Ha caído en mis manos un ejemplar del célebre libro La señal y el ruido, de Nate Silver. He ido a parar a esta lectura después de una interesante conversación con Àngels Ponts, directora del instituto de investigación GESOP, sobre mercados predictivos.
Los mercados predictivos constituyen una técnica de investigación innovadora que permite hacer predicciones (sobre cualquier cosa, ya sean los resultados de unas elecciones o de un evento deportivo) dejando que un grupo de individuos puedan comprar y vender acciones de los diferentes resultados posibles. El valor de este mercado bursátil de opiniones refleja el resultado más probable.
Hablaremos en otro post sobre mercados predictivos, pero la idea tremendamente seductora que mueve esta técnica y que poco tiene que ver con la investigación de mercados tradicional, es preguntar a la gente su opinión sobre la posibilidad de que se produzca un evento en lugar de su posición personal respecto a dicho evento.
Veamos un ejemplo: predecir el resultado de unas elecciones. En un estudio clásico seleccionamos una muestra altamente representativa de electores y les preguntamos a qué candidato piensan votar. Si la muestra se ha creado correctamente, podremos inferir el resultado más probable de las elecciones dentro de cierto intervalo de error. Una muestra más grande nos permite reducir el intervalo de error.
Pero, ¿qué sucedería si preguntamos a una muestra de personas quién creen que va a ganar las elecciones en lugar de qué candidato piensan votar? Diversas experiencias muestran la extraordinaria capacidad predictiva de las personas, algo a lo que Aristóteles llamaba la sabiduría de las masas en su Política.
Como técnica, los estudios predictivos no tienen nada que ver con un muestreo clásico. Nuestro universo ya no lo componen personas que votan, sino la información que poseen las personas sobre qué votarán los demás. Cada persona contiene mucha más información que su propia intención de voto: sabe lo que votaría él pero también cómo votarán las personas de su entorno, ha visto resultados de sondeos, puede estar informada sobre el estado de la opinión pública... Es por ello que una muestra realmente pequeña de opiniones personales puede darnos una buena predicción.
Pero, ¿cómo debe seleccionarse una muestra de predictores? ¿existen personas con mayor capacidad de predicción que otras? ¿en qué medida influye en la capacidad de predicción el conocimiento de la muestra sobre el tema tratado? Alexander Wheatley y Hubertus Hofkirchner presentaron en el ESOMAR CONGRESS de Niza los resultados de algunos estudios experimentales al respecto. Sometieron a una muestra de panelistas a diferentes preguntas de naturaleza predictiva: qué precio crees que tendrá el nuevo iPAD mini 2 el día de su lanzamiento, resultados deportivos, cómo crees que se comportarán otras personas en una situación dada... Algunos de los aprendizajes de Wheatley y Hofkirchner fueron los siguientes:
- En general las personas poseen capacidad predictiva. En cualquiera de los temas tratados la capacidad de predicción de la muestra superaba el acierto por puro azar.
- Destacaron la capacidad de predicción del comportamientos y opiniones... ¡de los demás! Preguntaron a una muestra de personas si tenían intención de recoger su bandeja cuando acabasen de comer en un restaurante autoservicio. La respuesta del "sí" fue del 50%. Al preguntar a la misma muestra qué porcentaje del resto de personas creían que lo harían, la respuesta fue de 15%. El dato real observado fue del 13%.
- Algunas personas son mejores prediciendo que otras. Y no estamos hablando del caso de J.A. y el tribunal de cuentas español. Estudios longitudinales mostraron que algunos individuos superaban la media de aciertos de forma consistente a lo largo del tiempo, sobre diferentes temas.
- La calidad de una predicción depende de la cantidad de información al alcance de las personas, el esfuerzo que dedican a la predicción, su objetividad y la dificultad de la predicción.
- El acierto no depende directamente del tamaño de la muestra. Un único individuo muy informado y con gran capacidad puede ser más certero que una muestra más amplia de predictores mediocres.
- Una buena muestra de predictores no depende tanto del tamaño como de la diversidad y de la inteligencia que contenga. Jed Christianson, de la Universidad de Birmingham, considera que 16 personas es más que suficiente para hacer buenas predicciones.
- La forma en que deben agregarse las predicciones individuales de una muestra es seleccionando la mediana de las predicciones, no la media.
Parte de las razones que explican la capacidad de predicción de un individuo vienen explicadas en el libro cuyo título preside este post. Las personas hacemos predicciones usando dos componentes: la señal, que es información correcta, y el ruido, información irrelevante que nos aleja de la señal. Si agregamos predicciones de personas independientes y no sesgadas, podemos llegar a cancelar el ruido y acercarnos a la señal que buscamos.
En su libro, Nate Silver profundiza en cómo hacemos predicciones y qué características tiene un buen predictor. A través de numerosos ejemplos, que abarcan desde predicciones políticas, deportivas, económicas e incluso meterológicas, Silver identifica qué hace buena una predicción y qué caracteriza a los buenos predictores. Y a los malos.
En próximos posts iremos desgranando algunas de las claves facilitadas en este interesante libro. En cualquier caso, os animo a leerlo, porque en los detalles y en el estilo narrativo del autor está gran parte de la información útil. Es decir, la señal.
