Diez consejos para ser un sabueso de las estadísticas

En este capítulo

Detectar los errores estadísticos que suelen cometer los investigadores y los medios de comunicación

Evitar errores al trabajar con estadísticas

Este libro no sólo pretende ayudarte a comprender las estadísticas que ves a diario en los medios de comunicación y en el trabajo; su principal misión es enseñarte a averiguar si esas estadísticas son correctas, razonables e imparciales. Ante la explosión informativa de hoy en día, debes estar siempre alerta y tener una actitud algo escéptica, porque muchas de las estadísticas que ves están equivocadas o son engañosas, ya sea sin querer o queriendo. Si no valoras de forma crítica la información que consumes, ¿quién crees que lo hará por ti? En este capítulo encontrarás diez consejos para detectar errores estadísticos frecuentes que cometen los investigadores y los medios de comunicación, así como varias maneras de que tú mismo no los cometas.

Detectar gráficos engañosos

La mayoría de los gráficos y diagramas contienen información válida con la que se transmite algo de forma clara, concisa e imparcial. Sin embargo, muchos gráficos proporcionan información incorrecta, mal etiquetada o engañosa, o simplemente no incluyen datos importantes que el lector necesita para tomar decisiones sobre lo que le están presentando. Algunas de estas deficiencias son el resultado de un error, mientras que otras se incorporan de manera intencionada con la esperanza de que los destinatarios no las detecten. Si sabes ver los problemas de un gráfico antes de extraer ninguna conclusión, a ti no conseguirán engañarte. La figura 20-1 muestra ejemplos de cuatro formas de representación gráfica importantes: gráficos de sectores, gráficos de barras, cronogramas e histogramas. En este apartado comento varias maneras de inducirte al error si estos gráficos no se han elaborado correctamente (en los capítulos 6 y 7 encontrarás más información sobre cómo elaborar gráficos y diagramas, y cómo detectar gráficos engañosos).

Gráficos de sectores

Los gráficos de sectores son esquemas circulares (en forma de tarta) divididos en sectores que representan el porcentaje (frecuencia relativa) de elementos pertenecientes a distintos grupos. Los grupos representan una variable categórica, por ejemplo sexo, filiación política o situación laboral. La figura 20-1a muestra un gráfico de sectores con un desglose de las opiniones de los votantes sobre una determinada cuestión (la llamamos “cuestión 1”).

Para comprobar si un gráfico de sectores está bien hecho, haz lo siguiente:

Asegúrate de que la suma de los porcentajes es el 100% o casi el 100% (el error de redondeo, si lo hay, debe ser pequeño).

Mucho ojo si ves un sector del gráfico llamado “Otros”; se utiliza como cajón de sastre. Si este sector es demasiado grande (más grande
que otros sectores), el gráfico es demasiado vago. En el otro extremo, los gráficos que tienen un gran número de sectores muy
pequeños proporcionan demasiada información.

Ten cuidado con las distorsiones propias de los gráficos tridimensionales. El sector que está en primer plano parece más grande de lo
que es en realidad debido al ángulo en que se presenta.

Busca el número total de elementos que forman el gráfico de sectores, para poder determinar cuál era el tamaño de la muestra antes
de que la dividieran en porciones. Si el tamaño del conjunto de datos (el número de personas encuestadas) es demasiado pequeño, la
información no es fiable.

Gráficos de barras

Un gráfico de barras es parecido a un gráfico de sectores, salvo que en lugar de tener forma circular y estar dividido en porciones, representa cada grupo como una barra, y la altura de cada una de ellas representa el número (frecuencia) o el porcentaje (frecuencia relativa) de elementos de ese grupo. La figura 20-1b es un gráfico de barras que muestra las frecuencias relativas de las opiniones de los votantes sobre cierta cuestión (la llamamos “cuestión 1”); sus resultados coinciden con los del gráfico de sectores representado en la figura 20-1a.

Cuando examines un gráfico de barras:

Comprueba el tamaño muestral. Si las barras representan frecuencias, el tamaño muestral se obtiene sumándolas; si las barras
representan frecuencias relativas, tienes que conocer el tamaño muestral para saber cuántos datos se utilizaron para elaborar el
gráfico.

