Presentación de Miguel Ángel Martínez en el Seminario del Grupo Ciencia, Razón y Fe, 21 de diciembre de 2011.
El concepto de causalidad es central en salud pública y en medicina preventiva. Si no se afrontan las causas de la enfermedad, no se puede hacer prevención eficaz. La epidemiología moderna se ha desarrollado principalmente al ocuparse de la búsqueda de las causas de la salud y la enfermedad. Una herramienta indispensable en este empeño es la bioestadística.
La bioestadística usa abundantemente el contraste de hipótesis. En teoría, el azar podría explicar cualquier asociación o fenómeno de la naturaleza, por extraño o improbable que pareciese. Pero la bioestadística usa el contraste de hipótesis para estimar la probabilidad de encontrar un resultado al menos tan extraño como el observado, si todo fuese debido meramente al azar. Convencionalmente, cuando tal probabilidad es baja, inferior a 0.05, se rechaza la hipótesis de que el azar podría explicarlo todo y se afirma en cambio que existe una asociación estadísticamente significativa. Estas dos últimas palabras han plagado la literatura científica actual, quizás con la excepción de la biología evolutiva, en la que no parecen ser tan abundantes. Pero una mera asociación, por muy significativa que sea, no demuestra causalidad.
La epidemiología supone un paso más, pues usa una serie de criterios y modelos para dar el paso de la “asociación estadísticamente significativa” a la auténtica relación de causa a efecto. En estos modelos la fracción atribuible a la causalidad se opone frontalmente a la fracción atribuible al azar. Nada más lejano de mis pretensiones que negar que exista algún tipo de evolución, pero no deja de ser al menos intrigante para un epidemiólogo que el evolucionismo radical parezca equiparar azar con causalidad.
Gribbin, John. - Historia de la ciencia, 1543-2001 [EPL-FS] [2019].pdf
Del contraste de hipótesis convencional en ciencia a la hipótesis de la evolución
1. Del test de hipótesis
a la hipótesis evolucionista
Seminario Ciencia, Razón y Fe
21 de diciembre de 2011
Miguel Ángel Martínez
2. Del test de hipótesis a la evolución
• El supuesto asesino prefiere la hipótesis nula
• El sueño de todo investigador: una p < 0.05
• ¿Me hablas de estadísticas o de verdaderas causas?
• Anestesia al gallo y refutarás H0
• De monos, Shakespeare y M. genitalium
• ¿Conocemos ya el 100% de las causas?
3. a) el supuesto asesino debía 30.000 euros a la
víctima (y no tenía con que pagar).
b) en la espalda de la víctima apareció clavado
un cuchillo con huellas dactilares del
supuesto asesino.
c) en la ropa del supuesto asesino había
manchas de sangre cuyo DNA coincidía con
el de la víctima.
d) dos testigos presenciales certificaron ver al
supuesto asesino salir de casa de la víctima
a esa hora.
4. JuicioJuicio
Hipótesis nula (H0): Se presume la
inocencia (en la realidad).
DATOS
Y
PRUEBAS
Rechazar
inocencia (H0)
No rechazar H0
=inocente
H1=culpable
5. Contrastes de hipótesisContrastes de hipótesis
Hipótesis nula (H0): No hay asociación
(el azar puede explicarlo todo).
DATOS
MUESTRARechazar H0 No rechazar H0
Hipótesis
alternativa H1
6. • a) el supuesto asesino debía más de 30.000 euros a la
víctima (y no tenía con que pagar).
• b) en la espalda de la víctima apareció clavado un
cuchillo con huellas dactilares del supuesto asesino.
• c) en la ropa del supuesto asesino había manchas de
sangre cuyo DNA coincidía con el de la víctima.
• d) dos testigos presenciales certificaron ver al supuesto
asesino salir de casa de la víctima a esa hora.
DATOS
PRESUNCIÓN DE INOCENCIAPRESUNCIÓN DE INOCENCIA H0
Prob (a+b+c+d) si es inocenteProb (a+b+c+d) si es inocente
Prob (datosProb (datos≥≥hechos|Inocencia)hechos|Inocencia)
p(Datos|H0 )
7. • a) el supuesto asesino debía más de 30.000 euros a la
víctima (y no tenía con que pagar).
• b) en la espalda de la víctima apareció clavado un
cuchillo con huellas dactilares del supuesto asesino.
• c) en la ropa del supuesto asesino había manchas de
sangre cuyo DNA coincidía con el de la víctima.
• d) dos testigos presenciales certificaron ver al supuesto
asesino salir de casa de la víctima a esa hora.
