South American Research Journal, 1(1), 5-9  
https://sa-rj.net/index.php/sarj/article/view/1  
ISSN 2806-5638  
INTRODUCCIÓN  
[
Artículo de opinión / Opinion piece]  
Muchos piensan que la Estadística como ciencia es un  
campo exclusivo de quienes la estudiaron a profundidad.  
Pero también hay que tener en cuenta que existe bastante  
gente que acumula y combina cifras con más o menos suerte  
y lógica. El método estadístico permite, por su aparente  
facilidad, todo tipo de abusos; muchas veces sirve para tapar  
más de un sofisma bajo el disfraz de una precisión engañosa.  
Con la mejor buena fe del mundo, los espíritus se sorprenden  
con el atractivo de sus seducciones. Constantemente,  
periódicos y publicaciones diversas lanzan información  
repleta de cifras, destinada a determinar cuestiones como la  
extensión de las tierras cultivadas, el avance de la vegetación,  
el efecto de las vicisitudes atmosféricas, la consistencia y  
calidad de los cultivos, la producción industrial, por nombrar  
algunas. Sin embargo, estas cifras deben aceptarse con  
mucha cautela. Para el lector, el peligro especial que presenta  
la Estadística es que sus resultados se expresan de manera  
precisa, porque las operaciones matemáticas son exactas  
después de todo.  
Cinco preguntas para precautelar la  
honestidad estadística en la sociedad  
actual  
Five questions to safeguard statistical  
honesty in today's society  
Juan Carlos Abril1 María de las Mercedes Abril1  
1
Instituto de Investigaciones Estadísticas de la Facultad de  
Ciencias Económicas de la Universidad Nacional de Tucumán.  
San Miguel de Tucumán, Tucumán, Argentina.  
Correspondencia: jabril@herrera.unt.edu.ar  
Recepción: 3 de abrilde2021 - Aceptación: 05 de mayo de 2021 –  
Publicación: 01 de junio de 2021  
Los primeros desarrollos estadísticos comenzaron  
desde el principio de la humanidad, como aparece, incluso,  
en la misma Biblia. Alexandre Moreau de Jonnés (1829)  
indicó que ha estado presente desde los tiempos más  
remotos, inscrito en el Pentateuco con el nombre arithmi, que  
significa números.  
La mayor parte del trabajo de un estadístico en la  
sociedad actual se genera a partir del interés en la estructura  
conjunta de un par (o quizás más) de variables: podemos  
describir esto como el problema de las relaciones  
estadísticas. Existe un campo de interés completamente  
diferente que se refiere a las relaciones entre variables de una  
clase estrictamente funcional, como las clásicas en física;  
este tema es de interés estadístico porque las variables  
relacionadas funcionalmente están sujetas a errores de  
observación. A esto lo llamamos «el problema de las  
relaciones funcionales». Sin embargo, en lo que sigue solo  
se considerará «el problema de las relaciones estadísticas  
simples».  
Dentro del campo de las relaciones estadísticas, debe  
hacerse una distinción adicional útil. Puede que nos interese  
la interdependencia entre varias de nuestras variables o la  
dependencia de una o más variables hacia otras. Por otro  
lado, hay situaciones en las que solo interesa la dependencia.  
La relación entre la producción de cultivos y la cantidad de  
lluvia es un ejemplo donde las consideraciones no  
estadísticas hacen que la cantidad de lluvia “cause” la  
producción de los cultivos, cuando estamos bastante seguros  
de que la producción de cultivos no afecta la cantidad de  
lluvia que cae; por lo tanto, medimos la dependencia de la  
producción de la cantidad de lluvia caída. Aquí nos referimos  
a la cantidad de lluvia como «variable de entrada» o  
«regresor».  
