The distribution of violent event and interevent times in conflicts

A pesar de que un teorema matemático predice que los intervalos entre eventos violentos en conflictos deberían seguir una distribución lognormal cuando se utilizan datos de alta resolución, el estudio demuestra que la sabiduría convencional sobre la distribución de ley de potencia no se refuta, ya que la distribución lognormal no se ajusta mejor que la ley de potencia en estos contextos.

Lo esencial

Imagina que la violencia en las calles es como una orquesta de jazz caótica. A veces hay un solo estruendoso, luego un silencio, luego otro golpe de batería, y luego otra pausa.

Este artículo, escrito por Jeroen Bruggeman, se pregunta: ¿Cómo se distribuyen esos silencios entre los golpes?

Aquí tienes la explicación sencilla, con analogías para que lo entiendas sin necesidad de ser un matemático:

1. El misterio de los "tiempos entre golpes"

Durante años, los científicos han estudiado guerras y conflictos grandes (como batallas entre países). Usando datos diarios (como un calendario), descubrieron algo fascinante: los tiempos entre un ataque y el siguiente siguen una ley de potencia.

• La analogía: Imagina que lanzas una moneda. En una ley de potencia, podrías tener una pausa de 1 segundo, pero también podrías tener una pausa de 1 año, y ambas son posibles de una manera muy específica y predecible. Es como si el universo tuviera una "memoria larga" y los eventos grandes fueran más comunes de lo que deberías esperar.

2. La nueva hipótesis: ¿Y si miramos con una lupa?

El autor dice: "Espera un momento. Todos esos estudios usaron datos 'gruesos' (de un día en adelante). ¿Qué pasa si miramos la violencia con una lupa de alta velocidad, segundo a segundo o incluso milisegundo a milisegundo?"

Aquí entra la teoría matemática:

• Si los eventos son una cadena de multiplicaciones (como cuando un problema pequeño se multiplica por otro pequeño, y eso por otro), la matemática predice que los tiempos deberían seguir una distribución lognormal.
• La analogía: Imagina que estás construyendo una torre de bloques. Si cada bloque que pones hace que la torre sea un poco más inestable, y esa inestabilidad se multiplica por el siguiente bloque, la altura final de la torre no sigue una regla extraña, sino una curva suave y predecible (la lognormal).

El autor pensaba: "Si miro peleas callejeras grabadas en video con alta definición, veré que los silencios entre golpes siguen esta curva suave (lognormal), no la ley de potencia extraña".

3. El experimento: Peleas callejeras en video

Para probarlo, el autor no miró guerras de países, sino peleas de grupos pequeños de jóvenes grabadas en teléfonos móviles (como las que ves en YouTube).

• Tiene una resolución increíble: puede medir el tiempo entre un golpe y el siguiente con precisión de segundos o fracciones de segundo.
• Analizó 59 peleas y cientos de intervalos de tiempo.

4. El resultado: ¡La intuición falló!

Aquí viene la sorpresa.

• Para los silencios (tiempos entre eventos): El autor esperaba ver la curva suave (lognormal). Pero, ¡sorpresa! Los datos se ajustaron igual de bien a la ley de potencia que a la lognormal.

  • La conclusión: La "sabiduría común" (que la violencia sigue leyes de potencia) no fue refutada, incluso mirando con lupa. La violencia es tan compleja que, incluso a pequeña escala, mantiene ese patrón de "ley de potencia".
  • ¿Por qué? El autor sugiere que quizás los testigos no filman los silencios muy largos (se aburren y dejan de grabar), por lo que nos falta información sobre las pausas más largas, lo que sesga los datos.

• Para los golpes en sí (duración de los eventos): Aquí sí tuvo razón. La duración de los golpes (cuánto dura un puñetazo o una patada) sí sigue la distribución lognormal.

  • La analogía: Golpear a alguien gasta mucha energía. Es como correr una carrera: puedes correr rápido, pero no puedes mantener la velocidad máxima por mucho tiempo. Por eso, la duración de los ataques es corta y sigue esa curva suave predecible.

En resumen

El autor quería demostrar que, si miramos la violencia muy de cerca, dejaría de ser un caos impredecible (ley de potencia) y se volvería algo más ordenado (lognormal).

• Lo que descubrió: Los ataques en sí mismos son ordenados y predecibles (lognormal), como un motor que se calienta y se apaga. Pero los silencios entre ataques siguen siendo un misterio caótico (ley de potencia), incluso cuando los miramos segundo a segundo.

La moraleja: La violencia humana es un fenómeno complejo. Aunque usemos tecnología de punta para observarla, algunos de sus patrones más profundos (como los tiempos entre los estallidos) siguen siendo tan misteriosos y "grandes" como siempre.

Resumen técnico

Título: La distribución de eventos violentos y tiempos intereventos en conflictos duraderos

1. Planteamiento del Problema

La violencia endémica en conflictos humanos se caracteriza por estar interrumpida por intervalos sin violencia. La literatura científica previa ha establecido que los tiempos intereventos (los periodos de calma entre actos violentos) siguen una distribución de ley de potencia, basándose en datos "gruesos" (coarse-grained) con una resolución mínima de un día.

