• Saltar al contenido principal
  • Skip to secondary menu
  • Saltar a la barra lateral principal
  • Saltar al pie de página
  • Inicio
  • Secciones
    • Ciencia de datos
    • Criptografía
    • Herramientas
    • Machine Learning
    • Noticias
    • Opinión
    • Productividad
    • Programación
      • JavaScript
      • Julia
      • Matlab
      • Python
      • R
  • Programación
    • JavaScript
    • Julia
    • Matlab
    • Python
    • R
  • Laboratorio
    • Estadística
      • Calculadora del Tamaño Muestral en Encuestas
      • Calculadora de estadísticos descriptivos
      • Test de normalidad
      • Calculadora de contrastes de hipotesis
      • Calculadora de tamano del efecto
      • Simulador de Regresión Lineal con Ruido
      • Visualizador de PCA
      • Visualizador de Series Temporales
      • Simulador de Regresión Logística
      • Simulador de K-Means
      • Simulador de DBSCAN
      • Detector de la Ley de Benford
    • Probabilidad
      • Calculadora de Probabilidad de Distribuciones
      • Calculadora de Probabilidades de Lotería
      • Simulador del Problema de Monty Hall
      • Simulador de la Estrategia Martingala
    • Finanzas
      • Calculadora de Préstamos e Hipotecas
      • Conversor TIN ↔ TAE
      • Calculadora DCA con ajuste por inflación
      • Calculadora XIRR con Flujos Irregulares
      • Simulador FIRE (Financial Independence, Retire Early)
    • Negocios
      • CLV
      • Scoring
    • Herramientas
      • Formateador / Minificador de JSON
      • Conversor CSV ↔ JSON
      • Comparador y Formateador de Texto y JSON
      • Formateador y Tester de Expresiones Regulares
      • Inspector de JWT
      • Generador y verificador de hashes
      • Codificador / Decodificador Base64 y URL
      • Conversor de bases numericas
      • Conversor de Timestamp Unix
      • Conversor de colores
      • Generador de UUIDs
    • Juegos
      • Tres en Raya
      • Nim con Q-Learning
    • Más
      • Método D’Hondt
      • Generador de Contraseñas Seguras
  • Noticias
  • Boletín
  • Contacto
  • Tienda
    • Libros
    • Equipamiento de oficina
    • Equipamiento en movilidad

Analytics Lane

Ciencia e ingeniería de datos aplicada

  • Ciencia de datos
  • Machine Learning
  • IA Generativa
  • Python
  • Pandas
  • NumPy
  • R
  • Excel

Riesgo relativo vs riesgo absoluto: la trampa de los titulares alarmistas

enero 29, 2026 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 5 minutos

Muchos titulares sobre salud y ciencia utilizan cifras impactantes para captar la atención de los lectores. Frases como «El riesgo de X aumenta un 200%» pueden sonar alarmantes, pero casi nunca explican lo fundamental: un aumento relativo del riesgo no significa nada por sí mismo si no conocemos el riesgo absoluto del que partimos. Si el riesgo inicial es insignificante, aunque aumente mucho, es muy probable que siga siendo insignificante.

Comprender esta diferencia es clave para poder interpretar correctamente noticias, estudios médicos y mensajes alarmistas. En esta entrada se explica qué significan realmente estos porcentajes, por qué pueden resultar engañosos y cómo evaluarlos con sentido crítico, todo ello con ejemplos claros y cotidianos.

Tabla de contenidos

  • 1 ¿Qué es el riesgo absoluto?
  • 2 ¿Qué es el riesgo relativo?
  • 3 El ejemplo clásico: titulares alarmistas
  • 4 Ejemplos para entender la diferencia
    • 4.1 Ejemplo 1: Medicamento y efectos secundarios
    • 4.2 Ejemplo 2: Alimentación y salud
    • 4.3 Ejemplo 3: El truco para “aumentar un 300% la probabilidad de ganar la lotería”
  • 5 ¿Por qué los titulares usan el riesgo relativo?
  • 6 Cómo interpretar correctamente una noticia sobre riesgos
  • 7 Conclusiones: la importancia de mirar más allá del titular

¿Qué es el riesgo absoluto?

