TRABAJOS DE ESTADISTICA Y

DE INVESTIGACION OPERATIVA
Vol. 32, N~m. 2, 1981, pp. 37 a 54

INFERENCIA ESTADISTICA Y METODO CIENTIFICO

Segundo Guti~rrez Cabria

Departamento de Estadlstica c In vestigaci6n
Operativa
Facultad de Matem~ticas. Valencia

RESUMEN

Un estudio en profundidad sobre la moderna metodologia en general, y sobre

los m~todos reductivos, en particular, arroja luz sobre algunos problemas de infe-
rencia estadlstica, objeto hoy de grandes discusiones. Se observa, de modo especial
que las contribuciones de la estadistica a la metodologla cientifiea no son propias
de ninguna escuela, to que contribuye a la creencia de que Iejos de excluirse, las
tales escuelas se complementan.

1. Introduccibn

E1 sentido del azar ha abierto brecha en los c~inones de la metodoIo-

gia cientifica. Si el saber no es patrimonio del conocimiento cierto, si
en las leyes naturales existe un ingrediente ineliminable de probabilidad,
toda interpretaci6n de la naturaleza imptica un riesgo de error y toda de-
cisi6n, un riesgo de p~rdida de utilidad. Pero, asf como ante un juego
de azar toda persona inteligente intuye f~icilmente aquellas estrategias
que le pueden proporcionar mfixima ganancia o minima p6rdida, cuan-
do se trata de inferir ta verdad en base a contenidos estad/sticos, la dis-
tribuci6n entre principios buenos y malos, de los que se deducen teyes
y generalizaciones, no es clara, sino llena de zozobras, frustraciones y
desacuerdos. Estos desacuerdos no debe sorprendernos el que se halten
a nivel te6rico y filos6fico, pero cabe esperar que no conduzcan a dife-

37
rencias sustanciales en las conclusiones que deben aceptarse en la pr~cti-
ca cientifica y e n los asuntos pfiblicos y e n los negocios.

De hecho las distintas escuelas que comparten hoy el dominio de

la estadfstica, difieren m~s en los principios q u e e n los resultados pr~c-
ticos. Asf, en el problema cl~sico de elegir entre dos hip6tesis simples,
en un cuerpo de evidencia dado, se ve una clara conexi6n entre la solu-
ci6n Bayes, la minimax, la clfisica de Neymann-Pearson y la fiducial de
Fisher, con resultados bastante parecidos. Estas analogias hicieron pen-
sar en si existfa conflicto entre dichas teorias o si eran meras interpreta-
ciones de una teorfa mils general. Indagaciones m~s precisas han llevado
a la conciusi6n de que existe verdadero conflicto entre elias, nacido fun-
damentalmente de las distintas interpretaciones del concepto de proba-
bilidad.

Hay varios modos, si no de resolver, al menos de soslayar este con-

flicto. Uno seria aplicar a cada problema la t~cnica m~is adecuada, toma-
da de la correspondiente teoria, 1o cual supone considerar el conflicto
s61o como aparente. Otra, ser~i pensar que el conflicto existente entre
diversas teorias estadisticas, se resolver~i a medida que progrese la cien-
cia estadistica, como ha ocurrido con otras ramas del saber en que tem-
poralmente han coexistido teorias antag6nicas hasta su final esclareci-
miento. Finalmente, se ha intentado -v~ase H.E. Kyburg ( 6 ) - crear una
estructura 16gica y formal, basada en el concepto de la "probabilidad
16gica", segfin Carnap, que resuelva los conflictos mencionados. Estos
intentos, hasta la fecha, han sido faUidos.

Lo m~is sensato, en tales circunstancias, parece ser seguir el consejo

de Edwards, cuando escribe: " N o creo que la aceptaci6n de algOn pun-
to de vista particular se deduzca de la creaci6n de un conjunto de axio-
mas, 1o m~is autoevidentes que puedan ser a sus creadores, sino que la
m~is apropiada base axiom~itica se conseguir~i una vez que haya general
acuerdo sobre los procedimientos pr~icticos lo mismo que ocurri6 con
'la probabilidad" (3). Y este consejo es tanto rvais digno de atenci6n
cuanto que hoy, como denuncia Kempthorne, "los varios grupos pare-
cen incapaces de comunicarse unos con otros y se est~i llegando a una
situaci6n en que cada uno es sacerdote con la propia religi6n priva-
da" (5).

