Ciencia

Investigador explicó diferencias entre inferencias estadísticas y científicas

  • Pedro Monterrey, de la Universidad “Antonio Nariño” de Colombia, participó en el X Foro Internacional de Estadística Aplicada 
  • Resaltó que recientes trabajos en meta-análisis demuestran que se aplica erróneamente la estadística en algunas investigaciones 

 

Pedro Monterrey, catedrático de la Universidad “Antonio Nariño” de Colombia, durante su conferencia magistral

Pedro Monterrey, catedrático de la Universidad “Antonio Nariño” de Colombia, durante su conferencia magistral

 

David Sandoval Rodríguez 

21/05/2021, Xalapa, Ver.- En la investigación científica la inferencia estadística y la inferencia científica son dos aspectos diferentes, planteó Pedro Monterrey Gutiérrez, académico de la Universidad “Antonio Nariño” de Bogotá, Colombia, en su conferencia magistral dentro del X Foro Internacional de Estadística Aplicada de la Universidad Veracruzana (UV). 

El investigador y profesor del Doctorado en Educación Matemática de su universidad, impartió la videoconferencia “¿Fin de la era de la significación estadística?” en el evento organizado por la Especialización en Métodos Estadísticos y la Licenciatura en Estadística de la Facultad de Estadística e Informática (FEI). 

Destacó la importancia de los meta-análisis en la sistematización de las evidencias estadísticas y subrayó que la “inferencia estadística no es igual a la inferencia científica ya que cada muestreo, cada estudio, cada publicación sobre un mismo tema, es una pieza de información que, en su conjunto, permite despejar el efecto del azar sobre los análisis y llegar, por acumulación de evidencias, a la comprensión del problema científico”. 

Los métodos frecuentistas de la estadística se utilizan en diversas áreas de la investigación científica y se enfocan en la reproducibilidad de los resultados, lo que se concibe como un estándar básico que representa la posibilidad de volver a computar los mismos resultados como un elemento de su validez, precisó. 

En la década anterior, la revista Nature encuestó a investigadores sobre la reproductibilidad de la ciencia y sus experimentos; en sus respuestas destacaron que 70 por ciento no pudieron obtener los mismos resultados y reconoció que “hay un consenso de que la inmensa mayoría de los resultados que se publican son falsos, que resultan de los sesgos a la hora de hacer la investigación”.

El ponente recalcó que las revistas científicas y los investigadores a veces utilizan sesgos en sus resultados para poder ser publicados

El ponente recalcó que las revistas científicas y los investigadores a veces utilizan sesgos en sus resultados para poder ser publicados

Hay muchos factores reales que deben considerarse en el problema, así lo han demostrado trabajos en el área que de la meta-investigación, es decir, pesquisas de amplio alcance que revisan los resultados obtenidos y publicados en revistas científicas arbitradas, agregó. 

Además, en el contexto de las revistas arbitradas existen sesgos en las publicaciones; por ejemplo, el sesgo de selección, conocido también como el “efecto del archivador”, resultante de una tendencia a publicar resultados positivos porque aquellos que no muestran cambios significativos no son considerados publicables por los mismos investigadores o por las revistas. 

También existe el sesgo por inflación, “más importante de lo que se piensa y trata de buscar a toda costa los resultados significativos para poderlos publicar, pero ello distorsiona la evidencia científica como es el caso de muestrear hasta encontrar evidencias significativas o eliminar valores que están fuera de rango”, explicó. 

Otro sesgo que ocurre con frecuencia es conocido como cherry picking, y consiste en descartar diferentes tipos de análisis hasta que se encuentre uno que beneficie con sus resultados a la investigación. 

El ponente reconoció que en la enseñanza profesional de la estadística se pueden encontrar problemas de carácter histórico, discrepancias profesionales entre los fundadores de la disciplina e incomprensiones matemáticas de quienes utilizan los modelos, lo que se suma a la validez que se le otorga a las pruebas estadísticas en numerosas publicaciones científicas donde son consideradas como infalibles.