El riesgo absoluto es la probabilidad real de que ocurra un evento. Se expresa como una proporción o porcentaje directo.

Por ejemplo:

  • Si 1 de cada 1000 personas desarrolla cierta enfermedad en un año, el riesgo absoluto es del 0,1%.
  • Si en un barrio se han producido 2 robos por cada 10.000 vecinos, el riesgo absoluto es del 0,02%.

El riesgo absoluto responde a la pregunta: «¿Cuántas personas resultan afectadas?». Es el valor que realmente importa para evaluar cual es la magnitud de un problema y su potencial impacto.

¿Qué es el riesgo relativo?

El riesgo relativo compara el riesgo entre dos grupos. Por ejemplo, personas expuestas a un factor y personas no expuestas. No mide cuántos casos hay, sino cuánto más frecuente es un evento en un grupo respecto del otro.

Nuevo test de normalidad interactivo en el laboratorio de Analytics Lane
En Analytics Lane
Nuevo test de normalidad interactivo en el laboratorio de Analytics Lane

Por ejemplo:

  • Si un grupo tiene un riesgo del 0,1% y otro del 0,2%, el riesgo relativo es del 100%.
  • Pero el riesgo absoluto solo aumentó del 0,1% al 0,2%, es decir, 0,1 puntos porcentuales.

El riesgo relativo responde a: «¿Cómo cambia la probabilidad de un grupo respecto a otro?», pero este valor no indica si la nueva probabilidad es grande o insignificante.

Publicidad


El ejemplo clásico: titulares alarmistas

Imagina que lees un titular como:

«Un nuevo estudio encuentra que el riesgo de la enfermedad X aumenta un 200% en personas que consumen el alimento Y.»

Un aumento del 200% suena alarmante. Sin embargo, si no conocemos el riesgo absoluto inicial, el titular es incompleto y puede ser engañoso.

Veamos un ejemplo realista:

  • Riesgo original: 1 caso por cada millón de personas.
  • Aumento del 200% (riesgo relativo).
  • Nuevo riesgo: 3 casos por cada millón.

Un titular más honesto sería:

«Los casos pasan de 1 a 3 por cada millón de personas.»

¿Impacta igual? Probablemente no. Esta es la razón por la que los medios suelen recurrir al riesgo relativo: permite crear titulares dramáticos sin mentir… pero ocultando el contexto que le da sentido a la cifra.

Ejemplos para entender la diferencia

Veamos a continuación tres ejemplos de titulares alarmistas que se pueden encontrar en las noticias.

Ejemplo 1: Medicamento y efectos secundarios

Un medicamento provoca un efecto secundario grave en 2 de cada 100.000 personas (0,002%). Un nuevo análisis sugiere que, en personas fumadoras, el riesgo aumenta un 50%.

  • Riesgo absoluto original: 2 por 100.000.
  • Aumento relativo del 50%.
  • Nuevo riesgo absoluto: 3 por 100.000 personas.

Titular posible: «Fumar aumenta un 50% el riesgo de sufrir un efecto grave con este medicamento.»

Realidad: el riesgo sigue siendo muy bajo, solo pasa de 2 a 3 casos por 100.000 personas.

Publicidad


Ejemplo 2: Alimentación y salud

Un estudio afirma que cierto alimento incrementa en un 80% el riesgo de un tipo raro de cáncer.

  • Riesgo absoluto inicial: 5 casos por cada 10 millones.
  • Aumento del 80% ⇒ 9 casos por cada 10 millones.

¿Tiene sentido alarmarse por una diferencia de 4 casos en diez millones? Seguramente no.

