Podcast sobre Problemas de Probabilidad y Estadística

Kapitoly

Un mito sobre el azar

El espacio muestral es tu mapa

¿Con o sin reposición?

La probabilidad en el mundo real

Cuando los eventos se cruzan

El teorema que te sorprenderá

Combinando Carreras

Resumen y Despedida

Přepis

Lucas: Oye, Alba, la mayoría de la gente piensa que si lanzas una moneda y sale cara cinco veces seguidas, la próxima vez es casi seguro que saldrá cruz, ¿no? Como para "equilibrar" las cosas.

Alba: Totalmente. Es una de las ideas más comunes sobre la probabilidad. Pero la verdad es que... la moneda no tiene memoria. La probabilidad de que salga cruz en el sexto lanzamiento es exactamente la misma que en el primero: 50%. Ni más, ni menos.

Lucas: ¡Wow! O sea que no está "obligada" a salir cruz para nada. ¿Cómo puede ser?

Alba: Porque cada lanzamiento es un evento independiente. Y entender esa idea es la clave para dominar todo este tema. Esto es Studyfi Podcast.

Lucas: De acuerdo, entonces empecemos por el principio. En los ejercicios de selectividad siempre aparece el típico problema de lanzar un dado. Por ejemplo, ¿qué pasa si lanzamos un dado dos veces?

Alba: ¡Gran punto de partida! Lo primero que necesitamos es nuestro "mapa" de todos los resultados posibles. A esto lo llamamos el espacio muestral. Si lanzas un dado dos veces, tienes 36 combinaciones posibles, ¿cierto? Desde el doble uno (1,1) hasta el doble seis (6,6).

Lucas: Claro, 6 resultados en el primer lanzamiento por 6 en el segundo, 36 en total. Entonces, si nos piden la probabilidad de que salga un número impar en las dos tiradas... ¿cómo lo calculamos?

Alba: Exacto. Primero, identificamos los casos favorables. Los números impares en un dado son el 1, el 3 y el 5. O sea, 3 posibilidades. La probabilidad de que salga impar en la primera tirada es 3 de 6, que es un medio.

Lucas: Y como la segunda tirada es independiente, ¿es igual? ¿Un medio también?

Alba: ¡Exacto! Y para encontrar la probabilidad de que ocurran ambas cosas, multiplicamos sus probabilidades. Un medio por un medio es un cuarto, o sea, 0.25. ¡Un 25% de probabilidad!

Lucas: Tiene sentido. A ver, otro caso. ¿Cuál es la probabilidad de que la suma de los dos números sea 6?

Alba: Ok, volvemos a nuestro mapa de 36 resultados. ¿Qué combinaciones suman 6? Pues... (1,5), (2,4), (3,3), (4,2) y (5,1). Son 5 combinaciones.

Lucas: 5 casos favorables de un total de 36. Así que la probabilidad es 5 sobre 36. ¡Creo que lo pillo!

Alba: ¡Lo pillaste perfecto! El truco es siempre empezar por definir tu espacio muestral y luego contar los casos que te interesan.

Lucas: Vale, pero hay un tipo de problema que siempre me lía un poco. ¿Qué pasa cuando no devuelves el objeto? Como en el ejercicio de sacar bolillas de una bolsa sin reposición.

Alba: Ah, el famoso "sin reposición". Cambia las reglas del juego. Imagina que tienes seis bolillas numeradas del 1 al 6. Sacas una. ¿Cuál es la probabilidad de que sea par?

Lucas: Hay 3 números pares (2, 4, 6) de un total de 6 bolillas. Así que 3 de 6, un medio.

Alba: Perfecto. Pero ahora viene la parte clave: no devuelves esa bolilla. La dejas fuera. ¿Qué pasa si quieres sacar otra bolilla par?

Lucas: Pues... ya no quedan 6 bolillas, ahora solo hay 5. Y si la primera fue par, ahora solo quedan 2 bolillas pares. Así que la probabilidad sería 2 de 5.

