Todos los día nos enfrentamos a situaciones con resultados inciertos y debemos tomar decisiones basadas en datos, que muchas veces están... incompletos. Por ejemplo:

Se espera que los estudiantes universitarios de primer año seleccionen una carrera al ser admitidos, aunque muchos de ellos aún no tengan una meta profesional clara.
Los pacientes con cáncer pueden ser invitados a participar en estudios clínicos para probar medicamentos experimentales, aun cuando se desconoce información crítica sobre efectos secundarios, tasas de supervivencia y tasas de recurrencia.

Las decisiones empresariales también se toman frecuentemente en entornos de incertidumbre, donde los directivos no pueden predecir con certeza la futura conducta de los factores que influirán en los resultados de las diferentes opciones consideradas. Por ejemplo:

He tenido la oportunidad de desarrollar (como product manager) internet en Argentina. En ese contexto ser preciso para estimar la demanda y con ello la capacidad de la empresa para satisfacer a la misma se diseño en un entorno de alta incertidumbre por tratarse de un nuevo mercado que aunque sabíamos que iba a crecer, no era sencillo estimar cuanto. Otro tanto me sucedió con otros nuevos productos y servicios como IPTransit y CDN.
En la transformación digital de un periódico los ingresos por publicidad se hacen difíciles de estimar en tanto la publicidad se va volcando del papel a internet, en tanto que los precios de la publicidad digital son muchos menores que los de la edición impresa.
De manera similar, un inversor no puede predecir con seguridad si los mercados financieros estarán boyantes, estables o deprimidos, pero aún así debe tomar decisiones sobre acciones, bonos e instrumentos de mercado para equilibrar su cartera.

Con esto, se entiende que, las afirmaciones que hacemos a menudo contienen un lenguaje que sugiere un nivel de certeza que no siempre es justificado. Consideremos las siguientes declaraciones:

"La demanda de ancho de banda de internet, será el doble en un plazo de un año"
"En la transformación digital de un periódico los ingresos por publicidad se crecerán u 15% aún cuando la tirada en papel tienda a cero."
“El precio de las acciones de tal o cual será más alto dentro de seis meses que ahora.”
“Si el déficit presupuestario público es cero, los tipos de interés irán bajando el resto del año.”
“La renta anual de un titulado universitario en economía será mayor que la renta anual de una persona con estudios tecnológicos”

En el momento en que se hacen estas afirmaciones, es imposible estar completamente seguro de que son ciertas. Incluso un analista que crea que el precio de las acciones de Tesla aumentará en los próximos meses no puede garantizarlo. Por lo tanto, estas afirmaciones deben formularse de una manera que reconozca la incertidumbre inherente, por ejemplo:

“El precio de las acciones de Tesla probablemente será más alto dentro de seis meses que ahora.”
“Si el déficit presupuestario público es tan elevado como se prevé, es probable que los tipos de interés se mantengan altos el resto del año.”
“La renta anual de un titulado universitario probablemente será mayor que la renta anual de una persona sin estudios universitarios.”

Es esencial pensar cuidadosamente en cómo se expresan las ideas, especialmente cuando se refieren a probabilidades o a situaciones de incertidumbre. No es adecuado sustituir afirmaciones demasiado precisas por otras innecesariamente vagas. ¿Qué significa “probablemente” o “es probable que”? Se debe tener especial cuidado al expresar las ideas de forma clara y precisa para reflejar con exactitud las probabilidades involucradas.

¿Por qué estadística?

La estadística es una herramienta valiosa para abordar este tipo de incertidumbre y tomar decisiones informadas. Puede ayudar a extraer el máximo conocimiento de la información disponible y a definir con claridad lo que sabemos y lo que no sabemos. Por ejemplo, transforma declaraciones vagas como “Este medicamento puede causar náuseas” en afirmaciones más precisas como “Tres de cada mil pacientes experimentan náuseas al tomar este medicamento” o “Si no tomas este medicamento, hay un 95 % de probabilidad de que mueras”. Sin el apoyo de la estadística, la interpretación de los datos puede ser defectuosa, como se vio en el “Problema de los Tanques Alemanes” durante la Segunda Guerra Mundial, donde el análisis estadístico proporcionó estimaciones mucho más precisas que los métodos de inteligencia estándar.

