Cómo funcionan las calculadoras del mercado de citas, y por qué multiplicar porcentajes engaña
Una calculadora del mercado de citas parte de una población y va quitando a quien no pasa cada filtro. La mayoría multiplica porcentajes nacionales como si los filtros no tuvieran relación entre sí, y eso es un error: el estado civil depende de la edad, los ingresos dependen de los estudios, etc. Las estimaciones honestas aplican las tasas dentro de cada grupo de edad y dan un rango cuando los filtros se solapan.
La versión viral dice así: “¿Sin pareja? Más o menos la mitad. ¿Más de seis pies (1,83 m)? Un 15 %. ¿Un sueldo de seis cifras? Un 15 %. Así que 0,5 × 0,15 × 0,15 = 1 %.” La aritmética está bien. El supuesto que hay detrás, no.
La multiplicación da por hecho que hay independencia
Multiplicar probabilidades solo es correcto cuando los filtros son independientes, es decir, cuando saber uno no te dice nada sobre el otro. Los filtros de las citas casi nunca son así:
- El estado civil depende de la edad. La mayoría de las personas de poco más de veinte años no están casadas; entre quienes tienen cuarenta y tantos, son muchas menos. Un porcentaje nacional de “personas sin pareja” aplicado a un rango de 30 a 35 años es, sencillamente, el número equivocado.
- Los ingresos dependen de la edad y de los estudios. Las personas con título universitario ganan más en promedio, y los ingresos suben hasta la mediana edad.
- La estatura depende del sexo, y un poco de la edad.
Cuando dos filtros tienden a ir juntos, multiplicarlos subestima cuántas personas pasan ambos. Cuando tienden a excluirse, lo sobreestima.
Hacerlo con más honestidad
Tres hábitos eliminan la mayor parte del error:
- Aplica las tasas donde se midieron. Usa el porcentaje de personas no casadas para cada grupo de edad y sexo, no un promedio nacional.
- Mantén los filtros correlacionados como un rango. Si dos filtros van juntos, el solapamiento real está entre el producto calculado como si fueran independientes y el menor de los dos porcentajes. Muestra ese rango en lugar de un punto medio inventado.
- Di lo que los datos no saben. Las estadísticas oficiales registran el estado civil legal, no quién tiene citas; el sexo, no la identidad de género ni la orientación; y nada sobre quién podría tener interés en ti.
Un ejemplo resuelto (en palabras)
Toma a las mujeres de 25 a 29 años en Estados Unidos. Los datos oficiales de encuestas sitúan en torno a dos tercios el porcentaje de las que no están casadas actualmente en ese grupo de edad, muy distinto de una cifra para todas las edades. Si añades el requisito de un título: entre las mujeres de 25 a 34 años, algo menos de la mitad tiene un título universitario de grado o superior. Si encima añades un umbral de ingresos: los ingresos y los estudios se solapan, así que el porcentaje conjunto está en algún punto entre su producto y el menor de los dos. La respuesta honesta es un rango, no un único decimal.
Por qué los rangos son más útiles que los números exactos
Un número exacto te invita a compararlo con algo con lo que no se puede comparar. Un rango te dice el orden de magnitud (qué filtro hace el trabajo pesado y si relajarlo cambia el panorama) sin fingir que sabe más de lo que saben los datos. Eso es lo que muestra la Calculadora del mercado de citas, con todas las fuentes en su página de metodología.
Lo que la gente pregunta
¿Son precisas las calculadoras del mercado de citas?
Solo tanto como sus datos y sus supuestos. La mayoría multiplica porcentajes nacionales como si fueran independientes, lo que produce números falsamente precisos. Las tasas aplicadas por grupo de edad, con rangos para los filtros que se solapan, se acercan mucho más.
¿Por qué Wabiro muestra un rango en lugar de un solo número?
Porque algunos filtros se solapan (ingresos y estudios), algunos datos están agrupados o faltan, y algunos umbrales quedan fuera de los percentiles publicados. Un rango muestra esa incertidumbre en lugar de esconderla.
¿Sabe quién no tiene pareja?
No. Las estadísticas oficiales registran el estado civil legal, no quién tiene citas o está en una relación. La calculadora lo indica allí donde importa.
Fuentes
- Tversky, A., & Kahneman, D. (1983). Extensional versus intuitive reasoning: The conjunction fallacy in probability judgment. Psychological Review, 90(4), 293–315.
- U.S. Census Bureau, American Community Survey 1-year estimates 2024, tables B12002 (marital status by age and sex) and B15001 (educational attainment by age and sex).