38
 Mirar atentamente los cimientos de la metodologfa cientffica, don-
de la inferencia estadistica aporta sus instrumentos, donde encuentra
su natural aplicaci6n y donde est/m sus raices, parece, no s61o sensato,
sino necesario. Y no nos escandalicemos de cismas dentro de la esta-
distica, cuando la metodologia general tiene tambi6n los suyos: men-
cionaremos el problema de la inducci6n y la constataci6n de la probabi-
lidad de las hip6tesis. Pero la propia metodologia moderna nos advierte
que las distintas tendencias metodol6gicas no son, en general, alterna-
tivas exclusivistas, sino aspectos complementarios del pensamiento.
Es este aspecto de complementaridad y subsidiariedad de las distin-
tas escuelas estadfsticas, el que pretendemos subrayar a 1o largo de este
trabajo.

Para ello, veamos c6mo nace y se desarrolla el conocimiento hu-

mano y c6mo asiste la estadfstica a este nacimiento y progreso.

2. La reducci6n cient/fica

Si el conocimiento cientifico no estfi dado inmediatamente, es pre-

ciso llegar a 61 por otro, mediatamente. Ya que el objeto de este conoci-
miento es un contenido y 6ste es captado, a su vez, por una proposici6n,
resulta q u e e n todo conocimiento mediato hay un concluir una proposi-
cibn de otra o un deducir la segunda de la primera. Hablaremos en ade-
lante de enunciados con sentido, mils bien que de proposiciones, ya que
la verdad de toda proposici6n ha de ser intuible directa o indirectamen-
te. Los enunciados supuestos son las "premisas" y el deducido, la "con-
clusi6n". La regla de conclusi6n se llama " d e m o s t r a c i 6 n " .

Lukasiewicz (7) divide todos los procedimientos de conclusi6n en

dos clases: l) Deducci6n: Si A, tambi6n B; es asi que A; luego B (es la
regla " m o d u s ponendo ponens" que no presenta dificultades en la con-
clusi6n). 2) Reduccibn: Si A tambi6n B; es as/ que B; luego A. Este
concluir la premisa mayor desde la consecuencia de una condicionali-
dad es una regla sospechosa y un procedimiento no v~lido segfin las
leyes de la 16gica. Con todo es una regla frecuentemente usada en la
ciencia. Un caso particular de la reducci6n es la induccibn, como de-
mostr6 Lukasiewicz y e s f~cil de vet. No vamos a entrar, pot ahora al

39
 menos, en el arduo "problema de la inducci6n" planteado ya por Aris-
t6teles. La inducci6n corresponde a una reducci6n en la que la premisa
" m a y o r " es una generalizaci6n de la " m e n o r " , en caso contrario tene-
mos la "reducci6n no inductiva".

A parte de esta matizaci6n, la reducci6n (al igual que la deducci6n)

puede ser progresiva y regresiva. Esta distinci6n es importante desde el
punto de vista de la inferencia estadistica. En ambas reducciones se co-
noce la premisa menor pero no la mayor. En la reducci6n progresiva
se empieza por la premisa mayor, desconocida, y se procede hacia la
menor conocida o comprobable. A esta reducci6n se le llama tambi6n
verificaci6n. La reducci6n regresiva empieza por el contrario, en la
premisa menor, conocida, y se va hacia la m a y o r , desconocida. A la
reducci6n regresiva se le llama tambi6n explicaci6n.

En el m6todo cl~sico llamado hipot~tico-deductivo se alude a estas

dos direcciones de la reduccibn: es " h i p o t 6 t i c o " por cuanto se constru-
yen hip6tesis"explicatorias" de unos hechos observados; es " d e d u c t i v o "
por cuanto se " d e d u c e n " de las hipbtesis unos hechos, premisas meno-
res, verificables. La palabra deducci6n, tiene aqui, un sentido especial
de reducci6n progresiva. La mala inteligencia de esta palabra ha condu-
cido a muchos confusionismos por parte de estadisticos empe~ados en
explicar la 16gica de la estadistica a la luz del m6todo deductivo.

