Etiqueta: Divulgación

Reseña del libro «Pensar rápido, pensar despacio»

thebayesianfox1 comentario

Introducción

Pensar rápido, pensar despacio es un libro publicado en 2011 por el psicólogo Daniel Kahneman (Tel Aviv, 1934 – Nunningen, 2024), profesor emérito en la Universidad de Princeton y galardonado con el Premio Nobel de Economía en 2002, junto a Vernon Smith. Su mayor aportación, desarrollada junto con Amos Tversky, fue la Teoría de las perspectivas, que muestra cómo los individuos toman decisiones en contextos de incertidumbre alejándose de los principios de la probabilidad, recurriendo a atajos mentales o heurísticos.

En esta obra, Kahneman sintetiza décadas de investigación sobre cómo pensamos y decidimos, presentando de manera accesible la existencia de dos modos de pensamiento: el Sistema 1, rápido, automático e intuitivo; y el Sistema 2, lento, deliberado y analítico. La peculiaridad es que la mayor parte de las veces no somos conscientes de cuál de ellos domina nuestras decisiones.

El libro se organiza en tres grandes bloques: en el primero se explica el funcionamiento de los dos sistemas de pensamiento; en el segundo se analizan los sesgos y heurísticos que nos llevan a errores; y en el tercero se aborda cómo tomamos decisiones bajo incertidumbre, incluyendo la teoría de las perspectivas y la distinción entre el yo que experimenta y el yo que recuerda.

Seguir leyendo «Reseña del libro «Pensar rápido, pensar despacio»»

Cómo hacer un post-mortem de tus predicciones

thebayesianfoxDeja un comentario

Para concluir la serie de posts donde hemos analizado y reflexionado sobre conceptos e ideas del libro Superforecasting: The Art and Science of Prediction, en esta entrada hablaremos de la práctica del post-mortem: una herramienta que nos ayudará a mejorar nuestras futuras predicciones a partir de hacer las “autopsias” de nuestras predicciones pasadas.

Cuando lanzamos una predicción sobre el futuro, el tiempo se convierte en juez.
La fecha llega, el evento ocurre (o no) y ya no hay incertidumbre. Entonces aparece un momento crítico que a menudo pasamos por alto: el análisis post-mortem.

Un post-mortem es la autopsia de una predicción ya caducada. No se trata solo de comprobar si “acertamos” o “fallamos”, sino de contrastar nuestra estimación con el resultado real y, sobre todo, de sacar conclusiones que nos hagan mejores pronosticadores.

Seguir leyendo «Cómo hacer un post-mortem de tus predicciones»

Los 10 mandamientos del superpronosticador (y el 11.º)

thebayesianfoxDeja un comentario

En la serie que venimos publicando sobre cómo pensar mejor el futuro —desde mirar el mundo “como una libélula” hasta usar estimaciones de Fermi y evaluar nuestras predicciones con el Brier score— hoy damos un paso práctico.

En un anexo de Superforecasting: The Art and Science of Prediction Philip Tetlock y Dan Gardner sintetizan décadas de evidencia en diez hábitos que, entrenados con intención, mejoran la precisión de las predicciones. A continuación los adaptamos a nuestro día a día, con ejemplos, micro-rutinas y una plantilla para que los pongas en marcha ya.

1) Triaje: elige bien tus batallas

Idea: Enfoca el esfuerzo donde rinde: evita lo trivial (reglas simples bastan) y lo casi inescrutable (ni modelos complejos ayudan). Busca la “zona Ricitos de Oro”: dificultad media, datos suficientes y decisiones reales en juego.

Seguir leyendo «Los 10 mandamientos del superpronosticador (y el 11.º)»

¿Cómo saber si tus predicciones son buenas?

thebayesianfoxDeja un comentario

Esta entrada, como las anteriores, parte de una idea clave del libro Superforecasting: The Art and Science of Prediction de Philip Tetlock y Dan Gardner. Allí se insiste en que hacer predicciones no es solo cuestión de acertar o fallar, sino de aprender a evaluar la calidad de nuestros juicios para mejorarlos con el tiempo.

