Paradojas Matemáticas on kenji.blog

¿'Positivo en la prueba' no siempre significa 'enfermedad'?: La falacia de la tasa base

Thu, 10 Sep 2026 21:00:00 +0900

Cualquiera entraría en pánico si recibe un resultado “positivo (anormal)” en un chequeo médico o en las pruebas de detección de cáncer. Sin embargo, con conocimientos de estadística y probabilidad, es posible que pueda respirar hondo y mantener la calma. Esto se debe a que “dar positivo en una prueba de alta precisión” no significa necesariamente que “la probabilidad de estar realmente enfermo sea alta”.

Este es un sesgo cognitivo típico en el que la intuición humana se equivoca enormemente en los cálculos de probabilidad, conocido como “falacia de la tasa base (Base Rate Fallacy)” o “negligencia de la probabilidad previa”.

El aterrador problema del chequeo médico

Imagina la siguiente situación:

En una ciudad, existe una enfermedad desconocida que infecta a 1 de cada 10.000 personas (0,01%). Para detectar esta enfermedad, se ha desarrollado un excelente kit de prueba con una “precisión del 99%”. (*Una precisión del 99% significa que si una persona enferma se somete a la prueba, hay un 99% de probabilidad de que sea diagnosticada correctamente como “positiva”, y si una persona sana se somete a ella, hay un 99% de probabilidad de que sea diagnosticada correctamente como “negativa”.)

Casualmente, te sometes a esta prueba y el resultado es “positivo”. Ahora bien, ¿cuál es la probabilidad real de que estés infectado con esta enfermedad?

Muchas personas responderán intuitivamente: “Dado que la precisión de la prueba es del 99%, la probabilidad de que yo esté enfermo también debe ser del 99%”. Sin embargo, la respuesta matemática correcta es “aproximadamente 0,98% (menos del 1%)”.

¿Por qué, a pesar de tener una precisión del 99%, la probabilidad real termina siendo menor al 1%?

El Teorema de Bayes y la visualización del total

La clave para resolver este problema no es solo la precisión de la prueba, sino considerar “qué tan rara es originalmente esa enfermedad (tasa base / probabilidad previa)”. Visualicemos este fenómeno contraintuitivo utilizando una gran población de 1 millón de personas.

Población total: 1.000.000 de personas
Personas realmente enfermas (1 de cada 10.000): 100 personas
Personas sanas: 999.900 personas

A este millón de personas se les aplica la prueba con una “precisión del 99%”.

1. Cuando las personas realmente enfermas (100 personas) se hacen la prueba

Dado que la precisión es del 99%, quienes son diagnosticados correctamente como “positivos” son: 100 personas × 99% = 99 personas (Verdaderos positivos)

2. Cuando las personas sanas (999.900 personas) se hacen la prueba

Dado que la precisión es del 99%, hay personas que son diagnosticadas incorrectamente como “positivas” con una probabilidad del 1% (falsos positivos): 999.900 personas × 1% = 9.999 personas (Falsos positivos)

graph TD A["Población total (1,000,000 personas)"] --> B["Personas enfermas (100 personas)"] A --> C["Personas sanas (999,900 personas)"] B -->|99% acierto| B1["Verdaderos positivos (99 personas)"] B -->|1% error| B2["Falsos negativos (1 persona)"] C -->|99% acierto| C1["Verdaderos negativos (989,901 personas)"] C -->|1% error| C2["Falsos positivos (9,999 personas)"] B1 -.-> D{"Total de diagnosticados como 'positivos': 10,098 personas"} C2 -.-> D style A fill:#ECEFF1,stroke:#333 style B fill:#FFCDD2,stroke:#333 style C fill:#C8E6C9,stroke:#333 style B1 fill:#F44336,stroke:#333,color:#fff style C2 fill:#FF9800,stroke:#333,color:#fff style D fill:#FFF9C4,stroke:#333,stroke-width:2px

Tu verdadera probabilidad de estar enfermo

Ahora, el médico te ha informado que “eres positivo”. Esto significa que has entrado en el grupo en la parte inferior derecha del diagrama: “Total de diagnosticados como ‘positivos’ (10,098 personas)”.

Dentro de este grupo, ¿cuál es la proporción de “personas que realmente están enfermas (verdaderos positivos)”?

$$ \text{Probabilidad de estar realmente enfermo} = \frac{\text{Verdaderos positivos}}{\text{Total de diagnosticados como positivos}} = \frac{99}{99 + 9,999} = \frac{99}{10,098} \approx 0.0098 $$

El resultado del cálculo es aproximadamente 0,98%. A pesar de que te hayan dicho “positivo”, la probabilidad de que estés sano (falso positivo) es abrumadoramente mayor (alrededor del 99%).

¿Por qué se equivoca la intuición?

Este fenómeno se explica matemáticamente por el “Teorema de Bayes”, que calcula probabilidades condicionales, pero el cerebro humano es muy malo en este cálculo.

La razón por la que cometemos errores es que nos distraemos con la información individual e intensa que se nos proporciona de inmediato ("¡El resultado de tu prueba es positivo! ¡La precisión es del 99%!"), e ignoramos los enormes y aburridos datos estadísticos de fondo (“Para empezar, solo 1 de cada 10.000 personas tiene esta enfermedad (tasa base)”).

Debido a que la “rareza de la enfermedad (0,01%)” es mucho más extrema que la “imprecisión de la prueba (1%)”, un pequeño error en la prueba abruma rápidamente el número real de personas enfermas.

La “falacia de la tasa base” oculta en la sociedad

Esta ilusión causa pánico y juicios erróneos no solo en la atención médica, sino en diversas situaciones.

Sistemas de reconocimiento facial y terroristas: Incluso si una cámara de reconocimiento facial con una precisión del 99,9% encuentra a un “terrorista” en un aeropuerto, la probabilidad base de que haya terroristas es extremadamente baja, por lo que la mayoría de los atrapados serán personas inocentes comunes y corrientes con caras similares (falsos positivos).
Accidentes de tráfico y conductores mayores: Incluso si sientes que es peligroso después de ver en las noticias que “el 〇〇% de los coches que causaron accidentes eran conducidos por personas mayores”, no puedes saber si un grupo de edad en particular es realmente propenso a causar accidentes a menos que consideres “la proporción de conductores mayores entre todos los conductores que circulan por las carreteras para empezar (tasa base)”.

La “falacia de la tasa base” nos enseña la importancia del pensamiento estadístico: exactamente cuando vemos números impactantes o casos individuales, debemos volver a preguntarnos "¿qué tan probable es que esto suceda dentro del panorama general en primer lugar? (tasa base)".

¿Cuándo deja de ser un montón de arena al quitar un grano?: La paradoja del montón

Thu, 10 Sep 2026 21:00:00 +0900

Imagina que tienes frente a ti un magnífico montón de arena compuesto por 10.000 granos. Cualquiera diría que esto es un “montón de arena”. Ahora quitas un solo grano. 9.999 granos. ¿Sigue siendo un montón de arena, verdad? Quitas otro grano. 9.998 granos. Esto también sigue siendo un montón de arena.

Repitamos esta operación. Quitar un solo grano no debería convertir un “montón de arena” en “algo que no es un montón de arena”. Sin embargo, si repetimos esta lógica indefinidamente, al final solo quedará un único grano de arena.

¿Un grano de arena es un “montón de arena”?

Por supuesto, nadie llamaría “montón de arena” a un solo grano. Sin embargo, nunca negamos la premisa de que “quitar un grano no cambia el hecho de que siga siendo un montón de arena”. En algún punto la lógica se quiebra, pero ¿en qué grano exactamente dejó de ser un montón de arena?

Esta es la “Paradoja del montón (Paradoja de Sorites)”, que se remonta al filósofo de la antigua Grecia Eubúlides, del siglo IV a.C.

Estructura lógica

Esta paradoja puede expresarse en forma de silogismo de la siguiente manera:

Premisa 1: Una colección de 10.000 granos de arena es un “montón de arena”. Premisa 2: Si se quita un grano de un montón de arena, sigue siendo un “montón de arena”. Conclusión: Por lo tanto, un solo grano de arena también es un “montón de arena”.

Tanto la premisa 1 como la premisa 2 suenan muy razonables por separado. Sin embargo, al aplicar la premisa 2 repetidamente, se llega a una conclusión claramente errónea.

¿Por qué esta paradoja no tiene solución?

El núcleo de la paradoja del montón de arena radica en que la palabra “montón de arena” es esencialmente ambigua. No existe una definición clara (un umbral) de “cuántos granos se necesitan para que sea un montón de arena”. Este tipo de concepto se denomina “predicado vago (vague predicate)”.

Nuestro lenguaje cotidiano está lleno de palabras ambiguas como estas.

“Alto”: ¿a partir de cuántos centímetros? Una persona de 180 cm es “alta”. ¿Y si le quitamos 1 mm? ¿Y otro mm más?
“Rico”: ¿a partir de cuánto patrimonio? Con 10.000 millones de yenes eres “rico”. ¿Y si pierdes 1 yen?
“Calvo”: ¿con cuántos cabellos o menos? Con 0 cabellos eres “calvo”. ¿Y si te crece uno?

Todos estos casos tienen exactamente la misma estructura que la paradoja del montón de arena.

Enfoques de los filósofos

1. Enfoque epistemológico (el límite sí existe)

Este enfoque sostiene que “en realidad existe un límite claro entre montón y no-montón, pero los seres humanos simplemente no tienen la capacidad de reconocerlo”. Por ejemplo, existiría un límite exacto como “5.837 granos es un montón, pero 5.836 granos no lo es”, solo que nosotros no podemos saberlo.

Desde el punto de vista lógico es una postura elegante, pero muchas personas sentirán intuitivamente que algo no encaja.

2. Lógica difusa (valores de verdad graduales)

En la lógica clásica solo hay dos opciones: “verdadero o falso”. En la lógica difusa, los valores pueden situarse “en algún punto entre 0 y 1”.

Por ejemplo:

10.000 granos de arena: “grado de montón = 1,0 (completamente montón)”
5.000 granos: “grado de montón = 0,7”
100 granos: “grado de montón = 0,1”
1 grano: “grado de montón = 0,0 (completamente no-montón)”

Este método es práctico, pero no resuelve completamente la paradoja. Porque surge una nueva ambigüedad: “¿cuál es la diferencia entre un grado de montón de 0,7 y 0,699?”.

3. Supervaluacionismo (Supervaluationism)

Según este enfoque, se consideran simultáneamente todos los límites razonables posibles para la palabra “montón de arena”. Si todos los límites coinciden en que es un “montón de arena”, entonces es “definitivamente un montón de arena”; si todos coinciden en que es “no-montón”, entonces es “definitivamente no un montón de arena”; y el área donde las opiniones difieren se clasifica como “indeterminada”.

Impacto en la sociedad moderna

La paradoja del montón de arena no es un simple juego de palabras; también causa problemas serios en el mundo real de las leyes y las políticas.

Mayoría de edad: A los 17 años y 364 días eres “menor” y a los 18 años y 0 días eres “adulto”. ¿Qué cambia esencialmente en un día?
Umbral de pobreza: Si tus ingresos anuales están 1 yen por debajo del estándar eres “pobre”, y si están 1 yen por encima no lo eres.
Regulaciones ambientales: Si las emisiones de contaminantes superan el límite en 0,001 mg es ilegal. Si están exactamente en el límite, es legal.

El lenguaje y el pensamiento humano contienen ambigüedad por naturaleza, y quizás sea imposible dividir el mundo en dicotomías claras. La paradoja del montón de arena es una paradoja que muestra los límites fundamentales de la inteligencia humana y que ha desconcertado a los filósofos durante más de 2.400 años.

¿La flecha que vuela está quieta?: La paradoja de la 'flecha que vuela' de Zenón

Thu, 10 Sep 2026 21:00:00 +0900

Una flecha disparada por un arco vuela por el cielo. Ciertamente, esta flecha se está moviendo. Sin embargo, Zenón, un filósofo griego del siglo V a. C., desarrolló la siguiente temible lógica:

“La flecha que vuela, en realidad, está quieta”

Esto no es una broma ni un sofisma, sino la “Paradoja de la flecha”, que matemáticos y filósofos han estado debatiendo seriamente durante 2.500 años.

El argumento de Zenón

El argumento de Zenón toma el concepto del “instante de tiempo” como su punto de partida.

El tiempo es una sucesión de “instantes”.
Si capturamos un solo instante (un punto donde la duración del tiempo es cero) como si fuera una “fotografía”, la flecha “está” en un punto específico del espacio.
En ese instante, la flecha solo “ocupa” ese lugar y no se mueve. (Si se estuviera moviendo, requeriría un “lapso de tiempo”, no un “instante”).
Esto es igual sin importar qué instante se tome.
Si la flecha está en reposo en todos los instantes del tiempo, ¿cuándo se mueve la flecha?

graph TD A["Flecha en vuelo"] --> B["El tiempo es una sucesión de instantes"] B --> C["Instante t1: La flecha está en reposo en la posición A"] B --> D["Instante t2: La flecha está en reposo en la posición B"] B --> E["Instante t3: La flecha está en reposo en la posición C"] C --> F{"La flecha está en reposo en todos los instantes"} D --> F E --> F F --> G["Conclusión: ¡La flecha no se mueve!"] style A fill:#2196F3,color:#fff style F fill:#FF9800,color:#fff,stroke-width:2px style G fill:#F44336,color:#fff,stroke-width:3px

Intuición vs Lógica

“Qué absurdo. La flecha realmente está volando, ¿no es así?”, sería la primera reacción de la mayoría de las personas. Sin embargo, señalar lógicamente dónde se equivoca el argumento de Zenón es, de hecho, extremadamente difícil.

Se dice que Diógenes, otro filósofo de la antigua Grecia, respondió a Zenón simplemente poniéndose de pie, caminando por la habitación y demostrando: “Mira, se mueve”. Sin embargo, esto no constituye una refutación de la lógica de Zenón. Lo que Zenón está cuestionando no es “si podemos movernos o no”, sino “si podemos explicar sin contradicciones qué significa moverse usando nuestra lógica”.

La solución (o intento) mediante el cálculo

El cálculo, inventado por Newton y Leibniz en el siglo XVII, proporcionó una respuesta matemática (al menos parcialmente) a esta paradoja.

En el cálculo, la “velocidad en un instante dado (velocidad instantánea)” se define de la siguiente manera:

$$ v(t) = \lim_{\Delta t \to 0} \frac{\Delta x}{\Delta t} $$

Es decir, la velocidad se define como el “límite” en el que la cantidad de cambio en la posición $\Delta x$ se divide por la cantidad de cambio en el tiempo $\Delta t$, acercando $\Delta t$ a cero tanto como sea posible.

El punto clave aquí es que la “velocidad instantánea” no es la distancia recorrida dentro de un lapso de tiempo de cero. Es una cantidad definida como la “tendencia” o “límite” de los cambios minúsculos antes y después de ese momento.

Por lo tanto, la respuesta desde el punto de vista del cálculo sería la siguiente:

“Ciertamente, si extraes un instante de longitud cero, la flecha no se mueve ‘dentro’ de ese instante. Sin embargo, incluso en ese instante, la flecha posee la propiedad de ‘velocidad instantánea (un valor límite distinto de cero)’. Estar ’en reposo’ significa que la ‘velocidad instantánea es cero’, pero como la velocidad instantánea de una flecha en vuelo no es cero, no se puede decir que la flecha esté ’en reposo’.”

Preguntas filosóficas restantes

Aunque el cálculo proporcionó una solución práctica a la paradoja de Zenón, la cuestión no se ha resuelto filosóficamente por completo.

El concepto de “límite” es estrictamente una herramienta matemática (un procedimiento de cálculo) y no responde rigurosamente a preguntas fundamentales como "¿Qué es físicamente la unidad mínima de tiempo (instante)?", "¿Qué es la continuidad?" o "¿Cuál es la esencia del movimiento?".

En la física moderna (mecánica cuántica), se debate la posibilidad de que existan unidades mínimas también para el tiempo y el espacio (tiempo de Planck, longitud de Planck). Si el tiempo es “discreto (digital)” en lugar de “continuo”, la paradoja de Zenón tal vez deba ser reevaluada en un contexto completamente diferente.

Incluso después de 2.500 años, la flecha de Zenón sigue preguntándonos: “¿Qué es el movimiento?” y “¿Qué es el tiempo?”.

¿Por qué empeoró el tráfico al construir una nueva carretera?: La paradoja de Braess

Thu, 10 Sep 2026 21:00:00 +0900

La hora punta de la mañana. Estás harto del tráfico diario cuando llegan buenas noticias: “¡El departamento de planificación urbana ha construido una nueva carretera de atajo de última generación para resolver la congestión!” Todos esperaban poder dormir un poco más a partir de mañana.

Sin embargo, al día siguiente, cuando la nueva carretera se abrió al público, lejos de mejorar, provocó un embotellamiento aún peor que antes, aumentando el tiempo de viaje de todos.

Esto no es una leyenda urbana ni un error administrativo. Es un fenómeno famoso de la teoría de redes llamado “La paradoja de Braess (Braess’s Paradox)”, demostrado matemáticamente en 1968 por el matemático alemán Dietrich Braess.

Modelo de la paradoja: 4.000 conductores

Veamos con un modelo matemático sencillo por qué ocurre el fenómeno de que “hay más carreteras pero todos tardan más”.

Hay 4.000 conductores que se dirigen desde un punto de partida (zona residencial) hasta un punto de destino (distrito de oficinas). Al principio, solo existían las siguientes 2 rutas (ruta superior y ruta inferior):

Ruta superior: Se pasa por la carretera estrecha $A$ y luego por la autopista ancha $B$.
Ruta inferior: Se pasa por la autopista ancha $C$ y luego por la carretera estrecha $D$.

Las “carreteras estrechas” se congestionan cuando aumentan los coches, por lo que el tiempo de recorrido es “número de coches $\div 100$” minutos. Las “autopistas anchas” nunca se congestionan sin importar cuántos coches circulen, y siempre tardan “45 minutos”.

Tiempo de recorrido【antes de la construcción】

Los conductores son inteligentes e intentan elegir la ruta más rápida posible. Como resultado, los 4.000 se dividen equitativamente entre la ruta superior (2.000 personas) y la ruta inferior (2.000 personas).

Tiempo de la ruta superior: $\frac{2000}{100}$ min (carretera estrecha) + $45$ min (autopista) = $65$ minutos
Tiempo de la ruta inferior: $45$ min (autopista) + $\frac{2000}{100}$ min (carretera estrecha) = $65$ minutos

Independientemente de la ruta elegida, el tiempo de recorrido se estabiliza en “65 minutos” para todos.

La trampa de la carretera de atajo

Ahora supongamos que el alcalde construye un “bypass ultrarrápido de ensueño que permite ir del punto intermedio 1 al punto intermedio 2 en 0 minutos (instantáneamente)”.

Los conductores ahora tienen una nueva opción de ruta. Un conductor en el punto de partida piensa así: “Es mejor usar la carretera estrecha A que la autopista C (45 min). Incluso en el peor caso, si las 4.000 personas eligen A, solo tardaría 40 minutos (4000/100).”

Por lo tanto, las 4.000 personas se dirigen a la “carretera estrecha A”. Al llegar al punto intermedio 1, vuelven a pensar: “Es mejor pasar por el nuevo bypass (0 min) y usar la carretera estrecha D que usar la autopista B (45 min). Incluso si todos pasan por D, solo tardaría 40 minutos.”

Por lo tanto, las 4.000 personas pasan por el “nuevo bypass” hacia la “carretera estrecha D”.

Tiempo de recorrido【después de la construcción】

Como resultado de que todos hicieron “la elección más rápida (racional) para sí mismos”, todos terminaron tomando la misma ruta (A → nuevo bypass → D).

Calculemos el tiempo de recorrido:

Carretera estrecha $A$: $\frac{4000}{100} = 40$ min
Nuevo bypass: $0$ min
Carretera estrecha $D$: $\frac{4000}{100} = 40$ min
Total: $80$ minutos

Sorprendentemente, a pesar de la construcción de un cómodo nuevo atajo, el tiempo de viaje de todos empeoró de “65 minutos” a “80 minutos”.

Podrías pensar: “¿No podría al menos una persona usar la ruta antigua (por la autopista)?”, pero si una persona elige la ruta por la autopista (45 min + 40 min = 85 min), tardaría aún más que los 80 minutos actuales, por lo que nadie quiere cambiar de ruta. En teoría de juegos, esto se denomina haber alcanzado un “equilibrio de Nash”. Como resultado de que todos actuaron de manera óptima para sí mismos, el conjunto ha caído en el peor resultado posible.

Ejemplos en el mundo real

La paradoja de Braess no es una mera teoría abstracta; ha sido observada repetidamente en el tráfico urbano real y en sistemas de redes.

1969, Stuttgart, Alemania: Se construyó una nueva carretera para resolver la congestión del tráfico, pero la congestión empeoró. Finalmente, al cerrar esa nueva carretera, el flujo del tráfico mejoró.
1990, Nueva York: Durante un evento del Día de la Tierra, se cerró por completo la “Calle 42”, epicentro de la congestión. Contrariamente a las predicciones de los expertos en tráfico, la congestión en todo Manhattan se redujo drásticamente.
Redes de comunicación: El mismo fenómeno puede ocurrir en el enrutamiento de Internet y en las redes eléctricas. Al añadir nuevos cables o líneas, los paquetes de datos se concentran en “la ruta más corta que parece óptima”, lo que puede provocar la caída de toda la red.

La paradoja de Braess ilustra magistralmente el dilema de las sociedades complejas: “la suma de las decisiones racionales individuales (egoísmo) no siempre conduce al resultado óptimo para el conjunto”. A veces, “eliminar opciones (libertad)” puede beneficiar a todos.

¿Qué tan larga es la costa de Gran Bretaña?: La paradoja de la costa

Thu, 10 Sep 2026 21:00:00 +0900

¿Cuántos kilómetros de longitud tiene la costa de Gran Bretaña? Podrías pensar que la respuesta se encuentra buscando en una enciclopedia o en un libro de texto de geografía. Sin embargo, en la realidad existe el extraño hecho de que “la respuesta cambia dependiendo de cómo se mida, y teóricamente es infinita”.

Esta es la paradoja de la costa (Coastline Paradox). Este descubrimiento fue el catalizador que más tarde dio origen a una rama de las matemáticas completamente nueva llamada “geometría fractal”.

Cuanto más corta es la regla, más aumenta la distancia

Una costa no es una línea perfectamente recta, sino que está compuesta por innumerables ensenadas, cabos e irregularidades en la superficie de las rocas.

Supongamos que medimos la costa de Gran Bretaña con una regla gigante (una línea recta) de 100 km de longitud. Con esta regla, las pequeñas ensenadas y los contornos irregulares de las penínsulas de menos de 100 km son ignorados, creándose atajos.

A continuación, intentemos medir de nuevo con una regla de 1 km de longitud. Entonces, como ahora estaremos midiendo a lo largo de los contornos de pequeñas bahías y cabos que antes fueron ignorados, la longitud total indudablemente aumentará.

Además, ¿qué pasaría si midiéramos cada una de las irregularidades de las rocas con una regla de 1 m, la superficie de las piedras con una regla de 1 cm, y el contorno de los granos de arena con una regla de 1 mm?

graph TD A["Medición de la costa"] --> B["Regla de 100 km"] A --> C["Regla de 1 km"] A --> D["Regla de 1 m"] B --> B1["Ignora pequeñas ensenadas"] B1 --> B2["Resultado: aprox. 2.800 km"] C --> C1["Sigue la forma de las ensenadas"] C1 --> C2["Resultado: aprox. 3.400 km"] D --> D1["Mide hasta las irregularidades de las rocas"] D1 --> D2["Resultado: aumento adicional (teóricamente infinito)"] style B2 fill:#FFCDD2,stroke:#333 style C2 fill:#E57373,stroke:#333 style D2 fill:#F44336,stroke:#333,color:#fff

Lewis Fry Richardson descubrió empíricamente este fenómeno en 1951. A medida que la unidad de medida (la longitud de la regla) se hace más pequeña, la longitud de la costa medida aumenta sin fin.

Dimensión fractal: Entre una y dos dimensiones

Quien dio una explicación matemática a esta paradoja fue el matemático Benoît Mandelbrot. En 1967, publicó en la revista Science un famoso artículo titulado “¿Cuánto mide la costa de Gran Bretaña? Autosimilitud estadística y dimensión fractal”.

Mandelbrot señaló que las formas de la naturaleza, como las costas, poseen autosimilitud (fractales), lo que significa que “no importa cuánto se amplíen, aparece la misma estructura compleja”.

Si fuera una línea matemática pura (unidimensional), su longitud no cambiaría aunque la regla se redujera a la mitad. Sin embargo, como una costa es tan irregular, es más compleja que una línea unidimensional, pero tampoco es una superficie bidimensional con área.

Mandelbrot introdujo el concepto de “dimensión fractal (dimensión de Hausdorff)” para expresar la complejidad de este tipo de figuras. Se estima que la dimensión fractal de la costa de Gran Bretaña es $D \approx 1.25$. Es decir, la costa de Gran Bretaña es una existencia misteriosa cuya dimensión es “mayor que la de una línea unidimensional, y menor que la de una superficie bidimensional”.

Si la longitud de la regla es $s$ y la longitud medida de la costa es $L(s)$, se establece la siguiente relación con la dimensión fractal $D$:

$$ L(s) \propto s^{1-D} $$

En el caso de la costa de Gran Bretaña, como $D = 1.25$, entonces $1 - D = -0.25$.

$$ L(s) \propto s^{-0.25} $$

Esto demuestra matemáticamente que a medida que la longitud de la regla $s$ se acerca a 0, el resultado de la medición $L(s)$ diverge hacia el infinito $\infty$.

Conclusión final: La longitud no se puede definir

El concepto de “longitud” que utilizamos cotidianamente solo funciona para líneas rectas y curvas suaves. Para las figuras fractales que existen en la naturaleza (costas, nubes, cordilleras, ramificaciones de vasos sanguíneos, etc.), preguntar por una “longitud absoluta” en realidad carece de sentido matemático.

