¿Por qué el azar no es tan aleatorio como parece?

Cuando escuchamos la palabra “azar”, pensamos en lo impredecible: una moneda que gira en el aire, un dado que rebota en la mesa, un número que aparece mágicamente en la ruleta. Todo parece fuera de control, como si el azar fuera una fuerza misteriosa que escapa por completo a nuestra influencia.

Pero ¿y si te dijera alguien que, en realidad, gran parte del azar que usamos —en la ciencia, la estadística, la programación o incluso en los juegos— no es tan aleatorio como creemos? De hecho, muchas veces es solo una ilusión cuidadosamente construida.

En esta entrada vamos a explorar la naturaleza del azar desde distintos ángulos: estadístico, computacional, psicológico y filosófico. Veremos cómo lo generamos, cuándo lo simulamos, cómo lo malinterpretamos y por qué es tan importante entender sus límites. Porque creer que algo es aleatorio cuando no lo es… puede llevarnos a decisiones equivocadas.

¿Qué es el “azar”, realmente?

En términos simples, el azar es la ausencia de patrones previsibles. Si algo ocurre al azar, no deberías poder anticiparlo ni siquiera disponiendo de toda la información. No hay una regularidad reconocible que te permita adivinar qué ocurrirá a continuación.

Desde el punto de vista estadístico, lo aleatorio es aquello que sigue una distribución de probabilidad, pero cuyos resultados individuales son impredecibles. Es decir, podemos conocer el comportamiento general —por ejemplo, que al lanzar un dado no trucado cada cara tiene una probabilidad de 1/6—, pero no podemos predecir qué número saldrá en un lanzamiento concreto. Este tipo de incertidumbre “controlada” es clave para poder modelar fenómenos reales con herramientas estadísticas.

En Analytics Lane

Nuevo test de normalidad interactivo en el laboratorio de Analytics Lane

En física, el azar puede tener dos orígenes distintos:

• Procesos caóticos, como los movimientos del aire que afectan a una moneda al desplazarse a través de él. Aunque el sistema obedece leyes deterministas, una mínima diferencia en las condiciones iniciales puede producir resultados completamente distintos. Es un azar “determinista”, pero impredecible en la práctica.
• Fenómenos cuánticos, donde la indeterminación es genuina: no solo no sabemos qué va a pasar, sino que el resultado no está definido hasta que ocurre. Un ejemplo clásico es el momento exacto en que un átomo radioactivo se desintegra.

Sin embargo, cuando trabajamos con ordenadores, modelos estadísticos o incluso en muchos experimentos científicos, solemos adoptar una definición más pragmática: el azar es aquello que resulta lo suficientemente impredecible como para ser útil para la aplicación. No hace falta que sea “verdaderamente aleatorio”; basta con que no podamos anticiparlo de forma práctica.

¿Los ordenadores pueden generar azar?

No, la mayoría de los lenguajes de programación y herramientas estadísticas no generan números verdaderamente aleatorios, sino lo que se conoce como números pseudoaleatorios. Esto significa que provienen de algoritmos deterministas: si conoces la fórmula y la semilla (un valor inicial), puedes reproducir exactamente la misma secuencia de números una y otra vez.

Esto no es un fallo, sino una elección práctica. Los números pseudoaleatorios son rápidos, reproducibles y suficientemente impredecibles para la mayoría de las tareas comunes, como simulaciones, reparto aleatorios o entrenamiento de modelos de machine learning.

Esta forma de generar azar es especialmente útil porque:

• Permite reproducir experimentos: usando la misma semilla, se obtienen los mismos resultados.
• Es computacionalmente eficiente, ideal para procesar millones de simulaciones sin consumir muchos recursos.

Sin embargo, esta eficiencia tiene un costo. Si no se elige bien la semilla o se emplea un generador de baja calidad, los patrones pueden repetirse y los resultados pueden quedar sesgados o, incluso, ser predecibles.

