Gigerenzer

Esta es una entrada breve no tanto para comentar el vídeo

como para dejar constancia de algunas notas y referencias a vuelapluma que me sugirió. A saber:

• La diferencia entre riesgo e incertidumbre, ya tratada (no sé si de una manera que hoy en día revisaría) en estas páginas.
• La crítica del uso de las matemáticas para la gestión de la incertidumbre.
• Abundando en lo anterior, el famoso artículo de Hayek The Use of Knowledge in Society, que, sí, incluso menciona la ley de los grandes números.
• La creciente literatura sobre el cuidado que hay que tener con los grandes agregados, como este artículo o este otro.
• Mi propio vídeo sobre el teorema de la imposibilidad de JR Rallo.

Cierro con una nota personal:

Están disponibles las diapositivas de mi charla Modelos rápidos y frugales. Por el formato del evento en el que se han presentado, un Databeers patrocinado por la Universidad Europea, apenas hay texto y lo que tal vez más valga la pena son las referencias del final.

Y sí, no solo me afianzo en la heterodoxia sino que, además, se me empieza a notar demasiado:

@gilbellosta con un discurso poco heterodoxo en el #databeersUEropea con el que no puedo estar más de acuerdo pic.twitter.com/EgJ2Gr8hyu

Siempre (aténganse los puristas al contexto) recomiendo comenzar con un árbol de decisión para, sobre esa base, ensayar métodos más potentes. Sobre todo si la precisión conviene más que la interpretabilidad.

En la dirección opuesta se sitúan los árboles rápidos y frugales. Un árbol rápido y frugal es un tipo de árbol de decisión tal como

La restricción que satisface (a diferencia de los árboles de decisión más habituales) es que:

No sé si alguien conoce la historia de Sally Clark. Fue condenada por el asesinato de sus dos hijos. Ambos padecieron, según ella, el síndrome de la muerte súbita del lactante. La probabilidad, sin embargo, de que sus dos hijos lo padecieran (supuesto que son eventos independientes, i.e., que no hay, por ejemplo, factores genéticos comunes) era muy baja: una de 73 millones. Por eso la enchironaron.

Pero, ¿qué es 1 / 73e6? Eso es $latex P(D|I)$, es decir, la probabilidad del suceso (los datos) condicionada a la inocencia de Sally. Sin embargo, la probabilidad que tiene que tener encuenta un juez no es esa sino $latex P(I|D)$, es decir, la probabilidad de ser inocente a la vista de los datos.

¿Os acordáis del problema de la carta del otro día? Lo extraje del libro Risk Savvy de G. Gigerenzer.

Uno de los grandes temas del libro es la distinción entre riesgo e incertidumbre. Se decanta por la perspectiva de Knight discutida en el enlace anterior: en situaciones de riesgo, la distribución de probabilidad es conocida (p.e., juegos de azar) y el aparataje probabilístico puede ser aplicado en su entera potencia matemática. En situaciones de incertidumbre, la situación es distinta y de poco o nada sirven los formalismos.

¿Qué significa que [los servicios meteorológicos digan que] hay un 30% de probabilidad de que llueva mañana? Pues resulta que significa distintas cosas para distintas personas, al menos, según A 30% Chance of Rain Tomorrow: How Does the Public Understand Probabilistic Weather Forecasts?

En ese artículo Gigerenzer y sus coautores proponen a una muestra de sujetos las opciones siguientes:

• Mañana lloverá el 30% del tiempo.
• El 30% de los días que siguen a uno como el de hoy, llueve.
• Lloverá en el 30% de la zona

El artículo existe precisamente porque la opción elegida por muchos de los entrevistados no es la que conocen mis lectores sin necesidad de reverlársela.