La naturaleza estocástica de la estadística y la probabilidad obedece a que son métodos de investigación aplicada a fenómenos que suceden en ausencia de determinación plausible o certeza, habiendo una posible incidencia del azar en la forma de distribuirse.
Se dirá que un suceso se da en un margen de indeterminación o incertidumbre cuando no existe certeza de ocurrencia, entendiendo por certeza cuando la probabilidad es igual a uno, luego sí habría condiciones de determinación causal. En el momento que la certeza de un fenómeno es inferior a uno se dan condiciones aleatorias, o al menos en un grado o porcentaje, el cual puede ser desconocido o estimado en un margen de error, desapareciendo la certeza, luego se generan niveles de incertidumbre o indeterminación al azar en el comportamiento de lo que sucede.
En Introducción a la Probabilidad Imposible, estadística de la probabilidad o probabilidad estadística, a la probabilidad empírica igual a uno, lo que sería certeza, se llamará Máxima Probabilidad Empírica Posible, siendo un objetivo de la política científica bajo ciertas condiciones de estudio de sesgo positivo.
Cuando el estudio se centra en la ocurrencia estocástica, bajo un grado de incertidumbre e indeterminación, de un hecho en particular, se hace un estudio sobre la probabilidad del suceso la ocurrencia, que en Probabilidad Imposible se hace a través de la probabilidad empírica de sujeto u opción.
Cuando el estudio tiene por objeto las relaciones entre dos o más variables entonces es un estudio correlacional, diferenciándose tres tipos: en primer lugar estudios correlaciones en función de causas probables, en segundo lugar estudios correlaciónales de fenómenos simultáneos o sucesivos pero mutuamente independientes aunque dependan a priori de factores comunes, y finalmente estudios correlaciónales de fenómenos simultáneos o sucesivos por factores puramente caóticos y no lineales, la propia distribución aleatoria .
Los estudios correlaciónales que estudien las probables causas de un fenómeno, son aquellos que comprenden un modelo de causalidad aunque no absoluta, por cuanto está asociada a una tasa estadística o de probabilidad, la probabilidad de causalidad, de modo que la probable causa de B sea A, en donde A y B pueden ser variables simples, variable independiente A y variable dependiente B, o complejos multi-variable, A y B integren un sistema de variables, ya bien sea A un conjunto de variables independientes pero que en conjunto incidan sobre B, ya incidan de forma diferente o igual, ya bien sea B un conjunto de variables dependientes en relación a A, en donde A incida de forma igual o diferente en cada variable de B. De modo que las categorías A o B pueden ser simples o complejas en función integren una o más variables..
Se pueden dar las siguientes situaciones: que A y B sean simples, A compleja y B simple, A simple y B compleja, A y B complejas. Si A y B son simples se estudia la probabilidad de causalidad de A sobre B. Si A es compleja y B es simple, la distribución de probabilidades de causalidad de cada variable de A sobre B. Si A simple y B compleja, la distribución de probabilidades de causalidad de A sobre cada variable de B. Y si A y B son complejas, la distribución de probabilidad de causalidad de cada variable de A en cada variable de B.
Si el estudio correlacional no se basa en distribuciones de causalidad estadística, y se observa sólo correlación entre variables mutuamente independientes aunque coetáneas o sucesivas, dicho fenómeno puede producirse o bien porque compartan algún nexo o circunstancia común que los haga simultáneos o sucesivos, aunque independientes entre sí, o dicho fenómeno de simultaneidad o sucesión se debe únicamente a una distribución caótica al azar en la historia, o la historia del azar, sin que haya nada que los relacione.
La forma en que las correlaciones pueden establecerse, en cualquiera de los diferentes casos, será estableciendo relaciones de tasas de relación directa o inversamente proporcional, siempre en términos de probabilidad estadística, que en los estudios que tengan por objeto la determinación causal serán probabilidades de causalidad.
Las relaciones de causalidad, directa o inversamente proporcional, estadísticas, pueden darse tanto en las ciencias analíticas y en ciencias sintéticas. Dentro de las ciencias analíticas, en estadística y probabilidad en tanto que disciplinas de investigación pura dentro de las matemáticas, en Probabilidad Imposible integrada dentro de las ciencias analíticas, se observan múltiples situaciones de relaciones lógicamente directa o inversamente proporcionales. Dentro de las ciencias sintéticas igualmente se pueden observar en los estudios empíricos multitud de situaciones en donde se producen este tipo de relaciones directas o inversas.
