{"id":326852,"date":"2026-10-24T05:11:53","date_gmt":"2026-10-24T02:11:53","guid":{"rendered":"https:\/\/ceotudent.com\/alfabetizacion-de-datos-para-no-analistas-conceptos-estadisticos-que-te-protegen"},"modified":"2026-10-24T05:11:53","modified_gmt":"2026-10-24T02:11:53","slug":"alfabetizacion-de-datos-para-no-analistas-conceptos-estadisticos-que-te-protegen","status":"publish","type":"post","link":"https:\/\/ceotudent.com\/es\/alfabetizacion-de-datos-para-no-analistas-conceptos-estadisticos-que-te-protegen","title":{"rendered":"Alfabetizaci\u00f3n de datos para no analistas: los conceptos estad\u00edsticos que evitan que te enga\u00f1en"},"content":{"rendered":"<p><strong>En resumen.<\/strong> En la Encuesta de Competencias de Adultos de la OCDE (datos de 2023, publicados en diciembre de 2024), el 25 % de los adultos de los pa\u00edses de la OCDE obtuvo el Nivel 1 o menos en competencia num\u00e9rica y el 14 % alcanz\u00f3 los Niveles 4 o 5. En Estados Unidos, la proporci\u00f3n con baja competencia num\u00e9rica pas\u00f3 del 29 % en 2017 al 34 % en 2023. Mientras tanto, las herramientas de IA y las presentaciones de proveedores producen m\u00e1s porcentajes seguros de s\u00ed mismos que nunca. Quien no es analista necesita unas diez ideas, cada una con una pregunta asociada, que impiden que una cifra verdadera lo enga\u00f1e. El formato importa tanto como el lector: cuando 160 ginec\u00f3logos vieron las estad\u00edsticas de una prueba como probabilidades condicionales, el 21 % encontr\u00f3 la respuesta correcta; despu\u00e9s de aprender a reformularlas como recuentos sobre 1.000, lo hizo el 87 %. <strong>La jugada del CEO:<\/strong> exige que toda cifra que impulse una decisi\u00f3n llegue con su denominador, su comparaci\u00f3n y su fuente, y decide de antemano qu\u00e9 preguntas son obligatorias antes de actuar. <strong>La jugada del estudiante:<\/strong> convierte cada porcentaje en &ldquo;cu\u00e1ntos de cada 1.000&rdquo; y reconstruye cada semana una afirmaci\u00f3n a partir de su fuente original.<\/p>\n<p>Esta gu\u00eda forma parte del cl\u00faster de Habilidades Cognitivas Fundamentales, anclado en nuestro art\u00edculo sobre <a href=\"\/es\/lectura-profunda-ventaja-competitiva-era-ia\">la lectura profunda como ventaja competitiva<\/a>. Es el complemento num\u00e9rico del <a href=\"\/es\/como-verificar-los-resultados-de-la-ia-protocolo-de-verificacion-en-5-pasos\">protocolo de 5 pasos para verificar los resultados de la IA<\/a> y de las <a href=\"\/es\/senales-de-alerta-malas-respuestas-ia-12-patrones-que-indican-que-el-modelo-se-equivoca\">12 se\u00f1ales de alerta de las malas respuestas de la IA<\/a>. Esos art\u00edculos detectan afirmaciones falsas. Este aborda un caso m\u00e1s dif\u00edcil: cifras que son verdaderas y aun as\u00ed enga\u00f1an.<\/p>\n<div id=\"ez-toc-container\" class=\"ez-toc-v2_0_84 counter-hierarchy ez-toc-counter ez-toc-grey ez-toc-container-direction\">\n<div class=\"ez-toc-title-container\">\n<p class=\"ez-toc-title\" style=\"cursor:inherit\">Table of Contents<\/p>\n<span class=\"ez-toc-title-toggle\"><a href=\"#\" class=\"ez-toc-pull-right ez-toc-btn ez-toc-btn-xs ez-toc-btn-default ez-toc-toggle\" aria-label=\"Alternar tabla de contenidos\"><span class=\"ez-toc-js-icon-con\"><span class=\"\"><span class=\"eztoc-hide\" style=\"display:none;\">Toggle<\/span><span class=\"ez-toc-icon-toggle-span\"><svg style=\"fill: #999;color:#999\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" class=\"list-377408\" width=\"20px\" height=\"20px\" viewBox=\"0 0 24 24\" fill=\"none\"><path d=\"M6 6H4v2h2V6zm14 0H8v2h12V6zM4 11h2v2H4v-2zm16 0H8v2h12v-2zM4 16h2v2H4v-2zm16 0H8v2h12v-2z\" fill=\"currentColor\"><\/path><\/svg><svg style=\"fill: #999;color:#999\" class=\"arrow-unsorted-368013\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" width=\"10px\" height=\"10px\" viewBox=\"0 0 24 24\" version=\"1.2\" baseProfile=\"tiny\"><path d=\"M18.2 9.3l-6.2-6.3-6.2 6.3c-.2.2-.3.4-.3.7s.1.5.3.7c.2.2.4.3.7.3h11c.3 0 .5-.1.7-.3.2-.2.3-.5.3-.7s-.1-.5-.3-.7zM5.8 14.7l6.2 6.3 6.2-6.3c.2-.2.3-.5.3-.7s-.1-.5-.3-.7c-.2-.2-.4-.3-.7-.3h-11c-.3 0-.5.1-.7.3-.2.2-.3.5-.3.7s.1.5.3.7z\"\/><\/svg><\/span><\/span><\/span><\/a><\/span><\/div>\n<nav><ul class='ez-toc-list ez-toc-list-level-1 ' ><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-1\" href=\"https:\/\/ceotudent.com\/es\/alfabetizacion-de-datos-para-no-analistas-conceptos-estadisticos-que-te-protegen\/#%C2%BFPor-que-necesita-estadistica-ahora-alguien-que-no-es-analista\" >\u00bfPor qu\u00e9 necesita estad\u00edstica ahora alguien que no es analista?<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-2\" href=\"https:\/\/ceotudent.com\/es\/alfabetizacion-de-datos-para-no-analistas-conceptos-estadisticos-que-te-protegen\/#Concepto-1-%C2%BFEs-un-cambio-relativo-o-un-cambio-absoluto\" >Concepto 1: \u00bfEs un cambio relativo o un cambio absoluto?<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-3\" href=\"https:\/\/ceotudent.com\/es\/alfabetizacion-de-datos-para-no-analistas-conceptos-estadisticos-que-te-protegen\/#Concepto-2-%C2%BFQue-pasa-de-cada-1000-Tasas-base-y-frecuencias-naturales\" >Concepto 2: \u00bfQu\u00e9 pasa de cada 1.000? Tasas base y frecuencias naturales<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-4\" href=\"https:\/\/ceotudent.com\/es\/alfabetizacion-de-datos-para-no-analistas-conceptos-estadisticos-que-te-protegen\/#Concepto-3-%C2%BFQue-tamano-tenia-la-muestra\" >Concepto 3: \u00bfQu\u00e9 tama\u00f1o ten\u00eda la muestra?<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-5\" href=\"https:\/\/ceotudent.com\/es\/alfabetizacion-de-datos-para-no-analistas-conceptos-estadisticos-que-te-protegen\/#Concepto-4-%C2%BFQuien-falta-en-los-datos-Filtros-de-seleccion\" >Concepto 4: \u00bfQui\u00e9n falta en los datos? Filtros de selecci\u00f3n<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-6\" href=\"https:\/\/ceotudent.com\/es\/alfabetizacion-de-datos-para-no-analistas-conceptos-estadisticos-que-te-protegen\/#Concepto-5-%C2%BFPodria-explicarlo-otra-cosa-Correlacion-y-factores-de-confusion\" >Concepto 5: \u00bfPodr\u00eda explicarlo otra cosa? Correlaci\u00f3n y factores de confusi\u00f3n<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-7\" href=\"https:\/\/ceotudent.com\/es\/alfabetizacion-de-datos-para-no-analistas-conceptos-estadisticos-que-te-protegen\/#Concepto-6-%C2%BFSe-invierte-el-patron-al-dividir-los-datos-La-paradoja-de-Simpson\" >Concepto 6: \u00bfSe invierte el patr\u00f3n al dividir los datos? La paradoja de