Hoy en #estadisticaXtuiter, “databorges”: un paseo borgiano por el mundo de los datos y las estadísticas. Y un paseo estadístico por el universo del notable escritor argentino
No hace falta ni saber estadística ni haber leído a Borges. Por el contrario, el objetivo es que te entusiasmes con ambas cosas y te animes
Spoiling: hacer spoiling de Borges en un tuit es como resumir Crimen y Castigo diciendo que “un chabón se carga a una vieja y después le da cosa” (Dolina dixit). La nada misma
Tal vez el nexo inicial sea Funes El Memorioso. Funes podía (y quería) recordar cualquier detalle, por ínfimo que sea
“Nosotros, de un vistazo, percibimos tres copas en una mesa; Funes, todos los vástagos y racimos y frutos que comprende una parra. Sabia las formas de las nubes australes del amanecer del treinta de abril de 1882….”
El punto con Funes era su incapacidad (o falta de necesidad) de abstraer. “Pensar es olvidar diferencias, es generalizar, abstraer. En el abarrotado mundo de Funes no había sino detalles, casi inmediatos”. Funes es la negación de la estadística
Stephen Stigler causó un revuelo en la profesión al comenzar su reciente libro (The Seven Pillars of Statistical Wisdom) diciendo “Big data es Funes sin estadística”. Casi lo asesinan los bigdateros
Xiao Li Meng, director del departamento de estadística de Harvard, dicta un curso llamado “Ireneo Funes y Big Data” en donde revisa las relaciones entre el personaje de Borges, el reciente libro de Stigler y el análisis de datos.
En Del Rigor en la Ciencia, Borges habla de unos cartógrafos de antaño que arman un mapa de un imperio tan grande… como el imperio. Ahí te lo dejo entero 
Emocionate escuchando a Don Jorge Luis leyendo su texto
La palabra clave es “inútil”. El mapa no es descartado por malo sino por inútil. La estadística no es buena ni mala: es tan solo útil o inútil. Ej: las mediciones de la pobreza son útiles, aun cuando malas
Con este mapa feo pero útil, en 1854 John Snow detiene una epidemia de cólera y da nacimiento a la epidemiologia y a la salud publica (muestra que el cólera se transmite por el agua y no por el aire, fíjate bien)
En Evaristo Carriego, Borges dice “Si el tiempo es sucesión, debemos reconocer que donde densidad mayor hay de hechos más tiempo corre y que el más caudaloso es el de este inconsecuente lado del mundo….”
Borges juega con medir el tiempo no como mero paso del reloj sino como acumulación de hechos. Es casi la definición de lo que hace una función de densidad con las probabilidades.
La alusión a Carriego ocurre en Pampa y Triunvirato, en el barrio de Villa Urquiza. Yo nací y me crie a una cuadra. Me conecta secretamente a don Jorge Luis.
En esa línea, hablando de la edad de Funes, Borges dice: “Ireneo tenia diecinueve años…; me pareció monumental como el bronce, más antiguo que Egipto, anterior a las profecías y a las pirámides”.
Pierre Menard es, a mi gusto, casi su obra maestra y admite múltiples lecturas. Menard es un escritor que en 1936 se propuso escribir el Quijote. ¿Cómo? ¡plagio!, ¡plagio!, gritaríamos todos.
El objetivo del cuento es (Borges dixit) “justificar ese dislate”. Menard logra “producir” algunos textos, que en sus palabras coinciden exactamente con el Quijote de Cervantes.
Borges juega con la idea de que los símbolos (los textos) son solo una parte del evento creativo. De ahí que opina que Menard, al lograrlo, es también autor del Quijote.
Ante la pregunta de quién es el autor del Quijote, Borges se planta firme. En el titulo mismo lo dice: “Pierre Menard, autor del Quijote”.
Menard es la kriptonita de la estadística y casi la definición por extensión de lo que se llama “problema de identificación”. Identificacion: distintos modelos tienen que producir distintos datos.
La “identificabilidad” es la piedra angular de la estadística: lo que permite aprender a partir de datos.
Mirando los textos (¡los datos!) de Menard y Cervantes resulta imposible descifrar la autoria. Viola el “supuesto de identificación”. Menard está prohibido en la estadística.
Sin identificación es imposible aprender a partir de datos. Menard ilustra magistralmente esta cuestión. Es super sutil.
En 1968, Frank Mosteller analiza estadísticamente los textos de El Federalista para discernir si habían sido escritos por Hamilton o Madison. Mirando sutilísimas diferencias en la escritura puede identificar a los autores.
