Iniciar prueba gratuita
Popular Nuevos Géneros Autores
EnglishEnglish
EspañolSpanish
简体中文Chinese
繁體中文Chinese (Traditional)
FrançaisFrench
DeutschGerman
日本語Japanese
PortuguêsPortuguese
ItalianoItalian
한국어Korean
РусскийRussian
NederlandsDutch
العربيةArabic
PolskiPolish
हिन्दीHindi
Tiếng ViệtVietnamese
SvenskaSwedish
ΕλληνικάGreek
TürkçeTurkish
ไทยThai
ČeštinaCzech
RomânăRomanian
MagyarHungarian
УкраїнськаUkrainian
IndonesiaIndonesian
DanskDanish
SuomiFinnish
БългарскиBulgarian
עבריתHebrew
NorskNorwegian
HrvatskiCroatian
CatalàCatalan
SlovenčinaSlovak
LietuviųLithuanian
SlovenščinaSlovenian
СрпскиSerbian
EestiEstonian
LatviešuLatvian
فارسیPersian
മലയാളംMalayalam
தமிழ்Tamil
اردوUrdu
Buscando...
SoBrief
El pensador de modelos

El pensador de modelos

Título traducido
Título original: The Model Thinker
Un modelo puede hacer que un mundo desordenado parezca sencillo. Compara explicaciones antes de confiar en sus predicciones.
por Scott E. Page 2018 448 páginas
3.92
500+ valoraciones
Escuchar
Inmersivo
V2.3
Amazon Kindle Audible
Prueba el acceso completo por 3 días
¡Desbloquea la escucha y mucho más!
Continuar

Ideas clave

Construya un repertorio de explicaciones antes de confiar en una política o un pronóstico

Un acontecimiento, muchas causas. El colapso financiero de 2008 puede atribuirse al apalancamiento, las hipotecas de mala calidad, el exceso de confianza de los inversionistas, los valores complejos o la falta de supervisión. Cada explicación encaja con algunos hechos, pero deja otros sin aclarar. El economista Andrew Lo comparó 21 explicaciones y sostuvo que la crisis solo se entendió mejor cuando se pusieron a prueba en conjunto las versiones contrapuestas. Durante la crisis de los misiles en Cuba, Graham Allison empleó tres modelos: líderes que toman decisiones racionales, organizaciones que actúan mediante rutinas y capacidades, y funcionarios que negocian dentro de sistemas políticos. Cada modelo puso de relieve una faceta distinta del acontecimiento.

Haga dialogar los modelos. Un conjunto de modelos no busca una única explicación conveniente. Es una forma de identificar qué explican varios modelos, en qué discrepan y qué supuestos son importantes. Ese diálogo mejora las decisiones sin prometer certeza.

Análisis

Lo poderoso aquí es una forma de pluralismo disciplinado. En medicina, un diagnóstico es más sólido cuando convergen los síntomas, las imágenes y las pruebas de laboratorio, porque cada medición tiene distintos puntos débiles. La misma lógica se aplica al análisis de políticas. Pero un conjunto más amplio de modelos no es automáticamente más sensato: pueden compartir los mismos datos, supuestos o puntos ciegos. La prueba práctica consiste en determinar si cada modelo añade un mecanismo causal realmente distinto, y no solo un nuevo vocabulario para contar la misma historia.

Trate cada modelo como un instrumento condicional, no como una realidad en miniatura

Los modelos se construyen, no se descubren. Un modelo puede simplificar un sistema real, tomar prestada una analogía de otro campo o inventar un mundo hipotético para explorar. En todos los casos, define entidades, relaciones y supuestos con suficiente precisión para razonar. Su propósito puede ser explicar, predecir, diseñar, comunicar, orientar la acción o explorar posibilidades. Cada propósito puede requerir un nivel de detalle distinto.

Los supuestos marcan los límites. La regla de atender primero las tareas más grandes puede funcionar al empacar cajas según su tamaño. Puede fallar cuando los proyectos también compiten por los límites de peso, la energía y la atención del personal. Por tanto, la conclusión de un modelo es condicional: solo se aplica cuando sus supuestos se ajustan al problema. La estructura formal hace visibles esas condiciones, en lugar de presentar como universalmente cierta una historia sencilla.

Análisis

Esto es un antídoto útil tanto contra la veneración de las matemáticas como contra el rechazo de los modelos. Un modelo no es valioso porque se parezca a la realidad en todos sus detalles, sino porque aísla un mecanismo que puede examinarse. Esto se asemeja a los experimentos controlados, en los que eliminar variables permite aclarar un efecto causal, pero limita el alcance de la conclusión. La pregunta más difícil muchas veces no es si un modelo es realista, sino si los aspectos que omite son decisivos para la decisión en cuestión.

Promedie predicciones diversas, pero compruebe si sus errores son realmente distintos

El desacuerdo puede mejorar la precisión. El teorema de la diversidad de predicciones muestra por qué promediar pronósticos puede reducir el error: la sobreestimación de un modelo puede compensar la subestimación de otro. En un ejemplo de contratación de Google, un entrevistador elevó del 50 % al 74 % la probabilidad de que una persona contratada rindiera por encima del promedio; cuatro entrevistadores la elevaron al 86 %, mientras que veinte apenas la elevaron por encima del 90 %. Más opiniones ayudaron, pero los rendimientos fueron decrecientes.

