¿Cuándo es legítimo trasladar una solución entre escalas?

483.1. La solución depende del problema que se conserva

Una solución puede trasladarse de un sistema a otro cuando los problemas que ambos plantean se corresponden con suficiente precisión. El parecido entre dos imágenes, una palabra compartida o la forma semejante de dos curvas indican dónde buscar esa correspondencia, pero no la establecen. La dificultad aparece incluso dentro de una misma disciplina. Una ecuación apropiada para una partícula puede dejar de serlo para un conjunto de partículas si la agregación introduce memoria o interacciones que el modelo individual no representa. Cuando el traslado cruza dominios, cambian además el significado de las variables y el criterio con que se juzga que un resultado es satisfactorio.

Conviene separar tres situaciones. En la primera, una transformación matemática conserva exactamente las ecuaciones y sus condiciones de contorno. En la segunda, una aproximación conserva ciertas predicciones dentro de un margen que puede declararse. En la tercera, una analogía sugiere una hipótesis que todavía debe contrastarse. Cada situación autoriza un traslado de alcance distinto, y confundirlas es la vía por la cual un resultado demostrado en un modelo termina presentado como intervención validada en otro ámbito. Para evitarlo hay que decir qué cambia de escala, qué sigue siendo observable después del cambio y qué consecuencias se pretende conservar.

La palabra escala designa operaciones heterogéneas. Puede referirse a la longitud o a la duración, al nivel de agrupación de los estados o a la unidad sobre la que se decide, sea una persona, un servicio o una población. Promediar observaciones diarias es una operación distinta de agrupar personas, y ampliar una institución tiene poco en común con ampliar geométricamente una pieza mecánica. Que todas se llamen escalamiento no aporta las condiciones que permitirían reutilizar una solución.

Los ejemplos del capítulo son construcciones matemáticas y situaciones clínicas hipotéticas. Su función es examinar las consecuencias de supuestos explícitos, y no describen resultados de pacientes ni respaldan recomendaciones terapéuticas. Una solución se traslada legítimamente cuando conserva la pregunta pertinente o cuando declara con precisión cuál es la nueva pregunta que permite responder. Si el objetivo cambia, la herramienta matemática puede seguir siendo útil, pero lo que se traslada ya es otra cosa que la solución original.

483.2. Un caso físico con semejanza exacta

Considérese una barra idealizada de longitud $L$, con ambos extremos mantenidos a temperatura nula (la temperatura se mide como exceso sobre la del entorno) y difusividad térmica $D$ constante. La temperatura inicial tiene un perfil sinusoidal. Se ignoran las pérdidas laterales y la dependencia de las propiedades del material respecto de la temperatura. El problema queda definido por la ecuación de difusión junto con estas condiciones, y no por la ecuación sola. Dos barras pueden obedecer la misma ecuación y tener soluciones distintas si una tiene los extremos aislados y la otra los mantiene en contacto con un depósito térmico.

El paso a posición relativa, tiempo adimensional y temperatura normalizada elimina $L$ y $D$ de la ecuación. Lo que se obtiene es un enunciado acotado: todos los problemas idealizados con estas condiciones comparten una misma solución cuando se expresan en las variables adecuadas. De ahí no se sigue que dos barras reales cualesquiera sean equivalentes. La semejanza descansa en una sustitución algebraica, no en el parecido visual de curvas ajustadas.

El tiempo que tarda la amplitud en reducirse a la mitad crece con el cuadrado de la longitud y decrece con la difusividad. Una barra del doble de longitud y del mismo material necesita cuatro veces más tiempo; si además su difusividad se duplica, el factor queda en dos. El cálculo separa así los cambios geométricos de los cambios de material.

Con longitudes de una y dos unidades y difusividad unitaria, los tiempos resultan aproximadamente 0,07023 y 0,28092 unidades de tiempo. Son valores del modelo y no constantes universales de enfriamiento. La expresión solo es dimensionalmente coherente si $D$ se mide en longitud al cuadrado por unidad de tiempo, y esa comprobación, aunque elemental, impide trasladar la fórmula con parámetros cuyo significado no corresponde. El código siguiente verifica la razón entre ambos tiempos y, por una vía independiente de la fórmula cerrada, integra la ecuación por diferencias finitas para confirmar que la semiamplitud se alcanza en los instantes predichos, incluido el caso en que longitud y difusividad se duplican a la vez.

import numpy as np
D = 1.0
L = np.array([1.0, 2.0])
t_half = L**2 * np.log(2) / (np.pi**2 * D)
assert np.isclose(t_half[1] / t_half[0], 4.0)
assert np.allclose(np.exp(-np.pi**2 * D * t_half / L**2), 0.5)
print("Tiempos de semiamplitud:", t_half)

