Qué es (y qué no es) la estadística

En aquel Imperio, el Arte de la Cartografía logró tal Perfección que el mapa de una sola Provincia ocupaba toda una Ciudad, y el mapa del Imperio, toda una Provincia. Con el tiempo, esos Mapas Desmesurados no satisficieron y los Colegios de Cartógrafos levantaron un Mapa del Imperio, que tenía el tamaño del Imperio y coincidía puntualmente con él. Menos Adictas al Estudio de la Cartografía, las Generaciones Siguientes entendieron que ese dilatado Mapa era Inútil y no sin Impiedad lo entregaron a las Inclemencias del Sol y de los Inviernos. En los desiertos del Oeste perduran despedazadas Ruinas del Mapa, habitadas por Animales y por Mendigos; en todo el País no hay otra reliquia de las Disciplinas Geográficas.

Toda estadística tiene algo de “cocina”. Es más, la tarea principal de esta disciplina consiste en cocinar datos, separar la señal del ruido, lo fundamental de lo accesorio y lo invariante de lo errático. El trabajo de los científicos de la estadística y el de las entidades productoras y difusoras de datos es en forma conjunta, asegurarle a la sociedad que esta “cocina” es implementada en forma sistemática y metodológica, es decir que los procedimientos analíticos siguen un estándar aprobado por la comunidad científica, que garantiza una elaboración honesta y un uso confiable de las estadísticas.

Los fundamentalistas de la verdad no aceptan “23” como respuesta. Son adalides de lo cierto, saben que 23, en realidad, significa algo entre 23 y 24, y esa imprecisión los saca de quicio.

Nosotros preferimos que nos mientan. Nos gusta 23, no porque lo creamos cierto, sino porque para aquello que nos interesa (el levante), nos da toda la información que necesitamos. Más precisión (los días, los minutos, etc.), lo que nos llevaría de la mentira útil a la verdad inoperante, nos sobra, nos hace ruido.

Es la conjunción de datos y mentes brillantes lo que produce revoluciones en el conocimiento. La estadística y la ciencia formal y empírica serán un componente clave para que big data se trasforme en una auténtica revolución. Mientras tanto, nos toca ver a big data y a machine learning como una promesa, que, como dijimos (y revisamos con detalle en el libro Big data), tiene tanto de revolución como de moda pasajera. Pero, sobre todo, y como con cualquier tecnología, nos obliga a adoptar una postura madura, capaz de apreciar las ventajas y también las limitaciones del fenómeno. La estadística cumplirá un rol crucial en que se hagan visibles las primeras y se mitiguen las segundas. Recién cuando aparezca el (¡y ojalá que “la”!) Newton o Mendel de big data es que realmente podremos dar al fenómeno la entidad revolucionaria que promete.

Frente a muchos llamativos desaciertos de big data, no hace falta más datos, sino más imaginación. La ciencia, y en particular, la estadística, tienen una larguísima historia de aportar, de forma exitosa, este ingrediente fundamental para el conocimiento

Frente a muchos llamativos desaciertos de big data, no hace falta más datos, sino más imaginación. La ciencia, y en particular, la estadística, tienen una larguísima historia de aportar, de forma exitosa, este ingrediente fundamental para el conocimiento

Es decir, la actitud “activa” es leer un libro, pero, pasivamente, al interactuar con objetos interconectados (celulares, computadoras, sensores, cámaras de vigilancia, etc.) están generando datos. Muchos datos. Muchísimos. Tal vez demasiados. Big data.

Este es un clásico razonamiento erróneo: extrapolar la ausencia de relación entre dos variables dentro de un grupo a toda la población cuando la conformación de los grupos no es al azar.

Toda estadística debe ser entendida como un compromiso que intenta aproximar una realidad compleja a través de alguna herramienta errada pero potencialmente útil. El trabajo del científico honesto consiste en aclarar la naturaleza de estos compromisos, tanto desde lo conceptual como desde lo técnico.

Bienvenidos a la esencia de lo impredecible. No estamos hablando del que oscila a lo loco para arriba y para abajo neuróticamente, sino de algo que en cada nueva posición olvidó todo lo que lo llevó a donde estaba, como cualquiera que se despierta de una borrachera y dice “dónde soy, quién estoy”. Es esta falta de memoria de corto plazo lo que hace que las cosas puedan ir a parar a cualquier parte. El Random walk no tiene patrón: fíjense en ambas cadenas (y en las que armaron y en cualquier otra que armen), y verán que siempre empezamos en 0 y luego rara vez la cadena pasa por 0. Cuando el borracho se larga a caminar, dentro de media hora vaya a saber uno por dónde andará