RUBEN 8rJRTMAN DANiEl AVENBURG

bortman.ruben@gmaiLcom avenburg.daniel@gmaiLcom
~ O CUANTAS MANERAS?
(0)
UN ABrJROAJE
AL I\HLUIlHI'1i
YANALISIS DE CDMPlEJIDAD
AOVl'<UAJe INTUITIVO AL RAZONAMIENTO COMBINATORIO Y ANAuSIS DE COMPLEJIDAD
978987<<233631
ANTECEDENTES ACADEMICOS DE LOS AUTORES
SORTMAN. Ruben
Licenciado en Administraci6n, FCE fUEl
ProfAsor adjunlo de la II Catedra de To orie de 18 Decision FCEUBA Profesor
edjunto de Teorle de la Decisi6n de 18 Maestria ~ Organizacionai
ia Escuela de Guerra Naval. Ex Profesor de 1eoria de Decision en la
Profesor de Tearia de 18 Decision en 81
Posgl'ado Financiera la FCE/UBA. Investigador del Cen-
tro de Estudios Organizacionales. FCE - USA
AVENBURG, Daniel
Licenciado en Admillistraci{m, FCE tUBA (1983) . Profcsor titular intcrino y
de la II Catedra de Teoria de la Decision FCI::-UBA. Ex
de 13 Decision en curso de Doctarado la Universidad
N"c:ional de Rosario. Profesor de Racionalidad y Accion Humana en cl MBA
de la reCI:: de UBA. Profesor de Tearla de 13 Decision de la Maestrla
Direceion en la Escucla de Guerra Naval. Ex Prolesor
de Teoria de Decision en 18 Universidad de
de leorla de la Decision en MBA del Institulo de Buenos Aires
Proresor lilulsr de Teor!a de de
rnl11islra,cion Financiera FCEiUBA.
dios Organizacionales. FeE - UBA
Equipa de Trabaja Libra "i-De cuantas maneras?"
Autores: Bortman Ruben - Avenburg Daniel
Digitalizaci6n: Bartman Ruben
Diserjador de Tapa e Interior: Esteban Aurucei
Colaboradores: Ariel Sorin, Jose Forte.
1ra. Edicion
Ejemplares
Fecha de Pubiicacion: Marzo de
Queda 110Cho el deposito que marca la ley 11.723
LlBRO DE EDICION ARGENTINA
No permite la reproducei6n parcial 0 lotal, el almacenamiento, alquiler. la transmision 0 translorrnadan de este
libro, en cualquier forma 0 por cualquier medio. soa eleelronico mecanico, mediante fotocapias. digitalizaclon u atros
metodas, sin el permlso previo y cscrito del editor. Su infraccion esta penada par las leyes 11.723 Y 25.446
Esle libra S8 termino de imprimir on 01 mas de Marzo de 2007. en Malke. A.v. Cordoba 2210. Ciudad de Buenos Aires. Argentina
A Marily, Paula y Laura.
A Veronica, Andrea y Pablo,
AGRADECIMIENTOS
Alos orofesoresdeTeorfa de la Decision FeE-UBA
Yen
Alos orofesores FedericoMarcoyAriel
Alas docentes
Daniela Marcelo
Romina Tomelleri yNicolasVainstein.
i
INDrCE
PROLOGO
ANTES QUE NADA.ee
"eLA REALlDAD
PRESENTACION Y OBJETIVOS
PUNTO DE PARTIDA
AMPLIANDO EL HORIZONTE
INTRODUCCION ALANALlSIS DE COMPLEJIDAD
11- LA VARI EDAD MAXIMA
III - LA VARIEDAD RESTRINGIDA
IV LA VARIEDAD RESTRINGIDA CON EXCEPCIONES
V - LA VARIEDAD BINARIA
VI - INCERTIDUMBRE Y ENTROPIA
VII RELACION ENTRE VARIEDAD Y ENTROPIA
VIII - RELACION ENTRE VARIEDAD BINARIA Y ENTROPIA
IX - RELACION ENTRE VARIEDAD, VARIEDAD BINARIA Y ENTROPIA
Page
11
14
16
25
25
27
32
41
59
93
102
123
137
139
141
11
x-APLICACIONESALDESARROLLO DEL RAZONAMIE.NTO
COMBINATORIOYLA ABSTRACCION 145
Aplicaciones ala determinaci6ndeelementos de la decision
- Aplicaciones al calculo de probabilidades
- Aplicaciones al calculo del numeroescenanos
- Aplicaciones al calculo del numerodealternativas
Aplicacionesala superaci6n desesgoscognltivos
Apllcaciones en la complejidad de casos reales
145
162
168
174
'187
XI- RAZONAMIENTO COMBINATORIO EN ELPROCESO EDUCATIVO 195
XII RELACION CON LAHEURISTICADE LOS SESGOS 203
XIII - GQUE ES LATEORIADE LA DECISION? 221
APENDICE 227
CITAS BIBLIOGRAFICAS 245
BIBLIOGRAFIACONSULTADA 247
PROLOGO
La obra que se presenta recoge la larga experiencia de destacados
academicos de la disciplina de la decision: Ruben Bartman y Daniel
Avenburg.
Es fundamental al encararcualquierdecision, analizarel tipo de mundo-
universo alos que se refiere la decision en cuestion, para determinarlos
dislintos metodos aplicables y que sean adeeuados para sus propias
caracteristicas.
Debemos estructurar ese mundo, con metodologias comunes y
sistematizadas. La ideaesmodelizarysimplificarparacomprendermejor.
Este ejercicio nos facilitara la comprension del mundo que rodea las
distintas situaciones de decision. En ese ejercicio, uno de los primeros
elementos aconsiderares la complejidad de ese universo. Universo que
tendril asociada una incertidumbre relativa, que dara el sentido a la
problematicadeldecidir.
EI analisisde la complejidad es fundamental en el procesodecisorio para
determinar los escenarios posibles que puede tomar el universo bajo
decision, reconocer sus posibles comportamientos, y asi identificar
variables, alternativas, etc. Asi se validaran la metodologia y las
herramientas.
Los autores lograron a traves de esta obra reunir todos los elementos
It') necesariospara queellectorpuedacomprenderel verdaderosignificado
I
deesa complejidad, su mediciony10 quees mas impoliantesu aplicacion
en ejemplos variados, paradigmaticos, completos, y claramente
explicitados.
Unodelosvaloresmasimportantedeestetrabajoeslaclaridadconlaque
sedesarrollan losdistintostemas.Temasquenosondesimpleabordajey
que seguramente merecieron un trabajo adicional para poder lograr esa
sencillezen la exposicion.Yquepermitiranelfaeil manejoporloslectores,
en sus distintoscapitulos ademas del apendice incorporado, quesera de
mayorutilidadparalosquenoseanalumnosuniversitarios.
12
De este texto se desprende un conocimiento y trabajo profunda, as! como
una reflexion constante y marcada en cada item desarrollado, dignos de
profesionales serios y responsables como 10 son los autores.
Nadie discute ya, que la forma de adquirir conocimiento no queda limitada
a la raz6n sino que la experiencia de los individuos desencadena procesos
internos a traves de la percepcion, las impresiones, las sensaciones, !a
intuicion, etcetera, que afectan la valoracion de alternativas y la eleccion
de cursos de accion, ademas a los propios mecanismos neuron ales
personales de cad a serhumano.
Esto ultimo tam bien es tratado par los autores al considerar los distintos
sesgos cognitivos, extendiendo eJ modelo "racional de decision" a la
situaci6n emocional del decisor.
Siento la necesidad de agradecer a los autores el haberme permitido
prologar esta obra, ademas de destacar el profunda carino que me une a
elias: can Ruben Bartman desde sus inicios como Profesor en la materia
de Teorfa de la Decision de nuestra entranable Facultad de Ciencias
Economicas, y con DanielAvenburg, quien fuera primero alumna, luego un
destacado profesor, para ser ahara un querido colega.
No puedo flnalizar sin mencionar a nuestro mentor, "el maestro" de Teoria
de la Decision, Pedro Pavesi, quien se enorgulleceria par este excelente
trabajo.
Ora. Patricia Bonatti
Directora del Departamento deAdministracion FeE-UBA
Profesora titular (i) de Teoria de la Decisi6n
ANTES QUE NADA ""'
Suponga usted que se encuentra en una reuni6n junto a otras 39
personas a las que no conoce en absoluto nl se conocen entre si
De pronto, una de elias lanza un reto curiosa:
-Apuesto $100 a quien quiera que aquf hay por /0 menos dos personas
que cumplen alios el mismo dfa-
Frente al desafio, es posible que usted adopte una de las siguientes
conductas:
a) Ignora el asunto por completo pues no Ie interesa en sentido alguno.
b) Siente alguna inclinacion por los juegos de azar y por 10 tanto el
asunto Ie provoca intens. Ademas su percepcion Ie indica que sus
chances de hacerse de $100 son bastantes buenas si apuesta a que
no habra tal coincidencia.
c) Desde una mentalidad mas orientada a los negocios, y por 10 tanto
acostumbrada a tomar 0 no riesgos, piensa que tal vez no sea mala
idea participar. Se pregunta si, como tal, "el negocio" es equitativo en el
sentido de que el pago resulta proporcionado can los riesgos que
corren las partes intervinientes.
Usted se considera una persona racional. Eso no significa que
crea que los demas no 10 son, sino que se ve a sl mismo como
14
15

ien que, en particular, siempre trata de analizar los
problemas en la forma mas objetiva posible, cuando las
circunstancias 10 permiten. (Ademas usted es tan objetivo
objetivamente, se da cuenta que muchas veces --incluso para usted- no
hay forma de escapar a las apreciaciones subjetivas) Por 10 tanto trata
analizar el desafio friamente para evaluar si objetivamente Ie
conviene 0 no
A usted no Ie interesa para nada la apuesta como tal, pero, como
amante de acertijos y los desafios mentales, se siente atraido por el
problema en si y sabe que seguramente existen procedimientos
permitirian calcular la probabilidad de que la conjetura lanzada se

aun, tlene alguna idea de cuales son esas herramientas, pues
alguna vez las ha visto pero no segura 0 no recuerda como se
aplicaban. 0 recuerda que su aplicacion Ie resultaba complicada.
f) Usted esta estudiando un tema, 0 una materia que tiene algunos
de vinculacion con estas cuestiones y necesita alguna forma de
abordarlas que Ie facilite un acceso mas intuitivo a su
Tambien puede ocurrir que usted se total 0 parcialmente
con mas de una de las descripciones b) a e)
Excepto para quienes se posicionen en a), en el resto de los casas es
posible que Ie interese leer este
mayoria de las personas se asombran al enterarse que la
probabilidad de que al menos haya dos de las 40 personas que
anos el mismo dia es de casi i el 90% !. De hecho, es
posible que en realidad dentro del grupo haya 3 0 4 pares de personas
que muestren esa aparentemente rara coincidencia.
L6gieamente, en su momenta justiflearemos estas afirmaciones. Y
comprobaremos que la cuesti6n no es una azarosa
"coincidencia" y menos aun
EI "jueguito" no era nada equitativo (par favar ahara no abusar los
amigos) y quien lanz6 el desafio tenia cas! el 90% de alzarse can los
$100, con un riesgo nada propolcionado (10(1'0) de perder
La realidad muchas veces nos presenta situaeiones como la
ejemplificada, en la que nuestra apreciacion 5e ve afectada no solo
visiones personales subjetivas que difieren del hecho objetivo
(simplemente parque no 10 vemos), sino tambien porque estas se
encuentran potenciadas por la falta 0 desconocimiento de instrumentos
faciliten la lectura e interpretacion.
este caso, ademas de los sesgos psicologicos que afectan a un
porcentaje de las personas en la lectura de probabilidades
(sesgos a los que aludiremos durante el desarrollo), esta subyacente
una dificultad basica en el lIamado razonamiento combinatorio que
sirve de soporte para la medici6n de la aleatoriedad 0 calculo de
probabilidades.
el ejemplo aludido, esa dificultad Ileva a estimar subjetivamente
como muy baja una probabilidad que objetivamente es muy
de conacer el dato real no nos garantiza el resultado Sl
apostamos, pero nos ayuda mucha a tamar la decisi6n apostar 0 no.
De cualquier modo, y a la larga, quien apueste par la coincidencia
ganara en 9 de cada 10 veces aue juegue.
Desde luego que la realidad es muy compleja y aun porciones muy
pequenas de la realidad, como el problema comentado, se nos
presenta con formatos que intrincan las pocas variables intervinientes
en una trama que presenta disfraces 0 compliea su anal isis.
A veces pienso que la prueba mas fehaciente de que existe vida inteligente en el universe es
16 __ 12a (1958=2LAutor de comics.
Una nueva cuenta de e-mail nos requiere componer una clave de
acceso con un minima de 5 y un maximo de 8 digitos alfanumericos.
Tenemos 5 camisas, 3 pantalones y 3 pares de zapatos. Un
restaurante nos ofrece elegir 1 de 10 entradas, 1 de 20 platos
principales y 1 de 5 postres. Debemos cumplimentar 10 tareas de un
proceso y disponemos de 4 operarios para ejecutarlas'GDe
cuantas maneras distintas podemos componer la clave, elegir c6mo
vestirnos, armar nuestro menu 0 asignar los operarios?
Cuando asi sucede, es una picardia no echar mana a herramientas que
existen, no son tan dif.lciles y podrian auxiliarnos.
Este trabajo tiene por objeto examinar algunas de esas herramientas y
presentarlas de un modo simple, didactico, desacartonado e
de tal manera que ademas cumplan la finalidad superior de servir en el
entrenamiento del razonamiento combinatorio, del anal isis de la
complejidad de ciertos fracciones de realidad y de la capacidad de
abstracci6n.
Para adentrarnos en el tema, comencemos por reflexionar sobre la
realidad.
... LA REALI DAD
Raramente nos ponemos a filosofar -al menos interna y
cotidianamente- sobre 10 complicado que es el mundo. Mas comun es
encontrarnos cavilando sobre 10 dificil de una situaci6n, las
complejidades y variantes que nos presenta un problema 0 sobre la
forma de destrabar un acertijo que no nos deja dormir.
Son estos, de todas formas, universos parciales y acotados de la
realidad en general que nos circunda como contexto. A decir verdad,
nosotros tambien integramos la realidad y en ocasiones nos
\

Nada perece en elUniverso; todo cuanto acontece en 81 no pasa de meras transformaciones
Pitag Fi16sofQ.._Lrr1.atem _____________________!Z
resolvemos a operar sobre ella de tal forma que los acontecimientos
adopten un estado de cosas cercanos a nuestros objetivos. Esto es 10
que hacemos durante la vida para alcanzar fines mas inmediatos que,
a su vez son medios para otros ulteriores, y estos a su vez para otros
siguientes cada vez mas pr6ximos a los valores finales que nos
animan.
De todos modos, accedemos a la realidad a traves de l1uestros
sentidos y as! la percibimos como "todo 10 que esta afuera de
nosotros", es decir como contexto que debemos entender para
aprehenderlo y poder operar sobre el.
Esa necesidad de entender y operar sobre la realidad nos Ileva a
comenzar este trabajo con algunas ideas vinculadas con la forma de
metodizar su analisis y as! simplificar los procedimientos que permiten
abordar su complejidad.
'/
La lectura de la realidad -en el sentido de su interpretaci6n- es
compleja por diversas razones. Simplificando mucho, aludiremos aqu! a
dos de elias por considerarlas impoliantes y porque se vinculan con el
desarrollo de este trabajo .
A) La realidad objetiva
En primer lugar, la realidad, encerrando en este concepto el todo - el
mundo, las situaciones, las cosas, 10 material y 10 inmaterial, la ideas-,
es compleja porque desde una perspectiva sistemica resulta de la
interacci6n de multiples - Ginfinitas? - variables que evolucionan, se
relacionan entre si 0 dejan de hacerlo, y asi presentan
comportamientos en el decurso del tiempo. EI conjunto de todos los
comportamientos de todas las variables intervinientes en un momenta
determinado configura la realidad de ese momenta en particular.
18
19
Haydoscosas infinitas el UrilversoVla estupidez humana. Ydel Universono estoyseguro.
Independientemente de la discusion filosofica acerca de si el
es objetivamente aleatorio e incierto 0 es deterministico Y su
incertidumbre puramente subjetiva (Dios no juega a los dados,
Einstein para abonar esta liltima concepcion segun la cual universo no
es aleatorio ysolo debido a los limites de nuestra racionalidad es que
no podemos ver su determinismo), 10 cierto es que a nosotros, seres
humanos de carne y hueso, en el actual estadio de evolucion de la
especie ymas alia de como el universosea, la realidad yel devenirse
nos presentan como inciertos y con esa limitacion debemos vivir y
actuar. Si el Universo no es incierto, a todos los efectos y para
nosotros, es como si 10 fuese.
(1)
No obstante que la realidad aveces nos parezca caotica, 10 cierto es
-al menos por ahora- no 10 es totalmente porque a pesar del
inconmensurable numero de variables e interacciones posibles entre
elias, existen reglas, patrones, rigidez en algunas estructuras, leyes
Ie aportan un cierto grado de
YCOil toda Sll hermosura es Ull caosparael hombre sill fe.
Esa porcionde orden tlenedosefectos concretos:
cornprobarquetodavia no Ilegamos al caos total, situaci6n en la que
"
el toda la energia necesaria para sostener el orden se el orden
no existe, no hay normas ni restricciones, todas las variables y sus
/
comportamientos posibles adquieren IIbertad total y nada puede
diferenciarse nada: la oscuridad total yfinaL No asustarse, somos
optimistas, creemosquetodavra falta un poco para eso.
')
1 la existencia de algun grado de orden permite tambien grado
de predictibilidad en cuanto al comportamiento de la 10 cual
alguna reducci6n en el arado de aleatoriedad y en la
incertidumbresobre el devenir.
No obstante, esa debe ser entendida con un poco mas
precision.
Para ello, siguiendo las denominaciones Pavesi*
podemos describir la realidad en tres dociles, los
esquivosy los mundos rebeldes.
1) Algunos mundos son d6ciles, algo ordenados, relativamente
obedientesy estables. Son mundosmas cerradosen el sentido que sus
comportamientos son poco variados y puede conocerse de antemano
cuantos son.
maquina produce una pieza determinada a razon de 50 unidades
por h ~ r a Pueden ser 52 0 49 pero el rango de comportamiento es
sumamente acotado.
lecturas sobre algunos practicos decidir"
20
21
Estos mundos d6ciles son en general los mundos operativos. Sus
rangos de libertad son reducidos,
Sus variables tienden a ser facilmente cuantificables, su
comportamiento es matematizable porque exhiben cualidades simllares
a las caracterfsticas de distintas algebras. Y por ello es un error no
valernos de tal herramienta siendo ello posible.
Estos mundos son esencialmente "objetivos". Dan escaso lugar a una
brecha de percepcion, se prestan a la experimentaci6n y a la aplicacion
del metodo cientffico. particularmente en estos mundos que
aplicables los procedimientos del razonamiento combinatorio.
2) Los mundos esquivos, intermedios entre los d6ciles y los rebeldes,
son los mundos mas comunes en los niveles tacticos. Su caracterfstica
basica es que no son tan matematizables, esquivan los numeros y son
mas verbales. Ya no son tan cerrados como los d6ciles, son semi-
abiertos. Son mundos con una alta proporci6n de subjetividad,
mezclan variables cuantificables con variables que no 10 son.
estos mundos verbales existen aun bastantes estructuras
capturables por el lenguaje y aparecen zonas parcialmente
matematizables que deben aprovecharse debidamente.
3) Los mundos rebeldes son los mundos estrategicos. Son totalmente
inciertos porque dependen fundamentalmente del comportamiento de
otros (competidores, contrincantes, contrarios, adversarios, enemigos),
Son dificilmente predecibles porque les podemos atribuir gran cantidad
de comportamientos posibles.
Son mundos ablertos en los que siempre pueden aparecer elementos
nuevos e insospechados. La incertidumbre es alta, la duda es fuerte.
Para hacer una tarta de manzana primero lienes que crear un universQ,
Si se logra reducir la incertidumbre conviniendo 0 imponiendo
restricciones y Ifmites, nunca estaremos seguros que los mismos se
mantendn.'ln. Pero, quizas, aparece algun aspecto d6dl que nos pennite
alguna forma de modelizacion.
De alii la respectivamente creciente dificultad de "leer", interpretar,
describir y predecir la realidad en cada uno de estos
La realidad subjetiva
En segundo lugar, mas alia de la conformacion que objetivamente
tenga la realidad, resulta sabido, conocido, todos 10 experimentarnos,
que hay otra realidad de naturaleza subjetiva. la realidad tal como
cada uno la percibe, desde sus pautas culturales, su escala de valores,
sus creencias, sus convicciones, sus conocimientos (y sus defectos de
conocimientos), sus prejulcios, sus sesgos psicologicos, su vision del
y el contexte normativo-social en que se desenvuelve, y
espedalmente, desde los limites de la racionalidad a los que se refiriera
Simon*.
A partir de reconocer esto, no es dificil pensar --10 vemos
habitualmente- que la misma realidad objetiva puede ser "Ieida" de
manera distinta por diferentes personas. Es la realidad percibida. Y es
la realidad sobre la cual se basan los decisores: hombres y J11ujeres
subjetivos, aunque tengan "vocacion de objetividad".
Frente a dicha "vocacion de objetividad" debe tenerse presente que:
a) existen mundos dociles) que resultan mas directamente
objetivables.
*Herbert Simon. EI comportamiento Administrativo(3)
22
sten mundos (los esquivos) cuya objetivaci6n se ve facilitada si se
teenicas 0 modelos apropiados.
que
los
objetivo de este trabajo, sus ideas y esta a
las descripciones a) y b).
Sintetizando las dos razones expuestas, concluimos que la realldad es
cornpleja porque objetivamente 10 es, porque por ariadidura recibe la
percepcion de nuestra subjetividad y ademas se potencia frente a la
de que existe una
Desde luego, yes facil de imaginar, que
en el caso de los "mundos
Lo cierto es que en esa y tal como la es
que vivimos. Can ella debemos IIdiar, actuar,
modificarla para alcanzar nuestros m6viles y
aspiraciones como individuos.
tamar conciencia de la existencia de esa brecha, podemos pensar
resultarfa adecuado, al menos en una buena medida, encontrar
que nos permitan estrecharla y asi evitar los defectos y
errores en nuestras acciones originados en lecturas subjetivas de una
2J
Sin embargo, la cuestion no es tan simple, y
"mundos , mas cerrados, en los que mtervlenen menos
variables (y cada una de elias con menos comportamientos), can mas
rigidez estructural y orden, se presentan dificultades.
Segun investigaciones del campo de la psicologia pedag6gica a las
que aludiremos dUrante el desarrollo del trabajo, ha podido
comprobarse la presencia de un problema bastante generalizado que
obedece al deficit, 0 la falta, 0 a fallas en la didactica de su
las tecnicas y procedimientos inductivas del
en las etapas del proceso educativo de las
y las
causas slgnlTlcativas de algunas de las
de una realidad 0, como diremos a o
escenario determinado.
Este defecto se manifiesta en la imposibilidad practica de poder
recontar correctamente el nurnero de cornportamientos que un sistema,
aun relativamente poco complejo, puede presentar y
consecuentemente se trasunta en inconvenientes para procesar
cualquier construcci6n que requiera de dichds datos eficient2mente
deterrninados.
en la toma de decisiones puede afectar el recuento de las
los escenarios factibles y sus respectivas
los resultados que para cad a
presentar.
r otra parte, y debido al el razonamiento
combinatorio juega en el calculo de
rlofOf"tl"\ da
24
25
Las matematicas son el alfabeto con el cual Dios ha escrito el Universo.
origen a una parte de los sesgos psicologicos-cognitivos que afectan a
un porcentaje muy significativo de personas, segun los resultados
de las investigaciones hoy universal mente aceptadas de Daniel
Kahneman y Amos Tversky*.
En el presente trabajo se ha buscado resenar, a partir de largas
experiencias propias realizadas en el ambito docente, algunos
mecanismos que faciliten el acceso a los procedimientos necesarios
para mejorar la captacion de la complejidad de un sistema desde un
abordaje intuitivamente perceptible, con simplicidad de lenguaje y
economia de "jerga" tecnica, asi como ejemplos claros, desarrollados y
entretenidos.
Muchos de esos ejemplos se basan en "cosas" -ahara diremos
sistemas- comunes y aparentemente triviales. Algunos se apoyan en
casos conocidos para las amantes de las acertijos y los desafios de la
mente.
Presentamos este trabajo can dos aspiraciones.
de elias es que pueda resultar de utilidad a los estudiantes que
cursan materias en las cuales el analisis de complejidad, el calculo
combinatorio y de probabilidades, as! como el enfoque de variedad
forma parte de los programas. A elias sugerimos una lectura integral
como paso previa a su profundizacion con los text os especificos y mas
rigurosamente matematicos sabre el tema.
*Incidentalmente, dedicaremos a Daniel Kahneman - Premio Nobel
Economfa 2002-, Amos Tversky, Paul Siovic, Richard Thaler y sus
continuadores un capitulo de este libro, en virtud de la influencia que sus
investigaciones descriptivas tienen en la comprension de algunos aspectos
relacionados con nuestro tema.
La otra es que tambien pueda interesar a las personas que, aun sin
una base matematica 0 can la que alguna vez se conocio pero no 5e
recuerda, aqui puedan encontrar algunas formas entretenidas
favorecer y ejercitar el razonamiento combinatorio y la capacidad de
abstraccion, conociendo ademas su rol importante para interpretar la
realidad. A ellos les sugerimos dirigirse directamente a los puntas de
aplicacion practica (II a X). Eventualmente, si es de su gusto e interes,
pueden luego complementar can la lectura de la introduccion
marco teorico (I), y tambien los puntas que amplian sobre el
razonamiento combinatorio en la educacion (XI) y los sesgos cognitivos
(XII), mas una slntesis sobre los contenidos de la Teorfa de la Decision
Sobre el final, se agrega un pequeno Apendice can comentarios
auxiliares y elementales relacionados con las formulas combinatorias,
los logaritmos y el calculo de probabilidades.
PRESENTACION Y OBJETIVO
PUNTO PARTIDA
Si bien surge como un intento de desalmidonar y bajar a un lenguaje
mas coloquial un tema que, las investigaciones 10 comprueban, se
muestra esquivo para la generalidad de las personas con formacion
media y aun superior, 10 cierto es que el presente trabajo es producto
de nuestra experiencia docente en la materia Teoria de la Decision,
dictada regularmente y desde hace anos en cursos de grado y
posgrado de la Facultad de Ciencias Economicas de la Universidad de
Buenos Aires, as! como en otras instituciones educativas.
Nuestra formacion espedfica no se relaciona tanto con el objeto de
este trabajo sino mas can la Administracion y desde ella con la
problematica de los procesos decisorios. De hecho, en nuestros
26
27
Seria muy Simpatico que eXisliera DIOS, que hubiese creado el mundo y fuese una benevolente
providencia que existieran un orden moral en el y una vida futura; pero es un hecho muy
sorprendente el que tad a esto sea exaciamente 10 que nosotros nos sentimos ablioados a desear
comienzos docentes debimos ahondar en el tema por la sencilla razon
de que formaba -y forma- parte del programa de 18 materia a dictar.
bien a 1a hora de exponerlo ello puede considerarse una limitante,
comparando con el grado de profundidad que Ie pueden irnprirnir al
quienes se hayan formado especificamente en el carnpo de las
mateIT1aticas - especialmente discretas"', la estadistica y el calculo de
probabilidades, resulta al rnismo tiernpo un factor que favorece la
posibilidad de desarrollarlo desde una vision rnas externa, menos
sujeta al rigor maternatico y desde la perspectiva de quien debe
encararlo mas intuitiva que tecnicarnente.
Por otra parte, esa forma de abordaje es el proposito principal de esta
iniciativa que, sin perjuicio de ello puede, y en el caso de los cursantes
vez debe, ser cornplementada con la abundante literatura en la cual
el tema esta contenido desde una vision rnas rigurosamente cientffica.
l,Cual la razon que movilizo la idea de generar este trabajo?
A 10 largo de los anos en el ejercicio docente hemos percibido ciertas
dificultades en una parte proporcionalmente significativa de los alumnos
de cursa regular y algo rnas pronunciadas en las personas en general
con formacion media 0 superior, en cuanto a la captacion y
posibilidades de aplicacion de las nociones de complejidad, variedad,
cornbinatorio y rnecanismos de recuento en general.
Este deficit, como veremos rnas adelallte, no es un simple defecto de
formaclon sin Illuchas implicancias concretas. La observacion de esta
falencia nos lIevo no solo a mayores esfuerzos en el analisis sino a una
busqueda -muchas veces por prueba y error- de mecanisrnos mas
adecuados en la forma de abordar e impartir estas tecnicas.
EI secreto de mi universo es s610 imaginar a Dios sin ia inrnortalldad del hombre.
En ese proceso investigacion de metodos aptos para
conceptos, los resultados fueron mejorando a partir cuatro ideas
basicas: a) reforzar las formas de captacion intuitivas, desplegar las
tecnicas sobre la base de ejernplos conocidos y cotidianos, que
ser redescubiertos desde esta perspectiva, de rnodo tal que el esfuerzo
pueda concentrase en el fonda del asunto sin necesidad de entender
previamente el rnarco de aplicacion, c) par la rnisma razon
"descornplicar" el lenguaje de comunicacion y d) hacer que resulte 10
mas entretenido, ludico y motivador
Junto al mejorarniento de los resultados, a partir de esos cuatro
principios y del cambio en la modalidad de transrnision, tambien se
verificando el interes de otros docentes de la materia para que el tema,
en particular, fuese irnpartido en sus respectivos cursos siguiendo este
enfoque.
AMPLIANDO HORIZONTE
Desde luego, el trabajo que nos disponemos a desarrollar es una
consecuencia de tal experiencia y se basa en los cuatro lineamientos
acabamos de comentar.
Algunos de los ejernplos que presentaremos, a los que se refiere b) ya
fueron incluidos en anteriores publicaciones orientadas
especfficarnente a los cursantes. Esos casos han side replanteados
para que, junto a los restantes que integran este trabajo puedan ser
abordados por los lectores en general desde una perspectiva distinta y
"amigable".
Vale la pena aclarar que el tema, en el contexto de la Teoria de la
Decision, cumple un rol rnas bien instrumental y auxiliar. Es decir que
no integra el conjunto de los conceptos base que conforman y dan
autonorno a esa disciplina teorica, formal, normativa, prescriptiva,
Las Maternaticaspueden serdefinidascorno aquelterna en el cual ni sabernos nunca 10 que
28 _________ __ rtrand RusseII ill?2-:J1l1Q2
metodologica y fuertemente orientada a respetar la subjetividad y ia
vision del mundode cada decidorquees la TD.
Sin embargo, que el papel de este tema en la materia no sea central
sino mas bien el de una herramienta, no quiere decir que sea poco
importante. Es una herramienta, si, pero cumple un rol si9nificativo.
La Justificacion de nuestra conviccion en tal sentido la exponemos en
el Capitulo XIII, con una breve explicacion sobre los contenidos de la
Teoria de la Decision, que puede ser de utilidad a los alumnos
cursantes 0 aquienespuedan interesarseen ella.
En realidad, poco despues de comenzar a percibir la dificultad de los
cursantes frente al tema, sin razon aparente, lIamativa en jovenes bien
formados -incluso en las disciplinas de naturaleza matematicas-
posicionados en la etapa final de sus carreras de grado y sin
dificultades para el tratamiento del resto de la materia -y de las
materias en general-, nuestra apreciacion de la presencia de este
problema se extendio hacia las personas en general. Aun a aquellas
incluidas dentro de un razonablemente buen nivel de formacion
secundaria, terciariayuniversitaria.
Como consecuencia, al tomarconciencia de esta percepcion, iniciamos
alguna recopilacion entre los autores especializados del ambito de la
psicologia pedagogico-educativa con investigaciones y conclusiones
quefundamentan la necesidad de un replanteoy revalorizacion de esta
tematica en los programas educativos. Tales conclusiones son
comentadasen el ya mencionado punto XI.
Finalmente, en razon de la argumentacion ensayada previamente
presentamoseste desarrollo con dosfinalidades. La primera de elias es
quepueda resultarde utilidad para los alumnosquecursan Teoria de
)
'\
Hay dosforrnas de verla vida. una es no creeren los rnilagros.
La otra es creeraue _____ 29
la Decision u otras materias en las que el Analisis de Complejidad
forma parte de sus prograrnas 0 cumple un rol complementario,
facilitando su abordaje a partir de la experiencia relatada por los
autores. Para quienes se encuentran en dicha situacion aparece como
recomendable la lectura integral del trabajo, como paso hacia otros
enfoques masformales.
La segunda es que tambien logre interesaraquienes, sin necesidadde
cursar nada ni rendir materias, encuentren en el una forma de
entretenimiento ligeramente intelectual, favorecedor del entrenamiento
en la abstraccion, en la modelizacion, en el razonamiento relacional y
en la lectura de ciertas "complejidades" de la realidad en las que
frecuentemente no se piensa 0 para las cuales no se tienen a mano
herramientas de interpretacion. Entre elias, quizas resulten
beneficiados algunos de los aficionados a los acertijos y los lIamados
"desaffos de la mente". A quienes se encuentran en este grupo no Ie
recomendamos nada. Solo que elijan los capftulos que les apetezcan,
expresando nuestro deseode que les sea util y, si pueden, se diviertan.
31
EI espirilu goblerna el UIl!Verso.
I INTRODUCCION AL ANALISIS DE COMPLEJIDAD
Debido a la diversidad en los enfoques sobre el tratamiento de la
resulta necesario aclarar cual es el marco analltico que
aplicaremos en este trabajo. Nos basaremos en un enfoque sistemico
poder ver nuestro objeto de interes como un sistema. Desde dicho
enfoque entenderemos al analisis de complejidad de un sistema como
el recuento de los comportamientos que dicho sistema puede
grado de complejidad de un universo (0 un sistema) se determina a
partir del numero de comportamientos que dicho sistema puede
y depende del numero de variables que 10 integran, del numero de
comportamientos que cada una de elias pueda presentar y de la
estructura de su interrelaci6n. (4)
a)
complejidad b) valores, nlveles () grados que puede
{
c) relaciones entre variables y sus valores
Las variables y las relaciones entre las mismas conforman la estructura
de un universo 0 sistema determinado. Los valores 0 niveles 0 grados
de las variables, hacen a su comportamiento. Ambos aspectos
indudablemente interrelacionados, hacen a la complejidad.
Por ejemplo, podemos analizar a un semaforo como sistema. Dicho
sistema tiene 3 variables (tres luces) que pueden presentar dos
comportamientos 0 estados cada una de elias (encendida 0 apagada).
32
Un diccionario as un universoen orden alfabetlco.
,I
De acuerdo a ello, este sistema puede mostrar los siguientes
comportamientos: rajo - verde- amarillo- raj 0, verde raj0,
amarillo, verde- rojo, amarilloyverde- ninauna luzencendida.
Son, en definitiva, las 8formas que puede presentar este sistema.
embargo, en la pn3ctica, algunos de dichos comportamientos estan
vedados (p,ej, rajo,verde, ambas luces juntas). Son restricciones.
Debido a la presencia de restricciones (en este caso convencionales)
dan mayor rigidez a la estructura, algunos de esos
comportamientosquedandescartados(restringidos),
concepto de complejidad recae sobre dos formas posibles de
entenderla complejidad: a) La complejidad estructural, quese refiere
a los elementos del universe y a sus relaciones. La complejidad
estructural es medida porun parametraal que denominamosvariedad.
COMPLEJIDAD
ESTRUCTURAL
VARIABLES
+
ESTADOS
+
RESTRICCIONES
-
-
1
VARIEDAD
COMPLEJIDAD
FUNCIONAL
VARIABLES
+
ESTADOS
+
RESTRICCIONES
+
PROPENSIONASUCEDER
-
-
-L
ENTROPIA
49
PATENTES
Analicemosun nuevo ejemplo.
II=J!1l.rilI
EI antiguo sistema de patentes de los autom6viles en Argentina tenia
una basejurisdiccional mediante una letra que identificaba a cada una
de las 24 provincias en las que el vehiculo estaba empadronado (en
realidad 23 provincias mas Capital Federal). A continuaci6n se
ernpleaban 7 digitos numericos del 0 al 9. AI momenta de realizarse el
cambio en el sistema (ano 1994) solo 2jurisdicciones (Prov. de Buenos
Airesy Cap. Fed.) superaban el mil16n de vehiculos empadronados (en
realidad BuenosAires superaba los dos millones). As! considerado, el
antiguo sistematenia una determinada capacidad potencial- variedad-
maxima.
EI actual sistema, como sabemos, no es jurisdiccional y se conforma
con tresdigitosalfabeticosy tres dfgitosnumericos.
Prescindiendo de la utilizaci6n real alcanzada por ambos sistemas
Gcual delosdostendra unavariedadte6rica mayor?
Es curiosa comprobar que, frente a esta pregunta la mayor parte de la
gente cree que el nuevo sistema tiene una mayor variedad. Esta
respuesta -err6nea- puede explicarse en parte debido a la dificultad
general de "leer" la complejidad de los sistemas y en parte debido al
sesgoderepresentaci6n descriptoporKahnemanyTversky (verXII).
Calculemosla variedad te6rica maximadel antiguosistema:
011111111
50 51
Nde variables: 8, una elias con y 7 restantes con 1 0
estados cada una.
10
1
w= 240.000,
'k
La variedad real era, por provincia, de 10
1
, pero
las iurisdicciones que no 10 necesitaban no eran
Ahora el nuevo sistema:
[IT] ITO
N de variables: 6, can 26 (la fi no se utiliza) cad a una de las
tres primeras y 10 para cada una de las restantes.
10
3
w 17.576,000
Como puede e! sistema tenia una variedad teorica
maxima mas que el actual.
un de personas piensa - "siente" - 10
Un
revela
que las personas
a la
necesidad de encontrar
crecimiento del
nuevo
sistema responde a esa
tener
mas capacidad
Como se advierte, un8 lectura e r r m ~ a basada en un sesgo de
apreci8cion, a 10 eual contribuye la dificultad de procesar datos
relativarnente por defecto en 18 capacidad de analisis.
Incidentalmente, el parque de la Provincia de Buenos Aires estaba en
alrededor de 2 millones 2,xxx.xxx) cuando se carnbio el sistema. Si
asumimos que el crecimiento del parque guarda correlacion directa Gon
la densidad poblacional (aunque tambien con otras variables,
debieramos inferir que la capacidad total
del sistema en 18 jurisdiccion (10.000000) tenderia a
cuando la poblacion se quintuplicara, cosa que con el
crecimiento de la ultirna decada esta rnuy lejos de ocurrir.
el cambio de sistema de patentamiento se debio a
con mayor sfntesis en el
y liberar patentes "vacfas"
(autos que ya de procesamiento, lectura y
recordacion, para cobrar un arancel por el tramite de
cambio, etc.
Pero no a la necesidad de mayor capacidad, que de todos modos
podia alcanzarse can la incorporacion de una variable
como se hizo 31 pasar de 6 a 7 variables numericas.
Por otra parte, con el nuevo sistema se perdio el item de informacion
sobre la jurisdiccion del vehiculo. De haberse pretendido
por ejemplo haciendo que la primera de las tres letras identificara la
jurisdiccion (provincia), entonces la variedad hubiese sido:
W 24
1
26
2
10
3
= 16.224.000
o sea que se habrfa perdido una variedad de 1.352.000 en la
capacidad de patentamiento pero se habria mantenido la informacion
sobre
sf Argentina tuviera 26 provincias elltonces el sistema
su actual capacidad real, tambien pod ria informar
52
53
estoverdad?
Pienselo.
Te6ricamente, cada una de las 26 letras usables para el primer digito
identificarfa auna provincia, con 10 cuallavariedadserra de
. 10
3
=17.576.000 iguala la actual
Pero hay un problema. Cada una de las 26 jurisdicciones tendria una
capacidad de
26
2
. 10:5 676.000
10 cual podrfa ser suficiente a corto plazo para unas pocas
jurisdicciones, tal vez La Rioja, Catamarca, etc., pero absolutamente
insuficienteDara la mayorra.
TELEFONOS
Hasta hace no muchotiempo, lostelefonosfijos (ahara hayqueaclarar
cuando un telefono es fijo) de Capital Federal y Gran Buenos Aires
tenian 7 digitos numericos. Los tres primeros constituian la
"caracteristica" que identificaba a determinados barrios 0 zonas y no
todaslas "caracteristicas"posibles(hn 10
3
::: 1.000)eran empleadas.
Para simplificar, prescindamos de ese detalle y asumamos que, con 7
variables de 10 estados posibles para cada una de elias, la variedad
delsistemaera:
10
7
.- 10.000.000
Pero un dfa nos informaron que a partir ese momenta todos
debiamos incorparar el numero 4 por delante de cada telefono, con 10
cual cadalineaqued6identificada con 8 digitos.
LOuecambio represent6 esopara la variedad del sistema?
Ninguno, pues la primera de las ocho variables tenia un solo
comportamiento posible.
Luego lavariedad es 11 10
f
::: 10.000.000
Bien podrfamos habernos preguntado en ese momenta cU<31 era la
raz6n para este cambio. La medida tenia porobjeto acostumbrarnos a
8 digitosfrente a la necesidad deaumentarla capacidad queseestaba
produciendo.
(3)
Algun tiempo despues se incarpor6el numero 5 como segundo estado
posible para la primeravariabley actualmentetambien el 6.
Par10 tantola variedadactual es .10
7
::: 30.000.000
Desde luego, si volvemos a considerar que no todas las
"caracteristicas" posibles se utilizan, ello supone una restricci6n y la
variedadtotaldisminuye.
AJEDREZ(4)
Prescindiendodela eficaciaestrategicay la ortodoxiadelasjugadas, al
iniciarse una partida LCual es la variedad de tableros distintos que
podrfan observarse una vez que las blancas y las negras hayan
completadosu orimermovimiento?
2t
AA
(4)
Veamos, comenzandoporpreguntarnos:
esel numerodevariables?LCualesel numerodeestados?
54
55
Parece diffcil responder, parlas caracteristicas del caso que nos exige
un mayor esfuerzo de abstracci6n_ Probemos al reves, analizando por
inspecci6n y luego, sobre 10 encontrado determinernos variables y
estados_
Segun las reglas del ajedrez, comienzan las blancasydisponen de dos
movimientos posibles par cada uno de sus ocho peones (adelantar un
peon uno0 dosescaqlles).
Tarnbien pllede partir con cualquiera de sus dos caballos (saliendo
cada uno de elias hacia la columna de su respectiva torre a Sll
respectivo alfil).
Par 10 tanto, las blancas pueden partir can cualquiera de los veinte
movimJentos.
Naturalmente, al responder, las negras tambien pueden hacerlo de
maneras.
Si sacaramos una foto al tablero una vez que ambas han ejeclltado su
movida. LCuantasfotos distintas podriamosobtener?
Naturalmente20 .
:::: 20
2
:::: 400
Conclusion: hay 2 variables (blancas y negras)
pueden adoptar
20 estadosposiblescada una deellos.
=h
n
=20
2
w =400
J -,-j

