‘The Macmillan Company, Nueva York, 1947, caps. 7 y 8. 3. Weiss, R. S.: Statistics in Social Research, John Wiley & Sons, Tnc., Nueva York, 1968, cap. 53.