Teoría De La Decisión

Agradezco mucho el comentario de José Luis a mi entrada/pregunta ¿Existiría algún caso de uso de la estadística que no sea materia prima para la toma de decisiones informadas?. Dice:

¿Y la mera estadística descriptiva que aparece en la investigación científica? Distribución de tallas de especies no conerciales, dinámicas de población, descripciones ecológicas….?

Y creo que es una aportación tan valiosa que merece toda una entrada más que una mera contestación: la pregunta que plantea es tan legítima y como fructífera y fomentadora de debate. Aunque creo, y de aquí la entrada, la objeción no se tiene en pie.

Estoy escribiendo unas notas muy punk sobre estadística. Desde cero. Hasta la luna. Pero que no se parecen en absoluto a nada de lo que he visto habitualmente escrito sobre la materia. Uno de sus capítulos, el primero, habla en general de la estadística. Abre con

Statistics is a technology concerned with stochastic data generating systems (SDGS) for the purpose of making informed decisions.

y el resto del capítulo desarrolla cada elemento de la frase (sí, qué es una tecnología, etc.). Sin embargo, lo más punk de la frase es el asunto de las decisiones. Porque, en el fondo, ejerciendo de estadístico, apenas se me ha encargado tener que tomarlas. Eran cosa de otros, de los que manejaban el presupuesto.

La teoría moderna de la decisión, con sus escenarios, recompensas, escenarios, probabilidades y consideraciones de orden sicológico, es cosa del siglo pasado. El principio de máxima verosimilidad también. Si se me apura, incluso, la teoría de la probabilidad propiamente construida.

Esos desarrollos opacan las discusiones previas, tal vez pueriles, al respecto. Pero húbolas.

No sé cómo, he tropezado con algunas. Como las que se discuten en los enlaces, este, este y este, que comparto.

Frecuentemente nos interesan unos efectos (E), tales como:

• Si un sujeto cumplirá con los términos de una hipoteca.
• Si un paciente responderá a un tratamiento.
• Si un adlátere circunstancial en el tren nos regalará una conversación amena.
• Si un transeúnte podrá o no darnos fuego para prender un cigarro.
• Si un individuo es o no un criminal.
• Si un candidato será o no un trabajador productivo en una empresa.
• Etc.

Son variables aleatorias. En ciertos casos, si no todos, se puede suponer que estos efectos dependen de determinados factores lantentes (L). Y se puede crear una red bayesiana similar a esta:

¿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.

Me gusta criticar. Bien lo saben quienes me siguen. Pero hoy toca aplaudir un artículo tan raro como valiente. Que no hace sino criticar por mí. Se titula On the Near Impossibility of Measuring the Returns to Advertising. Sus autores, quiero subrayarlo aquí, trabajan en Google y Microsoft.

Los métodos data driven gozan del mayor de los predicamentos. Véase una pequeña muestra extraída de una reciente conversación en Twitter:

Aquí está la noticia sobre el resultado de un error de tipo I: Danone takes legal action over milk scare.

Este otro, sobre un error de tipo II: Wave a banknote at a pundit and he’ll predict anything.

Siempre me ha llamado la atención el segundo caso: ¿tienen realmente responsabilidades penales los geólogos? He leído algunos artículos al respecto y nunca he visto el caso planteado de la manera en que voy a hacerlo aquí.

Proceden de un número de McKinsey Quarterly de este año y se organizan alrededor del acrónimo WARP:

• W (widen your options, incrementa tus opciones): considera al menos dos opciones robustas para cada toma de decisiones.
• R (reality-test your assumptions, somete tus hipótesis a un baño de realidad): trata de realizar pequeñas pruebas de verificación.
• A (attain some distance, distánciate): trata de revisar el asunto como si te fuese ajeno, desde afuera.
• P (prepare to be wrong, prepárate para el fracaso): plantea un plan de salida claro desde el principio: si no logro esto y esto en tal plazo…

Estoy terminando de leer Predictably Irrational. Es un libro que recomiendo encarecidamente.

¿De qué trata? Aquí y en este vídeo de su autor, Dan Arieli, hay abrebocas (que se refieren fundamentalmente a su primer capítulo) que seguro que os soprenderán.

Al leer el libro, sin embargo, realicé un pequeño experimento mental. Con resultados bastante desasosegantes. Pensé en tomar una mesa amplia y una pila de fichas de cartulina. Luego, en cada una de ellas, escribir uno de los resultados del libro, que son del tipo frente al estímulo X la gente actúa así o asá. Generalmente, haciendo honor al título, el comportamiento parece irracional. Finalmente, tratar de ordenarlas de alguna manera, tal vez jerárquica, que me ayudase a extraer reglas y principios generales. Y da la impresión de que uno siempre acabaría encontrando cartulinas que no acabasen de encajar, que ponen de manifiesto contradicciones internas que impiden crear eso a lo que estamos (¿tal vez malamente?) acostumbrados: un sistema coherente de ideas.

Los ingleses me descolocan. Hace unos días me enteré de una propuesta de George Osborne, el ministro de hacienda del Reino Unido, que se conoce como shares for rights (acciones a cambio de derechos). Consiste esencialmente en ofrecer a los empleados la opción (nunca la obligación) de recibir una recompensa económica a cambio de que renuncien a una serie de derechos laborales.

Nótese que se trata de una opción. Y tener opciones es bueno. Al menos, para homines œconomici.