InvestigacinyCiencia(20012008)

JuanM.R.Parrondo


JuegosMatemticos(20012008)

1. Perder+perder=ganar.Juegosparadjicos(Julio2001).
2. Teoradelainformacinyjuegosdepreguntass/no(Agosto2001).
3. Experimentosconcompresoresdeficheros(Septiembre2001).
4. Lasmatemticasdelaopininpblica(Octubre2001).
5. Lasmatemticasdelaprendizajeylageneralizacin(Noviembre2001).
6. Juegoscunticos(Diciembre2001).
7. Informacinyjuegosdeazar:elproblemadeMontyHallylaparadojadelosdossobres(Enero2002).
8. Laparadojadelosdossobres(Febrero2002).
9. Paradojasdemocrticas(Marzo2002).
10. Ventajasengaosas(Abril2002).
11. Jugarconopcionesyfuturos(Mayo2002).
12. Juegosequitativoscondadosymonedastrucadas(Junio2002).
13. Caos,determinismoyvoluntad(Julio2002).
14. Repartirescasez(Agosto2002).
15. Paradojasyatascosdetrfico(Septiembre2002).
16. Monedas,balanzaseinformacin(Octubre2002).
17. Ruletas,monedasyentropa(Noviembre2002).
18. Lamisteriosaleydelprimerdgito(Diciembre2002).
19. Elnmerodeoro(Enero2003).
20. Nmerosypalabras(Febrero2003).
21. Mssobrenmerosypalabras(Marzo2003).
22. Fluctuacionesfatales(Abril2003).
23. Elexameninesperadoylateoradejuegos(Mayo2003).
24. Ruidosreveladores(Junio2003).
25. LaparadojadeSimpson(Julio2003).
26. Unmundosinnmeros(Agosto2003).
27. Elproblemadelsecadordemanos(Septiembre2003).
28. LaparadojadelaBibliotecadeBabel(Octubre2003).
29. Zennyloscamellos(Noviembre2003).
30. Citaaciegas(Diciembre2003).
31. Lafrecuenciafantasma(Enero2004).
32. Lasventajasdelasolidaridad(Febrero2004).
33. Lateoramatemticadelaconsonancia(Marzo2004).
34. Cuestindeescala(Abril2004).
35. Matemticaselectorales(Mayo2004).
36. Laparadojadelautostopista(Junio2004).
37. Matemticassostenibles(Julio2004).
38. ElrepartodepoderenlaUninEuropea(Agosto2004).
39. Democraciaineficiente(Septiembre2004).
40. Mssobreelrepartodepoder(Octubre2004).
41. Numerogooglia(Noviembre2004).
42. Calculistasprodigiosos(Diciembre2004).
43. Elnmeromayorylainformacinmisteriosa(Enero2005).
44. Problemasdeaparcamiento(Febrero2005).
 45. Ladotedelsultn(Marzo2005).
46. Fsilesylotera(Abril2005).
47. Sorteospolmicos(Mayo2005).
48. Laformadeuniceberg(Junio2005).
49. Amigosparasiempre?(Julio2005).
50. Cribasynmerosprimos(Agosto2005).
51. Msparadojasdealternancia(Septiembre2005).
52. Hagansusapuestas(Octubre2005).
53. Quinreelltimo...(Noviembre2005).
54. Finalmente...sudoku(Diciembre2005).
55. Hayquiendms?(enero2006).
56. Incentivarlasinceridad(Febrero2006).
57. Elnmeroh(Marzo2006).
58. Caos,recurrenciayconsonanciamusical(Abril2006).
59. Elespaciotiempo(Mayo2006).
60. Espaciotiempoyazar(Junio2006).
61. Otrasformasdecontar(Julio2006).
62. Gananciasegura(Agosto2006).
63. Medirladesigualdad(Septiembre2006).
64. Eljuegodelultimtum(Octubre2006).
65. Losdadosmisteriososylaraznurea(Noviembre2006).
66. Lajoyaoculta(Diciembre2006).
67. LoslogaritmosdeBrigss(Enero2007).
68. LaparadojadeSanPetersburgo(Febrero2007).
69. LaparadojadeSanPetersburgoylateoradelautilidad(Marzo2007).
70. Loterasydecisiones(Abril2007).
71. LaasombrosafrmuladeTupper(Mayo2007).
72. Pensamientoformalypensamientoconcreto(Junio2007).
73. Sutilezasestadsticas(Julio2007).
74. Mvilesyvectores(Agosto2007).
75. Nmerospseudoaleatorios(Septiembre2007).
76. Mssobrenmerosaleatorios(Octubre2007).
77. Carrerascuadriculadas(Noviembre2007).
78. Elcasodelamonedacambiada(Diciembre2007).
79. Eljuegodelasavalanchas(Enero2008).
80. Sorpresastermodinmicas(Febrero2008).
81. Estimaciones(Marzo2008).
82. Cifrasyletras(Abril2008).
83. Encuestaselectorales(Mayo2008).
84. Elproblemadelostresdioses(Junio2008).
85. Piensaunnmero(Julio2008).

Temas

Probabilidad

1.Perder+perder=ganar.Juegosparadjicos(Julio2001).
7.Informacinyjuegosdeazar:elproblemadeMontyHallylaparadojadelosdossobres(Enero2002).
8.Laparadojadelosdossobres(Febrero2002).
10.Ventajasengaosas(Abril2002).
22.Fluctuacionesfatales(Abril2003).
24.Ruidosreveladores(Junio2003).
31.Lafrecuenciafantasma(Enero2004).
36.Laparadojadelautostopista(Junio2004).
43.Elnmeromayorylainformacinmisteriosa(Enero2005).
44.Problemasdeaparcamiento(Febrero2005).
45.Ladotedelsultn(Marzo2005).
50.Cribasynmerosprimos(Agosto2005).
51.Msparadojasdealternancia(Septiembre2005).
52.Hagansusapuestas(Octubre2005).
53.Quinreelltimo...(Noviembre2005).
65.Losdadosmisteriososylaraznurea(Noviembre2006).
68.LaparadojadeSanPetersburgo(Febrero2007).
69.LaparadojadeSanPetersburgoylateoradelautilidad(Marzo2007).
73.Mssobrenmerosaleatorios(Octubre2007).
75.Elcasodelamonedacambiada(Diciembre2007).

