La formación tradicional de los abogados concede una enorme importancia a la interpretación de normas, la argumentación, la jurisprudencia y la técnica procesal. Todo ello sigue siendo indispensable. Sin embargo, una parte creciente del trabajo jurídico exige otra competencia que durante mucho tiempo se consideró ajena al derecho: saber comprender y evaluar datos, estadísticas y probabilidades.

Los números aparecen hoy en prácticamente todas las áreas de la profesión. Los encontramos en estudios médicos utilizados para acreditar causalidad; cálculos actuariales para determinar daños; estadísticas criminales; análisis de discriminación laboral; encuestas; valuaciones empresariales; pruebas genéticas; indicadores de cumplimiento; estudios económicos; modelos de riesgo; evidencia financiera y sistemas de inteligencia artificial.

La pregunta, por tanto, ya no es si un abogado necesita conocimientos cuantitativos. La pregunta es qué conocimientos necesita para no ser engañado por una cifra aparentemente contundente.

El objetivo no consiste en convertir a los abogados en estadísticos. Consiste en proporcionarles suficientes herramientas para formular las preguntas adecuadas, detectar razonamientos incorrectos, comprender los límites de una prueba pericial y saber cuándo necesitan recurrir a una persona experta.

Una cifra nunca habla por sí sola

La primera regla del razonamiento cuantitativo debería ser ésta:

ningún número tiene significado jurídico hasta que comprendemos qué representa, cómo fue obtenido y con qué debe compararse.

Imaginemos que un informe afirma que durante cierto año se registraron 5,000 reclamaciones contra instituciones financieras.

¿Son muchas o pocas?

No podemos saberlo.

Necesitamos conocer, entre otras cosas:

• Cuántas operaciones se realizaron.
• Cuántas personas utilizaron esos servicios.
• Cuántas reclamaciones hubo durante periodos anteriores.
• Si cambió la metodología de registro.
• Si se amplió la definición de “reclamación”.
• Si existen diferencias entre instituciones.
• Si aumentó la facilidad para presentar quejas.

Cinco mil reclamaciones entre diez millones de operaciones representan una realidad muy distinta a cinco mil reclamaciones entre veinte mil.

Por eso una pregunta extraordinariamente sencilla resulta también extraordinariamente útil:

¿cuál es el denominador?

Muchos argumentos estadísticos aparentemente impresionantes pierden buena parte de su fuerza cuando conocemos la población respecto de la cual se calculó el dato.

Porcentajes que impresionan y cifras que explican

Una segunda precaución consiste en diferenciar entre cambios relativos y cambios absolutos.

Supongamos que determinado medicamento aumenta el riesgo de una complicación de 1 caso por cada 10,000 pacientes a 2 casos por cada 10,000.

Podría afirmarse correctamente:

“El riesgo aumentó 100%”.

Pero también sería correcto señalar:

“El riesgo aumentó en un caso adicional por cada 10,000 pacientes”.

Ambas afirmaciones describen los mismos datos. Sin embargo, provocan percepciones completamente diferentes.

La primera utiliza el riesgo relativo. La segunda muestra el riesgo absoluto.

En asuntos de responsabilidad médica, daños, seguros, regulación sanitaria o información al consumidor, presentar exclusivamente el porcentaje relativo puede producir una impresión desproporcionada.

Un abogado debería acostumbrarse a pedir siempre:

• Número inicial.
• Número final.
• Porcentaje de variación.
• Riesgo absoluto.
• Riesgo relativo.
• Tamaño de la población.
• Periodo considerado.

Un aumento de 300% puede significar que los casos pasaron de uno a cuatro o de diez mil a cuarenta mil. El porcentaje es idéntico; la importancia del fenómeno evidentemente no lo es.

Correlación no significa causalidad

Otra fuente clásica de errores consiste en observar que dos fenómenos ocurren juntos y concluir que uno provoca al otro.

La existencia de una correlación puede deberse a múltiples causas.

Puede existir una relación causal verdadera. Pero también puede suceder que:

• El efecto provoque la supuesta causa.
• Un tercer factor explique ambos fenómenos.
• La muestra esté sesgada.
• Exista un error de medición.
• La asociación sea producto del azar.