# Comprobación independiente: esquema explícito de diferencias finitas
def semiamplitud_fd(L, D, N=200):
    x = np.linspace(0, L, N + 1)
    dx = x[1] - x[0]
    dt = 0.4 * dx**2 / D          # dentro del límite de estabilidad (0,5)
    T = np.sin(np.pi * x / L)
    t, A0 = 0.0, T[N // 2]
    while T[N // 2] > 0.5 * A0:
        T[1:-1] += D * dt / dx**2 * (T[2:] - 2 * T[1:-1] + T[:-2])
        t += dt
    return t

for Li, Di in [(1, 1), (2, 1), (2, 2)]:
    exacto = Li**2 * np.log(2) / (np.pi**2 * Di)
    assert np.isclose(semiamplitud_fd(Li, Di), exacto, rtol=2e-3)
print("Diferencias finitas concuerdan con la fórmula en los tres casos")

La transferencia dejaría de ser exacta si las pérdidas laterales fueran apreciables y su importancia relativa no se mantuviera de una barra a otra. Tampoco se conservaría si el material cambiara de fase o si la difusividad dependiera de la temperatura de manera distinta en cada caso. El modelo puede ampliarse para incluir esos efectos, pero aparecen entonces nuevos grupos adimensionales que también deben coincidir.

483.3. Qué significa conservar una dinámica al agrupar estados

Un cambio de escala puede consistir también en reducir el número de estados con que se describe un sistema. Supóngase un sistema con cuatro estados microscópicos y probabilidades de transición conocidas, y agrúpense los dos primeros en una categoría $A$ y los dos últimos en una categoría $B$. Para que la descripción agregada tenga una dinámica propia de primer orden, conocer la categoría presente debe bastar para predecir la siguiente. Si para esa predicción hace falta saber qué estado interno está ocupado, la agrupación ha descartado información necesaria.

La condición admite una formulación precisa. Todos los estados de una misma categoría deben tener igual probabilidad total de pasar a cada categoría de destino. En la teoría de cadenas de Markov finitas, la propiedad de que el proceso agregado sea markoviano para cualquier distribución inicial se denomina agregabilidad (lumpability), y la igualdad de esas sumas por filas es la condición necesaria y suficiente para obtenerla (Kemeny y Snell, 1976). En trabajos posteriores se la llama también agregabilidad ordinaria o fuerte, y se ha estudiado qué magnitudes de la cadena original pueden calcularse sin error a partir de la agregada (Buchholz, 1994). Existen variantes más débiles, en las que la cadena agregada solo es markoviana para ciertas distribuciones iniciales, y por eso mismo no protegen frente a intervenciones que alteran la composición interna de la categoría.

La matriz siguiente cumple la condición. Desde cualquiera de los dos primeros estados, la probabilidad de permanecer en $A$ es 0,8; desde cualquiera de los dos últimos, la de pasar a $A$ es 0,3. La matriz agregada $Q$ conserva esas probabilidades sea cual sea el reparto inicial de la masa dentro de cada categoría.

En forma matricial la condición se escribe $PC=CQ$, donde $C$ asigna cada estado a su categoría. Evolucionar y después agregar da lo mismo que agregar y después evolucionar. Esto no vuelve idénticos a los estados microscópicos, que pueden seguir trayectorias internas muy distintas; lo que ocurre es que esas diferencias no afectan a la predicción sobre categorías. Si más adelante la pregunta exige saber qué estado interno estuvo ocupado, la representación agregada ya no contiene la respuesta. Que la agrupación sea suficiente depende, por tanto, de la pregunta que se mantiene fija.

import numpy as np
P = np.array([[.7,.1,.1,.1], [.2,.6,.15,.05],
              [.1,.2,.5,.2], [.2,.1,.3,.4]])
C = np.array([[1,0],[1,0],[0,1],[0,1]])
Q = np.array([[.8,.2],[.3,.7]])
assert np.allclose(P.sum(axis=1), 1)
assert np.allclose(P @ C, C @ Q)
mu = np.array([.1,.3,.4,.2])
for t in [1, 2, 10]:
    assert np.allclose(mu @ np.linalg.matrix_power(P,t) @ C,
                       mu @ C @ np.linalg.matrix_power(Q,t))
print("Agregación exacta verificada a uno, dos y diez pasos")

483.4. La misma etiqueta puede ocultar futuros diferentes

Modifíquese ahora la segunda fila de la matriz, de modo que desde el segundo estado la probabilidad de pasar a $B$ suba a 0,6, mientras que desde el primero sigue siendo 0,2. Dos preparaciones rotuladas con la misma categoría macroscópica tienen entonces futuros distintos. Un modelo de dos categorías puede ajustar una probabilidad intermedia para la mezcla que se observe, pero esa probabilidad cambiará cuando cambie la mezcla. La regularidad así estimada pertenece a la mezcla y no a la categoría.

