Una moneda justa cae cinco veces seguidas en águila. ¿La sexta tirada tiene ahora más probabilidades de caer en sol?
Nuestra intuición suele buscar equilibrio inmediato incluso cuando el azar no funciona así. La probabilidad permite distinguir entre lo que parece probable y lo que realmente justifican los datos y las reglas del experimento. Esa diferencia importa al interpretar riesgos, diagnósticos, pronósticos, promociones y juegos de azar.
Objetivo didáctico
Al terminar esta ficha serás capaz de analizar situaciones de incertidumbre mediante espacios muestrales, probabilidades clásicas y probabilidades condicionales básicas, detectar errores frecuentes de razonamiento y evaluar críticamente juegos o apuestas a partir de sus probabilidades y consecuencias.
Introducción
Decidir con incertidumbre es una actividad cotidiana. Elegimos una ruta considerando la posibilidad de tráfico, interpretamos un pronóstico de lluvia, comparamos garantías, evaluamos riesgos financieros y escuchamos frases como “hay 70% de posibilidades”. En todos estos casos existe algo que todavía no sabemos, pero sobre lo cual podemos razonar.
La probabilidad no predice con certeza qué ocurrirá en un caso individual. Su función es representar matemáticamente la incertidumbre. Una probabilidad de 0 indica un evento imposible dentro del modelo; una probabilidad de 1 representa un evento seguro; los valores intermedios expresan distintos grados de posibilidad.
📐 Concepto: probabilidad
La probabilidad es una medida numérica entre 0 y 1 que representa qué tan posible es un evento dentro de un modelo determinado. Puede expresarse también como porcentaje: 0.25 equivale a 25%, 0.5 a 50% y 1 a 100%.
El desafío aparece porque nuestra intuición no siempre procesa bien el azar. Tendemos a buscar patrones en secuencias aleatorias, sobrevalorar coincidencias recientes y olvidar que una nueva información puede modificar radicalmente una probabilidad anterior. Aprender probabilidad significa construir una disciplina mental para no confundir impresión con evidencia.
Desarrollo del tema
Espacio muestral: enumerar lo que realmente puede ocurrir
Antes de calcular una probabilidad necesitamos describir los resultados posibles. El espacio muestral, representado habitualmente mediante Ω, es el conjunto de todos los resultados considerados por el modelo. Al lanzar una moneda una vez, Ω = {águila, sol}. Al lanzar dos monedas, existen cuatro secuencias posibles: {AA, AS, SA, SS}.
Esta distinción evita un error frecuente. Si preguntamos por “una águila y un sol” al lanzar dos monedas, no existe un solo resultado favorable sino dos: AS y SA. Si las cuatro secuencias son igualmente probables, el evento tiene probabilidad 2/4 = 1/2. Contar correctamente el espacio muestral suele ser más importante que memorizar una fórmula.
Los juegos de azar impulsaron parte del desarrollo histórico de la probabilidad. En 1654, Blaise Pascal y Pierre de Fermat intercambiaron cartas sobre problemas relacionados con juegos interrumpidos y reparto justo de apuestas. Ese diálogo ayudó a establecer ideas que después se convertirían en fundamentos de la teoría moderna de la probabilidad.
Probabilidad clásica: contar casos cuando son equiprobables
Cuando todos los resultados elementales tienen la misma posibilidad de ocurrir, podemos utilizar la regla clásica: P(A) = casos favorables / casos posibles. Si lanzamos un dado equilibrado y queremos obtener un número mayor que 4, los resultados favorables son {5,6}. Existen 2 casos favorables entre 6 posibles, así que la probabilidad es 2/6 = 1/3.
La palabra clave es equiprobable. No basta con contar categorías. En una bolsa con 9 fichas azules y 1 roja existen dos colores posibles, pero eso no significa que cada color tenga probabilidad 1/2. Si todas las fichas tienen la misma posibilidad de ser extraídas, la probabilidad de rojo es 1/10 y la de azul es 9/10.
Esta idea aparece en decisiones cotidianas cuando evaluamos sorteos, promociones o procesos de selección aleatoria. El primer paso es determinar si realmente conocemos todos los resultados y si tienen igual probabilidad. Cuando eso no ocurre, la fórmula clásica no puede aplicarse directamente y necesitamos información adicional o frecuencias observadas.
