USA y China parecen los mejores. 40 oros, ahí es nada y muchísimas platas y bronces.
A veces pensamos que por algo son los mejores. Y no tarda en salir la conversación de lo cutre que es el país propio, siempre con pocas medallas comparado con estos gigantes. Podríamos hablar y hablar de su mentalidad, carisma, foco, visualización, arrojo, destreza competitiva, pasión, patriotismo o lo que nos de la gana.
O criticar si era de locos en el caso de España esperar 22 medallas. Que el Comité Olímpico Español había vendido la moto o lo periodistas. Y ahora interpretar como éxito o fracaso las que se han obtenido y cada uno con sus opiniones y causas.
E incluso, cuidado, porque podríamos intentar imitar o tomar acciones a partir de esas opiniones. Cambia medallas por otro asunto que te importe y es similar.
Suele pasar. Vemos un hecho y sacamos conclusiones automáticas, a veces, espúreas.
Opinamos y opinamos pero a veces viene bien ir más allá: analizar.
Analizar, claro, implica utilizar técnicas analíticas.
No me convence a priori lo de USA y China :), así que voy a analizar.
Sígueme. Aunque parezca algo matemático, lo vamos desgranando paso a paso.
1. Coloco en filas los 50 países mejores del medallero. No coloco todos porque si un país obtiene un par de medallas podría ser circunstancial, excepción o quizá tradición de un deporte específico. Así que eliminamos de momentos esos datos.
2. En columnas coloco oros, platas y bronces.
Añado una 4ª columna: medallas ponderadas.
Para evitar que un país con 10 bronces y cero oros no esté incluido, o uno con solo 3 oros por ejemplo esté muy arriba pondero de esta forma: Oro le doy valor de 3, plata 2 y bronce 1. En esa cuarta columna obtengo una puntuación global uniforme.
Los resultados no cambian mucho. Los primeros siguen siendo los primeros aunque Gran Bretaña ya sube puestos y Japón baja algunos. Pondero precisamente porque cuando se estiman medallas esperadas se valoran por igual, cuando no lo son.
¿Por qué determinados países están muy arriba y otros no tanto?
Desde un punto de vista genético, un gran talento es necesario para ser un atleta de élite. Es evidente. Si mi población es mayor, hay más probabilidades de encontrar talento.
NOTA: Es decir que en la campana de Gauss en la que caen las diferencias individuales, para que allá grandes ejemplos, tiene que haber muchas personas en el centro. Dicho de otro modo: no existe un pueblo donde todos estén por encima de la media.
Por encima de la media siempre hay pocos, y muy por encima de la media, ¡hay poquísimos! Aplica esto a cualquier falacia de que todo el mundo (¿?) mejora su «atención tras 8 semanas», o a la de «todos somos creativos», o peor aún a la de «encuentra tu talento». Es bueno un mensaje positivo oye, pero la campana de Gauss existe, guste o no. No somos todos iguales ni todos valemos para todo.
Sigo…
3. Añado por tanto una 5ª columna: Población. Millones de habitantes del país.
Y construyo una 6ª con un ratio de Medalla dividido entre Nº habitantes. Ese dato intenta aportar algo más objetivo, más justo y más real.
¿Porqué? Porque un país de 2 millones de habitantes que tuviera 3 medallas sería en proporción mejor que uno que tuviera 6 medallas en 10 millones de habitantes (3/2 es mayor que 6/10).
Ahora bien. IMPORTANTE: ¿Es esa la medida objetiva que busco?
Voy a ver…. Hago un modelo de regresión lineal sencillo con los datos, es decir, un estimador matemático que me dice algo así como «dime el número de medallas en función de la población». Si ese estimador es muy bueno, le meto la población de un país y me predice el Nº de medallas. Cuando hago eso obtengo una medida que se llama R cuadrado.
En este caso para mi búsqueda de modelo objetivo obtengo un R cuadrado de 0.38.
Eso quiere decir que el 38% de la causa de una medalla se debe a la población.
He mejorado bastante… pero no me conformo con un 38% claro.
Ecuación del modelo
Medallas Ponderadas = 26.72 + (0.1484 × Nº de Habitantes en millones)
NOTA 2. Muchísimos mensajes que nos inundan, tienen valores científicos de R cuadrado ridículos. No me extiendo aquí pero «mentalidad» por ejemplo, «10000 horas para la maestría» o «inteligencia emocional para el desempeño laboral o académico» tienen R cuadrados ridículos.
Es decir, SÍ que AFECTAN, pero MUY MUY POCO.
Si cogiendo el último ejemplo un colegio se centrara en invertir dinero para mejorar la IE de sus alumnos, incidiría en su rendimiento escolar muy muy poco.
