La estadística es la disciplina que produce conocimiento sobre fenómenos colectivos a partir de datos medidos y que convierte la incertidumbre de toda generalización empírica en una magnitud calculable.

Conocer a través de los grandes números

La palabra designa dos cosas distintas. En plural, «las estadísticas» son cifras: censos, encuestas, registros de mortalidad, cuentas nacionales. En singular, la estadística es la disciplina que se encarga de recolectar, organizar, analizar e interpretar datos para extraer conclusiones válidas y tomar decisiones en condiciones de incertidumbre. Ambas acepciones comparten origen: el término Statistik, difundido por Gottfried Achenwall a mediados del siglo XVIII, nombraba la descripción sistemática del Estado. Alain Desrosières mostró en La politique des grands nombres (1993) que la estadística ha sido desde entonces herramienta de gobierno y de prueba científica y que de esa doble naturaleza procede buena parte de su autoridad.

Como disciplina, la estadística suele clasificarse como una ciencia formal, porque su núcleo es la teoría matemática de la probabilidad. Pero su objeto es empírico: no razona sobre entidades abstractas, sino sobre datos que alguien ha decidido recoger y medir. Esa posición fronteriza —una teoría formal de la inferencia aplicada al mundo observable— es la raíz de casi todos sus debates. Cuando un resultado se declara «significativo», no siempre está claro si se afirma algo sobre el mundo o sobre el procedimiento.

La estadística es, además, el motor inferencial del método cuantitativo: el método define el problema, el diseño y la recogida de datos; la estadística aporta la lógica que permite pasar de esos datos a conclusiones generales y estimar cuánto puede uno equivocarse al hacerlo. Por eso su epistemología es, en buena medida, la del conocimiento cuantitativo, y resulta útil contrastarla con la del método cualitativo. Ninguna de las dos lógicas pertenece a una disciplina concreta.

Qué supone conocer estadísticamente

Conocer estadísticamente implica cinco operaciones encadenadas: medir, agregar, probabilizar, generalizar y explicar. Cada una descansa en supuestos que no son técnicos sino epistemológicos, y cada una tiene un contrapunto en la investigación cualitativa.

Medir: del fenómeno a la variable

Antes de cualquier cálculo, el fenómeno tiene que convertirse en variable. La operacionalización traduce un concepto (pobreza, innovación, confianza) en indicadores observables y éstos en valores comparables. Medir no es un acto neutro: decide qué cuenta, qué se considera equivalente y qué queda fuera. Dos países con la misma tasa de desempleo pueden estar contando cosas distintas si definen de forma diferente quién busca trabajo. La investigación cualitativa invierte el orden: en lugar de fijar las categorías antes de observar, procura que emerjan del propio campo, en los términos de los actores, como propone la teoría fundamentada.

Agregar: la regularidad de lo colectivo

El objeto de la estadística no es el individuo, sino la población y su distribución. Jacob Bernoulli demostró en Ars Conjectandi (1713) que la frecuencia observada de un suceso se estabiliza al aumentar las observaciones. De ahí extrajo Adolphe Quetelet, en Sur l’homme et le développement de ses facultés (1835), una «física social» basada en el «hombre medio». Émile Durkheim llevó la idea al centro de la sociología en Le Suicide (1897): las tasas de suicidio eran tan estables de un año a otro que debían responder a causas sociales y no solo individuales. Esa es la gran aportación de la estadística —hacer visibles regularidades que ningún caso aislado revela— y también su límite: una probabilidad del 30 % describe a un colectivo, no a una persona concreta. Lo cualitativo, en cambio, toma el caso en su singularidad, como en el estudio de caso, para comprender cómo se produce el fenómeno en su contexto.

Probabilizar: la incertidumbre como magnitud

Lo más característico de la estadística es medir la incertidumbre. Un resultado estadístico no se presenta como verdadero o falso, sino con un margen de error, un intervalo o una probabilidad que expresa cuánto puede fallar. Qué significa esa probabilidad —la frecuencia a largo plazo de un procedimiento repetido o el grado de creencia razonable de un sujeto— es lo que separa a las escuelas frecuentista y bayesiana. En la investigación cualitativa la incertidumbre no se cuantifica: se gestiona mediante la credibilidad de la interpretación, la saturación de la información y la reflexividad de quien investiga.

