Análisis de datos

Por Carlos Javier Vilalta Perdomo

ANÁLISIS DE DATOS aborda de manera simple y directa un conjunto de técnicas que permiten responder preguntas de investigación desde una perspectiva empírica y probabilística. El objetivo es desarrollar en el lector las habilidades cuantitativas necesarias y útiles para su trabajo, además de aprender a entender, presentar y probar argumentos científ

• Idioma: Español
• Editorial: Libreria CIDE
• Fecha de lanzamiento: 20 sept 2023
• ISBN: 9786079367930

Carlos Javier Vilalta Perdomo

Carlos J. Vilalta es doctor en estudios Urbanos por la Universidad Estatal de Portland y maestro en estudios Urbanos por el Colegio de México. Se especializa en el estudio de los aspectos especiales y temporales del crimen y el miedo al crimen. Ha sido investigador visitante en las universidades de Cambridge, McGill, Washington University en St. Louis, la Universidad de Missouri en St. Louis, la Universidad de Florida y la Universidad de Carolina del Norte. Es miembro del Sistema Nacional de Investigadores, nivel III.

Vista previa del libro

Índice

Prólogo

Capítulo I. Los elementos básicos del pensamiento científico

I.1. Los grados de conocimiento

I.2. Los errores de pensamiento

I.3. El método científico

I.4. Las teorías científicas

I.5. La proposición científica de teorías

I.6. Evidencia científica y sus estándares

Capítulo II. El proceso de investigación

II.1. Tipos fundamentales de investigación

II.2. Las contribuciones científicas y los productos de investigación

II.3. Las etapas del proceso

II.3.1 La pregunta de investigación

II.3.2. La revisión de estudios previos

II.3.3. Las hipótesis de investigación

II.3.4. El diseño de la investigación

II.3.5. La prueba de hipótesis

II.4. El contenido de un reporte de investigación

Capítulo III. Estadística descriptiva

III.1. Medidas de tendencia central

III.1.1. Media aritmética

III.1.2. Media acotada, geométrica y armónica

III.1.3. Mediana

III.1.4. Moda

III.2. Medidas de dispersión

III.2.1. Rango

III.2.2. Varianza y desviación estándar

III.2.3. Sesgo y curtosis

III.2.4. Coeficiente de variación

III.3. Niveles de medición y estadística descriptiva

Capítulo IV. Estimaciones puntuales: qué y para qué

IV.1. Momentos de las distribuciones

IV.2. Distribuciones para realizar estimaciones puntuales

IV.2.1. Distribución binomial

IV.2.2. Distribución de Poisson

IV.2.3. Distribución normal

IV.2.4. Distribución exponencial

IV.2.5. Distribución lognormal

IV.3. El cálculo de estimadores puntuales: la media aritmética

IV.4. Intervalos de confianza para la media aritmética y porcentajes

IV.4.1. Intervalos de confianza normales para la media aritmética

IV.4.2. Intervalos de confianza no normales para la media aritmética: el caso de las distribuciones de Poisson y exponencial

IV.4.3. Intervalos de predicción normales de la media aritmética

Capítulo V. Encuestas, cuestionarios y muestras

V.1. Encuestas y cuestionarios

V.2. Errores en las encuestas e implicaciones estadísticas

V.3. La muestra y su diseño

V.3.1. El marco muestral y el error estándar

V.3.2. Intervalos de confianza y tamaño de la muestra

V.4. Cálculo del tamaño de muestra en una población con distribución normal

V.4.1. Cálculo del tamaño de la muestra para una variable continua

V.4.2. Cálculo del tamaño de la muestra para una variable dicotómica

V.5. Cálculo del tamaño de muestra para la realización de experimentos en poblaciones con distribuciones normales

V.5.1. Cálculo del tamaño de la muestra para experimentos con una variable continua

V.5.2. Cálculo del tamaño de la muestra para experimentos con una variable ordinal

V.5.3. Cálculo del tamaño de la muestra para experimentos con una variable dicotómica

V.6. Cálculo del tamaño de muestra para experimentos bajo distribuciones libres de parámetros e incluyendo el poder de la prueba

V.7. Métodos de muestreo o selección de las observaciones

V.7.1. Muestreo aleatorio simple

V.7.2. Muestreo aleatorio sistemático

V.7.3. Muestreo aleatorio estratificado

V.7.4. Muestreo por conglomerados

Capítulo VI. Prueba estadística de hipótesis

VI.1. ¿Qué es y en qué consiste la prueba estadística de hipótesis?

