RUBEN 8rJRTMAN DANiEl AVENBURG

bortman.ruben@gmaiLcom avenburg.daniel@gmaiLcom

~OE CUANTAS MANERAS?

(0)

UN ABrJROAJE
AL I\HLUIlHI'1i
YANALISIS DE CDMPlEJIDAD
 AOVl'<UAJe INTUITIVO AL RAZONAMIENTO COMBINATORIO Y ANAuSIS DE COMPLEJIDAD

978·987<<2336·3·1

ANTECEDENTES ACADEMICOS DE LOS AUTORES

SORTMAN. Ruben
Licenciado en Administraci6n, FCE fUEl
ProfAsor adjunlo de la II Catedra de To orie de 18 Decision FCE·UBA Profesor
edjunto de Teorle de la Decisi6n de 18 Maestria ~n 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 A Marily, Paula y Laura.
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 A Veronica, Andrea y Pablo,
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.

1 ra. 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
AGRADECIMIENTOS

A los orofesores de Teorfa de la Decision FeE-UBA

Yen

A los orofesores Federico Marco y Ariel

Alas docentes

Daniela Marcelo

Romina Tomelleri y Nicolas Vainstein.

 INDrCE

Page

PROLOGO 11

ANTES QUE NADA.ee 14

i
"eLA REALlDAD 16

PRESENTACION Y OBJETIVOS 25

PUNTO DE PARTIDA 25

AMPLIANDO EL HORIZONTE 27

INTRODUCCION ALANALlSIS DE COMPLEJIDAD 32

11- LA VARI EDAD MAXIMA 41

III - LA VARIEDAD RESTRINGIDA 59

IV LA VARIEDAD RESTRINGIDA CON EXCEPCIONES 93

V - LA VARIEDAD BINARIA 102

VI - INCERTIDUMBRE Y ENTROPIA 123

VII RELACION ENTRE VARIEDAD Y ENTROPIA 137

VIII - RELACION ENTRE VARIEDAD BINARIA Y ENTROPIA 139

IX - RELACION ENTRE VARIEDAD, VARIEDAD BINARIA Y ENTROPIA 141

 PROLOGO
11

La obra que se presenta recoge la larga experiencia de destacados

x - APLICACIONES AL DESA RROLLO
DEL RAZONAMIE.NTO
COMBINATORIO Y LA ABSTRACCION 145
academicos de la disciplina de la decision: Ruben Bartman y Daniel
Avenburg.
Aplicaciones a la determinaci6n de elementos de la decision
- Aplicaciones al calculo de probabilidades 145 Es fundamental al encarar cualquier decision, analizar el tipo de mundo ­
- Aplicaciones al calculo del numero escenanos 162 universo a los que se refiere la decision en cuestion, para determinar los
- Aplicaciones al calculo del numero de alternativas 168
dislintos metod os aplicables y que sean adeeuados para sus propias
Aplicaciones a la superaci6n de sesgos cognltivos 174 caracteristicas.
Apllcaciones en la complejidad de casos reales '187
Debemos estructurar ese mundo, con metodologias comunes y
XI- RAZONAMIENTO COMBINATORIO EN EL PROCESO EDUCATIVO 195
sistematizadas. La idea es modelizar y simplificar para comprender mejor.
XII·· RELACION CON LA HEURISTICA DE LOS SESGOS COC~NITIVOS 203 Este ejercicio nos facilitara la comprension del mundo que rodea las
distintas situaciones de decision. En ese ejercicio, uno de los primeros
XIII - GQUE ES LA TEORIA DE LA DECISION? 221 elementos a considerar es la complejidad de ese universo. Universo que
tendril asociada una incertidumbre relativa, que dara el senti do a la
APENDICE 227 problematica del decidir.

CITAS BIBLIOGRAFICAS 245

EI analisis de la complejidad es fundamental en el proceso decisorio para
determinar los escenarios posibles que puede tomar el universo bajo
BIBLIOGRAFIA CONSULTADA 247
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') necesarios para que ellector pueda comprender el verdadero significado
I
de esa complejidad, su medicion y 10 que es mas impoliante su aplicacion
en ejemplos variados, paradigmaticos, completos, y claramente
explicitados.

Uno de los valores mas importante de este trabajo es la claridad con la que
se desarrollan los distintos temas. Temas que no son de simple abordaje y
que seguramente merecieron un trabajo adicional para poder lograr esa
sencillez en la exposicion. Y que permitiran el faeil manejo por los lectores,
en sus distintos capitulos adem as del apendice incorporado, que sera de
mayor utilidad para los que no sean alumnos universitarios.
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, adem as 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 men os 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 inten§s. 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
 SllllF!I;~lII!I"
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 aceptarlo~
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

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
verifique~
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
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 significativ~ 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.

Tambien puede ocurrir que usted se
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 trabajo~
mayoria de las personas se asombran al
probabilidad de que al menos haya dos de las
anos el mismo dia es de casi i el 90% !.
posible que en realidad dentro del grupo haya 3 0 4
que muestren esa aparentemente rara coincidencia.
total 0 parcialmente 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.
enterarse que la
40 personas que Desde luego que la realidad es muy compleja y aun porciones muy
De hecho, es pequenas de la realidad, como el problema comentado, se nos
pares de personas 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 __ !1!!~ni!cJie 12a intentacJg(:;()ntactaCr;Q~7i7osoJ.cr:J'LEiIIJ1/atterson (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 productiv~ 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 intuitiv~,
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
!Z
Pitag o.~~_~§_Cl.rr~o~@_§'~_6~:~~~Z.f\_g Fi16sofQ.._Lrr1.atem au~ClJl!~ _____________________
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.
 Hay dos cosas infinitas el Urilverso V la estupidez humana. Y del Universo no estoy seguro. Y COil toda Sll hermosura es Ull caos para el hombre sill fe.
18 19

Independientemente de la discusion filosofica acerca de si el Esa porcion de orden tlene dos efectos concretos:
es objetivamente aleatorio e incierto 0 es deterministico Y su
incertidumbre puramente subjetiva (Dios no juega a los dados, cornprobar que todavia no Ilegamos al caos total, situaci6n en la que
Einstein para abonar esta liltima concepcion segun la cual universo no el toda la energia necesaria para sostener el orden se el orden
es aleatorio y solo debido a los limites de nuestra racionalidad es que "

no existe, no hay normas ni restricciones, todas las variables y sus

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 y mas alia de como el universo sea, la realidad y el devenir se
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.
/
comportamientos posibles adquieren IIbertad total y nada puede
diferenciarse nada: la oscuridad total y finaL No asustarse, somos
optimistas, creemos que todavra 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
incertidumbre sobre 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

esquivos y los mundos rebeldes.

1) Algunos mundos son d6ciles, algo ordenados, relativamente

obedientes y estables. Son mundos mas cerrados en el sentido que sus

comportamientos son poco variados y puede conocerse de antemano

cuantos son.

(1)
maquina produce una pieza determinada a razon de 50 unidades
No obstante que la realidad a veces nos parezca caotica, 10 cierto es por h~ra. Pueden ser 52 0 49 pero el rango de comportamiento es
-al menos por ahora- no 10 es totalmente porque a pesar del sumamente acotado.
inconmensurable numero de variables e interacciones posibles entre
elias, existen reg las, patrones, rigidez en algunas estructuras, leyes lecturas sobre al gunos practicos decidir"
Ie aportan un cierto grado de

20
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,
21
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 2J

sten mundos (los esquivos) cuya objetivaci6n se ve facilitada si se Sin embargo, la cuestion no es tan simple, y
"mundos , mas cerrados, en los que mtervlenen menos
teenicas 0 modelos apropiados.
variables (y cada una de elias con menos comportamientos), can mas
rigidez estructural y orden, se presentan dificultades.
que
los 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
objetivo de este trabajo, sus ideas y esta a obedece al deficit, 0 la falta, 0 a fallas en la didactica de su
las descripciones a) y b). las tecnicas y procedimientos inductivas del
en las etapas del proceso educativo de las
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 y las
causas slgnlTlcativas de algunas de las
de una realidad 0, como diremos a o
de que existe una escenario determinado.
Desde luego, yes facil de imaginar, que
en el caso de los "mundos 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
Lo cierto es que en esa y tal como la es
cualquier construcci6n que requiera de dichds datos eficient2mente
que vivimos. Can ella debemos IIdiar, actuar, deterrninados.
modificarla para alcanzar nuestros m6viles y
aspiraciones como individuos. en la toma de decisiones puede afectar el recuento de las
los escenarios factibles y sus respectivas
tamar conciencia de la existencia de esa brecha, podemos pensar los resultados que para cad a
resultarfa adecuado, al menos en una buena medida, encontrar presentar.
que nos permitan estrecharla y asi evitar los defectos y
errores en nuestras acciones originados en lecturas subjetivas de una r otra parte, y debido al el razonamiento
combinatorio juega en el calculo de rlofOf"tl"\ da
 Las matematicas son el alfabeto con el cual Dios ha escrito el Universo.
24
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.
25
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
 Seria muy Simpatico que eXisliera DIOS, que hubiese creado el mundo y fuese una benevolente
providencia que existieran un orden moral en el univers~ 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 EI secreto de mi universo es s610 imaginar a Dios sin ia inrnortalldad del hombre.
26
27

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.
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.

l,Cual la razon que movilizo la idea de generar este trabajo? AMPLIANDO HORIZONTE
Desde luego, el trabajo que nos disponemos a desarrollar es una
A 10 largo de los anos en el ejercicio docente hemos percibido ciertas consecuencia de tal experiencia y se basa en los cuatro lineamientos
dificultades en una parte proporcionalmente significativa de los alumnos acabamos de comentar.
de cursa regular y algo rnas pronunciadas en las personas en general Algunos de los ejernplos que presentaremos, a los que se refiere b) ya
con formacion media 0 superior, en cuanto a la captacion y fueron incluidos en anteriores publicaciones orientadas
posibilidades de aplicacion de las nociones de complejidad, variedad, especfficarnente a los cursantes. Esos casos han side replanteados
para que, junto a los restantes que integran este trabajo puedan ser
cornbinatorio y rnecanismos de recuento en general.
abordados por los lectores en general desde una perspectiva distinta y
"amigable".
Este deficit, como veremos rnas adelallte, no es un simple defecto de
formaclon sin Illuchas implicancias concretas. La observacion de esta
Vale la pena aclarar que el tema, en el contexto de la Teoria de la
falencia nos lIevo no solo a mayores esfuerzos en el analisis sino a una Decision, cumple un rol rnas bien instrumental y auxiliar. Es decir que
busqueda -muchas veces por prueba y error- de mecanisrnos mas no integra el conjunto de los conceptos base que conforman y dan
adecuados en la forma de abordar e impartir estas tecnicas. autonorno a esa disciplina teorica, formal, normativa, prescriptiva,
 '\

28
Las Maternaticas pueden ser definidas corno aquel terna en el cual ni sabernos nunca 10 que
_________ c!~t:inlCl~nL~)Qqt,I~ ~~.t:iil:lg..s__ ~~ v~rdad_e~Q_~Jl_~ rtra nd R u sse II ill?2 -:J1l1Q2 ) Hay dos forrnas de ver la vida. una es no creer en los rnilagros.

La otra es creer aue t~dQ~~~J1agro,-Albert Einst~~n____ _ 29

metodologica y fuertemente orientada a respetar la subjetividad y ia la Decision u otras materias en las
vision del mundo de cada decidor que es la TD. forma parte de sus prograrnas 0
facilitando su abordaje a partir de
Sin embargo, que el papel de este tema en la materia no sea central autores. Para quienes se encuentran
sino mas bien el de una herramienta, no quiere decir que sea poco recomendable la lectura integral del
importante. Es una herramienta, si, pero cumple un rol si9nificativo. enfoques mas formales.
que el Analisis de Complejidad
cumple un rol complementario,
la experiencia relatada por los
en dicha situacion aparece como
trabajo, como paso hacia otros

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 a quienes puedan interesarse en 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, terciaria y universitaria.
La segunda es que tambien logre interesar a quienes, sin necesidad de
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 deseo de que les sea util y, si pueden, se diviertan.

Como consecuencia, al tomar conciencia de esta percepcion, iniciamos

alguna recopilacion entre los autores especializados del ambito de la
psicologia pedagogico-educativa con investigaciones y conclusiones
que fundamentan la necesidad de un replanteo y revalorizacion de esta
tematica en los programas educativos. Tales conclusiones son
comentadas en el ya mencionado punto XI.

Finalmente, en razon de la argumentacion ensayada previamente

presentamos este desarrollo con dos finalidades. La primera de elias es
que pueda resultar de utilidad para los alumnos que cursan Teoria de
EI espirilu goblerna el UIl!Verso.
31

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).
 Un diccionario as un universo en orden alfabetlco.
32
,I
De acuerdo a ello, este sistema puede mostrar los siguientes

comportamientos: rajo - verde- amarillo- raj 0 , verde raj 0 ,

amarillo, verde - rojo, amarillo y verde - nina una luz encendida.

Son, en definitiva, las 8 formas 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
comportamientos quedan descartados (restringidos),

concepto de complejidad recae sobre dos formas posibles de

entender la complejidad: a) La complejidad estructural, que se refiere
a los elementos del universe y a sus relaciones. La complejidad
estructural es medida por un parametra al que denominamos variedad.

COMPLEJIDAD
COMPLEJIDAD

ESTRUCTURAL
FUNCIONAL

VARIABLES VARIABLES
+ +
ESTADOS ESTADOS
+ +
RESTRICCIONES
RESTRICCIONES
+
-
PROPENSION A SUCEDER
-

1
-L
VARIEDAD ENTROPIA
 49

PATENTES

Analicemos un nuevo ejemplo.

II=J!1 l.ril I

EI antiguo sistema de patentes de los autom6viles en Argentina tenia

una base jurisdiccional 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 2 jurisdicciones (Prov. de Buenos

Aires y Cap. Fed.) superaban el mil16n de vehiculos empadronados (en

realidad Buenos Aires superaba los dos millones). As! considerado, el

antiguo sistema tenia una determinada capacidad potencial - variedad­

maxima.

EI actual sistema, como sabemos, no es jurisdiccional y se conforma

con tres digitos alfabeticos y tres dfgitos numericos.

Prescindiendo de la utilizaci6n real alcanzada por ambos sistemas

Gcual de los dos tendra una variedad te6rica mayor?

Es curiosa comprobar que, frente a est a 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

sesgo de representaci6n descripto por Kahneman y Tversky (ver XII).

Calculemos la variedad te6rica maxima del antiguo sistema:

011111111

50 51

N° de variables: 8, una elias con y 7 restantes con 10 Como se advierte, un8 lectura err6m~a basada en un sesgo de
estados cada una. apreci8cion, a 10 eual contribuye la dificultad de procesar datos
relativarnente por defecto en 18 capacidad de analisis.

w= 10 1 240.000, 'k Incidentalmente, el parque de la Provincia de Buenos Aires estaba en

La variedad real era, por provincia, de 10 1 , pero
las iurisdicciones que no 10 necesitaban no eran
Ahora el nuevo sistema:
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.

[IT] ITO (autos que ya

el cambio de sistema de patentamiento se debio a
con mayor sfntesis en el
y liberar patentes "vacfas"
de procesamiento, lectura y
recordacion, para cobrar un arancel por el tramite de
cambio, etc.
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.
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.
w 10 3 17.576,000
Por otra parte, con el nuevo sistema se perdio el item de informacion
Como puede e! sistema tenia una variedad teorica sobre la jurisdiccion del vehiculo. De haberse pretendido
maxima mas que el actual. por ejemplo haciendo que la primera de las tres letras identificara la
jurisdiccion (provincia), entonces la variedad hubiese sido:
un de personas piensa - "siente" - 10
W 24 1 • 26 2 • 10 3 = 16.224.000

Un revela o sea que se habrfa perdido una variedad de 1.352.000 en la

que las personas a la capacidad de patentamiento pero se habria mantenido la informacion
necesidad de encontrar sobre
crecimiento del nuevo sf Argentina tuviera 26 provincias elltonces el sistema
sistema responde a esa tener su actual capacidad real, tambien pod ria informar
mas capacidad
 53
52

esto verdad? Luego la variedad es 11 10 f ::: 10.000.000

Pienselo. Bien podrfamos habernos preguntado en ese momenta cU<31 era la
raz6n para este cambio. La medida ten ia por objeto acostumbrarnos a
Te6ricamente, cada una de las 26 letras usables para el primer digito 8 digitos frente a la necesidad de aumentar la capacidad que se estaba
identificarfa a una provincia, con 10 cualla variedad serra de produciendo.

. 10 3 =17.576.000 igual a la actual

Pero hay un problema. Cada una de las 26 jurisdicciones tend ria una
capacidad de (3)
26 2 . 10:5 676.000
Algun tiempo despues se incarpor6 el numero 5 como segundo estado
10 cual podrfa ser suficiente a corto plazo para unas pocas posible para la primera variable y actualmente tambien el 6.
jurisdicciones, tal vez La Rioja, Catamarca, etc., pero absolutamente
7
insuficiente Dara la mayorra. Par 10 tanto la variedad actual es . 10 ::: 30.000.000
Desde luego, si volvemos a considerar que no todas las
"caracteristicas" posibles se utilizan, ello supone una restricci6n y la
TELEFONOS variedad total disminuye.
Hasta hace no mucho tiempo, los telefonos fijos (ahara hay que aclarar
cuando un telefono es fijo) de Capital Federal y Gran Buenos Aires
tenian 7 digitos numericos. Los tres primeros constituian la AJEDREZ (4)
Prescindiendo de la eficacia estrategica y la ortodoxia de las jugadas, al
"caracteristica" que identificaba a determinados barrios 0 zonas y no
iniciarse una partida LCual es la variedad de tableros distintos que
todas las "caracteristicas" posibles (hn 10 3 ::: 1.000) eran empleadas.
podrfan observarse una vez que las blancas y las negras hayan
completado su orimer movimiento?
Para simplificar, prescindamos de ese detalle y asumamos que, con 7
variables de 10 estados posibles para cada una de elias, la variedad
del sistema era: 2t
AA
.- 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 cada linea qued6 identificada con 8 digitos.

(4)
LOue cambio represent6 eso para la variedad del sistema?

Ninguno, pues la primera de las ocho variables tenia un solo

Veamos, comenzando por preguntarnos:
comportamiento posible.
es el numero de variables?LCual es el numero de estados?
 54
.. _-------_. __.. 55
Parece diffcil responder, par las caracteristicas del caso que nos exige Es muy dificil resistl! la tentacion de tratar de calcular la variedad para

un mayor esfuerzo de abstracci6n_ Probemos al reves, analizando por algunas jugadas rnas adelante. Pero tambien es dificil encontrar

inspecci6n y luego, sobre 10 encontrado determinernos variables y procedirnientos adecuados para lograrlo.

estados_
Par 10 tanto seamos rnodestos y conformemonos con imaginar la

Segun las reglas del ajedrez, comienzan las blancas y disponen de dos dimension de los nlJmeros involucrados y el tremendo arbol secuencial

que se deriva. Para eso, podemos introducir algunos supuestos

movimientos posibles par cada uno de sus ocho peones (adelantar un

peon uno 0 dos escaqlles). simplificadores (en verdad, muy simplificadores):

Tarnbien pllede partir con cualquiera de sus dos caballos (saliendo Cada vez que a un jugador Ie toca mover dispone de 3 movidas

cada uno de elias hacia la columna de su respectiva torre a Sll posibles (en realidad el numero es rnuy superior).

respectivo alfil).
Par 10 tanto, las blancas pueden partir can cualquiera de los veinte Una partida promedio demanda 30 jugadas (de cada jugador).

movimJentos.
Naturalmente, al responder, las negras tambien pueden hacerlo de Siendo as!, al cabo de la prirnera jug ada podemos tener tableros

maneras. distintos (ya sabemos que en realidad es 20 2 ).

AI cabo de la segunda jugada tendriamos 3 4 tableros distintos.

Si sacaramos una foto al tablero una vez que ambas han ejeclltado su
Finalmente, al cabo de la 30° jugada tendremos tableros distintos.

movida. LCuantas fotos distintas podriamos obtener?

Supongamos que queremos dibujar cada uno de los tableros en una

hoja A4.

Naturalmente 20 . :::: 20 2 :::: 400 Tendriamos un problema: no hay en la tierra esa cantidad de papel.

Para ser mas claros: cada hoja A4 pesa 4,8 gr. (80gr/m

Conclusion: hay 2 variables (blancas y negras) pueden adoptar Luego, tendriamos un peso de 3 60 • 0,0048 kg.

20 estados posibles cada una de ellos. Resolviendo esta cuenta y pasando a toneladas, el peso de esa

w =hn = 20 2 =400 cantidad de papel es:

E;L,f~.t'-{ J -,-j l\.::~:,

203.477.559.721037 .109 tn
1'IF~,GFi.J:;

3
,:j la masa de la tierra es de.

ci 1.67.841.985.286 . 10'" tn

Ju la cantidad de papel necesaria (para dibujar este ajedrez

ultrasimplificado y ultraminimizado) pesa 200 veces mas que 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
peso de la tierra.
Segun un tradicional Y Gonocido 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 problema de los grandes numeros, (Ia tierra trene 6.000 . 000.000 de
habitantes, la distancia desde el sol hasta Alfa-centauro es de 4 anos
luz, las combinaciones del ADN, etc.) es que toda forma de
Gomparadon se nos hace inasible porque la referenda tambien es
mentalmente inasible.
Algunos sistemas, como el aparentemente simple ajedrez, nos lIevan a
requerir auxilios para entender la variedad de cornportamientos.

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
parecio moderado y ascetico. Tan solo cuando sus asesores Ie hicieron
ver y dimensionar la magnitud del precio, el viejo enfurecio.

Concretamente el inventor, pidio:

w = h 1 + h 2 + h3 ... + h n =
21 + + 2 + . + 2 64 =
18.446.744.073.709.551.616 granos de arroz.

No hag a cuentas, Ie hicieron cortar la cabeza por gracioso.

La factura que Ali Ie paso al sultan era muchfsimas veces superior a la

producdon mundial de arroz.

Es el problema de los "grandes numeros", en las palabras del Profesor

Paenza:

Perdemos la referenda. Esencialmente usamos los numeros para

asignandolos de acuerdo a las reg las de construccion que exige
cada parametro. Y la medicion es, esencialmente, un mecanismo
comparativo y 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
que nos resulte conocido e imaginable.

*Adrian Paenza, Materm'ltica ... Lestas ahf? (7)

 5'>

III - LA VARIEDAD RESTRINGIDA

LA NOCION DE VARIEDAD
LA VA.RIEDAD NATUF\AL
LA VARIEDAD CON ICCIONES

HH"<RAMIENTAS DE BASE
Las herramientas basicas para abordar los casos que plantearemos en
este punto provienell del calculo combinatorio.
Sus f6rmulas, cuya justificaci6n y origen se detaUa en el Apendice, son
las siguientes:

en m = F4

Esta expresi6n se lee: la cornbinaci6n de n elementos tornados de a

m (par ej ; combillacianes de 10 elementos tomados de a 3) es igual al
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
variables y m representa la de restricci6n.

Is decir que, a diferenci<l de 10 que sucede en los casos de variedad

Illaxima, don de las con1orrnaciones admitidas pueden estar integradas
pur todos, algunos 0 llill~11ll10 de los n elementos (variables), la f6rmula
combinatoria recuenl<1 los CilSOS que se aiustan a la restricci6n rn.

I 'or otra parte, debe telll!1 ~ie presente que, al efectuar ese recuento, la
j()rrnula combinatOli;l 110 lorna en cuenta los distintos ordenes que el
tliiSmO grupo de cl(;!lj(!III( pueda asumir.

de un
[;)c1.01'131 1ll1111! '1011 ). (n-2) . ))
3.2.1 '" 6

prodllclo el() toriu;; 10;; IH'111HXOS enteros menores 0

que n.
60 ________6.'

