Imagina esta escena: el alcalde de tu ciudad, con su traje impecable y sonrisa de portada de revista, dice en su campaña de reelección:

“Durante mi mandato, el desempleo en nuestra ciudad disminuyó en un 30%. ¡Este dato demuestra que mis políticas están funcionando y que necesito tu voto para continuar este progreso!”.

Como ciudadano, quieres evaluar esta afirmación. Analizas algunos datos adicionales:

• Antes de que el alcalde asumiera el cargo, el desempleo estaba aumentando debido a una crisis económica global.
• Poco después de que el alcalde asumiera el cargo, la economía nacional comenzó a recuperarse rápidamente.
• Durante el mandato del alcalde, otras ciudades cercanas, con políticas muy diferentes, también experimentaron una disminución similar en el desempleo.

Basándote en esta información, ¿cuál es la conclusión más razonable?

a) Las políticas del alcalde fueron claramente responsables de la disminución del desempleo.

b) El alcalde no tuvo ningún impacto en la disminución del desempleo; la recuperación económica fue la causa principal.

c) Aunque el desempleo disminuyó durante el mandato del alcalde, no podemos concluir que sus políticas fueron responsables sin analizar más datos.

d) Las políticas del alcalde en realidad perjudicaron la economía de tu ciudad, pero la recuperación nacional compensó sus errores.

---

Muchos elegirán a) porque parece intuitivo vincular el mandato del alcalde con la disminución del desempleo. Después de todo, “si la recuperación sucedió mientras él estaba en el cargo, algo habrá contribuido”. O no. Estamos ante la falacia de correlación y causalidad. Sin un análisis detallado que controle estas variables, no se puede determinar el impacto real del alcalde.

¿Por qué caemos en la trampa de la causalidad una y otra vez?

Porque somos seres humanos y nuestros cerebros están programados como detectives hiperactivos para conectar puntos y buscar relaciones causa-efecto. Si A pasa antes que B, ¡debe ser que A causó B! ¿Verdad? Bueno… no siempre.

Los políticos y los publicistas y los influencers y tu pareja y todo quisqui que quiera venderte algo lo saben. Por eso te lanzan afirmaciones como:

• “Desde que uso esta crema, mi piel brilla como nunca. ¡Cómprala!”.
• “Empecé a meditar y ahora tengo más dinero en mi cuenta bancaria”.
• “Desde que llegué al poder, tu vida mejoró”.

¡¡¡Falso!!! Lo que no te cuentan es que podría haber miles de factores detrás de esos resultados, desde tu genética hasta el precio del petróleo. Correlación no implica causalidad, pero suena tan convincente que nos dejamos engañar.

Cómo convertirte en un ninja del pensamiento crítico

Volvamos al ejemplo del alcalde. ¿Cómo podríamos saber si realmente sus políticas fueron la causa de la mejora en el empleo? Aquí tienes tu kit de herramientas para destapar la verdad:

• Mira el panorama completo: ¿qué pasó en otras ciudades? Si todas las ciudades cercanas, sin importar quién gobernaba, también mejoraron, es probable que la causa sea un factor externo, como la recuperación económica nacional.
• Busca comparativas: ¿hay estudios o datos que comparen ciudades con políticas similares y diferentes? Si en algunas ciudades similares no hubo mejora y en otras sí, podríamos comparar las políticas aplicadas.
• Analiza más allá de un solo dato: ¿es la tasa de paro el único indicador que mejora? Si solo el desempleo bajó, pero otros indicadores económicos no mejoraron (como salarios, inversiones, etc.), tal vez estemos viendo solo una parte de la historia.

Esto no va de política, afecta a todos los aspectos de tu vida

Antes de que te sientas muy listo por haber desenmascarado al alcalde de nuestra historia, te aviso: esta trampa de confundir correlación con causalidad no se limita a la política. Está por todas partes, acechando en la dieta milagrosa del influencer de turno, los consejos de marketing de una startup exitosa o las promesas de las escuelas más elitistas. Aquí tienes unos cuantos ejemplos que seguro te harán ver la realidad con nuevos ojos:

La dieta milagrosa que me hizo adelgazar

Una influencer está emocionada porque ha perdido 10 kilos en dos meses. Su secreto: la “Dieta de la Luna y Marte”, en la que los lunes y martes solo come frutas exóticas y zumos verdes. La influencer está convencida de que la dieta es mágica.

PERO…:

• Como nos muestra en sus stories, empezó a ir al gimnasio cinco veces por semana justo antes de empezar la dieta.
• Ahora duerme mejor porque dejó de trasnochar viendo series y usa una app de sueño que patrocina algunos de sus vídeos.
• También dejó de pedir hamburguesas para cenar porque se obsesionó con cocinar en casa, como nos hace ver en sus nuevos vídeos de recetas.

¿La dieta de la luna y marte fue la causa de su pérdida de peso o simplemente fue parte de un cambio general en su estilo de vida? Sin más datos, no puedes saberlo.

