Opinión

Curiosidad: El sesgo de supervivencia, o por qué prestar atención sólo a los que “llegaron” puede engañarte

Durante la Segunda Guerra Mundial, la Fuerza Aérea de Estados Unidos quería reforzar sus aviones para reducir las pérdidas en combate. Para ello, empezaron por analizar algo que parecía muy lógico: los aviones que regresaban de las misiones. Estudiaron cuidadosamente las zonas donde estos aviones tenían más impactos. Las alas y el fuselaje eran las áreas más dañadas, así que la conclusión inicial fue clara: esas son las partes que más debemos reforzar.

Pero entonces apareció Abraham Wald, un brillante estadístico húngaro que pensó de forma diferente. Wald planteó una pregunta clave que todos estaban pasando por alto:

¿Y qué pasa con los aviones que no regresaron?

La respuesta cambió por completo el enfoque. Los impactos visibles estaban en las zonas que no impedían que el avión volviera a casa. En cambio, los aviones que no sobrevivían al combate probablemente recibieron disparos en zonas más críticas, como el motor o la cabina del piloto. Y como esos aviones nunca regresaban, sus datos se omitían del análisis.

La recomendación de Wald fue revolucionaria:

Refuercen las zonas donde no hay impactos visibles, porque ahí es donde un disparo derriba el avión.

Este es el ejemplo clásico del sesgo de supervivencia: un error sistemático que ocurre cuando solo tienen en cuenta para el análisis los casos que han “sobrevivido” al proceso, mientras se ignoran (involuntariamente) aquellos que no pasaron ese filtro.

¿Qué es el sesgo de supervivencia?

El sesgo de supervivencia (o survivorship bias en inglés) es un tipo de error lógico o cognitivo que ocurre cuando se enfoca el análisis exclusivamente en los elementos que han pasado un proceso de selección, sin tener en cuenta aquellos que quedaron fuera porque fallaron, desaparecieron o nunca llegaron a ser observados.

Es un sesgo insidioso porque nos suele conducir a conclusiones erróneas aparentemente racionales y basadas en datos reales. Debido a que se construyen en base a datos incompletos. Además, como suele centrarse en los “casos visibles”, puede parecer que estamos siendo objetivos… cuando en realidad estamos dejando fuera una parte crucial de la historia.

¿Dónde aparece este sesgo hoy en día?

Este error no se limita al campo militar. Está presente en casi todos los aspectos de nuestra vida. A continuación, enumeran algunos ejemplos habituales:

Negocios y emprendimiento

Es fácil dejarse deslumbrar por las historias de éxito de startups como Apple, Amazon o Tesla. Libros y charlas motivacionales abundan con frases como “si ellos lo lograron, tú también puedes”. Pero ¿cuántas startups fracasan y no llegaron a contarlo?

Cuando solo analizamos a las empresas que triunfaron, ignoramos los miles que hicieron exactamente lo mismo… y quebraron. Eso crea una falsa ilusión de que hay una receta segura para el éxito. Pero el éxito empresarial no depende solo de talento y esfuerzo, sino también de factores invisibles como el momento, el entorno económico, o incluso la suerte.

Inversiones y fondos financieros

Muchos estudios sobre fondos de inversión se hacen con aquellos que llevan décadas operando. Pero eso deja fuera a los miles de fondos que cerraron por bajo rendimiento. Al analizar sólo a los “sobrevivientes”, se sobrestima la rentabilidad promedio del sector y se subestima el riesgo real. Esto puede llevar a inversores inexpertos a tomar decisiones basadas en expectativas poco realistas.

Salud y medicina

Imagina un estudio sobre longevidad en el que se analiza a personas mayores de 90 años para encontrar “el secreto de una larga vida”. Suena lógico, pero hay un problema: no se están considerando a las personas que murieron jóvenes. Quizá muchas tenían hábitos similares, pero no sobrevivieron por otras razones. El análisis se basa solo en quienes “pasaron el filtro” de la edad.

Lo mismo ocurre en estudios de tratamientos médicos: si no se considera a quienes abandonaron el tratamiento o fallecieron antes de completarlo, los resultados pueden estar sesgados hacia los “casos de éxito”.

Educación

Cuando se analiza el rendimiento educativo de una universidad, muchas veces se habla de los graduados: sus salarios, sus logros, su prestigio. Pero ¿qué pasa con quienes abandonaron antes de terminar? Si solo se miden los resultados de quienes se graduaron, se puede crear una imagen injustamente optimista sobre el valor de esa educación.