VI.2. Resultado falso positivo: el error alfa y la significancia estadística

VI.3. Resultado falso negativo: el error beta y el poder estadístico

VI.4. El valor crítico y la región de rechazo

Capítulo VII. Pruebas de simetría, normalidad y valores extremos

VII.1. Pruebas de simetría y normalidad

VII.1.1. La prueba de D’Agostino y Pearson

VII.1.2. Prueba de bondad de ajuste chi cuadrado

VII.1.3. Estadístico de Jarque y Bera

VII.1.4. Prueba Z de Kolmogorov y Smirnov

VII.1.5. Prueba W de Shapiro-Wilk

VII.2. Pruebas de valores extremos

VII.2.1. Prueba G de Grubbss

VII.2.2. Prueba Q de Dixon

Capítulo VIII. Pruebas de diferencias

VIII.1. Pruebas no paramétricas o libres de distribución

VIII.1.1. Prueba chi cuadrado de Pearson

VIII.1.2. Prueba exacta de Fisher

VIII.1.3. La corrección por continuidad de Yates

VIII.1.4. Prueba U de Mann-Whitney

VIII.1.5. Prueba H de Kruskal-Wallis

VIII.2. Pruebas paramétricas

VIII.2.1. Prueba Z para proporciones

VIII.2.2. Prueba Z para medias aritméticas

VIII.2.3. Prueba t de Student para medias aritméticas

VIII.2.4. Prueba F o análisis de varianza

Capítulo IX. Pruebas de asociación

IX.1. Coeficientes no paramétricos

IX.1.1. Coeficiente phi

IX.1.2. Coeficiente V de Cramér

IX.1.3. Coeficiente rho de Spearman

IX.1.4. Coeficiente de concordancia W de Kendall

IX.2. Coeficientes paramétricos

IX.2.1. Coeficiente de correlación lineal r de Pearson

IX.3. Prueba de diferencia de dos coeficientes de correlación

Bibliografía

Anexos

Prólogo

Este es un libro dirigido a docentes y estudiantes universitarios de alguna de las ciencias sociales. Su título es fiel a su contenido. Es un libro básico de análisis de datos por dos simples motivos: enseña cómo realizar los análisis más elementales y sus explicaciones son sencillas y directas. Los ejemplos giran alrededor de mi área de investigación, la seguridad pública, pero las explicaciones y las aplicaciones son fácilmente traducibles a otras áreas. Los temas aquí desarrollados son los mismos con los que inicio mis cursos de estadística paramétrica, no paramétrica y espacial.

El análisis de datos requiere pensar de forma científica. Por tal motivo se incluyen capítulos iniciales sobre los elementos básicos de este tipo de pensamiento y también se explica de manera breve el proceso de investigación. Además, el libro tiene una cualidad importante: combina la enseñanza de técnicas de análisis paramétricas y libres de distribución, lo que representa algo novedoso entre las obras que se producen y consumen en Latinoamérica. La mayor parte de las obras sobre análisis de datos con los que contamos en la región son traducciones especializadas en uno u otro tipo de técnicas. Esto provoca, en muchas ocasiones, la falta de enseñanza de técnicas de análisis libres de distribución, o bien, la necesidad de adquirir varios libros. La presente obra resuelve las dos limitaciones anteriores. Otra cualidad es que posee un capítulo muy detallado de muestreo y cálculo de tamaños de muestra para diferentes tipos de variables en la realización de experimentos. Lo cual también es atípico en el mercado de libros de análisis de datos. En la práctica profesional del análisis de datos, el muestreo se mantiene como un tema para iniciados. Aquí se busca comenzar a romper ese monopolio de conocimiento. Este capítulo no podrá formar a un muestrista, pero sí ayudará a un analista a comprender cuáles son y de dónde provienen estos conceptos.