Generalizar: de la muestra a la población

La estadística no resuelve el problema de la inducción planteado por David Hume —ninguna cantidad de observaciones garantiza la siguiente—, pero lo acota. Si la muestra se ha seleccionado al azar, la teoría de la probabilidad permite calcular cuánto puede diferir lo observado de lo que ocurre en la población. De ahí una consecuencia poco intuitiva: la representatividad depende del diseño de la muestra, no de su tamaño. La investigación cualitativa no busca la representatividad estadística, sino la generalización analítica o teórica —extender un mecanismo o una explicación a casos que comparten sus condiciones—, apoyada en la lógica de replicación teórica.

Explicar: covariación y causalidad

La estadística detecta con facilidad que dos variables varían juntas; establecer que una causa la otra es mucho más difícil. Para pasar de la asociación a la causa se necesita un diseño —la asignación aleatoria que Ronald Fisher convirtió en norma del experimento— o supuestos explícitos sobre qué habría ocurrido en ausencia de la causa, como en los marcos contrafácticos de Donald Rubin y Judea Pearl. Incluso entonces, la explicación estadística suele adoptar la forma de un efecto medio: cuánto cambia, en promedio, un resultado cuando cambia un factor en una población. La investigación cualitativa se pregunta por otra cosa: por los mecanismos, los procesos y el sentido que los actores dan a lo que hacen. La tradición que arranca de Wilhelm Dilthey opuso por eso explicar (Erklären) y comprender (Verstehen); Max Weber intentó reconciliarlos exigiendo a la explicación sociológica adecuación de sentido y adecuación causal.

Dos lógicas de conocimiento

Lógica estadística y lógica cualitativa: siete dimensiones del contraste

Dimensión Lógica estadística Lógica cualitativa
Objeto Poblaciones, distribuciones y regularidades colectivas Casos, procesos y significados en su contexto
Dato Variable medida con categorías fijadas de antemano Palabra, imagen u observación con categorías que emergen del campo
Incertidumbre Se cuantifica: márgenes de error, intervalos, probabilidades Se gestiona: credibilidad, saturación, reflexividad
Generalización Estadística: de la muestra aleatoria a la población Analítica o teórica: de un caso a otros que comparten sus condiciones
Explicación Covariación y efectos medios (Erklären) Mecanismos y sentido de la acción (Verstehen)
Posición de quien investiga Distancia y procedimientos estandarizados Implicación y reflexividad explícita
Criterio de calidad Validez, fiabilidad y replicabilidad Credibilidad, transferibilidad y coherencia interpretativa

La frontera, con todo, no es absoluta. Toda estadística requiere interpretación, y muchos estudios cualitativos cuentan frecuencias o comparan configuraciones de casos, como el análisis cualitativo comparado propuesto por Charles Ragin en The Comparative Method (1987). Históricamente, la estadística se asoció al positivismo, pero su práctica contemporánea está más cerca del falsacionismo y del falibilismo: no verifica teorías, las somete a pruebas que podrían refutarlas y declara cuánto podría estar equivocada. El método mixto parte precisamente de esa complementariedad.

Enfoques y corrientes

La historia de la estadística no es una acumulación lineal de técnicas, sino una sucesión de respuestas a dos preguntas: qué es la probabilidad y qué autoriza a inferir de unos datos.

Aritmética política y estadística de Estado

John Graunt publicó en 1662 sus Natural and Political Observations Made upon the Bills of Mortality, donde extrajo regularidades de la mortalidad londinense de los registros parroquiales. William Petty bautizó esa práctica como «aritmética política». Ian Hacking describió la «avalancha de números impresos» que inundó Europa entre 1820 y 1840: los Estados empezaron a contar crímenes, enfermedades o suicidios y las cifras revelaron regularidades que parecían leyes sociales. El giro epistemológico fue decisivo: el azar dejó de ser ignorancia y pasó a ser una propiedad de los colectivos que podía estudiarse.