Publicaciones y ciencia

Incluso en el mundo académico, el sesgo de supervivencia está presente. Los estudios que se publican suelen ser aquellos con resultados positivos o significativos. Los estudios con resultados negativos o nulos a menudo no llegan a publicarse. Esto crea una falsa percepción de consenso o efectividad de ciertos tratamientos, teorías o métodos.

¿Por qué es tan fácil caer en este sesgo?

Porque es natural prestar atención a lo que tenemos delante: los datos visibles, los ejemplos conocidos, los casos exitosos. Es lo que está disponible. Y nuestros análisis se basan generalmente en la información disponible, construyendo las explicaciones con los datos que se tienen a mano, sin preguntarse si falta algo. Aunque esto que falta pueda ser realmente significativo para las conclusiones.

Además, el sesgo de supervivencia se refuerza con historias llamativas. Las narrativas de éxito son inspiradoras y nos hacen sentir que tenemos el control. En cambio, las historias de fracaso tienden a ser ignoradas o incluso ocultadas.

¿Cómo podemos evitar caer en este sesgo?

Evitar completamente el sesgo de supervivencia es difícil, pero sí podemos desarrollar una mirada más crítica y completa. Algunos consejos que se pueden aplicar para ellos son:

  1. Pregúntate qué no estás viendo: ¿Qué casos quedaron fuera del análisis? ¿Hay datos ausentes que podrían cambiar la conclusión?
  2. Busca los “no sobrevivientes”: Ya sea en negocios, salud o ciencia, trata de considerar también los casos que fallaron, no se publicaron o no llegaron al final del proceso.
  3. Desconfía de las recetas universales: “Haz lo que hizo esta persona y tendrás éxito” es una promesa muy tentadora… pero rara vez se sostiene si miras el panorama completo.
  4. Piensa en la muestra completa: Cuando revises estadísticas o estudios, verifica si están considerando a todos los involucrados o solo a los que llegaron hasta cierto punto.
  5. Valora los fracasos: Los errores y fracasos también contienen lecciones valiosas. A menudo, son los casos no exitosos los que más nos enseñan sobre los límites, riesgos y realidades de un proceso.

Conclusiones

El sesgo de supervivencia es un error de percepción que ocurre cuando analizamos sólo a quienes “llegaron al final”, olvidando a todos los que quedaron por el camino. Es como intentar entender qué hace fuerte a un puente… mirando solo los que no se cayeron.

Afecta en muchas áreas de la vida: desde cómo entendemos el éxito, hasta cómo tomamos decisiones de inversión o interpretamos estudios médicos. Pero con un poco de conciencia crítica y voluntad de mirar más allá de lo evidente, podemos evitar muchas de sus trampas.

Así que la próxima vez que alguien te diga “esto funcionó para mí”, o veas un gráfico que parece optimista, pregúntate:

¿Qué falta aquí? ¿Y cuántos no llegaron a ser contados?

Nota: La imagen de este artículo fue generada utilizando un modelo de inteligencia artificial.

¿Te ha parecido de utilidad el contenido?

Daniel Rodríguez

Share
Published by
Daniel Rodríguez
Tags: Curiosidades

Recent Posts

Cómo abrir una ventana de Chrome con tamaño y posición específicos desde la línea de comandos en Windows

En muchas situaciones —ya sea para grabar un tutorial, tomar capturas de pantalla profesionales, probar…

2 días ago

La Paradoja del Cumpleaños, o por qué no es tan raro compartir fecha de nacimiento

Imagínate en una sala con un grupo de personas, por ejemplo, en una oficina, un…

1 semana ago

Programador de tareas de Windows: Guía definitiva para automatizar tu trabajo (BAT, PowerShell y Python)

En el trabajo diario con ordenadores, es común encontrarse con tareas repetitivas: realizar copias de…

1 semana ago

Curiosidad: ¿Por qué usamos p < 0.05? Un umbral que cambió la historia de la ciencia

En casi cualquier análisis estadístico —ya sea en medicina, psicología, economía o ciencia de datos—…

2 semanas ago

¿Está concentrado el MSCI World? Un análisis con Gini, Lorenz y leyes de potencia

El MSCI World Index suele presentarse como “la ventana al mundo” para quienes invierten en…

2 semanas ago

Curiosidad: La maldición de la dimensionalidad, o por qué añadir más datos puede empeorar tu modelo

En el mundo del análisis de datos solemos escuchar una idea poderosa: cuantos más datos,…

3 semanas ago

This website uses cookies.