¿Cómo saben los coches cuántos kilómetros puedes hacer con la gasolina que te queda?

Panel de mandos de un coche

Car Dashboard by Albert Lynn(CC BY-NC-ND 2.0)

Respuesta corta: Ajustando modelos de eficiencia a datos de consumo

Para la respuesta larga debería explicar que es eso de “ajustar modelos a datos”. Típicamente en física y en ingeniería uno cuenta con una serie de datos (en nuestro caso, cuántos litros hemos utilizado en una cierta distancia) y desarrolla un modelo teórico que pueda describir las observaciones que ya están hechas y predecir resultados en situaciones en las que todavía no tenemos datos. Por ejemplo, cuando uno va en un coche que tiene esta opción, uno no ha recorrido todavía la distancia que esta marcada y, sin embargo, el coche es capaz de predecir cuánta distancia podrá hacer con el combustible que le queda. Continue reading

Errores y errores

La economía crecerá un 10±??% este trimestreUna de las cosas que más me sorprenden/fastidian al ver resultados (científicos o no) en la tele o en las revistas es la ausencia de errores. No me refiero a que no se equivoquen (que ocurre bastante a menudo), sino a que, en la ciencia, cuando se da una medida o una predicción, usualmente esta viene acompañada de un “error”.  Lo escribo entre comillas, porque la palabra “error” suele significar en este contexto algo diferente a “fallo” o “equívoco”. No es lo mismo que un periodista diga que “se estima que la demanda ha crecido un 0.5%” a que diga “se estima que la demanda ha crecido un (0.5±0.5)%”, lo que querría decir que es bastante probable que no haya crecido nada.

Pero, ¿qué es y de dónde viene ese error? Para responder a esta pregunta, necesitamos entender un poco cómo funciona la ciencia.

Además de un corpus de conocimiento, la ciencia es un proceso. Es el modo de estudiar fenómenos reproducibles a través de propiedades observables de un sistema. Vamos… que podemos pensar en la ciencia en modo muyyyy simplificado de la siguiente manera:

  • Observo las cosas bajo ciertas condiciones
  • Hago medidas de las cosas
  • Me doy cuenta de patrones, de cosas que se repiten, o que siguen una regla.
  • Construyo un modelo en base al patrón.
  • Derivo consecuencias del modelo que no hayan sido observadas todavía (como extensiones de los patrones)
  • Comparo el modelo con nuevos datos

Estos pasos no tienen por qué darse en este orden, o todos, y usualmente se realizan en proceso cíclico, donde nuevas predicciones llevan a intentar nuevas o más precisas observaciones (con un error más pequeño), que a su vez pueden confirmar el grado de validez del modelo, o inspirar nuevos modelos.

Pero si el proceso que hemos tomado para “hacer ciencia” está bien definido, ¿de dónde vienen los “errores”?. Los errores prácticamente plagan el proceso: desde incertidumbres y errores sistemáticos en la medida; los errores en el ajuste a patrones; simplificaciones realizadas en el modelado,…

Pero el mayor problema no es el trabajar con los errores, que es algo a lo que cualquier persona que haya hecho un curso de matemáticas podría, en principio, hacer. El mayor problema desde mi punto de vista es estimar los errores. Hay mil y una maneras en que los errores y las incertidumbres se te pueden colar en los cálculos.

Veamos un ejemplo: tratas de medir la temperatura de un líquido utilizando un termómetro electrónico.¿Cuántas veces lo mides? Quizás necesites más de una medida para evitar errores estadísticos;  ¿dónde lo mides? quizás prefieras dejar el termómetro en un mismo lugar, o puedes cambiar de lugar para ver si hay diferencias de temperatura; ¿cómo lo mides? Quizás haces un montón de medidas cortas, o una larga; ¿y los errores sistemáticos? quizás necesitas calibrar primero tu termómetro…

Obviamente, dependiendo de para qué quieras esa temperatura, tu tolerancia (esto es, el error que puedes admitir) variará. Si por ejemplo necesitas estabilizar la frecuencia de un laser, necesitarás controlar su temperatura con una precisión menor de una décima parte de grado. Sin embargo, si solo necesitas agua “templada” para darte una ducha, puedes incluso prescindir del termometro y guiarte por las sensaciones de la piel.

Cualquier medida o predicción siempre conlleva un error asociado, ya sea usando un instrumento como un termómetro, o utilizando encuestas del CIS. Ese error nos permite saber cómo de buena es la medida o la predicción, o la probabilidad de que, en realidad, las cosas sean diferentes de como han sido predichas. Supongamos que un estudio pretende conocer cuánto va a aumentar la producción nacional de un pais. No es lo mismo que las predicciones tengan un error relativo del 90% a que tengan un error de 2 o 3%. Si escuchamos “se estima que la producción aumentará un (50±45)% este trimestre” deberíamos entender que la estimación predice entre el 95 y el 5% de crecimiento; sin embargo, si “se estima que la producción aumentará un (50±1)% este trimestre”, signifcaría que la predicción es bastante cercana al 50%.

El error se puede ocultar por varios motivos:

  • puede ocurrir que no sea fácil estimar el error, lo que mostraría que no se está poniendo demasiado hincapié en si la estimación es buena o no
  • también puede suceder que el error sea muy grande, lo cual “socavaría” los resultados de la investigación
  • o que simplemente no existe manera de estimar el error, porque los números han aparecido de una chistera

Si los políticos tuvieran que poner barras de error en sus predicciones, o bien perderían votos (porque la realidad podría ser bien diferente de su predicción), o bien tendrían que dejar la profesión (porque se están sacando las predicciones de la manga).

Así que, si veis escritos valores de medidas o predicciones que no lleven un error asociado, ¡estad atentos!: los errores son una fuente valiosa de información, y la información es poder.