Error sistemático

Desde un punto de vista general, distinguimos dos tipos de errores: el error aleatorio y el error sistemático.

El error aleatorio se debe al azar y puede provenir de dos fuentes distintas. La primera sería por errores inherentes al muestreo dentro de la población. Cuando obtenemos una muestra, lo hacemos con el objetivo de estimar un parámetro poblacional a través de su estudio en una muestra. Sin embargo, debido al azar de muestreo, podemos obtener una muestra que no sea representativa de la población (aunque obtengamos múltiples muestras, todas serán diferentes unas de otras). Esto es más probable que ocurra cuando los tamaños muestrales son pequeños y cuando se emplean técnicas de muestreo no probabilístico.

La otra fuente de error aleatorio es la variabilidad en la medición, ya sea por imprecisiones del instrumento de medida o por la propia variabilidad biológica. Por ejemplo, si medimos la presión arterial varias veces a un mismo individuo, los resultados de las distintas mediciones no serán exactamente iguales, aunque podemos minimizar el error en este caso repitiendo varias mediciones y calculando una media de ellas.

El error sistemático, también llamado sesgo, se produce por un error en el diseño o análisis del estudio, que produce una estimación incorrecta o no válida del efecto que se estudia. Imaginemos, por ejemplo, que vamos a pesar a un grupo de escolares y a los niños los pesamos sin ropa y descalzos y a las niñas las pesamos con ropa; en este caso incurriremos en un sesgo en la medición del peso.

Vemos, pues, que existen diferencias entre los errores aleatorio y sistemático. El error aleatorio se relaciona con la precisión del resultado. Una medida será tanto más precisa cuanto menor sea el componente aleatorio, por lo que el error puede disminuirse aumentando el tamaño de la muestra o mejorando la precisión de las mediciones. Este error no afecta a la validez interna ni externa.

Por su parte, el error sistemático se relaciona con la validez de los resultados, ya que la estimación solo puede ser válida si representa el verdadero valor. Como es lógico, este tipo de error es más difícil de controlar y no se corrige aumentando el tamaño muestral.

Existen innumerables tipos de sesgos descritos, aunque todos pueden agruparse dentro de tres grandes categorías: sesgos de selección, sesgos de información o clasificación y sesgos de análisis.

Véase Sesgo.