Y para mejorar, primero hay que medir.
¿Medir qué exactamente?
👉 La calidad de tus predicciones.

En este post te presento tres conceptos clave para evaluar predicciones, especialmente si te interesa convertirte en un autèntico superforecaster:

  • Calibración
  • Resolución
  • Métricas cuantitativas como el Brier Score o el MAPE
Seguir leyendo «¿Cómo saber si tus predicciones son buenas?»

Estimaciones de Fermi: cómo razonar cuando no tienes datos (y evitar el disparate)

thebayesianfoxDeja un comentario

A continuación se expondrá en detalle un método que se propone en el libro Superforecasting: The Art and Science of Prediction para descomponer un problema en partes más estimables.

Uno de los retos más frecuentes en análisis es enfrentarse a preguntas sin datos directos. En lugar de improvisar o bloquearse, hay una técnica sorprendentemente útil para avanzar con lógica: la estimación de Fermi.

Esta técnica, popularizada por el físico Enrico Fermi, se basa en dividir un problema complejo en partes más pequeñas y estimar cada una de ellas con números razonables. Pero más allá del cálculo, lo importante es el proceso: establecer límites exteriores (el resultado más amplio razonable) e interiores (el resultado más ajustado posible) del problema, y ser consciente del número que usamos como punto de partida, ya que este actuará como ancla para el resto de nuestras suposiciones.

Seguir leyendo «Estimaciones de Fermi: cómo razonar cuando no tienes datos (y evitar el disparate)»

Priors bayesianas (3/3): Distribuciones continuas para modelar creencias que fluyen

thebayesianfoxDeja un comentario

En las dos entradas anteriores presentamos el concepto de prior bayesiana y cómo construirla usando distribuciones discretas. Sin embargo, no todo en la vida se cuenta con números enteros. A veces, lo que queremos modelar fluye de forma continua: proporciones, medias, tiempos, tasas…
En este último capítulo de la serie, exploramos las distribuciones continuas más útiles para construir priors cuando las variables no se cuentan, sino que se miden.

¿Qué es una distribución continua?

Una distribución de probabilidad continua describe el comportamiento de una variable que puede tomar cualquier valor dentro de un intervalo, incluso infinitos valores posibles.

Por ejemplo: La proporción de pacientes que se recuperan de una enfermedad, el tiempo de espera en una consulta médica o el ingreso mensual medio de una familia.

Seguir leyendo «Priors bayesianas (3/3): Distribuciones continuas para modelar creencias que fluyen»

Priors bayesianas (2/3): Cómo usar distribuciones discretas para modelar nuestras creencias

thebayesianfoxDeja un comentario

En la primera entrega de esta serie vimos qué es una prior: una forma de expresar con números lo que creemos antes de observar datos. Hoy daremos un paso más y veremos cómo podemos construir esas priors utilizando distribuciones de probabilidad discretas cuando el análisis preliminar nos indica que el fenómeno que queremos predecir se comporta así.

Porque sí, hasta nuestras corazonadas pueden adoptar una forma matemática.

¿Qué es una distribución de probabilidad discreta?

Una distribución de probabilidad discreta es una herramienta matemática que asigna probabilidades a valores enteros concretos. Es útil para describir fenómenos contables como:

  • ¿Cuántas veces encestaré si lanzo 10 veces?
  • ¿Cuántos clientes vendrán hoy?
  • ¿Cuánto tardaré en tener un acierto?