A lo largo del tiempo se han visto una cantidad considerable de decisiones críticas informadas por la estadística. Por ejemplo, la reciente implementación de modelos estadísticos para gestionar los impactos del cambio climático ha sido fundamental. Gobiernos y organizaciones en todo el mundo han utilizado datos estadísticos para proyectar los efectos de las emisiones de carbono en eventos climáticos extremos, como las olas de calor y los huracanes más frecuentes y devastadores. La capacidad de interpretar y aplicar estos datos correctamente permite a los líderes políticos tomar decisiones basadas en evidencia, como el diseño de estrategias para mitigar los efectos del clima extremo y planificar infraestructuras resilientes.

Para un científico de datos, la estadística es indispensable. Desde la limpieza y exploración de datos hasta la creación de modelos predictivos, la comprensión de conceptos como la inferencia, la probabilidad y la validación de modelos permite a los científicos de datos sacar conclusiones fiables. En 2024, por ejemplo, los científicos de datos han estado utilizando métodos estadísticos avanzados para optimizar algoritmos de inteligencia artificial en aplicaciones como la detección temprana de enfermedades y la predicción de patrones de consumo energético. Sin estas bases estadísticas, el riesgo de sobreajuste y malas interpretaciones sería enorme, comprometiendo la integridad de los modelos y sus aplicaciones.

Para un economista, la estadística es la base sobre la que se construyen las teorías y los modelos que explican el comportamiento económico. Analizar las fluctuaciones del mercado, estudiar el impacto de las políticas gubernamentales o proyectar el crecimiento económico requiere una comprensión profunda de métodos estadísticos. Con la economía global enfrentando desafíos significativos en 2024, como la inflación y las disrupciones en las cadenas de suministro, los economistas han usado modelos econométricos para asesorar sobre medidas de estabilización y prever los efectos a largo plazo de las decisiones financieras.

Para un profesional de las finanzas, la estadística es una herramienta crítica para gestionar riesgos, evaluar inversiones y construir portafolios diversificados. El análisis estadístico permite comprender la volatilidad de los activos, calcular la probabilidad de eventos extremos y optimizar la asignación de recursos. Este año, la capacidad de manejar modelos de riesgo estadístico ha sido crucial, especialmente en la evaluación de criptomonedas y activos digitales, que siguen mostrando comportamientos impredecibles. Sin una base estadística sólida, los financieros estarían navegando a ciegas en mercados cada vez más volátiles y globales.

Además, la estadística ha sido clave en el sector de la salud, donde los estudios recientes sobre la efectividad de las vacunas actualizadas contra variantes emergentes del COVID-19 y otros virus respiratorios han guiado las campañas de salud pública. Comprender las tasas de eficacia y los intervalos de confianza de los estudios clínicos ayuda a la población a tomar decisiones informadas sobre su salud y bienestar.

En un mundo donde la cantidad de información y la complejidad de los problemas solo aumenta, ser idóneo en estadística no es solo una habilidad técnica, sino una herramienta esencial para comprender el entorno en el que vivimos y tomar decisiones fundamentadas. En términos generales, la estadística ayuda a:

Clarificar las preguntas y definir las variables clave.
Determinar el tamaño muestral necesario.
Describir la variación y hacer afirmaciones cuantitativas sobre parámetros estimados.
Realizar estimaciones, inferencias y predicciones basadas en los datos.

¿Por qué estadística? En un mundo cada vez más impulsado por datos, ser idóneo en estadística no es solo una ventaja, sino una necesidad. La idoneidad estadística permite interpretar correctamente los datos y evitar caer en conclusiones erróneas o decisiones mal fundamentadas. Comprender las técnicas estadísticas y sus aplicaciones prácticas nos da el poder de analizar fenómenos complejos y comunicar hallazgos de manera precisa. Además, en contextos críticos como la medicina, la economía, las finanzas o la investigación científica, una comprensión deficiente de la estadística puede tener consecuencias desastrosas. Por eso, aprender y dominar la estadística no es solo un ejercicio académico, sino una habilidad esencial para cualquier profesional que aspire a manejar la incertidumbre de manera efectiva y ética.

01