Supongamos que en una empresa las personas que trabajan determinado turno presentan más ausencias laborales.

Sería precipitado concluir que el turno provoca el ausentismo.

Quizá ese horario concentra trabajadores con mayores tiempos de traslado. Quizá desempeñan actividades físicamente más exigentes. Quizá existen diferencias de edad, condiciones laborales o responsabilidades familiares.

La cuestión relevante en un litigio no consiste solamente en preguntar si existe una asociación estadística.

Debemos preguntar:

¿qué evidencia permite sostener que la diferencia observada es verdaderamente consecuencia de la conducta que pretendemos atribuir como causa?

Esta distinción tiene enorme importancia en responsabilidad médica, daños ambientales, discriminación, accidentes laborales, productos defectuosos y prácticamente cualquier litigio en el que intervengan estudios científicos.

El problema de las tasas base

Uno de los errores probabilísticos más importantes para un abogado aparece cuando se ignora la frecuencia previa de un fenómeno.

Veamos un ejemplo.

Supongamos que existe una prueba diagnóstica con estas características:

• Detecta correctamente al 99% de las personas que padecen determinada condición.
• Produce un falso positivo en 1% de quienes no la padecen.
• La condición existe en 1% de la población examinada.

Apliquemos la prueba a 10,000 personas.

Aproximadamente 100 tendrán la condición. De ellas, 99 recibirán correctamente un resultado positivo.

Pero quedan 9,900 personas que no tienen la condición. Como existe una tasa de falsos positivos de 1%, aproximadamente 99 de ellas también recibirán un resultado positivo.

Tenemos entonces:

• 99 positivos verdaderos.
• 99 positivos falsos.

En total existen aproximadamente 198 resultados positivos, pero solamente 99 corresponden a personas que realmente tienen la condición.

Por tanto, ante un resultado positivo, la probabilidad de que la persona padezca efectivamente la condición está alrededor del 50%.

No es 99%.

El error consiste en confundir dos preguntas:

¿Cuál es la probabilidad de obtener este resultado si la hipótesis es verdadera?

con:

¿Cuál es la probabilidad de que la hipótesis sea verdadera dado este resultado?

No son la misma pregunta.

Esta confusión puede aparecer en pruebas médicas, evidencia genética, sistemas biométricos, algoritmos de detección de fraude y pruebas forenses.

En el ámbito probatorio puede producir lo que suele denominarse falacia del fiscal: transformar indebidamente la rareza de una coincidencia en la probabilidad de culpabilidad. Documentos técnicos utilizados en sistemas de justicia comparados advierten expresamente contra esta inversión del razonamiento probabilístico.

La prueba científica tampoco ofrece certezas absolutas

Existe una tendencia natural a atribuir una fuerza extraordinaria a cualquier afirmación que aparezca acompañada de cifras, gráficas o lenguaje científico.

Pero la evidencia científica también contiene incertidumbre.

Frente a un dictamen pericial debemos preguntar:

• ¿Cuál fue el método utilizado?
• ¿Ha sido validado?
• ¿Qué tasa de error presenta?
• ¿Cuál fue la población de referencia?
• ¿Qué datos se utilizaron?
• ¿Qué supuestos adoptó el experto?
• ¿Existen explicaciones alternativas?
• ¿Podría otra persona reproducir el análisis?

La Suprema Corte de Justicia de la Nación ha publicado tanto un Manual de razonamiento probatorio como un Manual de prueba pericial, precisamente con el propósito de mejorar la calidad del análisis judicial de la prueba y del conocimiento especializado. El Manual de prueba pericial insiste en examinar los fundamentos utilizados por el experto, la aplicación de las generalizaciones al caso concreto y la justificación de las conclusiones obtenidas.

La enseñanza es importante: no basta saber qué concluyó el perito; necesitamos comprender por qué puede concluirlo.

Razones de verosimilitud: lo que dicen y lo que no dicen

Este problema adquiere especial relevancia cuando aparecen las denominadas razones de verosimilitud o likelihood ratios.

Una razón de verosimilitud compara, en términos generales, qué tan probable sería observar determinada evidencia bajo una hipótesis respecto de otra hipótesis alternativa.

El NIST define actualmente la razón de verosimilitud como la probabilidad de la evidencia bajo una proposición dividida entre la probabilidad de esa evidencia bajo otra proposición alternativa.

