Clicked Gallery

¿Qué es la falacia de la tasa base?

Subrayado en un libro de texto real. Explicado por Clicked.

Usado en una frase

University Course Reader · STEM

Critics said the screening plan fell into the base rate fallacy: with so few true cases in the population, most positive results would be false alarms.

El lector subrayó un término — en un artículo o en el PDF de un paper. Clicked hizo que el término estadístico «base rate fallacy» fuera fácil de entender:

Explicado en tres niveles

Los mismos datos, otro rollo — Modo jerga 😎

El método Clicked

●○○

Overview

La falacia de la tasa base es juzgar lo que significa el resultado de una prueba por lo buena que es la prueba, olvidando lo raro que es lo que busca. La tasa base es esa rareza: cuántas personas tienen la enfermedad antes de que nadie se haga la prueba. Toma una enfermedad que tiene 1 persona de cada 1.000, y una prueba que detecta todos los casos reales y señala por error al 5 % de las personas sanas. Pon en fila a 1.000 personas. La única enferma queda señalada. De las 999 sanas, el 5 % son unas 50, y también quedan señaladas. Así que 51 personas tienen un resultado positivo en la mano y una de ellas está enferma: un positivo acierta más o menos el 2 % de las veces. La prueba no es mala. Un fallo del 5 % es pequeño. Decide la respuesta solo porque hay un caso real que encontrar y 999 ocasiones de fallar, así que las falsas alarmas superan al único caso real cincuenta a uno. Una prueba con un 95 % de acierto para una enfermedad de 1 de cada 1.000: un positivo acierta más o menos el 2 % de las veces. Cuenta a la multitud antes de fiarte de la señal.
●○○

Overview

La falacia de la tasa base es oír «95 % de acierto» y dar por hecho que un resultado positivo tiene un 95 % de probabilidades de ser verdad. No las tiene, si lo que se busca es raro, y tasa base es la palabra para lo raro que es. Haz los números con una enfermedad que tiene 1 de cada 1.000 personas. Haz la prueba a 1.000 personas con un test que nunca se pierde un caso real y se dispara en falso con el 5 % de los sanos. La única persona enferma se enciende. También unas 50 sanas, porque el 5 % de 999 son más o menos 50. Eso son 51 positivos, uno real: más o menos un 2 %. La prueba no hizo nada mal. Un 5 % de disparos en falso es minúsculo. Solo destroza el resultado porque había un único caso genuino en la sala y 999 ocasiones de dispararse en falso, y 50 disparos en falso enterraron un acierto. Los médicos también la pifian: ante exactamente esa pregunta en 2014, 14 de 61 acertaron y 27 dijeron 95 %. Antes de fiarte de un positivo, cuenta a la multitud de la que salió. 😎

Una idea rápida — muchas veces es todo lo que necesitas.

●●○

Detail

La falacia de la tasa base es leer un resultado por la fuerza del indicio solo y dejar caer el número que más importa: lo común que era la cosa antes de que llegara el indicio. Ese número es la tasa base. En 2014, unos investigadores de un hospital de Boston plantearon una pregunta a 61 médicos y estudiantes de medicina. Una enfermedad afecta a 1 persona de cada 1.000. Una prueba para detectarla encuentra todos los casos reales y tiene una tasa de falsos positivos del 5 %, es decir, señala al 5 % de las personas que no tienen la enfermedad. Una persona da positivo. ¿Qué probabilidad hay de que la tenga? Cuéntalo en personas. De 1.000 personas examinadas, una tiene la enfermedad y queda señalada. Las otras 999 no la tienen, y el 5 % de ellas, unas 50, quedan señaladas de todos modos. Eso son 51 positivos, uno de ellos real: más o menos un 2 %. Catorce de los 61 acertaron, y 27 respondieron 95 %. La misma pregunta en 1978 produjo el mismo resultado: 11 aciertos de 60. Lo que confunde a la gente es que dos porcentajes son verdad a la vez. La prueba se equivoca solo con el 5 % de las personas sanas, que es modesto. Y aun así el 98 % de sus positivos están equivocados, porque la multitud de sanos es 999 veces el tamaño de la de enfermos, y una porción pequeña de una multitud enorme supera a la totalidad de una diminuta. Las dos notas de una prueba, sensibilidad y especificidad, no pueden zanjar esto por sí solas. Describen la prueba. Lo que un resultado significa para la persona que tienes delante necesita un tercer número, la tasa base, y la cifra que sale de combinarlos se llama valor predictivo positivo. Un positivo no es inútil. Movió a esta persona de 1 de cada 1.000 a 1 de cada 51, veinte veces más probabilidades, que es por lo que a un cribado positivo le sigue una segunda prueba mejor y no un diagnóstico. La misma aritmética recorre las alertas de fraude, los controles de seguridad y cualquier búsqueda de algo raro: antes de fiarte de una señal, cuenta a la multitud a la que apuntaba.
●●○