Por tal motivo, resulta aplicable para aquellos casos en los que solo Pi0 10!::; 10.9.S.7." .. 2.1 ::; 3.628.800
interesa el recuento de grupos pero no importa el orden interno de los
elementos que integran cada uno de ellos. Es importante advertir que todos los elementos (m) del grupo tienen
que estar presentes y nuestra formula solo resuelve las distintas formas
::; m! F5 de ordenar esos elementos.
;,
Esta expresion se lee: la permutacion de m elementos es igual al Si 5 de los libros son de historia, 3 matematicas y 2 de arte (todos
.l
factorial de m (0 m factorial). distintos entre si, aun los de una misma disciplina), las distintas formas
de ordenarlos siguen siendo 101.
Dicho de otro modo, los distintos ordenes posibles del total de los
elementos que integran un grupo se calculan mediante el factorial del

a~R RRf
numero de elementos. Por ejemplo, si tenemos un grupo formado por H'j
las letras A, B Y C elementos) 10 podemos ordenar de la siguiente H';:'
•.J
-- -- H:.::
manera: H5
A2 .­
~·l12
ABC ACB BAC BCA CAB CBA r"11:::
~ '---' '---' '---'
En este caso no es dificil calcular par inspeccion que seis ordenes H :=:J
pasibles, debido al reducido numero de elementos.
'I
('
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).
\
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
Sin embargo, frente a un numero de elementos mas significativos, el reducira la variedad de distribuciones posibles.
procedimiento por inspeccion se vuelve tedioso, complicado y largo.
Nuestra formula de permutaciones resuelve el w::; P2 . P8 ::; 2! .8! SO.640
P3::; 3! 3.2.1 6
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;) r(~Sllicck)IL
Ejemplo
LlBROS Si ;) la restriccion anterior se agregase la nec(:sid;)d d(~ lIbic;u los tres
GDe cuantas maneras pueden acomodarse 10 distintos en un 11 os de matematicas en el sector deredlO rid cstanle, la vari(}('iad
estante que tiene exactamente 10 lugares? ~; ( ~ Ii; l'
 , 'i
62 63
i\

w = P2 . P5 . P3 21.51. 3! := 1.440
I
18 formas pueden estar acompanadas 8! formas distintas de ubicar
los restantes libros.
Supongarnos ahora que la restriccion consiste en que los dos libros de
arte puedan ubicarse en cualquier pero ambos deben estar I, Ahora bien, si 125.760 son las distribuciones restringldas y 10J
siempre separados, nunca contiguos, uno al lado del otro. como en el ,i 3.628.800 distribuciones totales teorieas entonces que
gratico no estan son:

2 :::: 4 :S 6 7 o
'-' 9 o 3.628.800 ~ 725.760 2.903.040 formas

,A. 1 LPodemos vincular las formulas de combinaciones y permutaciones?

Si. Como ya dijimos, la formula combinatoria solo determina el nllmero
A2
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
r===l casos en que ocurre), entonces podemos vineular ambas

En primer lugar hagamos un recuento de todas las distribuciones ,

mediante el producto de laS mismas, La justificacion acerea de par
vincularlas mediante el producto y no mediante la suma se vera en el
primer caso de aplicaci6n de este
no estan permitidas por la restriccion.
(

Los Iibros de arte no pueden ubicarse en las posiciones 1 y 2 , 0 en la 2

\ Cn,m x Pm _.JJ_!__ x rnl F6
y 3, 0 en la 3 y 4, 0 en la 4 y 5, 0 en la 5 y 6, 0 en la 6 y 0 en la 7 y 8, m! (n-m)J
o en la 8 y 9, 0 en la 9 y 10. Es decir que hay un total de 9 posiciones
conjuntas posibles de las cuales debe seleccionarse una. Ademas, en Simplificando los datos en neg rita, una nueva expresi6n
cada una de las posiciones conjuntas ambos libros pueden ubicarse de lIamaremos:
dos maneras distintas (P2).
Vn,m := F7
el total de las distribuciones restringidas surge del siguiente (n-m)!
calculo:
En la cual Vn,m se lee: variaciones de n elementos tornados ae a
C9,1 . P2 . P8 = ._Jt!._. 21 .8! = 725.760
m.
1! . 8

Logicamente, y tal como ha side construida, esta formulacion permite

Analicemos: Cad a una las 9 posiciones 1 = 9) puede incluir a los recontar cuantos grupos distintos de m elementos (tomados de un
Iibros de arte de dos maneras distintas (P2 := 2) y cada una de esas universe n elementos) pueden conformarse, en los que
64 65

consjderamos como distintos a aquelJos que, aun integrados por los 2) Lldem, si el orden de pateadores fuera considerado?
mismos elementos, los tiene en distinto orden (el orden importa).
si enfrentamos un caso que as! 10 requiere, podemos A) Razonamos y decimos: el numero de variables es 4 (cad a pais), el
indistintamente F6 0 F7. numero de estados es 2 (jugar 0 no jugar) y aplicamos la formula de
variedad maxima:
(4)
w=hrl=24=16
En la primera etapa de
nacionales deben
Hay que tener cuidado con la definicion de variables y estados. este
todos contra todos, sin revancha). En el Mundial
Argentina enfrento en una zona a de caso, si nos hubiesemos confundido, habriamos definido 2 variables y 4
y Holanda. estados y, al aplicar

w=n" =42 =16

Nos habria dado 10 pero estaria

De este es el de de exponente y base

(5)
en el que el resultado es el mismo.
En relacion a ella nos preguntamos:
LEs posible que se jueguen 16 partidos en un sin

LCuantos partidos se juegan en un cuadrangular de fUtbol? (todos revanchas?

contra todos, sin revancha). Bueno, pues no 10 es.

Clasificada en esa etapa, a la Argentina, tras ganarle a Mexico en AI hacer nuestro calculo no hemos tenido en cuenta la restriccion
octavos de final Ie taco jugar un partido eliminatorio de cuartos de final general aplicable al caso' los partidos de futbol se juegan =-=--===
contra el eauino local equipos.

el partido y su alargue resulto un empate. AI aplicar la f6rmula de variedad maxima estamos incluyendo
Correspondia ejecutarse una serie de 5 por equipo para conformaciones no aceptadas pues no existen los partidos en los que
alganador. no Juega ningun equipo, a un solo equipo, 0 3 equipos 4 equipos en
Cada director tecnico debra elegir a sus cinco ejecutores entre todas sus variantes y condiciones.
jugadores que terminaron jugando el partido (no se
suplentes, no hubo expulsados). una enumeracion (varied ad maxima) de todos los casas
un listado de 16, a saber:
1) L,CUantas listas distintas de ejecutantes pod ria entregar cada tecnico
al referi?
6:i 67

no juega nadie De modo que cada uno de nuestros 6 partidos dos 6rdenes
5e Jugaran de- juega A
y, en tal caso, se juegan 12 partidos.
(aclaracion 01- x juegan A y B
juegan A. By C
Pero volvamos a nuestro cuadrangular original. sin revanchas.
D juegan A, B, C Y D
Si se jugaran D Ya sabemos que el numero de partidos es 6.
juegan B, C y D
) x juegan B y D
Si, por caso, no se tratara de un cuadrangular sino de un dodeeagonal
) x juegan C y D
Si se jugaran ) (doce equipos), francamente se nos hace neeesario algun
juegan A, C Y D
(son los) x procedimiento mas eficiente para nuestro reeuento.
juegan A y D
) juegan A, B Y D
Sf se jugaran - x juegan By C De no ser asi, deberiamos listar un total de 212 casos (4096) y de ellos
x juegan A y C tachar por inspeceion los que estElil restringidos (4030) para quedarnos
juega B con los 66 reales.
juega C
Si S8 iuaaran) juega D EI calculo combinatorio nos auxilia: C12,2 ::: ::: 66
2!10!

Sumense los aturalmente, de este analisis por inspeeei6n deberiamos Cuando las restricciones pueden expresarse de un modo general,
apreciarse, la1juntos que no eumplen la restricci6n y reeontar solamente los sin excepciones, como en nuestro ejemplo: "los partidos de futbol
variedad mioeumplen, que obviamente son los 6 marcados con x. Observe5e se juegan de ados", entonces no necesitamos calcular la variedad
nsideramos como un unieo partido AB 0 BA. maxima sino la variedad restringida aplicando la formula de
De paso,
combinaciones.
combinacionEl son el mismo partido. EI orden no importa.

expresiones (
Combinaciones de n tomadas de am::: m= nl_----'.
ejemplo, el torneo se jugara con revanchas y el orden indicara la m!.(n-m)!
de local / visitante, entonces un partido seria y otro serra
en nuestro ejemplo:
I',)
aci6n de se recuenta a traves de las permutaciones:
C4,2 ::: 4.3.2.1 ::: 6 casos (n,.,rtirl,.,,,
(; 11,5
Pm=m! 2! 2! 2.1 2.1

~ caso:
I I I 1 IJ ~
P2:= 2!::: 2
68 69

Si los partidos de futbol Para seleccionar 5 Y los ordenes posibles de

se jugaran de a 0 equipos, calculariarnos: - 1 caso
(aclaracion O! 1) 0141

COPA DAVIS (4)

se de a uno: =4 casos EI origen ingles tenis se pone de manifiesto en la conservaci6n de

31 muchas de sus tradiciones.

se = 4! 6 casos Uno de los eventos mas arraigados de este deporte es la Copa Davis,

-----~~

2! 2! que se juega anualmente, en la cual los jugadores representan a sus

paises.

Si se jugaran de a tres: C4,3 :;: ; _1L_"" 4 casos (c)

3! 1! Cada encuentro de la Copa Davis se realiza entre dos

paises y se juega en dias viernes, sabado y

Si se jugaran de a cuatro: 4' ::: 1 caso Cada encuentro formado por 5 partidos (cuatro singles y un doble)

4! 01 y gana el pais que consiga obtener el triunfo en, al menos, 3 de los 5

partidos. Dos de los singles se juegan ej viernes, el cloble se juega el

Sumense 5 resultados y obtendremos 16 casos. Como sabado y los 2 singles restantes se juegan el domingo.

la sumatoria de las variedades restringidas es igual a la

variedad maxima. EI capitan del equipo de cada pais debe conformar, previamente al

encuentro, su plantel de 6 jugadores.

De observese la propiedad complementaria de las

comparando las expresiones (a) y (d) entre sf y las Antes de iniciarse los partidos, cada capitan debe

) y (c) entre sf: los nombres de los jugadores de su

efectivamente en cada

C4,O = C4A; C4,1 C4,3 C10,7c C10,3

En este es que un mismo jugador no puede
B) los dos de un mismo dla (aunque sf de dias
diferentes).
1) 1,5 Para selcccionar a los 5 Dateadores de entre 11
5161

a) GCual es la variedad de conformaciones que, para jugar los partidos,

,5. P 5::: .5 1
puede presentar cada capitan?
5! 6 '

 71
70

en la que no podemos repetir ningun d Recordemos que en su

b) loCual es el minimo de jugadores que puede utilizar en todo
el encuentro? resoluci6n oriainal obtuvimos w = 5.040

(J Y el maximo? Vamos ahara a enfocarlo desde la 6ptica combinatoria.

Tenemos 4 casillas por completar.
d) loy el maximo, si se hubieran convocado 10 jugadores? abc d

a) Para elegir al que jugara el primer partido del viernes dispone de 6

jugadores: C6,1.
Para elegir a quien jugara el segundo partido del viernes puede utilizar
I I-I Il

Y tenemos 10 digitos del 0 al 9 para emplear sin repet;r.

a cualquiera de los restantes jugadores, 0 sea uno de los 5: 1

Determinemos cuantos grupos distintos de cuatro digitos podemos

Para elegir a los dos jugadores del doble, puede hacerlo de C6,2
seleccionar de entre los 10 posibles.

maneras.
lo CUEmtos grupos distintos de 4 elementos pueden conformarse

Para elegir al jugador del primer partido del domingo lJuede hacerlo de
seleccionandolos de entre 10?

C6,1 formas y para el segundo: C5,1.

C1O,4= _ _1O! = 10' .=10.9.8.7.6 ...... .2.1=210
En definitiva puede adoptar una variedad de:
4' . (10 -4)! 4' . 6! 4.3.2.1. 6. . ... 2. 1
. C5,1 . C6,2. 1 . C5,1 13.500 conformaciones
Tenemos 210 grupos integrados por al menos un dfaito distinto cad a

b) EI numero minimo es 2, ya que ej., los jugadores A y B pueden uno de ellos.

Pero cada uno de estos 210grupos puede adoptar distintos ordenes

jugar los singles del viernes y el y ambos iuntos el doble del

que configuran claves distintas. No es 10 mismo la clave 1234 aue la

sabado
clave 4321. Aqui el orden si importa.

loDe cuantas maneras distintas podemos ordenar 4 elementos?

c) EI numero maximo es 6, asignando un jugador distinto a cada uno de

los cuatro singles y los dos restantes al doble.
P4::: 4' = 4.3.2.1 = 24
d) maximo es igualmente 6. Solo hay cinco partidos y unicamente en
uno de ellos se pueden jugar dos jugadores. Luego cada uno de los 0 grupos puede asumir 24 formas distintas.
De modo que, intuitivamente sabemos que en total se pueden
conformar 210 x 24 = 5040 claves. aqui la justificaci6n a la que
aludimos al proponer un producto en el armado F6.
DE SEGURIDAD
Retomemos, segun prometimos en el capitulo anterior, el caso de la Si se advierte que el resultado es igual al obtenido con el primer
clave de seguridad de las tarjetas bancarias en su versi6n restringida, procedimiento aplicado al caso debemos senalar que el resultado no es
72 73

meramente sino el porque en realidad en ambos caso OTRA VEZ LOS TRES DADOS
10 Ya hemos arrojado tres dados sucesivamente, con la conclusion de
que, teniendo en cuenta el orden de de los resultados. se
10 procedimiento obtienen:
10.9.8.7;::: 5.040
Wd= 216 conformaciones posibles.
2 0 procedimiento
x 4.3.2.1 (simplificando) 10.9.8.7 5040 Consideremos ahara que ocurre si los tres dados son arrojados al
4.3.2.1 6 ... ,,2.1 mismo tiempo, sin importar ningun orden. Se trata de recontar,
simplernente, cuantos veces sale cada numero. Obtener dos "2" y un
tiene por mostrar la interrelacion entre el "4" es un resultado posible. Obtener un "3", un y un "6" es
variedad maxima y restringida. Por otra parte, surge Obtener tres "1" es otro.
que el caso se puede en un solo paso aplicando VlOA LCuantas conformaciones distintas podemos
V10,4 5.040
Hay seis formas de que los tres dados muestren el mismo a
4! .6!
sea: salen tres "1" 0 tres "2" .,,0 tres "6" Farmalmente C6,1 ;::: 6
Aprovechamos este caso para comentar un aspecto practico.
Formas con dos dados iguales y uno distinto: x 1 ;::: 30
combinaciones de 6 tomadas de a 2 encontramos todas las formas
Las calculadoras cienHficas manuales incluyen el calculo de la
factorial. en las que intervienen 2 numeros. Ahora bien, uno de ell os estara
Sin embargo, debido a su capacidad, solo alcanzan a resolver hasta un repetido (es decir sale 2 veces) y el otro no. Con combinaciones de 2
maximo de 69! (factorial de no ocurre con las calculadoras tomadas de a 1 determinamos dentro de cada conformacion eLlal
usuales de los programas de Windows, euyo limite es muy dos es el repetido.

Formas can tres dados ::: 20

Si tenemos que resolver, p. ej.. C80.3 y solo tenemos una calculadora
manual, no hay ningun inconveniente ya que: tres grupos distintos de conformaciones: 3 dados iguales, 2
y 1 no, 3 dados distintos. Simplemente sumamos el total de
CSO,3;::: _.J3J2L:::
80.79.78.77.7§ ....... 1
grupo y obtenemos el total de conformaciones posibles:
3177! 3.2.1. 77.76 ......... 1
Lo cLlal nos permite simplificar el sector del cociente senalado en 6 + 30 + 20::: 56 (1)
negrita y luego resolver
Por otra parte, si los dados vuelven a arrojarse en pero
'" 82.160 no se admiten repeticiones, entonces la variedad sera:
3.2.1
w;::: 6 . 5 .4;::: 120 0 CS.3. P3;::: 120 (2)
74 ______________.__.________._____ .._.
75

Recordemos que si la repeticion se admite, entonces: w 0,3 = = comisiones (grupos de tres personas)

317! distintas

w n":.:: 6 3 = 6 (3)
Digamos ahara que las personas son tres mujeres y siete
Comparar con 10 que ocurrio en las dos versiones de la clave de
hombres. Para integrar la comisi6n de tres personas esta debe
seguridad.
necesaria y exactarnente, una mujer. 0 sea que la comision debe estar
La estructura del problema es la rnisma.
integrada, si 0 por una mujer y dos hombres.

Ademas, conviene tener presente que 10 que aquf vimos como "no
La restriccion interpuesta irnpone mayor rigidez (orden) a nuestro
repeticion", es una forma de restricci6n que en otro tipo ejemplos
sistema e implica que la variedad hora disminuira, pues del total posible
aparece expresada como "sin reposicion". Tfpicamente, las "urnas y
de 12.0 no todas cumplen con el requerimiento (algunas de la
bolillas".

comisiones formadas por tres hombres 0 mas de una

Calculemos la variedad solicitada:.
URNAS Y BOLILLAS

Selecciona la mujer Selecciona los dos hombres Total

Veamos.
w;::; C3,1 x Cl,2
En una urna hay 6 bolillas de distintos colores.

Se extraen 3 de elias al azar, sucesivamente y sin reponerlas tras cada

w= 3 x 63
extraccion. L Cuantas conformaciones distintas podemos obtener?,

No hace falta calcular, son 12.0, el Droblema es estructuralmente iaual a

comisiones distintas que cumplen la restriccion interpuesta.
(2.)
Justifiquemos intuitivamente el producto senalado can x.
L Y si las bolillas se reponen tras cada extraccion.

Entonces es igual a (3).

Cada una de las tres mujeres seleccionables al A, B a C
LY si las tres bolillas se extraen al mismo tiempo y no hay un arden?
estar acompaf\ada por cualquiera de las 21 formas de seleccionar dos
Entonces es igual (1)
hombres de entre siete.

Introduzcamos una nueva modificaci6n, Ahora nos exigen que la

COMIt>IUN (4)
cualquiera sea su conformacion, debe estar integrada al
Propongamos el siguiente caso, al cual Ie iremos incorporando
menos por una mujer.
variantes.
TenemQs una diferencia respecto de la situacion anterior.
De un grupo de diez personas debemos seleccionar tres para integrar
Ahora la comisi6n seleccionable puede estar integrada por 1,20
una comision.
3
trata de un caso de variedad restringida. LPor que? La comision no Esto Laumenta 0 disminuye la variedad respecto de la situacion
puede estar integrada por cuatro 0 siete 0 diez, etc. personas. Solo por anterior?
tres, Luego: LCuantas formas tenemos de seleccionar tres elementos La aumenta. Claramente la restricci6n es menor ya antes solo se
de entre grupos con exactamente una mujer y pueden
76
77

ademas de ellos los que se puedan conformar con dos y con tres Introducimos ahora una nueva variante, I hombres, 3 mUJeres y se
La variedad debe ser superior a 63. deben elegir autoridades de la comisi6n: 1 presidente, 1
vicepresidente y 1 secreta rio.
Este admite dos formas basicas de resoluci6n que se
vinculan con la "al men os"
a) (J:::uantas formas distintas de arrnar la comisi6n hay?
La primera de elias impliea una del problema al
b) (,Cuantas formas hay si el Sr. Gonzalez debe ocupar,
reeonocer que existente tres conformaciones que
ne cesariamente, uno de los cargos.
eumplen con la consigna. Por ello, calcularemos el total de
conformaciones de cada tipo y luego simplemente los sumaremos.
(, Y 51 debe ser el presidente?
1° Tipo: grupos constituidos con, exactarnente, una
formas si al men os una debe ocupar uno de los
En realidad, esto ya fue calculado algunos parrafos atras: w = 63

2° Tipo: grupos constituidos con, exactamente, dos mujeres:

Calculamos cuantas formas distintas hay de seleccionar 2 mujeres de ser presidente?
entre 3 C3,2 = 3 formas distintas.
Cada una de esas 3 formas debe ser acompanada por un hombre
f) si los 3 cargos no ser por las
seleccionado de entre I, 0 sea C7,1 7 3
las tres comisiones que tienen exactamente 2 mujeres pueden
de 7 formas distintas. Finalmente es 1 :::: 21 g) GCuantas formas hay si el Sr. Gonzalez no ocupar
cargo?
constituidos con, exactamente 3 mujeres.
una sola forma de hacerlo: =1 Naturalmente, la situaci6n cambia pues esiamos Introauclenao un
factor de orden. Hasta aqui, la comisi6n integrada por A,B y C
Ahora, repitiendo el procedimiento en el caso anterior, representaba un solo caso, aun cuando hubiesemos dicho que la
simplemente sumamos la variedad de cada grupo. Total: 63 + 21 +1 ::: comisi6n estaba integrada por C. B YA.
85 Pero ahora, la comisi6n integrada por A Presidente, B Vice y C
Secretario no es la misma que C Presidente, B Vice y A Secretario.
La segunda forma de resolver el problema, mas directa, es
simplemente calcular el total de las cornbinaciones posibles y restar de
elias las que estan restringidas, en este caso todas las formas de armar a) , C1O,3. P3 0 tambien V10.3 segun la relaci6n F6 y F7
la comisi6n sin ninguna mujer: C10,3 85.
. solo hay que seleccionar dos personas mas de entre
C1O,3 son las conformaciones posibles sin restricciones, C7,3 son todas
nueve restantes y luego considerar los distintos 6rdenes posibles de las
las forrnas de armar la comisi6n solamente con hombres, que es 10 tres personas:
restringido.
C9,2. P3
78 79

Respuesta: solo hay que seleccionar dos personas mas de entre las 1° ENFOQUE
nueve restantes y luego considerar los 6rdenes posibles de estas dos forma uti! de comenzar a el es enfocarlo
personas, ya que Gonzalez es el Presidente: visualmente para verificar desde la apreciacion empirica surgen
algunas regularidades,
V9,2 := C9,2 . P2
,A B A L)
L)
d) Respuesta: La pregunta hace referencia a una mUJer y no a una
"unica mujer" por 10 que pod ria ser 1, 2 0 3 las mujeres que ocupen los
cargos. Por 10 cual al total de formas se Ie restan aquellas que estan
restringidas, es decir comisiones con tres hombres: B

- V7,3 510:= C10,3. P3 C7,3. P3

D
o sumando:
Una sola m u j e r : 1 C7,2. 3!= 378}
Solo dos mujeres: .Cl,1.3!:= 126 = 510
Las tres mujeres: 3!:= 6 • EI polfgono de 4 lados tiene 2 diagonales.
• EI poligono de 5 lados tiene 5 diagonales.
e) Respuesta: 1. C9,2 . P2 • EI polfgono de 6 lados tiene 9 diagonales.
• EI polfgono de 7 lados tiene 14 diagonales.
f) Respuesta: C10,3 . P3 P3 • Desde el vertice A del cuadrado podemos extender todas las
diagonales posibles hacia los vertices, excepto las que 10 unen con S y
Respuesta: C9,3. P3 con C (ya que estos son lados y no diagonales) y con sf mismo. Esto
nos deja, de las 4 posibles, una sola
• Lo mismo podrfamos decir partiendo de cualquier otro vertice.
POLIGONOS (4)
• Como tenemos 4 vertices podrfamos trazar cuatro
Desde un enfoque sistemico, podemos considerar a cualquier poligono
Pero como la diagonal DA es la misma diagonal AD y como la
como un conjunto de elementos interrelacionados en una determin'ada
CB es la misma diagonal en consecuencia el numero de 4 se
estructu ra.
reduce a la mitad 2.
Nos interesa conocer el numero de diagonales D de los poligonos
• Probamos identico razonamiento con el pentagono: Desde el
regulares.
A podemos trazar dos diagonales (hay 3 que no son posibles a
saber: AS, AE Y
l,Que enfoques nos permiten arribar a una formulacion funcional que
• De las 10 diagonales obtenidas, 5 (Ia mitad) son repetidas.
determine el numero D de diagonales de cualquier poligono de n

lad os?
Tras analizar el hexagono (y si queremos el heptagono), vemos que
estas regularidades se mantienen.
 81
80

Desde este ant11isis empirico lIegamos a la fonnulaci6n funcional de Podemos confrontar las 2 soluciones alcanzadas igualandolas para
que el numero de vertices n (0 lados, cuyo nurnero es tambien n) verificar su consistencia.
icado par el numero de vertices combinables (quo os n-3, ya que
se descuentan los adyacentes par ser lados y el propio venice de n2 -- 3n Cn,2 - n
partida). EI tllJrTlero obtenido debera dividirse por 2 para evilar el doble 2
recuenlo de una rnisma diagc)I1al
= -·n
2 2! .(n-2)1
N° diagonales ::::; 0 r:L-,-iD.::-~2
2 2
n2 -3n !LJn-1} . (n-2) . (n:ill-,-,-,.'- n
2 2 (n-2) . (n-3) ...
2° ENFOQUE
Desde Ie perspective sistemica del anal isis de variedad el problerna
podria plantearse de la siguiente forma.
• cuantas formas posibles podemos unir por pares n puntos no
Simplificando = '-'-'---'-'-'-~ -n
alineados dibujados en un plano?
2 2
No se trata de un caso de variedad maxima ya que la restricci6n es que

2
los puntos solo pueden unirse de ados.
n - 3n =
De acuerdo a esto, 81 analisis combinatorio nos establece que
2 2
dlsoonemos de Cn,rn combinaciones.

con el hexagono: -
2 2
C6,2 == 15
2!.41
= .n.::.-=-3n
no obstante, debernos elllTlinar de estas 15 combinaciones
2 2
que no son diagonales sino lados. Obviamente son las que quedan en
el perimetro del dibuJo (en este caso, siendo 6 puntos, son seis lados).