Estas distribuciones no trabajan con valores continuos como 3,1416 o 7,82, sino con 0, 1, 2, 3…

Seguir leyendo «Priors bayesianas (2/3): Cómo usar distribuciones discretas para modelar nuestras creencias»

Priors bayesianas (1/3):¿Qué es una prior?

thebayesianfox1 comentario

Imagina esto:
Estás buscando setas en un bosque. Nunca has estado allí, pero alguien te ha dicho que las mejores suelen crecer bajo robles. Aunque aún no has visto ninguna, ya sabes por dónde empezar a buscar. Eso que sabes antes de empezar a observar es tu conocimiento previo… o lo que en estadística bayesiana llamamos una distribución a priori, o simplemente: una prior.

¿Qué es una prior?

En el mundo de la inferencia bayesiana, una prior es nuestra forma de representar, con números, lo que creemos que puede pasar antes de ver los datos.

Es como una apuesta informada: antes de lanzar una moneda, quizás sospechas que está trucada porque el borde está desgastado. Eso afecta tu expectativa antes incluso de verla caer.

Cuando usamos el Teorema de Bayes, la prior se combina con los datos observados (a través de la verosimilitud) para actualizar nuestras creencias. El resultado es lo que llamamos la distribución posterior.

Seguir leyendo «Priors bayesianas (1/3):¿Qué es una prior?»

El arte de predecir con la cabeza fría: el decálogo del zorro bayesiano

thebayesianfoxDeja un comentario

¿Te gustaría saber qué nos depara el futuro para tomar mejores decisiones hoy? Hay una manera de acercarse a ello, pero no es la que imaginas.

Lo cierto es que no hay forma de estar completamente seguros de lo que va a ocurrir, porque el futuro es probabilístico. Esto significa que las predicciones siempre deben ir acompañadas de una probabilidad, incluso cuando esta se acerque al 100 %. Por ejemplo, técnicamente no podemos afirmar que hay un 100 % de posibilidades de que mañana salga el sol, ya que siempre podría ocurrir un cataclismo (una colisión planetaria, una implosión solar, etc.). Pero este tipo de eventos son tan extraordinariamente improbables que podemos decir que la probabilidad de que no salga el sol es del 0.000000000…1 % (pero no cero).

Por tanto, la manera de saber si algo va a suceder o no es la siguiente:

  1. Formular la hipótesis: Por ejemplo «El Real Madrid ganará el Mundial de Clubes 2025».
  2. Calcular la probabilidad de que esta hipótesis sea cierta.
  3. Comparar esa probabilidad con un umbral subjetivo a partir del cual consideramos algo como muy probable (por ejemplo, un 90 %). Si lo supera, no rechazamos la hipótesis y, por tanto, podremos decir que el Real Madrid ganará el Mundial de Clubes 2025.

El reto de este método es que nos exige calcular una probabilidad que depende de múltiples variables (el estado de los jugadores, la táctica, la suerte…) y que va cambiando con el tiempo hasta que finaliza el campeonato.

La estrategia que ha demostrado dar mejores resultados para abordar esta tarea es pensar como un zorro, entendida esta metáfora como tener un marco mental flexible y abierto a múltiples posibilidades. A eso se le suma el uso de la inferencia bayesiana, que nos permite actualizar nuestras creencias conforme vamos recibiendo nueva información. En definitiva, se trata de convertirse en un zorro bayesiano.

Seguir leyendo «El arte de predecir con la cabeza fría: el decálogo del zorro bayesiano»

Reseña del libro la señal y el ruido

thebayesianfox2 comentarios

Introducción

La señal y el ruido, publicado en 2012, fue escrito por Nate Silver un estadístico y escritor especialista en predicciones. El autor es fundador del blog FiveThirtyEight donde se hacen predicciones de temas tan diferentes como deportes y contiendas electorales. Su amor hacia la estadística le hizo escribir el libro que nos ocupa. En él se nos explica, de una forma sorprendentemente entretenida, porqué nos resulta tan difícil predecir eventos futuros y nos propone un método para minimizar los elementos que hacen que erremos nuestro pronóstico (lo que él llama ruido) y maximizar los elementos que lo hacen más acertado (lo que él llama señales). Seguir leyendo «Reseña del libro la señal y el ruido»