“¿Qué tan larga es la costa de Gran Bretaña?” La respuesta correcta a esto es que “depende de la longitud de la regla con la que se mida”, y teóricamente es “infinita”. El hecho de que una longitud infinita esté plegada dentro de un espacio pequeño y limitado puede decirse que es una hermosa paradoja para nuestra percepción del espacio.

¿Se puede llenar de pintura, pero no se puede pintar su superficie? El cuerno de Gabriel

Thu, 10 Sep 2026 21:00:00 +0900

¿Qué pasaría si existiera un recipiente con “un volumen finito pero un área de superficie infinita”? Intuitivamente parece imposible, pero en el mundo de las matemáticas ciertamente existe tal sólido. Esta figura geométrica se llama “El cuerno de Gabriel (Gabriel’s Horn)”, también conocido como “La trompeta de Torricelli”.

Descubierta en 1641 por el matemático italiano Evangelista Torricelli, esta figura causó un gran impacto en los matemáticos y filósofos de la época, desencadenando un intenso debate sobre la naturaleza del “infinito”.

La paradoja de la pintura

Si comparamos las propiedades de esta figura con “pintura” de uso cotidiano, surge la siguiente extraña paradoja.

Si llenamos el cuerno con pintura: Dado que el volumen del cuerno es finito (exactamente $\pi$), solo se necesita verter $\pi$ litros (aproximadamente 3.14 litros) de pintura para llenar completamente el interior del cuerno.
Si pintamos la superficie del cuerno con pintura: El área de la superficie del cuerno es infinita. Por lo tanto, si intentamos pintar la superficie interior (o exterior) del cuerno con una brocha, no importa cuánta cantidad masiva de pintura preparemos, nunca terminaremos de pintarlo.

“Aunque podemos llenar el interior con 3.14 litros de pintura, necesitaríamos una cantidad infinita de pintura para cubrir su superficie” ¿Por qué ocurre esta situación contraria a la intuición?

graph TD A["Cuerno de Gabriel"] --> B["Cálculo de volumen (Integral)"] A --> C["Cálculo de superficie (Integral)"] B --> B1["Volumen = π (Finito)"] B1 --> B2["Se puede llenar el interior con pintura"] C --> C1["Superficie = ∞ (Infinita)"] C1 --> C2["No se puede terminar de pintar la superficie"] B2 --> D{"¡Paradoja!"} C2 --> D style A fill:#FFD54F,stroke:#333,stroke-width:2px style B1 fill:#81C784,stroke:#333 style C1 fill:#E57373,stroke:#333,color:#fff style D fill:#F44336,stroke:#333,color:#fff,stroke-width:3px

Demostración matemática: La magia del cálculo

El cuerno de Gabriel se genera al rotar la gráfica de la función $y = \frac{1}{x}$ (para $x \ge 1$) alrededor del eje $x$. Usemos el cálculo para hallar el volumen $V$ y el área de la superficie $A$ de este sólido.

1. Cálculo del volumen (por qué es finito)

El volumen $V$ de un sólido de revolución se obtiene integrando el área de la sección transversal (un círculo de radio $\frac{1}{x}$).

$$ V = \pi \int_{1}^{\infty} \left( \frac{1}{x} \right)^2 dx = \pi \int_{1}^{\infty} \frac{1}{x^2} dx $$

Calculando esta integral definida:

$$ V = \pi \left[ -\frac{1}{x} \right]_{1}^{\infty} = \pi (0 - (-1)) = \pi $$

El resultado converge a un valor finito $\pi$.

2. Cálculo del área de superficie (por qué es infinita)

Por otro lado, el cálculo del área de la superficie $A$ es el siguiente:

$$ A = 2\pi \int_{1}^{\infty} y \sqrt{1 + \left(\frac{dy}{dx}\right)^2} dx $$

Dado que

$$ \frac{dy}{dx} = -\frac{1}{x^2} $$

, el contenido dentro de la raíz cuadrada es $1 + \frac{1}{x^4}$. Aquí, como $\sqrt{1 + \frac{1}{x^4}} > 1$ para todo $x \ge 1$, se cumple la siguiente desigualdad:

$$ A > 2\pi \int_{1}^{\infty} \frac{1}{x} \cdot 1 dx = 2\pi \left[ \ln x \right]_{1}^{\infty} $$

El logaritmo natural $\ln x$ diverge hacia el infinito cuando $x \to \infty$. Por lo tanto, el área de la superficie $A$, que es mayor que esto, naturalmente también divergirá hacia el infinito.

La “explicación” de esta paradoja

Aunque se puede demostrar matemáticamente que es correcto, puede resultar difícil de aceptar desde el punto de vista del mundo real. “Si se puede llenar con pintura, esa pintura está tocando la superficie interior, entonces la superficie también debería estar pintada, ¿no es así?”

Esta discrepancia intuitiva surge de la confusión entre conceptos matemáticos y la realidad física.

En el mundo de las matemáticas, el “grosor” de la pintura puede hacerse infinitamente delgado hasta llegar a cero. El cuerno de Gabriel se vuelve infinitamente estrecho a medida que avanza, pero la pintura matemática puede volverse tan delgada como sea necesario para fluir hasta lo más profundo de su estrecho extremo, recubriendo una superficie infinita con un volumen finito (sin embargo, el grosor de la capa de pintura se acercará a cero hacia el extremo).

Sin embargo, en el mundo físico real, la pintura está hecha de átomos y moléculas (partículas con un tamaño finito). Incluso si vertemos pintura real, una vez que el tubo del cuerno se vuelve más estrecho que el “diámetro de una molécula de pintura”, la pintura no puede avanzar más. En otras palabras, físicamente es imposible llenarlo hasta el extremo o pintar su superficie infinita.

El cuerno de Gabriel es un hermoso ejemplo que nos enseña que la intuición humana está atada a las “reglas del mundo finito” y no siempre coincide con el mundo del cálculo que maneja el “infinito”.

¿Son las esmeraldas verdes o de color «grue»?: El nuevo enigma de la inducción de Goodman

Thu, 10 Sep 2026 21:00:00 +0900

Predecimos el “futuro” a partir de la “experiencia pasada”. “Como el sol salió ayer por el este, mañana también saldrá por el este”. “Como todas las esmeraldas que hemos visto hasta ahora eran verdes, la próxima esmeralda que se extraiga también será verde”.

Este tipo de razonamiento se denomina “inducción” y es la base de toda la ciencia. Sin embargo, en 1955, el filósofo Nelson Goodman ideó un extraño concepto de color que demostraba que esta inducción tiene un defecto fundamental. Esta es la paradoja del «grue».

La definición del nuevo color «grue»

Goodman definió una nueva propiedad (color) llamada «grue» (una síntesis de «verde» (Green) y «azul» (Blue)) de la siguiente manera:

Definición de Grue: Decir que un objeto es «grue» significa que si se observa antes de un tiempo específico $t$ (por ejemplo, el 1 de enero de 2030), es «verde» (Green), y si se observa a partir del tiempo $t$, es «azul» (Blue).

$$ \text{Grue} = \begin{cases} \text{Green} & (\text{tiempo} < t) \\ \text{Blue} & (\text{tiempo} \ge t) \end{cases} $$

Según esta definición, la esmeralda verde que tienes ahora mismo en la mano (antes del tiempo $t$) es al mismo tiempo «verde» y de color «grue».

¿Por qué es una paradoja?

La paradoja surge cuando intentamos predecir el futuro. Todas las esmeraldas que la humanidad ha observado hasta la fecha han sido «verdes». Por lo tanto, utilizando la inducción, predecimos lo siguiente:

Hipótesis A: “Todas las esmeraldas son ‘verdes’”

Pero un momento. Como las esmeraldas observadas hasta ahora son anteriores al tiempo $t$, todas ellas también deberían haber sido de color «grue». Por lo tanto, a partir exactamente de los mismos datos de observación, también es válida la siguiente predicción:

Hipótesis B: “Todas las esmeraldas son de color ‘grue’”

Si seguimos las reglas de la inducción, las observaciones pasadas apoyan la Hipótesis B con “exactamente la misma fuerza” con la que apoyan la Hipótesis A.

graph TD A["Observaciones pasadas: Todas las esmeraldas eran verdes"] -->|Al mismo tiempo| B["Observaciones pasadas: Todas las esmeraldas eran de color 'grue'"] A --> C["Predicción inductiva A: Las esmeraldas del futuro también serán 'verdes'"] B --> D["Predicción inductiva B: Las esmeraldas del futuro también serán de color 'grue'"] C --> E["A partir del tiempo t, seguirán siendo verdes"] D --> F["¡A partir del tiempo t, se volverán 'azules'!"] style C fill:#4CAF50,stroke:#333,color:#fff style D fill:#2196F3,stroke:#333,color:#fff style F fill:#F44336,stroke:#333,color:#fff,stroke-width:2px

¿Se volverán azules las esmeraldas?

Si la Hipótesis B es correcta, en el instante en que llegue el tiempo $t$, todas las esmeraldas del mundo deberán volverse «azules» de golpe (por la definición de grue).

Intuitivamente pensamos: “Eso es absurdo. La Hipótesis B es un juego de palabras antinatural y la Hipótesis A (verde) tiene que ser la correcta”.

Sin embargo, la pregunta de Goodman es mucho más profunda. Si tanto la hipótesis «verde» como la hipótesis «grue» concuerdan perfectamente con los datos del pasado, ¿por qué consideramos que solo la predicción «verde» es legítima y descartamos la predicción «grue»? ¿Cuál es nuestro “fundamento lógico” para ello?

Un desafío a la “Uniformidad de la Naturaleza”

Para evitar este problema, surge la objeción de que “deberíamos utilizar conceptos simples como el ‘verde’ y no conceptos complejos que incluyan el tiempo, como el ‘grue’”.

Sin embargo, Goodman demostró a la inversa que si definimos un color «bleen» (Bleen: azul hasta el tiempo $t$, y verde a partir de entonces), el propio concepto de «verde» se convierte en un concepto complejo dependiente del tiempo: “grue hasta el tiempo $t$, y bleen a partir de entonces”. En otras palabras, decidir qué palabras son “básicas” es simplemente una convención de nuestro lenguaje.

La paradoja del «grue» (el nuevo enigma de la inducción) de Goodman demostró que las teorías científicas no se determinan únicamente por datos empíricos objetivos, sino que dependen en gran medida de “qué marco conceptual (lenguaje) utilizamos para fragmentar el mundo”.

Incluso en el contexto de la inteligencia artificial y el aprendizaje automático, donde los datos de entrenamiento pueden ser los mismos, las predicciones para el futuro pueden cambiar por completo dependiendo de la “estructura del modelo” (a qué características se presta atención). Como un problema de “sobreajuste” (overfitting) o “sesgo”, esta paradoja sigue teniendo un significado importante en la actualidad.

¿Ver una manzana azul prueba que 'los cuervos son negros'? : Los cuervos de Hempel

Thu, 10 Sep 2026 21:00:00 +0900

¿Cómo prueban las teorías los científicos? Normalmente, utilizan la “inducción”, que consiste en observar el mundo y recopilar datos. Por ejemplo, si quisieras probar la hipótesis de que “todos los cuervos son negros”, observarías cuervos en todo el mundo y confirmarías uno por uno que son negros.

Sin embargo, en la década de 1940, el lógico Carl Hempel señaló una extraña laguna lógica oculta en este método científico obvio. Esta es la paradoja de los cuervos de Hempel (Hempel’s Ravens), que afirma que “solo ver una manzana azul o zapatos rojos sirve como evidencia de que ’los cuervos son negros’”.

Sustitución lógica: La magia de la contraposición

Para entender el argumento de Hempel, es necesario recordar el concepto de “contraposición” que se aprende en matemáticas de secundaria.

En lógica, si una proposición “Si A entonces B” es verdadera, su contrapositiva “Si no es B entonces no es A” también debe ser verdadera (esto se llama equivalencia lógica).

Hipótesis $H_1$: “Todos los cuervos son negros (Si es un cuervo, es negro)”

Tomemos la contrapositiva de esta hipótesis $H_1$. Se convierte en “Si no es negro, no es un cuervo”.

Hipótesis $H_2$: “Todo lo que no es negro, no es un cuervo”

Según las reglas de la lógica, $H_1$ y $H_2$ tienen exactamente el mismo significado (equivalencia). Si una se prueba, la otra se prueba automáticamente.

Probar los cuervos sin ver cuervos

Ahora, para confirmar la hipótesis $H_1$ (los cuervos son negros), cada vez que encontramos un cuervo negro, la certeza (evidencia) de la hipótesis se fortalece un poco. Todos están de acuerdo con esto.

Sin embargo, dado que $H_1$ y $H_2$ tienen el mismo significado, encontrar evidencia para la hipótesis $H_2$ (lo que no es negro no es un cuervo) debería servir directamente como evidencia para la hipótesis $H_1$.

Entonces, ¿cuál es la evidencia para $H_2$? Solo necesitas encontrar “algo que no sea negro y no sea un cuervo”.

Supongamos que hay una “manzana azul” sobre la mesa. Esta no es negra ni es un cuervo. Por lo tanto, es evidencia que apoya a $H_2$.
Había “zapatos rojos” en el armario. Estos tampoco son negros ni son cuervos. Es evidencia para $H_2$.
Hay una “nube blanca” flotando en el cielo. Esta también es evidencia para $H_2$.

Dado que la evidencia para $H_2$ tiene el mismo valor que la evidencia para $H_1$, lógicamente se extrae la siguiente conclusión extraña.

“Cuantas más manzanas azules o zapatos rojos observes en una habitación, más se demuestra la validez de la hipótesis de que ’todos los cuervos son negros’”

graph TD A["Proposición H1: Todos los cuervos son negros"] <-->|Equivalencia Lógica (Contraposición)| B["Proposición H2: Lo que no es negro no es un cuervo"] C["Observación: Cuervo negro"] -->|Sirve de evidencia| A D["Observación: Manzana azul"] -->|Sirve de evidencia| B D -.->|¿Por lo tanto esto también debería ser evidencia?| A style A fill:#4CAF50,stroke:#333,stroke-width:2px,color:#fff style B fill:#4CAF50,stroke:#333,stroke-width:2px,color:#fff style C fill:#2196F3,stroke:#333,color:#fff style D fill:#FF9800,stroke:#333,color:#fff

¿Por qué es contraintuitivo?

No hay ningún ornitólogo en el mundo que profundice su convicción de que “los cuervos son negros” mirando una manzana azul. Aunque debería ser lógicamente impecable, ¿por qué nuestro sentido común lo rechaza?

En el mundo de la filosofía y la estadística se han propuesto varios enfoques para esta paradoja.

1. Solución bayesiana (Diferencia en la cantidad de información)

El contraargumento más convincente desde la perspectiva de la estadística moderna (probabilidad bayesiana) se centra en la diferencia en la “fuerza de la evidencia (cantidad de información)”.

Hay abrumadoramente más “cosas que no son negras” en el mundo que “cosas negras”, y astronómicamente más “cosas que no son cuervos” que “cuervos”.

Cuando ves una manzana azul, sin duda es evidencia de que “todos los cuervos son negros”, pero su valor como evidencia (el grado de aumento de probabilidad) está infinitamente cerca de cero. Incluso si se confirma una de las innumerables “cosas que no son negras” en el vasto universo, el aumento en la probabilidad de que “los cuervos sean negros” tiene aproximadamente el mismo impacto que quitar un solo grano de arena del desierto. Por otro lado, encontrar directamente un solo cuervo negro tiene un valor de evidencia abrumadoramente mayor.

En resumen, la solución bayesiana es que lógicamente “una manzana azul es evidencia”, pero en la práctica “se puede ignorar porque su valor como evidencia es igual a cero”.

2. Los límites de la “ornitología de interior”

Esta paradoja pone de relieve cuán frágiles son las premisas sobre las que se basa el núcleo de la ciencia, la “inducción (derivar leyes generales a partir de la observación)”. Si nos basamos únicamente en la equivalencia lógica, sería posible hacer “ornitología de interior”, donde podríamos verificar cualquier ley del universo (“todos los cisnes son blancos”, “todos los alienígenas no son verdes”, etc.) simplemente observando la basura en nuestra habitación sin salir a la calle.

Los cuervos de Hempel es una paradoja muy interesante que muestra que las palabras “evidencia” y “prueba” que usamos inconscientemente no pueden ser capturadas del todo solo por las reglas de la lógica simbólica pura.

¿Volver del espacio y tu hermano menor es mayor que tú?: La paradoja de los gemelos

Thu, 10 Sep 2026 21:00:00 +0900

Si viajaras en una nave espacial que se desplaza a una velocidad cercana a la de la luz, tu reloj avanzaría “más lentamente” que los relojes de las personas que permanecen en la Tierra. Esto no es el argumento de una película de ciencia ficción, sino un hecho físico demostrado por la “Teoría de la Relatividad Especial” de Einstein.

El experimento mental más famoso que expresa de forma más dramática este concepto de “dilatación del tiempo” es el conocido como “La paradoja de los gemelos (Twin Paradox)”.

El hermano que viaja al espacio y el hermano que se queda en la Tierra

Hay unos hermanos gemelos nacidos el mismo día. En su vigésimo cumpleaños, el hermano mayor se embarca en un cohete ultrarrápido que viaja al 80% de la velocidad de la luz ($0.8c$) y parte hacia una estrella lejana. El hermano menor se queda en la Tierra esperando el regreso de su hermano.

Unos años después, el hermano mayor regresa a la Tierra. Cuando se abre la puerta del cohete y los dos se reencuentran, ocurre algo asombroso.

El hermano menor, que había estado esperando en la Tierra, se había convertido en un hombre maduro de 50 años (habían pasado 30 años), mientras que el hermano mayor, que había viajado por el espacio, seguía siendo un joven de solo 38 años (solo habían pasado 18 años).

“A pesar de ser gemelos, se genera una diferencia de edad de 12 años.” Este es el primer impacto que produce la teoría de la relatividad.

graph TD A["Hermanos gemelos (20 años)"] --> B["Hermano menor que se queda en la Tierra"] A --> C["Hermano mayor que viaja al 80% de la velocidad de la luz"] B -->|Pasan 30 años en el tiempo de la Tierra| D["Hermano menor en el reencuentro: 50 años"] C -->|Debido al efecto de dilatación temporal solo pasan 18 años| E["Hermano mayor en el reencuentro: 38 años"] D --> F{"¡Diferencia de edad: 12 años!"} E --> F style A fill:#ECEFF1,stroke:#333 style B fill:#C8E6C9,stroke:#333 style C fill:#BBDEFB,stroke:#333 style D fill:#81C784,stroke:#333,color:#fff style E fill:#64B5F6,stroke:#333,color:#fff style F fill:#FF9800,stroke:#333,color:#fff,stroke-width:2px

El núcleo de la paradoja: ¿Cambia según desde qué punto de vista se observe?

El hecho de que “el hermano mayor se vuelva más joven” en sí mismo es un fenómeno físico que se puede deducir sustituyendo valores en las ecuaciones de la relatividad (factor de Lorentz), y que en la actualidad se tiene en cuenta en los satélites GPS y otros sistemas (también conocido como efecto Urashima).

Sin embargo, la verdadera “paradoja” comienza aquí. Una de las reglas más importantes de la teoría de la relatividad es que “para todos los observadores que se mueven a velocidad constante, las leyes de la física se aplican de la misma manera (no existe el reposo absoluto)”.

Si aplicamos esto al caso que nos ocupa, surge una extraña contradicción.

Desde el punto de vista del hermano menor en la Tierra: “El cohete en el que iba mi hermano se alejó a gran velocidad y luego regresó. El que se estaba moviendo era mi hermano, así que su tiempo se ralentizó y mi hermano debería ser más joven.”
Desde el punto de vista del hermano mayor en el cohete: “Dentro del cohete yo estoy en reposo. Mirando por la ventana, la Tierra se alejó a gran velocidad y luego regresó. El que se estaba moviendo era mi hermano en la Tierra, así que su tiempo se ralentizó y mi hermano menor debería ser más joven.”

Las afirmaciones de ambos son fieles al principio de la relatividad de que “si parece que el otro se está moviendo, el tiempo del otro se ralentiza”. Sin embargo, cuando los dos se reencuentran y se ponen uno al lado del otro, no es posible que “ambos sean más jóvenes que el otro”. Necesariamente uno es mayor y el otro es menor.

¿Significa esto que la teoría de Einstein es errónea?

La resolución: La ruptura de la “simetría”

La clave para resolver esta paradoja reside en el hecho de que “las posiciones de los dos no son completamente equivalentes (simétricas)”.

El hermano menor permaneció todo el tiempo en la Tierra (sistema inercial: un estado que se mueve a velocidad constante o que está en reposo). Sin embargo, el viaje del hermano mayor incluye “aceleración” y “desaceleración”.

La nave espacial del hermano mayor debe seguir los siguientes pasos para poder regresar a la Tierra:

Partir de la Tierra y acelerar.
Frenar (desacelerar) en la estrella de destino, cambiar de dirección hacia la Tierra y acelerar de nuevo (giro en U).
Llegar a la Tierra y frenar (desacelerar).

En la teoría de la relatividad, un observador que experimenta aceleración (que siente fuerzas G) recibe un tratamiento diferente al de un observador que se mueve a velocidad constante (entra en el dominio de la Teoría de la Relatividad General).

En particular, en el momento en que el hermano mayor realiza el “giro en U (cambio de dirección por aceleración intensa)” en la estrella de destino, la simetría entre las posiciones del hermano mayor y del hermano menor se rompe por completo. En el instante en que el hermano mayor da la vuelta y vuelve a acelerar hacia la Tierra, el “reloj de la Tierra (la edad del hermano menor)” observado desde el hermano mayor avanza de golpe varias décadas.

Como resultado, cuando se reencuentran, solo queda la realidad calculada de que “el hermano mayor tiene 38 años y el hermano menor tiene 50 años”, y la contradicción se resuelve completamente.

La paradoja de los gemelos es uno de los experimentos mentales más bellos de la historia de la física, que nos enseña que nuestra sensación de sentido común de que “el tiempo fluye de manera igual para todos” no funciona en absoluto frente al vasto universo y la velocidad de la luz.

Cuando las palabras se describen a sí mismas: la paradoja de Grelling-Nelson

Thu, 10 Sep 2026 21:00:00 +0900

Las palabras son herramientas para describir el mundo, pero cuando intentamos usarlas para describir las palabras en sí mismas, la lógica puede caer en trampas inesperadas.

Ideada por Kurt Grelling y Leonard Nelson en 1908, la “Paradoja de Grelling-Nelson” (Grelling-Nelson Paradox) es una famosa paradoja semántica que nos enfrenta exactamente a ese límite de “las palabras definiendo palabras”.

Clasificando las palabras en dos

Grelling y Nelson consideraron que todos los adjetivos (palabras) podían clasificarse en los siguientes dos grupos:

Autológicas (Autological): La palabra en sí misma posee la propiedad que significa.
Heterológicas (Heterological): La palabra en sí misma no posee la propiedad que significa.

Veamos algunos ejemplos

Ejemplos de palabras autológicas:

“Corto” (short): Esta misma palabra es corta.
“Español” (Spanish): Esta misma palabra está en español.
“Sustantivo” (noun): Esta palabra es un sustantivo.
“Pentasílaba” (pentasyllabic): La palabra en español “pen-ta-sí-la-ba” tiene cinco sílabas.

Ejemplos de palabras heterológicas:

“Largo” (long): Esta misma palabra es corta, no larga.
“Alemán” (German): Esta palabra es español, y no es alemán.
“Invisible” (invisible): Esta palabra ahora mismo es claramente visible en la pantalla o el papel.

Hasta aquí parece un simple juego de palabras. Toda palabra debería poder clasificarse sin falta en una de las dos categorías: encarna su propio significado o no lo hace.

La pregunta fatal: El surgimiento de la paradoja

Aquí es donde comienza la paradoja. Consideremos la siguiente palabra.

¿La palabra “heterológica” (Heterological) es en sí misma autológica o heterológica?

Ante esta pregunta, nos enfrentamos a una contradicción independientemente de la respuesta que elijamos.

Caso 1: Supongamos que “heterológica” es “autológica”

Si la palabra “heterológica” (Heterological) es “autológica”, por definición significa que “la palabra en sí misma posee la propiedad que significa”. Sin embargo, el significado de esta palabra es ser “heterológica”. En otras palabras, poseer la propiedad de ser “heterológica” significa que es “heterológica”. Supusimos que era autológica, pero el resultado es que es heterológica. (Contradicción)

Caso 2: Supongamos que “heterológica” es “heterológica”

Si la palabra “heterológica” (Heterological) es “heterológica”, por definición significa que “la palabra en sí misma no posee la propiedad que significa”. Como el significado de esta palabra es ser “heterológica”, no poseer esa propiedad significa que es “autológica”. Supusimos que era heterológica, pero el resultado es que es autológica. (Contradicción)

Caigamos del lado que caigamos, la lógica se desmorona.

graph TD A["Palabra 'heterológica' (Heterological)"] --> B{"¿En cuál se clasifica?"} B -->|Es autológica| C["Definición: Posee la propiedad que significa"] C --> D["Su significado es 'heterológica'"] D --> E["Resultado: ¡Es heterológica!"] E -->|Contradicción| B B -->|Es heterológica| F["Definición: No posee la propiedad que significa"] F --> G["Su significado es 'heterológica'"] G --> H["Resultado: ¡Es autológica!"] H -->|Contradicción| B style A fill:#4CAF50,stroke:#333,stroke-width:2px,color:#fff style B fill:#FF9800,stroke:#333,stroke-width:2px,color:#fff style E fill:#F44336,stroke:#333,stroke-width:2px,color:#fff style H fill:#F44336,stroke:#333,stroke-width:2px,color:#fff

Vínculo con las matemáticas y la lógica: Prima de la paradoja de Russell

Esta paradoja no es un simple error de cálculo o una ilusión como “el misterio del dólar perdido”. Tiene esencialmente la misma estructura que la Paradoja de Russell ("¿El conjunto de todos los conjuntos que no se contienen a sí mismos, se contiene a sí mismo?"), que sacudió los cimientos de las matemáticas.