Ten en cuenta cuáles son las unidades representadas por la altura de las barras y qué significan los resultados. Por ejemplo, ¿muestran

el número total de delitos o la tasa de delincuencia (el número de delitos por habitante)?

Mira cuál es el punto inicial del eje donde se encuentran las cantidades (o porcentajes) y fíjate también en los extremos: si las alturas de
las barras fluctúan entre 200 y 300 pero el eje comienza en 0, las diferencias parecerán poco importantes. Sin embargo, si el punto
inicial del eje es 20, todas las barras estarán cortadas por abajo y entonces las diferencias que haya (entre 0 y 100) parecerán más
significativas de lo que deberían.

Comprueba el rango de valores en el eje donde se indican las cantidades (o porcentajes). Si las alturas de las barras están entre 6 y 108
pero el eje muestra del 0 al 50, el gráfico tendrá mucho espacio en blanco y las diferencias entre las barras serán difíciles de apreciar.
Por el contrario, si el eje va desde 5 hasta 110 y apenas hay espacio en blanco, las barras estarán muy estiradas y las diferencias entre
grupos parecerán mayores de lo que son en realidad.

Cronogramas

Un cronograma muestra la variación experimentada por una variable numérica a lo largo del tiempo (por ejemplo la cotización de un valor bursátil, las cifras de venta de un vehículo o la temperatura media). La figura 20-1c es un ejemplo de cronograma que muestra el porcentaje de votos afirmativos entre 2002 y 2010, en incrementos de 2 años.

Cosas que debes tener en cuenta al contemplar un cronograma:

Fíjate en la escala del eje vertical (cantidad) y del eje horizontal (línea temporal); simplemente alterando la escala se puede conseguir
que los resultados parezcan más o menos significativos de lo que son en realidad.

Fíjate en las unidades representadas por el gráfico y asegúrate de que son las adecuadas para realizar comparaciones a lo largo del
tiempo; por ejemplo, ¿las cantidades en dólares se han ajustado para tener en cuenta la inflación?

No te fíes de las personas que pretendan explicarte la razón de una tendencia sin aportar estadísticas adicionales que respalden su
opinión. Un cronograma generalmente muestra algo que está ocurriendo; la causa es algo completamente distinto.

Comprueba las distancias de separación entre los puntos del eje temporal. Cuando las separaciones no son uniformes, generalmente es
porque faltan datos. Por ejemplo, puedes encontrarte un eje temporal con espacios de igual tamaño entre 2001, 2002, 2005, 2006 y
2008, cuando en realidad deberían haber puesto espacios en blanco en los años para los cuales no hay datos disponibles.

Histogramas

Un histograma es un gráfico que divide la muestra en grupos en función de una variable numérica (por ejemplo, edad, altura, peso o ingresos) y muestra el número de elementos (frecuencia) o el porcentaje de elementos (frecuencia relativa) que hay en cada grupo. La figura 20-1d es un histograma de frecuencia que muestra las edades de los votantes en unas determinadas elecciones.

Cosas que debes tener en cuenta al contemplar un histograma:

Fíjate en la escala utilizada para el eje vertical (frecuencia/frecuencia relativa). En particular, comprueba si los resultados se han
exagerado o disimulado mediante el uso de una escala inadecuada.

Comprueba si las unidades del eje vertical indican frecuencias o frecuencias relativas. Si se trata de frecuencias relativas, necesitas el
tamaño muestral para saber cuántos datos estás viendo.

Fíjate en la escala utilizada para los grupos de la variable numérica en el eje horizontal. Si los grupos están formados a partir de
intervalos pequeños (por ejemplo, 0-2, 2-4, etc.), las alturas de las barras posiblemente sean muy variables y dificulten la interpretación
del gráfico. Por el contrario, si los grupos se basan en intervalos grandes (por ejemplo, 0-10, 100-20, etc.), puede que la pauta revelada
por los datos se vea más uniforme que la pauta real.

Descubrir datos sesgados

El sesgo en la estadística es el resultado de un error sistemático que sobrestima o subestima el valor real. Por ejemplo, si para medir las plantas utilizo una regla que es un centímetro más corta de lo que debería, todos los resultados que obtenga estarán sesgados (serán sistemáticamente menores que los valores reales).

