Pensamiento estadístico para investigar y decidir

Objetivo didáctico

Al terminar esta ficha serás capaz de sintetizar evidencia estadística para formular y defender una decisión a partir de una muestra, utilizando estimación, intervalos de confianza, pruebas de hipótesis, criterios de diseño de encuestas y análisis reproducible básico en R o Excel, sin confundir incertidumbre estadística con certeza sobre el mundo real.

Introducción

Buena parte de las decisiones contemporáneas se toman sin observar a toda la población relevante. Un municipio no entrevista a cada habitante antes de modificar una ruta de transporte; una organización no consulta a todos sus clientes antes de rediseñar un servicio; una investigación no estudia a cada individuo posible antes de proponer una conclusión. Se trabaja con muestras, registros incompletos y mediciones sujetas a variación. El problema matemático es extraordinario: ¿cómo aprender algo sobre lo que no observamos a partir de lo que sí observamos?

El pensamiento estadístico avanzado comienza precisamente cuando dejamos de tratar un número observado como si fuera una propiedad exacta del mundo. Un 58 % obtenido en una encuesta no significa simplemente “58 % de la población piensa así”. Significa que, bajo un diseño específico, una muestra produjo una estimación de 0.58 y que su utilidad depende del mecanismo de selección, del tamaño muestral, de la formulación de las preguntas, de la falta de respuesta, de los supuestos del modelo y del propósito de la decisión.

Esta distinción importa porque los errores estadísticos rara vez permanecen dentro de una hoja de cálculo. Una encuesta mal diseñada puede distorsionar prioridades públicas; una prueba de hipótesis interpretada mecánicamente puede convertir una diferencia irrelevante en una “conclusión científica”; un intervalo de confianza demasiado amplio puede esconder una decisión que todavía no está madura. La matemática adquiere aquí una dimensión ciudadana: decidir con datos también significa reconocer qué datos faltan y quién quedó fuera de la medición.

El recorrido conectará cinco piezas: inferencia, intervalos de confianza, contrastes de hipótesis, diseño de encuestas y herramientas computacionales. El objetivo no es memorizar procedimientos aislados, sino construir una cadena argumentativa que vaya desde la pregunta hasta la decisión. En esa cadena, R y Excel cumplen un papel instrumental: permiten calcular y reproducir análisis, pero no sustituyen la responsabilidad de formular una buena pregunta ni de interpretar correctamente el resultado.

Desarrollo del tema

Inferir: del dato observado a una población que no vemos

Una estadística muestral —una media, una proporción, una diferencia entre grupos— cambia de una muestra a otra. Esa variabilidad no es un defecto accidental: es el fenómeno central que hace necesaria la inferencia. Si se seleccionaran repetidamente muestras aleatorias de 600 personas de una misma población, difícilmente todas producirían exactamente la misma proporción de apoyo a una política. La distribución que tendrían esas estimaciones bajo repetición hipotética es la distribución muestral, y su dispersión se resume mediante el error estándar.

Supóngase que 348 de 600 personas seleccionadas bajo un diseño probabilístico apoyan ampliar el servicio nocturno de transporte de una ciudad. La proporción observada es 348/600 = 0.58. Ese 58 % es una estimación puntual del parámetro poblacional, no el parámetro mismo. Bajo una aproximación binomial sencilla, el error estándar estimado de la proporción es aproximadamente 0.020, de modo que diferencias de unos pocos puntos porcentuales pueden ser compatibles con la variación del muestreo.

La calidad de esta cadena depende de sus eslabones más débiles. Aumentar el tamaño de una muestra reduce parte de la variabilidad aleatoria, pero no corrige automáticamente un sesgo sistemático. Diez mil respuestas obtenidas únicamente mediante un enlace compartido entre personas con alta participación digital pueden representar peor a una población que una muestra probabilística mucho menor diseñada para cubrir grupos con diferente edad, zona geográfica y acceso tecnológico.

