Claude Code y la prueba de Kolmogorov-Smirnov detectaron anomalías en una olimpiada infantil

Un experto en antifraude recibió una solicitud inesperada de un conocido: verificar los resultados de una olimpiada infantil donde participaba su hijo. Las puntuaciones se veían "extrañas" — y el especialista se puso manos a la obra, armado con Claude Code y la clásica prueba de Kolmogorov-Smirnov.

El antifraude va más allá de los bancos

En el sector bancario, los métodos estadísticos llevan funcionando años: análisis de transacciones, búsqueda de patrones anómalos, verificación de distribuciones. Las mismas herramientas se aplican en cualquier lugar donde haya datos y un incentivo potencial para la manipulación — ya sean operaciones financieras o calificaciones escolares. El conocido llegó con una solicitud simple: "algo en los resultados se ve raro". El experto no se limitó a la intuición. La tarea fue formalizada: hay un conjunto de puntuaciones de participantes, hay una distribución honesta esperada — hay que verificar estadísticamente si coinciden. Esta es exactamente la pregunta que los sistemas antifraude se hacen todos los días, solo que con datos de entrada diferentes.

Por qué la prueba KS

La prueba de Kolmogorov-Smirnov es una de las herramientas no paramétricas más potentes para comparar dos distribuciones. No necesita entrenarse en datos, no requiere supuestos sobre normalidad. Es suficiente hacer la pregunta: "¿Podrían estos datos haber sido generados por el mismo proceso aleatorio?"

— y la prueba da una respuesta en forma de p-value. Para las puntuaciones de olimpiada, la lógica es simple: si los participantes resolvieron los problemas honestamente, los resultados se distribuirán de acuerdo con la dispersión real del conocimiento. Una distribución demasiado "correcta", demasiado uniforme o anómalamente sesgada — una señal de alerta estadística.

Claude Code se encargó de la codificación rutinaria en cada etapa del análisis: Carga y normalización de datos en Python Cálculo de la estadística KS a través de scipy.stats Visualización: histogramas, gráficos Q-Q, curvas CDF Análisis de clusters de respuestas idénticas entre diferentes participantes * Interpretación de p-value y formulación de conclusiones en lenguaje plano ## Lo que se encontró en los datos La distribución de puntuaciones en una serie de problemas se veía sospechosa. En una olimpiada justa, la dispersión de resultados refleja diferencias reales en preparación: los participantes fuertes resuelven problemas difíciles, los débiles no.

Esto genera una "cola" característica en la distribución. La prueba KS registró una desviación estadísticamente significativa: el p-value resultó estar por debajo del nivel umbral. Clusters de respuestas idénticas entre diferentes participantes y una distribución demasiado uniforme de puntuaciones correctas entre los problemas — todo esto se suma a un cuadro que la estadística rechaza como aleatorio.

"Trescientos rublos por uno importado — esa es una afirmación seria.

Bueno, trescientos entonces. Adelante," — escribe el autor, enfatizando: las herramientas profesionales se activan automáticamente, independientemente de la escala de la tarea.

Claude

Code como coautor del análisis El valor especial de esta historia es demostrar el flujo de trabajo. El experto no le pidió al modelo que "verificara la olimpiada" — mantuvo un diálogo estructurado: formuló una hipótesis, recibió código listo, lo ejecutó, interpretó el resultado, corrigió el enfoque y continuó. El experto no escribió código desde cero — estableció la dirección: qué métrica calcular, cómo visualizar, qué significa el resultado.

Claude Code se encargó de los detalles sintáticos y la rutina, liberando espacio mental para la interpretación y la toma de decisiones. Para un proyecto analítico único — exactamente como verificar una olimpiada a solicitud de un conocido — esto es especialmente valioso: en lugar de días de trabajo, obtienes unas pocas horas.

Lo que esto significa

Los métodos estadísticos antifraude hace tiempo que trascendieron el sector financiero. Olimpiadas escolares, competiciones, licitaciones, encuestas de opinión — en cualquier lugar donde haya datos y motivo para la manipulación, funcionan las mismas herramientas. Claude Code reduce la barrera de entrada: para análisis estadístico serio, ya no necesitas ser programador — solo necesitas entender la tarea y formular las preguntas correctas.