La diversidad es lo difícil. Los modelos que usan nombres distintos para las mismas pruebas pueden cometer los mismos errores. En un ejemplo de clasificación con solo dos atributos y cuatro categorías, hay apenas 16 clasificadores binarios posibles, y no más de siete pueden superar el azar. La agregación bootstrap, o bagging, crea modelos a partir de muestras de datos remuestreadas y los promedia, reduciendo la dependencia de las particularidades de una sola muestra.

Análisis

El aprendizaje en conjunto en informática refleja el mismo principio: un grupo de predictores imperfectos puede superar a un único experto cuando sus errores no están estrechamente correlacionados. Esto no autoriza a promediarlo todo. Un conjunto puede compartir un sesgo común y, en ese caso, el promedio lo conserva. Los equipos de pronóstico obtienen mayores beneficios cuando sus integrantes aportan pruebas, métodos o supuestos causales distintos, y cuando su desempeño se contrasta con los resultados, en lugar de con la confianza o la antigüedad.

Antes de confiar en los promedios, pregunte si la variación se suma, se acumula o genera retroalimentación

La forma de la variación importa. Cuando se suman muchos efectos independientes de varianza finita, el total tiende a una distribución normal, con forma de campana. Sin embargo, las muestras pequeñas varían más: la desviación estándar de un promedio disminuye con la raíz cuadrada del tamaño de la muestra. Esto explica por qué es más probable encontrar promedios escolares inusualmente altos o bajos en las escuelas pequeñas, aunque el tamaño de la escuela no influya en el aprendizaje.

La acumulación produce extremos. La multiplicación de efectos aleatorios puede generar una distribución lognormal, con muchos resultados pequeños y unos pocos grandes. La retroalimentación positiva puede alargar aún más las colas: una ciudad, un libro o una empresa populares atraen a más gente y generan más ventas. Esos sistemas pueden producir patrones de distribución de ley de potencia y acontecimientos catastróficos. Los promedios por sí solos son malos indicadores cuando el proceso multiplica las ganancias o permite que los impactos se propaguen en cascada.

Análisis

Pensar en términos de distribuciones es una forma práctica de comprender los riesgos. Un pronóstico que suponga una variación ordinaria puede subestimar gravemente las pérdidas cuando el proceso subyacente incluye retroalimentación, acumulación o dependencia. Esto es relevante para las finanzas, la infraestructura y la salud pública, donde los sucesos excepcionales pueden dominar el daño total. Sin embargo, una cola pesada no permite predecir con precisión cuándo ocurrirá una catástrofe. Cambia aquello para lo que conviene prepararse, no la capacidad de señalar la fecha.

Trace las conexiones y la retroalimentación antes de considerar aislada una crisis

La posición cambia las consecuencias. Una red consta de nodos y de los vínculos entre ellos. En una red financiera, una institución central puede transmitir pérdidas a muchas otras. En parte, el Gobierno de Estados Unidos estabilizó AIG en 2008 porque había asegurado a otras empresas financieras; su quiebra podía propagar los daños. Lehman Brothers ocupaba una posición menos central y su quiebra no provocó una cascada semejante. Pero las conexiones por sí solas no determinan el peligro: también importan los activos compartidos y la capacidad de absorber pérdidas.

Siga los ciclos. Los modelos de dinámica de sistemas trazan existencias, flujos y retroalimentación. La garantía de depósitos que Australia estableció durante una crisis financiera hizo más seguros los depósitos bancarios, pero empujó a los fondos del mercado monetario a retirar dinero, lo que elevó el riesgo que afrontaban y alentó nuevos retiros. Trazar el sistema más amplio puede revelar cómo una solución en un punto desestabiliza otro.

Análisis

El análisis de redes añade una dimensión que suele faltar en las evaluaciones de riesgo habituales: no solo cuán vulnerable es una institución, sino también qué depende de ella. La ingeniería de resiliencia emplea una idea similar al examinar cómo los fallos locales se propagan por la infraestructura. Aun así, la conectividad puede propagar el daño o distribuirlo entre muchos participantes. Considerar cada vínculo una amenaza pasa por alto la redundancia, la diversidad de activos y la capacidad de adaptación. La pregunta útil es qué tipo de conexión transmite qué tipo de exposición.

Modele a las personas como agentes que se adaptan, sobre todo cuando las políticas alteran sus incentivos

La racionalidad es un punto de referencia. Un modelo de actor racional representa las preferencias como una función de utilidad y supone que las personas eligen la mejor acción disponible. Puede ofrecer un punto de partida claro, aunque las personas recurran a hábitos, cometan errores y se preocupen por los demás. Los modelos basados en reglas describen conductas específicas; las versiones adaptativas permiten que las personas cambien de reglas según su experiencia o el éxito observado. El modelo adecuado depende de la decisión, lo que está en juego y la información disponible.

La política cambia la conducta que se mide. La crítica de Lucas advierte que las relaciones estimadas a partir de conductas pasadas pueden cambiar cuando cambia la política, porque las personas responden a nuevos incentivos. Por lo tanto, una política diseñada en torno a hábitos fijos puede no prever sus propias consecuencias. Los modelos deben poner a prueba no solo lo que hicieron las personas bajo las reglas anteriores, sino también cómo las nuevas reglas podrían modificar sus decisiones.

