Desde la década de 1960, los investigadores han explorado los problemas que los humanos tienen para entender la probabilidad. Nuevos estudios realizados por nosotros mismos y otros muestran que la forma en que se presentan los datos tiene un gran impacto, en particular, las representaciones gráficas y las simulaciones computarizadas pueden ayudar.
En un experimento, le dimos a 257 economistas un simple análisis de regresión y preguntamos acerca de las probabilidades de varios resultados. Algunos se mostraron los datos en la forma habitual en las revistas de economía: la media, la desviación estándar, etc. Tienen la mayoría de las respuestas equivocadas. A otros se les dio una gráfica de dispersión, sin análisis. Aunque algunos de ellos se quejaron de no tener suficiente información, la mayoría lo hizo mucho mejor.
Probabilidad: Una vista más clara
Su compañía está considerando una inversión de $100 millones en una nueva fábrica. Las crunchers calculan que la planta generará un rendimiento anual del 20% a lo largo de una vida útil de 10 años. Pero también dicen que la estimación tiene una desviación estándar del 70%. ¿Cuáles son las posibilidades de que las cosas salgan mal?
¿Está perplejo? Si ejecuta 1.000 simulaciones de los resultados y los introduce en una gráfica de dispersión, el escenario se vuelve más intuitivo. Dado que las empresas dependen cada vez más de la analítica y del Big Data, es importante utilizar infografías para presentar información de manera que los tomadores de decisiones puedan entender fácilmente.
Al principio, la probabilidad de una pérdida no es trivial. En el primer año es 38%; después de tres años es 19%. Para el décimo año, la probabilidad de una pérdida acumulada por las operaciones de la planta es bastante pequeña: 0,3%. Pero las probabilidades de que no hayas recuperado tu inversión siguen siendo del 8%.
En problemas complejos donde el gráfico no es una opción, las simulaciones por ordenador permiten a las personas «experimentar» probabilidades ejecutando numerosas versiones del proceso estadístico subyacente y viendo los resultados. (Voltear una moneda repetidamente es un ejemplo sencillo de una simulación). Se plantea la hipótesis de que, aunque la teoría de la probabilidad es una invención bastante reciente, la gente ha estado codificando e interpretando secuencialmente «información de frecuencia» observada durante eones, por lo que el cerebro humano tiene alguna experiencia con las probabilidades presentadas en esa forma. Nuestra investigación sostiene la hipótesis. Dirimos rompecabezas estadísticos a 62 estudiantes de pregrado que recientemente habían tomado clases de estadística y a 20 adultos que estaban menos inclinados estadísticamente. En ambos grupos, las personas eran mucho más propensas a dar respuestas correctas después de ejecutar simulaciones.
Creemos que estos resultados son muy prometedores para mejorar la comprensión estadística en negocios, gobierno y otros campos. Por ejemplo, las empresas que deciden comprar nuevos equipos y las personas que eligen carteras de jubilación se enfrentan a considerables riesgos e incertidumbres. Los análisis estadísticos pueden estimar el riesgo y la ayuda en la toma de decisiones, pero la mayoría de nosotros luchamos por darle sentido a esos análisis. Los gráficos y las simulaciones permiten a las personas observar los posibles resultados y experimentar eficazmente los riesgos, lo que les permite tomar mejores decisiones.
