La matemática oculta detrás de cada decisión que tomas
Solía pensar que las buenas decisiones venían del instinto o de una reflexión cuidadosa. Entonces leí un hilo viral del trader e investigador @zodchiii que me hizo darme cuenta de que estaba ignorando la parte más simple de la ecuación. La mayoría de la gente también lo hace. Tratamos las decisiones como asuntos de opinión o intuición, cuando en realidad son problemas matemáticos disfrazados.
El hilo, republicado en axisofeasy.com, desglosa seis modelos mentales que explican por qué las personas inteligentes toman decisiones tontas. Los modelos no son nuevos. Economistas y psicólogos los conocen desde hace décadas. Pero usarlos consistentemente es raro. Ahí es donde viene la ventaja.
Si quieres tomar mejores decisiones en el trabajo, en las relaciones o con el dinero, estos seis marcos cambiarán cómo ves casi todas las elecciones.
Lo que hace diferente a este hilo de otros contenidos de autoayuda es que @zodchiii no es un life coach vendiendo un curso. Es un trader de Polymarket que hace apuestas reales con dinero real. Sus consejos vienen de seguir resultados, no de la teoría. Ese trasfondo práctico le da a estos modelos una credibilidad que no obtienes de alguien que nunca se ha equivocado en público.
Expected value
El expected value es la herramienta de toma de decisiones más básica que usarás, y casi nadie la aplica conscientemente. La fórmula es simple: multiplica la probabilidad de un resultado por su recompensa, luego suma todos los resultados posibles.
Aquí está la versión lista para recordar:
Expected value = (probabilidad de ganar × recompensa) - (probabilidad de perder × cantidad de la pérdida)
Un lanzamiento de moneda que te paga 2 dólares por cara y te cuesta 1 dólar por cruz tiene un expected value positivo. Deberías aceptar esa apuesta cada vez, aunque perderás la mitad de los lanzamientos. La mayoría de la gente se niega porque la pérdida duele más de lo que la ganancia se siente bien. Eso es aversión a la pérdida en acción, y es por eso que los casinos ganan dinero.
En la vida real, el expected value aparece en ofertas de trabajo, opciones de inversión, e incluso en si asistir a una fiesta. Si el potencial positivo supera al negativo cuando consideras las probabilidades, las matemáticas dicen que lo tomes. La sensación en tu estómago no son las matemáticas hablando.
Esto se conecta con el conjunto más amplio de trampas mentales psicológicas que sabotean la toma de decisiones. El expected value es una forma de escapar de esas trampas. En lugar de confiar en reacciones instintivas, calculas si las probabilidades están a tu favor. Con el tiempo, ese pequeño hábito separa a las personas que tienen suerte de las que crean su propia suerte.
Aquí hay un ejemplo más práctico. Digamos que estás considerando un proyecto paralelo que podría ganarte 5.000 dólares con un 30 por ciento de probabilidad de éxito, y te costará 500 dólares en tiempo y materiales si falla. El expected value es (0,3 × 5.000) - (0,7 × 500) = 1.150. Es positivo. Incluso si fallas siete de cada diez veces, un éxito paga todas las pérdidas y te deja adelante. La mayoría de la gente mira la tasa de fracaso del 70 por ciento y se va sin hacer el cálculo.
La misma lógica se aplica a correos electrónicos en frío, solicitudes de empleo y citas. Si la ganancia es lo suficientemente grande y el costo de intentarlo es bajo, el expected value es probablemente positivo. Solo tienes que estar dispuesto a hacer el cálculo en lugar de confiar en tu miedo.
Base rate neglect
Tu cerebro odia las estadísticas generales. Prefiere historias específicas. Esta es la trampa del base rate neglect, y arruina más decisiones que la mayoría de los otros sesgos.
Aquí está el ejemplo clásico del hilo: imagina una enfermedad que afecta a 1 de cada 1.000 personas. Una prueba para ella es 99% precisa. Das positivo. ¿Cuál es la probabilidad de que realmente tengas la enfermedad?
La mayoría de la gente dice 99%. La respuesta real es alrededor del 9%. ¿Por qué? Porque la enfermedad es tan rara que los falsos positivos superan a los verdaderos positivos por un amplio margen. Tu cerebro ignoró la tasa base (1 de cada 1.000) y se aferró a la información vívida y personal (tu prueba positiva).
Esto sucede constantemente. Escuchas sobre un estudiante que abandonó la universidad y construyó una empresa multimillonaria y piensas que abandonar es un buen plan. Ignoras la tasa base: la mayoría de los que abandonan no se convierten en multimillonarios. Escuchas sobre una startup que recaudó millones y piensas que tu idea es la próxima. Ignoras la tasa base: aproximadamente 6 de cada 10 startups fracasan en los primeros años.
