Resumen en PDF:Naked Statistics, por Charles Wheelan

Las estadísticas nos ayudan a utilizar los datos para dar sentido al mundo, y los conocimientos estadísticos sirven de guía a la sociedad moderna, informando las prácticas médicas, la política pública y fiscal, las iniciativas educativas, las decisiones empresariales y de marketing, etcétera. Pero las estadísticas no son sólo para "expertos". Gracias a Charles Wheelan, la estadística no tiene por qué intimidar. Naked Statistics pone las matemáticas que hay detrás de la estadística en términos digeribles y explica los conceptos estadísticos con ejemplos relacionables, relevantes e incluso humorísticos. Los lectores también se benefician de la visión sociopolítica adicional del libro, ya que Wheelan utiliza anécdotas del mundo real para explorar cómo las estadísticas pueden informar la toma de decisiones colectiva.

Como hace Wheelan en Naked Statisticsesta guía se centra en el significado y el contexto de las estadísticas más utilizadas, más que en sus cálculos. Después de explicar qué aporta cada concepto estadístico y cómo interpretarlo, esta guía utiliza ejemplos reales y ficticios para añadir contexto.

(continúa)...

El trabajo de Vigen ha sido destacado por la Harvard Business Review y ha recibido críticas positivas del Boston Globe y el Washington Post, entre otros, en parte porque estos ridículos ejemplos ponen de relieve que equiparar causalidad con correlación es incorrecto, por muy estrecha que sea la relación.

Otra técnica estadística, el análisis de regresión, va más allá de la descripción de la relación entre dos variables y nos permite hacer predicciones matemáticas basadas en esas relaciones. Por ejemplo, la propietaria del vivero anterior podría generar una ecuación con el análisis de regresión para predecir cuántas flores tendrían sus plantas en función de la cantidad de luz solar que les diera.

Análisis de regresión del tabaquismo y el cáncer de pulmón

Como explica Wheelan, el análisis de regresión es un elemento básico en la investigación médica y de ciencias sociales. Un estudio de la Biblioteca Nacional de Medicina utilizó el análisis de regresión para calcular que por cada 1% más de tabaquismo colectivo de los adultos estadounidenses, las tasas de cáncer de pulmón aumentan en 164 casos por cada 1.000 ciudadanos.

Las estadísticas ayudan a responder preguntas complicadas

La probabilidad es una de las formas en que la estadística puede ayudarnos a tomar decisiones más informadas. nos permite gestionar la incertidumbre, calcular los riesgos y poner en perspectiva los posibles resultados. Wheelan explica que la comprensión de la probabilidad puede ser especialmente relevante en nuestra vida cotidiana porque tomamos decisiones basadas en nuestra percepción de la probabilidad todo el tiempo. Sin embargo, nuestra percepción de los resultados probables suele ser matemáticamente irracional. Por ejemplo, la probabilidad de tener un accidente de coche mientras vamos a la playa es mucho mayor que la probabilidad de que nos ataque un tiburón, pero a menudo -irracionalmente- tememos más el riesgo del tiburón.

La probabilidad no es intuitiva

Hay varias razones que explican nuestra percepción matemáticamente irracional de la probabilidad:

Sesgo de confirmación: Cuando nos centramos en lo que esperamos e ignoramos el resto. Utilizando nuestro ejemplo anterior del ataque de un tiburón, podríamos justificar nuestro miedo a bañarnos en la playa con una afirmación como "bueno, ¡a ese tipo le mordió un tiburón en Cape Cod el año pasado!", ignorando las decenas de miles de bañistas que no fueron atacados.

Lógica anecdótica: Los sucesos improbables están estadísticamente destinados a ocurrir, y la gente se da cuenta y habla de ellos cuando ocurren. Estas historias de sucesos improbables se quedan grabadas en nuestra mente y conforman nuestra percepción de lo que es probable. Por ejemplo, supongamos que a un amigo le diagnostican un cáncer extremadamente raro. Aunque el diagnóstico de su amigo es una anomalía, la forma rara de cáncer parece de repente más frecuente.

Pensamiento a corto plazo: Evolutivamente, los humanos estamos programados para pensar a corto y medio plazo, lo que puede hacernos sentir como si estuviéramos presenciando acontecimientos estadísticamente improbables cuando no es así (por ejemplo, presenciar una inundación de 100 años) y hacernos incapaces de procesar datos a largo plazo (por ejemplo, centrarnos en la ola de frío de los últimos días e ignorar el cambio climático).

La tendencia de nuestro cerebro a malinterpretar la probabilidad la convierte en un tema de estudio útil si queremos utilizar la estadística para tomar decisiones con mayor conocimiento de causa.