Se puede decir que la paradoja de Grelling-Nelson es la versión semántica (del significado de las palabras) de la paradoja de Russell.

La paradoja de Russell en la teoría de conjuntos: Al definir un conjunto

$$ R = \\{ x \mid x \notin x \\} $$

, preguntar si $R \in R$ o $R \notin R$ lleva a una contradicción.

La paradoja de Grelling-Nelson en semántica: Al definir $Het(x)$ como “la palabra $x$ no posee la propiedad $x$ (es heterológica)”, se cae en la contradicción lógica de:

$$ Het(\text{"Het"}) \iff \neg Het(\text{"Het"}) $$

¿Por qué es importante esta paradoja?

Cuando las palabras se refieren a las propias palabras (autorreferencia), siempre existe el peligro latente de que ocurra un error similar a un bucle infinito.

Este no es solo un problema de la filosofía o la lingüística. En el campo de la informática y la inteligencia artificial, cuando un programa intenta evaluar o modificar su propio código, o cuando un modelo de procesamiento de lenguaje natural interpreta contradicciones semánticas, nos enfrentamos a barreras lógicas similares.

La paradoja de Grelling-Nelson es un experimento mental que visualiza de manera brillante un error (límite) que el sistema del “lenguaje” contiene intrínsecamente.

Maestro y discípulo, un juicio contradictorio sin importar quién gane: La paradoja de Protágoras

Thu, 10 Sep 2026 21:00:00 +0900

En la antigua Grecia, un joven llamado Evatlo se convirtió en discípulo de Protágoras, el más grande de los sofistas (maestros de retórica). Entre ambos se acordó el siguiente contrato para el pago de las clases:

Términos del contrato: Una vez que Evatlo haya completado todo el curso de retórica, pagará el resto de sus clases a Protágoras en el momento en que gane su primer juicio.

Evatlo fue un estudiante excelente y completó espléndidamente todo el curso de retórica. Sin embargo, después de graduarse, por alguna razón se negó a aceptar ningún caso judicial. Dado que al no ir a juicio la condición de “ganar su primer juicio” nunca se cumpliría, no tendría necesidad de pagar las clases.

Protágoras, perdiendo la paciencia, demandó a Evatlo ante los tribunales. “Paga tus clases”, le exigió.

Y a partir de aquí, comienza el laberinto lógico.

La lógica del maestro Protágoras

Protágoras argumentó ante el tribunal:

“Jueces, pase lo que pase, yo gano.

Si yo gano este juicio, la sentencia del tribunal obligará a Evatlo a pagarme las clases.
Si yo pierdo este juicio, para Evatlo significará que ‘ha ganado su primer juicio’. Es decir, se cumple la condición del contrato, y en virtud de este, deberá pagar las clases.

En cualquier caso, él tiene la obligación de pagar.”

La lógica del discípulo Evatlo

Ante esto, Evatlo no se quedó atrás.

“Jueces, pase lo que pase, yo gano.

Si yo gano este juicio, la sentencia del tribunal dirá que no tengo que pagar las clases.
Si yo pierdo este juicio, todavía no habré ‘ganado mi primer juicio’. Es decir, la condición del contrato no se ha cumplido, por lo que legalmente no tengo obligación de pagar las clases.

En cualquier caso, no tengo que pagar.”

graph TD A["Resultado del juicio"] --> B["Protágoras gana"] A --> C["Evatlo gana"] B --> B1["Sentencia: Evatlo debe pagar"] B --> B2["Contrato: Evatlo no ha ganado → No tiene que pagar"] C --> C1["Sentencia: Evatlo no tiene que pagar"] C --> C2["Contrato: Primera victoria de Evatlo → Debe pagar"] B1 --> D{"¡Contradicción! Sentencia vs Contrato"} B2 --> D C1 --> E{"¡Contradicción! Sentencia vs Contrato"} C2 --> E style A fill:#ECEFF1,stroke:#333,stroke-width:2px style B fill:#4CAF50,color:#fff style C fill:#2196F3,color:#fff style D fill:#F44336,color:#fff,stroke-width:3px style E fill:#F44336,color:#fff,stroke-width:3px

¿Por qué se contradice?

La causa fundamental de esta paradoja es que dos sistemas de reglas diferentes (la ley y el contrato) emiten juicios contradictorios entre sí.

Regla legal: Obedecer la sentencia del tribunal.
Regla del contrato: Obedecer la condición “Pagar al ganar el primer juicio”.

Normalmente, la ley y el contrato funcionan como dominios independientes, pero debido a que Protágoras hizo del “pago de las clases” el objeto de disputa en el juicio, el resultado mismo de este juicio afectó la condición del contrato, haciendo que ambos sistemas cayeran en un bucle autorreferencial.

La respuesta de los juristas

El jurista de la antigua Roma, Aulo Gelio, ofreció la siguiente solución a este problema:

“El tribunal debería dictar un fallo favorable a Evatlo (no pago). Porque es un hecho que la condición del contrato aún no se ha cumplido. Sin embargo, después de este fallo, Protágoras puede demandar a Evatlo de nuevo. Porque con la victoria de Evatlo en el primer juicio, la condición del contrato se cumplió. En el segundo juicio, Protágoras ganará.”

Es decir, la respuesta es que si intentas resolver la paradoja “simultáneamente en un solo juicio”, surge la contradicción, pero si la procesas “dividida en dos veces”, la contradicción se resuelve.

La conexión con las paradojas de autorreferencia

La paradoja de Protágoras tiene la misma estructura autorreferencial que la “Paradoja del mentiroso (‘Esta oración es falsa’)” o la “Paradoja de Russell”. Una proposición (la conclusión del juicio) afecta la condición (el cumplimiento del contrato) que determina su propia veracidad.

Este tipo de paradoja está profundamente relacionada con problemas que muestran los límites fundamentales de la lógica y la computación, como el “Problema de la parada (es imposible crear un programa que determine si cierto programa se detendrá o no)” en la informática moderna y los teoremas de incompletitud de Gödel.

La paradoja de Protágoras es una advertencia de hace 2400 años que nos enseña que los sistemas de reglas creados por los humanos (como las leyes y los contratos) pueden colapsar internamente debido a una ingeniosa autorreferencia.

Tus amigos tienen más amigos que tú: La paradoja de la amistad

Thu, 10 Sep 2026 21:00:00 +0900

“Parece que los demás tienen más amigos que yo y se divierten…” ¿Alguna vez te has sentido así mientras miras las redes sociales?

En realidad, que te sientas así no es por tu personalidad, ni porque seas impopular. Es un hecho matemático probado por la teoría de redes y la estadística, llamado la “Paradoja de la amistad (Friendship Paradox)”.

Descubierta por el sociólogo Scott Feld en 1991, esta paradoja explica el fenómeno contraintuitivo de que “la mayoría de las personas tienen menos amigos que sus propios amigos”.

¿Por qué “los amigos tienen más amigos”?

En conclusión, esto se debe a un simple sesgo de muestreo donde “las personas con muchos amigos (personas populares) aparecen en las listas de amigos de muchas personas”.

Pensemos en una red (grafo) sencilla.

graph TD A["Alice (1 amigo)"] --- C["Charlie (3 amigos)"] B["Bob (1 amigo)"] --- C C --- D["David (1 amigo)"] style A fill:#4FC3F7,stroke:#333,stroke-width:2px style B fill:#4FC3F7,stroke:#333,stroke-width:2px style C fill:#FF9800,stroke:#333,stroke-width:4px style D fill:#4FC3F7,stroke:#333,stroke-width:2px

En este pequeño mundo hay cuatro personas: Alice, Bob, Charlie y David. Charlie es la persona “popular” y es amigo de las otras tres personas. Las otras tres personas solo son amigas de Charlie.

Veamos el número de amigos de cada uno.

Número de amigos de Alice: 1
Número de amigos de Bob: 1
Número de amigos de David: 1
Número de amigos de Charlie: 3 El número medio de amigos de todos es $(1 + 1 + 1 + 3) / 4 = 1.5$.

A continuación, calculemos el “promedio del ’número de amigos de los amigos’ de cada persona”.

Número de amigos del amigo de Alice (Charlie): 3
Número de amigos del amigo de Bob (Charlie): 3
Número de amigos del amigo de David (Charlie): 3
Promedio del número de amigos de los amigos de Charlie (Alice, Bob, David): $(1 + 1 + 1) / 3 = 1$

Ahora, comparemos el “propio” número y el “promedio de sus amigos” para cada uno.

Alice: Propio (1) < Promedio de amigos (3)
Bob: Propio (1) < Promedio de amigos (3)
David: Propio (1) < Promedio de amigos (3)
Charlie: Propio (3) > Promedio de amigos (1)

Tres de las cuatro personas (el 75%) se encuentran en una situación donde “sus amigos tienen más amigos que ellos”. La existencia del popular Charlie eleva fuertemente el “promedio de amigos” de todos los que le rodean.

Prueba matemática: La varianza es la clave

Expresemos esto en una fórmula. En la teoría de redes, sea $k(v)$ el número de amigos (grado) de una persona $v$. Sea $\mu$ el promedio de amigos de toda la red, y $\sigma^2$ la varianza del número de amigos.

Según la prueba de Feld, el valor esperado del “número de amigos de un amigo elegido al azar” es el siguiente:

$$ \text{Promedio del número de amigos de los amigos} = \mu + \frac{\sigma^2}{\mu} $$

La varianza $\sigma^2$ siempre es un valor mayor o igual a 0. Es decir, excluyendo la situación imposible en la que todos tienen exactamente la misma cantidad de amigos ($\sigma^2 = 0$), siempre se cumple la siguiente desigualdad:

$$ \mu + \frac{\sigma^2}{\mu} > \mu $$

El “promedio del número de amigos de los amigos” siempre será mayor que el “promedio total de amigos”.

En la sociedad real y en las redes sociales (como X o Instagram), una pequeña fracción de personas tiene millones de seguidores (amigos), mientras que la gran mayoría solo tiene unas pocas docenas a varios cientos. Dado que la varianza $\sigma^2$ es extremadamente grande, el efecto de esta paradoja se vuelve aún más fuerte.

Aplicación: Pandemias y vacunación

La paradoja de la amistad no se limita solo a la psicología de las redes sociales. Tiene aplicaciones muy eficaces para problemas sociales reales, especialmente en la prevención de enfermedades infecciosas.

Supongamos que hay un número limitado de vacunas y no estás seguro de a quién vacunar. Hay un método más efectivo que vacunar al azar.

Elige a las personas al azar.
Vacuna no a la persona en sí, sino a la persona que él o ella haya nombrado como “amigo”.

¿Por qué? Por la paradoja de la amistad, los “amigos” de las personas elegidas al azar tienen una mayor probabilidad de tener, en promedio, más conexiones (ser un nodo central o hub). Al vacunar prioritariamente a las personas con más conexiones, se puede ralentizar drásticamente la propagación de la infección a toda la red.

Conclusión

Cuando miras las redes sociales y sientes que “todos tienen más amigos que yo y llevan vidas perfectas”, no es tu imaginación, sino una inevitabilidad matemática creada por la estructura de la red.

Dado que las personas populares aparecen en las redes de muchas personas, inevitablemente nos vemos forzados a observar solo a las “personas más populares que el promedio” como nuestra muestra. La próxima vez que te sientas deprimido en las redes sociales, por favor recuerda esta fórmula.

$$ \mu + \frac{\sigma^2}{\mu} > \mu $$

Paradoja de Richard: La contradicción provocada por los decimales infinitos y el "argumento de la diagonal"

Thu, 10 Sep 2026 12:00:00 +0900

1. Una lista de números definibles con palabras

La “Paradoja de Richard”, publicada por el matemático francés Jules Richard en 1905, es como un pariente de la “Paradoja de Berry” que presentamos antes. Sin embargo, esta es más matemática y contiene una profunda contradicción, como si asomara al infinito.

Primero, imagina recopilar todos los “números reales (decimales) entre 0 y 1 que puedan definirse completamente en español”.

Por ejemplo, números como los siguientes:

“Cero punto cinco” $\rightarrow$ $0.5$
“Un tercio” $\rightarrow$ $0.333333...$
“El número formado por los decimales de pi a partir del primer decimal” $\rightarrow$ $0.14159265...$

Las combinaciones de frases que se pueden expresar en español solo requieren reorganizar las letras que aparecen en el diccionario, por lo que se les puede asignar un “orden”. (Por ejemplo, ordenándolos del menor número de letras al mayor, y si tienen el mismo número de letras, ordenarlos alfabéticamente).

De esta manera, a “todos los números reales definibles en español” se les puede asignar un número continuo infinito (una lista): primero, segundo, tercero…

$$ \begin{align*} r_1 &= 0.\mathbf{3}333... \\ r_2 &= 0.5\mathbf{0}00... \\ r_3 &= 0.14\mathbf{1}5... \\ r_4 &= 0.777\mathbf{7}... \\ &\vdots \end{align*} $$

En esta lista deberían estar cubiertos de manera absolutamente exhaustiva, sin faltar ni uno, “todos los números reales concebibles que puedan definirse en español”.

2. La técnica diabólica: el “argumento de la diagonal”

Aquí, Richard realiza una operación aterradora. Crea artificialmente un “número $X$ completamente nuevo” que evita todos los números de la lista.

La forma de crearlo es sencilla.

Mira el primer decimal del primer número de la lista (en el ejemplo anterior, el $3$). Suma $1$ a ese número para que sea el primer dígito de $X$ ($3+1=4$).
Mira el segundo decimal del segundo número de la lista (en el ejemplo anterior, el $0$). Suma $1$ a ese número para que sea el segundo dígito de $X$ ($0+1=1$).
Mira el tercer decimal del tercer número de la lista (en el ejemplo anterior, el $1$). Suma $1$ a ese número para que sea el tercer dígito de $X$ ($1+1=2$).

※ Si el número original fuera un $9$, se regresaría a $0$.

El nuevo número $X$ creado con este método (en el ejemplo anterior, $X = 0.4128...$) nunca coincidirá en absoluto con ningún número de la lista. Esto se debe a que el número del “lugar decimal $n$” ha sido modificado intencionalmente para que sea distinto al del $n$-ésimo número. (Esta técnica se llama “argumento de la diagonal”, la cual fue ideada por el matemático genio Cantor para demostrar el tamaño infinito de los números reales).

3. La completitud de la Paradoja de Richard

Ahora bien, aquí comienza la paradoja.

Acabamos de crear un nuevo número $X$. Y la “regla” para crear este $X$ ha sido explicada (definida) perfectamente por las frases en español que escribí arriba.

Es decir, $X$ es “un número real definible en español”.

Sin embargo, recordemos la premisa inicial. Se suponía que “los números reales definibles en español” estaban todos exhaustivamente incluidos dentro de la lista inicial ($r_1, r_2, r_3...$). A pesar de esto, $X$ está hecho de manera que no coincida con ningún número de la lista.

$X$ debe existir dentro de la lista (porque se definió en español).
$X$ no debe existir dentro de la lista (porque se hizo diferente a todos los números de la lista mediante el argumento de la diagonal).

¡Una contradicción perfecta! Esta es la paradoja de Richard.

4. ¿Por qué se derrumbó la lógica? (La trampa del metalenguaje)

La causa de esta paradoja, al igual que la paradoja de Berry, radica en haber confundido la “jerarquía de los lenguajes”.

Para hacer matemáticas rigurosamente, se debe separar claramente la “lista de números objetivo (lenguaje objeto)” y “las reglas que hablan desde el exterior sobre las propiedades de esa lista (metalenguaje)”.

La lista de Richard es una colección de “definiciones de números calculables”. Sin embargo, la regla para crear el nuevo número $X$, que consiste en “mirar el $n$-ésimo dígito del $n$-ésimo número de la lista”, es una operación del “metalenguaje” que no puede ejecutarse sin tener una vista panorámica de la lista desde el exterior.

La paradoja de Richard estalló creando una autocontradicción porque intentó infiltrar en secreto el “número $X$ metalingüístico, creado operando la lista desde afuera”, en el interior de la “lista interna”.

5. El paso del testigo a Gödel

Esta paradoja de Richard causó un gran impacto en el mundo de las matemáticas de aquel entonces. “Si no tenemos cuidado, las palabras humanas (y los sistemas lógicos) provocan autocontradicciones de inmediato. ¿Cómo podemos hacer que las matemáticas sean perfectas y libres de contradicciones?”

En 1931, el matemático genio Kurt Gödel, de tan solo 25 años, dio una solución final a este problema. Gödel logró traducir y reproducir perfectamente la estructura de esta paradoja —que Richard había provocado usando “la ambigüedad del español”— utilizando “fórmulas matemáticas estrictas (Números de Gödel)”.

El resultado que derivó de esto es el famoso “Teorema de Incompletitud de Gödel”. Fue un gran descubrimiento que demostró los límites del conocimiento humano: “Sin importar cuán rigurosamente construyas las reglas matemáticas, dentro de esas reglas siempre surgirán ‘verdades que no se pueden probar ni refutar’ (las matemáticas son incompletas)”.

La paradoja de Richard comenzó como un simple juego de palabras contradictorio, y eventualmente evolucionó hasta convertirse en el arma más poderosa para destruir la “absolutidad” de las matemáticas como disciplina académica.

La Paradoja de Berry: La contradicción de intentar definir "números" con "palabras"

Thu, 10 Sep 2026 11:00:00 +0900

1. Expresar números con palabras

A diario, no solo expresamos los números con “números arábigos (1, 2, 3…)”, sino también usando “palabras” (en japonés, español, inglés, etc.).

Por ejemplo, el número “$10$” se puede expresar de varias maneras con palabras:

“diez” (4 letras)
“el doble de cinco” (15 letras)
“la décima parte de cien” (21 letras)

Consideremos cómo explicar un cierto número utilizando “caracteres o letras”. Estableceremos un límite en la cantidad de caracteres que podemos usar. Aquí pensaremos en números que se pueden expresar utilizando “19 caracteres o menos”.

Naturalmente, existe un límite para los números que se pueden expresar en 19 caracteres o menos. La cantidad de caracteres (letras, símbolos, caracteres japoneses, etc.) es finita, y las combinaciones de ellos alineados en 19 caracteres o menos también es finita (es un número astronómico, pero no es infinito).

En otras palabras, obligatoriamente existirá un “entero gigante que de ninguna manera se puede expresar en 19 caracteres o menos”.

2. El nacimiento de la paradoja

Ahora, aquí viene el tema principal. Existen infinitos “enteros que no se pueden expresar en 19 caracteres o menos”. Supongamos que de esos infinitos números inexpresables, encontramos “el más pequeño (el entero mínimo)”.

Llamaremos a ese número $X$. Por definición, $X$ es el más pequeño entre “los números que no se pueden expresar en 19 caracteres o menos”, por lo que podemos llamarlo de la siguiente manera en japonés:

「じゅうきゅうもじいないであらわせないさいしょうのせいすう」
(juu kyuu moji inai de arawasenai saishou no seisuu - “el menor entero no expresable en 19 caracteres o menos”)

Contemos la cantidad de caracteres (en el silabario hiragana). 「じゅ・う・きゅ・う・も・じ・い・な・い・で・あ・ら・わ・せ・な・い・さ・い・しょ・う・の・せ・い・す・う」 … ¿Oh? Incluso omitiendo los signos de puntuación, hay 25 caracteres. Esto supera el límite de “19 caracteres”.

Entonces, ideemos una mejor forma de expresarlo y hagámoslo más corto utilizando kanji (caracteres logográficos).

「十九文字以内で表せない最小の整数」

Ahora, cuenta la cantidad de caracteres de esta frase en japonés:

¡Sorprendentemente, son solo “16 caracteres”!

Ha ocurrido algo extraño. ¡Ahora mismo, acabamos de expresar el número $X$ utilizando la frase en japonés de “16 caracteres” que dice “十九文字以内で表せない最小の整数” (el menor entero no expresable en 19 caracteres o menos)!

graph TD Define["Definición:
X = El menor entero no expresable en 19 caracteres o menos"] --> CheckLength{"¿Cuál es la cantidad de caracteres de
『十九文字以内で表せない最小の整数』?"} CheckLength -->|Son 16 caracteres| Contradiction["¡Contradicción!
¡X pudo ser expresado en 『16 caracteres』!"] Contradiction --> Paradox["Aunque X 『no se puede expresar en 19 caracteres o menos』,
『se puede expresar en 19 caracteres o menos (16 caracteres)』"] style Contradiction fill:#ff9999,stroke:#333 style Paradox fill:#ff4444,color:#fff,stroke:#333,stroke-width:2px

Aunque $X$ debería ser un número que “no se puede expresar en 19 caracteres o menos”, la misma frase que lo define expresa perfectamente a $X$ en “16 caracteres (dentro del límite de 19)”. Esta es la “Paradoja de Berry” (Berry Paradox).

3. ¿Quién creó esta paradoja?

Esta paradoja fue ideada en 1904 por un bibliotecario de la Universidad de Oxford llamado G. G. Berry. Se dio a conocer en todo el mundo cuando el genial matemático y filósofo representativo del siglo XX, Bertrand Russell, la presentó en su propio artículo.

(* En el artículo original en inglés, se utiliza la expresión “The least integer not nameable in fewer than nineteen syllables” (El menor entero no nombrable en menos de diecinueve sílabas), y está construida para que la paradoja funcione contando el número de sílabas en inglés.)

4. ¿Por qué ocurrió la contradicción?

La causa fundamental de esta paradoja radica en la ambigüedad y la autorreferencia del “lenguaje natural (japonés, español, inglés, etc.)” que usamos habitualmente.

El lenguaje natural no puede soportar el rigor de las matemáticas

En el mundo de las matemáticas, “definir un número” es una tarea extremadamente rigurosa (se utilizan ecuaciones y símbolos). Sin embargo, en la paradoja de Berry, se intentó definir un objeto matemático (un entero) utilizando el lenguaje cotidiano humano de “se puede expresar” o “no se puede expresar”.

El lenguaje cotidiano es muy poderoso y flexible, pero debido a esa flexibilidad, es posible hacer acrobacias lógicas como “hacer referencia a su propia cantidad de caracteres”. Como resultado, provocó una autocontradicción (paradoja de autorreferencia) en la que “la definición misma rompe la regla de su propia definición”.

¿Qué significa “ser nombrado”?

Además, la definición de la frase “se puede expresar en 16 caracteres” también es ambigua. La frase “el menor entero no expresable en 19 caracteres o menos” no señala directamente a un número concreto y específico (por ejemplo, un número como $987654321...$). Simplemente describe de manera indirecta que “debe haber un número que cumpla con la condición”.

Matemáticamente, “expresar de una forma directamente calculable” y “declarar condiciones indirectas con palabras” deben distinguirse claramente. Al confundir estas dos cosas e insistir en que “¡se pudo expresar en 16 caracteres!”, se esconde un truco lógico.

5. Resumen e impacto en la actualidad

A primera vista, la paradoja de Berry parece un simple “juego de palabras” o una “adivinanza”. Sin embargo, este problema sirvió como detonante para que los matemáticos del siglo XX reconocieran profundamente “el peligro de utilizar el lenguaje cotidiano para construir los fundamentos de las matemáticas”.

“No se deben definir números con palabras. Las matemáticas deben construirse enteramente con símbolos rigurosos e independientes”.

Esta paradoja se convirtió en un importante hito que condujo a disciplinas de vanguardia que cambiarían la historia de las matemáticas, como el “Teorema de incompletitud de Gödel (existen verdades en matemáticas que no se pueden demostrar)” y, en la ciencia de la computación, la “Complejidad de Kolmogórov (la teoría sobre qué tan corta puede comprimirse la información)”.

Solo 16 caracteres de japonés expusieron los límites de las matemáticas. Esa es la belleza de la Paradoja de Berry.

La paradoja del examen sorpresa: El día en que se realiza un examen lógicamente "absolutamente imposible"

Thu, 10 Sep 2026 10:00:00 +0900

1. La “declaración absoluta” del profesor

De camino a casa un viernes, el profesor de matemáticas hizo un anuncio aterrador a los estudiantes.

“La próxima semana, un día entre el lunes y el viernes, realizaré un ’examen sorpresa’ por única vez. Sin embargo, si en la mañana de ese día pueden predecir con certeza que ‘hoy es el día del examen’, ya no será una sorpresa, por lo que no realizaré el examen ese día.”

Al escuchar esta declaración, los estudiantes temblaron. Tendrían que pasar todos los días con miedo, preguntándose cuándo sería el examen. Sin embargo, el estudiante A, el más brillante de la clase, de repente sonrió y se puso de pie.

“Chicos, pueden estar tranquilos. Es absolutamente imposible que haya un examen sorpresa la próxima semana. ¡Es lógicamente imposible!”

El estudiante A, con mucha confianza, comenzó a escribir la siguiente “lógica perfecta” en la pizarra.

2. La prueba mediante la “lógica perfecta” del estudiante A

La prueba del estudiante A utiliza una técnica matemática que consiste en razonar hacia atrás en el tiempo partiendo desde el “viernes” (razonamiento hacia atrás).

Paso 1: Eliminar la posibilidad del viernes

Supongamos que durante 4 días, de lunes a jueves, no se realizó ningún examen. Entonces, el único día que queda es el “viernes”. En la mañana del viernes, los estudiantes podrían predecir con certeza: “¡Como solo queda hoy, sin duda hoy es el examen!”. Según la declaración del profesor, “no se realizará si se puede predecir”, por lo tanto, es lógicamente imposible realizar un examen sorpresa el viernes. Por lo tanto, es seguro que no habrá examen el viernes.

Paso 2: Eliminar la posibilidad del jueves

Se ha confirmado que no hay examen el viernes. Esto significa que el último día posible para realizar el examen es el “jueves”. Supongamos que no se realizó ningún examen durante los 3 días de lunes a miércoles. Entonces, la única posibilidad que queda es el jueves (el viernes ya ha sido descartado). En la mañana del jueves, los estudiantes podrían predecir con certeza: “¡Hoy es el examen!”. Por lo tanto, es seguro que tampoco habrá examen el jueves.

