Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
1
Tomé prestada esta frase de la antología influyente de Richard Rorty de 1967, The Linguistic
Turn, que documentó el énfasis en el lenguaje como un tema filosófico en los ochenta años
anteriores. Rorty obtuvo la expresión de Gustav Bergmann (1906–1987).
significa un grado racional de certeza, mientras que los frecuentistas definen la
probabilidad en términos de frecuencia. Cuando piensa en su probabilidad de contraer
cáncer de pulmón, dado que fumó muchos cigarrillos durante muchos años, los
Bayesianos consideran que es probable que usted tenga cáncer de que se va a fumar, dado
su historial de tabaquismo, probabilidad de representar con qué frecuencia los fumadores
pesados contraen cáncer de pulmón. Visto de esta manera, el bayesianismo es sobre algo
subjetivo (= en la mente de un sujeto racional) y el frecuentismo es sobre algo objetivo
(= afuera en el mundo externo). Si las dos filosofías tienen diferentes temas, ¿por qué hay
un conflicto entre ellas?2 ¿Por qué estas escuelas partidistas no pueden ver que la
probabilidad tiene un significado tanto subjetivo como objetivo (como lo reconoció
Carnap 1950) con cada uno de los ismos a su manera? ¿Por qué la gente no puede llevarse
bien? La respuesta es que el bayesianismo y el frecuentismo discrepan fundamentalmente
acerca de cuáles deberían ser los objetivos de la ciencia. Hay más en el debate que una
pregunta sobre el significado de la palabra "probabilidad". Pero incluso la idea de que
cada escuela está ligada a una única interpretación de probabilidad es demasiado simple.
Por un lado, hay situaciones en las que las inferencias bayesianas se pueden llevar a cabo
utilizando probabilidades que son tan objetivas como cualquier frecuentista podría desear.
Si le digo cuál es la frecuencia de la tuberculosis en Wisconsin, que Susan vive en ese
estado y que su prueba de tuberculosis resultó positiva (cuando el procedimiento de
prueba produce resultados erróneos con cierta frecuencia), puede calcular la probabilidad
de que Susan tenga tuberculosis, dado el resultado de su prueba. Veremos en un momento
cómo los bayesianos hacen este cálculo. El punto actual es que las probabilidades
utilizadas en este cálculo bayesiano tienen que ver con cuestiones objetivas de hecho.
¡Los bayesianos pueden ir a trabajar en frecuencias!
Por otro lado, hay buenas razones por las cuales las probabilidades que los frecuentistas
discuten a menudo no deben interpretarse como frecuencias. Los frecuentistas están
contentos de hablar sobre la probabilidad de que una moneda justa tenga cabezas de
aterrizaje si se arroja. Equidad significa que el valor de esta probabilidad es 1⁄2. Pero las
monedas justas a menudo no tienen frecuencias que coincidan con esta probabilidad. Por
ejemplo, supongamos que lanzas una moneda justa tres veces y luego la destruyes. La
frecuencia de las cabezas en la corta vida útil de esta moneda no será igual al 50 por
ciento. Por esta sencilla razón, no puede equiparar probabilidad con frecuencia real. Puede
responder que la idea de frecuencia relevante es la hipotética frecuencia de largo plazo.
Aunque una moneda justa no arrojará caras el 50% del tiempo si se lanza solo una vez, la
sugerencia es que si una moneda es justa, la frecuencia de las cabezas convergerá en el
50% si lanza la moneda una y otra vez. ¿Qué está mal con eso? Consideremos lo que
significa “convergir”. Aquí hay una interpretación:
una moneda tiene una probabilidad de que caiga cabezas de 1⁄2 precisamente cuando la
frecuencia de las cabezas se acerque más y más al 50 por ciento cuando la moneda se
lance repetidamente.
2
Hay otro uso de esta terminología, como cuando las personas afirman que varias normas son
objetivas. Aquí el pensamiento es que las normas son correctas y no arbitrarias. Muchos
bayesianos son objetivistas en este sentido.
Esto es falso Es posible que una moneda justa produzca dos cabezas en los primeros
cuatro lanzamientos y tres cabezas en los primeros cinco. No es necesario que haya un
acercamiento monotónico a un 50 por ciento. Podemos reemplazar esta sugerencia
defectuosa con algo que es cierto. Considere cualquier pequeño número positivo que
quiera; llámalo ε ("épsilon").
Una moneda tiene una probabilidad de caer cabezas de 1⁄2 precisamente cuando la
probabilidad se acerca a 1 de que la frecuencia de las cabezas estará dentro de ε del 50
por ciento a medida que la cantidad de lanzamientos se acerca al infinito.
