Colección
Paradojas de probabilidad explicadas
Problemas de probabilidad contrarios a la intuición donde la configuración importa más que el primer instinto.
Las paradojas de probabilidad son útiles porque revelan la pregunta oculta. ¿Estás contando a una persona o a cada pareja? ¿La nueva información cambió el espacio muestral? ¿Estás confundiendo la probabilidad de la evidencia con la probabilidad de inocencia?
Esta colección vincula los ejemplos clásicos con los modelos mentales reutilizables que hay detrás: comparaciones por parejas, probabilidad condicional, tasas base, independencia y sesgo de muestreo. Cada paradoja es una advertencia de que la probabilidad no trata solo de aritmética, sino también de definir el evento correctamente.
Lee estas páginas como un conjunto de herramientas. Los mismos errores aparecen en pruebas médicas, pruebas judiciales, juegos, redes de amistad y muestras de hospital. Los detalles cambian, pero el movimiento mental suele ser el mismo: desacelera y pregunta qué población, evento o condición se está contando en realidad.
La primera pregunta: ¿cuál es el espacio muestral?
Muchas paradojas se desvanecen cuando el espacio muestral se hace explícito. En Monty Hall, el comportamiento del presentador cambia lo que significa la puerta restante. En la paradoja del cumpleaños, cada par de personas crea la posibilidad de una coincidencia. En el razonamiento al estilo fiscal, la evidencia está condicionada al revés.
La segunda pregunta: ¿qué se seleccionó?
La paradoja de la amistad, la paradoja de Simpson y la paradoja de Berkson muestran que los casos que ves no son automáticamente neutrales. Una red, una mezcla de grupos o una puerta de selección pueden cambiar la probabilidad aparente. Antes de confiar en una tasa, pregunta cómo entraron las observaciones en el conjunto de datos.
Ruta de práctica
Empieza con la paradoja del cumpleaños para el recuento de parejas, luego Monty Hall para la probabilidad condicional y después las tasas base para eventos raros. Después de eso, pasa a Simpson y Berkson para ver cómo la selección y la agregación pueden revertir la historia. Ese orden va de juegos limpios a datos desordenados del mundo real.
Datos destacados
Probabilidad
4 min · fácil
23 personas bastan para que coincida un cumpleaños
En una habitación con solo 23 personas, ya es más probable que no que haya dos personas con el mismo cumpleaños.
Paradojas
4 min · fácil
La puerta que no elegiste probablemente sea mejor
En Monty Hall, cambiar de puerta gana aproximadamente el doble de veces que quedarse.
Riesgo y decisiones
4 min · medio
Una buena prueba aún puede asustar a demasiadas personas
Cuando una condición es rara, la mayoría de los resultados positivos de las pruebas aún pueden ser falsos positivos.
Riesgo y decisiones
4 min · medio
Una coincidencia de uno en un millón no es una probabilidad de uno en un millón de ser inocente
Cuando un rasgo forense coincide con 1 de cada millón de personas, una población lo suficientemente grande aún alberga muchas coincidencias inocentes; la probabilidad de coincidencia no es la probabilidad de inocencia.
Probabilidad
4 min · fácil
Una ruleta no tiene memoria
Después de que salga rojo diez veces seguidas, da la sensación de que el negro 'toca'. La siguiente tirada sigue teniendo una probabilidad de rojo de aproximadamente el 48.6%, exactamente igual que en la primera.
Paradojas
4 min · medio
Por qué tus amigos parecen más populares
Agrupa cada aparición de nombre de cada lista de amigos y las personas bien conectadas aparecen con más frecuencia. El promedio resultante nunca está por debajo del promedio de una persona aleatoria uniforme, y es mayor cuando los recuentos de amigos varían.
Paradojas
4 min · difícil
Paradoja de Berkson: los hospitales pueden crear correlaciones falsas
Dos factores de riesgo no relacionados pueden parecer negativamente relacionados dentro de un hospital, porque cualquiera de los dos puede ser la razón por la cual un paciente fue seleccionado en la muestra.
Paradojas
4 min · medio
Una tendencia puede invertirse cuando se combinan grupos
Un tratamiento puede parecer mejor en todos los subgrupos pero peor en general.
Psicología de los números
4 min · medio
La aleatoriedad se agrupa más de lo que piensas
Dispersa 100 gotas de lluvia al azar en 100 baldosas y unas 37 baldosas se quedarán completamente secas, mientras que otras atrapan dos o tres. La aleatoriedad real se agrupa.
Lecciones
Las colisiones crecen más rápido que la intuición
El número de pares posibles crece aproximadamente con el cuadrado del tamaño del grupo.
La nueva información cambia las probabilidades
La probabilidad condicional trata sobre actualizar el espacio muestral después de aprender algo.
Las cosas raras siguen siendo raras
Incluso la evidencia sólida puede engañar cuando lo que estás probando es muy poco común.
El azar no tiene memoria
Los resultados pasados no cambian las probabilidades de un evento independiente.
La muestra que ves importa
Tu conclusión puede ser errónea cuando los datos que ves excluyen casos faltantes importantes.
Conceptos
Comparaciones por pares
Cuando cada elemento se puede comparar con cualquier otro, el número de pares posibles crece mucho más rápido que el número de elementos. Un grupo de n elementos tiene n x (n - 1) / 2 pares, por lo que cada nuevo elemento se conecta con todo lo que ya está allí. Esta es la razón por la cual las coincidencias se vuelven comunes antes de que cualquier comparación individual parezca probable.
Probabilidad condicional
La probabilidad de que algo ocurra después de que nueva información cambie lo que sigue siendo posible. El paso importante es actualizar el denominador: los casos descartados por la nueva información ya no deben contarse. Muchos errores ocurren cuando las personas siguen usando las probabilidades originales después de que la situación se ha reducido.
Tasas base
La frecuencia de fondo de algo antes de considerar nueva evidencia. Una señal fuerte aún puede producir muchas falsas alarmas cuando lo que se está probando es raro, porque hay muchos más casos que no lo son que los que sí lo son. Un buen razonamiento combina la nueva señal con la tasa base.
Independencia
Los eventos independientes no se influencian mutuamente: la probabilidad del siguiente resultado es la misma sin importar lo que haya venido antes. Una moneda, un dado y una ruleta no tienen memoria de sus resultados pasados.
Sesgo de muestreo
Un resultado distorsionado causado por observar datos que no representan a la población que te importa. Más datos no solucionan el problema si todavía faltan los mismos tipos de casos. Antes de confiar en una conclusión, pregunta quién tuvo la oportunidad de aparecer en la muestra y quién quedó fuera.