{"id":93876,"date":"2008-06-05T11:11:00","date_gmt":"2008-06-05T11:11:00","guid":{"rendered":"http:\/\/weblogs.madrimasd.org\/\/universo\/archive\/2008\/06\/05\/93876.aspx"},"modified":"2010-01-22T03:47:55","modified_gmt":"2010-01-22T02:47:55","slug":"las-incertidumbres-de-la-ciencia-ajustes-a-los-modelos-de-regresion-estadistica","status":"publish","type":"post","link":"https:\/\/www.madrimasd.org\/blogs\/universo\/2008\/06\/05\/93876","title":{"rendered":"Las Incertidumbres de la Ciencia: Ajustes a los Modelos de Regresi\u00f3n Estad\u00edstica"},"content":{"rendered":"

El otro d\u00eda, una carta en Nature Physics<\/span><\/b> me llam\u00f3 mucho la atenci\u00f3n: \u201cLaws, Power laws and Statistics<\/font><\/a>\u201d (por Mark Buchanan). La verdad me qued\u00e9 un tanto sorprendido, debido a que era un mero resumen de otro trabajo publicado en abierto, que llevaba el titulo: de \u201cPower-laws with empirical data<\/font><\/a>\u201d. Al parecer, a algunos redactores de esta prestigiosa revista les faltan las ideas. Eso s\u00ed, Mark especulaba con tal entusiasmo como el que descubre la dinamita<\/span><\/b>. Sin embargo el problema existe, es muy serio y la soluci\u00f3n dif\u00edcil<\/span><\/b>. Se trata de las conclusiones de estudios de investigaci\u00f3n obtenidas cuando se ajustan datos a modelos de regresi\u00f3n<\/span><\/b>. En este caso se hablaba tan solo de leyes potenciales, pero lo mismo podr\u00eda decirse de todos los dem\u00e1s. El autor defiende que, a menudo una misma distribuci\u00f3n se ajusta bien a varios modelos de regresi\u00f3n<\/span><\/b> (lineales, exponenciales, logar\u00edtmicos, polinomiales, etc.). Generalmente no se testan todos (con frecuencia solo uno), por lo que se nos dice en much\u00edsimas publicaciones debe ponerse en tela de juicio<\/span><\/b>. Es cierto, no le en este sentido. Llevo analizando el problema desde hace muchos a\u00f1os<\/span><\/b>, por cuanto trabajo con tales distribuciones estad\u00edsticas. Y nos relataba otra gran verdad: el problema estriba en que un buen ajuste requiere miles de datos emp\u00edricos, los cuales raramente suelen ser proporcionados por estudios emp\u00edricos<\/span><\/b>. \u00bfQu\u00e9 hacer en estas situaciones harto frecuentes? \u00a1He aqu\u00ed el dilema!<\/o:p><\/span><\/p>\n

 <\/o:p><\/span><\/p>\n

 <\/o:p><\/span><\/p>\n

 <\/o:p><\/span><\/p>\n

Ambig\u00fcedad de los datos de edafodiversidad de las<\/o:p><\/span><\/p>\n

Islas del Egeo al ajustarse a 4 modelos de <\/o:p><\/span><\/p>\n

distribuci\u00f3n estad\u00edstica. Los datos reales son los puntos<\/o:p><\/span><\/p>\n

Fuente: Ib\u00e1\u00f1ez, Caniego y San Jos\u00e9, 2005. (Ecol. Model)<\/o:p><\/span><\/p>\n

<\/p>\n

 <\/o:p><\/span><\/p>\n

A partir de aqu\u00ed el autor mencionado desbarra sobremanera. Al centrarse sobre una distribuci\u00f3n potencial, lo \u00fanico que se\u00f1ala es un problema muy concreto y una posible soluci\u00f3n<\/span><\/b>: la que ofrecen Clauset et al. (2007)<\/span><\/b> en el \u00faltimo hiperv\u00ednculo proporcionado. Si tuviera que valorar tan rampl\u00f3n escrito y an\u00e1lisis, dir\u00edase que en Nature puede publicar cualquiera que se encuentre arropado por el establishment<\/span><\/b>. Con toda humildad, he publicado en revistas de impacto sobre esta cuesti\u00f3n en varias ocasiones, escritos mucho mejores (en referencia a la revista mencionada), desconociendo que en Nature ten\u00eda una puerta abierta. Jajajaja, \u00bfalguien se lo cree? Pero vayamos al asunto. <\/o:p><\/span><\/p>\n