La escuela biométrica

A finales del siglo XIX, la estadística pasó de describir lo ocurrido a estimar lo que no se veía. Francis Galton, primo de Darwin, estudió la altura de padres e hijos y observó que los valores extremos tienden a volver hacia el promedio; de ahí surgieron los conceptos de regresión y correlación. Karl Pearson sistematizó la disciplina, desarrolló la prueba de chi cuadrado (1900) y cofundó la revista Biometrika, donde William Sealy Gosset —químico de la cervecera Guinness que firmaba como «Student»— presentó en 1908 la distribución t para muestras pequeñas. Galton y Pearson promovieron también la eugenesia: las herramientas sobrevivieron a ese programa, pero su origen recuerda que los instrumentos estadísticos nacen dentro de proyectos con fines teóricos y políticos.

Fisher: la inferencia inductiva

Para Ronald Fisher, la estadística servía para decidir si un experimento aportaba evidencia suficiente contra una idea. Propuso trabajar bajo la suposición de que «no hay efecto» —la hipótesis nula— y medir con el valor p la probabilidad de obtener resultados como los observados si esa hipótesis fuera cierta. En Statistical Methods for Research Workers (1925) y The Design of Experiments (1935) introdujo además el análisis de varianza y la aleatorización como garantía contra los sesgos. Para él, el valor p era una medida graduada de la evidencia al servicio del investigador individual.

Neyman y Pearson: el comportamiento inductivo

Jerzy Neyman y Egon Pearson, hijo de Karl, no buscaban «la verdad» de una hipótesis concreta, sino reglas de decisión que minimizaran los errores a largo plazo: Neyman habló de «comportamiento inductivo» frente a la «inferencia inductiva» de Fisher. Introdujeron la distinción entre el error de tipo I (falso positivo: rechazar una hipótesis nula verdadera) y el de tipo II (falso negativo: no rechazar una falsa) y sostuvieron que no puede rechazarse una idea sin una hipótesis alternativa con la que compararla. La potencia estadística, clave en su planteamiento, determina qué tamaño de muestra se necesita para detectar un efecto real.

La síntesis NHST

Lo que hoy se enseña en los manuales como un sistema unificado es, en realidad, un híbrido de dos visiones enfrentadas, a menudo llamado NHST (null hypothesis significance testing). Toma de Fisher el valor p y de Neyman y Pearson los umbrales fijos y la decisión binaria, sin resolver la contradicción de fondo entre medir evidencia y controlar errores. Gerd Gigerenzer llamó a esta mezcla «el ritual nulo»: un procedimiento que se aplica mecánicamente aunque ninguno de sus fundadores lo habría aceptado.

El bayesianismo

Thomas Bayes formuló en el siglo XVIII —su ensayo se publicó póstumamente en 1763— un teorema que permite actualizar la probabilidad de una hipótesis a medida que llega nueva información, y Pierre-Simon Laplace lo convirtió en un método general. Durante buena parte del siglo XX quedó en minoría por depender de una probabilidad previa considerada subjetiva. Bruno de Finetti y Leonard Savage defendieron esa subjetividad: todo análisis parte de supuestos previos y es preferible declararlos que esconderlos. Su uso práctico se generalizó con la potencia de cálculo a partir de los años noventa.

Computación y las «dos culturas»

En 1979, Bradley Efron introdujo el bootstrap, un método de remuestreo que permite estimar la incertidumbre mediante simulación, sin depender de fórmulas teóricas complejas. En 2001, Leo Breiman distinguió dos culturas en el modelado estadístico: la que supone un modelo del mecanismo que genera los datos y la que se limita a buscar algoritmos que predigan bien, aunque no expliquen nada.1 Esa segunda cultura es la que dio forma a la ciencia de datos y al aprendizaje automático. plantea una pregunta epistemológica abierta: si predecir sin comprender es una forma legítima de conocimiento.

