Empezamos con cien fichas imaginarias. Conservamos noventa y añadimos ocho: quedan noventa y ocho. Si conservamos noventa y cuatro y añadimos las mismas ocho, terminamos con ciento dos. La suma no tiene ningún misterio. Lo interesante es que una sola entrada ha cambiado la conclusión: de tener menos que al principio a tener más.
Esta cuenta no representa orcas. Nos permite abrir una pregunta que sí importa al estudiar una población: ¿qué tendría que cambiar para que la respuesta fuese otra? Antes de confiar en un número conviene saber de qué depende.
Hay dos tareas distintas. Una consiste en probar qué ocurre dentro de las reglas de un modelo. La otra exige comprobar si esas reglas y sus datos sirven para explicar algo fuera de él. Podemos empezar por la primera sin confundirla con la segunda.
La cifra central no cuenta todo el resultado
Un modelo relaciona entradas y resultados mediante reglas. Algunas entradas se estiman a partir de observaciones incompletas. El resultado puede expresarse con muchos decimales y seguir conservando incertidumbre: escribirlo con precisión no aporta los datos que faltan.
En el seguimiento de las orcas ibéricas de 2011–2023, el factor anual de crecimiento resume el cambio de tamaño de la población. Un factor de uno corresponde a estabilidad; por encima indica aumento y por debajo, descenso. El intervalo de confianza estimado incluía las tres posibilidades. La cifra central no demostraba por sí sola una recuperación sostenida.
Ese intervalo procede de un procedimiento estadístico y sus supuestos. No es lo mismo que los tres resultados de nuestro ejemplo: las fichas solo harán visible cómo una regla responde a entradas distintas.
Seguimiento demográfico ibérico de 2011–2023
Contexto y procedencia
Ilustración generada con IA para Misión Orca. No documenta una observación ni identifica a un individuo. Sin licencia pública declarada.
Cien fichas para hacer visible una regla
Volvamos a las cien fichas. La regla tiene dos pasos: conservar una parte y añadir otra cantidad. El total final es la suma de ambas. Como partimos de cien, conservar el 90 % equivale aquí a conservar noventa fichas; no sería así si el comienzo tuviera otra cantidad.
Para comparar sin cambiarlo todo a la vez, añadimos ocho en los tres casos. Solo varía lo conservado. Con noventa y dos, el total queda justo en cien: ese es el punto que separa aumento y descenso en esta cuenta.
No hay edades, nacimientos, mortalidad ni animales identificados. Hemos elegido las cantidades y el umbral para enseñar una relación matemática. Puedes seguir el razonamiento sin tocar nada y, al terminar la lectura, probar otras combinaciones en la calculadora.
Una entrada, tres resultados
Ejemplo inventado: empezamos con 100 fichas y añadimos 8 en cada caso.
| Conservadas | Cuenta final | Frente a 100 |
|---|---|---|
| 90 | 90 + 8 = 98 | 2 menos |
| 92 | 92 + 8 = 100 | Igual |
| 94 | 94 + 8 = 102 | 2 más |
Cambiar una entrada, observar qué depende de ella
Hemos dejado fija una entrada para ver qué cambio procede de la otra. Estudiar cómo varía un resultado al modificar parámetros o supuestos se llama análisis de sensibilidad. Un parámetro es un valor utilizado en la regla: aquí, por ejemplo, el porcentaje que conservamos.
En esta suma, conservar una ficha más o añadir una ficha más produce el mismo incremento. Otros modelos relacionan sus entradas de formas menos sencillas; probarlas por separado no agota lo que puede ocurrir cuando cambian juntas.
El trabajo de contaminantes de 2018 conecta exposición, acumulación y posibles consecuencias demográficas en escenarios de cien años. Nuestra cuenta permite entender la idea de preguntar «¿qué pasa si…?», pero no reproduce sus ecuaciones, parámetros o resultados. Cien años simulados tampoco son cien años observados.