Luego: 0 6 9

Gem y como m os siem pre 2 Conclusiones:

A igualdad se verifica y ambos enfoques son correctos.

l_. ~ ««n ]
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 Cad a uno de estos esquemas tienen siete "Iuces" (variables)que

los grandes numeros y cuasi-impracticable sin ordenador. pueden estar prendidas 0 apagadas y no hay restricciones,

C. Como en este ejemplo, muchas veces el problema de base Por 10 tanto, se trata de un caso de variedad maxima.

consiste en aplicar una importante cuota de abstracci6n para interpretar

su esencia. W ::: hn =27 = 1 mensajes
En este caso, consistirfa en visualizar a un poligono de n lados como Para dos esquemas:
un sistema de puntos (elementos) relacionados de alguna forma (de a 27 , rp = 16.384 mensajes distintos
pares con la restricci6n perimetral). Desde un punto de vista
organizacional, estos enfoques pueden auxiliarnos en la resoluci6n DOMINO (4)

aspectos estructurales, redes sociometricas, conformaci6n de equipos, Cada ficha del juego del domin6 esta compuesta por dos variables,

etc. Gada una de esas variables puede asumir cualquiera de 7 estados

numeros del 0 al 6),

NUMEROS DIGITALES (4)

Desde la lIegada de la tecnologia digital, hemos incorporado algunos
habitos de comunicaci6n sobre la base de nuevos c6digos y
convenciones,
EI esquema que se muestra a continuaci6n es un / \
1­
_I
G [.] G
I- I
[2J(;]~ lZJ~[2]

•
- "";j!o
- . ;j!o

Nos hemos acostumbrado aver y reconocer este diseno que,

facilmente, podemos definir como un sistema de mensajes,

[~ ..
[]
En esencia, se trata de un esquema de luces 0 cristales de cuarzo que
De acuerdo a padrfamos construir un total de fichas a:
pueden estar "on" u "off'.

Prescindiendo de formas y significados, l,Cuantos mensajes distintos

W = h" =7
2
= 49
se pueden emitir usanda 2 de estos esquemas?

 85
84

oferta produciendo 35 variedades de casatta, todas las cuales se

No obstante, y par ejemplo, la ficha r··1~·l es tambi';n la ficha

diferencien en, al menos, un sab~r.

GCuantos sa bores originales distintos son necesarios para produdr tal

oferta?

por 10 cual, para evitar el doble recuento, deberiamos

dividir el numero obtenido por 2

49 24,5 fichas ???

2
(6)
Sabemos que un juego de domino tiene realmente 28 fichas.
(010 podemos comprobar por inspecci6n). Las casattas solo pueden elaborarse mediante la combinacion de tres
sabores. Sabemos cual es la variedad a obtener: 35
(,Entonces, que es 10 que esta errado en nuestro razonamiento?
Luego el numero n de sabores originales, combinados de a tres debe
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 ser igual a 35
pares una ficha distinta.
w C7,2 = 21
Cn,3 =35
Pero ademas, el domino ad mite 7 fichas particulares en las que cada Por 10 tanto
uno de los n elementos se combina con el mismo.
35 = n.(n­ 1).(n-2).(n-3L
3! . (n-3)! 3! . (n-3) ....
,
Asi se conforman las 7 piezas dobles del domino, que sumadas a las
restantes 21 completan las necesarias para el juego. Simplificando: 35::; !1.(n-1).(n-2)
6
Considerando la particularidad de las fichas dobies, tambien podriamos Solo debemos determinar cuales son los tres numeros sucesivos cuyo
calcular haciendo: producto dividido 6 da 35.

w::; C8,2 = 28 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.
HELADOS (4)
La "casatta tricolor" es un tradicional postre helado argentino elaborado
con tres sabores d3Sicos. Cierta heladerfa industrial desea ampliar su
86 -....... -.---~- .... - . ­
87

SOMBREROS (4) Para analizarlo, consideremos !a variedad maxima teorica de

EI que sigue es un caso muy conocido, que recurrentemente aparece distribuciones posibles que hubiesen podido tener los sombreros en las
en revistas de de ingenio con variantes en su relato pero cabezas de los prisioneros (tenemos tres variables, Normal, Tuerto y
identica estructura, para ser resuelto desde la logica y la Ciego, con dos posibles para cada una de elias; verde 0
blanco)
intentaremos analizarlo desde el marco que venimos
desarrollando. w = hn = 2
3
=8
Pasemos al relato:
Es decir que hay 8 distribuciones posibles la
la Revolucion Mexicana, un caudillo ofrece a tres campesinos
inspecci6n:
prtsioneros conmutar su pena en la carcel si cumpJen con exito una
prueba, en cambio si se equivocan serian fusilados:
NORMAL TUERTO CIEGO
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 distribuci6n A
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 distribuci6n B

tuerto y otro es

Una vez ubicados los sombreros en las condiciones . se Ie

pregunta primero al prisionero con vision ante la duda y distribucion C
con que fundar una respuesta no contestar y
antes que la muerte.

se Ie pregunta al tuerto, quien tampoco responde por las mismas o

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 distribuci6n E
respuesta correcta?

Tal vez no 10 parezca en un primer momento, pero resulta ser un caso

de aplicacion de variedad con restricciones. distribuci6n F
 89
88 ~---'-------
---,---.---~,---,---~

Lo que si impol1a es el orden con que se formulan las preguntas, pues

claramente resulta beneficiado quien responde en ultimo termino ya
que recibe informaci6n (orden, estructura, restricciones) sucesiva, que
distribuci6n G en cada paso va reduciendo la variedad desde 7 hasta 4 distribuciones
posibles.

Pod ria afirmarse que el resultado no habria sido el mismo si la

(7) distribuci6n H distribuci6n empleada no hubiese sido A 0 CoD 0 G. Efectivamente,
pero siempre habria uno de los prisioneros salvado, excepto que la
Sf bien el maximo te6rico de distribuciones es 8, va de suyo que la distribuci6n usada sea la A.
designada como H esta restringida pues no hay tres sombreros
blancos, con 10 cual la variedad real es de 7. La experiencia sirve para apreciar que aun ante una variedad de
situaciones, pueden existir comportamientos convergentes que
Cuando se Ie pregunta al 10 pnslonero, este prefiere no responder eliminan complejidad e incertidumbre.
porque no tiene ninguna base que Ie permita hacerlo con seguridad. Si
por caso la distribuci6n empleada hubiese sido la el habria
observado que los otros dos prisioneros tenian un sombrero blanco con
10 cual hubiese sabido de modo inmediato que el mismo tenia uno
verde. Luego la distribuci6n E no fue la utilizada.
CALLES (4)

AI preguntarsele al pnslonero tuerto, este tampoco responde. Si la

distribuci6n usada hubiese sido la F, entonces el habria sabido que, 6
. .~
r----r---,----~.~
portando los otros los dos sombreros blancos, el tenia necesariamente
uno verde. Por otra parte, si la distribuci6n empleada hubiese sido la 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 tend ria necesariamente uno
verde. Luego la distribuci6n B tampoco fue utilizada.

Ahora bien, cuando Ie toca el turno al ciego es perfectamente obvio que

solo pueden haberse utilizado las distribuciones A 0 CoD 0 G, en
todas las cuales el tiene, de cualquier modo, un sombrero verde. Por 10 A.
tanto habla explicando esta argumentaci6n y consigue su Iibertad.
I) EI diagrama que se muestra representa un sistema cuadriculado de
Saquemos algunas conclusiones:
calles. Las Ifneas son las calles y los cuadros blancos son manzanas
La condici6n visual de los prisioneros no juega ningun papel
que no se puede atravesar.
significativo y solo adorna el caso para darle un toque mas intrigante.

90 91

Debemos partir de la esquina A y esquina B. Los unicos Par ejernplo, el trayecto marcado can trazo grueso podria describirse
movimientos permitidos son: de a derecha, de abajo hacia como una secuencia a de tipo ADADDAADD.
arriba sin retrocesos. Un recorrido que responde a estas
1

restricciones es el marcado con trazo grueso. l Ahora bien, cuantas cadenas distintas de este tipo podrfamos disenar.

\ EI problema 5e resuelve definiendo cuantas formas distintas hay de

Siguiendo este patron, Lcual es la este o sea D en ocho posiciones posibles de la cadena.
cual es el numero de recorridos letras A quedaran jnevitablemente ubicadas en las
restantes (0 viceversa Sl comenzaramos por estas).
II) LQue ocurriria si nuestra grilla de este
(con las mismas o sea que debemos 4 de entre 8 en las que
ubicaremos las letras D.
B
r---r---~--~.r---~--~

Por 10 tanto hallar:

70 formas distintas de
4! 4!
A.
II)
Ahora los recorridos posibles deben tener necesariamente 5
de restricciones nos da una primera idea sabre el movimientos D y 4 rnovimientos A.

que: Respuesta A: ? 0 Respuesta B: C9,4 ?

que 8
cuatro de los movimientos son de a derecha y cuatro de ~,CUE!I de las dos es la correcta?
hacia arriba.
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

como A a los movimientos de a - 9! ::: 126
los trayectos como una secuencia de movimientos D y 415! 5! 4'
92 93

EI esquema sirve para caso de n y m column as. IV - VARIEDAD RESTRINGIDA CON EXCEPCIONES A LA 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

,m 1= _~ =3
1! 2'

efecto, hay tres comportamientos reales posibles: 0 se prende la luz

raja. 0 la amarilla 0 la verde.
Siendo aSI, y aplicando F3, podemos calcular que la variedad maxima
de este sistema es: Pera sucede que en muchos lugares, par ejemplo Buenos Aires y otras
ciudades argentinas, admitida un cuarto mensaje
comportamiento pasible): el mensaje rajo--amarillo. ambas al
ws = 2f1 8 mismo tiempa, como senal de "precauci6n",

efecto, designando A para apagado, P para prendido y repasando Ahara bien, no hay una recontar
par inspecci6n mediante una estructura de arbol tales comportamientos admitidos que escapa a la regia
te6ricas serfan: general de hacer ese recuento par
. ., y
sumar 0 en este caso sumar, a los
que cumplen can la regia general. Aqui resolve mas
Raja Amarillo Verde R A V
{!.. .8, ,8,
C3,1 +1 = 4
.-.
f'
P ,f!., .-.
i,
P
aspecto adicional que debemos camentar es el siguiente:
.!!.. .!!.. P ,f:.,

._- P
EI semMara tiene acho comportamientas te6ricos posibles de los
P /.!.. P P

cuales se emplean realmente cuatra. LoPor que disenar un sistema cuya

A F' ,u, ,'!!,

f, r,
variedad exceda largamente la necesaria?, LoNo seria mas eficiente
l-'. P P ...... F'
definir un sistema de dos variables binarias (w = 4) ya que cuatra son
p ,.!1, P P ,f!,.
los mensajes necesarios?
p p p p p