Debates y críticas

La crisis de replicación y el valor p

Desde la década de 2010, grandes proyectos de replicación en psicología, economía y biomedicina han mostrado que muchos resultados significativos publicados no se reproducen. Entre las causas figuran los incentivos a publicar resultados positivos, la flexibilidad en el análisis de datos y la lectura del umbral de 0,05 como frontera entre lo verdadero y lo falso. En 2016, la American Statistical Association publicó por primera vez una declaración sobre el valor p, en la que recordaba que no mide la probabilidad de que una hipótesis sea cierta ni la importancia de un efecto.2 Las respuestas propuestas van desde endurecer el umbral hasta abandonar la noción de «significación estadística» y sustituirla por la estimación de efectos con su incertidumbre.3

Asociación, causalidad y agregación

La correlación sin causalidad no es la única advertencia. William S. Robinson mostró en 1950 que una correlación entre agregados territoriales puede no darse entre los individuos que los componen —la falacia ecológica—. Por su parte, la paradoja de Simpson alude a que una relación observada en el conjunto puede invertirse en cada subgrupo: en las admisiones de posgrado de Berkeley de 1973, el aparente sesgo contra las mujeres desaparecía al analizar cada departamento. La conclusión depende del nivel de agregación, que decide quien analiza.

Cuantificación y poder

Theodore Porter argumentó en Trust in Numbers (1995) que la cuantificación prospera allí donde el juicio experto carece de legitimidad suficiente: es una «tecnología de la distancia» que sustituye la confianza en las personas por la confianza en los procedimientos. Desrosières mostró que las categorías estadísticas —ocupación, hogar, desempleo— son convenciones que se construyen a la vez que se miden. La ley de Goodhart resume la consecuencia práctica: cuando un indicador se convierte en objetivo, deja de medir bien aquello para lo que se creó.

Datos masivos y el «fin de la teoría»

En 2008, Chris Anderson sostuvo en la revista Wired que la abundancia de datos haría innecesarios los modelos y las hipótesis: bastaría con encontrar correlaciones. Pero una base de datos enorme puede ser tan poco representativa como una encuesta mal diseñada: los modelos entrenados con datos que subrepresentan a ciertos grupos reproducen esas desigualdades y los experimentos masivos de las plataformas digitales optimizan métricas que pueden alejarse de lo que pretendían medir. El volumen de datos amplía lo que puede observarse; no elimina la necesidad de preguntarse qué se está midiendo, de quién y para qué.

Mapa de conceptos y técnicas

Las entradas del glosario que desarrollan conceptos y técnicas estadísticas se agrupan aquí según la operación de conocimiento a la que sirven.

Fundamentos lógicos

La inferencia estadística combina formas de razonamiento que la preceden y la desbordan: la inducción, que generaliza a partir de casos; la deducción, que deriva predicciones contrastables de una teoría, y el método abductivo, que propone la explicación más plausible de lo observado.

Datos y medición

El paso del fenómeno al número se apoya en la variable y sus escalas, en instrumentos como la escala de Likert y, cuando el concepto no puede observarse directamente, en la variable proxy. Los datos se organizan en un conjunto de datos a partir de datos en bruto mediante la tabulación, y se condensan en un índice o un indicador sintético, cuya construcción implica decisiones teóricas sobre qué se pondera y cómo.

Descripción de distribuciones

Describir es resumir sin perder lo esencial. La tabla de frecuencias ordena los valores; la varianza y la desviación estándar miden la dispersión; el cuartil y el percentil sitúan cada valor en el conjunto y el valor atípico obliga a decidir si un dato es error o información. La distribución normal es el modelo de referencia, y el cuarteto de Anscombe recuerda por qué la visualización de datos es parte del análisis y no solo de su presentación.

Muestreo e inferencia

Generalizar exige una muestra bien diseñada y una distinción clara entre el parámetro poblacional y el estimador que lo aproxima. El intervalo de confianza expresa la incertidumbre de la estimación y el contraste de hipótesis, con su hipótesis nula, el valor p y estadísticos como el valor t o el chi cuadrado, formaliza la decisión sobre si los datos son compatibles con una idea.

