Extremización de pronósticos

Extremizar significa alejar un pronóstico de probabilidad combinado del 50 % hacia el 0 % o el 100 %. Puede ayudar cuando combinar distintas evidencias produce un pronóstico demasiado prudente, pero el acuerdo por sí solo no demuestra que vaya a ayudar. Comprueba esto: Antes de ajustar un pronóstico, revisa si los expertos usaron información que se solapa.

Para extremizar pronósticos, primero combina las probabilidades individuales, por ejemplo, calculando su promedio. Después, aleja el resultado del 50 %. Un promedio superior al 50 % aumenta; uno inferior al 50 % disminuye. La dirección de este ajuste no indica si mejora la precisión.

Como ejemplo hipotético, cinco responsables de producto dan cada uno a una función un 65 % de probabilidad de éxito. Su promedio también es del 65 %. Si aportan información útil y diferente sobre los clientes, la información combinada podría justificar una mayor confianza. Si todos se basan en la misma encuesta, su acuerdo aporta menos información. Ni el acuerdo ni el hecho de trabajar por separado permiten determinar el ajuste adecuado.

El artículo proporcionado propone dos mecanismos. Primero, las probabilidades tienen límites: cerca del 100 %, un error tiene poco margen para aumentar la estimación, pero mucho más para reducirla. Bajo los supuestos del artículo sobre los errores, esto puede acercar el promedio al 50 %. Segundo, las personas pueden moderar su confianza de forma adecuada porque saben que les falta información. Combinar distintas evidencias puede entonces justificar una confianza mayor que la que suele expresar una persona por su cuenta. Esta es una explicación teórica, no una afirmación de que todas las personas que hacen pronósticos sean demasiado prudentes. [1]

El artículo informa de que extremizar mejoró los pronósticos de acontecimientos internacionales, según la puntuación de Brier. Esta mide el error de los pronósticos de probabilidad, y una puntuación más baja indica un mejor resultado. También señala casos en los que hacer los pronósticos menos extremos ayudó, posiblemente porque las estimaciones originales eran demasiado extremas. Por eso, importan el solapamiento de la información, la evidencia sesgada y el exceso de confianza previo; la independencia y el acuerdo no garantizan una mejora. Incluso con toda la información disponible puede quedar incertidumbre. [1]

Como orientación práctica, usa pruebas retrospectivas: compara distintos ajustes con los resultados de pronósticos pasados. Elige el ajuste con un conjunto de preguntas cuyo resultado ya se conoce y luego evalúalo con preguntas reservadas, es decir, excluidas de esa elección. Comprueba la calibración —si los acontecimientos a los que asignas probabilidades similares ocurren aproximadamente con esa frecuencia— y compara el error global de predicción con el del promedio sin ajustar. Usa un ajuste solo cuando esa evaluación respalde su uso en pronósticos comparables; de lo contrario, deja el promedio sin cambios.

• Evidencia empírica: Baron y sus colegas informan de que extremizar mejoró los pronósticos agregados de acontecimientos internacionales, según las puntuaciones de Brier. También mencionan casos posteriores en los que fue preferible hacer las estimaciones menos extremas, posiblemente porque las iniciales eran demasiado extremas. El fragmento no demuestra un beneficio universal [1]
• Teoría: El artículo propone que los límites de la escala de probabilidad pueden acercar una media aritmética al 50 % bajo sus supuestos sobre los errores. Cerca de un límite, los errores al alza y a la baja tienen distinto margen; el artículo distingue este efecto del mecanismo de la información faltante [1]
• Teoría: Las personas pueden reducir razonablemente su confianza para tener en cuenta la información que les falta, mientras que un grupo combina distintas evidencias. Los autores explican de forma explícita que esta prudencia individual no tiene por qué ser un sesgo y que el exceso de confianza puede reducir o invertir el efecto propuesto [1]
• Supuestos y límites del modelo: El argumento supone que los errores de información tienen la misma probabilidad de favorecer cualquiera de las dos direcciones respecto a la estimación basada en toda la información disponible. Los autores describen su modelo como aproximado, señalan que compartir información influye en la ventaja informativa del grupo y admiten que puede quedar incertidumbre incluso con toda la información disponible [1]

El fragmento está incompleto y no establece una magnitud de ajuste universal ni una regla que vincule un mayor acuerdo con una mayor extremización. Trabajar por separado no garantiza que quienes hacen los pronósticos usen evidencias diferentes, y compartir evidencias no demuestra que todos los ajustes vayan a fallar. Los mecanismos propuestos dependen de supuestos sobre la información y los errores; no son garantías para un pronóstico concreto. Las pruebas retrospectivas con preguntas reservadas y las comprobaciones de calibración son orientaciones prácticas que se ofrecen aquí, no un hallazgo comunicado en este fragmento. Su utilidad también depende de contar con suficientes preguntas cuyo resultado ya se conoce y que se parezcan razonablemente a los pronósticos que se van a ajustar.