Esta es una versión de la ley de los grandes números. Observe que el concepto de
probabilidad aparece en ambos lados de esta bicondicional. Esta no es una definición
adecuada; es circular Por esta razón, la ley de los grandes números, aunque verdadera, no
proporciona una interpretación de la probabilidad en el sentido requerido.3
3
Aquí hay una tercera sugerencia para definir la probabilidad en términos de frecuencia: una
moneda tiene una probabilidad de lanzar cabezas de 1⁄2 precisamente cuando la moneda tendría
que caer cabezas
50 por ciento de las veces, si se lanzara un número infinito de veces. Aunque esta
bicondicional no es circular, todavía hay un problema. No es imposible que una moneda
justa caiga cara cada vez que se lance, incluso si se lanza un número infinito de veces. Es
cierto, la probabilidad de la secuencia infinita HHHH. . . es cero Sin embargo, no se puede
equiparar imposibilidad con una probabilidad de cero. La probabilidad de cualquier
secuencia infinita (incluida la secuencia alterna HTHTHT ...) es cero si la moneda es
justa.
0 ≤ PrA (H) ≤ 1.
PrA (H) = 1 si A implica lógicamente H.
PrA (H o J)
= PrA (H) + PrA (J) si A implica lógicamente que H y J son incompatibles.
La razón para restar Pr (H&J) es asegurar que el área de superposición no se cuenta dos
veces. Cuando Pr (H&J) = 0, la igualdad anterior se reduce al caso especial descrito en el
Axioma 3. ¿Qué se puede decir acerca de la probabilidad de conjunciones? Aquí es donde
necesitamos definir el concepto de independencia probabilística: las proposiciones H y J
son probabilísticamente independientes en el modelo de probabilidad A, precisamente
cuando PrA (H&J) = PrA (H) × PrA (J). Cuando lanzas una moneda normal dos veces, la
probabilidad de obtener una cabeza en el primer lanzamiento es 1/2 y la probabilidad de
obtener una cabeza en el segundo también es 1/2. Los lanzamientos son
probabilísticamente independientes; la probabilidad de obtener caras en ambos
lanzamientos es de 1/4. Ese es un hecho empírico contingente sobre el lanzamiento de
monedas; es lógicamente posible que los lanzamientos sean probabilísticamente
dependientes. Supongamos que vivimos en un mundo en el que hay dos tipos de monedas:
el 50 por ciento de los
Las monedas tienen dos cabezas y el 50 por ciento tiene dos colas. Selecciona una moneda
en
Al azar y tirarlo repetidamente. Bajo los supuestos indicados, PrA (Cabezas en el primer
lanzamiento) = PrA (Cabezas en el segundo lanzamiento) = 1 La razón para restar Pr (H
& J) es asegurar que el área de superposición no se cuente dos veces. Cuando Pr (H & J)
= 0, la igualdad anterior se reduce al caso especial descrito en el Axioma 3. ¿Qué se puede
decir acerca de la probabilidad de conjunciones? Aquí es donde necesitamos definir el
concepto de independencia probabilística: la
Cuando lanzas una moneda normal dos veces, la probabilidad de obtener una cabeza en
el primer lanzamiento es 1/2 y la probabilidad de obtener una cabeza en el segundo
lanzamiento también es 1/2. Los lanzamientos son probabilísticamente independientes;
La probabilidad de obtener caras en ambos lanzamientos es de 1/4. Ese es un hecho
empírico contingente sobre el lanzamiento de la moneda; es lógicamente posible que los
lanzamientos sean probabilísticamente dependientes. Supongamos que vivimos en un
mundo donde hay dos tipos de monedas: el 50 por ciento de las monedas tiene dos caras
y el 50 por ciento tiene dos colas. Seleccionas una moneda al azar y la lanzas
repetidamente. Bajo los supuestos indicados, PrA (Cabezas en el primer lanzamiento) =
PrA (Cabezas en el segundo lanzamiento) = 1/2
Sin embargo, también es cierto que PrA (se dirige tanto al primer como al segundo
lanzamiento) = 1/2. La independencia falla. En este mundo de fantasía, saber el resultado
en el primer lanzamiento le brindará información sobre lo que sucederá en el segundo. En
el mundo real, los lanzamientos son independientes; saber el resultado del primer
lanzamiento no cambia la probabilidad que asigna al segundo. La independencia
probabilista y la independencia lógica son diferentes. Las proposiciones X e Y son
lógicamente independientes precisamente cuando las cuatro conjunciones de la forma ±
X & ± Y son lógicamente posibles (es decir, no contradictorias). Por ejemplo, "está
lloviendo" y "usted está llevando un paraguas" son lógicamente independientes entre sí.