La gente suele utilizar la probabilidad para evaluar el riesgo cuando toma decisiones financieras. Wheelan explica que una estadística llamada "valor esperado" puede ayudarnos a determinar si queremos asumir un riesgo financiero cuando conocemos la probabilidad de cada resultado posible y su respectiva retribución. Los promotores inmobiliarios, por ejemplo, pueden utilizar esta herramienta para asegurarse de que sus múltiples inversiones tienen probabilidades de ganar dinero en conjunto. Aunque una propiedad pierda dinero o tenga un rendimiento inferior al esperado en un año determinado, siempre que el valor esperado de su cartera sea rentable en su conjunto, es probable que ganen dinero.

Probabilidad y compra de existencias

Como explica Wheelan, la probabilidad es una herramienta eficaz para gestionar el riesgo. Por desgracia, muchos de nosotros infrautilizamos la probabilidad cuando invertimos en bolsa. Los estudios demuestran que tendemos a sobrestimar la probabilidad de sucesos raros y nuestra capacidad para preverlos. Por ejemplo, la gente suele invertir en una única acción que cree que será la próxima Apple, en lugar de repartir su inversión en una cartera diversificada. Por lo tanto, la gente tiende a infradiversificar sus acciones, lo que les cuesta una media de 2.500 dólares al año.

Utilizar estadísticas como el valor esperado es probablemente una buena idea antes de invertir en bolsa, ya que puede atemperar nuestra "corazonada" sobre una acción con las matemáticas y ayudarnos a realizar inversiones más inteligentes.

Además de ayudarnos a tomar decisiones con mayor conocimiento de causa, la estadística puede ayudarnos a responder preguntas para las que no podríamos diseñar un experimento. Por ejemplo, supongamos que queremos saber si la exposición a una determinada sustancia química (la llamaremos sustancia química X) se corresponde con mayores tasas de cáncer. La ética impide exponer deliberadamente a las personas a la sustancia química X en un laboratorio con fines científicos. Además, hay tantas otras variables que influyen en el riesgo de cáncer de una persona que es imposible saber si la sustancia X fue la única causa del diagnóstico de cáncer de alguien. Sin estadísticas, preguntas complejas pero importantes como ésta quedarían sin respuesta.

Para responder a la pregunta de si la sustancia química X está asociada a mayores tasas de cáncer, los investigadores podrían recopilar un amplio conjunto de datos que incluyera a personas expuestas y no expuestas a la sustancia química X y registrar sus tasas de diagnóstico de cáncer. A continuación, los investigadores podrían utilizar un análisis de regresión para determinar la relación entre la exposición a la sustancia química X y el diagnóstico de cáncer, independientemente de otros factores como el tabaquismo, el ejercicio físico, los antecedentes familiares, etcétera. La estadística puede incluso decirnos qué porcentaje del riesgo global de cáncer de una persona está matemáticamente asociado a la exposición a la sustancia química X y no a otros factores.

Como explica Wheelan, la capacidad de separar matemáticamente variables individuales (como la exposición a una sustancia química concreta) en la complejidad del mundo real hace del análisis estadístico una parte inestimable de la investigación en medicina y ciencias sociales.

Estadísticas para evaluar si el dinero puede comprar la felicidad

Los investigadores incluso han utilizado las estadísticas para intentar responder a la vieja pregunta de si el dinero puede comprar la felicidad. En un estudio de 2010 de la Universidad de Princeton, los investigadores recopilaron datos de 450.000 respuestas a una encuesta de Gallup sobre las emociones cotidianas y la evaluación general de la vida (cómo califica la gente su vida en el "panorama general"). A continuación, los investigadores utilizaron un análisis de regresión multivariante para analizar si unos ingresos elevados están correlacionados con un mayor bienestar emocional y una mejor evaluación de la vida.

Los resultados del estudio sugieren que el dinero puede comprar la felicidad hasta cierto punto. Los ingresos se asociaron positivamente con la evaluación de la vida en general (las personas tenían una opinión más favorable de su vida en general si ganaban más dinero) y con el bienestar emocional hasta unos ingresos de 75.000 dólares. Por encima de los 75.000 dólares, los ingresos ya no predecían el bienestar emocional.