3
,:j
ci
Ju
.._-------_.__..
Es muy dificil resistl! la tentacion de tratar de calcular la variedad para
algunas jugadas rnas adelante. Pero tambien es dificil encontrar
procedirnientosadecuadospara lograrlo.
Par 10 tanto seamos rnodestos y conformemonos con imaginar la
dimension de los nlJmeros involucradosy el tremendo arbol secuencial
que se deriva. Para eso, podemos introducir algunos supuestos
simplificadores(en verdad, muysimplificadores):
Cada vez que a un jugador Ie toca mover dispone de 3 movidas
posibles (en realidad el numeroesrnuy superior).
Una partida promediodemanda30jugadas(decadajugador).
Siendo as!, al cabo de la prirnera jugada podemos tener tableros
distintos(ya sabemosque en realidad es20
2
).
AI cabodela segundajugadatendriamos3
4
tablerosdistintos.
Finalmente, al cabo dela 30jugadatendremos tablerosdistintos.
Supongamos que queremos dibujar cada uno de los tableros en una
hojaA4.
Tendriamosun problema: no hay en la tierra esacantidadde papel.
Parasermasclaros: cada hojaA4 pesa4,8gr. (80gr/m
Luego, tendriamosun pesode 3
60
0,0048 kg.
Resolviendo esta cuenta y pasando a toneladas, el peso de esa
cantidad depapeles:
203.477.559.721037 .109tn
la masadela tierra esde.
1.67.841.985.286.10'"tn
la cantidad de papel necesaria (para dibujar este ajedrez
ultrasimplificadoyultraminimizado)pesa200veces masque la tierra!!
En verdad, el nLlmero teorico de jugadas del ajedrez ha side calculado
en 10
12
0.
56 57
- - - ~ - - - - - ~
Eso significa que el peso del papel necesario serra 4,5 . 10,,3 veces el
pesodelatierra.
Segun un tradicional YGonocido relato sobre el origen del ajedrez, su
creador (digamos All) exigio en pago, al monarca (presuntamente un
sultan) que Ie requirio la invendon de un juego excepcional, una
modica suma: 2 granos de arroz por la 1a casilla del tablero mas 4
granos por la 2
a
mas 8 granos por la 3
a
, etc. EI tablero tiene 8x8, 64
escaques.
EI monarca, que habfa prometido pagar sin chistar 10 que fuese, si el
resultado era genial, se sintio muy complacido por un pedido que Ie
pareciomoderadoy ascetico.Tan solocuandosusasesores Ie hicieron
very dimensionarla magnituddel precio, elviejo enfurecio.
Concretamenteel inventor, pidio:
w =h
1
+ h
2
+ h
3
... + h
n
= 21 + +2 + . +2
64
=
18.446.744.073.709.551.616granosdearroz.
Nohaga cuentas, Ie hicieroncortarla cabeza porgracioso.
La factura queAli Ie paso al sultan era muchfsimasveces superior a la
producdonmundialdearroz.
Esel problema de los "grandes numeros", en las palabrasdel Profesor
Paenza:
Perdemos la referenda. Esencialmente usamos los numeros para
asignandolosdeacuerdo a las reglas deconstruccion queexige
cada parametro. Y la medicion es, esencialmente, un mecanismo
comparativoy relativo.
No podemos afirmar que algo es largo 0 corto, chico 0 grande, frio 0
caliente, antiguo 0 nuevo, etc. si no 10 referenciamos a algun patron
quenos resulteconocidoe imaginable.
*Adrian Paenza, Materm'ltica...Lestasahf? (7)
EI problema de los grandes numeros, (Ia tierra trene 6.000.. 000.000 de
habitantes, la distancia desde el sol hastaAlfa-centauro esde 4 anos
luz, las combinaciones del ADN, etc.) es que toda forma de
Gomparadon se nos hace inasible porque la referenda tambien es
mentalmenteinasible.
Algunos sistemas, como el aparentemente simple ajedrez, nos lIevan a
requerirauxiliosparaentenderlavariedaddecornportamientos.
5'>
III - LAVARIEDAD RESTRINGIDA
LANOCIONDEVARIEDAD
LAVA.RIEDAD NATUF\AL
LAVARIEDAD CON ICCIONES
HH"<RAMIENTASDE BASE
Las herramientasbasicas para abordarlos casos que plantearemosen
estepuntoprovienell del calculocombinatorio.
Susf6rmulas, cuyajustificaci6n y origen se detaUa en elApendice, son
lassiguientes:
en m = F4
Estaexpresi6n se lee: la cornbinaci6nden elementostornados dea
m (parej ;combillacianesde10elementostomadosdea 3) esigualal
factorial' de n (0 simplernente n factorial) sobre m factorial por n
menos m factorial y resulta aplicable a aquellos casos en que los
admitidos de comportamientos -variedad- estan
necesariamente conforrnados par m elementos seleccionados de un
total de n elementos COl110 ya sabemos, n representa al numero de
variablesy m representa la de restricci6n.
Isdecir que, a diferenci<l de 10 que sucede en los casos de variedad
Illaxima, donde las con1orrnaciones admitidas pueden estar integradas
purtodos, algunos 0 l l i l l ~ 1 1 l l 1 delos n elementos (variables), la f6rmula
combinatoria recuenl<1 los CilSOS queseaiustana la restricci6n rn.
I'or otra parte, debe telll!1 i e presente que, al efectuarese recuento, la
j()rrnula combinatOli;l 110 lorna en cuenta los distintos ordenes que el
tliiSmO grupodecl(;!lj(!III( pueda asumir.
[;)c1.01'131 deun 1ll1111! '1011 ). (n-2) . ))
3.2.1 '"6
prodllcloel() toriu;; 10;; IH'111HXOS enteros menores0 quen.
-- --
60
Por tal motivo, resulta aplicable para aquellos casos en los que solo
interesa el recuento de grupos pero no importa el orden interno de los
elementos que integran cada uno de ellos.
::; m! F5
Esta expresion se lee: la permutacion de m elementos es igual al
factorial de m (0 m factorial).
Dicho de otro modo, los distintos ordenes posibles del total de los
elementos que integran un grupo se calculan mediante el factorial del
numero de elementos. Por ejemplo, si tenemos un grupo formado por
las letras A, B Y C elementos) 10 podemos ordenar de la siguiente
manera:
ABC ACB BAC BCA CAB CBA
En este caso no es dificil calcular par inspeccion que seis ordenes
pasibles, debido al reducido numero de elementos.
Por otra parte no hay ninguna objecion sobre la inspeccion empirica
como procedimiento de recuento (de hecho en ciertas ocasiones, como
veremos, no hay mas remedio que apelar a ella).
Sin embargo, frente a un numero de elementos mas significativos, el
procedimiento por inspeccion se vuelve tedioso, complicado y largo.
Nuestra formula de permutaciones resuelve el
P3::; 3! 3.2.1 6
Ejemplo
LlBROS
GDe cuantas maneras pueden acomodarse 10 distintos en un
estante que tiene exactamente 10 lugares?
;,
.l
('
'I
\
________6.'
Pi0 10!::; 10.9.S.7." .. 2.1 ::; 3.628.800
Es importante advertir que todos los elementos (m) del grupo tienen
que estar presentes y nuestra formula solo resuelve las distintas formas
de ordenar esos elementos.
Si 5 de los libros son de historia, 3 matematicas y 2 de arte (todos
distintos entre si, aun los de una misma disciplina), las distintas formas
de ordenarlos siguen siendo 101.
H'j
H';:' .J
H:.::
H5
A2 RRf
.-

r"11:::
'---' '---''---'
H :=:J
Pero si nos piden que los 2 arte deben ubicarse en el sector
izquierdo del estante (una de las distribuciones se observa en el gratico
anterior), entonces eso supone una restriccion que necesariamente
reducira la variedad de distribuciones posibles.
w::; P2 . P8 ::; 2! .8! SO.640
debe leerse asi: por cada una de las dos formas (P/') de ubicm los
IIhros de arte, hay 81 Formas de ubicar los restantes libros. I1n P')SO
o!>sc;rvese la drastica reduccion de la variedad debido ;-,1;)
Si ;) la restriccion anterior se agregase la nec(:sid;)d lIbic;u los tres
11 os de matematicas en el sector deredlO rid cstanle, la vari(}('iad
( Ii; l'
62
63
w = P2 .P5 .P3 21.51.3! := 1.440
Supongarnos ahora que la restriccion consiste en que los dos libros de
arte puedan ubicarse en cualquier pero ambos deben estar
siempre separados, nunca contiguos, uno al lado del otro. como en el
gratico
2
,A. 1
:::: 4 :S 6 7
o
9 o
'-'
A2
r===l
o
En primer lugar hagamos un recuento de todas las distribuciones
no estan permitidasporla restriccion.
Los Iibrosdearte nopueden ubicarseen lasposiciones 1 y 2 ,0 en la 2
y3, 0 en la 3y 4, 0 en la 4y 5, 0 en la 5y 6, 0 en la 6 y 0 en la7y 8,
o en la 8 y 9, 0 en la 9 y 10. Es decirque hay un total de 9 posiciones
conjuntas posibles de las cuales debe seleccionarse una. Ademas, en
cada una de las posiciones conjuntas amboslibros pueden ubicarsede
dosmanerasdistintas(P2).
el total de las distribuciones restringidas surge del siguiente
calculo:
C9,1 .P2 .P8 = ._Jt!._.21 .8! = 725.760
1! .8
Analicemos: Cada una las9 posiciones 1 = 9) puedeincluira los
Iibrosde artededos manerasdistintas(P2 := 2) y cada una deesas
,'i
i\
I
I,
,
i
,
(
\
18formas pueden estar acompanadas 8! formasdistintasde ubicar
losrestantes libros.
Ahora bien, si 125.760 son las distribuciones restringldas y 10J
3.628.800 distribucionestotalesteorieas entonces que
noestan son:
3.628.800 725.760 2.903.040formas
LPodemosvincularlasformulasdecombinacionesy permutaciones?
Si. Como ya dijimos, la formula combinatoria solo determina el nllmero
de m elementos seleccionados de un universo de n elementos. Si por
cualquier razon necesitamos considerar los distintos ordenes de cada
uno de los grupos deterrninados par la combinatoria (veremos
casos en que ocurre), entonces podemos vineular ambas
medianteel productodelaS mismas, Lajustificacion acereadepar
vincularlas mediante el producto y no mediante la suma se vera en el
primercasodeaplicaci6ndeeste
Cn,m x Pm _.JJ_!__ x rnl F6
m! (n-m)J
Simplificando los datos en negrita, una nueva expresi6n
lIamaremos:
Vn,m := F7
(n-m)!
En la cual Vn,m se lee: variaciones de n elementos tornados ae a
m.
Logicamente, y tal como ha side construida, esta formulacion permite
recontar cuantos grupos distintos de m elementos (tomados de un
universe n elementos) pueden conformarse, en los que
64
65
consjderamos como distintos a aquelJos que, aun integrados por los
mismoselementos, lostieneen distintoorden (el orden importa).
si enfrentamos un caso que as! 10 requiere, podemos
indistintamenteF60 F7.
(4)
En la primera etapa de
nacionales deben
todos contra todos, sin revancha). En el Mundial
Argentina enfrentoen una zonaa de
y Holanda.
(5)
En relacion a ella nospreguntamos:
LCuantos partidos se juegan en un cuadrangular de fUtbol? (todos
contratodos, sin revancha).
Clasificada en esa etapa, a la Argentina, tras ganarle a Mexico en
octavos definal Ie tacojugarun partido eliminatorio de cuartos de final
contrael eauinolocal
el partido y su alargue resulto un empate.
Correspondiaejecutarseuna seriede5 porequipo para
alganador.
Cada directortecnico debra elegirasuscincoejecutoresentre
jugadores que terminaron jugando el partido (no se
suplentes, no huboexpulsados).
1) L,CUantas listas distintas deejecutantes podria entregarcadatecnico
al referi?
2) Lldem, si el ordendepateadoresfuera considerado?
A) Razonamos y decimos: el numero de variables es 4 (cada pais), el
numero de estados es 2 (jugar 0 no jugar) y aplicamos la formula de
variedad maxima:
w=hrl=24=16
Hayquetenercuidado con la definicion devariablesy estados. este
caso, si noshubiesemosconfundido, habriamosdefinido2 variablesy4
estadosy, al aplicar
w=n" =42 =16
Noshabriadado10 peroestaria
De este es el de de exponente y base
en el queel resultadoesel mismo.
LEs posible que se jueguen 16 partidos en un sin
revanchas?
Bueno, puesno10 es.
AI hacer nuestro calculo no hemos tenido en cuenta la restriccion
general aplicable al caso' los partidos de futbol se juegan =-=--===
equipos.
AI aplicar la f6rmula de variedad maxima estamos incluyendo
conformaciones no aceptadas pues no existen los partidos en los que
no Juega ningun equipo, a un solo equipo, 0 3 equipos 4 equipos en
todassusvariantesy condiciones.
una enumeracion (variedad maxima) de todos los casas
un listadode16, asaber:
67
6:i
nojuega nadie
5eJugaran de- juegaA
(aclaracion 01- x jueganAy B
jueganA. ByC
D
jueganA, B, CYD
Si sejugaranD
juegan B, C y D
)
x juegan ByD
)
x jueganC y D
Si sejugaran)
jueganA, CYD
(son los) x jueganAy D
)
jueganA, BYD
Sf sejugaran -
x jueganByC
x jueganAy C
juegaB
juegaC
Si S8 iuaaran)
juega D
Sumense losaturalmente, deesteanalisis porinspeeei6ndeberiamos
apreciarse, la1juntos que no eumplen la restricci6n y reeontar solamente los
variedadmioeumplen, queobviamenteson los 6 marcados con x. Observe5e
nsideramoscomo un unieo partidoAB0 BA.
De paso,
combinacionElsonel mismopartido. EI ordenno importa.
expresiones (
ejemplo, el torneosejugaracon revanchas yel orden indicara la
de local / visitante, entonces un partido seria y otro serra
I',)
aci6nde
serecuenta atravesdelaspermutaciones:
(; 11,5
Pm=m!
caso:
I I I J I 1
P2:= 2!:::2
De modo que cada uno de nuestros 6 partidos dos 6rdenes
y, en tal caso, sejuegan 12 partidos.
Perovolvamosanuestrocuadrangularoriginal. sin revanchas.
Ya sabemosqueel numerodepartidoses6.
Si, por caso, no se tratara de un cuadrangularsino de un dodeeagonal
(doce equipos), francamente se nos hace neeesario algun
procedimiento maseficientepara nuestroreeuento.
De no ser asi, deberiamos listaruntotal de212 casos (4096) y de ellos
tachar porinspeceion losqueestElil restringidos (4030) para quedarnos
con los66 reales.
EI calculocombinatorionosauxilia: C12,2 ::: ::: 66
2!10!
Cuando las restricciones pueden expresarsede un modo general,
sinexcepciones, comoen nuestroejemplo: "lospartidosdefutbol
sejuegandeados",entoncesnonecesitamoscalcularlavariedad
maxima sino la variedad restringida aplicando la formula de
combinaciones.
Combinacionesden tomadasdeam::: m= nl_----'.
m!.(n-m)!
en nuestroejemplo:
C4,2 ::: 4.3.2.1 ::: 6 casos (n,.,rtirl,.,,,
2! 2! 2.1 2.1
68
69
Si los partidos defutbol
sejugarandea 0 equipos, calculariarnos: - 1 caso
(aclaracion O! 1) 0141
se dea uno: =4 casos
31
se
= 4! 6 casos
~ ~
2! 2!
Si sejugarandea tres: C4,3 :;::; _1L_"" 4 casos (c)
3! 1!
Si sejugaran dea cuatro: 4' ::: 1 caso
4! 01
Sumense 5 resultados y obtendremos 16 casos. Como
lasumatoriade lasvariedadesrestringidases iguala la
variedadmaxima.
De observese la propiedad complementaria de las
comparando las expresiones (a) y (d) entre sf y las
)y(c) entresf:
C4,O=C4A; C4,1 C4,3 C10,7cC10,3
B)
1) 1,5 Para selcccionara los5Dateadoresdeentre 11
,5.P5::: .5
1
5! 6
'
Para seleccionar 5 Y los ordenes posibles de
COPADAVIS (4)
EI origen ingles tenis se pone de manifiesto en la conservaci6n de
muchasdesustradiciones.
Uno de los eventos mas arraigados de este deporte es la Copa Davis,
que sejuega anualmente, en la cual los jugadores representan a sus
paises.
Cada encuentro dela Copa Davis se realiza entre dos
paisesy sejuegaendiasviernes, sabadoy
Cadaencuentro formado por5 partidos(cuatro singlesy un doble)
y gana el pais que consiga obtenerel triunfo en, al menos, 3 de los 5
partidos. Dos de los singles se juegan ej viernes, el cloble se juega el
sabadoy los2 singles restantes sejueganel domingo.
EI capitan del equipo de cada pais debe conformar, previamente al
encuentro, su plantel de6jugadores.
Antes de iniciarse los partidos, cada capitan debe
los nombres de los jugadores de su
efectivamenteencada
esqueun mismojugadorno puede
los dos de un mismo dla (aunque sf de dias
diferentes).
En este
a) GCual esla variedad deconformacionesque, parajugarlos partidos,
puedepresentarcadacapitan?
5161
70
71
b) loCual es el minimodejugadoresquepuede utilizaren todo
el encuentro?
(J Yel maximo?
d) loyel maximo, si sehubieranconvocado 10jugadores?
a) Para elegir al quejugara el primer partido del viernes dispone de 6
jugadores:C6,1.
Para elegir a quienjugara el segundo partido del viernes puede utilizar
acualquieradelosrestantesjugadores, 0 sea unodelos5: 1
Para elegir a los dos jugadores del doble, puede hacerlo de C6,2
maneras.
Para elegiral jugadordel primer partido del domingo lJuede hacerlo de
C6,1 formasy parael segundo: C5,1.
En definitiva puedeadoptaruna variedadde:
.C5,1 .C6,2. 1.C5,1 13.500 conformaciones
b) EI numero minimo es 2, ya que ej., losjugadoresA y B pueden
jugar los singles del viernes y el y ambos iuntos el doble del
sabado
c) EI numeromaximoes6, asignando un jugadordistintoa cadaunode
loscuatrosinglesy losdosrestantes al doble.
d) maximoesigualmente6. Solohay cincopartidosy unicamenteen
unodeellossepuedenjugardosjugadores.
DE SEGURIDAD
Retomemos, segun prometimos en el capitulo anterior, el caso de la
clave de seguridad de las tarjetas bancarias en su versi6n restringida,
en la que no podemos repetir ningun d
Recordemos que en su
resoluci6n oriainal obtuvimosw = 5.040
Vamosaharaaenfocarlodesdela 6pticacombinatoria.
Tenemos4 casillas porcompletar.
abc d
I I-I Il
Ytenemos 10 digitosdel 0al 9 paraemplearsin repet;r.
Determinemos cuantos grupos distintos de cuatro digitos podemos
seleccionardeentrelos 10posibles.
loCUEmtos grupos distintos de 4 elementos pueden conformarse
seleccionandolosdeentre 10?
C1O,4= __1O! = 10' .=10.9.8.7.6...... .2.1=210
4'.(10-4)! 4' .6! 4.3.2.1. 6. ....2.1
Tenemos 210 grupos integrados por al menos un dfaito distinto cada
unodeellos.
Pero cada uno de estos 210grupos puede adoptar distintos ordenes
que configuran claves distintas. No es 10 mismo la clave 1234 aue la
clave4321.Aqui el ordensi importa.
loDe cuantasmanerasdistintaspodemosordenar4 elementos?
P4:::4'=4.3.2.1 =24
Luego cada unodelos 0grupospuedeasumir24formasdistintas.
De modo que, intuitivamente sabemos que en total se pueden
conformar 210 x 24 = 5040 claves. aqui la justificaci6n a la que
aludimos al proponerun producto en el armado F6.
Si se advierte que el resultado es igual al obtenido con el primer
procedimientoaplicadoal caso debemossenalarqueel resultado noes
73
72
meramente sino el porque en realidad en ambos caso
10
1
0
procedimiento
10.9.8.7;::: 5.040
2
0
procedimiento
x 4.3.2.1 (simplificando) 10.9.8.7 5040
4.3.2.1 6 ... ,,2.1
tiene por mostrar la interrelacion entre el
variedad maxima y restringida. Por otra parte, surge
que el caso se puede en un solo paso aplicando VlOA
V10,4 5.040
4! .6!
Aprovechamos este caso para comentar un aspecto practico.
Las calculadoras cienHficas manuales incluyen el calculo de la
factorial.
Sin embargo, debido a su capacidad, solo alcanzan a resolver hasta un
maximo de 69! (factorial de no ocurre con las calculadoras
usuales de los programas de Windows, euyo limite es muy
Si tenemos que resolver, p. ej.. C80.3 y solo tenemos una calculadora
manual, no hay ningun inconveniente ya que:
CSO,3;::: _.J3J2L::: 80.79.78.77.7....... 1
3177! 3.2.1. 77.76......... 1
Lo cLlal nos permite simplificar el sector del cociente senalado en
negrita y luego resolver
'" 82.160
3.2.1
OTRA VEZ LOS TRES DADOS
Ya hemos arrojado tres dados sucesivamente, con la conclusion de
que, teniendo en cuenta el orden de de los resultados. se
obtienen:
Wd= 216 conformaciones posibles.
Consideremos ahara que ocurre si los tres dados son arrojados al
mismo tiempo, sin importar ningun orden. Se trata de recontar,
simplernente, cuantos veces sale cada numero. Obtener dos "2" y un
"4" es un resultado posible. Obtener un "3", un y un "6" es
Obtener tres "1" es otro.
LCuantas conformaciones distintas podemos
Hay seis formas de que los tres dados muestren el mismo a
sea: salen tres "1" 0 tres "2" .,,0 tres "6" Farmalmente C6,1 ;::: 6
Formas con dos dados iguales y uno distinto: x 1 ;::: 30
combinaciones de 6 tomadas de a 2 encontramos todas las formas
en las que intervienen 2 numeros. Ahora bien, uno de ell os estara
repetido (es decir sale 2 veces) y el otro no. Con combinaciones de 2
tomadas de a 1 determinamos dentro de cada conformacion eLlal
dos es el repetido.
Formas can tres dados ::: 20
tres grupos distintos de conformaciones: 3 dados iguales, 2
y 1 no, 3 dados distintos. Simplemente sumamos el total de
grupo y obtenemos el total de conformaciones posibles:
6 + 30 + 20::: 56 (1)
Por otra parte, si los dados vuelven a arrojarse en pero
no se admiten repeticiones, entonces la variedad sera:
w;::: 6 . 5 .4;::: 120 0 CS.3. P3;::: 120 (2)
74 ______________.__.________._____ .._.
Recordemosquesi la repeticion seadmite, entonces:
w n":.:: 6
3
= 6 (3)
Comparar con 10 que ocurrio en las dos versiones de la clave de
seguridad.
La estructura del problemaes la rnisma.
Ademas, conviene tener presente que 10 que aquf vimos como "no
repeticion", es una forma de restricci6n que en otro tipo ejemplos
aparece expresada como "sin reposicion". Tfpicamente, las "urnas y
bolillas".
URNASY BOLILLAS
Veamos.
En una urna hay6 bolillasdedistintoscolores.
Seextraen 3deelias al azar, sucesivamenteysin reponerlastrascada
extraccion. LCuantasconformacionesdistintaspodemosobtener?,
No hacefalta calcular, son 12.0, el Droblema esestructuralmenteiaual a
(2.)
LYsi lasbolillasse reponen tras cada extraccion.
Entoncesesigual a(3).
LYsi lastres bolillasseextraen al mismotiempoy no hay un arden?
Entonceses igual (1)
COMIt>IUN (4)
Propongamos el siguiente caso, al cual Ie iremos incorporando
variantes.
De un grupo de diez personas debemos seleccionar tres para integrar
unacomision.
trata deun caso devariedad restringida. LPorque? La comision no
puedeestar integrada por cuatro 0 siete 0 diez, etc. personas. Solo por
tres, Luego: LCuantas formas tenemos de seleccionar tres elementos
deentre
75
w 0,3= = comisiones(gruposdetrespersonas)
317! distintas
Digamos ahara que las personas son tres mujeres y siete
hombres. Para integrar la comisi6n detres personas esta debe
necesaria y exactarnente, una mujer. 0 sea quela comision debeestar
integrada, si 0 poruna mujerydoshombres.
La restriccion interpuesta irnpone mayor rigidez (orden) a nuestro
sistemae implicaquela variedad horadisminuira, puesdel total posible
de 12.0 no todas cumplen con el requerimiento (algunas de la
comisiones formadasportres hombres0 masdeuna
Calculemosla variedad solicitada:.
Seleccionala mujer Seleccionalosdoshombres Total
w;::;
C3,1 x Cl,2
w= 3 x 63
comisionesdistintasquecumplen la restriccion interpuesta.
Justifiquemosintuitivamenteel productosenaladocan x.
Cada una de las tres mujeres seleccionables al A,B a C
estar acompaf\ada por cualquiera de las 21 formas de seleccionardos
hombresdeentresiete.
Introduzcamos una nueva modificaci6n, Ahora nos exigen que la
cualquiera sea su conformacion, debe estar integrada al
menos poruna mujer.
TenemQs unadiferenciarespectodela situacionanterior.
Ahora la comisi6n seleccionable puedeestarintegrada por1,20
3
Esto Laumenta 0 disminuye la variedad respecto de la situacion
anterior?
La aumenta. Claramente la restricci6n es menor ya antes solo se
grupos con exactamente una mujer y pueden
76
ademas de ellos los que se puedan conformar con dos y con tres
La variedad debesersuperiora 63.
Este admite dos formas basicas de resoluci6n que se
vinculan con la "al menos"
La primera de elias impliea una del problema al
reeonocer que existente tres conformaciones que
eumplen con la consigna. Por ello, calcularemos el total de
conformacionesdecadatipoy luegosimplementelossumaremos.
1 Tipo: gruposconstituidos con, exactarnente, una
En realidad, estoyafue calculadoalgunosparrafosatras: w = 63
2 Tipo: gruposconstituidoscon, exactamente, dosmujeres:
Calculamos cuantas formas distintas hay de seleccionar 2 mujeres de
entre3 C3,2 =3formasdistintas.
Cada una de esas 3 formas debe ser acompanada por un hombre
seleccionadodeentreI, 0 sea C7,1 7
las tres comisiones que tienen exactamente 2 mujeres pueden
de 7formasdistintas. Finalmentees 1:::: 21
constituidoscon, exactamente3mujeres.
una solaforma dehacerlo: =1
Ahora, repitiendo el procedimiento en el caso anterior,
simplemente sumamos la variedad de cada grupo. Total: 63 + 21 +1 :::
85
La segunda forma de resolver el problema, mas directa, es
simplementecalcularel total de las cornbinaciones posiblesy restarde
elias las queestan restringidas, en este casotodas lasformasdearmar
la comisi6n sin ninguna mujer: C10,3 85.
C1O,3 son las conformaciones posibles sin restricciones, C7,3 son todas
las forrnas de armar la comisi6n solamente con hombres, que es 10
restringido.
77
Introducimos ahora una nueva variante, I hombres, 3 mUJeres y se
deben elegir autoridades de la comisi6n: 1 presidente, 1
vicepresidentey 1 secretario.
a) (J:::uantas formas distintasdearrnar la comisi6n hay?
b)
ne
(,Cuantas formas hay si el
cesariamente, unodeloscargos.
Sr. Gonzalez debe ocupar,
(,Y51 debeserel presidente?
formas si al menos una debeocupar unodelos
serpresidente?
f) si los 3 cargos no ser porlas
3
g) GCuantas formas hay si el Sr. Gonzalez no
ocupar
cargo?
Naturalmente, la situaci6n cambia pues esiamos Introauclenao un
factor de orden. Hasta aqui, la comisi6n integrada por A,B y C
representaba un solo caso, aun cuando hubiesemos dicho que la
comisi6n estaba integrada porC.B Y A.
Pero ahora, la comisi6n integrada por A Presidente, B Vice y C
Secretarionoesla mismaque C Presidente, BViceyASecretario.
a) ,C1O,3. P3 0 tambien V10.3 segun la relaci6n F6y F7
.solo hayque seleccionardos personas mas de entre
nueverestantes y luegoconsiderarlos distintos 6rdenesposiblesdelas
tres personas:
C9,2. P3
78 79
Respuesta: solo hayqueseleccionar dos personas masdeentre las
nueve restantes y luego considerar los 6rdenes posibles de estas dos
personas, ya queGonzalezesel Presidente:
V9,2 := C9,2.P2
d) Respuesta: La pregunta hace referencia a una mUJer y no a una
"unica mujer" por10 quepodria ser1, 2 0 3 las mujeresque ocupen los
cargos. Por 10 cual al total de formas se Ie restan aquellas que estan
restringidas, esdecircomisionescon tres hombres:
- V7,3 510:= C10,3. P3 C7,3. P3
osumando:
Unasolamujer:1C7,2.3!= 378}
Solodosmujeres: .Cl,1.3!:= 126 =510
Lastres mujeres: 3!:= 6
e) Respuesta: 1. C9,2 .P2
f)Respuesta: C10,3 . P3 P3
Respuesta: C9,3. P3
POLIGONOS(4)
Desde unenfoquesistemico, podemos considerara cualquier poligono
como un conjunto de elementos interrelacionados en una determin'ada
estructura.
Nos interesa conocer el numero de diagonales D de los poligonos
regulares.
l,Que enfoques nos permiten arribar a una formulacion funcional que
determine el numero D de diagonales de cualquier poligono de n
lados?
1 ENFOQUE
forma uti! de comenzar a el es enfocarlo
visualmente para verificar desde la apreciacion empirica surgen
algunasregularidades,
L) ,A B A
L)
B
D
EI polfgonode4 ladostiene2 diagonales.
EI poligono de 5ladostiene 5 diagonales.
EI polfgono de6 ladostiene9 diagonales.
EI polfgonode7 ladostiene 14diagonales.
Desde el vertice A del cuadrado podemos extender todas las
diagonalesposibles hacia losvertices, excepto las que 10 unen con S y
con C (ya que estos son lados y no diagonales) y con sf mismo. Esto
nosdeja, delas4 posibles, unasola
Lo mismopodrfamosdecirpartiendodecualquierotrovertice.
Como tenemos 4 vertices podrfamos trazar cuatro
Pero como la diagonal DAesla misma diagonalADy como la
CB es la misma diagonal en consecuencia el numero de 4 se
reduce a la mitad 2.
Probamos identico razonamiento con el pentagono: Desde el
A podemos trazar dos diagonales (hay 3 que no son posibles a
saber: AS, AE Y
De las 10diagonalesobtenidas, 5(Ia mitad)son repetidas.
Tras analizar el hexagono (y si queremos el heptagono), vemos que
estasregularidades semantienen.
80
81
Desde este ant11isis empirico lIegamos a la fonnulaci6n funcional de
que el numero de vertices n (0 lados, cuyo nurnero es tambien n)
icadoparel numerodevertices combinables (quo os n-3, ya que
se descuentan los adyacentes par ser lados y el propio venice de
partida). EI tllJrTlero obtenido debera dividirse por 2 para evilar el doble
recuenlodeunarnismadiagc)I1al
Ndiagonales::::; 0
2 2
2 ENFOQUE
Desde Ie perspective sistemica del analisis de variedad el problerna
podriaplantearse dela siguienteforma.
cuantasformas posibles podemos unir porpares n puntos no
alineadosdibujadosen un plano?
Nosetratadeun casode variedad maximaya quela restricci6n esque
los puntossolo pueden unirsede ados.
De acuerdo a esto, 81 analisis combinatorio nos establece que
dlsoonemosdeCn,rn combinaciones.
conel hexagono:
C6,2 == 15
2!.41
no obstante, debernos elllTlinar de estas 15 combinaciones
que no son diagonales sino lados. Obviamente son las que quedan en
el perimetrodel dibuJo (en estecaso, siendo6 puntos, sonseis lados).
Luego: 0 6 9
Gem y como m os siempre 2
n ]
l__..
Podemos confrontar las 2 soluciones alcanzadas igualandolas para
verificarsuconsistencia.
n
2
-- 3n Cn,2- n
2
= -n
2 2! .(n-2)1
n
2
-3n !LJn-1} .(n-2) . (n:ill-,-,-,.'- n
2 2 (n-2) .(n-3) ...
Simplificando = - n
2 2
2
n - 3n =
2 2
-
2 2
= .n.::.-=-3n
2 2
Conclusiones:
A igualdadseverificay ambosenfoquesson correctos.
B. El analisis par variedad es mas breve y, especial mente, mas
directo que el analisis empirico. No hay obJeciones aue formular
82
83
respecto del conteo y la inspecci6n, pero su procedimiento es largo en
losgrandesnumerosy cuasi-impracticablesin ordenador.
C. Como en este ejemplo, muchas veces el problema de base
consisteenaplicarunaimportantecuotadeabstracci6n parainterpretar
su esencia.
En este caso, consistirfa en visualizar a un poligono de n lados como
un sistema de puntos (elementos) relacionados de alguna forma (de a
pares con la restricci6n perimetral). Desde un punto de vista
organizacional, estos enfoques pueden auxiliarnos en la resoluci6n
aspectos estructurales, redes sociometricas, conformaci6n deequipos,
etc.
NUMEROSDIGITALES (4)
Desde la lIegada de la tecnologia digital, hemos incorporado algunos
habitos de comunicaci6n sobre la base de nuevos c6digos y
convenciones,
EI esquemaquese muestra acontinuaci6nesun
1-
_I
I I
-
Nos hemos acostumbrado aver y reconocer este diseno que,
facilmente, podemosdefinircomounsistemademensajes,
En esencia, se trata de un esquemadeluces 0 cristales de cuarzoque
puedenestar"on" u"off'.
Prescindiendo de formas y significados, l,Cuantos mensajes distintos
se pueden emitirusanda2deestosesquemas?
Cada uno de estos esquemas tienen siete "Iuces" (variables)que
puedenestarprendidas0 apagadasy no hayrestricciones,
Por10 tanto, setratadeun casodevariedad maxima.
W ::: h
n
=27 =1 mensajes
Para dosesquemas:
27 , rp =16.384 mensajesdistintos
DOMINO (4)
Cadaficha deljuegodel domin6estacompuestapordosvariables,
Gada unade esasvariables puedeasumircualquiera de 7 estados
numerosdel 0 al 6),
\
/
G[.]
G