No existe una distinción clara en la terminología  
estadística para las técnicas apropiadas para este tipo de  
problemas esencialmente diferentes. Por ejemplo, si estamos  
interesados en la interdependencia de dos variables con los  
efectos de otras variables eliminadas, usamos el método  
llamado «correlación parcial», mientras que si estamos  
interesados en la dependencia de una sola variable de un  
grupo de otras, usamos el término «correlación  
RESUMEN  
El presente artículo de opinión tiene el propósito de  
plantear una estrategia metodológica general para evitar la  
deshonestidad derivada del engaño o del desconocimiento  
estadístico. Para ello, presentamos un recorrido por algunos  
eventos históricos que destacan la importancia de la estadística  
aplicada. A menudo ocurre que los no expertos tienden a  
confundir correlación con causalidad. Cualquier relación  
estadística, por fuerte y sugerente que sea, no puede establecer  
una conexión causal. Nuestras ideas sobre la causalidad deben  
provenir de fuera de la estadística; en última instancia, de alguna  
teoría que se refiera al área de conocimiento de donde provienen  
los datos. Para identificar estos problemas, basados en la  
experiencia, proponemos una alternativa metodológica simple,  
que consiste en responder a cinco preguntas clave sobre el origen,  
la cantidad, la variabilidad, el contexto y el sentido de los datos.  
Las reflexiones que se extraen tienen importantes implicaciones  
epistemológicas para la estadística aplicada.  
Palabras clave: ciencia, estadística aplicada,  
deshonestidad estadística.  
ABSTRACT  
This study has the purpose of proposing a general  
methodological strategy to avoid dishonesty derived from  
deception or statistical ignorance. To do this, we present a tour of  
some historical events that highlight the importance of applied  
statistics. It is often the case that non-experts tend to confuse  
correlation with causality. Any statistical relationship, strong and  
suggestive as it may appear, cannot establish a causal connection.  
Our ideas about causality must come from outside of statistics,  
ultimately from some theory that refers to the area of knowledge  
from which the data comes. To identify these problems, based on  
experience, we propose a simple methodological alternative,  
which consists of answering five key questions about the origin,  
quantity, variability, context and meaning of the data. The  
reflections extracted have important epistemological implications  
for applied statistics.  
Keywords: science, applied statistics, statistical dishonesty.  
https://doi.org/10.5281/zenodo.4885414  
5
South American Research Journal, 1(1), 5-9  
https://sa-rj.net/index.php/sarj/article/view/1  
ISSN 2806-5638  
correlaciones “sin sentido” operan a través de variaciones  
concomitantes en el tiempo, y tienen el efecto saludable de  
mostrar al estadístico que causalidad no puede ser deducida  
a partir de algunas co-variaciones observadas, no obstante lo  
cercanas que estén.  
Si bien medidas de correlación simple son raramente  
calculadas como un fin en sí mismas, mucho del análisis  
multivariado se inicia a partir de un matriz de coeficientes de  
correlación. De tal manera, el tópico de correlación  
permanece como uno de importancia central.  
Herbert George Wells (1866-1946), escritor inglés,  
notable novelista y filósofo, famoso por sus novelas de  
ciencia ficción, de la que es considerado, junto a Julio Verne,  
uno de sus precursores, dijo: “El pensamiento estadístico  
llegará a ser tan necesario para ser un ciudadano responsable  
como el saber leer y escribir”. Por otra parte, está la figura de  
múltiple». Sin embargo, en principio, es cierto que el estudio  
de la interdependencia conduce a la teoría de la correlación,  
mientras que el estudio de la dependencia conduce a la teoría  
de la regresión. La teoría de la correlación fue desarrollada  
inicialmente a principios del siglo XX por Karl Pearson  
(
1900) y George U. Yule (1907, 1926).  
