Qué es error y sesgo: la frontera entre equivocarse una vez y equivocarse siempre
Empecemos por lo básico y lo más importante. El error, en su acepción más rigurosa, es la diferencia entre el valor observado y el valor verdadero. Cada vez que mides, preguntas, muestreas o modelas, el resultado se separa en mayor o menor grado de la magnitud real que intentas capturar. Y esa separación no es un concepto vago: se puede descomponer, y esa descomposición es lo que permite entender qué se corrige y qué no.
El sesgo es la parte del error que se repite siempre en la misma dirección. Es un componente sistemático que empuja permanentemente el resultado hacia un lado, con el mismo signo, en todas las repeticiones del estudio. Por eso sobrevive a cualquier promedio. Si el estudio se hiciera mil veces, el sesgo seguiría ahí, presente en cada una de las mil réplicas.
La relación entre ambos se expresa de forma sencilla: error = sesgo + azar. El azar, o error aleatorio, es la parte que unas veces va para un lado y otras para el otro. Esa parte aleatoria tiene una propiedad que la vuelve manejable: promedia a cero. Si se repitiera el estudio muchas veces, esos desvíos se cancelarían entre sí. La parte sistemática, en cambio, nunca se cancela.
La distinción importa porque ambos se corrigen de maneras opuestas. El error aleatorio se achica aumentando la muestra: cuantos más casos, menos se mueve el resultado de muestra en muestra. El sesgo no. Si el instrumento está mal calibrado o el universo está mal cubierto, relevar diez veces más casos da un resultado igual de equivocado, pero con más precisión aparente.
La analogía clásica para visualizarlo es la del tiro al blanco, donde el centro de la diana representa el valor verdadero y cada disparo una medición:
| Situación | Qué se ve en la diana | Qué significa |
|---|---|---|
| Sin sesgo, poco error | Tiros agrupados alrededor del centro | Caso ideal |
| Sin sesgo, mucho error | Tiros dispersos pero el promedio da en el centro | Molesto, pero honesto: con más disparos mejora |
| Con sesgo, poco error | Tiros muy juntos pero lejos del centro | El peor caso: consistencia confundida con exactitud |
| Con sesgo, mucho error | Desastre evidente | Al menos no engaña a nadie |
De ahí surge una diferencia conceptual clave, a menudo ignorada: la precisión es cuán juntos caen los tiros entre sí, y se puede medir con los datos que uno tiene. La exactitud es cuán cerca caen del centro, y para saberlo haría falta conocer el centro. Por eso el sesgo casi nunca se descubre mirando los propios datos: se descubre pensando cómo se produjeron, o comparándolos con otra fuente independiente.
En la investigación con muestras, el error aleatorio nace del hecho de trabajar con muestras de individuos y no con toda la población. Procede de la variabilidad inherente al muestreo y depende directamente del tamaño de la muestra: cuando este aumenta, el error disminuye. Está muy relacionado con la precisión o fiabilidad, y la estadística permite cuantificarlo.
El error sistemático o sesgo, en cambio, aparece cuando se introduce un defecto en el diseño del trabajo: en la selección de los individuos, en la información recogida o en su análisis. A diferencia del error aleatorio, no se atenúa al aumentar el tamaño de la muestra, y una vez introducido es prácticamente imposible de remediar en la fase de análisis. Va muy ligado al concepto de validez.
Los sesgos que afectan a la medida del efecto de intervenciones se agrupan en dos grandes tipos:
- Sesgos de selección: ocurren por la forma en que los individuos son identificados y elegidos para el estudio.
- Sesgos de información: ocurren cuando la información sobre enfermedad o exposición se recoge de forma sistemáticamente diferente entre grupos.
“El ruido irreducible (σ²) fija un suelo de error que ningún modelo puede atravesar, por sofisticado que sea.”
Dato clave