La última cualidad de esta obra es que todas las técnicas presentadas se desarrollan paso a paso, a mano, lo que facilita la comprensión de la técnica; asimismo se señalan sus limitaciones y las formas en que pueden fallar. En mi experiencia como docente e investigador, el fallo más recurrente que he observado es en la aplicación de la técnica equivocada al problema por resolver. Los paquetes de cómputo no fallan, los que fallan son los analistas. Este libro enseña qué tipo de técnica aplicar, cuándo y cuáles son sus alcances.

Por último, quiero agradecer al Centro de Investigación y Docencia Económicas (

cide

) por abrir una convocatoria para la elaboración de libros de texto, la cual dio como fruto este trabajo. Estoy en deuda con Porfirio Díaz, Leonel Fernández, Fernanda Gómez y Ana Bárcenas por su ayuda en la preparación de los resúmenes y ejercicios aquí incluidos. De igual forma estoy en deuda con dos dictaminadores excelentes, quienes me ayudaron enormemente a mejorar la primera versión de este libro.

Mi mayor agradecimiento va para mi amigo y antiguo compañero de preparatoria, hoy también investigador, el doctor José Ramón Álvarez, por ayudarme a resolver muchas de las solicitudes de los dictaminadores.

Capítulo I. Los elementos básicos del pensamiento científico

Objetivos de aprendizaje

• Entender qué es el pensamiento científico y sus ventajas.

• Comparar los grados de conocimiento haciendo especial énfasis en el conocimiento científico.

• Reparar sobre los errores de pensamiento.

• Comprender qué es el método científico y sus etapas.

• Identificar qué es una teoría científica.

• Distinguir entre una teoría deductiva y una teoría inductiva.

• Comprender en qué consiste la evidencia científica y cuáles son sus estándares.

La ciencia es la poesía de la realidad (Dawkins, 2007). Además de fascinante, el pensamiento científico tiene, al menos, dos grandes ventajas prácticas. La primera es que reduce la probabilidad del error. Es frecuente equivocarse al pensar y observar, y precisamente una manera de reducir tales errores, es pensando científicamente. La segunda gran ventaja práctica es que nos permite avanzar el estado del conocimiento, es decir, entender cómo sabemos lo que sabemos y por qué suceden las cosas de la manera en que suceden.

Vivimos entre una sociedad científica y otra no científica. Con frecuencia se mezclan evidencias científicas con anécdotas, dogmas, suposiciones, prejuicios, etc., lo que resulta en un relativismo improductivo.¹ Así, el primer paso para llegar a la comprensión correcta de la realidad es distinguir el pensamiento científico de lo que no lo es.

Algunos ejemplos de un pensamiento científico los tenemos cuando realizamos las siguientes preguntas:

• ¿Cómo ponemos en palabras nuestras observaciones?

• ¿Cuál es la explicación más simple y directa del fenómeno observado? ²

• ¿En cuántas explicaciones posibles podemos pensar al respecto?

• ¿La evidencia presentada se constituye por hechos u opiniones?

• ¿Qué supuestos fundamentan la teoría y las hipótesis del estudio?

• ¿El método que lleva a la respuesta es el adecuado?

• ¿A quién benefician los resultados de una investigación?

A la inversa, algunos ejemplos de acciones pseudocientíficas o anticientíficas son las siguientes:

• Explicaciones irrefutables

• Uso de hipótesis ad hoc o espontáneas para cada situación imaginable

• Presentación de evidencia anecdótica, testimonios aislados, etcétera ³

• Énfasis en confirmar creencias versus falsear hipótesis

• Mal uso de la carga de la prueba ⁴

• Uso de lenguaje impenetrable ⁵

Como acaba de mencionarse, es más que curioso observar que estos dos tipos de pensamiento se entremezclan en muchas conversaciones. Pareciera que estamos preprogramados para encontrar explicaciones convenientes, aun cuando no son las correctas. Por fortuna, el pensamiento científico es fácilmente distinguible de lo opuesto y se puede sobresalir en el uso del mismo con suficiente entrenamiento. Inclusive, una vez bien aprendida, la forma científica de pensar se convierte en una forma permanente de pensar.