Enfaticemos: cualquier relación estadística, por fuerte  
y sugerente que sea, no puede establecer una conexión  
causal; nuestras ideas sobre la causalidad deben provenir de  
estadísticas externas; en última instancia, de alguna teoría  
que se refiera al área de conocimiento de la que provienen  
los datos. Incluso en el ejemplo simple de la producción de  
cultivos y la cantidad de lluvia presentada anteriormente, no  
tenemos razones estadísticas para descartar la idea de que la  
lluvia dependa de la producción de cultivos. Incluso si la  
lluvia y la producción de cultivos estuvieran en perfecta  
correspondencia funcional, no deberíamos pensar en revertir  
la conexión causal “obvia”. Debemos tener cuidado al  
concluir relaciones causales que podrían no existir. No  
necesitamos entrar en las consecuencias filosóficas de esto;  
para nuestros propósitos, solo debemos repetir que las  
relaciones estadísticas, de cualquier tipo, no pueden implicar  
lógicamente causalidad.  
También debemos señalar que personalidades  
altamente intelectuales consideraban a la Estadística como  
una parte esencial de la vida cívica y democrática de  
cualquier sociedad.  
George Bernard Shaw (1856-1950), Premio Nobel de  
Literatura en 1925 y quien fuera uno de los fundadores de  
The London School of Economics and Political Science,  
expuso brillantemente este punto en el prefacio de su libro  
Francis Galton (1822-1911), polímata, explorador  
científico británico con un amplio espectro de intereses  
psicología, biología, tecnología, geografía, estadística,  
y
(
meteorología y eugenesia), entre cuyas contribuciones más  
importantes en estadística están: el uso de la regresión lineal,  
ser pionero en la utilización de la distribución normal,  
inventar la máquina Quincunx (instrumento para demostrar  
la ley del error y la distribución normal), descubrir las  
propiedades de la distribución normal bivariada y su relación  
con el análisis de regresión, e introducir en 1888 el concepto  
de correlación. Este personaje dijo: “Tengo que escribir  
acerca de un gran tema (las estadísticas), pero siento  
vivamente mi incapacidad literaria de hacerlo de forma  
inteligible sin sacrificar su precisión y su veracidad”.  
Esto lleva a la necesidad de tener, al interior de la  
sociedad, una “cultura estadística” que permita manejar la  
gran cantidad de información disponible. La Estadística  
como área cuyo contenido técnico debe ser desarrollado por  
quienes han logrado la formación adecuada para que la  
información que llega a la sociedad civil sea accesible en su  
interpretación, veraz en sus apreciaciones y en sus cifras.  
Muchas veces, el proceso de mentir por medio de las  
estadísticas indica que estas operaciones fueron resultado del  
deseo que tuvo alguien de engañarnos. Sin embargo, un  
miembro de la Asociación Estadounidense de Estadística  
“
El Dilema del Doctor” (1906), donde escribió:  
Inclusive estadísticos entrenados frecuentemente  
fallan en apreciar el grado en el cual la estadística está  
viciada por supuestos sin constancias hechos por sus  
intérpretes […] Es fácil probar que usar sombreros de  
copa y llevar paraguas agranda el pecho, prolonga la  
vida, y confiere cierta inmunidad con respecto a las  
enfermedades […] Un grado universitario, un baño  
diario, la posesión de treinta pares de pantalones, el  
conocimiento de la música de Wagner, un reclinatorio  
propio en la iglesia, en esencia, cualquier cosa que  
implique mejores medios y mejor nutrición […]  
puede ser tomado estadísticamente como un hechizo  
mágico que confiere toda clase de privilegios […] Los  
matemáticos que llenarían de admiración a Newton  
pueden, al recolectar y aceptar datos y sacar  
conclusiones de ellos, caer en errores muy crudos por  
estos yerros populares como lo he estado  
describiendo.  
(
ASA) afirmó que la mayoría de las veces no se trata de  
fraude, sino de incompetencia. Quizás haya algo de verdad  
en esa afirmación, pero no creemos que este supuesto (el de  
la incompetencia) sea menos ofensivo que el de fraude para  
los expertos en estadística. Posiblemente sea muy importante  
tener en cuenta que la tergiversación de datos estadísticos y  
su manipulación para lograr un fin determinado, no siempre  
son obra de profesionales. Lo que sale lleno de virtudes de la  
mesa del experto puede ser cambiado, exagerado,  
simplificado y falsificado cuando lo manipula otra persona.  