💫 El dato que cambia todo
En un grupo de solo 23 personas, la probabilidad de que al menos dos compartan cumpleaños supera aproximadamente el 50%, si simplificamos el modelo a 365 días equiprobables y dejamos fuera el 29 de febrero. La sorpresa aparece porque nuestra intuición suele comparar cada persona únicamente con nosotros, en vez de contar todas las parejas posibles.
Probabilidad condicional: nueva información, nueva probabilidad
Una probabilidad puede cambiar cuando conocemos nueva información. La probabilidad condicional de un evento A dado que ocurrió B se representa como P(A|B). Para P(B) mayor que cero, puede calcularse mediante P(A∩B)/P(B). La idea fundamental no es la fórmula, sino que el conjunto de casos relevantes cambia al conocer B.
Supongamos una baraja simplificada con 10 tarjetas: 6 azules y 4 doradas. De las 6 azules, 3 llevan una estrella; de las 4 doradas, solo 1 lleva estrella. Antes de saber el color, hay 4 tarjetas con estrella entre 10: P(estrella) = 4/10. Si nos informan que la tarjeta es azul, ahora solo consideramos las 6 azules: P(estrella|azul) = 3/6 = 1/2.
Esta lógica aparece en salud, control de calidad, seguros y evaluación de riesgos. Saber que una prueba salió positiva, que una máquina presentó cierto síntoma o que una carretera está mojada modifica el conjunto de escenarios plausibles. Sin embargo, una nueva evidencia no elimina automáticamente la incertidumbre: solo la actualiza.
Toca una situación y después clasifícala según el tipo de razonamiento que exige.
Errores de razonamiento: cuando nuestra intuición inventa patrones
Uno de los errores más frecuentes es la falacia del jugador: creer que después de una racha aleatoria el resultado contrario “ya toca”. Si una moneda justa produjo águila 8 veces seguidas, la novena tirada continúa teniendo probabilidad 1/2 de águila y 1/2 de sol. Lo extraordinario es la secuencia completa, no una supuesta obligación de compensación en el siguiente lanzamiento.
Otro error consiste en ignorar las tasas de base. Imagina una condición poco frecuente y una prueba bastante precisa. Un resultado positivo puede parecer evidencia casi definitiva, pero su interpretación depende también de qué tan común era inicialmente la condición. La probabilidad previa importa: nueva evidencia y frecuencia inicial deben analizarse juntas.
En 1974, Amos Tversky y Daniel Kahneman describieron varias heurísticas utilizadas por las personas al juzgar probabilidades bajo incertidumbre. Su investigación mostró que decisiones aparentemente intuitivas pueden desviarse de las reglas probabilísticas de manera sistemática. La lección no es desconfiar siempre de la intuición, sino saber cuándo comprobarla.
También sobreestimamos eventos fáciles de recordar. Después de ver repetidamente noticias sobre un riesgo llamativo, podemos sentir que es más frecuente de lo que muestran los datos. Por eso una buena decisión probabilística pregunta por frecuencias reales, denominadores y comparaciones, no solamente por la fuerza emocional de un ejemplo.
Juegos y apuestas: calcular antes de dejarse convencer por el premio
Los juegos de azar son laboratorios sencillos para estudiar probabilidad porque hacen explícitos los resultados y los pagos. Pero existe una diferencia entre conocer la probabilidad de ganar y saber si una apuesta es favorable. Para analizarla también debemos considerar cuánto se gana, cuánto se pierde y con qué frecuencia ocurre cada resultado.
Aquí aparece el valor esperado. Supongamos un juego hipotético que cuesta 20 pesos. Se lanza un dado equilibrado: si aparece 6, recibes 80 pesos; en cualquier otro resultado no recibes nada. El resultado neto al ganar es +60 pesos y al perder es −20. El valor esperado es (1/6 × 60) + (5/6 × −20), aproximadamente −6.67 pesos por jugada.