 <\/o:p><\/span><\/p>\n

Si usted tiene una base de datos y quiere analizar si se ajusta a un modelo de distribuci\u00f3n, lo que demandan los c\u00e1nones cient\u00edficos es testar todos ellos. \u00bfCu\u00e1ntos?<\/span><\/b> Pues ni m\u00e1s ni menos que centenares, o potencialmente miles<\/span><\/b>. El trabajo es m\u00e1s que \u00edmprobo. De hecho, podr\u00edamos construir infinitos modelos de regresi\u00f3n, por lo que jam\u00e1s sabremos si se ha detectado el mejor ajuste<\/span><\/b>. Existe un programa en la Web (CurveExpert) que permite analizar el ejuste de los datos, simult\u00e1neamente, a decenas de estos constructos estad\u00edsticos. Se lo pueden bajar libremente. Una experiencia desconcertante para los novicios consiste en correr el modelo y observar que sus datos se ajustan significativamente a muchos de ellos<\/span><\/b>. De hecho, este software nos ofrece un ranking de mejor a peor (dentro de los tipos de distribuci\u00f3n estad\u00edstica que contempla, por supuesto). Ok. Si la base de datos no es muy extensa, modifique un poco los resultados y vuelva probar. A menudo todo cambia<\/span><\/b>. \u00bfEntonces que hacer?<\/o:p><\/span><\/p>\n

 <\/o:p><\/span><\/p>\n

Los borriquitos de la ciencia se\u00f1alar\u00edan de inmediato que debemos abrazar el mejor ajuste y punto<\/span><\/b>. Ahora bien, hablamos de borriquitos, no lo olvidemos. Resulta que este software utiliza un ajuste de m\u00ednimos cuadrados<\/span><\/b>. Sin embargo, existen otros como el de Kolmogorov-Smirnov<\/span><\/b>, que dicen los entendidos ser es m\u00e1s apto que el anterior, con vistas a tratar matem\u00e1ticamente bases de datos peque\u00f1as. Ahora bien, muy pocos lo utilizan, y si usted lo hace, se reducen dr\u00e1sticamente las posibilidades que tiene de comparar sus estudios con los de otros autores. Sin embargo si se repite el an\u00e1lisis con muchos modelos, el tes del chi-cuadrado y el de Kolmogorov-Smirnov, observar\u00e1 que el ranking cambia otra vez.  <\/span>M\u00e1s aun existen otras alternativas con vistas a valorar la bondad de los ajustes estad\u00edsticos<\/span><\/b>.<\/o:p><\/span><\/p>\n

 <\/o:p><\/span><\/p>\n

 <\/o:p><\/span><\/p>\n

 <\/o:p><\/span><\/p>\n

Ajuste \u00bfapa\u00f1ado? a una potencial de comunidades microbianas<\/o:p><\/span><\/p>\n

de suelos des\u00e9rticos de Australia. Fuente: Nature<\/o:p><\/span><\/p>\n

 <\/o:p><\/span><\/p>\n

Por lo tanto, nos encontramos que el investigador se encuentra frente a una tarea de titanes: cotejar su base de datos contra cientos de modelos y repetir tal iniciativa con varios test de ajuste. \u00bfCu\u00e1ntos? No lo s\u00e9<\/span><\/b>. Empero ma\u00f1ana puede salir al mercado otro test de bondad de ajuste, por lo que habr\u00eda que retornar sobre sus propios pasos<\/span><\/b>. Sin embargo, pueden tambi\u00e9n descubrirse las \u201cmaravillas\u201d de nuevos modelos de regresi\u00f3n recientemente publicados<\/span><\/b>. Por tanto el buen cient\u00edfico requerir\u00eda pasarse la vida ajustando los mismos datos a \u201ctropecientos\u201d productos estad\u00edsticos. Amigo Mark, as\u00ed no funciona la ciencia<\/span><\/b>, ni ahora ni nunca. Y no me digas chaval que el problema es que debemos trabajar con bases de datos enormes porque en la mayor\u00eda de los casos es absolutamente imposible obtenerlas. No te pases de listo.<\/o:p><\/span><\/p>\n