También ves esto en decisiones de salud. Un amigo prueba un nuevo suplemento y dice que curó su fatiga. Compras el mismo suplemento y no sientes nada. La historia individual es vívida, pero la tasa base te dice que los suplementos raramente superan al placebo para la fatiga general. A tu cerebro no le importa la tasa base. Le importa la historia.
La solución es aburrida pero efectiva. Antes de emocionarte con un caso específico, pregúntate qué dicen las estadísticas generales. Las estadísticas generales suelen tener razón. Si estás pensando en renunciar a tu trabajo para iniciar un negocio, mira la tasa de supervivencia de los negocios en tu industria, no las publicaciones de Instagram de la única persona que lo logró. Esa persona es un outlier. La tasa base es la realidad que la mayoría de la gente vive.
Este es exactamente el tipo de razonamiento explorado en la guía de pensamiento crítico sobre lógica y sesgos. La diferencia aquí es que el base rate neglect tiene una corrección matemática específica. No necesitas convertirte en un experto en lógica. Solo necesitas recordar verificar las estadísticas antes de enamorarte de una historia.
Sunk cost fallacy
Compraste un boleto de cine de 15 dólares. Veinte minutos después, te das cuenta de que la película es terrible. ¿Te vas o te quedas?
La mayoría de la gente se queda. Piensan en los 15 dólares ya gastados y no quieren desperdiciarlos. Esos 15 dólares se han ido sin importar lo que hagas. Es un sunk cost. La única pregunta racional es: dado dónde estoy ahora, ¿valdrán mi tiempo los próximos 90 minutos?
La sunk cost fallacy es la razón por la que la gente se queda en trabajos sin futuro, sigue reparando autos que valen menos que la factura de reparación, y mantiene inversiones perdedoras esperando que se recuperen. El pasado no es negociable. Lo que importa es lo que viene después.
He hecho esto con suscripciones. Pago por un servicio que no uso porque ya pagué por el año. El dinero se ha ido. La pregunta es si los meses restantes valen la pena. Generalmente no. Cancelar se siente como admitir la derrota, pero en realidad es la jugada más inteligente.
La sunk cost fallacy también aparece en las relaciones. La gente permanece en matrimonios infelices debido a los años ya invertidos. Permanecen en carreras que odian debido al título que pasaron cuatro años obteniendo. El título no va a ninguna parte. La pregunta es si los próximos cinco años valdrán la pena. Si la respuesta es no, la inversión pasada no es una razón para quedarse. Es una razón para irse antes de invertir más.
Los militares tienen una frase para esto: “corta tus pérdidas.” No es rendirse. Es redirigir recursos a donde realmente tienen oportunidad de dar frutos. Cada hora que pasas en un camino sin salida es una hora que no puedes pasar en un camino que podría funcionar.
Bayesian thinking
El Bayesian thinking significa actualizar tus creencias cuando ves nueva evidencia. Las matemáticas parecen intimidantes, pero la idea es directa: tu confianza en algo debería cambiar a medida que aprendes más.
La fórmula básica es:
P(creencia después de la evidencia) = P(creencia antes de la evidencia) × P(evidencia si la creencia es verdadera) / P(evidencia)
En español claro: comienza con lo que ya crees, luego ajusta en base a lo que acabas de aprender. Si piensas que una moneda es justa y sale cara diez veces seguidas, deberías actualizar tu creencia de que la moneda está cargada.
La mayoría de la gente hace lo contrario. Forman una creencia y luego la defienden contra toda evidencia. Por eso la política y la religión crean tantas discusiones. El Bayesian thinking te obliga a tratar las creencias como hipótesis temporales en lugar de verdades permanentes.
El desafío práctico es que actualizar creencias se siente como debilidad. Si cambias de opinión después de ver nueva evidencia, la gente podría llamarte inconsistente. Pero las matemáticas no se preocupan por tu reputación. Se preocupan por la precisión. Quien actualiza rápidamente termina con mejores predicciones que quien se aferra a viejas creencias.
Los mercados de predicción son una aplicación práctica de esto. Cuando miles de personas apuestan por un resultado, las probabilidades cambian a medida que llega nueva información. @zodchiii llama a los mercados de predicción un gimnasio para tu toma de decisiones. Recibes retroalimentación sobre si tus creencias están calibradas y puedes ajustar en tiempo real.