Simpson<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-8\" href=\"https:\/\/ceotudent.com\/es\/alfabetizacion-de-datos-para-no-analistas-conceptos-estadisticos-que-te-protegen\/#Concepto-7-%C2%BFSe-eligio-por-ser-extremo-Regresion-a-la-media\" >Concepto 7: \u00bfSe eligi\u00f3 por ser extremo? Regresi\u00f3n a la media<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-9\" href=\"https:\/\/ceotudent.com\/es\/alfabetizacion-de-datos-para-no-analistas-conceptos-estadisticos-que-te-protegen\/#Concepto-8-%C2%BFMedia-de-que-Media-mediana-y-asimetria\" >Concepto 8: \u00bfMedia de qu\u00e9? Media, mediana y asimetr\u00eda<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-10\" href=\"https:\/\/ceotudent.com\/es\/alfabetizacion-de-datos-para-no-analistas-conceptos-estadisticos-que-te-protegen\/#Concepto-9-%C2%BFDonde-empieza-el-eje-Diseno-enganoso-de-graficos\" >Concepto 9: \u00bfD\u00f3nde empieza el eje? Dise\u00f1o enga\u00f1oso de gr\u00e1ficos<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-11\" href=\"https:\/\/ceotudent.com\/es\/alfabetizacion-de-datos-para-no-analistas-conceptos-estadisticos-que-te-protegen\/#Concepto-10-%C2%BFQue-te-dice-%E2%80%9Cestadisticamente-significativo%E2%80%9D\" >Concepto 10: \u00bfQu\u00e9 te dice &ldquo;estad\u00edsticamente significativo&rdquo;?<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-12\" href=\"https:\/\/ceotudent.com\/es\/alfabetizacion-de-datos-para-no-analistas-conceptos-estadisticos-que-te-protegen\/#Guia-de-campo-de-las-cifras-enganosas\" >Gu\u00eda de campo de las cifras enga\u00f1osas<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-13\" href=\"https:\/\/ceotudent.com\/es\/alfabetizacion-de-datos-para-no-analistas-conceptos-estadisticos-que-te-protegen\/#Lista-de-10-preguntas-previas-a-la-decision-para-cualquier-estadistica\" >Lista de 10 preguntas previas a la decisi\u00f3n para cualquier estad\u00edstica<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-14\" href=\"https:\/\/ceotudent.com\/es\/alfabetizacion-de-datos-para-no-analistas-conceptos-estadisticos-que-te-protegen\/#La-jugada-del-CEO-y-la-jugada-del-estudiante\" >La jugada del CEO y la jugada del estudiante<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-15\" href=\"https:\/\/ceotudent.com\/es\/alfabetizacion-de-datos-para-no-analistas-conceptos-estadisticos-que-te-protegen\/#Lo-que-esto-no-significa\" >Lo que esto no significa<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-16\" href=\"https:\/\/ceotudent.com\/es\/alfabetizacion-de-datos-para-no-analistas-conceptos-estadisticos-que-te-protegen\/#Preguntas-frecuentes\" >Preguntas frecuentes<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-17\" href=\"https:\/\/ceotudent.com\/es\/alfabetizacion-de-datos-para-no-analistas-conceptos-estadisticos-que-te-protegen\/#Fuentes\" >Fuentes<\/a><\/li><\/ul><\/nav><\/div>\n<h2 id=\"por-qu-necesita-estadstica-ahora-alguien-que-no-es-analista\"><span class=\"ez-toc-section\" id=\"%C2%BFPor-que-necesita-estadistica-ahora-alguien-que-no-es-analista\"><\/span>\u00bfPor qu\u00e9 necesita estad\u00edstica ahora alguien que no es analista?<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Producir un gr\u00e1fico o una frase del tipo &ldquo;la mayor\u00eda de los clientes prefiere&rdquo; ya casi no cuesta nada, as\u00ed que llegan m\u00e1s cifras a quienes deciden y con menos comprobaciones (consulta nuestro art\u00edculo sobre la <a href=\"\/es\/crisis-senal-ruido-filtrar-informacion-era-ia\">crisis de la relaci\u00f3n se\u00f1al-ruido<\/a>). La medici\u00f3n internacional m\u00e1s reciente de la competencia num\u00e9rica adulta muestra lo expuestos que est\u00e1n los lectores.<\/p>\n<p>La Encuesta de Competencias de Adultos de la OCDE evalu\u00f3 a adultos de 16 a 65 a\u00f1os en 31 pa\u00edses participantes. La puntuaci\u00f3n media de la OCDE en competencia num\u00e9rica fue de 263 en una escala de 0 a 500. Los adultos del Nivel 1, seg\u00fan la descripci\u00f3n de la encuesta, manejan n\u00fameros enteros, decimales, fracciones comunes y porcentajes y &ldquo;idean estrategias simples de uno o dos pasos&rdquo;. Leer un riesgo relativo, una probabilidad condicional o una media sesgada suele exigir m\u00e1s pasos que eso.<\/p>\n<p><strong>Tabla 1. Competencia num\u00e9rica adulta en una selecci\u00f3n de pa\u00edses, Encuesta de Competencias de Adultos de la OCDE 2023 (adultos de 16-65 a\u00f1os)<\/strong><\/p>\n<table>\n<thead>\n<tr>\n<th>Pa\u00eds o econom\u00eda<\/th>\n<th>Puntuaci\u00f3n media en competencia num\u00e9rica<\/th>\n<th>Nivel 1 o inferior<\/th>\n<th>Nivel 4<\/th>\n<th>Nivel 5<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td>Media de la OCDE<\/td>\n<td>263<\/td>\n<td>25 %<\/td>\n<td>12 %<\/td>\n<td>2 %<\/td>\n<\/tr>\n<tr>\n<td>Finlandia<\/td>\n<td>294<\/td>\n<td>12 %<\/td>\n<td>26 %<\/td>\n<td>5 %<\/td>\n<\/tr>\n<tr>\n<td>Jap\u00f3n<\/td>\n<td>291<\/td>\n<td>10 %<\/td>\n<td>21 %<\/td>\n<td>3 %<\/td>\n<\/tr>\n<tr>\n<td>Pa\u00edses Bajos<\/td>\n<td>284<\/td>\n<td>15 %<\/td>\n<td>20 %<\/td>\n<td>4 %<\/td>\n<\/tr>\n<tr>\n<td>Alemania<\/td>\n<td>273<\/td>\n<td>20 %<\/td>\n<td>16 %<\/td>\n<td>2 %<\/td>\n<\/tr>\n<tr>\n<td>Inglaterra (Reino Unido)<\/td>\n<td>268<\/td>\n<td>21 %<\/td>\n<td>14 %<\/td>\n<td>2 %<\/td>\n<\/tr>\n<tr>\n<td>Francia<\/td>\n<td>257<\/td>\n<td>28 %<\/td>\n<td>10 %<\/td>\n<td>1 %<\/td>\n<\/tr>\n<tr>\n<td>Espa\u00f1a<\/td>\n<td>250<\/td>\n<td>30 %<\/td>\n<td>6 %<\/td>\n<td>0 %<\/td>\n<\/tr>\n<tr>\n<td>Estados Unidos<\/td>\n<td>249<\/td>\n<td>34 %<\/td>\n<td>10 %<\/td>\n<td>2 %<\/td>\n<\/tr>\n<tr>\n<td>Italia<\/td>\n<td>244<\/td>\n<td>35 %<\/td>\n<td>6 %<\/td>\n<td>0 %<\/td>\n<\/tr>\n<tr>\n<td>Chile<\/td>\n<td>214<\/td>\n<td>56 %<\/td>\n<td>2 %<\/td>\n<td>0 %<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p>Fuente: Encuesta de Competencias de Adultos de la OCDE 2023, reproducida por la Oficina Central de Estad\u00edstica de Irlanda (PIAAC 2023 International Comparison, Tablas 3.2 y 3.5). Porcentajes redondeados tal como se publicaron.<\/p>\n<p>Hay dos lecturas importantes. La dispersi\u00f3n es grande: 80 puntos separan las medias de Finlandia y Chile, y la proporci\u00f3n con baja competencia num\u00e9rica va del 10 % en Jap\u00f3n al 56 % en Chile. E incluso en el pa\u00eds m\u00e1s fuerte la mayor\u00eda de los adultos no est\u00e1 arriba: los Niveles 4 y 5 juntos abarcan el 31 % de los adultos finlandeses y el 14 % en la media de la OCDE (c\u00e1lculo de CEOtudent a partir de proporciones redondeadas). No des por hecho que quien presenta un gr\u00e1fico es uno de ellos.