Alba: ¡Ahí está la magia! La segunda extracción depende de lo que pasó en la primera. Son eventos dependientes. La probabilidad total de sacar dos pares seguidos sería un medio por dos quintos.

Lucas: ¡Qué diferencia! O sea que con reposición, los eventos son independientes. Sin reposición, son dependientes y el denominador... y a veces el numerador... cambian en cada paso.

Alba: Diste en el clavo. Siempre, siempre, fíjate si el problema dice "con reposición" o "sin reposición". Es la palabra clave que te dice si las probabilidades se mantienen constantes o van cambiando.

Lucas: Me gusta cómo esto se aplica a cosas más allá de dados y bolillas. He visto problemas con tablas de datos, como uno sobre una empresa con distintas áreas y niveles de estudio.

Alba: Sí, esos son súper comunes porque reflejan cómo se usa la probabilidad en la vida real. Imagina una tabla con empleados de Diseño, Programación y Ventas, y si tienen secundario completo, universitario incompleto o título universitario.

Lucas: Ok, digamos que hay 248 empleados en total. Si te piden la probabilidad de elegir a alguien del área de Programación al azar, ¿qué hago?

Alba: Simplemente cuentas. Sumas todos los empleados de Programación, que según el problema son 22 más 17 más 29, o sea, 68. La probabilidad es 68 de 248. ¡Y listo!

Lucas: Parece demasiado fácil. ¿Y si preguntan la probabilidad de que tenga título universitario?

Alba: Mismo procedimiento. Sumas a todos los que tienen título universitario, sin importar el área: 29 de Diseño, 29 de Programación y 25 de Ventas. Eso da un total de 83. La probabilidad es 83 sobre el total de 248.

Lucas: Vale. ¿Y si lo complican? Por ejemplo, "sabiendo que el empleado tiene título universitario, ¿cuál es la probabilidad de que sea del área de Ventas?"

Alba: ¡Esa es una pregunta de probabilidad condicional! La frase "sabiendo que" o "si se sabe que" es tu señal. Lo que hace es reducir tu universo. Ya no miras a los 248 empleados.

Lucas: ¡Ah! Ahora solo miro a los 83 que tienen título universitario.

Alba: ¡Exacto! Tu nuevo total, tu nuevo denominador, es 83. Y de esos 83, ¿cuántos son de Ventas? 25. Así que la probabilidad es 25 sobre 83. La probabilidad condicional es simplemente enfocar tu atención en un subgrupo específico.

Lucas: Hay otro tipo de problema que me confunde, el de "habla inglés O sabe computación". La palabra "o" me suena a sumar, pero sé que hay una trampa.

Alba: Es la trampa más clásica. Pensemos en un diagrama de Venn, con dos círculos que se cruzan. Uno es "habla inglés" y el otro es "sabe computación".

Lucas: Y la parte donde se cruzan son los que hacen las dos cosas, ¿no?

Alba: Exacto. El problema dice que el 41% habla inglés y el 54% sabe computación. Si simplemente sumas 41 más 54, te da 95%. Pero... el problema también dice que el 33% hace AMBAS cosas.

Lucas: ¡Claro! Si sumo los dos círculos completos, estoy contando a la gente del medio dos veces. Una vez con el grupo de inglés y otra con el de computación.

Alba: ¡Precisamente! Por eso, la fórmula para la unión de eventos, para ese "o", es: P(A o B) es igual a P(A) más P(B) menos P(A y B). Tienes que restar la intersección para no contarla doble.

Lucas: Entonces sería 41% más 54% menos el 33% que está en ambos. Eso da... 62%. Esa es la probabilidad de que un empleado reúna al menos una de las dos condiciones.

Alba: Lo tienes. Siempre que veas una "o" inclusiva, acuérdate de restar la intersección para que tus cuentas sean justas.

Lucas: Para terminar, hablemos de lo más intimidante: el Teorema de Bayes. Hay un problema clásico, el del test médico para una enfermedad, que siempre me vuela la cabeza.

Alba: Es mi favorito, porque demuestra lo poco intuitiva que puede ser la probabilidad. Digamos que un test detecta una enfermedad con un 92% de acierto si la tienes. Y detecta que estás sano con un 85% de acierto si no la tienes.