"";j!o;j!o

[]
.
-
..
-.
Deacuerdoa
padrfamosconstruirun totaldefichas
a:
=7
2
W =h" =49
84
85
No obstante, y par ejemplo, la ficha es tambi';n la ficha
por 10 cual, para evitar el doble recuento, deberiamos
dividir el numero obtenido por 2
49 24,5 fichas ???
2
Sabemos que un juego de domino tiene realmente 28 fichas.
(010 podemos comprobar por inspecci6n).
(,Entonces, que es 10 que esta errado en nuestro razonamiento?
En realidad, de 10 que se trata es de calcular las distintas formas de
seleccionar 2 numeros de entre 7 para componer con cada uno de los
pares una ficha distinta.
w C7,2 = 21
Pero ademas, el domino ad mite 7 fichas particulares en las que cada
uno de los n elementos se combina con el mismo.
,
Asi se conforman las 7 piezas dobles del domino, que sumadas a las
restantes 21 completan las necesarias para el juego.
Considerando la particularidad de las fichas dobies, tambien podriamos
calcular haciendo:
w::; C8,2 = 28
HELADOS (4)
La "casatta tricolor" es un tradicional postre helado argentino elaborado
con tres sabores d3Sicos. Cierta heladerfa industrial desea ampliar su
oferta produciendo 35 variedades de casatta, todas las cuales se
diferencien en, al menos, un
GCuantos sa bores originales distintos son necesarios para produdr tal
oferta?
(6)
Las casattas solo pueden elaborarse mediante la combinacion de tres
sabores. Sabemos cual es la variedad a obtener: 35
Luego el numero n de sabores originales, combinados de a tres debe
ser igual a 35
Cn,3 =35
Por 10 tanto
35
3! . (n-3)!
= n.(n-
3!
1).(n-2).(n-3L
. (n-3) ....
Simplificando:
35::; !1.(n
6
-1).(n-2)
Solo debemos determinar cuales son los tres numeros sucesivos cuyo
producto dividido 6 da 35.
Obviamente, 7,6 Y 5 cumplen dicha condicion y por 10 tanto n ::; 7
Se necesitan 7 sabores originales para producir una variedad de 35
casattas diferentes.
86
87
SOMBREROS (4)
EI que sigue es un caso muy conocido, que recurrentemente aparece
en revistas de de ingenio con variantes en su relato pero
identica estructura, para ser resuelto desde la logica y la
intentaremos analizarlo desde el marco que venimos
desarrollando.
Pasemos al relato:
la Revolucion Mexicana, un caudillo ofrece a tres campesinos
prtsioneros conmutar su pena en la carcel si cumpJen con exito una
prueba, en cambio si se equivocan serian fusilados:
Se dispone de 5 sombreros (de los tipicamente mexicanos), dos
blancos y tres verdes. A cada uno de los prisioneros se Ie colocara un
sombrero de los cinco y se Ie permitira ver los sombreros de los otros
dos prisioneros, pero no el propio. Se salvara de la carcel el prisionero
que acierte el color de su propio sombrero y ademas
fundamentar racionalmente c6mo lIeg6 a dicha conclusion.
Dos de los prisioneros tienen su particularidad, ya que uno de ellos es
tuerto y otro es
Una vez ubicados los sombreros en las condiciones . se Ie
pregunta primero al prisionero con vision ante la duda y
con que fundar una respuesta no contestar y
antes que la muerte.
se Ie pregunta al tuerto, quien tampoco responde por las mismas
razones. Por ultimo se Ie pregunta al ciego, quien contesta acertada y
por 10 cual es deJado libre inmediatamente.
l,Cual fue el razonamienlo aplicado par este ultimo para hallar la
respuesta correcta?
Tal vez no 10 parezca en un primer momento, pero resulta ser un caso
de aplicacion de variedad con restricciones.
-....... ....-.- ~
Para analizarlo, consideremos !a variedad maxima teorica de
distribuciones posibles que hubiesen podido tener los sombreros en las
cabezas de los prisioneros (tenemos tres variables, Normal, Tuerto y
Ciego, con dos posibles para cada una de elias; verde 0
blanco)
w = h
n
= 2
3
=8
Es decir que hay 8 distribuciones posibles
la
inspecci6n:
NORMAL TUERTO CIEGO
distribuci6n A
distribuci6n B
distribucion C
o
distribuci6n E
distribuci6n F
88
89
distribuci6nG
(7) distribuci6n H
Sf bien el maximo te6rico de distribuciones es 8, va de suyo que la
designada como H esta restringida pues no hay tres sombreros
blancos, con 10 cual la variedad real esde7.
Cuando se Ie pregunta al 1
0
pnslonero, este prefiere no responder
porque notiene ninguna base queIe permita hacerlo con seguridad. Si
por caso la distribuci6n empleada hubiese sido la el habria
observadoquelos otrosdosprisionerostenian un sombreroblancocon
10 cual hubiese sabido de modo inmediato que el mismo tenia uno
verde. Luego la distribuci6n Enofue la utilizada.
AI preguntarsele al pnslonero tuerto, este tampoco responde. Si la
distribuci6n usada hubiese sido la F, entonces el habria sabido que,
portando los otros los dos sombreros blancos, el tenia necesariamente
unoverde. Porotra parte, si la distribuci6nempleada hubiesesidola B,
el habria observado un sombrero blanco en la cabeza del ciego y
deducir que si el tambien tuviese uno blanco el 1 prisionero habria
hablado. Pero no 10 hizo y por 10 tanto el tendria necesariamente uno
verde. Luegola distribuci6nBtampocofueutilizada.
Ahora bien, cuandoIe tocael turnoal ciegoesperfectamenteobvioque
solo pueden haberse utilizado las distribuciones A 0 CoD0 G, en
todas las cualesel tiene, decualquier modo, un sombreroverde. Por10
tantohablaexplicandoestaargumentaci6nyconsiguesu Iibertad.
Saquemosalgunasconclusiones:
La condici6n visual de los prisioneros no juega ningun papel
significativoy soloadorna el casoparadarleun toque masintrigante.
- - - , - - - . - - - ~ , - - - , - - - ~
~ - - - - - - - - - -
Lo quesi impol1a es el orden con queseformulan las preguntas, pues
claramente resulta beneficiado quien responde en ultimo termino ya
que recibe informaci6n (orden, estructura, restricciones) sucesiva, que
en cada paso va reduciendo la variedad desde7 hasta4 distribuciones
posibles.
Podria afirmarse que el resultado no habria sido el mismo si la
distribuci6n empleada no hubiese sido A 0 CoD0 G. Efectivamente,
pero siempre habria uno de los prisioneros salvado, excepto que la
distribuci6nusadasea laA.
La experiencia sirve para apreciar que aun ante una variedad de
situaciones, pueden existir comportamientos convergentes que
eliminan complejidad eincertidumbre.
CALLES(4)
6
r - - - - r - - - , - - - - ~ . ~ ..
A.
I) EI diagrama que se muestra representa un sistema cuadriculado de
calles. Las Ifneas son las calles y los cuadros blancos son manzanas
quenosepuedeatravesar.
90 91
Por 10 tanto hallar:
70 formasdistintasde
4! 4!
A.
II)
Ahora los recorridos posibles deben tener necesariamente 5
de restricciones nos da una primera idea sabre el
movimientosDy4 rnovimientosA.
que:
Respuesta A: ? 0 Respuesta B: C9,4 ?
que 8
cuatro de los movimientos son de a derecha y cuatro de
delasdosesla correcta?
haciaarriba.
Naturalmente ambas 10 son. L.os nl.Jmeros combinatorios son
complementarios, de acuerdo a la propiedad comentada en el caso
Si identificamos como D a los movimientos de
comoA a los movimientos de a
- 9! ::: 126
lostrayectoscomo una secuenciademovimientosDy
415! 5! 4'
Debemos partir de la esquina A y esquina B. Los unicos
movimientos permitidos son: de a derecha, de abajo hacia
arriba sin retrocesos. Un recorrido que responde a estas
restriccionesesel marcadocontrazogrueso.
Siguiendo este patron, Lcual es la este o sea
cual esel numeroderecorridos
II) LQueocurriria si nuestragrilla deeste
(con lasmismas
B

Par ejernplo, el trayecto marcado can trazo grueso podria describirse
comounasecuenciaa detipoADADDAADD.
1
l
Ahora bien, cuantascadenasdistintasdeestetipo podrfamosdisenar.
\
EI problema 5e resuelve definiendo cuantas formas distintas hay de
D en ocho posiciones posibles de la cadena.
letras A quedaran jnevitablemente ubicadas en las
restantes (0viceversaSl comenzaramospor estas).
o sea que debemos 4 de entre 8 en las que
ubicaremoslasletrasD.
92 93
EI esquema sirve para caso de n y m column as.
IV - VARIEDAD RESTRINGIDACON EXCEPCIONESALA REGLA
DE RESTRICCION
LA NOCION DE VARIEDAD
LAVARIEDAD NATURAL
VARIEDAD RESTRINGIDA CON EXCEPCIONES
los casos presentados en el capitulo anterior se verifica que la
de comportamientos queda circunscripta a aquellos que
inexorablemente con la regia general de restricci6n
m.
en los que aun dentro de una
comportamientos que constituyen
excepciones a dicha y a pesar de ello son comportamientos
admitidos, De hecho la nos ofrece algunos ejemplos de
situaciones de este
En algunas ocasiones, son que deben
sumarse a los que sl otras, son
comportamientos que no
admitidos, por 10 cual se los debe sustraer
Cuando esto ocurre, es habitual que
que escapan a la regia deban ser detectados y sumados 0 restados,
segun corresponda, mediante el procedimiento de inspeccion. Veamos
algunos ejemplos,
SEMAFORO
Desde nuestro enfoque podemos interpretar a un sematoro
convencional como sistema, As! visto, un semaforo es un sistema
tiene tres variables (tres luces) can dos comportamientos posibles cada
una de elias (prendida/apagada). Es un sistema de tres variables
binarias.
94 95
--------- ._--._- ..--_ ... - -_.
Siendo aSI, y aplicando F3, podemos calcular que la variedad maxima
deestesistemaes:
ws=2f1 8
efecto, designandoA para apagado, P para prendido y repasando
parinspecci6n mediante una estructura dearbol tales comportamientos
te6ricasserfan:
Raja Amarillo Verde R A V
{!.. .8, ,8,
f' ,f!., .-. P .-.
i,
P
.!!.. .!!.. P ,f:.,
P
._- P /.!.. P P
A ,u, ,'!!,
F'
f, r,
l-'. P P ...... F'
p ,.!1, P P ,f!,.
p p p p p
decirque un semaforatiene una capacidadte6rica deemitirun total
deochornensajes diferentes(ochoestadosfinalesposibles),
Sin embargo, todos sabemos que no todos esos mensajes se utilizan
en la realidad, Como regia general que el semafora es un
sistema que tiene tres variables binarias y una reala de restricci6n: las
luces se encienden de a una por vez,
como:
--------------..----.----
,m 1= =3
1! 2'
efecto, haytres comportamientos reales posibles: 0 se prende la luz
raja. 0 la amarilla0 la verde.
Pera sucede queen muchos lugares, parejemplo BuenosAires y otras
ciudades argentinas, admitida un cuarto mensaje
comportamiento pasible): el mensaje rajo--amarillo. ambas al
mismotiempa, como senal de"precauci6n",
Aharabien, no hayuna recontar
admitidos que escapa a la regia
general de hacer ese recuento par
. ., y
sumar 0 en este caso sumar, a los
que cumplen can la regia general. Aqui resolvemas
C3,1 +1 =4
aspectoadicional quedebemoscamentaresel siguiente:
EI semMara tiene acho comportamientas te6ricos posibles de los
cualesseempleanrealmente cuatra. LoPor quedisenarunsistemacuya
variedad exceda largamente la necesaria?, LoNo seria mas eficiente
definir un sistema de dos variables binarias (w = 4) ya que cuatra son
los mensajes necesarios?
Comentemos primera que a la diferencia
te6rica yla realmenteempleadasela
en el lenguaje cotidiano,
necesariamente ser entendida
contexto.
*RossAshby, Introducci6n ala Cibernetica. (8)
96
97

la redundancia con la que fue disefiado el semaforo
a perfeccionar la claridad de lectura los mensajes que emite,
particularmente cuando ellos deben ser interpretados por conductores y
peatones con total seguridad y en una fraccion de segundo.
VENTANAS (5)
Imaginemos ahara estar a un lado de un rio muy ancho. Del atro lade
del rio, hacia el cual estamos mirando, se percibe el perfil de una casa
que tiene, en el lateral que podemos ver, cuatro ventanas segun el
siguiente esquema.
:\ B
Dentro de la casa hay una persona que debe hacernos lIegar
empleando para ello el mecanisme de encender a no luces
en las ventanas.
.!.,Cuantos mensajes distintos nos pueden enviar?
(8)
Obviamente, se trata de un caso de variedad maXima, can cuatro
variables (A,B,C y D) que tienen dOs estados posibles cada una de
elias, porque no es necesario que cad a mensaje tenga un
numero de luces encendidas. No hay restricciones en
mensajes pueden construirse can 1,2,3,4 a ninauna luz,
Comparese esto con el desarrollo por inspeccion de los 16 casas
teoricos posibles en el caso del cuadrangular de futboL Es 10 mismo,
can la diferencia que en aquel caso habia solo 6 que cumplfan can la
regia de restricci6n (los partidos de futbol se juegan de ados) y par eso
10 resolvimos mediante combinatoria En este caso no hay
restricciones, es variedad maxima y resolvemos de acuerdo a
=24 =16 mensajes distintos posibles
Par inspeccion:
Sin luz 11uz 21uces 31uces 41uces
C4,O =1 C4,1 =4 C4,2 =6 C4,3 =4 C4,4 1 Total 16
A AB ABC ABCD
B AC ABO
C AD ACD
o BC BCD
BD
CD
Vamos ahara al punto que nos lIeva a incluir este caso en el apartado
de la variedad restringida con excepciones a la regia de restricci6n,
introduciendo una modificaci6n que afecta el marco de referencia del
problema.
Para ella, supongamos que ahara es de noche. Una noche muy
cerrada y oscura en la cual perdemos los marcos de referencia del
horizonte (nocion alto/bajo), posicionamiento de la casa (noGion
derecha/izquierda) y contorno de la casa (nocion de la ubicaci6n de
98
99
cada luz respecto del invisible peri metro visual de la casa). GCual es la
variedad de mensajes en esa situacion?,
Estas condiciones imponen una restriccion, puesto que debido a elias
algunos de los mensajes posibles en condiciones normales pueden no
resultar distinguibles entre sL
Sin embargo, est a restricci6n tiene la particularidad de presentar una
implicancia fisica que no resulta plausible de representar mediante una
regia general de naturaleza matematica.
Frente a ello solo nos queda el camino de resolver mediante el
procedimiento de la inspeccion. Veamos, analizando por numero de
luces encendidas:
-Sin ninguna luz encendida (C4,Q ::: 1), Antes teniamos un solo mensaje
posible. En la nueva situaci6n el mismo mensaje resulta
distinguible como tal y no se pierde variedad.
-Can una sola luz encendida (C4,1 :::: 4). Antes teniamos cuatro
mensajes posibles: A,B,C y D. Ahora, y debido a la restricci6n, solo
podemos percibir que una de las cuatro luees esta eneendida, pero sin
poder distinguir cual de elias debido a la perdida de los marcos de
referenda consignados. Como conseeuencia, de los cuatro mensajes
posibles s610 podemos distinguir uno y perdemos una variedad de tres.
-Con dos luces encendidas (C4,2 = 6). Antes teniamos 6 mensajes
posibles.
Pero ahora no podemos distinguir el par AB del par CO por la falta de
referencia vertical. Tampoeo podemos distinguir el par AC del par BD
por la falta de refereneia horizontal. Sin embargo, podemos mantener la
distinci6n entre el par AD respecto del par BC pues el marco de
referenda no afecta las diagonales. En este caso perdemos una
variedad de dos.
-Con tres luces encendidas (C4,3 :::: 4). Aqui no tenemos ninguna
perdida de variedad. Las ternas ABC, ABO, BCD Y ACO siguen slendo
distinguibles entre si.
-Can cuatro luces encendldas (C4,4 :::: 1). EI unico rnensaje posible en
las anteriores condiciones sigue siendo distingulble Y no hay oEmlida de
variedad.
En conclusion, de los 16 mensajes teoricos (variedad maxima)
debemos, en este caso, restar los 5 restringidos debido a la presencia
de condiciones fisicas, no representables par una regia de restriccion,
que solo permiten su recuento por inspecd6n.
101
v -LAVARIEDAD BINARIA
Hasta aquf hemos hablado devariedad maxima, variedad restringida y
variedad restringida con excepcionesala regia derestriccion.
En todos los casos, nuestras aplicaciones resolvieron mediante
formulas, y eventualmente par inspeccion en los casos de variedad
restringida can excepciones, el problema de medir la complejidad de
los sistemas consider-ados a traves del recuento del numero real de
comportamientos posibles. De alii que consideramos a todas esas
formas de entender la variedad incluidas dentro del concepto de
variedad natural
En todos los casas se verifica que la cantidad de comportamientos
posibles resulta ser un numero entero. Esto es logico ya que en las
operaciones realizadas (sumas, restas, productos y cocientes) solo
hemos utilizado los inputs n y h (N de variables, N de estados) que
son, parnaturaleza, numerosenteros.
En efecto, un dadosolo puedetener6 comportamientos (6 estados).
Podrfamos construir tambien una especie de dado de 5 caras que
tenga 5estadosposibles.
Pero no podemosconcebiruna pieza quetenga 5, 33 caras!
o tiene5 0 tiene6 0 7, etc.
Un grupopuedeestarconstituido por8 0 9 0 10, etc. personas, pero no
por7,66 personas!
EI numerodeestadosesunentero.
Lo mismo podemos decir del numero de variables intervinientes en el
sistema.
En consecuencia, la variedad, en cualquiera de las formas descriptas,
es tambien un entero.
Desde este punto devista, todas estasformas de medir la complejidad
son formas naturalesy reales queconforman10 queIlamamosVariedad
Natural.
102
tal
en
Ydepasomostrar
util, nada diab611ca
Sin embargo, existe otra forma de medir la variedad que no es natural
ya que apliea una herramienta matematica clasiea, los logaritmos,
mediante la eual se opera una transformaei6n que
fraecionarias 0 deeimales.
o en
procedimiento para estableeer la variedad en bits de un sistema es
simple, basta can caleularel logaritmoen base 2 de la variedad natural
dedichosistema:
wb;:.:: log2 w F8
GCual esla deesta
es establecer un parametro de comparacion y
equivalencia de la complejidad de dos 0 mas sistemas. La idea es
tr..:oncformar la medida de complejidad dichos sistemas a una base
eomparaci6ny equivalencia.
LPorqueutilizarlogaritmosa talesefectos?
Permitiendonos algun rasgo dehumor, admitamosquela sola
de la palabra "Iogaritrno" puede algo repulsiva para
personasyun "intrinqulis" paraotras.
bajo de las
que esy para que
apreciacion puede, en algunos casos,
extenderse aun aquienes han recibido una formaci6n matematica algo
mas especializada destinada a su aplicacion como herramienta
apoyo a sus disciplinas principales, pero perdieron contacta con el
conceptoyusadeestatransformaci6n matematica.
\03
un
termlnos casi
y
Para quienes 10 recuerdan 0 ya hayan pasado por el Apendiee,
podemosahara responderanuestraultimapregunta:
Los logaritmos operan en forma inversa a los exponentes. Son la
reciproca de la poteneiaci6n, aunque a difereneia de la
supone productos sucesivos un mismo
unabasedeterminada.
de base 2 y no de cualquier otra los
realidad, no hay inconvenientes en utilizar logaritmos de otra base
(en tanto sea la misma para tadas los sistemas euya complejidad se
pretende comparar) ya que, como seve enelApendice, los cambiosde
basede los logaritmosresponden aunaconstante.
Pero, convencionalmente se ha preferido los base 2 tres
razones:
variables real una
-0 nosquedac6modoestructurarlas asi-
computadoras resuelven los procesos 16gicos matematicos
el sistema nurnerico binario
c) dos es la minima expresi6n de complejidad de un sistema un
sistema quetiene un solo comportamiento posible es tan rigido que no
tiene ninguna complejidad. Su variedad natural es 1 porque tiene un
solo estadofinal.
o en
un mimercaso de
Para entender usc, tillalidad y la
105
10'"'
~ ~ ~ ~ ~ ~ ~ ~ ~ ~
TRAGAMONEDAS(4)
Los conocidos "tragamonedas" al estilo Las Vegas presentan un visor
con tres pequenas ventanas detras de cada una de las cuales hay un
tamborgiratorioenel queestangrabadosunaseriedesimbolos.
Cuando la maquina es accionada, los tambores comienzan a girar
hastadetenersealeatoriamente(supongamos!) detalforma queunode
lossimbolosdecadatamborquedaa la vistadelapostadora traves de
su respectiva ventana, Queda asi conformada una terna de simbolos
como la que muestra el gn3fico, que determinara segun las distintas
variantes de coincidencia si el apostador recibe algun premio y su
magnitud, 0 si pierde.
(9)
Asumiendo que cada tambor tiene un total de quince sfmbolos,
podemos preguntarnos cuantas ternas distintas puede presentar el
sistema.
Naturalmente, se trata de un caso de variedad maxima con tres
variablesquetienenquinceestadoscadaunadeelias.
w =1 =3,375ternasdistintasposibles
Vamos ahora a suponer que se pretende disenar un tragamonedas
distinto y de caracteristicas "sui generis" La idea es que cada tambor
solo tiene que tener dos simbolos distintos pero que el sistema debe
ofrecer una variedad de comportamientos igual a la original, es dedr
3375,
Siendoquela variedad dependedel numero devariablesy del numero
de estados de cada una de elias, y teniendo en cuenta que el numero
de estados por variable ha sido fijado en dos, solo alcanzaremos la
variedad pretendidaaumentandoel nlJmerodevariables.
Pero, l,CUantas variables binarias habra que definir con el proposito
expuesto?
Lavariedad binarianosauxilia a resolverel problema.
Calculamosla variedad binariadelsistemaquepretendemosconstruir:
wb =log2W = log2 3.375 := 11,72
l,Querepresentael resultadoobtenido 11,72?
Es el nLlmero de variables binarias necesarias para definir un sistema
devariedad =3,3'75 yaque, segL1I1 F3:
w =2
n
= 211"12 :: 3.375
o dicho de otra manera, un sistema que tiene 3 variables de 15
estados cada una (sin restricciones) es equivalente, tiene la misma
complejidad, que otro sistema de 11,72 variables binarias.
Como puede apreciarse, la variedad binaria es un instrumento que
permite lIevarsistemasdedistintaestructura a una base comun binaria
quesirve paraobtenerequivalenciay comparabilidad,
Ahorabien, l,esposibledefinir11,72variables?
La respuesta es que sf, pero solo en un sentido teorico, del mismo
modoquecuandodecimosque, p.ej., ciertotrabajorequiere lamanode
obra de 7,4 hombres. Es solo una expresion referendal, puesto que el
numerodehombreses necesariamenteenteroydiscreto.
106
107
En la practica, el
de variables, como ya se dijo, es
necesariamente discreto.
10 tanto solo podernos definir un N
enterodevariables: 11 0 12.
Si usamos11 noalcanzarnos la variedad propuesta: 211 =2.048
Ysi usamos 12superamosla variedad necesaria : 4.096
Luego, debemos emplear esta segunda variante que cubre nuestra
necesidad, aunque can ei excedente que denominamos "redundancia",
segun10 ya explicadosabreese concepto.
NUMEROSBINARIOS(4)
EI nLlmero 200 del sistema decimal se expresa en el sistema binario
coma:
l.iJ 1.1 010111 01010
Como vemos, se requiere de un mayor numero digitos (variables)
para expresarel mismogradodecornplejidad.
Estoeslogico, ya queen elsistema binariocadadigito(variable) puede
adoptar 2 estados y, frente a esta restriccion solo se puede
mas complejidad aumentandoel numerodedfgitos.
digitos, el sistema decimalpuede adoptar:
h
n
1000estados
oal 999)
Con8 digitos,el sistema binario puedeadoptar:
hl1 = ::: 256estados (del 0al 255)
De este modo, el numero 255 del sistema decimal es el mayor que
puede expresarse can 8 digitos (11111111) del sistema binario. Para
representarel numero256serequieren 9digitos(100000000).
De paso, observese que la complejidad que puede afrecer un numero
del sistemadecimaldetrescifras (10
3
== 1000)puedesermedidacomo
variedad en bits mediante el calcula de su logantmo en base 2 (a bien
.3,322).
L0921000 9,966
Esto debe leerse de este modo: Un sistema de 3 variables, con 10
estados posibles para cada una de elias, es equivalente a otro sistema
de9,966variablesbinarias. Quieredecirquepara poderrepresentaren
terminos binarios los mil numeros 0 al 999 seran necesarias 10
variables (y habra redundancia).
2
8
La variedad natural del sistema es w 256 estados finales
posibles.
Para visualizar como opera el logaritrno, calcui emos ahora su variedad
en bits
wb::: w log10 w 3,322:::8
Observesequeen este caso la variedad binaria del sistema es igual al
devariables, puestodaslasvariablesya eran binarias.
Tomando comobaseunacadenabinaria ochodfgitos:
a) de elias comienzan con 1100 (como por ejemplo el N
200 del sistemadecimal)?
comienzanyterminan con 1?
c) Cuantastienen el 2 0 el4 bit (0 ambos) iguala 1?
G Cuantastienen exactamenteun 1?
e) GCuantastienenexactamentedosnumeros1?
f) GCuimtastienen al menosun 1?
g) son pallndromos(capicuas)?
10
3
108
109
h) t Y si buscamos "capicuas" en una cadena binaria de numero
impardedigitos, porejemplode9?
a) Los cuatro prirneros digitos de nuestra cadena quedan fijos. La
unieo variable es el contenido de los cuatro ultitnos dfgitos. Luego, del
total de2
8
:= 256cadenasbinariashay24:= 16quecomienzanen '1100.
Siendofijosel primeroy el ultimadigito, hay2
6
:::: 64cadenas.
c) Existen 27 :::: 128cadenasquetienen el 2 bit igual a 1 (incluyendo a
algunasquetienen e14 bitiguala 1).
Existen 2
7
128 cadenas que tienen el 4 bit igual a 1 (incluyendo a
algunasquetienenel 2bitiguala 1).
A. la suma de ambos grupos, debemos restar (para evitar su doble
recuento) a aquellascadenasquecumplencan ambascondiciones.
Lascadenasquetienen el 2 y.. el4bit iguala 1 son 2
6
:::: 64(-:0
Luego128+ 128- 64:::: 192
d) EI 1 estara en cualquiera de las ocho poslclones y los restantes
seranO. Hay8 cadenasquecurnplen la condici6n.
Ca.1:::: =
== 8
m! (n-m) 1!7!
e)
Analogamente Ca.2 = ::::
2! 6
1
Compare este caso con la expresi6n senalada comGen el punto
f) La (mica cadenaexcluidaes00000000.
Por10 tantoel resultado es2
8
1:::; 255
g) Cualquiera sea el estado que adopte el primer digito,
necesariamenteel octavo seraiguaL
Otrotanto ocurrira con el segundo respecto del septimo, con el tercero
respectodel sextoy canel cuarto respectodelquinta.
Por tanto, los cuatro ultimos digitos ser':ln un reflejo simetrico de las
primeroscuatro.
Y parconsiguientesola puedenconstruirsetantos"capicuas" (*2) coma
expresionesdistintaspuedenubicarseen losprimeroscuatrodfgitos.
La respuestaes, pues: :::; 16capicuas.
h) La situaci6n es analoga entre los cuatro primeros dlgitos respecto
delosultimoscuatro.
Sin embargo, el digito central, en este caso el quinto, puede adoptar2
estados.
EI resultadoespues 24 . 2 16. 2 :::; 32 0 bien =32
Experimentequepasa con 10 digitos.
Luegohaga10 mismocon 11 y 12.
(*2) Estrictamente, "capicua" es una palabra de origen catalan (cap+-
cua: cabezay cola)yenespanolsedesignacomo"palindromo", quees
una palabra, frase 0 expresi6n quepuede leerseexactamente iaual en
ambossentidos.
Parad6jicamente, las palabras "capiclla y "palindromo" no tienen la
caracteristicaquedesignan.
110
Algunos de los ejemplos mas conocidos y extraordinarios en el
espanol son lasfrases:
"Dabalearrozalazorraelabad"
"Laruta nosaportaotropasonatural".
"Aromadalabonita.La podranodar0 dar.AI calorafloraCarol)
farolaclara, doradonardopalatino, baladamora".
"Latropatramarapara raparaMartaPortal".
"No,el usaraesa parapasearasuleon".
Algunas expresiones matematicas (en los dos ejemplos siguientes,
igualdades)tambiencumplen la cansigna:
1,234/4.321 =,285582
111.111.111 x 111.111.111 =12.345.678.987.654.321
dos palabras capicuas de
letras.
Cuando10 haya dirijasea la paginasiguiente.
?