Análisis

Esto está estrechamente relacionado con el problema de la predicción performativa: una vez que un pronóstico orienta una decisión, las personas pueden reaccionar de maneras que alteran la precisión del pronóstico. Las calificaciones crediticias, las clasificaciones escolares y los modelos policiales pueden cambiar la conducta o la asignación de recursos. La adaptación no siempre implica manipulación deliberada; las personas simplemente responden a los costos y las oportunidades. El reto consiste en distinguir los mecanismos estables de las correlaciones que solo existen bajo el antiguo marco institucional.

Examine la distribución de umbrales: minorías pequeñas pueden desencadenar grandes cascadas sociales

Los promedios pueden ocultar puntos de ignición. En un modelo de disturbios, cada persona se suma cuando la participación supera su umbral. Si las 1.000 personas tienen un umbral de 10, no se inicia ningún movimiento. Si todos los umbrales son distintos, la participación puede crecer de una persona a la vez hasta que se sume todo el grupo. El umbral promedio por sí solo no predice el resultado; importa la distribución, sobre todo la cola de umbrales bajos.

La tolerancia también puede conducir a la segregación. En los modelos de Thomas Schelling, las personas se mudan cuando muy pocos de sus vecinos comparten su tipo. Incluso preferencias moderadas pueden producir barrios segregados, a medida que las mudanzas individuales cambian la composición local y provocan nuevas mudanzas. Por tanto, un patrón a escala macro puede surgir sin que nadie exija una separación completa.

Análisis

Los modelos de umbrales aclaran cómo los resultados colectivos pueden diferir de los motivos personales. Una lógica de cascada similar aparece en la adopción de tecnologías, los movimientos sociales y los pánicos financieros. La idea es más sólida cuando se pueden medir los umbrales y la exposición; de lo contrario, el modelo describe una posibilidad, pero no demuestra una causa. En la investigación sobre la segregación, esa distinción importa: mostrar cómo preferencias moderadas pueden producir separación no demuestra que las preferencias, las limitaciones de vivienda, la discriminación o las políticas tengan el mismo peso en una ciudad concreta.

Construya la cooperación en torno a la aplicación de las reglas, la información y el propio recurso

La cooperación necesita respaldo. En el dilema del prisionero, cada jugador obtiene beneficios si no coopera, aunque la cooperación mutua deje a ambos en mejor situación. La interacción repetida puede sostener la cooperación cuando importan las consecuencias futuras; las reputaciones pueden hacer lo mismo cuando una comunidad se entera de las faltas de cooperación. La agrupación puede ayudar a los pequeños grupos de cooperadores a protegerse entre sí, mientras que la competencia entre grupos puede recompensar a las comunidades cooperativas, aunque quienes no cooperan obtengan beneficios dentro de cada grupo.

Adapte la solución al problema. Los bienes públicos suelen ofrecerse en cantidad insuficiente si se depende de la voluntad individual; la congestión puede exigir tarifas o límites de uso, y los recursos renovables necesitan vigilancia, porque su explotación excesiva puede causar un colapso duradero. Los estudios de Elinor Ostrom sobre los recursos compartidos destacan la importancia de límites claros, reglas comprendidas localmente, sanciones graduales y mecanismos para resolver disputas. Ningún sistema sirve para todos los recursos o comunidades.

Análisis

Los modelos resisten la disyuntiva simplista entre el interés propio y la buena voluntad. La cooperación puede surgir de los incentivos y las instituciones sin suponer que todos son altruistas, pero los mecanismos de aplicación que funcionan en un grupo pequeño y observable pueden fracasar entre países o en mercados anónimos. La contribución de Ostrom es especialmente importante porque desplaza la atención de las reglas abstractas hacia la vigilancia y la legitimidad locales. Una institución bien diseñada debe hacer viable el cumplimiento, no limitarse a declararlo deseable.

Mida el poder de las coaliciones por la contribución decisiva, no por el número de escaños

La contribución depende de la coalición. El valor de Shapley mide la contribución adicional promedio de un participante en todos los órdenes posibles en que podría formarse un grupo. En una empresa que necesita hablantes tanto de francés como de español, un empleado bilingüe aporta valor en más órdenes de llegada que cualquiera de los empleados que hablan un solo idioma, por lo que la medida le asigna una participación mayor. En los sistemas de votación, el índice de poder de Shapley-Shubik, relacionado con esta medida, calcula con qué frecuencia un partido resulta decisivo para formar una mayoría.

Los votos no equivalen al poder. Un partido con casi tantos escaños como otro puede tener el triple de poder de voto, según las coaliciones posibles. La medida no ofrece un veredicto universal: las alianzas reales pueden estar condicionadas por la ideología, las relaciones y la negociación, factores que un modelo sencillo quizá omita.

Análisis

Este marco permite medir un aspecto oculto del poder: a menudo, la influencia reside en ser el actor cuya participación cambia el resultado. Hay ideas comparables en la centralidad de redes y el análisis de negociación, aunque cada enfoque responde a una pregunta distinta. El valor de un índice formal es diagnóstico, no moral. Un actor decisivo puede ser indispensable, pero eso no hace justa la distribución resultante, y una medida matemáticamente elegante tampoco capta todas las fuentes informales de influencia.

Diseñe instituciones en torno a los incentivos y las disyuntivas, no a las etiquetas

Las reglas determinan qué revela la gente. El diseño de mecanismos estudia cómo se combinan la información, los incentivos, las acciones y las reglas de decisión para producir resultados colectivos. En una subasta de segundo precio, la estrategia óptima es pujar con sinceridad, porque quien gana paga la segunda oferta más alta. La Comisión Federal de Comunicaciones de Estados Unidos utilizó teoría de juegos, simulaciones y experimentos para diseñar subastas repetidas de espectro que tuvieran en cuenta la interdependencia de las licencias regionales y que, con el tiempo, recaudaron casi 60.000 millones de dólares.