Lucas: Ok, parecen buenos números. Muy preciso.

Alba: Y ahora el dato clave: solo el 18% de la población tiene esa enfermedad. Ahora la pregunta del millón: si tu test da positivo, ¿cuál es la probabilidad de que realmente estés enfermo?

Lucas: Pues... si el test acierta el 92% de las veces, yo diría que la probabilidad es del 92%, ¿no?

Alba: Ese es el error que comete todo el mundo. Y es completamente lógico pensarlo. Pero la respuesta es... mucho más baja. Es aproximadamente del 62%.

Lucas: ¡¿Qué?! ¡¿Solo un 62%?! ¿Pero cómo? ¿Por qué tan bajo si el test es tan bueno?

Alba: Por los falsos positivos. Piensa en un grupo grande, digamos 1000 personas. El 18%, o sea 180, están enfermos. El resto, 820, están sanos. El test detectará correctamente al 92% de los 180 enfermos, que son unas 166 personas. Esos son los positivos verdaderos.

Lucas: Ok, hasta ahí bien.

Alba: Pero ahora mira a los 820 sanos. El test acierta con el 85%, pero se equivoca con el 15% restante. El 15% de 820 son 123 personas. ¡Son 123 personas sanas a las que el test les dará positivo! Son los falsos positivos.

Lucas: ¡Wow, son muchísimos!

Alba: Entonces, el total de gente con un test positivo es 166 (los enfermos de verdad) más 123 (los falsos positivos), que son 289 personas. De esas 289 personas que dieron positivo, ¿cuántas estaban realmente enfermas? Solo 166.

Lucas: Y 166 dividido entre 289 es... ah, claro, ¡ahí está! Alrededor de 0.57 o 57-62% según los decimales. Es increíble. El Teorema de Bayes nos obliga a considerar la probabilidad base de que algo ocurra, no solo la precisión del test.

Alba: Exactamente. Nos enseña que un resultado positivo en un test para una enfermedad rara no es una sentencia de muerte, sino una señal para investigar más. Y eso, Lucas, es el poder de entender la probabilidad más allá de las fórmulas. ¡Un concepto que cambia cómo vemos el mundo!

Lucas: Absolutamente. Y con esa revelación, creo que estamos listos para el siguiente tema.

Lucas: Y con esa idea clara, vamos al último punto de hoy, que sé que confunde a muchos: las opciones de estudio combinadas.

Alba: ¡Sí! A ver, usemos un ejemplo. Imagina dos amigas. ¿Qué significa que "una estudie un profesorado, y la otra, ciencias sociales"?

Lucas: Ok, eso suena bastante directo. Una elige una carrera y la segunda elige la otra. Intercambiables, pero son esas dos.

Alba: Exacto. Pero, ¿y si la condición es que "al menos una estudie ciencias sociales"? Ahí cambia todo.

Lucas: Uff, a ver... Eso podría significar que solo una lo haga... ¡o que las dos lo hagan! ¿Verdad?

Alba: ¡Justo ahí está la clave! "Al menos una" abre la puerta a que sean una o ambas. No lo limita.

Lucas: Entiendo. ¿Y la frase "a lo sumo una esté cursando un profesorado"?

Alba: Ese es el caso contrario. Significa que como máximo, una lo cursa. Puede ser una... o ninguna. Cero o uno.

Lucas: ¡Qué diferencia! Una pequeña palabra cambia todo el escenario.

Alba: Totalmente. Por eso es crucial leer bien las condiciones antes de tomar una decisión.

Lucas: Sin duda. Bueno, creo que fue un gran repaso por hoy, desde conceptos básicos hasta estos detalles. Gracias, Alba.

Alba: Un placer, como siempre. ¡Espero que les haya servido a todos para aclarar sus dudas! ¡Hasta la próxima!

Lucas: Gracias a ti. Y a ustedes, por escuchar Studyfi Podcast. ¡Nos oímos en el siguiente episodio!