Estadísticas y Futbol

Dicen que en el futbol las estadísticas no juegan. Sin embargo, ayudan a describir y establecer patrones de juego, incluso se puede llegar a ensayar su relación con la economía de un país, revisar el reporte: The World cup and Economics 2018. Incluso se puede realizar análisis sociológico como es el caso del Libro “Ese gol existe” de Aldo Panfichi.

Pero hay que hacer una diferencia, una cosa son las “Estadísticas” y otra cosa es la “Estadística”, incluso habría que previamente hacer otra diferencia, el que se ocupa de la (ciencia) Estadística se le conoce como Estadístico (sea licenciado o Ingeniero) y no “Estadista” como erróneamente se le suele llamar.

Las estadísticas permiten ordenar, clasificar y describir detalles a través del conteo que se hace de la ocurrencia de hechos de una variable, en el fútbol puede ser partidos ganados, perdidos o empatados; goles que hace un equipo o un jugador, en un partido o en varios en un campeonato o torneo.

A partir de los datos que generan las estadísticas, se puede establecer ratios, tasas, proporciones o porcentajes e incluso medidas de tendencia central o de variabilidad y tal vez algunos estadígrafos de correlación o relación de interés que indiquen el comportamiento de un jugador o un equipo.

Más complicado es utilizar estas estadísticas para establecer inferencias o modelos más complejos, ya que cada partido e incluso cada jugador tienen una performance diferente al tener un oponente diferente y cada ambiente o condiciones de cada partido no es igual a otro, por tanto los resultados o estadísticas van a ser diferentes.

Esta frecuencia de las estadísticas nos permiten construir distribuciones de probabilidades, ya que son hechos aleatorios que son singulares en cada partido, y estas probabilidades son tendencias que se pueden o no cumplir aún si es cercano al 0.99 (que implica probabilidad de un suceso seguro de ocurrir).

Todos los deportes usan estadística, las cuales les permitirá en el futuro medir las tendencias o patrones de los jugadores de los equipos de un país o de un club; pero, estos deben ser tomados con cuidado ya que son productos del azar. Como todo en la vida (y el futbol) muchas de las cosas que suceden están determinados por la aleatoriedad de las cosas que lo rodean.

Razones para hacer la Tesis

Entre las razones más importantes que se tiene para hacer una tesis son: profesionales, académicas, sociales y personales.

Profesionales

• Mejora la empleabilidad, porque garantiza competencias deseables.
• Promueve la capacitación permanente y continua, a nivel de posgrado.
• Promueve la especialización.
• Desarrolla la actualización profesional.

Académicas

• Permite, confirmar, cuestionar o aportar nuevas teorías y métodos en una disciplina de estudios.
• Crea conocimiento en el área de formación profesional.
• Sirve de base para futuras publicaciones científicas.
• Son antecedentes para futuras tesis e investigaciones.
• Genera información para enriquecer las cátedras y la docencia.
• Mejora la imagen y prestigio de la universidad.

Sociales

• Contribuye al desarrollo regional, local y zonal, con la investigación realizada.
• Crea conocimiento para el desarrollo social.
• Crea las bases para que los futuros profesionales valoren el conocimiento y la investigación, aumentando la competitividad.
• Aumenta el número de profesionales con mayores ingresos, contribuyendo a mejorar el nivel de vida.

 Personales

• Promueve la realización y satisfacción personal y lo puede motivar a continuar por el camino de la investigación.
• Aumenta la confianza personal y profesional.
• Promueve los valores intelectuales (tenacidad, inteligencia, argumentación, diálogo, rigurosidad, honestidad, esfuerzo).
• Aumenta las expectativas generacionales, es un ejemplo a seguir.

Criterio 5: El Objetivo de Investigación

El quinto criterio para elegir un procedimiento estadístico para el análisis de datos es el objetivo de investigación. El objetivo de investigación es la traducción operativa del propósito del estudio. El propósito es la intención del investigador, es lo que el investigador desea conocer. Pero cómo se traduce a términos operativos, cómo se va trabajar.