Quien tiene la culpa es difícil precisarlo. Los gráficos  
Aun cuando Shaw, en esta ocasión, apoyó una causa  
cuestionable, su lógica fue válida. En la primera oleada de  
entusiasmo por las técnicas de correlación, fue fácil ser  
imprudentes para los seguidores iniciales de Pearson y Yule.  
No fue sino hasta veinte años después de lo que escribió  
Shaw que Yule (1926) horrorizó a los estadísticos aduciendo  
casos de muy altas correlaciones las cuales, obviamente, no  
tenían causalidad: por ejemplo, la tasa anual de suicidio  
estaba altamente correlacionada con la membresía a la  
Iglesia de Inglaterra. La mayoría de estas  
falsos que aparecen en revistas  
y periódicos son  
sensacionales en su exageración. Quienes presentan  
argumentos estadísticos a favor del crecimiento industrial o  
de la falta de inflación, rara vez entregan a los trabajadores  
o al público consumidor información que mejore los hechos  
en sus sectores; en general, los presentan aún peores para  
ellos. Mientras los errores provengan todos de un lado, no es  
fácil atribuirlos a la falta de conocimiento o al azar.  
https://doi.org/10.5281/zenodo.4885414  
6
South American Research Journal, 1(1), 5-9  
https://sa-rj.net/index.php/sarj/article/view/1  
ISSN 2806-5638  
demostrar que, de hecho, estamos en una corriente de  
prosperidad.  
Puede que sea necesario realizar una segunda  
inspección para averiguar quién lo dice.  
El hecho es que, a pesar de su base matemática, la  
estadística es tanto un arte como una ciencia. Son posibles  
muchas manipulaciones, e incluso, tergiversaciones dentro  
de los límites de su jurisdicción. A menudo, el experto en  
estadística debe elegir entre diferentes métodos y encontrar  
el que debe utilizar para representar los hechos, lo que sigue  
siendo un proceso subjetivo. Sin embargo, en situaciones  
concretas, como es el caso de las estadísticas oficiales,  
existen métodos que han sido considerados adecuados por  
una serie de convenciones y que aseguran la uniformidad de  
los resultados, permitiendo todo tipo de comparaciones.  
Todos los cambios deben realizarse de acuerdo con  
metodologías técnica y científicamente aceptadas, y nunca  
siguiendo los caprichos circunstanciales de algunas personas  
o sectores.  
A continuación, sería interesante explicar cómo se  
deben mirar los datos falsos y desenmascararlos, y –más  
importante aún– cómo reconocer datos útiles y verdaderos  
frente a la ola de fraudes.  
No toda la información estadística que llega a  
nuestras manos puede verificarse con la seguridad de un  
análisis químico; no obstante, podemos tamizar la  
información a través de cinco preguntas muy simples. Al  
encontrar las respuestas, evitaremos asumir muchas cosas  
que no son ciertas.  
Segunda pregunta: ¿Cómo lo sabe?  
En una ocasión se realizó un estudio en empresas para  
saber si los precios de los productos habían subido o no. De  
1
69 empresas que respondieron, 108 dijeron que no habían  
aumentado los precios y 61 que sí. Dicho así, tenemos que  
aproximadamente dos tercios de las empresas no están  
aumentando los precios y solo un tercio lo está haciendo. Y  
sucede que, en muchos casos, eso es lo que se informa. Pero  
al profundizar, resultó que el cuestionario se había enviado a  
1
.200 empresas importantes. Solo 169 respondieron;  
aproximadamente el 14%. El 86% restante no tenía ningún  
interés en informar al público si estaba subiendo los precios  
o no. El reportero acogió con satisfacción los resultados  
obtenidos, pero en realidad había muy poco de qué presumir.  