Y ahí es donde puede aparecer un problema serio, comprometiendo la seguridad de los sistemas. En contextos como la criptografía o los juegos de azar, esta “falsedad” del azar puede dar lugar a vulnerabilidades críticas. En esos casos, es necesario recurrir a fuentes de entropía física real, como radiación ambiental, ruido térmico o incluso variaciones en la latencia de discos duros, para generar lo que se conoce como números verdaderamente aleatorios. Ya que, los ordenadores por si mismos, no pueden generar número realmente aleatorios.

El cerebro y su obsesión por los patrones

En el caso de las humanos, la situación es mejor, pero no mucho: las personas somos pésimos generadores de azar.

Si le pides a alguien que “elija números al azar”, evitará repeticiones, buscará variedad artificial y alternará más de lo que lo haría una secuencia verdaderamente aleatoria. Por eso, en estudios psicológicos, cuando se pide a un grupo de personas que simulen tiradas de moneda, sus secuencias son fácilmente distinguibles de las reales. En la mayoría de los casos, hay menos rachas largas (como CCCCC) porque asumimos que el azar debería “equilibrarse” constantemente.

¿Por qué ocurre esto? Porque nuestro cerebro odia el caos. Está programado para buscar patrones, incluso cuando no existen: vemos caras en las nubes (pareidolia), encontramos señales donde solo hay ruido, inventamos supersticiones o teorías conspirativas para darle sentido al azar.

Esto es algo que nos lleva a malinterpretar la aleatoridad. Creemos que el azar debe “parecer aleatorio”, es decir, variado, equilibrado, sin repeticiones. Pero el verdadero azar sí produce rachas, repeticiones y aparentes anomalías. El hecho de que una moneda dé cinco caras seguidas no significa que esté cargada. Aun así, nuestra intuición nos grita lo contrario.

Este sesgo se conoce como la falacia del jugador (Gambler’s fallacy): si una ruleta ha salido “rojo” cinco veces, muchas personas apuestan al “negro”, convencidas de que está “atrasado”. Pero en un sistema verdaderamente aleatorio, cada evento es independiente: la probabilidad no cambia por lo que ocurrió antes.

¿Existe el azar “de verdad”? — Una mirada filosófica

El azar no solo desafía nuestra lógica o nuestros ordenadores: también pone a prueba nuestras ideas sobre el universo y la libertad.

Desde la filosofía, hay una pregunta clave:

¿El azar es una propiedad real del mundo… o solo una forma elegante de admitir nuestra ignorancia?

Azar como ignorancia

Durante siglos, muchos pensadores vieron el azar como un producto de nuestro desconocimiento. Si no podemos predecir algo, es porque no tenemos suficiente información. Desde esta perspectiva determinista, todo en el universo sigue reglas fijas —solo que no siempre podemos conocerlas o medirlas con precisión.

Este enfoque fue el dominante en la física clásica (Newton, Laplace). Incluso existía la idea de que, si una inteligencia suprema conociera las leyes y posiciones de todas las partículas del universo, podría predecir el futuro con total precisión. No habría lugar para el azar: solo para el cálculo.

Azar como parte del universo

Pero el siglo XX dio un giro radical a esta visión. Con la mecánica cuántica, descubrimos que algunos eventos no son simplemente impredecibles: son indeterminados por naturaleza. Por ejemplo, no hay forma de saber exactamente cuándo se desintegrará un átomo radioactivo. No es falta de información: es que no hay nada “decidido” hasta que ocurre.

Esto llevó a muchos filósofos y científicos a aceptar que el azar puede ser una característica fundamental del universo, no solo una ilusión.

¿Y la libertad?

El azar también está relacionado con un viejo dilema: ¿somos realmente libres? Si todo está determinado, ¿tenemos alguna elección real? Pero si nuestras acciones son aleatorias, ¿eso representa libertad o simplemente caos?