Comentemos primera que a la diferencia

te6rica y la realmente empleada se la
decir que un semafora tiene una capacidad te6rica de emitir un total
de ocho rnensajes diferentes (ocho estados finales posibles), en el lenguaje cotidiano,
necesariamente ser entendida
Sin embargo, todos sabemos que no todos esos mensajes se utilizan contexto.
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, *Ross Ashby, Introducci6n a la Cibernetica. (8)
como:
 ~~~------------------------------------------------------

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.
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

:\ B =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
Dentro de la casa hay una persona que debe hacernos lIegar A AB ABC ABCD
empleando para ello el mecanisme de encender a no luces B AC ABO
en las ventanas. C AD ACD
.!.,Cuantos mensajes distintos nos pueden enviar? 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
(8) derecha/izquierda) y contorno de la casa (nocion de la ubicaci6n de
 99
98

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:
-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.

-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.
 101

v - LA VARIEDAD BINARIA
Hasta aquf hemos hablado de variedad maxima, variedad restringida y
variedad restringida con excepciones a la regia de restriccion.

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 varied ad 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, par naturaleza, numeros enteros.

En efecto, un dado solo puede tener 6 comportamientos (6 estados).

Podrfamos construir tambien una especie de dado de 5 caras que
tenga 5 estados posibles.

Pero no podemos concebir una pieza que tenga 5, 33 caras!

o tiene 5 0tiene 6 0 7, etc.

Un grupo puede estar constituido por 8 0 9 0 10, etc. personas, pero no

por 7,66 personas!

EI numero de estados es un entero.

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 de vista, todas estas formas de medir la complejidad

son formas naturales y reales que conforman 10 que Ilamamos Variedad
Natural.
 \03
102

tal un
Sin embargo, existe otra forma de medir la variedad que no es natural

en termlnos casi
ya que apliea una herramienta matematica clasiea, los logaritmos,

Y de paso mostrar
mediante la eual se opera una transformaei6n que

util, nada diab611ca y

fraecionarias 0 deeimales.

o en
procedimiento para estableeer la varied ad en bits de un sistema es
simple, basta can caleular el logaritmo en base 2 de la variedad natural
de dicho sistema:
Para quienes 10 recuerdan 0 ya hayan pasado por el Apendiee,
podemos ahara responder a nuestra ultima pregunta:
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
una base determinada.

wb;:.:: log2 w F8
los de base 2 y no de cualquier otra

GCual es la de esta realidad, no hay inconvenientes en utilizar logaritmos de otra base

es establecer un parametro de comparacion y (en tanto sea la misma para tad as los sistemas euya complejidad se
equivalencia de la complejidad de dos 0 mas sistemas. La idea es pretende comparar) ya que, como se ve en el Apendice, los cambios de
tr..:oncformar la medida de complejidad dichos sistemas a una base base de los logaritmos responden a una constante.
eomparaci6n y equivalencia.
Pero, convencionalmente se ha preferido los base 2 tres
LPor que utilizar logaritmos a tales efectos? razones:

variables real una

Permitiendonos algun rasgo de humor, admitamos que la sola
-0 nos queda c6modo estructurarlas as i­
de la palabra "Iogaritrno" puede algo repulsiva para
personas y un "intrinqulis" para otras. computadoras resuelven los procesos 16gicos matematicos
el sistema nurnerico binario
bajo de las c) dos es la minima expresi6n de complejidad de un sistema un
que es y para que sistema que tiene un solo comportamiento posible es tan rigido que no
apreciacion puede, en algunos casos, tiene ninguna complejidad. Su variedad natural es 1 porque tiene un
extenderse aun a quienes han recibido una formaci6n matematica algo solo estado final.
mas especializada destinada a su aplicacion como herramienta
apoyo a sus disciplinas principales, pero perdieron contacta con el Para entender usc, tillalidad y la o en
concepto y usa de esta transformaci6n matematica. un mimer caso de
 105
10'"' ~~~~-~-~-~ ~~-~-

TRAGAMONEDAS (4)
Vamos ahora a suponer que se pretende disenar un tragamonedas
Los conocidos "tragamonedas" al estilo Las Vegas presentan un visor
distinto y de caracteristicas "sui generis" La idea es que cada tambor
con tres pequenas ventanas detras de cada una de las cuales hay un
solo tiene que tener dos simbolos distintos pero que el sistema debe
tambor giratorio en el que estan grabados una serie de simbolos.
ofrecer una varied ad de comportamientos igual a la original, es dedr
3375,
Cuando la maquina es accionada, los tambores comienzan a girar

hasta detenerse aleatoriamente (supongamos!) de tal forma que uno de

Siendo que la variedad depende del numero de variables y del numero
los simbolos de cad a tambor queda a la vista del apostador a traves de
de estados de cada una de elias, y teniendo en cuenta que el numero
su respectiva ventana, Queda asi conformada una terna de simbolos
de estados por variable ha sido fijado en dos, solo alcanzaremos la
como la que muestra el gn3fico, que determinara segun las distintas
variedad pretend ida aumentando el nlJmero de variables.
variantes de coincidencia si el apostador recibe algun premio y su
Pero, l,CUantas variables binarias habra que definir con el proposito
magnitud, 0 si pierde.
expuesto?

La varied ad binaria nos auxilia a resolver el problema.

Calculamos la varied ad binaria del sistema que pretendemos construir:

wb = log2 W = log2 3.375 := 11,72

l, Que representa el resultado obtenido 11,72?

Es el nLlmero de variables binarias necesarias para definir un sistema

de variedad = 3,3'75 ya que, segL1I1 F3:

w = 2n = 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.
(9)
Como puede apreciarse, la variedad binaria es un instrumento que
Asumiendo que cada tambor tiene un total de quince sfmbolos,
permite lIevar sistemas de distinta estructura a una base comun binaria
podemos preguntarnos cuantas ternas distintas puede presentar el
que sirve para obtener equivalencia y comparabilidad,
sistema.

Naturalmente, se trata de un caso de variedad maxima con tres

Ahora bien, l,es posible definir 11,72 variables?
variables que tienen quince estados cada una de elias.
La respuesta es que sf, pero solo en un sentido teorico, del mismo
modo que cuando decimos que, p.ej., cierto trabajo requiere la mano de
obra de 7,4 hombres. Es solo una expresion referendal, puesto que el
w =1 = 3,375 ternas distintas posibles numero de hombres es necesariamente entero y discreto.
 106
107

En la practica, el de variables, como ya se dijo, es De este modo, el numero 255 del sistema decimal es el mayor que
necesariamente discreto. 10 tanto solo podernos definir un N° puede expresarse can 8 digitos (11111111) del sistema binario. Para
entero de variables: 11 0 12. representar el numero 256 se requieren 9 digitos (100000000).

Si usamos 11 no alcanzarnos la variedad propuesta: 211 =2.048

De paso, observese que la complejidad que puede afrecer un numero
del sistema decimal de tres cifras (10 3 == 1000) puede ser medida como
Y si usamos 12 superamos la variedad necesaria : 4.096
variedad en bits mediante el calcula de su logantmo en base 2 (a bien
Luego, debemos emplear esta segunda variante que cubre nuestra
.3,322).
necesidad, aunque can ei excedente que denominamos "redundancia",

segun 10 ya explicado sabre ese concepto.

L0921000 9,966

Esto debe leerse de este modo: Un sistema de 3 variables, con 10

NUMEROS BINARIOS (4) estados posibles para cada una de elias, es equivalente a otro sistema
EI nLlmero 200 del sistema decimal se expresa en el sistema binario de 9,966 variables binarias. Quiere decir que para poder representar en
coma: terminos binarios los mil numeros 0 al 999 seran necesarias 10
variables (y habra redundancia).

La variedad natural del sistema es w 28 256 estados finales

l.iJ 1.1 0 10 111 0 10 10

posibles.
Para visualizar como opera el logaritrno, cal cui em os ahora su variedad
en bits
Como vemos, se requiere de un mayor numero digitos (variables)
wb ::: loa~ w log10 w 3,322::: 8
para expresar el mismo grado de cornplejidad.

Esto es logico, ya que en el sistema binario cada digito (variable) puede

Observese que en este caso la variedad binaria del sistema es igual al
adoptar 2 estados y, frente a esta restriccion solo se puede
de variables, pues todas las variables ya eran binarias.
mas complejidad aumentando el numero de dfgitos.

Tomando como base una cadena binaria ocho dfgitos:

digitos, el sistema decimal puede adoptar:
a) ~Cuantas de elias comienzan con 1100 (como por ejemplo el N°
n 3 200 del sistema decimal)?
h 10 1000 estados o al 999) ~Cuantas comienzan y terminan con 1?
c) ~ Cuantas tienen el 2° 0 el 4° bit (0 ambos) igual a 1?
Con 8 digitos, el sistema binario puede adoptar:
GCuantas tienen exactamente un 1?
e) GCuantas tienen exactamente dos numeros 1?
hl1 = ::: 256 estados (del 0 al 255) f) GCuimtas tienen al menos un 1?
g) ~Cuimtas son pallndromos (capicuas)?
 109
108

h) tY
si buscamos "capicuas" en una cadena binaria de numero Por 10 tanto el resultado es 2 8 1:::; 255
impar de digitos, por ejemplo de 9?
g) Cualquiera sea el estado que adopte el primer digito,
necesariamente el octavo sera iguaL

a) Los cuatro prirneros digitos de nuestra cadena quedan fijos. La Otro tanto ocurrira con el segundo respecto del septimo, con el tercero
unieo variable es el contenido de los cuatro ultitnos dfgitos. Luego, del respecto del sexto y can el cuarto respecto del quinta.
8
total de 2 := 256 cadenas binarias hay 24:= 16 que comienzan en '1100.
Por tanto, los cuatro ultimos digitos ser':ln un reflejo simetrico de las
Siendo fijos el primero y el ultima digito, hay 2 6 :::: 64 cadenas. primeros cuatro.

c) Existen 27 :::: 128 cadenas que tienen el 2° bit igual a 1 (incluyendo a

Y par consiguiente sola pueden construirse tantos "capicuas" (*2) coma
algunas que tienen e14° bit igual a 1).

7 expresiones distintas pueden ubicarse en los primeros cuatro dfgitos.

Existen 2 128 cadenas que tienen el 4° bit igual a 1 (incluyendo a

algunas que tienen el 2° bit igual a 1).

La respuesta es, pues: :::; 16 capicuas.

A. la suma de ambos grupos, debemos restar (para evitar su doble
recuento) a aquellas cadenas que cumplen can ambas condiciones. h) La situaci6n es analoga entre los cuatro primeros dlgitos respecto
de los ultimos cuatro.
Las cadenas que tienen el 2° y.. el 4° bit igual a 1 son 2 6 :::: 64
Luego 128 + 128 - 64:::: 192
(-:0
~ Sin embargo, el digito central, en este caso el quinto, puede adoptar 2
estados.
d) EI 1 estara en cualquiera de las ocho poslclones y los restantes EI resultado es pues 24 . 2 16. 2 :::; 32 0 bien = 32
seran O. Hay 8 cadenas que curnplen la condici6n.
Experimente que pas a con 10 digitos.

Ca.1:::: = == 8 Luego haga 10 mismo con 11 y 12.

m! (n-m) 1! 7!
(*2) Estrictamente, "capicua" es una palabra de origen catalan (cap+­
cua: cabeza y cola) yen espanol se designa como "palindromo", que es
e)
una palabra, frase 0 expresi6n que puede leerse exactamente iaual en
Analogamente Ca.2 = :: ambos sentidos.
2! 6 1
Compare este caso con la expresi6n senalada comG en el punto
Parad6jicamente, las palabras "capiclla y "palindromo" no tienen la
caracteristica que designan.
f) La (mica cadena excluida es 00000000.
110 _______________-'11. I

Algunos de los ejemplos mas conocidos y extraordinarios en el

que usted haya pensado en las palabras "Neuquen" y
espanol son las frases: , 0 al menos una de
Si as! ocurri6, tal vez nos asigne cualidades de ciarividencia.
"Dabale arroz a la zorra el abad" Si no, usted debe saber que frente a est a pregunta la mayoria de
personas responde de aquella manera. Pruebelo con sus amigos.
"La ruta nos aporta otro paso natural".

TambiEm puede pedirles que piensen 10 mas fapida posible

"Aroma da la bonita. La podra no dar 0 dar. AI calor aflora Carol)
en 30 segundos) el nombre un pais que comience con la
farola clara, dorado nardo palatino, balada mora".
el nombre de un animal que comience con la letra "i"

"La tropa tramara para rapar a Marta Portal".
"No, el usara esa para pasear a su leon".
Algunas expresiones matematicas (en los dos ejemplos siguientes,
igualdades) tambien cumplen la cansigna:
=,285582
1,234/4.321
111.111.111 x 111.111.111 =12.345.678.987.654.321
dos palabras capicuas de
letras.
Primero puede usted probar, si
Si ya 10 hizo, ahara dirfjase al casa y al reves.
suceden estas
el foco de esta 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
sobre este tema en el capitulo XII.
netsixe neibmat euq Y .acramaiD ne sanaugi yah on euq somamrofni eL
.sotcesni sol Y,sibi sol ,anacinimoD ,acinirnoD ,ituobijD

Cuando 10 haya dirijase a la pagina siguiente. BALANZA Y MONEDAS (4)

siguiente casa, basado en variantes
las revistas de acertijos e
de la variedad binaria al
?•

112 -~-.---------- ~------- --- - - - - ------ - - ­

Il3

1° Pesaje: ud. coloca 9 monedas en un plato de la balanza y 9 en el

atro, dejando 9 monedas afuera.

AI hacerlo, puede ocurrir que el plato A baje y el B suba.

En tal caso, la moneda falsa mas liviana que las demas esta entre las
nueve del plato R

(10) Si, al reves, el plato A sube y el B baja, entonces la moneda esta entre
las nueve del plato A

Sea un conjunto de 27 monedas, todas iguales en denominacion y

Tambien puede ocurrir que ambos plato mantengan el mismo nivel, en
aspecto. Una de elias es falsa y pesa 5mg menos que las genuinas.
cuyo caso se deduce que la moneda falsa esta entre las 9 que estan
Nuestra sensibilidad manual no nos permite determinar cual es la falsa.
fuera de la balanza.
No obstante, contamos eon una balanza de laboratorio de fiel y platillos,

muy sensible, aunque sin disponer de las pes as empleadas

En cualquier caso, tras la 1a pesada, ud. habra identificado en el cual
regularmente en la medieion.
de los tres grupos esta la moneda.
La propuesta es estableeer fehaeientemente, en el menor numero

2° Pesaje: siguiendo el mismo esquema y repartiendo las 9 monedas

posible de pesajes y sin depender de la buena fortuna (Murphy

en tres grupos de tres, al cabo de la 2a pesada sabra en cual de elias

ausente) cw31 es la moneda falsa.

esta la moneda.
Desde luego, podemos agarrar dos monedas, eoloear una en eada

plato y, si uno de los platos sube, sabremos que la moneda que esta en
3° Pesaje: la euestion se resuelve repartiendo las tres monedas de la
el es la falsa y resolvimos en un paso.
manera expuesta y asi en tres pesajes se identifica con seguridad la
Tambien sabremos que hemos side muy afortunados al seleeeionar las
moneda falsa.
dos monedas.

No se trata de eso. Nada de azar.

No obstante resultaria deseable eontar con algun proeedimiento formal
que nos permita determinar el dato neeesario sin tanto esfuerzo
Podemos intentarlo empiricamente y probar distintos eaminos, papel y
empirico.
lapiz mediante, hasta eneontrar aquel resulta el mas efieiente, en el

sentido de eumplir con la eonsigna en el menor numero de pesadas.

Para analizar el instrumento que eumplira can este proposita, dejemos
par un rata la balanza y las monedas para regresar cuando 10 hayamos
Si quiere, puede probar.
esta blecida.

Si 10 hizo, habra comprobado que el numero es tres.

Su conclusion se apayo en el siguiente procedimiento:

11-.1 115

LA LEY DE VARIEDAD OBLIGADA Si el queso es mas grande que la boca del rallador, no nos queda mas
remedio que fraccionar el trozo en que puedan ser proeesadas.
La variedad binaria 0 en bits cum pie un papel significativ~ en Esto naturalmente aumenta el nlnnero de procesos.
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',
mas posible la capacidad del para 10 eual deberemos
Ross Ashbv. (8)
cortar el queso en hozos 10 mas grande que la boca del rallador
perrnita.
Esta norma funcional que "Para resolver en un solo
proceso, la variedad del sistema procesador debe ser igual 0 A tales efectos podemos, par ejemplo, dividir el ancho del trozo de
mayor que la del sistema a procesar". queso por el ancho de la boca del rallador, saber euantas veces
1 supenor es uno que el otm y hacer los cortes en consecuencia.
Esto denota la consideraci6n dos sistemas y una forma relaci6n
entre ellos en el Gumplimiento de dos papeles: uno de los sistemas { Par en mente la idea de este cociente. 8i los lrozos
debe ser procesado y el atro debe tener la capacidad de procesamiento son aumentaremos innecesariamente el numero de
necesaria. Y para la relaci6n resulta necesario un parametro procesos
la misma escala para am 0 sea una base reladonal comun.
Si la capacidad de proeesamiento de nuestra
la Idea a una Si procesador) no es suficiente para determinado programa que tenemos
tenemos que rallar un trozo que correr en ella, solo podemos, si tal programa 10
solo proceso siempre y cuando el trozo de queso particionarlo para procesarlo par tramos 0 bien simplificar el
pequeno que la boca
programa de tal modo que pueda ser contenido por el procesador.
proeesado y el rallador es el procesador.

aparentemente trivial, no 10 eS tanto. EI destacado en negrita

un mecanismo bastante frecuente en la eonduda hurnana y
aun en ciertos procedimientos teenicos.
*La cibernetica es una ciencia interdisciplinaria que trata de los sistemas de
control y de comunicaci6n. La palabra cibernelica proviene del griego
Para un cierto escenario 0 de la eeonomia,
"arte de pilotar un navio", aunque Platon 18 utiliZQ en La la rtonQr~("'IA.n
de "arte de dirigir a los hombres" 0 "arte de un economista busca la forma de
Andre-Marie Ampere y James Clerk Maxwell de un modelo. Por ejemplo, el y el
de la palabra. Pero la cibernetica tal como la los nurneros son herramientas que los humanos usamos para
entendemos hoy en dia fue formalizada por Norbert Wiener en su obra representar la realidad.
Cibernetica 0 el control y comunicaci6n en animales y (Cybernetics
or control anel communication In the animal and desarrollado Por cierto, la realidad -ya 10 dijirnos- suele ser compleja y entonces es
en colaboraci6n can Arturo Rosenblueth y William Ross Ashbv. Fuente: muy posible que, aclemas de las mencionadas, las herramientas
Wikipedia(9) (procesador) que posee el economista para proclucir su modelo, aun
 117

sofisticadas y complejas, no sean para el superior

(,Significa esto que el modelo es defectuoso? No, signifiea que es una
de complejidad que presenta aquello que se representar (0
procesar). simplificaci6n, una heurfstica un modele que ayuda a analizar pero
1

que no cumple can la Ley de Variedad Obligada pues la herramienta no

que en una situaci6n como la descripta no se cumple la Ley alcanza a describir la complejidad del fen6meno
de Variedad Obligada.
GQue puede hacerse? No nos ensanemos can el
Apelar a mas de un proceso, 10 eual parece dificil con este tipo de hemos tomado de chivo emisario de un
sistema a procesar, 0 bien simplificar la realidad a representar. afecta a todos.

Esa es la soluci6n mas habitual y entonces el economista propone una vez su modele sea, si men os bueno
simplificaci6n basada en seleecionar las variables que considera mas como para representar y servir de
relevantes. GY el resto? ........ "ceteris paribus". ayuda conceotual a la

e.,. 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
1'1
P?
'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
9.9
w ­
.,2 uut describfrse como eJ arte y la ciencia del descubrimiento y de la invenci6n 0 de
ci:§ dp
resolver problemas mediante la creatividad y el pensamiento lateral 0
-.1 'I/' pensamiento divergente. La etimologia de heur/stiGB es la misma que la de la
f'''~'nrhH:-f".:i(·H·,* de f,JO.-,,) Jnn,.} trHJiV1:du.'.1 palabra eureka, cuya exclamaci6n se atribuye a Arquimedes en un episodio
{bj'l~d~d~~ fHH Uftttf<*4 ttt'!' tlt-:1i;:_pul
tan famoso como ap6crifo. La palabra heuristica aparece en rnas de una
categorfa gramatical. Cuando se usa como sustantivo, identifica el arte 0 la
Por ejemplo, mediante un grafieo como ciencia del descubrimiento, una disciplina susceptible de ser investigada
estudiaron
microeconomia, economia de empresas, etc. 10 rOl'r-rI'ir:> formalmente. Cuando aparece como adjetivo, se refiere a cosas mas
se vinculan
dos variables, precio de un producto (p) y concretas, como estrategias heurfsticas, reglas heurfsticas 0 silogismos y
de su producci6n conclusiones heurfsticas. Claro esta que estos dos usos estan inlimamenle
para deterrninar cual es la cantidad a producir por la
ernpresa a partir de la curva de relacionados ya que la heurfstica usualmente propane heuristicas
a dicha empresa y la que gufan el descubrimiento. La popularizaci6n del se debe al
estructura de costos de la misma. GY los facto res que inciden en
el tema? ... Ceteris matematico George P6lya, can su libra C6mo resolverlo (How to solve
se mantienen en status Habiendo estudiado tantas pruebas matemalicas desde su
quo. Sin contar con que no es tan facil la curva de demanda saber como los matematicos Ilegan a elias. EI libra cantiene la clase de
a la empresa y no la propia recetas heurfsticas que trataba de ensenar a sus alumnos de matematicas.
de costos. Fuente: Wikipedia.
 119
118

pero comienzan a ser insuficientes en el campo de 10 tactlco La variedad del sistema procesador es 3 (tres mensajes: brazo A mas
(los y decididamente cumplen un papel alto, brazo B mas alto, ambos brazos
pero menos practico a la complejidad y la
mundos estrategicos . (2) vanedad del a procesar es 27.

en realidad pretendemos senalar con este ejemplo es que l.a estructura exponencial nos Ileva a no poder procesar
frente a las muy habituales situaciones en que la realidad adopta una la relaci6n ambos parametros por un cociente, sino a traves
forma muy compleja como para que la podemos aprehender en su de la radicacion.
integralidad (no se cLimple la Ley de Variedad Obligada), los humanos
apelamos a L1na heuristica (reduccion, simplificacion, atajo, Sin embargo, y debido a la propiedad ya aludida de logaritmos
acotamiento, introduccion de restricciones) nos pen'nita justificaclon en el Apendice), mediante una transformacion de ese
en la incertidumbre y as! sobrellevar la cuestion 10 podemos relacionando como
podemos, no siempre tan mal y a veces razonablemente bien.

problema se presenta cuando tales heurrsticos nos lIevan por

sesgados por algunas trampas de la mente, de tal que .- .~~l-_,___ ' -':l
,,_,I

as! concebido ya no representa ni siquiera medianamente 3'1

bien, 0 decididamente mal, la realidad. Las investigaciones descriptivas
de la psicologia conductista han demostrado que algunos de esos
heuristicos son sorprendentemente generalizados, es decir que afectan
a porcentaje significativos de las personas y lIevan a errores (,Podrfamos haber logaritmos de base 1

comunes y predictibles a todas elias. Sf, bases los son intercambiables iante una

constante. Ver Apendice.

Varios de dichos sesgos psicologicos, ya 10 adelantamos, 5e relacionan

con el deficit en el razonamiento combinatorio y el consecuente (,Y si tuvieramos 28 monedas, una falsa?

de dificultades Dara procesar probabilidades

Veamos: ".;:LL"'=:::=' = 4,807 3, 033
Sobre la naturaleza fenomenos tendremos la oporiunidad de 3 1
comentar sus caracteristicas en el
Ya serian necesarios 4 procesos y habna una redundancia.

Volvamos, ahora sL a nuestra GHasta cuantas monedas podemos resolver con 4

Hasta 81. Haqa las operaciones y pruebe.

en el la balanza es el procesador y
las monedas el sistema a procesar.
120 121

CABLE sistema procesador es una que secciona los objetos de corte

Supongamos que tenemos un cable de 64 metros de extensi6n. En un en 2 partes.
extremo tiene una ficha de conexi6n a la corriente elf§ctrica y en el otro
una bombilla. Conectamos la ficha al tomacorriente y la lampara no se Luego: § =6
enciende. Verificamos ficha y tomacorriente y funcionan normalmente. wb2 2 1

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
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
de pender cual de las tres lIaves es la aue acciona la
lamparilla?
Si puede antes de continuaL
 122
123

VI INCERTIDUMBRE Y ENTROPIA
formal desde el analisis de variedad binaria nos lIevaria a
decir que la respuesta es que no., ya que la variedad natural sistema No es prop6sito este trabajo analizar todos los
a procesar (caja de tres lIaves) es 3, la variedad natural del sistema ia consideracion de la
procesador (Ia bombilla) es 2 (prendida/apagada _. 2 rnensajes), 0 sea decisoria, solo aquellos
la ley de variedad requerida, y solo S8 nos permite un
proceso (vlaje a la otra habitacion). Basicamente, asociamos la a la idea de
desconocimiento, ignorancia, duda,
embargo, desde el pensamiento lateral fomentado par las
modernas tecnicas de creatividad nos sugieren una vision que lIeva a la En la concepcion de Paves! (10), existe cierto de incertidurnbre en
solucion del Droblema Veamos: el universe que estarnos considerando cuando no sabernos con
eual es, 0 sera el cornportamiento d(~1 convalidando
Elija usted 2 de las tres /laves, por eJemplo A y Pongalas en que Ilene mas de un cornportamiento posible.
cinco minutos. Ahara vuelva a "off" cualquiera de dos, por
ejemplo A Luego vaya a la otra habitacion. Si la bombilla que el conocimiento tiende a reducir la incertldumbre (y la
no hay ninguna duda de que la Ilave de accionamiento es la ignorancia 10 contrario), cobra significacion la concepcion liga al
la bombilla esta apagada, toquela Si esta caliente no hay duda: conocirniento con la informacion.
es la lIave 8. Si esta fria: C
Si bien es cierto que corno cosa general, la informacion aporta
si, Variedad natural a procesar: 3
conocimiento y consecuentemente reduce la incertidumbre, tambiEm es
Variedad natural del
procesador: 3 (prendida, apagada caliente y necesario advertir que en universos abierios este proceso no es
apagada fria ­ 3 rnensajes). cumple la ley de varied ad necesariamente asi, pudiEmdose verificar la existencia de
en que la informaci6n no reduce la incertidurnbre e incluso, bajo ciertas
circunstancias, la aurnenta (ver punto caso Estructura
= 1 proceso Organizacional).
3
dijirnos, no es nuestro objetivo extendernos en la noci6n de
es un mteresante ejernplo de como, en ocasiones, la incertidurnbre y solo aportamos ahora algunos aspectos basicos para
apoyar el desarrollo del tema sobre el Que trata este
pasa por encontrar un forma de aurnentar la varied ad (capacidad) del
procesador.
relevantes en la consideracion de la
la necesidad de encontrar un
sobre el concepto de la relaci6n
ente la variedad a su
del procesador
verse en una caso X Aplicaciones a Asi como definirnos a la probabilidad como parametro de la propensi6n
casos con el nombre ORGANIZACIONAL" y a la variedad como medida de la
algun
124
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".
125
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 CUt§1 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.
126 127

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.
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

Nuestro tambien debe detectar y registrar estas La cera

caracteristicas. Si dos objetos A y B estan por separado en
tercer objeto C, entonces los objetos A y B estan en
Como veremos luego, la f6rmula de es un modele logaritrnico entre si".
se basa en la variedad y en la de orobabilidades del
cuya incertidumbre mide. En consecuencia, dos cuerpos con diferente temperatura uno de otro, y
en contacto por un tiempo determinado t, alcanzaran la misma
Como eualquier modelo, no es la realidad misma sino una temperatura.
de ella.
Y un modelo es buena cuando suficientemente bien el De este principio se induce el de temperatura, que es una condicion
fen6meno real. cad a cuerpo tlene y que el hombre ha aprendido a mediI' mediante
arbitrarios y escalas de referencia (escalas termometricas).
un ejemplo: GQue mide un terrn6metro't
En realidad, 10 que un term6metro mide es como 5e dilata el Ley
de un tuba de vidrio de 1 mrn de E.I term6metro es un La Primera de la termodinamica define el de energia
modele que, a la luz de la suficientemente bien interna, trabajo y calor, expresando que si sabre un sistema can una
el fen6meno de la temoeratura en de su medici6n. determinada energia interna. 5e realiza un mediante un
128 .. _---------_._--------_ .... _---_._--_._--------_._----------_ .. _-----_._-_ .... _-------------_._-----­
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 motiv~, 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.
129
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()

EI nudo conceptual que se ha tejido en torno a las nodones de

utilizable cada vez mayor. Y la consecuencia ulterior es que se lIega a
informacion y entropfa tras la publicacion de la Teorfa Matematica de fa
un momento (repetimos, no angustiarse, falta bastante l ) en que ya no
Comunicaci6n de Claude Shannon, puede tener un origen un tanto
hayenergia
anecd6tico: parece ser que Shannon tenia en mente bautizar su
funci6n H como "uncertainty", porque mide la incertidumbre de que un
Ahora bien, el orden no es producto de la nada, no es gratis Es deterrninado mensaje sea escogido entre un conjunto de alternativas
necesaria una porci6n de energia para sostenerlo. Cuando la energia posibles.
ya no disponible no habra forma de mantenerlo. tal momento,
el desorden y la entropia (como su medida fisica) maximas. el Esta incertidumbre se produce antes de la eleccion efectiva. Otra
caos!. era lIamar a H "information", ya que cuantifica la informacion que
se recibe tras la elecci6n de un mensaje dado. No obstante, Von
La entropia, el desorden y el grado de organizaci6n.
Neumann, tal y como relata Tribus (Tribus, 1963, citado en Denbigh,
Supongamos una caja de tornillos con divisiones para los distintos
'1985, pg. 104), terci6 de modo persuasivo en favor de "entropy" can
y tamanos. Los divisores representan restricciones configuran un
dos poderosos argumentos:
determinado nivel de orden. Si alguno de los divisores es removido,

tornillos contenidos en las secciones contiguas se mezclaran y una

lilt is already in use under that name and besides it will give you a
cierta pord6n del orden se habra perdido.
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
EI desorden, la entropia, aumentara en la medida que se eliminen mas

realmente que es la entropia.) (1ic)

restricciones, alcanzando su maximo cuando no queden restricciones.

Todas las configuraciones son posibles y la caja es un "caos".

Von Neumann se referfa a la identidad (formal) entre las funciones

entropia de este sistema ha aumentado al disminuir las restricciones
pues inicialmente habia un orden establecido y al final del proceso no
existe orden alguno dentro de la caja. La entropia es en este caso una
medida del orden (0 desorden) de un sistema 0 de la falta de grados de
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
utilizadas en mecanica estadistica y la funcion H de Shannon. (1ic)
EI basico de entropla en Teoria de la Informaci6n tiene
mucho que ver can la incertidumbre que existe en cualquier
experimento 0 senal aleatoria.
De esta forma, podremos hablar de la cantidad de informaci6n que
lIeva una senal. Como ejemplo, consideremos un texto codificado como
una cadena de letras, espacios y signos de puntuaci6n (nuestra sefiai
sera una cadena de caracteres).

Toda vez que, estadfsticamente, algunos caracteres no son muy

comunes (par ejemplo, "k") mientras otros si 10 son (como la "a"), la
la formulaci6n que hace de ella la Teorla de la informaci6n
cadena de caracteres no es tan "aleatoria" como pod ria 11egar a ser si
entropia se llama frecuentemente Entropfa de Shannon, en honor de
toda tuviesen la misma frecuencia de presentacion.
Claude E. Shannon (11).
 132
-----~-.
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
* interponemos convencionalmente el signo menos
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
133
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,
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
positiv~
 134 135

Hm = 0,5. log2 0,5 + 0,5. log2 0,5 ::: 0,5. 10910 0,5. 0,322 + 0,5. 10glO. 0,71 log2 0,71 + 0,29 log2 0,29:= 0,86873
0,5. 0,322
Resolviendo las operaciones Aun por poco, la Entropia F es menor que la G ya que sus
Hm 0,5 + 0,5 1
probabilidades estan alga mas alejadas de la equiprobabilidad,
reflejandose una pequena disrninuci6n del grado de
En este ejemplo, como en cualquier otro en que la distribuci6n de
probabilidades sea equiprobable entre tados los estados finales
Calculemos ahara la incertidurnbre que nos presenta un dado

posibles, la sumatoria estara integrada totalmente por tenninos

considerado como sistema, es decir una variable con seis estados

identicos. Por 10 tanto, podemos resolver 10 mismo aplicando una

expresi6n menos compleja. posibles equiprobables.

Hm = (1/2 log2112) . w donde w = variedad ::: N° de terminos Podemos resolver mediante la expresi6n simplificada:

Luego Hm::: ( 1/2 log2 1/2) . 2

Y simplificando los datos sellalados en negrita, nos queda Hd (1/6 log2 1/6) . 6 :::; log2 1/6 ;;: 2,585
simplemente:
Hm ::: log2 1/2 1 Como puede apreciarse la incertidumbre que presenta un dada es
La Entropia de un sistema de 2 estados equiprobables es 1. signlficativamente mayor. No es 10 mismo el grado de
ll
Por otra parte, y por 10 senalado anteriormente, 1 es la maxima duda/arnbiguedad que "sentimos frente ados escenarios igualmente
Entropia posible para un sistema de variedad ::: 2 posibles que frente a seis.

Cualquier otra distribuci6n de probabilidades distinta de la Por otra parte, y segun 10 ya establecido, 2,585 es la maxima Entropia
equiprobabilidad debe ser menor que 1 y cada vez mas cercana a a a para un sistema de seis estados finales posibles y se verifica si hay
medida que la distribuci6n de probabilidades se aleje de (0,5; 0,5). En equiprobabilidad.
un extremo, cuando la probabilidad de ocurrencia de un estado es 0 y
la del otro es 1, entonces hay certeza total de que este ultimo estado es
Cualquier otra distribuci6n distinta Ilevara a una entropia menor, y cada
el que se va a producir. En tal caso no hay ninguna incertidumbre y
16gicamente la Entrop/a es O. vez menor cuanto mas se aleje la distribuci6n de la equiprobabilidad,
pudiendo lIegar a cero en el caso que cinco estados tengan
Comprobemos: el sistema G tiene una variable con dos estados y
probabilidad cero y un estado tenga probabilidad uno.
probabilidades (0,7; 0,3) para cada uno de ellos,