Estadstica

18.Lamisteriosaleydelprimerdgito(Diciembre2002).
20.Nmerosypalabras(Febrero2003).
21.Mssobrenmerosypalabras(Marzo2003).
25.LaparadojadeSimpson(Julio2003).
41.Numerogooglia(Noviembre2004).
46.Fsilesylotera(Abril2005).
47.Sorteospolmicos(Mayo2005).
61.Otrasformasdecontar(Julio2006).
70.Sutilezasestadsticas(Julio2007).
80.Encuestaselectorales(Mayo2008).


Teoradelainformacin

2.Teoradelainformacinyjuegosdepreguntass/no(Agosto2001).
3.Experimentosconcompresoresdeficheros(Septiembre2001).
5.Lasmatemticasdelaprendizajeylageneralizacin(Noviembre2001).
12.Juegosequitativoscondadosymonedastrucadas(Junio2002).
16.Monedas,balanzaseinformacin(Octubre2002).
28.LaparadojadelaBibliotecadeBabel(Octubre2003).
72.Nmerospseudoaleatorios(Septiembre2007).

Teoradejuegosyeconomaysociologa

4.Lasmatemticasdelaopininpblica(Octubre2001).
9.Paradojasdemocrticas(Marzo2002).
14.Repartirescasez(Agosto2002).
15.Paradojasyatascosdetrfico(Septiembre2002).
11.Jugarconopcionesyfuturos(Mayo2002).
23.Elexameninesperadoylateoradejuegos(Mayo2003).
30.Citaaciegas(Diciembre2003).
32.Lasventajasdelasolidaridad(Febrero2004).
35.Matemticaselectorales(Mayo2004).
38.ElrepartodepoderenlaUninEuropea(Agosto2004).
39.Democraciaineficiente(Septiembre2004).
40.Mssobreelrepartodepoder(Octubre2004).
49.Amigosparasiempre?(Julio2005).
55.Hayquiendms?(enero2006).
56.Incentivarlasinceridad(Febrero2006).
57.Elnmeroh(Marzo2006).
63.Medirladesigualdad(Septiembre2006).
64.Eljuegodelultimtum(Octubre2006).
67.Loterasydecisiones(Abril2007).

Fsica

6.Juegoscunticos(Diciembre2001).
17.Ruletas,monedasyentropa(Noviembre2002).
48.Laformadeuniceberg(Junio2005).
59.Elespaciotiempo(Mayo2006).
60.Espaciotiempoyazar(Junio2006).
76.Eljuegodelasavalanchas(Enero2008).
77.Sorpresastermodinmicas(Febrero2008).
78.Estimaciones(Marzo2008).

Filosofaehistoria

13.Caos,determinismoyvoluntad(Julio2002).
19.Elnmerodeoro(Enero2003).
26.Unmundosinnmeros(Agosto2003).
66.Lajoyaoculta(Diciembre2006).
67.LoslogaritmosdeBrigss(Enero2007).
69.Pensamientoformalypensamientoconcreto(Junio2007).

Anlisismatemtico,lgebrayoptimizacin

27.Elproblemadelsecadordemanos(Septiembre2003).
29.Zennyloscamellos(Noviembre2003).
37.Matemticassostenibles(Julio2004).
71.Mvilesyvectores(Agosto2007).

Msica

33.Lateoramatemticadelaconsonancia(Marzo2004).
34.Cuestindeescala(Abril2004).
58.Caos,recurrenciayconsonanciamusical(Abril2006).

Matemticarecreativa

42.Calculistasprodigiosos(Diciembre2004).
54.Finalmente...sudoku(Diciembre2005).
62.Gananciasegura(Agosto2006).
68.LaasombrosafrmuladeTupper(Mayo2007).
74.Carrerascuadriculadas(Noviembre2007).
79.Cifrasyletras(Abril2008).
81.Elproblemadelostresdioses(Junio2008).
82.Piensaunnmero(Julio2008).