Sin embargo, existe una contradicción teórica: un teorema matemático (Sornette y Cont) predice que si los intervalos pueden ser arbitrariamente cercanos a cero (datos de "alta resolución" o fine-grained, en segundos o menos), la distribución debería ser lognormal, no una ley de potencia. El problema central de este estudio es determinar si la sabiduría convencional (ley de potencia) se mantiene cuando se utiliza una granularidad temporal mucho más fina, o si la distribución cambia a lognormal como predice la teoría de procesos multiplicativos.

2. Metodología

El autor, Jeroen Bruggeman, emplea un enfoque empírico y teórico combinado:

• Representación Teórica: Se modela la secuencia de tiempos intereventos ($\tau$) como un proceso multiplicativo. Si $\tau_1$ es un tiempo base, el siguiente tiempo $\tau_2$ se define como $\tau_2 = v_1 \tau_1$, donde $v$ son variables aleatorias independientes. Matemáticamente, esto implica que el logaritmo del tiempo sigue una suma de variables aleatorias, lo que teóricamente converge a una distribución lognormal (Teorema del Límite Central multiplicativo).
• Datos Empíricos:
  • Fuente: Se utilizaron 59 videos de peleas callejeras entre pequeños grupos (2 a 10 personas), grabados por transeúntes con teléfonos móviles y subidos a plataformas como YouTube y LiveLeak.
  • Granularidad: La resolución temporal es de un segundo o menos, lo que constituye un conjunto de datos de alta granularidad inusual en este campo.
  • Muestra: Se obtuvieron 287 tiempos intereventos (rango: 0.002 a 95 segundos) y 375 tiempos de eventos violentos (rango: 0.342 a 36 segundos).
  • Codificación: La violencia se definió como el uso de fuerza contra el cuerpo o el movimiento forzado del mismo. Los tiempos intereventos se midieron desde el final de un acto violento hasta el inicio del siguiente.
• Análisis Estadístico: Se utilizó el paquete poweRlaw de R para estimar la máxima verosimilitud (MLE) y ajustar tanto distribuciones lognormales como de ley de potencia. Se aplicó la prueba de Vuong para comparar cuál de los dos modelos se ajusta mejor a los datos.

3. Contribuciones Clave

• Novedad en la representación de datos: Es la primera vez que los datos de conflictos violentos se representan explícitamente como un proceso multiplicativo para probar la hipótesis lognormal en datos de alta resolución.
• Desafío a la granularidad: Pone a prueba la validez de las leyes de potencia en escalas temporales mucho más finas que las tradicionales (días vs. segundos).
• Distinción entre eventos e intervalos: Diferencia analíticamente entre la distribución de los tiempos durante la violencia (eventos) y los tiempos entre la violencia (intereventos), proponiendo que sus dinámicas energéticas son distintas.

4. Resultados

Los hallazgos presentan una dicotomía interesante entre los intervalos de calma y los actos violentos mismos:

• Tiempos Intereventos (Periodos de calma):

  • Contrario a la predicción teórica de que los datos finos serían lognormales, el análisis estadístico mostró que tanto la distribución lognormal como la de ley de potencia ajustan los datos de manera casi idéntica (p = 0.403 en prueba bilateral).
  • La hipótesis de que los datos finos son exclusivamente lognormales no fue respaldada (p = 0.201 en prueba unilateral). La ley de potencia sigue siendo una descripción válida.
  • Explicación: El autor sugiere que la distribución podría ser incluso más "ley de potencia" de lo que parece, debido a un sesgo de muestreo: los espectadores pierden interés y dejan de grabar durante las pausas largas, lo que recorta la cola de la distribución y favorece la apariencia de una ley de potencia.

• Tiempos de Eventos (Duración de la violencia):

  • Aquí la hipótesis se cumplió. Los tiempos de los eventos violentos (golpes, patadas) se ajustaron significativamente mejor a una distribución lognormal que a una ley de potencia (p = 0.00077).
  • Esto se alinea con la teoría de que los actos violentos consumen mucha energía y, por tanto, tienen una cola de distribución corta, limitando su duración máxima.

5. Significado e Implicaciones

• Validación de la Sabiduría Convencional: A pesar de la alta resolución de los datos, el estudio no refuta la creencia común de que los tiempos intereventos en conflictos siguen una ley de potencia. Esto sugiere que la ley de potencia es una característica robusta de la dinámica de conflictos, incluso a escalas de segundos.
• Naturaleza de la Violencia: La distribución lognormal de los eventos violentos confirma que la duración de la violencia está limitada por factores fisiológicos y de energía (agotamiento), mientras que los periodos de calma están gobernados por procesos multiplicativos complejos que pueden mantener la estructura de ley de potencia.
• Futuro de la Investigación: El trabajo destaca la importancia de los datos de alta granularidad (cámaras CCTV, móviles) para desafiar y refinar los modelos existentes. Sugiere que la aparente universalidad de las leyes de potencia podría depender de cómo se recopilan los datos (sesgo de observación en pausas largas) y que la distinción entre "tiempo de evento" y "tiempo interevento" es crucial para modelar correctamente la dinámica de conflictos.

En conclusión, el estudio demuestra que, aunque la teoría predice un cambio a lognormal con datos finos, la realidad empírica de las peleas callejeras mantiene la ley de potencia para los intervalos, mientras que la duración de los actos violentos sigue claramente una distribución lognormal.