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

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

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

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?

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

¿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

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»

Business Intelligence para detectar la desigualdad laboral (ejemplo práctico)

En esta entrada desarrollaremos un ejemplo práctico de solución de comunicación con business intelligence para la política de RRHH de un Hospital. Conviene decir que, para nuestro ejemplo, volveremos a hablar del Hospital Santa Elena, un ente ficticio, y los datos aquí utilizados no son reales.

El caso

Recientemente ha aparecido un artículo dónde se acusa a los hospitales públicos de promover la desigualdad salarial entre trabajadores por razón de género y de no premiar, como es debido, la experiencia de sus profesionales. Además, se advierte que debido a las políticas de ajuste presupuestario de los últimos 2 años los profesionales con mayor potencial se están yendo a trabajar a hospitales privados, donde se les ofrecen unas mejores condiciones laborales. Ante estas informaciones el sindicato general de trabajados de hospitales públicos (SGTHP) ha lanzado las siguientes preguntas a la Dirección de Personal del Hospital Santa Elena (DPHSE):

  • ¿Realmente se ha producido una pérdida de talento en el hospital estos dos últimos años?
  • ¿Se cumple la lógica de que a mayor experiencia laboral (edad) mayor nivel retributivo?
  • ¿Existe desigualdad salarial por razón de sexo?
  • ¿La estructura salarial y de edad es igual en todos los colectivos?

Seguir leyendo «Business Intelligence para detectar la desigualdad laboral (ejemplo práctico)»

Guy in a cube: formación de Power BI en Youtube

En esta entrada hablaremos sobre un canal de youtube en inglés llamado “Guy in a cube” que personalmente, como usuario de Power BI, encuentro de lo más interesante. Guy in a cube es un proyecto de divulgación sobre las herramientas de business intelligence de Microsoft. Entre las cuales podemos encontrar:

  • SQL Server Reporting Services: Esta es una herramienta antigua que ahora se incluye en Power BI Premium. Se trata de una solución de almacenamiento local y  creación de informes interactivos. Con la aplicación se pueden crear informes paginados tradicionales, informes móviles y tener acceso a un portal web donde ubicar todos los informes realizados.
  • Analysis Services: es un motor de análisis para soluciones de business intelligence. Con él se pueden crear modelos tabulares y multidimensionales dentro de un servidor y, a su vez, aplicar técnicas de minería de datos.
  • Power BI: es la herramienta de business intelligence que más me interesa puesto que me permite crear visualizaciones de mis datos y que éstas, a su vez, ayuden a que la dirección de mi departamento tome decisiones correctas o, al menos, fundamentadas.

Seguir leyendo «Guy in a cube: formación de Power BI en Youtube»