Cómo mentir con estadísticas

Autor: Huff, D., & Geis, I

una obra clásica y pionera en el campo de la alfabetización estadística y el pensamiento crítico. Su objetivo principal no es enseñar a las personas a mentir, sino enseñarles a reconocer y desmantelar las mentiras y las manipulaciones que se esconden detrás de las cifras.

En el libro, Huff expone de manera accesible, con humor y con ejemplos sencillos, las diversas técnicas que se utilizan para tergiversar los datos y crear impresiones falsas. Los puntos clave del libro son:

• La muestra sesgada: El libro explica que los resultados de una encuesta o un estudio dependen en gran medida de quiénes son encuestados. Una muestra sesgada, que no es representativa del grupo al que se pretende estudiar, puede llevar a conclusiones completamente erróneas.
• La media, la mediana y la moda: Huff demuestra cómo la elección de qué «promedio» utilizar (la media, la mediana o la moda) puede cambiar radicalmente el mensaje que se quiere transmitir. Por ejemplo, la media puede ser mucho más alta que la mediana si hay unos pocos valores extremadamente altos.
• Los gráficos engañosos: Se dedica una parte importante del libro a analizar cómo los gráficos pueden ser manipulados visualmente para distorsionar la realidad. Esto incluye trucos como cortar el eje Y para hacer que una pequeña diferencia parezca enorme, usar escalas que no son proporcionales o emplear pictogramas que crecen en dos dimensiones (ancho y alto) cuando la cifra solo ha crecido en una.
• Los «números sin sentido»: El libro advierte sobre la precisión excesiva de los datos. A menudo, se presentan cifras con muchos decimales para dar una falsa impresión de exactitud, cuando en realidad la medición original era mucho menos precisa.
• La correlación no es causalidad: Un concepto fundamental que se ilustra en el libro es la falacia de asumir que si dos cosas están correlacionadas (es decir, que una ocurre junto con la otra), una debe ser la causa de la otra. Huff da ejemplos divertidos y claros para mostrar que la coincidencia no prueba la causalidad.