ISSN 0123-3637 - Colectivo de Abogados José Alvear Restrepo

Si, por el contrario, existe muy poco traslape entre ellos, entonces A, B y C comparten un espaciomuy amplio:Esta analogía es inexacta, pero reproduce la intuición de la ESM: cuando los traslapes son másgrandes, y especialmente cuando hay muchos casos captados en común por los tres sistemasde datos, es poco probable que la población total (el “espacio”) sea mucho más grande que A,B y C; así, es probable que el número de casos no registrados sea reducido. Por el contrario,cuando los traslapes son pequeños, deducimos que A, B y C son muestras de una poblaciónmás numerosa y por ende que es probable que el número de casos sea más grande.Esencialmente la ESM es un modelo estadístico del proceso de selección para la inclusión en unalista. Otra manera de imaginarse la selección para la inclusión en una lista es considerar, porejemplo, seleccionar pelotas numeradas sacándolas de un frasco. En este ejemplo una persona(“A”) selecciona unas cuantas pelotas, anota los números escritos en esas pelotas y las devuelve.La siguiente persona (“B”) también selecciona unas cuantas pelotas, anota los números quetienen las pelotas y las devuelve. La tercera persona, C, hace lo mismo. Si la cantidad depelotas seleccionadas por A, B y C es pequeña con respecto al número total de pelotas en elfrasco, entonces más tarde - cuando comparen los números en las pelotas que seleccionaron- lo probable es las pelotas sacadas en común (el traslape) sea pequeño. Si, por el contrario,la cantidad de pelotas seleccionadas por A, B y C es grande con relación al total de pelotasen el frasco, entonces seleccionarán muchas de las mismas pelotas. Con suficiente tiempo, laspersonas A, B y C podrían usar el número de pelotas que sacaron en común (los traslapadas)para estimar el probable número total de pelotas en el frasco.La anterior analogía le puede resultar conocida a cualquiera que haya estudiado las leyes de laprobabilidad. Desde luego, la ESM es más complicada que los cálculos simples de probabilidad,pues controla la no aleatoriedad de la selección para la inclusión en una lista. Guzmán etal. (2007) controlan la no aleatoriedad modelando las dependencias entre sistemas de datosusando la regresión de Poisson, una técnica en la que la variable de respuesta es el número decasos que contiene una combinación específica de listas (por ejemplo, las listas A y C, pero no lalista B) y las variables explicativas son los números de casos en otras combinaciones de listas.Son posibles siete modelos con esta técnica; de manera importante, Guzmán et al. optanpor dar cuenta explícitamente de la incertidumbre en la selección de modelos al calcular susestimaciones utilizando una técnica conocida como Bayesian Model Averaging (BMA en inglés;ver Raftery 1995 y la discusión de su aplicación por los autores en Guzmán et al. 2007). Aunquelos intervalos de confianza que resultan son ligeramente más amplios de lo que se esperaríade una regresión de Poisson tradicional, tienen la ventaja de dar cuenta más plenamente de laincertidumbre que resulta la selección del modelo.Cinep • Cospacc145