 Jupc os MAT EM rrco s
Perder+perder-ganar.
Juegos de azar paradjico s

I estudio de ciertas propie-
dades del movimiento brow-
niano -el movimiento aza-
roso que experimentan pequeas
partculas debido a las colisiones
con las molculas del fluido en que
estn inmersas y cuya teora fue
establecidapor Einstein en 1905-
ha inspirado recientementeuna cu-
riosa paradoja. Se trata de dos jue-
gos de azar muy simples diseados
de modo tal que el jugador, en pro-
medio, pierde en ambos. La para-
doja consiste en que esta tenden-
cia se invierte cuando los juegos
se alternan, en cuyo caso el juga-
dor tiene una tendencia ganadora
constante.Veamos en detalle las re-
glas de estos dos juegos.
El primero de ellos -lo llama-
remosjuego A- es similar a apos-
tar una cierta cantidad, digamos
I euro, a rojo o negro en la ru-
leta de un casino: ganamos I con
una probabilidad ligeramente in-
ferior al 50Vo y perdemos I con
una probabilidad ligeramente su-
perior al 50Vo, ya que con el cero
gana siempre la banca. Suponga-
mos que se gana con una proba-
bilidad del 49,5 7o y se pierde con
J U E G OA
ES Ml CAPITALMULTIPLODE 3?
MONEDA1
'\
L pel: aade por un lado su propia
/ MONEDA2
*'/
\"
GANAR PERDER
",,.,
, , , , ,i i ' I t t l t i f i
,u,u
f \,0,u
GANAR
l. Reglas de los juegos paradjicos
una probabilidad del 55,5 7o (esras
probabilidadesno coinciden exac-
tamente con las de la ruleta, pero
nos permitirn describir de modo
sencillo la paradoja).
En el segundojuego -lo llama-
remosjuego B-, en cada turno tam-
b i n g a n a m o so p e r d e m o s1 , p e r o
ahora las probabilidades dependen
de lo que llevamos ganado hasta el
momento (que puede ser una can-
tidad negativa): si lo que llevamos
ganado-lo llamaremos/ capital-
es mltiplo de 3, entoncesganamos
I con probabilidad9,5Vo;si el ca-
pital no es mltiplo de 3, la pro-
babilidad de ganar es del 14,57o.
Las reglas de los dos juegos se
muestran en la figura 1.
Ambos juegos son desfavorables,
es decir, la tendenciapromedio es
perdedora (esto es evidente en el
caso del juego A; el juego B re-
quiere un anlisis ms detallado,
pero puede tambin demostrarse
que es desfavorableen promedio).
Sin embargo, ciertas combinacio-
nes de los dos juegos tienen una
tendencia media ganadora. Este
comportamiento inesperado,que se
conoce como Paradoja de Parrondo,
J U E G OB
MONEDA3
,, 'r,t;iilllitr
lrn,
n"/ \no,u
\ comportamiento paradjico.
PERDER GANAR PERDER
se observa en la figura 2, en la que
se muestra el capital promedio de
5000 jugadores independientesen
funcin del nmero de turnos ju-
gados. Las curvas descendentes in-
d i c a n l o s c a s o se n q u e s e j u e g a a
A o B separadamente.Las curvas
ascendentescorrespondena distintas
combinaciones :12,21significa que
Jugamosla sucesinAABBAABB...,
[3,2] 1a sucesinAAABBAAABB. ..,
"combinacin
etc. Finalmente, la
aleatoria" consisteen que, en cada
turno, elegimos completamenteal
a z a r a c u l d e l o s d o s j u e g o sj u -
gamos.
No es difcil entender por qu
o c u r r e e s t e c o m p o r t a m i e n t op a r a -
djico. Obsrveseque, en el juego
B, la probabilidad de ganar es muy
baja cuando el capital es mltiplo
de 3 y bastante alta cuando no lo
es. Podramos decir que el juego B
contiene dos tendencias, una favo-
rable y otra desfavorable.Las pro-
babilidades estn elegidas de mo-
do tal, que el juego es ligeramente
perdedor, es decir, la tendenciades-
favorable domina sobre la favora-
ble. Lo que ocurre cuando combi-
namos ambos juegos es que el A
invierte este dominio. A pesar de
que el juego A es en s ligramenre
desfavorable, hace que el capital
sea menos veces mltiplo de 3 y
que, por tanto, juguemos ms ve-
ces con la probabilidad alta de ga-
nar, la del 74,5Vo. El juego A, en
la alternancia, cumple un doble pa-
tendencia desfavorable, pero, por
otro lado, refuerza la tendencia fa-
vorable del juego B. El resultado
global de este doble papel es, en
casos como los de la figura, in-
vertir la tendencia y dar lugar al
E x i s t eo l r o m e c a n i s m oi n t e r e s a n t e
tras la paradoja. Lo podemos ilus-
trar con el siguiente ejemplo en la

