• Saltar al contenido principal
  • Skip to secondary menu
  • Saltar a la barra lateral principal
  • Saltar al pie de página
  • Inicio
  • Secciones
    • Ciencia de datos
    • Criptografía
    • Herramientas
    • Machine Learning
    • Noticias
    • Opinión
    • Productividad
    • Programación
      • JavaScript
      • Julia
      • Matlab
      • Python
      • R
  • Programación
    • JavaScript
    • Julia
    • Matlab
    • Python
    • R
  • Laboratorio
    • Encuestas: Tamaño de Muestra
    • Lotería: Probabilidad de Ganar
    • Reparto de Escaños (D’Hondt)
    • Tres en Raya con IA
  • Noticias
  • Boletín
  • Contacto
  • Tienda
    • Libros
    • Equipamiento de oficina
    • Equipamiento en movilidad
    • Tiendas afiliadas
      • AliExpress
      • Amazon
      • Banggood
      • GeekBuying
      • Lenovo

Analytics Lane

Ciencia e ingeniería de datos aplicada

  • Ciencia de datos
  • Machine Learning
  • IA Generativa
  • Python
  • Pandas
  • NumPy
  • Excel
  • Matlab

Explorando la paradoja de San Petersburgo: un juego con recompensa infinita

diciembre 20, 2023 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 3 minutos

La paradoja de San Petersburgo es un dilema que ha fascinado a los matemáticos, filósofos y economistas a lo largo de los siglos. Un juego aparentemente sencillo cuya solución tiene grandes implicaciones. Cuando se analiza en detalle el juego este obliga a plantearse profundas cuestiones sobre la teoría de probabilidad, la toma de decisiones y la percepción del riesgo. El problema se conoce desde el siglo XVIII. La formulación original de la paradoja cuya formulación original aparece en una carta de Nicolaus Bernoulli fechada el 9 de septiembre de 1713 y que fue enviada a Pierre de Montmort. En esta entrada se realizará una exposición de la paradoja, para examinar los resultados aparentemente contradictorios y analizar las consecuencias de esta.

Invitación a un juego de azar

La paradoja de San Petersburgo comienza con la invitación a participar en un juego de azar en el que se lanza una moneda hasta que aparece por primera vez una cara. La recompensa que logra el jugador se duplica en cada tirada. Esto es, si por la primera cruz el jugador obtiene por ejemplo un Euro, por la segunda serán dos, por la tercera cuatro y así hasta que salga la primera cara. Si en la primera tirada sale una cara el jugador no recibe ninguna recompensa. Matemáticamente la recompensa obtenida se puede expresar como 2^{n-1} donde n es la cantidad de cruces que salen antes de la primera cara.

Curiosidad: La Ley de Twyman y la trampa de los datos “interesantes”
En Analytics Lane
Curiosidad: La Ley de Twyman y la trampa de los datos “interesantes”

Ahora la pregunta es ¿cuál es la cantidad máxima que estaría dispuesto a pagar para participar en este juego?

Publicidad


Usando la esperanza matemática para calcular la cantidad a pagar

El método más adecuado para estimar la cantidad máxima que se debería pagar para participar en el juego es calcular la esperanza matemática (algo que también deberíamos hacer antes de jugar a la lotería u otros juegos de azar como la ruleta). Esto es, las ganancias esperadas que se pueden obtener. Para ello, simplemente se tiene que sumar el producto de todas las posibles recompensas que se pueden obtener por la probabilidad de estas. Así se sabe que la probabilidad de obtener una cruz, si la moneda no está trucada, es de \frac{1}{2}, dos cruces seguidas es de \frac{1}{4} y en generar la probabilidad de obtener n cruces seguidas es de \frac{1}{2^n}.

Ahora, conocidas las probabilidades y las recompensas que se pueden obtener en el juego, la esperanza matemática o ganancia esperada se puede obtener fácilmente E = \frac{1}{2} 1 + \frac{1}{4} 2 + \frac{1}{8} 4 + \ldots + \frac{1}{2^n} 2^{n-1} = \sum_{n=1}^\infty \frac{1}{2^n} 2^{n-1} = \sum_{n=1}^\infty \frac{1}{2} = \infty. Esto es esperanza matemática de participar en el juego es infinita, por lo que cualquier cantidad para participar en el juego está justificada.

La paradoja de San Petersburgo: las decisiones matemáticas frente las decisiones humanas

El hecho de que el juego tenga una esperanza matemática infinita es algo que entra en conflicto con la intuición y experiencia cotidiana. Además de la falta de racionalidad económica. La paradoja surge al contrastar los resultados matemáticos con la toma de decisiones práctica.

En las situaciones cotidianas nunca nos encontramos con la posibilidad de obtener una ganancia infinita. Las expectativas y decisiones siempre están limitadas por una cantidad de recursos finitos. Por ejemplo, el tiempo, sería necesario jugar un tiempo infinito para obtener la recompensa infinita, tiempo del que no se dispone. Así, el concepto de un valor esperado infinito va en contra de la intuición basada en experiencia finita.

Además, también se debe tener en cuenta el efecto de la adveración al riesgo. Un concepto que es importante en la teoría económica. En situaciones de esperanza infinita, las personas pueden mostrar una adhesión al riesgo y no estar dispuestas a apostar grandes sumas de dinero debido a la incertidumbre de una posible pérdida.

En resumen, la paradoja de una esperanza infinita destaca la brecha entre las abstracciones matemáticas y las decisiones prácticas en la vida real. Aunque desde un punto de vista matemático la esperanza infinita puede tener sentido, las limitaciones y las preferencias humanas introducen complejidades que desafían la aplicación directa de estos conceptos en la toma de decisiones cotidiana.

