Interpretar probabilidad no consiste solo en aplicar fórmulas. También hay que identificar el evento, el modelo, la información disponible, los supuestos y la diferencia entre una variación esperable y una evidencia fuerte.
Una probabilidad de 0,7 describe una proporción esperada o un grado de incertidumbre bajo un modelo. No garantiza que el evento ocurra en una ocasión concreta.
Una probabilidad alta no equivale a imposibilidad de fallo y una probabilidad baja no equivale a imposibilidad de éxito. El lenguaje debe reflejar incertidumbre: “es más probable”, “se espera” o “el riesgo estimado es”.
La probabilidad correcta depende de lo que se sabe:
Actualizar la información sin cambiar el evento, o cambiar el evento sin notarlo, produce interpretaciones incompatibles. Conviene escribir siempre la condición.
Dos eventos son independientes si conocer uno no cambia la probabilidad del otro:
La independencia no significa que los eventos no puedan ocurrir juntos. En datos reales es una hipótesis que debe justificarse, no una propiedad automática.
“A o B” corresponde a la unión A∪B; “A y B” corresponde a la intersección A∩B:
Sumar directamente puede contar dos veces los casos donde ambos eventos ocurren.
Si un riesgo pasa de 2% a 3%, el aumento absoluto es 1 punto porcentual y el aumento relativo es 50%. Ambas expresiones son correctas, pero comunican magnitudes diferentes.
Para decidir, también importa el tamaño de la población, el costo del evento y la incertidumbre de la estimación.
Que dos variables estén asociadas no prueba que una cause la otra. Puede existir una causa común, selección de datos, causalidad inversa o una relación accidental.
La causalidad requiere diseño, conocimiento del contexto y análisis adicional.
Un valor p es la probabilidad, bajo una hipótesis nula y un procedimiento especificado, de obtener un resultado tan extremo o más que el observado. No es la probabilidad de que la hipótesis nula sea verdadera.
Tampoco mide por sí solo el tamaño o la importancia práctica de un efecto.
Este ejemplo calcula una frecuencia relativa; no pretende predecir el próximo lanzamiento:
function frecuenciaCara(ensayos) {
let caras = 0;
for (let i = 0; i < ensayos; i++) {
if (Math.random() < 0.5) caras++;
}
return caras / ensayos;
}
console.log(frecuenciaCara(10000));Pulsa Ejecutar y recuerda que otra ejecución dará una frecuencia ligeramente diferente.
Simula muchas muestras de una moneda equilibrada. La mayoría de las frecuencias se concentra cerca de 0,5, pero no todas son iguales.
La media puede ser sensible a valores extremos; la mediana suele ser más robusta. Elegir un resumen depende de la distribución y de la pregunta.
Un promedio alto no significa que todos los casos sean altos, y un promedio bajo puede ocultar una cola de valores grandes.
La ley de los grandes números reduce la variación de un estimador bien planteado, pero no corrige una muestra sistemáticamente sesgada, una medición defectuosa o un modelo incorrecto.
Una decisión racional considera probabilidades, resultados posibles, costos, beneficios y preferencias. La acción con mayor probabilidad de éxito no siempre es la que maximiza el valor esperado si las consecuencias tienen valores distintos.
En situaciones críticas también puede importar la aversión al riesgo.
Un resultado probabilístico debe incluir población, período, método, tamaño de muestra, incertidumbre y supuestos relevantes. Los gráficos deben mostrar escalas honestas y no sugerir precisión inexistente.
Interpretar probabilidad exige precisión conceptual y honestidad sobre la incertidumbre. Las fórmulas ayudan, pero una conclusión válida también necesita un evento bien definido, datos adecuados y supuestos explícitos.