<\/p>\n<p>El Centro Nacional de Estad\u00edsticas Educativas de Estados Unidos a\u00f1ade una tendencia: la proporci\u00f3n de adultos estadounidenses en el Nivel 1 o inferior en competencia num\u00e9rica pas\u00f3 del 29 % en 2017 al 34 % en 2023, con la advertencia de que la edici\u00f3n de 2023 se aplic\u00f3 \u00edntegramente en tabletas y las evaluaciones difieren.<\/p>\n<h2 id=\"concepto-1-es-un-cambio-relativo-o-un-cambio-absoluto\"><span class=\"ez-toc-section\" id=\"Concepto-1-%C2%BFEs-un-cambio-relativo-o-un-cambio-absoluto\"><\/span>Concepto 1: \u00bfEs un cambio relativo o un cambio absoluto?<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Sobre una base peque\u00f1a, los cambios relativos parecen dram\u00e1ticos mientras los cambios absolutos siguen siendo min\u00fasculos.<\/p>\n<p>Gerd Gigerenzer y sus colegas, en una monograf\u00eda de 2007 en <em>Psychological Science in the Public Interest<\/em>, describen la alarma por la p\u00edldora anticonceptiva en el Reino Unido. En octubre de 1995, los reguladores advirtieron de que las p\u00edldoras de tercera generaci\u00f3n duplicaban el riesgo de trombosis, un aumento del 100 %. Los estudios subyacentes mostraban alrededor de 1 caso por cada 7.000 mujeres con las p\u00edldoras anteriores y unos 2 por cada 7.000 con las nuevas: un aumento absoluto de 1 de cada 7.000. Los autores informan de unos 13.000 abortos adicionales estimados en Inglaterra y Gales al a\u00f1o siguiente.<\/p>\n<p>La misma monograf\u00eda muestra lo contrario en el caso de los beneficios. Una reducci\u00f3n del 25 % en las muertes por c\u00e1ncer de mama gracias al cribado mamogr\u00e1fico corresponde, en palabras de los autores, a &ldquo;1 mujer menos de cada 1.000&rdquo;. En muestras aleatorias de mujeres de cuatro pa\u00edses, solo el 6 % dio una respuesta que los autores aceptaron como correcta (de 0 a 5 de cada 1.000), mientras que el 60 % de las encuestadas estadounidenses cre\u00eda que el beneficio era de 80 o m\u00e1s de cada 1.000. (Ejemplos de encuadre procedentes de investigaciones de 2007, no recomendaciones de salud.)<\/p>\n<p><strong>Tabla 2. An\u00e1lisis de CEOtudent: el mismo resultado publicado expresado de cuatro maneras<\/strong><\/p>\n<table>\n<thead>\n<tr>\n<th>Resultado publicado<\/th>\n<th>Encuadre relativo<\/th>\n<th>Encuadre absoluto<\/th>\n<th>Recuentos por cada 1.000<\/th>\n<th>Unidades por cada caso adicional o evitado<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td>Trombosis, p\u00edldora nueva frente a anterior (Gigerenzer et al. 2007)<\/td>\n<td>+100 %<\/td>\n<td>+1 de cada 7.000 (0,014 puntos porcentuales)<\/td>\n<td>de 0,14 a 0,29<\/td>\n<td>7.000 mujeres por cada caso adicional<\/td>\n<\/tr>\n<tr>\n<td>Muertes por c\u00e1ncer de mama con cribado (Gigerenzer et al. 2007)<\/td>\n<td>-25 %<\/td>\n<td>1 menos de cada 1.000<\/td>\n<td>de unas 4 a 3 (l\u00ednea de base impl\u00edcita)<\/td>\n<td>1.000 mujeres cribadas por cada muerte evitada<\/td>\n<\/tr>\n<tr>\n<td>Gr\u00e1fico de barras de tipo impositivo (Correll et al. 2020, Fig. 1b)<\/td>\n<td>+13,1 %<\/td>\n<td>+4,6 puntos porcentuales (del 35,0 % al 39,6 %)<\/td>\n<td>de 350 a 396 por cada 1.000 d\u00f3lares<\/td>\n<td>Barra dibujada 5,6 veces m\u00e1s alta<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p>An\u00e1lisis de CEOtudent de las cifras de Gigerenzer et al. (2007) y de Correll, Bertini y Franconeri (2020); aritm\u00e9tica en calc.py. La l\u00ednea de base de la fila 2 es derivada: un recorte relativo del 25 % equivalente a 1 de cada 1.000 implica un riesgo inicial de unos 4 de cada 1.000.<\/p>\n<p><strong>La pregunta que hay que hacer:<\/strong> &ldquo;\u00bfDe cu\u00e1ntos?&rdquo;<\/p>\n<h2 id=\"concepto-2-qu-pasa-de-cada-1000-tasas-base-y-frecuencias-naturales\"><span class=\"ez-toc-section\" id=\"Concepto-2-%C2%BFQue-pasa-de-cada-1000-Tasas-base-y-frecuencias-naturales\"><\/span>Concepto 2: \u00bfQu\u00e9 pasa de cada 1.000? Tasas base y frecuencias naturales<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Nuestro art\u00edculo sobre las <a href=\"\/es\/tasas-base-vision-externa-solucion-infrautilizada-malas-predicciones\">tasas base y la visi\u00f3n externa<\/a> explica por qu\u00e9 los resultados t\u00edpicos deber\u00edan anclar las previsiones. Las frecuencias naturales, es decir, probabilidades reformuladas como recuentos en un grupo imaginario, hacen que las tasas base sean utilizables en el momento.<\/p>\n<p>En una sesi\u00f3n de formaci\u00f3n continua de 2007 descrita en la monograf\u00eda de Gigerenzer, a 160 ginec\u00f3logos se les dijo: el 1 % de las mujeres de una poblaci\u00f3n de cribado tiene c\u00e1ncer de mama; una mujer con c\u00e1ncer da positivo el 90 % de las veces; una mujer sin c\u00e1ncer aun as\u00ed da positivo el 9 % de las veces. Al preguntarles qu\u00e9 significa un resultado positivo, la mayor\u00eda respondi\u00f3 &ldquo;90 %&rdquo; u &ldquo;81 %&rdquo;, las estimaciones fueron del 1 % al 90 %, y el 21 % eligi\u00f3 la mejor respuesta.<\/p>\n<p>Reformulado como recuentos: diez de cada 1.000 mujeres tienen c\u00e1ncer de mama, y 9 de ellas dan positivo. De las 990 sin c\u00e1ncer, unas 89 tambi\u00e9n dan positivo. As\u00ed que, de aproximadamente 98 positivos, unas 9 tienen c\u00e1ncer, alrededor de 1 de cada 10, o un 9,2 % (c\u00e1lculo de CEOtudent). Tras entrenarse en esta traducci\u00f3n, el 87 % de los ginec\u00f3logos eligi\u00f3 la respuesta correcta.<\/p>\n<p>Los m\u00e9dicos no cambiaron; cambi\u00f3 la representaci\u00f3n. El m\u00e9todo sirve para cualquier filtro, desde los modelos antifraude hasta los detectores de texto generado por IA: empieza con 1.000 casos, aplica la tasa base, la tasa de aciertos y la tasa de falsas alarmas, y cuenta.<\/p>\n<p><strong>La pregunta que hay que hacer:<\/strong> &ldquo;De todos los se\u00f1alados, \u00bfcu\u00e1ntos son reales?&rdquo;<\/p>\n<h2 id=\"concepto-3-qu-tamao-tena-la-muestra\"><span class=\"ez-toc-section\" id=\"Concepto-3-%C2%BFQue-tamano-tenia-la-muestra\"><\/span>Concepto 3: \u00bfQu\u00e9 tama\u00f1o ten\u00eda la muestra?<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Los grupos peque\u00f1os producen resultados extremos en ambas direcciones porque unos pocos casos mueven mucho su media. Howard Wainer, en un ensayo de 2007 en <em>American Scientist<\/em>, llam\u00f3 &ldquo;la ecuaci\u00f3n m\u00e1s peligrosa&rdquo; al resultado de De Moivre de 1730, seg\u00fan el cual la variabilidad de una media se reduce con la ra\u00edz cuadrada del tama\u00f1o de la muestra.