Por qué nos cuesta tanto visualizar la incertidumbre

Las elecciones presidenciales de EE.UU. no se desarrollaron como tantos predijeron que lo harían. Ahora sabemos algunas de las razones por las quefallaronlos sondeos, perover los resultados en tiempo real el martes por la noche no sólo fue sorprendente, sino confuso. Las predicciones oscilaban de un lado a otro y era difícil procesar la información que iba llegando. Así que no sólo los datos parecían erróneos, sino también la forma en que los presentábamos. Al día siguiente le pedí a mi colega Scott Berinato, nuestro experto en visualización de datos , que nos ayudara a explicar esta incertidumbre: cómo la afrontábamos, por qué era tan difícil de entender y qué es lo más difícil de visualizar. Nicole: ¿Qué notó sobre cómo se estaban mostrando las predicciones electorales el martes por la noche? Scott: Mucha gente estaba mirando el pronóstico presidencial en directo del New York Times, donde se veía una serie de indicadores (indicadores en forma de medio círculo, como el indicador de gasolina de su coche) que se actualizaban con frecuencia. La aguja se movía hacia la izquierda si los datos mostraban que Hillary Clinton tenía más posibilidades de ganar, y hacia la derecha si lo hacía Donald Trump. Pero la aguja también oscilaba de un lado a otro haciendo que pareciera que la probabilidad estadística de ganar cambiaba muy rápidamente. Esto causó mucha ansiedad. La gente estaba confusa. Intentaban interpretar lo que estaba ocurriendo en las elecciones y por qué los datos estaban cambiando tan drásticamente en tiempo real, y era realmente difícil entender lo que estaba pasando. La cuestión era que la aguja no oscilaba para representar la probabilidad estadística; era un efecto codificado para representar la incertidumbre en la previsión estadística. Así que intentar mostrar en tiempo real los cambios en la carrera, teniendo en cuenta la incertidumbre, era un buen esfuerzo de compromiso, pero la ejecución se quedó corta porque confundía e inquietaba a la gente - y el vaivén no era el mejor enfoque visual. ¿Qué entendemos por incertidumbre? Cuando pensamos en mostrar la incertidumbre pensamos sobre todo en dos tipos. Uno es la incertidumbre estadística, que se aplica si dijera algo como: "Aquí están mis valores, y estadísticamente mi confianza en ellos es del 95%". Piense en el margen de error incorporado en las encuestas. Los estadísticos utilizan cosas como los gráficos de caja y bigotes para representar esto. Hay muchas variaciones de éstos, y funcionan razonablemente bien, aunque los académicos prueban a veces otros enfoques, y el público lego no está acostumbrado a estas visualizaciones, en su mayor parte. El otro tipo de incertidumbre es la incertidumbre de los datos. Esto se aplica cuando no estamos seguros de en qué rango se sitúan nuestros datos. En lugar de tener un valor, y una confianza en ese valor, tenemos un rango de valores posibles. Hace poco, un amigo me dio un conjunto de datos con dos valores. Uno era "la estimación oscila entre 1 de cada 2.000 y 1 de cada 4.500" y el otro era "una estimación oscila entre 1 de cada 5.500 y 1 de cada 8.000". No hay una forma aceptada o correcta de visualizar algo así. Encontrar formas de representar con precisión y eficacia la incertidumbre es uno de los retos más importantes de la visualización de datos en la actualidad. Y es importante saber que visualizar la incertidumbre en general es extremadamente difícil de hacer. ¿Por qué? Si lo piensa, las visualizaciones convierten algo abstracto -números, estadísticas- en algo concreto. Usted está representando una idea como el 20% con una cosa como una barra o un punto. Un punto en una línea que representa el 20% parece bastante seguro. ¿Cómo expresas entonces la idea de que "cinco de cada cien veces ésta no es la respuesta correcta, podrían ser todas estas otras respuestas"? Entonces, ¿hay buenas formas de visualizar la incertidumbre de este modo? Muchas veces la gente simplemente no representa su incertidumbre, porque es difícil. No queremos hacer eso. La incertidumbre es algo importante que hay que saber comunicar. Por ejemplo, consideremos la atención sanitaria, donde los resultados de la atención pueden ser inciertos pero usted quiere que la gente entienda sus decisiones. ¿Cómo mostrarles la posible gama de resultados, en lugar de sólo lo que es más probable o menos probable que ocurra? O digamos que hay un brote de una enfermedad como el ébola y queremos modelar el peor de los casos, el probable y el mejor de los escenarios. ¿Cómo representamos esos diferentes resultados? Las previsiones meteorológicas, los modelos de huracanes son lo mismo. Los analistas de riesgos y los expertos en probabilidades piensan todo el tiempo en cómo resolver estos problemas. No es fácil. Sin embargo, existen otros enfoques. Algunos utilizan barras para representar el rango de incertidumbre. Algunos utilizan líneas sólidas para mostrar un valor medio y líneas de puntos por encima y por debajo para mostrar los límites superior e inferior. Otra forma es utilizar la saturación del color o los gradientes para mostrar que los valores son cada vez menos