_______________-'11. I
que usted haya pensado en las palabras "Neuquen" y
, 0 al menosunade
Si as! ocurri6, tal vez nos asignecualidadesdeciarividencia.
Si no, usted debe saber que frente a esta pregunta la mayoria de
personas responde deaquella manera. Pruebelocon susamigos.
TambiEm puede pedirles que piensen 10 mas fapida posible
en 30 segundos) el nombre un pais que comience con la
el nombredeun animalquecomiencecon la letra"i"
Primero puede usted probar, si
Si ya 10 hizo, aharadirfjaseal casay al reves.
sucedenestas
el foco deesta curiosidad se relaciona con la heurfstica
descripta por los ya mencionados Kahnemann y
para estos ejemplos, con los conocidos como
"efecto disponibilidad" y su similar "efecto representaci6n". Ampliamos
sobreestetemaen el capituloXII.
netsixeneibmateuqY.acramaiDnesanaugiyah oneuqsomamrofnieL
.sotcesnisolY,sibisol,anacinimoD,acinirnoD,ituobijD
BALANZAY MONEDAS (4)
siguiente casa, basado en variantes
las revistasdeacertijose
dela variedadbinaria al
{
112
~ ~ --- ---- ------ ---
(10)
Sea un conjunto de 27 monedas, todas iguales en denominacion y
aspecto. Una de elias es falsa y pesa 5mg menos que las genuinas.
Nuestrasensibilidad manual no nos permitedeterminarcual es la falsa.
Noobstante, contamoseon unabalanzadelaboratoriodefiely platillos,
muy sensible, aunque sin disponer de las pesas empleadas
regularmenteen la medieion.
La propuesta es estableeer fehaeientemente, en el menor numero
posible de pesajes y sin depender de la buena fortuna (Murphy
ausente)cw31 es la monedafalsa.
Desde luego, podemos agarrar dos monedas, eoloear una en eada
platoy, si unode los platossube, sabremosquela monedaqueestaen
el esla falsay resolvimosen un paso.
Tambien sabremosque hemos side muyafortunados al seleeeionarlas
dosmonedas.
Nosetrata deeso. Nadadeazar.
Podemos intentarlo empiricamente y probar distintos eaminos, papel y
lapiz mediante, hasta eneontrar aquel resulta el mas efieiente, en el
sentidodeeumplircon la eonsignaen el menornumerode pesadas.
Si quiere, puede probar.
Si 10 hizo, habracomprobadoqueel numeroestres.
Suconclusion seapayoen el siguienteprocedimiento:
Il3
1 Pesaje: ud. coloca 9 monedas en un plato de la balanza y 9 en el
atro, dejando9 monedasafuera.
AI hacerlo, puedeocurrirqueel platoA bajey el Bsuba.
En tal caso, la moneda falsa mas liviana que las demas esta entre las
nuevedel plato R
Si, al reves, el platoA sube y el B baja, entonces la moneda esta entre
las nuevedel platoA
Tambien puede ocurrir que ambos plato mantengan el mismo nivel, en
cuyo caso se deduce que la moneda falsa esta entre las 9 que estan
fuera dela balanza.
En cualquier caso, tras la 1a pesada, ud. habra identificado en el cual
delostresgruposesta la moneda.
2 Pesaje: siguiendo el mismo esquema y repartiendo las 9 monedas
en tres grupos de tres, al cabo de la 2
a
pesada sabra en cual de elias
esta la moneda.
3 Pesaje: la euestion se resuelve repartiendo las tres monedas de la
manera expuesta y asi en tres pesajes se identifica con seguridad la
monedafalsa.
No obstante resultaria deseable eontar con algun proeedimiento formal
que nos permita determinar el dato neeesario sin tanto esfuerzo
empirico.
Para analizar el instrumento que eumplira can este proposita, dejemos
parun rata la balanza y las monedas para regresarcuando 10 hayamos
establecida.
11-.1
115
solo proceso siemprey cuandoel trozodequeso
Si
LALEYDEVARIEDAD OBLIGADA
La variedad binaria 0 en bits cumpie un papel en
sentido, pues aporia un mecanismo relacional entre sistemas a partir
de la formulaci6n de la regia conocida como Ley de Variedad Obligada
o Requerida, enunciada por uno de los padres de la Cibernetica',
RossAshbv. (8)
Esta norma funcional que "Para resolver en un solo
proceso, la variedad del sistema procesador debe ser igual 0
mayorqueladelsistemaa procesar".
Esto denota la consideraci6n dos sistemas y una forma relaci6n
entre ellos en el Gumplimiento de dos papeles: uno de los sistemas
debeserprocesadoy el atro debetenerla capacidad deprocesamiento
necesaria. Y para la relaci6n resulta necesario un parametro
la mismaescala para am 0 sea una base reladonal comun.
la Idea a una
tenemos que rallar un trozo
pequeno que la boca
proeesado y el ralladoresel procesador.
*La cibernetica es una ciencia interdisciplinaria que trata de los sistemas de
control y de comunicaci6n. La palabra cibernelica proviene del griego
"arte de pilotarun navio", aunque Platon 18 utiliZQ en La
de "arte de dirigir a los hombres" 0 "arte de
Andre-Marie Ampere y James Clerk Maxwell
de la palabra. Pero la cibernetica tal como la
entendemos hoy en dia fue formalizada por Norbert Wiener en su obra
Cibernetica 0 el control ycomunicaci6n en animales y (Cybernetics
or control anel communication In the animal and desarrollado
en colaboraci6n can Arturo Rosenblueth y William Ross Ashbv. Fuente:
Wikipedia(9)
Si el quesoes masgrande que la boca del rallador, no nos queda mas
remedio que fraccionar el trozo en que puedan ser proeesadas.
Estonaturalmenteaumentael nlnnerodeprocesos.
mas posible la capacidad del para 10 eual deberemos
cortar el queso en hozos 10 mas grande que la boca del rallador
perrnita.
A tales efectos podemos, par ejemplo, dividir el ancho del trozo de
queso por el ancho de la boca del rallador, saber euantas veces
{
1
supenoresuno queel otmy hacerloscortesen consecuencia.
Par en mente la idea de este cociente. 8i los lrozos
son aumentaremos innecesariamente el numero de
procesos
Si la capacidad de proeesamiento de nuestra
procesador) no es suficiente para determinado programa que tenemos
que correr en ella, solo podemos, si tal programa 10
particionarlo para procesarlo par tramos 0 bien simplificar el
programadetal modoquepuedasercontenidoporel procesador.
aparentementetrivial, no 10 eS tanto. EI destacadoen negrita
un mecanismo bastantefrecuente en la eonduda hurnanay
aunen ciertosprocedimientosteenicos.
Para un ciertoescenario0 dela eeonomia,
la
un economista busca la forma de
de un modelo. Por ejemplo, el y el
los nurneros son herramientas que los humanos usamos para
representarla realidad.
Porcierto, la realidad -ya 10 dijirnos- suele ser compleja y entonces es
muy posible que, aclemas de las mencionadas, las herramientas
(procesador) que posee el economista para proclucir su modelo, aun
117
sofisticadas y complejas, no sean para el superior
de complejidad que presenta aquello que se representar (0
procesar).
que en una situaci6n como la descripta no se cumple la Ley
de Variedad Obligada.
GQue puede hacerse?
Apelar a mas de un proceso, 10 eual parece dificil con este tipo de
sistema a procesar, 0 bien simplificar la realidad a representar.
Esa es la soluci6n mas habitual y entonces el economista propone una
simplificaci6n basada en seleecionar las variables que considera mas
relevantes. G Y el resto? ........ "ceteris paribus".
1'1
P?
9.9
w -
.,2
ci:
e.,.
uut
dp
-.1 'I/'
de f,JO.-,,) Jnn,.} trHJiV1:du.'.1
fHH Uftttf<*4 ttt'!' tlt-:1i;:_pul
Por ejemplo, mediante un grafieo como
estudiaron
microeconomia, economia de empresas, etc. 10 rOl'r-rI'ir:>
se vinculan
dos variables, precio de un producto (p) y
de su producci6n
para deterrninar cual es la cantidad
a producir por la
ernpresa a partir de la curva de
a dicha empresa y la
estructura de costos de la misma. GY los
facto res que inciden en
el tema? ... Ceteris
se mantienen en status
quo. Sin contar con que no es tan facil
la curva de demanda
a la empresa y no
la propia
de costos.
(,Significa esto que el modelo es defectuoso? No, signifiea que es una
simplificaci6n, una heurfstica 1 un modele que ayuda a analizar pero
que no cumple can la Ley de Variedad Obligada pues la herramienta no
alcanza a describir la complejidad del fen6meno
No nos ensanemos can el
hemos tomado de chivo emisario de un
afecta a todos.
vez su modele sea, si men os bueno
como para representar y servir de
ayuda conceotual a la
Ademas, en muehos analisis te6rieos ocurre alga parecido. Sin ir mas
metodologias de nuestra de la Decisi6n sue len ser
modelizar en el terreno de 10 operativo (los mundos
'Se denomina 'heurfstica' a la capacidad de un sistema para realizar de forma
inmediata innovaciones positivas para sus fines. La heurfstica es un
rasgo camcterfstico de los humanos, desde cuyo punto de vista puede
describfrse como eJ arte y la ciencia del descubrimiento y de la invenci6n 0 de
resolver problemas mediante la creatividad y el pensamiento lateral 0
pensamiento divergente. La etimologia de heur/stiGB es la misma que la de la
palabra eureka, cuya exclamaci6n se atribuye a Arquimedes en un episodio
tan famoso como ap6crifo. La palabra heuristica aparece en rnas de una
categorfa gramatical. Cuando se usa como sustantivo, identifica el arte 0 la
ciencia del descubrimiento, una disciplina susceptible de ser investigada
formalmente. Cuando aparece como adjetivo, se refiere a cosas mas
concretas, como estrategias heurfsticas, reglas heurfsticas 0 silogismos y
conclusiones heurfsticas. Claro esta que estos dos usos estan inlimamenle
relacionados ya que la heurfstica usualmente propane heuristicas
que gufan el descubrimiento. La popularizaci6n del se debe al
matematico George P6lya, can su libra C6mo resolverlo (How to solve
Habiendo estudiado tantas pruebas matemalicas desde su
saber como los matematicos Ilegan a elias. EI libra cantiene la clase de
recetas heurfsticas que trataba de ensenar a sus alumnos de matematicas.
Fuente: Wikipedia.
118
119
pero comienzan a ser insuficientes en el campo de 10 tactlco
(los y decididamente cumplen un papel
pero menos practico a la complejidad y la
mundosestrategicos . (2)
en realidad pretendemos senalar con este ejemplo es que
frente a las muy habituales situaciones en que la realidad adopta una
forma muy compleja como para que la podemos aprehender en su
integralidad (no se cLimple la Ley de Variedad Obligada), los humanos
apelamos a L1na heuristica (reduccion, simplificacion, atajo,
acotamiento, introduccion de restricciones) nos pen'nita
en la incertidumbre y as! sobrellevar la cuestion 10
podemos, nosiempretan mal yaveces razonablemente bien.
problema se presenta cuando tales heurrsticos nos lIevan por
sesgados por algunas trampas de la mente, de tal que
as! concebido ya no representa ni siquiera medianamente
bien, 0 decididamente mal, la realidad. Las investigacionesdescriptivas
de la psicologia conductista han demostrado que algunos de esos
heuristicos son sorprendentemente generalizados, es decirque afectan
a porcentaje significativos de las personas y lIevan a errores
comunesypredictiblesatodas elias.
Varios de dichos sesgospsicologicos, ya 10 adelantamos, 5e relacionan
con el deficit en el razonamiento combinatorio y el consecuente
de dificultadesDara procesarprobabilidades
Sobre la naturaleza fenomenos tendremos la oporiunidad de
comentarsus caracteristicas en el
Volvamos, ahorasL anuestra
en el la balanza es el procesador y
las monedasel sistema aprocesar.
La variedad del sistema procesadores 3 (tres mensajes: brazoA mas
alto, brazo Bmasalto, ambosbrazos
vanedad del aprocesares 27.
l.a estructura exponencial nos Ileva a no poder procesar
la relaci6n ambos parametros por un cociente, sino a traves
dela radicacion.
Sin embargo, ydebidoa la propiedad ya aludida de logaritmos
justificaclon en el Apendice), mediante una transformacion de ese
podemos relacionando como
.- . ~ ~ l _ ___' -':l
,,_,I
3'1
(,Podrfamoshaber logaritmosdebase 1
Sf, bases los son intercambiables iante una
constante. VerApendice.
(, Ysi tuvieramos28 monedas, unafalsa?
Veamos: ".;:LL"'=:::=' =4,807 3, 033
3 1
Ya serian necesarios4procesosyhabna una redundancia.
GHasta cuantas monedaspodemosresolvercon 4
Hasta 81. Haqa las operacionesy pruebe.
120
121
CABLE
Supongamos que tenemos un cable de 64 metros de extensi6n. En un
extremo tiene una ficha de conexi6n a la corriente elfctrica y en el otro
una bombilla. Conectamos la ficha al tomacorriente y la lampara no se
enciende. Verificamos ficha y tomacorriente y funcionan normalmente.
Verificamos la bombilla y tambien es normal. Conclusi6n: el cable esta
mal en algun punta dentro de los 64 metros.
(11 )
Nos disponemos a ubi car ese punto para subsanar el corte.
Suponiendo que haremos nuestra revisi6n metro a metro, podemos
comenzar por un extremo e ir probando. Si el azar esta nuestro lado
vez solucionemos rapido.
Sin embargo, todos conocemos las Leyes Murphy y mas una vez
hemos buscado un papel en una pila para comprobar que estaba cerca
del final ella.
como el famoso "misterio de la empanada": pruebe usted comer una
empanada comenzando por alguno de sus dos extremos.
Inexorablemente comprobara que la aceituna esta en el
Mas alia del humor, ciertamente seria deseable que nuestra busqueda
siguiera algun procedimiento racional y eficiente que nos evite terminar
cortando el cable en 64 partes y nos asegure que, en el peor de los
casos, el mayor numero de cortes a realizar sea 10 mas bajo posible.
l Y cual es el menor numero de cortes necesario que nos garantice
encontrar el fallo sin depender de la buena
Variedad del sistema procesado: 64
Variedad del sistema procesador: 2
sistema procesador es una que secciona los objetos de corte
en 2 partes.
Luego: = 6
wb2 2 1
Seis es el minima numero de cortes (procesos) nos Ileva a la
soluci6n.
efecto, debemos cortar el cable por la mitad y verificar.
Con este primer corte sabremos en cual de las dos secciones esta el
desperfecto.
Determinada cual de elias, la cortamos por la mitad y sabremos en
de los dos cuartos esta el problema.
Con este segundo corte hemos ubicado un tramo de 16 metros en el
. esta el corte.
Cortamos este tramo por su mitad y probamos para saber eual de los
dos octavos eontiene el desperfecto.
Siguiendo esta linea, al cabo de 5 cortes nos quedara un tramo de dos
metros, el cual cortaremos por su mitad con el 6 corte para
determinar eual de los dos metros debe ser reemplazado.
Un acertijo bastante conocido, que suele aparecer en las revistas del
y tambien es utilizado como ejercicio entre las nuevas tecnicas
aplicadas al desarrollo de la creatividad, es el siguiente:
En una pared hay un terminal eliactrico con tres lIaves de luz (binarias:
on/off), todas posicionadas en "off". Una de elias acciona
(enciende/apaga) una lamparilla que en otra habitaci6n. Se nos
accionar todas las lIaves de luz veces que deseemos, pero
solo podemos ingresar aver la otra habitaci6n una sola vez.
Con esa LPodremos determinar fehacientemente, y sin
depender cual de las tres lIaves es la aue acciona la
lamparilla?
Si puede antes de continuaL
122
123
formal desde el analisis de variedad binaria nos lIevaria a
decirquela respuesta esqueno., yaquelavariedad natural sistema
a procesar (caja de tres lIaves) es 3, la variedad natural del sistema
procesador (Ia bombilla) es 2 (prendida/apagada _. 2 rnensajes), 0 sea
la leydevariedad requerida, y soloS8nospermiteun
proceso (vlaje a la otra habitacion).
embargo, desde el pensamiento lateral fomentado par las
modernastecnicasdecreatividad nossugieren una visionquelIevaa la
soluciondel Droblema Veamos:
Elija usted 2 de las tres /laves, por eJemplo A y Pongalas en
cinco minutos. Ahara vuelva a "off" cualquiera de dos, por
ejemplo A Luego vaya a la otra habitacion. Si la bombilla
no hay ninguna duda dequela Ilave deaccionamientoes la
la bombilla esta apagada, toquela Si esta caliente no hay duda:
esla lIave 8. Si estafria: C
si,
Variedad natural aprocesar: 3
Variedad natural del
procesador: 3 (prendida, apagada caliente y
apagada fria -
3 rnensajes). cumple la ley de variedad
=1proceso
3
es un mteresante ejernplo de como, en ocasiones, la
pasa por encontrar un forma de aurnentar la variedad (capacidad) del
procesador.
sobre el concepto de la relaci6n
ente la variedad a
del procesador
verse en una caso
X Aplicaciones a
casos conel nombre
ORGANIZACIONAL"
VI INCERTIDUMBREY ENTROPIA
No es prop6sito estetrabajo analizartodos los
ia consideracion dela
decisoria, soloaquellos
Basicamente, asociamos la a la idea de
desconocimiento, ignorancia, duda,
En la concepcion dePaves! (10), existecierto deincertidurnbreen
el universe que estarnos considerando cuando no sabernos con
eual es, 0 sera el cornportamiento d ~ 1 convalidando
queIlenemasdeun cornportamiento posible.
que el conocimiento tiende a reducir la incertldumbre (y la
ignorancia 10 contrario), cobra significacion la concepcion liga al
conocirnientocon la informacion.
Si bien es cierto que corno cosa general, la informacion aporta
conocimiento y consecuentemente reduce la incertidumbre, tambiEm es
necesario advertir que en universos abierios este proceso no es
necesariamente asi, pudiEmdose verificar la existencia de
en quela informaci6n no reduce la incertidurnbree incluso, bajo ciertas
circunstancias, la aurnenta (ver punto caso Estructura
Organizacional).
dijirnos, no es nuestro objetivo extendernos en la noci6n de
incertidurnbre y solo aportamos ahora algunos aspectos basicos para
apoyarel desarrollodeltemasobreel Que trata este
relevantes en la consideracion de la
la necesidad de encontrar un
su
Asi comodefinirnos a la probabilidad como parametro dela propensi6n
y a la variedad como medida de la
algun
124
125
incertidumbre, particularmente con la de poder comparar sus
grados 0 niveles en distintos sistemas,
En este sentido, la busqueda y la investigaci6n fueron largas,
dificultosas y muchas veces infructuosas. Durante a/gun perfodo se
ensay6 la posibilidad de emplear alguno de los clasicos operadores
estadfsticos (media aritmetica, media ponderada, desvio medio, desvio
standard, varianza, etc.) como "sensores" del grado de incertidumbre
de un sistema 0 una situacion.
Sin embargo, dichos operadores Se revelaron como ineficaces a los
efectos buscados, especialmente por quedar excesivamente afectados
por los resultados esperables por cada escenario probabilistico y no por
tales probabilidades Para un mayor detalle sobre este aspecto puede
consultarse "La Incertidumbre del Universo" P. Paves!. 152 Pag.
60A64.
La solucion lIeg6 finalmente desde la Teoria de la Informacion y la
propuesta de Claude Shannon* (11) que permite medir la incertidumbre
a traves de una formula denominada Entropfa (H).
Conocemos la perplejidad con que es percibida la formula de Entropfa
por quienes la abordan por primera vez, y sus dudas frente a una
modelizaci6n que, en principio, no parece tener ninquna relaci6n de
justificaci6n con el objeto que pretende modelizar.
Por tal motivo, antes de presentar esta formula que funciona como
modero de medici6n de la incertidumbre vamos a ensayar una
justificacion para legitimar su vigencia y aplicacion. Incluiremos ademas
1I.',a breve referencia al nombre con que se ha designado a este
modelo.
LQue atributos, que caracteristicas debemos exigirle a un parametro
para que resulte una buena medida de la incertidumbre?
*Claude Shannon. "The Mathematical Theory of Communication".
Esta claro que la noci6n de lr1c:ertldumbre se nos aparece como un
concepto algo abstracto que asociamos mas con las sensaciones y las
percepciones que can 10 fisico y 10 tangible.
Por tal motivo nos es mas faci/ ligar la idea de incertidumbre al mundo
de 10 cualitativo y subjetivo que de 10 cuantitativo y
No obstante, podemos tamar algunos de los aspectos objetivos can
que venimos analizando la complejidad de los sistemas para encontrar
base de apoyo en la creaci6n de nuestro instrumento de medicion.
En todo caso, siempre esta la posibilidad de probar empiricamente SI el
artificio emite senales que se corresponden con 10 que sentimos 0
percibimos.
Es un hecho que la cantidad de comportamientos posibles de un
sistema guarda correlaci6n directa Gon el numero de variables que 10
integran y con el numero de estados que cada una de elias puede
presentar.
Ambos elementos, variables y estados, con mas las restricciones y
excepciones a restricciones, resultan determinantes de la variedad de
comportamientos de un sistema.
Siendo asi, es deseable y necesario que un parametro del grado de
incertidumbre sea sensible a esta cuesti6n pues resulta claro que
cuanto mayor sea el numero de variables y estados, mayor es la
variedad de comportamientos posibles y tambien mayor la
incertidumbre respecto de CUt1 de ellos es el que efectivamente se
verificara.
Luego la medida de incertidumbre debe exhibir mayor intensidad frente
a una mayor variedad.
Pero tambien puede ocurrir que la distribucion de las probabilidades
cada uno de los estados finales posibles de un sistema adopte distintas
conformaciones.
126
ejemplo, si un sistema tiene una sola variable can dos estados
= 2) nos generara distinto grado de incertidumbre si ambos
tienen una probabilidad de producirse 0,5 cada uno que si
y el otro 0,3. U otro con y 0,1. Esta claro que
es mas incierto que el segundo y este a su vez que el
tercero. Y as! es tambien nuestra oerceoci6n. Una buena medida de
debe ser sensible a
Siguiendo con este ultimo ejemplo, tambien resulta evidente que
cualquier otra distribuci6n de probabilidades entre dos estados posibles
que sea distinta de 0,5 y 0,5 debe, tener menos
incertidumbre.
ultimo aspecto nos lIeva a una conclusion significativa. La maxima
incertidumbre para un numero dado de estados posibles se
verifica cuando todos ellos son equiprobJables. Luego la
incertidumbre debe ir disminuyendo cuanto la distribucion de
probabilidades mas se aleja de la equiprobabiJidad.
Nuestro tambien debe detectar y registrar estas
caracteristicas.
Como veremos luego, la f6rmula de es un modele logaritrnico
se basa en la variedad y en la de orobabilidades del
cuya incertidumbre mide.
Como eualquier modelo, no es la realidad misma sino una
de ella.
Y un modelo es buena cuando suficientemente bien el
fen6meno real.
un ejemplo: GQue mide un terrn6metro't
En realidad, 10 que un term6metro mide es como 5e dilata el
de un tuba de vidrio de 1 mrn de E.I term6metro es un
modele que, a la luz de la suficientemente bien
el fen6meno de la temoeratura en de su medici6n.
127
La mismo podemos decir de la Entropia. I de su
estructura matematica es una modelizaci6n que se ha revelado como
suficientemente representativa del fen6meno la
cumpJiendo can las exigencias que plantearamos en
anteriores.
La palabra Entropfa nos lIega desde tres vertientes, la Fisica 0 mas
precisamente su rama particular conocida como Terrnodlnamica, la
Mec2l1lica istica y la Teoria de la Informaci6n.
La termodinamica, fija su atenci6n en el interior de los fisicos
y en los intercambios de energia en forma de calor se Ilevan a
entre un sistema y otro.
La termodinamica basa sus anal isis en algunas La
Primera
La cera
Si dos objetos A y B estan por separado en
tercer objeto C, entonces los objetos A y B estan en
entre si".
En consecuencia, dos cuerpos con diferente temperatura uno de otro, y
en contacto por un tiempo determinado t, alcanzaran la misma
temperatura.
De este principio se induce el de temperatura, que es una condicion
cad a cuerpo tlene y que el hombre ha aprendido a mediI' mediante
arbitrarios y escalas de referencia (escalas termometricas).
Ley
La Primera de la termodinamica define el de energia
interna, trabajo y calor, expresando que si sabre un sistema can una
determinada energia interna. 5e realiza un mediante un
128 129
.. _---------_._--------_...._---_._--_._--------_._----------_.. _-----_._-_.... _-------------_._------
proceso, la energfa interna del sistema variara. A la diferencia de la
energfa interna del sistema y a la cantidad de trabajo se la denomina
calor. EI calor es la energfa transferida al sistema por medios no
mecanicos.
Ejemplo: si el sistema es un recipiente metalieo con agua; puede
elevarse la temperatura del agua por friccion con un objeto giratorio
dentro del agua 0 por calentamiento directo sobre una Fuente de calor.
En el primer caso, se hace un trabajo sobre el sistema y en el segundo
se Ie transmite calor.
Por tal m o t i v ~ la energfa interna de un sistema, el trabajo y el calor no
son mas que diferentes manifestaciones de energfa. Como
consecuencia la energfa no se crea ni se destruye, sino que, durante
un proceso se transforma en sus diversas manifestaciones.
La Segunda Ley
La primera ley establece que la energfa se conserva. Sin embargo, se
puede imaginar muchos procesos en que se conserva la energfa, pero
que real mente no ocurren en la naturaleza.
En la naturaleza hay procesos que suceden, pero cuyos procesos
inversos no. Para explicar esta falta de reversibilidad se formul6 la
segunda ley de la termodinamica, que tiene dos enunciados
equivalentes:
Enunciado de Kelvin - Planck : Es imposible construir una maquina
termiea que, operando en un cicio, no produzea otro efecto que la
absorci6n de energia desde un dep6sito y la realizaci6n de una
cantidad igual de trabajo.
Enunciado de Clausius: Es imposible construir una maquina cicliea
euyo unieo efecto sea la transferencia continua de energia de un objeto
a otro de mayor temperatura sin la entrada de energia por trabajo.
En terminos mas 0 menos sencillos: "No existe un proceso cuyo unico
resultado sea la absorcion de calor de una Fuente y la conversion
fntegra de este calor en trabajo". Este principio (Principio de Kelvin-
Planck) nacio del estudio del rendimiento de maquinas y mejoramiento
tecnologico de las mismas.
Si este principio no fuera cierto, se pod ria hacer funcionar una central
termica tomando el calor del medio ambiente; aparentemente no habrfa
ninguna contradiccion, pues el medio ambiente contiene una cierta
cantidad de energia interna.
Pero deben senalarse dos cosas: primero, la segunda ley de la
termodinamica no es una consecuencia de la primera, sino una ley
independiente; segundo, la segunda ley explica las restricciones que
existen al utilizar la energfa en diferentes procesos, en este caso, en
una central termica. No existe una maquina que utilice energfa interna
de una sola fuente de calor.
Rudolf J. Clausius, ingeniero frances, formulo un princlplo para la
Segunda ley: "No es posible proceso alguno cuyo unico resuhado sea
la transferencia de calor desde un cuerpo frio a otro mas caliente".
Sobre esta base, introdujo --a mediados del siglo XIX el concepto de
entropia, entendida como una medicion de la cantidad de restricciones
que existen para que un proceso se lIeve a cabo.
Pasemos la informacion de estas fuentes a un lenguaje mas asible para
quienes, como nosotros, no son especialistas en fisica termodinamica.
La primera Ley es la ley "simpatica". Nada se pierde, todo se
transforma (la energia no se pierde sino que se transforma).
La segunda, no tan optimista, explica que en el proceso de
transformacion una parte de la energia transformada se degrada y
luego ya no resulta reutilizable.
Como la energia total no es infinita, la consecuencia inmediata es que,
en el curso del tiempo, la porcion utilizable es cada vez menor y la no
131
13()
utilizable cada vez mayor. Y la consecuencia ulterior es que se lIega a
un momento (repetimos, no angustiarse, falta bastante
l
) en que ya no
hayenergia
Ahora bien, el orden no es producto de la nada, no es gratis Es
necesaria una porci6n de energia para sostenerlo. Cuando la energia
ya no disponible no habra forma de mantenerlo. tal momento,
el desordeny la entropia(como su medidafisica) maximas. el
caos!.
La entropia, el desordeny el gradodeorganizaci6n.
Supongamos unacajadetornilloscon divisionespara losdistintos
y tamanos. Los divisores representan restricciones configuran un
determinado nivel deorden. Si alguno de los divisoreses removido,
tornillos contenidos en las secciones contiguas se mezclaran y una
cierta pord6ndel orden sehabra perdido.
EI desorden, la entropia, aumentara en la medida que se eliminen mas
restricciones, alcanzando su maximo cuando no queden restricciones.
Todas lasconfiguracionessonposiblesy la caja esun "caos".
entropiadeestesistema ha aumentadoal disminuirlasrestricciones
pues inicialmente habia un orden establecido y al final del proceso no
existe orden alguno dentro de la caja. La entropia esen este caso una
medidadel orden (0 desorden)deunsistema0 dela falta degradosde
restricci6n.
Los conceptos de informaci6n y entropia estan ampliamente
relacionados entre si, aunque se tard6 arias en el desarrollo de la
mecanica estadistica y la tearia de la informaci6n para hacer esto
la formulaci6n que hace de ella la Teorla de la informaci6n
entropia se llama frecuentemente Entropfa de Shannon, en honor de
Claude E. Shannon(11).
EI nudo conceptual que se ha tejido en torno a las nodones de
informaciony entropfatras la publicacion de la Teorfa Matematica de fa
Comunicaci6n de Claude Shannon, puede tener un origen un tanto
anecd6tico: parece ser que Shannon tenia en mente bautizar su
funci6n H como "uncertainty", porque mide la incertidumbre de que un
deterrninado mensaje sea escogido entre un conjunto de alternativas
posibles.
Esta incertidumbre se produce antes de la eleccion efectiva. Otra
era lIamara H"information",yaquecuantifica la informacionque
se recibe tras la elecci6n de un mensaje dado. No obstante, Von
Neumann, tal y como relata Tribus (Tribus, 1963, citado en Denbigh,
'1985, pg. 104), terci6 de modo persuasivo en favor de "entropy" can
dospoderososargumentos:
lilt is already in use under that nameand besides it will give you a
edge in because nobody really knows what entropy is
anyway". (... ya esta slendo usada can ese nombre, y aparte Ie dara a usted
gran intervenci6n en los debates porque. de todos modos. nadle sabe
realmentequees la entropia.)(1ic)
Von Neumann se referfa a la identidad (formal) entre las funciones
utilizadas en mecanicaestadisticay lafuncion HdeShannon. (1ic)
EI basico de entropla en Teoria de la Informaci6n tiene
mucho que ver can la incertidumbre que existe en cualquier
experimento0 senalaleatoria.
De esta forma, podremos hablar de la cantidad de informaci6n que
lIeva unasenal. Comoejemplo, consideremos un textocodificadocomo
una cadena de letras, espacios y signos de puntuaci6n (nuestra sefiai
sera unacadenadecaracteres).
Toda vez que, estadfsticamente, algunos caracteres no son muy
comunes (par ejemplo, "k") mientras otros si 10 son (como la "a"), la
cadena de caracteres no es tan "aleatoria" como podria 11egar a sersi
todatuviesen la mismafrecuenciade presentacion.
132
133

Obviamente, no podemos predecir con exactitud sera el siguiente
can:kter en la cadena y eso la haria aparentemente aleatoria; pero es
la entropia la encargada de medir precisamente esa aleatoriedad, y fue
presentada por Shannon en su articulo de 1948 "A Mathematical
Theory of Communication"
Shannon ofrece una definicion de entropfa que satisface las siguientes
afirmaciones:
1) La medida de informacion debe ser proporcional (continua). Es decir,
el cambio pequeno en una de las probabilidades de aparicion de uno
de los elementos de la senal debe cambiar poco la entropfa.
2) Si todos los elementos la senal son equiprobables a la hora de
aparecer, entonces, la entropia sera maxima.
ENTROPIA
Presentamos ahora la construccion de Shannon para su formula de la
entropfa:
w
H= 2 - P. 1092 Fl.
I I
i = 1
*
Analicemos la
en la cual Entropfa es designada como H.
Se trata de una sumatoria, deb ida a su definicion logarftmica. Como se
sabe (ver Apendice logaritmos) los productos en numeros naturales
se tratan como adiciones en la funcion logaritmica.
*La formula que utilizamos apliea logaritmos de base 2, por 10 cual queda
en bits (conjunci6n de binary digit) como unidad minima de
Pero no hay ineollvenientes en emplear logaritmos de base 10
en dits) 0 logaritmos naturales (entropfa en
La sumatoria tendra tantos terminos como la variedad natural del
sistema cuya incertidumbre (entropia) buscamos medir (por eso la
definimos como sumatoria desde i hasta w, donde w=variedad) .. Par
si el sistema que estamos considerando es una moneda
(w=2), entonces la sumatoria tendra dos terminos. Si es un dado (w=6) ,
tendra seis terminos.
la entropia particular de cada estado.
Para ello, se multiplica la probabilidad de ocurrencia de dicho estado
el logaritmo base 2 de esa misma probabilidad. Calculada la
entropia de cada estado, se las suma y se obtiene la entropia total del
sistema.
se aprecia en la formula, cada termino esta precedido por el
signo menos. La razon para ello es simple y meramente convencional.
Sucede que en todos los casos se estaran calculando logaritmos de
probabilidades. Ahara bien, par definicion de probabilidad
cumple que Es decir que toda probabi!idad es un
mayor 0 igual que cero y menor 0 igual que 1.
Y resulta que los logaritmos (de cualquier base) de los numeros entre
cero y uno son negativos. Por 10 tanto, para neutralizar ese efecto,
interponemos convencionalmente el signo menos modo tal que la
sumatoria final resulte positiva.
APLICACION DE ENTROPIA EN ALGUNOS EJEMPLOS
Calculemos la entropia del sistema "moneda" (1 variable, 2 estados,
Recordando la neutralizacion del signo menos, trabajamos todo en