La empresa que aumentó las ventas gracias a las redes sociales

Una startup presume que desde que comenzaron a usar anuncios en redes sociales, sus ventas crecieron un 50%. Su CEO da charlas diciendo: “Las redes sociales salvaron nuestra empresa”.

PERO…

• Justo antes del aumento de ventas, lanzaron un nuevo producto que era mucho más barato que el anterior.
• Además, cambiaron su estrategia de distribución para incluir más tiendas físicas.
• La economía en su sector también empezó a mejorar justo en ese período.

¿Realmente los anuncios en redes sociales causaron el éxito o es una combinación de otros factores?

La escuela con las mejores calificaciones

Una nueva escuela privada y muy cara abre en tu ciudad. Pronto sus estudiantes obtienen las mejores calificaciones en las pruebas estandarizadas. Los padres con dinero hacen cola para inscribir a sus hijos, convencidos de que esta escuela emplea el mejor método educativo.

PERO…:

• La escuela selecciona a sus estudiantes a través de un proceso competitivo, lo que significa que ya están aceptando a los niños con mejor desempeño académico.
• Muchos padres que pueden pagar la matrícula también invierten en tutores y clases extra para sus hijos.
• El entorno familiar de los estudiantes podría ser más propicio para el éxito académico, entre otros datos sabemos que todos los padres de esos niños poseen títulos universitarios.

¿Es la escuela realmente la causa de las buenas calificaciones o simplemente está atrayendo a estudiantes que ya tenían ventajas previas?

El barrio que se volvió más seguro

Un jefe de policía se jacta de que desde que instalaron cámaras de seguridad en un barrio conflictivo, los delitos disminuyeron un 40%.

PERO…:

• La economía local mejoró, reduciendo las tasas de desempleo, lo que podría haber reducido los delitos.
• También se aumentaron los patrullajes policiales en la misma área, pero esto no se menciona en la campaña.
• Las cámaras podrían simplemente estar desplazando el delito a otros barrios, no eliminándolo.

¿Fueron las cámaras realmente efectivas o asistimos a una compleja combinación de factores?

Vence la trampa de la causalidad en tu día a día

Esta forma de pensar crítica nos afecta cada vez que tomamos decisiones importantes: elegir un producto, invertir dinero o incluso juzgar por qué algo salió bien o mal en nuestra vida.

La próxima vez que te intenten impresionar con un dato, detente y pregúntate:

• ¿Qué otros factores podrían estar influyendo?
• ¿Es solo coincidencia?
• ¿Tengo suficientes datos para estar seguro?

Ser escéptico no es ser negativo, es ser inteligente. Y en un mundo rebosante de información (y desinformación), tu capacidad para pensar críticamente es lo que realmente te hace tomar buenas decisiones.

DIÁLOGO ABIERTO

¿Te ha gustado este concepto de estadística? ¿Lo has encontrado útil para ayudarte a tomar mejores decisiones?

The post Cuando la correlación se viste de causación y tomamos malas decisiones first appeared on El Arte de Presentar.

Esta entrada ha sido amablemente escrita por Ansgar Seyfferth, cofundador de la filial española de la empresa alemana de consultoría y servicios estadísticos STAT-UP.

En estos tiempos de creciente protagonismo de los datos estadísticos como fuente de información y como fundamento para la toma de decisiones en ámbitos empresariales, políticos y científicos, cobran importancia las técnicas para la exploración y el análisis de datos. Como habitualmente no es el propio analista quien toma las decisiones en base a estos datos, es igual de importante la adecuada comunicación concisa de los mismos a quien toma la decisión, ajustada al perfil de este último y a la naturaleza de los datos. Lo mismo aplica cuando se trata de informar al ciudadano interesado en formarse una opinión fundamentada en base a los datos.

Simplifica los datos, sí, pero hasta cierto punto

Frecuentemente la presentación de los datos exigirá una cierta simplificación, consistente en obviar detalles técnicos no esenciales, pero que no debe llevar a un entendimiento parcial de los resultados que pueda inducir a conclusiones equivocadas.

En este contexto es fundamental no ocultar la posible incertidumbre asociada a nuestros datos, intrínseca al muestreo, los procesos de medida con una exactitud limitada, las predicciones que dependen de factores cuyo desarrollo futuro no puede saberse con exactitud, etc. Es posible que ello desconcierte a interlocutores poco acostumbrados a enfrentarse a varios escenarios (“favorable”, “central”, “desfavorable”) o conceptos como margen de error e intervalo de confianza, por lo que puede requerir ciertas dotes didácticas. Pero ceder a la tentación de reducir toda esta complejidad a un solo número, una  media o nuestro mejor valor estimado, para contentar a un público que prefiere “las cosas claras”, puede ser un gravísimo error.