Aquí tienes algunas de las causas más comunes de datos sesgados:

Los instrumentos de medición pueden tener un error sistemático. Por ejemplo, el radar portátil de un policía puede decir que ibas a 105
kilómetros por hora cuando tú sabes que no pasabas de 10, o una balanza mal calibrada puede añadir siempre 3 kilos a tu peso real.

La manera en que se diseña el estudio puede causar sesgo. Por ejemplo, si en una encuesta se pregunta “¿Alguna vez ha estado usted
en desacuerdo con el gobierno?”, con toda seguridad se sobrestimará el porcentaje de personas que en general están descontentas
con la actuación del gobierno. (En el capítulo 16 explico cómo reducir al mínimo el sesgo en las encuestas.)

La muestra de personas puede no ser representativa de la población de interés. Éste sería el caso, por ejemplo, si quieres estudiar los
hábitos de estudio de los universitarios y tan sólo vas a la biblioteca de la universidad. (Encontrarás más información en el apartado
“Identificar muestras no aleatorias”, en este mismo capítulo.)

Los investigadores no siempre son objetivos. Imagina que, en el marco de un estudio farmacológico, un grupo de pacientes toma una
pastilla de azúcar y el otro grupo toma el fármaco que se quiere analizar. Si los investigadores saben cuál es el grupo experimental,
puede que sin querer presten más atención a esos pacientes para ver si el fármaco está surtiendo efecto, y a lo mejor incluso proyectan
resultados a los pacientes (por ejemplo diciéndoles: “Seguro que se encuentra usted mejor, ¿verdad?”). Esto crea un sesgo en favor del
fármaco. (En el capítulo 17 expongo los criterios que deben seguirse para diseñar un estudio válido.)

Para detectar datos sesgados, averigua cómo se han recopilado los datos. Pregunta cómo se seleccionaron los participantes, cómo se llevó a cabo el estudio, qué preguntas se formularon, qué tratamientos se administraron (medicamentos, técnicas, etc., en su caso) y quién los conocía, qué instrumentos de medición se utilizaron y cómo fueron calibrados, etc. Busca errores de favoritismo sistemáticos, y si los encuentras, no hagas caso de los resultados.

Buscar un margen de error

La palabra “error” tiene una connotación negativa, como si los errores siempre pudieran evitarse. Sin embargo, en estadística no siempre es así. Por ejemplo, cuando alguien intenta estimar un valor poblacional a partir de una muestra distinta de la población entera, es seguro que cometerá, en mayor o menor medida, lo que en estadística se llama un error de muestreo. El simple hecho de seleccionar una muestra de la población significa que dejas fuera a cierto número de personas, de manera que es imposible obtener el valor poblacional exacto. En cualquier caso, no hay de qué preocuparse. Recuerda que en estadística no se ofrecen certezas, sino buenas aproximaciones. Si la muestra es lo suficientemente grande, el error de muestreo será pequeño (suponiendo que los datos sean válidos, por supuesto).

Para evaluar un resultado estadístico necesitas una medida de su exactitud, y esta medida suele ser el margen de error. El margen de error te dice cuánto supone el investigador que sus resultados variarán de una muestra a otra. (En el capítulo 12 encontrarás más información sobre el margen de error.) Cuando un investigador o un medio de comunicación no menciona el margen de error, te quedas sin saber si los resultados son exactos, o peor aún, das por sentado que todo está bien, aunque en muchos casos no es así.

Cuando examines resultados estadísticos que impliquen la estimación de un número (por ejemplo, el porcentaje de ciudadanos que están de acuerdo con la actuación de su presidente), mira siempre cuál es el margen de error. Si no te lo dicen, ¡pídelo! (o bien, si dispones de información suficiente, puedes calcularlo tú mismo mediante las fórmulas que aparecen en el capítulo 13).

Identificar muestras no aleatorias

Si quieres estudiar una población entera pero tan sólo puedes estudiar una muestra de individuos, ¿cómo puedes cerciorarte de que esa muestra representa a toda la población? Lo más importante es seleccionar la muestra totalmente al azar, es decir, tomar una muestra aleatoria. Una muestra es aleatoria cuando tiene la misma probabilidad de ser elegida que cualquier otra posible de igual tamaño (es como sacar nombres de un sombrero).