Quizá por cosas así es bueno analizar de vez en cuando y no solo creer.
O no tragarse cualquier cosa que uno ve por ahí.
4. Necesito un modelo multivariado en vez de univariado. Es decir, que considere otro gran factor. ¿Cuál podría ser? Justo hoy vi un análisis similar metiendo el PIB de cada país. No me convence tanto porque puedo tener un PIB muy alto y apenas dedicar dinero al deporte y sí al gasto militar. Así que construyo una nueva columna y en ella meto los millones de $ que cada país invierte en deporte al año.
Mi análisis de regresión tendrá esta pinta (no te asustes): Z = a + bX +cY
O sea Z, número de medallas, depende de X (población del país) e Y (inversión en deporte de ese país).
Así que la 7ª columna es la inversión y la 8ª es el ratio entre Nº de medallas dividido entre (población x inversión)
Ratio = Nº medallas / (Nº habitantes de un país x Millones $ en deporte al año)
Explicamos esa división.
Si un país gana 3 medallas, pero invierte poco, es mejor que el que gane 3 medallas invirtiendo mucho. Población e inversión se multiplican porque pueden interaccionar entre sí.
5. Compruebo el modelo y la ecuación. Mi predictor de comportamiento basado en regresión multivariada, cuando meto el segundo factor de la inversión en millones de $ de cada país, me da un R cuadrado = 0.875
¡Chapeau! Esto quiere decir que mi modelo explica el 87.5% de cada medalla. Es un modelo bueno por tanto.
Podríamos buscar otro tipo de estimadores, y trabajar y comprobar el ajuste mucho mejor sin duda, pero para los objetivos del artículo nos sobra.
Ecuación del modelo
Medallas Ponderadas = 2.51+( −0.0739 × Nº de Habitantes en millones) +(31.0263 × Inversión en Deporte en mil millones USD/año)
6. Miro los datos… y voy a reducir a unos 30 países en vez de 50.
¿Porqué? Porque sigo viendo que un país que por ejemplo se dedique al atletismo o la natación y tenga tradición en esos deportes podría tener 10 medallas sin más «fácilmente» (recuerda que en fútbol hay 2 medallas, pero en natación o atletismo un país puede ganar muchas más). Quito esos y pongo el umbral inferior de 10 medallas para arriba. Como lo que busco es objetivar quiénes ganan más y porqué el ajuste es correcto.
7. ¿Qué obtenemos?
Que Nueva Zelanda sobre todo tiene un ratio espectacular entre medallas en relación a población e inversión. Está por encima de lo que predice el modelo. Son los mejores.
IMPORTANTE:
¿Qué es mejor?
¿Dejarse llevar por la opinión de que USA/China son muy buenos y deducir desde ahí?
¿O mirar a Nueva Zelanda u otros con buen ratio y estudiar qué sucede allí?
Creo que lo segundo.
Lo primero es opinión, es marketing, es porque yo lo valgo, porque yo lo digo.
Lo segundo es análisis del comportamiento. No tiene nada que ver.
8. ¿Es un modelo perfecto?
No. Tiene un 0.83.
Por ejemplo podría añadir los resultados de los Juegos Olímpicos de invierno. Sería más justo, en tanto los de verano penalizan a mi querida Canadá, o a los países nórdicos.
Deberíamos por supuesto usar algo muchísimo más avanzado que un modelo de regresión simple, tipo análisis multinivel. O meter en una red neuronal artificial datos y datos de numerosas variables que la mente humana no puede imaginar sus interacciones. Pero insisto, está más allá del artículo.
9. ¿¿¿Qué dice mi modelo de España???
Ha obtenido 5 oros, 4 platas y 9 bronces.
O sea 5×3 + 4×2 + 9 = 32 de valor ponderado.
Si meto población de España e inversión en deporte en mi país la ecuación del modelo predice chan tata chan:
¡¡ 31 de valor ponderado !!
jejeje se lo diremos al C.O.E. y animarles a que estimen con medallas ponderadas y estas dos variables 😉
10. Epílogo Sobre el comportamiento humano
a. Una ciencia del comportamiento NO es la que explica a posteriori lo que ha sucedido. Eso lo hacemos todos.
Más bien es la que predice y explica con buena probabilidad en el tiempo qué va a suceder y porqué.
b. Es bueno opinar de todo pero no tan bueno tomar acciones y decisiones basadas en impresiones, sesgos y prejuicios. Podríamos ridiculizar R cuadrado. Y veo R cuadrados ridículos a diario pero me callo con la mayoría de ellos.
c. Dale vueltas 😉😉😉
Abrazos olímpicos
PD: hasta el 2 de septiembre, mi cumple, que vuelvo con novedades para el otoño, me despido de este newsletter.