 <\/o:p><\/span><\/p>\n

A pesar de todo, permanece otro grave problema por resolver: \u00a1la calidad de los datos!<\/span><\/b> Cuando se trabaja en un laboratorio el tema puede ser menos complejo, ya que siempre es posible detectar otra manera de acceder a otros mejores. Tan solo basta que mejore la instrumentaci\u00f3n, por ejemplo. Ahora bien, los que solemos trabajar con bases de datos institucionales<\/span><\/b>, elaboradas por muchos autores, conocemos bien la \u201ccalidad-precariedad\u201d de la informaci\u00f3n<\/span><\/b> que tenemos entre manos. Nunca es \u00f3ptima<\/span><\/b>. Por muchos modelos de interpolaci\u00f3n que utilicemos, con vistas a mejorar la estructura espacial o el devenir temporal de la informaci\u00f3n, siempre hay incertidumbres<\/span><\/b>. Y si adem\u00e1s al cambiar algunas d\u00e9cimas de unos pocos<\/span><\/b> (en un margen de precisi\u00f3n-incertidumbre aceptable en vista de los protocolos utilizados)  <\/span>nos topamos con que otros modelos se ajustan mejor, sencilla y llanamente lo mejor es pegarse un tiro<\/span><\/b> en la cabeza. As\u00ed, conforme a este tipo de justicia divina: \u00a1todos muertos<\/span><\/b>! <\/o:p><\/span><\/p>\n

 <\/o:p><\/span><\/p>\n

Les pondr\u00e9 tan solo un ejemplo<\/span><\/b>. Por la raz\u00f3n que sea, no es inusual que cuando buscara ajustes a leyes potenciales me apareciera entre otras una distribuci\u00f3n llamada Weibull<\/span><\/b>.  <\/span>Mis datos se ajustaban a ella, muchas veces, mejor que a una potencial. Se trata de una ecuaci\u00f3n mucho m\u00e1s compleja y dif\u00edcil de interpretar<\/span><\/b>. Llevemos tal incertidumbre a un Workshop y no se la prest\u00f3 atenci\u00f3n. Casi nadie la menciona cuando se habla de leyes potenciales o fractales. Pero un d\u00eda <\/span><\/b>se me ocurri\u00f3 analizar en la Web y en Science Direct<\/span><\/b>, a\u00f1o por a\u00f1o, cuantas veces aparec\u00eda en el transcurso del tiempo. Los resultados, seg\u00fan el an\u00e1lisis de la Web en bruto, o de las revistas indexadas, me dejaron at\u00f3nito, por lo que ser\u00e1n motivo de otro jugoso post<\/span><\/b>.<\/o:p><\/span><\/p>\n

 <\/o:p><\/span><\/p>\n

Resumiendo: Por mucho Nature que sea, Mark desbarra en su nota, mostrando una caricatura grotesca de un problema complejo y multifactorial. Existen incertidumbres intr\u00ednsecas a este tipo de an\u00e1lisis que son insoslayables<\/span><\/b>. De hecho, casi todas las que menta este autor y muchas m\u00e1s, por supuesto. Entiendo perfectamente que aplicar el m\u00e9todo de Clauset y colaboradores, para lajustar datos a las leyes de escala puede ser la mejor de las soluciones, hoy por hoy. Ahora bien, sigue sin excluirse la posibilidad de que los datos se ajusten bien a estas leyes u otras distribuciones estad\u00edsticas, as\u00ed como que aparezcan en el futuro otros m\u00e9todos que mejoren o refuten el propuesto por Clauset. Mark ha hecho una monta\u00f1a de un grano de arena. \u00bfPor qu\u00e9? Simplemente todo es debido a que a la hora de publicar no se dice todo lo que los investigadores han realizado, as\u00ed como las incertidumbres que personalmente sufran ellos mismos<\/span><\/b>. De hacerlo el art\u00edculo ser\u00eda excluido, y aquellos castigados por ser honestos. Lo veremos en un post posterior.<\/o:p><\/span><\/p>\n

 <\/o:p><\/span><\/p>\n

Ahora bien, s\u00ed que entre tanto embrollo, est\u00e1n los que utilizan la estrategia de \u201ca r\u00edo revuelto ganancia de pescadores<\/span><\/b>\u201d. Desde luego, algo de orden si puede y debe ponerse en los siguientes casos<\/span><\/b>.<\/o:p><\/span><\/p>\n

 <\/o:p><\/span><\/p>\n

1.        <\/span><\/span><\/span>Los resultados son muy diferentes si en una misma bases de datos utilizamos estos por individual<\/span><\/b> (uno por uno) o acumuladamente<\/span><\/b> (acumulando sus frecuencias paso a paso). Mi experiencia me dicta que, a menudo, datos de frecuencias acumuladas se ajustan mejor a una potencial que al tratarlos por separado<\/span><\/b>. El investigador jam\u00e1s debe escoger la forma de analizar los datos matem\u00e1ticamente que le proporcionen los ajustes que m\u00e1s le convengan a la hora de corroborar su hip\u00f3tesis de trabajo (cuando la tienen).<\/o:p><\/span><\/p>\n