Sin embargo, muchas encuestas están basadas en muestras no aleatorias. Por ejemplo, las encuestas en las que se les pide a los televidentes que llamen por teléfono para dar su opinión no representan muestras aleatorias. De hecho, ni siquiera pueden considerarse muestras: cuando tomas una muestra seleccionas a personas de la población, mientras que en las encuestas de llamada voluntaria las personas se seleccionan a ellas mismas. En general, por motivos éticos, los experimentos (en particular los estudios médicos) tampoco pueden llevarse a cabo con una muestra aleatoria de personas. No puedes llamar a alguien y decirle: “Le hemos elegido al azar para que participe en un estudio sobre el sueño. Tendrá que venir mañana a nuestro laboratorio y dormir allí dos noches”. Este tipo de experimentos se llevan a cabo con sujetos que se han presentado voluntarios para participar; no han sido seleccionados previamente de forma aleatoria.

No obstante, aunque no puedas seleccionar los sujetos (participantes) del experimento de forma aleatoria, igualmente puedes obtener resultados válidos si incorporas la aleatoriedad por otros medios: asignando los sujetos de forma aleatoria al grupo experimental y al grupo de control. Si los grupos se asignan aleatoriamente, es bastante probable que sean similares, salvo por el tratamiento que reciba cada uno. De este modo, si encuentras una diferencia suficientemente grande en los resultados de los grupos, puedes atribuirla al tratamiento administrado, en lugar de a otros factores.

Antes de tomar ninguna decisión sobre los resultados estadísticos de una encuesta, averigua cómo se seleccionó la muestra de personas. Si la muestra no se seleccionó de forma aleatoria, los resultados deben cogerse con pinzas (como vimos en el capítulo 16). Cuando leas los resultados de un experimento, averigua si los sujetos fueron asignados aleatoriamente al grupo experimental y al grupo de control. Si no fue así, no tengas en cuenta los resultados (mira en el capítulo 17 qué hacer).

El tamaño sí que importa

A la hora de evaluar la precisión de una estadística, tan importante es la calidad como la cantidad de información. Cuantos más datos se hayan analizado, más exacta será la estadística obtenida. La cuestión de la calidad se aborda en el apartado “Descubrir datos sesgados”, anteriormente en este mismo capítulo. Una vez que se ha confirmado la calidad de la información, es necesario valorar su precisión, y para eso hay que averiguar cuánta información se ha recopilado (es decir, hay que conocer el tamaño muestral).

Si el tamaño muestral es pequeño, los resultados son menos precisos (a menos que la población también sea pequeña). Muchos titulares de noticias dejan de ser fiables cuando compruebas que el estudio se basó en una muestra pequeña. Y lo que quizá sea peor: muchos estudios no mencionan siquiera el tamaño muestral, lo cual debería hacerte dudar de los resultados (por ejemplo, recuerdo un anuncio de chicles en el que decían: “Cuatro de cada cinco dentistas encuestados recomiendan la marca tal a sus pacientes”. ¿Y qué pasa si en realidad sólo preguntaron a cinco dentistas?).

No hace falta que te devanes los sesos con esto, pero para un estadístico (que concede mucha importancia a la precisión) hay una gran diferencia entre decir “4 de cada 5” y decir “4.000 de cada 5.000”. Aunque ambas fracciones equivalgan al 80%, la última representa un resultado mucho más preciso (repetible) porque está basada en un tamaño muestral mucho mayor (suponiendo que los datos sean válidos, por supuesto). Si alguna vez te has preguntado cuál es la diferencia entre las matemáticas y la estadística, aquí tienes la respuesta. (En el capítulo 12 se trata más a fondo el tema de la precisión.)

Sin embargo, tener más datos no siempre significa tener mejores datos; eso depende de cómo se recopilaran (ver el capítulo 16). Supongamos que quieres conocer la opinión de los habitantes de una ciudad sobre una propuesta del ayuntamiento. Una muestra aleatoria pequeña con datos bien recopilados (por ejemplo, una encuesta por correo postal a un número reducido de viviendas seleccionadas al azar en un mapa de la ciudad) es mucho mejor que una muestra no aleatoria grande con una mala estrategia de recopilación de datos (por ejemplo, poner una

encuesta en el sitio web del ayuntamiento y pedir a la gente que responda).