DATOS
H0
Prob =p(a)Prob =p(a)p(b)p(c)p(d)p(b)p(c)p(d) si es inocentesi es inocente
Prob (datosProb (datos≥≥hechos|Inocencia)hechos|Inocencia)
p(Datos|H0 )
PRESUNCIÓN DE INOCENCIAPRESUNCIÓN DE INOCENCIA
8. • a) el supuesto asesino debía más de 30.000 euros a la
víctima (y no tenía con que pagar).
• b) en la espalda de la víctima apareció clavado un
cuchillo con huellas dactilares del supuesto asesino.
• c) en la ropa del supuesto asesino había manchas de
sangre cuyo DNA coincidía con el de la víctima.
• d) dos testigos presenciales certificaron ver al supuesto
asesino salir de casa de la víctima a esa hora.
DATOS
PRESUNCIÓN DE INOCENCIAPRESUNCIÓN DE INOCENCIA H0
Prob (datosProb (datos≥≥hechos|Inocencia)hechos|Inocencia)
p(Datos|H0 )
Prob aProb a∩∩bb∩∩cc∩∩dd si es inocentesi es inocente
14. Ejemplo: el experimento obtiene 1 cara
p (<=1 cara | π=0.5) = 0.01 +0.001 = 0.011
VEREDICTO = CULPABLEVEREDICTO = CULPABLE
Se rechaza HSe rechaza H00
Se rechaza que el azar lo expliqueSe rechaza que el azar lo explique
15. DECISIÓN
• Asociación significativa
• Los datos no son
compatibles con la
igualdad
• Es poco probable que
sólo el azar pueda
explicar las diferencias
• Se encontró
significación estadística
• No hay asociación
significativas
• Los datos son
compatibles con la
igualdad
• Es probable que sólo el
azar pueda explicar las
diferencias
• No se encontró
significación estadística
Rechazar HRechazar H00 No rechazar HNo rechazar H000,050,05
16. Del test de hipótesis a la evolución
• El supuesto asesino prefiere la hipótesis nula
• El sueño de todo investigador: una p < 0.05
• ¿Me hablas de estadísticas o de verdaderas causas?
• Anestesia al gallo y refutarás H0
• De monos, Shakespeare y M. genitalium
• ¿Conocemos ya el 100% de las causas?
25. Del test de hipótesis a la evolución
• El supuesto asesino prefiere la hipótesis nula
• El sueño de todo investigador: una p < 0.05
• ¿Me hablas de estadísticas o de verdaderas causas?
• Anestesia al gallo y refutarás H0
• De monos, Shakespeare y M. genitalium
• ¿Conocemos ya el 100% de las causas?
27. Rothman's modern epidemiology
• Consistency between a hypothesis and
observations is no proof of the hypothesis.
• In contrast, a valid observation that is
inconsistent with the hypothesis implies that
the hypothesis as stated is false and so refutes
the hypothesis.
Rothman KJ, Greenland S, Lash T.
Modern Epidemiology, 3rd
ed.
Philadelphia: Lippincott, 2008; 20
28. Rothman's modern epidemiology
• Consistency between a hypothesis and
observations is no proof of the hypothesis.
• In contrast, a valid observation that is
inconsistent with the hypothesis implies that
the hypothesis as stated is false and so refutes
the hypothesis.
Rothman KJ, Greenland S, Lash T.
Modern Epidemiology, 3rd
ed.
Philadelphia: Lippincott, 2008; 20
29. if you wring the rooster's neck
before it crows and the sun still
rises, you have disproved that the
rooster's crowing is a necessary
cause of sunrise
30. Del test de hipótesis a la evolución
• El supuesto asesino prefiere la hipótesis nula
• El sueño de todo investigador: una p < 0.05
• ¿Me hablas de estadísticas o de verdaderas causas?
• Anestesia al gallo y refutarás H0
• De monos, Shakespeare y M. genitalium
• ¿Conocemos ya el 100% de las causas?
32. Del test de hipótesis a la evolución
• El supuesto asesino prefiere la hipótesis nula
• El sueño de todo investigador: una p < 0.05
• ¿Me hablas de estadísticas o de verdaderas causas?
• Anestesia al gallo y refutarás H0
• De monos, Shakespeare y M. genitalium
• ¿Conocemos ya el 100% de las causas?
33. Dicho popular
Un millón de monos
tecleando en un millón de ordenadores
durante un millón de años...
...escribirían las obras completas de Shakespeare
34. “It is a bit like the well-known hordes of
monkeys hammering away on typewriters. Most
of what they write will be garbage, but very
occasionally by pure chance they will type out
one of Shakespeare’s sonnets.”
Hawking S. A Brief History of Time. New York: Bantam Books, 1998;123.