A nivel analítico en Introducción a la Probabilidad Imposible, estadística de la probabilidad o probabilidad estadística, donde se explica la teoría de Probabilidad Imposible, un caso de relación analítica directamente proporcional sería la relación directamente proporcional entre aumento de la magnitud de la muestra y aumento de la fiabilidad del estudio, y una relación analítica inversamente proporcional sería el aumento de la magnitud muestra y el descenso en la probabilidad de error de representatividad muestral. De forma que se puede observar una relación analítica, lógica, de causa y efecto, entre magnitud de la muestra, fiabilidad y probabilidad de error de representatividad muestral.
De igual manera en Introducción a la Probabilidad Imposible, estadística de la probabilidad o probabilidad estadística se podría decir que hay una relación analítica de causa y efecto inversamente proporcional entre magnitud de la muestra y la probabilidad de dispersión estadística, por cuanto, en condiciones normales, a mayor magnitud de la muestra menos tendencia a la dispersión estadística, luego a menor muestra mayor tendencia a la dispersión estadística.
A nivel sintético, un ejemplo de modelos causales directamente proporcionales, el aumento de la tasa de producción industrial proporcionalmente aumentan las inversiones en investigación y desarrollo. Un ejemplo de modelo causal inversamente proporcional, la reducción de las tasas de incidencia de una determinada enfermedad conforme aumentan las personas beneficiadas por los planes de vacunación.
Los estudios correlaciones de tipo causales en las ciencias sintéticas, en caso que quieran erigirse como una explicación científica de la realidad, deberán concretar la probable relación causa-efecto en forma de hipótesis empíricas verificables, de forma que la verificación racional de la hipótesis será utilizando procedimientos de estadística inferencial, cuando su objeto de verificación empírica es una hipótesis explicativa que estudia la relación entre diferentes variables en términos cuantitativos y no absolutos por cuanto hay un margen impredecible sujeto a factores aleatorios, entre ellos los márgenes de error y azar. En la medida que toda inferencia está ligada a márgenes de error o fiabilidad, hay un margen de indeterminismo o incertidumbre en el que posiblemente la inferencia estadística sea falsa, y siempre hay un margen duda directamente proporcional al doble margen de error, de hecho o racional, sobre el que se establece la inferencia.
Si bien no sujetos a estudio correlacional, pero si de naturaleza estocástica, en la estadística inferencial, también se definirán estocásticos todos aquellos estudios que hagan referencia al comportamiento de una sola variable por sí misma, y en general cualquier hipótesis tecnológica cuya inferencia estadística está igualmente sujeta a márgenes de error y variables aleatorias impredecibles.
En cierto sentido, ciencias empíricamente estocásticas serán aquellas para las que es absolutamente imprescindible el uso de la estadística y la probabilidad para la verificación racional de hipótesis, explicativas o tecnológicas, luego toda la construcción científica de esa ciencia depende de paradigmas construidos sobre modelos sustentados en teorías basadas en hipótesis, aceptadas racionalmente dentro de un margen de error, en el que posiblemente dichas hipótesis sean falsas, luego dichas teorías sean insostenibles, los modelos sean incoherentes, luego los paradigmas sean inconsistentes, de manera que toda la construcción científica de la realidad se edifica dentro de un nihilismo lógico en el que la ciencia quizás, de momento, sea útil, pero llegado el momento de la verdad se demuestre falsa.
Precisamente Introducción a la Probabilidad Imposible, estadística de la probabilidad o probabilidad estadística, es una obra que parte de la síntesis de diferentes escuelas filosóficas, racionalismo crítico, positivismo, materialismo dialéctico, en donde el isomorfismo necesario para la ciencia entre idea y realidad se produce dentro de unos márgenes de error que al mismo tiempo que verifican racionalmente las hipótesis y las teorías, crean simultáneamente los márgenes de duda racional y escepticismo empírico, razón por la cual la ciencia descansa sobre verdaderos pilares de relativismo e incertidumbre, ofreciendo explicaciones provisionalmente universales, aunque de forma incompleta e inconsistente.
La estadística y la probabilidad desde el punto de vista analítico son disciplinas matemáticas, dependen formalmente de la lógica, y dan forma a un lenguaje matemático, sobre expresiones y símbolos propios, relacionados lógicamente, susceptibles de sustitución numérica por los resultados de la medición o cuantificación de la realidad, para la explicación y comprensión, tanto de las posibles relaciones lógicas de sí, de la propia estadística o la probabilidad, y de la realidad misma, lo que sucede, razón por la cual se postulan como métodos analíticos para la investigación de hechos o fenómenos en las ciencias sintéticas, naturales o sociales, siendo ambas, estadística y probabilidad, tradicionalmente diferenciadas, formando para sí cada una disciplina y método, simultáneamente, ligadas en epistemología, entre otros, a los métodos correlaciónales y a las ciencias estocásticas, en la medida que se proponen para el estudio de fenómenos en ausencia de certidumbre, o en un margen de incertidumbre.