Fíjate siempre en el tamaño muestral antes de tomar decisiones sobre información estadística. Cuanto más pequeño sea el tamaño muestral, menos precisa será la información. Si en el artículo no se menciona el tamaño muestral, consigue una copia del informe completo, ponte en contacto con el investigador o ponte en contacto con el periodista que escribió el artículo.

Detectar correlaciones malinterpretadas

Todo el mundo busca conexiones entre variables; por ejemplo, ¿qué grupo de edad tiene una probabilidad mayor de votar al partido demócrata? ¿Si tomo más vitamina C me resfriaré menos? ¿De qué forma afecta a la visión pasar todo el día trabajando delante del ordenador? Cuando piensas en conexiones o asociaciones entre variables, probablemente pienses en correlación. En efecto, la correlación es uno de los estadísticos más utilizados, pero también uno de los más malinterpretados y mal utilizados, sobre todo por parte de los periodistas.

A continuación puedes ver algunos puntos importantes sobre la correlación (en el capítulo 18 encontrarás más información al respecto):

E n estadística, la correlación (designada con la letra r) se define como la medida de la fuerza y la dirección de la relación
lineal existente entre dos variables numéricas. La correlación indica si las variables aumentan a la vez o bien van en direcciones
opuestas, y hasta qué punto esta pauta es coherente en todo el conjunto de datos.

E l término estadístico “correlación” se utiliza exclusivamente en el contexto de dos variables numéricas (por ejemplo, la
altura y el peso). No se aplica a dos variables categóricas (por ejemplo, sexo y filiación política).

Por ejemplo, el sexo y la orientación de voto pueden estar relacionados, pero utilizar la palabra “correlación” para describir dicha
relación es incorrecto desde el punto de vista de la estadística. Puedes decir que dos variables categóricas están asociadas.

Si existe una fuerte correlación entre dos variables numéricas, los puntos del diagrama de dispersión correspondiente
deberían revelar una tendencia lineal clara. Si la distribución de los puntos no se corresponde bien con una recta, probablemente
las variables no presenten una correlación (r) fuerte, y viceversa. (En el capítulo 18 encontrarás más información sobre rectas de mejor
ajuste y modelos de regresión lineal.)

Una correlación débil implica que no existe una relación lineal entre las dos variables, aunque eso no significa necesariamente que no
puedan tener otro tipo de relación. Por ejemplo, las bacterias se multiplican de manera exponencial (su número aumenta cada vez más
rápido).

La correlación no significa automáticamente que exista una relación de causa y efecto entre las dos variables. Por ejemplo,
supón que Susana, a partir de sus observaciones, afirma que las personas que beben refrescos light tienen más acné que el resto.
Aunque seas consumidor habitual de refrescos light, no te pongas nervioso todavía. Esta correlación puede ser una simple coincidencia
entre las personas que ella observó. Como mucho, significaría que sería necesario hacer más estudios (aparte de la simple
observación) para establecer algún tipo de conexión entre los refrescos light y el acné. (Susana podría leer el capítulo 17 para ver cómo
se diseña un experimento válido.)

Revelar variables de confusión

Una variable de confusión es una variable que no se contempla en el estudio pero que puede influir en los resultados y comprometer la validez de las conclusiones. Por ejemplo, imagina que un investigador afirma que comer algas aumenta la longevidad, pero cuando lees el estudio descubres que se basó en una muestra de personas que comen algas habitualmente y tienen más de cien años. Al leer las entrevistas realizadas a esas personas, descubres otros secretos que las han llevado a vivir tantos años (además de comer algas): dormían una media de ocho horas diarias, bebían mucha agua y hacían ejercicio físico todos los días. Entonces, ¿fueron las algas la causa de su longevidad? No hay manera de saberlo, ya que existen variables de confusión (el ejercicio físico, el consumo de agua y los hábitos de sueño) que también pueden haber contribuido.