<\/p>\n<p>Su ejemplo central sali\u00f3 caro. Desde finales de la d\u00e9cada de 1990, la Fundaci\u00f3n Bill y Melinda Gates apoy\u00f3 las escuelas peque\u00f1as, con subvenciones educativas de unos 1,7 mil millones de $ hasta 2001, en parte porque las escuelas peque\u00f1as estaban sobrerrepresentadas entre las de mejores puntuaciones. Wainer y Harris Zwerling examinaron las 1.662 escuelas de Pensilvania que comunicaban puntuaciones de lectura de 5.\u00ba curso. De las 50 mejores, 6 estaban entre el 3 % de escuelas m\u00e1s peque\u00f1as: un 12 % en lugar del 3 % esperado, una sobrerrepresentaci\u00f3n de cuatro veces. Pero 9 de las 50 escuelas con peores puntuaciones (18 %) tambi\u00e9n estaban entre las 50 m\u00e1s peque\u00f1as. Las escuelas peque\u00f1as abarrotaban ambos extremos, y la relaci\u00f3n global entre tama\u00f1o y puntuaciones de 5.\u00ba curso era pr\u00e1cticamente plana.<\/p>\n<p>Lo mismo se aplica a las clasificaciones en el trabajo: si la sucursal con mejor conversi\u00f3n o el equipo piloto de IA mejor valorado es tambi\u00e9n la unidad m\u00e1s peque\u00f1a, el tama\u00f1o por s\u00ed solo puede explicar la posici\u00f3n.<\/p>\n<p>Como referencia, toma un supuesto ilustrativo: una pregunta de encuesta cuya respuesta verdadera es el 50 %. Con 8 encuestados, el error est\u00e1ndar es de unos 17,7 puntos porcentuales, as\u00ed que un intervalo aproximado del 95 % abarca unos 35 puntos a cada lado. Con 400 encuestados es de 2,5 puntos. Cincuenta veces m\u00e1s datos compran solo unas siete veces m\u00e1s precisi\u00f3n (c\u00e1lculo de CEOtudent en calc.py).<\/p>\n<p><strong>La pregunta que hay que hacer:<\/strong> &ldquo;\u00bfEn cu\u00e1ntos casos se basa, y d\u00f3nde quedan los grupos m\u00e1s peque\u00f1os en la clasificaci\u00f3n?&rdquo;<\/p>\n<h2 id=\"concepto-4-quin-falta-en-los-datos-filtros-de-seleccin\"><span class=\"ez-toc-section\" id=\"Concepto-4-%C2%BFQuien-falta-en-los-datos-Filtros-de-seleccion\"><\/span>Concepto 4: \u00bfQui\u00e9n falta en los datos? Filtros de selecci\u00f3n<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Los encuestados eligieron responder, los casos de estudio se eligieron porque tuvieron \u00e9xito, los estudios se publicaron en parte porque sus resultados eran llamativos. Cuando un filtro favorece ciertos resultados, los datos visibles los exageran.<\/p>\n<p>La Open Science Collaboration, con 270 autores colaboradores y el apoyo del Center for Open Science, repiti\u00f3 100 estudios experimentales y correlacionales publicados en tres revistas de psicolog\u00eda, con dise\u00f1os de alta potencia estad\u00edstica. Su informe de 2015 en <em>Science<\/em> encontr\u00f3 que el 97 % de los estudios originales ten\u00eda resultados significativos, frente al 36 % de las replicaciones (35 de 97). El tama\u00f1o medio del efecto cay\u00f3 de 0,403 a 0,197, aproximadamente la mitad (c\u00e1lculo de CEOtudent: 0,49), y en 82 de 99 pares comparables el efecto original era mayor.<\/p>\n<p>Las cifras son espec\u00edficas de las revistas muestreadas, pero cualquier literatura o p\u00e1gina de &ldquo;historias de clientes&rdquo; muestra a los supervivientes de un filtro.<\/p>\n<p><strong>La pregunta que hay que hacer:<\/strong> &ldquo;\u00bfQu\u00e9 no se ve aqu\u00ed?&rdquo; Pregunta qui\u00e9n no respondi\u00f3, qu\u00e9 se excluy\u00f3 y cu\u00e1ntos intentos precedieron al que se muestra.<\/p>\n<h2 id=\"concepto-5-podra-explicarlo-otra-cosa-correlacin-y-factores-de-confusin\"><span class=\"ez-toc-section\" id=\"Concepto-5-%C2%BFPodria-explicarlo-otra-cosa-Correlacion-y-factores-de-confusion\"><\/span>Concepto 5: \u00bfPodr\u00eda explicarlo otra cosa? Correlaci\u00f3n y factores de confusi\u00f3n<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Dos cosas que se mueven juntas pueden compartir una causa (un factor de confusi\u00f3n), funcionar a la inversa o simplemente seguir la misma tendencia.<\/p>\n<p>Un caso did\u00e1ctico: en 2012, el <em>New England Journal of Medicine<\/em> public\u00f3 un breve art\u00edculo de Franz Messerli sobre una correlaci\u00f3n entre el consumo de chocolate y el n\u00famero de premios Nobel. Como resumen Pierre Maurage, Alexandre Heeren y Mauro Pesenti en <em>The Journal of Nutrition<\/em> (2013), llev\u00f3 a sugerir que m\u00e1s chocolate podr\u00eda significar m\u00e1s premiados gracias a los flavanoles del cacao. Ellos sostienen que esa interpretaci\u00f3n se desmorona en cuanto se consideran otros alimentos ricos en flavanoles, e informan de correlaciones altas entre el n\u00famero de premiados y otras medidas &ldquo;est\u00e9n o no relacionadas de forma convincente&rdquo; (resumen). La riqueza nacional y el gasto en investigaci\u00f3n son causas comunes plausibles.<\/p>\n<p>En el trabajo el patr\u00f3n tiene menos gracia. Los equipos que usan una nueva herramienta de IA declaran m\u00e1s producci\u00f3n, pero quienes la adoptaron primero quiz\u00e1 tambi\u00e9n ten\u00edan a los mejores mandos. Los clientes que usan una funci\u00f3n se dan menos de baja, pero los clientes comprometidos usan m\u00e1s funciones y a la vez se dan menos de baja.<\/p>\n<p><strong>La pregunta que hay que hacer:<\/strong> &ldquo;\u00bfQu\u00e9 m\u00e1s difiere entre estos grupos, y se asign\u00f3 a alguien al azar?&rdquo;<\/p>\n<h2 id=\"concepto-6-se-invierte-el-patrn-al-dividir-los-datos-la-paradoja-de-simpson\"><span class=\"ez-toc-section\" id=\"Concepto-6-%C2%BFSe-invierte-el-patron-al-dividir-los-datos-La-paradoja-de-Simpson\"><\/span>Concepto 6: \u00bfSe invierte el patr\u00f3n al dividir los datos? La paradoja de Simpson<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Una comparaci\u00f3n puede apuntar en un sentido en el total y en el contrario dentro de los subgrupos cuando los grupos se reparten de forma desigual entre esos subgrupos. El caso cl\u00e1sico son las admisiones de posgrado del oto\u00f1o de 1973 en la Universidad de California, Berkeley, analizadas por Peter Bickel, Eugene Hammel y William O&rsquo;Connell en <em>Science<\/em> en 1975. Los datos de los seis departamentos m\u00e1s grandes vienen incluidos con el software estad\u00edstico R, as\u00ed que las cifras pueden recalcularse con exactitud.