Dentro de la reduccibn regresiva estamos interesados en la explica-

ci6n de enunciados ya conocidos (menor) en su sentido a partir de otros
explicatorios (mayor) no conocidos en su valor de verdad. Explicar, en
este sentido, consiste en construir un sistema axiom~tico en el que se
deduzca el enunciado que se quiere explicar.
Formulado un enunciado explicatorio reductivamente, se procede,
de ordinario, a su verificaci6n (comprobaci6n o rechace) mediante la
reducci6n progresiva. Esto sucede asi: del enunciado reductivo (mayor),
ya formulado, se deducen nuevos enunciados (menor), a base de un sis-
tema axiom~tico (no estrictamente Ibgico sino que contiene, por lo co-
mOn, otros enunciados obtenidos reductivamente), verificables directa-
mente en su correspondiente dominio cientifico, cuyo valor de verdad
es constatable. Iuego, se llevan a cabo operaciones (experimentos, etc.)
necesarias para determinar este valor de verdad de los enunciados de-
ducidos. Si resulta que son verdaderos, se tiene una confirmaci6n del

40
resultado del que se ban deducido. Si son falsos, tenemos una "falsa-
ci6n", segfan la terminologia de Popper (8), en cuyo caso el enunciado
es rechazable por falso.
Tanto en la reducci6n progresiva c o m o en la regresiva aparecen
enunciados, en forma de premisa menor cuyo significado preciso dare-
mos luego, pero que, podemos adelantar, aportan informaci6n de natu-
raleza estadistica. Esto es importante subrayarlo, pues pone de manifies-
to la presencia del m6todo estadistico en ambas vias reductivas.
E1 concepto de reducci6n permite agrupar un gran nfimero de cien-
cias en una sola clase. Entre las que usan tal m6todo principalmente, es-
t~in las inductivas y, de elias, un grupo importante lo c o n s t i t u y e n las
empiricas de las que conviene destacar las naturales y las hist6ricas.

3. Estructura y progreso de las ciencias de la naturaleza

Las ciencias empiricas se caracterizan por el hecho de que en todos

sus enunciados sobre fenbmenos aparecen enunciados protocolarios
que constituyen, en cierto sentido, el fundamento de t o d o el sistema.
Se llaman asi porque son como los protocotos que llevan las notarias
donde, registran los hechos de los que hart de dar fe, y est~n contenidos
en t o d o tipo de informes de observaci6n. E1 nombre es debido a Neu-
rath. Un enunciado protocolario contiene regularmente las coordenadas
de espacio y tiempo, circunstancias y descripci6n del fen6meno. Tienen
especial importancia en las ciencias naturales, en las que el m 6 t o d o
estadistico cobra inusitada importancia como se indica a continuaci6n.
E1 punto de partida de una ciencia natural est~i constituido por es-
tos enunciados protocolarios que son las observaciones primarias del in-
vestigador. Estos enunciados tienden a aumentar a medida que la in-
vestigaci6n prosigue y constituyen el primer grado en la estructura de
una ciencia natural.
E1 an~lisis de estos datos, observaci6n de caracteres comunes
(clasificaci6n), seguida de razonamiento, conduce a la formulaci6n de
"enunciados universales sintbticos" que "explican" los protocolarios,
deductibles de ellos segfin las teorias ya existentes y mediante alguna
ley lbgica. Antes de ser verificados se llaman "hip6tesis" y una vez lo
han sido, leyes cientifico naturales.

41
 As/ se forma el segundo grado de enunciados en las ciencias natura-
les: ias hip6tesis o teyes, formuladas directamente o por via reductiva,
en base a enunciados protocolarios.

Construyendo un tercer grupo de enunciados de los que puedan de-

ducirse leyes y que sirvan, pot 1o tanto, a su "explicaci6n"~ se logran
las
9 " t e o r i a s " , por un procedimiento totalmente an~ilogo al que sirvi6
para obtener las leyes. Las teorias constituyen, pues, un piano superior
alas leyes y explican un grupo de ellas.

E1 proceso podria continuar obteni6ndose construcciones 16gicas de

las ciencias naturales m~s y m~is universales: explicaci6n de teorias, etc.
En la pr~ctica, suele cefiirse la atenci6n a la consideraci6n de enunciados
protocolarios, leyes y teorias.

Debe observarse que en la construcci6n de las ciencias naturales se

emplea indistintamente la explicaci6n y la verificaci6n. Esta t~ltima ha
quedado altamente potenciado por la inferencia estadistica, a la que al-
gunos restringen el campo de su aplicaci6n.

Formuladas tas hip6tesis que pretenden explicar los enunciados pro-

tocolarios, se deducen de ellas enunciados protocolarios que no exis-
t/an afln con valor de verdad t~cnicamente constatable. Realizada la
operaci6n de su constataci6n, mediante experimentos u otras observa-
ciones, se logra su confirmaci6n o falsaci6n. Si los enunciados deduci-
dos de las hip6tesis son verdaderos, se pueden convertir estas en leyes.
Esto ocurrir~ si se confirmaron en muchos casos por medio de la verifi-
caci6n y e n ninguno resultaron falsadas.