No existe un mecanismo perfecto. Una regla de votación para proyectos públicos puede elegir un proyecto cuyo valor total sea inferior a su costo. Un mecanismo de pivote puede producir una decisión eficiente y fomentar valoraciones sinceras, pero quizá no recaude suficiente dinero para cubrir el costo del proyecto. Para distinguir la capacidad genuina de las afirmaciones sin costo, las señales también deben tener un costo real o poder verificarse. Diseñar implica elegir qué objetivos priorizar.

Análisis

El diseño institucional es un problema de ingeniería porque los valores pueden entrar en conflicto. No siempre se pueden lograr a la vez la eficiencia, la información veraz, la participación voluntaria y el equilibrio presupuestario. Hacer explícitas esas disyuntivas evita buscar sin fin una solución imposible. Otra cautela es que los incentivos operan dentro de contextos sociales: una regla de subasta que funciona para empresas sofisticadas puede confundir a participantes comunes o cambiar quién decide participar. Las garantías formales solo son útiles en la medida en que lo sean sus supuestos y su implementación.

Explore más opciones cuando las soluciones tienen muchos atributos que interactúan

Aprender exige experimentar. En un problema de bandido de múltiples brazos, cada opción ofrece una recompensa incierta, por lo que quien decide debe equilibrar la exploración, que recopila información, con la explotación, que aprovecha la opción mejor conocida. Probar todos los tratamientos por igual durante demasiado tiempo puede desperdiciar recursos; elegir de inmediato al líder inicial puede hacer que se pase por alto una alternativa mejor. El índice de Gittins formaliza el valor de una opción al incluir lo que su ensayo podría enseñar sobre las decisiones futuras.

Los problemas complejos tienen muchos picos. Un paisaje accidentado representa soluciones cuyos atributos interactúan. Cambiar un rasgo puede mejorar un diseño y perjudicar otro, lo que hace que una búsqueda sencilla por ascenso gradual quede atrapada en un óptimo local. Distintos puntos de partida o estrategias de búsqueda pueden encontrar picos diferentes. Una mayor interacción puede generar mejores combinaciones, pero una interacción excesiva vuelve el paisaje casi aleatorio y más difícil de recorrer.

Análisis

La tensión entre explorar y explotar conecta las decisiones personales con los ensayos clínicos, las pruebas de productos y la investigación científica. Las primeras pruebas tienen valor porque pueden reorientar los esfuerzos futuros, pero explorar tiene un costo de oportunidad y puede exponer a las personas a opciones inferiores. Los paisajes accidentados añaden una advertencia útil contra copiar al ganador de ayer: el entorno puede cambiar y una combinación que antes era eficaz puede dejar de funcionar. Conviene diversificar la búsqueda cuando el costo de pasar por alto una alternativa es alto.

Analice la desigualdad y la adicción mediante varios mecanismos, no una causa única

Distintos mecanismos explican distintas facetas. El análisis de la desigualdad del libro combina la tecnología y la demanda de habilidades, la retroalimentación propia de que el ganador se lleva todo, los rendimientos del capital, el emparejamiento selectivo en el matrimonio, la movilidad intergeneracional y los efectos del vecindario. Estos mecanismos no explican a las mismas personas ni los mismos rangos de ingresos. Por ejemplo, la tecnología escalable ayuda a explicar los ingresos extremadamente altos, mientras que la educación local y los efectos indirectos económicos ayudan a explicar la pobreza persistente.

Los riesgos pequeños pueden acumularse. En 2016, más de 30.000 estadounidenses murieron por causas relacionadas con los opioides. Los ensayos demostraban que aliviaban el dolor, mientras que las primeras estimaciones de adicción eran bajas; las recetas de mayor duración podían elevar el riesgo. Un modelo de Markov, que sigue los cambios entre el dolor, el consumo de opioides y la adicción, muestra cómo la modificación de las tasas de transición puede multiplicar la proporción de personas con adicción. Son modelos diagnósticos útiles, no una prueba de que una sola política o causa explique la epidemia.

Análisis

Los casos finales muestran por qué los conjuntos de modelos son más importantes cuando hay mucho en juego en materia de políticas. Un mapa causal puede señalar dónde hacen falta mejores datos y qué transiciones debería modificar una intervención. Sin embargo, explicar no equivale a identificar: que un modelo reproduzca un patrón no demuestra que el mecanismo propuesto lo haya causado. Por eso, la disciplina más sólida del libro es la humildad metodológica: combinar la lógica formal con pruebas empíricas y aceptar que los sistemas complejos pueden frustrar incluso los conjuntos de modelos bien construidos.

Análisis

La contribución central del libro no es un catálogo de ecuaciones, sino un método para resistirse a la certeza prematura. Sus modelos funcionan como lentes disciplinadas: cada uno deja de lado detalles, hace explícitos los supuestos y produce implicaciones condicionales. El gesto recurrente consiste en poner esas implicaciones junto a las de otros modelos y preguntarse qué mecanismos causales resisten la comparación. Este criterio es más exigente que limitarse a reunir perspectivas, porque el análisis sigue sujeto a la coherencia lógica y a las pruebas.