<\/p>\n<p><strong>Tabla 3. An\u00e1lisis de CEOtudent: admisiones en UC Berkeley, oto\u00f1o de 1973, seis departamentos m\u00e1s grandes<\/strong><\/p>\n<table>\n<thead>\n<tr>\n<th>Departamento<\/th>\n<th>Hombres admitidos<\/th>\n<th>Tasa de los hombres<\/th>\n<th>Mujeres admitidas<\/th>\n<th>Tasa de las mujeres<\/th>\n<th>Diferencia (mujeres menos hombres)<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td>A<\/td>\n<td>512 de 825<\/td>\n<td>62,1 %<\/td>\n<td>89 de 108<\/td>\n<td>82,4 %<\/td>\n<td>+20,3 puntos<\/td>\n<\/tr>\n<tr>\n<td>B<\/td>\n<td>353 de 560<\/td>\n<td>63,0 %<\/td>\n<td>17 de 25<\/td>\n<td>68,0 %<\/td>\n<td>+5,0 puntos<\/td>\n<\/tr>\n<tr>\n<td>C<\/td>\n<td>120 de 325<\/td>\n<td>36,9 %<\/td>\n<td>202 de 593<\/td>\n<td>34,1 %<\/td>\n<td>-2,9 puntos<\/td>\n<\/tr>\n<tr>\n<td>D<\/td>\n<td>138 de 417<\/td>\n<td>33,1 %<\/td>\n<td>131 de 375<\/td>\n<td>34,9 %<\/td>\n<td>+1,8 puntos<\/td>\n<\/tr>\n<tr>\n<td>E<\/td>\n<td>53 de 191<\/td>\n<td>27,7 %<\/td>\n<td>94 de 393<\/td>\n<td>23,9 %<\/td>\n<td>-3,8 puntos<\/td>\n<\/tr>\n<tr>\n<td>F<\/td>\n<td>22 de 373<\/td>\n<td>5,9 %<\/td>\n<td>24 de 341<\/td>\n<td>7,0 %<\/td>\n<td>+1,1 puntos<\/td>\n<\/tr>\n<tr>\n<td>Los seis en conjunto<\/td>\n<td>1.198 de 2.691<\/td>\n<td>44,5 %<\/td>\n<td>557 de 1.835<\/td>\n<td>30,4 %<\/td>\n<td>-14,2 puntos<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p>An\u00e1lisis de CEOtudent del conjunto de datos UCBAdmissions distribuido con R (4.526 solicitantes), derivado de Bickel, Hammel y O&rsquo;Connell (1975); tasas recalculadas en calc.py.<\/p>\n<p>En conjunto, los hombres fueron admitidos en un 44,5 % y las mujeres en un 30,4 %. Sin embargo, las tasas de las mujeres fueron m\u00e1s altas en cuatro de los seis departamentos. La inversi\u00f3n se debe a d\u00f3nde present\u00f3 cada cual su solicitud: el 51,5 % de los hombres solicit\u00f3 plaza en los departamentos A y B, que admit\u00edan a la mayor\u00eda de los solicitantes, mientras que el 92,8 % de las mujeres la solicit\u00f3 en los departamentos C a F, que rechazaban a la mayor\u00eda (c\u00e1lculo de CEOtudent). La documentaci\u00f3n de R lo dice sin rodeos: la aparente asociaci\u00f3n &ldquo;se debe a diferencias en la tendencia de hombres y mujeres a solicitar plaza en los distintos departamentos&rdquo;.<\/p>\n<p><strong>La pregunta que hay que hacer:<\/strong> &ldquo;\u00bfSe mantiene el resultado dentro de cada segmento, y est\u00e1n los grupos repartidos igual entre segmentos?&rdquo;<\/p>\n<h2 id=\"concepto-7-se-eligi-por-ser-extremo-regresin-a-la-media\"><span class=\"ez-toc-section\" id=\"Concepto-7-%C2%BFSe-eligio-por-ser-extremo-Regresion-a-la-media\"><\/span>Concepto 7: \u00bfSe eligi\u00f3 por ser extremo? Regresi\u00f3n a la media<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Todo lo que se selecciona por ser inusualmente alto o bajo tiende a medirse m\u00e1s cerca de la media la vez siguiente, haya intervenci\u00f3n o no. Adrian Barnett, Jolieke van der Pols y Annette Dobson (<em>International Journal of Epidemiology<\/em>, 2005) describen la regresi\u00f3n a la media como un fen\u00f3meno que &ldquo;puede hacer que la variaci\u00f3n natural en datos repetidos parezca un cambio real&rdquo;, m\u00e1s intenso cuando el error de medici\u00f3n es grande y cuando el seguimiento abarca solo casos seleccionados por un primer valor extremo (resumen).<\/p>\n<p>La autobiograf\u00eda de Daniel Kahneman para el Nobel ofrece la versi\u00f3n laboral. Un instructor de vuelo objet\u00f3 a su consejo sobre los elogios: los cadetes elogiados por una maniobra impecable sol\u00edan hacerlo peor la vez siguiente, y los cadetes a los que se gritaba sol\u00edan mejorar. Kahneman vio que los rendimientos extremos son en parte suerte, que no se repite a voluntad, de modo que &ldquo;la estad\u00edstica nos castiga por recompensar a los dem\u00e1s y nos recompensa por castigarlos&rdquo;.<\/p>\n<p>As\u00ed, la peor regi\u00f3n mejora tras un programa de reestructuraci\u00f3n y el mejor empleado baja tras un bonus, sin que eso demuestre nada sobre ninguno de los dos.<\/p>\n<p><strong>La pregunta que hay que hacer:<\/strong> &ldquo;\u00bfSe eligi\u00f3 esto por un resultado extremo, y qu\u00e9 le pas\u00f3 a un grupo similar sin intervenci\u00f3n?&rdquo;<\/p>\n<h2 id=\"concepto-8-media-de-qu-media-mediana-y-asimetra\"><span class=\"ez-toc-section\" id=\"Concepto-8-%C2%BFMedia-de-que-Media-mediana-y-asimetria\"><\/span>Concepto 8: \u00bfMedia de qu\u00e9? Media, mediana y asimetr\u00eda<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>La media lo suma todo y divide; la mediana es el caso central. Cuando unos pocos valores son muy grandes, como ocurre con los ingresos, el tama\u00f1o de los contratos, los sobrecostes o el tiempo ahorrado con una herramienta de IA, la media se desplaza hacia la cola.<\/p>\n<p>El informe <em>Income in the United States: 2025<\/em> (septiembre de 2026) de la Oficina del Censo de Estados Unidos sit\u00faa la mediana de ingresos de los hogares en 87.460 $, un 2,6 % m\u00e1s que los 85.210 $ de 2024. La Tabla hist\u00f3rica H-6 de la Oficina sit\u00faa la media de 2025 en 126.700 $: 39.240 $, o un 45 %, por encima de la mediana (c\u00e1lculo de CEOtudent). El informe tambi\u00e9n se\u00f1ala que los ingresos en el percentil 90 eran 13,06 veces los del percentil 10. &ldquo;El hogar medio&rdquo; puede desviarse decenas de miles de d\u00f3lares sin una sola cifra falsa, y lo mismo puede ocurrir con el &ldquo;tiempo medio ahorrado&rdquo; cuando unos pocos usuarios intensivos dominan.<\/p>\n<p><strong>La pregunta que hay que hacer:<\/strong> &ldquo;\u00bfMedia o mediana, y c\u00f3mo es la dispersi\u00f3n?&rdquo;<\/p>\n<h2 id=\"concepto-9-dnde-empieza-el-eje-diseo-engaoso-de-grficos\"><span class=\"ez-toc-section\" id=\"Concepto-9-%C2%BFDonde-empieza-el-eje-Diseno-enganoso-de-graficos\"><\/span>Concepto 9: \u00bfD\u00f3nde empieza el eje? Dise\u00f1o enga\u00f1oso de gr\u00e1ficos<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Michael Correll, Enrico Bertini y Steven Franconeri (CHI 2020) reproducen un gr\u00e1fico de barras televisivo que comparaba un tipo impositivo m\u00e1ximo del 35,0 % con uno del 39,6 %. Con el eje y empezando en el 34 %, la segunda barra se dibuj\u00f3 unas seis veces m\u00e1s alta, aunque la relaci\u00f3n entre los valores es de 1,13 a 1. El art\u00edculo llama a la diferencia &ldquo;un aumento del 4,6 %&rdquo;; en sentido estricto son 4,6 puntos porcentuales, una subida relativa del 13,1 % (c\u00e1lculo de CEOtudent). Incluso investigadores cuidadosos confunden porcentaje y puntos porcentuales.<\/p>\n<p>Sus experimentos con participantes reclutados en l\u00ednea encontraron que truncar el eje y ten\u00eda &ldquo;un impacto constante y significativo en la importancia percibida de los tama\u00f1os del efecto&rdquo;, tanto en gr\u00e1ficos de l\u00edneas como de barras, y que las se\u00f1ales de advertencia, como un eje cortado o un relleno degradado, no ten\u00edan un efecto constante. Conocer el truco no lo neutraliza; hay que leer las etiquetas de los ejes.