Aquí la cosa se pone interesante: el azar, por sí solo, no garantiza libertad. Pero puede abrir un espacio para la posibilidad, para lo nuevo, para decisiones que no están 100% programadas de antemano, sino que contienen un margen para lo inesperado —quizás incluso para la voluntad. En este sentido, el azar filosófico toca temas como la creatividad, la responsabilidad y hasta el sentido de la vida.

El azar también tiene regularidades (y eso no lo hace menos azaroso)

Después de todo lo dicho, puede parecer que lo aleatorio debería verse siempre como caos total e imprevisible. Pero aquí viene una paradoja interesante: el verdadero azar también tiene regularidades.

Esto sorprende a muchas personas. Si lanzas una moneda miles o millones de veces, es esperable que aparezcan rachas largas de “cara” o “cruz” en algún momento. No significa que haya un patrón oculto o que algo esté mal: es simplemente una propiedad natural del azar.

Lo mismo sucede con sorteos como la lotería. Hay números que parecen salir más en ciertos periodos, y otros que tardan en aparecer. Es fácil pensar que hay trampa existen patrones, pero esas fluctuaciones son parte del comportamiento estadístico normal. Justamente porque el azar es impredecible a corto plazo… pero tiene estructura a largo plazo.

¿Entonces… se puede medir cuán aleatorio es algo?

Sí. Aunque el azar se sienta como ausencia de orden, en ciencia hay formas de evaluar si una secuencia realmente se comporta como esperamos de un proceso aleatorio:

• Entropía: mide la incertidumbre o imprevisibilidad promedio. Una secuencia con alta entropía es menos predecible.
• Tests de aleatoriedad: como el Diehard Test o el NIST Test Suite, que examinan secuencias en busca de patrones sospechosos. Si un generador falla en estos tests, no se considera suficientemente aleatorio, al menos para aplicaciones exigentes como la criptografía.

Esto es crucial en el mundo digital: no basta con que algo “parezca” aleatorio, tiene que serlo bajo escrutinio técnico.

El azar mal entendido provoca decisiones erróneas

Como vimos, el azar tiene sus propias reglas. Pero nuestro cerebro no está bien adaptado para entenderlo del todo. Vemos patrones donde no los hay, nos aferramos a rachas de suerte, o pensamos que después de varias partidas pérdidas “ya toca” ganar. La famosa falacia del jugador que tanto daño ha provocado, y continuará provocando.

Estos errores de percepción no son solamente inocentes: han causado problemas reales en ciencia, medicina y economía.

Veamos algunos ejemplos.

El caso de la “precognición” en psicología

En 2011, el psicólogo Daryl Bem publicó un estudio sorprendente: afirmaba que las personas podían anticipar eventos futuros. Según sus análisis, los resultados eran estadísticamente significativos (p < 0.05). Es decir, parecía haber “pruebas” de que el cerebro tenía algún tipo de percepción extrasensorial.

El estudio causó revuelo mediático… pero los científicos se alarmaron.

Otros grupos intentaron replicar el experimento sin éxito. Al analizar más a fondo, se descubrió que el estudio no había controlado adecuadamente el uso de números pseudoaleatorios, y además, había aplicado múltiples pruebas estadísticas hasta encontrar resultados “positivos” —una práctica conocida como p-hacking.

Lección: el azar mal manejado, y una fe ciega en umbrales como p < 0.05, pueden conducir a conclusiones falsas.

La crisis de reproducibilidad en piscologia y biomedicina

En la última década, ha salido a la luz un problema grave: muchos estudios biomédicos no pueden replicarse. Y una de las causas más comunes es sorprendente: el mal uso del azar.

En muchos casos, las técnicas de muestreo y asignación no son realmente aleatorias. En otros, se usan generadores pseudoaleatorios sin modificar la semilla entre experimentos, lo que conduce a la obtención de conjuntos de datos sospechosamente similares.

Estos detalles técnicos, que a menudo parecen menores, pueden alterar completamente los resultados, y con ello, las decisiones clínicas basadas en ellos.

