¿A quién le creemos más: a Marte o a un planeta a 124 años luz?

En 2025 hubo dos anuncios de posible vida fuera de la Tierra. En abril, gases raros en el exoplaneta K2-18 b. En septiembre, una roca marciana con manchas curiosas: Cheyava Falls. En vez de adivinar a quién le hizo más ruido a la comunidad, alguien hizo lo obvio: preguntarle directo a los astrobiólogos.

Votaron 920 en total. Y la sorpresa no es a quién le creyeron más — es cuánto siguieron dudando.

Paper: Vickers et al. (2026), Nature Astronomy DOI: 10.1038/s41550-026-02876-9

Video: [Pendiente]

Qué votaron, exactamente

No votaron «¿hay vida sí o no?». Votaron qué tan de acuerdo estaban con que cada anuncio fuera evidencia real de vida, en una escala de cinco pasos: desde totalmente de acuerdo hasta totalmente en desacuerdo. A cada paso le corresponde un peso de confianza (lo que en el paper llaman credence): 0,95 para el sí rotundo, 0,05 para el no rotundo.

Fueron dos encuestas distintas, en momentos distintos: K2-18 b en abril–mayo de 2025 (496 votos), Cheyava Falls en septiembre–octubre (424 votos). Misma comunidad, misma plataforma, dos rocas — bueno, una roca y un planeta — bajo el mismo microscopio de opinión.

Una aclaración que vale oro: esto mide cuánto convenció cada anuncio a los expertos, no cuál evidencia es «más real». Son cosas distintas, y el paper es cuidadoso con eso. Nosotros también.

# ══════════════════════════════════════════════════════════════
# Configuración — modifica estos valores para explorar
# ══════════════════════════════════════════════════════════════
COLOR_K2 = '#2563EB'        # K2-18 b (exoplaneta) — azul CaM
COLOR_MARS = '#DC2626'      # Cheyava Falls / Marte — rojo
COLOR_NEUTRAL = '#BBBBBB'   # indecisos / contexto
FUENTE = 'Fuente: Vickers et al. (2026), Nature Astronomy | Datos: Supplementary Data 1'

import os, urllib.request
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from scipy import stats

# --- Descargar datos si no están locales (Colab, Binder) ---
os.makedirs('datos', exist_ok=True)
os.makedirs('figuras', exist_ok=True)

BASE = 'https://raw.githubusercontent.com/Ciencia-a-Mordiscos/lab/main'
archivos = {
    'datos/votos_k2_18b.csv': f'{BASE}/papers/2026-06-05-astrobiologos-vida-extraterrestre/datos/votos_k2_18b.csv',
    'datos/votos_mars.csv': f'{BASE}/papers/2026-06-05-astrobiologos-vida-extraterrestre/datos/votos_mars.csv',
    'datos/distribucion_respuestas.csv': f'{BASE}/papers/2026-06-05-astrobiologos-vida-extraterrestre/datos/distribucion_respuestas.csv',
}
for local, url in archivos.items():
    if not os.path.exists(local):
        urllib.request.urlretrieve(url, local)

# --- Cargar estilo CaM ---
style_file = '../../cam.mplstyle'
if not os.path.exists(style_file):
    style_file = '/tmp/cam.mplstyle'
    if not os.path.exists(style_file):
        urllib.request.urlretrieve(f'{BASE}/cam.mplstyle', style_file)
plt.style.use(style_file)

# --- Cargar votos ---
k2 = pd.read_csv('datos/votos_k2_18b.csv')
mars = pd.read_csv('datos/votos_mars.csv')
dist = pd.read_csv('datos/distribucion_respuestas.csv')

# Orden de las categorías (de más a menos convencido)
ORDEN = ['Strongly agree', 'Agree', 'Neutral', 'Disagree', 'Strongly disagree']
ETIQUETAS_ES = ['Totalmente\nde acuerdo', 'De acuerdo', 'Neutral',
                'En desacuerdo', 'Totalmente en\ndesacuerdo']

print(f"K2-18 b      : {len(k2)} votos  (abril-mayo 2025)")
print(f"Cheyava Falls: {len(mars)} votos  (sept-octubre 2025)")
print(f"Total        : {len(k2) + len(mars)} astrobiólogos\n")
print(f"Confianza media — K2-18 b: {k2.credence.mean():.1%}  |  Marte: {mars.credence.mean():.1%}")
print(f"Confianza mediana — K2-18 b: {k2.credence.median():.2f}  |  Marte: {mars.credence.median():.2f}")