En el nivel exploratorio no se utiliza estadística. Existen diferentes métodos cualitativos para desarrollar el objetivo del estudio. Objetivos que buscan determinar o diagnosticar, no está apoyado en métodos estadísticos.

En el nivel descriptivo aparece la estadística, por eso todos los niveles de investigación desde el descriptivo hacia arriba se denominan cuantitativos. Los objetivos a partir del descriptivo son objetivos estadísticos, porque requieren de herramientas estadísticas para poder ser alcanzado.

Los objetivos de nivel descriptivo son describir y estimar, estos objetivos son univariados, solamente participa una variable en el análisis estadístico.

Los objetivos del nivel relacional, son asociar, correlacionar y comparar, y participan dos variables.

Los objetivos del nivel explicativo son evidenciar, demostrar y comprobar, están enfocados en la relación causa-efecto.

En el nivel predictivo los objetivos son predecir, pronosticar y prever; son objetivos netamente relacionados a nivel predictivo.

En el nivel aplicativo los objetivos son monitorizar o supervisar, que es lo mismo que controlar y calibrar.

Entonces el objetivo va a hacer que el procedimiento sea distinto en cada caso. Pensemos en el objetivo asociar y comparar, y vamos a utilizar la prueba Chi Cuadrado. Existen dos variantes de Chi Cuadrado, se tiene Chi Cuadrado de homogeneidad y Chi Cuadrado de Independencia. ¿Qué diferencia hay entre estas dos pruebas?

El Chi cuadrado de homogeneidad compara dos grupos, por ejemplo dos salones de clases para comparar el rendimiento académico o para ver cuántos aprobados hay en el salón A y cuántos aprobados hay en el salón B, lo comparamos con el Chi Cuadrado de homogeneidad.

En el Chi cuadrado de homogeneidad, hay dos variables participantes hay una variable fija y una variable aleatoria, cuáles son esas variables, el rendimiento académico o el número de aprobados en cada salón, estas variables son de resultado; la conocemos después de que se realiza la recolección de datos; es una variable aleatoria. Pero la variable salón de clases, cuyas categorías son salón A y B, se conoce desde antes.

Si se supone que hay 40 alumnos en cada salón, eso se conoce desde antes, se termina la investigación y sigue los 40 alumnos en cada salón, eso no cambia, porque es una variable fija. Entonces en la comparación con Chi cuadrado de homogeneidad hay una variable fija y una variable aleatoria.

El Chi Cuadrado de independencia es distinto, el Chi Cuadrado de Independencia tiene dos variables aleatorias, entonces esto es como asociar el hábito de fumar con el consumo de alcohol, no se sabe si de 200 personas que voy a visitar, no se sabe cuántas fuman, recién se va a conocer cuando sean visitadas. No se sabe cuántas consumen alcohol, se va a conocer cuando las visite. Entonces las dos variables son aleatorias, porque todavía no se conoce el resultado de ninguna de estas dos mediciones que recién se van hacer, en cambio en la comparación de aprobados en los dos salones de clases se sabía que habían 40 alumnos en cada salón, desde antes de ejecutar la investigación. El porcentaje de aprobados eso no se sabe, es una variable aleatoria.

El algoritmo de Chi cuadrado de homogeneidad y el Chi cuadrado de Independencia, es el mismo; los objetivos de las investigaciones son distintos y las interpretaciones son distintas, el nivel de investigación es el mismo, es la relación entre variables. Se habla de dependencia probabilística entre dos variables pero la interpretación ciertamente va a ser distinta, porque por el objetivo estadístico de la investigación no es lo mismo, comparar y asociar.

Criterio 3: El Diseño de Investigación

El tercer criterio para elegir un procedimiento estadístico para el análisis de datos es el diseño de investigación. Un diseño de investigación requiere un plan, este plan debe ser específico y sólo sirve para la investigación que se estudia. Por tanto habrá tantos diseños como estudios de investigación se realicen. Sin embargo, hay esquemas y formatos que se pueden adaptar realizando ajustes convenientes.

