La introducción te dio los bombarderos y el modelo en una frase. Esta lección desmonta ese modelo para ver girar los engranajes. Porque bajo cada versión de la trampa —los fondos, los que abandonan, las casas viejas y robustas— hay una única mecánica, y una vez que sepas nombrar sus tres piezas móviles la verás dispararse en libertad. Veamos a un filtro borrar medio conjunto de datos a cámara lenta.
Before you read — take a guess
Una web de empleo presume: 'Quienes completaron nuestro bootcamp de programación ganan de media $95.000.' Encuestaron a los graduados que trabajan actualmente como desarrolladores. ¿Qué es lo más probable que infle esa cifra?
Población, filtro, supervivientes: las tres piezas móviles
Imagina un filtro de café. Echas los posos molidos y el agua —eso es todo lo que entró—. El filtro retiene los posos. Lo que aterriza en tu taza es suave, oscuro y sin posos —y si juzgaras los granos por la taza, jurarías que los posos de café no existen—. La taza no miente. Simplemente no es toda la colada.
El sesgo de supervivencia (survivorship bias) funciona con exactamente tres piezas:
- La población — todo lo que entró en el proceso. Cada startup fundada, cada avión que voló la misión, cada grano que entró.
- El filtro — el mecanismo que elimina a algunos de ellos. La quiebra, ser derribado, los posos atrapados en el papel.
- Los supervivientes — lo que queda para ser observado después. Las empresas que aún cotizan, los aviones que aterrizaron, el café en la taza.
El sesgo en sí tiene una definición de una línea que merece la pena memorizar:
La mecánica central
El sesgo de supervivencia es confundir a los supervivientes con la población — leer rasgos, medias o lecciones del remanente filtrado como si nunca hubiera pasado ningún filtro.
La trampa no es que los supervivientes sean raros. Es que el filtro los eligió, así que cualquier cosa que midas entre ellos está enredada con “lo que hiciera falta para pasar el filtro”. Mide lo que no debes y no obtienes una respuesta ligeramente desviada: obtienes una respuesta torcida en una dirección predecible.
Un ejemplo resuelto: la media que se cuadruplica de la nada
Digamos que se fundan 1.000 startups en un año dado, cada una con la esperanza de ser la próxima gran cosa. Adelanta el reloj cinco años. Supón que el filtro —llámalo “seguir en activo tras cinco años”— deja 100 supervivientes, y las otras 900 han quebrado con unos ingresos de aproximadamente cero. Ahora un periodista quiere “los ingresos medios de una empresa de esa cohorte”. Observa lo que ocurre según a quién pueda encontrar para preguntar.
| Empresas contadas | Ingresos totales | Ingresos medios | |
|---|---|---|---|
| Solo supervivientes (las 100 que aún cotizan) | 100 | $200.000.000 | $2.000.000 |
| Empresas muertas (las 900 que quebraron) | 900 | $0 | $0 |
| Población real (las 1.000 fundadas) | 1.000 | $200.000.000 | $200.000 |
La misma realidad de fondo, dos respuestas que difieren en 10×. La media de solo supervivientes dice que una empresa de esta cohorte vale $2.000.000 al año. La media honesta de la población —que incluye los 900 cadáveres a $0— es $200.000. El periodista no hizo mal la aritmética. Dividió el total correcto por el denominador equivocado: 100 en vez de 1.000. Los 900 fracasos no bajaron la media porque nunca estuvieron en la suma.
El denominador es donde se esconde el sesgo
Casi todo error de supervivencia es una división por el número de supervivientes cuando debería ser una división por el número de la población. Cuando alguien cita una media de “empresas / fondos / graduados / matrimonios que duraron”, la primera pregunta es siempre: ¿cuántos empezaron, y a dónde fueron a parar?
Usando las cifras de startups de arriba, ¿qué afirmación nombra correctamente el error en la cifra de $2.000.000?
Evidencia silenciosa: por qué los datos parecen completos
Aquí está la propiedad que hace este sesgo mucho más desagradable que los datos ausentes corrientes. Cuando una hoja de cálculo tiene una celda en blanco, te das cuenta. Un hueco en un gráfico, una columna vacía, un “N/D” — tu ojo lo capta y vas a buscar el número. El sesgo de supervivencia nunca te hace esa cortesía. Los fracasos no se registran como espacios en blanco; las filas han desaparecido por completo. El conjunto de datos parece lleno, ordenado, completo —una tabla sin agujeros— precisamente porque los agujeros se borraron junto con todo lo que había dentro.
