UNIVERSIDAD TECNICA DE

MANABI
FACULTAD DE CIENCIAS ADMINISTRATIVAS Y
ECONOMICAS CARRERA DE ECONOMIA

ASIGNATURA:
ESTADISTICA
DOCENTE:
ING. OCTAVIO ZORRILLA
TEMA:
EL IMPACTO DE LOS ERRORES EN LA INTERPRETACIÓN DE DATOS
ESTADÍSTICOS
ESTUDIANTE:
JIPA ANDY LISSED VALERIA
NIVEL:
III SEMESTRE DE ECONOMIA
PARALELO:
A
PERIODO ACADEMICO:
OCTUBRE 2023- ENERO 2024
 -2-

1. INTRODUCCION

El objetivo de este trabajo es ofrecer una visión general de los errores en la interpretación de
datos estadísticos más frecuentes, haciendo hincapié las limitaciones, para facilitar una
adecuada comprensión de los mismos. La información podrá ser básica o más compleja, donde
pueden tener un impacto significativo en los resultados a su uso en la investigación.

La interpretación de los resultados estadísticos es un elemento concluyente para la comprensión

de los avances en las ciencias, permitiendo transformar la incertidumbre y aparente caos de la
naturaleza en parámetros medibles y aplicables a nuestra práctica.

Las técnicas estadísticas son modelos matemáticos que requieren determinados conocimientos
para su interpretación, se repasan diversos aspectos de los diseños, resultados y análisis
estadísticos, intentando facilitar su entendimiento desde lo más elemental a aquello que es más
común.

Es importante tener en cuenta estos errores y tomar medidas para minimizar su impacto. Esto
incluye utilizar muestras representativas, utilizar instrumentos de medición confiables, tener
en cuenta posibles sesgos y asegurarse de tener una comprensión sólida de los conceptos
estadísticos antes de interpretar los datos, ser consciente de estos errores y tomar medidas para
minimizar su impacto en la interpretación de los datos.

El esfuerzo de entendimiento es imprescindible si se desea estar actualizado en los avances

científicos desde un compromiso ético. Además, dada la enorme producción científica
existente, favorecida por la necesidad de publicar para avanzar profesionalmente, se exige
saber interpretar los resultados estadísticos para desarrollar un espíritu crítico y valorar las
implicaciones para nuestra práctica e investigación.
 -3-

2. DESARROLLO

El Impacto de los Errores en la Interpretación de Datos Estadísticos

Los errores en la interpretación de datos estadísticos pueden tener un impacto explicativo en

los resultados y conclusiones de un estudio.

A continuación, veremos varios puntos clave que debemos tener en cuenta:

➢ Errores de muestreo: Estos errores ocurren cuando la muestra utilizada para el estudio
no representa adecuadamente a la población objetivo. Esto puede llevar a conclusiones
incorrectas sobre la población en general.
➢ Errores de medición: Estos errores ocurren cuando los instrumentos o métodos
utilizados para recopilar datos introducen inexactitudes. Por ejemplo, si un instrumento
de medición no es preciso, los datos recopilados pueden estar sesgados o incorrectos.
➢ Errores de sesgo: Estos errores ocurren cuando hay una tendencia sistemática en la
recopilación o interpretación de datos que distorsiona los resultados. Por ejemplo, si los
encuestados tienen una tendencia a responder de cierta manera debido a la forma en
que se formulan las preguntas, esto puede sesgar los resultados.
➢ Errores de interpretación: Estos errores ocurren cuando los investigadores o analistas
interpretan incorrectamente los datos. Esto puede deberse a una falta de comprensión
de los conceptos estadísticos o a una interpretación subjetiva de los resultados.