El método también distingue entre distintas tareas intelectuales. Un modelo adecuado para predecir puede ser demasiado intrincado para explicar; un modelo explicativo conciso puede no servir para pronosticar. Asimismo, un modelo de equilibrio puede aclarar los incentivos, pero pasar por alto la adaptación, mientras que un modelo basado en agentes puede representar a actores diversos y, a la vez, resultar difícil de interpretar. Por tanto, elegir un modelo forma parte del argumento; no es un paso preliminar neutral. El mismo principio se aplica a la medición: las categorías determinan qué se vuelve visible, y un nivel de detalle distinto puede cambiar la respuesta aparente.

Persiste una tensión clave. Los conjuntos de modelos solo mejoran la solidez cuando sus componentes fallan de maneras distintas; sin embargo, los modelos de una misma sociedad suelen heredar datos, convenciones y omisiones comunes. El libro reconoce este límite, pero su desafío práctico es exigente: los lectores necesitan saber lo suficiente para detectar una diversidad superficial y contar con pruebas suficientes para poner a prueba las predicciones. Los modelos formales no pueden sustituir la identificación causal, el conocimiento institucional ni el juicio ético. Pueden mostrar qué se deriva de ciertos supuestos y revelar cuáles merecen ser examinados.

Por eso, las aplicaciones finales resultan convincentes sin pretender resolver los problemas que abordan. La desigualdad y la adicción no son acertijos que se resuelvan con una sola ecuación. Intervienen la retroalimentación, los incentivos, las redes, la historia y personas heterogéneas. El objetivo de quien modela no es saberlo todo, sino trazar mejor los mecanismos plausibles y los puntos de intervención. El pensamiento con múltiples modelos (many-model thinking) se entiende mejor como un escepticismo estructurado: ampliar la explicación causal, comparar modelos, poner a prueba lo que pueda comprobarse y dejar que la incertidumbre oriente la acción en vez de paralizarla.

Resumen en 30 segundos
Los modelos aclaran un problema solo dentro de sus supuestos, así que conviene comparar varias explicaciones antes de actuar. Promediar pronósticos es más útil cuando sus errores difieren: en un ejemplo de contratación, cuatro entrevistadores elevaron del 50 % al 86 % la probabilidad de contratar a alguien con un desempeño superior, y después las mejoras fueron menores. La retroalimentación, las redes y el comportamiento adaptativo pueden hacer que los promedios resulten engañosos. Las políticas también cambian los incentivos, así que el comportamiento pasado quizá no permita predecir las respuestas a reglas nuevas.
Contiene spoilers

Última actualización:

Reportar problema

Resumen de reseñas

3.92 de 5
Promedio de 500+ valoraciones de Goodreads y Amazon.

The Model Thinker recibe elogios por su panorama exhaustivo de los modelos matemáticos y estadísticos, que ofrece perspectivas sobre los sistemas complejos y la toma de decisiones. Los lectores valoran la amplitud del libro, sus ejemplos prácticos y el énfasis en usar múltiples modelos para comprender problemas del mundo real. Aunque a algunos les resulta denso y difícil, muchos aprecian su aporte al pensamiento crítico y al análisis de datos. Se recomienda a quienes tengan formación matemática y quieran ampliar sus herramientas analíticas, aunque algunos reseñistas señalan que puede ser demasiado técnico para lectores ocasionales.

Tu valoración:
4.4
212 valoraciones
¿Quieres leer el libro completo?

Glosario

pensamiento con múltiples modelos (many-model thinking)

razonamiento mediante múltiples modelos

Método para comprender fenómenos complejos mediante la aplicación de varios modelos formales con supuestos y énfasis causales distintos. Los modelos se comparan para identificar conclusiones compartidas, desacuerdos y puntos ciegos. El objetivo no es encontrar un único modelo que lo explique todo, sino construir una comprensión más sólida y tomar mejores decisiones.

REDCAPE

siete usos de los modelos

Mnemotecnia para recordar siete propósitos de los modelos: razonar, explicar, diseñar, comunicar, actuar, predecir y explorar. Un mismo modelo puede servir para más de un propósito, pero el mejor modelo puede variar según la tarea. Por ejemplo, un modelo muy detallado puede ayudar a predecir, mientras que uno más sencillo facilita la comunicación de la lógica causal.

teorema de la diversidad de predicciones

precisión gracias a la diversidad de pronósticos

Identidad matemática que muestra que el error cuadrático de la predicción promedio de un conjunto de modelos equivale al promedio de los errores cuadráticos de sus predicciones menos la diversidad de sus predicciones. Por tanto, las predicciones diversas pueden mejorar el promedio al compensar algunos errores. El resultado no garantiza la precisión si los modelos comparten un sesgo común o si sus predicciones no son significativamente distintas.

compensación entre sesgo y varianza

ajuste frente a error de estimación

Compensación en el diseño de modelos entre los errores causados por agrupar casos distintos y los errores causados por estimar demasiados grupos por separado a partir de datos limitados. Más categorías pueden reducir el primer tipo de error, pero aumentar el segundo. Un nivel excesivo de detalle puede ajustarse perfectamente a los datos observados y, aun así, predecir mal casos nuevos.

