Estadísticas que suenan mal, hasta que ves por qué.

Cuando un rasgo forense coincide con 1 de cada millón de personas, una población lo suficientemente grande aún alberga muchas coincidencias inocentes; la probabilidad de coincidencia no es la probabilidad de inocencia.

Agrupa cada aparición de nombre de cada lista de amigos y las personas bien conectadas aparecen con más frecuencia. El promedio resultante nunca está por debajo del promedio de una persona aleatoria uniforme, y es mayor cuando los recuentos de amigos varían.

La correlación indica que dos cosas se mueven juntas. La causalidad indica que una cambia la otra. Un tercer factor oculto puede hacer que la correlación parezca causal.

Clasifica los lugares por cualquier tasa —cáncer, puntajes de exámenes, delincuencia— y los extremos están dominados por los lugares más pequeños, porque las muestras pequeñas se alejan mucho de la tasa real solo por suerte.

Empieza el eje de un gráfico de barras en 95 en lugar de 0 y un cambio de dos puntos puede parecer un cambio radical.

Los titulares gritan '¡50% más de probabilidades!', pero el 50% más de un riesgo pequeño sigue siendo un riesgo pequeño.

La desviación estándar describe la dispersión entre valores individuales. El error estándar describe la incertidumbre en una estimación como la media aritmética.

La media aritmética reparte el total por igual. La mediana encuentra el caso intermedio. En datos sesgados, estos pueden contar historias muy diferentes.

Si solo se publican resultados emocionantes, el registro de investigación visible puede hacer que un efecto parezca más limpio y fuerte de lo que realmente es.

Completar un conjunto de N coleccionables toma mucho más que N intentos; los últimos elementos se esconden detrás de un muro de duplicados, y el valor esperado de paquetes es aproximadamente N·ln N.

Un "micromort" es una probabilidad de morir de uno en un millón, y te permite comparar un salto en paracaídas con un viaje largo en auto en la misma escala.

Coloca un grano en la primera casilla de un tablero de ajedrez y dúplicalo en cada casilla; la última casilla por sí sola alcanza 2⁶³ granos.

En promedio pagas más de lo que jamás recuperas. Aun así, comprarlo es la decisión inteligente.

Un intervalo de confianza del 95% significa que el método funciona el 95% de las veces en muestras repetidas, no que este rango exacto tenga ahora un 95% de probabilidad de contener la verdad.

Gira una ruleta hasta un número aleatorio, luego pide a la gente que estime un dato; quienes vieron un número mayor estiman un valor mayor, incluso cuando el número era obviamente carente de sentido.

Dos factores de riesgo no relacionados pueden parecer negativamente relacionados dentro de un hospital, porque cualquiera de los dos puede ser la razón por la cual un paciente fue seleccionado en la muestra.

Después de que salga rojo diez veces seguidas, da la sensación de que el negro 'toca'. La siguiente tirada sigue teniendo una probabilidad de rojo de aproximadamente el 48.6%, exactamente igual que en la primera.

Un tratamiento puede parecer mejor en todos los subgrupos pero peor en general.

Cuando una condición es rara, la mayoría de los resultados positivos de las pruebas aún pueden ser falsos positivos.

Un valor p es una prueba de sorpresa: pregunta con qué frecuencia aparecería un resultado así de extremo si realmente no hubiera ningún efecto. No te dice la probabilidad de que tu resultado sea incorrecto.

Una ciudad puede producir volúmenes de basura que parecen imposibles hasta que divides la estimación en personas, bolsas y espacio.

Divide 72 entre la tasa de crecimiento anual y obtendrás los años que tardas en duplicar: un truco que esconde una curva pronunciada.

El riesgo relativo te indica cuántas veces mayor se volvió un riesgo. El riesgo absoluto te indica cuántas personas adicionales se ven afectadas.

Una métrica puede ser útil hasta que se recompensa a las personas por modificarla. Entonces, el número puede mejorar mientras que el objetivo real empeora.

Si una encuesta dice 51% frente a 48% con un margen de error de más menos 3 puntos, es posible que quien encabeza los titulares no vaya realmente adelante.

En una habitación con solo 23 personas, ya es más probable que no que haya dos personas con el mismo cumpleaños.

Cuatro conjuntos de datos pueden compartir casi la misma media aritmética, varianza, correlación y línea de regresión, pero verse completamente diferentes al graficarlos.

Si refuerzas solo los impactos de bala en los aviones que regresan, puedes proteger los lugares equivocados.

Los datos individuales pueden estar sesgados o ser desordenados, mientras que los promedios de muchas observaciones independientes a menudo forman un patrón limpio en forma de campana.

Un estudio de Nature de 2015 estimó alrededor de 3,04 billones de árboles en la Tierra, muy por encima de las estimaciones comunes de estrellas en la Vía Láctea.

Dispersa 100 gotas de lluvia al azar en 100 baldosas y unas 37 baldosas se quedarán completamente secas, mientras que otras atrapan dos o tres. La aleatoriedad real se agrupa.

Un estudio puede reportar "sin efecto claro" simplemente porque era demasiado pequeño y ruidoso como para detectar uno real.

Para muchos promedios, reducir a la mitad el error aleatorio requiere aproximadamente cuatro veces más observaciones. La precisión tiene rendimientos de raíz cuadrada.

En una economía desequilibrada, un puñado de ingresos enormes eleva el 'promedio' por encima de lo que gana una persona típica.

En una feria rural de 1906, la mediana de cientos de estimaciones independientes sobre el peso de un buey quedó a más o menos el 1% de la verdad, superando a casi cualquier estimación individual.

Los máximos anotadores de un equipo, los mejores estudiantes de un examen y los pacientes más graves de una clínica tienden a acercarse al centro en la siguiente medición sin ninguna intervención, porque el resultado extremo se debió en parte a la habilidad y en parte a la suerte, y la suerte rara vez se repite.

En Monty Hall, cambiar de puerta gana aproximadamente el doble de veces que quedarse.

Un valor p pregunta si los datos parecen sorprendentes bajo un modelo nulo. Un intervalo de confianza pregunta qué tamaños de efecto siguen siendo plausibles.

Imagina un gráfico estacional donde las ventas de helados y los ahogamientos aumentan juntos. El postre parece sospechoso, pero el gráfico por sí solo no puede mostrar la causa.

Un millón de segundos son unos 12 días. Mil millones de segundos son unos 32 años.