Acumular más observaciones de la misma mezcla no resuelve el problema. Una muestra muy grande estima con precisión una transición promedio que deja de servir en cuanto una intervención modifica la composición. La dificultad es estructural, porque el estado agregado omite una diferencia que interviene en la dinámica. Una consecuencia comprobable es que el proceso de categorías deja de ser markoviano. Si la cadena parte de su distribución estacionaria, la probabilidad de pasar a $B$ después de dos pasos consecutivos en $A$ es cercana a 0,30, mientras que después de haber llegado a $A$ desde $B$ es cercana a 0,41. La historia reciente informa sobre la composición interna, y por eso incorporarla puede mejorar la predicción. Otras salidas consisten en redefinir las categorías o en conservar variables adicionales, y cada una cambia el tipo de simplificación que se está defendiendo.

P_bad = P.copy()
P_bad[1] = [.1,.3,.4,.2]
assert np.allclose(P_bad.sum(axis=1), 1)
macro_next = P_bad @ C
assert np.allclose(macro_next[:2,1], [.2,.6])
assert not np.allclose(macro_next[0], macro_next[1])
print("Probabilidades distintas dentro del mismo grupo:", macro_next[:2,1])

# El proceso de categorías ya no es markoviano: la historia importa
w, v = np.linalg.eig(P_bad.T)
pi = np.real(v[:, np.argmin(abs(w - 1))]); pi /= pi.sum()
def prob_B_tras(previa):
    m = pi * C[:, previa]        # categoría en t
    m = (m @ P_bad) * C[:, 0]    # en A en t+1
    m /= m.sum()
    return (m @ P_bad @ C)[1]    # B en t+2
p_AA, p_BA = prob_B_tras(0), prob_B_tras(1)
assert abs(p_AA - p_BA) > 0.1
print("P(B | A, A) = %.3f;  P(B | B, A) = %.3f" % (p_AA, p_BA))

Una lectura clínica hipotética consistiría en reunir trayectorias diferentes bajo un mismo puntaje total de una escala. Dos personas con el mismo total podrían diferir en recursos, en exposición o en la composición de sus síntomas, y esas diferencias podrían influir en la evolución. El ejemplo matemático no demuestra que alguna escala clínica concreta fracase en este sentido. Indica qué comprobación haría falta antes de tratar su total como estado dinámico suficiente, y esa comprobación requeriría datos longitudinales pertinentes y un procedimiento de medición estable.

483.5. Promediar una ecuación no siempre produce la ecuación del promedio

Considérense dos unidades que no interactúan y siguen una dinámica logística con la misma tasa $r$ y capacidad normalizada a uno. El promedio de sus estados es fácil de calcular, pero su derivada depende también de la dispersión entre unidades. Como la ecuación es no lineal, el promedio de $p(1-p)$ no coincide con el producto correspondiente evaluado en el promedio, y la diferencia es exactamente la varianza. Este hecho algebraico explica que una ecuación correcta para cada individuo pueda fallar cuando se aplica a la media de un agregado.

Con estados 0,2 y 0,8, el promedio es 0,5 y la varianza poblacional, 0,09. El crecimiento medio efectivo es $0{,}16\,r$, mientras que la ecuación aplicada al promedio predice $0{,}25\,r$. La discrepancia no se debe a errores de medición ni a una implementación defectuosa. Aparece porque la representación agregada omite la heterogeneidad. Si ambas unidades estuvieran en 0,5, la media sería la misma y el crecimiento sería $0{,}25\,r$.

La conclusión que el ejemplo autoriza es acotada: conocer el promedio inicial no basta para trasladar la solución individual al agregado. No se sigue de ello que toda agregación sea inválida. En ciertos regímenes la varianza es pequeña, estable o predecible mediante una ecuación adicional, y una aproximación de cierre puede incorporar esa información. Su error debe evaluarse en el rango de uso, con especial atención a las intervenciones que modifican la dispersión aunque al principio dejen intacta la media.

p = np.array([.2,.8])
r = 1.0
actual = np.mean(r*p*(1-p))
naive = r*p.mean()*(1-p.mean())
assert np.isclose(actual, .16)
assert np.isclose(naive, .25)
assert np.isclose(naive-actual, r*np.var(p))
print("Crecimiento agregado:", actual, "; sustitución por la media:", naive)

483.6. Cambiar la frecuencia de observación altera lo identificable

La agregación temporal plantea una dificultad propia. Una trayectoria observada a intervalos amplios puede esconder oscilaciones o inversiones que ocurren entre mediciones. Considérese un proceso autorregresivo escalar de primer orden, de media cero, con innovaciones independientes de varianza unitaria. Dos versiones tienen coeficientes de igual magnitud y signo contrario; en una las desviaciones tienden a persistir y en la otra tienden a alternarse. Si solo se registra uno de cada dos instantes, ambas versiones pueden producir exactamente la misma ley observacional, aunque sus trayectorias intermedias difieran.