distribución de ley de potencia

muchos sucesos pequeños y unos pocos enormes

Distribución en la que la probabilidad de un suceso disminuye según una potencia del tamaño de dicho suceso. Contiene muchos sucesos pequeños y una cola de sucesos inusualmente grandes, a diferencia de una distribución normal, en la que las desviaciones extremas se vuelven ínfimamente raras. Las leyes de potencia pueden surgir mediante mecanismos como el apego preferencial o la criticidad autoorganizada, pero no todo patrón de cola larga es una ley de potencia.

crítica de Lucas

las políticas cambian el comportamiento

Advertencia de que las relaciones estimadas a partir del comportamiento humano pasado pueden dejar de ser estables tras un cambio de política o del entorno. Las personas responden a incentivos modificados, por lo que un modelo ajustado con reglas antiguas puede hacer predicciones deficientes con reglas nuevas. El análisis de políticas debe tener en cuenta la adaptación del comportamiento, en vez de tratar las correlaciones históricas como invariables.

valor de Shapley

contribución marginal promedio

Medida de la contribución de un participante a un grupo, calculada promediando el valor que aporta cuando se incorpora en cada orden posible de formación de coaliciones. Distribuye el valor total del grupo entre sus miembros conforme a determinadas propiedades de equidad. En contextos electorales, una medida relacionada capta con qué frecuencia un participante resulta decisivo para formar una coalición ganadora.

modelo SIR

contagio con recuperación

Modelo epidemiológico que divide una población en grupos de personas susceptibles, infectadas y recuperadas. Las personas pueden infectarse por contacto y recuperarse posteriormente; el modelo sigue los cambios entre estados. Su número básico de reproducción compara la propagación con la recuperación: los valores superiores a uno permiten que un brote crezca bajo los supuestos del modelo.

modelo de Markov

transiciones probabilísticas entre estados

Modelo de un sistema que se desplaza entre un conjunto finito de estados según probabilidades de transición. Bajo ciertas condiciones —entre ellas, probabilidades fijas, accesibilidad entre estados y ausencia de ciclos deterministas—, converge a una distribución única a largo plazo. Las intervenciones que modifican un estado temporal pueden tener efectos breves, mientras que cambiar las probabilidades de transición puede alterar el patrón a largo plazo.

diseño de mecanismos

diseño de reglas para los incentivos

Estudio de cómo las reglas institucionales convierten la información y las acciones de los participantes en resultados colectivos. Un mecanismo especifica qué saben las personas, qué acciones pueden tomar, cómo funcionan los incentivos y cómo se agregan las acciones. Quienes diseñan mecanismos evalúan propiedades como la eficiencia, la veracidad de la información declarada, la participación voluntaria y el equilibrio presupuestario, reconociendo que no siempre es posible alcanzar todas a la vez.

paisaje accidentado (rugged landscape)

muchos óptimos locales en competencia

Representación de un problema de búsqueda en la que cada combinación de atributos tiene un valor y las interacciones entre atributos generan múltiples cimas. Un método de búsqueda local puede quedar atrapado en una cima que no es la mejor a nivel global. Distintos puntos de partida o estrategias de búsqueda pueden revelar soluciones diferentes, aunque una mayor interacción también puede dificultar la navegación por el paisaje.

Preguntas frecuentes

1. ¿De qué trata "The Model Thinker", de Scott E. Page?

  • Pensamiento con múltiples modelos: El libro defiende el uso de conjuntos de modelos para comprender fenómenos complejos y sostiene que ningún modelo por sí solo puede ofrecer una imagen completa.
  • Aplicación práctica: Explica docenas de modelos en un lenguaje accesible y muestra cómo aplicarlos a problemas reales de los negocios, las políticas públicas y la vida cotidiana.
  • Alcance interdisciplinario: Scott E. Page recurre a la economía, las ciencias sociales, la biología y la informática para ilustrar la versatilidad de los modelos.
  • Capacitar a los lectores: El libro busca que sus lectores piensen y decidan mejor, dotándolos de un repertorio de modelos.

2. ¿Por qué debería leer "The Model Thinker", de Scott E. Page?

  • Afrontar la complejidad: El libro ofrece herramientas para abordar la complejidad de los desafíos actuales, desde la desigualdad económica hasta las epidemias y el cambio tecnológico.
  • Mejorar la toma de decisiones: Aprender a usar múltiples modelos ayuda a evitar razonamientos limitados, detectar fallas lógicas y tomar decisiones más sólidas.
  • Relevancia amplia: Tanto si eres directivo de una empresa como responsable de políticas públicas o ciudadano comprometido, los modelos tienen utilidad práctica en distintos ámbitos.
  • Crecimiento personal y cívico: Dominar estos modelos mejora tu capacidad para razonar, comunicarte y participar de forma reflexiva en la sociedad.

3. ¿Cuáles son las principales conclusiones de "The Model Thinker", de Scott E. Page?

  • La diversidad de modelos importa: Usar múltiples modelos permite una comprensión más profunda y matizada, y mejores predicciones que depender de una sola perspectiva.
  • Los modelos son simplificaciones: Todos los modelos se equivocan en algún sentido, pero muchos son útiles; combinarlos ayuda a captar la complejidad.
  • La aplicación es esencial: El libro no solo hace hincapié en aprender modelos, sino también en aplicarlos a datos y decisiones del mundo real.
  • Humildad al modelizar: Reconocer los límites de los modelos fomenta la humildad y alienta el aprendizaje y la adaptación continuos.

4. ¿Cuáles son los conceptos fundamentales del pensamiento con múltiples modelos en "The Model Thinker"?

