La matriz (en el primer ejemplo) muestra un sistema condicional, cuando la pregunta dice textual "¿ Cuál es la probabilidad de que tenga ...

Federico Cachero

Federico Cachero

Pregunta
studenthace 4 años

La matriz (en el primer ejemplo) muestra un sistema condicional, cuando la pregunta dice textual "¿ Cuál es la probabilidad de que tenga dos varones una madre sabiendo que: ...?"

El problema es que la la primera información ("uno de sus hijos es varón") naturalmente la interpretamos como una Probabilidad Conjunta ( M U M). Es decir, en nuestra mente podemos verlo como una línea unidimensional (0M, 1M, 2M).

Justo por eso, al recibir el segundo ejemplo (Probabilidad Condicionada, representación matriz bidimensional) lo intentamos adaptar a nuestra primera percepción probabilística. Ahí es donde se generaría la paradoja...

PERO

Nosotros en esta interpretación de la paradoja, también estamos "forzando" a la primer información a "adaptarse" o "regirse" bajo las condiciones de la segunda. Nos jactamos de "interpretar mejor la información" cuando en realidad, estamos cayendo en el mismo problema de los intuitivos; forzar una probabilidad conjunta a compararse con una condicional, y visiversa.

¿Qué está mal, entonces? (según yo)

Si prestamos atención, la información no precede a la pregunta. Sino, que la completa. Ahí está el dilema. Las preguntas son diferentes, más allá de la información.

Estamos respondiendo diferentes preguntas y ninguna es mejor que la otra.

Bajo lo planteado entonces:

No existe una manera válida o "mejor" de abordar la paradoja, ya que son dos preguntas distintas con sus distintas soluciones. Por eso no concuerdo con el Profe.

¿Estoy equivocado? Te leo, me interesa escuchar críticas. ❣🚀

No hay respuestas
para escribir tu comentario
Curso de Matemáticas para Data Science: Probabilidad

Curso de Matemáticas para Data Science: Probabilidad

Explora el uso de la probabilidad en ciencia de datos y machine learning. Conocerás el teorema de Bayes, regresión logística y máxima verosimilitud, aplicando estos conceptos a través de Python. Ideal para ciencia de datos.

Curso de Matemáticas para Data Science: Probabilidad
Curso de Matemáticas para Data Science: Probabilidad

Curso de Matemáticas para Data Science: Probabilidad

Explora el uso de la probabilidad en ciencia de datos y machine learning. Conocerás el teorema de Bayes, regresión logística y máxima verosimilitud, aplicando estos conceptos a través de Python. Ideal para ciencia de datos.