La innovación del proceso observado cada dos pasos tiene varianza $1+a^2$. Los coeficientes 0,6 y −0,6 producen, por tanto, el mismo coeficiente observado, 0,36, y la misma varianza de innovación, 1,36. Si las innovaciones son gaussianas y ambos procesos parten de su distribución estacionaria, los registros espaciados son indistinguibles en distribución, porque una serie gaussiana estacionaria de media cero queda determinada por sus autocovarianzas, y estas coinciden en todos los rezagos pares. El argumento se extiende a innovaciones independientes con distribución simétrica, pero no a cualquier familia de errores. Con innovaciones asimétricas, por ejemplo exponenciales centradas, el tercer momento de la innovación a dos pasos vale $2(1+a^3)$ y basta para distinguir ambos signos.

El proceso espaciado permite predecir de una observación a la siguiente, pero no reconstruir de forma única lo que ocurre dentro de cada intervalo. Tras una perturbación inicial positiva, una versión predice una desviación positiva en el paso intermedio y la otra una negativa. Un plan que contemple intervenir a mitad del intervalo necesita precisamente esa información. Elegir una de las dos versiones porque ajusta bien los registros espaciados equivale a atribuir una dinámica que los datos no identifican; harían falta observaciones más frecuentes o restricciones adicionales justificadas por el conocimiento del sistema. En econometría, el problema análogo de identificar un proceso en tiempo continuo a partir de datos muestreados en tiempo discreto se conoce como aliasing, y Hansen y Sargent (1983) examinaron cuánto se reduce el conjunto de modelos observacionalmente equivalentes cuando se restringe la clase de densidades espectrales admitidas.

coefficients = np.array([.6, -.6])
assert np.allclose(coefficients**2, [.36, .36])
assert np.allclose(1 + coefficients**2, [1.36, 1.36])
assert np.allclose(1 / (1 - coefficients**2), [1.5625, 1.5625])
print("Respuesta a un paso:", coefficients)
print("Dinámica observada a dos pasos:", coefficients**2)

# Autocovarianzas del proceso estacionario en rezagos pares (las únicas observables)
for k in range(1, 5):
    g = coefficients**(2*k) / (1 - coefficients**2)
    assert np.isclose(g[0], g[1])
# Con innovaciones exponenciales centradas (E[e^3] = 2) los signos se separan
tercer_momento = 2 * (1 + coefficients**3)
assert not np.isclose(tercer_momento[0], tercer_momento[1])
print("Tercer momento de la innovación a dos pasos:", tercer_momento)

En una serie clínica hipotética, disponer de evaluaciones semanales no permite suponer sin más que una regularidad semanal describe también la evolución diaria. El ejemplo no propone que las personas sigan un proceso autorregresivo de este tipo; aclara una limitación de información, ya que trayectorias finas diferentes pueden generar la misma secuencia gruesa. Una intervención diaria basada en la interpolación de un modelo semanal necesita argumentos adicionales, y la suavidad de una curva interpolada es una decisión del procedimiento que no corresponde a ninguna observación recuperada.

Promediar dentro de una ventana es una transformación distinta de seleccionar un punto cada cierto intervalo. El promedio reduce ruido, pero también amortigua picos breves cuya importancia no depende de su duración. Si el resultado pertinente es una exposición acumulada, la media puede ser apropiada; si lo que importa es haber superado un umbral durante un instante, puede resultar insuficiente. La elección del resumen temporal debe vincularse al resultado que se busca conservar, ya que dos resúmenes igualmente reproducibles pueden responder a preguntas diferentes.

483.7. Intervenciones que no sobreviven al cambio de descripción

Que se conserven las predicciones observacionales no garantiza que se conserven los efectos de una intervención. Una categoría puede resumir bien una trayectoria en condiciones habituales, y una acción sobre el sistema puede alterar la mezcla de componentes o activar una vía que antes no contaba. Para trasladar una solución interventiva hay que identificar qué operación microscópica corresponde a la acción macroscópica, algo que el nombre de la acción no determina.

En la cadena modificada, la orden de poner el sistema en la categoría $A$ admite varias implementaciones: prepararlo en el primer estado, en el segundo o en alguna mezcla de ambos. Esas versiones producen probabilidades distintas de abandonar la categoría, de modo que la acción macroscópica solo queda bien definida cuando se especifica cómo se realiza dentro del grupo. Spirtes y Scheines (2004) llamaron manipulaciones ambiguas a las intervenciones sobre una variable definida a partir de otras cuando esa intervención describe de manera incompleta lo que se hace con las variables subyacentes; según la exposición de Eberhardt y Lee (2022), los autores lo ilustran con el efecto del colesterol total sobre la enfermedad cardíaca. En epidemiología, Hernán y VanderWeele (2011) tratan el mismo problema con la noción de tratamiento compuesto. Un tratamiento de ese tipo admite varias versiones, su efecto depende de cómo se distribuyen las versiones en la población estudiada y, por eso, una estimación puede no transportarse a otra población o institución donde se repartan de otro modo, aunque el procedimiento lleve el mismo nombre.