<\/p>\n<p><strong>La pregunta que hay que hacer:<\/strong> &ldquo;\u00bfCu\u00e1les son los valores del eje, y qu\u00e9 cambio importar\u00eda realmente aqu\u00ed?&rdquo;<\/p>\n<h2 id=\"concepto-10-qu-te-dice-estadsticamente-significativo\"><span class=\"ez-toc-section\" id=\"Concepto-10-%C2%BFQue-te-dice-%E2%80%9Cestadisticamente-significativo%E2%80%9D\"><\/span>Concepto 10: \u00bfQu\u00e9 te dice &ldquo;estad\u00edsticamente significativo&rdquo;?<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>El 7 de marzo de 2016, la American Statistical Association public\u00f3 seis principios sobre los valores p. Principio 2: &ldquo;Los valores p no miden la probabilidad de que la hip\u00f3tesis estudiada sea verdadera, ni la probabilidad de que los datos se hayan producido solo por azar.&rdquo; Principio 5: un valor p &ldquo;no mide el tama\u00f1o de un efecto ni la importancia de un resultado.&rdquo; El Principio 3 a\u00f1ade que &ldquo;las decisiones empresariales o de pol\u00edtica p\u00fablica no deber\u00edan basarse \u00fanicamente en si un valor p supera un umbral concreto.&rdquo;<\/p>\n<p>&ldquo;Significativo&rdquo; no significa grande, importante ni probable de replicarse, como muestra el Concepto 4.<\/p>\n<p>Una trampa relacionada es el teatro de la precisi\u00f3n: una mejora de productividad expresada con dos decimales a partir de un piloto con un pu\u00f1ado de personas. Los decimales no dicen nada sobre la incertidumbre. Nuestra auditor\u00eda de la <a href=\"\/es\/cuantas-decisiones-tomas-al-dia-auditoria-de-las-35000\">afirmaci\u00f3n de las 35.000 decisiones al d\u00eda<\/a> muestra una cifra de apariencia precisa que circul\u00f3 durante a\u00f1os sin una medici\u00f3n rastreable, y nuestra gu\u00eda sobre la <a href=\"\/es\/calibracion-confianza-juicios-cuan-seguro-deberias-estar-realmente\">calibraci\u00f3n de la confianza<\/a> muestra c\u00f3mo juzgar si un intervalo declarado es honesto.<\/p>\n<p><strong>La pregunta que hay que hacer:<\/strong> &ldquo;\u00bfQu\u00e9 tama\u00f1o tiene el efecto, qu\u00e9 incertidumbre tiene, y lo ha encontrado alguien m\u00e1s?&rdquo;<\/p>\n<h2 id=\"gua-de-campo-de-las-cifras-engaosas\"><span class=\"ez-toc-section\" id=\"Guia-de-campo-de-las-cifras-enganosas\"><\/span>Gu\u00eda de campo de las cifras enga\u00f1osas<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p><strong>Tabla 4. Marco editorial de CEOtudent: la Gu\u00eda de campo de las cifras enga\u00f1osas<\/strong><\/p>\n<table>\n<thead>\n<tr>\n<th>Concepto<\/th>\n<th>La trampa en una l\u00ednea<\/th>\n<th>La pregunta clave<\/th>\n<th>La versi\u00f3n honesta<\/th>\n<th>D\u00f3nde aparece en el trabajo<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td>Relativo frente a absoluto<\/td>\n<td>Porcentaje grande, base min\u00fascula<\/td>\n<td>\u00bfDe cu\u00e1ntos?<\/td>\n<td>&ldquo;De 4 a 2 por cada 1.000 (50 %)&rdquo;<\/td>\n<td>Presentaciones de proveedores, titulares<\/td>\n<\/tr>\n<tr>\n<td>Tasas base<\/td>\n<td>Precisi\u00f3n de la prueba le\u00edda como precisi\u00f3n de la alerta<\/td>\n<td>De todos los se\u00f1alados, \u00bfcu\u00e1ntos son reales?<\/td>\n<td>Verdaderos y falsos positivos por cada 1.000<\/td>\n<td>Alertas de fraude, cribado de CV, detectores de IA<\/td>\n<\/tr>\n<tr>\n<td>Tama\u00f1o de la muestra<\/td>\n<td>Las unidades peque\u00f1as ganan y pierden clasificaciones<\/td>\n<td>\u00bfCu\u00e1ntos casos?<\/td>\n<td>n declarado, con un intervalo<\/td>\n<td>Clasificaciones, pilotos, encuestas de equipo<\/td>\n<\/tr>\n<tr>\n<td>Selecci\u00f3n<\/td>\n<td>Solo se ven los supervivientes<\/td>\n<td>\u00bfQu\u00e9 no se ve aqu\u00ed?<\/td>\n<td>Tasa de respuesta y exclusiones declaradas<\/td>\n<td>Casos de estudio, testimonios<\/td>\n<\/tr>\n<tr>\n<td>Correlaci\u00f3n<\/td>\n<td>Movimiento conjunto le\u00eddo como causa<\/td>\n<td>\u00bfQu\u00e9 m\u00e1s difiere? \u00bfAsignaci\u00f3n aleatoria?<\/td>\n<td>Comparaci\u00f3n controlada, factores de confusi\u00f3n nombrados<\/td>\n<td>Paneles de adopci\u00f3n frente a rendimiento<\/td>\n<\/tr>\n<tr>\n<td>Paradoja de Simpson<\/td>\n<td>El total contradice a los segmentos<\/td>\n<td>\u00bfSe mantiene en cada segmento?<\/td>\n<td>Tabla por segmentos junto al total<\/td>\n<td>Ventas por regi\u00f3n, valoraciones por equipo<\/td>\n<\/tr>\n<tr>\n<td>Regresi\u00f3n a la media<\/td>\n<td>Los extremos vuelven a la media y la acci\u00f3n se lleva el m\u00e9rito<\/td>\n<td>\u00bfElegido por ser extremo? \u00bfComparado con qu\u00e9?<\/td>\n<td>Grupo de comparaci\u00f3n sin intervenci\u00f3n<\/td>\n<td>Reestructuraciones, bonus, pilotos del &ldquo;peor mes&rdquo;<\/td>\n<\/tr>\n<tr>\n<td>Media frente a mediana<\/td>\n<td>Una cola arrastra la media<\/td>\n<td>\u00bfMedia o mediana? \u00bfDispersi\u00f3n?<\/td>\n<td>Mediana m\u00e1s percentiles<\/td>\n<td>Salarios, tiempo ahorrado, tama\u00f1o de los contratos<\/td>\n<\/tr>\n<tr>\n<td>Dise\u00f1o de gr\u00e1ficos<\/td>\n<td>El eje fabrica u oculta el drama<\/td>\n<td>\u00bfCu\u00e1les son los valores del eje?<\/td>\n<td>Eje etiquetado, escala justificada<\/td>\n<td>Diapositivas del consejo, gr\u00e1ficos generados por IA<\/td>\n<\/tr>\n<tr>\n<td>Significaci\u00f3n y precisi\u00f3n<\/td>\n<td>&ldquo;Significativo&rdquo; y decimales le\u00eddos como importancia<\/td>\n<td>\u00bfQu\u00e9 tama\u00f1o, qu\u00e9 incertidumbre, se ha replicado?<\/td>\n<td>Tama\u00f1o del efecto con intervalo<\/td>\n<td>Pruebas A\/B, res\u00famenes de estudios hechos por IA<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p>Marco editorial de CEOtudent; una ayuda de lectura, no un procedimiento estad\u00edstico.<\/p>\n<h2 id=\"lista-de-10-preguntas-previas-a-la-decisin-para-cualquier-estadstica\"><span class=\"ez-toc-section\" id=\"Lista-de-10-preguntas-previas-a-la-decision-para-cualquier-estadistica\"><\/span>Lista de 10 preguntas previas a la decisi\u00f3n para cualquier estad\u00edstica<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>\u00dasala antes de que una cifra cambie un presupuesto, una contrataci\u00f3n o una estrategia.<\/p>\n<ol>\n<li><strong>Fuente:<\/strong> \u00bfSe puede abrir la tabla o el art\u00edculo original?<\/li>\n<li><strong>Denominador:<\/strong> \u00bfDe cu\u00e1ntos?<\/li>\n<li><strong>Comparaci\u00f3n:<\/strong> \u00bfComparado con qu\u00e9: el a\u00f1o pasado, un grupo de control, nada?<\/li>\n<li><strong>Tama\u00f1o absoluto:<\/strong> Si es relativo, \u00bfcu\u00e1les son los valores de antes y de despu\u00e9s?