88 y CrENcrA,
INvesrrcrcrN iulio, 2001

O 14,41
z
z.
6 o
- 1, 5 '
0 20
DETURNOS
NUMERO
2. Ganancia media en cada uno de los juegos y en sus combinac iones
secuenc iaAABBAAB8... Suponga mos
que jugamos A con capital mlti-
plo de tres, 15 por ejemplo , y
que perdemo s los dos turnos de A.
En tal caso, retomam os el juego B
con un capital igual a 13 , para
el que la probabil idad de ganar es
alta. Por 1o tanto, lo ms probable
es que el capital vuelva hacia 15
en los dos turnos de B. Podemo s
decir que el juego B no permite
que las prdidas de A se "conso-
liden", pero s permite que lo ha-
gan las gananci as. De modo que,
aunque A sea desfavo rable, y sea
mayor la frecuenc ia de turnos per-
didos que la de turnos ganados , el
" o Conexi onesmnima s.
juego B se encarga de "destruir
las fluctuac iones negativa s y de
" c o n s o l i d a r " l a s f l u c t u a c i o n e sD o -
s i t i v a s . D e c i m o s e n t o n c e sq u e e l
juego B acta como un reitifica -
dor o una ratchet. trmino ingls
que denota una rueda de dientes
asimtri cos que slo puede girar en
un sentido y que se utiliza, entre
otras muchas cosas, para recfifica r
el movimie nto fluctuan te de la
mueca y dar cuerda a un reloj de
pulsera. Este efecto rectifica dor de
f l u c t u a c i o n egse n e r au n m o v i m i e n t o
sistemt icoen una direcci n sin ne-
cesidad de ninguna fuerza, simple-
"esperan do" a que ocurran
mente
las fluctuac iones adecuad as.
Los dos mecanis mos que hemos
descrito : la reorgani zacin de ten-
INvssrrc crNv Creucle,julio, 2001
13,21
[2,2]
C.ALEATORIA
JUEGOA
JUEGOB
60 80 100
dencias y la rectifica cin de fluc-
Un volumen de 22 x 23.5 cm
tuacione s, son bastante simoles v
y 20 pginas,profusam ente
bsicos, de modo que pueden estar ilustrado en negro y en color.
presente sen muchas situacion es.La
paradoja nos muestra que alternar
dinmica s aleatoria s puede dar lu-
gar a efectos inespera dos, contra-
rios a los de cada dinmica por se- SUMAR IO
parado, y esta afirmaci n general
sugiere nuevas lneas de investisa - . Formasy figuras
c i n e n f s i c a . q u m i c a .b i o l o g i o
econom a, en las que se estudie el El gran esquem a
comport amiento de sistemas diver- del mundo
sos sometid os a una alternan cia de
tempera turas, campos elctrico s u o El legado
otras condicio nes externas . de la cienciaantgua
Desde la publicac in de la pa-
radoja se han descrito algunasmo-
dificacio nes,como juegos en donde Enlace srpidos
las reglas no depende ndel capital
. Es un milagroy no lo es
y juegos colectiv os. Todas estas
investig acionesindican que la pa-
r Pompa sde jabn
radoja no se limita a situacio nes
particula res. Reciente mente, Paul o Diseoptimo
Davies ha apuntad o que podra te-
ner alguna relevanc ia en la expli- Dinmi cay movimi ento
cacin del origen de la vida, ya
que sta requiere una sutil combi-
nacin de azar y necesid ady los
Juegos nos muestranmecanismos
sencillo s en donde el azar es trans-
f b r m a d o e n u n m o v i m i e n t oo t e n -
dencia sistem tica,es decir, en un
cierto orden.
Juan MR Parrond o
Facultad de Fsicas, Universi dad
Complut ense, Madrid
89
 JUEGOS
Cul es la mejor estrategia
en un juego de preguntas s/no?
E
n una capital de provincias
se ha descubierto un virus
letal que se propaga por va
sangunea. El Instituto Nacional de
la Salud establece un protocolo de
prueba, que detecta la presencia
del virus. La prudencia aconseja
que toda donacin de sangre se so-
meta a la prueba.
Pero los reactivos que se utili-
zan son muy caros. Adems, la in-
cidencia del virus en la poblacin
es an baja, de un exiguo 0,01 %.
A los responsables de los bancos
de sangre no se les escapa un viejo
truco: mezclar la sangre de un
grupo de donantes y pasar la mez-
cla por la prueba. Si sale nega-
tivo, ausencia de virus, podemos
asegurar que ninguno de los inte-
grantes de la mezcla est infec-
tado. Si sale positivo, presencia de
virus, se procede a un anlisis in-
dividualizado de cuantos compo-
nen el grupo de la mezcla. Pero,
cundo podemos decir que el n-
mero de integrantes del grupo de
donantes aunado para la mezcla es
el ptimo? Dicho de otro modo:
cul es el tamao de la mezcla
exigido para realizar, en media, el
menor nmero de pruebas? (El pro-
blema as planteado puede resol-
verse con determinados recursos
2 INVESTIGACIN
MATEMTICOS
Juan MR Parrondo
probabilsticos, que hoy dejaremos
de lado.)
Con toda lgica los responsables
de los bancos piensan que el pro-
ceso de mezclas puede aplicarse
de nuevo cuando la prueba de la
primera mezcla es positiva. En este
caso tenemos un cierto nmero de
donantes, entre los cuales sabemos
que existe al menos uno infectado.
Y podemos someter a otra prueba
a ciertas mezclas de estos donan-
tes. Cul ser entonces el diseo adivinacin y para el problema de
ptimo de las nuevas mezclas? El
problema ahora es bastante ms
complicado. Sin embargo, la solu-
cin se revela de una extraordina-
ria sencillez. Guarda relacin con
la teora de la informacin y con
dos aplicaciones suyas, la codifi-
cacin de mensajes y la compre-
sin de ficheros de datos.
El problema de la mezcla de san-
gre es similar a los juegos en los
que se tiene que adivinar algo un
personaje, un objeto de la habita-
cin mediante preguntas que slo
admiten una respuesta, afirmativa
o negativa. Cul es la mejor es-
trategia en este tipo de juegos? Sin
advertirlo, la mayora de la gente
encuentra la ptima de modo un
intuitivo, al menos en las primeras
fases del juego. Sea por caso adi-
1. Cartones para adivinar
un nmero del 1 al 16
vinar un personaje. Es hombre o
mujer? espaol o extranjero?, etc-
tera. Preguntas para las cuales la
probabilidad de la respuesta afir-
mativa es igual a la de la respuesta
negativa, es decir, 1/2.
De acuerdo con la teora de la
informacin la pregunta ptima es
aquella cuya respuesta tiene una
probabilidad 1/2 de ser S, y una
probabilidad 1/2 de ser NO. Receta
sencilla que vale para el juego de
las mezclas de sangre.
Imaginemos, por ejemplo, que
nos pidieran adivinar un nmero
entre el 1 y el 16. Podramos co-
menzar preguntando si es par o
impar. De este modo descartamos
8 nmeros y nos quedamos con 8.