134
135
Hm = 0,5. log2 0,5 + 0,5. log2 0,5 ::: 0,5. 10910 0,5. 0,322 + 0,5. 10glO.
0,5. 0,322
Resolviendo lasoperaciones
Hm 0,5 +0,5 1
En este ejemplo, como en cualquier otro en que la distribuci6n de
probabilidades sea equiprobable entre tados los estados finales
posibles, la sumatoria estara integrada totalmente por tenninos
identicos. Por 10 tanto, podemos resolver 10 mismo aplicando una
expresi6n menoscompleja.
Hm= (1/2 log2112) .w dondew =variedad::: Ndeterminos
Luego Hm:::( 1/2 log2 1/2) .2
Y simplificando los datos sellalados en negrita, nos queda
simplemente:
Hm::: log2 1/2 1
La Entropiadeun sistemade2estadosequiprobableses 1.
Por otra parte, y por 10 senalado anteriormente, 1 es la maxima
Entropiaposiblepara un sistemadevariedad ::: 2
Cualquier otra distribuci6n de probabilidades distinta de la
equiprobabilidad debe ser menorque 1 y cada vez mas cercana a aa
medida que la distribuci6n de probabilidades se aleje de (0,5; 0,5). En
un extremo, cuando la probabilidad de ocurrencia de un estado es 0 y
la delotroes 1, entonceshaycertezatotal dequeeste ultimoestadoes
el que se va a producir. En tal caso no hay ninguna incertidumbre y
16gicamentela Entrop/aesO.
Comprobemos: el sistema G tiene una variable con dos estados y
probabilidades(0,7; 0,3) paracada unodeellos,
No habiendo equiprobabilidad necesitamos resolver mediante la
expresi6n masextensa.
:::
log2 0,7 +0,3 log2
=0,881309
Nuestra medida de incertidumbre es suficientemente sensible para
detectarpequenasdiferencias
PareL, calculemosH para el sistemaF (0,71; 0,29)
0,71 log2 0,71 +0,29log2 0,29:=0,86873
Aun por poco, la Entropia F es menor que la G ya que sus
probabilidades estan alga mas alejadas de la equiprobabilidad,
reflejandose una pequena disrninuci6ndel gradode
Calculemos ahara la incertidurnbre que nos presenta un dado
considerado como sistema, es decir una variable con seis estados
posiblesequiprobables.
Podemosresolvermediantelaexpresi6n simplificada:
Hd (1/6 log2 1/6) .6 :::; log2 1/6 ;;: 2,585
Como puede apreciarse la incertidumbre que presenta un dada es
signlficativamente mayor. No es 10 mismo el grado de
duda/arnbiguedad que "sentimos
ll
frente ados escenarios igualmente
posiblesquefrente a seis.
Porotra parte, y segun 10 ya establecido, 2,585 es la maxima Entropia
para un sistema de seis estados finales posibles y se verifica si hay
equiprobabilidad.
Cualquierotra distribuci6n distinta Ilevara a una entropia menor, y cada
vez menor cuanto mas se aleje la distribuci6n de la equiprobabilidad,
pudiendo lIegar a cero en el caso que cinco estados tengan
probabilidad ceroy un estadotenga probabilidad uno.
En tal caso no habra incertidumbre pues tendremos la certeza de
tal estadoesel queseverificara.
Una conclusi6n quepodemos irextrayendoesque la Entropfa siempre
tiene un minimaquees ceroen situaci6n decerteza (cuando algunode
losestadostieneprobabilidaduno)ytambieln unmaximo.
U6
Pero ese maximo es relativo en funci6n de la variedad. Para eada
numero de estados finales posibles el maximo se verifiea euando todos
son igualmente posibles 0 sea en equiprobabilidad. En teoria, para un
sistema de infinitos estados equiprobables la entropia es infinita.
VII - RELACION ENTRE VARIEDAD-ENTROPIA
Es claro que Sl dos sistemas son equiproblabes, aquel que tenga mayor
variedad tendra tambien mayor entropfa.. Ej Moneda - dado.
Pero podemos preguntarnos si esta correlaci6n tambien se verifiea si
uno de los sistemas (0 ambos) no es equiprobable y si es posible que
en tal caso, un sistema A que tiene mayor variedad que otro tenga,
a pesar de ello, menos entropia que B.
La respuesta es que sf pero no basta con la simple presencia de
distribuciones no equiprobables.
Analicemos tomando la moneda y el dado como referencias.
Si ambos son genuinos, es decir ninguno de dos esta "cargado"
ambos son equiprobables.
En tal caso, la varied ad de la moneda es 2 (wm=2) y su entropia uno
(Hm=1); la variedad del dado es seis (wd=6) y su entropia 2,58
(Hd=2,585).
Siendo ambos equiprobables, el sistema con mayor variedad tiene
tambien mayor entropia.
Supongamos ahara que el dado esta "eargado" par 10 eual una de sus
caras tiene 90% de probabilidades de ocurrir, repartiendose en forma
equiprobable la probabilidad restante del 10% entre las cinco caras
restantes(0,02 eada una).
La moneda sigue siendo la original, por 10 que sus wm y Hm son las
mismas.
EI dado "cargado" mantiene la misma variedad (wdc=6) ya que sus seis
caras tienen probabilidades de
Calculemos ahara la entropia de este dado:
138 139
loa? 0,9 + (0,02 log2 0,02) . 5 =0,7011
Observe hemos parcialmente el procedirniento sirnplificado
para el conjunto los estados equiprobables.
Comprobamos as! que la entropia de este dado cargado es menor que
la de la moneda, aun cuando siga teniendo mayor variedad.
Esto es 16gieo puesto que si bien el dado tiene seis comportarnientos
posibles, hay mucho menDs incertidumbre en cuanto a que uno de elias
tiene una fuerte propension a sueeder.
Desde luego, al asignar la distribuci6n de probabilidades del dado
hemos "exagerado" un poco.
De alii que la entropia bajado de 2,585 hasta 0,70'11.
Puede usted inferir (y tambien practicar con
que una distribuci6n menos extrema estrecha la brecha entre las
entropias de ambos sistemas, hasta lIegar a alguna en que sean
aproximadamente y luego, incluso. volver a ocurrir Que Hdc >
Hm.
VIII - RELACION ENTRE VARIEDAD BINARIA Y ENTROpiA
Calculemos ahora la
segun el procedimiento en el
log;> wm loa) 2 1
wbd 6
variedad bmana son
es as! Obviamente,
y
y binaria de ambos
Moneda (1 log2 1/2) . 2 =1092 1/2 =1
(1 log21/6) 6 = IOg2 1/6 = 2,585
es simple y a una propiedad de los logaritmos
base):
ellogaritmo (de Gualquier base) de un numero positivo X es igual al
logaritmo (de la misma base) de la inversa de X con signo opuesto.
Como la variedad es siempre positiva y la entropia siempre negativa,
pero neutralizada convencionalmente, entonces ocurre que:
10922 =-log2 1/2 10926 = -log? 1/6
Sin embargo, esta correlaci6n perfecta entre variedad binaria y entropia
solo se verifica si el sistema es equiprobable.
Luego, ia variedad binaria de un sistema equiprobable es igual a su
entropia.
entropia
140
141
Este axioma no se cumple si el sistema no es equiprobable ya que la
variedad en bits no se modifica pero sl la entroola, Recordemos
nuestrodadocargado:
Wdc=6 wbdc log2 6:::: 2,585 Hdc 0,7011
IX- RELACION ENTREVARIEDAD
j
VARIEDAD BINARIAY
ENTROpiA
ahora aanalizarla interrelaci6nentre los tres parametrosen un
ejercicio
Se transcriben a continuaci6n los datos conocidos de cuatro sistemas
independientes, Ninguno presenta restricciones, Todas las variables
intervinientestienen 2 0 masestados
Se nos propane completar los datos faltantes de cada uno (serialados
como ?), justificandolos,
["',]0
,)
,11,
,0-0, D E: c
? 2
q
,,J 4
'} ,? 'oJ .-:;
::: \/ ? 2 :3 '7\/"7 ?,???...? ! I! S ! 1 1 - J '
"-1 '-J '-,
,
( f ?
,- '1 "
( 13 ,E1774:::11 :=1 I
'I {
" "'- <+
,-,
( ?
SistemaA
Si H< Wbel sistemaesinequiprobable,
Si Wb:::: 3,17 entonces W:::: antil0910 (3,17/3,322):::: 9
Si W:::: 9yel Nde variables es 2, y una deeliastiene 3estados, luego
la otratambientiene3, pues
h
n
3
2
:::: W y :::: 9
142 143
Sistema B
el sistema es equiprobable y su Wb 5,129:i95, entonces su H =
Wb =5,129395
Si su Wb =5,129394, entonces W:= antilog =35
W 35 Y el numero de variables y el numero de estados son
discretos, entonces hay dos soluciones posibles: N
1 Y Nde estados 35 0 Nde variables 2 y Nde estados 5
y 7 cada una de elias.
Sistema C
el sistema es equiprobable y su H ::.: 4,906996, entonces tambiE)ll su
Wb = 4,906996
su Wb = 4,906997 , entonces su W = antilog 10 (4,906997/3,322) := 30
Si W = 30 Y el N de variables es 3, como el N de debe ser
necesariamente discreto, y W es igual al producto del numero de
estados, entonces solo hay tres lllJmeros enteros cuyo producto da
o sea 2, 3 Y 5. Tambien se puede obtener 30 con el producto 1,3,10
pero esta claro que ninguna variable puede tener menos de dos
estados (adem as, eso 10 aclara el enunciado)
o
Si H< Wb entonces el sistema es
Si Wb 6,97"7431 entonces W:::: antilog 10 (6,977431 126
W126 Y el sistema tiene 4 variables y el producto dos de elias
da 6, el producto de las otras dos tiene que ser 21 que el producto
total sea 126. Luego, solo hay dos numeros enteros cumplen la
3 y 7. Tambien podrian ser 1 y 21 pero" ...ver
final.
MEDIDA DE
como
lOAD
medida 0 de la
sentido algunas virtudes: es un procedimiento simple, en tal
sensible a la variedad de comportamientos y a variaciones
en la distribucion de probabilidades.
Pueden sefialarse tambien algunas de sus limitaciones: no puede
aplicarse a situaciones en las que no 5e conoce la distribucion de
probabilidades (menos aun si no hay precision -0 desconoClilliento
en el IlLJmero de comportamientos) excepto que se haaa una
distribucion subjetiva de probabilidades --en la
probabilidades 0 se apJique el
decision.
al menos en
a la entropia can trabajo y este tema, es que ademas la
entropia es tambien una medida de la complejidad.
ser considerada desde la 6ptica estructural,
que a traves la variedad nos permite saber el numero de
posibles los sistemas y desde la perspectiva
funcional en la que un sistema estructuralmente muy complejo puede
ser funcionalrnente mas simple debido a que alguno/s de su/s
comportamientos tiene/n mayor propension a suceder.
* EI Criteria de Laplace (par Pierre Simon de Laplace) es conocido tambien
como "criteria de la raz6n insuficiente", pues propane que si no tenemos
ninguna razon legitima a razanable grado de creencia para suponer que
algun/os estado/s presenta/n mayor propension a suceder que otro/s, 10 mas
logica es asignar la misma probabilidad a todos. Es el criteria de la
equiprobabilidad y junto a los de Wald, Hurwicz y Savage integra el
de los criterias de decision par la teoria para situacianes de decisi6n
can desconocimiento de la distribuci6n de probabilidad (nivel de decision
descripto par Pavesi como "incertidumbre orooiamente dicha" en
"Incertidumbre del
144 145
En y a diferencia de la variedad que mide la complejidad
estructural de un sistema .- la entropia toma en cuenta, ademas de la
estructura (considerar
de la
un modo
que su calculo, su f6rmula, incluye la variedad),
distribuci6n de probabiJidades elemento
la oroDiedad dereaistrary medirla comoleiidad de
x-APLICACIONESDELANALISISDECOMPLEJIDAD
EJERCICIOSCON RESULTADOS
Aplicaciones a la determinaciondeelementosdela decision.
'aplicaciones al calculode probabilidades,
-aplicacionesal numeroescenarios,
,-aplicacionesal calculodel numerodealternativ8s,
Aplicacionesala superaciondesesgos cognitivos,
Aplicacionesenla complejidad de casos reales,
CALCULODE PROBABILlDADES
CONTRASENAS(4)
I) Utilizando A, B, C, D, Ey F
a) G Cuimtascontrasefiasdistintasse UUC;UCI
b) GCual es la probabilidad de que una las letras
A, B Y Cjuntas, en cualquierorden?
II) contrasena exigida por cierto sistema de seguridad
construida con 8 dlgitos. Cuatro de ellos deben ser,
alfabeticos (se pueden usar27 letras) y pueden ubicarseen cualquiera
de ocholugares,
Los demas, obviamente cuatro, pueden ubicarse en cualquiera de las
cuatro posiciones restantes y deben ser necesariamente numericos (0
que una contrasefia tenga sus cuatro
los cuatro primeroslugares?
I) a) una de3elementos:
digitospueden repetirse,
de
nl hi
146 147
Para que las letms By G esten es necesario que ocupen
'1,2 y 3 0 2,3 y 4 0 3,4 y 5 0 4,5 Y 6
o sea 4 sectores, Para seleccionar 1 de ellos hacemos C4, 1 ::::: 4
En cada uno de esos lugares las 3 letras pueden ubicarse 3! formas ::::: 6
Tenemos C4,1 . P3 :::: 24 formas de ubicar las tres letras
Pero cada una de las 24 puede ir acompafiada por 3
las letras restantes,
Por 10 tanto, hay 1 . P3 . P3 ::::: 144 contrasenas que incluyen a A,B
y G juntas.
Finalmente, la probabilidad buscada es:
p::::: Ncasos favorable 1 Ncasos posibles =144/720 0,2
II) Calculamos primero el total de
Seleccionar 4 para ubicar letras para ubicar numeros
G8,4 X 274
x 10
4
::::
372.008,700,000
Luego calculamos los casas que cumplen el
x 1 = 5.314.410,000
La es 5,314.410000/372.008,700,000 =0,0143
LADRON (4)
Un lad ron se dispone a abrir una caja fuerte cuya clave de acceso no
conoce. Solo sa be que esta compuesta por tres caracteres que
ser alfabeticos (total 27 letras) 0 numericos (0 a 9) en cualquier orden y
en cualquier de cada uno de incluyendo la posibilidad de
rp nptir,;6n
Tambien sabe que digitar una clave Ie insume 5 segundos, Son las
g,OO AM Yel propietario regresara a las 7.00 PM, hora en la que, como
maximo, debera huir,
Como no tiene otra informacion, el ladron asigna a todas claves
la misma chance de ser la correcta y de acuerdo a esto calcula
eual es su probabilidad de exito en el robo.
a) (,Guill es tal probabilidad?,
Si han transcurrido 5 horas y todavia no ha tenido exito, su probabilidad
ahora es ("mayor 0 menor que al inicio?
b) ~ u a n t a s variables binarias debiera tener la clave para mantener el
mismo grado de eomplejidad?
c) ~ Que nivel de incertidumbre tiene el ladron al iniciar el
si la clave no admitiese
EI nlJmerO total claves posibles (can repeticion) es:
(27 + 10)3 :::: 50653
EI nLJmero de intentos posibles es:
10 horas :::: 36,000 seg.
36,000 seg 15 seg :::: 7200
La de abrir es 7200/50653 =0,14214
La probabilidad de no abrir es 1- 0,14214 0,8578
AI cabo de 5 horas el lad ron ha realizado la mitad de los intentos
y fallidos). Le quedan 3600 intentos y un total de 50653 - 3600 ::::
combinaciones por Lueqo, la probabilidad en ese momenta es:
:::: 0,076 (mas que al inicio)
Numero de variables binarias de una clave de complejidad
eauivalente: INb VV:::: Loa? 50853 15,629
149

14R
Senecesitarian 16variables binarias(y habriaalguna redundancia)
c) La incertidumbredel ladr6nes:
H 0,14214 0,14214+ 0,8578log2 . =0,5898
d) Numero sin
37 .36 .35=46620
Probabilidad :7200/46629 =0,1544
PRODE
EI conocidojuego del PRODE (Pronosticos Deportivos), es un sistema
de vinculado con los resultados del futbol, que tiene sus
equivalentes en la mayorfa de los parses donde ese deporte es tan
popular.
En su local y original, admite la posibilidad de apostar por el
del equipo local, el empate y el triunfo del visitante (no se
consideran resultados puntuales) en cada unode lostrece partidosque
la jugada semanal. EI premio es un significativo de
la recaudacion decadajugada,quese entrequien obtienen los
trece En casa de que nadie gane, el se traslada para
laiuqadadela semana
procedimiento para jugar es marcaruna computable con una
cruz en cada uno de los trece partidos, senalando con elias los
resultadosquesecreevana producirse.
Siguiendo esta pauta, t,cuantas tarjetas distintas pueden conformarse
0, 10 mismo,cuantosresultadosdistintospueden verificarse?
A deello, (,Gual es la probabilidad deganar?
En principio, setrata deunacasodevariedad maximacon 13variables
(cada partido) que pueden asumir 3 estados
visitante) cada una deelias.
Luego 3
13
resultados
Siendo que solo uno de ellos impliea el acierto completo, entonces la
probabilidad deganaresla inversa, 0 sea 1/1.594.323.
Sin embargo, este procedimiento para calcular la probabilidad objetiva
solo tiene sentido, segun dijimos oportunamente, si todos los
Ylt'\r.yt"HYliantr.c son igualmenteposibles.
si asf es como realmente oeurre en
el PRODE.
La es: depende.
Si quien juega es alguien que no conoce
intervinientes, sus diferencias de poderio como instituciones, la actual
destreza que presenta cada equipo, su performance en los ultimos
tiempos, etc., entonces puede aceptarse que para dicha
desdesu Vision, cualquierresultadoaparececomoigualmenteprobable
y el calculo realizadoresultaria correcto.
Sin embargo, esta equiprobabilidad queda anulada apenas setome en
cuenta factores tales como que las estadisticas historicas demuestran
queel porcentajedetriunfos localeses mayorqueel deempatesy este
a suvez mayorqueel detriunfosvisitantes, 0 bien las estadisticasque
los resultados historicos entre dos equipos en particular no
muestraneauiprobilidad, etc.
este ya no la aplicacion de
probabilidadesobjetivas,
basf'mdose en
cuando un
equipo "chico" Ie gana a uno "grande" 0 cuando gana el peor
Por otra parte, el fUtbol admite
150
o cuando quien arbitra el partido comete errores que terminan
influyendo en el resultado, etc.
Cuando tantos factores terminan par infillir en los resultados y uno esta
a punta de declarar al PRODE como un jllego no
asaltarnos la duda acerca de si la existencia de tantos
no terminara por convertirlo en un paquete de resultados distintos que
tienen todos la misma Drobabilidad de ocurrir. Para pensar.
De cualquier forma, es evidente que quien dispone de informacion
(conocimiento) sabe y cree algunas de las regularidades estadisticas y
tambien que si bien hay alguna probabilidad de que Quilmes Ie gane a
Boca, 10 mas probable es que Boca Ie gane a Quilmes, etc. Es
conocimiento que reduce incertidumbre, pues hace que no todas las
tarjetas que pueden conformarse la misma probabilidad de
ganar. La incertidumbre no es la maxima posible. En tal caso, no
parece que 1/1.594.323 sea la probabilidad de ganer de todas las
del PRODE de otros oficiales y muy
, Quiniela, etc) que sf son
totalmente equiprobables.
Todos hemos tenido alguna vez la fantasia de ganar alguno de estos
juegos y "salvarnos". En la percepcion de la gente, ganar en cualquiera
ellos es muy dificil, y ciertamente 10 es, pero no igualmente dificil en
todos los casos.
La intuicion de las personas, particularmente la de aquellas que son
aficionados al tema, es que seguramente son mas diffciles de ganar
juegos que tienen mayor 0 tendencia a producir
vacantes"
no hay entre la gente una exacta dimension del grado de
entre los distintos juegos. Calculemos uno de ellos: Quini 6.
151
6 numeros del 0 al 45. Se extraeran al azar y
6 de las 46 bolillas numeradas y ganaran los
que coincidan en los 6 numeros extraidos, sin importar el
orden en estan en sus tarjetas ni el orden en que fueron extraidos..
Se trata de la probabilidad conjunta de acertar la 1 a bolilla y la 2
a
y la 3
a
y la 4
a
y la 5
a
y la 6
a
.
P 6/46.5/45.4/44.3/43.2/42. 1/41 1/9.3G6.819
Como puede la probabllidad de ganar es casi 6 veces mas
baja que en el PRODE (considerado como ~ ~ , ; ~ r ~ h ~
debe tambien
ser porsus
No
CI
En un festival de cine latinoamericano se han pre-nominado las
pelfculas que entre las cuales se seleccionara a las que cornpondran la
terna que competira por el premio del festival.
Entre las pelfculas pre-nominadas hay 3 argentinas, 4 brasileras, 2
colombianas, 1 uruguaya y 1 chilena.
Asumiendo que todas tienen las mismas chances y que la terna final no
pllede qlledar integrada con mas de 2 pelfculas de un mismo
a) loCuantas ternas distintas podrian conformarse?
loClIal es la probabilidad de que 2 DeBculas araentinas aueden en la
terna?
. la terna este integrada
distintos? .
a) Aplicaremos el criterio de recontar el total teorico y restarle los
comportamiento que esta restringidos:
C11,3 total teorico posible 165
-c 4,3 formas de seleccionar 3 peliculas brasileras -4
-c 3,3 formas de seleccionar 3 peliculas argentinas -1
160
152
153
b) Calculemos
ternas can 2
peliculas
C3,2:::: 3
argentinas,
Cada una de estas 3 can una pelicula no
24 formas de armar ternas can 2 peliculas
argentinas,
De modo que la probabilidad que la terna seleecionada sea una de
esas24 sera: p:::: 24/160 0,15
e) Del total teorfeo posible restaremos las ternas que tienen 3 peHeulas
argentinas, 2 pelfculas argentinas, 3 peifculas brasileras, 2 pelieulas
brasilerasy 2 peliculas colombianas,
C11,3-- C3,3 C7,1 - C2,2, C9,1 :::: 85
Luego, la probabilidad de que una de estas 85 ternas sea la
sera:
P 85/160 0,531
MESAREDONDA
mesaredondatiene 10 lugarespara ubicareneliasa
loscomensales.
1
<) ~
~ -
';'::'
10_,1
4
b
Loscomensalesson5 mujeresy5varones quedeben 5erubicadosdel
ta! manera queun hombrey unamujer no quedenen lugarescontiguos
(unoalladodel otro)
a) (.,Cuantasformas hayde hacerlo?,
b) (.,Cual es la probabilidad de que Juliana quede ubicada en la
posicion N5?, '
a) Como es logico, los comensales
alternada para respetar la
se ubicanen los lugares
viceversa,
disponemos de P5 :::: 51 ::::
cada una esa 1 forrnas, a su vez,
formas de ubicar a rnujeres en los lugares
tenemosdela posibilidad de intercarnbiarpares
10 queresulta dehacerP2 =2!
nosqueda P5 .P5 .P2 :::: 28,800
Si Juliana esta en la posicion N 5, entonces necesariamente las
4 mujeres deberan estar ubicadas en los restantes cuatro
lugares impares, cosa quepuede hacersede4! formas, cada una
de las cuales puede estar acompanada por las 5! 120 formas de
ubicara los hombresen las posicionespares,
Luego, P4 . P5 =4! . 5! = 24 ,120 2,880 formas de que Juliana este
en la posicion N5.
Finalmente, la probabilidadde elloocurraes:
P= 0,
con unamesa rectangulary
IS"'
,c; ~
4
')
"1
10
r.
'-'
6 7 ~ ~ I o s 7 f3
TRUCO
A punta de iniciar un partido de truco (baraja espariola 40 naipes), se
ha repartido la manay tengo mis tres cartas. Me han tocado el cuatro
decopas, el 2 deespadasy el rey debastos.
Esta es una de las distribuciones (manos) que puedo reclblr, pero me
pregunto:
(,Cuantasdistintas
habermetr.('<:>rl"
(,Ysi '"\r.rt<:>r<:> el ordenenquelasrecibi?
(,Cualesla probabilidaddequemetoquen 3 naipesdeoros?
d) (,Cual es la probabilidad de que me toquen 3 figuras (sota,
caballo, rey)?
e) L.Cual esla probabilidaddequeme una"flor"?
de que me mas de 30 para el
envido?
f) es la
manosdistintashayquecontengan el asdeespadas?
h) l..Cuantas manoshayquecontengan exactamente2 ases?
ISS
i) l,Cuantasmanoshayquenocontengan al4decopas?
a) Una manadetrueo solosejuegacan trescartas. Nopuedorecibir7,
ni 18, ni 23 cartas. Por 10 tanto, todas las manos del truco son
agrupacionesde3 elementostornados entre40.0sea:
== 9.880manosdistintas
EI mismo grupo de 3 cartas, que solo cuenta como uno, pasaria a
tener una variedad de 6 ya que ese es el nurllero de tormas distintas
quetengodeordenar :) elementos: F)3 3! =: 6.
Par 10 tanto, Sl el orden importa, tengo 9.880 , 6 =59.280 manos
distintas.
a la estructura real del truco
porque las en el orden que quiero), analizamos cuantas
de las 9.880 manos estElIl formadas por 3 oros. Los naipes de oro son
1al 7, sotacaballoy rey. Luego, hayC10,3=120formas detener
una manodetresorosentrelas9.880 posibles.
,la probabilidad deelloocurra es120/9.880 =0,0121, pocomasdel
1%.
d) Hay 3 figuras por cada uno de los cuatro palos de la baraja. Por 10
tanto son 12figuras. Seleccionar 3 deentre elias no muestra todas las
combinacionesquecumplencon la restricci6n: C12,3 = 220.
La orobabilidad deteneruna manade3figurases220/9.880 0,0222.
En el truco se conoce como "tlor" a las manos que estan tormadas
por 3 cartas de un rnismo palo. tJCuantas formas hay detener ullaflor
debastos?
Hay 10 cartas de bastos y C10,3 := 120formas de armaruna manocon
3 bastos. Peroen total hayC4.1 =4 palos.
Por 10 tanto, hay C10,3 .C 4,1 =480 formas de tener un "flor" y la
probabilidad dequeelloocurraes480/9.880 0,0485.
f) EI envidoseconformacuandosetienen, dentrodeuna misma mano,
2 cartas del mismo palo. La "medida" del envido es un poco
156 157
generis": se suma el valor de dos cartas mas 20. Por ei. Si en la
mano estan el 4 y el 7 copas, entonces se
Pero si una las dos cartas del mismo palo es una "figura", entonces
se suma a 20 el valor la otra carta del mismo palo. Por ej. Si en la
mano estan la sota de y el 6 de espadas, entonces se "tlene
26 para el envido". las dos cartas del mismo palo son
entonces se 20 para el envido". Ya dijimos aue si las tres cartas
son del mismo palo eso no es "envido" sino "flor"
Aclarado el tema, vamos al punto, manos son posibles con
mas de 30 ( 0 sea 31 0 mas)? No hay forma de sumar 31 0 mas con
dos figuras 0 con una figura y otra carta del mismo palo. Por 10 tanto la
restricci6n solo puede cumplirse con 6 y 7 de mismo palo (suman 33 y
hay cuatro palos), con 5 y 6 del mismo palo (suman 31 y hay cuatro
palos), con 5 y 7 del mismo palo (suman 32 y hay cuatro palos) y con 4
y 7 del mismo palo (suman 31 y hay cuatro palos). Por 10 tanto, hay 4 .
4 = 16 pares de cartas de un mismo palo que suman mas de 30 para el
envido. Sin embargo, cada uno de esos 16 pares puede estar
acompafiado, completar la mano por cualquiera de las restantes
30 cartas que no son del mismo palo. Resumiendo, nos queda:
1 . 1 . 480 manos cumplen con las restricci6n
una de elias sera: De que
P 480
g) Si el as de tiene que si 0 si, entonces solo podemos
dos cartas restantes de la mano de entre las 39 cartas
hay = 741 manos que contienen el as de
h) Hayen total 4 ases" seleccionar dos de ellos debemos hacer
C4,2 6.
Ahora bien, cada una de estas 6 formas de seleccionar 2 ases puede
estar acompanada, par completar la mano. Por cualquiera de la 36
cartas restantes que nos son
manos posibles can 2 ases.
ases, Finalmente: C4,2 "C 36,1 ;::: 216
i) Si el 4 de copas no puede
de la mana de entre 39
no tienen el 4 de copas.
solo podemos
0 sea:
elegir las tres cartas
9,139 manos que
TEATRO
Paula y Alejandro no se cOl1ocen. Ambos concurren clerta noche a la
misma funci6n de teatro y compran sus respectivas entradas al az.ar y
sin ninguna forma de selecci611" La sala dispone de 20 Filas (Fn) de 10
asientos separados por un corredor central perpendicular al escenario
el esquema
pares
(R](R](R](R](R]Fl (R](R](R](R](R]
(R](R] (R](R]F2(R](R](R](R](R]
(R](R](R](R](R] (R](R](R](R](R]
(R]1R](R](R]IR]F4(R](R](R](R](R]
(R] (R](R]F5(R](R](R](R](R]
(R]IR] (R](R]F6(R](R](R](R](R]
(R](R] (R] F7 (R] (R] (R] (R] (R]
fXlrY'
-"(I
a) es la probabilidad de que ambos queden ubicados en los
asientos pares de una misma fila?
b) LCLIal es la probabllidad de que ambos queden en los asientos
impares de la fila 5?
c) LCual es la probabilidad de que ambos queden sentados juntos (en
contiguos el pasillo central quita contiguidad-)?
158
a) Hay un total 20filas y20 que
Paula(0Alejandrosi empezamos
"112
Y pm 10 tanto. la de que queden en el
sectorpar es:
1 .1 ::::
Veamos esto mismo desde otra perspectiva. Tenemos 2 variables
yAlejandro),
quepuedenasumir2 cada una (par0 impar). Variedad' 22
4 estadosequiprobables
Desde luego, tambiEm es% la probabilidad dequequeden ambosen el
sectorimpary tambien y,; la probabilidad dequeden Paula en lospares
yAlejandro en los imparesytambien Y; la probabilidad deque
Paula en los impares y Alejandro en los pares (Ver
conjuntasen elAnexo).
Ahora falta establecercual es la probabilidad de que
nosoloen el mismosector, sino tambien enla mismafila:
DadoqueaunodeellosIetoc6 unafila determinada, la probabilidad
queal otroIetoauela mismafila es:
1
1
esto tambien el atro enfoque. Tenemos2 variables (P y
que pueden asumir20 una (F1,F2,F3,etc). Variedad .
=400
Pero entre esos 400 comportamientos se incluyen aquellos en los que
PyAtienen la misma fila, 0 sea cuando P asume F1 y A
cuando P asumeF2 \I /\t3rnbien. etc..o sea 20 casos. Lueao. en20
159
los 400 posibles se cumple que la de Paula es
Y20/400 =1120.
la probabilidadpedida es 1/2. 1/2.1/20 1/80
b) EI punto anterior establec:e que la probabilidad de que ambos se
ubiquenen la rnisma fila deun rnismo sectoresde '1180, pero ahora 5e
agrega el requisito deunafila determinada, en estecasola fila 5. Por10
eual esto implica un nuevo evento conjunto que se debe agregar
haciendo:
1/80 1/80 .1120== 1/1600
Deotraforma, podriamosexpresarestodela sigulentemanera:
p:::: Prob. dePaulaen sectorimpar(1/2) x Prob. deAlejandro en sector
(1/2) x Prob. Paula enfila 5 (1/20) x probabilidad deAlejandro
en fila 5 (1/20) 1/1600.
Hasta aquf tenemos a Paula y Alejandro ubicados en una mismafila
deun mismo sector. Dicha fila tiene C5,1 lugares. ("cuantas formas hay
dequeambosquedenjuntos?
5][[][I][[]lI]
Ambospuedenquedarjuntosen lossiguientesparesdeasientos:
SC,CD,DE
Peroencada pardeasientos sentarsededosformas
porej.AS0 SA
Luego, todas lasformasdesentarse sonC4.1 . P2=8
Y el totaldeubicaciones dentrodela fila esdeCS.2 P2 20
la dequedarsentadosjuntosen la fila es:
160 161
8/20 =4/10
ambos deben estar pero no
especificafila algunaen
Ahara bien, el requisito
Par 10 tanto, basta con vincular esta ultima probabilidad hallada en
conjuntacon la establecidaen el puntaa)
Finalrnentela probabilidadconjuntadeestossucesoses:
1/80.4/10 =1/200
CANASTAS
En la canasta A hay 5 2 peras y 2 limones, en la canasta B
hay7 naranjas4 limonesy 1manzana, enla canasta C hay3 limones2
naranjasy 6manzanas. Si seextraeunafruta al azardecada canasta,
a) GCualeslavariedad deresultados posibles?
LCual es la probabilidad de que las tres frutas extraidassean
limones?
c) LCual es la probabilidad de que por 10 menos una de las tres
extraidassea un limon?
a) Si el orden importa, la w :::: :::: 27 pues cada canasta contiene 3
tiposdefruta distintos.
/
Si el orden no importa, el grupo Naranja-Limon Naranja es el
queel grupoLimon Naranja Naranja.
La (lnica forma de resolver es el recuento par inspeccion (ya que no
todas las frutas estan en todas las canastas), descontando de los 27
aquellos que estan integrados por el mismo numero de las mismas
frutas.
nos quedan: NNN NNL PLL PLM
LLM NLM PNN PMM LMM NMM
b) Probabilidadde3 limones 2/9.4/12.3/11:::: 0,0202
c) Probabilidad depor10 menos1limon:= 1 7/9 x8/12 x 8/11 :::: 0,623
decir, 1 menos la probabilidad de ningun limon- ver
apendice)
o tambien:
Prob. deun limonenla primeracanasta = 2/9 x8/12 x 8/11 ::: 0,1077
Prob. deunlimonen la segundacanasta == 7/9 x4/12 x 8111 0,188
Prob. deunlimonen la tercera canasta - 7/9 x 8112 x 3/11 0, 141
Prob. dedoslimonesen '1:
1
y 2
8
= 2/9 x 4/12 x 8/11 0,054 .+
Prob. dedoslimonesen1
a
y 3
8
== 2/9 x 8/12 x 3/11 ::: 0,0404
Prob. dedoslimonesen2
a
y 3
a
7/9 x 4/12 x 3/11
Prob. detreslimones(ya calculada) == ==
0,623
REGALOS
Juan ha regresadodeun viajey hatrafdo 10regalos (numeradosdel 1
al 10) para obsequiara sus4 noviasque, desde luego, noseconocen
entre si.
Juan ha decididoentregarle4 regalos aAna, 3 a Maria, 2 a Lucilay 1a
Florencia.
a) GCuantasformastienedehacerdichadistribuciOn?
l.Cual es la probabilidad de queAna, entre sus cuatro, reciba los
regalos N 1YN2?
l.Cualesla probabilidaddequeFlorenciareciba el N5?
a)w C10,4. . C1,1 10!l4! 6! . 6! 13!3! .3! 12!1! . 1!/1!O!
-
4!. 3!. 2! _1!
b) Ndecombinacionesen lasquerecibeel N1 Yel N2 ::::
Ndecombinacionesdistintasquepuederecibir
-
C10,4 210::::0,13333
1/10
162
APLICACIONESALCALCULODELNUMERO ESCENARIOS
MONEDAS
Se Ie ofrece a ud. un juego en el que hay que pagar $'100 para
EI juego consiste en sucesivamente una moneda
hasta un maximo de Sveces. EJ juegotermina cuando sale la primera
"seca"0 cuandosecumoJi6 laquinta
EI premioes$ Sn (S elevadoalan), dondenesel numerode"caras"
obtenidas.
convieneaustedjugar?
Analizaremos el caso construyendo una matriz de decisi6n en la que
cruzaremos las alternativas a considerar Uugar 0 no jugar) con
distintos escenarios que puede presentar el juego, consignando en
cada cruce el resultado a obtener en cada una de las circunstancias
posibles.
Losdistintosescenarios(Iavariedaddeescenarios)posiblesson:
Si la primera monedasaleseca (S), probabilidad el juegoterminay
usted obtieneSO =1.Usted paga $100parajugary su saldoneto
-99. usted nojuegasu saldoesO.
Si la primera moneda cara yla segundaseca (CS), P(conjunta) =
0,5.0,5=
0,25, eljuegoterminay ustedobtiene =: 5. Menos100quepaga,
saldo =95. Si usted nojuega, su saldoesO.
desarrollocompleto, hastaun maxirnode5caras, seveen la rnatriz
acontinuaci6n
Prob.
S
0,25
CCS
0,125
cecs
0,0625
ceees
0,03125 25
VE.
Jugar
jugar
-99
o
-95
o o
25
o
525
o
3025
o o
........__..__ _ ~ ~ _ _ ..._.___... 1 6 3
La ultima columna muestra el valor esperado promedio de cada
que de efectuar la surnatoria los resultados
esperables de cada alternativa, ponderados por la respectiva
probabilidaddequetal estadoS8 produzca.
La alternativa de jugar nos muestra un valor esperado promedio de
$29,87y la denojugarunvaloresperadopromediode$0
DADOYTABLERO
EI siguiente es un juego que supo ser muy popular en las ferias de
algunasciudadesdeEuropa.
Setratade un tablerocon 6casilleros numeratiosdel 1at 6.
Uno debe colocar una suma de dinero sobre una de las casillas
(digamos $10), indicandoqueapuesta dicha suma al numero contenido
en la casilla.
A continuaci6n se debe el dado tres veces seguidas y registrar
los resultadosobtenidos.
Si en una de las tres tiradas sale el nurnero al cual se apost6, el
jugador recibe de la banca una suma igual a la apostada mas la
restituci6n desu apuesta. Siel numeroal cual seapost6saleen dosde
las trestiradas, entonceseljugador el doble de10 apostadoy la
devoluci6ndesu
Si el numero apostado sale las tres veces, eljugadorrecibe el triple de
10 apostadoyel reintegro desu apuesta.
164
165
Naturalmente, SI el numero no sale en de las tres tiradas, el
pierde10 apostado.
LApostaria usted en estejuego? Le6mo1o ve? LSeran equitativ8slas
chances deljugadory dela banca en cuanto a sus respectivos riesgos
y resultadosesperables(gananciasperdidas)?
Paraempezar, revisemosel conceptodeequidad.
Un juego es equitativo si la expresi6n promedio (ponderado por los
riesgos) de los resultados quelaspartes pueden obteneres
.para
todaselias.
Si apuesto $10 a que la moneda saldra "cara" tendre una probabilidad
de 0,5 de ganar $10 y de 0,5 de perder $10. L.a expresi6n promedio
ponderado estasituaci6n resulta dehacer: 10.0,5+ (-10) .0,5 ::: .
Por 5upuesto, la expresi6n promedio de mi oponente es identica,
simetrica, designos opuestos y con la misma expresi6n promedio que
indicaaueel juegoesequitativopara ambos.
Imaginemos ahara que la moneda esta cargada pues sale "cara" el
70% de las veces. Si el valor de la apuesta se mantiene igual para
ambas partes, entonces el juegose ha vueIto inequitativoy favorece a
apuestapor"cara"yaquesuexpresi6npromedioes
10.0,7+ .0,3=4
y la de apuestapor es:
0).0,7+10.0,3 -4
EI equilibrio puede restablecerse, aun con estas probabilidades, si las
partesacuerdanunvalordiferencial para susrespectivasapuestas. Por
ejemplo, quien apuesta a "cara" recibe3 en casa deganary paga 7 en
caso de perder. Quien apuesta a "seca" recibe 7 en caso de ganar y
paga 3en casodeperder:
3.0,7+ .0,3:=0
7.0,3+ =0
Esta expresi6n promedioesconocida comoel Valor Esperadoy resulta
efectuar la sumatoria de todos los resultados (rnutuarnente
excluyentes) posibles de obtener, ponderados por la respectiva
probabilidad deocurrenciadecada unodeellos.
De 10 que se trata pues es de examinar nuestro caso para verificar 51
dicha expresi6n promedio, el valoresperado, es igual para el jugadory
la banca Uuegoequitativo) a bien, si favorecea algunadelaspartes.
LTiene usted alguna impresi6n previaal respecto?
Veamos, asumiendo el supuesto de que el participante apost6 $10 al
numero 1. Analizando la complejidad del problema, diriamos que al
arrojar tres veces un dado (segCJn ya vimos) podemos tener una
variedadde216comportamientos posibles.
embargo, varios de esos comportamientos conducen a identicos
resultados. Parejemplo, si sale la secuencia 1-45 el participante gana
un saldo neto de $10, al igual quesi sale la secuencia 316 04-2-1 0
6-6-1, etc. De los 216 comportamientos, aquellos que contengan un
solo 1, encualquierorden, conducen aqueel participantegane$10.
Lo mismo podemos observar de los comportamientos que contengan
dos numeros 1, todos conducen a ganar $20. En cambio, uno solo de
los216comportamientoslIevaaganar$30, 0 sea la secuencia 1-1-1
Porotra parte, hayvarios delos 216 comportamientosqueconducen a
perder$10
De 10 expuestose deducequehay4 escenarios basicosqueconducen
a distintos resultados y necesitamos calcular las probabilidades de
cadauno esosescenariosparapoderestablecerelvaloresperado.
167
166
deganarcan un acietio:
la probabilldad conjunta de que e! primer dado sea uno y los
mas la probabilidad conJunta que el segundo dado
otros no, mas la probabilldad conjunta de que los dos
no sean unoyelterceroSI.
p
+ + . 1
010quees 10 P=1/6. 3 6 =0,3472
Can 10 cual vemos que hay 75 de los 216
a ganar $10, 0 10 que es 10 mismo, hay
ganar$10,
Probabilidaddeganarcon dosaciertos:
la probabilidad conjunta de obtener dos numeros 1 en el primer y
segundo tiro y otro numero en el tercer tiro. Tambien obteniendo dos
numeros 1en primerytercerlugaryen segundoytercerlugar.
P=1/6.1/6.5/6.3==1 6.0,06944
10 cual vemos que 15 de 216 comportamientos que
conducen a ganar $20, 0 10 es 10 mismo, hay 6,944% de
probabilidaddeganar$20.
Probabilidadde ganar con tres
Ya dijimos que la probabilidad de ganar$30 1/6.1/6 . 1/6 =1/216 =
0,004629
G Ycual esla probabilidad de perder?
Tenemos dosformasdecalcularla:
es necesario que no salga ningun 1 y la probabilidad de
P == 5/6.5/6 .516 == 125/216 ==
Con 10 eual vemosque hay 125delos 216 comportamientosque
a perder $10, 0 10 que es 10 mismo, hay 57,87A, de probabilidades de
perder$'10.
La otra forma de ealeular la probabilidad de perder es a 1 las
probabilidadesdeganaren cualquiera desusformas:
1- 0,3472-0,06944- 0,004629== 0,5'78'7
probabilidades obtenidas para los 4 escenarios posibles ysus
podemoscalcularel valoresperado
V. 10 0,3472+20.0,06944+30 .0,004629 10.0,5787=
-0,7876
GQue representaestedato?
Significa queel apostador aveces ganaray aveces
en promedio 10 que puede esperar es una a
$0,7876 '78,76centavoscada vezqueapueste$10.
Finalmente, Ges el juegoequitativo?
Para evaluarloahora nos posicionamosdelladode la banca.
Cada vez que el apostador gana, entonces la banca pierde. Cada vez
queel apostadorpierdeentoncesla banca gana.
Los cuatro eseenarios son los mismos y sus probabilidades tambien,
pero los resultados tienen signos opuestos. La banca a veces
y a veces perdera, pero en promedio 10 que puede esperar es
que 78,76 centavos porcada $10 quese jueguen en la mesa, 0
sea una ven ese
rendimiento?
168 169
---..
EI juego no es equitativo pues favorece a la banca. Esto podria
equilibrarseajustando lospremios (subiendo) al apostador.
Si su estimacion previa Ie sugeria algo distinto, revise alguno de los
sesgosposiblesen el puntaXI.
APLICACIONESALCALCULO DELNUMERODEALTERNATIVAS
PRODUCCION (4)
Los directivos de una planta fabril se encuentran reunidos para
consideraruna racionalizaciondesu lineadel ProductoXX.
Actualmente, dicho producto se fabrica en 10 modelos 0 versiones
distintas. Sin embargo, se ha podido establecer que el mercado ha
modificado su estructura de demanda y que, por ello, no hay razones
para una segmentacion tan especifica. Concretamente, se piensa que
con 4 modelos se puede atender satisfactoriamente la diversidad de
gustosactuales.
Por otra parte, se entiende que esta reformulacion reportaria ahorros
significativos en los costos de produccion, ganandose tambien en la
calidad delos productos elaborados.
A los efectos de decidir cuales de los 10 modelos seran seleccionados
para su continuidad, los directivos se preguntan LQue numero de
alternativasexiste?
EI numero de alternativas es en realidad la cantidad de combinaciones
que puedan conformarse con 4 modelostomados de las 10existentes,
o sea:
C10,4=.1QL =210
416!
OPERARIOS(4)
A) Cierto proceso requiere la realizacion de 10 tareas.
Contamos para ello con cuatro operariosA, B, C YD.
Sobre la base de la informacion de que disponemos en cuanto a la
performance promedio y la destreza de cada uno de ellos, hemos
decidido asignarle cuatro tareas al operarioA, trestareas al operario B,
dostareas al operario C y una al operario D.
No obstante, necesitamos conocer cuantas alternativas tenemos para
determinarcualesdelastareasseran lasqueefectivamenteasignemos
a cada uno.
B) Dosejemplosadicionales:
1) Tenemos 12 regalos distintos y queremos entregar 5 a Lucia, 4 a
2 a Gabrielay unoa Guillermo.
GDe cuantasformas podemoshacerlo?
2) LCuantas palabras distintas puedo escribir? (aunque no tengan
sentido) con lasletrasquecomponen la palabra: ELEMENTALMENTE.
A) Unaforma posibledeefectuarla asignacionseria:

