Falacias de datos a evitar

  1. Cherry-picking: seleccionar los resultados que se ajustan a tus afirmaciones, y excluir aquellos que no lo hacen.
  2. Dragado de datos: testear repetidamente nuevas hipótesis contra el mismo conjunto de datos, no reconociendo que la mayoría de correlaciones son fruto de la casualidad.
  3. Sesgo del superviviente: extraer conclusiones de un conjunto incompleto de datos, únicamente porque esos datos han "sobrevivido" un determinado criterio de selección.
  4. Efecto Cobra: establecer un incentivo que accidentalmente produce el resultado opuesto a aquel que se pretendía. Popularmente conocido como "Incentivo Perverso".
  5. Falsa causalidad: asumir falsamente que, cuando dos eventos aparecen relacionados, es porque uno debe haber causado el otro.
  6. Gerrymandering: manipular los límites geográficos usados para agrupar datos con la intención de modificar los resultados.
  7. Sesgo de muestreo: extraer conclusiones de un conjunto de datos que no son representativos de la población que estás tratando de investigar.
  8. Falacia del jugador: creer erróneamente que porque algo ha sucedido más frecuentemente de lo usual, es ahora menos probable que suceda en un futuro (y viceversa).
  9. Efecto Hawthorne: el acto de monitorizar a alguien puede afectar su comportamiento, llevando a conclusiones espúreas. Popularmente conocido como "el Efecto Observador".
  10. Regresión a la media: cuando sucede algo que es inusualmente bueno o malo, se revertirá de nuevo hacia la media a lo largo del tiempo.
  11. Paradoja de Simpson: cuando aparece una tendencia en diferentes subconjuntos de datos, pero desaparece o se revierte cuando se combinan dichos grupos.
  12. Falacia de McNamara: confiar únicamente en las métricas en situaciones complejas y perder de vista el panorama general.
  13. Sobreajuste: crear un modelo que está excesivamente ajustado a los datos que tú tienes y que no es representativo de las tencencias generales.
  14. Sesgo de publicación: los resultados de investigaciones que son especialmente curiosos tienen más posibilidades de ser publicados, distorsionando nuestra impresión de la realidad.
  15. Peligro de las métricas de resumen: observar únicamente las métricas de resumen, pasando por alto grandes diferencias en los datos brutos.