La siguiente pregunta tendra que
descartar 4 nmeros. En efecto, si
nos han respondido que el nmero
es par, podramos ahora inquirir:
es mltiplo de cuatro? La tercera
pregunta debe descartar 2 nme-
ros; por ltimo, la cuarta decidir
entre los dos que quedan. Con esta
estrategia siempre acertamos el n-
mero tras cuatro preguntas, no im-
porta cul sea la cifra.
Podemos disear estrategias me-
jores para ciertos nmeros. Si em-
pezamos preguntando es el 16?,
la estrategia sera muy buena en
el caso de que el nmero pensado
fuera el 16, pero habramos prc-
ticamente desperdiciado el turno si
no lo fuera; tras esa pregunta di-
recta, slo se ha descartado un n-
mero de los 16 posibles y la in-
certidumbre inicial apenas ha
disminuido.
No resulta difcil demostrar que
la estrategia primera la de adi-
vinar un nmero tras cuatro pre-
guntas, con una probabilidad 1/2
de respuesta afirmativa en cada
una es, en media, la que requiere
menor nmero de preguntas. Esta
estrategia ptima se utiliza en un
Y CIENCIA, junio, 2001
 La teora de la informacin
H ay alguna forma de cuantificar la incertidumbre,
lo que desconocemos de una determinada si-
tuacin? La teora de la informacin de Claude Shannon
nos ofrece una respuesta. Si en una situacin, un ex-
perimento, un juego de adivinacin, etctera, se pue-
den dar diferentes instancias, 1,2,3,..., con probabili-
dades p1, p2, p3,..., entonces la incertidumbre de esa
situacin es:
H = p1 log2 p1 p2 log2 p2 p3 log2 p3 - ...
La unidad que mide la incertidumbre, tal y como
est definida en esta frmula, es el bit. En el ejem-
plo de la adivinacin de un nmero del 1 al 16, la in-
certidumbre inicial es H = 4 bits, ya que todos los n-
meros son igualmente probables (siempre que la persona
que elige el nmero no tenga algn sesgo, predilec-
cin por los nmeros pares o aversin por el 13, por
ejemplo, y que nosotros conozcamos dicho sesgo) y
su probabilidad es 1/16. Como el logaritmo en base 2
de 1/16 es 4, el resultado de la suma es 4.
Despus de la primera pregunta, el lector puede
comprobar que la incertidumbre es de 3 bits; despus
de la segunda pregunta, de 2 bits. La tercera reduce
la incertidumbre hasta 1 bit y, finalmente, la ltima
pregunta elimina toda la incertidumbre y hace que H
sea igual a cero.
Como cabe esperar de nuestra nocin intuitiva de
incertidumbre, cada pregunta la reduce. Pero la defi-
nicin de Shannon es cuantitativa; podemos calcular
cunto se reduce la incertidumbre. Por ejemplo, des-
pus de la pregunta es 16 el nmero que has pen-
sado?, si respondemos afirmativamente la incertidum-
bre se hace cero, mientras que con una respuesta
negativa la incertidumbre es 3,9 bits. Esta pregunta
apenas reduce la incertidumbre inicial si el nmero
secreto no es 16. Para cuantificar el riesgo que es-
tamos asumiendo con esta pregunta, lo mejor es cal-
cular la incertidumbre media despus de realizarla.
Con una probabilidad 1/16, el nmero secreto es 16
y la incertidumbre se habr hecho cero. Con una pro-
babilidad 15/16 el nmero secreto no es 16 y la in-
certidumbre se habr reducido a 3,9 bits. La incerti-
dumbre media despus de la pregunta es, por tanto:
0 por 1/16 ms 3,9 por 15/16, es decir, 3,66 bits. De
acuerdo con la teora de Shannon resulta ms eficaz
preguntar si es par el nmero pensado que correr el
riesgo.
Cada pregunta reduce la incertidumbre que rodea
la situacin, reduccin que depende de la pregunta
realizada. Pues bien, llamamos informacin media su-
ministrada por la pregunta a los bits en que ha sido
capaz de reducir la incertidumbre:
Hmedia,despus = Hantes Ipregunta
o, dicho en lenguaje ms llano, la incertidumbre que
tenemos despus de conocer la respuesta a nuestra
pregunta es la incertidumbre que tenamos antes me-
nos la informacin suministrada por la pregunta. Si
hay un ejemplo fascinante de cmo hacer una teora
cuantitativa a partir de nociones cualitativas y poco
precisas, ste es la teora de la informacin de Shannon.
Pero se puede ir an ms all y demostrar que una
pregunta cuya probabilidad de ser respondida afirma-
tivamente sea p y de ser respondida negativamente
sea 1 p, suministra una informacin media:
Ipregunta = p log2 p (1 p) log2 (1 p)
Una frmula que se parece mucho a la de la in-
certidumbre, si bien merece una interpretacin distinta
(y confundirla es algo que, lamentablemente, ocurre
incluso en algunos textos de teora de la informacin).
El lector familiarizado con probabilidades y logaritmos
puede demostrar este resultado. Djenme dar slo
unas indicaciones para quienes se atrevan con la de-
mostracin: imaginen que la pregunta es pertenece
el nmero que has pensado a un conjunto A? Entonces
p tiene que ser necesariamente la suma de las pro-
babilidades de los elementos de A, y 1 p la suma
de las probabilidades de los elementos que no per-
tenecen a A. Por otra parte, si la respuesta es afir-
mativa, las nuevas probabilidades son pi/p y, si la res-
puesta es negativa, las nuevas probabilidades sern
pi/(1 p).
La frmula de la informacin media suministrada por
la pregunta tiene algo de mgico. Slo depende de
p, la probabilidad de que la pregunta sea contestada
afirmativamente. En la figura 2 se dibuja la forma de
esta curva. Toma su valor mximo, 1 bit, cuando
p = 1/2. Las preguntas que aportan la informacin m-
xima son las que tienen la misma probabilidad de ser
contestadas afirmativa y negativamente. La informa-
cin ofrecida es 1 bit. Por eso, en el juego de adivi-
nacin del nmero, la incertidumbre inicial de 4 bits
se reduce en cada pregunta en una unidad y pode-
mos conocer el nmero despus de la cuarta pre-
gunta. Ratifica la grfica que, para p = 1/16, la infor-
macin media suministrada es 0,34 bits, como hemos
deducido un poco ms arriba.
Tenemos finalmente un resultado muy interesante:
si estamos ante una situacin cuya incertidumbre es
de H bits, y si podemos realizar una serie preguntas
s/no con probabilidad 1/2 de ser respondidas afirma-
tivamente, es decir, preguntas que suministran 1 bit
de informacin, entonces el nmero medio de pre-
guntas necesarias para eliminar la incertidumbre ser
H. La teora de la informacin nos dice, por tanto,
cmo debemos hacer las preguntas y cuntas se re-
quieren.