Aprender estadística da poder

Aprender estadística es un ejercicio de autocapacitación. Wheelan explica que, gracias a la afinidad de la sociedad moderna por la tecnología y su dependencia de ella, estamos constantemente rodeados de datos y nos vemos afectados por ellos. Esta abundancia de datos es una bendición, ya que ofrece a los investigadores la oportunidad de estudiar los problemas más acuciantes de la sociedad, por ejemplo, utilizando los resultados de los estudiantes para poner de relieve las desigualdades raciales y sociales en nuestro sistema educativo. Pero la cantidad de datos con la que nos bombardean cada día a través del marketing dirigido, las campañas políticas y las redes sociales también puede ser un reto cuando no sabemos cómo calibrar su fiabilidad. Estudiar estadística puede darnos una mejor idea de cuánta confianza debemos depositar en las distintas fuentes de información y puede ayudarnos a interpretar correctamente las estadísticas publicadas.

Alfabetización informática

Aprender estadística para ser un ciudadano informado forma parte de un conjunto de habilidades más amplio llamado "alfabetización en datos". La alfabetización en datos se refiere a la capacidad de analizar e interpretar los datos correctamente. Al igual que una persona alfabetizada puede entender una historia leyendo las palabras de una página, una persona alfabetizada en datos puede observar una estadística, un gráfico, etc. e interpretar correctamente su "historia".

La alfabetización informática es una competencia fundamental, pero desatendida. Un conocimiento deficiente de los datos obstaculiza nuestra capacidad individual y social para tomar decisiones con conocimiento de causa. Por ejemplo, Wheelan cita la confusión generalizada sobre la diferencia entre correlación y causalidad, combinada con el desconocimiento de la investigación moderna sobre la seguridad de las vacunas, como la causa del movimiento antivacunación.

El desfase entre las competencias y las necesidades en materia de alfabetización informática en el lugar de trabajo moderno es costoso. Muchos puestos de trabajo exigen trabajar con datos y tomar decisiones a partir de ellos, pero muchos empleados carecen de las competencias necesarias para hacerlo con eficacia. Se calcula que la economía de EE.UU. pierde más de 109.000 millones de dólares al año debido a la falta de conocimientos básicos sobre datos de los trabajadores. En respuesta, la mayoría de las empresas están adoptando la alfabetización informática como una habilidad crítica.

Estudiar estadística también nos hace menos susceptibles de ser engañados a propósito. Por desgracia, Wheelan explica que el mal uso intencionado de las estadísticas es más común de lo que pensamos. Aunque los valores estadísticos en sí no pueden mentir, las pruebas estadísticas que la gente decide utilizar, los datos con los que deciden calcular las estadísticas y la decisión de incluir o no estadísticas específicas de conjuntos de datos pueden construir varias versiones de "la verdad". Por ejemplo, considere las siguientes afirmaciones basadas en el mismo conjunto de datos hipotético:

• ¡Vote por Mark Smith! ¡Sus recortes de impuestos han ahorrado a la gente de esta ciudad un promedio de $ 1,000 por año!
• ¡No votes a Mark Smith! Sus "recortes de impuestos" han ahorrado toneladas de dinero al 1% más rico de los residentes de la ciudad y no han ahorrado casi nada a los residentes de bajos ingresos.

Ninguna de estas afirmaciones es mentira. En cambio, los distintos usos de los datos y las estadísticas construyen versiones de la verdad que se adaptan mejor a las distintas perspectivas. Aunque no podemos esperar que nos sumerjamos en los datos subyacentes de cada estadística que leemos o escuchamos, Wheelan explica que podemos detectar mejor la información incompleta o engañosa con unos conocimientos básicos de estadística.

Estadísticas deshonestas

En su libro de 1954 Cómo mentir con estadísticas (reeditado en 1993), Darell Huff explora varias formas de utilizar la estadística para engañar deliberadamente al público. Sus ejemplos incluyen el uso de muestras pequeñas para inflar los resultados, la toma de muestras sesgadas y la omisión de valores críticos para el contexto.

Como ejemplo de esto último, tomemos el siguiente marketing hipotético para un suplemento de pérdida de peso:

Titular: "¡Los usuarios de suplementos perdieron el doble de peso durante el primer mes que los que tomaron un placebo!".

Esto suena atractivo y podría tentar a muchas personas a gastar mucho en los suplementos. Sin embargo, no se da ningún contexto de lo que significa "el doble" porque no se incluyen cifras reales de pérdida de peso. Tal vez los que tomaron el suplemento sólo perdieron medio kilo, mientras que los que tomaron el placebo sólo perdieron medio kilo. Aunque es cierto que medio kilo es el doble que medio kilo, las cifras reales son mucho menos impresionantes de lo que parece en el informe.

Huff advierte que las estadísticas deshonestas o incompletas, combinadas con un público analfabeto, hacen que muchas de las estadísticas publicadas carezcan de sentido en el mejor de los casos y sean perjudiciales en el peor.