No habiendo equiprobabilidad necesitamos resolver mediante la

En tal caso no habra incertidumbre pues tendremos la certeza de
expresi6n mas extensa.
tal estado es el que se verificara.

:::
log2 0,7 + 0,3 log2 = 0,881309 Una conclusi6n que podemos ir extrayendo es que la Entropfa siempre
tiene un minima que es cero en situaci6n de certeza (cuando alguno de
Nuestra medida de incertidumbre es suficientemente sensible para los estados tiene probabilidad uno) y tambieln un maximo.
detectar pequenas diferencias
Par eL, calculemos H para el sistema F (0,71; 0,29)
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

VIII - RELACION ENTRE VARIEDAD BINARIA Y ENTROpiA

loa? 0,9 + (0,02 log2 0,02) . 5 =0,7011
Calculemos ahora la
Observe hemos parcialmente el procedirniento sirnplificado segun el procedimiento en el
para el conjunto los estados equiprobables.
log;> wm loa·) 2 1
Comprobamos as! que la entropia de este dado cargado es menor que
la de la moneda, aun cuando siga teniendo mayor variedad. wbd 6

Esto es 16gieo puesto que si bien el dado tiene seis comportarnientos y

posibles, hay mucho menDs incertidumbre en cuanto a que uno de elias variedad bmana son
tiene una fuerte propension a sueeder. es as! Obviamente,

Desde luego, al asignar la distribuci6n de probabilidades del dado y binaria de ambos

hemos "exagerado" un poco.

De alii que la entropia bajado de 2,585 hasta 0,70'11. entropia

Moneda (1 log2 1/2) . 2 = 1092 1/2 = 1
Puede usted inferir (y tambien practicar con (1 log21/6) 6 = IOg2 1/6 = 2,585
que una distribuci6n menos extrema estrecha la brecha entre las
entropias de ambos sistemas, hasta lIegar a alguna en que sean es simple y a una propiedad de los logaritmos
aproximadamente y luego, incluso. volver a ocurrir Que Hdc > base):
Hm.
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.
 141
140
IX - RELACION ENTRE VARIEDAD VARIEDAD BINARIA Y
j

ENTROpiA

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 ahora a analizar la interrelaci6n entre los tres para metros en un
nuestro dado cargado: ejercicio

Wdc=6 wbdc log2 6 :::: 2,585 Hdc 0,7011 Se transcriben a continuaci6n los datos conocidos de cuatro sistemas
independientes, Ninguno presenta restricciones, Todas las variables
intervinientes tienen 2 0 mas estados

Se nos propane completar los datos faltantes de cada uno (serialados

como ?), justificandolos,

,11,
,0-0, E: c D
q
["',]0 2 ? ,,J 4
'} ,?
:::- \/J ?' ?,??? ... ? ! I!
'oJ .-:;
S ! 2 :3 '7\/"7
1 1

,
'-J '-f, "-1
( ?
,- I '1
:=1 "( 13 ,E177 4:::11

'I "
"'­
{
<+

,-,
, ) ? (

Sistema A
Si H < Wb el sistema es inequiprobable,
Si Wb :::: 3,17 entonces W:::: antil0910 (3,17/3,322) :::: 9
Si W:::: 9 y el N° de variables es 2, y una de elias tiene 3 estados, luego
la otra tam bien tiene 3, pues
hn :::: W y 32 :::: 9
142
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 N° de estados 35 0 N° de variables 2 y N° de estados 5
y7 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 ser funcionalrnente mas simple debido a que alguno/s de su/s
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 lOAD
como medida 0 de la
en tal sentido algunas virtudes: es un procedimiento simple,
sensible a la variedad de comportamientos y a variaciones
en la distribucion de probabilidades.
143
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 cantrabajo 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
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 Univers~".
144 145

x -APLICACIONES DEL ANALISIS DE COMPLEJIDAD

En y a diferencia de la variedad que mide la complejidad
estructural de un sistema .- la entropia toma en cuenta, adem as de la EJERCICIOS CON RESULTADOS
estructura (considerar que su calculo, su f6rmula, incluye la variedad), Aplicaciones a la determinacion de elementos de la decision.
de la distribuci6n de probabiJidades elemento ·'aplicaciones al calculo de probabilidades,
la oroDiedad de reaistrar y medir la comoleiidad de -aplicaciones al numero escenarios,
un modo ,-aplicaciones al calculo del numero de alternativ8s,
Aplicaciones a la superacion de sesgos cognitivos,
Aplicaciones en la complejidad de casos reales,

CALCULO DE PROBABILlDADES

CONTRASENAS (4)

I) Utilizando A, B, C, D, E y F

a) GCuimtas contrasefias distintas se UUC;UCI

b) GCual es la probabilidad de que una las letras

A, B YC juntas, en cualquier orden?

II) contrasena exigida por cierto sistema de seguridad

construida con 8 dlgitos. Cuatro de ellos deben ser,
alfabeticos (se pueden usar 27 letras) y pueden ubicarse en cualquiera
de ocho lugares,
Los demas, obviamente cuatro, pueden ubicarse en cualquiera de las
cuatro posiciones restantes y deben ser necesariamente numericos (0
digitos pueden repetirse,
de que una contrasefia tenga sus cuatro
los cuatro primeros lugares?

I) a) una de 3 elementos:

nl hi
146 147

Para que las letms By G esten es necesario que ocupen Tambien sabe que digitar una clave Ie insume 5 segundos, Son las
'1,2 y 3 0 2,3 y 4 0 3,4 y 5 0 4,5 Y 6 g,OO AM Y el propietario regresara a las 7.00 PM, hora en la que, como
maximo, debera huir,
o sea 4 sectores, Para seleccionar 1 de ellos hacemos C4, 1 : : : 4
Como no tiene otra informacion, el ladron asigna a todas claves
En cada uno de esos lugares las 3 letras pueden ubicarse 3! formas ::::: 6 la misma chance de ser la correcta y de acuerdo a esto calcula
eual es su probabilidad de exito en el robo.
Tenemos C4,1 . P3 :::: 24 formas de ubicar las tres letras a) (,Guill es tal probabilidad?,
Pero cada una de las 24 puede ir acompafiada por 3 Si han transcurrido 5 horas y todavia no ha tenido exito, su probabilidad
las letras restantes, ahora es ("mayor 0 menor que al inicio?
Por 10 tanto, hay 1 . P3 . P3 ::::: 144 contrasenas que incluyen a A,B b) ~Cuantas variables binarias debiera tener la clave para mantener el
y G juntas.
mismo grado de eomplejidad?
Finalmente, la probabilidad buscada es:
c) ~ Que nivel de incertidumbre tiene el ladron al iniciar el
si la clave no admitiese
p::::: N° casos favorable 1 N° casos posibles = 144/720 0,2

II) Calculamos primero el total de

EI nlJmerO total claves posibles (can repeticion) es:
Seleccionar 4 para ubicar letras para ubicar numeros
(27 + 10)3 :::: 50653
G8,4 X 274 x 10 4 ::::
EI nLJmero de intentos posibles es:
372.008,700,000 10 horas :::: 36,000 seg.
36,000 seg 1 5 seg :::: 7200
Luego calculamos los casas que cumplen el
La de abrir es 7200/50653 = 0,14214
x 1 = 5.314.410,000
La probabilidad de no abrir es 1- 0,14214 0,8578
La es 5,314.410000/372.008,700,000 = 0,0143
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 ::::
LADRON (4) combinaciones por Lueqo, la probabilidad en ese momenta es:
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 :::: 0,076 (mas que al inicio)
ser alfabeticos (total 27 letras) 0 numericos (0 a 9) en cualquier orden y
en cualquier de cada uno de incluyendo la posibilidad de Numero de variables binarias de una clave de complejidad
rp nptir,;6n eauivalente: INb VV:::: Loa? 50853 15,629
 ---~----------.------------------------------------------------------------------------------

14R 149

Se necesitarian 16 variables binarias (y habria alguna redundancia) En principio, se trata de una caso de variedad maxima con 13 variables
(cada partido) que pueden asumir 3 estados
c) La incertidumbre del ladr6n es: visitante) cada una de elias.

H 0,14214 0,14214 + 0,8578 log2 . = 0,5898 Luego 3 13 ::-~1.594.323 resultados

d) Numero sin Siendo que solo uno de ellos impliea el acierto completo, entonces la
probabilidad de ganar es la inversa, 0 sea 1/1.594.323.
=
37 . 36 . 35 46620

Probabilidad : 7200/46629 = 0,1544

Sin embargo, este procedimiento para calcular la probabilidad objetiva
solo tiene sentido, segun dijimos oportunamente, si todos los
Ylt'\r.yt·"HYliantr.c son igualmente posibles.

PRODE si asf es como realmente oeurre en

EI conocido juego del PRODE (Pronosticos Deportivos), es un sistema el PRODE.
de vinculado con los resultados del futbol, que tiene sus
equivalentes en la mayorfa de los parses donde ese deporte es tan La es: depende.
popular.
Si quien juega es alguien que no conoce
En su local y original, admite la posibilidad de apostar por el intervinientes, sus diferencias de poderio como instituciones, la actual
del equipo local, el empate y el triunfo del visitante (no se destreza que presenta cada equipo, su performance en los ultimos
consideran resultados puntuales) en cada uno de los trece partidos que tiempos, etc., entonces puede aceptarse que para dicha
la jugada semanal. EI premio es un significativo de desde su Vision, cualquier resultado aparece como igualmente probable
la recaudacion de cada jugada, que se entre quien obtienen los y el calculo realizado resultaria correcto.
trece En casa de que nadie gane, el se traslada para
la iuqada de la semana Sin embargo, esta equiprobabilidad queda anulada apenas se tome en
cuenta factores tales como que las estadisticas historicas demuestran
procedimiento para jugar es marcar una computable con una que el porcentaje de triunfos locales es mayor que el de em pates y este
cruz en cada uno de los trece partidos, senalando con elias los a su vez mayor que el de triunfos visitantes, 0 bien las estadisticas que
resultados que se cree van a producirse. los resultados historicos entre dos equipos en particular no
muestran eauiprobilidad, etc.
Siguiendo esta pauta, t,cuantas tarjetas distintas pueden conformarse
0, 10 mismo, cuantos resultados distintos pueden verificarse?
basf'mdose en este ya no la aplicacion de
probabilidades objetivas,
A de ello, (,Gual es la probabilidad de ganar?
Por otra parte, el fUtbol admite cuando un
equipo "chico" Ie gana a uno "grande" 0 cuando gana el peor
150 151

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.
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 1a 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

De cualquier forma, es evidente que quien dispone de informacion Como puede la probabllidad de ganar es casi 6 veces mas
(conocimiento) sabe y cree algunas de las regularidades estadisticas y baja que en el PRO DE (considerado como ~~, ';~r~h~
tam bien 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 No debe tambien
conocimiento que reduce incertidumbre, pues hace que no todas las ser porsus
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 CI
En un festival de cine latinoamericano se han pre-nominado las
pelfculas que entre las cuales se seleccionara a las que cornpondran la
del PRODE de otros oficiales y muy terna que competira por el premio del festival.
, Quiniela, etc) que sf son Entre las pelfculas pre·-nominadas hay 3 argentinas, 4 brasileras, 2
totalmente equiprobables. colombianas, 1 uruguaya y 1 chilena.
Asumiendo que todas tienen las mismas chances y que la terna final no
Todos hemos tenido alguna vez la fantasia de ganar alguno de estos pllede qlledar integrada con mas de 2 pelfculas de un mismo
juegos y "salvarnos". En la percepcion de la gente, ganar en cualquiera a) loCuantas ternas distintas podrian conformarse?
ellos es muy dificil, y ciertamente 10 es, pero no igualmente dificil en loClIal es la probabilidad de que 2 DeBculas araentinas aueden en la
todos los casos. terna?
. la terna este integrada
La intuicion de las personas, particularmente la de aquellas que son distintos? .
aficionados al tema, es que seguramente son mas diffciles de ganar
juegos que tienen mayor 0 tendencia a producir a) Aplicaremos el criterio de recontar el total teorico y restarle los
vacantes" comportamiento que esta restringidos:
C11,3 total teorico posible 165
no hay entre la gente una exacta dimension del grado de -c 4,3 formas de seleccionar 3 peliculas brasileras -4
entre los distintos juegos. Calculemos uno de ellos: Quini 6. -c 3,3 formas de seleccionar 3 peliculas argentinas -1
160
152 153

b) Calculemos ternas can 2 Los comensales son 5 mujeres y 5 varones que deben 5er ubicados del
peliculas ta! manera que un hombre y una mujer no queden en lugares contiguos
C3,2:::: 3 argentinas, (uno allado del otro)
Cada una de estas 3 can una pelicula no
a) (.,Cuantas formas hay de hacerlo?,
24 formas de armar ternas can 2 peliculas b) (.,Cual es la probabilidad de que Juliana quede ubicada en la
argentinas,
posicion N° 5?, '
De modo que la probabilidad que la terna seleecionada sea una de
esas 24 sera: p:::: 24/160 0,15
a) Como es logico, los comensales
e) Del total teorfeo posible restaremos las ternas que tienen 3 peHeulas alternada para respetar la
argentinas, 2 pelfculas argentinas, 3 peifculas brasileras, 2 pelieulas se ubican en los lugares
brasileras y 2 peliculas colombianas, viceversa,
disponemos de P5 :::: 51 ::::

C11,3-- C3,3 C7,1 - C2,2, C9,1 :::: 85 cada una esa 1 forrnas, a su vez,

formas de ubicar a rnujeres en los lugares

Luego, la probabilidad de que una de estas 85 ternas sea la tenemos de la posibilidad de intercarnbiar pares
sera: 10 que resulta de hacer P2 = 2!
P 85/160 0,531 nos queda P5 . P5 . P2 :::: 28,800

Si Juliana esta en la posicion N° 5, entonces necesariamente las

MESA REDONDA 4 mujeres deberan estar ubicadas en los restantes cuatro
mesa redonda tiene 10 lugares para ubicar en elias a lugares impares, cosa que puede hacerse de 4! formas, cada una
los comensales. de las cuales puede estar acompanada por las 5! 120 formas de
1 ubicar a los hombres en las posiciones pares,
Luego, P4 . P5 = 4! . 5! = 24 ,120 2,880 formas de que Juliana este
en la posicion N° 5.
~~ <)
~-)
Finalmente, la probabilidad de ello ocurra es:

';'::'
10_,1
4 P= 0,

con una mesa rectangular y

b
IS"' ISS

,c; ') i) l,Cuantas manos hay que no contengan al4 de copas?

4 ~)
·"1

a) Una mana de trueo solo se juega can tres cartas. No puedo recibir 7,
ni 18, ni 23 cartas. Por 10 tanto, todas las manos del truco son
10 r. agrupaciones de 3 elementos tornados entre 40.0 sea:
'-'
== 9.880 manos distintas

6 7 ~~I o s 7 f3 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
que tengo de ordenar :) elementos: F)3 3! =: 6.
Par 10 tanto, Sl el orden importa, tengo 9.880 , 6 = 59.280 manos
distintas.
TRUCO
A punta de iniciar un partido de truco (baraja espariola 40 naipes), se
a la estructura real del truco
ha repartido la mana y tengo mis tres cartas. Me han tocado el cuatro
porque las en el orden que quiero), analizamos cuantas
de copas, el 2 de espadas y el rey de bastos.
de las 9.880 manos estElIl formadas por 3 oros. Los naipes de oro son
Esta es una de las distribuciones (manos) que puedo reclblr, pero me
1 al 7, sota caballo y rey. Luego, hay C1 0,3 = 120 formas de tener
pregunto:
una mano de tres oros entre las 9.880 posibles.
haberme , la probabilidad de ello ocurra es 120/9.880 = 0,0121, poco mas del
(,Cuantas distintas tr.('<:>rl"
1%.
(,Y si '"\r.rt<:>r<:> el orden en que las recibi?
d) Hay 3 figuras por cada uno de los cuatro palos de la baraja. Por 10
(,Cual es la probabilidad de que me toquen 3 naipes de oros? tanto son 12 figuras. Seleccionar 3 de entre elias no muestra todas las
combinaciones que cumplen con la restricci6n: C12,3 = 220.
(,Cual es la probabilidad de que me toquen 3 figuras (sota, La orobabilidad de tener una mana de 3 figuras es 220/9.880 0,0222.
d)
caballo, rey)?
En el truco se conoce como "tlor" a las manos que estan tormadas
e) L.Cual es la probabilidad de que me una "flor"? por 3 cartas de un rnismo palo. tJCuantas formas hay de tener ulla flor
de bastos?
f) es la de que me mas de 30 para el Hay 1 0 cartas de bastos y C10,3 := 120 formas de armar una mano con
envido? 3 bastos. Pero en total hay C4.1 = 4 palos.
Por 10 tanto, hay C10,3 . C 4,1 = 480 formas de tener un "flor" y la
manos distintas hay que contengan el as de espadas? probabilidad de que ello ocurra es 480/9.880 0,0485.

h) l..Cuantas manos hay que contengan exactamente 2 ases? f) EI envido se conforma cuando se tienen, dentro de una 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 cartas restantes que nos son ases, Finalmente: C4,2 "C 36,1 ;::: 216
mano estan el 4 y el 7 copas, entonces se manos posibles can 2 ases.
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 i) Si el 4 de copas no puede solo podemos elegir las tres cartas
mano estan la sota de y el 6 de espadas, entonces se "tlene de la mana de entre 39 0 sea: 9,139 manos que
26 para el envido". las dos cartas del mismo palo son no tienen el 4 de copas.
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, ~cuantas manos son posibles con TEATRO
mas de 30 ( 0 sea 31 0 mas)? No hay forma de sumar 31 0 mas con Paula y Alejandro no se cOl1ocen. Ambos concurren clerta noche a la
dos figuras 0 con una figura y otra carta del mismo palo. Por 10 tanto la misma funci6n de teatro y compran sus respectivas entradas al az.ar y
restricci6n solo puede cumplirse con 6 y 7 de mismo palo (suman 33 y sin ninguna forma de selecci611" La sala dispone de 20 Filas (Fn) de 10
hay cuatro palos), con 5 y 6 del mismo palo (suman 31 y hay cuatro asientos separados por un corredor central perpendicular al escenario
palos), con 5 y 7 del mismo palo (suman 32 y hay cuatro palos) y con 4 el esquema
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 pares
acompafiado, completar la mano por cualquiera de las restantes (R](R](R](R](R]Fl (R](R](R](R](R]
30 cartas que no son del mismo palo. Resumiendo, nos queda: (R](R] (R](R]F2(R](R](R](R](R]
(R](R](R](R](R] (R](R](R](R](R]
1. 1. 480 manos cumplen con las restricci6n (R]1R](R](R]IR]F4(R](R](R](R](R]
(R] (R](R]F5(R](R](R](R](R]
De que una de elias sera: (R]IR] (R](R]F6(R](R](R](R](R]
(R](R] (R] F7 (R] (R] (R] (R] (R]
P 480 """"'-'~(R]r fXlrY' -"(I

g) Si el as de tiene que si 0 si, entonces solo podemos

dos cartas restantes de la mano de entre las 39 cartas a) ~Cual es la probabilidad de que ambos queden ubicados en los
hay = 741 manos que contienen el as de asientos pares de una misma fila?

b) LCLIal es la probabllidad de que ambos queden en los asientos

h) Hayen total 4 ases" seleccionar dos de ellos debemos hacer impares de la fila 5?
C4,2 6.
Ahora bien, cada una de estas 6 formas de seleccionar 2 ases puede c) LCual es la probabilidad de que ambos queden sentados juntos (en
estar acompanada, par completar la mano. Por cualquiera de la 36 contiguos el pasillo central quita contiguidad-)?
158 159

los 400 posibles se cumple que la de Paula es

a) Hay un total 20 filas y 20 que
Y 20/400 =1120.
Paula (0 Alejandro si empezamos
la probabilidad pedida es 1/2. 1/2.1/20 1/80
"112
b) EI punto anterior establec:e que la probabilidad de que ambos se
ubiquen en la rnisma fila de un rnismo sector es de '1180, pero ahora 5e
Y pm 10 tanto. la de que queden en el agrega el requisito de una fila determinada, en este caso la fila 5. Por 10
sector par es: eual esto implica un nuevo evento conjunto que se debe agregar
1 .1 :::: haciendo:
Veamos esto mismo desde otra perspectiva. Tenemos 2 variables
y Alejandro), 1/80 1/80 .1120 == 1/1600

que pueden asumir 2 cad a una ( par 0 impar). Variedad' 22

De otra forma, podriamos expresar esto de la sigulente manera:
4 estados equiprobables
p:::: Prob. de Paula en sector impar (1/2) x Prob. de Alejandro en sector
(1/2) x Prob. Paula en fila 5 (1/20) x probabilidad de Alejandro
Desde luego, tambiEm es % la probabilidad de que queden ambos en el
en fila 5 (1/20) 1/1600.
sector impar y tambien y,; la probabilidad de queden Paula en los pares

y Alejandro en los impares y tambien Y; la probabilidad de que

Hasta aquf tenemos a Paula y Alejandro ubicados en una misma fila
Paula en los impares y Alejandro en los pares (Ver
de un mismo sector. Dicha fila tiene C5,1 lugares. ("cuantas formas hay
conjuntas en el Anexo).
de que ambos queden juntos?

Ahora falta establecer cual es la probabilidad de que

no solo en el mismo sector, sino tambien en la misma fila:

5][[][I][[]lI]
Dado que a uno de ellos Ie toc6 una fila determinada, la probabilidad

Ambos pueden quedar juntos en los siguientes pares de asientos:

que al otro Ie toaue la misma fila es:

SC,CD,DE
1
1 Pero en cada par de asientos sentarse de dos formas
por ej. AS 0 SA
esto tambien el atro enfoque. Tenemos 2 variables (P y Luego, todas las formas de sentarse son C4.1 . P2 = 8
que pueden asumir 20 una (F1 ,F2,F3,etc). Variedad .
=400 Y el total de ubicaciones dentro de la fila es de CS.2 P2 20
Pero entre esos 400 comportamientos se incluyen aquellos en los que
PyA tienen la misma fila, 0 sea cuando P asume F1 y A la de quedar sentados juntos en la fila es:
cuando P asume F2 \I /\ t3rnbien. etc .. o sea 20 casos. Lueao. en 20
160 161

8/20 = 4/10 decir, 1 menos la probabilidad de ningun limon- ver

apendice)
Ahara bien, el requisito ambos deben estar pero no
especifica fila alguna en o tambien:
Prob. de un limon en la primera canasta = 2/9 x 8/12 x 8/11 ::: 0,1077
Par 10 tanto, basta con vincular esta ultima probabilidad hallada en Prob. de un limon en la segunda canasta == 7/9 x4/12 x 8111 0,188
conjunta con la establecida en el punta a)
Prob. de un limon en la tercera canasta - 7/9 x 8112 x 3/11 0, 141
Prob. de dos limones en '1:1 y 2 8 = 2/9 x 4/12 x 8/11 0,054 . +
Prob. de dos limones en 1 a y 3 8 == 2/9 x 8/12 x 3/11 ::: 0,0404
Finalrnente la probabilidad conjunta de estos sucesos es: Prob. de dos limones en 2 a y 3 a 7/9 x 4/12 x 3/11
Prob. de tres limones (ya calculada) == ==
1/80.4/10 = 1/200 0,623

CANASTAS
En la canasta A hay 5 2 peras y 2 limones, en la canasta B REGALOS

hay 7 naranjas 4 limones y 1 manzana, en la canasta C hay 3 limones 2 Juan ha regresado de un viaje y ha trafdo 10 regalos (numerados del 1

naranjas y 6manzanas. Si se extrae una fruta al azar de cada canasta, al 10) para obsequiar a sus 4 novias que, desde luego, no se conocen

entre si.

a) GCual es la variedad de resultados posibles?

LCual es la probabilidad de que las tres frutas extraidassean Juan ha decidido entregarle 4 regalos a Ana, 3 a Maria, 2 a Lucila y 1 a

Florencia.

limones?
a) GCuantas formas tiene de hacer dicha distribuciOn?

c) LCual es la probabilidad de que por 10 menos una de las tres

l.Cual es la probabilidad de que Ana, entre sus cuatro, reciba los
extraidas sea un limon?
regalos N° 1 Y N° 2?
l.Cual es la probabilidad de que Florencia reciba el N° 5?
a) Si el orden importa, la w :::: :::: 27 pues cada canasta contiene 3
tipos de fruta distintos.
/
a) w C10,4 . . C1, 1 10!l4! 6! . 6! 13!3! . 3! 12!1! . 1 !/1!O!
Si el orden no importa, el grupo Naranja-Limon Naranja es el
que el grupo Limon Naranja Naranja. -
La (lnica forma de resolver es el recuento par inspeccion (ya que no 4!. 3!. 2! _ 1!
todas las frutas estan en todas las canastas), descontando de los 27
aquellos que estan integrados por el mismo numero de las mismas b) N° de combinaciones en las que recibe el N° 1 Y el N° 2 ::::
frutas. N° de combinaciones distintas que puede recibir
nos quedan: NNN NNL PLL PLM
LLM NLM PNN PMM LMM NMM -
C10,4 210:::: 0,13333
b) Probabilidad de 3 limones 2/9.4/12.3/11:::: 0,0202
c) Probabilidad de por 10 menos 1 limon := 1 7/9 x 8/12 x 8/11 :::: 0,623 1/10
162 ........ __..__ ._~~_._... _.___...~1.63

APLICACIONES AL CALCULO DEL NUMERO ESCENARIOS La ultima columna muestra el valor esperado promedio de cada
que de efectuar la surnatoria los resultados
MONEDAS esperables de cada alternativa, ponderados por la respectiva
Se Ie ofrece a ud. un juego en el que hay que pagar $'100 para probabilidad de que tal estado S8 produzca.
EI juego consiste en sucesivamente una moneda La alternativa de jugar nos muestra un valor esperado promedio de
hasta un maximo de S veces. EJ juego termina cuando sale la primera $29,87 y la de no jugar un valor esperado promedio de $ 0
"seca" 0 cuando se cumoJi6 la quinta

EI premio es $ Sn (S elevado ala n), donde n es el numero de "caras" DADO Y TABLERO

obtenidas. EI siguiente es un juego que supo ser muy popular en las ferias de
conviene a usted jugar? algunas ciudades de Europa.

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.

Los distintos escenarios (Ia variedad de escenarios) posibles son:

Si la primera moneda sale seca (S), probabilidad el juego term ina y

usted obtiene SO =1. Usted paga $100 para jugar y su saldo neto

-99. usted no juega su saldo es O.

Si la primera moneda cara y la segunda seca (CS), P (conjunta) =

Se trata de un tablero con 6 casilleros numeratios del 1 at 6.

0,5.0,5 =
Uno debe colocar una suma de dinero sobre una de las casillas

0,25, el juego termina y usted obtiene =: 5. Menos 100 que paga,

(digamos $10), indicando que apuesta dicha suma al numero contenido

saldo = 95. Si usted no juega, su saldo es O.

en la casilla.

A continuaci6n se debe el dado tres veces seguidas y registrar

desarrollo completo, hasta un maxirno de 5 caras, se ve en la rnatriz los resultados obtenidos.

a continuaci6n
Si en una de las tres tiradas sale el nurnero al cual se apost6, el

S CCS cecs ceees VE. jugador recibe de la banca una suma igual a la apostada mas la

Prob. 0,25 0,125 0,0625 0,03125 25 restituci6n de su apuesta. Si el numero al cual se apost6 sale en dos de

las tres tiradas, entonces el jugador el doble de 10 apostado y la

Jugar -99 -95 25 525 3025 devoluci6n de su

jugar o o o o o o o Si el numero apostado sale las tres veces, el jugador recibe el triple de

10 apostado y el reintegro de su apuesta.

164 165

Naturalmente, SI el numero no sale en de las tres tiradas, el 3.0,7 + .0,3:= 0

pierde 10 apostado. 7.0,3 + =0

LApostaria usted en este juego? Le6mo 1o ve? LSeran equitativ8s las

chances del jugador y de la banca en cuanto a sus respectivos riesgos
°
y resultados esperables (ganancias perdidas)? Esta expresi6n promedio es conocida como el Valor Esperado y resulta
efectuar la sumatoria de todos los resultados (rnutuarnente
Para empezar, revisemos el concepto de equidad.
excluyentes) posibles de obtener, ponderados por la respectiva
Un juego es equitativo si la expresi6n promedio (ponderado por los
probabilidad de ocurrencia de cad a uno de ellos.
riesgos) de los resultados que las partes pueden obtener es . para

todas elias.
De 10 que se trata pues es de examinar nuestro caso para verificar 51
dicha expresi6n promedio, el valor esperado, es igual para el jugador y
Si apuesto $10 a que la moneda saldra "cara" tendre una probabilidad la banca Uuego equitativo) a bien, si favorece a alguna de las partes.
de 0,5 de ganar $10 y de 0,5 de perder $10. L.a expresi6n promedio
ponderado esta situaci6n resulta de hacer: 10.0,5 + (-10) . 0,5 ::: °. LTiene usted alguna impresi6n previa al respecto?

Veamos, asumiendo el supuesto de que el participante apost6 $10 al

Por 5upuesto, la expresi6n promedio de mi oponente es identica, numero 1. Analizando la complejidad del problema, diriamos que al
simetrica, de signos opuestos y con la misma expresi6n promedio que arrojar tres veces un dado (segCJn ya vimos) podemos tener una
indica aue el juego es equitativo para ambos. variedad de 216 comportamientos posibles.

Imaginemos ahara que la moneda esta cargada pues sale "cara" el embargo, varios de esos comportamientos conducen a identicos
70% de las veces. Si el valor de la apuesta se mantiene igual para resultados. Par ejemplo, si sale la secuencia 1-4··5 el participante gana
ambas partes, entonces el juego se ha vueIto inequitativo y favorece a un saldo neto de $10, al igual que si sale la secuencia 3··1··6 04-2-1 0
apuesta por "cara" ya que su expresi6n promedio es 6-6-1, etc. De los 216 comportamientos, aquellos que contengan un
solo 1, en cualquier orden, conducen a que el participante gane $10.
10.0,7 + .0,3 = 4
Lo mismo podemos observar de los comportamientos que contengan
y la de apuesta por es: dos numeros 1, todos conducen a ganar $20. En cambio, uno solo de
los 216 comportamientos lIeva a ganar $30, 0 sea la secuencia 1-1-1
0).0,7+10.0,3 -4
Por otra parte, hay varios de los 216 comportamientos que conducen a
EI equilibrio puede restablecerse, aun con estas probabilidades, si las perder $10
partes acuerdan un valor diferencial para sus respectivas apuestas. Por
ejemplo, quien apuesta a "cara" recibe 3 en casa de ganar y paga 7 en De 10 expuesto se deduce que hay 4 escenarios basicos que conducen
caso de perder. Quien apuesta a "seca" recibe 7 en caso de ganar y a distintos resultados y necesitamos calcular las probabilidades de
paga 3 en caso de perder: cada uno esos escenarios para poder establecer el valor esperado.
166 167

P == 5/6 . 5/6 .516 == 125/216 ==

de ganar can un acietio:
la probabilldad conjunta de que e! primer dado sea uno y los
Con 10 eual vemos que hay 125 de los 216 comportamientos que
mas la probabilidad conJunta que el segundo dado a perder $10, 0 10 que es 10 mismo, hay 57,87°A, de probabilidades de
otros no, mas la probabilldad conjunta de que los dos perder $'10.
no sean uno y el tercero SI.
La otra forma de ealeular la probabilidad de perder es a 1 las
p + + . 1 probabilidades de ganar en cualquiera de sus formas:
010 que es 10 P = 1/6 . 3 =
6 0,3472
1 - 0,3472 -0,06944- 0,004629 == 0,5'78'7
Can 10 cual vemos que hay 75 de los 216
a ganar $10, 0 10 que es 10 mismo, hay probabilidades obtenidas para los 4 escenarios posibles y sus
ganar $10, podemos calcular el valor esperado

Probabilidad de ganar con dos aciertos: V. 10 0,3472 + 20.0,06944 + 30 . 0,004629 10.0,5787 =

la probabilidad conjunta de obtener dos numeros 1 en el primer y
segundo tiro y otro numero en el tercer tiro. Tambien obteniendo dos -0,7876
numeros 1 en primer y tercer lugar y en segundo y tercer lugar.
GQue representa este dato?

P=1/6.1/6.5/6.3==1 6.0,06944 Significa que el apostador a veces ganara y a veces

en promedio 10 que puede esperar es una a

10 cual vemos que 15 de 216 comportamientos que $0,7876 '78,76 centavos cada vez que apueste $10.

conducen a ganar $20, 0 10 es 10 mismo, hay 6,944% de

probabilidad de ganar $20. Finalmente, Ges el juego equitativo?

Probabilidad de ganar con tres Para evaluarlo ahora nos posicionamos dellado de la banca.

Cada vez que el apostador gana, entonces la banca pierde. Cada vez

Ya dijimos que la probabilidad de ganar $30 1/6. 1/6 . 1/6 = 1/216 = que el apostador pierde entonces la banca gana.

0,004629
Los cuatro eseenarios son los mismos y sus probabilidades tambien,

GY cual es la probabilidad de perder? pero los resultados tienen signos opuestos. La banca a veces

y a veces perdera, pero en promedio 10 que puede esperar es

Tenemos dos formas de calcularla: que 78,76 centavos por cada $10 que se jueguen en la mesa, 0

sea una
ven ese
es necesario que no salga ningun 1 y la probabilidad de rendimiento?
168 169
---.. --.-.----.-.------.-"--.----~-

EI juego no es equitativo pues favorece a la banca. Esto pod ria OPERARIOS (4)

equilibrarse ajustando los premios (subiendo) al apostador. A) Cierto proceso productiv~ requiere la realizacion de 10 tareas.

Contamos para ello con cuatro operarios A, B, C Y D.

Si su estimacion previa Ie sugeria algo distinto, revise alguno de los

sesgos posibles en el punta XI. 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 operario A, tres tareas al operario B,

APLICACIONES AL CALCULO DEL NUMERO DE ALTERNATIVAS dos tareas al opera rio C y una al opera rio D.

PRODUCCION (4)
No obstante, necesitamos conocer cuantas alternativas tenemos para

Los directivos de una planta fabril se encuentran reunidos para

determinar cuales de las tareas seran las que efectivamente asignemos

considerar una racionalizacion de su linea del Producto XX.

a cada uno.

Actualmente, dicho producto se fabrica en 10 modelos 0 versiones B) Dos ejemplos adicionales:

distintas. Sin embargo, se ha podido establecer que el mercado ha

modificado su estructura de demanda y que, por ello, no hay razones 1) Tenemos 12 regalos distintos y queremos entregar 5 a Lucia, 4 a

para una segmentacion tan especifica. Concretamente, se piensa que ~-::Iorencia,

2 a Gabriela y uno a Guillermo.

con 4 model os se puede atender satisfactoriamente la diversidad de GDe cuantas formas podemos hacerlo?

gustos actuales.
2) LCuantas palabras distintas puedo escribir? (aunque no tengan

Por otra parte, se entiende que esta reformulacion reportaria ahorros sentido) con las letras que componen la palabra: ELEMENTALMENTE.

significativos en los costos de produccion, ganandose tambien en la

calidad de los productos elaborados.
A) Una forma posible de efectuar la asignacion seria:

A los efectos de decidir cuales de los 10 modelos seran seleccionados

I ~. ~-m~1
para su continuidad, los directivos se preguntan LQue numero de B C' A
'"'
T Ititt-'
alternativas existe?
T AT D T T T T T T T
EI numero de alternativas es en realidad la cantidad de combinaciones 1 2 :> 4 5 6 7 8 910
que puedan conformarse con 4 modelos tomados de las 10 existentes,
o sea:
Nos preguntamos Lcuantas distribuciones de este tipo hay?

Podemos empezar por calcular cuantas formas distintas tenemos de

C10,4=.1QL = 210 asignar las cuatro tareas al operario A:

416!
AC10,4 =~
4! 6!
 170
171

Por cada una estas distribuciones, podemos asignar Iuego las que 8) 1)
corresponden al opera rio 8, teniendo presente que ya hay cuatro
tareas asignadas: 5!

BC6.3 =_ill 8) 2) 14 letras y todas las debemos usar.

3] 3! simplernente rnediante el procedirniento

perrnutarlas (1
el con C estariamos incluyendo entre las recontadas a variantes como, por

ejemplo, el intercarnbio de lugares de las dos letras "m" presentes.

2! 1! Sin embargo, una vez hecho el intercambio, no las reconoceriamos

como palabras
Y con D
10 tanto el procedimiento es al1(310go a los casos comentados
DCi.1 =_.11
1! O!

EI producto cuatro sera el resultado buscado ~

ejemplos mostrados resultan ilustrativos

._lQL ·_IL
organizacional de estas tecnicas para la resolucion de
4! 6! 3] 3! 2 1 1] 1! O!

asignacion, estructuracion, establecimiento de redes, etc.

si una expresion muy
interesante:
TELEFONOS (4)
-@..!-'
4! 6~ 3] Jl 2! i-!- 1! Ql siguiente caso resulta no solo una aplicacion a la determinacion del
numero de alternativas, sino tarnbien al calculo de los resultados
------·-----.'--j Ie encarga a Ud. el estudio de factibilidad ra instalar una empresa
_10L__-,­
4! 31 2! 1! preste servicios locales entre los habitantes de un
f entre A (3650 familias
pueblo, por 10 que
B (7000) Y C (1392),
tenemos el factorial del nurnero total de tareas y en el
tenemos el preducto de los del numero de Una vez elegido el pueblo, la
tareas que pensamos asignar a cada operario. asegurandose el

$0, par Ilamada, cualquiera sea su duracion,

caso resulta sumamente Pueden usarse una de las dos infraestructuras de

practico como el descripto. costas, incluyendo los aparatos telefonicos e instalacion, son:

172 173
~~~----~~~~~~