Hoel, Albantakis y Tononi (2013) compararon niveles de descripción mediante la información efectiva, que cuantifica cuánto restringe el estado presente, fijado por intervención, la distribución del estado siguiente cuando las intervenciones recorren con igual probabilidad todos los estados del nivel considerado. Para intervenir sobre un estado macroscópico, promedian con pesos iguales las intervenciones sobre los estados microscópicos que lo componen. En sistemas simulados sencillos, formados por elementos binarios con mecanismos lógicos ruidosos, encontraron arquitecturas en las que la información efectiva es mayor en una descripción agregada, sea espacial, temporal o ambas a la vez, y llamaron emergencia causal a esa ganancia. El resultado depende de la agrupación, de la matriz de transición y del repertorio de intervenciones, y los propios autores lo presentan como posible en ciertas arquitecturas, sin afirmar que las descripciones más globales sean en general causalmente superiores.

Comparar escalas obliga, entonces, a declarar cómo se distribuyen las intervenciones en cada una. Una distribución uniforme sobre categorías coincide con la uniforme sobre los estados originales solo si todas las categorías tienen el mismo tamaño. En uno de los ejemplos espaciales del artículo, tres de las cuatro configuraciones de un par de elementos binarios se agrupan en un mismo estado macroscópico y la cuarta queda sola; intervenir uniformemente sobre los dos estados macroscópicos asigna entonces peso 1/6 a cada una de las tres primeras configuraciones y 1/2 a la cuarta. La comparación sigue estando bien definida, pero ya no consiste en mirar el mismo experimento con otra resolución, porque se ha elegido un experimento distinto.

Este punto está en el centro de la discusión posterior. Al examinar la versión de la teoría que Hoel (2017) formuló en términos de capacidad causal, Eberhardt y Lee (2022) sostienen que las macrovariables resultantes implican intervenciones con ambigüedad considerable, que la marginalización temporal y la abstracción de estados no conmutan, y que ambos problemas provienen de pasos de promediado y de una distribución de máxima entropía ajena al sistema estudiado. Dewhurst (2021) concluye que la medida respalda, a lo sumo, una forma epistémica de emergencia causal. Comolatti y Hoel (2025) responden que, en un sistema modelo sencillo, encuentran casos de emergencia causal con cada una de las más de doce medidas de causalidad que analizan, aunque reconocen que el efecto desaparece en promedio cuando la información efectiva se calcula con la distribución observacional, caso en que equivale a la información mutua.

La comparación con la sección 483.3 aclara qué está en juego. Aplicada a la cadena agregable, cuyas dos categorías tienen igual tamaño, la información efectiva resulta mayor en la descripción microscópica, unos 0,36 bits frente a 0,19. La agregación exacta, que conserva todas las predicciones sobre categorías, no implica ganancia de información efectiva. Se trata de propiedades distintas, y una no puede invocarse para justificar la otra.

def informacion_efectiva(T):
    """EI de Hoel et al. (2013): información mutua entre una intervención
    uniforme sobre los estados y el estado siguiente, en bits."""
    T = np.asarray(T, float)
    efecto = T.mean(axis=0)
    with np.errstate(divide="ignore", invalid="ignore"):
        kl = np.where(T > 0, T * np.log2(T / efecto), 0.0).sum(axis=1)
    return kl.mean()

ei_micro, ei_macro = informacion_efectiva(P), informacion_efectiva(Q)
assert ei_micro > ei_macro
print("EI micro = %.3f bits; EI macro = %.3f bits" % (ei_micro, ei_macro))

# Pesos microscópicos implícitos al intervenir uniformemente sobre
# dos categorías de tamaños 3 y 1
tamanos = np.array([3, 1])
pesos = np.repeat(0.5 / tamanos, tamanos)
assert np.allclose(pesos, [1/6, 1/6, 1/6, 1/2])
print("Pesos implícitos sobre los estados originales:", pesos)

La información efectiva evalúa una propiedad formal del modelo bajo un experimento determinado, y no decide si una intervención es practicable ni si sus consecuencias son aceptables. Dos formas de alcanzar el mismo estado agregado podrían imponer cargas muy distintas a las personas, de modo que la legitimidad práctica exige incorporar las restricciones y los resultados que la pregunta de decisión considera importantes.

483.8. Transferir un efecto entre personas y poblaciones

Una transferencia clínica hipotética puede fallar aunque el efecto dentro de cada grupo se mantenga. Supóngase una intervención con beneficio esperado de ocho unidades en un grupo y de dos en otro. En la población de origen, tres cuartas partes de las personas pertenecen al primer grupo; en la de destino, solo una cuarta parte. El efecto promedio pasa de 6,5 a 3,5 unidades sin que cambie ninguno de los efectos por grupo, y toda la diferencia se explica por la composición.