Ititt-' A
T T T T T
D
T
4
B
T
5
C'
'"'
T
6
A
T
7
T
8

910 1 2 :>
Nos preguntamos Lcuantasdistribucionesdeestetipo hay?
Podemos empezar por calcular cuantas formas distintas tenemos de
asignarlascuatrotareasal operarioA:
AC10,4 =
4! 6!
170
171
Por cada una estas distribuciones, podemos asignar Iuego las que
corresponden al operario 8, teniendo presente que ya hay cuatro
tareasasignadas:
BC6.3 =_ill
3] 3!
el con C
2! 1!
Ycon D
DCi.1 =_..11
1! O!
EI producto
cuatroserael resultadobuscado
._lQL _IL
4! 6! 3] 3! 21 1] 1! O!
si
una expresion muy
interesante:
-@..!-'
4! ~ 3]Jl 2! i-!- 1!Ql
-----------.'--j
_10L__-,-
4! 31 2! 1!
f
tenemosel factorial del nurnerototal detareasy en el
el preducto de los del numero de
tareasquepensamosasignara cada operario.
tenemos
caso
resulta sumamente
practico
comoel descripto.
8) 1)
5!
8) 2) 14letrasy todas lasdebemosusar.
simplernenternedianteel procedirniento
estariamosincluyendoentrelas recontadasavariantescomo, por
ejemplo, el intercarnbiodelugaresdelas dosletras"m" presentes.
perrnutarlas (1
Sin embargo, unavezhechoel intercambio, no las reconoceriamos
como palabras
10 tantoel procedimientoesal1(310go a loscasoscomentados
~
ejemplos mostrados resultan ilustrativos
organizacional de estas tecnicas para la resolucion de
asignacion, estructuracion, establecimientoderedes, etc.
TELEFONOS(4)
siguiente caso resulta no solo una aplicacion a la determinacion del
numero de alternativas, sino tarnbien al calculo de los resultados
Ie encargaa Ud. el estudiodefactibilidad ra instalaruna empresa
habitantes de un
pueblo, por 10 que
preste servicios locales entre los
entreA (3650familias B(7000) YC(1392),
Una vez elegido el pueblo, la
asegurandose el
$0, parIlamada, cualquiera seasu duracion,
Pueden usarse una de las dos infraestructuras de
costas, incluyendo losaparatostelefonicose instalacion, son:
172
173
~ ~ ~ ~ ~ ~ ~ ~ ~
Equipo costafijo $250.000y costo porlIamada $0,10
Equipo"Y" costofijo $800.000y costo porIlamada $0,03
X puedeabastecerhasta5.000clienteseY hasta 10.000
Sobre la base de experiencias anteriores, se estima que en cualquiera
de los pueblos se concretaran s610 el 25% de las lIamadas
potencialmente posibles. Un lIamado posible seria, para ejemplo,
Cliente 125a Cliente 840. Para simplificar, asumaqueninguna lIamada
5e repetira, aunqueconsideramoscomodistinta a fa lIamada de Cliellte
840aCliente 125.
GQue estrategiapueblo- equipoaconsejariapara maximizarutilidades?
EI problema planteado requiere establecer cualltas alternativas se
disponeny a que resultados conducen cada una deelias paratamarla
decisi6n.
Determinemos el numerodelIamadasqueserealizara enGada
Intuitivamente podriamos establecer que Gada familia podria lIamar a
todas las eXGepto asi mismas.
Asi, parej., eillumerodelIamadaspotencialesenA serra:
3650.3649=13.318.850
Segun nuestro esquema formal y teniendo en cuenta que las lIamadas
telef6nicasserealizan deados. serra:
C3650,2.P2= .2! 13.318.850
2! .3648!
ConseCLIentemente, el numero de lIal11adas que efectival11ente se
realizar<'m enAsera: .13.318.850=3.329.712,5
Del misl110 mododeterminal110s lasIlamadasen losotrosdospueblos:
B 12.248.250
C '1 936.272
GCuantasalternativastenemos?
La variable pueblo asumir 3 estados y la variable equipo puede
asumir2 estados. Por10 tanto, la variedad el productodelnumero
deestados, aplicando F1:
(P
3.2 6 alternativas
Sin embargo, una de las alternativas esta restringida. En el
equipoXno puedeusarseenA, puessu capacidadesinsuficiente.
Par10 tanto, las5 alternativasson..
1)AX
AY
. BY
4) CX
5) CY
Calculemoslosresultadosesperablesdela 1)
Ingresosporventas 3.329.712,5.0,25= 832.428,125
Costovariable 3.3297'12,5.0,10= (332.971,25)
Costofijo 250.000 (250.000)
neta 249.456,875
Siguiendo el mismo procedimiento se determinan los resultados netos
lasrestantesalternativasy seseleccionalamejor.
174
APUCACIONESALASUPERACION DE SESGOSCOGNITIVOS
RULETARUSA
EI conocido
L--____
dela ruleta rusa tiene algunasvariantes.
---J
personas se reunen parajugary apostar. deun revolver
de tambor can capacidad para 6 balas en el cual solo colocaran una.
Dicho tambor gira 1/6 de vuelta cada vez que el gatillo es oprimido,
pasando as! al compartimiento contiguo. Si esta ocupado poruna
bala, el revolverla dispara.
determinaran por sorteo el orden en que cada persona
<'.,Cuantos 6rdenesdistintosson posibles?
Antesdecomenzar, sehara girarvariasvueltasel tamborhasta que se
aleatoriamente. A partir de alii, no se tocara mas el tambor,
movera mecc'micamente de acuerdo a la pauta ya
Una vez determinado el orden, a quien Ie toc6 el ultimo turno, se
siente afortunado pues piensa que sus chances de morir son las mas
bajas, ya que primero debencorrer 81 lasotrascinco personas.-
Con un poquito de suerte la cosa termina antes de lIegar mi turno-
piensa.
GQue opina usted detal razonamiento?
Losdistintosordenesposiblesson P6 6\ 720
En cuanto al razonamiento: es la probabilidad demorir es
para todos (equiprobable), ya que la suerte de cada
_______________.________.._._..........175
participante queda en el
del tambor. ese momenta
indefectiblementeIe tocaraa unodelos
la bala
Veamosdesdeel anallsisde probabilidades
Consideremos la probabilidad de quien resulte en tercer lugar del
orden.
Para que el revolver se dispare en el tercer turno deben producirse
algunos conjuntos, a saber: que no se dispare en el 1
0
tUrTlO
que no se dispareen el 2
0
tumo (4/5) y que 51 se dispare en el
tumo (1/4). probabilidad buscada resulta del producto de estos tres
eventos
5.4
--
1 ::;:;:
-
1
6 5 4 6
Analizamos ahora la el mismo
razonamiento:
5 .. 4
~ 2 1
6 5 4 3 2 6
Naturalmente, en cualquierorden la probabilidad es 1/6.
CUMPLEANOS
en cada curso a till alumnos
hemos lanzado nuestro no presentado
como unaapuesta:
-------------------------------------------------------
176 177
-c,G6mo creen ustedes es la probabi/idad de que aquf, entre los
presentes, haya por 10 menos un par de personas que cumplen afjos el
mismo dfa?, (,Es alta, mediana 0 baia?,
Las respuestas, en promedio, se inclinan mayoritariamente (aprox,
por la ultima opcion, Un opina que es mediana y el 8% la
cree alta,
Quienes hayan leldo aquella referencia [nicial ya saben entonces
(todavla sin nuestra justificacion) que la apreciacion mayoritaria esta
equivocada, Y por mucho, Dichos resultados no dejan de ser
Ilamativos, si ademas se tiene en cuenta que los "conejillos de indias"
son alum nos que estan cursando estos temas y por 10 tanto estan algo
entrenados y advertidos de "trampas ocultas",
Frente a este "paquete" invariablemente habitual (el experimento ha
sido realizado unas 45 veces -tal el tamano de nuestra muestra, unos
3600 alumnos- agregamos una etapa en la que pedimos mas precision
al grupo de quienes estimaron la probabilidad como "baja", A tales
efectos, les preguntamos si "baja" quiere decir simplemente "baja" 0
"bastante baja" 0 "muy baja". Las respuestas se concentran
mayoritariamente en las dos (dtimas opciones.
A continuacion Gompletamos preguntando <-que significa "bastante
o "muy baja"? (,,10% 0 0 2%?, Aqui las respuestas son
variadas entre las tres opciones con alguna inciinacion a la segunda,
aunque siempre hay quienes opinan que la probabilidad es menor que
2%,
Observese que en todo el proceso de preguntas ha habido par parte de
quien conduce el experimento -que obviamente sabe que la
probabilidad es muy alta- una fuerte y deliberada induccion, hasta
terminar "anclando" (ver "efecto anclaje en punto XII) al auditorio en
porcentajes alejados de los reales y arbitrariamente "Ianzados" como
presuntas referencias.
EI experimento concluye con un fapido relevamiento que permite
comprobar, frente a la perplejidad de buena parte del auditorio, que en
un grupo de 70 a 80 personas hay un promedio de 5 a 7 pares que
cumplen arios en el mismo dia - y de paso se conocen entre SI-.
Naturalmente, este relato nos lIeva ados focos de interes,
En primer lugar, encontrar alguna razon que permita explicar la brecha
entre estimaciones de probabilidades "bastante 0 mUY para un
suceso que en realidad tiene una alHsima propension a suceder.
En segundo lugar, desarrollar formalmente el procedimiento de calculo
de la probabilidad de coincidencia para completar la necesaria
justificacion de nuestras afirmaciones.
Respecto de 10 primero, nuestra hipotesis es que el foco del error
obedece a la dificultad de procesar y enfocar la complejidad del
problema, tal como se 10 plantea.
La lectura personal, el 5esgo, !leva a interpretar el problema de una
manera distinta a la que fue planteado.
Imaginemos el razonamiento de alguien que ha recibido la
pregunta y cavila interiorrnente antes de responder:
-Efectivamente, conozco a/gunas personas que cumplen afios el mismo
dia que yo Son dos (0 tres 0 a 10 sumo cuatTO). A /0 largo de toda mi
vida he conocido a 2 ( 0 tres 0 cuatTO) que tienen esa particu/aridad.
~ Que tan posible es que, justo ahora que me hacen esta pregunta,
aparezca otro mas?-.
Un posible contraataque de un esceptico a la pregunta es el
siguiente:
bien, te voy a demostrar que estas equivocado, ~ vel', cuanta
gente hay aquf? 40 personas. Mi cumpleafios es eJ 2 de Febrero,
~ l g u n o de ustedes cump/e a/70S tambien ese dia?
178 179
GQuefalla en estosrazonamientos?
EI error de cada uno es interpretar el problema en terminos de su
referencia, No se pregunt6 cual era la probabilidad de
coincidenciadetodoscon alguienen particular, sinocontodos,
Desde luego, la probabilidad de no coincidencia con alguien en
particularesmuyalta:
(364/365)39 =: 0,8985
Porotra parte, todos los dfas nos cruzamos con muchas personasque
anosel mismodlaqueuno, Simplernenteno10 sabemos,
La complejidad es mucho mayorde 10 que se percibe ya que la forma
decOllstatareschequearentretados los pares posibles de personas si
en alguno/sdeelias severifica la coincidencia, Para poderrealizareste
chequeo podernos constituir CSO,2 grupos distintos de dos personas,
(Observese que no perrnutamos porque el grupo AB es tambien el
grupoBA).
Haciendo las operaciones comprobamos que en total tenemos la
oportunidad de hacer 3160 chequeos para ver si en alguno/s de elias
se verifica la coincidencia, cosa que en este caso y segun verernos
luegotieneunaprobabilidaddesucederdel99,98%,
Pasemosahara al segundofoco deinteres, queesel calculo real de la
probabilidad buscada.
Para debemos tener presente una aspecto de la
consigna del problema: GClial es la probabilidad de hallar por 10
menosun pardecoincidencias?
Ese "par 10 menos" nos Ileva al terreno de las probabilidades disjuntas
(ver anexo), Esto significa que el suceso se cumple si se verifica una 0
mas coincidencias y no se cLimple solamente en 81 caso de que no se
produzca ninguna,
e5to en nuestro procedimiento resultara mas
5i calculamos la probabilidad de no coincidencia y luego, par
diferencia con 1, determinar la probabilidad buscada (1), en la que
quedaran englobadas las probabilidades de una coincidencia, dos
coincidencias,trescoincidencias, etc,
Supongamos que en una habltaci6n hay una persona. es la
deaue cumpia al10s el mismadlaqueotr8 personaen
la habitaci6n?
Obviamente, ninguna pues alii no hay nadle mas, probabilidad es
cero,
Preguntemosal reves: [Cuales la probabilidad dequeesa no
el rnisrnodlaqueotra personaen la habitaci6n?,
Puestoqueestasolo, la probabilidades 1, celieza
Podernos escribirdicha probabilidad como 365/365 1 probabilidad de
nocoincidencia,
Luego, 10 dicho en (1) podernos escribir la probabilidad de
coincidenciacomo:
1- 365/365 0
supongarnos que en la habitaci6n hay otra persona. La
probabilidad de coincidencia de con la persona anteriores 1/365 y
la de no coincidencia es 364/365, Luego, la probabi\idad conjunta
queno haya ningunacoincidenciaesla probabilidaddenocoincidencia
con una persona por (producto) la probabi!idad de no coincidencia con
dospersonas, 0 sea:
. 364
365 365
Y par10 tanto, la probabilidad decoincidencia es:
1- .364
365 365
180
mismaexpresi6n, si agregamosunatercera persona,
1.- ;36q. . 3 6 ~ 363
365 365
Teniendo el segundo termino tantas como n personas haya
enla habitacion, podernosextender:
1.. 365
365 365 365 365
Generalizando, la probabilidad de coincidencia en al menos un par de
personases:
'J
1
....)
n [-'II
1_,
Queaplicadaa un grupode80 personasda: 4
Para personas P 0,5686
Para40personasP=: 0,8912
Observese que con 25 personas la probabilidad ya supera largamente
e150%
Naturalrnente, P a acercarse a 1 (certeza) cuando mayor es el
numerodepersonas.
~ Cualesel numerodepersonas el
p
?
Obviarnente366.
Can 365, queda una probabilidad quetodas curnplan en
diasdiferentes.
Desde luega, esta puede extenderse a casos analogos.
ejemplo, probabilidad de de por 10 mellDS dos personas
entre 30en los dos digitosdesusdocumentos identidad:
181
1
1- o
:::0
(-1
. '-
que queremos considerar es que a los efectos de
partimos del supuesto impticito de que el
nacimiento de las personas se produce de una manera regular a 10
largo del tiempo. Can 10 cual asumimos el caso bajo supuestos de
equiprobabilidad 0 10 que es 10 mismo asumiendo que la probabilidad
de coincidencia entre dos personas es 1/365 y la de no coincidencia
364/365.
En todocasa, podriamoschequearenel Registrodelas Personas0 en
las nurserysdelos hospitalesparacomprobarsi tal supuestoesverdad
o existe alguna estacionalidad como la que, por ejemplo, muestran
algunasespecies
Conocemos algunos casos de picos estadisiicos de nacimientos como
el que se produjo en el area de Nueva York y estados vecinos
bido al apagon de noviembre 1965,queafect62 drasa 20millones
depersonas.
Seguramente usted encontrara las causas correlativas deque en julio
_ agosto de 1966(nueve mesesdespues) se produjera una estarnpida
en lacifra de nacimientos Esa nochedenoviembre'65 no habfa
TV, nadaenquedivertirse.!!
parecido ocurri6 en torno del 1(} de enero de 2000 y 2001, pues
nueve meses antes muchas parejas intentaron "hacer 10 necesario"
para que sus futuros bebes fuesen "el orimer bebe del sialo 0 del
Entodo caso, podemos reflexionaralgo.
Si los nacimientos nofuesen equiprobables, esdecirsi comprobaramos
que hayalgunaestacionalidad, la probabilidaddecoincidencias hallada
deberfaserGmayor0 menor?
182
Respuesta: mayor. Pienselo. Si un porcentaje significativo de los
nacimientos se concentrara en el mes de Julio, las coincidencias en
otms meses disrninuirian. Pero aumentar[an de julio!
CARTAS
Un conocido juego, desde diversas presentaciones pero todas
estructuralmente iguales, ha sido empleado con frecuencia en
algunos programas televisivos de entretenirnientos, sin perjuicio de ser
tambien habitante estable de algunas revistas y paginas de acertijos.
En nuestro caso, nos interesa verlo tambien desde la perspectiva de los
sesgos cognitivos.
Este juego tiene, necesariamente dos etapas, y sus consignas son
conocidas por el conductor, el participante y el pOblico.
(13)
En la primera etapa, el conductor del programa presenta al
un panel en el que hay tres cartas. Una de las tres tiene un
su reverse (las otras
1
a
Etapa
EI participante debe una de las tres cartas. Salvo preferencias
personales, el particlpante no tiene raz6n objetiva para creer que una
183
elias tiene mas chance que las otras. Todas tienen 1/3 de
probabilidades de contener el premio.
Supongamos, por caso, que el e/ige el as de oros.
Luego el conductor, que sabe en eual naipe esta el premio, propane al
participante eliminar una de las cartas revelando su reverso.
obviamente no mostrara el reverso de la carta que Hene
pues si no el juego term ina sin lIegar a la segunda etapa que
es obligatoria.
Tampoco revelarc'! el reverse del as de oros elegido por las mismas
razones.
Si el premia esta en la carta elegida, el conductor puede revelar
cualquiera de las otras dos.
no esta en la carta elegida, el conductor solo puede revelar
de las dos no elegidas que no contenga el
Supongamos que el conductor muestra que tras el cuatro de copas no
hay nada, quedando ahara el siguiente panorama:
(13)
184
Obviamente, el esta tras una de las dos cartas.
2
a
Etapa
EI conductor ofrece al participante la oportunidad de modificar su
elecci6n original 0 mantenerla, para luego pasar al desenlace del juego
mostrando si el participante gano 0 no.
Frente ala del conductor haria usted?, 0 se
plantarfa?
EI easo es que segun nuestra experiencia basada en un relevamiento
de mas de 3500 casos, un 78% de las personas optan POf mantenerse
en la carta originalmente elegida.
Este es extrano ya que, si la percepci6n de las personas es
que ambas cartas tienen la misrna probabilidad de ser la que contiene
el premio, ~ y ~ , uno tenderfa a pensar que las decisiones de las
personas debieran quedar en una proporci6n similar a dicha
distribuci6n.
La brecha nos permite pensar que a l ~ l n a razon hay para una tan
mayoritaria elecci6n.
Y efectivamente hay una razon.
AI consultar a las personas por las razones de su elecci6n la respuesta
promedio puede sintetizarse as!:.
- Ambas calias tienen la misma probabilidad. Siendo tanto da
Pero yo, par cabala, prefiero quedarme como estaba porque sf
me entero que perdi 10 que ya tenia ganado me mato!
Esta
contiene el sesgo cognitivo que
"efecto atribuci6n" sobre el eual
IS5
Ahora supongamos que antes del desenlace del juego proponemos a
personas el sigufente argumento
10 convenciesemos a usted
si de
ganar es de 1/3 y sf
ganar es 2/3, L.a(m se
respuestas generales son que, sf las probabilidades real mente
0,33 y 0,66 el 90% de las personas que optado por
quedarse ahora preferirian cambiar. Pero no 10 hacen pues las
",rlc:>rr:lC' probabilidades son 0,5 y 0,5.
Y alii el toco del y de estirnar
probabilidades, en este caso y punto XII
Aunque diffcil de apreciar, la cuesti6n es 51, las verdaderas
probabilidades de ganar para cada una de las dos cartas son 0,33
y 0,66.
Pasemos a comprobarlo, pero no de una manera rnatematica (se trata
de orobabilidades condicionales y aplicacion del Teorema de Bayes)
que nos facilite "Iimpiarnos" del 8esgo.
Damos a elegir al participante una de nuestras tres cartas y selecciona
el as de oros. Le pedimos que, sin ver su reverso, la coloaue sobre una
mesa.
luego, la probabilidad de que dicha carta tenga el premio en su
reverse es 1/3.
Nosotros (hacemos veces del conductor) retenemos las otras dos
cartas y a continuaci6n anunciamos que vamos a revisar. Si en una
de elias esta el premio, entonces, si 0 sf, colocaremos dicha carta
sobre la mesa, al del as de oros. Si al revisar las dos cartas no
186
187
encontramos el premio, entonces colocaremos cualquiera de elias al
lade del as de oros. Mostramos que la carta retenida no tiene premio.
Como dijimos, el as de oros que esta en la mesa tiene 1/3 de
probabilidades de contener el premio. LY cllal es la probabilidad de que
nosotros, al revisar las dos cartas restantes, encontremos el premio en
el reverse de una de elias? Obvio: 2/3.
LY que es 10 que hacemos si 10 encontramos en una de las dos
cartas? Sf 0 sf, la ponemos en la mesa. Luego, c!.,cual es la
probabilidad de que dicha carta tenga el premio? Exactamente!: 2/3.
Probabilidad de que el premio este tras el as de oras: 1/3 . Probabilidad
de que este tras la otra: 2.13.
LSe ve?
Siendo asi, Lque Ie conviene hacer al participante?
Naturalmente, cambiar su eleccion inicial.
No es 10 rnismo 2/3 que 1/3. Cambiar brinda el doble de probabilidades
de ganar!.
c!.,Supone esto alguna garantfa de ganar?
Absolutamente no!
Pero la decision habra sido rnetodologica Y racionalmente
incuestionable.
Y ademas, sf hay garantias en el sentido de que si realizamos la
experiencia un numero suficientemente grande de veces, entonces
ganaremos aproximadamente el 66% de las veces y perderemos en el
33% restante!
Nada mal!
Como alternativas, y para que usted los piense, planteamos ahora dos
marcos (vease efecto marco en punta XII) adicionales para la
presentaci6n del mismo caso:
a) Tenemos de tres cartas. Una de elias tiene un as de oros en
cada lado, otra un as de copas en cada lado y la tercera un as de
oras en un lado y un as de copas en el otro. Echamos las tres
cartas en un sombrero y extraemos una al azar. Supongamos que
en la cara visible tiene un as de oras. Por tanto solamente puede
ser la carta que tiene un as de oros en cada lado, 0 la que tiene
un as de oros en un lade y un as de copas en el otro. Por tanto la
probabilidad de que las dos caras sean iguales es,
aparentemente, igual a la de que las dos caras sean diferentes.
L,Es as!?
b) Ahora disponemos de tres medias nueces y de una bolilla, que
escondemos debajo de una de las tres nueces. Pedimos a
alguien que adivine debajo de que nuez la hemos puesto. Una
vez que la persona elige una de las nueces destapamos una de
las otras dos que no esconda la bolilla. LJegado este punto, hay
dos nueces boca abajo, una de las cuales esconde la bolilla. Por
tanto, de nuevo aparentemente, la probabilidad de que la bolilla
este en una de elias es 0,5 y 0,5. LEs as!?
APLICACIONES EN LA COMPLEJIDAD DE CASOS REALES
EI Analisis de la Complejidad de la situaci6n en que se encuentra es
de vital importancia para quien necesite entenderla, y muy
particularmente si se trata de un decisor que, en primer lugar y previo a
todo calculo combinatorio debe dimensionar el universe sobre el que
esta operando.
188
Planteamos a continuacion tres
para clarificar las
que describen
situaciones reales y resultan de
de aplicacion de las ideas que animan a este
herramientas que 10 asisten.
ESTRUCTURA ORGANIZACIONAL
- Tratabamos, en a/gun momento, (/e presupuestar en tiempo, en
recursos necesarios y en casto monetario e/ relevamien/o de /a
estrllctura organ/zacional de un organismo publico de gran
quizas uno de los mas grandes de /a RepLlblica
Pensabamos en quince Departamentales, cada una
cUB/es tenIa diez divisiones. A Sll vez, estas contenian un
7 secciones cada una y dos oticinas, Todas estas
ten Ian un jefe al cual el Director ciel organismo queria cie alguna
manera /legar a relevar y conversar; a traves de los especialistas en
disefio organizacional, para recabar informacion que puciiese ser Mil en
el armado de la nueva estructura de /a jurisciiccion.-
de este sistema, que en el dibujo de
la en el Boletfn
no se lIegaba a . por el sencillo truco de poner una sola
estructural y una lIamada con un asterisco indicando que se
repetfax cantidad de veces?
La variedad resultaba finalmente 15 x 10 x 1 x 2 jefaturas, 10 cual
implicaba la preocupante cifra de 2.'100 entrevistas y relevamientos.
DOS MIL elEN jefes que darfan informacion, que transmitirian sus
necesidades y sus demandas, pero que al mismo tiempo plantearian
una nueva complejidad a un problema que requeria de un tiempo
relativamente uraente de solucion.
- Teniamos un grupo cie Organizac/on y Metodos, encargado de
efectllar el disefio, por seis personas, i Podriamos imaginar;
calculancio una hora (mfnimo) de entrevista y una hora de
procesamiento de cual hubiese el necesario
189
para un diseno organizacional fundada en el tamana (en este caso
f'nrnnl",iiri;;,rll Y Gon las directivas requeridas?-,
la ley de Variedad tenemos un de no
mas de novecientas horas mensuales de trabajo ('150 horas par
teniendo en cuenta ausentismo ) y un universo a procesar realidad
organizacional) de un tamano de cuatro mil doscientas horas,
Es evidente que se demorarian cinco meses tan solo para el
relevamiento, que seguramente traeria mas informacion, pero con ello
tambien mas incertidumbre, mas dudas, mas cuestiones, mas lemas a
analizar que hasta ahora no se tenian presentes.
l. Y es ello bueno?
La respuesta a este punto es la pregunta del millOn. que punto
es importante entrar a desrnenuzar un sistema de
penetrando cada vez mas en las sucesivos subsisternas que 10
integran, que, como las munecas rusas "mamushka" se van
unos tras otros?
Mas informacion daria seguramente mas confiabilidad, pero con ello
mas complejidad y un abanico mas amplio de variables que no siempre
se esta en condiciones posteriormente de procesar.
_ si el en que hay que hacer la reforma institucional
fuera relativamente de tal forma que no hubiese posibilidad de
realizar un
En el caso bajo analisis se trataba de la fusion de dos
organismos recaudadares, uno de ellos jaqueado -al menos
mediaticamente- por una de inoperancia institucional grave.
podra decir que, aumentando el denominador de la relacion de
variedad obligada (el elemento procesador, es decir la calltidad de
analistas) podremos lIegar a mas profundidad (mas complejidad, mas
oIoO',""",.,t",<, a procesar) en igual cantidad de tiempo. Sin embargo, aquf
190
191
empiezan tambien restricciones, que pueden servir tanto para limitar
la cantidad de elementos a procesar como la capacidad del procesador.
"No hay partidas para contratar mas analistas"; "No hay gente
capacitada 0 con la confianza de la dirigencia para
hacer este trabajo" y , .. otras tantas.
Si la capacidad del procesador esta restring ida, Y la cantidad de tiempo
disponible es limitada , la otra variable que podemos modificar, a traves
de la incorporaci6n de restriceiones, que reducen complejidad al
sistema bajo analisis, es limitar el universe a procesar.
Ana/icen so/amente hasta los ,Jefes de Seccion-. - Tomemos una
muestra a/ azar del 20% de la estructura-. -Hagamos un cuestionario
escrito que resulta mas facit procesarfo (menos complejo, menos
informacion, menor cantidad de tiempo y recursos)- , en fin, y aSI otras.
En este relato se pone de manifiesto la utilidad de un tema como el que
estamos tratando Ia medici6n de la complejidad y su necesaria y
previa comprension conceptual - en un caso de aplicaci6n concreta a
diseno organizacional: En el ejemplo, las dependencias a relevar son
los distintos niveles de variables que deben "caber" en la cantidad de
niveles de variable que, en determinado tiempo puede trabaiar el
elemento
tanto en un caso corno en otro eliminan variedad al
(volviendolo mas simple, menos complejo) 0 al
la que puede manejar
tres soluciones 0
aumenta la capacidad de
analistas que trabajen),
el uso del mismo (trabajando mas
rnas meses de
con la misrna gente) 0 bien se elirnina
al
a relevar 0 tiempos
de entrevistas.
c-Cual es la variedad desde el punto de vista del
organizacional? Esta ya no podremos darla desde
Habra que evaluar relaciones de costos-beneficios que no solo
los elementos econ6micos sino tambien los
politicos, etc.
Luego, aplicar la ley de variedad conocida como
de variedad requerida"), redueir sobrevolar la
cuesti6n mediante 0 al
resolviendo no internarse en muchas veces !-Iucue
cuando la mal lIamada "soluei6n
todo resulta con las
restricciones dadas.
soluci6n final fue disenar las misiones y
funciones oraanizacionales hasta los Jefes de Division, y permitir, pm
que estos Jefes de Division, con el
consentimiento de sus propios los Directores de Departamento,
disenaran las misiones y funciones de las secciones y oficinas que les
. Se termino con una cultura de anos de centralizacion
en los que, desde una oficina de Organizacion y Metodos lejana en la
de los casos a la realidad estas dos rnil clen dependencias,
se definia y acotaba uniforrnernente su forma de operar.
DIAGNOSTICO MEDICO
nvitarnos al lector a realizar el mismo proceso de aplicacion de los
conceptos de complejidad, pensando en una situacion absolutamente
distinta pero tanto mas uti! 0 pertinente corno es el diagnostico de una
enfermedad.
LCuantos son los carninos por los que el medico puede pasar al
diagnosticar a un enferrno? LCuantos los tipos de analisis clfnicos?
LCuantas las hipotesis de trabajo 0 de enfermedades?
Es comunrnente sabido que los medicos que "sobre-prescriben" (sobre
la media) analisis son lIamados U observados por los departamentos de
192
193
auditoria de las de servicia de medicina
costo beneficio de "estar
Quizas 5e pueda estar algo menos mlnimamente
informado con un costo menor, sin tantos am'llisis que
costos economicos y de los Quizas no,
los protocolos medicos
manuales de organizadon) indican los niveles de
en los que la cienda recomienda entrar. De esto trata,
precisamente, la posIcion medica contemporanea denominada
"Medidna basada en la evidencia".
UNO EN UN MILLON
Otro caso mas trivial y reciente viene a ser aplicado en este punto. Un
sujeto, empleado de una empresa de television por cable, forma
del equipo de cualro personas que, en esa empresa, realizan la misma
y (mica tarea de retirar en Capital Federal equipoS' decodificadores de
senal de aquellos usuarios que han dejado de serlo.
En una reunion de familiares y amigos en una casa-quinta de la zona
norte del Gran Buenos a la que concurre por la
sujeto ve, participando de la reunion, al hijo menor del grupo familiar
cinco integrantes que se domicilia en una casa a la que 191 fue enviado
esa misma manana Dara un retiro de eauioo decodificador.
la primera reaccion, de
. "Es como sacarse la grande".
Sin es asombrosa, no creemos
que las esa magnitud (recordar los calculos
realizados en el caso
Para analizar la complejidad de este problema hay un
que no ningun tratado de analisis combinatorio,
sino la claridad conceptual que dan el entrenamiento y la abstraccion:
Ubicarse en la situacion, hacer un buen diagnostico.
l,Cuales son realmente los casos favorables sobre los casas, en este
ejemplo, igualmente posibJes?
l,OUe datos dados en el problema son relevantes y cuales no?, l,Oue
datos faltan? l,Los podemos preguntar? l,Los podemos suponer,
incluso dentro de ciertos parametros?
Veamos.
l,lmporta la cantidad de personas que viven en la zona de de
este senor? No, definitivamente no es un dato que ya que
tanto hubiese sido sorprendente que se encuentre aJ
al menor 0 a cualquier otro inteqrante de la familia.
la cantidad de personas 0 familias que usan decodificadores?
EI hecho de que uno trabaje en la empresa
de la cual el otro recibio servicios ya esta incluido dentro de las
de encontrarse.
l,lmporta que hay cuatro empleados que realizan esa tarea puntual?
No, como tampoco importa que haya cinco integrantes en la familia.
Lo que verdaderamente importa, para el analisis de la situacion es
cuantas viviendas hay en la zona de trabajo del empleado, la
Federal, y cuantas por dia visita. Si es razonable suponer que hay un
millon de domicilios en la Capital', y el sujeto visita veinte antes
terminar su jornada, en realidad tiene 20 en un mill6n de
de visitar cualquier domicilio de la Capital Federal,
cable.
Si hubiesemos sabido previamente que la familia visitada tenia cable,
las probabilidades bajan muchisimo, ya que el denominador son todos
los domicilios que estan abonados a una empresa de cable, que
podemos suponer en cincuenta mil, de esta forma, seria de 201 50000.
si hubiesemos sabido que esta familia fue usuaria y tiene
un codificador que debe devolver, ya estariamos en 20/2000,
194
195
suponiendo que dos ex usuarios de
codificadoresde la empresa.
Pero como nada de todo eso sablamos, sigue siendo una posibilidad
de20/1.000000, quees equivalentea uno en cincuenta mil y baja, pero
notanto.
Todos losdemasdatosexistentesen el problema no son relevantes, y
he aquf una muy importante S610 en los examenes de la
escuela secundaria, (yen algunos) aparecen los datos todo. En la
realidad, la mayoria de los aue estan a flor de no son
relevantes, y los que losson
nivel de seguridad 10 mas
relaci6n costa beneficia.
Y este es el pie de dos temas basicos que trata la Teoria de la
Decisi6n, la aplicaci6n de decisiones ante informaci6n parcial y las
de compra de informacion adicional utilizando la estadistica
Comocomplemento0 perla del caso reciEm
podra indicar que la resolucion es pertinente en tanto y en cuanto el
distrito detrabajoy el distritodeldomicilioseanel mismoy
conocido. Ciertamente,
Dejamospara el lectorel desafiodecalcularla probabjlidad en casode
queel integrante de la familia (y la familia misma) que el empleado via
esa pudieseviviren cualquierlugardela RepublicaArgentina.
Si qUlsleramos ser mas agudos podriamos agregar el 16gico
condimento que, habiendo estado la noche en donde estaba, el
eventonoes igualmenteprobable.
XI ELRAZONAMIENTO COMBINATOR.IO EN ELPROCESO
EDUCATIVO
(14)
Jean Piaget
UN DE HISTOR
EI origen y evolucion de la combinatoria ha side ai desarrollo
de otras lamasde las matematicas, tales como el la teoria de
los nllmeros, y el calculodeprobabilidad.
17
,"'l
: - ~
4
10
11 1812512 9
(15)
*Fuente: InstitutodeMatematicasde la UNAM. GerardoAlfaro Melero. IES
JoseManuel Blecua(12)
196
197
Desde los primeros tiempos se plantearon problemas de cornbinatoria
que lIamaron la atencion de los matematicos. Par ejernplo,
"cuadrados magicos" que son arreglos de numeros con la propiedad de
la suma de los elementos de cualquier columna, renglon 0 diagonal
da la misma cifra, aparecen en un viejo libro chino fechado 2200 a. c.
EI famoso I - Ching ("Libro de las transforrnaciones") aporta, con sus
combinaciones de trigramas misticos, algunos los ejemplos mas
antiguos.
Algunos fil6sofos griegos plantean relaciones sabre problemas que hoy
se resolverfan con el calculo combinatorio, no habiendo certeza de
elaboraran 0 se basaran en una teor[a sobre el tema.
el siglo XI, Bhaskara propone algunas reglas para calcular
variaciones (con y sin repeticion) y combinaciones, sugiriendo formas
de aplicacion.
Los euadrados maglcos de orden 3 fueron estudiados con fines
mistjcos. Los coeficientes binomiales fueron conocidos en el siglo XII.
EI triangulo de Pascal que es un arreglo triangular de los coeficientes
binomiales fue desarrollado en el 5iglo XIII.
En 1321, Levi Ben Gerson aporta una version muy avanzada del tema,
con reglas para el calculo de variaciones, permutaciones y
combinaciones,
En los siglos XV y XVI, los razonamientos combinatorios aparecieron
en algunas publicaciones.
Por caso, hay indicios de que Tartaglia (1500-1557) los aplic6 al
estudio del juego de dados y en el calculo de la potencia de un
binomio.
Ya en el siglo XVII, la materia adquirio consistencia te6riea y practica.
Por ejemplo, la f6rmula general de Cn,m aparece en un libro de
Herigone en 1634.
Se puede considerar que en Occidente la combinatoria se inicia en el
siglo XVII con los trabajos de Blaise Pascal y de Pierre Fermat sobre la
teoria de juegos de azar.
Estas elaboraciones, que dieron fundamento a la teorfa de la
probabilidad, contenian los principios para determinar el ntJmero de
combinaciones de elementos de un conjunto finito. De tal modo se
establecio la tradicional eonexion entre combinatoria y probabilidad.
EI actual termino "combinatoria" fue introducido por Wilhem Leibniz en
su Dissertatio de Arte Combinatoria. Gran importancia para la
eonsolidacion de la combinatoria tuvo el articulo de Ars Conjectandi (el
arte de conjeturar) por J. Bernoulli.
Este trabajo signifie6 el establecimiento de las nociones basicas de
probabilidad. En tal sentido, fue necesario introducir tambien un buen
numero de nociones basicas de combinatoria pues se usa ron
fuertemente como sustento del calculo de probabilidades"
Pod ria decirse que a partir de dichos desarrollos comienza el
establecimiento de la combinatoria como una rama nueva e
independiente de las matematicas"
EI matematico suizo Leonard Euler desarroll6 a principlos del siglo XVIII
una verdadera escuela de matematica combinatoria. Tambien se Ie
considera el padre de la teo ria de grafos por el planteamiento y
soluci6n del archifamoso problema de los "Puentes de Konigsberg".
En Inglaterra a finales de siglo XIX Arthur Cayley (motivado por el
problema de calcular el numero de isomeros de hidrocarburos
saturados) hizo importantes contribuciones a la teoria de enurneracion
de grafos.
198
199
En esa epoca, el matematico Boole emple6 metodos de
combmatoria en conexi6n can el desarrollode la 16gica yean
las ideas y metodos que Henri Poincare desarrol16 en relaci6n con
problemasdetopologia.
de los factares mas importantes que han contribuido al gran
desarrollo que ha tenido la combinatoria desde 1920 es la de
grafos
La importancia de esta rama radica en el hecho de que los
sirven como base abstracta de modelizaci6n de la variedad
relaciones entreobjetosdeun
Sus aplicaciones abarcan campos tan diversos como la investigaci6n
de operaciones, quimica, mecanica estadistica, fisica te6rica y
problemassocio-econ6micos.
ELRAZONAMIENTOCOMBINATORIO
k
Comoya hemoscomentado, se detecta un problema de baseformativa
que, ejemplificando con nuestros alumnos, los lIeva a tener algunas
dificultadesen la caotacion de la complejidad.
nuestros relevamientos, el rendimiento promedio (puntaJe) en
examenes de los alumnos en el tema que nos ocupa, es entre 40 y
masbajo en los quecomponen el restodelprograma.
Ademas de su importancia en el desarrollo de la idea de Probabilidad
la capaeidad eombinatoria es un componente fundamental del
pensamiento formal. EI razonamiento combinatorio representa algo
mas que una simple parcela de las Matematicas, siendo un esquema
tan general como la proporcionalidad y la correlaci6n, que emergen
simultaneamentea partirdela edad de 12 0 13 arias.
*Fuente: Rafael Roa, CarmenBatanero, JuanD. Godinoy M. Jesus
Canizares. BIBLiOGRAFIA(Epsilon, 36,433-446).V Navarro-Pelayo, C.
BataneryJ. D. Godino.Razonamientocombinatorioen alumnosdesecundaria
Educaci6n Matematica. 8(1), 26-39. (13)
De acuerdo con Inhelder y Piaget (1955), el razonamiento hipotetico-
deductivo opera can las posibilidades existentes en una situaci6n
problematica, las cuales son descubiertasy evaluadas parel sujeto por
mediodeoperacionescombinatorias.
Esta capacidad puede relacionarse con los estadios descriptos en la
teorfa de Piaget: del periodo de las operaciones forrnales, el
adolescente descubre procedimientos sistematicos de construcci6n
combinatoria, aunque para las permutaciones es necesario esperar
hasta la edadde15anos.
Para estos autores, la combinacion supone la coordinaci6n de la
seriaclon y la correspondencia, la permutaci6n implica una
reordenacion respecto a un sistema de referencia movil y reversible;
por tanto, las operaciones combinatorias son operaciones
operaciones, caracteristicasdelnivel del pensamientoformal.
Sin embargo, los resultados de Fischbein (1975) muestran que la
capacidad de resolver problemas combinatorios, no siempre se
alcanza en el nivel de las operaciones formales, si no hay una
ensenanzaespecifica.
He aqui, 10 que segun creemos, es el origen de la problematica
observada no solo entre nuestros alumnos sino tambien en general, a
10 eual se suma la descripcion realiz.ada per Kahnemany Tverskyen la
delossesgoscognitivos.
Fischbein y Grossman analizan la interacci6n entre la intuici6n y los
esquemas subyacentes en estimaciones intuitivas del valor de las
operaciones combinatorias can diversostipos de sujetos, entre los que
200
201
se cuentan adultos
Observaron que
en las estimaciones
tadtos
relacionados con las
y el numero
elementos que se trata de
estos calculos se reducian a operaciones multiplicativas
de realiz.ar el conjunto requerido de operaciones, 10
que los esquemas combinatorios sufren un proceso de
, reduciendose a una estructura minima, para apoyar
las intuiciones erroneas de los sujetos.
Algunos autores como Marchand (1994) indican que la edad media de
acceso al estadio formal es substancialmente diferente de la indicada
en las investigaciones de Piaget e Inhelder (1951) y que un numero
importante de sujetos no lIega nunca a alcanzar esta etapa.
Piaget (1972) reformul6 su primera concepcion sobre el pensamiento
formal y admite que la edad donde se alcanza debe ser
hacia los 15-20 anos, indicando ademas el papel crucial del
las capacidades del sujeto y la especializaci6n profesional en la
construcci6n de la estructura de las operaciones formales.
Tomando como base referendal las experiencias empiricas realizadas
por investigadores a las que podemos agregar
mas acotadamente surgen de nuestras propias observaciones, las
conclusiones que formularse son las
Fischbein (1975) como
probabiHsticos y
el uso de las estructuras can
es can un escaso exito. Tal vez el
ser reforzado en la ensefianza, pues
como modelo figurativo que permite
(extensi6n de un cierto procedimiento
y la generalizaci6n constrl.lctiva
(adaptacion a nuevos problemas derivados que es caracteristica del
razonamiento