Detail

La falacia de la tasa base es tratar la calidad de la prueba como toda la historia y olvidar lo rara que es la afección, que resulta ser casi toda la historia. Empieza con 10.000 personas y una afección que tiene 1 de cada 1.000. Eso son 10 personas. Una prueba que detecta a las 10 y señala por error al 5 % de todos los demás señala 10 casos reales más unas 500 personas sanas. De las 510 personas que ahora sudan por un positivo, 10 están enfermas de verdad. Dos de cada cien. Las dos cosas se sostienen a la vez: la prueba se dispara en falso solo con el 5 % de los sanos, y el 98 % de sus positivos son disparos en falso. Sin contradicción. La multitud de sanos es 999 veces mayor, así que el 5 % de ella es una montaña al lado de la totalidad del otro grupo. Un positivo no es poca cosa. Tus probabilidades pasan de 1 de cada 1.000 a 1 de cada 51. Veinte veces más, y aún pequeñas, que es exactamente por lo que un positivo en un primer control te gana una prueba mejor y no un veredicto. Sensibilidad y especificidad, las dos medidas habituales de una prueba, no pueden rescatarte aquí. Califican la prueba. Lo que tú quieres es la probabilidad de que tengas la afección dado el positivo, y eso pide un ingrediente más, lo común que es la afección. Los estadísticos llaman a la respuesta valor predictivo positivo. La gente lleva décadas suspendiendo este examen: en 1978 se les planteó a 60 médicos y estudiantes y 11 acertaron, con 27 diciendo 95 %. Nuestro cerebro agarra el dato vívido (la prueba dijo que sí) y suelta el aburrido (casi nadie tiene esto). El arreglo es aburrido y nunca falla: cuenta a la multitud, en personas de carne y hueso, antes de decidir qué significa un positivo. 😎

¿Quieres más? Un clic profundiza.

●●●

Analogy

La falacia de la tasa base es fiarse de una señal sin preguntar lo raro que es lo que señala, y el SMS antifraude del banco enseña la cuenta. Tu tarjeta hace unas 1.000 compras al año, y supón que una de ellas es un fraude. El sistema del banco pilla esa. También señala el 2 % de tus compras honradas, unas 20, normalmente una tienda nueva o una hora rara. Así que llegan 21 mensajes preguntando «¿has sido tú?», y 20 de ellos van de tus propias compras. El sistema no está roto. Un fallo del 2 % es pequeño. Los mensajes están casi todos equivocados solo porque había un fraude que encontrar y 999 compras honradas en las que fallar, así que los fallos superan al acierto 20 a 1. El único fraude es la tasa base, el 2 % es la tasa de falsos positivos, y los 21 mensajes son los positivos. Un mensaje sigue importando: mueve las probabilidades de 1 de cada 1.000 a 1 de cada 21, que es por lo que el banco pregunta en vez de bloquear la tarjeta. Donde termina la correspondencia: tú puedes contestar al banco en un segundo, mientras que un paciente con un resultado positivo necesita una segunda prueba.
●●●

Analogy

La falacia de la tasa base es creerse una alerta antes de haber contado cuántos casos reales había que pillar, y el «artículo inesperado en la zona de embolsado» de la caja de autoservicio hace la aritmética todo el día. Un supermercado pasa a 2.000 compradores por las máquinas un sábado. Digamos que dos de ellos salen de verdad sin pagar. La máquina pilla a los dos. También se dispara en falso con el 3 % de los clientes que pagan, una bolsa pesada o un niño apoyado en la báscula: unas 60 personas. Así que llaman al dependiente 62 veces, y 60 de ellas son gente de bien con un repollo en la mano. La máquina no es mala. Un fallo del 3 % es minúsculo. Solo entierra el resultado porque había dos ladrones que encontrar y 1.998 clientes que pagaban en los que fallar. Una alerta sí significa algo: 1 de cada 1.000 pasó a 1 de cada 31, que es por lo que un empleado se acerca paseando en vez de que entre la seguridad a la carga. Donde se rompe: el dependiente lo resuelve en diez segundos. Alguien con un resultado médico positivo tiene que esperar a una segunda prueba. 😎

¿Concepto nuevo? Un ejemplo cotidiano lo hace clic — nuevas analogías cuando quieras.

Las explicaciones de IA pueden contener errores · No es asesoramiento profesional

Definición formal — El mismo término, explicado de la forma habitual

La falacia de la tasa base (olvido de la tasa base) es el error de estimar una probabilidad condicional a partir de la diagnosticidad de la evidencia mientras se infrapondera la probabilidad previa, o tasa base, de la hipótesis. Para una prueba diagnóstica, la probabilidad de que un resultado positivo sea un verdadero positivo es el valor predictivo positivo, VPP = (sensibilidad × prevalencia) ÷ [(sensibilidad × prevalencia) + (1 − especificidad) × (1 − prevalencia)], que se deriva del teorema de Bayes; con prevalencia baja el término de falsos positivos domina incluso en pruebas muy específicas. Con prevalencia 1/1000, sensibilidad 100 % y una tasa de falsos positivos del 5 %, VPP ≈ 1,96 %. Casscells, Schoenberger y Graboys (NEJM, 1978) encontraron que 11 de 60 médicos y estudiantes respondieron correctamente; Manrai et al. (JAMA Internal Medicine, 2014) encontraron 14 de 61, con 95 % como respuesta modal en ambos. El valor predictivo negativo es la cantidad correspondiente para los resultados negativos. La falacia se asocia con la heurística de representatividad y se mitiga presentando la información como frecuencias naturales.

¿Quieres que Clicked te explique términos como «base rate fallacy» directamente en tu navegador, incluso en PDFs?

Añadir a Chrome — Gratis

50 Explicaciones gratis · Sin tarjeta de crédito