1
00:00:06,636 --> 00:00:09,077
Las estadísticas son convincentes.

2
00:00:09,077 --> 00:00:12,541
Tanto es así que personas, 
organizaciones y países enteros

3
00:00:12,541 --> 00:00:17,747
basan algunas de sus decisiones 
más importantes en datos estadísticos.

4
00:00:17,747 --> 00:00:19,484
Pero hay un problema en ellos.

5
00:00:19,484 --> 00:00:23,301
Cualquier conjunto de datos estadísticos 
podría contener algo

6
00:00:23,301 --> 00:00:27,251
que puede poner los resultados al revés 
y completamente patas arriba.

7
00:00:27,251 --> 00:00:30,920
Por ejemplo, imagina que 
tienes que elegir entre dos hospitales

8
00:00:30,920 --> 00:00:33,737
para la operación de cirugía 
de un pariente anciano.

9
00:00:33,737 --> 00:00:36,434
De cada 1000 pacientes hospitalizados

10
00:00:36,434 --> 00:00:39,612
900 sobrevivieron en el hospital A,

11
00:00:39,612 --> 00:00:43,021
mientras que solo 800 lo hicieron 
en el Hospital B.

12
00:00:43,021 --> 00:00:46,170
Así que parece que el hospital A 
es la mejor opción.

13
00:00:46,170 --> 00:00:47,843
Pero antes de tomar la decisión,

14
00:00:47,843 --> 00:00:51,411
recuerda que no todos 
los pacientes llegan al hospital

15
00:00:51,411 --> 00:00:53,811
con el mismo nivel de salud.

16
00:00:53,811 --> 00:00:56,703
Y si dividimos los últimos 1000 pacientes 
de cada hospital

17
00:00:56,703 --> 00:01:01,132
en los que llegaron en buen estado de 
salud y los que llegaron en mal estado,

18
00:01:01,132 --> 00:01:03,772
esto empieza a verse muy diferente.

19
00:01:03,772 --> 00:01:07,849
El hospital A solo tenía 100 pacientes 
que llegaron en mal estado de salud,

20
00:01:07,849 --> 00:01:10,325
de los cuales 30 sobrevivieron.

21
00:01:10,325 --> 00:01:14,852
Pero el hospital B tenía 400, 
y pudieron salvar a 210.

22
00:01:14,852 --> 00:01:17,169
Así que el Hospital B es la mejor opción

23
00:01:17,169 --> 00:01:20,741
para los pacientes que acuden 
al hospital con problemas de salud,

24
00:01:20,741 --> 00:01:24,526
con una tasa de supervivencia del 52,5 %.

25
00:01:24,526 --> 00:01:28,445
¿Y si la salud de tu familiar es buena 
cuando llega al hospital?

26
00:01:28,445 --> 00:01:32,271
Curiosamente, el hospital B 
sigue siendo la mejor opción,

27
00:01:32,271 --> 00:01:35,386
con una tasa de supervivencia 
de más del 98 %.

28
00:01:35,386 --> 00:01:38,733
¿Cómo puede el hospital A tener 
una mejor tasa de supervivencia

29
00:01:38,733 --> 00:01:44,830
si el hospital B tiene mejores tasas de 
supervivencia de pacientes en cada grupo?

30
00:01:44,830 --> 00:01:48,589
Con lo que nos topamos aquí, es con 
un caso de la paradoja de Simpson,

31
00:01:48,589 --> 00:01:51,899
donde el mismo conjunto de datos 
puede mostrar tendencias opuestas

32
00:01:51,899 --> 00:01:54,664
dependiendo de cómo se agrupan.

33
00:01:54,664 --> 00:01:58,744
Pasa a menudo cuando en datos agregados 
se oculta una variable condicional,

34
00:01:58,744 --> 00:02:01,377
conocida a veces como variable oculta,

35
00:02:01,377 --> 00:02:06,584
que es un factor adicional oculto que 
influye mucho en los resultados.

