La teoría de la probabilidad nació al estudiar juegos de azar y evolucionó hasta convertirse en una herramienta fundamental para la ciencia, la estadística, la informática y la toma de decisiones.
Las personas siempre han tenido que tomar decisiones frente a situaciones inciertas: cosechas que podían perderse, viajes cuyo resultado no era seguro, enfermedades y juegos cuyo desenlace dependía del azar. Durante mucho tiempo estas situaciones se explicaron mediante la suerte o la intuición.
La teoría de la probabilidad comenzó a transformar esas intuiciones en cálculos. Su desarrollo no ocurrió en un único momento ni fue obra de una sola persona: fue el resultado de aportes sucesivos de matemáticos interesados en los juegos de azar, la estadística, la astronomía, los seguros y la física.
En civilizaciones antiguas ya se utilizaban dados, sorteos y otros mecanismos aleatorios. Sin embargo, observar que algunos resultados aparecían más que otros no equivalía todavía a contar con una teoría matemática de la probabilidad.
Los primeros razonamientos se concentraban en preguntas concretas: cómo repartir una apuesta si un juego se interrumpe, cómo comparar apuestas con distintos riesgos o cómo decidir si un dado era equilibrado. El paso decisivo consistió en relacionar los resultados posibles con una medida numérica.
Durante el siglo XVI, el médico y matemático italiano Girolamo Cardano analizó juegos de dados y escribió observaciones sobre la cantidad de resultados posibles. Su trabajo ayudó a reconocer que la probabilidad de un resultado depende de cómo se enumeran los casos y de si estos pueden considerarse igualmente posibles.
Cardano no presentó todavía una teoría completa y sistemática, pero sus ideas muestran un cambio importante: el azar podía estudiarse mediante razonamientos matemáticos en lugar de depender solamente de la experiencia de los jugadores.
Este tipo de análisis también permitió comprender que apostar de manera razonable exige distinguir entre una racha favorable y una ventaja real del juego.
En el siglo XVII apareció un problema famoso relacionado con un juego que se interrumpe antes de terminar. Dos jugadores habían acordado que ganaría quien primero alcanzara cierta cantidad de victorias, pero la partida se detiene cuando uno de ellos lleva ventaja. ¿Cómo debe repartirse justamente la apuesta?
Este problema, conocido como el problema de los puntos, fue planteado a Blaise Pascal. Pascal intercambió cartas con Pierre de Fermat en 1654 y ambos desarrollaron métodos para contar los resultados futuros posibles y calcular una división justa del premio.
La correspondencia entre Pascal y Fermat suele considerarse uno de los puntos de partida de la probabilidad matemática moderna.
En 1657, el matemático neerlandés Christiaan Huygens publicó uno de los primeros textos dedicados al cálculo de probabilidades. Su trabajo introdujo de forma sistemática la idea de esperanza matemática, que representa el resultado promedio esperado de un juego o experimento si pudiera repetirse muchas veces.
El valor esperado no tiene que coincidir con un resultado que pueda observarse en una sola prueba. Por ejemplo, un juego puede tener un valor esperado de 2 puntos aunque en cada partida solo sea posible obtener 0 o 4 puntos.
A comienzos del siglo XVIII, Jacob Bernoulli estudió cómo se comportan las frecuencias cuando un experimento se repite muchas veces. Sus resultados, publicados en Ars Conjectandi en 1713, dieron una base matemática a la idea de que las frecuencias relativas tienden a acercarse a la probabilidad cuando aumenta la cantidad de pruebas.
Esta idea se conoce como ley de los grandes números. No afirma que cada pequeño grupo de lanzamientos tenga exactamente las proporciones esperadas. Afirma que, bajo condiciones apropiadas, la proporción observada se estabiliza alrededor del valor teórico a medida que se acumulan observaciones.
| Cantidad de lanzamientos | Frecuencia posible de caras | Interpretación |
|---|---|---|
| 10 | 8 de 10 | Una desviación grande no es sorprendente. |
| 100 | 53 de 100 | La frecuencia suele acercarse más a 0,5. |
| 10.000 | cerca de 5.000 | La proporción tiende a estabilizarse alrededor del 50%. |
El astrónomo y matemático francés Pierre-Simon Laplace reunió y amplió muchos resultados anteriores. En 1812 publicó Théorie analytique des probabilités, una obra que organizó métodos de cálculo y mostró aplicaciones de la probabilidad a la astronomía, la estadística y la toma de decisiones.
En el enfoque clásico, cuando todos los resultados son igualmente posibles, la probabilidad se calcula como:
La regla es sencilla, pero requiere justificar que los casos considerados sean comparables y que el conjunto de resultados esté bien definido. En temas posteriores estudiaremos sus condiciones con más detalle.
Durante los siglos XVIII y XIX, la probabilidad dejó de ser un asunto limitado a los juegos. Se aplicó a tablas de mortalidad, seguros, errores de medición, astronomía y análisis de poblaciones.
Así se fortaleció la relación entre probabilidad, estadística y análisis de datos: la probabilidad parte de un modelo para estudiar posibles observaciones, mientras que la estadística utiliza observaciones para evaluar modelos y aprender sobre una población.
En 1933, el matemático ruso Andréi Kolmogórov publicó una formulación axiomática que proporcionó una base unificada para la teoría moderna de la probabilidad. En lugar de definir cada problema a partir de juegos de azar, estableció propiedades generales que debe cumplir cualquier medida de probabilidad.
Esta formalización permitió conectar la probabilidad con la teoría de conjuntos, la medida, los procesos aleatorios y numerosas áreas de la matemática aplicada.
El desarrollo de las computadoras hizo posible realizar simulaciones con millones de repeticiones y procesar grandes cantidades de datos. La probabilidad pasó a formar parte de algoritmos, sistemas de comunicación, motores de búsqueda, criptografía e inteligencia artificial.
Una simulación sencilla permite observar cómo una frecuencia puede acercarse a una probabilidad teórica:
let caras = 0;
const lanzamientos = 10000;
for (let i = 0; i < lanzamientos; i++) {
if (Math.random() < 0.5) {
caras++;
}
}
const frecuencia = caras / lanzamientos;
console.log(`Frecuencia de caras: ${frecuencia}`);El valor obtenido cambiará cada vez que se ejecute el programa. Con suficientes lanzamientos, normalmente estará cerca de 0,5, aunque nunca es necesario que coincida exactamente con ese valor.
| Período | Figura o desarrollo | Aporte principal |
|---|---|---|
| Siglo XVI | Girolamo Cardano | Análisis de juegos de dados y conteo de casos. |
| 1654 | Pascal y Fermat | Soluciones al problema de los puntos. |
| 1657 | Christiaan Huygens | Primer tratamiento publicado y valor esperado. |
| 1713 | Jacob Bernoulli | Base de la ley de los grandes números. |
| 1812 | Pierre-Simon Laplace | Organización y ampliación de la probabilidad clásica. |
| 1933 | Andréi Kolmogórov | Formulación axiomática de la probabilidad moderna. |
La historia de la probabilidad muestra cómo una colección de preguntas prácticas sobre juegos y decisiones inciertas se transformó en una teoría matemática general. Cada etapa aportó una idea: contar casos, calcular valores esperados, observar frecuencias, modelar errores y establecer axiomas.
Con esta perspectiva histórica, estamos preparados para estudiar el siguiente concepto: la diferencia entre experimentos aleatorios y determinísticos.