Estadísticas engañosas
El año pasado me matriculé en Salt Lake Community College (SLCC) porque me planteé estudiar técnicas de radiología. Aunque al final acabé decidiéndome por un máster en traducción médica en otro centro, elegí completar el primer semestre en SLCC. Una de las asignaturas que estudié fue estadística.
Como mis estudios universitarios pertenecen a la rama de humanidades, pensé que estudiar estadística podría beneficiarme. A pesar de que las asignaturas de matemáticas nunca se me habían dado bien, acepté el reto. No solo saqué un excelente en la nota final, sino que también aprendí muchísimo.
Una de las cosas que aprendí fue que las predicciones que hacemos a partir de datos estadísticos no siempre son acertadas, ya que podrían incluir errores. Un error que aparece habitualmente en estadística es el denominado «sesgo muestral» y este error puede ocurrir de manera accidental.
El concepto de sesgo puede definirse como la preferencia a la hora de elegir a cierto tipo de personas para obtener datos. También puede referirse al hecho de que existe una mayor probabilidad de que algunos resultados tengan una predominancia mayor en una muestra que en la población que dicha muestra representa.
En estadística, no puede haber sesgo en una muestra. De lo contrario, la muestra no sería válida como ejemplo de la población a la que representa. Tampoco lo serían las predicciones o los hechos que se derivan del análisis de la muestra.
Por eso, debemos tener cuidado cuando presentemos conclusiones en función de los datos que hayamos recopilado y analizado. He aquí un ejemplo:
Una agencia de traducción se pone en contacto contigo para pedirte que trabajéis juntos. Sin embargo, te ponen como condición primero que hagas una prueba de traducción.
El motivo por el que la agencia te pide esto es porque dicen haber tenido algunas malas experiencias con traductores que no habían sido sinceros acerca de sus estudios, su experiencia profesional o sus habilidades.
Por este motivo, decidieron empezar a hacer pruebas a traductores para ver si cumplían una serie de requisitos.
Sorprendentemente, un porcentaje elevado de los resultados de esas pruebas no fueron satisfactorios. Esto les sirvió como evidencia de que, efectivamente, hay que hacer pruebas a traductores antes de empezar a trabajar con ellos.
¿Qué problema tenemos aquí?
Podría haber sesgo muestral porque algunos traductores elegimos no hacer pruebas de traducción, especialmente si no se nos paga por hacerlas.
Cuando un cliente decide comprobar nuestras credenciales, existen otras maneras más productivas que no requieren invertir tiempo en rellenar formularios interminables o trabajar gratis.
Mejor aún, preferimos cultivar relaciones profesionales que se basan en la confianza.
Por todo esto, no creo que las muestras en casos como el ejemplo anterior representen adecuadamente a la población integrada por profesionales de la traducción.
Una de las lecciones que aprendí cuando estudié estadística fue la importancia del pensamiento crítico, ya que los datos estadísticos son, desafortunadamente, fáciles de manipular.
Recopilar y analizar datos de una muestra para hacer predicciones acerca de una población no implica que esas predicciones sean correctas. Como habréis visto, se podrían haber introducido errores de manera consciente o no. Los datos estadísticos solo pueden ser fiables si no contienen sesgos.
¡Nos leemos!