Puedes practicar el Bayesian thinking en pequeñas cosas. Cuando un amigo recomienda un restaurante y tienes una mala experiencia, actualiza tu confianza en el gusto de ese amigo. Cuando una acción que compraste baja después de ganancias, actualiza tu modelo de la empresa en lugar de duplicar la apuesta. Pequeñas actualizaciones se acumulan en mejor juicio con el tiempo.
Survivorship bias
El survivorship bias es el error de estudiar solo a los ganadores y asumir que sus hábitos explican la victoria. Estudiantes que abandonaron la universidad y construyeron empresas unicornio obtienen biografías. Los miles que fracasaron y ahora trabajan en empleos normales no reciben cobertura.
El hilo señala que el 87 por ciento de las carteras de Polymarket pierden dinero. Pero solo escuchas sobre los ganadores que publicaron sus ganancias en redes sociales. Lo mismo sucede con restaurantes, startups y estrategias de inversión. Ves el 60 por ciento que sobrevivió e ignoras el 40 por ciento que cerró.
Este sesgo es peligroso porque hace que las malas estrategias parezcan inteligentes. Si copias los hábitos de personas exitosas sin verificar si esos hábitos realmente causaron el éxito, estás apostando. Quizás tuvieron éxito a pesar de sus hábitos, no gracias a ellos.
El antídoto es buscar los datos faltantes. Pregúntate: ¿quién intentó esto y fracasó? ¿Dónde están las personas que hicieron lo mismo pero no lo lograron? Si no puedes encontrarlas, eso es una señal de alerta, no una prueba de que la estrategia funciona.
El survivorship bias está en todas partes una vez que empiezas a buscarlo. Los libros de negocios estudian empresas exitosas sin compararlas con las fracasadas. Los influencers de fitness muestran sus resultados pero no a las personas que siguieron el mismo plan y no vieron cambios. Los boletines de inversión se jactan de operaciones ganadoras mientras ignoran las perdedoras.
El hilo destaca Polymarket como un caso de estudio. Todos comparten capturas de pantalla de sus grandes victorias. Nadie comparte capturas de pantalla de las cuentas que perdieron el 80 por ciento de su valor. Si solo miras a los ganadores, pensarás que la plataforma es dinero fácil. Si miras la distribución completa, te darás cuenta de que es un juego de habilidad con una ventaja de la casa pesada para los aficionados.
Para contrarrestar este sesgo, busca activamente historias de fracaso. Lee análisis post-mortem de startups fracasadas. Mira a las personas que siguieron la misma dieta y aumentaron de peso. Estudia a los traders que volaron sus cuentas. Los datos faltantes son a menudo más informativos que los datos visibles.
Kelly criterion
El Kelly criterion te dice cuánto de tu bankroll apostar en una oportunidad determinada. Es una fórmula que equilibra la recompensa contra el riesgo para que no te arruines incluso cuando tienes una ventaja.
La fórmula es:
f = (bp - qb) / b*
Donde b son las probabilidades, p es la probabilidad de ganar, q es la probabilidad de perder, y f* es la fracción de tu bankroll para apostar.
En la práctica, la mayoría de los apostadores profesionales e inversores usan un enfoque quarter-Kelly. Apuestan menos de lo que sugiere la fórmula porque la vida real es más desordenada que las matemáticas. Sobrestimar tu ventaja es la forma más rápida de perderlo todo.
La lección aquí no es sobre el juego. Es sobre la asignación de recursos. Si tienes una buena oportunidad, ¿cuánto tiempo, dinero o atención deberías dedicarle? Poner todo en una apuesta parece audaz, pero generalmente es imprudente. Distribuir tus apuestas proporcionalmente a tu ventaja real te mantiene en el juego por más tiempo.
En inversiones, esto significa no invertir todo en una sola acción sin importar cuán confiado estés. En términos de carrera, significa no apostar todo tu futuro en una empresa o una habilidad. En relaciones, significa no poner todas tus necesidades emocionales en una persona. Las matemáticas dicen diversifica, incluso cuando tu instinto dice concéntrate.
La mayoría de la gente pierde la parte del quarter-Kelly. El Kelly completo asume que conoces tu ventaja perfectamente. En la vida real, probablemente eres demasiado confiado. Apostar un cuarto del monto de Kelly te da margen de error. Aún ganas en grande cuando tienes razón, pero sobrevives lo suficiente para cosechar cuando te equivocas. Ese colchón de supervivencia es lo que la mayoría de la gente pierde. El objetivo no es batear un jonrón una vez. Es seguir jugando hasta que las probabilidades funcionen a tu favor.