K2-18 b      : 496 votos  (abril-mayo 2025)
Cheyava Falls: 424 votos  (sept-octubre 2025)
Total        : 920 astrobiólogos

Confianza media — K2-18 b: 28.4%  |  Marte: 40.8%
Confianza mediana — K2-18 b: 0.25  |  Marte: 0.50

Aquí está.

Ponemos las dos votaciones lado a lado, categoría por categoría.

# Distribución de votos por categoría, en porcentaje, para cada anuncio
pct_k2 = [(k2.response_label == c).mean() * 100 for c in ORDEN]
pct_mars = [(mars.response_label == c).mean() * 100 for c in ORDEN]

fig, ax = plt.subplots(figsize=(13, 5.5))
x = np.arange(len(ORDEN))
w = 0.38

ax.bar(x - w/2, pct_k2, w, color=COLOR_K2, alpha=0.9, label='K2-18 b', zorder=3)
ax.bar(x + w/2, pct_mars, w, color=COLOR_MARS, alpha=0.9, label='Cheyava Falls (Marte)', zorder=3)

# Etiquetas inline de cada serie (reemplazan la legend box)
ax.text(x[1] - w/2, pct_k2[1] + 1.2, 'K2-18 b', color=COLOR_K2,
        fontsize=11, fontweight='bold', ha='center')
ax.text(x[1] + w/2, pct_mars[1] + 1.2, 'Marte', color=COLOR_MARS,
        fontsize=11, fontweight='bold', ha='center')

ax.set_xticks(x)
ax.set_xticklabels(ETIQUETAS_ES, fontsize=9.5)
ax.set_ylabel('% de votos')
ax.set_ylim(0, max(max(pct_k2), max(pct_mars)) * 1.18)
ax.set_title('¿Era esto evidencia de vida? Lo que respondieron los astrobiólogos',
             fontsize=14, fontweight='bold', pad=28)
ax.text(0.5, 1.03, 'Distribución completa de los 920 votos, anuncio por anuncio',
        transform=ax.transAxes, fontsize=10, color='#666666', ha='center')

fig.text(0.13, -0.03, FUENTE, fontsize=7.5, color='#999999', style='italic')
plt.savefig('figuras/distribucion_votos.png', dpi=200, bbox_inches='tight')
plt.show()

Lo que salta a la vista: el bloque de «totalmente en desacuerdo» se desploma cuando se pasa de K2-18 b a Marte — de 35% a 11%. Y los indecisos (Neutral) crecen hasta volverse la respuesta más votada en el caso marciano: cuatro de cada diez prefirieron no mojarse.

El «totalmente de acuerdo» casi no existe en ninguno de los dos. Apenas 9 personas en el caso más optimista. Nadie estaba listo para firmar que encontramos vida — pero Marte movió la aguja hacia el centro.

El promedio, voto por voto

La distribución cuenta la forma; el promedio cuenta la distancia. Convertimos cada voto a su peso de confianza (0 a 1) y miramos dónde cae la nube de cada anuncio.

np.random.seed(42)  # jitter reproducible
fig, ax = plt.subplots(figsize=(11, 5.5))

grupos = [('K2-18 b', k2.credence.values, COLOR_K2),
          ('Marte (Cheyava Falls)', mars.credence.values, COLOR_MARS)]
posiciones = [0, 1.2]

for pos, (nombre, vals, color) in zip(posiciones, grupos):
    n = len(vals)
    x_strip = np.linspace(pos - 0.16, pos + 0.16, n)
    np.random.shuffle(x_strip)
    ax.scatter(x_strip, vals, color=color, s=22, alpha=0.45,
               edgecolors='white', linewidths=0.3, zorder=4)
    media = vals.mean()
    sem = vals.std(ddof=1) / np.sqrt(n)
    ax.errorbar(pos, media, yerr=sem, fmt='_', color=color,
                markersize=42, markeredgewidth=3,
                capsize=7, capthick=1.5, zorder=6)
    ax.text(pos, 1.06, f'{media:.0%}', color=color, fontsize=13,
            fontweight='bold', ha='center')

