Error de tipo 3 (resolver el problema equivocado)

Qué es

En la estadística clásica se enseñan dos maneras de equivocarse al contrastar una hipótesis: el error de tipo I, rechazar una hipótesis nula que era verdadera (un falso positivo), y el error de tipo II, no rechazar una que era falsa (un falso negativo). Todo el aparato de niveles de significancia y potencia existe para administrar el intercambio entre ambos. Pero los dos comparten un supuesto que nadie declara: que la pregunta estaba bien planteada.

El error de tipo 3 es la falla que ocurre un piso más arriba. El término lo acuñó Allyn Kimball (1957) desde su trabajo como consultor estadístico: los fracasos más caros de su práctica no eran falsos positivos ni falsos negativos, sino dar la respuesta correcta al problema equivocado. El análisis era impecable, los datos estaban limpios, el intervalo de confianza era angosto —y la pregunta no era la que importaba—. Howard Raiffa (1968) lo incorporó al análisis de decisiones bajo el rótulo E3, y Ian Mitroff y Tom Featheringham (1974) lo formalizaron como una falla de formulación del problema, no de resolución. Su argumento incómodo es que el riesgo crece con la sofisticación del método: una maquinaria potente procesa con la misma eficiencia el problema correcto y el equivocado, y no tiene manera de distinguirlos.

John Tukey (1962) dejó la versión más citada de la idea: es preferible una respuesta aproximada a la pregunta correcta —que suele ser vaga— que una respuesta exacta a la pregunta equivocada, que siempre se puede hacer precisa. Russell Ackoff (1974) la llevó al terreno organizacional con la observación de que se fracasa más seguido por resolver el problema equivocado que por resolver mal el correcto.

Lo que hace peligroso al error de tipo 3 es que no tiene síntomas desde adentro. Un falso positivo se detecta con más datos; un falso negativo, con más potencia. Para el tipo 3 no existe un nivel de confianza, porque no es un error de inferencia: es un error en el mapeo entre la situación y la pregunta que se le hace. Todos los indicadores de calidad del proceso quedan en verde. El trabajo se ve bien hecho porque está bien hecho —solo que sobre otra cosa—. Por eso consume presupuesto, tiempo y credibilidad sin activar ninguna alarma, y por eso es, en términos económicos, la forma más cara de equivocarse: el costo no es solo el gasto ejecutado, es el problema real que quedó sin atender mientras tanto.

En política económica la versión típica del error de tipo 3 pasa por los indicadores. Medir es la condición necesaria para tener diagnóstico, pero la medición sin diagnóstico entrega una respuesta precisa a una pregunta arbitraria, y peor: el indicador tiende a convertirse en el problema. Es la ley de Goodhart (Goodhart, 1975) —cuando una medida se vuelve objetivo, deja de ser una buena medida— y su gemela en política social, la ley de Campbell (1979). Reducir listas de espera acortando la lista, subir la cobertura sin tocar la calidad, o gestionar el PIB como si fuera el bienestar (la crítica que ordena el informe de Stiglitz, Sen y Fitoussi) son todas la misma jugada: se optimizó lo medible en lugar de lo que importaba, y los resultados son excelentes según la métrica que se eligió mal.

Cómo lo explicó el programa

En Buenas Tardes Mercado del 20 de agosto de 2026, en el tema "Lo que no se mide no mejora", Pepe Arias usó el concepto para defender la medición, no para desconfiar de ella. Su punto de partida es que a todo le caben indicadores —incluido el presupuesto nacional—: medir es lo que permite saber dónde se está parado y, con eso, construir un diagnóstico. Su frase de cabecera fue justamente "lo que no se mide no mejora".

La cadena que arma es medición → diagnóstico → elección del problema, y el error de tipo 3 aparece al final como la consecuencia de cortarla antes de tiempo: sin diagnóstico se termina resolviendo el problema equivocado —el error tipo 3, que Arias atribuyó al aire a Sergio Melnick, traducido en la sobremesa como "rascarse donde no pica"—. Y remató con lo que es exactamente el rasgo formal del concepto: es la peor forma de fracasar porque parece trabajo bien hecho.

La discusión de presupuesto público es el caso de laboratorio perfecto para eso, porque ahí la ejecución sí se mide con detalle —pesos gastados, porcentaje de avance, obras entregadas— y esas cifras pueden estar todas cumplidas mientras el problema que motivó la partida sigue igual.

Relación con otros conceptos

El error de tipo 3 es el marco general del que la ley de Goodhart y la ley de Campbell son casos particulares: ambas describen cómo un indicador bien medido reemplaza al objetivo que representaba. Se conecta con la crítica de Lucas (1976) por la misma vía —usar una regularidad estimada bajo un régimen para diseñar la política que cambia ese régimen es responder con precisión una pregunta que dejó de aplicar—. Del lado del gasto público, dialoga con el costo de oportunidad: el daño de resolver el problema equivocado no se mide por lo que salió mal, sino por lo que el presupuesto correcto habría comprado. Y explica por qué la evaluación de impacto con contrafactual explícito vale más que el monitoreo de ejecución: el monitoreo confirma que se hizo lo que se dijo, no que lo que se dijo era lo que había que hacer. Finalmente, el debate sobre el PIB como medida de bienestar es la discusión de tipo 3 más antigua de la disciplina.

Fuentes y lecturas

• Kimball, A. W. (1957), Errors of the Third Kind in Statistical Consulting, Journal of the American Statistical Association, 52(278). El trabajo seminal que nombra el error.
• Mitroff, I. y Featheringham, T. (1974), On Systemic Problem Solving and the Error of the Third Kind, Behavioral Science, 19(6). La formalización como falla de formulación del problema.
• Raiffa, H. (1968), Decision Analysis: Introductory Lectures on Choices under Uncertainty, Addison-Wesley. Introduce el E3 en el análisis de decisiones.
• Ackoff, R. L. (1974), Redesigning the Future, Wiley. La versión organizacional: fracasamos más por el problema que por la solución.
• Stiglitz, J., Sen, A. y Fitoussi, J.-P. (2010), Mismeasuring Our Lives: Why GDP Doesn't Add Up, The New Press. El caso más grande de indicador que desplazó al objetivo.