<\/li>\n<li><strong>Tasa base:<\/strong> \u00bfQu\u00e9 frecuencia tiene aquello que se detecta o se predice?<\/li>\n<li><strong>Muestra:<\/strong> \u00bfCu\u00e1ntos casos, elegidos c\u00f3mo?<\/li>\n<li><strong>Datos ausentes:<\/strong> \u00bfQui\u00e9n o qu\u00e9 no est\u00e1 en los datos, y por qu\u00e9?<\/li>\n<li><strong>Alternativas:<\/strong> \u00bfQu\u00e9 m\u00e1s podr\u00eda producir esto, incluida la regresi\u00f3n a la media?<\/li>\n<li><strong>Segmentos:<\/strong> \u00bfSe mantiene dentro de los principales subgrupos?<\/li>\n<li><strong>Incertidumbre:<\/strong> \u00bfCu\u00e1l es el intervalo, y lo ha replicado alguien?<\/li>\n<\/ol>\n<p><strong>Rutina de pr\u00e1ctica semanal (unos 30 minutos):<\/strong> el lunes, anota una estad\u00edstica del trabajo o de una respuesta de IA junto con la fuente que declara. El martes, busca el original con nuestro <a href=\"\/es\/como-verificar-los-resultados-de-la-ia-protocolo-de-verificacion-en-5-pasos\">protocolo de verificaci\u00f3n<\/a>. El mi\u00e9rcoles, convi\u00e9rtela en recuentos de cada 1.000 y escribe la versi\u00f3n absoluta en una frase. El jueves, aplica las diez preguntas y anota cu\u00e1les se salt\u00f3 la presentaci\u00f3n original. El viernes, escribe dos l\u00edneas sobre qu\u00e9 decisi\u00f3n deber\u00eda y no deber\u00eda respaldar la cifra; como sostiene nuestro art\u00edculo sobre <a href=\"\/es\/escribir-para-pensar-por-que-escribir-importa-mas-cuando-la-ia-redacta\">escribir para pensar<\/a>, ponerlo por escrito comprueba si lo has entendido.<\/p>\n<p><strong>Tabla 5. Ejemplo ilustrativo resuelto: un proveedor dice que su herramienta de IA &ldquo;reduce los errores de procesamiento en un 50 %&rdquo;<\/strong><\/p>\n<table>\n<thead>\n<tr>\n<th>Concepto<\/th>\n<th>Valor<\/th>\n<th>Estado<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td>Transacciones al mes<\/td>\n<td>10.000<\/td>\n<td>Supuesto ilustrativo<\/td>\n<\/tr>\n<tr>\n<td>Tasa de error actual<\/td>\n<td>4 por cada 1.000<\/td>\n<td>Supuesto ilustrativo<\/td>\n<\/tr>\n<tr>\n<td>Tasa de error tras un recorte del 50 %<\/td>\n<td>2 por cada 1.000<\/td>\n<td>Derivado de la afirmaci\u00f3n<\/td>\n<\/tr>\n<tr>\n<td>Reducci\u00f3n absoluta<\/td>\n<td>0,2 puntos porcentuales; 20 errores al mes<\/td>\n<td>Derivado<\/td>\n<\/tr>\n<tr>\n<td>Coste por error<\/td>\n<td>120 unidades monetarias<\/td>\n<td>Supuesto ilustrativo<\/td>\n<\/tr>\n<tr>\n<td>Ahorro mensual<\/td>\n<td>2.400<\/td>\n<td>Derivado<\/td>\n<\/tr>\n<tr>\n<td>Coste mensual de la herramienta<\/td>\n<td>3.000<\/td>\n<td>Supuesto ilustrativo<\/td>\n<\/tr>\n<tr>\n<td>Resultado neto mensual<\/td>\n<td>-600<\/td>\n<td>Derivado<\/td>\n<\/tr>\n<tr>\n<td>Tasa de error actual de equilibrio<\/td>\n<td>5 por cada 1.000<\/td>\n<td>Derivado<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p>Cada dato de entrada es un supuesto ilustrativo, no un dato de producto; aritm\u00e9tica en calc.py. El titular del &ldquo;50 %&rdquo; es id\u00e9ntico tanto si la herramienta se amortiza como si no.<\/p>\n<h2 id=\"la-jugada-del-ceo-y-la-jugada-del-estudiante\"><span class=\"ez-toc-section\" id=\"La-jugada-del-CEO-y-la-jugada-del-estudiante\"><\/span>La jugada del CEO y la jugada del estudiante<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p><strong>La jugada del CEO.<\/strong> Haz obligatorios tres campos para cualquier cifra que impulse una decisi\u00f3n: denominador, comparaci\u00f3n y fuente. Decide por escrito qu\u00e9 preguntas de la lista deben responderse antes de actuar, y devuelve cualquier diapositiva que no pueda responderlas, la haya producido quien o lo que sea. Comb\u00ednalo con <a href=\"\/es\/pensar-en-apuestas-guia-toma-de-decisiones-probabilistica\">pensar en apuestas<\/a>, para que las cifras inciertas se usen como probabilidades y no como certezas.<\/p>\n<p><strong>La jugada del estudiante.<\/strong> Entr\u00e9nate como lo hicieron los ginec\u00f3logos: cambia la representaci\u00f3n hasta que la respuesta sea obvia. Convierte cada porcentaje en recuentos de cada 1.000 y reconstruye cada semana una afirmaci\u00f3n a partir de su fuente. Con los meses, los diez conceptos se convierten en reflejos, parte de la <a href=\"\/es\/la-habilidad-de-evaluacion-juzgar-resultados-de-ia\">habilidad de evaluaci\u00f3n<\/a> m\u00e1s amplia de juzgar resultados que no has producido t\u00fa.<\/p>\n<h2 id=\"lo-que-esto-no-significa\"><span class=\"ez-toc-section\" id=\"Lo-que-esto-no-significa\"><\/span>Lo que esto no significa<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<ul>\n<li><strong>Esto no es un curso de estad\u00edstica.<\/strong> Los diez conceptos son un m\u00ednimo defensivo; la modelizaci\u00f3n, la inferencia causal y el dise\u00f1o experimental requieren formaci\u00f3n o un especialista.<\/li>\n<li><strong>Las cifras relativas no son deshonestas.<\/strong> Sirven bien para comparar efectos entre grupos. El problema es una cifra relativa sin su base absoluta.<\/li>\n<li><strong>Una replicaci\u00f3n fallida no significa fraude.<\/strong> La Open Science Collaboration encontr\u00f3 que el \u00e9xito de la replicaci\u00f3n se predec\u00eda mejor por la solidez de la evidencia original que por las caracter\u00edsticas de los equipos.<\/li>\n<li><strong>Los ejemplos de salud son informaci\u00f3n general<\/strong> sobre c\u00f3mo se comunican las estad\u00edsticas, no consejo m\u00e9dico; las cifras corresponden a los estudios citados.<\/li>\n<\/ul>\n<h2 id=\"preguntas-frecuentes\"><span class=\"ez-toc-section\" id=\"Preguntas-frecuentes\"><\/span>Preguntas frecuentes<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p><strong>\u00bfCu\u00e1l es el h\u00e1bito m\u00e1s \u00fatil para alguien que no es analista?<\/strong><br \/>\nConvertir los porcentajes en recuentos de cada 1.000. Deja al descubierto la confusi\u00f3n entre relativo y absoluto, hace visibles las tasas base y llev\u00f3 a los ginec\u00f3logos del 21 % al 87 % de aciertos en el estudio anterior.<\/p>\n<p><strong>\u00bfC\u00f3mo se detecta r\u00e1pidamente un gr\u00e1fico enga\u00f1oso?<\/strong><br \/>\nLee las etiquetas de los ejes antes que las barras. Comprueba d\u00f3nde empieza el eje vertical, si dos series usan escalas distintas y si el cambio mostrado importar\u00eda en la pr\u00e1ctica.<\/p>\n<p><strong>\u00bfUna muestra m\u00e1s grande es siempre mejor?<\/strong><br \/>\nCuadruplicar una muestra reduce a la mitad el margen de error, pero una muestra grande sesgada sigue estando sesgada.<\/p>\n<p><strong>\u00bfQu\u00e9 significa p &lt; 0,05 en lenguaje llano?