El sesgo de selección aparece cuando los casos que entran en un análisis o una evaluación difieren sistemáticamente de los que quedan fuera, de modo que la conclusión sobre el conjunto de interés resulta distorsionada. Puede surgir aunque todos los resultados publicados sean verdaderos.
El problema está en quiénes aparecen en la fotografía
Para evaluar una afirmación hay que decidir primero qué población queremos describir. Si se desea saber cómo funcionaron todos los pronósticos de un método, no vale revisar solo los que su autor decidió mostrar. Si queremos conocer el porcentaje de victoria local de una competición, no basta escoger los partidos televisados más atractivos. Los casos incluidos pueden tener características diferentes de los que faltan.
El sesgo de selección es un problema de representatividad, no solo de muestra pequeña. Una selección grande puede estar sesgada si todos sus datos proceden de una misma franja de equipos o si se excluyen de forma sistemática resultados adversos. La frecuencia calculada dentro de esos datos puede ser aritméticamente correcta, pero responder a una pregunta distinta de la anunciada.
Una variante frecuente es el sesgo de supervivencia: conocemos los métodos o cuentas que permanecen visibles y perdemos de vista los que abandonaron o no publicaron resultados. Otra se produce cuando se escogen filtros retroactivamente, tras saber qué combinaciones de variables dieron mejores resultados.
Ejemplo ficticio: aciertos publicados y omitidos
Un archivo ficticio contiene 30 pronósticos de fútbol realizados antes de sus respectivos partidos. Para facilitar la lectura, supongamos que todos son apuestas simples binarias a cuota decimal 2,00, con 1 unidad de simulación por pronóstico, sin devoluciones, costes ni apuestas reales. El informe público muestra solo quince pronósticos, aparentemente seleccionados por interés editorial.
| Grupo | Pronósticos | Aciertos | Fallos | Acierto observado |
|---|---|---|---|---|
| Publicados | 15 | 12 | 3 | 12/15 = 80 % |
| No publicados | 15 | 3 | 12 | 3/15 = 20 % |
| Total | 30 | 15 | 15 | 15/30 = 50 % |
El 80 % publicado no es una mentira aritmética: hay doce aciertos entre quince casos mostrados. La distorsión aparece si se presenta como rendimiento de todos los pronósticos. El denominador adecuado para esa afirmación es 30 y la frecuencia correcta es 50 %.
Incluso podemos comprobar el resultado neto bajo los supuestos: cada acierto de cuota 2,00 e importe 1 deja +1; cada fallo, −1. Los publicados suman 12 − 3 = +9 unidades, los no publicados 3 − 12 = −9; el total es 0 unidades. Si las cuotas o importes hubieran sido distintos, una tasa de acierto tampoco bastaría para reconstruir el beneficio.
Cómo proteger una evaluación
El primer paso es construir una lista de todos los casos elegibles antes de estudiar resultados: fechas, partidos, mercados, decisiones iniciales y motivos admisibles de exclusión. Las incidencias —datos ausentes, anulaciones, mercados no disponibles— se registran en lugar de borrarse sin explicación.
Para comprobar un método de pronóstico, hay que preservar también el momento de cada decisión y separar los partidos empleados para ajustar reglas de los empleados para evaluarlas. Si se prueban veinte variantes y solo se comunica la mejor, existe selección retrospectiva del método. Hacen falta comparaciones con una referencia y evaluación posterior no utilizada para escoger ganadores.
No todos los subconjuntos son incorrectos: se puede estudiar legítimamente un grupo concreto de equipos o una temporada. La condición es declarar la pregunta limitada y no generalizar fuera de ella sin justificación.
Errores frecuentes y recordatorio
- Tomar un escaparate por el historial completo: los casos ausentes pueden cambiar el denominador y el resultado.
- Confiar solo en n elevado: cien casos seleccionados por conveniencia pueden seguir sesgados.
- Retirar pérdidas o anulaciones sin reglas previas: los criterios de inclusión deben ser consistentes y comprobables.
Qué debes recordar: antes de preguntar «¿qué porcentaje acertó?», pregunta «¿qué casos podía haber mostrado y cuáles no aparecen?».
Conceptos relacionados
Tamaño y selección de la muestra; Frecuencia observada; Sesgo de confirmación; Tasa de acierto; Backtesting; Validación fuera de muestra.