Una metodología es correlacional cuando su ámbito de aplicación, estocástico, no es el establecimiento de relaciones causales puras o absolutas, del tipo, “si A entonces B”, que significa que si se da A entonces absoluta y necesariamente se da B, más bien lo que estudian son índices y tasas de causalidad, interacción, o validez de una hipótesis, sustentados sobre datos estadísticos y probabilidades, que miden la probabilidad o tasa de incidencia de un factor dadas unas condiciones de partida o variables de interacción, lo cual no significa que dadas esas condiciones o variables la incidencia del factor sea inevitable de forma inmediata, únicamente testimonia cual es la probabilidad de ocurrencia de ese factor dadas esas condiciones variables.
En síntesis, dentro de los modelos estocásticos, hay que diferenciar entre aquellos que estudian una única variable, ya sea en probabilidad o estadística, descriptiva o inferencial, y aquellos que estudian la correlación entre dos o más variables, de forma directa o inversamente proporcional, ya sean mutuamente independientes entre sí porque tengan nexos comunes o simplemente por azar, o se puedan establecer relaciones causales de dependencia en función de una probabilidad de ocurrencia en la relación causa-efecto, en donde finalmente para la aceptación racional de si una determinada tasa de correlación es suficiente para ser una explicación científica serían necesarios modelos de contraste de hipótesis.
Los métodos correlacionales, para la estimación de las condiciones de probabilidad causal, son del tipo “ si A entonces probablemente B”, siendo A las condiciones de posibilidad, para que suceda B, si bien, la secuenciación de A a B no es automática ni inmediata, estando sujeta a una probabilidad estadística. Los métodos correlacionales para la estimación que algo ocurra dada una condición previa, son correlacionales en tanto en realidad lo que miden es la probabilidad de correlación en la secuencia de A y B.
En el caso de las correlaciones directamente proporcionales, si conforme A aumenta B, y se observa un incremento de la tasa estadística de B entre A en dos momentos diferentes, y la diferencia de la tasa de la segunda medición menos la tasa de la primera medición, es una diferencia positiva de forma significativa, se dirá que hay una correlación positiva directamente proporcional de forma significativa, que si es igual o inferior a un margen de error, o igual o superior a un margen de fiabilidad, pasará a aceptarse provisional y universalmente racional.
En el caso de las correlaciones inversamente proporcionales, si conforme aumenta A disminuye B, luego la tasa de B sobre A disminuye entre dos mediciones diferentes, siendo negativa de forma significativa la diferencia de la tasa de segunda medición menos la tasa de la primera medición, se dirá que hay una correlación negativa inversamente proporcional de forma significativa, que si es igual o inferior a un margen de error, o igual o superior a un margen de fiabilidad, pasará a ser una explicación racional y provisional del universo.
La metodología correlacional aplicada a los estudios que miden la interacción directa o inversamente proporcional, puede darse en una situación donde se identifiquen relaciones directamente o inversamente proporcionales en función de causas y efectos probables, o en ausencia total de secuencias causales, únicamente mide, dada una serie de variables, las relaciones directa o inversamente proporcionales entre las variables mutuamente independientes, ya sea independientes entre sí por puro azar o debido a la existencia a priori de nexos comunes causales de los cuales dependen, aunque entre ellas sean independientes.
Las estimaciones de correlación positiva o negativa, directa o inversamente proporcionales, se estudian mediante tasas o cocientes, y se encuentran ampliamente explicadas a partir del apartado 11 de Introducción a la Probabilidad Imposible, estadística de la probabilidad o probabilidad estadística.
La estimación de una relación directa o inversamente proporcional entre dos variables se puede medir en términos estadísticos y de probabilidad mediante el cociente de la magnitud de ambas variables, que sería la pendiente, y sobre un eje barras representar en cada abscisa o eje cartesiano cada variable, y sobre la recta la estimación de predicciones.
Las predicciones en Introducción a la Probabilidad Imposible, estadística de la probabilidad o probabilidad estadística, se estudian en el apartado 17, diferenciándose entre proyecciones teóricas, sobre las variaciones ideales, y pronósticos empíricos, sobre las variaciones reales.
Rubén García Pedraza, Madrid 10 de mayo del 2014
.png)