Nassim Taleb llama a esto evidencia silenciosa: los datos que te habrían hecho cambiar de idea, sentados en un cementerio que nunca se te ocurre visitar. No discute contigo. No aparece como un hueco sospechoso. Simplemente no está ahí, y su ausencia es invisible.
| Tipo de dato ausente | Lo que ves | ¿Te das cuenta? |
|---|---|---|
| Hueco evidente | Una celda en blanco, “N/D”, un agujero en el gráfico | Sí — vas a buscar el valor |
| Evidencia silenciosa (supervivencia) | Una tabla de supervivientes limpia y de aspecto completo | No — los fracasos se borraron con sus filas |
Esa es la diferencia entre un testigo que se niega a responder y un testigo que fue retirado en silencio del juzgado. El primero te hace sospechar. El segundo deja que el juicio siga como si nunca hubiera existido.
Una web de inversión lista todos los fondos de inversión que se pueden comprar hoy e informa de su rentabilidad media a 10 años: un alegre 9%. Compras la lista entera, creyendo que el 9% es lo que “los fondos” rinden. Predice: ¿por qué la rentabilidad media real de todos los fondos que existían hace 10 años es menor que el 9% — y a dónde fue a parar la diferencia?
La respuesta: los fondos que rindieron mal durante la década se cerraron, se fusionaron o se liquidaron, y desaparecieron por completo de la lista de “disponibles hoy”. Esa práctica tiene un nombre —sesgo de supervivencia en las bases de datos de fondos— e infla las rentabilidades declaradas del sector en aproximadamente 1–1,5 puntos porcentuales al año. Los perdedores no se marcan con un asterisco; sus filas simplemente ya no están. Estás leyendo una tabla de clasificación con todos los perdedores borrados en silencio, y luego la confundes con el juego.
Diágoras y los devotos ahogados
La versión registrada más antigua de este argumento tiene unos 2.400 años, y a Taleb le encanta volver a contarla. Cicerón nos transmite la historia de Diágoras de Melos, apodado “el Ateo”.
Alguien deseoso de demostrar que los dioses responden a las plegarias lleva a Diágoras por un templo y señala la pared. Está cubierta de pinturas votivas donadas por marineros que habían rezado durante un naufragio y sobrevivido — tabla a tabla, ola a ola, salvados. Ahí, dice el creyente. Prueba de que rezar funciona. Mira cuántos se salvaron.
Diágoras mira la pared de supervivientes agradecidos y hace la pregunta que termina el argumento:
“Pero ¿dónde están las pinturas de los que rezaron — y se ahogaron?”
No existen, por supuesto. Los ahogados no encargan pinturas. No cuelgan nada de la pared. Son la evidencia silenciosa en el fondo del mar, y la pared del templo es una muestra de solo supervivientes disfrazada de registro completo de lo que hace la plegaria. Cada pintura es un superviviente real; la pared es una mentira por omisión. Cambia “plegaria y naufragios” por “rutinas matutinas y multimillonarios” y tienes exactamente la misma pared, 2.400 años después.
Asigna cada pieza de la mecánica al templo de Diágoras.
Elige un término y luego pulsa la frase que le corresponde en la historia.
El filtro puede ser cualquier cosa
El naufragio es dramático, pero el filtro no tiene por qué ser mortal. Cualquier cosa que elimine parte de la población antes de que la observes hace el mismo trabajo. Unos cuantos disfraces:
- Muerte. Los soldados que se saltaron el casco y murieron no están para decir que fue mala idea.
- Quiebra / cierre. Las empresas fracasadas dejan de presentar informes y desaparecen de los datos.
- Borrado de una base de datos. Los fondos liquidados se eliminan de las listas de “fondos disponibles”.
- Abandono. Los estudiantes que dejan el programa no están en las estadísticas de graduación.
- Selección editorial. Las revistas perfilan a los emprendedores que lo lograron; del resto no se escribe nunca.