# Prueba estadística (variable ordinal, dos grupos independientes → Mann-Whitney)
U, p = stats.mannwhitneyu(mars.credence, k2.credence, alternative='two-sided')
na, nb = len(mars), len(k2)
sp = np.sqrt(((na-1)*mars.credence.std(ddof=1)**2 + (nb-1)*k2.credence.std(ddof=1)**2) / (na+nb-2))
d = (mars.credence.mean() - k2.credence.mean()) / sp

ax.set_xticks(posiciones)
ax.set_xticklabels(['K2-18 b', 'Marte (Cheyava Falls)'], fontsize=11, fontweight='bold')
ax.get_xticklabels()[0].set_color(COLOR_K2)
ax.get_xticklabels()[1].set_color(COLOR_MARS)
ax.set_ylabel('Peso de confianza (0 = no hay vida · 1 = sí hay vida)')
ax.set_ylim(-0.05, 1.15)
ax.set_xlim(-0.6, 1.8)
ax.set_title('¿Cuánta confianza, en promedio?',
             fontsize=14, fontweight='bold', pad=28)
ax.text(0.5, 1.03, 'Cada punto es un voto; la barra marca la media ± error estándar',
        transform=ax.transAxes, fontsize=10, color='#666666', ha='center')
ax.text(0.98, 0.02, '— media ± SEM', transform=ax.transAxes,
        fontsize=8, color='#999999', ha='right', va='bottom', style='italic')

fig.text(0.13, -0.03, FUENTE, fontsize=7.5, color='#999999', style='italic')
plt.savefig('figuras/confianza_media.png', dpi=200, bbox_inches='tight')
plt.show()

print(f"Diferencia: +{(mars.credence.mean()-k2.credence.mean())*100:.1f} puntos porcentuales (Marte mayor)")
print(f"Mann-Whitney U = {U:.0f},  p = {p:.1e}")
print(f"Cohen's d = {d:.2f}  (efecto medio)")

Diferencia: +12.4 puntos porcentuales (Marte mayor)
Mann-Whitney U = 137508,  p = 3.8e-17
Cohen's d = 0.57  (efecto medio)

Pero ojo con el titular fácil

«Marte ganó» es verdad, pero a medias. Que un anuncio convenza más no significa que convenza a la mayoría. Para verlo limpio, sacamos a los indecisos y nos quedamos solo con quienes tomaron postura.

# Solo quienes tomaron postura (quitando 'Neutral')
def reparto(df):
    nn = df[df.response_label != 'Neutral']
    a = nn.response_label.isin(['Agree', 'Strongly agree']).mean() * 100
    return a, 100 - a

a_k2, d_k2 = reparto(k2)
a_mars, d_mars = reparto(mars)

fig, ax = plt.subplots(figsize=(11, 5))
y = np.arange(2)
nombres = ['K2-18 b', 'Marte (Cheyava Falls)']
convencidos = [a_k2, a_mars]
escepticos = [d_k2, d_mars]

ax.barh(y, convencidos, color='#059669', alpha=0.9, zorder=3, label='Se convencieron')
ax.barh(y, escepticos, left=convencidos, color=COLOR_NEUTRAL, alpha=0.85,
        zorder=3, label='Siguieron escépticos')

for i in range(2):
    ax.text(convencidos[i]/2, y[i], f'{convencidos[i]:.0f}%', ha='center', va='center',
            color='white', fontsize=12, fontweight='bold')
    ax.text(convencidos[i] + escepticos[i]/2, y[i], f'{escepticos[i]:.0f}%',
            ha='center', va='center', color='#444444', fontsize=12, fontweight='bold')

