Sesgo estadístico
El sesgo estadístico es la diferencia que se produce entre un estimador matemático y su valor numérico, una vez realizado un análisis.
Por tanto, el sesgo es la diferencia que se da entre la teoría y la realidad.
Es muy habitual en estadística y debe ser controlado. Por otro lado, los estimadores que no tienen sesgo se denominan insesgados y sería el estado ideal en una investigación, aunque ello se debe a que es, prácticamente, inalcanzable.
¿Qué produce el sesgo en la ciencia?
El sesgo puede producirse, sobre todo, por tres vías:
- El sesgo de selección: Es el más habitual en estadística. Normalmente tiene que ver con la elección de los grupos. Lo más frecuente es que no se haya tomado la decisión con base en métodos de muestreo objetivos. Por ejemplo, que se elija la muestra por afinidad a un candidato en un sondeo.
- Sesgo de información: Estamos ante un sesgo debido a una información deficiente. Por tanto, no podemos comparar los grupos porque tenemos información demasiado limitada de ellos.
- Sesgo de confusión: En este caso existe una variable llamada así, de confusión, que es la que provoca el sesgo. Suele ser difícil encontrar dónde está el problema.
El sesgo estadístico y los métodos de muestreo
Cuando realizamos una investigación debemos saber si vamos a realizar un estudio exploratorio o confirmatorio. Esta pregunta es esencial. De ella va a depender el tipo de muestreo que elijamos.
Así, cuando deseamos realizar un estudio confirmatorio, utilizaremos métodos aleatorios. Sin embargo, cuando la intención es realizar una exploración que sirva de base para otras investigaciones, el método puede ser no aleatorio. Hay que tener en cuenta que este último método suele tener menor coste y ser más sencillo.
El sesgo estadístico de selección
Este es el más habitual y el que cometen, en mayor medida, los investigadores. Debemos tener mucho cuidado con la elección de una muestra estadística. En este proceso se comete este tipo de sesgo estadístico de selección.
Por eso es muy importante establecer el protocolo antes y hacerlo de forma detallada. Además, hay que formar a las personas que recopilarán los datos. Esta última parte es una prioridad para evitar, también, otros tipos de sesgo, como el de información.
Ejemplos de sesgo estadístico de selección
Vamos a ver, para terminar, algunos ejemplos donde puede producirse un sesgo estadístico.
Son muy habituales y suelen dar lugar, como resultado, a investigaciones sesgadas que no reflejan la realidad. Por eso es importante evitarlos.
- Por ejemplo, imaginemos que queremos estudiar la afinidad de la población por un candidato político. Los encuestadores podrían cometer un error que provoque un sesgo si no eligen las zonas al azar. Es decir, si eligen zonas afines a dicho candidato.
- En economía se puede cometer un sesgo, por ejemplo, en el estudio de la pobreza. Los países deberían ser elegidos de forma paritaria para que exista un equilibrio. Así se podrían estudiar las variables que promueven la pobreza, pero también la prosperidad.
- En medicina se produce un sesgo estadístico de selección si al estudiar una enfermedad no se usa el muestreo adecuado. Es decir, si queremos ver la incidencia poblacional, debemos utilizar muestreos aleatorios, sobre todo si el objetivo es confirmar el estudio.
