Todos deberíamos ser bayesianos
La verdad como probabilidad o grado de creencia
Todos deberíamos ser algo en esta vida
Todos deberíamos ser feministas y algunas otras cosas más. Republicanos, por ejemplo, en el sentido de valedores de la ley y defensores de la igualdad como ciudadanos. Todos deberíamos ser racionales, autónomos y generosos. Como no se puede tenerde todo al mismo tiempo, abogo por ser bayesianos. Sí, todos deberíamos ser bayesianos. Para empezar, creo al noventa por ciento que deberíamos tener esa actitud ante la vida y me quedaría un diez por ciento de rechazo al razonamiento bayesiano. Pero, ¿qué es ser un bayesiano?
Verdades como números (que no como puños)
Hay tantos tipos de verdad como filósofos: verdad como correspondencia o adecuación (la nieve es blanca cuando efectivamente lo es), verdad como coherencia (una persona soltera no puede estar casada y viceversa), verdad como utilidad (lo placentero es lo útil y lo útil es lo verdadero), verdad como perspectiva (no hay una única verdad, sino distintos puntos de vista o perspectivas) y verdad como probabilidad (tengo un grado de certidumbre alto o bajo). Los bayesianos son personas prudentes (y un poco frikis, para qué engañarnos) que creen en la verdad como probabilidad (también están los "frecuentistas", pero esa es otra historia): nunca están seguros al cien por cien, pero tienen razones para tener más confianza en unas afirmaciones que en otras.
La idea crucial de los bayesianos (el nombre proviene del matemático Thomas Bayes) tiene que ver con la connatural incertidumbre de nuestros razonamientos. Es imposible determinar de manera concluyente la verdad última de las cosas. Lo que sí podemos hacer, en cambio, es asignar probabilidades a nuestras creencias e ir corrigiendo nuestras ideas a medida que obtenemos evidencias que corroboren o refuten nuestros prejuicios (todos tenemos prejuicios, ya que todos tenemos intuiciones y creencias a priori).
Un ejemplo: ¿Qué posibilidades tengo de que este artículo interese a los lectores? Asignaré, en primer lugar, un porcentaje al enunciado afirmativo (este artículo interesa a los lectores) y otro al enunciado negativo (este artículo no interesa a los lectores). Digamos que soy optimista y asigno un 60 por ciento al sí (interesa) y un 40 por ciento al no. A continuación, busco motivos que me lleven a actualizar mis ideas. Por ejemplo, comprobaré si los lectores comparten esta columna en Twitter como posible señal de que la han disfrutado y asignaré nuevos porcentajes. Si les gusta el texto, asignaré un 70 por ciento a que lo comparten y un 30 por ciento a que no. Si no les gusta el texto, sin embargo, asignaré un 20 por ciento a que lo comparten (para criticarme, quizás) y un 80 por ciento a que no.
Ahora vienen unas cuentas rápidas y terminamos. Supongamos que comparten el texto en Twitter. Multiplicaré mi asignación inicial (60) por 0,7 (el setenta por ciento a que lo comparten) y la otra cantidad (40) la multiplicaré por 0,2 (el veinte por ciento a que lo comparten para criticarme o mofarse de mí). El primer resultado es 42. El segundo es 8. Por último, para inferir la nueva probabilidad divido 42 entre el total (42+8). El resultado final es 0,84, lo que quiere decir que la nueva probabilidad es del 84 por ciento (tengo más certezas que antes de que el artículo interesa, pues previamente tenía un sesenta por ciento inicial). ¿Podría estar alejándome de la verdad en lugar de aproximándome a ella? Por supuesto, por eso este proceso de asignación de porcentajes es infinito. Uno siempre va corrigiendo (actualizando, en términos estadísticos) lo que cree.
¿Para qué sirve este procedimiento? Para no dejarnos llevar por el dogma, para admitir que todo conocimiento es provisional y para guiarnos por las pequeñas o las grandes evidencias que nos conducen hacia creencias firmes. Si las cuentas no te parecen de fiar, puedo haberme equivocado. Localiza el error. Si no, como buen bayesiano podrías asignar probabilidades a que haya hecho las cuentas bien y a que me haya equivocado (soy de letras, lo cual debería afectar a tu modo de asignar probabilidades). Por cierto, hay un 98 por ciento de probabilidades de que este ejemplo esté sacado de uno muy parecido que propone Sean Carroll en el libro El gran cuadro.
La gran inferencia bayesiana
En realidad, no todos deberíamos ser bayesianos. Ese absolutismo es impropio de un verdadero bayesiano, que busca un razonamiento aproximado, no prescripciones morales ni obediencia ciega. No podemos "saber" si el sol saldrá mañana (como supuestamente dijo Hume), pero tenemos probabilidades que nos otorgan una cierta credibilidad.
El análisis bayesiano es fundamental para la ciencia y el progreso (yo creo en el progreso a un cincuenta por ciento). Por ese motivo, todos deberíamos ser, al menos, un poco bayesianos... ser bayesianos al ochenta por ciento no estaría nada mal como comienzo.
Síguenos también en el Facebook de HuffPost Blogs