36
00:02:06,584 --> 00:02:10,023
Aquí, el factor oculto es la proporción 
relativa de pacientes

37
00:02:10,023 --> 00:02:13,264
que llegan en buen o mal estado de salud.

38
00:02:13,264 --> 00:02:16,544
La paradoja de Simpson 
no es solo un escenario hipotético.

39
00:02:16,544 --> 00:02:18,924
Aparece de vez en cuando 
en el mundo real,

40
00:02:18,924 --> 00:02:21,902
a veces en contextos importantes.

41
00:02:21,902 --> 00:02:24,130
Un estudio en el Reino Unido 
parecía demostrar

42
00:02:24,130 --> 00:02:27,830
que los fumadores tenían una mayor tasa 
de supervivencia que los no fumadores

43
00:02:27,830 --> 00:02:29,846
durante un período de 20 años.

44
00:02:29,846 --> 00:02:33,307
Es decir, hasta que dividieron 
a los participantes por grupo de edad,

45
00:02:33,307 --> 00:02:37,723
entonces demostraron que los no fumadores 
eran mucho mayores en promedio,

46
00:02:37,723 --> 00:02:41,210
y, por tanto, con mayor probabilidad 
de morir durante el período de test,

47
00:02:41,210 --> 00:02:44,438
precisamente porque vivían 
más tiempo en general.

48
00:02:44,438 --> 00:02:47,286
En este caso, los grupos de edad 
son la variable oculta

49
00:02:47,286 --> 00:02:50,176
y son vitales para interpretar 
correctamente los datos.

50
00:02:50,176 --> 00:02:51,559
En otro ejemplo,

51
00:02:51,559 --> 00:02:54,281
un análisis de los casos de 
pena de muerte de Florida

52
00:02:54,281 --> 00:02:58,265
no parecía revelar ninguna 
disparidad racial en las sentencias

53
00:02:58,265 --> 00:03:01,581
entre los acusados blancos 
y negros condenados por asesinato.

54
00:03:01,581 --> 00:03:06,086
Pero la división de los casos por raza de 
la víctima contó una historia diferente.

55
00:03:06,086 --> 00:03:07,639
En cualquier situación,

56
00:03:07,639 --> 00:03:11,281
los acusados negros tenían mayor 
probabilidad de ser condenados a muerte.

57
00:03:11,281 --> 00:03:15,066
La tasa global de la sentencia algo 
superior para los acusados blancos

58
00:03:15,066 --> 00:03:18,582
se debió al hecho de que 
los casos con víctimas blancas

59
00:03:18,582 --> 00:03:21,479
tenían mayor probabilidad 
de obtener una sentencia de muerte

60
00:03:21,479 --> 00:03:24,091
que en los casos 
donde la víctima era negra,

61
00:03:24,091 --> 00:03:28,483
y la mayoría de las muertes ocurrieron 
entre personas de la misma raza.

62
00:03:28,483 --> 00:03:31,319
Y ¿cómo evitar caer en la paradoja?

63
00:03:31,319 --> 00:03:34,686
Desafortunadamente no hay 
una receta única para todos los casos.

64
00:03:34,686 --> 00:03:38,504
Los datos pueden agruparse y 
dividirse en varias formas,

65
00:03:38,504 --> 00:03:42,106
y los números generales a veces pueden 
dar una imagen más precisa

66
00:03:42,106 --> 00:03:46,008
que los datos divididos 
en categorías erróneas o arbitrarias.

67
00:03:46,008 --> 00:03:49,389
Lo que podemos hacer es estudiar 
cuidadosamente las situaciones reales

68
00:03:49,389 --> 00:03:52,089
que describen las estadísticas

69
00:03:52,089 --> 00:03:55,977
y considerar si las variables ocultas 
deberían estar presentes.

70
00:03:55,977 --> 00:03:59,378
De lo contrario, nos hacemos vulnerables 
a aquellos que usan los datos

71
00:03:59,378 --> 00:04:02,649
para manipular a otros y 
promover sus propias agendas.