En la lección 01 conociste dos mundos. Mediocristán, donde ningún suceso aislado puede mover mucho la media (estaturas, tallas de zapato), y Extremistán, donde un solo suceso puede eclipsar todo lo demás (la riqueza, las ventas de libros, las pandemias). Esos mundos no son solo una sensación: cada uno tiene una forma característica que describe cómo se comporta su azar. Mediocristán funciona con la campana de Gauss. Extremistán funciona con leyes de potencia. Esta lección trata de cómo esas dos formas tratan las colas — los sucesos raros y lejanos — porque ahí es exactamente donde discrepan con violencia, y donde elegir la forma equivocada te hace daño.
Before you read — take a guess
Comprobación de instinto antes de empezar. Un modelo afirma que cierto movimiento del mercado es un 'suceso de 10 sigmas' — algo que, según ese modelo, no debería ocurrir ni una vez en la vida del universo. Y sin embargo acaba de ocurrir. ¿Cuál es la explicación más probable?
Las sumas de cosas pequeñas se apilan en una campana
Imagina que mides la estatura de cada adulto de una ciudad y apilas los resultados. No obtienes una línea plana ni picos aleatorios: obtienes una colina suave, gruesa en el centro y fina en los dos extremos. La mayoría se agrupa cerca de la media; las personas muy altas y muy bajas son raras y simétricas. Esa colina es la distribución normal, también llamada gaussiana o, con cariño, la campana de Gauss.
Su disciplina de origen es la estadística, y su historia es sencilla: cuando una magnitud es la suma de muchos efectos pequeños e independientes, esos efectos casi se cancelan y se apilan en una campana. La estatura es una pila de muchos genes más nutrición más sueño — ningún gen aislado te hace medir tres metros. Los errores de medición, la media de muchas tiradas de dado, el total de muchas tiradas de moneda: todas campanas.
Dos números describen una campana por completo:
- La media (, “mu”) — el centro de la colina, el valor promedio.
- La desviación típica (, “sigma”) — la distancia habitual a la media, es decir, lo ancha que es la colina. Una pequeña es una colina estrecha y puntiaguda; una grande es una colina ancha y suave.
Todo en una campana se mide en unidades de a partir de . “Dos sigmas por encima de la media” significa “el doble del bamboleo habitual por encima del promedio”. Esa regla única es lo que hace a la campana tan seductora — y, en el mundo equivocado, tan peligrosa.
Por qué tantas cosas tienen forma de campana
El teorema central del límite dice que si promedias suficientes piezas independientes y de varianza finita, la media tiende a una campana sea cual sea la forma que tuvieran las piezas. Es la razón de que la gaussiana esté por todas partes en la naturaleza — y la razón de que la gente recurra a ella por reflejo, incluso cuando sus supuestos (independiente, finita, aditiva) fallan en silencio.
La regla 68–95–99,7 y lo rápido que se desvanece la cola
La campana tiene un ritmo famoso. Avanza en pasos de una y la probabilidad de caer dentro se desploma según un calendario fijo:
- Alrededor del 68% de los resultados cae dentro de de la media.
- Alrededor del 95% cae dentro de .
- Alrededor del 99,7% cae dentro de .
Ese último 0,3% es la cola, y aquí viene la parte brutal: la cola no se encoge con educación, implosiona. Mira lo rápido que caen las probabilidades de superar sigmas:
| Más allá de… | Aproximadamente con esta frecuencia | En palabras |
|---|---|---|
| 1 entre 370 | una mala semana | |
| 1 entre 15.800 | una mala carrera profesional | |
| 1 entre 3,5 millones | una mala civilización | |
| 1 entre ~500 millones | básicamente nunca |
Cada sigma extra multiplica la rareza por un factor enorme. Esto se debe a que la cola de la campana decae de forma superexponencial — su altura cae como , donde el del exponente hace que la probabilidad se hunda más rápido que cualquier exponencial corriente. Empuja hacia valores lejanos de y la curva se pega tanto a cero que los extremos se vuelven astronómica, cómicamente improbables.
Ese desplome es justo la razón de que un modelo gaussiano, al recibir un crac real, lo declare un suceso “de 10 sigmas, una vez desde el Big Bang”. El modelo no miente sobre sus propias matemáticas — simplemente describe un mundo que no existe.