De la misma forma, ante la presencia de incertidumbre conviene emplear expresiones como “aproximadamente”, “se estima que”, etc. y evitar hablar en términos de certeza absoluta y de presentar números con una exactitud irreal (por ejemplo, con decimales no significativos)

Contextualiza la información

Por otro lado, no se deben bombardear a los interlocutores con números sueltos y descontextualizados sin explicarlos, sobre todo si no son expertos en la materia. Por ejemplo, si se trata de inmensas cantidades económicas que se salen de las órdenes de magnitud habituales, puede ser de ayuda aportar una comparativa (“aproximadamente el doble del producto interior bruto anual de España”); o si hablamos de terremotos caracterizados por sus magnitudes, se debería explicar que se trata de una escala logarítmica, donde una diferencia de dos decimales supone la duplicación de su fuerza, para que quede claro que por ejemplo la diferencia entre las magnitudes 7,1 y 7,9 es abismal, a pesar de la poca diferencia relativa de los dos números.

Eso implica también un especial cuidado con las unidades de nuestros datos, ya no solo porque 1.000 € no son lo mismo que 1.000 $, sino también para que quede muy claro su dimensión y no se comparen peras con manzanas, como por ejemplo el valor bursátil de la empresa Apple, un valor monetaria medido en Dólares, y el producto interior bruto de Polonia, una tasa de generación de valor monetario medida en Dólares/año, para concluir que Apple vale más que Polonia, cuando el planteamiento correcto sería que la economía polaca necesita más de un año para generar un valor equivalente a la cotización bursátil de Apple.

Aprende a comunicar porcentajes con rigor

Con el mismo rigor hay que comunicar los porcentajes, dejando siempre clara la base de referencia: una diferencia de un X% entre dos valores es ambigua si no está claro a cuál de los dos valores se refiere el porcentaje; y una subida del paro en un 1% es algo muy diferente a una subida del paro en un punto porcentual. Y si hablamos de tasas de variación también tiene que quedar claro el periodo de referencia, por ejemplo, un crecimiento del X% al año.

Utiliza gráficos para ilustrar tendencias, patrones, excepciones e interacciones

Para representar cantidades elevadas de datos conviene abstenerse de grandes tablas, que al igual que detalles metodológicos pueden entregarse en un informe complementario, y recurrir a gráficos eficientes, es decir, ricos en información sin una complejidad excesiva y sin efectos visuales que solo desvíen la atención sin aportar información o que hasta den una impresión engañosa.

Deben incluir el texto estrictamente necesario (títulos de los ejes, leyenda, etc.) y de la manera más breve posible. Los colores, que nos pueden añadir una dimensión adicional para la representación de los datos, deben elegirse de modo que proporcionen suficiente contraste. También existe la opción de incorporar el tiempo como dimensión adicional mediante la animación del gráfico.

Dos ejemplos de visualización de altimetría con un eficiencia muy diferente: En la de la carrera San Silvestre Vallecana del 2013, arriba, el efecto tridimensional puede resultar vistoso pero dificulta la lectura de la altura, a diferencia de la altimetría de la Vuelta a la Roja del 2009, abajo, que además incluye referencias para identificar los puntos del gráfico con el recorrido.

No te precipites con las conclusiones

Y finalmente, es muy importante no extralimitarnos con las conclusiones. Para poner un ejemplo ficticio que nos servirá para ilustrar algunas de las trampas más típicas con las que nos podemos encontrar, si el análisis de los resultados de una encuesta llevada a cabo entre los empleados de una empresa revela una correlación significativamente negativa entre el consumo de alcohol y el salario, se trata sin duda de un hallazgo interesante que merece la pena comunicar, pero con cautela y sin insinuar que estamos ante la demostración de un efecto negativo del alcohol sobre la carrera profesional:

• En primer lugar sería conveniente indicar, aunque no se trata de una cuestión estadística, que los datos podrían estar distorsionados por una falta de sinceridad de los encuestados y que la correlación podría deberse a que los empleados en puestos altos tengan mayor reparo en reconocer su verdadero consumo de alcohol, incluso si la encuesta es anónima.
• En segundo lugar debemos dejar claro que se trata de datos de empleados de una sola empresa que posiblemente responden a unos perfiles específicos, por lo que la muestra podría no ser representativa para el conjunto de los profesionales.
• Y en tercer lugar deberíamos recordar a nuestros interlocutores que una correlación no implica una relación causal y que en caso de existir tal relación no indica cuál es la causa y cuál el efecto. Es posible que detrás de la correlación esté un efecto negativo del alcohol sobre la carrera profesional, pero también cabe pensar en una inversión de causa y efecto (una mayor frustración de los empleados peor pagados que causa un mayor consumo de alcohol) o que ambos factores no guarden relación alguna sino dependan de un tercero (a mayor nivel socio-cultural, mayor salario y menor consumo de alcohol) o que concurran todos estos mecanismos mencionados.

Conviene tener en mente estos tres puntos, que se encuentran detrás de muchas comunicaciones erróneas de resultados estadísticos en los medios.

ENTRADAS RELACIONADAS

Las tartas son para el postre: 5 razones por las que no uso gráficos circulares

Porque los datos no hablan por sí mismos, dales voz para que cuenten su historia en tus presentaciones

Maximiza la relación señal a ruido en tus presentaciones

DIÁLOGO ABIERTO

¿Cuáles son los mayores errores estadísticos que has detectado en la elaboración o presentación de un informe?

The post La comunicación y presentación con rigor de datos estadísticos first appeared on El Arte de Presentar.