Por qué los agregados son conservadores

Los datos agregados son conservadores porque diluyen los extremos. Un solo dato, por llamativo que sea, tiene muy poco poder para cambiar el promedio de un grupo grande. Por eso, la valoración de 4,5 estrellas del restaurante apenas cambió con una sola reseña de 1 estrella: el peso de las 500 reseñas anteriores absorbió la nueva. Este principio muestra que lo que ocurre en un grupo suele ser más moderado y estable que lo que le ocurre a cualquiera de sus integrantes.

Fíjate en esto: la esperanza de vida promedio de todo un país cambia muy lentamente, incluso cuando ocurren acontecimientos importantes.

El carácter conservador de los datos agregados se explica con una idea matemática sencilla: cada dato nuevo es solo una voz entre muchas. Cuanto mayor es el grupo existente, menos peso tiene cada nueva voz. Lo habitual en la mayoría amortigua el efecto de un suceso extremo.

Este fenómeno se ve por todas partes. En las finanzas, una acción individual puede fluctuar muchísimo, disparándose o desplomándose en un solo día. Pero un fondo indexado diversificado como el S&P 500, que agrega el rendimiento de 500 empresas, cambia de forma mucho más lenta y predecible. El enorme éxito de una empresa se compensa con el rendimiento modesto o el fracaso de otras.

En política, una encuesta nacional sobre un candidato es mucho más estable que una encuesta en un solo pueblo pequeño. La opinión del pueblo puede cambiar radicalmente por un asunto local, pero, al combinarla con la de miles de otros pueblos, ese cambio drástico se convierte en una pequeña onda en un gran océano.

Por eso, centrarte en datos aislados y llamativos puede llevarte a conclusiones equivocadas. Una noticia alarmante sobre un delito concreto no significa necesariamente que haya cambiado la tasa general de delincuencia de la ciudad, que es un gran agregado. La estabilidad de los datos agregados ofrece una imagen más fiable de la realidad, aunque resulte menos emocionante.

El carácter conservador de los datos agregados es una consecuencia directa de leyes estadísticas fundamentales. A medida que recopilamos más datos, su promedio se convierte en una estimación más estable y fiable del verdadero promedio subyacente. Este efecto no es una simple curiosidad: es la base de los seguros, las encuestas y las mediciones científicas, y nos permite hacer predicciones sorprendentemente precisas sobre el conjunto observando una parte.

• La ley de los grandes números establece que, a medida que aumenta el tamaño de una muestra, su media se acerca al promedio de toda la población. Esto muestra cómo los agregados más grandes se vuelven más estables y predecibles. [1]
• El teorema central del límite explica que la distribución de las medias de las muestras se aproximará a una distribución normal (una curva en forma de campana) alrededor de la verdadera media de la población. Esto muestra que los promedios tienden de forma natural a agruparse alrededor de un valor central y moderado, por lo que los promedios extremos son muy poco probables. [2]
• Las investigaciones de Kahneman y Tversky identificaron la «creencia en la ley de los pequeños números», un sesgo cognitivo por el que las personas esperan, de forma equivocada, que las muestras pequeñas sean tan representativas y estables como las grandes. Esto lleva a reaccionar de manera exagerada ante datos limitados. [3]

Este principio se aplica principalmente cuando los datos individuales son independientes. Si están muy correlacionados (por ejemplo, si todas las empresas de un sector quiebran por el mismo impacto), el agregado no es tan conservador. Además, un agregado como el «ingreso promedio» puede ocultar una desigualdad extrema: un país puede tener un promedio moderado y, al mismo tiempo, muchísimas personas muy pobres y muy ricas. Los datos agregados revelan la tendencia central, pero ocultan la forma de la distribución.