Si se quiere utilizar el diseño de casos y controles, pero no como está descrito en un libro, se realiza los ajustes necesarios para cumplir con el propósito del estudio que se realiza. Al aplicar un diseño de cohortes o un diseño de Focus Group, cualquiera que sea el diseño que se elija, se tienen que hacer ajustes, porque cada diseño responde a una idea específica. En realidad diseñar significa elaborar un plan para una idea de investigación, los diseños de investigación no se eligen, se crean; casi siempre se parte de esquemas que ya existen.

Los diseños en investigación más conocidos que existen dependen de su origen, tenemos a los diseños epidemiológicos, comunitarios o ecológicos, los diseños experimentales y los diseños de validación instrumentos.

Los diseños epidemiológicos se originaron en las ciencias de la salud, pero no son exclusivos para el uso en el campo de la Salud, si un diseño epidemiológico se acomoda a una idea de investigación, se puede utilizar, aunque no estemos investigando en el campo de la salud.

En los diseños epidemiológicos se tienen los estudios descriptivos de prevalencia e incidencia, estos son términos epidemiológicos, pero aplicables a otros campos de las ciencias. Investigar la prevalencia de una enfermedad implica diseñar un estudio de manera observacional, retrospectiva, transversal y descriptivo; se puede hacer uso de los diseños de acuerdo al propósito del estudio. El diseño de incidencia es un estudio observacional, prospectivo, longitudinal y descriptivo.

El diseño epidemiológico de casos y controles es observacional, retrospectivo, transversal y analítico. El diseño de cohortes es muy similar, pero es transversal y prospectivo. Lo que tienen en común es que son estudios analíticos y observacionales, no se realiza experimento.

En los casos mencionados, cómo interviene el análisis estadístico? El riesgo relativo se calcula para el diseño de cohortes y el odds-ratio para el diseño de casos y controles, ya que para estudiar a los factores de riesgo se debe hacer un diseño de cohortes. Pero si no se puede hacer un estudio prospectivo, se puede hacer un estudio retrospectivo de casos y controles, los resultados que se van a encontrar serán muy similares al diseño de cohortes.

Dentro de los diseños epidemiológicos, también se tiene a los estudios experimentales, que en salud se le denomina el ensayo clínico, el ensayo clínico es un conjunto de diseños que tiene cuatro fases: la primera y la segunda pertenecen al nivel explicativo, la tercera al nivel predictivo y la cuarta pertenece al nivel aplicativo. El ensayo clínico es en cierta manera un diseño complejo.

Los diseños comunitarios o ecológicos surgen en el campo de las ciencias sociales, ya que en las ciencias sociales se investiga y analiza el conjunto o la comunidad. En las ciencias sociales se habla de sociología y de antropología, la sociología estudia la comunidad y la antropología estudia el individuo.

En los diseños comunitarios o ecológicos, se tiene la experiencia de estudios y conocimiento sobre investigación cualitativa de nivel exploratorio, cuando se realiza estudios de esa naturaleza, los procedimientos analíticos empiezan a cambiar de una y otra forma.

Por ejemplo, si se realiza el estudio acerca del nivel de conocimientos que tiene una población sobre la prevención de una enfermedad, entonces se toma una muestra de 80 personas, se les aplica una evaluación pretest, luego se desarrolla una campaña sobre la población para educarlos acerca de la prevención de la enfermedad. Luego se vuelve a tomar una muestra de esa población de 80 personas, y se realiza una medición posterior.

En la situación descrita, cuál es la procedimiento estadístico que se debe desarrollar, teniendo en cuenta que la variable evaluada es categórica? Se piensa que el procedimiento es la prueba de Mc Nemar, es el antes y después. Si la variable fuera numérica, se aplica t de Student, para muestras relacionadas, pero sólo funciona cuando la unidad de estudio es el individuo. La prueba Mc Nemar y t de Student para muestras relacionadas, mide la variación del mismo individuo; en cambio cuando se estudia toda la población, se toma una muestra de esta población, se hace una intervención, se vuelve a tomar una muestra de la misma población, pero no son los mismos individuos; entonces, no se puede aplicar Mc Nemar, ni tampoco t Student para muestras relacionadas. Se tendría que aplicar una comparación con Chi cuadrado de homogeneidad o la t de Student para muestras independientes y se asume que la diferencia se debe a la intervención, ya que la unidad de estudio es todo el conjunto de la población.