Los números son sintéticos y no representan resultados de ningún tratamiento existente. Muestran que trasladar un promedio exige conservar la distribución pertinente o recalcularlo para la población de destino. El cálculo es un caso particular de la fórmula de reponderación que Pearl y Bareinboim (2014) derivan dentro de su teoría de la transportabilidad. Cuando un conjunto de covariables previas al tratamiento $Z$ satisface una condición de admisibilidad que se verifica sobre un diagrama de selección, que representa en qué mecanismos difieren las poblaciones, el efecto en el destino se obtiene ponderando los efectos específicos de cada estrato con la distribución de $Z$ en el destino:

La condición es exigente. Requiere que las diferencias entre poblaciones que afectan al resultado queden recogidas por $Z$, y que se disponga de información suficiente sobre esos estratos en ambas poblaciones. Si el destino incluye situaciones ausentes en el origen, la estimación tiene que extrapolar y debe declararlo.

Aun cuando la composición coincide, puede cambiar la intervención efectivamente aplicada. Un programa con la misma duración nominal puede ofrecer distinta continuidad, accesibilidad o apoyo posterior, que es la situación de versiones múltiples descrita en la sección anterior. Puede cambiar también la forma de medir el resultado, y si el instrumento tiene significados distintos en cada contexto, la semejanza numérica no asegura comparabilidad. La transferencia necesita un vínculo entre la acción, el mecanismo propuesto y el resultado observado, y ese vínculo no se establece solo con una corrección estadística del promedio.

La solución de un problema individual tampoco se convierte en política poblacional por el simple hecho de multiplicarla por el número de participantes. La expansión puede agotar recursos, generar listas de espera o modificar las interacciones entre personas. Estas posibilidades deben representarse cuando son pertinentes, sin tomarlas como razones universales para rechazar la expansión, porque indican qué condiciones de borde cambian cuando la unidad de decisión pasa de una persona a una institución.

483.9. Objetivos y restricciones que cambian silenciosamente

Considérese un programa hipotético que maximiza la mejoría total con un presupuesto fijo. Una solución matemática puede asignar recursos a quienes tienen mayor respuesta esperada por unidad de costo. Si al trasladarla se exige además garantizar un nivel mínimo de acceso a cada grupo, el problema ya es otro. La técnica de optimización puede conservarse, pero la solución anterior podría incumplir la nueva restricción, y presentarla como recomendación inevitable de las matemáticas ocultaría la elección del objetivo original.

La distinción puede apreciarse sin resolver un programa grande. Hay dos personas y una sola unidad de recurso; la primera obtendría seis unidades de beneficio y la segunda, cuatro. Maximizar la suma asigna el recurso a la primera. Si la primera dispone ya de una alternativa accesible y la segunda carece de ella, una regla que da prioridad a quien está en peor situación puede elegir a la segunda. El desacuerdo entre ambas reglas no proviene de un error de cálculo, sino de que cada criterio valora consecuencias distintas.

Una transferencia responsable debe registrar las condiciones de factibilidad junto con las variables del modelo. El tiempo profesional disponible, la capacidad de seguimiento y la posibilidad de que una persona rechace la intervención pueden formar parte del problema, y suprimirlas para conservar una solución elegante altera su significado práctico. La equivalencia formal de las ecuaciones tampoco exime de examinar quién puede decidir en el contexto de destino y bajo qué condiciones.

También importa el horizonte. Una solución óptima durante una semana puede consumir recursos que hacen inviable sostenerla durante un mes. Si se amplía la escala temporal, deben incorporarse los costos acumulados y los cambios de estado que la propia acción produce. El traslado puede requerir resolver de nuevo el problema con condiciones terminales distintas, porque repetir la misma acción en cada intervalo no garantiza el mismo efecto total cuando las acciones anteriores modifican las condiciones en que se aplican las siguientes.

483.10. Cómo evaluar una aproximación cuando la equivalencia exacta falla

La falta de equivalencia exacta no inutiliza cualquier simplificación. En muchos problemas basta con conservar una predicción dentro de un margen tolerable, y ese margen debe fijarse en relación con el uso previsto. Supóngase que una aproximación garantiza un error máximo de dos unidades. Si dos acciones tienen beneficios previstos de veinte y diez unidades, la cota basta para conservar su orden aun cuando los errores vayan en sentidos opuestos; si los beneficios previstos son veinte y diecinueve, la misma cota no permite saber cuál es mejor. Un error tolerable para describir una tendencia puede ser excesivo para elegir entre acciones próximas. La validación de una transferencia aproximada debe especificar, por eso, el observable, el intervalo de condiciones y la pérdida asociada al error.

La comparación se formaliza restando dos predicciones. Si cada una tiene un error absoluto acotado por $\varepsilon$, el error de su diferencia puede alcanzar $2\varepsilon$, y una diferencia prevista mayor que $2\varepsilon$ conserva su signo. La garantía es condicional. Una cota obtenida solo con los datos de ajuste no tiene por qué mantenerse en el destino, y para usarla hay que justificar que cubre las condiciones nuevas y las fuentes de incertidumbre pertinentes. También puede ocurrir que los errores sean pequeños en promedio y grandes en una subpoblación, de manera que una evaluación global no detecte que la transferencia falla justamente donde la decisión tiene más consecuencias. Cuando los datos lo permiten con precisión razonable, conviene examinar el error en las condiciones que define la pregunta. La falta de observaciones en una condición importante debe declararse como laguna de validación; promediarla con condiciones en las que el modelo funciona bien no la corrige.