Por ejemplo, un especialista podría afirmar:

“Esta evidencia sería mil veces más probable si la muestra procediera de la persona investigada que si procediera de otra persona no relacionada”.

Esa afirmación puede tener un significado probatorio importante.

Pero no significa automáticamente:

“Existe una probabilidad de 99.9% de que la muestra pertenezca a la persona investigada”.

Son proposiciones distintas.

Además, el propio programa de estadística probatoria del NIST advierte que los valores de las razones de verosimilitud dependen de decisiones sobre modelos, tratamiento de datos y juicios expertos, y que no existe necesariamente un único valor correcto para un caso determinado.

El abogado debe impedir que una medida sobre el peso de determinada evidencia se transforme indebidamente en una afirmación absoluta sobre la verdad del caso.

Promedio no significa “caso típico”

También debemos desconfiar de la palabra “promedio”.

Supongamos que en cinco asuntos se otorgaron las siguientes indemnizaciones:

• $100,000
• $110,000
• $120,000
• $130,000
• $2,000,000

La media aritmética es $492,000.

Sin embargo, cuatro de las cinco indemnizaciones se encuentran entre $100,000 y $130,000.

La mediana es $120,000.

¿Qué cifra representa mejor la situación ordinaria?

Depende de la pregunta que queramos contestar.

Cuando existen valores extremos, la media puede transmitir una imagen poco representativa de la experiencia habitual.

Por ello, ante afirmaciones como “el salario promedio”, “la indemnización promedio”, “el tiempo promedio de resolución” o “el rendimiento promedio”, debemos preguntar:

• ¿Se utiliza la media o la mediana?
• ¿Cuál es la dispersión?
• ¿Existen valores extremos?
• ¿Cómo se distribuyen los datos?

La estadística jurídicamente relevante rara vez se agota en una sola cifra.

Una muestra grande también puede estar equivocada

Otro error frecuente consiste en pensar que una muestra enorme garantiza confiabilidad.

No necesariamente.

Podemos encuestar a cien mil personas y obtener conclusiones profundamente sesgadas si la muestra fue seleccionada incorrectamente.

Por ejemplo, una encuesta voluntaria publicada en una plataforma determinada puede atraer principalmente a quienes tienen opiniones especialmente intensas.

El problema no es cuántos respondieron. El problema es quiénes tuvieron oportunidad o motivación para responder.

Entre los principales sesgos encontramos:

• Autoselección.
• Falta de respuesta.
• Cobertura incompleta.
• Errores de medición.
• Clasificaciones incorrectas.
• Exclusión sistemática de determinadas personas.
• Datos faltantes no aleatorios.

Esta cuestión puede resultar decisiva en litigios laborales, discriminación, acciones colectivas, estudios de consumidores y asuntos regulatorios.

Significación estadística no equivale a importancia jurídica

También debe evitarse confundir “estadísticamente significativo” con “importante”.

La significación estadística ayuda a valorar si determinado resultado podría explicarse razonablemente por variación aleatoria bajo ciertos supuestos.

Pero no nos dice necesariamente si el efecto es:

• Grande.
• Socialmente importante.
• Causal.
• Jurídicamente relevante.
• Suficiente para acreditar un estándar probatorio.

Con una muestra suficientemente grande pueden detectarse diferencias minúsculas que tengan escasa importancia práctica.

Por eso debemos preguntar no solamente:

“¿Existe una diferencia estadísticamente significativa?”

sino:

“¿Cuál es la magnitud de esa diferencia y qué importancia tiene para el problema jurídico concreto?”

De la estadística poblacional al caso individual

Este punto es especialmente importante en responsabilidad médica.

Supongamos que diversos estudios demuestran que determinada exposición aumenta el riesgo de sufrir una enfermedad.

La conclusión puede ser relevante para establecer causalidad general:

La exposición es capaz de producir ese tipo de daño.

Pero todavía debe analizarse la causalidad individual:

¿Esa exposición provocó la enfermedad de esta persona concreta?

Para responder serán relevantes:

• Intensidad de la exposición.
• Temporalidad.
• Condiciones médicas previas.
• Otras posibles causas.
• Historia clínica.
• Características personales.
• Evidencia diagnóstica.
• Fuerza de la asociación epidemiológica.