Advi6rtase la importancia que tiene la formulaci6n de hip6tesis que

regulan la observaci6n. No es posible pensar en una experiencia sin una
hip6tesis que le sirva de guia. Ha de afirmarse la preponderancia de los
enunciados protocolarios, aceptar 1o que sirva para su explicaci6n y re-
chazar todo 1o que los contradiga (de aqui el car~icter empirico de estas
ciencias); pero no constituiria una ciencia una clase de estos enunciados
sin generalizaciones, ni estas sin aquellas.

El siguiente esquema de la figura 1 describe la estructura de las

ciencias empiricas.

42
 t% /$

,-;r- -" , :%7 --~- ~.,--- :.i'

FIGURA 1

E1 movimiento del pensamiento va de PIt a HI (reducci6n regresiva

o inducci6n); luego H i a P~ (verificaci6n o deducci6n); despu6s a H2, y
asf sucesivamente. De HI y H2 se obtiene la teoria Tt de la que se dedu-
ce H3 y luego el enunciado protocolario p3 que se verifica. El ciclo si-
gue. E1 esquema iterativo exige un camuflado " f e e d back" como mues-
tra la figura 2.
Como en t o d o feed back hay, naturalmente, un desajuste entre 1o
que la teorfa sugiere y la prfictica exige: es la fluctuaci6n.

4. La investigacibn de la naturaleza y la estadistica

A trav6s del pfirrafo anterior se ha visto cufil es la estructura de las

ciencias de la naturaleza y c6mo progresan. En elias se dan dos tipos de
elementos, los te6ricos y los empfricos. L6gicamente consideradas, los
etementos te6ricos son el "fundamento" de las ciencias reductivas y los

43
 [ Enunciados
I I pi+l

'I I
I
t Hi+l
I
~ Induccion
I 1
1

-- Fluctuaci0n

T
H~
] I Consecuencias
de H~

i Deduccion 1 It,,

FIGURA 2

e n u n c i a d o s p r o t o c o l a r i o s , las consecuencias; p e r o "criteriol6gicamente",

son los e n u n c i a d o s p r o t o c o l a r i o s los que est~n al principio, los q u e for-
man el sustrato de la ciencia. La investigaci6n de la n a t u r a l e z a no pue-
de olvidar esto: es un p r o c e s o de aprendizaje eontrolado en que diver-
sos a s p e c t o s de un p r o b l e m a se van a c l a r a n d o a m e d i d a que el estudio
prosigue. El papel de la estadistica es asistir a este p r o c e s o y suminis-
trarle los i n s t r u m e n t o s .

Hay una primera c o n j e t u r a , o hip6tesis inicial que sugiere la reali-

zaci6n de u n e x p e r i m e n t o ; el anfilisis de los datos asi g e n e r a d o s c o n d u c e
a una nueva hipbtesis la cual, a su vez, c o n d u c e a u n n u e v o e x p e r i m e n -
to, y asi sucesivamente. Es, en resumen, el proceso e s q u e m a t i z a d o en las

44
 de experimentos

Hip6tesis Oatos

Analisis de d~.o ~

FIGURA 3

figuras 1 y 2 pero donde la inducci6n implica el diseno de un experi-

mento y la deducci6n, un an~ilisis de datos, como indica la figura 3.
Pueden verse detalles en G. Box (2).

Naturalmente, y de acuerdo con el esquema de la figura 2, un dise-

rio Di aplicado a una hip6tesis Hi conduce a una nueva hip6tesis Hi., la
cual, a su vez, sugiere un nuevo dise~o Di§ i. La investigaci6n ser~ tan-
to m~is eficiente cuanto la convergencia a los objetivos del problema
sea m~is r~pida y precisa. Esta eficiencia no depender~ exclusivamente
del estadistico; existen elementos de la investigaci6n que no est~in bajo
su control, como son la imaginaci6n y poder de conjetura del investiga-
dor, su conocimiento de la materia, etc. Ya expusimos la importancia

45
 que tienen, en la experimentaci6n, las hipbtesis que la sirven de guia.
Por lo demos, la eficiencia de la investigaci6n est~i /ntimamente ligada
a la elecci6n de los m6todos adecuados de disefio y amilisis y a su fuerza
probadora. Un tratamiento metodolbgico de la investigaci6n cientifica
no podr& pues prescindir del diseao de experimentos y del andlisis es-
tadistico. Dentro del anfilisis estadfstico, merece especial atenci6n la
"inferencia estadfstica". Su utilizaci6n en la investigaci6n est~ ligada
al uso de los modelos y a la realizaci6n de experimentos.

