Cuando quieres el mejor valor esperado

Hace dos lecciones nos ganamos un número precioso: rechaza el primer 37% y luego lánzate a por la primera opción que supere a todo lo que hayas visto. Parecía la última palabra. No lo es. Es la respuesta a una pregunta muy concreta y ligeramente trastornada — y esa pregunta casi nunca es la que en realidad te estás haciendo.

Aquí está la suposición enterrada. La regla del 37% maximiza la probabilidad de conseguir la única mejor opción de todo el conjunto. No una gran opción. No una opción entre las cinco mejores. La mejor. El máximo literal. Y puntúa tu resultado como un psicópata: si te llevas al candidato #1, ganas; si te llevas al candidato #2 — a un pelo por detrás, brillante, habría sido perfecto — pierdes exactamente igual que si hubieras contratado a la peor persona del montón. El segundo puesto y el último puesto tienen la misma puntuación: cero.

Esa es una forma extrañísima de valorar una contratación, una casa o una pareja. Esta lección sustituye ese objetivo por el que casi todas las decisiones tienen de verdad — el mejor valor esperado (expected value) (calidad esperada, o rango esperado) de tu elección — y observa cómo todo cambia: la observación óptima se reduce por debajo del 37% y el listón que exiges baja a medida que se te acaba la pista. Si recuerdas una sola mejora de todo el modelo, que sea esta. Elegir el objetivo correcto importa más que cualquier fórmula.

La regla del 37% optimiza un objetivo duro, de todo o nada

Imagina un concurso de talentos donde el gran premio es un trofeo de oro solo para el primer puesto, y todos los demás finalistas — del segundo al centésimo — se van a casa sin nada. En ese mundo, un concursante que termina brillante en el percentil 98 pero no es el #1 ha fracasado. Su recompensa es idéntica a la de la persona que quedó la última. Ese es el mundo para el que está construida la regla del 37%. Es un objetivo de todo o nada (también llamado objetivo de solo-la-mejor o de ganar-o-perder): el pago es 1 si te llevas la única mejor y 0 en caso contrario.

Formalmente, el problema clásico de la secretaria usa lo que se llama un pago de rango relativo o pago cardinal 0/1: solo te importa acertar con la de arriba. No le importa lo buena que era la persona que contrataste — solo si era La Elegida.

Ahora dilo en voz alta sobre la contratación. Entrevistas a 100 personas, contratas a un candidato que está en el 2% superior de todos los que viste — un ingeniero genuinamente excelente — pero, sin que lo sepas, había una persona marginalmente más fuerte atrás en el montón. Bajo el objetivo de solo-la-mejor, perdiste. Tu resultado se puntúa igual que si hubieras contratado al aspirante menos cualificado de todo el conjunto.

Nadie dirige una empresa así. Una contratación en el percentil 98 no es “un fracaso idéntico a la peor contratación”. Es casi tan buena como perfecta, y en el mundo real estás encantado. La dureza es todo el problema: el objetivo de solo-la-mejor tira toda la información de “cuánto me acerqué”, y esa información es exactamente la que te importa.

Pasarse al valor esperado cambia el óptimo

Así que arreglemos el objetivo. En vez de “probabilidad de la única mejor”, queremos maximizar el valor esperado de lo que acabemos consiguiendo — la calidad esperada, o equivalentemente minimizar el rango esperado, de nuestra elección. Ahora una opción en el percentil 98 vale unos 98, una opción en el percentil 50 vale unos 50, y las que se quedan cerca reciben el crédito que merecen.

Mira lo que esto le hace a la estrategia. Bajo la regla de solo-la-mejor, aguantar es barato: rechazar una opción meramente excelente no te cuesta nada si no era literalmente el #1, porque excelente y terrible puntúan igual de todos modos. Bajo la regla del valor esperado, aguantar es caro: cada vez que rechazas una opción del percentil 95 esperando una del 99, estás apostando un 95 casi seguro contra una pequeña probabilidad de un número algo mejor — y arriesgándote a acabar con mucho menos. El perfeccionismo tiene un precio ahora, y el precio es alto precisamente porque excelente es casi tan bueno como perfecto.