  • Múltiples perspectivas para alcanzar la sabiduría: El pensamiento con múltiples modelos consiste en analizar los problemas desde diversos marcos lógicos, cada uno de los cuales destaca distintas fuerzas causales.
  • Evitar los riesgos de un único modelo: Depender de un solo modelo puede llevar a pasar por alto características importantes o a hacer malas predicciones; los conjuntos de modelos ponen de manifiesto los puntos ciegos.
  • Estructura formal y manejabilidad: Los modelos son formales, comunicables y, a menudo, matemáticos, lo que permite razonar lógicamente y poner a prueba los supuestos.
  • Usos REDCAPE: Los modelos sirven para razonar, explicar, diseñar, comunicar, actuar, predecir y explorar, lo que ofrece un marco para aplicarlos.

5. ¿Cómo define y clasifica Scott E. Page los modelos en "The Model Thinker"?

  • Tres tipos de modelos: Los modelos son simplificaciones de la realidad, analogías abstraídas del mundo o realidades alternativas para explorar ideas.
  • Matemáticos y computacionales: Los modelos suelen expresarse mediante matemáticas o código informático, lo que los hace precisos y verificables.
  • Siete usos (REDCAPE): El libro clasifica los usos de los modelos como razonar, explicar, diseñar, comunicar, actuar, predecir y explorar.
  • Manejabilidad y comunicación: Los modelos eficaces deben ser comprensibles y manejables, para permitir una comunicación clara y un análisis lógico.

6. ¿Qué teoremas y principios fundamentales respaldan el pensamiento con múltiples modelos en "The Model Thinker"?

  • Teorema del jurado de Condorcet: El voto mayoritario entre modelos independientes aumenta la precisión y se aproxima a la certeza a medida que crece su número.
  • Teorema de la diversidad de predicciones: La diversidad de los modelos reduce el error de la predicción promedio de un conjunto, por lo que la diversidad es valiosa.
  • Límites de la diversidad: La cantidad práctica de modelos independientes está limitada por la dimensionalidad de los datos y las correlaciones entre atributos.
  • La sabiduría de los conjuntos: Estos teoremas justifican por qué combinar modelos conduce a mejores decisiones y predicciones.

7. ¿Cómo aborda "The Model Thinker", de Scott E. Page, la modelización del comportamiento humano?

  • La complejidad de las personas: Las personas son diversas, adaptables y están influidas por su contexto social, lo que dificulta modelizarlas.
  • Agente racional frente a modelos basados en reglas: El libro modeliza a las personas como maximizadoras racionales o como seguidoras de reglas fijas o adaptativas, según el contexto.
  • Incorporación de sesgos: Cuando corresponde, se incluyen sesgos psicológicos bien documentados, como la aversión a las pérdidas y el descuento hiperbólico.
  • Adaptación y aprendizaje: Los modelos permiten el aprendizaje y el cambio de comportamiento con el tiempo, y tienden un puente entre la inteligencia nula y la racionalidad plena.

8. ¿Qué son las distribuciones normales y de ley de potencia, y por qué son importantes en "The Model Thinker"?

  • Distribuciones normales: Estas curvas de campana surgen de la suma de variables aleatorias independientes e implican regularidad y previsibilidad.
  • Distribuciones de ley de potencia: Se caracterizan por muchos sucesos pequeños y unos pocos grandes, y surgen de retroalimentaciones positivas e interdependencias.
  • Implicaciones para la predicción: Reconocer el tipo de distribución ayuda a anticipar sucesos extremos y orienta las políticas y el diseño.
  • Modelización de la complejidad: Las leyes de potencia sugieren una mayor imprevisibilidad y requieren enfoques de modelización distintos de los de las distribuciones normales.

9. ¿Cómo explica "The Model Thinker" los modelos lineales y no lineales, incluidos la concavidad y la convexidad?

  • Modelos lineales: Suponen efectos de magnitud constante y son útiles para el análisis inicial de datos, pero a menudo simplifican en exceso fenómenos complejos.
  • Modelos no lineales: Incluyen funciones cóncavas (rendimientos decrecientes, aversión al riesgo) y convexas (crecimiento, retroalimentación positiva), que captan dinámicas del mundo real.
  • Modelización del crecimiento económico: El libro usa estos conceptos para explicar cómo interactúan el trabajo, el capital y la tecnología, y por qué el crecimiento puede ralentizarse o acelerarse.
  • Un mejor ajuste a la realidad: Los modelos no lineales suelen representar con mayor precisión los sistemas complejos.

10. ¿Qué son los valores de Shapley y los modelos de redes, y cómo se relacionan con el valor y el poder en "The Model Thinker"?

  • Valor de Shapley: Medida de la teoría de juegos cooperativos que asigna valor o poder según las contribuciones marginales promedio en todas las coaliciones posibles.
  • Equidad y distribución: Cumple propiedades de equidad, contribución nula, asignación total y aditividad, lo que la convierte en una forma sólida de evaluar el poder.
  • Modelos de redes: Las redes están formadas por nodos y enlaces, y sus propiedades —como el grado, la agrupación y la intermediación— afectan el flujo de información y el poder.
  • Tipos de redes: El libro analiza redes aleatorias, de mundo pequeño y de ley de potencia, cada una con una lógica de formación e implicaciones particulares.

11. ¿Cómo utiliza Scott E. Page los modelos para explicar la propagación de la información, las enfermedades y los comportamientos en "The Model Thinker"?