5. El experimento

Vimos que la verificacibn suponia llevar a cabo ciertas operaciones

generadoras de observaciones conducentes a la confirmaci6n o falsaci6n.
Ciertas ciencias empiricas como las psicolbgicas admiten, segfln algunos
investigadores como m6todo de observaci6n, la introspecci6n. Esto es
una excepci6n; en la mayoria de las ciencias de la naturaleza la observa-
cibn es exclusivamente sensible y externa. Los enunciados protocolarios
son de este tipo y se dan inclusive en ciencias no empfricas como la
cosmologia filos6fica. En el caso m~s corriente se obtienen mediante la
experimentaciOn.
Existe una evidente analogia entre experimentaci6n y "comunica-
cibn" a trav6s de un "canal ruidoso". Las entradas son los estados de la
naturaleza y las respuestas, los resultados del experimento. La informa-
cibn transmitida mide el promedio de incertidumbre que queda elimina-
da por el experimento acerca de los estados de la naturaleza. Serfi ejecu-
tado aquel experimento con mayor informaci6n esperada. E1 proceso
es el de una "caja negra" seg~n el esquema de la figura 4.

Entradas .~
~- Respuesta
Sistema
( Estados de la
(Experimento) (Observaciones)
naturaleza )

FIGURA 4

46
 Algunos autores, como D.A.S. Fraser (4) llaman sistema aleatorio
al concepto aquf resefiado y reservan la palabra experimento para in-
vestigaciones en las que las entradas est~in controladas por existir al-
guna relaci6n de causa-efecto. El control de las entradas puede ser de
dos clases: entradas diseaadas o planificadas de suerte que la modifica-
ci6n de alguna, dejando fijas las demits, permita detectar su influencia
en las respuestas: tenemos entonces el dise~o de experimentos; pero
puede suceder que las entradas no sean directamente controlables y se
haga su elecci6n aleatoriamente, en cuyo caso se origina un efecto alea-
torio sobre las respuestas. La aleatorizaci6n externa de las entradas an-
te diversas realizaciones del experimento provee de una cierta compen-
saci6n de la falta de control de dichas entradas. Esta aleatorizaci6n
externa es una componente de la inve~tigaci6n que determina la aleato-
riedad del experimento o sistema. Queda as/aclarada la distinci6n entre
experimento (o sistema aleatorio) y disefio de experimentos.

6. El modelo estadistico

E1 concepto de modelo ha sido m u y debatido estos flltimos afios y

ha recibido diferentes acepciones segfln el dominio cientifico cultivado
por los distintos tratadistas. Nosotros, y de acuerdo con el fin persegui-
do en este trabajo, entenderemos por modelo " u n producto fisico, ob-
servable en principio a simple vista, que tiene la misma forma que el ob-
jeto o contenido representado en el enunciado cientffico". Segfln esta
definici6n, de I. M. Bochenski (1), una maqueta de un edificio es un
modelo de dicho edificio; una esfera en torno a la cual giran otras m~is
pequefias a distancias determinadas es un modelo de la teoria at6mica
de Bohr. Tal modelo no es preciso que pueda ser construido: basra
con que sea pensado o imaginado. Cuando se dice de ciertas teorfas mo-
dernas (pot ejemplo de la fisica) que no tienen modelo, quiere decir
que no pueden set imaginadas, que tenemos de elias un sentido mera-
mente operacional, pero no eid~tico. Puede, incluso, haber enunciados
con sentido eid6tico y operacional pero sin posible representaci6n
sensible por corresponder a imhgenes visibles intelectualmente, como
ocurre con algunas proposiciones de la fenomenologia y de la ontolo-
gfa.

47
 Estas teorias sin modelo son obtenidas muchas veces, como ocurre
en algunos campos de la investigaci6n actual, a partir de otras con mo-
delos, mediante una amplia aplicaci6n del formalismo. Seve la interco-
nexi6n entre teorias y modelos. Un modelo, j u n t o con su interpreta-
ci6n real, constituye una teoria.

De todos los modelos, los mhs importantes son los que utilizan los
simbolos matem~ticos.