El primer paso es saber y mantener en la mente los elementos fundamentales del pensamiento científico y cómo se interrelacionan estos elementos. En esta parte del libro se presentan en primer lugar los grados de conocimiento y los errores de pensamiento. Una vez aclarados estos grados y errores, se explican los elementos del método científico: qué son las teorías científicas, cómo se proponen y refutan, y qué es la evidencia científica y cuáles son sus estándares mínimos.

I.1. Los grados de conocimiento

El pensamiento científico tiene un fundamento epistemológico.⁶ De manera constante, cuestiona lo que sabemos, lo que podemos saber y cómo lo podemos llegar a saber. Por ejemplo, los términos de evidencia relevante, confiabilidad, validez etc., son co­munes en discusiones académicas y reflejan preocupaciones epistemológicas importantes.

No hay una comunidad científica que no posea preocupaciones epistemológicas ni realice discusiones al respecto. En la práctica científica es común, por ejemplo, en seminarios de investigación, presenciar cuestionamientos directos y variados que comparten preocupaciones elementales o fundamentales como las siguientes: ¿es el método válido?, ¿qué constituye evidencia?, ¿en este caso o en todos los casos, debemos y podemos experimentar?, ¿qué tan confiables son mis/tus/nuestras observaciones? Naturalmente, tanto la profundidad como la insistencia de estas preocupaciones dependen de los estándares científicos de la comunidad en particular. Debido a estas dudas elementales, los epistemólogos aclaran que existen diferentes grados de conocimiento. Estos grados de conocimiento son básicamente tres:⁷ cotidiano, empírico-técnico y científico.

El conocimiento cotidiano es el que se adquiere de forma espontánea e involuntaria. Proviene de la experiencia elemental misma, es decir, de la observación presencial de hechos o bien por descripciones de terceros. No contiene un análisis. Por ejemplo, las inferencias (es decir, las deducciones generadas a partir de información previamente disponible) que se realizan sobre las costumbres de una comunidad, cuando no se analizan ni cuestionan, sino que se consideran como naturalmente dadas, son un ejemplo del grado de conocimiento cotidiano de tales costumbres. Este tipo de conocimiento puede tener un componente empírico, aunque no necesariamente adquirido a través de un proceso metódico o sistemático.

El conocimiento empírico o técnico también se fundamenta en la experiencia, pero incluye un ejercicio de análisis y síntesis que lo convierte en un conocimiento sistemático y práctico. Aquí se desconocen los mecanismos causales y no se cuestionan los orígenes del fenómeno objeto del conocimiento. Un ejemplo sencillo es el conocimiento que muchos tenemos de las computadoras para uso personal: aunque muchos desconocemos cómo funcionan, trabajamos con ellas, pero no sabemos cómo funcionan ni cuáles son sus partes electrónicas elementales; sin embargo, nos sirven hasta cierto límite, precisamente el límite del grado de conocimiento empírico o técnico que se tenga sobre su funcionamiento.

Por último, el conocimiento científico supera al empírico o técnico en que además de poseer un mayor grado y estándar de sistematización, es explicativo, crítico y contributivo. Los tres últimos atributos lo distinguen claramente de todos los demás grados de conocimiento. El conocimiento científico explica la realidad con una profundidad organizada. El grado de licenciatura es un título dado a alguien que posee un conocimiento científico sobre alguna disciplina. El grado de maestría se otorga a quien posee un dominio sobre ese conocimiento científico, y el de doctorado, a aquellos que reali­zan una contribución al conocimiento. Es decir, el conocimiento científico efectivamente es una cuestión de grado, siendo éste el de mayor valor.

