Conocer y razonar con evidencia

La primera parte establece el vocabulario con el que se evaluará el resto de la obra: conocer, razonar, medir y pensar con cantidades. Los capítulos avanzan desde la distinción entre observación e inferencia hasta la interpretación de probabilidades y estadísticas.

6 capítulos publicados · parte publicada íntegramente en el manuscrito de origen.

Capítulos#

1. Conocer: realidad, evidencia y modelosObservación e inferencia; verdad y justificación; clases de afirmaciones; modelos; confianza y desacuerdo.
   Secciones del capítulo

   1. 1.1. Una afirmación no es todavía una explicación
   2. 1.2. Verdad, creencia y justificación
   3. 1.3. Preguntas que necesitan pruebas diferentes
   4. 1.4. Los modelos seleccionan relaciones
   5. 1.5. Qué convierte una observación en evidencia
   6. 1.6. Confianza graduada, no credulidad o cinismo
   7. 1.7. Desacuerdos, especialización y autoridad
   8. 1.8. Lo que debe permanecer
2. Razonar: lógica, lenguaje y argumentaciónPremisas y conclusiones; validez; condiciones necesarias y suficientes; cuantificadores; falacias y discusión razonada.
   Secciones del capítulo

   1. 2.1. La estructura de un argumento
   2. 2.2. Deducción, inducción y explicación
   3. 2.3. Condiciones necesarias y suficientes
   4. 2.4. Negaciones, cantidades y alcance
   5. 2.5. Falacias que se comprenden mejor por su mecanismo
   6. 2.6. Del hecho al deber: la premisa que falta
   7. 2.7. Discutir para localizar el desacuerdo
   8. 2.8. Una prueba breve de estructura
3. Investigar: preguntas, mediciones y pruebasOperacionalización; precisión e incertidumbre; pruebas científicas; replicación; publicación; límites de la investigación.
   Secciones del capítulo

   1. 3.1. Transformar una intuición en una pregunta investigable
   2. 3.2. Medir es comparar bajo reglas
   3. 3.3. Una medición con incertidumbre
   4. 3.4. Contrastar una explicación
   5. 3.5. No hay una única secuencia científica
   6. 3.6. Replicar, reproducir y generalizar
   7. 3.7. Cómo una investigación puede engañar sin inventar datos
   8. 3.8. Investigar también requiere límites éticos
   9. 3.9. Leer un resultado científico
4. Pensar con cantidades: proporciones, escalas y cambioUnidades; denominadores; crecimiento; funciones; acumulación; estimación y geometría de la escala.
   Secciones del capítulo

   1. 4.1. Qué representa un número
   2. 4.2. Unidades y dimensiones: una primera comprobación
   3. 4.3. El denominador cambia la historia
   4. 4.4. Riesgos absolutos y relativos
   5. 4.5. Órdenes de magnitud
   6. 4.6. Crecimiento lineal y exponencial
   7. 4.7. Funciones, variación y acumulación
   8. 4.8. La geometría de cambiar de tamaño
   9. 4.9. Estimar antes de calcular con detalle
5. Probabilidad: aprender de lo inciertoSucesos; dependencia; tasas base; actualización bayesiana; valor esperado; calibración.
   Secciones del capítulo

   1. 5.1. Incertidumbre no significa ausencia de información
   2. 5.2. Qué clase de incertidumbre se está representando
   3. 5.3. Sumar y multiplicar sin perder el significado
   4. 5.4. La tasa base: lo que había antes de la señal
   5. 5.5. El teorema de Bayes como contabilidad de posibilidades
   6. 5.6. Sucesos raros y repetición
   7. 5.7. Valor esperado: promedio ponderado, no promesa
   8. 5.8. Calibración y resolución
   9. 5.9. Lo que la probabilidad no decide
6. Estadística: de los datos a las conclusionesDistribuciones; muestras; incertidumbre de estimación; intervalos; significación; selección de resultados.
   Secciones del capítulo

   1. 6.1. Un resumen siempre deja algo fuera
   2. 6.2. Describir una muestra no es describir toda la población
   3. 6.3. Cuánta incertidumbre añade el muestreo
   4. 6.4. Lo que significa un intervalo
   5. 6.5. El valor p y el error de invertir la pregunta
   6. 6.6. Buscar muchas veces cambia lo que significa encontrar
   7. 6.7. Agregar puede invertir una comparación
   8. 6.8. Regresión a la media: seleccionar extremos no congela sus causas

Bibliografía de la parte#

Consultar las fuentes y orientaciones de lectura de esta parte →

Las siguientes referencias respaldan definiciones, convenciones y distinciones metodológicas empleadas en los capítulos 1–6. Los ejemplos numéricos identificados como construidos son elaboraciones de esta obra. Los registros completos y enlaces se reúnen en la bibliografía general.

Fundamentos científicos y lógica. National Academies of Sciences, Engineering, and Medicine, 2019 ↗ (fuente externa, nueva pestaña), Reproducibility and Replicability in Science, especialmente los capítulos sobre conocimiento científico y definiciones de reproducibilidad y replicabilidad. Open Logic Project, 2026 ↗ (fuente externa, nueva pestaña), Propositional Logic: referencia formal para las distinciones del capítulo 2.

Medición y cantidades. JCGM, 2008 ↗ (fuente externa, nueva pestaña), Guide to the Expression of Uncertainty in Measurement. Taylor y Kuyatt, 1994 ↗ (fuente externa, nueva pestaña), NIST Technical Note 1297. BIPM, 2026 ↗ (fuente externa, nueva pestaña), The International System of Units, novena edición, versión 4.01.

Probabilidad y estadística. Blitzstein y Hwang, 2019 ↗ (fuente externa, nueva pestaña), Introduction to Probability, segunda edición. NIST/SEMATECH, s. f. ↗ (fuente externa, nueva pestaña), e-Handbook of Statistical Methods, apartados de localización e intervalos de confianza. Wasserstein y Lazar, 2016 ↗ (fuente externa, nueva pestaña), declaración de la ASA sobre valores p.

Orientación de lectura. El informe de las National Academies permite ampliar la reflexión metodológica sin exigir cálculo. El manual de probabilidad desarrolla los conceptos mediante problemas y requiere mayor dedicación matemática. El texto de Open Logic es una vía hacia el estudio formal, no un prerrequisito para continuar esta obra. Las guías de metrología y el manual del NIST son referencias técnicas para consulta selectiva.