Relaciones y modelos

Para estudiar cómo se relacionan las variables se emplean la correlación lineal, la tabla de contingencia para variables categóricas, la regresión lineal y el análisis de varianza. En las series temporales aparece el problema de la correlación serial. El modelo matemático da forma general a estas relaciones y la econometría las convierte en el lenguaje empírico de la teoría económica.

Análisis multivariante

Cuando intervienen muchas variables a la vez, el objetivo es reducir la complejidad o descubrir estructuras latentes. Lo hacen el análisis factorial, el análisis de componentes principales, el análisis clúster, el escalamiento multidimensional y el análisis de correspondencias. El análisis de redes desplaza la atención de los atributos a las relaciones entre unidades.

Causalidad y diseño

Pasar de la asociación a la causa depende del diseño. El experimento, con su grupo de control, y el cuasi-experimento son la vía clásica; la inferencia causal y el análisis contrafáctico formalizan qué habría ocurrido sin la causa. El sesgo de confusión y la selección en función de la variable dependiente son los errores más frecuentes. La elección entre un diseño de N grande, uno de N mediano o uno de N pequeña marca hasta dónde llega la lógica estadística y dónde empieza la comparación de casos.

Ejemplos y casos

Los casos siguientes muestran, en ámbitos distintos, tanto el alcance del razonamiento estadístico como sus formas de fallar.

Durante la epidemia de cólera de Londres de 1854, cuando se atribuía la enfermedad a los miasmas del aire, el médico John Snow comparó los hogares abastecidos por dos compañías de agua. Southwark & Vauxhall captaba agua del Támesis aguas abajo de los vertidos de la ciudad; Lambeth había trasladado su toma río arriba en 1852. Las casas de ambas compañías se mezclaban en las mismas calles: era un experimento natural. Snow contó 315 muertes por cada 10.000 casas entre los clientes de Southwark & Vauxhall y 37 entre los de Lambeth. Demostró la transmisión por el agua antes de que se aceptara la existencia del bacilo: una inferencia causal sólida sin conocer el mecanismo.

Fuente: Adhikari, DeNero y Wagner, Computational and Inferential Thinking, «Snow’s «Grand Experiment»».

El ensayo RECOVERY (Randomised Evaluation of COVID-19 Therapy) asignó al azar a pacientes hospitalizados con covid-19 en el Reino Unido a distintos tratamientos. El 16 de junio de 2020 anunció que la dexametasona, un corticoide barato y antiguo, reducía alrededor de un tercio las muertes de los pacientes con ventilación mecánica y una quinta parte las de quienes necesitaban oxígeno, sin beneficio en los que no requerían apoyo respiratorio. La comparación entre 2.104 pacientes tratados y 4.321 con atención habitual cambió la práctica clínica mundial en pocos días. El caso muestra la fuerza de la aleatorización y que un efecto medio puede ocultar diferencias entre subgrupos.

Fuente: RECOVERY Trial, comunicado sobre la dexametasona (16 de junio de 2020).

En las elecciones presidenciales estadounidenses de 1936, la revista Literary Digest envió unos diez millones de papeletas y recibió alrededor de 2,4 millones de respuestas. Con ellas pronosticó la victoria de Alf Landon con el 57 %; Franklin D. Roosevelt ganó con más del 60 %. George Gallup, con una muestra de unas 50.000 personas, acertó el ganador. El error del Digest se atribuye a su marco muestral —suscriptores, propietarios de automóviles y abonados al teléfono, más acomodados que la media en plena Gran Depresión— y, sobre todo, al sesgo de no respuesta: contestaron en mayor proporción los votantes contrarios a Roosevelt. Es la prueba clásica de que el tamaño no compensa un mal diseño.

Fuente: Squire (1988), Public Opinion Quarterly.

La Open Science Collaboration, coordinada desde el Center for Open Science, intentó replicar cien estudios publicados en 2008 en tres revistas de psicología de referencia. El 97 % de los estudios originales había obtenido resultados estadísticamente significativos; en las réplicas, solo el 36 %. El tamaño medio de los efectos se redujo aproximadamente a la mitad. El trabajo se convirtió en símbolo de la crisis de replicación y aceleró reformas como el registro previo de hipótesis y la publicación abierta de datos.

