Mucho aprendizaje en los negocios y la vida ocurre simplemente por observación. El aprendizaje automático (conocimiento adquirido sin conciencia) subyace en la habituación y el condicionamiento clásico. El proceso de aprendizaje automático puede atraer a las personas hacia un aprendizaje sesgado. El buen pensamiento estadístico puede mejorar nuestras habilidades lógicas y de resolución de problemas. La estadística es el arte de hacer conjeturas numéricas sobre preguntas desconcertantes (Wheelan, 2013).
1. Resolver el problema correcto: la parte más difícil de la resolución de un problema es comprender con precisión cuál es el problema. El problema tiene que ser procesable (por ejemplo, estar atrapado en un trabajo o relación equivocada). Si no es procesable, entonces, es un problema de gravedad (Burnett & Evans, 2016). El problema de gravedad es una situación (una circunstancia) o un hecho de la vida (por ejemplo, envejecer). No es un problema que pueda ser resuelto. La única respuesta a un problema de gravedad es la aceptación.
2. Forme una hipótesis: el primer paso en el pensamiento estadístico es la formación de una hipótesis (una conjetura educada). Por ejemplo, hipotetizamos la siguiente relación: los niños que crecieron con muchos libros en su hogar tienden a tener mejores resultados en la escuela. El objetivo es falsificar la hipótesis inicial mediante observaciones y experimentos. Si no rechazamos la hipótesis nula, la aceptamos por defecto.3
3. La teoría subyacente: cada observación tiene más de una interpretación. Las observaciones generalmente no anuncian su significado y, a menudo, invitan a una interpretación incorrecta. Entonces necesitamos una teoría guía que permita la selección de una cuenta sobre otra. Por ejemplo, la investigación muestra que la educación y el ingreso de los padres de un alumno tienen un impacto significativo en el rendimiento del alumno.
4. La asociación no es lo mismo que la causalidad: una causa es algo que produce un efecto. Por ejemplo, los niños que rodean con muchos libros no necesariamente los hacen leer. Las dos variables están positivamente correlacionadas.
5. Factor de confusión : un factor de confusión es una tercera variable que no se tuvo en cuenta. Estas variables distorsionan el verdadero vínculo causal. En el ejemplo anterior, ambas variables (la presencia de libros y el rendimiento académico) probablemente estén causadas por una tercera variable, que es la educación de los padres.
6. Reversión a la media: el rendimiento pasado no es garantía de rendimiento futuro. El pensamiento estadístico nos dice que cualquier valor atípico es probable que sea seguido por resultados que sean más consistentes con el promedio a largo plazo. Este fenómeno se conoce como reversión a la media o lo que es normal. Esto explica por qué el novato de béisbol del año a menudo es una decepción el segundo año. Si consideramos el rendimiento como una variable continua sujeta a la media y la varianza, experimentaremos desempeños distribuidos con valores extremos. Cualquier cantidad de otras cosas podría estar funcionando para subir o bajar el nivel de rendimiento.
7. La probabilidad no es determinista: nuestra intuición no capta la naturaleza de la aleatoriedad. Vemos patrones donde ninguno puede existir realmente. Por ejemplo, si una moneda sale cara cinco veces seguidas, la gente tendrá la poderosa sensación de que el próximo lanzamiento es más probable que salga por las colas que por las cabezas. Cada lanzamiento es un evento independiente. Del mismo modo, una inundación este año no dice nada sobre si una inundación ocurrirá el próximo año.
8. Prepárese para el peor de los casos: los mayores riesgos son los que difícilmente podemos imaginar que puedan suceder. El filósofo Taleb (2012) recomienda que para tomar una decisión, debe centrarse en las consecuencias (que puede conocer) en lugar de la probabilidad (que no puede saber). Mientras más incertidumbre tenga en el futuro, le irá bien si tiene opciones. Chance favorece la preparación. Una estrategia importante para los militares es invertir en la preparación, no en la predicción.
9. Actualización de creencias: parece que utilizamos la percepción (la forma en que las cosas aparecen) para guiar nuestras acciones (Siegel, 2017). Considera este pensamiento perjudicial. Un maestro percibe que las alumnas son débiles en matemáticas. En consecuencia, él esperará y exigirá menos de ella, y él percibirá su desempeño como algo peor que un estudiante masculino. El juicio perceptivo es una forma de creencia. Si nuestras creencias previas influyen en nuestra experiencia, nuestra experiencia puede fortalecer esas mismas creencias. La falta de actualización de las creencias anteriores explica las ilusiones.
10. Generalización: Gran parte de la investigación científica tiene como objetivo descubrir las causas de la enfermedad a nivel de la población. En última instancia, queremos entender por qué ocurre la enfermedad en las personas (¿por qué el individuo A se volvió poco saludable?). Uno no necesariamente puede concluir la misma relación desde el nivel grupal hasta el nivel individual. Las estadísticas nunca ofrecen certeza absoluta. En cambio, los hechos se conocen con grados de confianza.
Referencias
Burnett B y Evans D (2016). Diseña tu vida: cómo construir una vida feliz y viva. NY: Knopf
Siegel S. (2017). La racionalidad de la percepción Universidad de Oxford.
Taleb, NM (2012) Antifragile, Nueva York: Random House
Wheelan, C. (2013). Estadísticas desnudas: quitando el temor de los datos. Nueva York, NY: WW Norton & Company.