La mejor manera de controlar las variables de confusión consiste en realizar un experimento bien diseñado (para saber cómo, repasa el capítulo 17), para lo cual hay que seleccionar dos grupos que presenten tantas similitudes como sea posible, salvo que un grupo recibirá un tratamiento específico y el otro grupo será el de control (recibirá un tratamiento ficticio, ningún tratamiento o un tratamiento estándar no experimental). Luego se comparan los resultados de los dos grupos y las diferencias significativas observadas se atribuyen al tratamiento (y a ninguna otra cosa, en un mundo ideal).

El estudio sobre las algas no era un experimento diseñado, sino un estudio de observación. En los estudios de observación no existe ningún tipo de control sobre las variables; simplemente se observa lo que pasa y se anota la información. Los estudios de observación van bien para encuestas y sondeos, pero no para revelar relaciones de causa y efecto, puesto que no tienen en cuenta las variables de confusión. Un experimento bien diseñado proporciona pruebas mucho más sólidas.

En aquellos casos en que llevar a cabo un experimento atenta contra la ética (por ejemplo, demostrar que el tabaquismo causa cáncer de pulmón obligando a la mitad de los sujetos del experimento a fumar diez cajetillas diarias durante veinte años mientras la otra mitad de los sujetos no fuman nada), hay que confiar en las pruebas obtenidas por medio de muchos estudios de observación realizados en muchas situaciones diferentes, todos con el mismo resultado. (En el capítulo 17 encontrarás más información sobre el diseño de experimentos.)

Examinar los números

Sólo porque una estadística aparezca en los medios de comunicación no significa que sea correcta. De hecho, se publican errores continuamente (sin querer o queriendo), así que debes permanecer alerta. Aquí tienes algunos consejos para detectar cifras equivocadas:

Comprueba que los totales cuadran. En el caso de los gráficos de sectores, asegúrate de que los porcentajes suman 100 (se admite
un pequeño error de redondeo).

Revisa incluso los cálculos más elementales. Por ejemplo, un gráfico de sectores muestra que aproximadamente el 83,33% de los
ciudadanos estadounidenses están a favor de una determinada cuestión, pero en el artículo acompañante se dice que son “siete de
cada ocho” ciudadanos. ¿Se trata de la misma afirmación en ambos casos? No; 7 dividido entre 8 equivale al 87,5%. El 83,33% son
cinco de cada seis.

Fíjate en la tasa de respuesta de una encuesta; no te des por satisfecho conociendo tan sólo el número de participantes (la
tasa de respuesta es el número de personas que han respondido dividido por el número total de personas encuestadas, multiplicado
por el 100%). Si la tasa de respuesta es muy inferior al 50%, puede que los resultados estén sesgados porque no sabes qué hubieran
dicho las personas que no contestaron. (En el capítulo 16 encontrarás toda la información sobre encuestas y tasas de respuesta.)

Pregúntate si el estadístico utilizado era el apropiado. Por ejemplo, supongamos que el número de delitos ha aumentado, pero la
población también. En lugar de comunicar el número total de delitos, los medios deberían comunicar la tasa de delincuencia (el
número de delitos por habitante).

Los estadísticos se calculan mediante fórmulas que extraen los números la información que tú les pides. Las fórmulas no saben si las respuestas finales son correctas o no. Naturalmente, son las personas que están detrás de las fórmulas quienes deben saber lo que se hacen. Quienes no saben lo que se hacen, cometerán errores; y también puede haber quien sí sepa lo que se haga y manipule las cifras con la esperanza de que no te des cuenta. Tú, como consumidor de información (y escéptico confirmado), eres quien debe tomar medidas. Para ello, lo mejor es hacer preguntas.

Informar de los informes selectivos

No puedes dar credibilidad a un estudio en el cual un investigador presente un único resultado estadísticamente significativo pero no mencione sus 25 análisis anteriores, ninguno de los cuales resultó ser significativo. Si hubieras tenido noticia del resto de los análisis, te habrías preguntado si ese único resultado estadísticamente significativo lo es de verdad o bien es fruto del azar (como la idea de que un mono que pulsara aleatoriamente las teclas de una máquina de escribir podría llegar a escribir El Quijote). Es una pregunta legítima.

