Etiqueta: Estadística

Reseña del libro «El cisne negro»

thebayesianfox2 comentarios

Introducción

El Cisne Negro, publicado en 2007 por Nassim Nicholas Taleb, es un libro que explora uno de los conceptos más influyentes de la última década: la idea de que los eventos raros, inesperados y de enorme impacto —los llamados cisnes negros— son los verdaderos motores de la historia. Taleb, matemático, inversor y filósofo del riesgo, sostiene que lo que desconocemos es mucho más importante que lo que creemos saber, y que nuestra incapacidad para comprender probabilidades extremas nos deja peligrosamente expuestos a estos fenómenos.

La relevancia del libro quedó demostrada solo un año después de su publicación, con la crisis financiera global de 2008. Un evento improbable, devastador y posteriormente “explicado” con aparente claridad: el ejemplo perfecto del cisne negro que Taleb había advertido. Desde entonces, su obra se ha convertido en una referencia imprescindible para entender la fragilidad de los sistemas financieros, tecnológicos y sociales. Y hoy, en una época marcada por pandemias, disrupciones tecnológicas y volatilidad geopolítica, el mensaje de Taleb es más actual que nunca.

A lo largo del libro, Taleb desarrolla su argumento en tres grandes bloques: primero, analiza por qué nuestros cerebros interpretan mal la probabilidad y el riesgo; después, examina la profunda incapacidad humana para predecir en entornos complejos; y finalmente, expone cómo incluso los “expertos” se equivocan sistemáticamente y qué podemos hacer para reducir nuestra vulnerabilidad ante estos eventos imprevisibles.

Seguir leyendo «Reseña del libro «El cisne negro»»

El yo que vive y el yo que recuerda: ¿quién toma realmente las decisiones?

thebayesianfoxDeja un comentario

Continuamos con nuestra serie de posts en la qual exploramos las ideas clave del libro “Pensar rápido, pensar despacio” de Daniel Kahneman. Hoy hablaremos de uno de los descubrimientos más fascinantes de la psicología conductual: la existencia de dos versiones de nosotros mismos. Una que vive los momentos, y otra que los recuerda.


O, como lo plantea Kahneman, el yo que experimenta y el yo que recuerda. Dos yos que comparten cuerpo, pero no siempre cuentan la misma historia.

Dos yos, una sola vida

Imagina que vas de vacaciones. Durante una semana disfrutas de la playa, de la comida y del descanso. Pero el último día, justo antes de volver a casa, pierdes el móvil y discutes con tu pareja. Cuando te pregunten cómo fueron las vacaciones, ¿qué dirás?

Probablemente no hablarás de los siete días agradables, sino de “lo mal que acabaron”. No lo dirá tu yo que vivió la experiencia, sino tu yo que recuerda. Ese yo, nos explica Kahneman, no es el mismo que vivió el viaje.

  • El yo que experimenta vive en el presente. Siente placer, dolor, aburrimiento o entusiasmo segundo a segundo. Pero desaparece con el paso del tiempo: lo que vivió no queda grabado tal cual.
  • El yo que recuerda, en cambio, es el narrador de nuestra historia. Es quien selecciona, edita y archiva los momentos que formarán “nuestra vida”. Es el que escribe el relato que luego llamamos “mis vacaciones”, “mi relación” o “mi trabajo”.

El problema es que este narrador no es fiel a los hechos. Tiene sus propias reglas.

Seguir leyendo «El yo que vive y el yo que recuerda: ¿quién toma realmente las decisiones?»

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?»