Los procedimientos analíticos de Mc Nemar y t de Student para muestras relacionadas, se aplican única y exclusivamente cuando la unidad de estudio es un individuo y aquí debemos remarcar que todos los diseños experimentales son estudios a nivel individual.

Los diseños experimentales se caracterizan por la intervención y el control. El análisis estadístico tiene lugar sí se tiene dos controles, es decir el grupo de casos (grupo experimental) y el grupo Control; o si se tiene dos mediciones, la medición antes y la medición después. Si se tiene ambas situaciones se está frente a un experimento verdadero.

Si no se tiene el grupo Control, entonces se está frente a un cuasi experimento y si no se tiene la medición antes, se está frente a un pre-experimento. Estas situaciones hacen que el análisis estadístico sea ciertamente distinto en cada caso. Porque si se tiene un grupo experimental, se tiene un grupo blanco o grupo control y luego se realiza una medida basal y luego se realiza una medida después de la intervención; entonces el análisis estadístico consiste en hacer una diferencia entre la medida final y la medida inicial en cada grupo y comparar esas diferencias con t de Student para muestras independientes.

Pero si se elimina un grupo y solamente se tiene el grupo experimental, es cuasi experimento, entonces se aplicará t de Student para medidas (o muestras) relacionadas, o medidas repetidas. Qué pasa si se tiene los dos grupos, el grupo experimental y el grupo blanco, pero no se tiene la medida previa, sólo se tiene una medida, el experimento es transversal; entonces sólo queda comparar estos dos grupos, con t de Student para muestras independientes.

Pero qué sucede si se tiene tres grupos, dos grupos experimentales y un control o un grupo experimental y dos controles, entonces se aplica el análisis de la varianza, si sólo se tuviera un factor, análisis de la varianza unifactorial. Todos estos procedimientos corresponden a los diseños experimentales.

Se puede utilizar estos procedimientos analíticos en datos que no corresponda a un experimento, por supuesto que sí. Estas herramientas surgieron en el campo de las ciencias experimentales, pero no son de uso exclusivo. Se puede realizar el análisis factorial univariante, multivariante, el análisis de la covarianza, el análisis en bloques; todos estos procedimientos, en un estudio que no sea experimental, si se hace los ajustes convenientes

Utilizar un diseño experimental no significa que el estudio es experimental, se puede hacer un estudio observacional y se puede aplicar este esquema del análisis de la varianza con un factor o factorial, si se acomoda a lo datos y al propósito del estudio que no es experimental. Un estudio experimental y un diseño experimental no es lo mismo, no son sinónimos. Los diseños experimentales son esquemas metodológicos y analíticos que se pueden utilizar donde se requiera, ya que son esquemas metodológicos y analíticos.

El diseño de validación de instrumentos estudia la creación y validación de un instrumento de medición documental. Cuando se elabora un instrumento, se estudia el instrumento no a los individuos se toma a los individuos nada más para evaluar las propiedades métricas del instrumento, lo que se valida es el constructo, el concepto, el contenido, no el individuo, usuario o cliente. Por eso, cuando se hace la prueba piloto, el muestreo es según criterio, muestreo no probabilístico. Igual, cuando se busca jueces para juicio de expertos, se elige el número de jueces que se crea conveniente.

Entonces en la validación de instrumentos tiene que ver más con el concepto que se está tratando de evaluar, no es lo mismo evaluar la depresión que el estrés laboral, la felicidad o el rendimiento académico, son las variables subjetivas que se estudian con la validación de instrumentos.