Ese resultado no significa que una persona perderá exactamente 6.67 pesos cada vez. En una jugada solo puede ganar 60 o perder 20. El valor esperado describe el promedio teórico que emergería al repetir muchas veces el mismo mecanismo. Una apuesta puede producir ocasionalmente una ganancia grande y seguir siendo matemáticamente desfavorable en el largo plazo.
Por eso las probabilidades deben utilizarse para evaluar riesgo, no para justificar apuestas como estrategia de ingreso. El tamaño del premio captura nuestra atención, pero una decisión completa exige preguntar por la probabilidad, el costo, la pérdida posible y el valor esperado.
Conclusión
Pensar probabilísticamente no significa adivinar mejor el futuro. Significa describir con mayor claridad lo que sabemos, lo que no sabemos y qué tan plausible es cada escenario. Para hacerlo necesitamos construir correctamente el espacio muestral, distinguir eventos, identificar cuándo los resultados son equiprobables y actualizar nuestras probabilidades cuando aparece información nueva.
La misma disciplina protege contra errores intuitivos. Una racha no obliga al azar a compensarse, una coincidencia sorprendente no siempre es improbable y un premio grande no convierte automáticamente una apuesta en favorable. En situaciones reales, la pregunta más útil suele ser menos espectacular: ¿qué probabilidad tiene cada resultado y qué consecuencias tendría para mí?
La incertidumbre nunca desaparece por completo. Lo que cambia es nuestra capacidad para razonarla. Y a partir de aquí surgen preguntas más profundas: ¿cómo actualizamos probabilidades cuando recibimos evidencia?, ¿cómo se combinan múltiples riesgos?, ¿por qué dos personas pueden tomar decisiones distintas aun con las mismas probabilidades?
🔭 Para seguir aprendiendo
- ¿Cómo cambia una probabilidad cuando recibimos información que era muy improbable si nuestra hipótesis fuera falsa?
- ¿Por qué una probabilidad pequeña puede seguir mereciendo atención si las consecuencias son muy grandes?
- ¿Qué diferencia existe entre una decisión racional y una decisión que simplemente tuvo un buen resultado por suerte?
Referencias
- Hacking, I. (1975). The emergence of probability. Cambridge University Press.
- Ross, S. M. (2014). A first course in probability (9th ed.). Pearson.
- Tversky, A., & Kahneman, D. (1974). Judgment under uncertainty: Heuristics and biases. Science, 185(4157), 1124–1131.
Actividad de aprendizaje autónoma
Producto final: informe de decisión bajo incertidumbre. Analiza el siguiente juego hipotético como si tuvieras que explicarle a otra persona si comprende correctamente sus riesgos.
Una caja contiene 10 fichas: 5 azules, 3 blancas y 2 doradas. Se extrae una ficha al azar y después se devuelve a la caja. Participar cuesta 30 pesos. Una ficha dorada paga 100 pesos, una blanca paga 40 y una azul no paga nada.
- Escribe el espacio muestral utilizando las 10 fichas individuales o una representación equivalente que conserve sus probabilidades.
- Calcula la probabilidad de extraer una ficha azul, blanca y dorada.
- Calcula el resultado neto de cada color después de descontar los 30 pesos de participación.
- Calcula el valor esperado multiplicando cada resultado neto por su probabilidad y sumando los tres productos.
- Explica en 80 a 120 palabras qué significa el valor esperado y qué no significa para una jugada individual.
- Supón ahora que, antes de extraer, alguien te informa que la ficha seleccionada no es azul. Calcula la probabilidad condicional de que sea dorada.
- Identifica una frase que podría utilizarse para presentar el juego de forma engañosa y reescríbela para comunicar el riesgo con mayor transparencia.
Completa estas ideas antes de redactar tu informe.
Evidencia de logro: tu informe estará completo cuando otra persona pueda reconstruir tus probabilidades, distinguir la probabilidad inicial de la condicional, entender qué significa el valor esperado y reconocer por qué un premio atractivo no basta para evaluar una decisión.
Reflexión final: piensa en una decisión real que tomes con información incompleta —un trayecto, una compra, un pronóstico o un riesgo cotidiano—. ¿Qué dato necesitarías conocer para reemplazar una impresión como “seguramente ocurrirá” por una estimación más razonada?