Mendel, Fisher y la paridad de género

"Lejos de criticar el que la paridad se implemente de manera paulatina, en este artículo más bien haré una crítica a la idea de implementar la paridad de género en sí, por las desventajas que trae –o las rigideces que implica– el que las listas deban tener proporciones exactamente de 50-50."

0
190

Por Gonzalo Moya, magíster en Economía y bachiller en Matemática Aplicada a la Economía y la Ciencia Actuarial de la San Jose State University, y profesor en la Facultad de Ciencias Económicas de la UNMSM.

La Ley Orgánica de Elecciones, Ley N°26859, al momento de ser promulgada el 29/07/1997, establecía en su artículo 116° que “ [l]as listas de candidatos al Congreso deben incluir un número no menor del 25% de mujeres o de varones.” Sin embargo, el periodista Luis Arana Galindo, en su columna en el diario El Peruano del 09/04/2017, manifestaba que ya para entonces se había subido este porcentaje a 30%, que desde el 2012 el Jurado Nacional de Elecciones venía proponiéndole al Congreso la alternancia de género y, desde diciembre del 2016, la paridad.

Es así como en el marco de la reforma política, el 25/07/2019 el pleno del ahora disuelto Congreso aprobó modificar el Art. 116° de la Ley N°26859 de la siguiente manera: para las Elecciones Generales (EG) del 2021, las listas de candidatos deberán incluir al menos 40% de mujeres o varones. Para las EG 2026, al menos 45%; y recién para las EG 2031, el tan ansiado 50-50. El que la paridad se alcance de forma progresiva fue propuesto por la Comisión de Constitución del Parlamento, presidida entonces por la inefable Rosa Bartra.

Lejos de criticar el que la paridad se implemente de manera paulatina, en este artículo más bien haré una crítica a la idea de implementar la paridad de género en sí, por las desventajas que trae –o las rigideces que implica– el que las listas deban tener proporciones exactamente de 50-50.

Tras revisar el título de mi artículo, el lector quizá se esté preguntando: ¿qué tiene que ver Gregor Mendel, el padre de la Genética, y Ronald Fisher, el padre de la Estadística, con la paridad de género en nuestro Congreso? Aquí lo interesante: la Inferencia Estadística es, en principio, una herramienta mediante la cual se estima el verdadero valor de una población (el “parámetro”, desconocido) a partir del valor obtenido de una muestra de esa población (el “estadístico”, conocido). Es solo cuando la muestra se toma de manera aleatoria que se puede esperar que ésta sea representativa de la población de la cual fue extraída y que, por ende, su valor sea una aproximación bastante confiable.

Este es el uso más común que se le da a la Estadística Inferencial, pero no es el único: existe un enfoque bayesiano o de probabilidad inversa, donde si más bien el parámetro fuese el valor conocido, uno puede determinar cuan aleatorio fue realmente el proceso de selección de la muestra cuando el estadístico no se asemeja “demasiado” al parámetro. Tal fue, de hecho, la observación que hizo Fisher sobre el estudio que hizo Mendel con sus arvejas: siendo 50-50% la probabilidad de heredar el alelo dominante o el recesivo, y bastando con que una de las dos plantas de guisantes herede el alelo dominante (que sean redondas), para que dicha característica se refleje en el resultado del cruce, solo una de cada cuatro arvejas (el 25%) debería mostrar el gen recesivo (que sean rugosas).

El estudio de Gregor Mendel observó 7,324 arvejas, de las cuales 5,474 (74.74%) fueron redondas y 1,850 (25.26%) fueron rugosas, concluyendo la aceptación de la hipótesis de lo que sería el primer experimento genético. El problema, según Fisher, es que los resultados eran demasiado buenos para haber sido obtenidos por azar: siendo el caso de que, para dicho tamaño de muestra, la proporción ideal de 25% implicaba 1,831 arvejas rugosas, la proporción observada estaba a solo 19 arvejas de distancia de ese ideal, es decir, dentro de un margen de error de solo ±0.26%. A partir de esta brecha tan pequeña, Fisher consideró que Mendel había sido, o muy afortunado, o siendo desconfiados, que había elegido su muestra de manera no aleatoria a fin de forzar los resultados deseados (en el argot, “cocinado la data”).

Un análisis similar podría aplicarse a la proporción de hombres y mujeres en las listas de los partidos políticos para las Elecciones Generales: sabiendo que la distribución de género en la población es cercana al 50-50%, toda lista de 130 candidatos cuya cantidad de hombres (y de mujeres) sea exactamente 65 más bien se vuelve sospechosa de haber sido elaborada forzando la paridad. 

Sucede que la elaboración de toda muestra que es realmente aleatoria, ya sea de arvejas o de personas, se distribuye binomialmente con dos parámetros: el tamaño de la muestra “n” y la probabilidad de éxito “p” que implica que el elemento observado sí contenía el rasgo distintivo. Así, en una lista 130 candidatos con probabilidad 0.5 de que cada uno sea hombre (o mujer), a pesar de ser 65 el valor esperado, E(x)=n*p, éste número ocurriría casualmente solo con un 7% de probabilidad, P(X=x)=Combinat(n;p)*p^x*(1-p)^(n-x).

Para las EG 2026, donde se tiene la flexibilidad de poner entre 45 y 55% de un género u otro, implica que deba haber entre 59 y 71 hombres y mujeres en las listas, lo cual ahora se distribuye como una binomial acumulativa y tiene una probabilidad mucho mayor de haber sido elaborada aleatoriamente, de 74.59%, P(59≤X≤71)=P(X=59)+P(X=60)+…+P(X=70)+P(X=71).

Para las EG 2021, donde se tiene se es incluso más flexible al permitir entre el 40 y 60% de un género u otro, implica que deba haber entre 52 y 78 hombres y mujeres en las listas, lo cual también se distribuye como una binomial acumulativa y tiene una impactante probabilidad de haber sido hecha al azar, de 98.2% (¡!),P(52≤X≤78)=P(X=52)+P(X=53)+…+P(X=77)+P(X=78).

El estudiante que haya llevado algún curso de Estadística Inferencial puede hacer el análisis tradicional de Pruebas de Hipótesis y comprobar que, para un estadístico de 40 ó 60% y con un nivel de confianza de 99%, no se puede rechazar la hipótesis nula de que la proporción población sea de 50%. Mejor aún, puede pensar en Intervalos de Confianza y resolver el problema mentalmente a partir del párrafo anterior, P(52≤X≤78)= P(0.4≤p≤0.6)= 0.982 < 0.99 (¡!).

El énfasis de este artículo, sin embargo, no es demostrar hasta qué punto una lista con disparidad de género haya podido ser elaborada de manera aleatoria, sino lo contrario: A pesar de que el valor esperado de esta distribución binomial se ubica en el evento con mayor probabilidad de ocurrencia, P(X=65) > P(X≠65), éste es solo de 7%. La rigidez de la norma a partir del 2026 será tal, que de ninguna de las listas al Congreso se creerá que fue hecha independientemente del género sino más bien forzando la paridad, porque tal como concluyó Fisher sobre Mendel, el número es demasiado exacto como para haber sido alcanzado por azar.

DEJA UNA RESPUESTA

Please enter your comment!
Please enter your name here