De hecho, de las 1.200 empresas que estaban en la muestra  
y que debían participar en la encuesta, el 9% dijo que no  
había subido los precios, el 5% que los había subido y el  
8
6% no dio ninguna respuesta. Los encuestados constituyen  
una proporción muy pequeña de la muestra y es de esperar  
un factor de influencia. En estos casos, debemos buscar  
indicios de que se trata de una muestra sesgada, que ha sido  
elegida incorrectamente o –como en el caso referido– que se  
ha seleccionado a sí misma. Preguntémonos: ¿Es la muestra  
lo suficientemente grande como para llegar a una conclusión  
válida?  
CINCO PREGUNTAS PARA PRECAUTELAR  
LA HONESTIDAD ESTADÍSTICA EN LA  
SOCIEDAD ACTUAL  
A continuación, planteamos cinco preguntas que  
consideramos de vital importancia parar reducir la  
deshonestidad proveniente del desconocimiento de las reglas  
estadísticas o, en su defecto, del deseo de engañar que puede  
tener un autor.  
Lo mismo podría decirse cuando se informa una  
correlación: ¿Es la muestra lo suficientemente grande como  
para significar algo? ¿Hay suficientes casos que le den  
sentido?  
Tercera pregunta: ¿Qué está faltando?  
Primera pregunta ¿Quién lo dice?  
No siempre nos informarán el número de casos. La  
ausencia de esta figura, particularmente cuando la fuente de  
esa información es una parte interesada, es suficiente para  
hacer sospechoso al conjunto. Tampoco debe tomarse  
demasiado en serio una correlación que ocurre sin una  
medida de confiabilidad (error probable, desviación  
estándar). Observemos los promedios cuya variedad no se  
especifica, en sujetos para los que se puede esperar que la  
media y la mediana difieran sustancialmente. Tengamos  
cuidado con los porcentajes cuando no se nos informe del  
total sobre el que se tomaron.  
A veces se mencionan los porcentajes, omitiendo el  
material numérico básico. Por ejemplo, una empresa informó  
que el 33,33% de las mujeres de su plantilla de trabajo tenían  
miembros casados con un miembro del equipo de gestión.  
Dadas las cifras brutas, el panorama resultó más claro: al  
momento del informe solo había tres mujeres en la planta de  
trabajadores y una de ellas se había casado con un gerente.  
Si nos enfrentamos a un índice preguntemos qué falta.  
Quizás sea la base elegida para tergiversar el resultado. En  
ocasiones falta el factor determinante del cambio; por  
ejemplo, cuando se reporta un incremento en la  
Lo primero que hay que tener en cuenta es en qué  
sentido se puede influir en la información. Lo puede hacer el  
laboratorio que necesita demostrar algo en beneficio de una  
teoría, una reputación o una tarifa; el periódico cuyo  
propósito es publicar un buen artículo; o aquellos  
trabajadores y jefes que discuten un aumento salarial. Puede  
existir una influencia consciente. El método puede ser una  
tergiversación directa de un hecho, o una declaración  
ambigua que igualmente sirve al propósito deseado y cuya  
culpabilidad no se puede probar. Puede ser una selección de  
los datos favorables con la eliminación de los desfavorables.  
Las unidades de medida pueden ser engañosas, como cuando  
se considera un año favorable para establecer cierta  
comparación. O cuando se utiliza una medida inapropiada:  
un promedio en vez de la mediana, que es mucho más  
informativa.  
Ante ello, debemos buscar cuidadosamente la  
influencia consciente o inconsciente que tiende a cambiar  
números e información. Los influyentes, a menudo, se filtran  
en los gráficos y predicciones de muchos economistas y otros  
usuarios de estadísticas, lo que lleva a resultados curiosos.  