ax.set_yticks(y)
ax.set_yticklabels(nombres, fontsize=11, fontweight='bold')
ax.get_yticklabels()[0].set_color(COLOR_K2)
ax.get_yticklabels()[1].set_color(COLOR_MARS)
ax.set_xlabel('% de quienes tomaron postura (sin indecisos)')
ax.set_xlim(0, 100)
ax.set_title('Quitando a los indecisos: ¿cuántos se convencieron?',
             fontsize=14, fontweight='bold', pad=28)
ax.text(0.5, 1.03, 'Verde = lo vieron como evidencia de vida · gris = no',
        transform=ax.transAxes, fontsize=10, color='#666666', ha='center')

fig.text(0.13, -0.03, FUENTE, fontsize=7.5, color='#999999', style='italic')
plt.savefig('figuras/escepticismo.png', dpi=200, bbox_inches='tight')
plt.show()

print(f"K2-18 b: {a_k2:.0f}% convencidos, {d_k2:.0f}% escépticos")
print(f"Marte  : {a_mars:.0f}% convencidos, {d_mars:.0f}% escépticos")

K2-18 b: 9% convencidos, 91% escépticos
Marte  : 25% convencidos, 75% escépticos

¿Qué tan grande es esa brecha?

Doce puntos porcentuales suena a poco hasta que lo pones en contexto: es un salto del 44% relativo en confianza. Veamos las dos nubes de votos completas, con sus medias marcadas, para medir la distancia de un golpe de vista.

fig, ax = plt.subplots(figsize=(10, 5))
bins = np.linspace(-0.05, 1.05, 12)

ax.hist(k2.credence, bins=bins, color=COLOR_K2, alpha=0.45,
        edgecolor=COLOR_K2, linewidth=0.8, label='K2-18 b')
ax.hist(mars.credence, bins=bins, color=COLOR_MARS, alpha=0.40,
        edgecolor=COLOR_MARS, linewidth=0.8, label='Marte')

m_k2, m_mars = k2.credence.mean(), mars.credence.mean()
y_max = ax.get_ylim()[1]
ax.set_ylim(0, y_max * 1.12)
y_max = ax.get_ylim()[1]

ax.axvline(m_k2, color=COLOR_K2, linewidth=2.5)
ax.axvline(m_mars, color=COLOR_MARS, linewidth=2.5)
ax.annotate('', xy=(m_mars, y_max*0.6), xytext=(m_k2, y_max*0.6),
            arrowprops=dict(arrowstyle='<->', color='#666666', lw=1.6))
ax.text((m_k2 + m_mars)/2, y_max*0.66, f'+{(m_mars-m_k2)*100:.0f} pp',
        ha='center', fontsize=11, fontweight='bold', color='#444444')
ax.text(m_k2, y_max*0.92, f'media K2-18 b\n{m_k2:.0%}', ha='center',
        fontsize=9, color=COLOR_K2, fontweight='bold')
ax.text(m_mars, y_max*0.92, f'media Marte\n{m_mars:.0%}', ha='center',
        fontsize=9, color=COLOR_MARS, fontweight='bold')

ax.set_xlabel('Peso de confianza por voto')
ax.set_ylabel('Número de votos')
ax.set_title('La distancia entre las dos confianzas',
             fontsize=14, fontweight='bold', pad=28)
ax.text(0.5, 1.03, 'Las dos nubes se solapan mucho: el desacuerdo interno es enorme',
        transform=ax.transAxes, fontsize=10, color='#666666', ha='center')

fig.text(0.13, -0.03, FUENTE, fontsize=7.5, color='#999999', style='italic')
plt.savefig('figuras/distancia_medias.png', dpi=200, bbox_inches='tight')
plt.show()

# Dispersión interna: entropía de Shannon (qué tan repartido está el voto)
def entropia(df):
    p = df.response_label.value_counts(normalize=True).values
    return -np.sum(p * np.log2(p))
print(f"Entropía (dispersión) — K2-18 b: {entropia(k2):.2f} bits | Marte: {entropia(mars):.2f} bits")
print(f"Máximo posible (5 opciones equiprobables): {np.log2(5):.2f} bits")

Entropía (dispersión) — K2-18 b: 1.85 bits | Marte: 1.91 bits
Máximo posible (5 opciones equiprobables): 2.32 bits

