Estos últimos meses, respecto a la crisis de la covid-19, hemos podido asistir a un baile de cifras sobre personas contagiadas, personas muertas, asintomáticos, y un montón de estadísticas más que ha sorprendido a más de uno. Porque, además, a menudo las estadísticas se contradicen las unas con las otras, incluso aquellas provenientes de la misma fuente, puesto que de repente introducen un cambio de criterio al contar, o de cuál es el momento en que se considera que se producen los casos... y así, iríamos siguiendo!
No es nada sorprendente. Hace ya sesenta años, Oskar Morgenstern, ilustre iniciador junto con John von Neumann de la Teoría de Juegos, publicó un libro, hoy un poco injustamente olvidado, que se titulaba On the Accuracy of Economic Observations. Allí ya hacía constar que hay un montón de razones por las que las observaciones económicas no son demasiado cuidadosas, tanto si queremos cómo si no. Dejemos de momento aquello que para él es el segundo punto de una larga lista donde se muestran las razones por las que son poco cuidadosas, que es el hecho de esconder información o decir mentiras. Después veremos cómo es importante también este punto, pero no es el único, como algunos piensan.
"No tenemos ninguna duda de que las estadísticas sobre el número de contagios y el número de muertos vale la pena calcularlos. Pero tampoco tenemos ninguna duda que un cálculo exacto es prácticamente una misión imposible"
No tenemos ninguna duda de que las estadísticas sobre el número de contagios y el número de muertos vale la pena calcularlos. Pero tampoco tenemos ninguna duda de que un cálculo exacto es prácticamente una misión imposible. Si todo el mundo acepta que hay gente que ha pasado la enfermedad de manera asintomática, como sabemos cuántos hay, de estos? Si todos conocemos a alguien que ha pasado la enfermedad con síntomas no demasiado graves en casa y que no lo han atendido de manera activa, los hemos contado a estos, de alguna forma? Puede incluso haber gente que la ha tenido y que lo han contado dos veces (la primera llamada y el ingreso en el hospital, o la primera llamada al sector privado y la segunda al sistema público, por ejemplo, mejor no introducir todas las variaciones para ser incontables).
Y si ya es difícil saber exactamente cuánta gente muere sin más, cuántos en realidad lo hacen por coronavirus? Podemos tener seguridad de cuáles son? Hemos visto como a menudo se ha deducido cuánta gente había muerto por la covid-19 calculando la diferencia entre los muertos reales de cada día y la media de los que mueren aquel día en un año normal. No es un mal procedimiento, pero ya se ve que está sujeto a error, puesto que "sólo" es una estimación. Ponemos el "sólo" entre comillas porque a veces las estimaciones son mejores que el cuento que pretende contar "la realidad" (también entre comillas, porque la realidad no es posible contarla). Cómo decía Morgenstern, los errores (estos u otros), la falta de preparación específica de la gente que cuenta, la carencia de experimentos muy diseñados, y un largo etcétera hacen que la exactitud sea del todo imposible.
Y es imposible suponiendo la existencia de buena fe por parte de todo el mundo. Queremos creer que algunas (o muchas) de las rectificaciones de criterios que ha habido son de buena fe, por algún tipo de razón orientada a mejorar la medida. Pero ahora tenemos que volver a lo que antes hemos dejado de lado sobre qué pueden haber mentiras u ocultación expresa de información. Hay motivos por los que esto puede pasar. Esencialmente, aquello que informalmente se ha dicho la "ley de Campbell" (lo empezaron a decir sus alumnos, entre los que había uno de nosotros, en la Universidad de Northwestern, donde Campbell era profesor de Ciencia Social).
"La ley de Campbell dice que inevitablemente hay presiones hacia la corrupción y, por lo tanto, hacia la mentira y la ocultación de información, en cualquier indicador social que se utilice para tomar decisiones"
La ley de Campbell dice que inevitablemente hay presiones hacia la corrupción y, por lo tanto, hacia la mentira y la ocultación de información, en cualquier indicador social que se utilice para tomar decisiones. Es decir, cualquier indicador social, cuanto más se utilice para tomar decisiones y para evaluar la gestión de quién las toma , más sujeto está a presiones y más apto será para distorsionar y corromper precisamente aquellos procesos sociales que se supone que tiene que medir. En el supuesto que nos ocupa, si la medida de la covid-19 la queremos usar para poder argumentar que nosotros sí que lo hacemos bien, y los de otro lugar no, tenemos un incentivo para cambiar de criterio, poner los criterios que más nos convengan, y ocultar la información o deformarla si hace falta. En definitiva, si el objetivo es "echarnos los muertos a la cara", claramente se puede aplicar la ley Campbell. Argumentos para defender que lo que hacemos es lo que había que hacer, nunca faltan. John Godfrey Saxe decía, en una cita a menudo atribuida equivocadamente a Bismarck, que "las leyes, como las salchichas, inspiran menos y menos respeto cuanto más sabemos cómo se hacen". Con las estadísticas viene a ser lo mismo. Leemos "47 muertos por el coronavirus" y nos lo creemos. Si nos explican de donde sale esta cifra, nos lo vamos creyendo cada vez menos.
Dejadnos añadir que cuánto mayor sea la entidad a la que se refiere la cifra en discusión (ponemos, por ejemplo, el Estado versus una autonomía) menos confianza nos tiene que inspirar la cifra que muestra. En este tema en concreto, ha habido momentos en los que el Estado ha dicho que ellos sumaban lo que les habían dicho las autonomías. Ahora bien, si se sumaba lo que decían estas no coincidía con la cifra que daba el Estado. Con o sin buena fe? Con o sin errores evitables? No lo sabremos nunca, precisamente porque las intenciones se pueden adivinar con hechos, pero desgraciadamente no se pueden saber del cierto.