En la vida real, por tanto, “tener muchos datos” y “tener evidencia representativa” son afirmaciones distintas. Antes de calcular una prueba o un intervalo conviene formular tres preguntas: ¿qué población quiero describir?, ¿qué mecanismo produjo estos datos? y ¿qué observaciones tenían realmente posibilidad de aparecer? Sin respuestas razonables, la inferencia matemática puede producir números precisos acerca de una muestra mal conectada con el problema.

Intervalos de confianza: medir precisión sin fingir certeza

Un intervalo de confianza amplía la estimación puntual para mostrar qué valores del parámetro son compatibles con los datos y el procedimiento utilizado. En el ejemplo anterior, una aproximación normal sencilla para la proporción de 0.58 produce un intervalo del 95 % cercano a 0.541–0.619. La amplitud importa: no comunica solamente “dónde está” la estimación, sino cuánta resolución tiene el estudio para distinguir escenarios relevantes.

La interpretación frecuentista exige precisión conceptual. Una vez calculado un intervalo particular, no se afirma literalmente que exista 95 % de probabilidad de que el parámetro fijo esté dentro de esos límites. El 95 % describe la propiedad de cobertura del procedimiento: si repitiéramos el proceso de muestreo y construcción del intervalo bajo las mismas condiciones, aproximadamente 95 % de esos intervalos contendrían el verdadero parámetro. Esta distinción parece filosófica, pero evita convertir una garantía de procedimiento en una probabilidad posterior que el método no calculó.

La elección de 90 %, 95 % o 99 % tampoco es una ley natural. A igualdad de datos y método, exigir mayor cobertura produce intervalos más amplios. El investigador intercambia precisión por una tasa de cobertura más exigente. Por eso el nivel debe decidirse considerando el propósito del análisis, idealmente antes de observar los resultados, y no seleccionarse después para obtener el intervalo que mejor favorezca una conclusión.

En el análisis avanzado, un intervalo también obliga a pensar en relevancia práctica. Si una política solo es viable cuando el apoyo supera 60 %, un intervalo aproximado de 54.1 % a 61.9 % no autoriza a afirmar que ese umbral se ha alcanzado con claridad, aunque la estimación puntual sea 58 % y aunque un contraste frente a 50 % resulte estadísticamente significativo. El intervalo muestra justamente por qué una misma base de datos puede apoyar una afirmación científica y, al mismo tiempo, dejar abierta una decisión operacional.

Pruebas de hipótesis: evidencia contra un modelo, no veredictos automáticos

Una prueba de hipótesis plantea un modelo de referencia —la hipótesis nula— y pregunta qué tan incompatibles serían los datos observados con ese modelo. En el ejemplo del transporte, podría plantearse H₀: p = 0.50 frente a una alternativa p > 0.50. Con 348 apoyos de 600 respuestas, la diferencia observada es suficientemente grande para producir, bajo aproximaciones habituales, un valor p muy pequeño frente a ese punto de referencia.

El valor p no es la probabilidad de que la hipótesis nula sea verdadera. Tampoco es la probabilidad de que el resultado haya ocurrido “por azar”. Es una probabilidad calculada suponiendo un modelo: mide cuán extremos serían estos datos —o datos aún más extremos, según la prueba— si la hipótesis nula y los demás supuestos fueran adecuados. La American Statistical Association subrayó esta distinción ante décadas de interpretaciones mecánicas del umbral 0.05 (Wasserstein & Lazar, 2016).

La historia explica parte de la confusión actual. Ronald A. Fisher popularizó durante la década de 1920 el uso del valor p como medida graduada de evidencia contra una hipótesis nula. Jerzy Neyman y Egon Pearson desarrollaron en 1933 otra lógica: reglas de decisión diseñadas para controlar tasas de error tipo I y tipo II en repeticiones de largo plazo. Las prácticas modernas mezclaron con frecuencia ambos marcos —evidencia gradual y decisión dicotómica— como si fueran idénticos, pese a que nacieron de proyectos inferenciales distintos (Fisher, 1925; Neyman & Pearson, 1933).