<\/strong><br \/>\nQue los datos ser\u00edan bastante sorprendentes si no hubiera ning\u00fan efecto, seg\u00fan el modelo del analista. Seg\u00fan la American Statistical Association, no es la probabilidad de que la hip\u00f3tesis sea verdadera ni una medida del tama\u00f1o del efecto.<\/p>\n<p><strong>\u00bfC\u00f3mo se aplica esto a las cifras que producen las herramientas de IA?<\/strong><br \/>\nDel mismo modo, m\u00e1s un paso: confirma que la cifra existe en una fuente real antes de analizarla. Nuestra <a href=\"\/es\/senales-de-alerta-malas-respuestas-ia-12-patrones-que-indican-que-el-modelo-se-equivoca\">gu\u00eda de se\u00f1ales de alerta<\/a> trata las cifras inventadas.<\/p>\n<h2 id=\"fuentes\"><span class=\"ez-toc-section\" id=\"Fuentes\"><\/span>Fuentes<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<ol>\n<li>Central Statistics Office (Irlanda). Programme for the International Assessment of Adult Competencies (PIAAC) 2023: International Comparison, Tables 3.2 and 3.5. Publicaci\u00f3n estad\u00edstica, 10 de diciembre de 2024 (reproduce los resultados de la Encuesta de Competencias de Adultos de la OCDE 2023).<\/li>\n<li>US National Center for Education Statistics. Highlights of the 2023 U.S. PIAAC Results: Highlights of U.S. National Results. Diciembre de 2024.<\/li>\n<li>Gigerenzer, G., Gaissmaier, W., Kurz-Milcke, E., Schwartz, L. M. y Woloshin, S. Helping Doctors and Patients Make Sense of Health Statistics. Psychological Science in the Public Interest, 8(2), 53-96, 2007 (copia del repositorio de la Universidad de Konstanz).<\/li>\n<li>Wainer, H. The Most Dangerous Equation. American Scientist, 95(3), mayo-junio de 2007 (copia archivada de la p\u00e1gina del editor).<\/li>\n<li>Open Science Collaboration. Estimating the Reproducibility of Psychological Science. Science, 349(6251), aac4716, 2015 (versi\u00f3n de autor, repositorio de la Universidad de Dundee).<\/li>\n<li>American Statistical Association. American Statistical Association Releases Statement on Statistical Significance and P-Values. Nota de prensa, 7 de marzo de 2016 (enumera los seis principios; no se abri\u00f3 la declaraci\u00f3n completa de Wasserstein y Lazar).<\/li>\n<li>Messerli, F. H. Chocolate Consumption, Cognitive Function, and Nobel Laureates. New England Journal of Medicine, 367(16), 1562-1564, 2012 (solo el registro de PubMed; contenido seg\u00fan el resumen de la fuente 8).<\/li>\n<li>Maurage, P., Heeren, A. y Pesenti, M. Does Chocolate Consumption Really Boost Nobel Award Chances? The Peril of Over-Interpreting Correlations in Health Studies. Journal of Nutrition, 143(6), 931-933, 2013 (solo el resumen).<\/li>\n<li>R Core Team. UCBAdmissions: Student Admissions at UC Berkeley. Archivo de datos y documentaci\u00f3n del paquete datasets de R, que cita a Bickel, P. J., Hammel, E. A. y O&rsquo;Connell, J. W., Sex Bias in Graduate Admissions: Data from Berkeley, Science, 187, 1975 (no se abri\u00f3 el art\u00edculo original).<\/li>\n<li>Kahneman, D. Biographical. Sveriges Riksbank Prize in Economic Sciences in Memory of Alfred Nobel 2002, Nobel Prize outreach.<\/li>\n<li>Barnett, A. G., van der Pols, J. C. y Dobson, A. J. Regression to the Mean: What It Is and How to Deal With It. International Journal of Epidemiology, 34(1), 215-220, 2005 (solo el resumen; se public\u00f3 una fe de erratas en 2015).<\/li>\n<li>US Census Bureau. Income in the United States: 2025. Current Population Reports P60-289, septiembre de 2026.<\/li>\n<li>US Census Bureau. Historical Income Tables, Table H-6: Median and Mean Household Income of All Households by Region, 1975 to 2025.<\/li>\n<li>Correll, M., Bertini, E. y Franconeri, S. Truncating the Y-Axis: Threat or Menace? CHI 2020 Conference on Human Factors in Computing Systems (versi\u00f3n 2 de arXiv, enero de 2020).<\/li>\n<\/ol>\n<p><em>Las Tablas 2, 3 y 5 son an\u00e1lisis de CEOtudent (la Tabla 5 es ilustrativa y cada dato de entrada es un supuesto); la Tabla 4 es un marco editorial de CEOtudent. Las proporciones combinadas de los Niveles 4 y 5 se calculan a partir de porcentajes publicados redondeados. Deliberadamente no utilizados: la tabla por subgrupos de c\u00e1lculos renales de Charig et al. (1986) (solo se pudo abrir el resumen), los totales de todo el campus de Berkeley que se citan a menudo (no se abri\u00f3 el art\u00edculo original), los resultados de Pandey et al. (2015) sobre gr\u00e1ficos enga\u00f1osos (sin texto completo abierto) y el coeficiente de correlaci\u00f3n entre chocolate y premios Nobel (art\u00edculo de Messerli no accesible).<\/em><\/p>\n<hr>\n<p><em>Este contenido fue recopilado con el apoyo de la IA tras una investigaci\u00f3n exhaustiva, y luego redactado y preparado para su publicaci\u00f3n por el equipo editorial de CEOtudent.<\/em><\/p>\n","protected":false},"excerpt":{"rendered":"<p>Uno de cada cuatro adultos de los pa\u00edses de la OCDE obtiene el Nivel 1 o menos en competencia num\u00e9rica, y solo el 14 % alcanza los dos niveles superiores, mientras las herramientas de IA reparten a todo el mundo gr\u00e1ficos y porcentajes con aplomo. Esta gu\u00eda recorre diez ideas estad\u00edsticas con ejemplos verificados, una gu\u00eda de campo y una lista de 10 preguntas para cualquier cifra que impulse una decisi\u00f3n.<\/p>\n","protected":false},"author":1,"featured_media":326853,"comment_status":"open","ping_status":"","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[4599,18],"tags":[],"class_list":["post-326852","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-gelisim","category-strateji"],"_links":{"self":[{"href":"https:\/\/ceotudent.com\/es\/wp-json\/wp\/v2\/posts\/326852","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/ceotudent.com\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/ceotudent.com\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/ceotudent.com\/es\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/ceotudent.com\/es\/wp-json\/wp\/v2\/comments?post=326852"}],"version-history":[{"count":0,"href":"https:\/\/ceotudent.com\/es\/wp-json\/wp\/v2\/posts\/326852\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/ceotudent.com\/es\/wp-json\/wp\/v2\/media\/326853"}],"wp:attachment":[{"href":"https:\/\/ceotudent.com\/es\/wp-json\/wp\/v2\/media?parent=326852"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/ceotudent.com\/es\/wp-json\/wp\/v2\/categories?post=326852"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/ceotudent.com\/es\/wp-json\/wp\/v2\/tags?post=326852"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}