I.2. Los errores de pensamiento

Algunos de los errores básicos de pensamiento u observación que mencionamos al principio de esta sección son la observación equivocada, la observación selectiva y la sobregeneralización (Babbie, 2010; Schutt, 2008).⁸

La observación equivocada consiste en la equivocación inconsciente que cometemos a razón de que nuestros sentidos son falibles. La existencia de distractores, no ver bien, no poner suficiente atención, olvidar, etc. son factores no intencionales que nos llevan a observar equivocadamente y, en consecuencia, a cometer errores.

Asimismo, la observación selectiva es un error irreflexivo y frecuente, cuyo origen se encuentra en el entrenamiento o la costumbre de ver ciertas cosas y descartar otras que, incluso, pueden inclusive ser aún más importantes para explicar un fenómeno; un ejemplo de observación selectiva es el pensamiento prejuicioso, el cual efectivamente puede ser subconsciente y derivado de una costumbre social. Finalmente, la sobregeneralización es un error de pensamiento que consiste en el hábito inapropiado —o costumbre anticientífica— de generalizar o inferir sobre cierto fenómeno a partir de un número insuficiente de observaciones. La sobregeneralización es un error que se origina en la necesidad natural de encontrar patrones de comportamiento y llegar a conclusiones que eliminen la incertidumbre.

I.3. El método científico

El método científico es un procedimiento dirigido a la comprensión profunda de un problema de investigación. Éste se fundamenta en un acervo de conocimientos previos y en la interacción social (Phillips, 1973). Es decir, es una labor gradual y comunitaria que separa la opinión de los hechos. Este método tiene dos premisas: la primera es que la verdad puede ser conocida por medio de la observación y la segunda es que las conclusiones son siempre tentativas. Por ello, en muchas ocasiones es posible encontrar artículos científicos que presentan discusiones de los hallazgos realizados más que conclusiones sobre un problema de investigación. Académicamente se distingue entre discutir y concluir, y la mayor parte de las aportaciones son del primer tipo.

En esencia, el método científico se divide en cuatro pasos ordenados: observación, pregunta, hipótesis y prueba. Dichos pasos se dividen, a su vez, en otros más deta­llados dentro de lo que llamaríamos el proceso ortodoxo o práctica tradicional de la inves­tigación científica, los cuales se verán más adelante en este capítulo. A continuación, se explican cada uno de estos pasos esenciales.⁹

El primer paso, el de la observación, puede darse de dos maneras: planeada o espontánea. En muchas ocasiones se observa solamente aquello que se ha sido entrenado para observar,¹⁰ mientras que en otras ocasiones —las menos— se observan cosas que nadie había percibido o definido antes. Muchas teorías en las ciencias sociales inician con observaciones planeadas de problemas sociales, por ejemplo, la violencia, y derivan de análisis precisos de todas o algunas de sus variedades —violencia intrafamiliar, de género, escolar, vandalismo, etcétera—. Es importante considerar que el método científico solamente puede abocarse al estudio de lo observable,¹¹ es decir, de aquello que tiene una manifestación material aceptada como existente dentro de la comunidad científica particular.

La observación del objeto o fenómeno siempre es seguida de una pregunta sobre los elementos e implicaciones de tal fenómeno. Es importante notar aquí que la pregunta incluye un ejercicio de análisis y de síntesis.¹² La pregunta de investigación no es un paso fácil dentro del proceso de investigación, pero es sumamente importante en la planeación del mismo, ya que es la definición de los intereses de la investigación.

Una hipótesis científica es una proposición lógica y específica derivada de una teoría (Leary, 2001). Es decir, las hipótesis científicas son normalmente deducciones. En este sentido, es importante advertir que hay algunas excepciones a la regla deductiva previamente mencionada: pueden existir hipótesis inductivas que surgen de una colección sistemática de observaciones que está desconectada de una teoría previa. Sin embargo, lo anterior es muy difícil y sólo sucede en áreas de investigación exploratorias. Las reglas que sigue la sistematización de las observaciones implican tener una teoría sobre el fenómeno bajo estudio, sea la teoría más o menos desarrollada. Es decir, lo común es contar con deducciones que pueden ser más o menos desarrolladas, y el trabajo de investigación consiste en ir sumando evidencias a través de una prueba ordenada y sucesiva de hipótesis. Las hipótesis pueden verse también como una anticipación de la respuesta.