Equipo costa fijo $250.000 y costo por lIamada $0,10

GCuantas alternativas tenemos?

Equipo "Y" costo fijo $800.000 y costo por Ilamada $0,03

La variable pueblo asumir 3 estados y la variable equipo puede

asumir 2 estados. Por 10 tanto, la variedad el producto del numero

X puede abastecer hasta 5.000 clientes e Y hasta 10.000 de estados, aplicando F1:

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,
(P

Cliente 125 a Cliente 840. Para simplificar, asuma que ninguna lIamada 3.2 6 alternativas
5e repetira, aunque consideramos como distinta a fa lIamada de Cliellte
840 a Cliente 125. Sin embargo, una de las alternativas esta restringida. En el
GQue estrategia pueblo- equipo aconsejaria para maximizar utilidades? equipo X no puede usarse en A, pues su capacidad es insuficiente.
Par 10 tanto, las 5 alternativas son ..
EI problema planteado requiere establecer cualltas alternativas se 1) AX
disponen y a que resultados conducen cada una de elias para tamar la AY
decisi6n. . BY
4) CX
Determinemos el numero de lIamadas que se realizara en Gada 5) CY

Intuitivamente podriamos establecer que Gada familia pod ria lIamar a

Calculemos los resultados esperables de la 1)
todas las eXGepto a si mismas.

Asi, par ej., eillumero de lIamadas potenciales en A serra:

Ingresos por ventas 3.329.712,5.0,25 = 832.428,125
Costo variable 3.3297'12,5 . 0,10 = (332.971,25)
3650.3649 =13.318.850 Costo fijo 250.000 (250.000)
neta 249.456,875
Segun nuestro esquema formal y teniendo en cuenta que las lIamadas
telef6nicas se realizan de a dos. serra: Siguiendo el mismo procedimiento se determinan los resultados netos
las restantes alternativas y se selecciona la mejor.
C3650,2.P2= .2! 13.318.850
2! . 3648!

ConseCLIentemente, el numero de lIal11adas que efectival11ente se

realizar<'m en A sera: .13.318.850 = 3.329.712,5
Del misl110 modo determinal110s las Ilamadas en los otros dos pueblos:

B 12.248.250
C '1 936.272
174 _______________.________ .._._.......... 175

APUCACIONES A LA SUPERACION DE SESGOS COGNITIVOS participante queda en el

del tambor. ese momenta la bala
RULETA RUSA indefectiblemente Ie tocara a uno de los
EI conocido de la ruleta rusa tiene algunas variantes.
Veamos desde el anallsis de 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 10 tUrTlO
L--____ ---J que no se dispare en el 20 tumo (4/5) y que 51 se dispare en el
tumo (1/4). probabilidad buscada resulta del producto de estos tres
personas se reunen para jugar y apostar. de un revolver eventos
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, 5.4 1 : ;:;: 1
-- -
pasando as! al compartimiento contiguo. Si esta ocupado por una 6 5 4 6
bala, el revolver la dispara.
Analizamos ahora la el mismo
determinaran por sorteo el orden en que cada persona razonamiento:
<'.,Cuantos 6rdenes distintos son posibles?

Antes de comenzar, se hara girar varias vueltas el tambor hasta que se

5 . 4 ~·2·1·1 1
6 5 4 3 2 6
aleatoriamente. A partir de alii, no se tocara mas el tambor,
movera mecc'micamente de acuerdo a la pauta ya
Naturalmente, en cualquier orden la probabilidad es 1/6.

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
CUMPLEANOS
bajas, ya que primero deben correr 81 las otras cinco personas.­

Con un poquito de suerte la cosa termina antes de lIegar mi turno­

piensa.

GQue opina usted de tal razonamiento?

Los distintos ordenes posibles son P6 6\ 720

en cada curso a till alumnos

En cuanto al razonamiento: es la probabilidad de morir es hemos lanzado nuestro no presentado
para todos (equiprobable), ya que la suerte de cada como una apuesta:
 -------------------------------------------------------
176
·-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.
177
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, ~A vel', cuanta
gente hay aquf? 40 personas. Mi cumpleafios es eJ 2 de Febrero,
~Alguno de ustedes cump/e a/70S tambien ese dia?
178 179

GQue falla en estos razonamientos? e5to en nuestro procedimiento resultara mas

5i calculamos la probabilidad de no coincidencia y luego, par
EI error de cada uno es interpretar el problema en terminos de su diferencia con 1, determinar la probabilidad buscada (1), en la que
referencia, No se pregunt6 cual era la probabilidad de quedaran englobadas las probabilidades de una coincidencia, dos
coincidencia de todos con alguien en particular, sino con todos, coincidencias, tres coincidencias, etc,

Desde luego, la probabilidad de no coincidencia con alguien en Supongamos que en una habltaci6n hay una persona. es la

particular es muy alta: de aue cum pia al10s el misma dla que otr8 persona en

la habitaci6n?

(364/365)39 =: 0,8985 probabilidad es

Obviamente, ninguna pues alii no hay nadle mas,

cero,

Por otra parte, todos los dfas nos cruzamos con much as personas que
anos el mismo dla que uno, Simplernente no 10 sabemos,
Preguntemos al reves: [Cual es la probabilidad de que esa no

el rnisrno dla que otra persona en la habitaci6n?,

La complejidad es mucho mayor de 10 que se percibe ya que la forma
de cOllstatar es chequear entre tad os los pares posibles de personas si
en alguno/s de elias se verifica la coincidencia, Para poder realizar este
chequeo podernos constituir CSO,2 grupos distintos de dos personas,
(Observese que no perrnutamos porque el grupo AB es tambien el
grupo BA).
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
luego tiene una probabilidad de suceder del 99,98%,
Pasemos ahara al segundo foco de interes, que es el calculo real de la
probabilidad buscada.
Puesto que esta solo, la probabilidad es 1, celieza
Podernos escribir dicha probabilidad como 365/365 1 probabilidad de
no coincidencia,
Luego, 10 dicho en (1) podernos escribir la probabilidad de
coincidencia como:
1- 365/365 0
supongarnos que en la habitaci6n hay otra persona. La
probabilidad de coincidencia de con la persona anterior es 1/365 y
la de no coincidencia es 364/365, Luego, la probabi\idad conjunta
que no haya ninguna coincidencia es la probabilidad de no coincidencia
con una persona por (producto) la probabi!idad de no coincidencia con
dos personas, 0 sea:

Para debemos tener presente una aspecto significativ~ de la . 364

consigna del problema: GClial es la probabilidad de hallar por 10 365 365
menos un par de coincidencias?
Y par 10 tanto, la probabilidad de coincidencia es:
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 1- .364
produzca ninguna, 365 365
 181
180

misma expresi6n, si agregamos una tercera persona,

1- 1 o
1 .- ;36q. . 36~. 363 :::0
(-1
365 365
. '­

que queremos considerar es que a los efectos de

Teniendo el segundo termino tantas como n personas haya partimos del supuesto impticito de que el
en la habitacion, podernos extender: nacimiento de las personas se produce de una manera regular a 10
largo del tiempo. Can 10 cual asumimos el caso bajo supuestos de
1.. 365 equiprobabilidad 0 10 que es 10 mismo asumiendo que la probabilidad
365 365 365 365 de coincidencia entre dos personas es 1/365 y la de no coincidencia
364/365.
Generalizando, la probabilidad de coincidencia en al menos un par de
En todo casa, podriamos chequear en el Registro de las Personas 0 en
personas es:
las nurserys de los hospitales para comprobar si tal supuesto es verdad
'J
....)
o existe alguna estacionalidad como la que, por ejemplo, muestran
1

algunas especies
n [-'II
1_,
Conocemos algunos casos de picos estadisiicos de nacimientos como
el que se produjo en el area de Nueva York y estados vecinos
Que aplicada a un grupo de 80 personas da: 4
bido al apagon de noviembre 1965, que afect6 2 dras a 20 millones
Para personas P 0,5686
de personas.
Para 40 personas P =: 0,8912

Seguramente usted encontrara las causas correlativas de que en julio

_ agosto de 1966 (nueve meses despues) se produjera una estarnpida
Observese que con 25 personas la probabilidad ya supera largamente

en la cifra de nacimientos Esa noche de noviembre '65 no habfa

e150%

TV, nada en que divertirse.!!

Naturalrnente, P a acercarse a 1 (certeza) cuando mayor es el

numero de personas.
~ Cual es el numero de personas
Obviarnente 366.
Can 365, queda una
parecido ocurri6 en torno del 1(} de enero de 2000 y 2001, pues
el p ?
nueve meses antes muchas parejas intentaron "hacer 10 necesario"
para que sus futuros bebes fuesen "el orimer be be del sialo 0 del
probabilidad que todas curnplan en

dias diferentes.

En todo caso, podemos reflexionar algo.

Desde luega, esta puede extenderse a casos analogos.

ejemplo, probabilidad de de por 10 mellDS dos personas

Si los nacimientos no fuesen equiprobables, es decir si comprobaramos
entre 30 en los dos digitos de sus documentos identidad:
que hay alguna estacionalidad, la probabilidad de coincidencias hallada
deberfa ser Gmayor 0 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
1a 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 IS5

Obviamente, el esta tras una de las dos cartas. Ahora supongamos que antes del desenlace del juego proponemos a
personas el sigufente argumento
2 a Etapa
10 convenciesemos a usted
EI conductor ofrece al participante la oportunidad de modificar su si de
elecci6n original 0 mantenerla, para luego pasar al desenlace del juego ganar es de 1/3 y sf
mostrando si el participante gano 0 no. ganar es 2/3, L.a(m se

Frente ala del conductor haria usted?, 0 se respuestas generales son que, sf las probabilidades real mente
plantarfa? 0,33 y 0,66 el 90% de las personas que optado por
quedarse ahora preferirian cambiar. Pero no 10 hacen pues las
EI easo es que segun nuestra experiencia basada en un relevamiento ",rlc:>rr:lC' probabilidades son 0,5 y 0,5.
de mas de 3500 casos, un 78% de las personas optan POf mantenerse
en la carta originalmente elegida.
Y alii el toco del y de estirnar
probabilidades, en este caso y punto XII
Este es extrano ya que, si la percepci6n de las personas es
que ambas cartas tienen la misrna probabilidad de ser la que contiene
Aunque diffcil de apreciar, la cuesti6n es 51, las verdaderas
el premio, ~ y ~ , uno tenderfa a pensar que las decisiones de las
personas debieran quedar en una proporci6n similar a dicha probabilidades de ganar para cada una de las dos cartas son 0,33
distribuci6n. y 0,66.

La brecha nos permite pensar que al£~Llna razon hay para una tan Pasemos a comprobarlo, pero no de una manera rnatematica (se trata
mayoritaria elecci6n. de orobabilidades condicionales y aplicacion del Teorema de Bayes)
que nos facilite "Iimpiarnos" del 8esgo.
Y efectivamente hay una razon.
Damos a elegir al participante una de nuestras tres cartas y selecciona
AI consultar a las personas por las razones de su elecci6n la respuesta el as de oros. Le pedimos que, sin ver su reverso, la coloaue sobre una
promedio puede sintetizarse as!:. mesa.