Paso 3: Todos los días desaparecen

Solo tenemos que repetir la misma lógica. Si no es el jueves, el último día será el miércoles. Por lo tanto, si no hay examen hasta el martes, se podría predecir en la mañana del miércoles, por lo que el miércoles también se descarta. Si el miércoles se descarta, el martes también, y el lunes también. Conclusión: ¡Mientras se sigan las reglas del profesor, es absolutamente imposible realizar un examen sorpresa en cualquier día de lunes a viernes!

graph TD Fri["Mañana del viernes
（sin examen de lun a jue）"] -->|Predecible que 'solo queda el viernes'| NoFri["Examen imposible el viernes"] Thu["Mañana del jueves
（sin examen de lun a mié）"] -->|Predecible que 'como no es viernes, solo queda hoy'| NoThu["Examen imposible el jueves"] Wed["Mañana del miércoles"] -->|Predecible que 'como no es jueves ni viernes, solo queda hoy'| NoWed["Examen imposible el miércoles"] Tue["Mañana del martes"] -->|Predecible de la misma manera| NoTue["Examen imposible el martes"] Mon["Mañana del lunes"] -->|Predecible de la misma manera| NoMon["Examen imposible el lunes"] NoFri -.-> Thu NoThu -.-> Wed NoWed -.-> Tue NoTue -.-> Mon style NoFri fill:#ff9999,stroke:#333 style NoThu fill:#ff9999,stroke:#333 style NoWed fill:#ff9999,stroke:#333 style NoTue fill:#ff9999,stroke:#333 style NoMon fill:#ff9999,stroke:#333

Los estudiantes de la clase se llenaron de alegría. La lógica del estudiante A era perfecta y parecía no tener lagunas en ningún lado. Se divirtieron jugando todo el fin de semana y llegaron al lunes sin haber estudiado en absoluto para el examen.

Lunes… no hubo examen. “¡Lo ven!” Martes… no hubo examen. “¡El estudiante A tiene razón!”

Y entonces, la mañana del miércoles. ¡Clack! La puerta del aula se abrió de golpe, el profesor entró y dijo:

“Muy bien, despejen sus escritorios. ¡El examen sorpresa comienza ahora mismo!”

Los estudiantes entraron en pánico. “¿¡P-pero por qué!? ¡Un examen en miércoles, no lo habíamos predicho en absoluto!”

El profesor sonrió con malicia. "¿Lo ven? No pudieron predecirlo, ¿verdad? Mi ‘declaración’ fue completamente correcta, y el examen sorpresa se llevó a cabo según las reglas."

3. ¿Dónde exactamente falló la lógica?

A pesar de que la prueba del estudiante A parecía perfecta, ¿por qué en la realidad se logró un “examen sorpresa perfecto”? Este problema se conocía originalmente como la “paradoja del ahorcamiento inesperado” (o paradoja del examen sorpresa), y ha desconcertado a filósofos y lógicos desde que fue ideado en la década de 1940 por el matemático sueco Lennart Ekbom.

En realidad, aún no hay un consenso unificado que diga “esta es la única respuesta correcta y absoluta” para esta paradoja. Sin embargo, existen varios enfoques prometedores para resolverla.

Enfoque 1: “Paradoja del conocimiento (Epistemología)”

El mayor error en el razonamiento del estudiante A es que incorporó la premisa de que “la declaración del profesor es 100% cierta” en su propia predicción.

La declaración del profesor consta de dos condiciones: “haré un examen la próxima semana (P)” y “no lo haré el día que se pueda predecir (Q)”. Si no ha habido examen hasta el viernes, los estudiantes piensan: “Si la declaración es cierta, solo queda hoy”, pero al mismo tiempo surge la duda: “Si se puede predecir que es hoy, contradice la condición Q de la declaración. Entonces, ¿acaso la declaración P (haré un examen) en sí misma era una mentira desde el principio?”.

Como resultado del conflicto entre la creencia de que “las palabras del profesor son absolutamente ciertas” y la “deducción lógica”, los estudiantes llegaron a la conclusión errónea (creencia) de que “el profesor no hará el examen”, lo que provocó que, independientemente de cuándo se presentara el examen, estuvieran en un estado “inesperado (sorpresa)”.

Enfoque 2: “Paradoja de autorreferencia”

Convirtamos las palabras del profesor en una fórmula lógica. Supongamos que la afirmación del profesor es $S$. $S = $ “Realizaré un examen en un día $T$. Y ustedes no podrán predecir ese día $T$.”

Esta afirmación tiene una “estructura autorreferencial” donde su verdad o falsedad cambia dependiendo de cómo los estudiantes perciban la afirmación misma (la declaración). Al igual que la “paradoja del mentiroso (‘Esta oración es falsa’)”, tiene la propiedad de hacer que el razonamiento lógico entre en un bucle infinito interminable.

4. Los “exámenes sorpresa” ocultos en la vida cotidiana

Esta paradoja se aplica no solo en las matemáticas, sino también en nuestra vida cotidiana.

[El dilema de la fiesta sorpresa]

Supón que un amigo declara: “¡Este mes, te haré una fiesta sorpresa por tu cumpleaños!”. Al escuchar esto, adivinas todos los días: “¿Será hoy? ¿Será mañana?”. Si llega el último día del mes y no ha habido fiesta, deduces que para cumplir con la condición de “sorpresa (impredecible)”, definitivamente no puede ser el último día… Sin embargo, en la realidad, si de repente aparece un pastel a mediados de mes, recibes una sorpresa perfecta y piensas: “¡Realmente me sorprendieron!”.

5. Resumen

La “paradoja del examen sorpresa” expresa de manera brillante la dificultad de incluir el propio estado humano de “saber (predecir)” en los cálculos lógicos.

Lo que consideramos un “razonamiento perfecto” podría ser en realidad solo un castillo de arena construido sobre la creencia infundada de que “la otra parte seguirá las reglas absolutamente”. La próxima vez que el profesor diga “Haré un examen sorpresa”, parece que lo más racional será dejar de darle vueltas a la lógica y simplemente estudiar tranquilamente todos los días.

El problema de la bella durmiente: ¿la probabilidad de la moneda es 1/2 o 1/3? Un problema complejo que divide la teoría de la probabilidad

Thu, 10 Sep 2026 09:00:00 +0900

1. Las reglas de un experimento extraño

Tú (la bella durmiente) has sido elegida como sujeto de un cierto experimento científico. El experimento se lleva a cabo de domingo a miércoles. La noche del domingo, te dan una pastilla para dormir y te quedas dormida.

Después de que te duermas, el experimentador lanza una moneda justa (una moneda con una probabilidad exactamente de 1/2 de salir cara o cruz). Luego, dependiendo del resultado, te despertará con el siguiente horario:

【Si el resultado del lanzamiento de la moneda es “cara”】

Te despertarán solo una vez el lunes y te harán una pregunta. Después de eso, te volverán a dormir y no te despertarás hasta que termine el experimento (el miércoles).

【Si el resultado del lanzamiento de la moneda es “cruz”】

Te despertarán el lunes y te harán una pregunta. Después de eso, te darán una medicina especial (una medicina que borra la memoria) y te volverás a dormir.
Te despertarán nuevamente el martes y te harán la misma pregunta. Después de eso, te volverán a dormir y el experimento terminará (el miércoles).

※ Debido al efecto de la medicina que borra la memoria, cuando despiertas no puedes recordar en absoluto “qué día de la semana es hoy” ni “si te han despertado en el pasado”.

graph TD Sunday["Domingo: La bella durmiente duerme"] --> Toss{"Lanzamiento de moneda"} Toss -->|Cara (1/2)| Mon_Heads["Lunes: Despertar + Pregunta
(Luego el experimento termina)"] Toss -->|Cruz (1/2)| Mon_Tails["Lunes: Despertar + Pregunta
(Luego se borra la memoria)"] Mon_Tails --> Tue_Tails["Martes: Despertar + Pregunta
(Luego el experimento termina)"] style Toss fill:#ff9999,stroke:#333 style Mon_Heads fill:#aaffaa,stroke:#333 style Mon_Tails fill:#aaffaa,stroke:#333 style Tue_Tails fill:#aaffaa,stroke:#333

Ahora bien, es lunes (o martes) y te has despertado. No hay reloj ni calendario en la habitación, así que no sabes qué día es hoy.

Entonces, el experimentador llega y te hace esta pregunta: “En tu estado actual de vigilia, ¿cuál crees que es la probabilidad de que la moneda que se lanzó haya salido ‘cara’?”

Eres una belleza con grandes conocimientos matemáticos. Ahora bien, ¿qué respondes?

2. Dos facciones en choque: ¿1/2 o 1/3?

Este problema fue ideado en la década de 1990 y publicado en una revista académica por el filósofo Adam Elga en el año 2000. La probabilidad de la moneda puede parecer obvia, pero de hecho, en torno a este problema, matemáticos, estadísticos y filósofos de todo el mundo se han dividido exactamente por la mitad en dos bandos: “La facción de 1/2 (Halfers)” y “La facción de 1/3 (Thirders)”, y continúan debatiendo ferozmente hasta el día de hoy.

Escuchemos la “lógica perfecta” de cada bando.

Argumento de “La facción de 1/2 (Halfers)”

“Como la moneda es una moneda justa sin trucos, la probabilidad de que salga cara es naturalmente 1/2. Sin importar cuántas veces el experimentador me despierte o me borre la memoria después de que me haya dormido, eso no afecta en absoluto el resultado físico de la moneda. La probabilidad en el momento en que se lanzó la moneda era de 1/2, y no he obtenido ninguna información nueva (pistas para adivinar si fue cara o cruz) por haberme despertado. Por lo tanto, la probabilidad sigue siendo 1/2.”

Esta es una opinión muy razonable que enfatiza los fenómenos físicos objetivos y la no actualización de la información.

Argumento de “La facción de 1/3 (Thirders)”

“El hecho mismo de que estés ‘despierta’ es la información que cambia la probabilidad. Supongamos que repetimos este experimento 100 veces (100 semanas). La moneda debería salir ‘cara’ 50 veces y ‘cruz’ 50 veces.

En las 50 semanas en que sale cara, te despiertas solo una vez el lunes $\rightarrow$ El número de veces que te despiertas con ‘cara’ es de 50 veces

En las 50 semanas en que sale cruz, te despiertas dos veces, el lunes y el martes $\rightarrow$ El número de veces que te despiertas con ‘cruz’ es de 100 veces

En otras palabras, de un total de 150 situaciones en las que te despiertas, hay 50 veces para el ‘patrón de despertar con cara’ y 100 veces para el ‘patrón de despertar con cruz’. ¡Por lo tanto, la probabilidad de que el despertar que estás experimentando ahora sea ‘cara’ es 50 / 150 = 1/3!”

Esta es una opinión sólida basada en el “frecuentismo” o el “principio antrópico”, que incorpora la situación misma de “existir (observar) en este momento” en el cálculo como un elemento del espacio de probabilidad.

3. Intentando calcular con el Teorema de Bayes

También hay intentos de desentrañar este problema utilizando el “Teorema de Bayes”, una herramienta para actualizar matemáticamente las probabilidades. Organicemos la lógica de “La facción de 1/3” desde la perspectiva de la probabilidad condicional.

Al despertar, el estado será uno de los siguientes tres:

$E_1$: La moneda es “cara” y hoy es “lunes”
$E_2$: La moneda es “cruz” y hoy es “lunes”
$E_3$: La moneda es “cruz” y hoy es “martes”

La probabilidad de obtener “cara” es $1/2$, y la probabilidad de obtener “cruz” es $1/2$. Sin embargo, en el caso de cruz, como “lunes” y “martes” son completamente simétricos (no se pueden distinguir porque no hay memoria), se considera que la probabilidad de que ocurra $E_2$ y $E_3$ es igual.

Dado que la suma total de las probabilidades debe ser $1$, si asignamos cada despertar como un “evento (punto de observación)” independiente con igual probabilidad: $P(E_1) = 1/3$ $P(E_2) = 1/3$ $P(E_3) = 1/3$ Por lo tanto, la conclusión es que la “probabilidad de que fuera cara ($P(E_1)$)” es $1/3$.

Por otro lado, “La facción de 1/2” contraargumenta que, para empezar, “los lunes y martes cuando la moneda es cruz ($E_2$ y $E_3$) son eventos dependientes que simplemente se derivan del resultado de una misma moneda, y es incorrecto contarlos como probabilidades independientes”.

4. ¿Por qué no se resuelve este problema?

La razón por la cual “El problema de la bella durmiente” atormenta tanto a los académicos no se debe a un simple error de cálculo o ilusión. Es porque este problema toca la cuestión fundamental más profunda de la teoría de la probabilidad, a saber, la pregunta filosófica: "¿Qué es exactamente la probabilidad?"

Para la facción de 1/2, la probabilidad es “la propiedad física de la moneda” o “un hecho objetivo”.
Para la facción de 1/3, la probabilidad es “el grado de creencia del observador (la bella)” o “la frecuencia con la que se observa”.

Un tema profundo que también se conecta con el “problema de la medición” en la mecánica cuántica y el “principio antrópico” en cosmología (la idea de calcular inversamente las probabilidades del universo a partir del hecho de que existimos) está condensado en este simple experimento de lanzamiento de una moneda.

5. Resumen

Si fueras el sujeto de este experimento, ¿responderías “1/2” o “1/3” al despertar?

Cualquiera que respondas, matemáticos de clase mundial estarán a tus espaldas para defenderte. Cómo definiciones matemáticas aparentemente simples colapsan tan pronto como se vinculan con conceptos problemáticos como la “subjetividad” y la “existencia” humanas. Las paradojas continúan sacudiendo nuestro sentido común hoy en día.

La Paradoja de Newcomb: ¿Puedes vencer a un superhumano que ve el futuro?

Thu, 10 Sep 2026 08:00:00 +0900

1. El Juego de la Elección Definitiva

Ante ti aparece un extraterrestre con superinteligencia que se hace llamar “Omega”. Omega es un maestro analizando el comportamiento humano y tiene la aterradora habilidad de “predecir con casi un 100% de precisión qué elección tomará el sujeto a continuación”. En experimentos pasados, las predicciones de Omega nunca han fallado.

Omega coloca dos cajas frente a ti.

Caja A: Una caja transparente. Contiene con total seguridad “100.000 yenes”.
Caja B: Una caja opaca. Contiene “100 millones de yenes” o bien está “vacía (0 yenes)”.

Omega te dice que debes elegir una de las siguientes dos acciones:

Elección 1 “Tomar ambas cajas”: Te quedas con los 100.000 yenes de la caja A y el contenido de la caja B.
Elección 2 “Tomar solo la caja B”: Te quedas únicamente con el contenido de la caja B. Debes renunciar a los 100.000 yenes de la caja A.

Al escuchar solo esto, cualquiera decidiría “Tomar ambas cajas”. Sin embargo, Omega ha añadido una “regla” aterradora.

【La Regla de Omega】

“Ayer ya predije ‘qué elección tomarás’ hoy y preparé el contenido de la caja B en consecuencia. Si fuiste codicioso y predije que ’tomarías ambas cajas’, dejé la caja B vacía. Si no fuiste codicioso y predije que ’tomarías solo la caja B’, puse 100 millones de yenes en la caja B.”

Ahora, debes hacer tu elección. ¿Deberías “Tomar ambas cajas”? ¿O deberías “Tomar solo la caja B”?

graph TD Omega["Predicción de Omega
(Completada ayer)"] Omega -->|Predice que 'Tomarás ambas'| BoxB_Empty["La caja B está vacía (0 yenes)"] Omega -->|Predice que 'Tomarás solo la B'| BoxB_100M["Pone 100 millones de yenes en la caja B"] You["Tu elección
(Hoy)"] You -->|Elección 1: Tomar ambas| Result1["Caja A(100 mil) + Contenido de la Caja B"] You -->|Elección 2: Tomar solo la caja B| Result2["Caja A(0) + Contenido de la Caja B"] BoxB_Empty -.-> Result1 BoxB_100M -.-> Result2

2. El Choque de Dos “Lógicas Perfectas”

Este problema fue ideado por el físico William Newcomb en 1969 y presentado por el filósofo Robert Nozick. Tan pronto como se publicó, las opiniones de los matemáticos y filósofos más brillantes del mundo se dividieron “exactamente por la mitad”, desencadenando un gran debate.

La razón es que existe una “lógica perfecta e irrefutable” para ambas opciones.

Lógica 1: El argumento del bando “Tomar solo la caja B” (Maximización del valor esperado)

“¿La precisión de la predicción de Omega es casi del 100%, verdad? Entonces, basándonos en los datos pasados, deberíamos confiar en Omega. Si elijo ‘Tomar ambas’, Omega lo habrá previsto y el resultado serán apenas 100.000 yenes. Si elijo ‘Tomar solo la caja B’, Omega lo habrá previsto y el resultado serán 100 millones de yenes. Hasta un tonto sabe si prefiere 100.000 o 100 millones de yenes. ¡Por lo tanto, absolutamente deberías ‘Tomar solo la caja B’!”

Este enfoque se basa en la “Teoría de la Utilidad Esperada”, confiando ciegamente en los datos estadísticos pasados y el valor esperado.

Lógica 2: El argumento del bando “Tomar ambas cajas” (Estrategia dominante)

“Un momento. Omega predijo y puso el contenido en la caja B ‘ayer’, ¿verdad? Eso significa que, en este momento, el contenido de la caja B ya está fijado en ‘100 millones de yenes’ o ‘vacía’, y absolutamente no cambiará.

Escenario 1: Si la caja B ya tiene 100 millones de yenes, elegir ‘Tomar ambas’ te da 100 millones y 100.000 yenes; si eliges ‘Solo la B’, te da 100 millones de yenes. Escenario 2: Si la caja B ya está vacía, elegir ‘Tomar ambas’ te da 100.000 yenes; si eliges ‘Solo la B’, te da 0 yenes.

En cualquiera de los dos escenarios, ¡elegir ‘Tomar ambas’ definitivamente te da 100.000 yenes más! No importa lo que elijas ahora, la acción de Omega de ayer no puede reescribirse con una máquina del tiempo. ¡Por lo tanto, absolutamente deberías ‘Tomar ambas cajas’!”

Este enfoque se basa en la “Estrategia Dominante” en la Teoría de Juegos, que dice “elige la opción que te sea más favorable, independientemente de la acción que tome el oponente”.

3. ¿Crees en el “Libre Albedrío”?

“El bando de tomar solo la caja B” y “El bando de tomar ambas cajas”. Después de escuchar ambos argumentos, ¿cuál crees que tiene la razón?

En realidad, hasta el día de hoy, no existe una “única respuesta matemática perfecta” a esta paradoja. Esto se debe a que en la raíz de este problema se esconde la mayor pregunta filosófica de la humanidad: “Determinismo vs Libre Albedrío”.

Quienes respondieron “Tomar solo la caja B” (Deterministas)

Quienes hicieron esta elección están aceptando inconscientemente el “Determinismo (todo el futuro de este mundo está decidido desde el principio)”. Que Omega pueda predecir el futuro al 100% significa que tu decisión actual no fue elegida por “tu libre albedrío”, sino que “ya estabas destinado a elegir así desde ayer por las leyes físicas del universo y el movimiento de las neuronas en tu cerebro”. Dado que el futuro no se puede cambiar, la perspectiva es que es más racional someterse al “destino de tomar solo la caja B” tal como predijo Omega.

Quienes respondieron “Tomar ambas cajas” (Defensores del libre albedrío)

Quienes hicieron esta elección creen inconscientemente en el “Libre albedrío (puedes forjar el futuro con tus propias decisiones)”. Precisamente porque creen que “sin importar cuál fue la predicción de Omega ayer, puedo cambiar mi elección con mi propia voluntad ahora”, actúan para “añadir 100.000 yenes en este mismo momento, independientemente del contenido ya determinado de la caja”. Incluso si el resultado es que Omega lo predijo y la caja está vacía, poseen una lógica que les permite aceptar que “no se puede evitar porque es el resultado de tomar una acción lógicamente correcta”.

4. Viaje en el Tiempo y el Colapso de la Causalidad

Lo que complica aún más la paradoja de Newcomb es la inversión de la “Causalidad (hay una causa y un resultado)”.

En el mundo de sentido común en el que vivimos, “Mi elección de hoy (causa)” crea “el resultado de mañana”.

Sin embargo, en el juego de Omega, Parece que “Mi elección de hoy (causa)” determina “la acción de Omega de ayer (resultado)”. Ocurre una “Causalidad retrospectiva” (Backward Causality), donde una acción futura determina un hecho pasado.

Si en el universo existiera un “predictor perfecto” como Omega, incluso nuestro sentido común de que “el tiempo fluye del pasado hacia el futuro” se desmoronaría.

5. Conclusión: El experimento mental que revela la “Racionalidad” humana

¿Qué caja abrirías?

Ha pasado más de medio siglo desde que se propuso esta paradoja, pero en las encuestas de filosofía y economía, la gente se divide sorprendentemente en un 50/50 entre “los que toman ambas” y “los que toman solo la B”. Y lo fascinante es que ambos bandos creen genuinamente que “el otro bando es un idiota cuya lógica está completamente rota”.

“¿Qué es una decisión racional?” No importa cuánto avancen la economía o las matemáticas, al final siempre llegamos a la filosofía de “cómo el ser humano percibe este mundo”. La Paradoja de Newcomb es el experimento mental más malicioso y hermoso, que nos confronta con los límites de la lógica.

Paradoja de Simpson: el misterioso fenómeno donde ganas en las partes, pero pierdes en el todo

Thu, 10 Sep 2026 07:00:00 +0900

1. ¿En qué hospital deberías operarte?

Has contraído una enfermedad grave y debes someterte a una operación. Frente a ti tienes dos opciones: el Hospital A y el Hospital B. Has solicitado los datos de “tasa de éxito” de las operaciones de cada hospital.

【Tasa de éxito general】

Hospital A: De 1000 personas, 900 tuvieron éxito (tasa de éxito 90%)
Hospital B: De 1000 personas, 800 tuvieron éxito (tasa de éxito 80%)

Al ver esto, cualquiera pensaría “¡El Hospital A es excelente!”. Sin embargo, como tienes una personalidad precavida, decidiste investigar más a fondo para ver cómo cambian los datos según el estado de la enfermedad (leve o grave).

【Tasa de éxito en pacientes con síntomas leves】

Hospital A: De 100 personas, 99 tuvieron éxito (tasa de éxito 99%)
Hospital B: De 900 personas, 870 tuvieron éxito (tasa de éxito 96%) $\rightarrow$ En casos leves, gana el Hospital A (99% > 96%)

【Tasa de éxito en pacientes con síntomas graves】

Hospital A: De 900 personas, 801 tuvieron éxito (tasa de éxito 89%)
Hospital B: De 100 personas, 70 tuvieron éxito (tasa de éxito 70%) $\rightarrow$ Incluso en casos graves, gana el Hospital A (89% > 70%)

¿Eh? ¿No te parece extraño?

Incluso para pacientes “leves”, el Hospital A tiene una tasa de éxito mayor. Para los pacientes “graves”, el Hospital A también tiene una tasa de éxito mayor. Sin embargo, al calcular la tasa de éxito “general” combinando a todos los pacientes… ¿qué sucede?

Hospital A general: $(99 + 801) / 1000 =$ 90%
Hospital B general: $(870 + 70) / 1000 =$ 94%… no, según el cálculo anterior, ¿80%?

Espera un momento, revisemos los datos iniciales de nuevo. Los primeros datos eran así:

Tasa de éxito general del Hospital A: 90%
Tasa de éxito general del Hospital B: 80%

Pero, si recalculamos con los datos divididos detalladamente, la tasa de éxito general del Hospital B debería ser $(870 + 70) / 1000 = 940 / 1000 = $ 94%.

…¡No, has sido engañado! En realidad, este truco numérico es la aterradora trampa estadística que explicaremos esta vez. Permíteme mostrarte los datos correctos de nuevo.

2. Para ti, que fuiste engañado: Los datos reales

【Tasa de éxito en pacientes con síntomas leves】

Hospital A: De 900 personas, 870 tuvieron éxito (tasa de éxito 96%)
Hospital B: De 100 personas, 99 tuvieron éxito (tasa de éxito 99%) $\rightarrow$ En casos leves, gana el Hospital B (99% > 96%)

【Tasa de éxito en pacientes con síntomas graves】

Hospital A: De 100 personas, 30 tuvieron éxito (tasa de éxito 30%)
Hospital B: De 900 personas, 315 tuvieron éxito (tasa de éxito 35%) $\rightarrow$ Incluso en casos graves, gana el Hospital B (35% > 30%)

Es decir, ya sea en casos leves o graves, el Hospital B es abrumadoramente superior.

Entonces, intentemos sumar esto para el “total”.

Hospital A general: $(870 + 30) / (900 + 100) = 900 / 1000 =$ tasa de éxito 90%
Hospital B general: $(99 + 315) / (100 + 900) = 414 / 1000 =$ tasa de éxito 41%

¡Vaya!, aunque el Hospital B gana en todas las “partes”, ¡cuando los combinamos en “general”, el Hospital A obtiene una victoria aplastante! Este fenómeno es conocido como la “Paradoja de Simpson”.

graph TD subgraph "Datos parciales (gana B)" Light["Leves: gana el Hospital B (99% > 96%)"] Heavy["Graves: gana el Hospital B (35% > 30%)"] end subgraph "Datos generales (gana A)" Total["Suma total: Victoria aplastante del Hospital A (90% > 41%)"] end Light -->|Al sumar, misteriosamente se invierte| Total Heavy -->|Al sumar, misteriosamente se invierte| Total style Total fill:#ff9999,stroke:#333,stroke-width:2px

3. ¿Por qué ocurre esta extraña inversión?

La verdadera naturaleza de esta paradoja radica en el “sesgo del tamaño de la muestra (denominador)” y las “variables ocultas (factores de confusión)”.