Los instrumentos en investigación científica son de dos tipos de instrumentos: mecánicos y documentales los instrumentos mecánicos sirven para medir variables objetivas, como peso, talla, longitud, masa tiempo, es decir dimensiones físicas y los instrumentos documentales están destinados a medir magnitudes lógicas de las unidades de estudio, que se supone que las poseen, como rendimiento académico, estrés laboral, calidad. No se miden con un aparato, se debe construir un instrumento, este instrumento se construye y queda un documento o instrumento y luego este instrumento se valida, evaluando sus propiedades métricas.

Entonces para medir una variable subjetiva a lo largo de nuestra línea de investigación, se debe crear un instrumento y validarlo; de eso trata el diseño de la validación de instrumentos. Por eso para validar los instrumentos, se toma una muestra no probabilística, y todos los procedimientos analíticos necesarios son distintos.

Criterio 1: El Tipo de Investigación

El primer criterio para elegir un procedimiento estadístico para el análisis de datos es el tipo de investigación. Es decir se debe clasificar la investigación, en cada uno de los siguientes cuatro tipos: a) según la intervención del investigador (observacional o experimental); b) según la planificación de la toma de datos (retrospectivo o prospectivo); c) según el número de veces en que se mide la variable de investigación (transversal o longitudinal), d) según el número de variables de interés (descriptiva o analítica).

Un estudio debe estar clasificado en cada uno de los tipos mencionados, y debe ser excluyente en cada caso, a la clasificación interna. No puede haber un estudio que se escape a esta clasificación.

Según la intervención del investigador

Observacional (sin intervención), si no existe intervención y los datos reflejan la evolución natural de los eventos, al margen de la voluntad del investigador.

Experimental (con intervención), si el investigador manipula la variable de la investigación, por tanto son planeados, es decir prospectivo; se tendrá que hacer dos mediciones antes y después de la intervención, por eso es longitudinal y estas dos mediciones se tendrán que comparar, por eso son analíticos y las modificaciones que se produzcan, en la segunda medición, se deben a la intervención, por eso son explicativos. Son investigaciones de causa y efecto, además de controlados.

No solo los estudios experimentales, también los estudios aplicativos y todos los estudios desde el nivel explicativo hacia arriba, en los niveles de la investigación, el análisis estadístico es más complejo. En cambio en los estudios observacionales el análisis estadístico es más sencillo.

Cuando se clasifica la investigación, se evalúa el procedimiento estadístico que se va aplicar, ciertamente lo primero que se analiza es si la investigación es con intervención o sin intervención.

Según la planificación de la toma de datos

Retrospectivo, cuando los datos se toman de registros en la cual el investigador no tuvo participación. No se puede garantizar la certeza y exactitud de las mediciones. Se le conoce como datos secundarios.

Prospectivo, cuando los datos necesarios para la investigación son tomados con intención y es el investigador quién realiza las mediciones y tiene control sobre el sesgo de medición.  Se le conoce como datos primarios

Cuando la toma de datos es prospectivo, permite el control de los sesgos de medición, obteniendo datos primarios y cuando se usa información de otro lado son datos secundarios.

Según el número de veces en que se mide la variable de investigación

Transversal, si todas las variables son medidas en una sola ocasión. Para realizar comparaciones se tratan como muestras independientes.

Longitudinal, cuando la variable de investigación es medida dos o más veces, al realizar comparaciones entre estas medidas se tratan de muestras relacionadas con comparaciones antes-después.

Según el número de variables de interés

Descriptiva, porque el análisis estadístico es univariado, solo describe o estima parámetros en la población de la investigación a partir de una muestra.

Analítica, porque tienen al menos dos variables de interés, por eso el análisis estadístico es bivariado, estas investigaciones plantean y realizan pruebas de hipótesis.

El análisis estadístico en los estudios descriptivos es distinto a los estudios analíticos, es decir que el tipo de investigación es el primer criterio para hablar del aspecto analítico de la prueba estadística y en términos generales del procedimiento estadístico, ya que una investigación no siempre usa la prueba hipótesis. Entonces tenemos los estudios con prueba de hipótesis y los estudios con estimación puntual que también desarrolla procedimientos estadísticos.

