Está organizado por conceptos, con los términos clave al margen y ejemplos en dos lenguajes. Cubre exploración de datos, muestreo, pruebas de significancia, regresión, clasificación y algunos métodos de aprendizaje automático. Se usa como referencia más que como lectura.
Qué saqué de él
El remuestreo. Es la forma práctica de ponerle un intervalo a una cifra sin pelearse con la teoría: se vuelve a muestrear lo que uno tiene, muchas veces, y se mira cuánto se mueve el resultado. De ahí salió una regla que aplico en todo informe: ninguna cifra viaja sola. Un promedio sin una idea de cuánto varía es media verdad, y suele ser la mitad que conviene.
El capítulo sobre pruebas múltiples es el que más me sirve frente a paneles de control. Si uno mira veinte indicadores buscando cuál cambió, alguno va a parecer significativo por puro azar. La consecuencia práctica no es dejar de mirar: es decidir de antemano cuáles se miran y qué se hará si se mueven. Un tablero donde se busca la anomalía después del hecho produce explicaciones para el ruido.
Y una tercera, sobre regresión: los coeficientes casi nunca significan lo que la gente cree que significan, y usarlos para hablar de causas es el error más frecuente en un informe de gestión. El libro es explícito en distinguir predecir de explicar, y esa distinción es la que evita recomendaciones absurdas.
Qué dejé fuera
Los capítulos de aprendizaje automático, que quedan cortos al lado de libros dedicados a eso y parecen estar ahí por el título de moda. Y una molestia de forma: presentar todo en dos lenguajes de programación a la vez duplica el largo y corta la lectura. Quien busque estadística aplicada leerá la mitad del libro y hará bien.