Publicidad


Conclusiones

La paradoja de San Petersburgo pone de relieve la diferencia que existe entre los conceptos matemáticos de infinito y la experiencia donde los recursos y ganancias esperadas son finitos. A pesar de que el juego propuesto ofrece una esperanza matemática infinita, no parece razonable apostar una cantidad infinita en el juego.

Imagen de Peter H en Pixabay

¿Te ha parecido de utilidad el contenido?

¡Puntúalo entre una y cinco estrellas!

Puntuación promedio 0 / 5. Votos emitidos: 0

Ya que has encontrado útil este contenido...

¡Síguenos en redes sociales!

¡Siento que este contenido no te haya sido útil!

¡Déjame mejorar este contenido!

Dime, ¿cómo puedo mejorar este contenido?

Publicaciones relacionadas

  • Curiosidad: La Ley de Twyman y la trampa de los datos “interesantes”
  • Copias de seguridad automáticas en SQL Server con rotación de archivos
  • Curiosidad: La Paradoja de Simpson, o por qué no siempre debes fiarte de los promedios
  • Error npm ERR! code EACCES al instalar paquetes en Node.js: Cómo solucionarlo paso a paso
  • Curiosidad: La maldición de la dimensionalidad, o por qué añadir más datos puede empeorar tu modelo
  • ¿Está concentrado el MSCI World? Un análisis con Gini, Lorenz y leyes de potencia
  • Curiosidad: ¿Por qué usamos p < 0.05? Un umbral que cambió la historia de la ciencia
  • Programador de tareas de Windows: Guía definitiva para automatizar tu trabajo (BAT, PowerShell y Python)
  • La Paradoja del Cumpleaños, o por qué no es tan raro compartir fecha de nacimiento

Publicado en: Ciencia de datos Etiquetado como: Paradoja

Interacciones con los lectores

Deja una respuesta Cancelar la respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

I accept the Terms and Conditions and the Privacy Policy

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.

Barra lateral principal

Suscríbete a nuestro boletín

Suscríbete al boletín semanal para estar al día de todas las publicaciones.

Política de Privacidad

Analytics Lane en redes sociales

  • Amazon
  • Bluesky
  • Facebook
  • GitHub
  • Instagram
  • Mastodon
  • Pinterest
  • RSS
  • Telegram
  • Tumblr
  • Twitter
  • YouTube

Publicidad

Entradas recientes

La Paradoja del Cumpleaños, o por qué no es tan raro compartir fecha de nacimiento

octubre 9, 2025 Por Daniel Rodríguez

Programador de tareas de Windows: Guía definitiva para automatizar tu trabajo (BAT, PowerShell y Python)

octubre 7, 2025 Por Daniel Rodríguez

Curiosidad: ¿Por qué usamos p < 0.05? Un umbral que cambió la historia de la ciencia

octubre 2, 2025 Por Daniel Rodríguez

Publicidad

Es tendencia

  • Cómo calcular el tamaño de la muestra para encuestas publicado el septiembre 9, 2025 | en Ciencia de datos
  • Buscar en Excel con dos o más criterios publicado el septiembre 7, 2022 | en Herramientas
  • Conectar máquinas VirtualBox entre sí y con el resto de la red publicado el noviembre 3, 2023 | en Herramientas
  • Método del codo (Elbow method) para seleccionar el número óptimo de clústeres en K-means publicado el junio 9, 2023 | en Ciencia de datos
  • Código fuente Eliminar filas o columnas con valores nulos en Python publicado el junio 29, 2018 | en Python

Publicidad

Lo mejor valorado

4.9 (24)

Seleccionar filas y columnas en Pandas con iloc y loc

4.6 (16)

Archivos JSON con Python: lectura y escritura

4.4 (14)

Ordenación de diccionarios en Python mediante clave o valor

4.7 (13)

Operaciones de filtrado de DataFrame con Pandas en base a los valores de las columnas

4.5 (10)

Diferencias entre var y let en JavaScript

Publicidad

Comentarios recientes

  • Daniel Rodríguez en Probabilidad básica: cómo entender el azar en nuestra vida diaria
  • Pepe en Probabilidad básica: cómo entender el azar en nuestra vida diaria
  • CARLOS ARETURO BELLO CACERES en Justicio: La herramienta gratuita de IA para consultas legales
  • Piera en Ecuaciones multilínea en Markdown
  • Daniel Rodríguez en Tutorial de Mypy para Principiantes

Publicidad


Footer

Analytics Lane

  • Acerca de Analytics Lane
  • Boletín de noticias
  • Contacto
  • Libros
  • Lo más popular
  • Noticias
  • Tienda
  • Tiendas afiliadas

Secciones

  • Ciencia de datos
  • Criptografía
  • Herramientas
  • Machine Learning
  • Opinión
  • Productividad
  • Programación
  • Reseñas

Sobre de Analytics Lane

En Analytics Lane tratamos de explicar los principales conceptos de la ciencia e ingeniería de datos con un enfoque práctico. Los principales temas tratados son ciencia de datos, ingeniería de datos, inteligencia artificial, machine learning, deep learning y criptografía. Además, también se habla de los principales lenguajes de programación y herramientas utilizadas por los científicos e ingenieros de datos.

Copyright © 2018-2025 Analytics Lane ·Términos y condiciones ·Política de Cookies ·Política de Privacidad ·Herramientas de privacidad ·Contacto