Ejemplo 3: El truco para “aumentar un 300% la probabilidad de ganar la lotería”

Imagina que encuentras un titular como:

«Descubre el truco para aumentar un 300% tu probabilidad de ganar la lotería»

Suena sospechoso: parece una estafa o un titular diseñado únicamente para atraer clics. Y, en cierto modo, seguramente lo sea. Pero también podría referirse a algo tan simple como comprar cuatro décimos en lugar de uno.

Veamos los números:

  • Con 1 décimo, la probabilidad de ganar puede ser, por ejemplo, 1 entre 100.000.
  • Con 4 décimos distintos, la probabilidad pasa a 4 entre 100.000.

El aumento relativo es del 300%, el titular no miente. Pero la probabilidad absoluta de ganar es prácticamente similar: pasas de 0,001% a 0,004%. En ambos casos, las probabilidades son extraordinariamente bajas.

Este tipo de ejemplo muestra lo absurdo que puede ser usar solo el riesgo relativo (o la probabilidad relativa) para generar titulares espectaculares sin aportar contexto. El número suena enorme, pero no cambia la realidad de que el suceso sigue siendo casi imposible.

¿Por qué los titulares usan el riesgo relativo?

La respuesta es evidente: vende más. Un titular como «Aumenta un 200%» atrae más clics que «Pasa de 1 a 3 casos por millón».

Los medios buscan captar la atención, y el riesgo relativo permite hacerlo sin necesidad de mentir, aunque sin aportar el contexto necesario para interpretar el riesgo real.

Esto afecta especialmente a noticias relacionadas con:

  • salud y alimentación,
  • ciencia y medicina preventiva,
  • epidemiología,
  • toxicología,
  • estudios de comportamiento.

El resultado es una percepción distorsionada del peligro real.

Publicidad


Cómo interpretar correctamente una noticia sobre riesgos

Cuando veas un titular alarmista, antes de preocuparte pregúntate:

  • ¿Cuál es el riesgo absoluto inicial? Sin esta cifra, el porcentaje relativo no tiene valor.
  • ¿Cuántos casos adicionales supone por cada 1.000, 100.000 o 1.000.000 personas? Convierte siempre el porcentaje en números reales.
  • ¿Qué tamaño tiene el estudio? Estudios pequeños pueden producir estimaciones exageradas.
  • ¿Demuestra causalidad o solo correlación? La mayoría de los aumentos son asociaciones, no causas probadas.

Conclusiones: la importancia de mirar más allá del titular

Los porcentajes pueden sonar dramáticos, pero el impacto real en tu vida depende del riesgo absoluto, no del relativo.
La mayoría de los titulares alarmistas se basan en aumentos relativos que, una vez convertidos a números reales, representan cambios insignificantes.

Comprender esta diferencia es una herramienta fundamental de alfabetización estadística. Nos permite evaluar riesgos con serenidad, evitar miedos innecesarios y tomar decisiones informadas basadas en datos, no en sensacionalismo.

En un mundo lleno de titulares exagerados, entender la diferencia entre riesgo relativo y absoluto es un acto de autoprotección intelectual.

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

¿Te ha parecido de utilidad el contenido?

¡Puntúalo entre una y cinco estrellas!

Puntuación promedio 0 / 5. Votos emitidos: 0

Ya que has encontrado útil este contenido...

¡Síguenos en redes sociales!

¡Siento que este contenido no te haya sido útil!

¡Déjame mejorar este contenido!

Dime, ¿cómo puedo mejorar este contenido?

Publicaciones relacionadas

  • Nuevo test de normalidad interactivo en el laboratorio de Analytics Lane
  • Nuevo conversor de timestamp Unix en el laboratorio de Analytics Lane
  • Calculadora de Contrastes de Hipótesis: interpreta correctamente el p-valor y toma decisiones estadísticas con confianza
  • Calculadora de Tamaño del Efecto: la herramienta clave para entender cuánto importa realmente una diferencia
  • Simulador de DBSCAN: descubre cómo encontrar clusters reales (y ruido) sin fijar K
  • Conversor de Colores: convierte, compara y valida cualquier color en tiempo real
  • Analytics Lane lanza su Generador de UUIDs: identificadores únicos, seguros y listos para producción en segundos
  • 1200 publicaciones en Analytics Lane
  • Analytics Lane lanza su Conversor TIN ↔ TAE: la herramienta definitiva para entender el coste real de depósitos, préstamos e hipotecas

Publicado en: Opinión Etiquetado como: Curiosidades, Estadística

Interacciones con los lectores

Deja una respuesta Cancelar la respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

I accept the Terms and Conditions and the Privacy Policy

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.

