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).

Primera parte: la problemática de la predicción

En los primeros 7 capítulos el autor nos muestra diferentes casos en los que nuestros prejuicios y creencias irracionales pueden influir en nuestra visión subjetiva de la realidad. Esta subjetividad acostumbra a afectar negativamente a nuestro pronóstico. Por otro lado, también se nos muestran casos en los que para predecir un fenómeno (por ejemplo meteorológico) se recurren a simulaciones de sistemas dinámicos y no lineales. Estos sistemas son de tal complejidad que, pese que a corto plazo dan buenos resultados, a largo son poco fiables puesto que la alteración de un factor crea una reacción en cadena que afecta enormemente al resultado final.

Seguidamente expondremos dos ejemplos de lo mencionado anteriormente:

El colapso de la Unión Soviética

Un caso en el que podemos ver cómo creencias irracionales desembocaron en la formulación de un mal pronóstico fue el de los tertulianos políticos y la caída de la Unión Soviética.  La mayoría de los politólogos que solían aparecer en los programas de televisión de actualidad política de finales de los 80 opinaban que la URSS era una potencia económica que aún le quedaban muchos años de vida. La realidad era que se trataba de un país cada vez más disfuncional, en lo social y lo económico, con numerosas tensiones territoriales.  Por tanto, si se hubiese dejado de lado los prejuicios ideológicos (gobierno maligno poderoso) y se hubiese prestado atención a hechos relevantes (crisis de la guerra de Afganistán, tensión en Estonia, etc.) se habría predicho el declive acelerado que se produjo los años posteriores.

El efecto mariposa en la previsión del tiempo

Un caso en el que los sistemas dinámicos dificultan la previsión es el de los pronósticos meteorológicos. Para decirnos que tiempo va hacer mañana los servicios de meteorología utilizan programas informáticos donde se simulan las condiciones de la atmósfera terrestre. El problema reside en el hecho que la atmósfera es una sistema dinámico (que quiere decir que su comportamiento en un momento concreto influyen en su comportamiento futuro) y no lineal (un cambio de un factor afecta exponencialmente al resto). A este tipo de sistemas se les aplica “la teoría del caos” que implica que una pequeña perturbación puede llevar a desencadenar un macroevento climático como un huracán. Ante tal complejidad, ¿cómo se las apañan los hombres del tiempo para dar sus pronósticos? Pues repiten miles de veces la simulación haciendo en cada una un pequeño cambio de condiciones. Esto lleva a una previsión en expresiones probabilísticas. Por eso cada vez que escuchamos que va a llover viene acompañado de una probabilidad determinada (por ejemplo 50% de lluvia, 80% de sol, etc.). Todo ello, afecta también a la fiabilidad de los pronósticos dada su distancia en el tiempo. Por ejemplo, el parte meteorológico de mañana es mucho más fiable que el que se da para aquí una semana.

Segunda parte: el teorema de Bayes para hacer mejores predicciones

Thomas Bayes fue un ministro presbiteriano inglés, nacido a principios del siglo XVIII, que escribió un ensayo donde hizo la reflexión de que nuestro conocimiento de la realidad se basa en una aproximación y que, a medida que recopilamos nuevas evidencias, ésta aproximación se acerca cada vez más a la verdad. Esta reflexión se llevó a la práctica mediante una expresión matemática que hoy se conoce como el teorema de Bayes.

¿Cómo funciona?

El teorema de Bayes se trata de una sencilla expresión algebraica donde intervienen tres variables conocidas (xyz) y una desconocida (u). Funciona de la siguiente manera:

1. Se determina la probabilidad de que se cumpla una hipótesis a priori, es decir, antes de que sucede nada (probabilidad previa o x)
2. Sucede algo que es relevante para nuestra hipótesis
3. Se determina la probabilidad (y) de que se cumpla la hipótesis teniendo en cuenta el nuevo suceso.
4. Se determina la probabilidad (z) de que no se cumpla la hipótesis teniendo en cuenta el nuevo suceso.
5. Aplicamos la fórmula del teorema de Bayes y obtenemos la posibilidad posterior de que se cumpla la hipótesis (u) .

Quizás nos quedará más claro si vemos un ejemplo práctico de la aplicación del teorema:

Ejemplo práctico: Ataque Terrorista en la Torres Gemelas de Nueva York

Seguidamente se reproducen dos cuadros recogidos de las páginas 300 y 301 del libro donde se aplica el teorema de Bayes cuando se estrelló el primer avión y cuando se estrelló el segundo.

Por tanto, la conclusión obvia que se extrae de este ejemplo es que cuantas más veces apliquemos el teorema en base a nuevas evidencias, más realista será nuestra aproximación. Una reflexión: ¿con un 38% de posibilidades de ataque terrorista hubieses dado la orden de evacuar toda la zona del WTC?

Conclusión

En el mundo hipertecnológico en el que vivimos estamos rodeados de información, la que emitimos y la que recibimos (big data). No obstante, el disponer de más información no hace que automáticamente nuestras predicciones sean mejores puesto que, a mayor cantidad de datos, mayor la dificultad de encontrar la señal entre el ruido. Además, nuestras ideas preconcebidas y la complejidad con la que funcionan determinados fenómenos nos dificultan aún más la tarea de predecir el futuro. Entonces, ¿cómo podemos confiar que cualquier predicción nos sea útil? El autor tiene clara la respuesta:

• En primer lugar, debemos de dejar de hacer preguntas categóricas a las predicciones (¿Se cumplirá o no?) y empezar a hacerles preguntas en términos probabilísticos (¿Qué posibilidad hay de que se cumpla?)
• En segundo lugar, debemos aplicar el teorema de Bayes que nos obliga a determinar subjetivamente un probabilidad previa que se irá contrastando a medida que vaya sucediendo los hechos. De esta forma, con el tiempo dispondremos de una predicción robusta libre de elementos que la desvirtúan (o ruido).

Opinión: ¿Que me ha parecido el libro?

Antes de empezar a leerme la obra tenía la idea de que se me iba a hacer muy cuesta arriba, teniendo en cuenta lo denso del contenido (la estadística nunca ha tenido mucho sexapple XD) y su extensión (548 páginas). Sin embargo, he de reconocer que me ha enganchado desde el primer capítulo. El estilo narrativo de Nate Silver es directo, ameno y revelador. Cada capítulo te transmite una o varias ideas claves mediante ejemplos de predicciones en entornos que aparentemente tienen que ver tan poco entre sí como el béisbol, los terremotos y la economía. Tengo que confesar que desde que leí en mi carrera “Principios de Macroeconomia” de N. G. Mankiw no disfrutaba tanto aprendiendo sobre un tema. La señal y el ruido es absolutamente recomendable a todo aquel que sienta curiosidad por cómo los seres humanos interpretamos la información que recibimos y la forma que tenemos de tratarla para predecir de forma eficaz lo que vendrá.