Fíjense que esta tarea habría sido imposible en el caso de Menard: no hay identificación, mismos “símbolos” se corresponden a distintos autores.
En El Jardin de Senderos que se Bifurcan Borges propone un laberinto en donde coincidimos con todos nuestros contrafacticos. Coexistimos yo haciendo #estadisticaXtuiter y también quien decidió no hacerlo.
En el laberinto convive “…una infinita trama de tiempos que se bifurcan, se cortan o que secularmente se ignoran”, y, "El tiempo se bifurca perpetuamente hacia innumerables futuros. En uno de ellos soy su enemigo"
En cierto modo, el experimento científico consiste en construir los senderos alternativos del laberinto de Borges: la familia que recibió la Asignacion Universal por hijo y EXACTAMENTE la misma familia que no la recibió.
La estadística no observa contrafacticos: los construye. Es una gran piedra en el zapato de big data: por más datos que veamos, nunca observamos todos los senderos de Borges.
¿Tendremos todos los datos? Los del laberinto de Borges, no. ¿Hacen falta? Si, para evaluar intervenciones no queda otra (si no es compar peras con manzanas).
Ejemplo: la diferencia entre una persona que tomo ibuprofeno y quien no se debe tanto al efecto del ibuprofeno como a las razones por las que esa persona lo tomó.
El brillante libro de Richard McElreath (Statistical Rethinking) usa El Jardin para explicar cómo funcionan las probabilidades: como medida de las chances de caer en una de las ramas del laberinto de Borges en comparación con el resto.
Tambien sirve para mostrar que un censo a la larga es una muestra de la población de infinitas posibilidades.
“La historia era increíble… pero se impuso a todos porque sustancialmente era cierta” dice Borges en el final de Emma Zunz, tal vez el más dramático y terrible de sus cuentos.
Emma Zunz venga a su padre “haciéndose violar” por un tosco marinero, para luego aparecer por la oficina de quien traicionó a su padre, rematarlo de un tiro y aducir defensa propia como si él la hubiese violado. El cuento es espeluznante, no se lo pierdan.
El ejercicio de adosar la historia más creible a un conjunto de datos se llama “máxima verosimilitud” (MV) en estadística. Me gusta más “máxima compatibilidad”: la historia más compatible con los datos.
MV es un ejercicio de “ingeniería reversa”. Para generar datos hay que usar un mecanismo. La idea de MV es ir al reves: viendo los datos conjeturar cual fue el mecanismo que los generó.
Emma Zunz da vuelta este problema como una media: Ella sabe la historia que quiere que prevalezca, solo necesita generar “los datos” que la hagan creible-contable.
Termina Borges diciendo “Verdadero era el tono de Emma Zunz, verdadero el pudor, verdadero el odio. Verdadero era también el ultraje que había padecido; solo eran falsas las circunstancias, la hora y uno o dos nombres propios”.
En estadística, la idea no es “analizar los datos” sino lo que está detrás de ellos. Es lo que Emma Zunz pretende que se vea: su indignación, su sentido de la justicia (y la venganza).
Bueno, hay muchísimo más, que dejare en el tintero para que no se empachen. Si no, sería como tomarse una botella de Dom Perignon del pico y de un tirón.
Referencias: los libros de Alberto Rojo y Guillermo Martinez son muy recomendables (y ambos muy buena gente).
Borges: si nunca lo leíste, te envidio profundamente, te acompañara (para bien o mal) por el resto de tu vida. Consejo, compra las Obras Completas, pero también algún libro pequeño, que puedas cargar contigo y hacer anotaciones.
La RAE saco una hermosa compilación (Borges Esencial). Obras Completas: la Edicion Critica (anotada) de Emece, es muy linda. Regalatela.
He escrito copiosamente sobre Borges, en @LaNacion, en mis anteriores libros y en los dos que están por salir, tenganme paciencia!
Nunca di una clase (de cualquier cosa) en donde NO hable de Borges.
Sobre censos como muestras: google.com.ar/search?q=censu…
El libro de Stephen Stigler (el de Funes y Big data) es: amazon.com/Seven-Pillars-…
El de McElreath es altamente recomendable, no te lo pierdas. amazon.com/Statistical-Re…
Todo esto es parte de un proyecto llamado “databorges”, en el que trabajo hace unos años, y que verá la luz cuando tenga energía, tiempo y apoyo.
Bueno, ahora sí, me congratulo y me repercuto. Gracias muy especiales por bancar esta edición de #estadisticaXtuiter, muy afin a mis sentimientos.
• • •
Missing some Tweet in this thread? You can try to
force a refresh