Barra lateral principal

Suscríbete a nuestro boletín

Suscríbete al boletín semanal para estar al día de todas las publicaciones.

Política de Privacidad

Analytics Lane en redes sociales

  • Amazon
  • Bluesky
  • Facebook
  • GitHub
  • Instagram
  • Mastodon
  • Pinterest
  • RSS
  • Telegram
  • Tumblr
  • Twitter
  • YouTube

Publicidad

Entradas recientes

Noticias

Analytics Lane lanza la versión 1.1 del laboratorio con nuevas suites de CLV y Scoring

mayo 18, 2026 Por Daniel Rodríguez

Interés compuesto: la fuerza que multiplica tu dinero (y los errores que la anulan)

mayo 14, 2026 Por Daniel Rodríguez

Cómo comparar datos con barras en Matplotlib: agrupadas, apiladas y porcentuales

mayo 12, 2026 Por Daniel Rodríguez

Publicidad

Es tendencia

  • Hoja de cálculo para repartir los escaños en base al método D’Hont Aplicar el método D’Hondt en Excel publicado el abril 14, 2021 | en Herramientas
  • Cómo calcular el tamaño de la muestra para encuestas publicado el septiembre 9, 2025 | en Ciencia de datos
  • Función de interpolación lineal en Excel sin VBA publicado el noviembre 3, 2021 | en Herramientas
  • Gráficos de barras en Matplotlib publicado el julio 5, 2022 | en Python
  • Noticias Analytics Lane lanza la versión 1.1 del laboratorio con nuevas suites de CLV y Scoring publicado el mayo 18, 2026 | en Sin categoría

Publicidad

Lo mejor valorado

4.9 (24)

Seleccionar filas y columnas en Pandas con iloc y loc

4.6 (16)

Archivos JSON con Python: lectura y escritura

4.4 (14)

Ordenación de diccionarios en Python mediante clave o valor

4.7 (13)

Operaciones de filtrado de DataFrame con Pandas en base a los valores de las columnas

4.1 (11)

Aplicar el método D’Hondt en Excel

Comentarios recientes

  • bif en JSON en bases de datos: cuándo es buena idea y cuándo no
  • bif en Cómo desinstalar Oracle Database 19c en Windows
  • M. Pilar en Cómo eliminar las noticias en Windows 11 y recuperar tu concentración
  • Daniel Rodríguez en Probabilidad básica: cómo entender el azar en nuestra vida diaria
  • Pepe en Probabilidad básica: cómo entender el azar en nuestra vida diaria

Publicidad


Footer

Analytics Lane

  • Acerca de Analytics Lane
  • Boletín de noticias
  • Contacto
  • Libros
  • Lo más popular
  • Noticias
  • Tienda
  • Tiendas afiliadas

Secciones

  • Ciencia de datos
  • Criptografía
  • Herramientas
  • Machine Learning
  • Opinión
  • Productividad
  • Programación
  • Reseñas

Sobre de Analytics Lane

En Analytics Lane tratamos de explicar los principales conceptos de la ciencia e ingeniería de datos con un enfoque práctico. Los principales temas tratados son ciencia de datos, ingeniería de datos, inteligencia artificial, machine learning, deep learning y criptografía. Además, también se habla de los principales lenguajes de programación y herramientas utilizadas por los científicos e ingenieros de datos.

Copyright © 2018-2026 Analytics Lane ·Términos y condiciones ·Política de Cookies ·Política de Privacidad ·Herramientas de privacidad ·Contacto