Por las razones anteriores, las hipótesis de investigación científicas pueden ser probadas empíricamente sólo en dos sentidos: como verdaderas o falsas. Las hipótesis científicas deben ser potencial y probabilísticamente falseables. La lógica del requisito anterior es muy sencilla: en términos científicos, sólo se puede conocer como probablemente verdadero o falso algo que se puede rebatir empíricamente (Leary, 2001). A su vez, el objetivo de rebatir una proposición es llegar a la conclusión de que tal proposición es, en efecto, verdadera o falsa a la luz de la evidencia presente. Por eso el método científico habla de las probabilidades de lo verdadero versus lo que es sin duda alguna verdadero. Es decir: no hay hipótesis más o menos verdaderas ni más o menos falsas; lo que hay son hipótesis probables de ser verdaderas. La probabilidad dependerá de la calidad de la evidencia. Así, el conocimiento científico no es más o menos cierto ni más o menos falso. Específicamente en las ciencias sociales, lo que tenemos son fenómenos bien conocidos, poco conocidos, o totalmente desconocidos. Hay una graduación en la profundidad del conocimiento que tenemos de los problemas sociales y sus soluciones en muchas ocasiones hipotéticas, pero la virtud del método científico en este aspecto es que procede descartando las hipótesis falsas sobre la base de acumulación de evidencias y, precisamente, por la progresiva repetición de pruebas de hipótesis. Puede decirse incluso que la utilidad práctica de las hipótesis de investigación es doble y consiste en que dirigen el proceso de investigación y fijan los límites del mismo.

La prueba de hipótesis es el último paso esencial del método científico. Su resultado es el conocimiento científico, el cual produce circularmente nuevas preguntas e ideas. Los resultados son siempre limitados y pueden ser debatibles, tanto teórica como metodológicamente. Es por ello que el método científico permite que los resultados y el proceso de investigación o metodología particulares de cada estudio realizado sean perfectibles por definición.

Además de premisas y pasos esenciales, el método científico también tiene varios principios o normas de conducta o acción aceptados por los practicantes. El primero es el principio de replicación o verificación pública de los resultados (Stanovich, 1996; King, 1995). Este principio establece que los resultados de toda investigación deben ser los mismos todas las veces que se repita el estudio, siempre y cuando el proceso de investigación o metodología sea exactamente el mismo y se utilicen los mismos elementos de evidencia. Si los resultados son diferentes, pese al seguimiento estricto de la metodología y evidencia, entonces se puede concluir que los resultados presentados no son confiables. Es en virtud de que muchos investigadores con una preferencia por los métodos estadísticos se apegan a este principio de replicación, que las bases de datos que utilizan se hacen públicas y se comparten al público interesado, a fin de que repita la investigación y confirme que los resultados son confiables. Incluso hay un interés por difundir la evidencia para que se realicen más avances a través de nuevas pruebas de hipótesis.

Otro principio es el de la parsimonia, el cual consiste en la idea de que la explicación más simple de un fenómeno es la más probable de ser cierta. Éste deriva de la navaja de Occam,¹³ cuyo planteamiento es que la explicación más simple a un fenómeno es usualmente la correcta. Dicho de otra manera, las explicaciones no necesitan ser agregadas innecesariamente, es decir, no deben ser redundantes. Su implicación en el desarrollo de hipótesis y teorías, es que se prefieren las teorías simples sobre las excesivamente complejas y condicionales, y también que se prefiere proceder de manera científica con el menor número de axiomas o supuestos versus lo contrario. Esto incluye descartar conceptos, variables, relaciones y comparaciones forzadas e innecesarias dentro del proceso de investigación.

