El enfoque subjetivo interpreta la probabilidad como el grado de confianza que una persona o sistema asigna a un evento según la información, la experiencia y las evidencias disponibles.
No siempre podemos repetir un experimento muchas veces ni enumerar casos equiprobables. A veces necesitamos tomar una decisión sobre un evento único o poco frecuente: si una misión tendrá éxito, si una inversión será conveniente o si un sistema fallará mañana.
El enfoque subjetivo permite expresar cuánta confianza tiene una persona en que ocurra un evento. Esa confianza se representa con un número entre 0 y 1, pero debe estar relacionada con la información disponible y poder revisarse si aparece evidencia nueva.
Decir “asigno una probabilidad de 0,70 a que el proyecto termine a tiempo” significa que, considerando los datos que conozco, considero más plausible que ocurra a que no ocurra y estoy dispuesto a actuar de acuerdo con ese nivel de confianza.
Una probabilidad subjetiva no es una afirmación de certeza. También debe distinguirse de una simple opinión sin fundamento: una asignación razonable debe poder explicarse mediante datos, experiencia o supuestos.
Dos personas pueden asignar probabilidades diferentes al mismo evento sin que necesariamente una esté cometiendo un error. Pueden tener información distinta, experiencias diferentes o modelos alternativos.
| Situación | Persona A | Persona B | Posible explicación |
|---|---|---|---|
| ¿Lloverá durante el evento? | 60% | 35% | Consultaron pronósticos o lugares distintos. |
| ¿Fallará el servidor? | 20% | 45% | Conocen historiales de mantenimiento diferentes. |
| ¿Un cliente renovará? | 70% | 70% | Comparten la misma información y modelo. |
Una estimación subjetiva suele apoyarse en tres fuentes:
La calidad de una estimación depende de la calidad de estas fuentes. La confianza excesiva puede aparecer cuando se ignoran datos contradictorios o se da demasiado peso a una experiencia aislada.
La probabilidad subjetiva es útil porque muchas decisiones deben tomarse antes de conocer el resultado. Puede combinarse con costos, beneficios y consecuencias.
Por ejemplo, una probabilidad pequeña de una falla crítica puede justificar una copia de seguridad, una prueba adicional o un mecanismo de recuperación.
Una estimación subjetiva no debería ser inmutable. Si aparece información relevante, podemos aumentar o disminuir nuestro grado de confianza. La actualización debe ser proporcional a la calidad y la fuerza de la evidencia.
| Estimación inicial | Nueva evidencia | Actualización razonable |
|---|---|---|
| 30% de lluvia | El radar muestra una tormenta acercándose. | Aumentar la confianza en lluvia. |
| 40% de falla | Se completa una prueba de carga exitosa. | Reducir la confianza en falla. |
| 65% de renovación | El cliente informa que cambió de proveedor. | Reducir significativamente la estimación. |
La forma matemática de actualizar probabilidades con evidencia se estudiará más adelante junto con la probabilidad condicional y el teorema de Bayes.
El siguiente gráfico representa las estimaciones de dos observadores. No muestra una “probabilidad verdadera” calculada por el gráfico: muestra grados de confianza que cambian según la evidencia seleccionada.
La diferencia entre las barras no indica necesariamente que una persona esté equivocada. Indica que sus puntos de partida o la forma en que interpretan la evidencia son distintos.
Una probabilidad subjetiva puede ser personal, pero no debería ser arbitraria. Para mejorarla podemos:
Muchos sistemas informáticos trabajan con valores que expresan confianza:
| Aplicación | Interpretación de la probabilidad |
|---|---|
| Filtro de correo | Confianza de que un mensaje sea spam. |
| Visión artificial | Confianza de que una imagen contenga un objeto. |
| Diagnóstico asistido | Confianza de que una observación corresponda a una condición. |
| Robótica | Confianza en la posición estimada o en una acción. |
Un sistema debe comunicar que esos valores son estimaciones del modelo, no garantías. La calibración consiste en comprobar si los niveles de confianza se corresponden con las frecuencias observadas.
Podemos representar las creencias de distintos observadores como datos y actualizarlas mediante una función:
const creencias = {
analistaA: 0.35,
analistaB: 0.60
};
function actualizar(creencia, evidencia) {
return Math.max(0, Math.min(1, creencia + evidencia));
}
creencias.analistaA = actualizar(creencias.analistaA, 0.10);
console.log(creencias.analistaA); // 0.45Este ejemplo es una simplificación didáctica. Un sistema real necesita definir cómo se mide la evidencia y cómo se justifica la regla de actualización.
El enfoque subjetivo permite razonar sobre eventos únicos o situaciones donde no podemos contar casos ni repetir indefinidamente el experimento. Su valor está en hacer explícito el grado de confianza, relacionarlo con la información y actualizarlo cuando aparecen nuevas evidencias.
En el próximo tema estudiaremos los axiomas de la probabilidad, que establecen las reglas formales que deben respetar todas estas interpretaciones.