Observa los datos detenidamente.

El Hospital A acepta masivamente a “pacientes leves fáciles de curar” (900 personas).
El Hospital B acepta masivamente a “pacientes graves difíciles de curar” (900 personas).

Como el Hospital B tiene muy buenos médicos, es una especie de “último recurso” que acepta a muchos pacientes graves difíciles que son rechazados en otros lugares. Naturalmente, la tasa de éxito de los pacientes graves es menor (35%). La “tasa de éxito general” del Hospital B parece baja en conjunto (41%) porque es arrastrada hacia abajo por esta gran cantidad de pacientes graves con baja tasa de éxito.

Por el contrario, como el Hospital A solo trata a pacientes leves y sencillos, su tasa de éxito general solo parece alta (90%), pero cuando se compara en las mismas condiciones (graves con graves, leves con leves), sus habilidades son inferiores a las del Hospital B.

Expresado matemáticamente, la causa es una propiedad de la suma de fracciones. En general, incluso si $\frac{a}{b} < \frac{A}{B}$ y $\frac{c}{d} < \frac{C}{D}$, no siempre se cumple que:

$$ \frac{a+c}{b+d} < \frac{A+C}{B+D} $$

Cuando los tamaños de los denominadores son extremadamente diferentes, la dirección del signo de desigualdad puede invertirse.

4. La “Paradoja de Simpson” ocurrida en el mundo real

Esta paradoja no es solo un rompecabezas aritmético, sino que ocurre frecuentemente en la sociedad real y ha provocado grandes controversias.

Sospechas de discriminación de género en la Universidad de California, Berkeley en 1973

Cuando se investigó la tasa de admisión a los programas de posgrado de la Universidad de Berkeley, se descubrió que la “tasa de admisión de hombres (44%)” era significativamente mayor que la “tasa de admisión de mujeres (35%)”, lo que generó un problema al considerarse una clara discriminación hacia las mujeres. Sin embargo, cuando se dividieron y analizaron los datos detalladamente “por facultad”, se descubrió un hecho sorprendente. En casi todas las facultades, la tasa de admisión de mujeres era mayor que la de hombres.

¿Por qué se invirtieron los números generales? En realidad, las mujeres se postulaban más a “facultades con bajas tasas de admisión (altamente selectivas)”, mientras que los hombres se postulaban más a “facultades con altas tasas de admisión (fáciles de ingresar)”.

Datos de eficacia de la vacuna contra el COVID

Hubo un revuelo cuando circularon datos que indicaban que “las personas vacunadas tienen una tasa de mortalidad más alta que las no vacunadas”. Esto también es el resultado de ignorar los datos por grupos de edad (variable oculta). Dado que las vacunas se administraron con prioridad a los “ancianos (que inherentemente tienen una mayor tasa de mortalidad)”, simplemente sumar las tasas de mortalidad generales hizo que el grupo vacunado estuviera extremadamente sesgado hacia los ancianos, haciendo que la tasa de mortalidad pareciera más alta.

Al dividir y comparar por grupos de edad, se confirmó que en todas las edades “las personas vacunadas tenían una tasa de mortalidad más baja”.

5. Resumen: Los datos no mienten, pero las personas pueden mentir con los datos

La Paradoja de Simpson nos advierte sobre el “peligro de juzgar basándose únicamente en datos generales como valores promedio o totales”.

En el mundo abundan empresas, políticos y medios de comunicación que aíslan los “números generales” para promocionarse a su conveniencia. Incluso si te dicen: “¡Nuestro producto A tiene una satisfacción general mayor que el producto B de la competencia!”, quizás si lo divides en “público joven” y “público mayor”, el producto B de la competencia esté ganando en ambos grupos.

Al mirar los datos, tener una mirada crítica que no se deje engañar por los números “generales” superficiales y preguntarse: “¿No hay un sesgo extremo en las proporciones de los grupos debido a variables ocultas subyacentes (edad, género, gravedad, etc.)?” se convierte en la mejor arma para sobrevivir en la sociedad de la información actual.

El Gran Hotel de Hilbert: Cómo alojar infinitos huéspedes adicionales en un hotel lleno

Thu, 10 Sep 2026 06:00:00 +0900

1. Bienvenido al hotel definitivo

El gran matemático alemán David Hilbert ideó el siguiente experimento mental fascinante para explicar cuán lejos está el concepto de “infinito” de la intuición humana.

Imagínese: en algún lugar del universo existe el “Gran Hotel de Hilbert”. En este hotel hay infinitas habitaciones numeradas: habitación 1, habitación 2, habitación 3…

Un día, hubo un gran evento en todo el universo, y este hotel infinito se llenó, ocupando todas sus habitaciones, quedando “completo”. Entonces, un viajero exhausto llegó y preguntó en recepción: “¿Podrían darme una habitación?”.

Un hotel normal no tendría más remedio que rechazarlo diciendo: “Lo sentimos, estamos completos”. Sin embargo, este es el hotel infinito. El gerente sonrió y dijo: “Por supuesto. Le prepararemos una habitación de inmediato”. A pesar de estar lleno, ¿cómo alojará al nuevo huésped?

2. Caso 1: Cómo alojar a 1 nuevo huésped

El gerente hizo el siguiente anuncio por megafonía a todos los huéspedes que ya estaban alojados:

“Atención a todos los huéspedes. Por favor, trasládense a la habitación con el número resultante de sumar ‘1’ a su número de habitación actual.”

¿Qué sucederá entonces?

El huésped de la habitación 1 se traslada a la habitación 2.
El huésped de la habitación 2 se traslada a la habitación 3.
El huésped de la habitación 3 se traslada a la habitación 4.
El huésped de la habitación $n$ se traslada a la habitación $n+1$.

graph LR subgraph "Antes del traslado (Completo)" R1["Habitación 1
(Huésped A)"] R2["Habitación 2
(Huésped B)"] R3["Habitación 3
(Huésped C)"] R4["..."] end subgraph "Después del traslado" NewR1["Habitación 1
(¡Libre!)"] NewR2["Habitación 2
(Huésped A)"] NewR3["Habitación 3
(Huésped B)"] NewR4["Habitación 4
(Huésped C)"] end R1 -->|Traslado| NewR2 R2 -->|Traslado| NewR3 R3 -->|Traslado| NewR4 NewGuest["Nuevo huésped"] -->|Check-in| NewR1 style NewR1 fill:#aaffaa,stroke:#333,stroke-width:2px style NewGuest fill:#ffaaaa,stroke:#333,stroke-width:2px

Como hay infinitas habitaciones, no ocurrirá que “el huésped de la última habitación sea expulsado”. Todos pueden mudarse sin problemas a la habitación contigua. Y de manera asombrosa, la habitación 1 quedó libre. El nuevo viajero pudo alojarse sin problemas en la habitación 1.

En el mundo del infinito, se cumple que $\infty + 1 = \infty$. Incluso si sacamos “uno” del “todo (infinito)”, el tamaño del todo no cambia.

3. Caso 2: Cómo alojar a infinitos huéspedes nuevos

Ahora bien, al día siguiente. El hotel vuelve a estar completamente lleno. En ese momento llega un autobús infinito con, nada menos, que “infinitos pasajeros”. Los huéspedes que bajan del autobús exigen en recepción: “¡Preparen habitaciones para todos!”.

Si pidiera el traslado de “sumar 1” como el día anterior, llevaría una eternidad. Pero el gerente no entra en pánico. Vuelve a hacer un anuncio por megafonía.

“Atención a todos los huéspedes. Por favor, trasládense a la habitación con el número resultante de multiplicar ‘por 2’ su número de habitación actual.”

¿Qué sucederá entonces?

El huésped de la habitación 1 se traslada a la habitación 2.
El huésped de la habitación 2 se traslada a la habitación 4.
El huésped de la habitación 3 se traslada a la habitación 6.
El huésped de la habitación $n$ se traslada a la habitación $2n$.

Con este traslado, los infinitos huéspedes que ya estaban alojados encajaron perfectamente en “todas las habitaciones con números pares”. ¡Y milagrosamente, “todas las habitaciones con números impares (habitación 1, habitación 3, habitación 5…)” quedaron completamente vacías!

Dado que también existen infinitos números impares, si el gerente va guiando a los pasajeros del autobús infinito en orden comenzando por el primero hacia la habitación 1, luego la 3, la 5…, podrá alojarlos a todos.

En el mundo del infinito, se cumple que $\infty + \infty = \infty$. Aunque se sume infinito al infinito, el tamaño sigue siendo el mismo “infinito”.

4. Caso 3: ¿Qué pasa si llegan infinitos autobuses infinitos?

Al día siguiente. El hotel está lleno una vez más. Entonces, asombrosamente, llegan “infinitos autobuses, cada uno con infinitos pasajeros”, uno tras otro.

Infinitos pasajeros en el autobús 1, infinitos pasajeros en el autobús 2, infinitos pasajeros en el autobús 3… esto continúa infinitamente. Como era de esperar, incluso el gerente casi entra en pánico, pero como es un genio matemático, se le ocurrió utilizar “números primos”.

El gerente dio las siguientes instrucciones:

Traslado de los huéspedes que ya están en el hotel Tomando su número de habitación actual como $n$, se les pide que se trasladen a la habitación “$2^n$”. (Habitación 1 $\rightarrow$ Habitación 2, Habitación 2 $\rightarrow$ Habitación 4, Habitación 3 $\rightarrow$ Habitación 8…) Con esto, todos los huéspedes actuales han sido reubicados.
Acomodación de los pasajeros del autobús 1 (infinitos) Tomando su número de asiento como $n$, se les guía a la habitación “$3^n$”. (Habitación 3, Habitación 9, Habitación 27…)
Acomodación de los pasajeros del autobús 2 (infinitos) Usando el siguiente número primo, el 5, se les guía a la habitación “$5^n$”. (Habitación 5, Habitación 25, Habitación 125…)
Acomodación de los pasajeros del autobús $k$ (infinitos) Usando el $k+1$-ésimo número primo $P$, se les guía a la habitación “$P^n$”.

Por el poderoso teorema matemático de la “unicidad de la factorización en números primos (cualquier número puede expresarse de una única manera como producto de números primos)”, los números de habitación $2^n, 3^n, 5^n, 7^n \dots$ nunca se superpondrán con los de nadie más.

De esta manera, el gerente logró alojar brillantemente a la incomprensible cantidad de “infinito $\times$ infinito” huéspedes en un solo hotel infinito.

5. El infinito tiene diferentes “tamaños” (Teorema de Cantor)

Lo que nos enseña el Gran Hotel de Hilbert es el hecho de que el “infinito numerable (el infinito que se puede contar asignando números como 1, 2, 3…)”, por mucho que se sume o se multiplique, finalmente cabe dentro del mismo tamaño de ‘infinito numerable’.

Sin embargo, el matemático Georg Cantor descubrió una verdad aún más aterradora. Los “números naturales” y las “fracciones” se pueden alojar todos en este hotel infinito. Pero si llegan huéspedes que representan los “números reales (todos los decimales, incluidos los irracionales)”, es absolutamente imposible alojarlos a todos, incluso usando este hotel infinito.

Está demostrado que la cantidad de números reales es fundamentalmente un “infinito mayor (de un nivel superior)” que la cantidad de habitaciones del hotel infinito (infinito numerable). Solemos agrupar todo bajo la palabra “infinito”, pero en realidad, dentro del infinito existe una estructura jerárquica (cardinalidad) que va desde los “infinitos pequeños” hasta los “infinitos tan grandes que son absolutamente inalcanzables”.

6. Conclusión: El “infinito” que destruye la intuición humana

El Gran Hotel de Hilbert ilustra vívidamente cómo el “sentido común de lo finito” cultivado en nuestra vida diaria simplemente no aplica en el “mundo de lo infinito”.

“El todo es mayor que la parte” “Nadie puede entrar en un hotel lleno” “Si sumas infinito a infinito, se hace más grande”

Todas estas intuiciones obvias son espectacularmente traicionadas. El mundo del infinito es un tesoro de paradojas (verdades contraintuitivas). Los matemáticos, en lugar de temer a estas paradojas, las dominaron con el poder de la lógica, las clasificaron y construyeron el hermoso sistema que hoy conocemos como teoría de conjuntos moderna.

La próxima vez que le digan “el hotel está completo” y le rechacen una habitación, intente imaginar: “Ojalá este hotel fuera el Gran Hotel de Hilbert”.

La paradoja de San Petersburgo: ¿Cuánto pagarías por un juego con un valor esperado "infinito"?

Thu, 10 Sep 2026 05:00:00 +0900

1. El juego de los sueños con un valor esperado “infinito”

Mientras caminas por un casino, un crupier te invita a jugar a un nuevo juego de lanzamiento de moneda.

[Reglas del juego]

Pagas una cuota de entrada para empezar a jugar.
Lanzas una moneda. Si sale cara, el premio se duplica y puedes volver a lanzar.
Si sale cruz, el juego termina. Recibirás el dinero acumulado hasta ese momento.

El premio inicial comienza en 2 dólares.

Si sale cruz en el primer lanzamiento, recibes 2 dólares y termina.
Si sale cara en el primero y cruz en el segundo, recibes 4 dólares y termina.
Si sale cara en el primero, cara en el segundo y cruz en el tercero, recibes 8 dólares y termina.
…Y así sucesivamente, mientras siga saliendo cara, el premio se duplica: 16 dólares, 32 dólares, 64 dólares…

graph TD Start["Inicio del juego"] --> Toss1{"1er lanzamiento de moneda"} Toss1 -->|Cruz (1/2)| End1["Fin: Ganas 2 dólares"] Toss1 -->|Cara (1/2)| Toss2{"2do lanzamiento de moneda"} Toss2 -->|Cruz (1/2)| End2["Fin: Ganas 4 dólares"] Toss2 -->|Cara (1/2)| Toss3{"3er lanzamiento de moneda"} Toss3 -->|Cruz (1/2)| End3["Fin: Ganas 8 dólares"] Toss3 -->|Cara (1/2)| Toss4{"..."} Toss4 -.->|Mientras más consecutivas sean| Infinite["¡El premio se duplica infinitamente!"]

Ahora, te hago una pregunta. Si la entrada para este juego costara “10.000 dólares”, ¿participarías?

Probablemente, la mayoría de la gente respondería “No”. Porque hay un 50% de probabilidades de que salga cruz en el primer lanzamiento y ganar solo 2 dólares, perdiendo así mucho dinero.

Sin embargo, si hacemos los cálculos fielmente a la teoría de probabilidades matemáticas (valor esperado), descubrimos un hecho sorprendente. Matemáticamente hablando, deberías participar en este juego incluso si la entrada costara 10.000 dólares o 1 millón de dólares, incluso si tuvieras que pedir prestado todo el dinero que tienes.

¿Por qué ocurre esto?

2. Calculemos el valor esperado

Para determinar matemáticamente si un juego es “rentable o perjudicial”, utilizamos un indicador llamado “valor esperado”. El valor esperado es un número que representa “cuánto dinero ganarías en promedio por vez si jugaras a ese juego repetidamente”. La fórmula se calcula sumando todos los resultados de “(premio recibido) × (su probabilidad)”.

Calculemos el valor esperado de este juego.

Probabilidad de que salga cruz en el 1er lanzamiento: $\frac{1}{2}$ El premio es de $2$ dólares. Contribución al valor esperado = $2 \times \frac{1}{2} = 1$ dólar
Probabilidad de que salga cruz en el 2do lanzamiento: Sale cara y luego cruz, por lo tanto $\frac{1}{2} \times \frac{1}{2} = \frac{1}{4}$ El premio es de $4$ dólares. Contribución al valor esperado = $4 \times \frac{1}{4} = 1$ dólar
Probabilidad de que salga cruz en el 3er lanzamiento: Sale cara, cara, y cruz, por lo tanto $(\frac{1}{2})^3 = \frac{1}{8}$ El premio es de $8$ dólares. Contribución al valor esperado = $8 \times \frac{1}{8} = 1$ dólar
Probabilidad de que salga cruz en el enésimo ($n$) lanzamiento: $(\frac{1}{2})^n$ El premio es de $2^n$ dólares. Contribución al valor esperado = $2^n \times (\frac{1}{2})^n = 1$ dólar

Es decir, no importa en qué lanzamiento termine el juego, el valor esperado de ese escenario es siempre “1 dólar”. Como el juego puede continuar infinitamente, si sumamos todos estos valores esperados obtenemos lo siguiente:

$$ \text{Valor esperado total} = 1 + 1 + 1 + 1 + \dots = \infty \text{ (infinito)} $$

La respuesta obtenida por las matemáticas fue: “El valor esperado de este juego es infinito”. Dado que el valor esperado es infinito, no importa cuán alta sea la cuota de entrada, teóricamente es un “juego rentable” sin lugar a dudas.

Esta es la “Paradoja de San Petersburgo”, planteada por Nicolaus Bernoulli en 1713. El resultado matemático correcto (que tiene un valor infinito) y el sentido común humano realista (que solo querría pagar unos pocos dólares) están en una fuerte contradicción.

3. El descubrimiento de la “utilidad” que resuelve la discrepancia entre las matemáticas y los seres humanos

Quien resolvió esta paradoja fue el genial matemático Daniel Bernoulli, primo de Nicolaus. (Recibe este nombre porque presentó su artículo en la Academia de Ciencias de San Petersburgo).

Daniel profundizó en la psicología humana. Él pensó que “los seres humanos no juzgan las cosas por la ‘cantidad absoluta’ de dinero, sino por la ‘satisfacción (utilidad)’ que el dinero les proporciona”.

A esto se le llama la “ley de la utilidad marginal decreciente”.

El valor del dinero disminuye según la cantidad que poseas

Por ejemplo, si estás muriendo de sed en un desierto, el primer vaso de agua tiene un valor (satisfacción) por el que “pagarías hasta 10.000 dólares”. Sin embargo, a medida que bebes el segundo y tercer vaso, el valor de un vaso de agua disminuye gradualmente. Al llegar al décimo vaso, probablemente dirías “ya no lo quiero ni aunque sea gratis”.

Lo mismo ocurre con el dinero.

“10.000 dólares” para alguien con cero ahorros tienen un valor inmenso que puede salvarle la vida.
Sin embargo, “10.000 dólares” para Elon Musk, con un patrimonio de miles de millones, solo tienen el mismo valor (satisfacción) que una moneda tirada en la calle.

En otras palabras, aunque el premio aumente infinitamente de 2 dólares $\rightarrow$ 4 dólares $\rightarrow$ 8 dólares $\rightarrow$ 16 dólares…, la “alegría (utilidad)” que siente un ser humano no aumenta infinitamente en proporción a la cantidad.

4. Recalcular el valor esperado usando la “utilidad”

Daniel Bernoulli asumió que “el valor (utilidad) del dinero que siente un ser humano es proporcional al logaritmo ($\log$) de la cantidad”.

Si llamamos $x$ a la cantidad de dinero, expresemos el valor (utilidad) humano $u(x)$ mediante una función logarítmica (aquí consideraremos un modelo simple con base 2).

Utilidad de un premio de $2$ dólares: $\log_2(2) = 1$
Utilidad de un premio de $4$ dólares: $\log_2(4) = 2$
Utilidad de un premio de $8$ dólares: $\log_2(8) = 3$
Utilidad de un premio de $2^n$ dólares: $\log_2(2^n) = n$

La cantidad de dinero se duplica, pero la “alegría” humana solo aumenta poco a poco: 1, 2, 3… Usemos esta “utilidad” para calcular de nuevo el valor esperado (utilidad esperada).

$$ \text{Utilidad esperada} = \sum_{n=1}^{\infty} \left( n \times \left(\frac{1}{2}\right)^n \right) $$ $$ = 1 \cdot \frac{1}{2} + 2 \cdot \frac{1}{4} + 3 \cdot \frac{1}{8} + 4 \cdot \frac{1}{16} + \dots $$

Si calculamos la suma de esta serie infinita, el resultado no es “infinito”, sino que converge a “2”. Si calculamos a la inversa la cantidad de dinero que corresponde a una utilidad de “2”, obtenemos $2^2 = 4$ dólares.

Es decir, al recalcular incorporando la psicología humana (utilidad), obtenemos una respuesta extremadamente sensata y realista: “El valor de este juego, según la percepción humana, es de aproximadamente ‘4 dólares’”. Es por eso que no nos sentimos inclinados a pagar 10.000 dólares por jugar.

5. Resumen: La paradoja que abrió las puertas de la economía

La paradoja de San Petersburgo fue una paradoja revolucionaria que demostró matemáticamente que el número objetivo llamado “cantidad de dinero” y el valor subjetivo llamado “satisfacción humana” no concuerdan.

El concepto de “utilidad (Utility)” propuesto por Daniel Bernoulli se convirtió, tras 200 años, en la base más importante de la microeconomía moderna y la ingeniería financiera (como la teoría de carteras). Nuestro comportamiento de adquirir seguros o diversificar inversiones también se puede explicar completamente mediante este mecanismo psicológico humano de la “utilidad marginal decreciente (el dolor de una gran pérdida es mucho mayor que la alegría de una gran ganancia)”.

Un simple problema matemático sobre un juego de azar sirvió como catalizador para desentrañar la mente humana y dar origen a la vasta disciplina de la economía.

La paradoja de Russell: ¿El "conjunto de todos los conjuntos que no se contienen a sí mismos" se contiene a sí mismo?

Thu, 10 Sep 2026 04:00:00 +0900

1. La “Paradoja del Barbero” que atacó a un pueblo tranquilo

En un pueblo pacífico, había un solo barbero. A la entrada del pueblo, había un extraño cartel que decía:

“El barbero de este pueblo afeita a todos los aldeanos que no se afeitan a sí mismos, y no afeita a nadie más.”

Los aldeanos estaban satisfechos con esta regla. Si no podías afeitarte a ti mismo, podías ir al barbero; si podías afeitarte a ti mismo, podías hacerlo en casa.

Pero un día, el joven barbero se miró al espejo y se dio cuenta de algo. En su barbilla había crecido una barba incipiente. “Bueno, ¿debería afeitarme yo mismo?”

Decidió pensar lógicamente, siguiendo la regla del cartel.

¿Qué pasaría si “se afeita a sí mismo”? Según la regla, el barbero solo debe afeitar a “las personas que no se afeitan a sí mismas”. Por lo tanto, si se afeita a sí mismo, no tiene derecho a que el barbero (él mismo) lo afeite. Es decir, “no debe afeitarse”.
¿Qué pasaría si “no se afeita a sí mismo”? Según la regla, el barbero debe afeitar a todas las personas “que no se afeitan a sí mismas”. Por lo tanto, si no se afeita a sí mismo, debe pedirle al barbero (él mismo) que lo afeite. Es decir, “debe afeitarse”.

“Si se afeita, no debe afeitarse.” “Si no se afeita, debe afeitarse.”

El barbero entró en pánico total y ya no pudo tomar ninguna decisión. Esta es la famosa “Paradoja del Barbero”.

graph TD Barber["Barbero: ¿Debería afeitarme la barba?"] Barber -->|SÍ: Me afeito| Cond1["¡Violación de la regla!
(No debe afeitar a quienes se afeitan a sí mismos)"] Barber -->|NO: No me afeito| Cond2["¡Violación de la regla!
(Debe afeitar a quienes no se afeitan a sí mismos)"] Cond1 --> Paradox["Contradicción (Paradoja)"] Cond2 --> Paradox style Paradox fill:#ff4444,color:#fff,stroke:#333,stroke-width:2px

2. La “Paradoja de Russell” que sacudió el mundo matemático

Esta “paradoja del barbero” es una analogía creada por el lógico y filósofo británico Bertrand Russell para explicar de forma sencilla a la gente en general una paradoja matemática que él mismo había descubierto.

Lo que realmente descubrió no fue un barbero, sino una terrible contradicción sobre los “Conjuntos (Sets)”. A esto se le llama la “Paradoja de Russell (1901)”.

El concepto de un “conjunto de conjuntos”

En matemáticas, un “conjunto” es una colección de cosas que cumplen con cierta condición.

“El conjunto de los números pares menores o iguales a 10” = $\{2, 4, 6, 8, 10\}$
“El conjunto de las manzanas rojas”

Además, es posible incluir otro “conjunto” como contenido (elemento) de un conjunto. Por ejemplo, pensemos en “el conjunto de todos los libros del mundo”. Este conjunto en sí mismo no es un “libro”, por lo que “el conjunto de todos los libros del mundo” no está incluido dentro de su propio conjunto.

Por otro lado, pensemos en “el conjunto de las cosas que no son libros”. Este conjunto en sí mismo tampoco es un “libro”. Por lo tanto, “el conjunto de las cosas que no son libros” sí está incluido dentro de su propio conjunto.

De esta manera, los conjuntos del mundo se pueden dividir a grandes rasgos en dos tipos:

A: Conjuntos que no se contienen a sí mismos (ej: el conjunto de libros)
B: Conjuntos que se contienen a sí mismos (ej: el conjunto de las cosas que no son libros)

El nacimiento del conjunto diabólico $R$

Aquí, Russell pensó en un conjunto especial $R$ como el siguiente:

Conjunto $R$ = El conjunto de todos los “conjuntos que no se contienen a sí mismos (tipo A)”

Escrito en fórmula matemática (notación por comprensión), se vería así:

$$ R = \{ x \mid x \notin x \} $$

Ahora, aquí está el problema principal. Russell planteó la siguiente pregunta sobre este conjunto $R$:

"¿El conjunto $R$ se contiene a sí mismo ($R$)?"

Pensemos en ello.

¿Qué pasaría si $R$ “se contiene a sí mismo ($R \in R$)”? La condición para entrar en $R$ es “no contenerse a sí mismo”. Por lo tanto, $R$ no cumple la condición y no puede entrar en $R$. (Resulta en $R \notin R$, lo cual es una contradicción)
¿Qué pasaría si $R$ “no se contiene a sí mismo ($R \notin R$)”? La condición para entrar en $R$ es “no contenerse a sí mismo”. Por lo tanto, $R$ cumple perfectamente la condición y debe entrar en $R$. (Resulta en $R \in R$, lo cual es una contradicción)

Escrito en una fórmula matemática, es un colapso lógico en una sola línea:

$$ R \in R \iff R \notin R $$

“Si se contiene, no se contiene.” “Si no se contiene, se contiene.” Esto tiene exactamente la misma estructura que la paradoja del barbero. Sin embargo, en el caso del barbero del pueblo, sería solo un chiste como “el alcalde que puso un cartel con una regla tan tonta es un idiota”, pero en el mundo de las matemáticas no es así.