En resumen, estás cuatro clasificaciones son independientes, la clasificación del primer criterio, no tienen nada que ver con la siguiente clasificación, por tanto los estudios observacionales y analíticos existen. Es decir, se puede hacer todas las combinaciones que se requiera de la clasificación de los estudios, según la intervención del investigador es totalmente independiente de la clasificación de los estudios según la planificación de las mediciones, por supuesto también de la clasificación de los estudios según el número de mediciones que se realiza sobre la variable de estudio. Entonces se puede tener un estudio que sea con intervención, transversal y prospectivo o se podría tener un estudio que sea observacional, retrospectivo y longitudinal.

Esta combinación de los tipos de investigaron permitirá en su momento, la precisión de la técnica a utilizar para realizar el análisis estadístico correspondiente.

Formula los Objetivos de la Investigación

Todos los estudios tienen una finalidad que se enuncia en el propósito del estudio, para lo cual se requiere de un plan específico para concretarlo y este plan comienza a partir de la formulación de los objetivos del estudio. La mayoría de las fuentes de referencia hablan de los objetivos del estudio en plural, en realidad solo existe uno y generalmente se le denomina objetivo general.

Para alcanzar el objetivo general es posible que se necesiten pasos intermedios, el objetivo general es el objetivo principal es la versión operativa del propósito del estudio, en el enunciado: “Características de los Litigantes en los Juzgados de Paz en el Distrito de Lima”, el objetivo que le corresponde será: “Describir las Características de los Litigantes en los Juzgados de Paz en el Distrito de Lima”, al enunciado sólo se le ha agregado la palabra describir y ellos lo convierte en objetivo general.

Los objetivos operacionales o específicos son los objetivos secundarios y corresponden a los pasos intermedios que a veces se tienen que realizar para alcanzar el objetivo general, es poco importante como se le denomine: objetivos intermedios, auxiliares o secundarios, su única función es ayudar a alcanzar el objetivo general, es el único objetivo inferencial. El concepto inferencial significa que a partir del estudio de una muestra, se obtendrá una conclusión que podemos generalizarla para toda la población de dónde se obtuvo la muestra. Los objetivos específicos u operacionales no son inferenciales.

Si queremos comparar una intervención en dos grupos, entonces el objetivo principal es comparar y los objetivos secundarios serán estimar la intervención en cada grupo, y nuevamente solo los resultados de la comparación serán inferenciales, no los resultados de la estimación.

El objetivo general de un estudio se formula a partir de su enunciado anteponiéndole un verbo en infinitivo, este verbo tiene que corresponder con el nivel de investigación del estudio, en los estudios cuantitativos el objetivo se relacionará con un procedimiento estadístico, imprescindible para alcanzar dicho objetivo general.

En el nivel exploratorio los objetivos son:

·       Identificar se corresponde con la fenomenología, en las Ciencias Naturales es muy común estar interesado en lograr conclusiones mediante la percepción sistemática de un fenómeno en su contexto natural.

·       Interpretar corresponde a la hermenéutica, donde previo análisis cualitativo de los fenómenos observados se intenta explicarlos en concordancia con el estado actual del conocimiento, los principios científicos, las teorías previas y las hipótesis precedentes, esta intención es muy habitual en las Ciencias Sociales.

·       Definir corresponde al constructivismo, significa delimitar el ámbito de la realidad que se estudia, conceptualizar la representación mental que tiene el observador de su unidad de estudio o del fenómeno que lo afecta, se aplica en las Ciencias del comportamiento.

·       Determinar corresponde a la heurística, en la investigación en ciencias de la salud se busca encontrar o descubrir el diagnóstico clínico, mediante un razonamiento heurístico, es una forma de razonamiento que sirve para descubrir si un paciente sufre o no una enfermedad, pone a prueba verdaderas hipótesis.

En el nivel descriptivo los objetivos son:

·       Describir permite caracterizar a la población o grupo de individuos que comparten una condición, por ejemplo describir a los pacientes en una Clínica, los expedientes en un juzgado, los clientes en una empresa, durante un periodo de tiempo, esto implica utilizar estadística descriptiva.