Lo que los datos soportan

Afirmación	¿Soportada?	Detalle
Marte recibió más confianza media que K2-18 b	✅	41% vs 28%, +12 puntos porcentuales (+44% relativo). Cohen’s d = 0,57 (efecto medio)
La diferencia no es casualidad estadística	✅	Mann-Whitney U = 137.508, p = 3,8·10⁻¹⁷ (variable ordinal, dos grupos independientes)
Aun con Marte, la mayoría siguió escéptica	✅	Quitando indecisos, 75% no lo vio como evidencia de vida; con K2-18 b fueron 91%
Nadie se convenció del todo	✅	«Totalmente de acuerdo»: 2 votos (K2-18 b) y 9 votos (Marte) de cientos
El desacuerdo interno es alto en ambos	✅	Entropía 1,85 (K2-18 b) y 1,91 (Marte) bits, de un máximo de 2,32: voto muy repartido

Limitaciones: Son dos encuestas independientes — distintos respondientes, distintas fechas (abril vs septiembre 2025) —, no una comparación pareada persona-por-persona. La encuesta mide opinión experta, no la validez física de cada evidencia. Las tasas de respuesta fueron 39% (K2-18 b) y 33% (Marte), así que cabe un sesgo de autoselección: quien responde una encuesta de opinión puede no representar a toda la comunidad. La población es autoidentificada como astrobióloga en la plataforma IASC.

Ahora tú

1. ¿Y si los indecisos cuentan como «casi no»? En vez de quitarlos, asígnales medio punto. ¿Cuánto cambia la brecha entre Marte y K2-18 b? (pista: la columna credence ya pone Neutral en 0,5)

2. ¿Qué tan sensible es la conclusión al peso de los extremos? Recalcula la media usando solo el código de voto (1 a 5) en vez del peso de confianza. ¿La ventaja de Marte sobrevive? (pista: k2.vote.mean() vs mars.vote.mean())

3. ¿Votó distinta gente a horas distintas? La columna timestamp tiene fecha y hora. Mira si los primeros votos de cada encuesta fueron más entusiastas que los últimos. (pista: ordena por timestamp y compara la primera mitad con la segunda)

# --- EXPERIMENTA AQUÍ ---
# Pregunta 2: ¿la ventaja de Marte sobrevive si usamos el código de voto crudo?
# (vote 1 = totalmente de acuerdo ... 5 = totalmente en desacuerdo; menor = más convencido)

for nombre, df in [('K2-18 b', k2), ('Marte', mars)]:
    voto_medio = df.vote.mean()
    print(f"{nombre:8s}: código de voto medio = {voto_medio:.2f}  "
          f"(más bajo = más convencido)")

dif = k2.vote.mean() - mars.vote.mean()
print(f"\nMarte queda {dif:.2f} puntos de voto más cerca del 'de acuerdo'.")
print("La ventaja sobrevive: cambia la escala, no la dirección.")

K2-18 b : código de voto medio = 3.93  (más bajo = más convencido)
Marte   : código de voto medio = 3.38  (más bajo = más convencido)

Marte queda 0.55 puntos de voto más cerca del 'de acuerdo'.
La ventaja sobrevive: cambia la escala, no la dirección.

---

Fuentes

Paper: Comparing astrobiologists’ confidence in extraterrestrial life claims for K2-18 b and Cheyava Falls
Nature Astronomy, 2026-06-05

Supplementary Material: Supplementary Data 1 — resultados crudos de las encuestas K2-18 b y Marte (MOESM2, mismo DOI)
Nature Astronomy, mismo DOI — resultados crudos de las encuestas

Referencias citadas: IASC Polls: The Institute for Ascertaining Scientific Consensus Polling Platform

13 afirmaciones del notebook verificadas contra estas fuentes

---

Datos originales: Vickers et al. (2026), Nature Astronomy — Supplementary Data 1 (acceso abierto, mismo DOI). DOI: 10.1038/s41550-026-02876-9 Plataforma de encuestas: IASC Polls (The Institute for Ascertaining Scientific Consensus). Notebook: Ciencia a Mordiscos — El Lab · CC-BY 4.0