En el ejemplo logístico, la discrepancia instantánea entre el crecimiento medio y la ecuación aplicada al promedio es $r\operatorname{Var}(p_i)$. Una cota superior para la varianza da, por tanto, una cota para ese error instantáneo. No da automáticamente una cota idéntica para toda la trayectoria, porque el error se acumula mientras la varianza evoluciona. En el caso numérico de la sección 483.5, la varianza inicial es 0,09 y decrece a medida que ambas unidades se acercan a la capacidad; aun así, la diferencia entre la media verdadera y la que predice la ecuación del promedio crece hasta cerca de 0,08 en torno a $rt\approx 1{,}5$ y solo después disminuye, cuando ambas trayectorias convergen hacia uno. Extender la garantía exige analizar la dinámica del error o compararla numéricamente en condiciones controladas.

r, dt = 1.0, 1e-3
p, p_media = np.array([.2, .8]), 0.5
errores = []
for paso in range(10001):
    errores.append(p_media - p.mean())
    p = p + dt * r * p * (1 - p)
    p_media = p_media + dt * r * p_media * (1 - p_media)
errores = np.array(errores)
t_max = errores.argmax() * dt
assert 0.075 < errores.max() < 0.085 and 1.2 < t_max < 1.8
assert abs(errores[-1]) < 1e-3
print("Error máximo de la ecuación del promedio: %.4f en t = %.2f"
      % (errores.max(), t_max))

En las cadenas de Markov, el análogo de esta situación es la agregabilidad aproximada. Cuando las sumas por filas dentro de cada categoría son parecidas sin ser iguales, la cadena agregada ya no es exacta, pero puede usarse con cotas para las magnitudes que interesan; Buchholz (1994) describe métodos para acotar los resultados que la agregación no determina exactamente y extiende la noción a una agregación aproximada. La utilidad de esas cotas depende, de nuevo, de que su tamaño sea pequeño frente a las diferencias que la decisión necesita distinguir.

La comprobación numérica debe recorrer las condiciones en las que se pretende usar el modelo, y validarlo solo alrededor de una trayectoria favorable no demuestra que funcione después de una perturbación grande. Conviene buscar deliberadamente las situaciones en que la aproximación podría fallar, como composiciones extremas, condiciones iniciales alejadas o cambios rápidos de las entradas, para delimitar su dominio y reconocer cuándo hace falta otra representación.

La incertidumbre de los parámetros también debe propagarse entre escalas. Si un parámetro microscópico se estima con poca precisión, una predicción agregada puede ser muy sensible a esa incertidumbre. En otros casos, valores microscópicos diferentes producen casi la misma predicción macroscópica, y esa robustez puede justificar una descripción reducida para una pregunta determinada, aunque no demuestra que los parámetros originales sean conocidos ni que el modelo sirva para intervenciones que actúan selectivamente sobre ellos.

483.11. Diseñar una prueba de transferencia

Una prueba útil empieza por fijar la transformación antes de examinar los resultados del sistema de destino. En el caso de la barra, la transformación queda determinada por la longitud, la difusividad y las condiciones iniciales. En un problema empírico puede requerir estimación, pero debe evitarse ajustarla libremente hasta que desaparezca cualquier discrepancia, porque cuanto mayor es esa libertad menos exigente resulta la comparación. Tiene que quedar claro qué datos definieron el traslado y cuáles sirvieron para evaluarlo.

La prueba debe incluir observaciones capaces de discriminar entre explicaciones rivales. Si dos modelos predicen el mismo promedio y distinta dispersión, medir solo el promedio no los distingue. Si divergen únicamente bajo perturbación, la observación espontánea puede no bastar. El diseño puede incorporar una intervención apropiada o aprovechar una variación natural que permita examinar la predicción, siempre que se reconozca la diferencia entre la asignación controlada y la comparación observacional. La elección depende del sistema y de las acciones admisibles en él.

Un fracaso puede deberse a la transformación de estados, a la dinámica o al criterio de resultado. Separar esas posibilidades evita desechar una herramienta por una aplicación incorrecta y mantener una aplicación fallida por el prestigio de la herramienta. Una ecuación puede ser adecuada y la medición del estado agregado, inestable, o una medición reproducible puede alimentar una dinámica equivocada; la auditoría debe recorrer la cadena que va de la observación a la decisión.

La replicación en otro contexto añade una exigencia distinta de la de repetir el cálculo. Ejecutar el mismo código con los mismos datos comprueba la consistencia computacional, mientras que obtener predicciones acertadas en condiciones nuevas pone a prueba la transferencia empírica, y ninguna de las dos comprobaciones sustituye a la otra. La documentación debe permitir reconstruir qué parámetros se mantuvieron, cuáles se recalibraron y qué parte de la conclusión depende de información obtenida después de conocer los nuevos resultados.