probables, pero que siguen estando en el ámbito de lo posible. Además de la incertidumbre, también estamos tratando con la probabilidad. Sí, a nuestro cerebro le cuesta mucho percibir la probabilidad. Cuando decimos que algo tiene un 80% de posibilidades de ocurrir, no es lo más sencillo de entender. No se puede sentir realmente lo que significa un 80% de probabilidad. Es decir, parece que probablemente ocurrirá. Pero lo importante es recordar que si no sucede, eso no significa que usted estuviera equivocado, sólo significa que el 20% de probabilidad sucedió en su lugar. Las estadísticas son raras. Aunque sintiéramos que entendemos lo que es un "20% de probabilidad", no pensamos que sea lo mismo que "1 entre 5". Tendemos a pensar que "1 entre 5" es más probable que ocurra que "20%". Es menos abstracto. Si decimos que 1 de cada 5 personas comete un delito, nos imaginamos realmente a esa persona. Nos "imaginamos el numerador". Pero el "20%" no comete un delito. No es algo que actúe. Es una estadística. ¿Qué hacemos cuando ocurre lo del 20% o el 10% de probabilidad? ¿Cómo decirle a alguien a quien le ha ocurrido esa cosa tan rara que, basándonos en la probabilidad que le dimos, era el consejo correcto, aunque a usted no le funcionara? Eso es realmente difícil y los ejecutivos de seguridad y los expertos en riesgos piensan en ello todo el tiempo. Cuando se piensa en ello, las empresas necesitan aprender esto porque es fácil en retrospectiva decir "nuestros modelos estaban equivocados, lo malo improbable sucedió". ¡No es cierto! Todo el tiempo estuvimos comunicando que había una pequeña posibilidad de que ocurriera lo malo. Aun así, como humanos nos cuesta entenderlo. ¿Es porque intentamos aferrarnos a la esperanza de un resultado más favorable? Es porque las cosas probables suceden más veces. Cuando ocurren cosas improbables, queremos encontrarle un sentido. No lo esperábamos. No debíamos esperarlo porque era poco probable. Pero sigue siendo posible, por improbable que sea. Sólo con oírme decir esto, ya ve lo elíptico que suena. Cuando se produce una catástrofe natural, a menudo se oye decir después: "fue una tormenta de 100 años, nadie podía haberlo visto venir". ¡No es cierto! Los expertos en riesgos siempre lo ven venir. Siempre fue una posibilidad estadística. Simplemente no es probable. Entiendo la probabilidad, pero aún así no puedo evitar sentirme engañado por las predicciones. ¿Qué me estoy perdiendo? Ocurren tres cosas con los modelos electorales. 1) Incluso si un candidato tenía un 10% de posibilidades de ganar hace 10 días y acaba ganando, no significa que el modelo estuviera equivocado. Significa que ocurrió lo improbable. 2) Toda esta noción de utilizar la probabilidad para determinar quién ganará unas elecciones (basándose en si tienen un 80% de posibilidades, etc.) es difícil de entender para el público, porque tendemos a pensar en las elecciones en términos más binarios: esta persona ganará frente a esa persona ganará. 3) Revisamos las probabilidades todos los días. Las actualizan. Y cuando un candidato dice algo estúpido, su probabilidad de victoria baja y la de los demás sube. Esto nos hace sentir que estas probabilidades de victoria son reactivas, no especulativas. Así que nosotros, el público lego, acabamos pensando que estamos viendo datos que nos dicen algo sobre cómo se comportan los candidatos, no sobre la probabilidad de que ganen. Empieza a parecerse más a un índice de aprobación que a un pronóstico. Ese primer punto debe surgir en los negocios todo el tiempo. Las elecciones ponen de relieve el tema de la visualización de la incertidumbre, pero es un reto cada vez más común en las empresas que desarrollan sus operaciones de ciencia de datos. A medida que la ciencia de datos adquiere cada vez más importancia para las empresas, los directivos empiezan a tratar con tipos de datos que muestran múltiples resultados posibles, en los que hay incertidumbre estadística e incertidumbre de datos que tienen que comunicar a sus jefes. Si no ayudan a sus jefes a comprender la incertidumbre, mirarán sus gráficos y dirán que ésa es la respuesta cuando sólo es la probabilidad. Está bien centrarse en lo que es más probable, pero no hay que renunciar a mostrar la gama de resultados posibles. Por ejemplo, si está buscando una forma de modelar la adopción por parte de los clientes y utiliza modelos estadísticos, querrá asegurarse de demostrar lo que cree que es más probable que ocurra, pero también cómo este resultado es uno de una gama de resultados potenciales basados en sus modelos. Tiene que ser capaz de comunicar eso visualmente, o su jefe o su cliente malinterpretarán lo que está diciendo. Si los científicos de datos dicen que tenemos un 90% de probabilidades de éxito si adoptamos este modelo, pero luego no sucede, el jefe debe saber que usted no se equivocó, en realidad sólo cayó en el 10%. Pusiste ojos de serpiente. Sucede. Esto es algo realmente difícil de tratar y comunicar para nuestros cerebros, y es un reto importante para las empresas que invierten en un enfoque basado en datos para sus negocios.

Por qué nos cuesta tanto visualizar la incertidumbre

Partner Center