En el campo uno aprende rápido a desconfiar de los resultados bonitos.
He visto demasiadas veces cómo una parcela demostrativa —mal diseñada, con datos mal tabulados, sin repeticiones, sin control adecuado— termina convertida en “recomendación técnica” para miles de agricultores. Como si escalar un ensayo agronómico fuera lo mismo que multiplicar una receta de cocina.
En estadística agrícola hablamos de cosas básicas: tamaño de muestra, error experimental, diseño de bloques, representatividad, varianza, sesgo de selección. Si eso falla, todo lo demás es humo… aunque el Excel se vea impecable.
Y sin embargo, ese mismo error —el de extrapolar alegremente datos débiles— lo veo hoy en otro campo igual de sensible: las encuestas pre-electorales que nos reportan los medios.
La matemática que nadie quiere hacer
En el Perú hay alrededor de 15 millones de votantes y las encuestadoras entrevistan a 1,500 personas.
Hasta ahí, la teoría aguanta. Bajo supuestos de muestreo aleatorio simple, eso podría dar un error estándar razonable para estimaciones agregadas. Pero luego viene lo que en agronomía llamaríamos un problema serio de estratificación sin tamaño efectivo.
Esas 1,500 personas se distribuyen en:
Total: 2 × 5 × 5 × 2 × 4 = 400 celdas.
Si hacemos un promedio simple:
1,500 / 400 = 3.75 observaciones por celda
Y como 35% declara que vota blanco, viciado o está indeciso:
1,000 / 400 = 2.5 observaciones efectivas por celda
Ojo: eso es un promedio. En la práctica, la muestra se concentra en ciertos segmentos (Lima urbana, edades medias), por lo que otras celdas quedan con una observación… o ninguna.
Es decir, mientras algunos grupos están sobrerrepresentados, otros simplemente no existen en la muestra.
La señora de Paucartambo que nunca fue muestreada
En diseño experimental, cuando una unidad no está representada, no se “asume”. Se reconoce el vacío. Pero en las encuestas pasa lo contrario.
Una mujer rural, mayor de 57 años, en la sierra de Paucartambo, NSE bajo, que siembra papas nativas a 3,400 msnm, puede no estar en la muestra. O estar representada por una sola observación.
¿Y qué hace el sistema?
Aplica ponderaciones post-estratificadas, ajusta distribuciones, calibra contra estructuras poblacionales.
En buen cristiano: modela lo que nunca midió.
Agronautas, atentos acá: no solo se está “estimando” el voto de esa señora. Se está extrapolando su comportamiento a miles de personas con realidades completamente distintas: desde quien pastorea en Lucanamarca hasta quien cultiva café en San Juan del Oro.
Eso no es necesariamente incorrecto desde la teoría… pero deja de ser medición directa y pasa a ser estimación dependiente de supuestos. Y eso casi nunca se explica.
Los datos gruesos y la letra chiquita
El clásico: “95% de confianza, ±2.5% de margen de error”.
Eso es el error muestral bajo condiciones ideales.
Pero en estadística aplicada sabemos que el problema real es el error total, que incluye: sesgo de no respuesta, errores de medición, distorsiones a la hora de marcar, porque el 80% ha declarado que ese enrome planillón con 36 candidatos va a ser una pesadilla, además de la varianza inflada por ponderación (design effect).
Ese ±2.5% es solo una parte del problema. El resto no se reporta… pero sí impacta.
Otro problema silencioso es el 35% de indecisos. Desde el punto de vista probabilístico, eso introduce una incertidumbre estructural no observable.
No es ruido. Es masa crítica no distribuida.
Cualquier proyección que ignore cómo se redistribuye ese bloque está, en el mejor de los casos, incompleta. En el peor, es engañosa.
De la parcela mal diseñada al país mal interpretado
En agricultura lo tenemos claro: Si un ensayo no tiene repeticiones, distintas localidades, tamaño suficiente y representatividad ambiental (agua, suelo, clima, años)… no se extrapola. Se reporta con cautela. Se limita su alcance. Se contextualiza.
Pero en las encuestas hacemos exactamente lo contrario.
Tomamos datos con bajo tamaño efectivo por segmento, alta varianza y múltiples supuestos… y los convertimos en titulares.
Es como recomendar una variedad de maíz a todo el Perú porque rindió 12 t/ha en una parcela de media hectárea en una restinga cerca de Palcazú… en un solo año… con buen clima.
¿Cuántos datos sí serían suficientes para hacer una buena chamba?
Si aplicamos criterios mínimos de inferencia:
Necesitaríamos del orden de 12,000 observaciones efectivas.
Ajustando por no respuesta: 15,000–18,000 encuestas.
Es decir, cerca de un 1% del electorado. Probablemente 10 veces más caro. Y claro, eso no lo quiere pagar el mercado. Entonces trabajamos con información incompleta… pero no la vendamos como certeza.
Las encuestas no son el problema. El problema es cómo se interpretan.
En el agro, un mal análisis puede llevar a perder una campaña. En política, puede distorsionar la percepción de todo un país.
Y hoy estamos peligrosamente expuestos a eso:
a que datos incompletos, con supuestos no explicitados y alta incertidumbre, sean traducidos por pseudoexpertos mediáticos en certezas nacionales que ocupan portadas y dominicales.
Eso no es estadística. Es narrativa con números. Y quizá ahí está el mayor riesgo: no en la encuesta… sino en quién la interpreta, la amplifica y la vende como verdad.
Porque si algo he aprendido, queridos Agronautas, entre parcelas, modelos y campañas, es que los datos no mienten… pero los que los leen, a veces, sí saben exactamente lo que están haciendo.
Y en un país donde muchos deciden su voto en la cola, con el DNI en la mano, no sorprende que las encuestadoras más sofisticadas fallen sistemáticamente. Están, francamente, peor que nosotros tratando de predecir un año Niño.
Con la fe intacta en el agro (pero no en las encuestas), un abrazo, Agronautas.
PD: Si esta columna te aportó valor, sigamos la conversación. Me encuentras en LinkedIn, en Instagram @drtonysalas y en YouTube con el podcast El Agronauta.