Cómo los 6 se conectan
Estos modelos no son herramientas separadas. Son lentes que se corrigen mutuamente. El expected value evita que reacciones exageradamente a pérdidas a corto plazo. El base rate neglect evita que persigas outliers. La sunk cost fallacy te saca de inversiones pasadas que ya no te sirven. El Bayesian thinking actualiza tu mapa a medida que el territorio cambia. El survivorship bias te recuerda buscar los fracasos que no puedes ver. El Kelly criterion asegura que tengas suficiente para jugar la siguiente mano.
Usados juntos, forman un sistema. Dejas de tomar decisiones basadas en cómo se siente una elección en el momento y empiezas a tomarlas basadas en si las matemáticas funcionan con el tiempo. Ese cambio es sutil pero permanente.
Piénsalo como aprender a conducir. Al principio, piensas en cada cambio de marcha y revisión de espejo. Eventualmente, las habilidades se vuelven automáticas. Estos seis modelos funcionan de la misma manera. Al principio, tienes que ejecutar conscientemente los cálculos. Con la práctica, se convierten en parte de cómo ves el mundo. Notarás el base rate neglect en los titulares de noticias. Te sorprenderás justificando un sunk cost en una reunión. Sentirás el tirón del survivorship bias cuando una historia de éxito se vuelva viral.
Este es el verdadero beneficio. No tienes que ser más inteligente que los demás. Solo tienes que tener un sistema que capture los errores que todos los demás pierden.
Verdad incómoda
La verdad incómoda del hilo es que la mayoría de la gente no quiere usar matemáticas. Quieren que las decisiones se sientan correctas. Quieren historias, no estadísticas. Quieren creer que el trabajo duro por sí solo determina los resultados, cuando la probabilidad y la suerte juegan papeles mucho más grandes de lo que nadie admite.
Por eso los mercados de predicción se sienten fríos para la gente. Despojan la narrativa y te muestran las probabilidades en bruto. Pero esa frialdad es el punto. Te impide mentirte a ti mismo sobre cuán probable es realmente el éxito.
Si tomas en serio tomar mejores decisiones, tienes que sentirte cómodo equivocándote en público. Tienes que actualizar tus creencias cuando la evidencia dice que deberías, incluso si hiere tu ego. Ese es el precio de mejorar.
Conclusión
La matemática oculta detrás de las decisiones no está realmente oculta. Solo es ignorada. El expected value, las tasas base, los sunk costs, las actualizaciones bayesianas, el survivorship bias y el Kelly criterion son todas ideas bien documentadas. La ventaja va para las personas que realmente las aplican.
Empieza pequeño. La próxima vez que enfrentes una elección, escribe las probabilidades y las recompensas. Verifica la tasa base antes de emocionarte con un ejemplo específico. Pregúntate si estás permaneciendo en una situación porque todavía es buena o porque ya has invertido demasiado para irte.
Si quieres profundizar, el hilo recomienda cinco libros que cubren estas ideas con más detalle: Thinking Fast and Slow de Daniel Kahneman, Superforecasting de Philip Tetlock, The Signal and the Noise de Nate Silver, Fooled by Randomness de Nassim Taleb, y Fortune’s Formula de William Poundstone. Cada uno expandirá cómo piensas sobre la incertidumbre y la elección.
He leído los cinco, y cada uno impacta de manera diferente. Kahneman te da los fundamentos. Tetlock te muestra cómo aplicarlo en el mundo real. Silver te enseña a pensar en probabilidades. Taleb te vuelve paranoico sobre el riesgo de la mejor manera. Poundstone conecta las matemáticas con la gestión del dinero. Leerlos en ese orden construye una imagen completa.
Si quieres ver cómo los modelos mentales se aplican a la estrategia, la serie de modelos mentales de ajedrez muestra cómo los grandes maestros usan el reconocimiento de patrones y el cálculo selectivo para tomar decisiones de alto riesgo bajo presión. Los principios se superponen con lo que cubrimos aquí, pero el contexto del ajedrez los hace concretos.
Las matemáticas no garantizarán buenos resultados. Nada lo hace. Pero garantizarán que tus decisiones sean mejores que la alternativa, que es adivinar y esperar.
Si quieres practicar estos modelos juntos, prueba este ejercicio. Durante la próxima semana, escribe cada decisión significativa que tomes. Para cada una, anota el expected value, la tasa base, si estás cayendo en la sunk cost fallacy, cuán seguro estás en tu creencia, si estás ignorando datos faltantes, y cuántos de tus recursos estás comprometiendo. Al final de la semana, revisa tus notas. Los patrones te sorprenderán.
Esa es la matemática oculta. No es magia. Es solo consistencia. Y la consistencia es algo que cualquiera puede aprender.