Tipos de errores de interpretación de resultados estadísticos más comunes

La interpretación de resultados estadísticos puede ser complicada y propensa a errores. A

continuación, se presentan algunos de los errores más comunes que se cometen al interpretar
resultados estadísticos:

❖ Error de causalidad: Este error ocurre cuando se asume que una correlación entre dos
variables implica una relación de causa y efecto. Es importante recordar que la
correlación no implica necesariamente causalidad.
❖ Error de generalización: Este error ocurre cuando se generalizan los resultados de un
estudio a una población más amplia sin tener en cuenta las limitaciones del estudio o
las características específicas de la población objetivo.
❖ Error de interpretación de p-valores: Los p-valores son utilizados para evaluar la
significancia estadística de los resultados. Sin embargo, es común cometer errores al
 -4-

interpretarlos. Por ejemplo, asumir que un p-valor bajo significa que los resultados son
importantes o relevantes.
❖ Error de interpretación de intervalos de confianza: Los intervalos de confianza
proporcionan una estimación del rango en el que se espera que se encuentre el
verdadero valor de una variable. Sin embargo, es común cometer errores al
interpretarlos. Por ejemplo, asumir que el valor real de la variable se encuentra dentro
del intervalo con un 100% de certeza.
❖ Error de interpretación de gráficos: Los gráficos pueden ser engañosos si no se
interpretan correctamente. Es importante asegurarse de comprender adecuadamente los
ejes, las escalas y la representación de los datos en un gráfico antes de sacar
conclusiones.
❖ Error de interpretación de términos estadísticos: La estadística utiliza términos
técnicos que pueden ser confusos para los no expertos. Es importante tener claridad
sobre el significado de estos términos para evitar errores de interpretación.

Existen varias formas de evitar o minimizar los errores de interpretación.

A continuación, se presenta algunas estrategias que puedes utilizar:

• Claridad en la comunicación: Es importante ser claro y conciso al transmitir

información. Utiliza un lenguaje sencillo y evita jergas o tecnicismos que puedan
generar confusión.
• Utiliza ejemplos y analogías: Los ejemplos y las analogías pueden ayudar a aclarar
conceptos complejos. Utiliza ejemplos concretos y situaciones cotidianas para facilitar
la comprensión.
• Confirma la comprensión: Asegúrate de que la otra persona haya entendido
correctamente lo que has comunicado. Puedes hacer preguntas para verificar su
comprensión o pedirle que repita la información en sus propias palabras.
• Utiliza diferentes formas de comunicación: No te límites a un solo medio de
comunicación. Utiliza diferentes formas como el habla, la escritura, gráficos o
imágenes para transmitir la información de manera más clara y completa.
• Simplificar la información: Si la información es compleja, tratar de simplificarla
dividiéndola en partes más pequeñas y fáciles de entender. Organizar la información de
manera lógica y secuencial.
 -5-

• Evitar las suposiciones: No dar por sentado que la otra persona tiene el mismo
conocimiento o experiencia que uno. Explicar los conceptos básicos y proporciona
contexto antes de abordar temas más avanzados.
• Solicitar retroalimentación: Pedir a la otra persona que dé su opinión o que haga
preguntas para asegurarte de que ha comprendido correctamente la información. La
retroalimentación ayudará a identificar posibles errores de interpretación.
Una mala interpretación estadística puede tener varias consecuencias negativas.

Mencionaremos algunas consecuencias negativas y los cuales son:

Toma de decisiones erróneas: Si se interpreta incorrectamente un análisis estadístico,

se pueden tomar decisiones basadas en información incorrecta. Esto puede llevar a
acciones inapropiadas o ineficientes en diferentes contextos, como en los negocios, la
medicina o la política, entres otros.

Pérdida de confianza: Una mala interpretación estadística puede enflaquecer la

confianza en los datos y en los métodos estadísticos utilizados. Esto puede llevar a una
desconfianza generalizada en los resultados estadísticos y en la ciencia en general.

Desperdicio de recursos: Si se interpretan incorrectamente los resultados estadísticos,

se pueden asignar recursos de manera ineficiente. Esto puede resultar en la asignación
de recursos a proyectos o iniciativas que no son efectivos o relevantes, mientras que se
descuidan áreas que podrían beneficiarse más.

Difusión de información incorrecta: Una mala interpretación estadística puede llevar

a la difusión de información incorrecta o engañosa. Esto puede tener consecuencias
negativas en la sociedad, ya que la información errónea puede influir en las opiniones
y decisiones de las personas.