483.12. Resolver un desacuerdo entre escalas

Supóngase que un modelo agregado recomienda concentrar recursos y que un modelo individual sugiere distribuirlos. Antes de declarar que uno de ellos es más profundo, hay que comprobar si optimizan el mismo resultado. El agregado podría maximizar la producción total y el individual minimizar el riesgo de deterioro de cada persona, o podrían usar horizontes distintos. Al expresar ambos problemas con la misma función de evaluación y las mismas restricciones, el desacuerdo puede desaparecer o bien revelar una incompatibilidad normativa que ninguna ecuación resuelve por sí sola.

Si ambos modelos responden efectivamente a la misma pregunta, interesa localizar la información que el agregado omite y el individual incorpora. Puede tratarse de heterogeneidad pertinente o de detalles que añaden incertidumbre sin mejorar la decisión. La comparación debe hacerse sobre predicciones y sensibilidad, y no sobre el número de variables. Un modelo reducido puede bastar cuando todas las versiones microscópicas plausibles recomiendan la misma acción. Si recomiendan acciones opuestas, la reducción necesita una justificación adicional o una decisión explícita bajo incertidumbre.

Los casos examinados permiten cerrar con afirmaciones delimitadas. En la difusión idealizada, la transferencia es exacta bajo las condiciones declaradas. En la cadena agregable se conservan las probabilidades de las categorías para cualquier distribución inicial, aunque esa conservación no implica una mayor información efectiva en el nivel agregado. En la cadena modificada y en el promedio logístico, una variable omitida impide el cierre de la descripción agregada, y en el proceso observado cada dos pasos son los datos los que no identifican la dinámica intermedia. En la aplicación clínica hipotética, la composición, la implementación y los objetivos pueden cambiar el problema. Estos resultados permiten aceptar o rechazar una transferencia por razones verificables, e identifican las propiedades que deberían conservarse para volver a evaluarla.

Cuando esas propiedades todavía no se conocen, la decisión puede quedar abierta, y el trabajo siguiente consiste en medir la composición interna, precisar la implementación o aumentar la resolución temporal, según la discrepancia identificada. Localizar así la incertidumbre distingue una transferencia que hoy no está justificada de otra que es imposible bajo los supuestos examinados, y evita gastar esfuerzo en nuevos ajustes cuando el obstáculo está en una variable que el diseño nunca observó.

Referencias

Buchholz, P. (1994). Exact and ordinary lumpability in finite Markov chains. Journal of Applied Probability, 31(1), 59–75. https://doi.org/10.2307/3215235

Comolatti, R., y Hoel, E. (2025). Consilience in causation: Causal emergence is found across measures of causation. Entropy, 27(8), 825. https://doi.org/10.3390/e27080825

Dewhurst, J. (2021). Causal emergence from effective information: Neither causal nor emergent? Thought: A Journal of Philosophy, 10(3), 158–168. https://doi.org/10.1002/tht3.489

Eberhardt, F., y Lee, L. L. (2022). Causal emergence: When distortions in a map obscure the territory. Philosophies, 7(2), 30. https://doi.org/10.3390/philosophies7020030

Hansen, L. P., y Sargent, T. J. (1983). The dimensionality of the aliasing problem in models with rational spectral densities. Econometrica, 51(2), 377–387. https://doi.org/10.2307/1911996

Hernán, M. A., y VanderWeele, T. J. (2011). Compound treatments and transportability of causal inference. Epidemiology, 22(3), 368–377. https://doi.org/10.1097/EDE.0b013e3182109296

Hoel, E. P. (2017). When the map is better than the territory. Entropy, 19(5), 188. https://doi.org/10.3390/e19050188

Hoel, E. P., Albantakis, L., y Tononi, G. (2013). Quantifying causal emergence shows that macro can beat micro. Proceedings of the National Academy of Sciences, 110(49), 19790–19795. https://doi.org/10.1073/pnas.1314922110

Kemeny, J. G., y Snell, J. L. (1976). Finite Markov chains. Springer.

Pearl, J., y Bareinboim, E. (2014). External validity: From do-calculus to transportability across populations. Statistical Science, 29(4), 579–595. https://doi.org/10.1214/14-STS486

Spirtes, P., y Scheines, R. (2004). Causal inference of ambiguous manipulations. Philosophy of Science, 71(5), 833–845. https://doi.org/10.1086/425058

Los ejemplos de difusión, agregabilidad, crecimiento logístico, submuestreo temporal y composición poblacional son derivaciones didácticas propias, verificadas con el código incluido. Las referencias respaldan los conceptos generales citados en el texto (agregabilidad de cadenas de Markov, aliasing, manipulaciones ambiguas, tratamientos compuestos, transportabilidad e información efectiva) y no aportan resultados clínicos.