Un resultado estable también puede estar equivocado
Imaginemos ahora que una herramienta devuelve siempre resultados parecidos al mover sus controles. Eso puede parecer tranquilizador, pero solo informa sobre las pruebas realizadas. Podría faltar un proceso importante que ningún control permite cambiar.
Validar exige contrastar el modelo con evidencia pertinente para el uso propuesto. Un mapa de hábitat ofrece un buen ejemplo: señalar condiciones asociadas a la presencia de orcas no equivale a localizar un animal. Hay que estudiar cómo se obtuvieron las observaciones y cómo se evalúan las predicciones.
El estudio ibérico de 2002–2012 conservó diferencias entre primavera y verano, así como incertidumbre espacial. Un lugar poco observado seguía necesitando seguimiento. Volver a calcular con los datos disponibles no crea encuentros nuevos en el mar.
Elegir qué conviene averiguar mejor
Si nuestro objetivo es saber si terminaremos con más o menos de cien fichas, las entradas próximas al punto de igualdad merecen atención. Si quisiéramos saber el total exacto, la pregunta sería otra. Qué información conviene mejorar depende también de lo que intentamos decidir.
En una investigación necesitamos distinguir qué entradas son inciertas, cuánto pueden variar y cuáles cambian una conclusión relevante. También importa lo que no hemos representado. Una respuesta estable dentro de un intervalo elegido no garantiza estabilidad fuera de él.
Así, un modelo puede ayudar a formular la siguiente pregunta de campo: qué medida falta o qué comparación sería informativa. Su utilidad no termina en el número final; también puede estar en orientar lo que necesitamos averiguar.
Hábitat estacional de las orcas ibéricas · Seguimiento demográfico ibérico de 2011–2023 · Contaminantes y riesgo poblacional: el modelo y sus límites
Lo que no sabemos
Los controles pueden ocultar lo que una herramienta no incluye. Este ejercicio no representa reproducción, supervivencia, incertidumbre estadística ni escenarios reales de conservación.
Saber de qué depende la respuesta
Noventa y ocho y ciento dos son respuestas exactas a dos cuentas distintas. Lo que cambia es una entrada. Saberlo permite explicar el resultado y encontrar el punto en que cambia la conclusión, sin atribuir a las fichas una realidad biológica que no tienen.
Con un modelo científico, el recorrido continúa: revisar supuestos, conservar incertidumbre y contrastar lo que representa con observaciones. La pregunta útil no es solo «¿qué número sale?», sino «¿qué sostiene esa respuesta y cómo podríamos comprobarlo?».
Esa distinción ayuda a leer modelos que reúnen alimento, ruido y contaminación en escenarios de conservación. Alimento, ruido y contaminación: cómo estudiar lo que ocurre a la vez
Explora una cuenta de fichas
Prueba a razonarlo
Un ejercicio opcional
Si se conserva el 90 % de cien fichas y se añaden diez, el total es cien. ¿Qué pasa si solo cambiamos la cantidad añadida a cinco?
Ver la explicación
Quedan noventa conservadas más cinco añadidas: noventa y cinco. La conclusión cambia de estabilidad a descenso respecto a cien. El resultado es exacto para esta cuenta; no por ello predice procesos biológicos.
Palabras de esta lectura
Consultar términos
- Parámetro
- Valor utilizado en una regla o modelo para representar una propiedad definida.
- Sensibilidad
- Cambio del resultado cuando varían entradas o supuestos dentro de un rango.
- Validación
- Contraste del modelo con evidencia pertinente para el uso propuesto.
Fuentes
- Seguimiento demográfico ibérico de 2011–2023Explicado en esta web
- Contaminantes y riesgo poblacional: el modelo y sus límitesExplicado en esta web
- Hábitat estacional de las orcas ibéricasExplicado en esta web
Revisión documental: 2026-10-29.
Leer la versión anterior en su sección · Leer la versión anterior en modo ligero