Relaciones probabilísticas

Durante la pandemia de Covid, un alumno me confesó que ya no usaba la mascarilla porque se había contagiado de Covid incluso usándola. Desde entonces, suelo aclarar a mis alumnos la distinción entre las relaciones determinísticas y probabilísticas. En las relaciones determinísticas, si conocemos las condiciones iniciales, sabremos exactamente qué pasará. Por ejemplo, la salida del sol traerá luz al día. En las relaciones probabilísticas, esto no ocurre porque interviene la aleatoriedad—o la interacción de tantas variables que para nuestra mente es indistinguible de lo aleatorio. En las relaciones probabilísticas, un evento puede aumentar o reducir la probabilidad de que suceda otro, pero no lo determina. Por ejemplo, usar mascarilla no elimina la posibilidad de enfermar, pero reduce su probabilidad.

Como en clase aprendemos sobre comportamiento organizativo, una relación probabilística que discutimos es la que existe entre la autonomía de un empleado y su motivación: un aumento en la autonomía suele aumentar la motivación. Un aspecto clave de las relaciones probabilísticas es que toleran contraejemplos. Si un alumno me dice que encuentra más motivante tener menos autonomía, en contra de lo que sugiere la teoría, su experiencia personal no invalida la teoría. El problema es que, a veces, el alumno cree que sí. Lo grave es cuando esta creencia se extiende fuera del aula, porque puede enseñar lecciones equivocadas, promover la intolerancia, y cuestionar el conocimiento científico.

Los servicios meteorológicos conocen bien el problema. Hay gente que desestima el pronóstico del tiempo, o peor aún, sus alertas meteorológicas, porque, a veces, no aciertan. Hace unos días, José Miguel Viñas explicaba en No es un Día Cualquiera en Radio Nacional de España que las predicciones del tiempo son probabilísticas—usando otro lenguaje—y Pepa Fernández, contestaba ingeniosamente «vosotros siempre acertáis». Precisamente, no se puede juzgar la calidad de una predicción probabilística a partir de un caso particular, sino que se necesita un conjunto de casos. Si la probabilidad de lluvia es de un 30%, no podremos decir que el pronóstico se equivocó si al final del día nos ha cogido la lluvia. Será un pronóstico equivocado si, de todos los casos en los que se esperaba un 30% de probabilidad de lluvia, llueve en un 60% de ellos. Es equivocado decidir que los servicios meteorológicos no sirven porque a veces no «aciertan».

Conocer la naturaleza de las relaciones probabilísticas no es solamente importante para evitar mojarnos un día nublado. La efectividad de un tratamiento médico también suele ser probabilística. Un médico puede tratar correctamente y, así y todo, no curar al paciente. No curarlo es una de las posibles consecuencias incluso de un buen tratamiento. Es decir, que el resultado del tratamiento es probabilístico y tolera contraejemplos. Esto no quiere decir que, haga lo que haga, el médico lo estará haciendo bien. Esto quiere decir que es muy difícil juzgar la calidad del tratamiento desde nuestra propia experiencia porque es muy limitada, y para hacerlo correctamente necesitamos un conjunto de experiencias. Se equivoca el paciente si concluye que el tratamiento es malo porque no ha funcionado con su dolencia particular.

Reconocer las relaciones probabilísticas nos ayuda a evaluar nuestras propias decisiones. Tendemos a evaluar nuestras decisiones en función de un resultado concreto, pero muchas decisiones tienen una relación probabilística con el resultado. Por ejemplo, podría apostar 10 euros a que, al tirar un dado, veré un número menor que 6. Esto es lo más probable y tendría excelentes perspectivas de ganar, pero si al tirarlo sale el 6, perderé mis 10 euros aunque haya tomado una buena decisión. Si entiendo que entre mi decisión y el resultado interviene la aleatoriedad, sabré que debo ser paciente y, si se volviera a presentar la oportunidad, debería volver a jugar. Este juego es una metáfora de la relación entre el esfuerzo y el desempeño (académico, profesional o deportivo). A veces, el esfuerzo no se traduce en buen desempeño, pero el esfuerzo sostenido sí que suele resultar en buen desempeño. Comprender esta naturaleza nos ayuda a ser más tolerantes, porque nos sugiere que los resultados de nuestras acciones no dependen únicamente de nuestras decisiones individuales, sino también de factores inciertos.

Comprender la distinción entre relaciones probabilísticas y determinísticas es importante. Nos ayuda a evitar aprender lecciones equivocadas, como desatender una alerta meteorológica o concluir que un tratamiento no sirve porque no ha sido efectivo para mí. También nos ayuda a ser más tolerantes, porque sabremos que, incluso tomando una buena decisión, el resultado puede no gustarnos, y que tendremos que insistir en ella. Pero quizás lo más preocupante es que no conocer la naturaleza de las relaciones probabilísticas puede llevar a cuestionar la ciencia. Si se promueve una vacuna como muy efectiva, que reduce el riesgo de contagio de una enfermedad en un 90% en relación con los no vacunados, algunos esperarán que lo elimine completamente, y si apareciera un caso, se puede dudar de la ciencia. O un alumno puede no tomarse en serio la teoría que le sugiere aumentar la autonomía de un empleado para aumentar su motivación, porque en su caso particular no parece acertar.

Las personas buscamos certezas y nos gusta creer que predominan las relaciones determinísticas. Pero nos rodea la incertidumbre, lo que favorece que muchas de las relaciones importantes sean probabilísticas. Como decía Robin Hogarth—pionero en el estudio de las decisiones y profesor en la Universitat Pompeu Fabra—no nos queda más remedio que «bailar» con la incertidumbre. Hacerlo, mejorará nuestra compresión del mundo, nos hará más tolerantes y nos hará confiar en la ciencia.