- Ambas calias tienen la misma probabilidad. Siendo tanto da luego, la probabilidad de que dicha carta tenga el premio en su
Pero yo, par cabala, prefiero quedarme como estaba porque sf reverse es 1/3.
me entero que perdi 10 que ya tenia ganado me mato!
Nosotros (hacemos veces del conductor) retenemos las otras dos
Esta contiene el sesgo cognitivo que cartas y a continuaci6n anunciamos que vamos a revisar. Si en una
"efecto atribuci6n" sobre el eual 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
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.
L Y 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!
187
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 CAS OS 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.
188 189

Planteamos a continuacion tres que describen para un diseno organizacional fundada en el tamana (en este caso
situaciones reales y resultan de para clarificar las f'nrnnl",iiri;;,rll Y Gon las directivas requeridas?-,
de aplicacion de las ideas que animan a este
herramientas que 10 asisten. la ley de Variedad tenemos un de no
mas de novecientas horas mensuales de trabajo ('150 horas par
ESTRUCTURA ORGANIZACIONAL teniendo en cuenta ausentismo ) y un universo a procesar realidad
- Tratabamos, en a/gun momento, (/e presupuestar en tiempo, en organizacional) de un tamano de cuatro mil doscientas horas,
recursos necesarios y en casto monetario e/ relevamien/o de /a
estrllctura organ/zacional de un organismo publico de gran Es evidente que se demorarian cinco meses tan solo para el
quizas uno de los mas grandes de /a RepLlblica 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.
Pensabamos en quince Departamentales, cada una
cUB/es tenIa diez divisiones. A Sll vez, estas contenian un l. Y es ello bueno?
7 secciones cada una y dos oticinas, Todas estas
ten Ian un jefe al cual el Director ciel organismo queria cie alguna La respuesta a este punto es la pregunta del millOn. que punto
manera /legar a relevar y conversar; a traves de los especialistas en es importante entrar a desrnenuzar un sistema de
disefio organizacional, para recabar informacion que puciiese ser Mil en penetrando cada vez mas en las sucesivos subsisternas que 10
el armado de la nueva estructura de /a jurisciiccion.­ integran, que, como las munecas rusas "mamushka" se van
unos tras otros?
de este sistema, que en el dibujo de
la ~ en el Boletfn Mas informacion daria seguramente mas confiabilidad, pero con ello
no se lIegaba a . por el sencillo truco de poner una sola mas complejidad y un abanico mas amplio de variables que no siempre
estructural y una lIamada con un asterisco indicando que se se esta en condiciones posteriormente de procesar.
repetfax cantidad de veces?
_ si el en que hay que hacer la reforma institucional
La variedad resultaba finalmente 15 x 10 x 1 x 2 jefaturas, 10 cual fuera relativamente de tal forma que no hubiese posibilidad de
implicaba la preocupante cifra de 2.'100 entrevistas y relevamientos. realizar un
DOS MIL elEN jefes que darfan informacion, que transmitirian sus
necesidades y sus demandas, pero que al mismo tiempo plantearian En el caso bajo analisis se trataba de la fusion de dos
una nueva complejidad a un problema que requeria de un tiempo organismos recaudadares, uno de ellos jaqueado -al menos
relativamente uraente de solucion. mediaticamente- por una de inoperancia institucional grave.

- Teniamos un grupo cie Organizac/on y Metodos, encargado de podra decir que, aumentando el denominador de la relacion de
efectllar el disefio, por seis personas, i Podriamos imaginar; variedad obligada (el elemento procesador, es decir la calltidad de
calculancio una hora (mfnimo) de entrevista y una hora de analistas) podremos lIegar a mas profundidad (mas complejidad, mas
procesamiento de cual hubiese el necesario oIoO',""",.,t",<, a procesar) en igual cantidad de tiempo. Sin embargo, aquf
190 191

empiezan tambien restricciones, que pueden servir tanto para limitar c-Cual es la variedad desde el punto de vista del
la cantidad de elementos a procesar como la capacidad del procesador. organizacional? Esta ya no podremos darla desde
"No hay partidas para contratar mas analistas"; "No hay gente Habra que evaluar relaciones de costos-beneficios que no solo
capacitada 0 con la confianza de la dirigencia para los elementos econ6micos sino tambien los
hacer este trabajo" y , .. otras tantas. politicos, etc.

Si la capacidad del procesador esta restring ida, Y la cantidad de tiempo Luego, aplicar la ley de variedad conocida como
disponible es limitada , la otra variable que podemos modificar, a traves de variedad requerida"), redueir sobrevolar la
de la incorporaci6n de restriceiones, que reducen complejidad al cuesti6n mediante 0 al
sistema bajo analisis, es limitar el universe a procesar. resolviendo no internarse en muchas veces !-Iucue
cuando la mal lIamada "soluei6n
··Ana/icen so/amente hasta los ,Jefes de Seccion-. - Tomemos una todo resulta con las
muestra a/ azar del 20% de la estructura-. -Hagamos un cuestionario restricciones dadas.
escrito que resulta mas facit procesarfo (menos complejo, menos
informacion, menor cantidad de tiempo y recursos)- , en fin, y aSI otras. soluci6n final fue disenar las misiones y
funciones oraanizacionales hasta los Jefes de Division, y permitir, pm
En este relato se pone de manifiesto la utilidad de un tema como el que que estos Jefes de Division, con el
estamos tratando ··Ia medici6n de la complejidad y su necesaria y consentimiento de sus propios los Directores de Departamento,
previa comprension conceptual - en un caso de aplicaci6n concreta a disenaran las misiones y funciones de las secciones y oficinas que les
diseno organizacional: En el ejemplo, las dependencias a relevar son . Se termino con una cultura de anos de centralizacion
los distintos niveles de variables que deben "caber" en la cantidad de en los que, desde una oficina de Organizacion y Metodos lejana en la
niveles de variable que, en determinado tiempo puede trabaiar el de los casos a la realidad estas dos rnil clen dependencias,
elemento se definia y acotaba uniforrnernente su forma de operar.

tanto en un caso corno en otro eliminan variedad al

(volviendolo mas simple, menos complejo) 0 al DIAGNOSTICO MEDICO
nvitarnos al lector a realizar el mismo proceso de aplicacion de los
conceptos de complejidad, pensando en una situacion absolutamente
la que puede manejar distinta pero tanto mas uti! 0 pertinente corno es el diagnostico de una
tres soluciones 0 enfermedad.
aumenta la capacidad de
analistas que trabajen), LCuantos son los carninos por los que el medico puede pasar al
el uso del mismo (trabajando mas diagnosticar a un enferrno? LCuantos los tipos de analisis clfnicos?
rnas meses de con la misrna gente) 0 bien se elirnina LCuantas las hipotesis de trabajo 0 de enfermedades?
al a relevar 0 tiempos
de entrevistas. 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 l,Cuales son realmente los casos favorables sobre los casas, en este
costo beneficio de "estar ejemplo, igualmente posibJes?

l,OUe datos dados en el problema son relevantes y cuales no?, l,Oue

Quizas 5e pueda estar algo menos mlnimamente datos faltan? l,Los podemos preguntar? l,Los podemos suponer,
informado con un costo menor, sin tantos am'llisis que incluso dentro de ciertos parametros?
costos economicos y de los Quizas no,
los protocolos medicos Veamos.
manuales de organizadon) indican los niveles de
en los que la cienda recomienda entrar. De esto trata, l,lmporta la cantidad de personas que viven en la zona de de
precisamente, la posIcion medica contemporanea denominada este senor? No, definitivamente no es un dato que ya que
"Medidna basada en la evidencia". tanto hubiese sido sorprendente que se encuentre aJ
al menor 0 a cualquier otro inteqrante de la familia.
UNO EN UN MILLON
Otro caso mas trivial y reciente viene a ser aplicado en este punto. Un la cantidad de personas 0 familias que usan decodificadores?
sujeto, empleado de una empresa de television por cable, forma EI hecho de que uno trabaje en la empresa
del equipo de cualro personas que, en esa empresa, realizan la misma de la cual el otro recibio servicios ya esta incluido dentro de las
y (mica tarea de retirar en Capital Federal equipoS' decodificadores de de encontrarse.
senal de aquellos usuarios que han dejado de serlo.
l,lmporta que hay cuatro empleados que realizan esa tarea puntual?
En una reunion de familiares y amigos en una casa-quinta de la zona No, como tampoco importa que haya cinco integrantes en la familia.
norte del Gran Buenos a la que concurre por la
sujeto ve, participando de la reunion, al hijo menor del grupo familiar Lo que verdaderamente importa, para el analisis de la situacion es
cinco integrantes que se domicilia en una casa a la que 191 fue enviado cuantas viviendas hay en la zona de trabajo del empleado, la
esa misma manana Dara un retiro de eauioo decodificador. 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
la primera reaccion, de terminar su jornada, en realidad tiene 20 en un mill6n de
. "Es como sacarse la grande". de visitar cualquier domicilio de la Capital Federal,
cable.
Sin es asombrosa, no creemos
que las esa magnitud (recordar los calculos
Si hubiesemos sabido previamente que la familia visitada tenia cable,
realizados en el caso
las probabilidades bajan muchisimo, ya que el denominador son todos
los domicilios que estan abonados a una empresa de cable, que
Para analizar la complejidad de este problema hay un
podemos suponer en cincuenta mil, de esta forma, seria de 201 50000.
que no ningun tratado de analisis combinatorio,
sino la claridad conceptual que dan el entrenamiento y la abstraccion: si hubiesemos sabido que esta familia fue usuaria y tiene
Ubicarse en la situacion, hacer un buen diagnostico. un codificador que debe devolver, ya estariamos en 20/2000,
 195
194

XI EL RAZONAMIENTO COMBINATOR.IO EN EL PROCESO

suponiendo que dos ex usuarios de EDUCATIVO

codificadores de la empresa.

Pero como nada de todo eso sablamos, sigue siendo una posibilidad
de 20/1.000000, que es equivalente a uno en cincuenta mil y baja, pero
no tanto.

Todos los demas datos existentes en el problema no son relevantes, y

he aquf una muy importante S610 en los examenes de la
escuela secunda ria, (yen algunos) aparecen los datos todo. En la
realidad, la mayoria de los aue estan a flor de no son
relevantes, y los que los son (14)
nivel de seguridad 10 mas Jean Piaget
relaci6n costa beneficia.
UN DE HISTOR
Y este es el pie de dos temas basicos que trata la Teoria de la EI origen y evolucion de la combinatoria ha side ai desarrollo
Decisi6n, la aplicaci6n de decisiones ante informaci6n parcial y las de otras lamas de las matematicas, tales como el la teoria de
de compra de informacion adicional utilizando la estadistica los nllmeros, y el calculo de probabilidad.

Como complemento 0 perla del caso reciEm

podra indicar que la resolucion es pertinente en tanto y en cuanto el 17
distrito de trabajo y el distrito del domicilio sean el mismo y
conocido. Ciertamente, ,"'l
.:-~)

Dejamos para el lector el desafio de calcular la probabjlidad en caso de

que el integrante de la familia (y la familia misma) que el empleado via
4
esa pudiese vivir en cualquier lugar de la Republica Argentina.
10
Si qUlsleramos ser mas agudos podriamos agregar el 16gico
condimento que, habiendo estado la noche en donde estaba, el 11 1812512 9
evento no es igualmente probable. (15)

*Fuente: Instituto de Matematicas de la UNAM. Gerardo Alfaro Melero. IES

Jose Manuel Blecua (12)
196
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.
197
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
En esa epoca, el matematico Boole emple6 metodos de
combmatoria en conexi6n can el desarrollo de la 16gica yean
las ideas y metodos que Henri Poincare desarrol16 en relaci6n con
problemas de topologia.
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 entre objetos de un
Sus aplicaciones abarcan campos tan diversos como la investigaci6n
de operaciones, quimica, mecanica estadistica, fisica te6rica y
problemas socio-econ6micos.
k
EL RAZONAMIENTO COMBINATORIO
Como ya hemos comentado, se detecta un problema de base formativa
que, ejemplificando con nuestros alumnos, los lIeva a tener algunas
dificultades en 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
mas bajo en los que componen el resto del programa.
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
simultaneamente a partir de la edad de 12 0 13 arias.
*Fuente: Rafael Roa, Carmen Batanero, Juan D. Godino y M. Jesus
Canizares. BIBLiOGRAFIA (Epsilon, 36,433-446). V Navarro-Pelayo, C.
Bataner y J. D. Godino.Razonamiento combinatorio en alumnos de secundaria
Educaci6n Matematica. 8(1), 26-39. (13)
199
De acuerdo con Inhelder y Piaget (1955), el razonamiento hipotetico­
deductivo opera can las posibilidades existentes en una situaci6n
problematica, las cuales son descubiertas y evaluadas par el sujeto por
medio de operaciones combinatorias.
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 edad de15 anos.
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, caracteristicas del nivel del pensamiento formal.
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
ensenanza especifica.
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 Kahneman y Tversky en la
de los sesgos cognitivos.
Fischbein y Grossman analizan la interacci6n entre la intuici6n y los
esquemas subyacentes en estimaciones intuitivas del valor de las
operaciones combinatorias can diversos tipos de sujetos, entre los que

200 201

se cuentan adultos Observaron que (adaptacion a nuevos problemas derivados que es caracteristica del
en las estimaciones tadtos razonamiento recursiv~).
relacionados con las y el numero
elementos que se trata de 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
estos calculos se reducian a operaciones multiplicativas propuestos.
de realiz.ar el conjunto requerido de operaciones, 10
que los esquemas combinatorios sufren un proceso de Las estrategias generales en la resolucion de problemas:
, reduciendose a una estructura minima, para apoyar reducir el tamano del problema, traducir a otro
las intuiciones erroneas de los sujetos. mas sencillo, descomponer el problema en
soluciones, se han mostrado tambien como elementos que separan a
Algunos autores como Marchand (1994) indican que la edad media de los buenos resolutores de aquellos que oresentan dificultades.
acceso al estadio formal es substancialmente diferente de la indicada
en las investigaciones de Piaget e Inhelder (1951) y que un numero Estas estrategias, bien aplicadas se han mostrado fundamentales a la
importante de sujetos no lIega nunca a alcanzar esta etapa. hora de resolver los problemas de un modo adecuado, especial mente
can la enumeracion sistematica.
Piaget (1972) reformul6 su primera concepcion sobre el pensamiento
formal y admite que la edad donde se alcanza debe ser Por otrolado, la Combinatoria es un campo donde pueden
hacia los 15-20 anos, indicando ademas el papel crucial del con facilidad y estas estrategias. En
las capacidades del sujeto y la especializaci6n profesional en la consecuencia, creemos que los problemas combinatorios pueden
construcci6n de la estructura de las operaciones formales. jugar un papel fundamental en el aprendizaje de tecnicas
generales de resolucion de problemas y en el entrenamiento de las
Tomando como base referendal las experiencias empiricas realizadas capacidades de abstracci6n y modelizacion.
por investigadores a las que podemos agregar
mas acotadamente surgen de nuestras propias observaciones, las EI modelo combinatorio implfcito, ha mostrado sus fuertes efectos en ia
conclusiones que formularse son las 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
Fischbein (1975) como particion 0 colocacion al modelo de selecci6n y ello ha dificultado la
probabiHsticos y identificaci6n directa de la operaci6n combinatoria.
el uso de las estructuras can
es can un escaso exito. Tal vez el Estas variables deben tenerse en cuenta para evaluar el razonamiento
ser reforzado en la ensefianza, pues combinatorio de los alumnos. Tambien deben ser tenidas en cuenta
como modelo figurativo que permite para organizar la ensenanza, la cual hacer hincapie
(extensi6n de un cierto procedimiento en el razonamiento recursivo, en los procedimientos sistematicos
y la generalizaci6n constrl.lctiva de enumeracion y captacion intuitiva, en luaar de meramente
202
203

centrarse en aspectos algorftmicos y en las definiciones de las XII -" RELACION CON LA HEURisTICA DE LOS SESGOS

operaciones combinatorias. COGNITIVOS

EI lector puede encontrar en Batanero, C;odino y Navarro-Pelayo (1994) No es nuestro prop6sito extendernos en un completo de las
Y la bibliografia citada una propuesta de desarrollo del curricula de investigaciones de la psicologia decisoria que, apoyadas en los
Combinatoria para el rango de edades de 10 a 18 arias. 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
 205
20-l

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

18)
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
Muchos grandes pintores han sido verdaderos maestros en el arte de
no es real, que es un efecto de las condiciones clirnaticas y fisicas
cornponer imagenes con lecturas dobles 0 de percepci6n ambigua.
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)

M.e. Escher (19) Giuseppe Archimboldo (20)

206
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
Salvador Dali (21)
por una de dos rutas posibles. Si elegia la primera, se
salvarian 200 soldados. Si optaba par la segunda, habria un
En algunos disenos solo podemos reconocer una Imagen, que tercio de posibilidades de se salva ran los 600 soldados y dos
supuestamente esconde otra nos cuesta descubrir y luego, una tercios de posibilidades de que no se salvara nadie. ;Que ruta
10 conseguimos, solo podemos "ver" la segunda y perdernos debia
la primera. Alga similar ocurre con los estereogramas .
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
(22)
debe tamar?
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.
EI inauietante descubrimiento de Daniel Kahneman y Amos Tversky no
es algo que todos
en realidad de que, aun cuando tratamos de ser
damos respuestas radicalmente diferentes al mismo
problema, cuando esta planteado en terminos ligeramente
ntos.
209
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 dice que la segunda muestra EI segundo paso es sacar la bolilla de la urna designada por la
es la que indica cual es el color mayoritario con una probabilidad de moneda. Nuevamente, si la bolilla es roja usted gana $100, sf es
acertar de 16 ai, en tanto que solo 10 es de 4 a 1 en la primera. negra no gana nada [Que sorteo prefiere?

La explicacion reside en el hecho de que la primera muestra es menor
y las muestras pequenas son menos confiables. Recordemos que es
comun que se tire una moneda cuatro veces y que tres, salga cara. No
obstante, si la moneda es arrojada1. 000 veces, nos aproximaremos
considerablemente a la proporcion estadfstica de 50-50.
Aunque, de un modo abstracto la gente sabe esto, a menudo no 10
tiene en cuenta. Los jugadores de squash creen que no hay diferencia
entre jugar un partido a nueve 0 a quince puntos; en realidad, el juego
mas corto da al jugador mas debil mayores posibilidades de ganar,
simplemente porque no tiene que ganar esos pocos puntos 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 menor cantidad de nacimientos por dfa tendra muchos mas dfas en
que el porcentaje de varones supere el 60 por ciento (el hospital menor
tendra 55 dfas al ano con esa proporcion, en promedio, en tanto que el
mayor solo tendra 27 dias),
Una simple multiplicacion confirmara que las posibilidades de ganar
cualquiera de los dos sorteos es el 50%. AlJn asi la mayorfa de las
personas eligen la loter-fa A. [F)ot que?
Dos caracterfsticas del sorteo BC 10 hacen poco atractivo.
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 mayorfa de 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
definiciones tiene mas probabilidad de ser cierta?

EI proximo ejemplo, creado por Daniel Elisberg, consiste en un sorteo a. Ana es cajera de un Banco
imaginario: b. Ana es cajera de un Banco y activa militante del movimiento
feminista
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 rojas y 20 negras y la urna C tiene 20 rojas y 80 negras.

La gente piensa que es mas probable que sea cajera de banco y

Le dan a elegir de entre dos formas de sortear.
feminista, ya que el feminismo parece mas representativo de Ana que
Puede elegir el sorteo A, en la cual se sacara al azar una bolilla
ser cajera de Banco, Pero un principio estadistico, sostiene que la
de la urna A. Si la bolilla es roja, usted ganara $100; si no 10 es,
probabilidad de que dos acontecimientos sucedan junta mente (ver
no ganara nada,
probabilidad conjunta en el Apendice), es siempre menor que la
Por otro lado puede elegir el sorteo BC, En este caso, la loterfa
probabilidad de que se verifique uno solo de ellos (la posibilidad de
tiene dos etapas. La primera es echar una moneda a cara 0 ceca.
sacar dos veces seguidas cara en una moneda arrojada al aire es
Si es cara, elige una bolilla de la urna B, Si es ceca, de la urna C.
menor que la de sacarla una sola vez en igual numero de
212 2\3

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 cos a 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?
~Por 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!
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.

persona ha sido par un taxi y el conductor se ha Este problema puede ser entendido por la gente en teorla, tal como 10
dado a la fuaa. Dos de taxis estan a cargo del servicio hicimos en el caso TRES CARTAS, pero obstinadamente se rehusa a
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 pillo·y 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 empirico·descriptivo 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)
215
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,

c) Asociaciones presuntas:

sino que muchas veces se quedan conformes con la primera alternativa

Los individuos tienden a sobreestimar la probabilidad de dos eventos

satisfactoria, en lugar de extenderse al maximo 0 buscar hasta

concurrentes segun el numero de asociaciones similares que son

encontrar la mejor solucion posible.

facilmente recordadas, va sea por experiencia, 0 por influencia social.

En general los heuristicos resultan muV utiles, pero algunas veces

generan errores severos V sistematicos. Repasamos brevemente los

HEURfsTICA DE LA REPRESENTATIVIDAD

tres principales, con los cuales se explica la mavoria de los sesgos

sistematicos en las decisiones bajo incertidumbre*.

Se estima la verosimilitud de la ocurrencia de un evento por su similitud

con los estereotipos (ver mas arriba: Ana Cajera) Los gerentes usan

esta heuristica cuando predicen el exito de un nuevo producto,

HEURisTICA DE LA DISPONIBILIDAD
basados en su similitud con tipos de productos exitosos, 0 no, en el

pasado.

Las personas estiman la frecuencia, la probabilidad, 0 las causas

probables de un evento, segun el grado por el cual las ocurrencias 0

d) Insensibilidad a las tasas de base:

circunstancias de ese evento estan "disponibles" en su memoria. Un

Tambien lIamada Ley de los pequefios numeros, se tiende a ignorar las

evento que evoca emociones y es vivido, facilmente imaginado, estara

tasas de base al evaluar la probabilidad de los eventos cuando

mas disponible en la memoria que otro que es no emocional en

cualquier otra informacion descriptiva es provista, aun cuando esta sea

naturaleza, borroso, dificilmente imaginable, 0 vago. (ver caso Numeros

irrelevante. Por ejemplo, cuando se describe una persona, y luego se

Binarios: Neuquen, Menem, Dinamarca e Iguanas)

pregunta si es ingeniero 0 portero, la gente ignora que en la comunidad

a la que pertenece hay 10 ingenieros y 1.000 porteros, y por

a) Facilidad para recordar:

consiguiente es mucho mas probable que independientemente de su

Se juzgan los eventos que son mas facilmente recordados, 0 que

apariencia, de su descripcion, la persona sea portero. (ver mas arriba:

fueron recientemente vividos, como mas numerosos que los de igual

TAXIS).

frecuencia cuyos acontecimientos son menos faciles de recordar.

e) Insensibilidad al tamano de la muestra:

b) Recuperabilidad:

Frecuentemente, se falla al apreciar la importancia del tamafio de la

Los individuos estan sesgados en su evaluacion de la frecuencia de los

muestra, al evaluar la confiabilidad de la informacion de la misma.

eventos, segun como sus estructuras de memoria afectan el proceso

Segun Rabin, esto describe la tendencia humana a lIegar rapidamente

de busqueda.

a conclusiones, a partir de muestras pequefias. (ver mas arriba:

Hospitales V caso Ajedrez - "grandes numeros")

*Sintesis parcial extrafda de una ponencia presentada par los autores en las
Jornadas de Epistemologfa 2006 de la FCEUBA. (17) f) Mal concepto de la aleatoriedad:

Los individuos esperan que una secuencia de datos generados por un

proceso aleatorio se vera "aleatoria", aun cuando la secuencia sea

demasiado corta para ser valida estadfsticamente.