  • Modelos de difusión por emisión y por contagio: La información puede propagarse desde una sola fuente (emisión) o mediante el contacto entre personas (difusión); cada modalidad tiene curvas de adopción distintas.
  • Modelo SIR: Modeliza las poblaciones susceptibles, infectadas y recuperadas, y capta los puntos de inflexión y el efecto de los parámetros sobre la propagación.
  • Efectos de red: Incluir estos modelos en redes revela el papel de los superpropagadores y la importancia de la estructura de la red.
  • Relevancia para las políticas públicas: Estos modelos orientan las estrategias para controlar epidemias y comprender el contagio social.

12. ¿Qué son las subastas, el diseño de mecanismos y los modelos de señalización en "The Model Thinker", de Scott E. Page?

  • Tipos de subasta y estrategias: El libro abarca las subastas de primer precio, de segundo precio y de puja ascendente, y explica las estrategias de puja óptimas y sus consecuencias para los ingresos.
  • Diseño de mecanismos: Compara métodos para financiar bienes públicos y destaca las compensaciones entre eficiencia, incentivos, participación y equilibrio presupuestario.
  • Modelos de señalización: Explican cómo las personas usan señales costosas o verificables para revelar atributos ocultos, con aplicaciones que van de la educación al consumo ostentoso.
  • Conceptos de equilibrio: Analiza los equilibrios agrupadores, separadores y parcialmente agrupadores, y por qué algunas señales son funcionales mientras que otras son un desperdicio.

Sobre el autor

Scott E. Page es un reconocido académico y autor especializado en sistemas complejos, ciencias políticas y economía. Ocupa la cátedra Leonid Hurwicz de profesor titular en la Universidad de Michigan y está afiliado al Santa Fe Institute. Page ha escrito cinco libros sobre temas como la diversidad y la teoría de la complejidad. Su trabajo se centra en aplicar modelos matemáticos para comprender fenómenos sociales y económicos. Page es conocido por su enfoque interdisciplinario, que combina ideas de diversos campos para abordar problemas complejos. Su experiencia docente abarca varias universidades, y ha recibido reconocimiento por su capacidad para explicar conceptos complejos de manera accesible en sus libros y cursos.

Descargar PDF

Para guardar este resumen de El pensador de modelos para más tarde, descarga el PDF gratis. Puedes imprimirlo o leerlo sin conexión cuando quieras.
Download PDF

Descargar EPUB

Para leer este resumen de El pensador de modelos en tu dispositivo o aplicación de lectura, descarga el EPUB gratis. El formato de libro digital .epub es ideal para leer libros electrónicos en teléfonos, tabletas y lectores electrónicos.
Download EPUB
¿Quieres leer el libro completo?
Seguir
Escuchar
Inicio
Swipe
Biblio
App
Prueba el acceso completo por 3 días
Escucha, guarda y mucho más
Comparar funciones Gratis Pro
📖 Leer resúmenes
Lee resúmenes ilimitados. Los usuarios gratuitos obtienen 3 al mes
🎧 Escuchar resúmenes
Escucha resúmenes ilimitados en 40 idiomas
—
❤️ Marcadores ilimitados
Usuarios gratuitos limitados a 4
—
📜 Historial ilimitado
Usuarios gratuitos limitados a 4
—
📥 Descargas ilimitadas
Usuarios gratuitos limitados a 1
—
Cronología sin riesgo
Hoy: Obtén acceso instantáneo
Escucha resúmenes completos de más de 26.000 libros. ¡Son más de 12.000 horas de audio!
Día 2: Recordatorio de prueba
Te enviaremos una notificación de que tu prueba está por terminar.
Día 3: Tu suscripción comienza
Se te cobrará el 25 nov,
cancela en cualquier momento antes.
Consume 2.8× More Books
2.8× libros más Escucha Lectura
Nuestros usuarios nos adoran
1M+ lectores
Trustpilot Rating
TrustPilot
4.6 Excelente
Este sitio es un antes y un después. He leído resúmenes como nunca antes. Lo recomiendo muchísimo.
— Dave G
Vale cada centavo y cada minuto, y está muy bien hecho. Nunca había visto esta calidad de resúmenes en otros sitios. ¡Muy útil!
— Em
¡Muy recomendado! Servicio fantástico. Perfecto para quienes quieren algo más que una sinopsis, pero no todos los detalles de un audiolibro completo.
— Greg M
Ahorra un 62%
Anual
$119.88 $44.99/año/año
$3.75/mes
Mensual
$9.99/mes
Inicia tu prueba gratuita de 3 días
3 días gratis, luego $44.99/año. Cancela cuando quieras.
Unlock a world of fiction & nonfiction books
Más de 26.000 libros por el precio de 2
Lee cualquier libro en 10 minutos
Descubre libros nuevos como en Tinder
Solicita cualquier libro si no está resumido
Lee más libros que cualquiera que conozcas
La app nº 1 para amantes de los libros
Lifelike & immersive summaries
Garantía de devolución de 30 días
Descarga resúmenes en EPUB o PDF
Cancela en cualquier momento con unos clics

¿Por qué solo un resumen?

Escáner
Busca un código de barras para escanear

⭐
⭐
⭐
Tenemos un regalo especial para ti
Abrir
38% de descuento
DESCUENTO PARA TI
⭐
⭐
⭐
$79.99
$49.99/año
Solo $4.16 al mes
Continuar
Empieza con 2 toques y cancela fácilmente
Configuración
General
Widget
Cargando...