Por ejemplo, los trastornos en la estructura económica se  
descartan alegremente y se brinda todo tipo de pruebas  
estadísticamente justificadas para  
https://doi.org/10.5281/zenodo.4885414  
7
South American Research Journal, 1(1), 5-9  
https://sa-rj.net/index.php/sarj/article/view/1  
ISSN 2806-5638  
CONCLUSIONES  
actividad comercial debido a aumentos en las ventas de abril  
respecto al mismo mes del año anterior, y no se informa que  
en el año considerado Semana Santa fue en abril y en el año  
anterior fue en marzo.  
Con esto hemos querido dar un breve recorrido por  
algunas de las tergiversaciones más frecuentes en Estadística  
y presentar un conjunto de preguntas básicas que debemos  
hacernos para iniciar un proceso de aceptación de la  
información estadística que puede llegar a nuestras manos.  
Creo importante remarcar que el libro “Cómo mentir con  
Estadísticas” de Darrell Huff (1954) sigue siendo hoy en día  
una obra muy esclarecedora en estas circunstancias.  
Es bien conocida la enorme importancia que tienen  
los estudios estadísticos cuando se trata de examinar y  
comparar el proceso evolutivo de cualquier manifestación de  
la actividad humana a través del tiempo y del espacio.  
Sin la Estadística sería del todo imposible dar una  
explicación satisfactoria a una gran cantidad de los hechos  
humanos, así como sin ella sería absolutamente imposible  
preverlos en todos sus alcances, orientar el criterio con que  
se ha de juzgarlos, tomar a tiempo las medidas más  
conducentes para evitarlos o apresurarlos y para conservarlos  
inmutados o bien modificarlos, descubrir con rapidez y  
certidumbre cuál es el factor que prevalece en tal o cual  
sentido sobre el resultado final en cada caso.  
Puesto que la vida individual y colectiva de los seres  
humanos –tanto en su faz constructiva, productiva y creadora  
como en la de destrucción, de consumo y de desgaste– es una  
lucha ininterrumpida entre elementos afines y antagónicos,  
simples y complejos, cercanos y lejanos, que tienden a  
sobreponerse los unos a los otros de acuerdo a la ley de que  
el elemento más fuerte, más sagaz, más activo y más previsor  
aventaja al más débil y más despreocupado, prescindir del  
ponderado estudio de la Estadística equivale tanto para los  
individuos como para las colectividades de diferente orden –  
desde las pequeñas sociedades comerciales hasta las  
supremas entidades estatales que son representativas de los  
intereses generales de toda una ciudad o una nación entera–  
equivale, decimos, a encontrarse en el campo de la batalla  
eterna e ineludible con los ojos vendados y a ser, por lo tanto,  
una fácil presa de los contendientes más avezados que  
poseen información y análisis estadístico veraz y de alta  
calidad.  
Cuarta pregunta: ¿Alguien le dio un cierto giro a la  
información?  
Cuando compruebe una estadística, busque la posible  
tendencia que alguien haya introducido en las cifras totales o  
en las conclusiones. Con frecuencia se da a conocer una cosa  
en lugar de otra.  
Al comprobar un aumento en el número de casos de  
una cierta enfermedad no significa siempre una mayor  
virulencia de la misma. Situación que se está produciendo  
hoy en día con las cifras del COVID 19. La victoria de un  
candidato en un distrito pequeño no tiene valor para una  
encuesta pública de mayores alcances. Que un número de  
lectores exprese preferencia por los artículos de información  
internacional, no quiere decir que lean estos artículos si se  
publican.  
En cierta oportunidad, en un país se informó que se  
había producido una vuelta al campo porque en el último  
censo se habían detectado medio millón más de granjas que  
en el anterior. Lo que realmente sucedió fue que la definición  
de granja había cambiado de un censo a otro.  
La población de un área de China era de 29 millones  
de habitantes; Cinco años más tardes alcanzó los 105  
millones. Muy poco de este aumento era real. El primer  
censo era para impuestos y el segundo para la lucha contra el  
hambre.  