35. Soneto de 500 letras
• Letra correcta = 1/26
• Probabilidad = (1/26)500
= 10-707
36. Soneto de 500 letras
• Letra correcta = 1/26
• Probabilidad = (1/26)500
= 10-707
• Peso del universo = 1056
• Edad del universo = 4.6x1017
en gramos
en segundos
37. THE MONKEY TEST
• Much Ado, but Monkeys Fail Shakespeare Test.*
• For a month, six monkeys hammered away on the
keyboard.
• They failed to produce a single English word.
*Lister S.
Much ado but monkeys fail Shakespeare test.
Times May 9, 2003: 3.
38. Palabras fáciles en inglés
a = artículo indeterminado
I = yo
• 100 teclas
• <espacio> a <espacio>
• (1/100)3
= 10-6
39. Mycoplasma
the simplest free-living organism known is
Mycoplasma genitalium, with a genome of only
580,000 base pairs and 482 protein-coding
genes.
41. The Mycoplasma test
p (acierto en cada paso) = ¼
p (secuencia correcta) = 0.25580073
42. Corregido por...
• Edad de la tierra:
4.5 mil millones de años
• Superficie de la tierra:
510.1 millones de km2
4.5×109
×365.25× 24×3600 =
0.51×109
×106
=
1.42 x 1017
5 x 1014
5 x 1014
1.42 x 1017
x
44. Asumiendo que
• Existen C, A, T, G
• Son equiprobables
• No se hidroliza la
cadena al formarse
• No hay secuencias que
sean antagónicas
• No hay elementos que
disuelvan los enlaces
• etc, etc...
45. Caldo primitivo de Miller
• Descargas eléctricas en mezclas gaseosas con
– metano CH4
– amoniaco NH3
– hidrógeno H2
– vapor de agua H2O
• Surgen
– aminoácidos
– nucléotidos (mínimamente)
49. Panspermia
...life forms must arrive on Earth from the outer
space, either
•carried by small particles floating through the
interstellar space and captured by Earth's gravity
•or even brought here intentionally (or accidentally)
by some ancient space traveler...
Collins F. The language of God, p.91
50. Del test de hipótesis a la evolución
• El supuesto asesino prefiere la hipótesis nula
• El sueño de todo investigador: una p < 0.05
• ¿Me hablas de estadísticas o de verdaderas causas?
• Anestesia al gallo y refutarás H0
• De monos, Shakespeare y M. genitalium
• ¿Conocemos ya el 100% de las causas?
51. Las causas del cáncer
J Natl Cancer Inst 1981;66:1191-308.
57. Definición de biología
• El estudio de cosas complicadas que parecen
haber sido diseñadas con un fin.
The Blind watchmaker 1.
Citado por Hahn S, Wiker B. Dawkins en observación, 75
58. El dogma central
• Mutación al azar
+
• Selección natural
Causas de la
perfección
universal
• No se trata de discutir si ha habido evolución o no
• Sino de si la visión reduccionista puede explicarlo todo
• Abrazar la evolución no lleva al ateismo
• Pero abrazar el ateismo exige un abrazo incondicional al
reduccionismo evolucionista
59. El azar
• El azar no es causa de nada porque
sencillamente no es nada
• El azar es
– ausencia total de inteligencia, la máxima torpeza
– el nombre que le ponemos a nuestra ignorancia
• La fe en el poderoso azar es al menos tan
fuerte (o más) que la fe de las mayoría de las
personas que creen en Dios
60. La selección natural
• Es un mecanismo atractivo
• Pero...
– muy lento
– ¿es el "único" mecanismo?
– potencial autodestructivo
– ¿no parece más apto como "control de calidad"
que como generador de complejidad y
perfección?
61. Mecanismos alternativos: epigenética
• For a good part of the later 20th
century, the
inheritance of acquired characteristics was
seen as the ultimate Darwinian heresy
Elsdon-Baker F. The selfish genius.
London: Icon books, 2009; 113.
62. Fascinación
• The extreme difficulty or rather the impossibility of
conceiving this immense and wonderful universe,
including man with his capacity for looking far
backwards and far into futurity, as the result of
blind chance and necessity.
• When thus reflecting I feel compelled to look to a
First Cause.
Citado en Collins F. The language of God, p. 99
Charles Darwin
63. Del test de hipótesis a la evolución
• El supuesto asesino prefiere la hipótesis nula
• El sueño de todo investigador: una p < 0.05
• ¿Me hablas de estadísticas o de verdaderas causas?
• Anestesia al gallo y refutarás H0
• De monos, Shakespeare y M. genitalium
• ¿Conocemos ya el 100% de las causas?