juego de adivinacin bastante di-
fundido. Participan dos jugadores,
llammosles Benito y Alicia. Benito
piensa en un nmero entre 1 y 16,
que Alicia debe adivinar. Le mues-
tra cuatro cartones, como los de
la figura 1. Alicia debe averiguar
en cul de ellos se encuentra el
nmero pensado.
Con esta informacin no le cos-
tar mucho. Bastar con que Alicia
sume 8 si Benito le dice que est
en el primer cartn, ms 4 si est
en el segundo, ms 2 si se halla
en el tercero, ms 1 si est en el
ltimo cartn. Finalmente, a esta
suma se le aade 1 y se obtiene
el nmero secreto. Por ejemplo, si
el nmero es el 11, Benito le dir
que se encuentra en el primero y
tercer cartones. Sumar entonces
8 + 2 + 1 y obtendr el nmero
deseado.
El lector habr adivinado ense-
guida que los cartones no son ms
que la representacin binaria del
nmero secreto menos 1. En el

INVESTIGACIN Y CIENCIA, junio, 2001 3

 1 bras es un conjunto de dgitos bi-
INFORMACION SUMINISTRADA (EN BITS)
0,8
0,6
0,4
0,2
0 A la compresin de ficheros de-
0,2 0,4 0,6 0,8 1 dicaremos el artculo del mes pr-
PROBABILIDAD DE QUE LA RESPUESTA SEA AFIRMATIVA
2. Informacin media suministrada por una pregunta en funcin de la
probabilidad de ser respondida afirmativamente
caso del 11, la representacin bi- tativa de la incertidumbre o el des-
naria de 10 es precisamente 1010. conocimiento de una situacin, y,
En el primer cartn se encuentran por supuesto de la informacin que
los nmeros cuya representacin suministra la respuesta a una pre-
binaria tiene un 1 en el cuarto d- gunta acerca de dicha situacin.
gito; en el segundo cartn los que En el recuadro se ofrecen detalles
tienen un 1 en el tercer dgito, tcnicos de la teora y una grfica
etctera. en donde se muestra la informa-
Detrs de este truco tan senci- cin media suministrada por una
llo se esconde una idea interesante: pregunta s/no en funcin de la
la tarea de adivinar algo a travs probabilidad de que se responda
de preguntas s/no equivale a la afirmativamente.
de codificar ese algo en represen- Como vemos en el grfico, la
tacin binaria. Si llevamos esta informacin mxima la suministran
equivalencia un poco ms all, nos las preguntas en las que la res-
percataremos de que encontrar la puesta afirmativa y negativa tie-
estrategia ptima en el juego de nen la misma probabilidad, es de-
preguntas, es decir, la estrategia cir, 1/2. Por tanto, la estrategia
que minimiza en media el nmero ptima en un juego de adivinacin
de preguntas, equivale a hallar la consistir en atenerse a este tipo
codificacin ms corta. de preguntas. Nos dice la teora
Precisamente la bsqueda de co- que el nmero mnimo de preguntas
dificaciones cortas fue uno de las s/no necesarias para adivinar es
primeras aplicaciones de la teora igual a la incertidumbre inicial y
de la informacin de Claude Shan- nos proporciona una frmula para
non. Por eso esta teora tiene que calcular esta incertidumbre.
ver con asuntos de apariencia tan Vayamos con otra aplicacin, la
dispar como los juegos de pre- compresin de ficheros. Un fichero
guntas s/no, el problema de la se- es un conjunto de datos binarios.
guridad de las transfusiones de Si agrupamos los datos en bloques
sangre o los algoritmos que com- de 20 dgitos binarios, tendremos
primen los ficheros de su ordena- 220 posibles bloques. El fichero
dor antes de enviarlos a travs de puede entonces considerarse como
Internet. una lista de palabras extradas
La teora de la informacin nos de este diccionario que contiene
proporciona una definicin cuanti- un milln de palabras. Cada pala-
4 INVESTIGACIN
narios.
Pero podemos construir otra re-
presentacin binaria alternativa en
la que las palabras ms frecuentes
estn representadas por cadenas de
dgitos ms cortas. De eso se ocupa
un compresor de ficheros. Para ello
aplica la teora de la informacin.
Igual que en el caso de los car-
tones, una representacin binaria
de cada una de estas palabras puede
interpretarse como las respuestas a
una serie de preguntas s/no acerca
de dicha palabra. Y la estrategia
ptima de preguntas es equivalente
a encontrar la representacin que,
en media, es ms corta.
ximo. En nmeros sucesivos abor-
daremos tambin la solucin del
problema de las transfusiones de
sangre en el caso ms sencillo, en
el que, tras una prueba positiva de
la mezcla, se hace la prueba indi-
vidualmente a cada integrante de
la misma. La respuesta difiere de
la dada por la teora de la infor-
macin, es decir, el tamao p-
timo de la mezcla no hace que la
probabilidad de que la prueba re-
sulte positiva sea 1/2. Por qu?
Porque la teora de la informacin
slo puede aplicarse a la estrate-
gia completa de preguntas o, en
este caso, de mezclas. Es decir,
slo puede aplicarse cuando, des-
pus de la prueba positiva, anali-
zamos nuevas submezclas. En ese
caso la mejor estrategia consiste
en crear mezclas cuya probabili-
dad de contener el virus se cifre
en 1/2. Es esto todo lo que puede
decir al respecto? Espero que los
lectores me hagan llegar sus pro-
pias respuestas y sugerencias.
No se podra terminar un artculo
sobre teora de la informacin sin
rendir un pequeo homenaje a su
creador, Claude Shannon, que mu-
ri el pasado 24 de febrero a la
edad de 84 aos. Quienes deseen
saber ms sobre su vida, y tam-
bin sobre su teora, pueden visi-
tar el excelente sitio web que los
Laboratorios Bell, en los que
Shannon desarroll la mayor parte
de su actividad, han dedicado a
este tema: http://www.lucent.com/
minds/infotheory.
parr-km0@zenon.fis.ucm.es
Y CIENCIA, junio, 2001

