Decisiones con información incompleta

Un curso sobre qué hacer una vez leídos los datos: distinguir una causa de una coincidencia, elegir con información incompleta y decidir en quién confiar cuando comprobarlo por tu cuenta es imposible.

PARA QUIÉN ES. Para quienes toman decisiones con consecuencias: responsables de equipo, analistas, product managers, fundadores, investigadores, médicos. Y para quien esté cansado de oír «correlación no es causalidad» sin que nadie explique entonces qué sí lo es y qué hacer al respecto.

QUÉ VAS A APRENDER. Separar tres niveles de pregunta: qué está asociado con qué, qué ocurre si intervenimos y qué habría ocurrido de haber actuado de otro modo — preguntas distintas que exigen datos distintos. Encontrar factores de confusión y, sobre todo, colisionadores: condicionar sobre un colisionador fabrica una asociación inexistente, y está detrás de buena parte de los falsos «patrones» que la gente cree ver. Dibujar un grafo causal y usarlo para decidir qué se puede controlar y qué no se debe controlar nunca. Entender por qué existen la aleatorización, los experimentos naturales, la regresión discontinua y el difference-in-differences — y por qué «a mí me funcionó» no es «funcionó».

Después, las decisiones. Utilidad esperada y sus violaciones sistemáticas. La distinción de Knight entre riesgo, incertidumbre y ambigüedad, y la paradoja de Ellsberg. Valor de la información y valor de opción: cuándo compensa esperar. La reversibilidad como criterio de velocidad. El criterio de Kelly y la asimetría en el coste de los errores. Teoría de juegos cuando el resultado depende de otros: coordinación, dilema del prisionero, puntos focales de Schelling, principal-agente, selección adversa. Y las leyes de Goodhart y Campbell — por qué una métrica se rompe justo cuando se convierte en objetivo.

POR QUÉ IMPORTA EN LA VIDA Y EN EL TRABAJO. Los errores caros rara vez son de aritmética: son errores sobre causalidad e incentivos — una correlación confundida con una palanca, una métrica optimizada en lugar de un resultado, una decisión irreversible tomada a la velocidad de una reversible. Este curso da el lenguaje para verlo antes y explicárselo a otros. También trata cómo decidir en quién confiar: el escepticismo total es imposible y dañino, así que hace falta un criterio para delegar la confianza.

QUÉ LO HACE DISTINTO. Es comprobable. El diario de predicciones que empezaste en la primera parte se cierra aquí: trazas tu curva de calibración y calculas tu puntuación de Brier — un número en lugar de una sensación. Los ejercicios tienen respuestas conocidas de antemano: encontrar el factor de confusión en un estudio real, decidir qué diseño sostiene una afirmación causal y cuál no.

HONESTO SOBRE SUS LÍMITES. Decimos con claridad qué no se replicó en la ciencia del comportamiento, y etiquetamos las heurísticas como heurísticas, no como teorías. Los modelos son útiles no porque sean verdaderos — todos los modelos son falsos — sino porque fallan de forma predecible.

ESTA ES LA SEGUNDA PARTE. La primera, «La lógica como base del pensamiento: cómo funciona el razonamiento», cubre argumento, significado, probabilidad y estadística: distinguir lo fundado de lo infundado. Si no la has hecho, empieza por ahí — aquí se da por sabido el actualizar bayesiano y las tasas base, y se asume que tu diario de predicciones ya está en marcha.