Reseña del libro «Naked Statistics: Stripping the Dread from the Data»

Naked Statistics: Stripping the Dread from the Data, publicado en 2013 por Charles Wheelan, parte de una idea sencilla: para comprender la estadística no es imprescindible comenzar por las fórmulas. Antes de calcular medias, probabilidades o regresiones, conviene entender qué preguntas intentan responder estas herramientas.

El propósito del libro no es formar estadísticos, sino reducir el temor que suele provocar la estadística. Wheelan recurre a historias y ejemplos relacionados con la economía, la medicina, las encuestas, los seguros o el deporte para mostrar cómo los datos intervienen constantemente en nuestras decisiones.

A lo largo de trece capítulos, el libro avanza desde la estadística descriptiva hasta la probabilidad, el muestreo, la inferencia, la regresión y la causalidad. Su argumento central es que una cifra puede ser matemáticamente correcta y, aun así, ofrecer una representación engañosa de la realidad.

Primera parte: Describir la realidad sin deformarla

Los primeros capítulos presentan la estadística como una herramienta para resumir grandes cantidades de información. Medidas como la media, la mediana, los percentiles o la desviación estándar permiten simplificar la realidad, pero cada una muestra un aspecto diferente y deja fuera parte de la información.

Wheelan explica que las estadísticas pueden inducir a error sin contener ningún fallo de cálculo. Escoger una medida poco adecuada, presentar cifras sin contexto o seleccionar una unidad de análisis favorable puede cambiar por completo la interpretación de unos mismos datos. Por tanto, pueden servir como instrumento político y hay que guardarse de suponerlas imparciales por el mero hecho de parece «cientifícas«,

Este bloque también introduce la correlación. Medir que dos variables se mueven conjuntamente puede ser útil para describir o predecir, pero no permite afirmar que una sea la causa de la otra. La principal lección es que el peligro no suele estar en el cálculo, sino en las decisiones tomadas antes de calcular. Por ejemplo, en verano aumentan tanto la venta de helados como los ahogamientos, pero una cosa no provoca la otra: ambas están relacionadas con el calor.

Segunda parte: Probabilidad, datos e inferencia

La parte central del libro se ocupa de la probabilidad. Wheelan muestra que, aunque un acontecimiento individual pueda ser impredecible, muchos sucesos semejantes pueden presentar regularidades. De ahí que compañías aseguradoras, casinos o sistemas sanitarios puedan estimar riesgos agregados. Cabe puntualizar que aquí estamos hablando del terreno de la distribucción normal (o mediocristán como dice Taleb). Como ya hemos aprendido, las cosas cambian mucho cuando las probabilidades són «atípicas» (extremistán).

El problema de Monty Hall ilustra cómo nuestra intuición puede fallar ante la incertidumbre y, sugiere con una aproximación puramente bayesiana, que cuando aparece nueva información, debemos revisar nuestras probabilidades iniciales. El libro también advierte contra errores como confundir azar con patrones, suponer independencia donde no existe o construir modelos precisos sobre supuestos equivocados.

A continuación, Wheelan introduce el muestreo y la inferencia estadística. Una muestra pequeña pero representativa puede decir más que una muestra enorme y sesgada. La significación estadística ayuda a valorar si un resultado puede deberse al azar, pero no indica automáticamente que sea importante, útil o causal. Por ejemplo, un medicamento puede reducir el dolor de forma estadísticamente significativa, pero tan poco que la mejora no resulte relevante para el paciente.

Tercera parte: Regresión, causalidad y evaluación

Los últimos capítulos presentan la regresión como una herramienta para estudiar la relación entre varias variables. Permite estimar cómo cambia un resultado cuando cambia un factor, tratando de mantener constantes otros elementos relevantes. Esto lo hemos visto con la regresión lineal múltiple

Sin embargo, la regresión no elimina los problemas de interpretación. Una variable importante puede quedar fuera del modelo, la causalidad puede operar en sentido contrario y una relación válida en un contexto puede desaparecer en otro. Si probamos suficientes variables, también podemos encontrar asociaciones aparentemente significativas por puro azar.

El libro termina abordando la evaluación de programas y políticas. Para saber si una intervención ha producido un efecto necesitamos comparar lo ocurrido con lo que habría sucedido sin ella. Experimentos aleatorizados, experimentos naturales y grupos de control intentan aproximarse a ese escenario contrafactual. Por ejemplo, si el empleo aumenta entre quienes realizaron un curso de formación, debemos compararlos con personas similares que no lo hicieron para saber si la mejora se debe realmente al programa.

Conclusión

Naked Statistics ofrece una introducción accesible a las principales ideas de la estadística. Su mayor virtud consiste en explicar para qué sirven las herramientas antes de mostrar cómo se calculan.

El libro presenta la estadística como una forma de convertir datos en argumentos sobre la realidad. Por eso, analizar bien no depende únicamente de aplicar una técnica, sino de escoger buenos indicadores, utilizar datos adecuados y formular preguntas claras.

Su mensaje central es que las estadísticas no sustituyen al juicio. Pueden ayudarnos a comprender el mundo, pero también pueden reforzar conclusiones equivocadas cuando parten de muestras sesgadas, métricas mal elegidas o supuestos poco realistas.

Opinión: ¿qué me ha parecido el libro?

Naked Statistics destaca por presentar la estadística como una disciplina cercana y útil, pero también como una herramienta que exige cautela. Wheelan muestra que muchos errores no nacen de cálculos incorrectos, sino de muestras sesgadas, métricas mal escogidas, correlaciones mal interpretadas o resultados estadísticamente significativos a los que se atribuye una importancia que no tienen.

Para muchos lectores de este blog, interesados en las distintas formas de abordar la predicción mediante métodos estadísticos, estimaciones probabilísticas y con una perspectiva bayesiana, esta es probablemente su enseñanza más valiosa. Las herramientas con las que trabajamos y los resultados que producen pueden inducir a pequeños errores que, si no se detectan y corrigen, terminan acumulándose hasta desembocar en predicciones muy equivocadas y, en ocasiones, bochornosas.

En este sentido, el libro funciona como un buen aviso para navegantes. No enseña por sí solo a construir modelos predictivos, pero sí recuerda algo imprescindible antes de utilizarlos: cuanto más sofisticada parece una predicción, más importante es revisar los datos, los supuestos y las decisiones que la sostienen.

¿Y ahora qué?

En futuros posts profundizaremos en algunas de las ideas más interesantes del libro: cómo escoger el indicador adecuado para describir una realidad, qué nos enseña el problema de Monty Hall sobre la actualización bayesiana, por qué el teorema central del límite no elimina la necesidad de disponer de una buena muestra y qué distancia puede existir entre la significación estadística y la relevancia práctica.