 JUEGOS MATEMTICOS
Juan M. R. Parrondo
Experimentos con compresores de ficheros
T
oda persona que utilice Internet se habr dado
cuenta de lo importante que es comprimir la
informacin antes de enviarla a travs de la
red. Un nuevo modo de comprimir datos puede ori-
ginar a veces a una autntica revolucin en este mun-
dillo, como ha ocurrido con el formato mp3. Pero la
compresin de datos es un problema matemtico cuya
importancia va ms all de estas aplicaciones y afecta
a cuestiones tan fundamentales como la definicin
objetiva del azar.
Claude Shannon demostr que el tamao mnimo
al que se puede reducir un fichero de datos es igual
a su incertidumbre o entropa y mostr la manera de
calcular esta entropa en casos sencillos [vase Juegos
matemticos del mes de agosto]. En este artculo
mostraremos algunos experimentos sencillos que ilus-
tran el teorema de Shannon y que nos ayudarn tam-
bin a investigar cunta informacin contenga una
sonata de Beethoven o el Ulises de Joyce. Nos bas-
tar para ello cualquier programa de compresin de
ficheros para Windows, Macintosh o UNIX.
Uno de los algoritmos de compresin ms cono-
cido es el llamado de Lempel-Ziv (LZ). El programa
compress del sistema operativo UNIX y todos los pro-
gramas que generan ficheros .arj, .zip o .gif en Windows
utilizan variantes suyas. Lo que hace el algoritmo es
aprovechar de forma bastante simple las repeticiones
de ciertas frases que aparecen en una cadena de
bit, es decir, en una cadena de dgitos 0 o 1. Para
ello se fragmenta primero la cadena de modo que no
aparezca la misma frase dos veces. Esto se consigue
colocando comas de forma sucesiva: se coloca una
coma despus del primer dgito; la siguiente se co-
loca de modo que el fragmento entre comas resul-
1. El resultado de comprimir ficheros con cien mil
bit aleatorios
2 INVESTIGACIN
tante sea el ms corto posible que no haya aparecido
antes. Por ejemplo, en la cadena de bit:
1011100010101010100
la fragmentacin proporcionar:
1,0,11,10,00,101,01,010,100
El lector puede observar que cada fragmento es
siempre la concatenacin de un fragmento aparecido
con anterioridad y de un bit 0 o 1. Los llamaremos
fragmento prefijo y bit adicional, respectivamente.
Por ejemplo, el tercer fragmento, 11, es el primero
seguido de un 1; el sexto fragmento, 101, es el cuarto
seguido de un 1; y as sucesivamente. Podemos ahora
numerar los fragmentos y sustituir cada uno de ellos
por el nmero del prefijo y por el bit adicional. El
0 indicar por convencin la falta de prefijo o pre-
fijo vaco. En nuestro ejemplo:
(0,1),(0,0),(1,1),(1,0),(2,0),(4,1),(2,1),(7,0),(4,0)
Finalmente se representan en binario los nmeros
que indican el prefijo para obtener una nueva cadena
de bit. Veamos cmo se realiza este paso en nues-
tro ejemplo. Como hemos utilizado siete prefijos, se
necesitan tres bit para representar cada uno de ellos:
(000,1),(000,0),(001,1),(001,0),(010,0),(100,1),(010,1),
(111,0),(100,0)
Ahora se pueden quitar los parntesis y las comas
y obtener as la cadena de bit comprimida:
000100000011001001001001010111101000
La descompresin es muy sencilla, puesto que la
representacin binaria del nmero del prefijo tiene
siempre el mismo nmero de bit, tres en nuestro
ejemplo. Sabemos entonces que cada fragmento est
codificado por cuatro bit: tres para el prefijo y uno
para el bit adicional.
La cadena resultante de nuestro ejemplo es bas-
tante ms larga que la original, en contra del prop-
sito del algoritmo. Esto se debe a la escasa eficacia
que ste tiene en el caso de cadenas muy cortas.
Cuando se aplica a una cadena muy larga, los frag-
mentos cada vez son ms grandes, mientras que el
nmero de bit necesario para describirlos crece de
manera ms lenta. Por ejemplo, supongamos que una
cadena de cien mil bit se ha dividido en mil frag-
mentos con un tamao medio de cien bit (los pri-
meros sern ms cortos y los ltimos ms largos,
probablemente). Para describir el prefijo no se ne-
cesitan ms que 10 bit, ya que 210 = 1024. Por tanto
cada fragmento estar codificado por 11 bit (los 10
del prefijo ms el bit adicional), mientras que su lon-
gitud original era de 100 bit. Es decir, el algoritmo
ha logrado comprimir este fichero de datos a un 10 %
de su tamao original.
Est claro que cuanto ms largos sean los frag-
mentos, ms eficaz ser el algoritmo. Esto ocurre si
Y CIENCIA, septiembre, 2001
la cadena tiene muchas repeticiones. El caso extremo
es una cadena con todo ceros. En este caso la frag-
mentacin es muy simple:
0,00,000,0000,00000,...
El lector con algunos conocimientos de matemti-
cas puede comprobar que una cadena con n ceros se
dividira en un nmero de fragmentos aproximada-
mente igual a la raz cuadrada de 2n. Para 1 me-
gabyte, que son 8 millones de bit, tendramos 4000
fragmentos y necesitaramos slo 12 bit para descri-
bir el prefijo. Por tanto, necesitaramos 13 bit para