·       Estimar es el cálculo estadístico de un parámetro de la población, por ejemplo estimar la prevalencia de una determinada enfermedad en la población, este es el primer objetivo inferencial y como toda estimación puntual debe estar acompañada de sus respectivos intervalos de confianza.

·      Verificar corresponde a una prueba de hipótesis de nivel descriptivo, procedimientos estadísticos como la t de Student, para una sola muestra y la prueba Chi-cuadrado corresponden a este objetivo, permite descartar el mito de que los estudios descriptivos no llevan hipótesis.

En el nivel relacional los objetivos son:

·       Comparar busca encontrar diferencias entre dos grupos, obtenidos a través de una muestra. Aquí comienza el análisis estadístico bivariado, cuando solo una de las variables es aleatoria, mientras que la otra, que es fija, es la que se utiliza para diferenciar los grupos.

·       Asociar si bien pertenece al análisis estadístico bivariado, se diferencia del objetivo anterior por poseer dos variables aleatorias, ambas pueden ser categóricas, en este caso se habla de asociación o pueden ser dos variables numéricas en cuyo caso se habla de correlación.

·       Medir la fuerza de asociación o medir la fuerza de correlación, según participen dos variables categóricas o dos variables numéricas, es una consecuencia del objetivo anterior, pero no se trata de una prueba de hipótesis, sino de una estimación puntual La estimación de riesgo se encuentran en este objetivo.

En el nivel explicativo los objetivos son:

·       Evidenciar es el primer objetivo que busca demostrar la hipótesis de la causalidad, pero no se recurre a la experimentación, se sustenta en los criterios de causalidad, asociación estadística, fuerza de asociación y relación temporal, este último pone en evidencia que la causa estuvo presente antes que el efecto.

·       Demostrar implica el uso de la experimentación, para demostrar la causalidad entre dos variables, una hipótesis experimental, requiere de un argumento denominado razonamiento por analogía, adicionalmente, el aislamiento de la causa, mediante la aleatorización y luego el experimento propiamente dicho.

·       Probar busca completar uno de los principios de la ciencia y es que la ciencia es probable y verificable de tal modo que al aplicar los mismos métodos en el estudio y utilizando los mismos materiales, se debe encontrar los mismos resultados, a este criterio se le denomina consistencia.

En el nivel predictivo los objetivos son:

·       Predecir en su sentido más esencial corresponde a una estimación puntual, a la probabilidad de ocurrencia de un evento, puede ser la ocurrencia de la enfermedad o un problema, también se puede hacer comparaciones predictivas lo cual correspondería a la prueba de hipótesis.

·       Pronosticar involucra la participación de la variable tiempo, es un cálculo de probabilidad basado en el tiempo, se corresponde con los procedimientos como las series de tiempo y el análisis de supervivencia.

·       Prever significa tomar medidas con anticipación, disponer o preparar medios para futuras contingencias, son ejemplos la prevención, la vacunación, el diagnóstico temprano, brindar leyes o hacer acciones antes que ocurra el problema, es el estudio de la eficiencia de las acciones preventivas que se toman cuando ya se hizo una predicción o un pronóstico.

En el nivel aplicativo los objetivos son:

·       Supervisar corresponde al monitoreo del proceso o de la intervención que se realiza sobre la población con la finalidad de mejorar sus condiciones, por ejemplo el tratamiento de una enfermedad requiere de supervisión y se puede realizar para medidas individuales o para medidas repetidas.

·       Controlar implica evaluar los resultados de una intervención, estos resultados deben ser consistentes y no mostrar exceso de variabilidad.

·       Calibrar evalúa la capacidad de un sistema de un proceso para conseguir los mismos resultados siempre o por lo menos sin diferencias significativas, aquí se evalúa la estabilidad intraoperador o repetibilidad y la estabilidad entre operadores o reproducibilidad, la finalidad de calibrar, es mejorar los resultados en cada intervención.