1178.- The Anscombe quartet...

...parece el título de una novela de Agatha Christie. Podemos adivinar los personajes: cuatro individuos mal entrazados, de origen tan oscuro que parecen inventados sólo para armar la historia, imposible imaginarlos juntos, pero que ahí están.

Y Poirot -no, mejor la vieja miss Marple, que contrasta más con los personajes- trata de identificar entre ellos al responsable de un crimen. Pero todos tienen sus motivos, sus historias, sus razones, sus coartadas -y todas se desarman convenientemente: podría decirse que ninguno tiene coartada-. Tan diferentes pero tan iguales a la vez, cuesta distinguir entre ellos al asesino. Ni siquiera se sabe si son cómplices o rivales.



Los gráficos de arriba (tomados de aquí, que a su vez lo sacó de acá) corresponden a cuatro conjuntos de datos, conocidos como el Anscombe's quartet. Coinciden distintos parámetros estadísticos, se "ve" numéricamente que tienen la misma recta de cuadrados mínimos, aunque también se ve claramente en los gráficos que los datos son muy distintos.

No conocía el problema, me lo envía Osvaldo Gonzalez, y es algo así como la pesadilla de su área (data mining, inteligencia artificial). No alcanza con un programa que haga las cuentas y calcule promedios, varianzas, regresiones, errores... para distinguir entre distintos conjuntos de datos. Hace falta mirarlos, o programar algo que mire por uno.

Sospecho que merece mayor difusión (todavía no tiene página en la wikipedia, google da apenas 600 resultados), no sólo por el problema concreto del área, sino como advertencia para ciertos reduccionistas (las famosas power law de las que ya hemos hablado, este artículo que me pasara Weo hace tiempo, etc.).