Fuente: Open Science Collaboration, «Estimating the reproducibility of psychological science», Science, 2015.

En octubre de 2009, el nuevo Gobierno griego revisó la previsión de déficit público para ese año del 3,7 % al 12,5 % del producto interior bruto. El informe de la Comisión Europea de enero de 2010 sobre las estadísticas griegas de déficit y deuda constató irregularidades graves y concluyó que el marco institucional no garantizaba la independencia del servicio estadístico nacional respecto del Ministerio de Finanzas. La crisis de confianza agravó la de deuda. En 2010 se creó la Autoridad Estadística Helénica (ELSTAT) como organismo independiente. La credibilidad de una cifra depende tanto de sus métodos como de las instituciones que la producen.

Fuente: Eurostat, «Report on Greek government deficit and debt statistics» (enero de 2010).

En 2008, Google lanzó Flu Trends, que estimaba la incidencia de la gripe a partir de las búsquedas de los usuarios y con más rapidez que los Centros para el Control y la Prevención de Enfermedades (CDC) de Estados Unidos. En febrero de 2013, sin embargo, llegó a estimar más del doble de consultas médicas por síntomas gripales que las registradas por los CDC. David Lazer y sus coautores atribuyeron el fracaso a la «arrogancia de los datos masivos» —suponer que el volumen sustituye a la medición y al diseño— y a los cambios del propio buscador, que alteraban los datos del modelo. Google dejó de publicarlo en 2015.

Fuente: Lazer, Kennedy, King y Vespignani, «The Parable of Google Flu: Traps in Big Data Analysis», Science, 2014.

Recursos relacionados

  • Eurostat: Ficha de la Biblioteca sobre la oficina estadística de la Unión Europea y sus bases de datos armonizadas.
  • OECD Data: Ficha de la Biblioteca sobre el portal de datos comparables de los países de la OCDE.
  • RStudio: Ficha de la Biblioteca sobre el entorno de trabajo para análisis estadístico con el lenguaje R.
  • Stata: Ficha de la Biblioteca sobre un programa de análisis estadístico y econométrico muy extendido en ciencias sociales.
  • IBM SPSS: Ficha de la Biblioteca sobre un programa de análisis estadístico habitual en investigación social y de mercados.
  • statsmodels (Python): Ficha de la Biblioteca sobre una librería de Python para estimar modelos y realizar contrastes estadísticos.
  • Fórmulas, funciones y métodos para el análisis estadístico: Artículo del blog con la sintaxis de cálculos estadísticos básicos en Python, Excel y R.

Bibliografía recomendada

  • La domesticación del azar (Ian Hacking, 2012): Historia filosófica de cómo, en el siglo XIX, el azar pasó de ser ignorancia a ser ley de los colectivos. Es una lectura de referencia para entender la estadística como forma de conocimiento. El original inglés es de 1990.
  • La política de los grandes números (Alain Desrosières, 2004): Historia de la razón estadística que muestra cómo sus categorías se construyen a la vez como herramientas de gobierno y de prueba. El original francés es de 1993.
  • El arte de la estadística (David Spiegelhalter, 2023): Introducción rigurosa y sin fórmulas al razonamiento estadístico, con casos reales y atención a sus malos usos. Muy útil para profesionales que interpretan datos. El original inglés es de 2019.
  1. Leo Breiman, «Statistical Modeling: The Two Cultures», Statistical Science, 16(3), 2001, pp. 199-231. Acceso al artículo.
  2. Ronald L. Wasserstein y Nicole A. Lazar, «The ASA’s Statement on p-Values: Context, Process, and Purpose», The American Statistician, 70(2), 2016, pp. 129-133. Ficha del artículo.
  3. Valentin Amrhein, Sander Greenland y Blake McShane, «Scientists rise up against statistical significance», Nature, 567, 2019, pp. 305-307.