Falta de reproducibilidad: Si los resultados estadísticos se interpretan

incorrectamente, puede ser difícil o imposible reproducir los resultados. Esto es
problemático, ya que la reproducibilidad es un principio fundamental de la ciencia y es
esencial para validar los hallazgos estadísticos.

A lo largo de la historia, ha habido varios casos en los que una interpretación errónea ha
tenido un impacto negativo en el campo de la ciencia.

Algunos ejemplos destacados son:

 -6-

1. El caso de la teoría de la herencia de Lamarck: Jean-Baptiste Lamarck propuso en

el siglo XIX que los caracteres adquiridos durante la vida de un organismo se podían
heredar. Esta interpretación errónea de la herencia tuvo un impacto negativo en la
genética, ya que llevó a una comprensión incorrecta de cómo se transmiten los rasgos
de una generación a otra. Fue solo con la llegada de la teoría de la evolución de Darwin
y la genética moderna que se corrigió esta interpretación errónea.
2. El caso de la teoría del flogisto: En el siglo XVIII, se creía que todas las sustancias
combustibles contenían una sustancia llamada flogisto, que se liberaba durante la
combustión. Esta interpretación errónea llevó a una comprensión incorrecta de los
procesos de combustión y oxidación. Fue solo con los experimentos de Antoine
Lavoisier que se demostró que la combustión involucraba la combinación de una
sustancia con el oxígeno del aire, y no la liberación de flogisto.
3. El caso del experimento de la replicación de la vida de Stanley Miller: En 1953,
Stanley Miller realizó un famoso experimento en el que simuló las condiciones
primordiales de la Tierra y logró sintetizar aminoácidos, los bloques de construcción de
las proteínas. Sin embargo, se interpretó erróneamente que este experimento
demostraba cómo se originó la vida en la Tierra. Posteriormente, se descubrió que las
condiciones en la Tierra primitiva eran diferentes a las simuladas en el experimento de
Miller, lo que llevó a una interpretación errónea de los resultados.
 -7-

3. RESUMEN

En resumen, los errores en la interpretación de datos estadísticos pueden tener un impacto

significativas o una mala interpretación estadística lo cual podría ocasionar consecuencias
negativas, incluyendo decisiones erróneas, pérdida de confianza, desperdicio de recursos,
difusión de información incorrecta y falta de reproducibilidad. Es importante tener un buen
entendimiento de los conceptos estadísticos y utilizar métodos adecuados de análisis e
interpretación para evitar estas consecuencias.

Para evitar estos errores, es recomendable contar con una comprensión sólida de los conceptos
estadísticos básicos, consultar fuentes confiables y buscar asesoramiento de expertos en
estadística cuando sea necesario.

Recuerda que la comunicación efectiva es fundamental para evitar errores de interpretación.

Utiliza estas estrategias para mejorar la claridad y la comprensión en tus interacciones
comunicativas.

Estos ejemplos expuestos ilustran cómo una interpretación errónea que puede tener un impacto
negativo en el campo de la ciencia, ya sea retrasando el progreso científico o llevando a
conclusiones incorrectas. Es importante que los científicos estén atentos a posibles
interpretaciones erróneas y realicen investigaciones rigurosas para evitar caer en ellas.
 -8-

4. CONCLUSION

• Es importante asegurarse de que la muestra sea representativa y esté seleccionada de

manera aleatoria, ya que estas se encuentran basadas en una muestra que no representa
adecuadamente a la población.
• Evitar los errores comunes mencionados anteriormente puede ayudar a garantizar una
interpretación más precisa y confiable de los datos, la interpretación de datos
estadísticos requiere atención cuidadosa y consideración de varios factores.

• considerar la variabilidad y utilizar técnicas estadísticas adecuadas para evaluar la

incertidumbre en los resultados.

• utilizar técnicas de muestreo adecuadas y asegurarse de que la muestra sea

representativa de la población.
 -9-

5. REFERENCIAS

Thinking, Fast and Slow" de Daniel Kahneman.

Naked Statistics: Stripping the Dread from the Data" de Charles Wheelan.
"How to Lie with Statistics" de Darrell Huff.