Quinta pregunta: ¿Tiene sentido?  
Esta pregunta tiene mucha importancia cuando la  
aseveración se basa en un supuesto no probado. Existe una  
fórmula de amenidad en la lectura desarrollada por Rudolf  
Flesch. Se trata de medir la facilidad de lectura de un pasaje  
en prosa, por medio de criterios tan simples y objetivos como  
la longitud de las palabras y de las frases. Como todas las  
ideas que tienden a reducir a números lo imponderable y  
sustituyen el juicio por las matemáticas, esta es llamativa  
para decirlo de alguna manera. Al menos llamó la atención  
de quienes la usaron, ya que al aplicarla en algunos textos  
resultó que el “Cuento de la Bella Durmiente” era dos veces  
más difícil que la “República” de Platón. Aquí tenemos la  
historia de siempre: las estadísticas se falsean en las propias  
narices de los usuarios. Se publican solo porque la magia de  
los números anula el sentido común.  
Para terminar, debemos decir que sin Estadística sería  
completamente imposible dar una explicación satisfactoria a  
un gran número de hechos humanos. Sin ella, sería  
absolutamente imposible preverlos en todos sus alcances,  
orientar los criterios con los que deben ser juzgados y tomar  
las medidas más propicias en el tiempo.  
BIBLIOGRAFÍA  
Las extrapolaciones son útiles, particularmente para  
Fisher, R. (1921). On the mathematical foundations of theoretical  
statistics. Phil. Trans., a, 222, 309  
Galton, F. (1909). Memories of my life. P. Dutton and company.  
Huff, D. (1954). Cómo mentir con estadísticas. Norton Company  
Inc.  
Moreau de Jonnés, A. (1829). Recherches statistiques et  
économiques sur les pâturages de l’europ. impr. D’éverat.  
Pearson, K. (1900). On the criterion that a given system of  
deviations from the probable in the case of a correlated  
system of variables is such that it can be reasonably  
supposed to have arisen from random sampling.  
Philosophical magazine 5th series, 50, 157-175.  
aquella forma de predicción llamada «previsión de  
tendencia». Pero al examinar las cifras o los gráficos  
derivados de las mismas, debe tenerse presente una cosa: la  
tendencia actual tal vez sea un hecho, pero la tendencia futura  
solo puede predecirse mediante una hipótesis razonable  
como la que lleva implícita la sentencia de que “siempre que  
lo demás siga siendo igual...” y que “las tendencias actuales  
continúen...”. De un modo u otro nada permanece igual, de  
lo contrario, la vida sería demasiado monótona.  
Popper, K. (1968). The logic of scientific discovery. Hutchinson.  
https://doi.org/10.5281/zenodo.4885414  
8
South American Research Journal, 1(1), 5-9  
https://sa-rj.net/index.php/sarj/article/view/1  
ISSN 2806-5638  
Popper, K. (1969). Conjectures and refutations. Routledges and  
Kegan Paul.  
Popper, K. y Miller, D. (1983). A proof of the impossibility of  
inductive probability. Nature, 302, 687-698.  
Shaw, G. B. (1906). The doctor's dilemma. R. & R. Clarke,  
Limited.  
Stigler, S. (1986). The history of statistics: the measurement of  
uncertainty before 1900. Harvard University Press.  
Stuart, A. y Ord, J. (1987). Kendall’s advance theory of statistics  
(6th ed.). vol. 1. Charles Griffin and Company Limited.  
Yule, G. (1907). On the theory of correlation for any number of  
variables, treated by a new system of notation. Proceedings  
of the royal society a: mathematical, physical and  
engineering science, 79, 182–193.  
Yule, G. (1926). Why do we sometimes get nonsense-correlations  
between time series? J. R. Statist. Soc., 89, 1-6.  
https://doi.org/10.5281/zenodo.4885414  
9