Si quiero establecer una teoria acerca de la relaci6n existente entre

volumen y presi6n de gases a temperatura constante, puedo ejecutar
el experimento de Boyle-Mariotte. E1 resultado es un conjunto de me-
didas de presiones y otro de medidas de volfimenes. Observo que el pro-
ducto de los pares de nflmeros correspondientes a cada prueba es coin-
cidente. Si llamo P al conjunto num&ico de presiones y V al de vohl-
menes y escribo P V = 0, donde 0 es una constante, tengo un modelo
matem~itico de la relaci6n buscada.

En general, si representamos con E el rendimiento del experimento

o sistema generador de respuestas, con X I , ..., Xn, las variables de entra-
da sobre las que se puede actuar y con Y1, ... Ym, las variables respues-
ta, no controlables, la f6rmula matem~itica de un modelo adopta la for-
ma general:

E = f ( X t ..... Xn ; Y I , . . . , Yrn )

Los recorridos de las variables pueden fijarse mediante una serie de

ecuaciones o inecuaciones suplementarias. Para la investigaci6n esta-
dfstica el modelo tradicional es una clase de variables aleatorias y el fin
que se persigue es obtener la variable que describa m~is exactamente el
sistema objeto de investigaci6n. Se trata de un sistema estable o bajo
control estadfstico, esto es, aqu61 en que cada serie de entradas da lugar
a respuestas que obedecen a distribuciones de probabilidad. En su forma
descarnada este modelo est,lndar es sencillamente una clase de variables
aleatorias de par~metro 0 que puede representarse por E = ( y ( 0 ) :
0 E $2), donde y(O) = (u fl, Po) es un espacio de probabilidad, y I2 es
un espacio de estructura no especificada (espacio param6trico); u el
espacio de respuestas, fl la clase de conjuntos de Borel y Po la clase de
distribuciones de probabilidad de las variables respuesta. El modelo

48
tas flltimas (y de aqu/ la importancia que puede tener la independencia
relativa de los subsistemas de una teoria). Asi, pues, lleva a cabo sus
contrastaciones, lo m~s sensibles que puede, con respecto a una sola
cuesti6n, pero lo m~is insensibles que puede, con respecto a todas las
dem~is cuestiones enlazadas con ella. Una parte de su tarea consiste en
cribar todas las posibles fuentes de error. Pero seria una equivocaci6n
creer que el e x p e r i m e n t a d o r pr oc e de de este m o d o con o b j e t o de facili-
tar el trabajo del te6rico o quiz~i para pr op orci onar a este flltimo una ba-
se en que ap o ya r generalizaciones inductivas. Por el contrario, el cien-
t/rico te6rico tiene que haber realizado mucho antes su tarea, o, al me-
nos, la parte m~is i m p o r t a n t e de ella: la de formular su pregunta lo m~is
netamente posible; por tanto, es 61 quien indica el camino al experimen-
tador. Pero incluso 6ste no est~i dedicado la m a y o r i a de las veces a hacer
observaciones exactas, pues tambi6n su' tarea es, en gran medida de tipo
te6rico: la tarea campea en el trabajo experimental, desde que se esta-
blecen los planes iniciales hasta que se dan los filtimos t o q u e s en el la-
b o r ato r io " .

Por e x p e r i m e n t a d o r hemos de entender aqui no s61o el que realiza

experimentos sino tambi6n el que explota la informaci6n obtenida, el
estadistico. La doble labor del estadistico y la del cientifico est~n dise-
fiadas en el esquema de la figura 5.

De los hechos a priori que reflejan los verdaderos estados de la na-

turaleza, por via reductiva o directamente, el cientifico formula sus
hip6tesis o leyes, su modelo, Mi. E1 estadistico consulta n u e v a m e n t e
a la naturaleza, la misma que inspir6 al cientifico su modelo, extrayen-
do nuevos datos con los que realiza el disefio Di, y los que c o n f r o n t a al
modelo Mi. Los datos utilizados para esta c o n f r o n t a c i 6 n del m o d e l o han
de ser distintos de los que sirvieron para su construcci6n (lo que impli-
ca una dicotomizaci6n de los hechos a priori), pues de 1o contrario se
incurrir~ en un cfrculo vicioso. Los nuevos datos estar~n de acuerdo o en
desacuerdo con Mi. Es 6ste un proceso de diagn6stico. En caso de exis-
tir desacuerdo, cabe preguntarse por qu6. Los instrumentos estadfsticos
utilizados para este an~ilisis son los diversos tests de la b o n d a d de un
ajuste, an~lisis de la varianza residual, etc. Puede suceder que sea acon-
sejable cambiar Mi por un nuevo modelo Mi§ que sera som et i do a
prueba de los mismos datos obt e ni dos o a ot ros nuevos, si asf |o exige
la independencia de la prueba, para lo que se dise~aria un nuevo expe-
rimento Di +1.

