Escuela Superior de Administracin Pblica

E.S.A.P.
Administracin Pblica Territorial a Distancia
Fundamentos de las ciencias sociales

La relevancia estadstica en el saber administrativo

Camila Jimnez Ortega

Bogot D.C. Octubre 22 de 2014

La relevancia estadstica en el saber administrativo

Desde la antigedad la explicacin cientfica ha sido uno de los temas que han requerido
muchas horas de estudio y aun en la actualidad no existe un consenso sobre la forma ms
pertinente de realizar el anlisis cientfico y el vaco es mayor en el campo de las ciencias
sociales. Diversos cientficos sociales han tratado de establecer cual es el Deber Ser o
mtodo a seguir; y los planteamientos toman una multiplicidad de enfoques. Estos enfoque
los encontramos en la lectura Scientific Explanation ( Woodward, 2003), cada uno bien
documentado; este autor nos da un repaso histrico y filosfico por cuatro mtodos en la
explicacin cientfica. Estos cuatro mtodos son, The DN Model, The SR Model, The
Causal Mechanical Model, A Unificationist Account of Explanation (2003, p.1).
El mtodo del que se ocupara este ensayo es The SR Model (2003, p.1) que en espaol
podramos decir que es Importancia o relevancia estadstica postulado por Weslye C.
Salmon (citado en Woodward, 2003), Detengmonos un momento antes de desarrollar la
pregunta planteada en la clase de fundamentos de la ciencias sociales y expliquemos un
poco los conceptos de Weslye C. Salmon contenidos en Hacia una teora pragmtica de
la explicacin. El debate entre Wesley Salmon y Bas C. Van Fraassen (Perdomo. 2001).
Segn Wesley Salmon dar explicaciones cientficas es mostrar cmo los eventos
encajan en la estructura causal del mundo. La explicacin, entonces, consiste en un
doble asunto:
a. A un nivel ms bsico es necesario subsumir el evento a ser explicado bajo un
conjunto apropiado de relaciones de relevancia estadstica (esto es, aislar una serie de
parmetros o factores que son los relevantes para la ocurrencia de tal evento).
b. A un segundo nivel, esas relaciones de relevancia invocadas en el primer nivel deben
ser explicadas en trminos de relaciones causales. (W.C., Salmon, Scientific Explanation
and the Causal Structure of the World, op. cit., caps.1,2,5,6,7.). (Citado en Perdomo. 2001).
Conociendo mejor la terminologa del W.C Salmon al cual Woodward cita en numerosas
ocasiones se procede a realizar el objetivo de este ejercicio pedaggico dar respuesta a:
Cul de los tipos de explicacin considera el ms conveniente para la administracin
Pblica?. Como se haba enunciado antes el tema central es la explicacin cientfica a
travs del Modelo de Importancia o relevancia estadstica, SR Model (Woodward. 2003),
ahora bien tomaremos este modelo para aplicarlo dentro del campo de la administracin de
lo pblico.
La estructura en la cual est fundado el SR Model lo hace ms pertinente para el
desarrollo de estudios cientficos en el campo de la Administracin pblica ya que su

componente cuantificable lo hace ms eficaz a la hora de tratar problemas sociales,

econmicos e institucionales, as como la discriminacin de los grupos poblacionales
o grupo de inters. Lo vemos ms claro en el siguiente ejemplo que expone Woodward. To
illustrate this idea, suppose that in the birth control pills example (2.5.2) the original
population T includes both genders. Then P(Pregnancy|T.Male.Takes birth control pills) =
P(Pregnancy|T.Male) = 0, while P(Pregnancy|T.Female. Takes birth control pills)
P(Pregnancy|T.Female) assuming that not all women in the population take birth control
pills. In other words, if you are a male in this population, taking birth control pills is
statistically irrelevant to whether you become pregnant, while if you are a female it is
relevant. In this way we can capture the idea that taking birth control pills is explanatorily
irrelevant to pregnancy among males but not among females. (2003, p. 10).
Este modelo no deja todo en manos de la causalidad es un modelo que permite un anlisis
lgico, que permite operaciones matemticas, operaciones estadsticas y da respuestas bajo
estas premisas, y no bajo premisas argumentativas. La siguiente es la explicacin de
Woodward a esta caracterstica: The SR model has a number of distinctive features that
have generated substantial discussion. First, note that according to the SR model, and in
contrast to the DN/IS model, an explanation is not an argumenteither in the sense of a
deductively valid argument in which the explanandum follows as a conclusion from the
explanans or in the sense of an inductive argument in which the explanandum follows with
high probability from the explanans, as in the case of IS explanation. Instead, an
explanation is an assembly of information that is statistically relevant to an explanandum.
Salmon argues (and takes the birth control example (2.6.2) to illustrate) that the criteria
that a good argument must satisfy (e.g., criteria that insure deductive soundness or some
inductive analogue) are simply different from those a good explanation must satisfy. Among
other things, as Salmon puts it, irrelevancies [are] harmless in arguments but fatal in
explanations (1989, p. 102). As explained above, in associating successful explanation
with the provision of information about statistical relevance relationships, the SR model
attempts to accommodate this observation..

Todos los modelos tiene falencias este no es una excepcin pero con las falencias
encontradas por Woodward, se mantiene la premisa que es el ms conveniente para el
estudio de la administracin pblica. Veamos por qu: As we have just seen, the SR model
raises a number of interesting questions about the statistical explanation of individual
outcomesquestions that are important independently of the details of the SR model itself.
This section will abstract away from such questions and focus instead on the root
motivation for the SR model. We may take this to consist of two ideas: (i) explanations must
cite causal relationships and (ii) causal relationships are captured by statistical relevance
relationships. Even if (i) is accepted, a fundamental problem with the SR model is that (ii)
is falseas a substantial body of work[10] has made clear, casual relationships are
greatly underdetermined by statistical relevance relationships. Consider another example
from Salmon (1971): a system in which atmospheric pressure A is a common cause of the
occurrence of a storm S and the reading of a barometer B with no causal relationship
between B and S. Salmon claims that in such a system B and S will be correlated but that B
is statistically irrelevant to S given Ai.e. P(S|A.B) = P(S|A). By contrast, (Salmon claims)

A remains relevant to S given Bi.e., P(S|A.B) P(S|B) . Similarly, S is irrelevant to B

given A but A remains relevant B given S. In this way, Salmon's SR model attempts to
capture the idea that A is explanatorily (and causally) relevant to S while B is not and that
A is explanatorily and causally relevant to B while S is not. (Woodward. 2003).
La conclusin es que el modelo que mejor se adapta la investigacin y explicacin en
administracin pblica es el planteado por W.C Salmon y retomado en el texto de James
Woodward. Por que combina el carcter de causalidad y la aplicacin de la lgica
matemtica para comprender los diversos fenmenos sociales que afecta el mbito de la
administracin publica.

Referencias
Woodward James. Scientific Explanation. 2003.
Perdomo Inmaculada. Hacia una teora pragmtica de la explicacin. El debate entre
Wesley Salmon y Bas C. Van Fraassen. 2001. REVISTA LAGUNA, 9; julio 2001,
pp. 99-109
Ramn Alvarez Juan. Dos modelos de investigacin cientfica: Inferencias y
reconstrucciones. 1988. Contextos (C.E.M.I. Univ. de Len), XII/23-24, 1994, pp.
287-311