La consecuencia: la fracción de observación óptima se reduce por debajo del 37%. Cuando persigues el valor esperado con valores de opciones conocidos y distribuidos uniformemente, las matemáticas (este es el estilo de los resultados de Chow–Robbins y de pago cardinal) dicen que mires muchas menos del 37% antes de empezar a aceptar — la región de muestreo óptima cae hacia el entorno de sqrt(N) en lugar de N/e. Con 30 opciones, solo-la-mejor dice mirar unas 11; el objetivo de valor esperado dice empezar a estar dispuesto a comprometerte tras solo un puñado. Sé menos exigente. Comprométete antes.

La intuición en una línea: cuando solo obtienes crédito por la perfección, compensa esperar por la perfección; cuando obtienes crédito por la excelencia, esperar por la perfección significa rechazar la excelencia, lo cual es un mal trato.

Esta es la pieza central — ve a jugar con ella. Empieza en Maximizar el valor esperado y lee dónde queda la observación óptima. Luego cambia a Elegir la única mejor y observa cómo el punto dulce salta de vuelta al ~37%.

El umbral BAJA a medida que se agotan las opciones

Ahora la parte profunda, y la pieza que casi todo el mundo olvida. La política de valor esperado verdaderamente óptima no es “un único listón fijo”. Es un valor de reserva (reservation value) — una calidad mínima aceptable — que disminuye con cada opción que pasa. Al principio, con una larga pista por delante, puedes permitirte ser exigente: solo una opción espectacular merece que te detengas, porque si pasas, todavía tienes montones de oportunidades. Al final, con la puerta de salida cerrándose, tienes que bajar tus estándares: una opción meramente buena ahora supera apostar en los dos lanzamientos de moneda que te quedan. En la última opción, tu valor de reserva toca fondo — aceptas cualquier cosa, porque la alternativa es marcharte con las manos vacías.

Esta es la misma forma que el problema de la venta de casa (o el problema de búsqueda-de-empleo / de la secretaria con pagos cardinales): las ofertas llegan de una en una, y tu precio de retirada debería ir bajando a medida que se agota la temporada de venta. Un propietario que exige el precio de sus sueños en diciembre, con el mercado cerrándose, está cometiendo el error clásico.

La razón de que el listón se mueva es pura contabilidad de valor esperado. Tu valor de reserva en cualquier momento equivale a lo que esperas conseguir si rechazas y juegas de forma óptima a partir de aquí. Con muchas opciones por delante, ese valor de continuación es alto (probablemente verás algo genial), así que tu listón es alto. Con pocas por delante, el valor de continuación es bajo (magras perspectivas por delante), así que tu listón baja para igualarlo. El listón es literalmente “el valor de tus opciones restantes” — y eso se encoge hacia cero a medida que se agotan las opciones.

Aquí tienes una tabla de umbral decreciente (descending threshold) concreta para un conjunto de 10 opciones cuyos valores se extraen uniformemente al azar como percentiles (0–100). “Opciones restantes” cuenta la que tienes delante más las que aún están por venir. La regla: acepta la opción actual solo si su percentil supera el listón.

Léela de arriba abajo: el listón empieza alto y va bajando. (Los números exactos dependen de la distribución de valores; la forma — monótonamente decreciente, tocando fondo en la última opción — es universal para la parada óptima de valor esperado.)

Ejemplo resuelto: la misma secuencia, dos objetivos

Hagámoslo dolorosamente concreto. Diez candidatos llegan de uno en uno. Nadie puede ser recuperado. Aquí están sus percentiles de calidad reales en orden de llegada (no conoces los futuros, solo el actual y los pasados):

La regla de valor esperado para en la posición 3 y se embolsa una elección del percentil 90. Excelente. No el verdadero máximo (ese era el 96 en la posición 5), pero la política no conoce el futuro y el 90 estaba muy por encima de su listón. Un resultado muy satisfactorio.

Ahora ejecuta la regla del 37% de solo-la-mejor sobre la misma secuencia. Mira el primer 37% — posiciones 1–3 (redondea 3,7 a la baja a 3) — recházalas todas, pero recuerda la mejor vista: el 90 en la posición 3. Luego acepta la primera opción posterior que supere el 90.