Diseño de encuestas: la inferencia empieza antes de recopilar respuestas

Una encuesta es un instrumento de medición y, al mismo tiempo, un diseño de selección. Estas dos dimensiones deben distinguirse. Puede existir una excelente pregunta aplicada a una muestra sesgada, o una muestra probabilística rigurosa con preguntas que inducen respuestas. En ambos casos el cálculo final hereda el problema. Por eso la metodología de encuestas analiza conjuntamente cobertura, marco muestral, selección, medición, no respuesta, modo de levantamiento y ajustes posteriores (Groves et al., 2009).

Considérese una consulta municipal difundida únicamente por redes sociales para estimar qué porcentaje de habitantes considera inseguro el transporte nocturno. Obtener 12,000 respuestas no garantiza representatividad si la probabilidad de participar depende de edad, conectividad, interés en el problema o experiencia previa con el servicio. Una muestra de conveniencia masiva puede tener un error de cobertura sistemático que no desaparece al aumentar n. La precisión interna de la muestra y su capacidad de representar a la población son problemas diferentes.

El cuestionario también es una intervención. Preguntar “¿Está de acuerdo con invertir más recursos en el necesario programa de transporte seguro?” no mide lo mismo que “¿Está de acuerdo o en desacuerdo con destinar X millones de pesos a ampliar el transporte nocturno?”. Cambian el encuadre, la información disponible y posiblemente la respuesta. El orden de las preguntas, la presencia de categorías como “no sabe”, el canal de aplicación y la privacidad percibida pueden modificar lo que se registra.

Un diseño defendible especifica población objetivo, unidad de análisis, marco de selección, método muestral, reglas de sustitución —si existen—, tratamiento de faltantes y estrategia de ponderación antes de interpretar porcentajes. Instituciones estadísticas como el INEGI trabajan precisamente con esta lógica: la publicación de una estimación útil exige documentar cómo se produjo, no solamente mostrar el valor final. La transparencia metodológica forma parte del resultado estadístico.

R y Excel: calcular es fácil; hacer reproducible el razonamiento es el reto

El software estadístico reduce el costo de cálculo, pero también puede ocultar decisiones. Ejecutar una función y copiar su salida no equivale a comprender qué hipótesis se contrastó, qué distribución se supuso o qué datos fueron excluidos. Un flujo reproducible registra al menos la fuente de los datos, las transformaciones realizadas, la fórmula aplicada, los parámetros elegidos y la interpretación final. Esa trazabilidad permite que otra persona examine no solo el resultado, sino el camino que lo produjo.

R facilita especialmente este enfoque porque el análisis puede conservarse como código. Para los 348 apoyos entre 600 respuestas, una aproximación básica al intervalo y un contraste de proporción pueden escribirse sin paquetes adicionales:

x <- 348
n <- 600
phat <- x / n

se <- sqrt(phat * (1 - phat) / n)
ic95 <- phat + c(-1, 1) * qnorm(0.975) * se

prop.test(x, n, p = 0.50, correct = FALSE)

phat
ic95

Excel permite reproducir la misma lógica si las celdas y fórmulas quedan documentadas. Si la proporción estimada está en B2 y el tamaño muestral en B3, el error estándar aproximado puede obtenerse con =SQRT(B2*(1-B2)/B3). El margen para un intervalo aproximado del 95 % sería =1.96*B4 si B4 contiene ese error estándar. La ventaja de una hoja de cálculo es su accesibilidad; su riesgo es que las operaciones pueden quedar dispersas entre celdas sin una narrativa explícita.

La elección entre R y Excel no debería convertirse en una discusión de identidades. Para un análisis pequeño y transparente, Excel puede ser suficiente; para procesos repetibles, grandes transformaciones, simulaciones o proyectos que crecerán, un script de R ofrece ventajas importantes. En ambos casos el criterio avanzado es el mismo: el análisis debe poder auditarse. El software es una extensión del razonamiento estadístico, no una autoridad que certifica automáticamente la validez de una conclusión.