El salto desde una población hasta una persona concreta requiere razonamiento adicional.

El abogado debe estar especialmente atento cuando un dictamen intenta convertir automáticamente una frecuencia poblacional en una explicación individual.

Cómo debería revisar un abogado un dictamen cuantitativo

Una revisión rigurosa puede organizarse mediante seis preguntas.

1. ¿Cuál era la pregunta?

Debemos asegurarnos de que el estudio realmente responde el problema jurídicamente relevante.

2. ¿De dónde proceden los datos?

Hay que identificar:

• Quién los recopiló.
• Cómo fueron obtenidos.
• Qué información falta.
• Qué observaciones fueron excluidas.

3. ¿Cuál es la población relevante?

Debemos saber a quiénes representan los datos y si esa población es comparable con las personas involucradas en el litigio.

4. ¿Qué método se utilizó?

El método debe ser adecuado para la pregunta y haber sido aplicado correctamente.

5. ¿Qué incertidumbre existe?

Toda metodología presenta limitaciones, tasas de error o supuestos.

6. ¿La conclusión va más allá de los resultados?

Ésta es probablemente la pregunta más importante.

Un resultado estadístico moderado puede convertirse, mediante una mala redacción, en una afirmación categórica que la metodología no permite sostener.

Como referencia profesional comparada, la Solicitors Regulation Authority incluye entre las competencias del abogado evaluar la calidad y confiabilidad de la información, identificar inconsistencias y lagunas, utilizar distintas fuentes y saber cuándo se necesita asesoramiento experto.

Preguntas que todo abogado debería saber formular a un perito

No es indispensable dominar todas las fórmulas. Sí es indispensable formular buenas preguntas:

• ¿Cuál es exactamente su conclusión?
• ¿Qué datos la sustentan?
• ¿Cuál es la población de referencia?
• ¿Qué información le faltó?
• ¿Qué supuestos tuvo que adoptar?
• ¿Qué tasa de error presenta el método?
• ¿Cómo fue validado?
• ¿Qué otras explicaciones consideró?
• ¿Qué resultado habría debilitado su conclusión?
• ¿Cómo cambiaría el resultado si modificamos determinado supuesto?
• ¿Puede otra persona reproducir su análisis?
• ¿Sus datos originales están disponibles?
• ¿Dónde termina la conclusión científica y comienza su interpretación?

El contrainterrogatorio técnicamente competente no intenta desacreditar la ciencia. Busca determinar cuánto respaldo proporciona realmente la ciencia a la afirmación formulada en el proceso.

Una competencia imprescindible para la abogacía contemporánea

El abogado del siglo XXI debe sentirse tan cómodo interrogando una cifra como interrogando un texto normativo.

No necesita realizar personalmente análisis estadísticos sofisticados. Pero sí debe reconocer cuándo:

• Falta un denominador.
• Un porcentaje exagera un fenómeno pequeño.
• Se está confundiendo correlación con causalidad.
• Se ignora una tasa base.
• Una muestra no representa a la población.
• Un promedio oculta la distribución.
• Una probabilidad está siendo interpretada incorrectamente.
• Una conclusión pericial excede los datos que la sustentan.

La alfabetización cuantitativa no sustituye la argumentación jurídica. La mejora.

Tampoco convierte al abogado en científico. Le permite trabajar competentemente con científicos, economistas, médicos, actuarios, contadores y especialistas en datos.

El Manual de razonamiento probatorio de la Suprema Corte constituye un buen ejemplo de la creciente importancia que el sistema jurídico concede a una valoración racional, controlable y metodológicamente rigurosa de la evidencia.

La conclusión puede resumirse en una regla sencilla:

una cifra no es todavía un argumento.

Antes de utilizarla debemos saber de dónde procede, qué mide, con qué se compara, qué incertidumbre contiene y qué conclusión permite legítimamente alcanzar.

En una práctica jurídica cada vez más influida por datos, algoritmos, evidencia científica e inteligencia artificial, saber hacer esas preguntas será una de las diferencias entre un abogado que simplemente recibe información técnica y uno que verdaderamente sabe valorarla.

---

También te recomendamos