Sin embargo, si sigue los consejos de previsiones meteorológicas precisas, estas dos
proposiciones dependerán probabilísticamente entre sí. Considere dos proposiciones que
no sean ni tautologías ni contradicciones: si son probabilísticamente independientes,
entonces son lógicamente independientes, pero la implicación inversa no es válida.
Aquí hay un pequeño ejercicio que consiste en pensar cómo la probabilidad de una
conjunción está relacionada con la probabilidad de sus conjunciones. Se trata del ejemplo
sobre los veleros mencionados en el capítulo anterior en la sección sobre Copérnico y
Ptolomeo. Mi amiga Susan vio un velero rojo en el lago Mendota el lunes, y el martes
también vio un velero rojo. En la tabla adjunta, he enumerado las probabilidades de
algunos colores de velero en cada uno de los dos días. Tenga en cuenta que las tres
probabilidades para cada día suman uno; Supongo que los veleros en el lago no tienen
ninguna posibilidad de ser amarillos. Estas probabilidades se llaman probabilidades
marginales porque están escritas a lo largo de los márgenes de la tabla. Ahora
consideremos estas hipótesis:
Aquí A es la suposición de que la moneda es justa y que la arrojas diez veces. Resulta que
el valor esperado es 5. Al hacer este experimento de diez lanzamientos una y otra vez,
puede estar cada vez más seguro de que el número promedio de cabezas en las diferentes
repeticiones de diez lanzamientos es cercano a 5. Este es el Ley de grandes números que
mencioné anteriormente.
El número esperado a menudo no es el número que debe esperar. Si tu arroje una moneda
justa tres veces, el número esperado de caras es 1.5, pero esto no significa que deba
esperar que haya 1.5 caras cuando realice este experimento solo una vez. En el
experimento que describí hace cinco párrafos sobre un mundo en el que todas las monedas
tienen dos caras o dos colas, ¿cuál es la frecuencia esperada de las cabezas si lanzas una
moneda elegida al azar diez veces? ¿Cuál es la frecuencia que debe esperar? Aunque los
axiomas de probabilidad que he descrito siempre involucran una relación entre los
supuestos que definen la función de probabilidad y esta o aquella proposición, todavía
tengo que definir la idea de "probabilidad condicional". He estado hablando de PrA (H),
No se trata de PrA (H | E). Este último se lee como "la probabilidad de H dado E." Tenga
cuidado de entender lo que esto significa. No significa que E sea verdadera y que, por lo
tanto, H tenga cierta probabilidad. Sólo como "si arrojas la moneda, entonces caerá cara"
no afirma que lanzas la moneda, por lo que "PrA (la moneda te deja caer la moneda) =
1/2" no dice que realmente lanzas la moneda. Lo que significa es esto: supongamos, por
el momento, que has tirado la moneda. Luego se le pregunta qué tan probable es que la
moneda caiga cara, dada esa suposición. El valor de la probabilidad condicional es la
respuesta a esta pregunta. El concepto de probabilidad condicional puede introducirse
diciendo cómo se relaciona con la noción de probabilidad incondicional que se define por
nuestros axiomas:
Esto se llama la fórmula de relación. Si A dice que E tiene una probabilidad de cero, esta
"definición" de probabilidad condicional no ofrece consejos sobre qué significa
probabilidad condicional. Pongo "definición" en citas de miedo porque una definición
(completa) debe proporcionar condiciones necesarias y suficientes; la declaración
anterior proporciona sólo el último. Algunos piensan que la probabilidad condicional PrA
(H | E) no tiene significado cuando PrA (E) = 0. No estoy de acuerdo. Una moneda puede
ser justa incluso si la encierras en una caja de seguridad inexpugnable para que la moneda
nunca pueda ser lanzada. En este caso, PrA (la moneda cae con la cabeza, arrojas la
moneda) = 1/2 aunque PrA (lanzas la moneda) = 0 (R ́enyi 1970; Hajek 2003; Sober
2008b). Hay una segunda calificación que se debe registrar en relación con la fórmula de
relación, que trataré más adelante. Pero por ahora vale la pena señalar que si PrA (H | E),
PrA (H&E) y PrA (E) tienen valores y PrA (E)> 0, entonces la fórmula de relación debe
mantenerse.