La Señal y el Ruido: Por qué Tantas Predicciones Fallan y Otras No

Mientras Nate Silver se centra en la validez de las predicciones basadas en datos, Yates profundiza en cómo los algoritmos (fruto de ese procesamiento de datos) moldean la realidad detrás de las interacciones cotidianas. Conecta con el libro de referencia al explorar la "señal" (el dato que se usa) y el "ruido" (las interpretaciones erróneas o sesgadas de algoritmos mal empleados), pero desde la perspectiva de la aplicación informática y no solo de la estadística en sí misma.

Silver analiza las fallas y éxitos de las predicciones en diversos campos, mientras que Duggan se enfoca en el aspecto humano y psicológico de la toma de decisiones cuando las predicciones son críticas. Ambos abordan la incertidumbre, pero Duggan lo hace desde la experiencia subjetiva y la gestión del riesgo inmediato, más allá de la mera estadística, lo que ofrece una perspectiva complementaria y menos obvia sobre cómo se usan (o no) las señales.

Mientras Silver busca mejorar la precisión de las predicciones dentro de marcos existentes, Taleb cuestiona la predictibilidad misma y la validez de muchos de esos marcos, especialmente ante eventos extremos. Ambos libros examinan la naturaleza de la incertidumbre y el riesgo, ofreciendo visiones filosóficamente divergentes pero complementarias sobre los límites de nuestro conocimiento y la predicción.

Silver muestra cómo las predicciones pueden fallar debido a un mal uso de los datos o modelos inadecuados. Kahneman, por su parte, profundiza en las bases psicológicas de por qué los individuos, incluso con buenos datos, pueden interpretar la 'señal' erróneamente y crear 'ruido' debido a sesgos cognitivos inherentes a la mente humana. Ambos autores analizan las causas de la predicción defectuosa, pero desde ángulos complementarios: el estadístico y el cognitivo.

Mientras Silver analiza la utilidad de los datos y las predicciones en grandes sistemas, Kim aborda una perspectiva más íntima y filosófica de cómo los principios matemáticos influyen en la vida individual y las narrativas personales. Con un enfoque literario y más introspectivo, se aleja de la divulgación puramente estadística para explorar el 'ruido' de la vida a través de 'señales' numéricas, pero sin las metodologías formales de Silver.

Silver se enfoca en cómo mejorar las 'predicciones' a partir de datos, mientras Smil, un autor menos conocido en el mercado anglosajón masivo, se concentra en el poder de los 'datos duros' para desvelar verdades subyacentes, diferenciando entre la información real (la señal) y las percepciones erróneas (el ruido) en campos tangibles. Ambos valoran el rigor cuantitativo, pero Smil aplica este rigor a la desmitificación con una perspectiva más enciclopédica y crítica del discurso público.

El libro de Silver analiza cómo las predicciones fallan y cómo podemos mejorar. El de Schulz tiene una estructura de argumentación basada en múltiples ejemplos y estudios de caso, similar a Silver, para ilustrar un concepto macro (el error y su corrección). Ambos construyen sus argumentos sobre una acumulación de evidencia empírica extraída de ejemplos dispares (predicciones deportivas, desastres naturales, errores médicos) para extraer una lección general sobre la naturaleza de la comprensión y la mejora.

Al igual que Silver, Pinker elabora su argumento principal a través de un examen exhaustivo de datos y estadísticas de múltiples dominios (violencia, salud, riqueza, educación). Ambos autores emplean una estructura en la que se recopila y analiza una amplia gama de 'señales' (datos) para desafíar intuiciones o percepciones comunes (el 'ruido'), presentando una visión estructurada y detallada de cómo interpretar la información del mundo para llegar a conclusiones robustas.