49
 Hechos a priori de la
Naturateza

(Dicotomizacionl

[
Oi+' I
I, Mi+1
I
I
t I
P Oi 14
O epu racio n"~==l~l Mi J
del modelo ~ I 4 I
I I
I I
_._1 L I

I Ei+l i

I
I
I
I
I
Estimacion~l I
del modelo ~ : ~ 1 I
I
I i
1 I
L J
FIGURA 5

50
consta, pues, de un con]unto de descripciones posibles para la investiga-
ci6n, una para cada valor de 0, en correspondencia con el rango de posi-
bilidades de las caracterfsticas desconocidas del problema investigado
y se trata de obtener la mils precisa. Gran parte de la labor estadfstica
consiste en el arte o ciencia de construir modelos cientfficos de natura-
leza probabil/stica, m~is y m~is fiables.

7. Las fronteras de la inferencia estadistica

Ha llegado ya el m o m e n t o de analizar cual es la aportaci6n de la es-

tadfstica en general y de la inferencia estadfstica en particular, a la
metodolog/a general cientifica.

La estad/stica general, en el proceso de recogida y anfilisis de datos,

ha sido contemplada ya en la primera fase del proceso de formaci6n de
las ciencias naturales. Es una fase meramente descriptiva que recoge da-
tos, las observaciones protocolarias, los analiza y termina con la formu-
laci6n de los enunciados universales sint6ticos.

La inferencia estad/stica interviene en las fases segunda y tercera

que culminan con la obtenci6n de modelos de las teor/as cient/ficas.
Hemos recalcado ya que la ciencia progresa, no por meras especulacio-
nes te6ricas, sino por una feliz simbiosis entre la teoria y la pr~ictica, su-
ficientemente iteradas. En esta iteraci6n de la teorfa y la pr~ictica, nue-
vos datos sugieren nuevos modelos te6ricos y un nuevo modelo propues-
to inspira nuevos exfimenes y analisis de los datos obtenidos o que de-
ben adquirirse. La dualidad de los procesos de inducci6n y deducci6n
conducen as/ a mejorar los modelos paulatinamente, pero siempre en
presencia del estad/stico.

Esta presencia se manifiesta en un doble proceso que pudi6ramos

denominar de depuracibn y estimaci6n del modeto cientffico. Este do-
ble proceso constituye la fase inferencial que atafie al estad/stico a la
cual precede otra, preinferencial, que compete al cient/fico. Karl Pop-
per (8) describe as/ ambas fases del m6todo cientffico: " E l cient/fico
te6rico propone ciertas cuestiones determinadas al experimentador, y
este flltimo, con sus experimentos, trata de dar una respuesta decisiva
a elias, pero no a o t r a s cuestiones: hace cuanto puede por eliminar es-

51
 Caso de haber llegado a la obtenci6n de un modelo aceptable, esto
es, aproximado suficientemente a la realidad que ha servido de verifica-
ci6n o contraste, puede procederse a estimar sus parfimetros, en base a
esa misma realidad con la que se ha probado est~i conforme. En reali-
dad, esta estimaci6n es necesaria en cada prueba de depuraci6n del mo-
delo provisional, pues es el finico modo de ver si se aproxima o no a los
hechos reales.

Asf como las t6cnicas estadisticas utilizadas en la depuraci6n del

modelo pertenecen a la escuela clfisica, el probtema de la estimaci6n
puede hacerse por m6todos clfisicos o bayesianos, fiduciales o estructu-
rales, todo lo cual pone de manifiesto la complementariedad de las es-
cuelas, y en su caso, la subsidiariedad, como habiamos anunciado al
principio. Pero bcufiles de estos m6todos preferir?

