02
Dos tipos de error, dos formas muy distintas de arruinar un dato
Aquí viene la parte que mucha gente no termina de ver con claridad. El error aleatorio se combate repitiendo. Mides diez veces, cien veces, mil veces, y la media se acerca al valor real. La dispersión se estrecha. La desviación estándar baja. Es un error que literalmente se paga con más datos.
El sistemático, sin embargo, no perdona. Una balanza mal calibrada te va a dar siempre el mismo sesgo, mides una vez o un millón de veces. Puedes tener una muestra de 50 000 sujetos en un estudio epidemiológico y que el sesgo de selección haga que todo el resultado sea preciso pero completamente inválido. La precisión crece con el tamaño muestral, la validez no. Y una vez que el sesgo está metido en el diseño del trabajo, es prácticamente imposible de remediar en la fase de análisis.
La analogía visual de la diana lo deja clarísimo. Imagina el centro como el valor verdadero. Con error sistemático alto y aleatorio bajo, todos los disparos aparecen muy juntos entre sí, pero en una zona desplazada del centro. Con error sistemático bajo y aleatorio alto, los disparos rodean el centro, pero están esparcidos por toda la diana. Solo un buen sistema de medición concentra los impactos agrupados y alrededor de la zona buena. En la vida cotidiana es lo mismo: si fallas al disparar sin ningún patrón, es azar; si siempre aciertas un poco a la derecha del centro, puedes corregir apuntando más a la izquierda.
Y hay una capa más allá que conviene mencionar. Esta discusión sobre el error clásico encaja muy bien con sistemas macroscópicos y físicos tradicionales. Pero en mecánica cuántica aparecen situaciones donde hablar de un "valor verdadero" pierde sentido: superposiciones de funciones de onda, el famoso gato de Schrödinger como ejemplo paradigmático, o el teorema de Kochen-Specker, que demuestra que no siempre es posible asignar valores verdaderos a los observables físicos. Ahí la noción de error tal y como la entendemos se vuelve mucho más escurridiza.
En la práctica, reducir ambos tipos de error pasa por una serie de acciones muy concretas:
- Establecer un plan de calibración y verificación periódica de todos los equipos.
- Asegurar la trazabilidad a patrones nacionales o internacionales.
- Controlar las condiciones ambientales del laboratorio o la planta.
- Definir y aplicar procedimientos normalizados de medición, muestreo y registro.
- Evaluar la repetibilidad (mismo operador, misma muestra) y la reproducibilidad (varios operadores midiendo lo mismo).
- Calcular desviación estándar y coeficiente de variación para cuantificar el componente aleatorio.
También es clave la formación del personal. Saber leer un instrumento sin cometer errores de paralaje, alinear bien una pieza, aplicar el mismo procedimiento que el compañero del turno anterior. Por muy bueno que sea el equipo, si la persona y el método fallan, los errores siguen ahí. Al final, validez y fiabilidad no son solo una cuestión de máquinas, son también una cuestión de personas y procedimientos.