Decidir con evidencia: significancia, magnitud y costo del error

El último paso exige abandonar la fantasía de que existe un único número capaz de decidir por nosotros. Un valor p informa sobre incompatibilidad entre datos y un modelo; un intervalo informa sobre precisión y valores compatibles; una medida de efecto describe magnitud; el diseño determina qué inferencias son defendibles; y la decisión incorpora consecuencias que no están codificadas automáticamente en ninguna de esas cantidades. Confundir estas funciones produce decisiones aparentemente objetivas que en realidad esconden criterios no declarados.

El tamaño de muestra vuelve especialmente importante esta separación. Con n muy grande, diferencias diminutas pueden alcanzar significancia estadística. Con n pequeño, una diferencia importante puede quedar acompañada por gran incertidumbre. Por eso una conclusión avanzada debe informar conjuntamente magnitud e incertidumbre y, cuando corresponda, considerar potencia estadística y tamaño muestral antes de recoger los datos. Diseñar después de conocer el resultado convierte decisiones metodológicas en oportunidades para favorecer una narrativa.

También existen perspectivas inferenciales en tensión. El enfoque frecuentista evalúa procedimientos por su comportamiento bajo repetición y construye pruebas e intervalos con propiedades de largo plazo. El enfoque bayesiano combina un modelo previo con los datos para producir una distribución posterior sobre parámetros, permitiendo formular probabilidades directas acerca de ellos a condición de explicitar el prior y el modelo. Ninguno corrige una encuesta sesgada ni una medición deficiente: la disputa filosófica comienza después de contar con datos cuya generación pueda defenderse.

En decisiones públicas, empresariales o científicas, el criterio final debería ser explícito. ¿Qué magnitud mínima justificaría actuar? ¿Qué error sería más costoso: intervenir cuando no era necesario o no intervenir cuando sí lo era? ¿Cuánta incertidumbre puede tolerarse? Esta estructura transforma “los datos dicen que…” en una formulación más honesta: “bajo estos datos, supuestos, costos y umbrales, esta decisión es la que mejor podemos defender por ahora”.

Conclusión

El objetivo de esta ficha era aprender a sintetizar evidencia estadística para defender decisiones, y eso exige mucho más que ejecutar una fórmula. Una inferencia sólida conecta una pregunta clara con un diseño defendible, una estimación, una cuantificación de incertidumbre y un criterio explícito de decisión. Si cualquiera de esas piezas desaparece, el número final puede conservar apariencia matemática mientras pierde significado.

El pensamiento estadístico avanzado tampoco consiste en desconfiar de todos los resultados. Consiste en saber exactamente qué permiten afirmar. Una prueba puede aportar evidencia contra un modelo sin demostrar la alternativa; un intervalo puede revelar precisión sin garantizar relevancia; una encuesta puede contener miles de respuestas y seguir teniendo problemas de cobertura; R o Excel pueden calcular correctamente algo que nunca debió calcularse sobre esos datos. La disciplina está en mantener visibles esas fronteras.

Investigar y decidir bajo incertidumbre seguirá siendo incómodo porque ninguna técnica elimina por completo la posibilidad de equivocarse. La estadística ofrece algo más valioso: hace posible describir ese riesgo, discutirlo y revisarlo cuando aparece nueva evidencia. La pregunta interesante ya no es “¿qué número prueba que tengo razón?”, sino “¿qué tendría que observar para cambiar de decisión?”.

Actividad de aprendizaje autónoma

Antes de redactar el miniinforme, completa estas afirmaciones. No buscan evaluar memoria literal: obligan a reconstruir las relaciones conceptuales que deberían aparecer en tu argumento final.

Reflexión final: si tu resultado estadístico apuntara en la dirección opuesta a la que esperabas antes de comenzar, ¿qué parte del diseño revisarías primero y qué evidencia aceptarías como suficiente para cambiar tu posición?