8. La praxis

Entramos aquf en un terreno delicado donde la pol6mica se ha

exacerbado a veces y donde los dogmatismos deben desecharse a priori.

a) Hay una primera idea que ha de tenerse presente: t6cnicas em-

pleadas por Fisher que han dado buenos resultados, no han
tenido igual 6xito utilizadas por otros y e s que frecuentemente
se t o m a n las t6cnicas y se olvidan las ideas que las inspiraron.
Por eso, el propio Fisher no consentia en que el estadfstico se
limitara a analizar los datos suministrados por otro investiga-
dor sin haber t o m a d o parte en el disefio de la investigaci6n. La
conclusi6n es que si todas las t6cnicas dan aproximaciones
mejores o peores, es punto fundamental su correcta aplicaci6n,
no debiendo utilizarse aquellas cuyo manejo no se domina com-
pletamente.
b) M6todo cientffico y concepci6n general del m u n d o est~n en mu-
tfia dependencia, de m o d o que cambios sustanciales en uno de
los dos campos implica una revisi6n y modificaci6n en el otro.
T6cnicas y concepci6n del m u n d o se influyen pues, con reci-
procidad. Los m6todos de inferencia estadfstica, como partes in-
tegrantes de toda investigaci6n cientffica, sobreentienden un

52
 sentido en el conocimiento y resultan por tanto c o m p r o m e t i d o s
con una concepci6n general del mundo, al menos a grandes
rasgos. De aqui se desprende la imperiosa necesidad que hoy
tiene el investigador, en general, y el estadistico en particular,
de estar m u y atento a las nuevas corrientes del pensamiento a
fin de aplicar a su estudio las t6cnicas m~is adecuadas, dentro de
la escuela m~is acorde con los principios de la ciencia imperante,
y esto porque aunque la deducci6n 16gica de resultados es de
gran importancia en estadistica, como se ha visto, tales deduc-
ciones est~in inmersas en el hecho de que tanto premisas como
consecuencias no describen la verdad natural.

c) A la hora de construir el modelo, depurarlo y estimarlo, hay

una serie de reglas pr~icticas que ban de tenerse en cuenta: que
se d6 u n a condici6n del modelo formulado (postulado del de-
terminismo); que s61o uno de los fen6menos enumerados pueda
ser la condici6n (postulado del sistema concluso); que se elijan
aquellas hip6tesis cuyo contenido de verdad est6 m~is en cone-
xi6n con el de Ia totalidad del modelo (postulado de conexi6n
axiom~tica); finalmente (postulado de simplicidad), que se elija
el modelo m~s sencillo y, en igualdad de otras circunstancias,
los procedimientos m~is simples de estimaci6n.

d) En la depuraci6n del modelo son t6cnicas cl~isicas, como diji-

mos, las que se presentan como m~is adecuadas. El desajuste
entre el modelo y el mundo real de los hechos puede medirse
en t6rminos de probabilidad. Para cada problema especifico,
cada investigador, indagar~i la medida m~is procedente. En gene-
ral, como ya apuntamos, se trata de tests para medir la bondad
de un ajuste, basados en la • de Pearson, tests de la media,
tests de la varianza residual. En la estimaci6n de los par~imetros
se puede optar por la via bayesiana o por la cl~sica, segfln las ca-
racteristicas del modelo y sobre todo, de la relevancia que pue-
de tener la informaci6n a priori y del conocimiento que haya
acerca de su distribuci6n probabilistica. Elegido uno u otro
procedimiento, hay que seguirlo coherentemente. Si nos decidi-
mos por la estimaci6n cl~isica, el modelo constituye, en esencia,
la hip6tesis nula; si entramos por la vfa bayesiana, el modelo es
la distribuci6n a priori.

53
 No e n t r a m o s en detalles sobre la b o n d a d de cada u n o de estos dos
p r o c e d i m i e n t o s (tema sobre el que t a n t o se ha escrito), ni de las particu-
laridades de su ejecuci6n, ni de los i n s t r u m e n t o s que necesitan. Nuestra
meta era otra.

REFERENCIA BIBLIOGRAFICA

(1) Boehenski, L: "Die zeitgenoszischen Denkmethoden". Mtinchen, 1957 (Existe

traducci6n espafiola por editorial Rialp).
(2) Box, G.E.P.: "Science and Statistics". JASA, 1976.
(3) Edwards, A.I~.F.: "R. A. Fisher's work on statistical inference". Con. sui
Fond. dell "Infer. Stat. Florencia, 1977".
(4) Fraser, D.A.S.: "Inference and linear models". McGraw Hill, 1979.
(5) Kempthorne, 0.: "Probability, Statistics and knowledge".
(6) Kyburg, H. E.: "The logical foundations of statistical inference". Riedel
Pub. Comp., 1974.
(7) Lukasiewicz, J.: "Sobre la 16gica trivalente". En Ruch f'flozofiezny, 1920.
(8) Popper, K. R.: "La 16gica de la investigaci6n cientifica". Ed. Tecnos, 1967.

54