• Posición 4: 42 — por debajo de 90, rechazar.
• Posición 5: 96 — ¡supera el 90! Aceptar → elección de solo-la-mejor = 96.

Interesante. En esta secuencia concreta, la regla de solo-la-mejor lo hizo mejor (96 frente a 90), porque dio la casualidad de que atrapó el verdadero máximo. Pero fíjate en la estructura de costes: la regla de solo-la-mejor estuvo dispuesta a pasarse de largo el excelente 90 y arriesgarse a llegar hasta el final con la esperanza de algo mejor. Baraja de nuevo el mazo — pon el 96 más temprano, o no dejes nada bueno después de la posición 3 — y la regla de solo-la-mejor a menudo se marcha con sobras (obligada a aceptar lo que sea lo último), porque nunca baja su listón. A lo largo de muchas secuencias aleatorias, la regla de valor esperado gana en calidad media y rara vez se queda a dos velas; la regla de solo-la-mejor gana en frecuencia de atrapar el máximo exacto y de vez en cuando se estrella contra la última opción.

Ese trato — excelencia fiable frente a perfección ocasional con riesgo de desastre — es toda la lección en un ejemplo resuelto.

¿Cuál es tu objetivo?

Todo lo anterior depende de una pregunta que debes responder antes de elegir una regla: ¿es el segundo puesto inútil, o quedarse cerca es casi igual de bueno? Equivócate en esto y ninguna cantidad de ingeniosas matemáticas de parada te salvará.

Usa la regla estricta de solo-la-mejor (mira el ~37%, luego lánzate, nunca bajes el listón) solo cuando el premio es genuinamente para-el-ganador-todo y quedarse cerca no vale nada:

• Un lote de subasta único en su especie o un coleccionable único — o posees el artículo o no.
• Un único gran premio en un concurso sin valor de consolación.
• Una única plaza irreemplazable donde el segundo clasificado literalmente no puede usarse.

Usa la regla de valor esperado / de umbral decreciente para casi todo lo demás, porque en casi cualquier decisión real un fuerte segundo clasificado es un gran resultado:

• Contratación — un ingeniero del 3% superior es un fichaje fantástico, no un fracaso.
• Vivienda / pisos — el segundo mejor piso que puedes conseguir de verdad supera al piso de tus sueños que no puedes.
• Citas / parejas — “no el humano más compatible que existe” es un listón disparatadamente equivocado para una relación feliz.
• Vender una casa o un coche — una oferta muy buena hoy supera apostar la temporada por una algo mejor que quizá nunca llegue.

Juntándolo todo

La regla del 37% no está equivocada — es una respuesta precisa a una pregunta que la mayoría de la gente no se está haciendo. Optimiza la probabilidad de la única mejor, un objetivo brutal de todo o nada que trata una elección del percentil 98 como un fracaso idéntico al peor. Sustitúyelo por el objetivo que la vida real casi siempre tiene — el mejor valor esperado de tu elección — y dos cosas se mueven: la observación óptima se reduce por debajo del 37% (te calibras rápido y te comprometes antes porque aguantar por la perfección significa dejar pasar la excelencia), y tu listón de aceptación baja a medida que se agotan las opciones (exige brillantez con una larga pista, acepta lo “suficientemente bueno” cuando se acerca la salida, toma cualquier cosa en el último movimiento).

Tres modos de fallo para grabarte a fuego: (1) suponer que “37%, luego lánzate” es universal — es óptimo solo para el objetivo de la única mejor; (2) ser demasiado exigente cuando quedarse cerca está bien — el perfeccionismo es caro una vez que excelente casi iguala a perfecto; y (3) la tragedia clásica — olvidar bajar tu listón a medida que se acorta la pista, aguantar por el sueño, y acabar con sobras.

Siguiente lección: qué pasa cuando las suposiciones se resquebrajan — cuando sí puedes recuperar una opción rechazada, cuando las opciones pueden decirte que no a ti, y cuando no sabes cuántas hay.