- Autoselección. Los clientes que aceptan ser entrevistados rara vez son los que se marcharon en silencio y asqueados.
Fíjate en el rango. Algunos filtros son catastróficos —un naufragio borra a la mayoría de los que entraron—. Otros son suaves —una encuesta que pierde a un puñado de gruñones que no responden apenas distorsiona nada—. La regla general:
La fuerza del filtro fija el tamaño de la mentira
Cuanto más fuerte es el filtro, más engañosos son los supervivientes. Un filtro mortal (la mayoría de la población borrada) hace a los supervivientes tremendamente poco representativos; un filtro suave (unos pocos abandonos) los inclina solo ligeramente. Antes de fiarte de una muestra de supervivientes, estima cuánto apretó el filtro.
Para cada afirmación, la muestra que te enseñan ¿es SOLO SUPERVIVIENTES, o ya incluye la POBLACIÓN COMPLETA?
Clasifica cada escenario según si un filtro ya ha borrado parte de los datos.
- 'Los coches antiguos se hacían mejor' — juzgado a partir de los clásicos que siguen circulando en las concentraciones de coches
- 'La novela media le reporta a su autor $X' — medido a partir de libros actualmente impresos y a la venta
- 'Las startups son tremendamente rentables' — a partir de los ingresos de las empresas que llegaron a su salida a bolsa
- Esperanza de vida media calculada a partir de todos los certificados de defunción presentados en un país el año pasado
- Una fábrica pesa cada artículo de la línea, defectuoso y perfecto por igual, antes de retirar ninguno
- 'Esta dieta funciona' — a partir de testimonios de personas que la mantuvieron y alcanzaron su objetivo
Cuándo recurrir a él: el reflejo
No necesitas hacer el análisis completo cada vez. Necesitas que se dispare un solo gatillo en tu cabeza, y es fonéticamente sencillo: “aún” (o “todavía”).
Cada vez que tus datos se describan como los que aún siguen aquí, aún cotizan, aún hablan, aún casados, aún en pie — un filtro pasó antes de que llegaras a mirar. Esa palabra “aún” es la huella dactilar de un borrado. Cuando aparezca, haz una cosa:
La jugada: reconstruye la población
Cuando te descubras razonando a partir de supervivientes, reconstruye la población que existía antes del filtro. Pregunta: ¿Cuántos empezaron? ¿Qué eliminó a algunos de ellos? ¿A dónde fueron a parar los borrados? Luego recalcula volviendo a poner los fracasos — el denominador honesto casi siempre cambia la conclusión.
Este es el mismo músculo que usó Wald con los bombarderos: se negó a razonar solo a partir de los aviones que volvían y reconstruyó mentalmente la flota entera que despegó, incluidos los que no volvieron. El mismo reflejo, ya sea el filtro fuego antiaéreo, liquidación de fondos o un naufragio.
Rellena la mecánica.
Pick the right option for each blank, then check.
Todo lo que entra en un proceso es la . El mecanismo que elimina a algunos es el . Lo que queda para ser observado son los . Confundir ese remanente con el todo es el sesgo de supervivencia, y su peor rasgo es que los fracasos borrados no dejan ningún hueco visible — Taleb los llama evidencia .
Repaso en tres preguntas
Una ONG informa de que las familias que recibieron su ayuda tienen una tasa de 'éxito' del 90% cinco años después. Solo pudo localizar a las familias aún localizables en la misma dirección. ¿Por qué podría el 90% exagerar el efecto del programa?
Comprueba tu respuesta para continuar.
Qué viene ahora
Ya tienes la máquina en las manos: población → filtro → supervivientes, más la razón por la que se esconde — la evidencia silenciosa no deja ningún hueco del que darse cuenta. Cada lección que queda es esta mecánica vistiendo un disfraz diferente.
A continuación, lección 2: Los bombarderos de Wald, al completo — donde ejecutamos el cálculo entero que hay tras blindar los huecos. Verás exactamente por qué el mapa de daños de los supervivientes es la imagen especular del mapa de peligro, cómo se combinan la tasa de impacto y la letalidad, y cómo un solo reencuadre convirtió un instinto fatal en una decisión que salvó a la flota.