Es justa mente en estos dos puntos don de se han observado muchos
de los fallos de los estudiantes en la resoluci6n de los problemas
propuestos.
Las estrategias generales en la resolucion de problemas:
reducir el tamano del problema, traducir a otro
mas sencillo, descomponer el problema en
soluciones, se han mostrado tambien como elementos que separan a
los buenos resolutores de aquellos que oresentan dificultades.
Estas estrategias, bien aplicadas se han mostrado fundamentales a la
hora de resolver los problemas de un modo adecuado, especial mente
can la enumeracion sistematica.
Por otro lado, la Combinatoria es un campo donde pueden
con facilidad y estas estrategias. En
consecuencia, creemos que los problemas combinatorios pueden
jugar un papel fundamental en el aprendizaje de tecnicas
generales de resolucion de problemas y en el entrenamiento de las
capacidades de abstracci6n y modelizacion.
EI modelo combinatorio implfcito, ha mostrado sus fuertes efectos en ia
dificultad del problema y en los tipos de error, ya que los estudiantes no
siempre han side capaces de traducir el problema de un modele de
particion 0 colocacion al modelo de selecci6n y ello ha dificultado la
identificaci6n directa de la operaci6n combinatoria.
Estas variables deben tenerse en cuenta para evaluar el razonamiento
combinatorio de los alumnos. Tambien deben ser tenidas en cuenta
para organizar la ensenanza, la cual hacer hincapie
en el razonamiento recursivo, en los procedimientos sistematicos
de enumeracion y captacion intuitiva, en luaar de meramente
202
203
centrarse en aspectos algorftmicos y en las definiciones de las
operaciones combinatorias.
EI lector puede encontrar en Batanero, C;odino y Navarro-Pelayo (1994)
Y la bibliografia citada una propuesta de desarrollo del curricula de
Combinatoria para el rango de edades de 10 a 18 arias.
XII -" RELACION CON LA HEURisTICADE LOS SESGOS
COGNITIVOS
No es nuestro prop6sito extendernos en un completo de las
investigaciones de la psicologia decisoria que, apoyadas en los
trabajos de Daniel Kahneman y .Amos Tversky (15), dieran origen a la
Theory y la heuristica de los cognitivos.
6) (17)
Prof. Daniel Kahneman Prof. .Amos Tversky
Un tratamiento de tal envergadura debe concentrarse
en el tema y ello escapa a los prop6sitos de este trabaJo.
a 10
entre
la lectura de la
20-l
205
Por tal motivo, solo esbozaremos una apretada sintesis de la
orientacion de tales investigaciones, como marco de los aspectos que
forrnando parte de elias se vinculan puntualrnente con los objetivos de
este trabajo.
Richard Thaler inicia uno de sus trabajos relacionados con este terna
haciendo una analogia sumarnente interesante*.
Su propuesta hace referenda a ciertas presentaciones "engaf\osas" de
la realidad que todos conocernos con el nombre de "ilusiones 6pticas".
Seguramente, transitando por una ruta en un dia claro y de calor, mas
de una vez hemos "visto" una especie de pequeno lago 0 superficie de
agua con cierta reverberancia en la zona donde nuestra ruta se junta
con el horizonte. Todos sabernos que esa visi6n es un "espejismo", que
no es real, que es un efecto de las condiciones clirnaticas y fisicas
irnperantes.
Un aspecto interesante de este fen6rneno es que es generalizado -
tad as 10 "vemos"- y mas aun, no podemos evitar verla.
Thaler recuerda, como ejemplo, 10 que considera como la ilusi6n 6ptica
mas grande del mundo, el Jefferson Memorial de Saint Louis, cuya
altura aparece visualmente como mucho mas larga que la distancia
entre sus cuando en realidad ambos parametros han sido
construidos exactamente iguales.
*Richard Thaler en Psicologia de la Decision , Recopilacion de P Pavesi.
CECE. (14)
18)
Muchos grandes pintores han sido verdaderos maestros en el arte de
cornponer imagenes con lecturas dobles 0 de percepci6n ambigua.
M.e. Escher (19) Giuseppe Archimboldo (20)
206
Salvador Dali (21)
En algunos disenos solo podemos reconocer una Imagen, que
supuestamente esconde otra nos cuesta descubrir y luego, una
10 conseguimos, solo podemos "ver" la segunda y perdernos
la primera. Alga similar ocurre con los estereogramas .
(22)
207
afirma que, asi como ilusiones 6pticas afectan del mismo
modo a la generalidad de las personas, existen otros aspectos de la
que "disfraces" que nos generan 10 que el
denomina "ilusiones cognitivas", que nos lIevan a erradas no
ya una imagen de un concepto. de un problema. de una
etc..
particularidad de estas "ilusiones cognitivas", y de alii
establecida por el citado autor, es que al igual que las
resultan generalizadas y adoptan
permiten algunas fOrlllas de categorizaci6n sobre
trabajado las investigaciones descriptivas basadas en
de Daniel Kahneman y Amos Tversky
Amenazado por una fuerza enemiga superior, el general se
encontr6 ante un dilema. Sus oficiales de Inteligencia afirmaban
que los soldados serian vfctimas una emboscada en la que
600 de a menos que el los condujera a lugar
por una de dos rutas posibles. Si elegia la primera, se
salvarian 200 soldados. Si optaba par la segunda, habria un
tercio de posibilidades de se salva ran los 600 soldados y dos
tercios de posibilidades de que no se salvara nadie. ;Que ruta
debia
de la tropa inst6 al general a elegir la primera
argumentando que es mejor salvar las vldas que puedan ser
salvadas que jugar con el de tener
pero Gque en esta situaci6n?
Nuevamente, el general debe elegir entre dos vias escape.
Pero esta vez sus ayudantes Ie informan que si elige la primera
400 soldados. Si va par la segunda, en cambio, hay un
de posibilidades de que no muera ningun sold ado, y
tercios de posibilidades de que perezcan los 600. (,Que
debe tamar?
209 208
Frente a esta alternativa, la mayoria de la tropa prefiere la
segunda ruta. La primera, despues de todo, significa la muerte de
400 soldados. Con la segunda opci6n hay un tercio
posibilidades de que' no muera nadie. E incluso, si el general
pierde en juego, sus perdidas s610 el 50 % mas
Se trata este ae un CI8SICO elemDIO Dlanteaao Dor Kanneman y
, es deeir, la opuesta
se tiene de una misma situaci6n debido al marco
con que 5e la presenta.
EI hecho de que la mayorfa de la gente lIegue a conclusiones opuestas
en estos problemas es bastante sorprendente, porque como revela una
investigaci6n superficial, en rea!idad son identicos. La diferencia
en que, en el primer problema, la cuesti6n se plantea en terminos
vidas salvadas y en el segundo, en terminos vidas
Cuando se enfrenta con un problema tipo, la gente se
nifi"'"f.... ' ' ~ de tres a uno en favor de la primera eleccion,
cuatro a uno por la segunda elecci6n, cuando el
en terminos de vidas perdjdas. Y aunque I!eguen a
reconocer la contradicci6n, algunas personas seguiran dando
respuestas conflictivas.
Esta paradoja es una de las muchas que surgen la colaboraci6n de estos
dos cientificos israelies-estadounidenses cuyos resultados cuestionan
la confiabilidad basica la raz6n humana.
en realidad de que, aun cuando tratamos de ser
damos respuestas radicalmente diferentes al mismo
EI inauietante descubrimiento de Daniel Kahneman y Amos Tversky no
es algo que todos
problema, cuando esta planteado en terminos ligeramente
ntos.
Kahneman y Tversky proponen que estas desviaciones de la
racionalidad son consistentes y predictibles y resultan de los atajos
por los que transcurre la mente cuando debe sopesar posibilidades
ALGUNOS EJEMPLOS DE SESGOS ASOCIADOS A LA LECTURA
DE PROBABILIDADES
Una ciudad cuenta con dos hospitales. En el mayor de ellos
nacen a rededor de 45 bebes cada dia, cifra que en el menor se
reduce a 15. Aunque a la larga la proporci6n de varones es del 50
por ciento, la proporci6n rea! en cada uno de
ser un dia concreto, mayor 0 menor que el 50 por ciento. AI final
del ano, de los dos hospitales tendra el mayor numero de
dias en los que mas del 60 par dento de los nacimientos haya
sido de varones?
a. el hospital mayor
b. el hospital menor
c. ninguno, el numero de dias sera aproximadamente el mismo
(con una posible diferencia del 5 por ciento).
Imaginemos una urna lIena de bolillas blancas y negras. Sabemos
que dos terceras partes de las bolillas son de un color y una
tercera del otro, pero no sabemos cual de los dos colores es
el que predomina. Una persona con los vend ados saca de la
urna 3 bolillas negras y 1 blanca. Otra introduce las dos manos en
la urna y saca 14 bolas negras y 10 blancas. Ambos casos
suponer que las bolas negras son mas numerosas, pero
Gque muestra es la que proporciona la evidencia mas
convincente? .
Muchas personas encuentran mas precisa la primera muestra.
Despues de todo, tiene una mayoria negra en una proporci6n de 3 a 1,
mientras que la segunda muestra cuenta con s610 un poco mas de la
mitad de bolillas negras.
210
211
Sin embargo, la Teoria de la Probabllidad diceque la segunda muestra
es la que indica cual es el color mayoritario con una probabilidad de
acertarde16ai,entantoquesolo10 es de4 a 1en la primera.
La explicacion reside en el hecho de que la primera muestra es menor
y las muestras pequenas son menos confiables. Recordemos que es
comun quesetire una monedacuatro vecesy quetres, salga cara. No
obstante, si la moneda es arrojada1. 000 veces, nos aproximaremos
considerablementea la proporcionestadfsticade50-50.
Aunque, de un modo abstracto la gente sabe esto, a menudo no 10
tiene en cuenta. Losjugadores de squash creen que no hay diferencia
entrejugarun partido a nueve 0 a quince puntos; en realidad, el juego
mas corto da al jugador mas debil mayores posibilidades de ganar,
simplemente porque notienequeganaresospocospuntos mas.
Del mismo modo, solo una persona de cada cinco advierte que en el
problema del hospital que hemos planteado mas arriba, la institucion
con menorcantidad de nacimientos pordfatendra muchos masdfasen
queel porcentaje devarones supere el 60 porciento (el hospital menor
tendra 55 dfas al ano con esa proporcion, en promedio, en tanto que el
mayorsolotendra 27dias),
EI proximo ejemplo, creado por Daniel Elisberg, consiste en un sorteo
imaginario:
A usted Ie rnuestran tres urnas, cada una con 100 bolillas en su
interior, La urna A tiene 50 bolillas rojas y 50 negras, la urna B
tiene 80 rojasy 20negrasy la urnaC tiene20 rojasy 80negras.
Ledana elegirdeentredosformasdesortear.
Puede elegir el sorteoA, en la cual se sacara al azar una bolilla
de la urnaA. Si la bolilla es roja, usted ganara $100; si no 10 es,
noganara nada,
Por otro lado puede elegir el sorteo BC, En este caso, la loterfa
tiene dosetapas. La primera esecharuna moneda a cara 0 ceca.
Si es cara, elige una bolilla de la urna B, Si es ceca, de la urna C.
EI segundo paso es sacar la bolilla de la urna designada por la
moneda. Nuevamente, si la bolilla es roja usted gana $100, sf es
negra nogana nada [Quesorteoprefiere?
Una simple multiplicacion confirmara que las posibilidades de ganar
cualquiera de los dos sorteos es el 50%. AlJn asi la mayorfa de las
personaseligen la loter-faA. [F)otque?
DoscaracterfsticasdelsorteoBC 10 hacen pocoatractivo.
Primero, el sorteo A es mas simple. La complejidad resulta repulsiva
por si sola. Segundo, la posibilidad de ganar el sorteo BC es mas
ambigua: segun el resultado de la moneda, puede variar de un 80% a
un 20%. Esta ambigDedad tambien resulta antipatica, La moraleja es
que la mayorfade las personas, si son forzadas a apostar, prefieren un
riesgo simple, bien definido, y no uno complieado, ambiguo (Ellsberg,
'1961).
Ana tiene 32 anos Es soltera, extrovertida y muy brillante. Se
especializo en Filosofia en la Llniversidad. Como estudiante Ie
preocuparon mucho la discriminacion y otros ternas sociales, y
participo en demostraciones antinucleares. [Cual de estas
definicionestiene masprobabilidaddeser cierta?
a.Anaescajera de un Banco
b. Anaescajeradeun Bancoy activa militantedelmovimiento
feminista
La gente piensa que es mas probable que sea cajera de banco y
feminista, ya que el feminismo parece mas representativo de Ana que
ser cajera de Banco, Pero un principio estadistico, sostiene que la
probabilidad de que dos acontecimientos sucedan juntamente (ver
probabilidad conjunta en el Apendice), es siempre menor que la
probabilidad de que se verifique uno solo de ellos (la posibilidad de
sacar dos veces seguidas cara en una moneda arrojada al aire es
menor que la de sacarla una sola vez en igual numero de
212
lanzamientos). De modo que la probabilidad de que Ana sea cajera y
feminista sera menor que la de que sea solo cajera, sin entrar en
consideraciones acerca de que esa carrera sea 0 no adecuada para
ella..
Un viajero freeuente estaba preoeupado por la
hubiera una bomba en alguno de los aviones en que viajaba. Le
infarmaron que la probabilidad de que ocurriera esto era pero
no 10 era tanto como hubiera deseado. Desde entonces viaja
siempre con una bomba en su maleta. Piensa que la probabilidad
de que haya dos bombas a bordo debe ser ahora despreeiable.
Independientemente de que es un ejemplo ficticio, con algun rasgo
de humor incluido, razonamientos como el descripto son comunes. Este
hecho hace que a veces sea sorprendente el resultado real de algunos
razonamienios sobre probabilidades.
Un jugador se acerea a la mesa de ruleta con intendon de
Decide esperar primero y ver que ocurre en las
jugadas. Las tres veces sale el "17". EI
ahora su participacion. es 10 que hara?
Cua/quier cosa menos al 17. Es casi que un
salga cuatro veces a fa ruleta
l
-
otro jugador exactamente 10 mismo, observo
las tres jugadas en que salio el 17 y ahora se apresta a jugar.
es 10 que haril?
~ o r supuesto, jugar af 17 porque esta en racha!"
(,Cual de los dos tiene razon? Obviamente ninguno. La probabilidad de
que la proxima bolilla salga el 17 es 1/37. i No hay una ley natural que
obligue a ajustar inmediatamente los desvios aleatarios
circunstancialesL iNi tampoco otra que !leve a sostenerlos!
persona ha sido par un taxi y el conductor se ha
dado a la fuaa. Dos de taxis estan a cargo del servicio
2\3
en la eiudad: la Verde, que tiene el 85 por dento de los coches, Y
la Azul, que tiene el restante 15 par ciento. Un testi90 identifiea al
taxi como perteneciente a la compania Azul. Cuando la Justicia
la fiabilidad del testi90 bajo cireunstancias similares a
las de la noche del aecidente, este identifiea correctamente el
color del coche un 80 par ciento de las veces y se equivoca el
otro 20 par ciento. t,Cual es la probabilidad de que el coche
involucrado en el accidente pertenezca a la compania Azul tal
como 10 afirma el testigo?
La mayoria de la gente suele caer en un error elemental: ignorar los
lIamados datos de apreciacion 0 de base, contra los cuales debe
confronfarse la probabilidad de un hecho. EI problema del taxi es un
ejemplo de este principio. La mayor parte de la lIega a la
conclusion de que, si el testi90 ha estado aeertado en el 80 por ciento
de las Druebas, hay el 80 por ciento de probabilidades de que eJ taxi
a la compania Azul, como 10 habia afirmado desde el
Sin embargo hay mas probabilidades de que el taxi
a la compania Verde.
Para descubrir por que es esto posible imaginemos que el testigo ve
100 accidentes en que es atropellada una persona y el conductor
Por ley de probabilidades, alrededor de 85 de estos accidentes habran
sido causados por la compania Verde, y el 15 por ciento restante por la
compania Azul. Del 85 por ciento de taxis verdes, el se
equivocara al identificar el 20 por ciento de ellos (de acuerdo con la
prueba a la que fue anteriormente sometido), 0 sea 17 coches, como
azules. Y de los 15 coches azules identificara correctamente solo el 80
por dento de ellos, 0 sea, 12 coches. Por 10 tanto, de las 29 veces que
el dice que ve un coche azul, se equivoca 17 veces. iUn
de error de casi el 60 por ciento! Los datos de base -Ia
preponderancia de los coches verdes- hacen que la probabilidad de
que se haya equivocado sea de 60 a 40 al identificar un coche verde en
vez de identificar correctamente un coche azul.
Este problema puede ser entendido por la gente en teorla, tal como 10
hicimos en el caso TRES CARTAS, pero obstinadamente se rehusa a
215 214
aplicarlo a su propia vida. Los capitalistas prosperos se embarcan en
nuevas empresas, a pesar de la deprimente proporcion de fracasos en
los nuevos negocios; los recien casados est;3n seguros de que su
matrimonio es para siempre, a pesar de la inmensa cantidad de
divorcios; cualquier pilloy no hablemos de los fumadores- esta seguro
de que el podra burlar las probabilidades.
La gente considera su caso personal como si fuera unico-aclara
Tversky- no como parte de una gran loterfa. Se suele escuchar el tonto
argumento de que el promedio no se me ap/ica. (.Por que oios, la
casualidad 0 quien este a cargo de esta loterfa darfa a alguien un
tralamiento especial?
Estos pocos casos son apenas una rnuy pequena muestra del modo
como la mente suprime la incertidumbre y del estilo de investigacion
desarrollado desde el enfoque empiricodescriptivo de la psicologia
conductista.
Daniel Kahneman (un psicolgo!) obtuvo el Premio Nobel de Economia
en 2002 (Amos Tversky ya habia fallecido entonces) por haber
integrado los avances de la investigacion psicologica en la ciencia
economica.
A traves de multiples experimentos, realizados con otros colaboradores
e investigadores, Tversky, Thaler, Rabin, etc., se pudo identificar y
ordenar un conjunto de comportamientos incompatibles con la vision
maximizadora de la racionalidad. Nos importan los cambios. no
solarnente los niveles *.
"Sobre-reaccionamos a los cambios, particularmente a las perdidas. La
gente exagera la duraci6n de las sensaciones de ganancias y perdidas,
aelva de manera autocentrada, pero no siempre. La relevancia de los
* De Pablo, J.e. (2005). Despues de Kahneman y Tversky; GQue queda de la
Teorfa Econ6mica? Revista de EstacJistica y Economia, Vol., XLIII. (16)
sesgos en las preferencias es obvia en cuanto nos quitamos el
sombrero de economista y pensamos como seres humanos. Entre los
experimentalistas, el debate sobre si existen desvios sistematicos y
cuantitativamente significativos, de la hip6tesis de interes centrado en
sf mismo, esta terminado. "(Rabin, 2001).
Una de las contribuciones de la "Prospect Theory"* de Kahneman y
Tversky, es que los seres humanos distan de decidir utilizando
procesos racionales, sino que muchas veces 10 hacen mediante
"reducciones heurfsticas".
Estos son "atajos cognitivos" ("biases" en ingles c." sesgos, diagonales)
que posibilitan a los individuos realizar evaluaciones sobre la base de
una 0 varias reglas 0 estructuras basicas evitando asf los costos
relativos a la exploracion exhaustiva de un conjunto amplio y complejo
de posibilidades y, al mismo tiempo, adaptandose a las circunstancias
que el ambiente les plantea. Es el procedimiento humano, alejado de la
racionalidad ilimitada, para reducir complejidad e incertidumbre.
La informacion necesaria para tomar una opcion u otra no est a siempre
a nuestra disposicion, sino que debe ser encontrada y, por 10 tanto, se
trata de un ejemplo de restriccion que ofrece el contexto.
Esta busqueda de informacion es costosa, y por ello resulta una tarea
de principal irnportancia para comprender como tomarernos una
decision. Asi, los procesos de busqueda de informacion, cese de
busqueda y eleccion se convertiran en las tres principales estructuras
de decision dentro de esta teoda.
Por esta razon, y sobre la base de la nocion de racionalidad limitada
introducida por H. Sirnon en 1955 (3), a estas tres estructuras se las
denominara el ABC de los heurfsticos.
*En una teleconferencia en 2003, D. Kahneman "confes6" a los autores de
este libro que dicho nombre solo habfa sido elegido porque tiene "gancho".
216 217
Segun Simon, los individuos no siempre buscan la solucion perfecta,
sinoquemuchasvecesse quedan conformescon la primera alternativa
satisfactoria, en lugar de extenderse al maximo 0 buscar hasta
encontrarla mejorsolucion posible.
En general los heuristicos resultan muV utiles, pero algunas veces
generan errores severos V sistematicos. Repasamos brevemente los
tres principales, con los cuales se explica la mavoria de los sesgos
sistematicosen las decisiones bajo incertidumbre*.
HEURisTICADE LADISPONIBILIDAD
Las personas estiman la frecuencia, la probabilidad, 0 las causas
probables de un evento, segun el grado por el cual las ocurrencias 0
circunstancias de ese evento estan "disponibles" en su memoria. Un
evento que evoca emociones y es vivido, facilmente imaginado, estara
mas disponible en la memoria que otro que es no emocional en
naturaleza, borroso, dificilmente imaginable, 0 vago. (vercaso Numeros
Binarios: Neuquen, Menem, Dinamarcae Iguanas)
a) Facilidadpararecordar:
Se juzgan los eventos que son mas facilmente recordados, 0 que
fueron recientemente vividos, como mas numerosos que los de igual
frecuencia cuyosacontecimientosson menosfaciles derecordar.
b) Recuperabilidad:
Los individuosestan sesgados en su evaluacion de la frecuencia de los
eventos, segun como sus estructuras de memoria afectan el proceso
debusqueda.
*Sintesis parcial extrafda de una ponencia presentada par los autores en las
JornadasdeEpistemologfa2006dela FCEUBA. (17)
c) Asociacionespresuntas:
Los individuos tienden a sobreestimar la probabilidad de dos eventos
concurrentes segun el numero de asociaciones similares que son
facilmente recordadas, va sea porexperiencia, 0 porinfluenciasocial.
HEURfsTICADE LAREPRESENTATIVIDAD
Seestima la verosimilitud de la ocurrencia deun evento porsu similitud
con los estereotipos (ver mas arriba: Ana Cajera) Los gerentes usan
esta heuristica cuando predicen el exito de un nuevo producto,
basados en su similitud con tipos de productos exitosos, 0 no, en el
pasado.
d) Insensibilidada lastasasdebase:
Tambien lIamada Ley delos pequefios numeros, setiende a ignorarlas
tasas de base al evaluar la probabilidad de los eventos cuando
cualquier otra informacion descriptiva es provista, aun cuando esta sea
irrelevante. Por ejemplo, cuando se describe una persona, y luego se
pregunta si es ingeniero0 portero, la genteignora queen la comunidad
a la que pertenece hay 10 ingenieros y 1.000 porteros, y por
consiguiente es mucho mas probable que independientemente de su
apariencia, de su descripcion, la persona sea portero. (ver mas arriba:
TAXIS).
e) Insensibilidadaltamanodela muestra:
Frecuentemente, se falla al apreciar la importancia del tamafio de la
muestra, al evaluar la confiabilidad de la informacion de la misma.
Segun Rabin, esto describe la tendencia humana a lIegar rapidamente
a conclusiones, a partir de muestras pequefias. (ver mas arriba:
HospitalesVcasoAjedrez- "grandes numeros")
f) Mal conceptodelaaleatoriedad:
Los individuos esperan que una secuencia de datos generados por un
proceso aleatorio se vera "aleatoria", aun cuando la secuencia sea
demasiadocorta paraservalida estadfsticamente.
218 219
Esto tambien se ve reflejado por la "falacia del jugador", creencia
equivocada de pensar que, si en una ruleta variasvecesseguidas salio
rojo, ello aumenta la probabilidad de que 113 proxima vez salga negro.
(Camerer y Thaler, 2003). (ver mas arriba: Jugadores y caso Ruleta
Rusa)
Regresiona lamedia:
Se tiende a ignorar el hecho de que eventos extremos a
regresara la mediaen
h) Lafalaciadelaconjunci6n:
Los individuos falsamente juzgan que
eventos Goncurrentes) son mas probables que un
los eventos
deocurrenciasdel eual la conjuncionesun
DELANCLAJEY DELAJUSTE
Las personas hacen estimaciones comenzando por un valor inicial y
a una decisi6n final. EI valor inicial, 0 punto de
haber side sugerido por hist6ricos, por la
para
forma en queel sepresenta, parinformaci6naleatoria, etc.
En situaciones
impacto en la decision si se utiliza como
se efectuan los posteriores.
cuenta de 10 irracional del Handa", pero a(m as! el
a menudo, irracionalmentecerca deella.
i) Insuficienteajustedelanclaje:
Se efectClan estirnaciones de valores basados en un valor inicial
(derivado de Ilechos pasados, de una asignacion aleatoria, 0 de
disponible) y definiendo, desde ese valor
aldeterminarel valorfinal.
j) Sesgosdeeventosconjuntosy disjuntos
Los individuos exhiben un sesgo hacia la sobreestimaci6n de la
de eventos conjuntos, y a 113 subestimaci6n de la
probabilidaddeeventos
k) Sobreconfianza:
Los individuos tienden a ser sobreconfiados en la infalibilidad de sus
juicios cuando responden preguntas moderada a extremadamentf:l
diHeiles.
I) Latrampadela confirmaci6n:
Los individuos tienden a buscar informacion confirmatoria de 10 que
quees e ignoran evidencia noconfirmatoria.
Percepci6n retrospectiva y la confiabilidad del conocimiento
de averiguarsi un evento ocurrio, 0 no, los individuos tienden
a sobreestimar el grado de confiabilidad can el cual ellos hubieran
predicho el resultado correcto. Mas fallan al ianorarla informaci6n
que poseen y que otros notienen, cuando
deotros.
n) Efectoencuadre0 Marco:
Los objetos sujetos a eJeccion son representaciones mentales, no
estados objetivos del mundo. Este sesgo revela una limitacion
de la forma "IB",
"N y "C", Y como "13" cuando aparece
dela mente hurnana. La misma "realidad", la porcion de la
es identificada como "[3", cuando aparece
entre "12" y "14". La
del marco de referencia y la evaluaci6n intuitiva
delos resultadostambien. Los encuadreno son una curiosidad
delaboratorio, sinounarealidad (Kahneman,2003)
n) Efectoreflexi6n:
Aparece cuando el decisor enfrenta, no s610 ganancias, sino tambien
perdidas. EI efecto implica que la aversi6n al riesgo, frente a
alternativas con ganancias, implica tambien la preferencia porel
frente a alternativas can perdidas (ejemplo: el ser humane
perder $ 4.000, con probabilidad 0,8, a perder $3.000 con seguridad).
221
_____.... _..........
Cambiando los signos de todos los resultados de un par de juegos, casi
siempre cambia la preferencia, de aversi6n al riesgo, a busqueda de
riesgos.. La respuesta a las perdidas, es consistentemente mucho mas
intensa que la respuesta a la correspondiente ganancia, con un
de la funci6n de valor en el punta de referencia Esto explica
tanto el status quo.
ALGUNAS CONCLUSIONES
Reconocernos incurriendo en sesgos puede resultar inquietante,
pero no tanto como advertir que se trata de fen6menos cognitivos
que los estadisticos muestran como ampliamente
generalizados y afectan a la mayoria de las personas. Desde
luego, ser conscientes de ello puede resultar en 51 mismo un
mecanismo superador, si se 10 aplica con los recaudos que
supone el uso prescriptivo de 10 Las herramientas
desarrolladas el presente trabajo pueden resultar un
auxilio en tal senti do.
XIII -lQUE ES LA TEORIA DE LA DECISION?
conjunto de conocimientos, conceptos y metodologfas propios que
integran la Teorla de la Decisi6n, como disciplina autonoma, reconoce
diversas vertientes de apoyo tanto en las denominadas ciencias
formales como en las humanistico --
A 10 largo del curso de Teorfa de la Decisi6n puede advertirse las
rnatematicas y la estadlstica (en particular el calculo de probabilidades
y el calculo combinatorio), los aportes de la filosoffa, la psicologia, aun
de la fisica y las mas modern as cibernetica e informaCion, la propia
administracion claro, entre otras, forman parte de los elementos de
base en esta construccion.
Y tambien que esta conjuncion eclectica se fusiona en el hecho central
de una actividad inherente a la propia naturaleza hombre:
Sin embargo, ese perfil autonomo solo comenzo de manera ineipiente
en algunas elaboraciones aisladas en anos cuarenta, para tomar
cuervo a partir de la decada del 50 y consolidarse en los 60.
La partieularidad de que los primeros autores e investigadores
provinieran del campo de la economfa y de la entonces muy joven e
incipiente Ciencia de la Administracion, y sus inevitables referencias a
esos campos del conoeimiento, hieieron que la naciente Teorfa de la
Decisi6n adquiriera un estereotipo que aferrarla basicamente al
terreno economico-empresario-organizacional.
apreciaeion se via aun mas consolidada por el hecho de su
incorporacion como materia a planes de estudio, tanto de grado como
de posgrado, se fue produeiendo inicialmente en las diversas carreras
de las denominadas Ciencias Economicas.
Por ello, en nuestro curso muy tempranamente se aclara que la Teoria
de la Decision es esencialmente una teoria decididor. Y .
decididores somos tados, cualquiera sea nuestro principal campo de
222 223
actividad y aCm en los campos en los que actuamos e intervenimos
social e individual mente.
No es diffcil, si nos detenemos un instante a pensar en ello, comprobar
que ocupamos una pOl"cion significativa de nuestros tiempos
personales en tamar decisiones de cualquier indole.
Algunas de elias pueden resultar triviales, otras mas trascendentes y
hasta puede suceder que nuestro trabajo profesional, de cualquier
esfera, por el cual nos pagan, consista basicamente en tomar
decisiones 0 asesorar a quienes deben tomarlas.
Las situaciones de decision, de cualquier naturaleza y grado de
significatividad, son el sustrato y el decididor que las enfrenta es el
epicentro de la Teoria de la Decision.
Y ello es as! porque nuestra disciplina no se refiere a contenidos sino a
formas.
De 10 que se trata, pues, es de reflexionar acerca de la forma como las
decisiones son tomadas y, principalmente, de como debieran 5e!"
tomadas independientemente del objeto sobre el cual se debe decidir.
Siendo asi, nuestra materia adopta un caracter formal y teorico cuya
orientacion es esencialmente normativa y metodologica. EI hecho de
que su desarrollo y exposicion Ileve a un permanente planteo de
ejemplos y casos de aplicacion, no la convierte en una mera tecnica de
caracter practico.
Mas aun, tales ejemplos y casos -aqu! solo hemos tratado los que son
inherentes a la tematica que nos ocupa- , refieren a contenidos que
bien pueden ser seleccionados en funcion de una orientacion
profesional 0 una esfera de actividad particular. Pero siempre, dichos
contenidos pueden ser de cualquier indole pues no es sobre ellos que
la materia norma.
La esencia de la Teoria de la Decision, su aporte trascendente, es la
elaboracion de un modele general que asista al hombre en cuanto
decisor.
La Teor-fa de la Decision no pretende indicarle al decisor glli;_ es 10 que
debe decidir, sino COI"D_9_ debe hacerlo, auxilic:mdolo con sus
instrumentos.
Par ello, tarn poco busca imponer una estructura de preferencias, ni una
escala de valores y ni siquiera una racionalidad (mica e inviolable, que,
por otra palie, no existe al alcance de los humanos, al menos en su
actual estadio de evolucion.
Las preferencias seran las que el decididar establezca de acuerdo a su
particular vision del mundo y a la escala de valores que haya heredado
del contexto sociocultural que 10 forma. En consecuencia, la
racionalidad aplicable sera la que surja de su propio esquema de
preferencias y tan limitada como sus posibilidades de percepcion del
universo que 10 rodea.
A 10 sumo, y circunscripto a esas restricciones, la Teoria de la Decision
Ie entregara un esquema metodologico adecuado y consistente, mas un
cuerpo axiomatico que, como luces amarillas y no dogmaticamente,
advierta al decididor dentro de una construccion fundada y 10 resguarde
de cometer violaciones a la logica de sus propias preferencias y
racionalidad.
Desde esta vision, las decisiones no pueden ser evaluadas ni etica ni
moralmente, y, especial mente, tampoco por la bond ad de los
resultados obtenidos, sino por la forma en que fueron tomadas.
Ejemplifiquemos: LComo juzgarfa usted la decision de alguien que,
frente a la posibilidad de un premio unico cuya obtencion depende de
acertar el color de bolilla que extraera de una urna en la cual hay 30
bolillas blancas y 70 negras, resuelve apostar al color blanco? LDirfa
Ud. que el decididor es racional? L Y si gana, pensaria 10 rnismo? L Y
si tal decididor fuese un empleado de su empresa que recurrente y
225
~ ~
224
~
rutinariamente debe tomar esa decisi6n y siempre aplica el mismo
criterio? si el decididor Ie explicara a usted que, mas alia de las
probabilidades objetivas aplicables al caso el tiene la intima convicci6n,
la creencia, la intuici6n, que va a extraer una bolilla blanca? (,Si asi es
como cree, es racional apostar a 10 contrario? G Y es racional tener
tales creencias 0 convicciones? LY si el premio a obtener fuese
diferencial, por ejemplo, mucho mayor en el caso de obtener una bolilla
blanca? Muchas preguntas.
Las respuestas no son
Decisi6n trata sobre ello.
y buena parte de la leoria de la
Entonces,
decisiones
parece claro que el
se toman y la forma
distingo entre
como deberian
la f
ser
orma como
tomadas no
las
es
ocioso. Esta dlstinci6n entre el "ser" y el "deber ser" ha dado lugar a
una presunta fractura en los enfoques y en los abordajes con que esta
disciplina se ha desarrollado (decimos presunta pues al tratar el tema
se aprecia que tales enfoques pueden entenderse
complernentaria mente).
Explicar como los hombres deciden es una forma descriptiva de
analizar el problema.
como los hombres deberian decidir, si pretenden ser
coherentes con su propia subjetividad y con su propia racionalidad, es
una forma prescriptiva de entenderlo.
La Teoria de la Decisi6n constituye una escuela de pensamiento que
suscribe este ultimo enfoque de naturaleza prescriptiva, normativa y
formal.
enfoques, como la denominada Teoria de la Elecci6n Racional
de H. Simon y continuada, entre otros, por los ya citados
Kahneman y Tversky, abordan el terna desde una perspectiva socio-
psicologica de la organizacion y con metodologias descriptivas, 0 sea
por relevarniento empirico y descripcion de los procesos decisorios de
las personas,
Podemos preguntarnos Lque es 10 que ha hecho necesario el tener una
disciplina especffica para apoyar al hombre como decididor?
o dicho de otra forma, desde que el hombre es hombre, a 10 largo de la
historia, se las ha ingeniado para tomar sus decisiones. LSera
entonces necesaria, ahora, una Teoria de la Decisi6n?
una parte, si bien es cierto que hasta hace 60 atlaS no habra, como
tal, una Teoria de la Decisi6n, eso no quiere decir que de haberla
habido las decisiones no se hubiesen tomado, de una
forma.
Pero, en realidad, desde que el hombre vive en grupos sociales
siempre hubo pautas acerca de c6mo decidir. Desde luego, esa
normativa adoptaba otras formas distintas a las de una concepci6n
academica te6rica y mucho mas ligada a las pautas culturales,
religiosas imperantes en cada epoca, lugar y sociedad.
De cualquier modo, la fortaleza conceptual de la modelizaci6n con la
la TD norma para el tratamiento de los procesos decisorios tiene, a
pesar de todo, una debilidad pues queda finalmente dependiendo de la
validez de los datos que tales modelos puedan recibir como input.
aqui la raz6n de la importancia que el razonamiento combinatorio y el
analisis de complejidad tienen para el modele general de decisi6n.
Parece bastante obvio que par muy buena que sean la computadora y
sus prograrnas, dificilmente produciran resultados validos y correctos sl
los datos ingresados no son los pertinentes 0, simplemente, estan
equivocados.
Desde luego, siendo la TD una teoria del y el decisor, en realidad
es una teoria del decisor, los datos que ingresan al modele de
procesamiento decisorio son aquellos que el propio decisor incorpora.
226
227
Ahora bien, sucede si los datos a ingresar se ven afectados
limitaciones teenicas del decisor 0 por la impranta subjetiva que este
les pueda imprimir 0 por la presencia de sesgos cognitivos
generalizados tales como los descriptos por Kahneman y Tversky? La
respuesta esobvia.
EI caso es que el conjunto de las teenicas asociadas al an<3lisis de
complejidad, provenientes desde las matematicas discretas, el calculo
combinatorio, la variedad y los procedimientos de conteo, se revelan ..
de varias maneras- como un preventivo sumamente efectivo en cuanto
a evitar los inconvenientes planteados en nuestra pregunta del parrafo
anterior.
De alii la importancia que, aun desde su ral instrumental, Ie
adjudicamos.
APENDICE
A) FORMULAS COMBINATORIAS
CamencemosporPm =n! F5
Tenemosqueacomodar letrasA,B, CY0 en cuatrocasilleras.
Todas, los 4 elementos tienen que estar. Pera hay distintos 6rdenes
posibles. Hay distintas formas ordenar los elementos. LCuantos
6rdenesson?
Analizemos:
Podemosubicarunadelasletras, p/ej. B, en cualquierdelos4 lugares.
Hay4formas deubicarla B.
Luego seguimos con otra letra, p/ej. D. Ahora solo nos quedan 3
lugaresparaeleglr.
Cada una de las 4 formas de ubicar la primera letra puede estar
acompanadapor3formas deubicarla segunda.
Hastaaquf, tenemos4.3=12formas deubicarlas2primerasletras.
Para ubicarla tercera nosquedan2 lugaresy ya son 24 lasformas de
ubicarlas3 primeras letras.. 4 .3 .2.
Para la ultimasolo quedaun luaar: 4 .3 .2 . 1= := 4! Pm
SigamoscanVn,m F7
Supongamos que para celebrar el Dia Amigo ocho amigos
(A,B,C,......H) deciden que cada uno de Ie hara un regalo a los
demas. regalosseentregaran?
Para poder cumplir can la promesa cada uno los amigos debera
comprarsieteregalos. Luego regaloscompranentretodos?
228
229
Esobvio: 8 7 =56
Paraexpresarestoformalmentediriamos:Vn =n. ) (1)
Tambien es obvio que el regalo que, porej., A Ie hace a B es uno de
los56. Comotambien 10 esel queB Ie haceaA.
De modoqueel regaloABnoes el mismoregaloque SA.
Comoseaprecia, lacombinacionASesdistintaqueBA.
Volvamosahoraa la expresion (1)
AI escribir n. (n-1) me siento inclinado a aprovecharla funcion factorial
y reemplazarn. (n1) porn!
Peroambascosas noson 10 mismo: 8. 7 noesiguala 8.7.6....2.1.
Sin embargo, puedo emplear un artificio: divido 8.7.6....2.1 sobre
6....21.
Y asi nosqueda:
Vn,m=
(n--m)
Pasemosahoraa FA :Cn,m=
m' .(n-m)!
Partamosde la FT
Ya sabemos que dicha formula recuenta todas las formas de
seleccionar m elementos de un grupo de n elementos, incluyendo el
recuento de los distintos ordenes que cada grupo pueda tener
internamente.
Peroahora supongamosquedichoorden no nosinteresa.
P/ej., tenemosqueseleccionar2 personasdeentre5.
Si aplicamos F7 obtendrernos el numero de grupos distintos de 2
personas que podemos conformar, incluyendo el hecho de considerar
como distintos a los grupos compuestos por la mismas personas pero
con distintoorden interno.
Pero dijimos que tal orden ahora no nos interesa puesto que, a los
efectosdenuestroproblema,el grupoASes tambien el grupoBA.
En tal caso debemos "despermutar" nuestra formula dividiendo el
resultadoporPm=m
n!
..__In.:rnlL = n! _1__ . :::; _---'-''--__:::; Cn, m F4
m! (n-m)1 m! m! .(n-m)I
B) LOGARITMOS
Aun con el perjuicio de perder algun rigor academico, ya que nuestra
intencion es una explicacion simplee intuitivamente perceptible de esta
herramienta, comencemos pordefinirquees un logaritmo:
Dadoun numeropositivo (no existenrIO estan definidos- los logaritmos
de numeros negativos) al que lIamaremosAy otro numero positivo Bal
que lIamaremos "base" se define como logaritmo base B de A al
exponentealcualhayqueelevarB paraobtenerA.
Ejemplifiquemos: siA:::: 1.000y B :::; 10entonces
EI logaritmo base 10 de 1000 es el exponente al cual hay aue elevar
10 para obtener1. 0000 sea 3, ya que 10
3
1.000
EI antilogaritmobase 10de3es -I. 000, 0 sea la operacion inversa.
A partir de esta definicion podriamos decir que cualquier numero
(entero0 no, pero positivo) puedeoperarcomo base delogaritmos.
Sin embargo, los mas utilizados son los logaritmos base 10 Y
logaritmos naturales 0 neperianos (In) que utilizan como base el
numeroe =2,71828
2.10
231
Pero nosotros, para su aplicacion al calculo de variedad
utilizamos logaritmos base 2 debido a las justificaciones expuestas en
el puntoV. Esto podria aparecercomo un problema, ya que la mayoria
delascalculadoras cientlficasde mano solo incluyenfunciones para el
calculo delogaritmosdebase 10Yneperianos.
sesuperafacilmente ya queuna propiedad
es
"\",rtYlitnn reconvertir sus
de una base a otra
pasando
seglJn
Porejemplo: para convertir un logaritmo de base 10en uno debase 2
solotenemosquemultiplicarlopor3,322.
As!, log2 1.. 000::: 109101.000.3,322::: 9,966
Desde luego, para convertir un logaritmo de base 2 en uno debase 10
hayquedividirloparla constante 3,322
En el siguiente grafico se detallan las principales relaciones de
conversion
CorHHANTES DE
2
><

