Probabilidad y frecuencia

En matemáticas, distinguimos entre dos tipos de experimentos:

1. Deterministas: Aquellos cuyo resultado podemos predecir con exactitud si conocemos las condiciones iniciales (ej. soltar una piedra desde una altura).
2. Aleatorios: Aquellos en los que, aun conociendo las condiciones, el resultado final depende del azar y no se puede predecir con certeza (ej. lanzar un dado).

Para estudiar el azar, necesitamos definir el espacio muestral ($E$), que es el conjunto de todos los resultados posibles. Por ejemplo, en un dado de seis caras, $E = \{1, 2, 3, 4, 5, 6\}$.

• Suceso elemental: Cada uno de los resultados individuales (sacar un 4).
• Suceso compuesto: Cualquier subconjunto del espacio muestral (sacar un número par: $\{2, 4, 6\}$).

Al igual que con los números, podemos operar con sucesos para analizar situaciones complejas:

• Unión ($A \cup B$): Ocurre si sucede $A$, sucede $B$ o ambos. Equivale a la partícula "o".
• Intersección ($A \cap B$): Ocurre solo si suceden $A$ y $B$ a la vez. Equivale a la partícula "y".
• Suceso contrario o complementario ($\overline{A}$): Ocurre cuando no ocurre $A$. Se cumple que $P(\overline{A}) = 1 - P(A)$.

Decimos que dos sucesos son incompatibles si no pueden ocurrir al mismo tiempo ($A \cap B = \emptyset$), como sacar un 3 y un 5 en un solo lanzamiento de dado.

Cuando un experimento tiene varias etapas o variables, organizamos la información visualmente:

• Diagramas de árbol: Muy útiles para experimentos sucesivos (lanzar dos monedas). Cada rama representa una posibilidad.
• Tablas de contingencia: Ideales para clasificar una población por dos criterios (ej. género y preferencia de deporte). Permiten ver rápidamente las intersecciones entre grupos.

Cuando realizamos un experimento muchas veces, registramos los datos:

• Frecuencia absoluta ($f_i$): Número de veces que aparece un resultado.
• Frecuencia relativa ($h_i$): Es el cociente entre la frecuencia absoluta y el número total de lanzamientos ($N$). $h_i = \frac{f_i}{N}$

Esta ley es el puente entre la estadística y la probabilidad. Establece que, a medida que repetimos un experimento aleatorio un número muy elevado de veces, la frecuencia relativa de un suceso tiende a estabilizarse en torno a un valor fijo. Ese valor es lo que llamamos probabilidad teórica del suceso.

A veces es imposible realizar un experimento miles de veces manualmente. Para ello usamos la simulación. Podemos usar la función random de una calculadora o software para generar números aleatorios que representen tiradas de dados, nacimientos o resultados de encuestas. Esto nos permite validar si nuestros modelos teóricos se ajustan a la realidad observada.

Si todos los resultados de un experimento tienen la misma posibilidad de ocurrir (como un dado no trucado), decimos que son equiprobables. En este caso, aplicamos la Regla de Laplace: $P(A) = \frac{\text{Número de casos favorables}}{\text{Número de casos posibles}}$

Ejemplo: Probabilidad de sacar un número primo en un dado (2, 3, 5). Casos favorables = 3; Casos posibles = 6. $P(\text{primo}) = \frac{3}{6} = 0.5$ (o 50%).

La probabilidad no es un número cualquiera, debe cumplir:

1. $0 \leq P(A) \leq 1$: La probabilidad siempre está entre 0 (imposible) y 1 (seguro).
2. $P(E) = 1$: La probabilidad del espacio muestral completo es 1.
3. $P(\emptyset) = 0$: La probabilidad del suceso imposible es 0.

Para calcular la probabilidad de que ocurra $A$ o $B$, usamos la fórmula: $P(A \cup B) = P(A) + P(B) - P(A \cap B)$ Si los sucesos son incompatibles, la intersección es 0 y simplemente sumamos las probabilidades. Restamos la intersección en sucesos compatibles para no contar dos veces los elementos que pertenecen a ambos conjuntos.

Al realizar dos experimentos seguidos, el resultado del primero puede o no afectar al segundo:

• Independientes: El resultado del primero no influye en el segundo (ej. lanzar una moneda y luego un dado).
• Dependientes: El resultado del primero altera las probabilidades del segundo (ej. extraer dos cartas de una baraja sin devolución).

Es la probabilidad de que ocurra un suceso $B$ sabiendo que ha ocurrido previamente el suceso $A$. Se escribe $P(B|A)$. Esto restringe nuestro espacio muestral. Si buscamos la probabilidad de sacar un Rey sabiendo que la carta es de oros, ya no miramos las 40 cartas, sino solo las 10 que son oros.

Para calcular la probabilidad de que ocurran varios sucesos seguidos (probabilidad compuesta), multiplicamos sus probabilidades:

• Si son independientes: $P(A \cap B) = P(A) \cdot P(B)$
• Si son dependientes: $P(A \cap B) = P(A) \cdot P(B|A)$

En los diagramas de árbol, la probabilidad de un camino completo se halla multiplicando las probabilidades de las ramas que lo forman.

La probabilidad nos permite evaluar riesgos. La esperanza matemática es el beneficio o pérdida media que se espera de una inversión o juego. Si la esperanza es negativa, el juego no es favorable para el jugador a largo plazo, algo fundamental en el diseño de seguros y juegos de casino.

Es vital evitar errores de razonamiento:

• Falacia del apostador: Creer que porque ha salido "cara" cinco veces seguidas, es más probable que ahora salga "cruz". En sucesos independientes, la moneda no tiene memoria.
• Confusión entre causalidad y azar: A veces dos eventos ocurren juntos por pura casualidad, sin que uno sea causa del otro.

La probabilidad se aplica hoy en:

1. Medicina: Probabilidad de que una prueba diagnóstica dé un falso positivo.
2. Meteorología: Predicción de lluvias basada en modelos históricos.
3. Ciencias Sociales: Encuestas electorales y estudios de mercado.

Dominar estos conceptos permite no solo aprobar matemáticas, sino desarrollar un pensamiento crítico frente a la información numérica que recibimos a diario.