FRECUENTISTA O BAYESIANO?

En nuestra ltima entrada hablbamos un poco de qu nos ofrece la

estadstica. Lo que omitimos fue el cmo obtiene esos resultados. Existen
muchos tipos de mtodos, cada uno apto para un tipo de problema y con
una serie de desventajas e inconvenientes a ponderar antes de utilizarlo.
Pero, incluso antes de elegir la herramienta particular a usar, nos
encontramos con que hay dos escuelas estadsticas diferentes. Aunque
nosotros creemos que en la prctica ambas son igualmente tiles, hay (y
ms que hubo) cientficos y analistas de datos que niegan validez de alguna
de ellas.
Por un lado tenemos a los frecuentistas que deciden proceder repitiendo el
experimento muchas veces y contar las veces en las se da uno u otro
suceso, esto es, miden las frecuencias relativas. Si un experimento no
puede repetirse no tiene sentido hablar de la probabilidad de que suceda,
no? Y si aun as pudisemos definirla por qu querramos hacerlo si el
acontecimiento suceder o no pero no se repetir?
Los bayesianos en cambio deciden utilizar su experiencia previa para
condicionar el resultado del anlisis. A fin de cuentas yo s que ciertos
resultados son menos probables o incluso imposibles incluso antes de
realizar el primer ensayo. Por qu no utilizar esa informacin? A priori
tenemos cierta intuicin, basada o no en datos, que nos permite definir la
probabilidad de que se d uno u otro resultado en el experimento a realizar.
A esta distribucin de probabilidad la denominaremos prior.
Aunque no la hemos enfatizado ya ha aparecido la primera diferencia entre
ambos enfoques: la definicin de probabilidad. Los frecuentstas necesitan
al menos unos cuantos ensayos para poder decir cmo de seguros se
encuentran de que suceda algo en particular mientras que los bayesianos
apostarn por un resultado antes de empezar a experimentar. De hecho, si
el suceso es nico los bayesianos pueden dar un valor de probabilidad. El
truco est en que la palabra probabilidad tiene significados diferentes y
mientras para los frecuentistas hablan de frecuencias relativas los
bayesianos se refieren a la certidumbre que tienen de que suceda el
fenmeno. De esta forma un bayesiano puede afirmar que maana hay una
probabilidad del 80% de que llueva aunque el da de maana sea
irrepetible.
Por otro lado parece que el enfoque frecuentista es ms objetivo (de hecho
en muchas ocasiones se denomina objetivistas a los frecuentistas) mientras
que los bayesianos contaminan el estudio con sus sesgos y prejuicios. Esto
es completamente cierto y sucede porque el mismo hecho de definir
un prior implica asumir hechos sobre los que no necesariamente tenemos
datos. Sin embargo, lo cierto es que este inconveniente se difumina si se
tiene en cuenta que los procesos de tratamiento estadstico usan los datos
para corregir o actualizar ese conocimiento previo. Al final, si se dispone de
suficientes datos, el resultado de los dos mtodos ser similar.
La ltima diferencia que queremos remarcar, no la ltima que queda por
explicar, tiene que ver con cmo se aborda el proceso de inferencia segn
una y otra forma de entender la estadstica. En ambos casos se usa unos

datos (poblacin muestral) para verificar la verdad o falsedad de una

afirmacin (hiptesis); por ejemplo, queremos usar una muestra de la
poblacin total para inferir algo que suponemos sucede en la poblacin
total.
El enfoque frecuentista considera que los datos son aleatorios debido a la
naturaleza del proceso que los genera y que cada vez que repitamos el
experimento obtendremos un resultado diferente. De la misma forma cree
que la hiptesis ser cierta o falsa para el proceso estudiado pero que
debido a la naturaleza aleatoria de los datos nuestro anlisis puede
sealarla como falsa cuando es cierta (falso negativo) o verdadera cuando
es falsa (falso positivo). Por ello el enfoque frecuentista nos proporcionar,
adems de una respuesta a la pregunta de si la hiptesis es cierta o falsa,
una probabilidad denominada p-valor. Este nmero es un indicador cuantas
veces tendramos que repetir la toma de datos y el anlisis estadstico para
obtener el resultado opuesto. Ntese que, al ser los datos aleatorios,
siempre puede ser que acabe usando un conjunto que me apunte en la
direccin contraria a la que realmente se comporta la poblacin total.
Los bayesianos le dan la vuelta al enfoque frecuentista. Para ellos los datos
son fijos, no aleatorios porque no se han obtenido ya? Qu tienen de
aleatorios los valores anotados en esas tablas que hemos ido generando? En
cambio la hiptesis es para ellos aleatoria y puede ser o no verdad. Los
bayesianos no determinan si la hiptesis es cierta o falsa, nicamente
calculan la probabilidad (en sentido bayesiano) de que sea cierta o falsa.
Esto es, ante la pregunta de si una hiptesis es correcta, los frecuentistas
responden un s o un no pero apostillan con qu frecuencia obtendras el
resultado opuesto mientras que los bayesianos no responden directamente
y se limitan a indicar cmo de seguros estn de uno u otro resultado.
Por qu indicbamos antes que un tipo de enfoque es el inverso del otro?
Visto desde un punto de vista ms matemtico, los frecuentistas se
preguntan por la probabilidad de que se obtengan los datos que se han
recogido en la prctica bajo el supuesto de que la hiptesis es cierta. Los
bayesianos, por el contrario, se preguntan por la probabilidad de que la
hiptesis sea cierta sabiendo que hemos recogido unos datos en particular.