Lección: sin una implementación rigurosa del azar, incluso los ensayos más sofisticados pueden dar resultados engañosos.

¿Aleatoriedad en la televisión? El caso del concurso Deal or No Deal

En el popular programa “Deal or No Deal”, los concursantes eligen maletines al azar. Pero los análisis posteriores mostraron un patrón curioso: muchos jugadores no actuaban de forma aleatoria, sino que seguían intuiciones, patrones inventados o “corazonadas” que no tenían base.

Esto los llevaba a tomar decisiones irracionales frente al riesgo, convencidos de que podían “sentir” cuándo detenerse. Es un ejemplo perfecto de cómo nuestra mente busca sentido incluso en secuencias completamente aleatorias.

Lección: incluso cuando el sistema es aleatorio, los humanos tienden a verlo como predecible.

NASA y la “aleatoriedad” de fallos en el Challenger

Antes del desastre del transbordador Challenger en 1986, algunos ingenieros advirtieron que los fallos de los anillos “O-rings” parecían correlacionarse con la temperatura. Sin embargo, en los informes previos al lanzamiento, esos fallos fueron tratados como incidentes aislados, dispersos y aleatorios.

El problema fue justamente ese: se asumió aleatoriedad donde en realidad había un patrón claro. El resultado fue una tragedia que podría haberse evitado.

Lección: asumir azar donde no lo hay puede ocultar relaciones cruciales y tener consecuencias fatales.

Reflexiones sobre la necesidad de comprender realmente el azar

Estos ejemplos muestran que el azar no es solo una curiosidad matemática. Su mal uso o interpretación equivocada puede distorsionar la ciencia, alterar decisiones y hasta costar vidas.

Comprender el azar no es opcional: es algo calve para poder hacer buena ciencia, diseñar buenos experimentos y tomar decisiones más racionales y libres de ilusiones cognitivas.

Reflexión final: ¿Azar o ignorancia?

En el fondo, muchos fenómenos que etiquetamos como “aleatorios” podrían no serlo en absoluto. A veces, lo que parece azar es simplemente complejidad más allá de nuestra capacidad de cálculo o medición.

Un clásico ejemplo es el clima o el movimiento de partículas subatómicas: sistemas caóticos que siguen reglas perfectamente deterministas, pero tan sensibles a las condiciones iniciales que se vuelven impredecibles en la práctica. Lo mismo ocurre con ciertos mercados económicos, cuyos comportamientos pueden parecer caprichosos, pero responden a variables que simplemente no conocemos o no podemos medir con precisión.

Así que quizá, cuando decimos que algo es azaroso, lo que realmente estamos reconociendo es que no tenemos suficiente información, herramientas o comprensión para explicarlo. El azar, en este sentido, es una etiqueta que usamos cuando llegamos al límite de nuestro conocimiento.

Pero no todo es ignorancia disfrazada. También existen procesos genuinamente aleatorios: fenómenos donde no hay causas deterministas subyacentes conocidas. La desintegración de partículas radiactivas, por ejemplo, ocurre sin un patrón predecible, incluso en condiciones idénticas. En esos casos, el azar no es una ilusión ni una excusa: es una propiedad fundamental del universo.

Comprender esta diferencia —entre el azar real y el desconocimiento de causas— no es solo una cuestión filosófica: mejora nuestra ciencia, afina nuestras hipótesis y afila nuestro pensamiento crítico. También tiene un impacto directo en la vida diaria: en cómo tomamos decisiones, cómo evaluamos riesgos, cómo entendemos la suerte, la justicia, el mérito… y hasta cómo afrontamos lo inesperado.

Porque al final, saber cuándo confiar en el azar, cuándo cuestionarlo, y cuándo simplemente aceptar sus límites, también es parte de entenderlo.

Nota: La imágenes de este artículo fueron generadas utilizando un modelo de inteligencia artificial.