Bajo una distribución normal, ¿cuánto más raro es aproximadamente un suceso de 5 sigmas que uno de 4 sigmas?
Cuándo la campana es la herramienta correcta
Recurre a la gaussiana cuando la magnitud sea genuinamente aditiva, acotada y de Mediocristán: estaturas, pesos, errores de medición, la media de muchas extracciones independientes, las tolerancias de fabricación. Son sumas de muchos efectos pequeños y finitos sin ningún término dominante — exactamente la receta que el teorema central del límite premia.
La trampa de la distribución por defecto
La campana es la distribución que a todo el mundo le enseñan primero, así que se convierte en el valor por defecto silencioso — la forma que supones cuando no has pensado en qué forma aplica. Ese reflejo es la manera más común de que el riesgo de cola gruesa quede oculto. Antes de ajustar una gaussiana, pregúntate: ¿es esta magnitud realmente aditiva y acotada, o podría una sola observación ser mayor que todas las demás juntas? Si lo segundo te suena posible, estás en Extremistán, y la campana te traicionará.
Leyes de potencia: mandan las grandes
Ahora imagina la riqueza en lugar de la estatura. No existe un “multimillonario medio” como existe una estatura media — una sola fortuna puede superar al millón de personas más pobres juntas. Apila patrimonios y no obtienes una colina; obtienes un acantilado en el cero, un cuerpo largo y una cola que se niega a morir. Esa forma es una ley de potencia, y su filosofía cotidiana es contundente: mandan las grandes.
Con precisión: en una ley de potencia, la probabilidad de superar cierto valor decae como una potencia de ,
El exponente (“alfa”) es el exponente de la cola, y fija lo gruesa que es. Lo contraintuitivo: un más pequeño significa una cola más gruesa. Un exponente pequeño hace que se encoja con pereza al crecer , así que los valores gigantes siguen siendo sorprendentemente probables.
Todo el drama está en cómo decaen las dos distribuciones. La cola de la campana cae exponencialmente (en realidad superexponencialmente), — se cierra de golpe. La cola de una ley de potencia cae solo polinómicamente, — se cierra despacio. A lo lejos en la cola, un polinomio es enormemente mayor que una exponencial, así que la ley de potencia asigna muchísima más probabilidad a los sucesos extremos. La misma distancia desde lo “normal”, veredictos radicalmente distintos.
Dos magnitudes que siguen leyes de potencia, una con exponente de cola α = 1,2 y otra con α = 3,5. ¿Cuál tiene la cola más gruesa — el mayor riesgo de valores atípicos monstruosos?
Invariancia de escala y la regla 80/20
Las leyes de potencia tienen una belleza extraña: se ven igual a cualquier nivel de zoom. Toma el 20% que más gana; dentro de ellos, la riqueza sigue siendo salvajemente desigual — un 20% superior de ese 20% acapara la mayoría, y así sucesivamente, para siempre. Esa propiedad es la invariancia de escala (o autosemejanza): haz zoom en la cola y encuentras una copia más pequeña del mismo desequilibrio.
La cara cotidiana de esto es la regla 80/20, también llamada principio de Pareto: aproximadamente el 80% de los efectos viene del 20% de las causas. El 80% de los informes de fallos de un programa vienen del 20% de sus fallos; el 80% de las ventas, del 20% de los clientes. Y como las leyes de potencia se anidan en sí mismas, la regla se repite.
Observa el anidamiento con números redondos. Empieza con 100 unidades de “efecto” producidas por 100 “causas”:
| Capa | Causas (acumuladas) | Efecto (acumulado) |
|---|---|---|
| Top 20% de las causas | 20% | 80% |
| Top 20% de esas | 4% | ~64% |
| Top 20% de esas | 0,8% | ~51% |
Aplica el 80/20 a la franja superior y obtienes el 80% del 80% ≈ 64% del efecto a partir de solo el 4% de las causas. Una capa más y aproximadamente la mitad de todo se rastrea hasta menos del 1% de las causas. Los gigantes dentro de los gigantes son donde está la acción.
Usa el anidamiento como herramienta de triaje
Cuando el esfuerzo es escaso, no lo repartas por igual — las leyes de potencia dicen que no te lo puedes permitir. Encuentra los pocos vitales (el 20%, y luego el 20% del 20%) y vuelca tu atención ahí. La otra cara: en el riesgo, ese mismo anidamiento significa que un número diminuto de sucesos carga con la mayor parte del peligro, así que la preparación “media” es exactamente lo contrario de lo que necesitas.