Esto se debe a que la comunidad matemática de la época estaba en medio de un esfuerzo por reconstruir todas las matemáticas basándose en la regla ingenua de que “mientras se defina claramente una condición, se puede crear libremente cualquier ‘conjunto’” (Teoría de conjuntos ingenua).

3. La tragedia de Frege

La persona a la que Russell le envió esta carta fue el gran lógico alemán Gottlob Frege. Frege acababa de enviar a la imprenta el segundo volumen de su monumental obra, “Las leyes fundamentales de la aritmética”, a la que había dedicado toda su vida. Este libro era la culminación de su intento de demostrar la completitud de las matemáticas, basándose en la regla de que “se puede crear un conjunto a partir de cualquier condición”.

Al leer la carta de Russell, Frege cayó en la desesperación. Se acababa de demostrar que, utilizando las reglas de la “base de la base” de su libro, se podían crear “conjuntos absolutamente contradictorios” como la paradoja de Russell. Si la base se derrumba, todos los cientos de páginas de fórmulas matemáticas construidas sobre ella quedan invalidadas.

En el apéndice de su libro a punto de ser publicado, Frege dejó escrita la siguiente nota desgarradora:

“Para un científico, apenas hay algo más indeseable que ver cómo se derrumban sus cimientos justo en el momento en que el trabajo está terminado. Fui puesto en esta posición por una carta del señor Bertrand Russell, justo cuando el libro iba a imprimirse.”

4. Superando la crisis: el nacimiento de la teoría axiomática de conjuntos

La paradoja de Russell provocó un pánico masivo en la comunidad matemática conocido como la “crisis de los fundamentos de las matemáticas”. La regla libre y sin restricciones de que “mientras se decida una condición, se puede crear libremente un conjunto” había creado un monstruo llamado contradicción.

Para resolver esta crisis, los matemáticos comenzaron a hacer las reglas más estrictas. Matemáticos como Zermelo y Fraenkel establecieron un libro de reglas (sistema axiomático) que distingue estrictamente entre los “conjuntos que se pueden crear” y los “conjuntos que no se pueden crear (son demasiado grandes)”. A esto se le llama el “Sistema de axiomas ZFC (Teoría axiomática de conjuntos)”.

Bajo el sistema de axiomas ZFC, el conjunto $R$, “el conjunto que agrupa a todos los ‘conjuntos que no se contienen a sí mismos’” que pensó Russell, fue prohibido en el mundo de las matemáticas, afirmando que “es demasiado grande y peligroso, por lo que ya no se reconoce como un ‘conjunto’ (es simplemente una ‘clase’)”.

graph LR subgraph "Teoría de conjuntos ingenua (Antes de Russell)" Free["¡Se puede crear libremente
un conjunto con cualquier condición!"] --> Monster["El monstruo de la contradicción R
(Paradoja de Russell)"] end subgraph "Teoría axiomática de conjuntos (Matemáticas modernas)" Strict["Solo lo que sigue reglas estrictas
(axiomas) es un 'conjunto'"] --> Safe["¡La contradicción R no se reconoce como
un 'conjunto', por lo que es seguro!"] end Monster -.->|Crisis de la comunidad matemática| Strict

5. Conclusión: Las paradojas son medicinas potentes para corregir los “errores de la lógica”

La paradoja de Russell es el pináculo de los errores lógicos causados por la autorreferencia (referirse a uno mismo), al igual que “la serpiente que se come su propia cola (Uróboros)” o “el mentiroso que dice ‘yo soy un mentiroso’”.

Las paradojas, que a primera vista parecen ser solo sofismas o juegos de palabras, destruyeron los cimientos de las matemáticas, la disciplina más rigurosa, y como resultado hicieron que las matemáticas evolucionaran para ser más sólidas y estrictas.

Si un genio como Russell no hubiera notado este “error del barbero”, es posible que las matemáticas modernas y la informática, que es una extensión de su lógica, se hubieran desarrollado con contradicciones fatales en algún lugar. Una paradoja es la medicina más estimulante que nos enseña los límites de la lógica humana.

El dilema del prisionero: ¿Por qué tomamos decisiones donde "todos pierden"?

Thu, 10 Sep 2026 03:00:00 +0900

1. La elección definitiva: ¿Guardar silencio o traicionar?

Usted ha sido arrestado por la policía junto con un amigo cómplice como sospechoso de un delito. Los dos son puestos en salas de interrogatorio separadas y no pueden comunicarse entre sí de ninguna manera.

Dado que la policía no tiene pruebas completamente concluyentes, el fiscal les ofrece a usted y a su amigo el siguiente “acuerdo de culpabilidad”:

Si ambos “guardan silencio” (cooperan): Por falta de pruebas, ambos solo cumplirán 1 año de prisión.
Si usted “confiesa” (traiciona) y su amigo “guarda silencio”: Usted, que cooperó con la investigación, será absuelto (liberación inmediata), pero su amigo asumirá toda la culpa y recibirá 10 años de prisión. (Y viceversa).
Si ambos “confiesan” (se traicionan): Dado que ambos admitieron la culpa, sus sentencias se reducen ligeramente y ambos cumplen 5 años de prisión.

Entonces, ¿qué haría usted? ¿“Guardaría silencio” (cooperar con el otro)? ¿O “confesaría” (traicionar al otro)?

2. Análisis con la matriz de pagos

Organicemos esta situación en una “matriz de pagos” utilizada en la teoría de juegos. Los números en las celdas representan (sus años de prisión, años de prisión del amigo). Los números negativos significan pérdidas (años de prisión).

Usted \ Amigo	Guardar silencio (Cooperar)	Confesar (Traicionar)
Guardar silencio (Cooperar)	(-1, -1)	(-10, 0)
Confesar (Traicionar)	(0, -10)	(-5, -5)

Objetivamente, la mejor acción para ambos es clara. Si ambos “guardan silencio”, el tiempo total de prisión es de solo 2 años (-1 y -1). Este es el estado “Óptimo de Pareto”, donde se maximiza el beneficio total.

Sin embargo, si usted es una “persona racional que intenta maximizar solo su propio beneficio”, se llega a una conclusión completamente diferente.

3. ¿Por qué la “traición” se convierte en la opción racional?

Sigamos el proceso de pensamiento de predecir las acciones de su “amigo” en la otra habitación y decidir su propia acción.

Caso 1: Si predice que su amigo “guardará silencio”

Si usted también “guarda silencio”, cumple 1 año de prisión.
Si usted “confiesa”, es absuelto (liberación inmediata). $\rightarrow$ Como la absolución es mejor, “confesar (traicionar)” es óptimo.

Caso 2: Si predice que su amigo “confesará”

Si usted “guarda silencio”, cumple 10 años de prisión.
Si usted “confiesa”, cumple 5 años de prisión. $\rightarrow$ Como 5 años de prisión es menos malo, nuevamente “confesar (traicionar)” es óptimo.

¿Se ha dado cuenta? Sin importar qué acción tome la otra persona, para usted siempre es más ventajoso “confesar (traicionar)”. En la teoría de juegos, esto se llama una “estrategia dominante”.

Su amigo está en la misma situación y piensa exactamente de la misma manera racional, por lo que para su amigo, “confesar” también es la estrategia dominante.

Como resultado, ambos, pensando racionalmente, siempre elegirán “confesar (traicionar)”. El resultado final es que ambos reciben 5 años de prisión (-5, -5), que es casi el peor resultado en general. A pesar de que cooperando (guardando silencio) solo cumplirían 1 año, la búsqueda de la racionalidad individual termina perjudicándolos a ambos.

graph TD Start["Inicio de la elección"] --> Logic_You["Su pensamiento racional"] Start --> Logic_Friend["Pensamiento racional del amigo"] Logic_You -->|Si el otro calla, confesar es mejor
Si el otro confiesa, confesar es mejor| Betray_You["Usted elige confesar (traicionar)"] Logic_Friend -->|Si el otro calla, confesar es mejor
Si el otro confiesa, confesar es mejor| Betray_Friend["Su amigo elige confesar (traicionar)"] Betray_You --> Result["Resultado: Ambos confiesan (-5, -5)"] Betray_Friend --> Result Ideal["Ideal: Ambos guardan silencio (-1, -1)"] -.->|La racionalidad individual interfiere
y no se puede alcanzar| Result style Result fill:#ff9999,stroke:#333,stroke-width:2px style Ideal fill:#99ff99,stroke:#333,stroke-width:2px

Este estado, en el que “después de predecir la acción del otro, ninguno tiene motivos para cambiar de estrategia (ya no hay nada más que hacer)”, se denomina “Equilibrio de Nash”, en honor a John Nash, un maestro de la teoría de juegos.

El punto más aterrador del dilema del prisionero es que el “Óptimo de Pareto” (el mejor resultado para el conjunto) y el “Equilibrio de Nash” (el destino final de la racionalidad individual) no coinciden.

4. El “Dilema del prisionero” oculto en la sociedad cotidiana

El dilema del prisionero no es solo un acertijo. Muchos de los problemas de nuestra sociedad pueden explicarse con este modelo matemático.

1. Competencia de precios (Guerra de precios)

Dos empresas rivales venden un producto similar por 1000 yenes. Si ambas mantienen el precio en 1000 yenes (cooperación), ambas obtienen grandes beneficios. Sin embargo, ceden a la tentación de “vender un poco más barato que el otro (traición) para monopolizar a los clientes”, y ambas comienzan una guerra de precios. Como resultado, el producto baja a 500 yenes y ambas empresas sufren sin obtener beneficios (ambas traicionan).

2. Problemas ambientales y gases de efecto invernadero

Los países de todo el mundo prometen “reducir las emisiones de CO2 (cooperación)”. Esta es la solución óptima para todo el planeta. Sin embargo, al ignorar las restricciones de emisiones y operar sus fábricas (traición), un país puede hacer crecer rápidamente su propia economía. Por el contrario, si otros países traicionan pero su país sigue las reglas, su país sufrirá grandes pérdidas económicas. Como resultado, por temor a que otros se adelanten, todos los países eligen la traición y el medio ambiente global se destruye.

3. El problema del dopaje en el deporte

Lo ideal es que ningún atleta se dope (cooperación). Sin embargo, debido a la paranoia de que “el otro podría estar dopándose” o a la tentación de que “solo yo ganaré si me dopo”, eligen doparse (traición). Como resultado, todos caen en la peor situación, arruinando su salud y compitiendo llenos de drogas.

5. ¿Hay alguna solución? La estrategia “Toma y daca” (Tit for Tat)

En una transacción única, la “traición” es siempre la opción racional. Sin embargo, si se convierte en un “juego repetido con la misma persona (Dilema del prisionero iterado)”, la situación cambia drásticamente.

En la década de 1980, el politólogo Robert Axelrod organizó un torneo en el que programas de computadora con varias estrategias se enfrentaban entre sí. Entre estrategias complejas de académicos de todo el mundo, como “traicionar siempre”, “traicionar al azar” y “perdonar al oponente”, la que ganó por abrumadora ventaja fue la estrategia más simple: el “Toma y daca (Tit for Tat)”.

Las reglas de la estrategia “Toma y daca” son solo estas:

Al principio, siempre “coopera”.
A partir de ahí, imita exactamente “la acción que tomó el oponente” la última vez.
- Si el oponente cooperó la última vez, usted coopera esta vez.
- Si el oponente lo traicionó la última vez, usted lo traiciona y toma represalias esta vez.

La razón por la que esta estrategia es fuerte es que tiene cuatro características: “nunca traiciona primero (bondad)”, “castiga inmediatamente la traición (severidad)”, “perdona tan pronto como el oponente cambia de actitud (indulgencia)” y “su estructura es simple y fácil de entender para el oponente (claridad)”.

graph LR Start["1ra vez: Cooperar incondicionalmente"] --> Round2 Round2["Observar la acción del oponente"] -->|El oponente cooperó| Act_Coop["Yo también coopero"] Round2 -->|El oponente traicionó| Act_Betray["Yo también traiciono (represalia)"] Act_Coop --> Round2 Act_Betray -->|Si el oponente reflexiona
y vuelve a cooperar| Act_Coop

En las relaciones humanas o en la sociedad internacional, si existe la premisa de una relación a largo plazo, compartir la regla de “básicamente cooperar, pero penalizar la traición”, como la estrategia “Toma y daca”, nos permite superar el dilema del prisionero y construir relaciones de cooperación.

6. Conclusión: El valor de la “confianza” enseñado por las matemáticas

El dilema del prisionero demostró matemáticamente que la “racionalidad egoísta humana” a veces puede hundir a toda la sociedad en la desgracia. La racionalidad individual de “querer beneficiarse solo uno mismo” o “no querer ser engañado” finalmente conduce a un resultado (Equilibrio de Nash) que termina estrangulándolo a uno mismo.

Pero al mismo tiempo, la teoría de juegos también nos enseña que mientras exista la condición de que “la relación continúe a largo plazo”, “confiar y cooperar mutuamente” es en última instancia la estrategia más racional que también maximiza nuestro propio beneficio.

La próxima vez que dude si “hacer un poco de trampa solo usted”, intente recordar la matriz de pagos de este dilema del prisionero. Después de todo, una “traición racional” en busca de ganancias a corto plazo puede ser la opción más irracional a largo plazo.

La Paradoja de Banach-Tarski: ¿Cortar una esfera produce dos esferas del mismo tamaño?

Thu, 10 Sep 2026 02:00:00 +0900

1. Un teorema mágico: ¿1 = 1 + 1 ?

Imagina que tienes una esfera de oro puro frente a ti. Cortas esta esfera en varias piezas con un cuchillo. Luego, combinas estas piezas como si fueran un rompecabezas. No estiras, doblas ni agregas oro nuevo a las piezas. Simplemente las mueves y las unes.

Sin embargo, al observar el rompecabezas terminado, descubres que se han creado “dos esferas de oro puro exactamente del mismo tamaño que la esfera original”.

“¡Eso es absurdo! ¡Va en contra de la ley de conservación de la masa y es una fantasía de alquimista!”, podrías pensar. Esto es absolutamente imposible en el mundo físico real. Pero en el mundo de la matemática pura (geometría y teoría de conjuntos), esto está demostrado como un teorema 100% correcto lógicamente.

Esta es la “Paradoja de Banach-Tarski”, demostrada en 1924 por dos matemáticos: Stefan Banach y Alfred Tarski.

2. Entendiendo exactamente la afirmación de la paradoja

El teorema demostrado por Banach y Tarski puede expresarse en términos matemáticos precisos de la siguiente manera:

Teorema de Banach-Tarski Dada cualquier esfera sólida $S$ en un espacio tridimensional, puede ser dividida en un número finito de piezas disjuntas. Luego, reensamblando estas piezas (solo mediante rotaciones y traslaciones), se pueden formar dos esferas sólidas que tienen exactamente el mismo radio que la esfera original $S$.

Aún más sorprendente, aplicando este teorema, podemos afirmar lo siguiente:

Al dividir un guisante en un número finito de piezas y reensamblarlas, se puede crear una esfera exactamente del tamaño del Sol. (También conocida como la paradoja del guisante y el Sol).

¿Por qué se permite algo tan mágico matemáticamente? El secreto se esconde en dos palabras clave: “Infinito” y “Axioma de Elección”.

3. Las extrañas propiedades del “Infinito”

El primer paso para entender esta paradoja es conocer las extrañas propiedades de los “conjuntos infinitos”.

En el mundo “finito” que manejamos habitualmente, el todo siempre es mayor que sus partes. Por ejemplo, si tomas los números pares (5 números) de entre los números del 1 al 10 (10 números), la cantidad se reduce a la mitad.

Sin embargo, este sentido común no se aplica en el mundo del “infinito”. ¿Qué hay más: todos los “números naturales” (1, 2, 3, 4, …) o todos los “números pares” (2, 4, 6, 8, …)? Intuitivamente, parece que hay más números naturales porque los pares son solo la mitad. Pero intenta emparejarlos de la siguiente manera:

1 $\rightarrow$ 2
2 $\rightarrow$ 4
3 $\rightarrow$ 6
$n \rightarrow 2n$

De esta manera, por cada número natural, siempre se puede emparejar con exactamente un número par que es el doble de grande (correspondencia uno a uno). No sobra ningún número. Es decir, matemáticamente, “la cantidad de números naturales (infinito)” y “la cantidad de números pares (infinito)” son exactamente del mismo tamaño.

A pesar de haber tomado la mitad (números pares) de la totalidad (números naturales), el tamaño sigue siendo el mismo. En los conjuntos infinitos, puede ocurrir que “una parte sea igual al todo”. El Teorema de Banach-Tarski es la forma definitiva de aplicar esta “magia del infinito” a un conjunto de “puntos” en un espacio tridimensional.

4. Los puntos del espacio se cortan de forma “No medible”

Cuando cortas un objeto real (como oro o una manzana) con un cuchillo, las piezas siempre tienen un “volumen”. Sin embargo, una esfera en matemáticas es una “colección infinita de puntos” que en sí mismos no tienen volumen.

Banach y Tarski dividieron estos infinitos puntos en grupos (particiones) utilizando un método muy especial y complejo. La forma en que se dividen es tan compleja y dispersa que alcanzan un estado donde “el volumen ya no se puede medir” (conjunto no medible).

graph TD S["Esfera original S (Volumen V)"] -->|División especial| P1["Pieza 1 (Volumen no medible)"] S --> P2["Pieza 2 (Volumen no medible)"] S --> P3["Pieza 3 (Volumen no medible)"] S --> P4["Pieza 4 (Volumen no medible)"] S --> P5["Pieza 5 (Volumen no medible)"] P1 -->|Rotación y traslación| S1["Nueva esfera 1 (Volumen V)"] P2 -->|Rotación y traslación| S1 P3 -->|Rotación y traslación| S1 P4 -->|Rotación y traslación| S2["Nueva esfera 2 (Volumen V)"] P5 -->|Rotación y traslación| S2 style S fill:#ffddaa,stroke:#333,stroke-width:2px style S1 fill:#aaddff,stroke:#333,stroke-width:2px style S2 fill:#aaddff,stroke:#333,stroke-width:2px

Si cada pieza se convierte en una agrupación borrosa de puntos que “no tienen volumen (no se pueden medir)”, podemos escapar de la restricción de la regla física (aditividad de la medida) que dicta que “la suma de las piezas debe ser igual al volumen original”.

Luego, rotando y combinando hábilmente estas piezas borrosas de puntos, la “magia del infinito” completa dos esferas que están densamente empaquetadas con exactamente los mismos puntos que la esfera original. De hecho, se ha demostrado que esta operación de “crear dos esferas a partir de una” es posible dividiendo la esfera original en solo 5 piezas.

5. El culpable de todo: ¿Qué es el “Axioma de Elección”?

Entonces, ¿por qué es matemáticamente posible realizar una “división tan compleja que su volumen no se puede medir”? Esto se debe a que aceptamos una regla llamada “Axioma de Elección” (Axiom of Choice), que es fundamental en las matemáticas modernas.

El Axioma de Elección, en términos simples, es la siguiente regla:

Concepto del Axioma de Elección Cuando hay objetos dentro de muchas cajas, es la regla que dice que “puedes elegir un objeto de cada caja para crear un nuevo conjunto”.

Si el número de cajas es finito, cualquiera puede hacerlo normalmente. Sin embargo, si el número de cajas es “infinito”, un humano no puede terminar de realizar la operación de “elegir uno por uno” infinitas veces. Aun así, el Axioma de Elección permite afirmar que “está bien asumir que el conjunto formado por las elecciones existe”.

Este axioma fue extremadamente útil e indispensable para construir las matemáticas modernas. La mayoría de los matemáticos aceptaron esta regla diciendo, “Bueno, es obvio”.

Pero, si aceptas este Axioma de Elección, también terminas aceptando la existencia de la “colección dispersa y borrosa de puntos cuyo volumen no se puede medir” (conjuntos no medibles) mencionada antes. Y como resultado, el Teorema de Banach-Tarski, que dice que “una esfera se convierte en dos”, se deriva como una necesidad lógica.

6. Conclusión: El “Mundo más allá de la intuición” que pintan las matemáticas

La Paradoja de Banach-Tarski no es una paradoja en el sentido de que “hay una contradicción en la lógica”. Es una paradoja en el sentido de que la lógica es 100% correcta, pero la conclusión derivada contradice violentamente la intuición humana y las leyes de la física.

Cuando se publicó este teorema, algunos matemáticos argumentaron: “¡Si se llega a una conclusión tan descabellada, el Axioma de Elección debe estar equivocado!”. Sin embargo, hoy en día, muchos matemáticos aceptan el Axioma de Elección y también aceptan el Teorema de Banach-Tarski como una “propiedad extraña pero hermosa que poseen el espacio tridimensional y los conjuntos infinitos”.

Como el mundo físico en el que vivimos está compuesto por átomos, que son “partículas con un tamaño determinado (finitas)”, no podemos hacer que un guisante tenga el tamaño del Sol. Sin embargo, en el lienzo de las “matemáticas” creado por la mente humana, el tamaño de un punto es cero y se permiten las operaciones infinitas.

Se podría decir que la Paradoja de Banach-Tarski es una de las obras maestras de las matemáticas modernas que nos enseña qué tan fácilmente el concepto de “infinito” puede superar la simple intuición humana.

Aquiles y la tortuga: ¿No puede alcanzarla o sí? La paradoja del "infinito" desde la antigua Grecia

Thu, 10 Sep 2026 01:00:00 +0900

1. La paradoja de Zenón: ¿El veloz héroe no puede vencer a la tortuga?

En el siglo V a. C., el filósofo griego antiguo Zenón de Elea presentó varias paradojas sobre el “movimiento” que iban directamente en contra de nuestra intuición y sentido común. La más famosa de ellas es la paradoja de “Aquiles y la tortuga”.

Aquiles, el héroe más veloz de la mitología griega, y una tortuga, sinónimo de lentitud, hacen una carrera. Por supuesto, Aquiles es abrumadoramente más rápido, por lo que a la tortuga se le da una ventaja, permitiéndole empezar un poco más adelante.

Comienza la carrera. Aquiles persigue a la tortuga a una velocidad vertiginosa. Sin embargo, Zenón argumentó lo siguiente:

“Aquiles nunca podrá alcanzar a la tortuga.”

¿Por qué? La lógica de Zenón es esta:

Cuando Aquiles alcanza el “punto de partida original (Punto A)” de la tortuga, la tortuga ha avanzado un poco más hasta el “Punto B”.
Cuando Aquiles alcanza el “Punto B”, la tortuga ha avanzado un poco más hasta el “Punto C”.
Cuando Aquiles alcanza el “Punto C”, la tortuga ha avanzado todavía un poco más hasta el “Punto D”.

Este proceso continúa infinitamente. Cada vez que Aquiles llega a “donde estaba la tortuga”, la tortuga siempre se ha movido “un poco más adelante”. La distancia se acorta cada vez más, pero debido a que este paso debe repetirse infinitas veces, se dice que Aquiles nunca podrá superar a la tortuga.

En el mundo real, es natural que una persona rápida supere a una lenta. Sin embargo, explicar dónde estaba la falla en este truco lógico verbal fue extremadamente difícil para la gente de esa época.

2. ¿Dónde está el error? La ilusión del “tiempo” y el “infinito”

La lógica de Zenón es astuta porque sustituye “pasos infinitos (división del espacio)” con “tiempo infinito”.

Es cierto que el “número de pasos” hasta que Aquiles alcanza el lugar donde estaba la tortuga es infinito. Sin embargo, solo porque “el número de pasos sea infinito”, no significa que “el tiempo total requerido sea infinito (una eternidad)”.

Los matemáticos posteriores crearon una poderosa herramienta llamada “suma de series infinitas” para desentrañar esta paradoja.

3. Aclaración matemática: Suma de series infinitas y el “límite”

Apliquemos números específicos a este problema y calculémoslo matemáticamente.

Supongamos que la velocidad a la que corre Aquiles es de $10\text{m}$ por segundo.
Supongamos que la velocidad a la que camina la tortuga es de $1\text{m}$ por segundo. (Una velocidad de $\frac{1}{10}$ de la de Aquiles)
Como ventaja para la tortuga, supongamos que esta empieza $10\text{m}$ por delante de Aquiles.