218
Esto tambien se ve reflejado por la "falacia del jugador", creencia
equivocada de pensar que, si en una ruleta varias veces seguidas 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)
Regresion a la media:
Se tiende a ignorar el hecho de que eventos extremos
regresar a la media en
h) La falacia de la conjunci6n:
Los individuos falsamente juzgan que los eventos
eventos Goncurrentes) son mas probables que un
de ocurrencias del eual la conjuncion es un
HEUF~isTICA DELANCLAJE Y DEL AJUSTE
Las personas hacen estimaciones comenzando por un valor inicial y
para a una decisi6n final. EI valor inicial, 0 punto de
haber side sugerido por hist6ricos, por la
forma en que el se presenta, par informaci6n aleatoria, 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, irracionalmente cerca de ella.
i) Insuficiente ajuste del anclaje:
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
al determinar el valor final.
219
j) Sesgos de eventos conjuntos y disjuntos
Los individuos exhiben un sesgo hacia la sobreestimaci6n de la
de eventos conjuntos, y a 113 subestimaci6n de la
probabilidad de eventos
k) Sobreconfianza:
Los individuos tienden a ser sobreconfiados en la infalibilidad de sus
a juicios cuando responden preguntas moderada a extremadamentf:l
diHeiles.
I) La trampa de la confirmaci6n:
Los individuos tienden a buscar informacion confirmatoria de 10 que
que es e ignoran evidencia no confirmatoria.
Percepci6n retrospectiva y la confiabilidad del conocimiento
de averiguar si 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 ianorar la informaci6n
que poseen y que otros no tienen, cuando
de otros.
n) Efecto encuadre 0 Marco:
Los objetos sujetos a eJeccion son representaciones mentales, no
estados objetivos del mundo. Este sesgo revela una limitacion
de la mente hurnana. La misma "realidad", la porcion de la
de la forma "IB", es identificada como "[3", cuando aparece
"N y "C", Y como "13" cuando aparece entre "12" y "14". La
del marco de referencia y la evaluaci6n intuitiva
de los resultados tambien. Los encuadre no son una curiosidad
de laboratorio, sino una realidad (Kahneman,2003)
n) Efecto reflexi6n:
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 por el
frente a alternativas can perdidas (ejemplo: el ser humane
perder $ 4.000, con probabilidad 0,8, a perder $3.000 con seguridad).
22~O:~~ ___ ~__ . . _..........
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 re~levamientos 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 descriptiv~. Las herramientas
desarrolladas durant~ el presente trabajo pueden resultar un
auxilio significativ~ en tal sentido.
221
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
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.
223
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
-----------------------------------------------------------------~--~-----
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? GY es racional tener
tales creencias 0 convicciones? L Y 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 y buena parte de la leoria de la
Decisi6n trata sobre ello.
Entonces, parece claro que el distingo entre la forma como las
decisiones se toman y la forma como deberian ser tomadas no 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,
225
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.
 227
226
APENDICE
Ahora bien, ~que sucede si los datos a ingresar se ven afectados A) FORMULAS COMBINATORIAS
limitaciones teenicas del decisor 0 por la impranta subjetiva que este
les pueda imprimir 0 por la presencia de sesgos cognitivos Camencemos por Pm =n! F5
generalizados tales como los descriptos por Kahneman y Tversky? La
respuesta es obvia. Tenemos que acomodar letras A, B, C Y 0 en cuatro casilleras.

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 Todas, los 4 elementos tienen que estar. Pera hay distintos 6rdenes

anterior. posibles. Hay distintas formas ordenar los elementos. L Cuantos

6rdenes son?

De alii la importancia que, aun desde su ral instrumental, Ie

adjudicamos.
Analizemos:

Podemos ubicar una de las letras, p/ej. B, en cualquier de los 4 lugares.

Hay 4 formas de ubicar la B.

Luego seguimos con otra letra, p/ej. D. Ahora solo nos quedan 3

lugares para eleglr.

Cada una de las 4 formas de ubicar la primera letra puede estar

acompanada por 3 formas de ubicar la segunda.

Hasta aquf, tenemos 4.3 = 12 formas de ubicar las 2 primeras letras.

Para ubicar la tercera nos quedan 2 lugares y ya son 24 las formas de

ubicar las 3 primeras letras .. 4 . 3 . 2.

=
Para la ultima solo queda un luaar: 4 . 3 . 2 . 1 := 4! Pm

Sigamos can Vn,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. ~Cuantos regalos se entregaran?

Para poder cumplir can la promesa cada uno los amigos debera

comprar siete regalos. Luego Lcuc~mto regalos compran entre todos?

228
229

Es obvio: 8 7 = 56

Para expresar esto formalmente diriamos: Vn =n . ) (1)

Pero dijimos que tal orden ahora no nos interesa puesto que, a los
efectos de nuestro problema, el grupo AS es tambien el grupo BA.
Tambien es obvio que el regalo que, por ej., A Ie hace a B es uno de

los 56. Como tambien 10 es el que B Ie hace a A.

En tal caso debemos "despermutar" nuestra formula dividiendo el
resultado por Pm= m
De modo que el regalo AB no es el mismo regalo que SA.

Como se aprecia, la combinacion AS es distinta que BA.

n!
Volvamos ahora a la expresion (1)

AI escribir n. (n-1) me siento inclinado a aprovechar la funcion factorial

. _ _In.:rnlL = n! _1__. :::; _---'-''--__ :::; Cn, m F4
y reemplazar n. (n··1) por n!
m! (n-m)1 m! m! . (n-m)I
Pero ambas cosas no son 10 mismo: 8. 7 no es igual a 8.7.6 .... 2.1.

Sin embargo, puedo emplear un artificio: divido 8.7.6 .... 2.1 sobre
6 .... 21. B) LOGARITMOS
Y asi nos queda:
Vn,m = Aun con el perjuicio de perder algun rigor academico, ya que nuestra
(n--m) intencion es una explicacion simple e intuitivamente perceptible de esta
herramienta, comencemos por definir que es un logaritmo:

Pasemos ahora a FA : Cn,m
Partamos de la FT
= Dado un numero positivo (no existen ··rIO estan definidos- los logaritmos
m' . (n-m)! de numeros negativos) al que lIamaremos A y otro numero positivo B al
que lIamaremos "base" se define como logaritmo base B de A al
exponente al cual hay que elevar B para obtener A.

Ya sabemos que dicha formula recuenta todas las formas de

Ejemplifiquemos: si A:::: 1.000 y B :::; 10 entonces

seleccionar m elementos de un grupo de n elementos, incluyendo el

EI logaritmo base 10 de 1 000 es el exponente al cual hay aue elevar

recuento de los distintos ordenes que cada grupo pueda tener
3
10 para obtener 1. 000 0 sea 3, ya que 10 1.000
internamente.

EI antilogaritmo base 10 de 3 es -I. 000, 0 sea la operacion inversa.

Pero ahora supongamos que dicho orden no nos interesa.

P/ej., tenemos que seleccionar 2 personas de entre 5.

A partir de esta definicion podriamos decir que cualquier numero
Si aplicamos F7 obtendrernos el numero de grupos distintos de 2
(entero 0 no, pero positivo) puede operar como base de logaritmos.
personas que podemos conformar, incluyendo el hecho de considerar

como distintos a los grupos compuestos por la mismas personas pero

Sin embargo, los mas utilizados son los logaritmos base 10 Y
con distinto orden interno.
logaritmos naturales 0 neperianos (In) que utilizan como base el
numero e = 2,71828
 231
2.10

que tenemos el siguiente producto: 5 x 6 = 30

Pero nosotros, para su aplicacion al calculo de variedad
otra via:
utilizamos logaritmos base 2 debido a las justificaciones expuestas en
5 + IOg1O 6::: 0,6989 + 0,7781 1,4770
el punto V. Esto podria aparecer como un problema, ya que la mayoria
Calculamos ahara el antilog 1o 1 ::: 30
de las calculadoras cientlficas de mano solo incluyen funciones para el
Como puede apreciarse, 10 que resolvimos como
calculo de logaritmos de base 10 Y neperianos.
numeros naturales 10 podemos obtener igualmente como ...,rli,...iA ....
via de logaritmos.
se supera facilmente ya que una propiedad
"\",rtYlitnn reconvertir sus pasando Esta propiedad es muy apropiada y utilizada en el tratamiento de
~ es grandes numeros.
de una base a otra seglJn
Analogamente, la potenciaci6n y la radicaci6n de los numeros naturales
se resuelven como producto y cociente en el campo de los logaritmos:
Por ejemplo: para convertir un logaritmo de base 10 en uno de base 2
solo tenemos que multiplicarlo por 3,322.
As!, log2 1 . 000::: 109101.000 . 3,322 ::: 9,966
Desde luego, para convertir un logaritmo de base 2 en uno de base 10 3
hay que dividirlo par la constante 3,322
c;
\J 27 '::1
._'

En el siguiente grafico se detallan las principales relaciones de

conversion (ver caso BALANZA Y

Cor··HHANTES DE

2 C) PROBABILIDADES

~
En este apartado intentaremos exponer una breve recopilaci6n de los
>< aSIOelGto,s basicos relacionados con el calculo de probabilidades desde
una

x
%~~ Como se recardara, segt:1t1 dijimos en el
conceptuales de abordar la noci6n de
III existen tres

~ 10
.....7 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
Cornentamos ahora una propiedad de los logaritmos
formula, basad a en conocimientos, experiencia 0 lin "razonable grado
los efectos de la definicion de la formula de Entropia
de creencia".
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
cognitiv~ 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
B4
Esta expresi6n encierra una idea basica: los dos comportamientos
posibles son igualmente posibles 0 equiprobables.
Si la moneda estuviese cargada, entonces uno de los dos
comportamientos tendria mayor propension a suceder que el otro y la
expresi6n anterior perderfa consistencia.
l,Que ud. para conocer las probabilidades de uno de los
sucesos en una moneda cargada?
Efectivamente, podemos apelar a los mecanismos de las
probabilidades frecuenciales comentados mas arriba., es decir
la moneda un numero significativamente impoliante de veces (tener en
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 luego aplicarse como estimaciones probabilisticas.
l,Porque eXlgimos que el numero sea grande?
SI arrojamas una moneda normal 10 veees no serfa tan extrano que
saliera, por ejemplo, 7 caras y 3 secas. Hay una determinada
probabilidad de que ello ocurra (Iuego la calcularemos).
J?\UU0 en sus
Si acurre, la estimaci6n te6rica a P 5 Y 5 casos se
confrontada can una frecuencia empfrica 7 y 3 casos.
bien, l,Sera esto igual en el caso de que arrojemos la
100 veces?
Puede ocurrir que salgan 70 caras y 30 secas. Hay una determinada
prababilidad de que asi suceda (Iuega la calcularemos).
esta probabilidad igual a la anterior. La respuesta es no. Luego
comprobaremos que esta segunda distribuci6n ernpfrica es
altisimamente mas improbable que la <=Intor;..,
235
Esto demuestra que a medida que aumenta et nLlmero de experiencias
los resultados tiene cada vez menos propensi6n a alejarse de la media,
o 10 que es 10 mismo, la distribuci6n empirica tiende a acercarse a la
probabilidad aprioristica.
Par tal motivo, cLianto mayor es el numero de experiencias (cuanto
mas extendida es la rnayores garantias tendremos en la
validez del procedimiento de estimacion.
Volvamos a nuestra moneda normal. Observemos que la probabilidad
de los dos sucesos posibles deben sumar 1 (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),
entonces la suma de sus respectivas probabilidades debe ser igual 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
Veamos ahara que sucede si arrojamos dos monedas.
Tenemos dos formas de considerar el caso (ver TRES
dos versiones).
a) las monedas se arrojan juntas.
b) las manedas se arrojan sucesivamente (0 bien la misma dos
veces seguidas).
En el primer casa, podemos obtener tres resultados diferentes a saber:
Dos caras, dos secas y una seca y una cara. Los tres sucesos son
mutuamente excluyentes y sus probabilidades respectivas suman 1.
Podriamos pensar entonees que cada uno de los tres sucesos tiene 1/3
de probabilidades ocurrir

 237
236

Supongamos que nos preguntan cual es la probabilidad de que al

Ocurre que no es as!, porque para que se verifique el primer suceso (2 hacer esto obtengamos por 10 menos una cara. Pienselo, luego
caras) hay una sola forma posible: que la moneda A salga cara y la volvemos sobre esto.
moneda B salga cara, para que se verifique el segundo suceso (2
secas) es necesario que A salga seca y B salga seca. En realidad, como resultado del experimento podemos obtener las
En cambio, para que se verifique el tercer suceso (una seca, una cara) siguientes configuraciones:
hay dos conformaciones que 10 pueden producir: A cara y B seca 0 A
seca y B cara. 1a Moneda 2 a Moneda
cara cara
Siendo asi, diriamos que el fenomeno no es equiprobable y el tercer cara seca
suceso tiene una probabilidad mayor de ocurrir. seca cara
seca seca
Para comprender como calcular estas probabilidades debemos entrar
en el terreno de las probabilidades conjuntas. ~Dirjamos ahora que las cuatro conformaciones son igualmente

posibles?

La respuesta es: sf. Son cuatro sucesos conjuntos mutuamente

excluyentes e igualmente probables.

PROBABILIDAD CONJUNTA
Luego la probabilidad de Gualqlliera de ellos es 1/4 0,25
La probabilidad conjunta de dos sucesos es la probabilidad de que
ambos se verifiquen simultaneamente. Va de suyo que no estamos PCC PCS PSC PSS
hablando de sucesos mutllamente excluyentes ya que estos no 0,25 0,25 0,25 0,25
pueden, por definicion, ocurrir simultaneamente, sino de sucesos
independientes.
Si embargo, tenemos otra forma de lIegar a la misma conclusion.
Si dichos sucesos son independientes, entonces la probabilidad
conjunta de ambos se calcula como el producto de sus respectivas LCual es la probabilidad de que la 1a moneda sea cara?
probabilidades individuales: Obviamente: 0,5
cual es la probabilidad de que la 2 a moneda sea cara?
P IAnB) = PA . PB TambiEm 0,5

LQue significa que dos sucesos son independientes'?

~Son estos dos sucesos independientes? Absolutamente si. Lo que
Que la ocurrencia 0 verificacion de uno de ellos no afecta, ni
ocurra con la 1a moneda no influye ni condiciona 10 que ocurra con la
condiciona, ni influye, ni esta correlacionada COil la ocurrencia del otro.
2a .

Para ejemplificar, pasemos a nuestro segundo experimento arrojando

Siendo as!, la probabilidad conjunta de esto dos sucesos es:
las dos monedas en forma sucesiva.

 -------------------------------------------------------------------------------------------------------------------------------------------------------------

238 239

p(PCn2 8 C)= P1 a C. P2 a C= 0,5 = CCSCSCCCCS

Esto se lee: La probabilidad conjunta de que la primera moneda sea GCual es la de se esta secuencia en
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).
Pues: Pc . Pc . Ps . Pc . . Pc . Pc . Pc . Ps :::
Desde luego la operaci6n es idemtica para las cuatro canformaciones.

0,5.0,5 . 0,5 . 0,5 . 0,5 . 0,5 . 0,5 ::: 0,5 10 ::: 0,0009765
a) Si arrojamos las monedas juntas la de dos caras es
LY la probabilidad de que salga esta distribuci6n?
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
SCCCCCCCSS
cumplen con el requisito de mostrar una cara y una seca.

b) LFrente a este ultimo experimento, cUEd es la probabilidad de

10 adivin6: tambiEm
obtener par 10 menos una cara? Basta can notar que hay tres
conformaciones que cumplen con el requisito (hay tres' casos el problema se reduce a distintas
favorables). hay can 7 caras y 3 secas:

PCC + PCS + PSC = 0,25 + 0,25 +0 0,75 Pues, Ci0,? (0 tambien C10,3), que solo se trata de seleccionar
las siete posiciones de entre diez en que ubicaremos una letra C
En realidad, para calcular esto mismo, apelar a un
mecanisme mas practico que consiste en restar de 1 la probabilidad del Hay C10,7 = 120 cadenas, todas las cuales tienen una probabilidad
suceso que no cumple con el requisito (caso desfavorable): de ocurrir de 0,0009765.

1 PSS::: 1 - 0,25 = 10 tanto, la probabilidad de obtener 7 caras al arrojar 10 veces

una moneda es de:
Este procedimiento es conocido como el calculo de la probabilidad
disjunta y tiene amplia aplicacion practica, como se ve en el Capitulo X 120. 0,1172 (1)
para el calculo de las probabilidades de coincidencia de cumpleanos.
Por economia de palabras ud. calcular si
c) Ahora podemos calcular la probabilidad de arrojar 10 veces una mismo procedimiento), Ie informamos que la
moneda y sacar 7 caras y 3 secas. caras y 30 secas arrojando 100 veces sucesivas una rnr.n.cf"i

Una de las conformaciones que el requisito es, en orden

sucesivo: C100,70.0,5 100 0,00002317 (2)
240 241

Par favor compare (1) Y (2) Y recuerde el comentario que hicimos consideradas y suman, tanto horizontal como verticalmente. los
mas arriba sobre el tema. porcentajes consignado en los totales
P/ej., el de los alumnos estudian economicas y son varones. EI
1 los alumnos estudian economicas y son mujeres. EI 15 % de
PROBABILlDADES CONDICIONALES estudian medicina y son varones. EI 20% de los alumnos
probabilidades condicionales resultan de aplicacion al h~f~~ estudian sociales y son mujeres. Etc.
sucesos que no son independientes, es decir, sucesos
alguna forma de mutua tal que la tPorque senalamos las "y" en negrita? Con ello queremos resaltar el
la hecho de que el porcentaje se refiere a la reunion en forma conjunta
de dos atributos. Por favor, retengase este dato
el tema nos de un ejemplo: el grafico siguiente
Ahora vamos a hacernos algunas preguntas para el
datos (ficticios) un relevamiento realizado entre los
cuadro.
que desarrollan sus cursos en el sector rodeado por las
loSi seleccionamos un alumno al azar, cual es la probabilidad de que
Viamonte, Junin, M. T. de Alvear y Azcuenaga de la Caprtal
sea varon? Obviamente
Como se sabe, alii funcionan las Facultades de Ciencias
loSi seleccionamos un alumno al azar, cuill es la probabilidad de que
Economicas, Medicine (y Odontologia, Bioquimica, etc. ) y Ciencias sea estudiante de medicina? Obviamente 0,2.
Sociales. seleccionamos un alumno al azar, cuill es la probabilidad de que
sea varon y estudiante de medicina. Obviamente 0,15, ya que el 15%
de los alumnos son varones y estudian medicina.
E tv1 L-"
...,:::1 T
Este 15% empirico, que asumimos como probabilidad frecuencial,es
una probabilidad conjunta. (prob de var6n y estud. de medicina).
Sin embargo, debemos observar un detalle significativo:

La probabilidad conjunta de estos dos sucesos, a) ser varon y

estudiar medicina, no es el producto de las probabilidades de cada
T I O,E> 0,2 0,:3
uno de los sucesos par separado. (0,6 x 0,2 no es igual a 0,15)

es la raz6n?
La interpretaci6n de los datos es la siguiente:
estos dos sucesos no son independientes y la ocurrencia
Del total de alumnos (100% 1), el 60% ::: 0,6 son varones y el L].r IU/,., :::::
uno de ellos afecta la probabilidad de presentarse del otro.
0,4 son mujeres.
Del total de alumnos (1), el 50% 0,5 estudia economicas, el 2 Ejemplifiquemos mirando nuestro cuadro y deduciendo:
Sabemos que la probabilidad de seleccionar al azar un var6n es de
estudia medicina y el 30% ::: estudia sociales.
Ahora bien supongamos que seleccionamos un alumno al azar y este
Los datos del interior de la en el sector de trazos fin~s,
resulta ser estudiante de economicas, Leual es la probabilidad de que
representan los porcentuales combinados de las dos variables
tambien sea varon? 0 dicho de otra manera. si se un
242 24J

y se cUmple la condici6n de ser estudiante de economicas, Su desconocimiento es fuente del sesgo descripto por Kahnernan y
es la probabilidad de que sea varon? rver-sky como de "insensibilidad a las tasas de base".
Veamos: 5i el alum no seleccionado es estudiante de economicas, Aplicando la f6rmula bayesiana al caso de los TAXIS relatado en el
entonces forma parte del 50% del total sigue dicha carrera. Y si de X vernos que la probabilidad de que el taxi responsable del
cada 50 que estudian econ6micas son varones, entonces el accidente sea un taxi azul, tal como 10 afirma el testigo (80% confiable)
porcentaje de varones en econ6micas es de = 0,7. resulta ser de:
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.
 245

CITAS BIBLIOGRAFICAS

(1) PAVES I , Pedro. "La Decisi6n" . FCEUBA- CECE118

(2) PAVES!, Pedro "Cinco leeturas sobre algunos problemas
practicos del decidir" CECE.FCEUBA
SIMON, Herbert, Comportamiento Administrativo" Aguilar,
Madrid,1962
(4) PAVES! BONATTI, AVENBURG Y Otros. "La Decisi6n . Su Teoria
y Practica" Norma, Buenos Aires, 2004
(5) PAVES I, Pedro. "EI Universo y su Comportamiento" FCEUBA
CECE 154.
(6) ONITSCANSCHI, Guillermo. "Notas sabre elementos de la
decisi6n" FCEUBA- CECE 151
(7) PAENZA, Adrian, "Matematica ... Lestas ahf?". Siglo XX1.2005.
Ross Ashby. "lntroducei6n a la Cibernetica". Nueva Visi6n, 1960
(9) Fuente: Wikipedia.
(10) PAVESI, Pedro. "La incertidumbre del Universo". FCEUBA - CECE
152
(11) SHANNON, Claude. 'The Mathematical Theory of
Communication". University of Illinois, Urbana, 1948.
(11 b) Fuentes: www.fisicanet.com.aryjfinternational.com/mf
(11 c) 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. Godino y 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 perspective on economics.
American economic review.
Kahneman, D. (2003). Maps of bounded rationality: psychology for

behavioural economics. American economic review.

Kahneman, D. y Tversky, A (1979). Prospect theory: an analysis of

decision under risk. Econometrica.

246
Kahnernan, D. , Siovic, P. y Tversky, A ,Judgement under Uncertainty-
Heuristics and Nueva York, Cambridge University Press.
(16) De Pablo, cJ.C. (2005). Despues de Kahneman y Tversky; ~,Que
queda de la Teoria Econ6mica? Revista de Estadfstica y 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 2006 de la FCEUBA
(18) Incerlidumbre y La eiene/a de Tomar Deeisiones Editorial
Discovery-Alga
247
BI RAFIA CONSULTADA
Ader y otros Organ/zaciones
M. (1987). Allais paradox, The new palgrave. A dictionary
economics. Macmillan.
BATANERO, M.C.; GODINO, J.D. Y NAVARRO-PELAYO, V. (1994).
Razonamiento combinatorio. Madrid: Sintesis.
D. (1738). Exposition of a new theory on the measurement
risk". Reproducido en Econometrica (1954).
Biagini, L (2005). La evidencia y el proceso de toma de decisiones.
med Chile, Vol. 133.
Braidot N.P. (2005). Neuromarketing. Neuroeconomia y Negocios.
Editorial Puerto Norte,
Cohen, L. Jonathan, Can Human Irrationality be Experimentally
Demonstrated?
Combs B., Siovic P. (1979). Causes of death: biased newspaper
coverage and biased judgments. Journalism
Elstein A.S. (1976). Clinical judgment: psychological research
medical practice. Science.
FISCHBEIN, (1975). The intuitive sources of probabilistic thinking in
children. Dordrechi: Reidel.
FISCHBEIN, E. Y GAZIT, A (1988). The combinatorial solving capacity
in children and adolescents. Zentralblatt f{jr Didaktik der Mathematik, v.
5, pp. 193-198.
Gardner, Howard - La Nueva Ciencia de la Mente
Hershberger P.J., Part H.M., Markert R.J., Cohen M., Finger W.W.
(1994) . Development of a test of cognitive bias in medical decision
making. Acad Med.
NHELDER, B. Y PIAGET, J. (1955). De la logique de I'enfant ala
logique de I'adolescent. Paris: P.U.F.
Kahneman, D. (2003). A psychological perspective on economics.
American economic review.
Kahneman, D. , Slovic, P. y Tversky, A - Judgement under Uncertainty:
Heuristics and Biases, Nueva York, Cambridge University Press.
Kahneman, D. (2003). Maps of bounded rationality: psychology for
behavioural economics. American economic

 --~- ---~~----------------------------------------------.---------------------------

248 249

GRAFICOS Y REPRODUCCIONES

(0) www.sanfrancisco.gov..ar
(1) www.aboutfacesentertainers.com
(2) www.ugt.es - www.leisenlinea.org www,tierradegauchos.com
(3) www,esa.int/images/telefono
(4) www.portaldeI9.com.ar/4.jpg
(5) www.cordobaweblogs.com.ar
www.heladosriggio.com.ar
www.canaltextil.solostocks.com

(1
(11 )
(12) www.equipped.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 1024.j P

Y PROVERBIOS: Fuentes:

www.
www.frasedehoy.com
Este Libra se termino de en elmes de Marzo de 2007 en

Malke, Av, Cordoba 2210 de Buenos Aires. Argentina

Telefono: (54-11) 4952-4993/4951-6110