El sesgo de confirmación es la tendencia a buscar, interpretar o recordar con mayor facilidad la información que apoya una idea previa, mientras se desatiende o rebaja la información contraria. En el análisis de fútbol puede hacer que un pronóstico parezca mucho más sólido de lo que indican los datos disponibles.
No se trata solo de buscar datos falsos
Una persona puede utilizar datos verdaderos y aun así construir una impresión distorsionada. Basta con elegir los que encajan con su hipótesis, interpretar las ambigüedades a su favor y dedicar menos atención a los que la contradicen. El sesgo de confirmación no exige mala fe: puede aparecer precisamente cuando se conoce bien a un equipo y se tiene una opinión previa muy firme.
La secuencia habitual comienza con una hipótesis —«el Equipo Azul domina siempre en casa»—. Después se consultan estadísticas que parecen confirmarla, se destacan los dos partidos más recientes que ganó y se descarta un encuentro desfavorable por considerarlo «atípico». Quizá existan razones legítimas para excluirlo, pero deben formularse de manera consistente y antes de conocer qué conclusión favorecen.
El problema no es que un analista tenga una hipótesis. El problema aparece cuando el procedimiento utilizado para probarla deja de buscar información que podría refutarla. Una buena pregunta de control es: «¿Qué evidencia me haría cambiar de opinión?».
Ejemplo ficticio: un informe sobre victorias locales
Imaginemos que queremos estimar si el Equipo Azul ganará al Verde. Todos los equipos, partidos y datos siguientes son ficticios. Antes de revisar la información, la analista cree que Azul es un favorito claro. Consulta un archivo de 12 partidos del Azul en casa: hay 6 victorias, 3 empates y 3 derrotas. La frecuencia descriptiva de victoria es 6/12 = 50 %, sin que eso constituya una probabilidad real para el partido futuro.
Sin embargo, la analista cita únicamente sus últimas cuatro victorias y escribe que el equipo «gana siempre en su estadio». No ha inventado los cuatro partidos: los ha seleccionado sin revelar los ocho restantes. Al revisar el informe, la pregunta no es solo «¿son correctas esas cuatro victorias?», sino «¿por qué esas cuatro observaciones son la base válida y las otras ocho no?».
Para corregir el análisis, primero describimos el universo de doce encuentros, sus fechas y rivales. Después planteamos una comparación justa con el visitante y con equipos de dificultad similar. Si existe un cambio relevante —por ejemplo, un entrenador nuevo en el escenario ficticio—, explicamos por qué ese factor exige dividir los periodos y comprobamos también casos que desafíen la hipótesis. La idea no es forzar una conclusión negativa, sino exponer la hipótesis a la posibilidad de resultar falsa.
Una rutina de contraste antes de interpretar
Es útil escribir una nota previa a ver el marcador del próximo partido: hipótesis, variables, datos disponibles y condiciones que la debilitarían. Por ejemplo: «Pensamos que el Azul presiona con eficacia; revisaremos recuperaciones en campo rival, calidad de los rivales y partidos en los que esa presión no produjo ocasiones». Después se registra tanto el dato favorable como el desfavorable y su procedencia.
En las estimaciones probabilísticas, se puede comprobar cómo cambia el resultado cuando se sustituye un supuesto optimista por otro menos favorable. Si un valor esperado positivo solo aparece eligiendo el porcentaje de acierto más conveniente de varios posibles, el problema no se resuelve ajustando mejor la fórmula. Hay que examinar el origen de las estimaciones.
El sesgo de confirmación se relaciona con el sesgo de selección, pero no son idénticos: el primero describe cómo se busca o pondera la evidencia en función de una creencia; el segundo se centra en cómo los casos incluidos o excluidos distorsionan una evaluación. Pueden aparecer juntos, como en el archivo parcial del ejemplo.
Errores frecuentes y síntesis
- Buscar solo argumentos favorables: una lista de razones que confirman una hipótesis no sustituye una evaluación contrastada.
- Descartar excepciones solo cuando perjudican: las reglas de exclusión deben tener una justificación independiente del resultado.
- Confundir confianza subjetiva con evidencia: estar muy convencido no mejora por sí solo la exactitud de p.
Qué debes recordar: una hipótesis útil debe poder ponerse a prueba con datos que podrían desmentirla. Lo que se omite del informe puede ser tan importante como lo que se incluye.
Conceptos relacionados
Sesgo de selección; Falacia del jugador; Tamaño y selección de la muestra; Valor en una apuesta; Valor esperado; Backtesting.