Calcular el tiempo para cada paso

Paso 1: El tiempo que le toma a Aquiles alcanzar la posición inicial de la tortuga ($10\text{m}$ por delante) es $\frac{10\text{m}}{10\text{m/s}} =$ $1\text{ segundo}$. En este 1 segundo, la tortuga ha avanzado $1\text{m}$. (La diferencia actual entre Aquiles y la tortuga es de $1\text{m}$)

Paso 2: El tiempo que le toma a Aquiles alcanzar la siguiente posición de la tortuga ($1\text{m}$ por delante) es $\frac{1\text{m}}{10\text{m/s}} =$ $0.1\text{ segundos}$. En estos 0.1 segundos, la tortuga ha avanzado $0.1\text{m}$. (La diferencia es de $0.1\text{m}$)

Paso 3: El tiempo que le toma a Aquiles alcanzar la siguiente posición de la tortuga ($0.1\text{m}$ por delante) es $\frac{0.1\text{m}}{10\text{m/s}} =$ $0.01\text{ segundos}$. En estos 0.01 segundos, la tortuga ha avanzado $0.01\text{m}$. (La diferencia es de $0.01\text{m}$)

De esta manera, el “tiempo” que le toma a Aquiles alcanzar la posición anterior de la tortuga se convierte en una secuencia infinita como la siguiente:

$$ 1\text{ segundo},\ 0.1\text{ segundos},\ 0.01\text{ segundos},\ 0.001\text{ segundos},\ \dots $$

Zenón dijo: “Dado que este paso continúa infinitamente, Aquiles nunca podrá alcanzarla”. Sin embargo, ¿qué pasa si sumamos todos los tiempos que toma cada paso (calculamos la suma de la serie infinita)?

$$ \text{Tiempo total } T = 1 + 0.1 + 0.01 + 0.001 + \dots $$

Esta es una serie geométrica infinita con el primer término $a = 1$ y la razón común $r = 0.1$. Si el valor absoluto de la razón común $r$ es menor a 1 ($|r| < 1$), la serie geométrica infinita converge a un cierto “valor finito”. Su fórmula de suma es la siguiente:

$$ S = \frac{a}{1 - r} $$

Aplicando esta fórmula para calcular,

$$ T = \frac{1}{1 - 0.1} = \frac{1}{0.9} = \frac{10}{9} = 1.1111\dots \text{ segundos} $$

Es decir, incluso si hay infinitos pasos, el tiempo total requerido no se vuelve “infinito”, sino que converge exactamente a $\frac{10}{9}$ segundos (aproximadamente 1.11 segundos). Aquiles, de manera brillante, alcanza a la tortuga y luego la supera aproximadamente 1.11 segundos después del inicio.

pie title "Tiempo hasta que Aquiles la alcanza (Total de aprox. 1.11 segundos)" "Paso 1 (1 segundo)" : 90 "Paso 2 (0.1 segundos)" : 9 "Suma infinita del Paso 3 en adelante (0.011... segundos)" : 1

4. ¿Por qué fuimos engañados?

La esencia de esta paradoja es que ataca el error de la intuición humana ingenua de que “si sumas infinitas cosas, la respuesta también debe ser infinita”.

$$ 1 + 1 + 1 + 1 + \dots = \infty $$

De esta forma, si sumas el mismo número infinitamente, naturalmente se vuelve infinito.

$$ \frac{1}{2} + \frac{1}{3} + \frac{1}{4} + \dots = \infty $$

En la famosa “serie armónica”, los números que se suman se vuelven cada vez más pequeños, pero finalmente diverge al infinito.

Sin embargo, si los números que se suman disminuyen lo suficientemente rápido (como en una serie geométrica, por ejemplo), incluso si se suman infinitos números, encajarán perfectamente dentro de un cierto “marco finito”.

$$ \frac{1}{2} + \frac{1}{4} + \frac{1}{8} + \frac{1}{16} + \dots = 1 $$

Es lo mismo que comer la mitad de un pastel, comer la mitad de lo que queda, luego la mitad de eso… incluso si se repite infinitamente, al final no superará “1 pastel original”. Zenón dividió intencionalmente el tiempo en partes finas, y al hablar de las cosas solo dentro de esos marcos de tiempo divididos (1 segundo, 0.1 segundos, 0.01 segundos…), creó la ilusión de que “nunca podría alcanzarla”.

5. Se puede resolver en un instante pensando en velocidad relativa

Por cierto, es fácil resolver este problema con las matemáticas de secundaria, sin caer en la trampa de Zenón (la división infinita del espacio y el tiempo). Simplemente se debe usar la “velocidad relativa”.

Velocidad de Aquiles: $10\text{m/s}$
Velocidad de la tortuga: $1\text{m/s}$
Velocidad relativa de la tortuga vista desde Aquiles (la velocidad a la que Aquiles se acerca a la tortuga): $10 - 1 = 9\text{m/s}$

El retraso inicial de Aquiles con respecto a la tortuga es de $10\text{m}$. El tiempo que le toma cerrar la distancia de $10\text{m}$ a una velocidad de $9\text{m/s}$ es,

$$ \text{Tiempo} = \frac{\text{Distancia}}{\text{Velocidad}} = \frac{10}{9}\text{ segundos} $$

Coincide perfectamente con la respuesta que obtuvimos anteriormente usando cálculo (el límite de series infinitas).

6. Conclusión: Las paradojas desarrollaron las matemáticas

“Aquiles y la tortuga” de Zenón puede parecernos a los modernos un simple juego de palabras o sofismo. Sin embargo, para los antiguos filósofos griegos de la época que no tenían los conceptos de “infinito” o “límite”, era una tarea hercúlea refutar esto basándose únicamente en la lógica.

La profunda pregunta que planteó esta paradoja, “¿Qué significa ser continuo?” o “¿Qué significa poder dividirse infinitamente?”, se convirtió en una fuerza impulsora importante que condujo al nacimiento del “Cálculo” por Newton y Leibniz en épocas posteriores, e incluso a la teoría moderna de los fundamentos matemáticos.

Una gran paradoja no solo confunde a las personas, sino que también es una llave que abre la puerta a nuevas matemáticas.

El misterio del dólar perdido: Aprender pensamiento lógico y fundamentos contables de una paradoja de cálculo que engaña a la intuición

Thu, 10 Sep 2026 00:00:00 +0900

1. Introducción: ¿Por qué nos engañan las sumas simples?

En el mundo existen problemas misteriosos que, sin usar cálculo diferencial o topología compleja, pueden causar un corto circuito completo en el cerebro humano con solo “sumas” y “restas” al nivel de los primeros años de escuela primaria. Entre ellos, el más famoso del mundo y que ha desconcertado a muchas personas es “El misterio del dólar perdido” (The Missing Dollar Riddle).

A simple vista, parece una historia sobre un problema en el cobro de un restaurante, un escenario cotidiano sin nada de especial. Sin embargo, con solo seguir un poco los cálculos, un “dólar” desaparece de repente del mundo.

En este artículo abordaremos esta famosa paradoja matemática (o más exactamente, una pregunta trampa con apariencia de paradoja), y analizaremos exhaustivamente por qué nuestra intuición se ve engañada y dónde se encuentra la trampa lógica, desde las tres perspectivas de las matemáticas, la psicología cognitiva y la contabilidad por partida doble.

2. Planteamiento del problema: El misterio del dólar perdido

Primero, por favor lee la siguiente historia. Y si tienes papel y lápiz a mano, intenta seguir los cálculos con nosotros.

[!QUESTION] El misterio del dólar perdido (Historia) Un día, tres viajeros llegaron a un pequeño hotel. El recepcionista les dijo: “Una habitación para tres cuesta 30 dólares en total por noche”. Los tres viajeros sacaron 10 dólares cada uno de sus billeteras, pagaron un total de 30 dólares al recepcionista y se dirigieron a su habitación.

Un poco más tarde, el gerente del hotel se acercó y le dijo al recepcionista: “Hoy es día de promoción, así que esa habitación cuesta 25 dólares. Ve y devuélveles 5 dólares inmediatamente”.

El recepcionista se dirigió a la habitación con billetes que sumaban 5 dólares. Sin embargo, en el camino pensó: “Es difícil dividir 5 dólares equitativamente entre 3 personas. Si me quedo en secreto con 2 dólares y devuelvo los 3 dólares restantes, cada uno recibirá exactamente 1 dólar y las cuentas cuadrarán”.

Así que el recepcionista escondió 2 dólares en su bolsillo y mintió a los viajeros diciendo: “Por la promoción se les han devuelto 3 dólares”, devolviéndoles 1 dólar a cada uno.

Ahora, aquí viene el problema.

Los viajeros inicialmente pagaron 10 dólares cada uno, y luego se les devolvió 1 dólar a cada uno, por lo que la cantidad real que pagaron es 10 dólares - 1 dólar = 9 dólares.

La cantidad total pagada por los 3 viajeros es 9 dólares × 3 personas = 27 dólares.

Por otro lado, en el bolsillo del recepcionista están los 2 dólares que robó en secreto.

Sumando los 27 dólares pagados por los viajeros y los 2 dólares que tiene el recepcionista, el resultado es 27 + 2 = 29 dólares.

Al principio, los viajeros ciertamente pagaron “30 dólares”. Sin embargo, según el cálculo actual, solo hay “29 dólares”.

¿A dónde desapareció el dólar restante?

¿Qué te parece? Cuanto más lo lees, más se confunde tu cerebro pensando “¡Ciertamente falta 1 dólar!”. Las ecuaciones en sí son cálculos muy sencillos que hasta un estudiante de primaria puede entender: 9 × 3 = 27, 27 + 2 = 29. Y sin embargo, por alguna razón, no concuerdan con los 30 dólares iniciales.

En los siguientes capítulos, desvelaremos el truco detrás de este extraño fenómeno.

3. Discrepancia entre la intuición y la respuesta correcta: ¿Por qué el cerebro sufre un fallo?

Cuando escuchan este problema, el proceso mental en el que caen muchas personas es el siguiente.

graph TD A["Estado inicial: Los clientes pagan 30 dólares"] --> B["Proceso de reembolso: El gerente devuelve 5 dólares"] B --> C["Acto deshonesto: El mesero roba 2 dólares"] C --> D["Gasto final de los clientes: 9 dólares × 3 personas = 27 dólares"] D --> E["Cálculo misterioso: Gasto de los clientes 27 dólares + 2 dólares del mesero = 29 dólares"] E --> F["Duda: ¡No coincide con los 30 dólares iniciales! ¡Ha desaparecido 1 dólar!"] style E fill:#ff9999,stroke:#333,stroke-width:2px style F fill:#ff4444,color:#fff,stroke:#333,stroke-width:4px

La verdadera identidad de esta paradoja es un ingenioso truco de palabras (Efecto de encuadre o Framing Effect) de “sumar cosas que no deben sumarse”.

El núcleo de la falacia: El cálculo sin sentido de “27 + 2”

Vuelve a mirar atentamente la siguiente parte al final del texto del problema.

Sumando los 27 dólares pagados por los viajeros y los 2 dólares que tiene el recepcionista, el resultado es 27 + 2 = 29 dólares.

En realidad, este cálculo de “27 + 2” en sí mismo no tiene ningún sentido lógico. La razón es que dentro de la “cantidad final pagada por los viajeros (27 dólares)”, ya está incluida la “cantidad que el recepcionista robó (2 dólares)”.

El desglose de los 27 dólares pagados por los viajeros es el siguiente:

Cantidad en la caja registradora del hotel: 25 dólares
Cantidad robada por el recepcionista: 2 dólares
Total: 27 dólares

Es decir, sumar los 2 dólares del recepcionista a los 27 dólares significa que se están contando dos veces (Double Counting) los 2 dólares del recepcionista.

Si quieres que las cuentas cuadren correctamente con los “30 dólares” iniciales, necesitas sumar la “cantidad pagada por los clientes” y la “cantidad devuelta a los clientes”.

Cantidad finalmente pagada por los clientes: 27 dólares (25 dólares en la caja + 2 dólares del recepcionista)
Cantidad devuelta a las manos de los clientes: 3 dólares
Total: 27 + 3 = 30 dólares

Calculando de esta manera, queda claro que no ha desaparecido ni un solo dólar.

4. Explicación matemática: Prueba estricta mediante ecuaciones

Para aquellos que no quedan satisfechos solo con explicaciones verbales, intentemos probar el flujo de dinero (flujo de caja) utilizando fórmulas matemáticas estrictas.

Definamos el flujo total de dinero con variables.

$ P_{initial} $ : Cantidad total pagada inicialmente por los clientes (30)
$ C_{hotel} $ : Cantidad finalmente recibida por el hotel (gerente) (25)
$ R_{total} $ : Cantidad de reembolso entregada por el gerente al recepcionista (5)
$ R_{guest} $ : Cantidad de reembolso finalmente recibida por los clientes (3)
$ S_{waiter} $ : Cantidad robada por el recepcionista (2)

A partir del flujo de dinero inicial, se establece la siguiente ecuación:

$$ P_{initial} = C_{hotel} + R_{total} \quad \cdots (1) $$

(30 dólares = 25 dólares + 5 dólares)

Los 5 dólares devueltos por el gerente se dividen entre las manos de los clientes y el bolsillo del recepcionista.

$$ R_{total} = R_{guest} + S_{waiter} \quad \cdots (2) $$

(5 dólares = 3 dólares + 2 dólares)

Sustituimos la ecuación (2) en la ecuación (1).

$$ P_{initial} = C_{hotel} + (R_{guest} + S_{waiter}) \quad \cdots (3) $$

(30 dólares = 25 dólares + 3 dólares + 2 dólares)

Aquí, definimos la “cantidad finalmente pagada por los clientes” mencionada en el problema como $ P_{final} $. Esto es la cantidad de pago inicial menos la cantidad devuelta a los clientes.

$$ P_{final} = P_{initial} - R_{guest} \quad \cdots (4) $$

(27 dólares = 30 dólares - 3 dólares)

Transpongamos $ R_{guest} $ al lado izquierdo de la ecuación (3).

$$ P_{initial} - R_{guest} = C_{hotel} + S_{waiter} \quad \cdots (5) $$

De las ecuaciones (4) y (5), se deriva la siguiente verdad.

$$ P_{final} = C_{hotel} + S_{waiter} \quad \cdots (6) $$

(Pago final de los clientes de 27 dólares = Ingreso del hotel de 25 dólares + Robo del recepcionista de 2 dólares)

El truco en el enunciado del problema radica en intentar sumar de nuevo $ S_{waiter} $ (2 dólares), que ya está incluido en el lado derecho, al $ P_{final} $ (27 dólares) en el lado izquierdo. Es decir, la ecuación a la que el problema induce es la siguiente:

$$ P_{final} + S_{waiter} = (C_{hotel} + S_{waiter}) + S_{waiter} $$ $$ 27 + 2 = (25 + 2) + 2 = 29 $$

Este número “29” es simplemente “Ingreso del hotel + Robo del recepcionista × 2”, un valor imaginario que no tiene ningún sentido ni físico ni económico. Esta es la verdadera naturaleza matemática de la ilusión que hace parecer que “ha desaparecido 1 dólar”.

5. Perspectiva contable: Destrozando la paradoja con la contabilidad por partida doble

Para aquellos que aún no están convencidos (o intuitivamente se sienten confundidos) incluso usando ecuaciones matemáticas, este misterio se puede visualizar perfectamente utilizando el concepto de “Contabilidad por partida doble” (Double-Entry Bookkeeping), que se ha utilizado en el mundo de los negocios durante más de 500 años.

El principio básico de la contabilidad por partida doble es que el “Debe (Debit)” y el “Haber (Credit)” siempre coinciden. Usemos esto para registrar (Asiento en el diario) el movimiento del dinero.

Transacción 1: Los clientes pagan 30 dólares

Este es el estado inicial visto desde el lado del hotel.

Debe (Aumento de activos)	Haber (Aumento de pasivos / patrimonio neto)
Efectivo (Cash): $30	Depósitos (o Ingresos por ventas): $30

Transacción 2: El gerente entrega 5 dólares al recepcionista y registra 25 dólares como ingresos

Debido a que el precio de la habitación cambió a 25 dólares, se le dan 5 dólares al recepcionista como “fondos para reembolso”.

Debe	Haber
Depósitos: $30	Ventas (Sales): $25 Recepcionista (Efectivo): $5

Transacción 3: Acción del recepcionista (reembolso de 3 dólares y malversación de 2 dólares)

Aquí está lo más importante. Registramos el destino de los 5 dólares en efectivo que tiene el recepcionista.

Debe	Haber
Reembolso a clientes: $3 Pérdida por malversación (Loss): $2	Recepcionista (Efectivo): $5

Estado integrado del Balance General (B/S) final y Pérdidas y Ganancias (P/L)

Como resultado de todo el proceso, resumimos dónde está el efectivo y bajo qué concepto.

pie title Ubicación final de los 30 dólares iniciales (Lado de los activos) "Caja registradora del hotel (Ventas 25 dólares)" : 25 "Billeteras de los clientes (Reembolso 3 dólares)" : 3 "Bolsillo del mesero (Malversación 2 dólares)" : 2

【Confirmación del estado final】

Origen de los fondos (Gasto de los clientes): 30 dólares
Ubicación de los fondos (Resultado):
- En la caja registradora del hotel: 25 dólares
- En el bolsillo del mesero: 2 dólares
- En manos de los clientes: 3 dólares
- Total = 25 + 2 + 3 = 30 dólares

Visto desde el “Principio de coincidencia de deudores y acreedores (Cuenta T)” de la contabilidad, la “cantidad de 27 dólares pagada por los clientes (gasto)” es una “disminución en el lado de los activos”, y la acción de sumarle los “2 dólares robados por el mesero (movimiento en el lado de los activos)” es, bajo los estándares contables, nada menos que un error imposible de “confundir y sumar el Debe con el Haber”. En el mundo de los negocios, si un contador informara a la dirección de la empresa de un cálculo de “27 + 2 = 29”, sería una falla lógica de tal magnitud que resultaría en un despido inmediato o en sospechas de fraude contable.

6. Perspectiva de la psicología cognitiva: ¿Por qué aceptamos que “27+2=29”?

¿Por qué muchos seres humanos aceptan inconscientemente asintiendo con la cabeza un cálculo que es incorrecto tanto matemática como contablemente? Esto involucra fuertes sesgos cognitivos incorporados en el cerebro humano.

1. El error de la contabilidad mental (Libro de contabilidad mental)

El economista conductual Richard Thaler (ganador del Premio Nobel de Economía) propuso que los seres humanos inconscientemente realizan una “categorización del dinero (Contabilidad mental)” en sus mentes. Al final del enunciado del problema, el “gasto de los clientes (27 dólares)” y el “dinero obtenido por el mesero (2 dólares)” se presentan como la misma categoría: “dinero”. El cerebro extrae solo los “números monetarios (27 y 2)”, ignora la dirección del vector de si es “dinero pagado (negativo)” o “dinero que se tiene (positivo)”, y ejecuta una suma fácilmente.

2. Efecto de encuadre (Marco de la información)

Es el efecto por el cual las decisiones y juicios de las personas cambian dependiendo de cómo se presente la información. La genialidad del problema radica en que “establece la cifra inicial de 30 dólares como la meta”. Después de que se le presenta el cálculo “27 + 2 = 29 dólares”, el cerebro intenta inconscientemente y a la fuerza conectarlo con la meta (anclaje) de “debería volver a los 30 dólares originales”. Está diseñado para provocar una fuerte disonancia cognitiva (incomodidad y confusión) al hacernos comparar números que originalmente no deberían compararse, y generar ahí un margen de error de “1”.

3. La magia de la narración de historias

Los seres humanos son más hábiles para entender “narrativas (historias)” que fórmulas matemáticas. Mientras simulamos en nuestra cabeza los movimientos de los personajes (clientes, gerente, mesero), la memoria de trabajo (memoria a corto plazo) se llena, y se agotan los recursos cognitivos para verificar la validez lógica de la ecuación final. Es exactamente la misma técnica de “Misdirection” (distracción) que usa un mago para desviar la mirada del público y lograr que su truco tenga éxito la que se utiliza en este problema verbal.

7. Historia y problemas similares de “El misterio del dólar perdido”

Este tipo de paradoja existe desde hace mucho tiempo y se ha transmitido en varias versiones a lo largo de las épocas y más allá de las fronteras.

Origen de la paradoja

Se desconoce el origen exacto de este problema, pero se hizo ampliamente conocido en los Estados Unidos en la década de 1930. En aquel entonces se le llamaba “La paradoja del botones” (Bellboy paradox), y los montos de dinero también variaban. Se dice que refleja la psicología de las masas en Estados Unidos durante la Gran Depresión, donde el paradero de un simple “1 dólar” era un asunto de gran preocupación.

Problema similar: El misterio de los 10 yenes perdidos

En Japón, es famosa una versión en la que las cantidades se cambian a yenes: “3 personas ponen 100 yenes cada una y compran un artículo de 300 yenes, y reciben 50 yenes de cambio…”. Regularmente se convierte en un tema de conversación como en los libros de cuestionarios para niños o como el clásico “copypaste” de los foros de Internet.

Variación más avanzada: El misterio del cuadrado perdido

Una aplicación de este “engaño verbal” a las “figuras (geometría)” es “El misterio del cuadrado perdido” (Missing square puzzle), que también se presenta en otro artículo de este blog. Es un fallo de la intuición en el que, al reorganizar las piezas de una figura que deberían tener la misma área, por alguna razón desaparece un agujero de 1 cuadrado (área). Pero esto también aprovecha los límites de la cognición humana: “el ojo humano no puede detectar ligeras distorsiones en líneas rectas (diferencias de inclinación)”.

8. Lecciones para el mundo real: ¿Qué debemos aprender de la paradoja?

“El misterio del dólar perdido” tiene lecciones profundas que son demasiado buenas para dejarlas como una simple anécdota para una fiesta o un acertijo para niños.

La capacidad de cuestionar el “marco dado (premisas)” Cuando tomamos decisiones en los negocios diarios o en inversiones, ¿acaso nos tragamos la presentación o el argumento de ventas de alguien que dice “si sumas este número y este número, obtienes esto”? Incluso si el resultado del cálculo es correcto (27 + 2 es, en efecto, 29), el pensamiento crítico para preguntarse "¿Tiene algún sentido lógico plantear esa ecuación en primer lugar?" es indispensable.
La absoluta certeza del flujo de caja Se puede decir que el fraude contable (maquillaje de cuentas) en la contabilidad corporativa o la ocultación de pérdidas en productos derivados financieros complejos son un “Misterio del dólar perdido” extremadamente avanzado. Incluso si parece que se están obteniendo ganancias sumando y restando cifras irreales, si rastreas desde la raíz el “movimiento de efectivo (flujo de caja)”, siempre se expondrán las contradicciones. Especialmente cuando sientes que las cosas son complejas, es necesario volver al punto básico de “de dónde vino el dinero y a dónde fue”.

9. Conclusión: El dólar nunca desapareció desde el principio

Finalmente, me gustaría concluir presentando la respuesta más simple y poderosa a esta paradoja.

“Los clientes pagaron un total de 27 dólares; 25 dólares terminaron en la caja registradora del hotel y 2 dólares en el bolsillo del mesero. Los cálculos cuadran perfectamente. La ecuación que intenta forzosamente regresar a los 30 dólares iniciales es la causa principal de toda la confusión.”

Por mucho que evolucione, nuestro cerebro es engañado muy fácilmente por la combinación de una “historia plausible” y “sumas simples”. Sin embargo, al utilizar las poderosas herramientas de las matemáticas o la lógica (ecuaciones y contabilidad por partida doble), podemos romper esa ilusión y ver la verdad.

La próxima vez, si un amigo te plantea “El misterio del dólar perdido” con cara de suficiencia, por favor, responde fríamente respaldado por este profundo conocimiento: “Estás confundiendo los vectores de los números que debes sumar y los que debes restar”.

El problema de Monty Hall: Una trampa para la intuición y su solución completa mediante inferencia bayesiana

Thu, 10 Sep 2026 00:00:00 +0900

1. El escenario es un concurso de televisión: ¿Qué harías tú?

En 1990, en la columna “Ask Marilyn” (Pregúntale a Marilyn) de la revista de noticias estadounidense Parade, un lector envió la siguiente pregunta:

Eres un concursante en un programa de televisión. Frente a ti hay 3 puertas (A, B, C). Detrás de una de las puertas hay un coche nuevo (premio), y detrás de las otras dos hay cabras (perdedoras).

Primero, tú eliges la Puerta A.

Entonces, Monty Hall, el presentador que sabe detrás de qué puerta está el coche, abre la Puerta B, que revela una cabra.

Monty te dice: “Ahora puedes cambiar a la Puerta C. ¿Qué haces?”

Y bien, ¿deberías cambiar de puerta?

Intuitivamente, podrías pensar: “Quedan dos puertas, A y C. Dado que el coche está en una de ellas de forma completamente aleatoria, la probabilidad de ganar en ambas es de $\frac{1}{2}$ (50%). Así que da lo mismo si cambio o no”.

Sin embargo, la columnista Marilyn vos Savant (reconocida en el Libro Guinness de los Récords por tener el coeficiente intelectual más alto) respondió: “Deberías cambiar. Si cambias, tu probabilidad de ganar se duplica”.

Esta respuesta causó sensación en todo el país y provocó una avalancha de unas 10.000 cartas de protesta (entre ellas unas 1.000 de académicos con doctorado en matemáticas). Fueron bombardeados con duras críticas como “No entiendes lo básico de la probabilidad” y “Lógica de mujeres”. Pero, en conclusión, la respuesta de Marilyn era matemáticamente, de manera absoluta, correcta.

2. La brecha entre la intuición y las matemáticas: Visualizando las ramas de probabilidad con Mermaid

¿Por qué nuestra intuición nos engaña haciéndonos creer que es “$\frac{1}{2}$”? Primero, visualicemos todos los patrones del juego.

graph TD Start["Inicio del juego"] --> CarA["El coche está en la Puerta A (probabilidad 1/3)"] Start --> CarB["El coche está en la Puerta B (probabilidad 1/3)"] Start --> CarC["El coche está en la Puerta C (probabilidad 1/3)"] CarA --> PickA1["Eliges la Puerta A"] CarB --> PickA2["Eliges la Puerta A"] CarC --> PickA3["Eliges la Puerta A"] PickA1 --> HostB_or_C["El presentador abre B o C"] PickA2 --> HostC["El presentador abre C obligatoriamente"] PickA3 --> HostB["El presentador abre B obligatoriamente"] HostB_or_C --> Stay1["No cambias: ¡Premio!"] HostB_or_C --> Switch1["Cambias: Pierdes..."] HostC --> Stay2["No cambias: Pierdes..."] HostC --> Switch2["Cambias: ¡Premio!"] HostB --> Stay3["No cambias: Pierdes..."] HostB --> Switch3["Cambias: ¡Premio!"] style Switch2 fill:#bbf,stroke:#333,stroke-width:2px style Switch3 fill:#bbf,stroke:#333,stroke-width:2px style Stay1 fill:#f99,stroke:#333,stroke-width:2px

Si asumimos que has elegido la “Puerta A”, ocurrirán los siguientes tres escenarios con igual probabilidad ($\frac{1}{3}$).

