Algunos aspectos de la probabilidad para comprender la evidencia

Por: Paulin Polanco Fontalvo

Los métodos estadísticos que se han desarrollado, han aportado diferentes procesos lógico-matemáticos que permiten reconocer la veracidad de una hipótesis, al momento  de analizar cualquier fenómeno. Estos mecanismos han permitido a los científicos, desarrollar pruebas desde un punto de vista que puede ser objetivo o subjetivo, dependiendo de si el conocimiento previo obedece a un conocimiento empírico o no. Sin embargo, ¿qué tan válidos pueden ser los métodos aplicados?, ¿Cómo se puede reconocer que la selección y/o diseño del método para probar una hipótesis, está correctamente estructurado?, Para esto diferentes escuelas filosóficas han desarrollado una serie de mecanismos, basados en la probabilidad de ocurrencia de una hipótesis y la capacidad de que pueda ser probada dada la evidencia disponible.

A la luz de la inferencia Bayesiana, el teorema de Bayes implica una serie de conocimientos empíricos previos, a los cuales se le asigna una probabilidad. Estos están sujetos a un análisis lógico probatorio, que permitiría aumentar o disminuir la probabilidad posterior de que ocurra un evento, permitiendo comprobar o no una hipótesis. Los Bayesianos, tienen en cuenta como evidencia los eventos que serían considerados por los Frecuentistas como “error”. Es decir, desde el punto de vista Frecuentista, una serie de conocimientos empíricos explican y comprueban una hipótesis, dada de repetitividad con la que se presenta dicho fenómeno. Estos no realizan un análisis lógico para tomar una probabilidad posterior. Es sí o no, mas no es 80 % si o 20 % no. En cierta medida descarta las probabilidades de que el fenómeno en cuestión no ocurra, frente a diferentes circunstancias.

Por otro lado, se reconoce que una hipótesis analizada científicamente no puede tener un 100% de probabilidad de ocurrencia. Dado que bajo ciertas circunstancias, ésta puede tener un comportamiento diferente. Para solucionar esto, se le han asignado valores de confianza, que dependen de la veracidad con que se analizan datos para probar una hipótesis. Esto resulta ser muy importante, debido a que un valor de confianza muy alto da como resultado un análisis más real y preciso que no depende de la probabilidad de ocurrencia. Sin embargo teniendo en cuenta la reincidencia de eventos, se le asigna una probabilidad máxima de ocurrencia respecto a la proporción de eventos.

En este sentido, si se aplican los conceptos bayesianos de análisis probabilísticos a una población o una comunidad de especies, se puede deducir que aunque existe un conocimiento previo que le da un valor de probabilidad a priori a un evento biológico cualquiera, este no determina que sea la probabilidad a posteriori universal de dicho evento. Por esto, se hace necesario analizar, proponer y probar modelos matemáticos de diferentes corrientes filosóficas, que se ajusten a las condiciones de las hipótesis a comprobar. No obstante, se han desarrollado también modelos “falsos” que idealizan y ajustan las condiciones de dicho evento, asumiendo que no hay error y así comparar que tan alejado se encuentra la hipótesis a probar en la realidad, con respecto al ideal. Comparando de esta manera teorías alternativas que permiten entender, por ejemplo, el comportamiento de las especies bajo determinadas circunstancias. Ahora bien, entre más se recopile información respecto a un supuesto en particular, se puede entender mejor el funcionamiento del mismo y las probabilidades de que una hipótesis pueda ser probada en torno a este.

Por lo anterior, se recomienda que al momento de probar una  hipótesis, su metodología pueda ser replicada más allá de los resultados que se puedan obtener en un solo ejercicio. Ya que cada circunstancia puede tener un contexto azaroso que afecta el resultado, rechazando lo que en otro entorno pudiera ser probado.  Un ejemplo de esto se puede observar en la diversidad genética de una especie en particular. Dadas las condiciones ambientales a las que pueda estar sometida determinada población, puede arrojar unos valores que difieren con respecto a otra población de la misma especie, que si bien estaría sujeto a su contexto ambiental, no se descarta que sea una característica de la especie como tal y no presentar varianza indistintamente del lugar donde se encuentre.

Por lo tanto, más allá de establecer la veracidad de una hipótesis, es muy importante determinar una metodología confiable y la selección de un modelo que pueda explicar claramente un escenario, tomando puntos de comparación entre “lo que es” y “lo que debería ser”, que pueda ser replicado dadas las circunstancias del mismo. Como ocurre con algunos procesos evolutivos, que por azar pueden generar la fijación o no de un alelo en una población y que esta probabilidad de fijarse en una población, aumenta o disminuye cuando se suman mecanismos evolutivos tales como la selección natural, flujo génico o una deriva génica.

Finalmente, se debe recurrir a la toma de datos para poder poner a prueba uno o varios modelos que expliquen una hipótesis. Para esto, se toma como referencia una hipótesis alternativa, que permita explicar teorías frente a un fenómeno en particular, que adicional a esto, también permita hacer predicciones acertadas sobre el comportamiento del mismo. Volviendo al caso de los alelos, los análisis probabilísticos  de este tipo, ayudan a entender como los mecanismos evolutivos influyen sobre la fijación de alelos en una población, que a futuro permite tomar decisiones para afrontar y solucionar problemas.

Sober, E. (2008). Evidence and evolution, Capítulo I: Evidence. Nueva York: Cambridge University Press.