2.       <\/span><\/span><\/span>Agrupaciones de los datos emp\u00edricos de una base de datos en categor\u00edas o clases<\/span><\/b>. Por ejemplo, si tienes para un archipi\u00e9lago el n\u00famero de islas y sus respectivas \u00e1reas, puedes analizarlos estad\u00edsticamente \u201cindividualmente\u201d o agruparlos en unas pocas clases por rangos de tama\u00f1o (por ejemplo, menores de 1km2<\/sup>; entre 1 y 10 km2<\/sup>; entre 10 y 100 km2<\/sup>; etc.). Seg\u00fan los criterios de agrupamiento, un mismo grupo de datos puede ajustarse a una ley potencial o no<\/span><\/b>. <\/o:p><\/span><\/p>\n

3.       <\/span><\/span><\/span>El fraude cient\u00edfico: ama\u00f1ar la base de datos <\/span><\/b>(eliminar por ejemplo los que \u201cestropean\u201d el ajuste) conforme a nuestros deseos.<\/o:p><\/span><\/p>\n

 <\/o:p><\/span><\/p>\n

Afortunadamente, el movimiento en acceso abierto que nos obligar\u00e1 a colgar de las Web de nuestras instituciones los datos brutos de<\/span><\/b> los proyectos financiados por entidades gubernamentales, ayudar\u00e1 a separar el grano de la paja<\/span><\/b> (aunque no siempre).  <\/span> <\/span><\/sup> <\/span><\/o:p><\/span><\/p>\n

 <\/o:p><\/span><\/p>\n

\u00bfC\u00f3mo deber\u00edamos clasificar este post? Miro las categor\u00edas y no se me \u201cescurre nada\u201d. Se admiten ideas que no sean ofensivas.<\/o:p><\/span><\/p>\n

 <\/o:p><\/span><\/p>\n

Juan Jos\u00e9 Ib\u00e1\u00f1ez  <\/span>        <\/span>     <\/span>     <\/span><\/o:p><\/span><\/p>\n","protected":false},"excerpt":{"rendered":"

El otro d\u00eda, una carta en Nature Physics me llam\u00f3 mucho la atenci\u00f3n: \u201cLaws, Power laws and Statistics\u201d (por Mark Buchanan). La verdad me qued\u00e9 un tanto sorprendido, debido a que era un mero resumen de otro trabajo publicado en abierto, que llevaba el titulo: de \u201cPower-laws with empirical data\u201d. Al parecer, a algunos redactores de esta prestigiosa revista les faltan las ideas. Eso s\u00ed, Mark especulaba con tal entusiasmo como el que descubre la dinamita. Sin embargo el problema existe, es muy serio y la soluci\u00f3n dif\u00edcil. Se trata de las conclusiones de estudios de investigaci\u00f3n obtenidas cuando se\u2026<\/p>\n","protected":false},"author":26,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"ngg_post_thumbnail":0},"categories":[609,586,597,605],"tags":[],"blocksy_meta":{"styles_descriptor":{"styles":{"desktop":"","tablet":"","mobile":""},"google_fonts":[],"version":4}},"aioseo_notices":[],"_links":{"self":[{"href":"https:\/\/www.madrimasd.org\/blogs\/universo\/wp-json\/wp\/v2\/posts\/93876"}],"collection":[{"href":"https:\/\/www.madrimasd.org\/blogs\/universo\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.madrimasd.org\/blogs\/universo\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.madrimasd.org\/blogs\/universo\/wp-json\/wp\/v2\/users\/26"}],"replies":[{"embeddable":true,"href":"https:\/\/www.madrimasd.org\/blogs\/universo\/wp-json\/wp\/v2\/comments?post=93876"}],"version-history":[{"count":3,"href":"https:\/\/www.madrimasd.org\/blogs\/universo\/wp-json\/wp\/v2\/posts\/93876\/revisions"}],"predecessor-version":[{"id":134683,"href":"https:\/\/www.madrimasd.org\/blogs\/universo\/wp-json\/wp\/v2\/posts\/93876\/revisions\/134683"}],"wp:attachment":[{"href":"https:\/\/www.madrimasd.org\/blogs\/universo\/wp-json\/wp\/v2\/media?parent=93876"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.madrimasd.org\/blogs\/universo\/wp-json\/wp\/v2\/categories?post=93876"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.madrimasd.org\/blogs\/universo\/wp-json\/wp\/v2\/tags?post=93876"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}