Escenario 1 (El coche está en A): El presentador abre B o C, donde hay una cabra. Si cambias de puerta, pierdes.
Escenario 2 (El coche está en B): El presentador solo puede abrir C, donde hay una cabra. Si cambias de puerta, ganas.
Escenario 3 (El coche está en C): El presentador solo puede abrir B, donde hay una cabra. Si cambias de puerta, ganas.

En otras palabras, en 2 de las 3 veces (Escenarios 2 y 3), “si cambias de puerta, ganas seguro”. Por lo tanto, la probabilidad de ganar si cambias de puerta es de $\frac{2}{3}$, que es el doble de la probabilidad de $\frac{1}{3}$ de ganar si no cambias.

3. Demostración rigurosa mediante el Teorema de Bayes

Para resolver estrictamente este problema de forma matemática, utilizamos el “Teorema de Bayes”, que calcula la probabilidad condicional.

$$ P(H|E) = \frac{P(E|H) P(H)}{P(E)} $$

Aquí, definimos los eventos de la siguiente manera:

$C_A, C_B, C_C$ : Los eventos donde el coche está en la Puerta A, B y C respectivamente. Las probabilidades a priori son $P(C_A) = P(C_B) = P(C_C) = \frac{1}{3}$.
Supongamos que eliges inicialmente la Puerta A.
$M_B$ : El evento en el que el presentador abre la Puerta B donde hay una cabra.

Lo que queremos averiguar es “la probabilidad de que el coche esté en la Puerta C, dado que el presentador ha abierto la Puerta B”, es decir, la probabilidad a posteriori $P(C_C|M_B)$.

Primero, consideramos la probabilidad de que el presentador abra la puerta B dependiendo de dónde esté el coche, $P(M_B|C_X)$.

Si el coche está en la Puerta A ($C_A$) El presentador puede abrir B o C al azar.
$$ P(M_B|C_A) = \frac{1}{2} $$
Si el coche está en la Puerta B ($C_B$) El presentador no puede abrir la puerta con el coche, por lo que la probabilidad de abrir B es cero.
$$ P(M_B|C_B) = 0 $$
Si el coche está en la Puerta C ($C_C$) El presentador no puede abrir A (la que elegiste) ni C (donde está el coche), así que inevitablemente tiene que abrir B.
$$ P(M_B|C_C) = 1 $$

A continuación, calculamos la probabilidad total de que el presentador abra la puerta B, $P(M_B)$, usando el “Teorema de la probabilidad total”.

$$ P(M_B) = P(M_B|C_A)P(C_A) + P(M_B|C_B)P(C_B) + P(M_B|C_C)P(C_C) $$ $$ P(M_B) = \left(\frac{1}{2} \times \frac{1}{3}\right) + \left(0 \times \frac{1}{3}\right) + \left(1 \times \frac{1}{3}\right) = \frac{1}{6} + 0 + \frac{1}{3} = \frac{1}{2} $$

Finalmente, aplicamos el teorema de Bayes para calcular las probabilidades a posteriori para la Puerta A y la Puerta C.

Probabilidad de que el coche esté en la Puerta A (si no cambias):

$$ P(C_A|M_B) = \frac{P(M_B|C_A) P(C_A)}{P(M_B)} = \frac{\frac{1}{2} \times \frac{1}{3}}{\frac{1}{2}} = \frac{1}{3} $$

Probabilidad de que el coche esté en la Puerta C (si cambias):

$$ P(C_C|M_B) = \frac{P(M_B|C_C) P(C_C)}{P(M_B)} = \frac{1 \times \frac{1}{3}}{\frac{1}{2}} = \frac{2}{3} $$

La demostración matemática también muestra claramente que “cambiar de puerta duplica tus posibilidades de ganar (2/3)”.

4. Sesgo cognitivo: El valor de la información del “condicionamiento”

¿Por qué incluso muchos matemáticos geniales se equivocan intuitivamente en este problema? Se debe al “sesgo de equiprobabilidad” y al “fallo en la actualización de la información” integrados en el cerebro humano.

4.1. Sesgo de equiprobabilidad (Equiprobability Bias)

Los humanos tienden inconscientemente a asignar que “la probabilidad de las opciones restantes es siempre igual” cuando se les presentan opciones desconocidas. En el momento en que vemos que quedan dos puertas, nuestro cerebro las etiqueta automáticamente como “$50\%$ : $50\%$”.

4.2. La información de la “intención” del presentador

La principal razón por la que nuestra intuición falla es ignorar el hecho de que las acciones del presentador no son aleatorias. Si la regla fuera que el presentador “abre una puerta al azar sin saber dónde está el coche y da la casualidad de que es una cabra” (conocido como el problema de Monty Fall), la probabilidad para la Puerta A y la Puerta C sería de $\frac{1}{2}$ para ambas.

Sin embargo, en el problema real de Monty Hall, el presentador actúa bajo las siguientes estrictas restricciones:

No puede abrir la puerta que eligió el concursante.
No puede abrir la puerta donde está el coche.

Debido a estas restricciones, el acto del presentador de “abrir la puerta B” en sí mismo nos da una información enorme sobre la Puerta C. Es un mensaje tácito de: “No pude abrir la puerta C (porque allí está el coche)”.

5. Corrigiendo la intuición con un ejemplo extremo

Si aún no estás convencido, intentemos aumentar el número de puertas a 1 millón.

Tú eliges la Puerta 1 entre 1 millón de puertas. (La probabilidad de acertar es $\frac{1}{1,000,000}$)
El presentador, que lo sabe todo, abre 999.998 puertas con cabras de las 999.999 restantes.
Las únicas puertas cerradas son la “Puerta 1” que tú elegiste y la “Puerta 777.777” que el presentador dejó a propósito.

Ahora, ¿cambias? En este caso, a menos que creas que lograste el milagro de “uno en un millón” en tu primera elección, no deberías mantenerla. Probablemente puedas entender intuitivamente que la probabilidad de que el coche esté en “la única puerta que el presentador no pudo abrir bajo ningún concepto” es de $\frac{999,999}{1,000,000}$.

El problema de Monty Hall (con 3 puertas) es simplemente este mismo fenómeno reducido a la escala de “1 millón de puertas”.

pie title "Efecto de cambiar de puerta (Simulación de 100 veces)" "Ganas cambiando (aprox. 66.7%)" : 67 "Ganas sin cambiar (aprox. 33.3%)" : 33

6. Conclusión: Lecciones para los negocios y la vida de la teoría de la probabilidad

El problema de Monty Hall va más allá de ser un simple concurso y nos enseña valiosas lecciones.

La intuición a menudo se equivoca: El cerebro humano no ha evolucionado para procesar intuitivamente probabilidades condicionales complejas. Es peligroso basarse solo en la intuición para tomar decisiones importantes.
Actualizar probabilidades con nueva información (Actualización bayesiana): Cuando la situación cambia y se dispone de nueva información (como qué puerta abrió el presentador), la clave del éxito está en la capacidad de actualizar tus probabilidades y estrategias de forma flexible, sin aferrarte a tus ideas preconcebidas.

La pequeña decisión de “cambiar de puerta” puede duplicar tus posibilidades de conseguir el “coche nuevo” en tu vida.

La paradoja de los dos sobres: el colapso lógico y la trampa de las decisiones provocados por el valor esperado infinito

Thu, 10 Sep 2026 00:00:00 +0900

1. La decisión definitiva: ¿Cambiar o no cambiar?

Estás en la etapa final de un programa de juegos. En la mesa frente a ti hay dos sobres (A y B) que se ven exactamente iguales. El presentador te dice:

“Un sobre contiene el doble de dinero que el otro. Por favor, elige uno.”

Después de dudar, eliges el sobre A. Justo cuando estás a punto de ver lo que hay dentro, el presentador te susurra como un demonio.

“Ahora mismo, puedes cambiar ese sobre A por el sobre B restante si quieres. ¿Lo cambias?”

Entonces, ¿deberías cambiar los sobres?

2. El “bucle infinito” que se deduce del cálculo del valor esperado

Aquí, pongamos en práctica un poco de pensamiento matemático. Supongamos que la cantidad de dinero en tu sobre A es de $X$ yenes. La cantidad en el sobre B, según las reglas, es “la mitad de $X$ yenes ($\frac{X}{2}$)” o “el doble de $X$ yenes ($2X$)”. La probabilidad de cada uno es $\frac{1}{2}$ (50%).

Entonces, calculemos el valor esperado (la cantidad promedio esperada) si cambias el sobre.

$$ E = \frac{1}{2} \times \left(\frac{X}{2}\right) + \frac{1}{2} \times (2X) $$ $$ E = \frac{X}{4} + X = \frac{5}{4}X = 1.25X $$

El resultado es sorprendente. Con solo cambiar el sobre, el valor esperado salta de los $X$ yenes originales a $1.25$ veces (un aumento del 25%). La conclusión es: “¡Pensando matemáticamente, definitivamente es más rentable cambiar!”.

Sin embargo, aquí ocurre un colapso lógico. Supongamos que lo cambiaste por el sobre B. ¿Qué pasaría si, inmediatamente después, el presentador volviera a preguntar: “¿Quieres volver al A después de todo?”? Se aplicará exactamente la misma fórmula, y esta vez será “cambiar de B a A aumentará el valor esperado 1,25 veces”.

Es decir, el valor esperado teórico seguirá aumentando infinitamente con solo seguir cambiando “de A a B” y “de B a A”. Esto es claramente contradictorio con la realidad (el contenido del sobre está determinado desde el principio, y no aumentará solo porque lo cambies).

graph TD Start["Eliges el sobre A (El contenido es X yenes)"] --> Think["Calculas si es mejor cambiar"] Think --> Case1["El sobre B tiene la mitad (X/2 yenes) : Probabilidad 50%"] Think --> Case2["El sobre B tiene el doble (2X yenes) : Probabilidad 50%"] Case1 --> Calc["Valor esperado = (X/4) + X = 1.25X"] Case2 --> Calc Calc --> SwitchToB["¡Cambias al sobre B! (El contenido es Y yenes)"] SwitchToB --> ThinkAgain["Calculas de nuevo"] ThinkAgain --> Case3["El sobre A tiene la mitad (Y/2 yenes) : Probabilidad 50%"] ThinkAgain --> Case4["El sobre A tiene el doble (2Y yenes) : Probabilidad 50%"] Case3 --> Calc2["Valor esperado = 1.25Y"] Case4 --> Calc2 Calc2 --> SwitchToA["¡Vuelves a cambiar al sobre A!"] SwitchToA --> Start style Calc fill:#ff9999,stroke:#333,stroke-width:2px style Calc2 fill:#ff9999,stroke:#333,stroke-width:2px style SwitchToA fill:#ff4444,color:#fff,stroke:#333,stroke-width:4px

¿Por qué un cálculo del valor esperado que parece perfecto a primera vista crea una paradoja tan extraña?

3. Aclarando el truco matemático: el intercambio de variables

La trampa de esta paradoja reside en el “uso de la variable aleatoria $X$”.

En la fórmula anterior, tratamos la cantidad $X$ del sobre A como una constante fija y supusimos que el sobre B era “$\frac{X}{2}$ o $2X$”. Sin embargo, lo que originalmente está fijo es “la suma de las cantidades en los dos sobres”, o “la cantidad menor”.

Sea $S$ la cantidad en el sobre con menos dinero. Entonces, el sobre con más dinero contiene la cantidad de $2S$. Hay solo dos patrones para todos los escenarios del juego (cada uno con una probabilidad de $\frac{1}{2}$).

Patrón 1: El sobre A que elegiste es el que tiene menos ($S$) y el sobre B es el que tiene más ($2S$)
Patrón 2: El sobre A que elegiste es el que tiene más ($2S$) y el sobre B es el que tiene menos ($S$)

Aquí calcularemos correctamente el valor esperado para “cuando no cambias” y “cuando cambias” el sobre.

Valor esperado cuando no cambias $E_{stay}$:

$$ E_{stay} = \frac{1}{2} \times S + \frac{1}{2} \times 2S = \frac{3}{2}S = 1.5S $$

Valor esperado cuando cambias $E_{switch}$: En el patrón 1 obtienes $2S$, y en el patrón 2 obtienes $S$.

$$ E_{switch} = \frac{1}{2} \times 2S + \frac{1}{2} \times S = \frac{3}{2}S = 1.5S $$ $$ E_{stay} = E_{switch} $$

¡El valor esperado coincide perfectamente! En el primer cálculo incorrecto, la ilusión de que “el valor esperado aumenta si cambias” fue creada por tratar diferentes valores, el $X$ en el patrón 1 (en realidad $S$) y el $X$ en el patrón 2 (en realidad $2S$), como la misma variable $X$.

pie title "La verdad del valor esperado (asumiendo S como la cantidad menor)" "Valor esperado si no cambias (1.5S)" : 50 "Valor esperado si cambias (1.5S)" : 50

4. ¿Qué pasa si ya has abierto el sobre?

La paradoja parece estar resuelta con esto. Sin embargo, nos espera un problema más profundo.

¿Qué pasaría si, antes de cambiar de sobre, vieras lo que hay dentro de tu sobre A? Abres el sobre A y resulta que contiene “10,000 yenes”.

En este momento, se convierte en un valor confirmado de $X = 10000$. El sobre B contiene “5,000 yenes” o “20,000 yenes”. ¿Qué sucede si aplicamos la primera fórmula aquí?

$$ E_{switch} = \frac{1}{2} \times 5000 + \frac{1}{2} \times 20000 = 2500 + 10000 = 12500 $$

El valor esperado es de 12,500 yenes. Es indudablemente más alto que los 10,000 yenes actuales. Además, esta vez $X$ es una “constante específica” de 10,000 yenes, por lo que el contraargumento de “intercambio de variables” de antes no es aplicable. Siendo este el caso, ¿es absolutamente más rentable cambiar?

Refutación por inferencia bayesiana: Falta de “distribución a priori”

Frente a esto, los matemáticos introdujeron el concepto de “distribución a priori (probabilidad a priori) de la cantidad de dinero”. La pregunta es si realmente podemos decir que los 5,000 yenes y los 20,000 yenes tienen cada uno una probabilidad de $\frac{1}{2}$ de estar dentro.

Por ejemplo, digamos que el presupuesto máximo del programa es de 100 millones de yenes. Si abres el sobre A y tiene “60 millones de yenes”, la probabilidad de que el sobre B tenga “120 millones de yenes” es cero (porque supera el presupuesto). En otras palabras, cuanto mayor sea la cantidad en el sobre A, menor debería ser la probabilidad de que el sobre B tenga “el doble”, y mayor debería ser la probabilidad de que tenga “la mitad”.

Si calculamos el valor esperado usando el Teorema de Bayes asumiendo una distribución a priori arbitraria $P(x)$, se ha demostrado matemáticamente que para cualquier distribución de probabilidad realista (cuya suma es 1), no existe una distribución mágica en la que “sea más rentable cambiar” para todas las cantidades $X$.

5. La trampa del infinito: la conexión con la paradoja de San Petersburgo

Existe un único caso en el que “es más rentable cambiar para todas las cantidades $X$”. Eso es solo cuando el presupuesto del programa es infinito y asumimos una “distribución de probabilidad impropia (una distribución cuya suma es infinita)” en la que todas las cantidades (1 yen, 2 yenes, 4 yenes, 8 yenes… infinito) aparecen de manera uniforme.

Sin embargo, en el mundo real no existe una cadena de televisión con activos infinitos. El error causado por este “valor esperado infinito” está profundamente arraigado en la Paradoja de San Petersburgo (el problema de cuánto estaría dispuesta a pagar una persona por una apuesta con un valor esperado infinito).

6. Resumen: Los peligros de la probabilidad y el valor esperado

“La paradoja de los dos sobres”, a pesar de consistir únicamente en multiplicaciones y sumas simples, nos enseña las siguientes lecciones.

Errores nacidos de definiciones ambiguas: si no dejas claro a qué se refiere una variable (¿$X$ siempre se refiere a la misma cantidad?), la lógica colapsa fácilmente.
La ilusión de que “sin información = probabilidad del 50%”: la suposición de “no sé, así que será mitad y mitad” (el principio de razón insuficiente) a veces provoca errores de cálculo fatales.
La dificultad de tratar con el infinito: introducir el concepto de “infinito”, que no se puede aplicar al mundo real, en fórmulas de cálculo produce resultados que van en contra del sentido común.

La próxima vez en la vida que pienses que “el césped del vecino se ve más verde y es mejor cambiar”, recuerda esta paradoja. Es posible que solo se hayan intercambiado las variables en tu fórmula de cálculo.

Paradoja del cumpleaños: ¿Más del 50% con 23 personas? La magia de las "combinaciones" que engaña a la intuición

Thu, 10 Sep 2026 00:00:00 +0900

1. Prueba de intuición: ¿Cuántas personas se necesitan para que la probabilidad supere el 50%?

Imagina a un grupo de personas reunidas en una fiesta. Aquí, para que la probabilidad de que exista al menos un par de personas en la sala con exactamente el mismo cumpleaños (mes y día) supere el 50%, ¿cuántas personas crees que se necesitan como mínimo? (Excluyendo años bisiestos y asumiendo que un año tiene 365 días, con todos los cumpleaños siendo igualmente probables).

La intuición humana tiende a calcular de la siguiente manera: “Un año tiene 365 días. Como estamos metiendo personas en 365 espacios y deben coincidir, probablemente se necesiten al menos unas 180 personas. Incluso siendo conservadores, ¿no se necesitarían entre 50 y 60 personas para que la probabilidad sea la mitad?”

Sin embargo, la respuesta correcta que deriva la matemática es de solo “23 personas”. En una clase escolar típica (alrededor de 30 a 40 personas), la probabilidad de que haya un par con el mismo cumpleaños salta a entre el 70% y el 89%. Si hay 50 personas, esa probabilidad alcanza el 97%, llegando a un punto en el que “es más raro que no haya personas con el mismo cumpleaños”.

¿Por qué nuestra intuición se desvía tanto de la probabilidad real?

2. Por qué se equivoca la intuición: La diferencia entre “yo y alguien” y “alguien y alguien”

La razón principal por la que la intuición se equivoca en este problema es porque inconscientemente pensamos en la “probabilidad de que alguien tenga el mismo cumpleaños que una persona específica (por ejemplo, yo)”.

Si entras a la sala y buscas “¿Hay alguien con mi mismo cumpleaños?”, la probabilidad de que haya alguien con tu mismo cumpleaños entre 23 personas es de solo alrededor del 6.1%. (Para que esta probabilidad supere el 50%, se necesitan en realidad 253 personas).

Sin embargo, lo que pregunta la paradoja del cumpleaños no es un par de “yo y alguien”. Basta con que coincida 1 solo par entre “todas las combinaciones posibles de todas las personas en la sala (Persona A y Persona B, Persona B y Persona C, Persona C y Persona A…)”.

graph TD subgraph "Ilusión intuitiva: Comparación centrada en 'uno mismo'" You["Tú"] --- P1["Persona A"] You --- P2["Persona B"] You --- P3["Persona C"] You --- P4["Persona D"] style You fill:#ff9999,stroke:#333,stroke-width:4px end subgraph "Realidad: Comparación exhaustiva de 'todos contra todos'" A["Persona A"] --- B["Persona B"] A --- C["Persona C"] A --- D["Persona D"] B --- C B --- D C --- D end

Incluso en un grupo de solo 4 personas, hay 3 comparaciones centradas en “uno mismo”, pero si se comparan todos contra todos hay 6 combinaciones (${}_4 C_2 = 6$). Cuando el número de personas aumenta a 23, las combinaciones de pares explotan a 253 combinaciones (${}_{23} C_2$). Con 253 pares, ¿no empieza a parecer menos extraño que al menos 1 par alcance esa probabilidad de “1 en 365”?

3. Demostración matemática: Una elegante solución usando el suceso complementario

Calcular la “probabilidad de que al menos 1 par comparta cumpleaños” directamente es muy difícil (porque hay demasiados patrones: si solo 1 par es igual, si 2 pares son iguales, si 3 personas comparten cumpleaños…). Por eso, usamos una técnica básica de teoría de probabilidades: el “suceso complementario”.

El suceso complementario es la “probabilidad de que no ocurra”. En otras palabras, calculando la “probabilidad de que los cumpleaños de todos sean diferentes (ningún par coincide)” y restando esto del 100% (1), obtenemos la probabilidad que buscamos.

$$ P(\text{al menos 2 personas coinciden}) = 1 - P(\text{todos tienen cumpleaños diferentes}) $$

Entonces, imaginemos a las personas entrando a la sala una por una y calculemos:

1ª persona: No hay preocupación de coincidir con nadie. La probabilidad es $\frac{365}{365}$.
2ª persona: Debe tener un cumpleaños diferente a la 1ª persona. Cualquiera de los 364 días restantes es seguro. La probabilidad es $\frac{364}{365}$.
3ª persona: Debe tener un cumpleaños diferente a las 2 personas anteriores. Cualquiera de los 363 días restantes es seguro. La probabilidad es $\frac{363}{365}$.

Multiplicando esto hasta la $n$-ésima persona, obtenemos el término general para la probabilidad $P(n)'$ de que todos tengan cumpleaños diferentes.

$$ P(n)' = \frac{365}{365} \times \frac{364}{365} \times \frac{363}{365} \times \dots \times \frac{365 - (n - 1)}{365} $$ $$ P(n)' = \prod_{k=1}^{n-1} \left(1 - \frac{k}{365}\right) $$

Por lo tanto, la “probabilidad de que al menos 2 personas compartan cumpleaños $P(n)$” que buscamos es la siguiente:

$$ P(n) = 1 - \prod_{k=1}^{n-1} \left(1 - \frac{k}{365}\right) $$

Sustituyendo el número de personas $n$ en esta fórmula, vemos que la probabilidad aumenta a una velocidad sorprendente:

Cuando $n = 10$, la probabilidad es aproximadamente 11.7%
Cuando $n = 23$, la probabilidad es aproximadamente 50.7% (¡Aquí supera el 50%!)
Cuando $n = 40$, la probabilidad es aproximadamente 89.1%
Cuando $n = 70$, la probabilidad es aproximadamente 99.9%

pie title "Probabilidades con 23 personas" "Hay un par con el mismo cumpleaños (50.7%)" : 50.7 "Todos son diferentes (49.3%)" : 49.3

4. Cálculo aproximado mediante la serie de Taylor

Calcular multiplicaciones 23 veces a mano es complicado, así que usemos una aproximación matemática para entenderlo de forma más intuitiva.

Consideremos la serie de Taylor de la función exponencial $e^{-x}$. Cuando $x$ es suficientemente pequeño, se cumple la siguiente aproximación:

$$ e^{-x} \approx 1 - x $$

Aplicando esto a cada término $\left(1 - \frac{k}{365}\right)$ de antes, tenemos:

$$ 1 - \frac{k}{365} \approx e^{-\frac{k}{365}} $$

Si multiplicamos todos estos términos (lo cual se convierte en suma según las leyes de los exponentes),

$$ P(n)' \approx e^{-\frac{1}{365}} \times e^{-\frac{2}{365}} \times \dots \times e^{-\frac{n-1}{365}} $$ $$ P(n)' \approx \exp\left(-\sum_{k=1}^{n-1} \frac{k}{365}\right) $$

La suma de 1 a $n-1$ es $\frac{n(n-1)}{2}$ (es decir, el número de combinaciones ${}_n C_2$), así que:

$$ P(n)' \approx \exp\left(-\frac{n(n-1)}{2 \times 365}\right) $$

En esta ecuación, busquemos el valor de $n$ para cuando la probabilidad sea 50% ($0.5$).

$$ 0.5 = e^{-\frac{n(n-1)}{730}} $$

Tomando el logaritmo natural en ambos lados ($\ln 0.5 \approx -0.693$).

$$ -0.693 = -\frac{n(n-1)}{730} $$ $$ n(n-1) = 0.693 \times 730 \approx 505.89 $$

Si aproximamos $n^2 \approx 506$, obtenemos $n = \sqrt{506} \approx 22.49$ ¡La respuesta $n \approx 23$ se ha deducido maravillosamente!

5. Aplicaciones en la vida diaria y “Colisión de hashes”

Esta paradoja no es solo una curiosidad para fiestas. Juega un papel extremadamente importante en la criptografía y seguridad de la información que sustentan la sociedad informática moderna.

En los sistemas informáticos, se utiliza un mecanismo llamado “función hash” para confirmar rápidamente la identidad de contraseñas y archivos. Una función hash devuelve una cadena aleatoria de longitud fija (valor hash) sin importar qué datos se introduzcan. Sin embargo, el fenómeno por el cual estos valores hash resultan ser los mismos por casualidad se denomina “Colisión de hashes”.

Las colisiones de hashes ocurren exactamente bajo el mismo principio que la paradoja del cumpleaños. Contrariamente a la intuición humana que sugiere “como el número de tipos de valores hash es astronómico, las colisiones casi nunca ocurrirán”, es sorprendentemente fácil para un atacante generar una gran cantidad de datos aleatorios y encontrar un “par que coincida (comparta cumpleaños)”.

A esto se le llama “Ataque de cumpleaños (Birthday Attack)”. Los ingenieros que diseñan sistemas de seguridad asumen este hecho matemático de que “las colisiones ocurren mucho más rápido de lo que sugiere la intuición”, y configuran longitudes de valores hash extremadamente largas para garantizar la seguridad.

6. Conclusión: Los límites de la intuición humana

La paradoja del cumpleaños es el ejemplo perfecto de lo frágil que es la intuición humana frente al “crecimiento exponencial” o la “explosión combinatoria”.

Somos buenos para percibir el crecimiento lineal (aditivo), pero nuestro cerebro no puede simular un fenómeno donde el número de pares crece de manera explosiva al ritmo de $n^2$. Detrás de la intuición de que “el número 23 es demasiado pequeño comparado con el gran número 365”, se oculta una red de “253 hilos invisibles (pares)” creados por esas 23 personas.

La próxima vez que vayas a un lugar concurrido, trata de imaginar no solo el “número de personas” visibles, sino también los “hilos de combinaciones” innumerables que existen entre ellos. Tu forma de ver el mundo cambiará, al menos un poco, desde una perspectiva matemática.