Dónde viven realmente las leyes de potencia
Esto no es una curiosidad de las finanzas. Una vez conoces la forma, la ves por todas partes donde los humanos, las redes o la energía se concentran. El hilo común: la magnitud es escalable — una unidad puede copiarse, enlazarse o componerse sin un techo natural.
| Magnitud | Comportamiento aproximado de la cola |
|---|---|
| Riqueza personal | Cola de potencia gruesa; unas pocas fortunas dominan |
| Tamaños de ciudades | Ley de Zipf — la enésima ciudad mide unas 1/n del tamaño de la mayor |
| Frecuencias de palabras | Ley de potencia — “el” y “de” aplastan la larga cola de palabras raras |
| Ventas de libros / música | Ley de potencia extrema — un puñado de superéxitos, una vasta cola fría |
| Energía de los terremotos | Ley de potencia (Gutenberg–Richter) — los seísmos raros liberan casi toda la energía total |
| Tamaños de archivos | Cola gruesa — unos pocos archivos enormes dominan el almacenamiento |
| Enlaces por página web | Ley de potencia — unos pocos hubs acaparan la mayoría de los enlaces |
Fíjate en que ninguna de estas es una suma acotada de efectos pequeños e independientes. Son procesos en los que el ganador se lo lleva casi todo — la riqueza engendra riqueza, los enlaces populares atraen más enlaces — y esa retroalimentación es el motor que fabrica las colas gruesas.
El remate: raro frente a esperado
Aquí está toda la lección en una colisión. Toma un suceso muy a lo lejos en la cola — llámalo “de unos 5 sigmas”, el tipo de movimiento que queda muy fuera de la experiencia cotidiana. Entrega los mismos datos a un modelo de cola fina y a uno de cola gruesa y pregunta: “¿cada cuánto?”.
| Modelo | Veredicto sobre un suceso de cola lejana | Qué te dice que hagas |
|---|---|---|
| Campana de Gauss (cola fina) | “Esencialmente imposible — una vez entre millones.” | Ignóralo; no lo presupuestes. |
| Ley de potencia (cola gruesa) | “Raro, pero del todo esperado — planifícalo.” | Lleva un colchón; vendrá. |
El mismo mundo, los mismos números, consejos opuestos — y solo un modelo acierta sobre Extremistán. La cola de la gaussiana se desvanece como ; la de la ley de potencia persiste como . Allí afuera donde viven los cracs, las pandemias y los éxitos virales, esa diferencia es la que separa “no puede pasar” de “pasa según calendario”.
Porque la gaussiana sí ajustará el centro tranquilo de maravilla — el 99% de los datos está en el cuerpo, donde ambas formas se parecen, así que el ajuste parece excelente. Pero entonces la campana impone su propia cola fina a los extremos, declarando “imposibles” justo los sucesos que más importan. Te queda un modelo que es preciso exactamente donde no pasa nada importante y catastróficamente erróneo exactamente donde pasa todo lo importante. El buen ajuste es la trampa.
Elegir la forma
Recurre a un modelo de ley de potencia / cola gruesa siempre que la magnitud sea escalable, social o económica, o siempre que notes que unos pocos gigantes dominan el total. Recurre a la campana de Gauss solo para magnitudes acotadas, aditivas y de Mediocristán — las sumas de muchas cosas pequeñas e independientes. En caso de duda, asume la cola gruesa: estar sobrepreparado para un extremo cuesta un colchón; estar infrapreparado cuesta la partida entera.
Un analista ajusta una distribución normal a los rendimientos diarios de una acción. El ajuste parece excelente — encaja con los datos a la perfección. ¿Por qué deberías seguir desconfiando de su estimación del riesgo de crac?
Repaso
¿Qué única característica de la campana de Gauss hace que infracuente los extremos?
Check your answer to continue.
Adónde lleva esto: si la campana es la forma equivocada, entonces las propias herramientas que nos enseñó — la media y la desviación típica — heredan su punto ciego. En la lección 03 veremos por qué, con datos de cola gruesa, la media y la desviación típica se vuelven engañosas: oscilan salvajemente con cada nueva observación y mienten en silencio sobre el riesgo que de verdad cargas.