Error aleatorio versus sesgo sistemático

Qué es

Cualquier observación —una medición, un cálculo, una fiscalización, un juicio— puede escribirse como el valor verdadero más un término de error. Lo que decide su interpretación no es el tamaño de ese error sino su estructura: si al repetir el procedimiento muchas veces los errores se reparten alrededor del valor verdadero, o si se acumulan hacia un lado.

El primer caso es el error aleatorio: dispersión, ruido, imprecisión. Su esperanza es cero y su firma es la simetría. El segundo es el sesgo sistemático: un corrimiento del centro, un error que tiene dirección. La distinción es tan vieja como la estadística moderna: la teoría de errores de Gauss (1809), que justifica el promedio como el mejor resumen de mediciones repetidas, descansa por completo en suponer errores simétricos de media cero. La norma ISO 5725 les puso nombres separados —precisión para la dispersión, veracidad para la ausencia de corrimiento— y reservó exactitud para exigir las dos cosas a la vez.

La separación no es retórica, tiene una descomposición formal: el error cuadrático medio de un estimador es igual al sesgo al cuadrado más la varianza. Son dos fuentes independientes de daño, y admiten remedios distintos.

La asimetría decisiva aparece con el volumen. El error aleatorio se compensa: al promediar $n$ observaciones su dispersión cae con la raíz de $n$, y en el límite desaparece por la ley de los grandes números. El sesgo, en cambio, sobrevive intacto a cualquier cantidad de datos. Frente a un proceso sesgado, medir más no acerca a la verdad: solo entrega más confianza en el número equivocado. Cochran (1968) construyó buena parte de la estadística aplicada de encuestas sobre esa asimetría, y Morgenstern (1963) la llevó al terreno económico al mostrar cuánto de la precisión aparente de las cifras oficiales es ilusoria.

De ahí sale la prueba práctica, que es sorprendentemente simple: mirar el signo, no la magnitud. Si los errores son genuinamente humanos, sus signos deberían repartirse como una moneda. Diez equivocaciones independientes cayendo todas del mismo lado tienen probabilidad $(1/2)^{10}$, alrededor de una en mil. En ese punto la hipótesis "se equivocaron" deja de ser una explicación y pasa a ser una afirmación que requiere respaldo propio: hay que explicar el mecanismo que ordena los signos.

Conviene sostener con cuidado lo que la prueba sí demuestra. Un sesgo no prueba intención. Puede nacer de una regla de redondeo, de un criterio de truncamiento, de un incentivo mal puesto o del diseño mismo del procedimiento. Lo que sí queda establecido es que el proceso no es neutral, y eso basta para invertir la carga de la prueba: quien invoca el error humano tiene que explicar por qué ese error solo se equivoca en una dirección.

En economía la idea reaparece como condición de racionalidad. Muth (1961) definió las expectativas racionales exigiendo justamente que los errores de pronóstico no estén correlacionados con la información disponible: un sesgo persistente sería predecible, y por tanto explotable y autocorregible. Un agente que se equivoca siempre para el mismo lado está dejando dinero en la mesa —o cobrándoselo a alguien. La econometría agrega un matiz que impide leer el ruido como inocuo: el error de medición clásico en una variable explicativa no solo agrega dispersión, sesga el coeficiente estimado hacia cero (sesgo de atenuación). Y Kahneman, Sibony y Sunstein (2021) documentaron el problema simétrico: el ruido en el juicio humano es caro y suele ser invisible, porque nadie lo ve hasta que compara decisiones que debieron ser iguales.

Cómo lo explicó el programa

En el capítulo del 7 de agosto de 2026 (bdm-2026-08-07), Pepe Arias usó el criterio como vara para evaluar a un organismo fiscalizador, y lo enunció sin tecnicismos:

"si tú te equivocas de manera humana, te equivocas para bien y te equivocas para mal"

La formulación es exactamente la condición de media cero, dicha en lenguaje de almacén. El contraste que ordenó el resto del segmento fue el del vuelto que nunca es de más: un error genuinamente humano se reparte a ambos lados y en promedio se compensa, mientras que una serie de equivocaciones que favorecen siempre a la misma parte agota la explicación del error. El segmento no cerró acusando intención —cerró desplazando la exigencia, que es el uso correcto del criterio: constatada la asimetría, la pregunta ya no es si hubo equivocaciones sino qué mecanismo las alinea.

Relación con otros conceptos

El criterio es la bisagra entre varios conceptos que la biblioteca trata por separado. Con las expectativas racionales comparte la definición operativa: un pronóstico es racional si sus errores son ruido. Con el error de medición comparte la matemática, incluida la advertencia de que el ruido tampoco es neutral cuando entra a una regresión. En el terreno de las encuestas y las estadísticas oficiales separa el error muestral —que se achica ampliando la muestra— del error no muestral, que incluye la no respuesta y el sesgo de selección y que ninguna muestra grande arregla. Y en economía política conecta con la captura regulatoria y con los problemas de agencia: cuando los errores de un fiscalizador tienen dirección estable, el lugar donde hay que mirar es el incentivo, no la fatiga del funcionario.

Fuentes y lecturas

• Gauss, C. F. (1809), Theoria motus corporum coelestium in sectionibus conicis solem ambientium, Perthes & Besser.
• Muth, J. F. (1961), "Rational Expectations and the Theory of Price Movements", Econometrica 29(3), 315-335. DOI: 10.2307/1909635
• Morgenstern, O. (1963), On the Accuracy of Economic Observations, 2ª ed., Princeton University Press.
• Cochran, W. G. (1968), "Errors of Measurement in Statistics", Technometrics 10(4), 637-666.
• Kahneman, D., Sibony, O. y Sunstein, C. (2021), Ruido: un fallo en el juicio humano, Debate.