La práctica engañosa de analizar datos hasta encontrar algo es lo que en estadística se llama rastreo de datos, pesca de datos o uso selectivo de datos. Aquí tienes un ejemplo: supongamos que el sr. García, un investigador, quiere averiguar el motivo de que los niños de primero de primaria discutan tanto entre ellos en el colegio (seguro que no tiene hijos, porque entonces ni se le ocurriría investigar sobre este tema). Diseña un estudio para observar una aula de primero de primaria todos los días durante un mes, y toma nota de todo lo que hacen los niños. Vuelve a su despacho, introduce todos los datos, pulsa un botón para pedir al ordenador que realice todos los análisis habidos y por haber, y se recuesta en su asiento esperando los resultados con impaciencia. Después de todo, con tantos datos seguro que encuentra algo.

Tras escudriñar sus resultados durante varios días, al final le toca la lotería. Sale corriendo de su despacho y le dice a su jefe que tiene que emitir un comunicado de prensa porque ha hecho un descubrimiento sensacional: según su estudio, los alumnos de primero de primaria discuten más cuando 1) el día de la semana termina en “s”, o 2) cuando el pez de colores que tienen de mascota en el aula pasa por el boquete del barco pirata hundido en el fondo de la pecera. ¡Felicidades, señor García! Sospecho que, después de pasar un mes entero observando a un grupo de niños de primaria, sus facultades de análisis de datos se han visto algo mermadas.

Lo que quería ilustrar es que, si recopilas suficientes datos y los analizas durante suficiente tiempo, es casi seguro que acabarás encontrando algo, pero ese algo quizá no tenga ningún tipo de significación o se deba a una casualidad imposible de repetir por otros investigadores.

¿Cómo puedes protegerte de resultados engañosos debidos la pesca de datos? Busca más información sobre el estudio, empezando por cuántas pruebas se hicieron en total y cuántas de esas pruebas se consideraron no significativas. Dicho de otro modo: intenta averiguar toda la verdad para así poder ver con perspectiva los resultados significativos.

Para no caer en las redes de los investigadores aficionados al uso selectivo de datos, no te quedes con el primer resultado que oigas, sobre todo si da lugar a una gran noticia o te resulta un poco sospechoso. Ponte en contacto con los investigadores y pídeles más información sobre sus datos, o espera a ver si otros investigadores consiguen verificar y reproducir esos resultados.

Distinguir las anécdotas

Las anécdotas influyen muchísimo en la opinión pública y en el comportamiento de la gente, y sin embargo carecen de toda validez. Una anécdota es una historia o un resultado basado en la experiencia o la situación de una única persona. Por ejemplo: La camarera a quien le tocó la lotería… dos veces.

El gato que aprendió a ir en bicicleta.

La mujer que perdió 40 kilos en dos días con la nueva y milagrosa dieta de la patata.

La famosa que dice utilizar el tinte de pelo de supermercado que ella misma anuncia (ya, y yo me lo creo).

Las anécdotas proporcionan buenos titulares de prensa; cuanto más sensacionalistas, mejor. Sin embargo, las historias sensacionalistas
no son la norma, sino la excepción. No ocurren a la mayoría de las personas.

Quizá creas que a ti las anécdotas no te influyen. ¿Y todas las veces que te has dejado influir por la experiencia de una única persona? Tu vecino está encantado con su proveedor de Internet, de manera que tú decides probarlo también. Tu amigo tuvo una mala experiencia con un coche de una determinada marca, de manera que tú no te molestas siquiera en hacer una prueba de conducción. Un amigo de tu padre murió en un accidente de tráfico porque se quedó atrapado por el cinturón de seguridad, de manera que ahora ya no te lo abrochas nunca.

No pasa nada por tomar algunas decisiones a partir de anécdotas, pero las decisiones importantes deben estar basadas en estadísticas y en datos reales procedentes de estudios bien diseñados e investigaciones fiables.

Una anécdota es en realidad un conjunto de datos con un tamaño muestral igual a uno. No tienes información con la que establecer una comparación, ni estadísticas que analizar, ni posibles explicaciones ni información que seguir, sino tan sólo una historia aislada. No permitas que las anécdotas te influyan mucho. Es mejor que te fíes de estudios científicos y de información estadística basada en muestras aleatorias de personas que representen a sus poblaciones objetivo (no una situación aislada). Cuando alguien intente convencerte de algo contándote una anécdota, sólo tienes que decirle: “¡Enséñame los datos!”.