%
x

10
.....
7
Cornentamosahora unapropiedad deloslogaritmos
losefectosdela definiciondelaformula deEntropia
5+ IOg1O 6:::0,6989+ 0,7781
quetenemosel siguienteproducto: 5 x 6 =30
otravia:
1,4770
Calculamosaharael antilog
1o
1 ::: 30
Como puede apreciarse, 10 que resolvimos como
numeros naturales 10 podemos obtener igualmente como ...,rli,...iA ....
viadelogaritmos.
Esta propiedad es muy apropiada y utilizada en el tratamiento de
grandesnumeros.
Analogamente, la potenciaci6ny la radicaci6n delosnumerosnaturales
seresuelvencomoproductoy cocienteen el campodeloslogaritmos:
3
c;
'::1
._'
\J 27
(vercasoBALANZAY
C) PROBABILIDADES
En este apartado intentaremos exponer una breve recopilaci6n de los
aSIOelGto,s basicos relacionados con el calculo de probabilidades desde
una
Como se recardara, segt:1t1 dijimos en el III existen tres
conceptuales deabordarla noci6nde
EI mas abierto de ellos es el enfoque keynesiano 0 subjetivo, el
cual la probabilidad de ocurrencia de un suceso, su propensi6n a
suceder, resulta de lIna estimaci6n propia y subjetiva de qllien la
formula, basada en conocimientos, experiencia 0 lin "razonable grado
decreencia".
232
Si bien esta concepcion resulta de aplicacion, por parte de la Teoria de
la Decision, a situaciones decisorias en un ambito de incertidumbre, no
10 es espedficamente en los temas abordados en el desarrollo de este
trabajo.
Un segundo enfoque es el que propone la noci6n frecuencialista de la
probabilidad, apoyado en los mecanismos de relevamiento estadisticos
y muestrales.
Ejemplifiquemos para mayor claridad.
Supongase que a 10 largo de un ano se efectu6 el recuento del numero
de ninos que mueren en una determinada localidad 0 region antes de
cumplir el ana de vida. Por ejemplo, digamos tres casos.
AI mismo tiempo, se relevo el numero de casos de ninos que alcanzan
el ano de vida en dicha region, por ejemplo, mil.
Luego, vinculando ambas variables establecemos que el porcentaje de
muertes antes del ana de vida fue del 0,3 % 10 que es 10 mismo, la
mortalidad infantil en tal region y tal perfodo fue del 3/1000.
Lo mismo hacerse sin recontar a toda la poblaci6n sino a una
porcion de que opere como muestra.
EI destacado en negrita tiene por objeto remarcar la idea de que los
datos consignados se refieren a sucesos ocurridos y relevados
empiricamente.
La aplicacion de probabilidades frecuenciales se basa, precisamente,
en extrapolar una frecuencia relativa empfrica como la obtenida para su
aplicaci6n prospectiva a la medicion de la propension a suceder de un
determinado evento.
Entonces, decimos la probabilidad de que un nino muera antes
ario de vida en dicha no cambian las condiciones generales,
sanitarias, es 0,003.
2.B
tipo de probabilidades son sumamente aplicadas y aplicables pero
quedan limitadas a la medicion probabilistica de eventos repetitivos y
sujetas a la bond ad tecnica de los procedimientos empleados en el
relevamiento empirico.
Justamente, un defecto frecuente se observa en las estimaciones de
probabilidades basadas en errores procesales y, especialmente, en
tamafios de muestras inapropiados, que lIevan a conclusiones
incorrectas.
AI respecto, puede verse 10 comentado en el capitulo XII sobre el sesgo
conocido como la "insensibilidad a los tamarios muestrales".
sin embargo el clasico enfoque laplaceano el que concentrara
nuestra mayor atencion aqui, Dara referirnos a las denominadas
probabilidades objetivas.
EI concepto de probabilidad exige considerar la naturaleza matematica
del fen6meno cuya propension a suceder se pretende mensurar.
La probabilidad de ocurrencia de un determinado suceso podria
definirse como la proporci6n de ocurrencia de un suceso determinado
(casos favorables) entre todos los posibles.
Por definicion, entonces, la probabilidad se mide por un numero entre
cero y uno: si un suceso no ocurre nunca, su probabilidad asociada es
cero, mientras que si ocurriese siempre su probabilidad seria igual a
uno. Asi, las probabilidades suelen ser expresadas como
fracciones 0 porcentajes.
La probabilidad de obtener cara al arrojar una moneda recuenta
solo uno de los comportamientos posibles cumple el requisito
favorable) en el numerador y que dos son el total de comportamientos
posibles en el denominador.
Luego P 1/2 =0,5
235
B4
Esta expresi6n encierra una idea basica: los dos comportamientos
posiblesson igualmenteposibles 0 equiprobables.
Si la moneda estuviese cargada, entonces uno de los dos
comportamientos tendria mayor propension a suceder que el otro y la
expresi6n anteriorperderfa consistencia.
l,Que ud. para conocer las probabilidades de uno de los
sucesos en unamonedacargada?
Efectivamente, podemos apelar a los mecanismos de las
probabilidades frecuenciales comentados mas arriba., es decir
la moneda un numerosignificativamente impoliantedeveces (teneren
cuenta 10 dicho sobre tamano de la muestra) y verificar entre ellos que
porcentaje relativo tuvo cada uno de los dos sucesos posibles. Dichos
porce}1tajes pueden luegoaplicarsecomoestimaciones probabilisticas.
l,PorqueeXlgimos queel numeroseagrande?
SI arrojamas una moneda normal 10 veees no serfa tan extrano que
saliera, por ejemplo, 7 caras y 3 secas. Hay una determinada
probabilidadde queelloocurra (Iuego la calcularemos).
Si acurre, la estimaci6n te6rica a P 5 Y 5 casos se
confrontadacanunafrecuenciaempfrica 7y 3casos.
bien, l,Sera esto igual en el caso de que arrojemos la
100veces?
Puede ocurrir que salgan 70 caras y 30 secas. Hay una determinada
prababilidaddequeasisuceda (Iuega la calcularemos).
esta probabilidad igual a la anterior. La respuesta es no. Luego
comprobaremos que esta segunda distribuci6n ernpfrica es
altisimamente mas improbablequela <=Intor;..,
Esto demuestraque a medida queaumenta et nLlmero deexperiencias
los resultadostienecadavezmenospropensi6n a alejarsedela media,
o 10 que es 10 mismo, la distribuci6n empirica tiende a acercarse a la
probabilidadaprioristica.
Par tal motivo, cLianto mayor es el numero de experiencias (cuanto
mas extendida es la rnayores garantias tendremos en la
validezdel procedimientodeestimacion.
Volvamos a nuestra moneda normal. Observemos que la probabilidad
de losdossucesos posibles deben sumar1 (0,5 +0,5), 10 cual es
pero tambien bueno de tener presente cuando la cuesti6n sea
mas compleja, ya que establece un axioma basieo del calculo de
probabilidades cuando dos 0 mas sucesos son mutuamente
excluyentes (0 sale cara 0 sale seea pero no pueden superponerse),
entoncesla sumadesusrespectivas probabilidadesdebeserigual a 1.
Esto tambien es valido en sucesos no equiprobables. Ej. La
probabilidad de muerte infantil es 0,003 y la de no muerte infantil es
Veamosaharaquesucedesi arrojamosdosmonedas.
J?\UU0 en sus
Tenemos dosformas de considerar el caso (verTRES
dosversiones).
a) lasmonedassearrojanjuntas.
b) las manedas se arrojan sucesivamente (0 bien la misma dos
vecesseguidas).
En el primercasa, podemosobtenertres resultadosdiferentesasaber:
Dos caras, dos secas y una seca y una cara. Los tres sucesos son
mutuamenteexcluyentesy sus probabilidadesrespectivas suman 1.
Podriamospensarentoneesquecada unodelos tres sucesostiene 1/3
deprobabilidades ocurrir
236
237
Ocurreque no esas!, porque para queseverifique el primersuceso (2
caras) hay una sola forma posible: que la moneda A salga cara y la
moneda B salga cara, para que se verifique el segundo suceso (2
secas)esnecesarioqueAsalgasecay B salgaseca.
En cambio, para que severifique el tercersuceso (una seca, una cara)
hay dos conformaciones que 10 pueden producir: A cara y B seca 0 A
secay Bcara.
Siendo asi, diriamos que el fenomeno no es equiprobable y el tercer
sucesotieneunaprobabilidad mayordeocurrir.
Para comprender como calcular estas probabilidades debemos entrar
enel terrenodelasprobabilidadesconjuntas.
PROBABILIDADCONJUNTA
La probabilidad conjunta de dos sucesos es la probabilidad de que
ambos se verifiquen simultaneamente. Va de suyo que no estamos
hablando de sucesos mutllamente excluyentes ya que estos no
pueden, por definicion, ocurrir simultaneamente, sino de sucesos
independientes.
Si dichos sucesos son independientes, entonces la probabilidad
conjunta de ambos se calcula como el producto de sus respectivas
probabilidadesindividuales:
PIAnB)=PA .PB
LQuesignificaquedossucesosson independientes'?
Que la ocurrencia 0 verificacion de uno de ellos no afecta, ni
condiciona, ni influye, ni estacorrelacionadaCOil la ocurrenciadelotro.
Para ejemplificar, pasemos a nuestro segundo experimento arrojando
lasdosmonedasen forma sucesiva.
Supongamos que nos preguntan cual es la probabilidad de que al
hacer esto obtengamos por 10 menos una cara. Pienselo, luego
volvemossobreesto.
En realidad, como resultado del experimento podemos obtener las
siguientesconfiguraciones:
1
a
Moneda 2
a
Moneda
cara cara
cara seca
seca cara
seca seca
ahora que las cuatro conformaciones son igualmente
posibles?
La respuesta es: sf. Son cuatro sucesos conjuntos mutuamente
excluyentese igualmenteprobables.
Luegola probabilidaddeGualqllieradeelloses 1/4 0,25
PCC PCS PSC PSS
0,25 0,25 0,25 0,25
Si embargo,tenemosotraformadelIegara la mismaconclusion.
LCualeslaprobabilidaddequela 1
a
monedaseacara?
Obviamente: 0,5
cual esla probabilidad dequela 2
a
monedasea cara?
TambiEm 0,5
estos dos sucesos independientes? Absolutamente si. Lo que
ocurra con la 1a moneda no influye ni condiciona 10 que ocurra con la
2
a
.
Siendoas!, la probabilidad conjuntadeestodossucesoses:
-------------------------------------------------------------------------------------------------------------------------------------------------------------
238
239
p(PCn2
8
C)= P1
a
C. P2
a
C= 0,5 =
Esto se lee: La probabilidad conjunta de que la primera moneda sea
cara y la segunda sea cara es igual a la probabilidad de 1 cara par 2
8
cara (de paso, relacione la y yel por senalados en neg rita).
Desde luego la operaci6n es idemtica para las cuatro canformaciones.
a) Si arrojamos las monedas juntas la de dos caras es
0,25: la probabilidad de dos secas es 0,25 y la de una cara
y una seca es 0,25 + 0,25 ::: 0,5 porque reune formas que
cumplen con el requisito de mostrar una cara y una seca.
b) LFrente a este ultimo experimento, cUEd es la probabilidad de
obtener par 10 menos una cara? Basta can notar que hay tres
conformaciones que cumplen con el requisito (hay tres' casos
favorables).
PCC + PCS + PSC = 0,25 + 0,25 +0 0,75
En realidad, para calcular esto mismo, apelar a un
mecanisme mas practico que consiste en restar de 1 la probabilidad del
suceso que no cumple con el requisito (caso desfavorable):
1 PSS::: 1 - 0,25 =
Este procedimiento es conocido como el calculo de la probabilidad
disjunta y tiene amplia aplicacion practica, como se ve en el Capitulo X
para el calculo de las probabilidades de coincidencia de cumpleanos.
c) Ahora podemos calcular la probabilidad de arrojar 10 veces una
moneda y sacar 7 caras y 3 secas.
Una de las conformaciones que el requisito es, en orden
sucesivo:
CCSCSCCCCS
de se esta secuencia en GCual es la
Pues: Pc . Pc . Ps . Pc . . Pc . Pc . Pc . Ps :::
0,5.0,5 . 0,5 . 0,5 . 0,5 . 0,5 . 0,5 ::: 0,5
10
::: 0,0009765
LY la probabilidad de que salga esta distribuci6n?
SCCCCCCCSS
10 adivin6: tambiEm
el problema se reduce a distintas
hay can 7 caras y 3 secas:
Pues, Ci0,? (0 tambien C10,3), que solo se trata de seleccionar
las siete posiciones de entre diez en que ubicaremos una letra C
Hay C10,7 = 120 cadenas, todas las cuales tienen una probabilidad
de ocurrir de 0,0009765.
10 tanto, la probabilidad de obtener 7 caras al arrojar 10 veces
una moneda es de:
120. 0,1172 (1)
Por economia de palabras ud. calcular si
mismo procedimiento), Ie informamos que la
caras y 30 secas arrojando 100 veces sucesivas una rnr.n.cf"i
C100,70.0,5
100
0,00002317 (2)
240
241
Parfavorcompare (1) Y(2) Yrecuerde el comentario que hicimos
masarribasobreeltema.
PROBABILlDADESCONDICIONALES
probabilidades condicionales resultan de aplicacion al h ~ f ~ ~
sucesosque no son independientes, esdecir, sucesos
alguna forma de mutua tal que la
la
el tema nos de un ejemplo: el grafico siguiente
datos (ficticios) un relevamiento realizado entre los
que desarrollan sus cursos en el sector rodeado por las
Viamonte, Junin, M. T. de Alvear y Azcuenaga de la Caprtal
Como se sabe, alii funcionan las Facultades de Ciencias
Economicas, Medicine (y Odontologia, Bioquimica, etc. ) y Ciencias
Sociales.
L-"
...,:::1 E tv1 T
T I O,E> 0,2 0,:3
La interpretaci6ndelosdatoses la siguiente:
Del total de alumnos (100% 1), el 60% ::: 0,6 son varones y el L].r IU/,., :::::
0,4sonmujeres.
Del total dealumnos (1), el 50% 0,5estudiaeconomicas, el 2
estudia medicina yel 30% ::: estudia sociales.
Los datos del interior de la en el sector de trazos f i n ~ s
representan los porcentuales combinados de las dos variables
consideradas y suman, tanto horizontal como verticalmente. los
porcentajesconsignadoenlostotales
P/ej., el de los alumnos estudian economicas y son varones. EI
1 los alumnos estudian economicas y son mujeres. EI 15 % de
estudian medicina y son varones. EI 20% de los alumnos
estudiansocialesy son mujeres. Etc.
tPorque senalamos las "y" en negrita? Con ello queremos resaltar el
hecho de que el porcentaje se refiere a la reunion en forma conjunta
dedosatributos. Porfavor, retengaseeste dato
Ahoravamosa hacernosalgunas preguntas para el
cuadro.
loSi seleccionamos un alumno al azar, cual es la probabilidad de que
seavaron? Obviamente
loSi seleccionamos un alumno al azar, cuill es la probabilidad de que
seaestudiantedemedicina? Obviamente0,2.
seleccionamos un alumno al azar, cuill es la probabilidad de que
sea varon y estudiante de medicina. Obviamente 0,15, ya que el 15%
delosalumnossonvaronesy estudian medicina.
Este 15% empirico, que asumimos como probabilidad frecuencial,es
una probabilidad conjunta. (probdevar6ny estud. demedicina).
Sin embargo, debemosobservarun detallesignificativo:
La probabilidad conjunta de estos dos sucesos, a) ser varon y
estudiarmedicina, no es el productode las probabilidades decada
unodelossucesosparseparado.(0,6x 0,2 noesiguala 0,15)
esla raz6n?
estosdossucesos no son independientesy la ocurrencia
unodeellosafectala probabilidaddepresentarsedelotro.
Ejemplifiquemosmirando nuestrocuadroy deduciendo:
Sabemosquela probabilidad de seleccionaral azarunvar6n esde
Ahora bien supongamos que seleccionamos un alumno al azar y este
resulta ser estudiante de economicas, Leual es la probabilidad de que
tambien sea varon? 0 dicho de otra manera. si se un
242
y se cUmple la condici6n de ser estudiante de economicas,
es la probabilidad de que sea varon?
Veamos: 5i el alum no seleccionado es estudiante de economicas,
entonces forma parte del 50% del total sigue dicha carrera. Y si de
cada 50 que estudian econ6micas son varones, entonces el
porcentaje de varones en econ6micas es de = 0,7.
Luego la probabilidad de 5eleccionar una var6n es de 0,6, pero 5i se
cumple la condid6n de el estudiante es de econ6micas entonces la
probabilidad es de
Formalizando la relaci6n establecida:
= 0,35 =0,7
PE 0,50
Que se lee de esta manera: la probabilidad de V, si se cum pie la
condici6n E (representada por I III I Ital quell) es igual a la probabilidad
conjunta de E y V sobre la probabilidad total de E
A la inversa, la probabilidad de que un alumno medicina es de
0,5. Pero si 5e cumple la condici6n de que el seleccionado es
entonces la probabilidad de que estudie medicina es de 35/60 0,5833
ya que de cada 60 varones 35 estudian
Que formal mente es:
0,35 =
PV 0,6
Ambas formulaciones reciprocas son la expresi6n
del conocido ; Teorema de Bayes cuya
extremadamente importante en el am3lisis correlacional
ampliamente utilizado en campos como la medicina (correlaci6n
sfntomas/patologias, etc.) la informatica (programas anti-spam, etc. ) e
infinitos mas.
24J
Su desconocimiento es fuente del sesgo descripto por Kahnernan y
rver-sky como de "insensibilidad a las tasas de base".
Aplicando la f6rmula bayesiana al caso de los TAXIS relatado en el
X vernos que la probabilidad de que el taxi responsable del
accidente sea un taxi azul, tal como 10 afirma el testigo (80% confiable)
resulta ser de:
245
CITAS BIBLIOGRAFICAS
(1) PAVESI,Pedro. "La Decisi6n" .FCEUBA- CECE118
(2) PAVES!, Pedro "Cinco leeturas sobre algunos problemas
practicosdeldecidir"CECE.FCEUBA
SIMON, Herbert, ComportamientoAdministrativo"Aguilar,
Madrid,1962
(4) PAVES! BONATTI,AVENBURGYOtros. "La Decisi6n.. Su Teoria
y Practica"Norma, BuenosAires, 2004
(5) PAVESI,Pedro. "EI Universoy su Comportamiento" FCEUBA
CECE 154.
(6) ONITSCANSCHI, Guillermo. "Notassabreelementosdela
decisi6n" FCEUBA- CECE151
(7) PAENZA,Adrian, "Matematica...Lestasahf?". SigloXX1.2005.
RossAshby. "lntroducei6na laCibernetica". NuevaVisi6n, 1960
(9) Fuente:Wikipedia.
(10) PAVESI, Pedro. "La incertidumbredel Universo". FCEUBA- CECE
152
(11) SHANNON, Claude. 'The Mathematical Theory of
Communication". UniversityofIllinois, Urbana, 1948.
(11b) Fuentes: www.fisicanet.com.aryjfinternational.com/mf
(11c) Alfredo Marcos Depto. Filosofia Univ. de Valladolid.
:llwww.fyl.uva.es/-wfilosof/webMarcos/textosl
(12) Fuente: Instituto de Matematicas de la Universidad Nacional
Aut6noma de Mexico. Hortensia Galeana Sanchez. Gerardo Alfaro
Melero. IES Jose Manuel Bleeua. http://www.unizar.es/ttm/2004-
05/Combinatoria.doc.
(13) Fuente: Rafael Roa, Carmen Batanero, Juan D. Godinoy M. Jesus
Canizares. BIBLiOGRAFIA(Epsilon, 433-446).
(14) Thaler, Richard en Psicologia de la Decisi6n , Recopilaci6n de P.
Pavesi. FCEUBA-CECE.
(15) Kahneman, D. (2003).A psychological perspectiveoneconomics.
Americaneconomicreview.
Kahneman, D. (2003). Mapsofbounded rationality: psychologyfor
behaviouraleconomics.Americaneconomicreview.
Kahneman, D. y Tversky,A (1979). Prospecttheory: an analysisof
decision underrisk. Econometrica.
246
247
Kahnernan, D. ,Siovic, P. y Tversky, A ,JudgementunderUncertainty-
Heuristicsand NuevaYork, CambridgeUniversityPress.
(16) DePablo, cJ.C. (2005). DespuesdeKahnemanyTversky; ~ Q u e
quedadela Teoria Econ6mica? RevistadeEstadfsticay Economfa,
XLIII. (1 .
(1 Sintesis parcial extraida de una ponencia presentada por los
autores en las XII Jornadas de Epistemologia de las Ciencias
nrnlt""'C 2006dela FCEUBA
(18) Incerlidumbre y La eiene/a de Tomar Deeisiones Editorial
Discovery-Alga
BI RAFIACONSULTADA
Adery otros Organ/zaciones
M. (1987).Allaisparadox,Thenewpalgrave.Adictionary
economics. Macmillan.
BATANERO, M.C.; GODINO,J.D. YNAVARRO-PELAYO,V. (1994).
Razonamientocombinatorio. Madrid: Sintesis.
D. (1738). Exposition ofanewtheory onthemeasurement
risk". ReproducidoenEconometrica (1954).
Biagini, L (2005). La evidenciayel procesodetoma dedecisiones.
medChile, Vol. 133.
BraidotN.P. (2005). Neuromarketing. Neuroeconomiay Negocios.
EditorialPuertoNorte,
Cohen, L. Jonathan, Can Human Irrationality be Experimentally
Demonstrated?
CombsB., SiovicP. (1979). Causesofdeath: biased newspaper
coverageand biasedjudgments. Journalism
ElsteinA.S. (1976). Clinicaljudgment: psychological research
medicalpractice. Science.
FISCHBEIN, (1975). The intuitivesourcesofprobabilisticthinkingin
children. Dordrechi: Reidel.
FISCHBEIN, E. YGAZIT,A (1988). Thecombinatorialsolving capacity
in childrenand adolescents. Zentralblattf{jrDidaktikderMathematik, v.
5, pp. 193-198.
Gardner, Howard- La NuevaCienciadela Mente
HershbergerP.J., PartH.M., MarkertR.J., Cohen M., FingerW.W.
(1994) .Developmentofatestofcognitivebias in medicaldecision
making. AcadMed.
NHELDER, B. YPIAGET, J. (1955). Dela logiquedeI'enfantala
logiquedeI'adolescent. Paris: P.U.F.
Kahneman, D. (2003).Apsychological perspectiveon economics.
Americaneconomicreview.
Kahneman, D. ,Slovic, P. yTversky,A- JudgementunderUncertainty:
HeuristicsandBiases, NuevaYork, CambridgeUniversityPress.
Kahneman, D. (2003). Mapsofbounded rationality: psychologyfor
behavioural economics. Americaneconomic
~ ~ ~
249
248
GRAFICOS Y REPRODUCCIONES
(0) www.sanfrancisco.gov..ar
(1) www.aboutfacesentertainers.com
(2) www.ugt.es - www.leisenlinea.org
(3) www,esa.int/images/telefono
(4) www.portaldeI9.com.ar/4.jpg
(5) www.cordobaweblogs.com.ar
(1
(11 )
www.heladosriggio.com.ar
www.canaltextil.solostocks.com
(12) www.equipped.com
www,tierradegauchos.com
(13)
(14) www.biografiasyvidas.com
(15) www.thaisyjosef.com
(16) www.finance.ox.ac.uk
(17) www.nndb.com
(18) www.microsiervos.com
(19) www.math.technion.ac.il
(20) www,themat.org
) www.artchive.com
(22) www.genteloca.comi?idaa=14404
iyi, yi. org/junoi/grafix/stereograms!pt 1 024.j P
Y PROVERBIOS: Fuentes:
www.
www.frasedehoy.com
Este Libra se terminode en elmesdeMarzode2007 en
Malke,Av, Cordoba 2210 deBuenosAires.Argentina
Telefono: (54-11)4952-4993/4951-6110