I.4. Las teorías científicas

El método científico produce teorías del mismo tipo. Se busca desarrollar teorías científicas porque se desean explicaciones verdaderas. En este sentido, resulta importante iniciar con la advertencia de que el término teoría científica a menudo es mal entendido. En esta sección se presentan tanto su definición correcta como sus elementos constituyentes.

Una teoría científica es una explicación fundamentada en evidencia empírica que puede ser falseada sobre la base de nuevas y mejores pruebas de hipótesis y evidencias. A la inversa y por eliminación de alternativas, una especulación, una ideología, una descripción o una relación de hechos no pueden pasar como teorías científicas. Es decir, una teoría científica implica una explicación verdadera (en la medida en que esto sea posible), lo cual rebasa a la descripción y a la correlación; sin embargo, es importante notar que estos elementos son pasos previos necesarios para la explicación. En síntesis, el punto central de lo que distingue una teoría científica de todo lo demás, es que nos habla de causación sobre la base de observaciones de hechos materiales. Y es precisamente esta capacidad de explicar las relaciones causales lo que permite la predicción no especulativa, es decir, una predicción probabilística pero científicamente verdadera e invariable.

Las teorías científicas se proponen y se refutan. Esta es la ocupación principal de los investigadores.¹⁴ La mayor parte de ellos considera que la manera de refutar teorías es por medio de su falseamiento. En este sentido, Karl Popper insistía en que el inductivismo¹⁵ era un mito (Gillies, 2000). Concretamente, Popper argumentaba que nadie puede observar sin contar de manera previa con una teoría, por lo que la investigación científica no inicia con simples observaciones, sino con conjeturas teóricas que buscan refutarse. El principio del falseamiento consiste en que las teorías, formuladas como hipótesis, pueden ser probadas como falsas, con base en la evidencia. Por ende, la evidencia a considerar en todo estudio científico no debe ser únicamente aquella que apunta en favor de una hipótesis (la verificación); la evidencia científica que la falsea es relevante y también debe ser considerada, pues, de hecho, ésta es más importante que la que verifica, ya que tiene la capacidad de invalidarla.

Desde esta perspectiva, las teorías científicas pueden ser probadas en sus predicciones. Sin duda la predicción es la prueba final y más efectiva a la que puede someterse una teoría. Si la predicción teórica difiere de la evidencia, es decir sí no se ajusta a la realidad,¹⁶ entonces esta teoría debe ser descartada por falsa (o por no estar fundamentada). La progresión teórica siempre viene acompañada de una progresión empírica. Esto tiene el efecto de agregar nuevas evidencias, limitar nuevas propuestas de teorías, e inclusive reducir el número de teorías disponibles.¹⁷

Este enfoque en el falseamiento de hipótesis posee dos ventajas; mantiene los estándares de las explicaciones verdaderas y, además, demarca o distingue, en términos de Popper, una teoría científica de una que no lo es. Lo que no puede ser sometido a prueba científica, ahora o posteriormente, no constituye materia de discusión entre científicos. Aquí cabe aclarar que no es necesario esperar al futuro para realizar una prueba de una teoría científica; una nueva teoría puede refutarse con evidencia pasada.

De lo anterior es fácil deducir que la proposición y refutación de teorías científicas es un proceso lento y meticuloso, que exige la compilación de evidencia empírica y la prueba exhaustiva de toda afirmación. Las teorías científicas son puestas a prueba de forma constante. Es parte inherente del método científico. Nótese que es perfectamente válido que una teoría explique sólo un aspecto o grupo de causas predefinidas de un fenómeno. Por ejemplo, el comportamiento delictivo por un tiempo fue explicado, de manera parcial, en relación a la constitución física o capacidad intelectual de los individuos. Una vez refutados los datos y el método de investigación seguidos por los teóricos de la llamada antropología criminal, surgieron otras explicaciones, válidas en este caso, que destituyeron esta teoría considerada falsa en la actualidad. Pero la refutación tomó tiempo y, desafortunadamente, algunas creencias de ese tipo siguen en proceso de ser