Foto por McGeddon – Own work, CC BY-SA 4.0, Link
Cada día me sorprendo con la sabiduría de mis colegas rusos y ucranianos. Hoy mientras hablábamos de unos temas de pruebas automáticas y seguridad, yo comenté una vieja anécdota que me ocurrió con Sergio Marino y Rodrigo Román hace 10 años en donde discutíamos la compatibilidad del sitio en el que estábamos trabajando con IE 5.5 o algún otro navegador de antaño. Dado que ese navegador no estaba en las estadísticas de uso del sitio surgió la idea de que nadie usaba el sitio con ese navegador, y luego inferimos erróneamente que no era importante su compatibilidad; a lo que Sergio y Rodrigo refutaron lógicamente diciendo que si no estaba en las estadísticas, era porque simplemente las personas con ese navegador no podían utilizar el sitio y por ende no eran visibles en las estadísticas.
Volviendo al 2018 cuando terminé de comentar esta anécdota mis colegas dijeron que eso tenía un nombre, y googleando un poco dimos con el concepto de Survivorship bias, que sería un error lógico que consiste en concentrarse en la parte de la muestra que logra pasar un proceso X de selección, e ignorar la parte de la muestra que no lo logra por falta de visibilidad. Este error puede llevar a conclusiones erróneas.
Inmediatamente comentaron que habían leído un libro ruso que mencionaba el genial ejemplo de los aviones que regresan con agujeros de fuego antiaéreo en el fuselaje y en las alas luego de ir a bombardear (cosa que no ocurre tan seguido en los países del cono sur 🙂 ). Y los técnicos de los aviones afirman erróneamente: “Tenemos que reforzar las partes del avión en donde hay agujeros”. Pero no están considerando los aviones que no han regresado luego del bombardeo, por lo que deberían concentrarse en reforzar las zonas que no han sufrido impactos de fuego antiaéreo, o por lo menos intentar analizar que pasó con los aviones que no regresaron.
En realidad lo mejor sería que ningún avión salga a bombardear nada… pero para entender el concepto Survivorship bias creo que es un buen ejemplo.