Entendiendo la Incertidumbre: Un Desafío Fundamental
La incertidumbre es una parte inherente de la experiencia humana. Nos inquieta el futuro, nos lleva a cuestionar los “por qué” de las cosas que suceden: ¿por qué mido 1.65 metros? ¿Qué nos lleva a desarrollar ciertas enfermedades? ¿Qué genes influyen en una enfermedad específica? No se trata solo de preguntarnos si algo *podría* pasar, sino de comprender los mecanismos físicos y contextuales que impulsan esos resultados y en qué medida lo hacen. No hay bola de cristal: la realidad es compleja, ruidosa y a veces caprichosa; y nuestro conocimiento inevitablemente resulta limitado. Lo que sí tenemos es un lenguaje para cuantificar esa falta de certeza y convertirla en algo con lo que podamos tomar decisiones: la probabilidad. Y contamos con una disciplina que ancla ese lenguaje a lo que observamos y medimos: la estadística.
La Probabilidad de lo que nos Preocupa
Quizás aterrizar la idea en un ejemplo nos ayude a entenderlo mejor. Pensemos en el cáncer de pulmón. La preocupación personal sobre la presencia de esta enfermedad se formula a menudo en términos binarios –“¿me tocará o no?”–, pero la respuesta a esta duda razonable la encontramos en la probabilidad. No es lo mismo que nos digan que la probabilidad de que desarrollemos esta dolencia es de un 3 %, de un 20 % o del 80 %, ¿cierto? Ninguna cifra garantiza el desenlace final, pero cambiará las decisiones que tomemos respecto a la frecuencia con la que nos haremos revisiones, nuestros hábitos y nuestras prioridades.
La cuestión está entonces en cómo determinar esa probabilidad. Podemos centrarnos en la búsqueda de estimaciones construidas con datos de personas con condiciones parecidas de edad, exposición ambiental, hábitos, antecedentes, etc., sin perder de vista que se tratará de eso, de una estimación y, como tal, tendrá asociada, de nuevo, cierta incertidumbre. Así pues, un estudio serio no afirmará “su riesgo es de un 3 %” como si fuera una propiedad revelada, sino “dadas sus características y los datos disponibles, el riesgo está muy probablemente entre un 1 % y un 5 %”. Además, ese “muy probablemente” también puede cuantificarse, tratando de poner rango y coherencia a lo que sabemos y a lo que no.
¿Cuánto me afecta?
Superada esa fase, la siguiente cuestión es la magnitud. No basta con saber si un factor influye, también necesitamos saber cuánto cambia el riesgo. Aquí conviene distinguir entre riesgo absoluto y relativo. Decir que “fumar duplica el riesgo” es hablar en términos relativos: si una persona no fumadora tiene 10 % de riesgo, duplicarlo lleva al 20 %. Suena igual de contundente cuando el riesgo pasa de 0,5 % a 1 %, pero el impacto práctico es distinto.
En este sentido, al hacer referencia al efecto de tal o cual hábito, puede que en los medios de comunicación hablen de riesgos relativos, de probabilidades o de ratio de probabilidades, pero lo verdaderamente importante es que esa jerga acabe convertida en números que quien lo lea pueda situar en su vida.
Breve guía para entender la probabilidad
Volvamos al momento en que le informan de su probabilidad de sufrir cáncer de pulmón. Lo habitual es verla expresada en porcentajes (entre 0 % y 100 %). También puede expresarse en tanto por uno –3 % es 0,03; 20 % es 0,2– o como “x de cada N” donde, por ejemplo, uno de cada 1 000 equivaldría a 0,1 % (0,001) o tres de cada diez, a un 30 %.
El problema surge cuando, en un mismo texto, se mezclan formatos, ya que tendemos a fijarnos más en el total (N) que en la parte (x) y podemos creer que “uno de cada 1 000” supone un riesgo mayor que “uno de cada 100”, cuando en realidad estamos hablando de un 0,1 % frente a un 1 %, respectivamente.
Entendiendo la Incertidumbre: Dos Perspectivas
Entendido el número, toca interpretarlo y, para ello, contamos con dos miradas diferentes. La mirada frecuentista entiende la probabilidad como la frecuencia con que veríamos un evento al repetir el proceso muchas veces. Funciona muy bien en contextos controlables y repetibles. Pero al hablar de la probabilidad de lluvia o de que una persona enferme –donde no podemos “repetir” el mismo día o la misma vida–, resulta más natural la mirada bayesiana, que trata la probabilidad como un grado de credibilidad coherente y actualizable con nueva evidencia mediante el teorema de Bayes.
Estas dos perspectivas también ayudan a entender la incertidumbre de las estimaciones. Los rangos de valores plausibles de los que hablábamos antes reciben el nombre de intervalos de confianza bajo el paradigma frecuentista o de intervalos de credibilidad bajo el bayesiano. En ambos casos, nos ayudan a medir la fiabilidad de la estimación. No es lo mismo un riesgo estimado entre 1 % y 5 % que entre 1 % y 10 %, respectivamente.