describir cada fragmento o 52.000 bit para describir
el fichero entero. Como un byte son 8 bit, el fichero
habra quedado reducido a 6,5 kilobyte.
El caso opuesto es una cadena de bit cuya frag-
mentacin contenga todas las subcadenas posibles.
Por ejemplo, hay 28 subcadenas de 8 bit. Si la frag-
mentacin resultara en una concatenacin de todas
ellas, se necesitaran 8 bit para describir el prefijo
y 9 para describir el fragmento, mientras que la lon-
gitud original de los fragmentos es de 8 bit. El al-
goritmo resultara perfectamente intil en este caso.
Como vemos, el algoritmo LZ es ms eficaz cuanto
ms regular sea la cadena, cuantas ms repeticiones
contenga. Esta caracterstica est de acuerdo con el
teorema de Shannon: cuanto menor sea la entropa
de una cadena, menos aleatoria y ms regular es, por
lo que puede comprimirse en mayor medida. De he-
cho se puede demostrar que el algoritmo LZ alcanza
el lmite mnimo impuesto por el teorema de Shannon
para cadenas muy largas. Es por tanto un algoritmo
ptimo, al menos en teora y para cadenas suficien-
temente largas. Aunque veremos a travs de nuestros
experimentos que puede encontrarse bastante lejos de
ese lmite incluso para ficheros tan grandes como los
textos completos de la Biblia o del Ulises.
Shannon demostr que si se forma una cadena de
n bit aleatorios y completamente independientes unos
de otros, la entropa de cada uno de ellos es:
H = p log2 p (1 p) log2 (1 p)
en donde p es la probabilidad de que el bit sea un
1 y el logaritmo se toma en base 2. La entropa de
la cadena es nH.
Veamos cmo se comporta el algoritmo LZ frente
a este tipo de ficheros. Utilizando algn lenguaje de
clculo matemtico (BASIC, C o FORTRAN pueden
servir) se pueden crear fcilmente ficheros de con-
juntos de bit aleatorios, que sean igual a uno con
probabilidad p e igual a cero con probabilidad 1 p.
Yo he utilizado un programa comercial de clculo
matemtico y he creado los ficheros rand001.dat,
rand01.dat, etc., que contienen cien mil bit aleato-
rios y en los que la parte numrica indica el valor
de p (0,01; 0,1; 0,2, etc.). Luego he comprimido to-
dos los ficheros con un conocido compresor de
Windows y he hecho una grfica comparando el ta-
mao de los ficheros comprimidos con la frmula
de Shannon. Hay que tener la precaucin de multi-
plicar los tamaos de los ficheros en bytes (carac-
teres ASCII) por 8, ya que un byte es una unidad
de informacin que equivale a 8 bit. El resultado se
puede ver en las figuras 1 y 2.
INVESTIGACIN Y CIENCIA, septiembre, 2001
100.000
Tamao terico y real
80.000
60.000
Tamao .zip
40.000
Lmite terico
20.000
0
0,0 0,2 0,4 0,6 0,8 1,0
Probabilidad del dgito "1"
2. Una comparacin entre el tamao de los ficheros
.zip y el lmite terico impuesto por el teorema de
Shannon
El algoritmo LZ funciona bastante bien. Por su-
puesto que est siempre por encima del lmite infe-
rior impuesto por el teorema de Shannon, pero no
se aleja mucho de l. Reproduce maravillosamente la
forma de la curva, con lo que se puede apreciar que
la frmula de Shannon refleja una propiedad a pri-
mera vista tan intangible como la cantidad de infor-
macin que contenga un fichero. La entropa de un
fichero puede considerarse la informacin que con-
tiene, puesto que es el tamao mnimo al que puede
reducrsele de forma reversible, es decir, de modo
tal que pueda luego recuperarse intacto.
Vemos tambin que el compresor de ficheros nos
proporciona una medida de la informacin o entropa
de stos, aunque esta medida pierde mucha de su
precisin cuando se utilizan ficheros cuyos datos no
sean independientes. Podemos verlo aplicndolo a fi-
cheros de muy distinta procedencia, como he hecho
en la figura 3, en donde se ve su efecto sobre fi-
cheros de texto y de msica. Como textos espaoles
he utilizado ficheros con los diez primeros libros del
Antiguo Testamento y con el Nuevo Testamento com-
pleto, mientras que para el ingls se han utilizado la
Biblia, Ricardo III de Shakespeare y el Ulises de Ja-
mes Joyce. Los textos bblicos admiten una compre-
sin que est en torno al 68 % con independencia
del idioma en que se encuentren, porcentaje que es
significativamente mayor que el 61 % de la compre-
sin de Ricardo III. El Ulises, con un 57 %, es el
que menor compresin admite, lo cual indica que
contiene menos repeticiones y es ms impredecible
que los anteriores.
Con una compresin del 68 %, cada carcter ASCII
(1 byte = 8 bit) ocupa 8 (1 0,68) = 2,56 bit, mien-
tras que ocupa 3,44 bit con otra del 57 %. Es inte-
resante contrastar estos datos con la entropa del
ingls, medida por el propio Shannon. Shannon de-
mostr mediante sus clebres teoremas que la en-
tropa de cualquier smbolo de una lista de smbo-
los independientes es:
H = p1 log p1 p2 log p2 p3 log p3 ...
3

3. Compresin de ficheros de texto
siendo p1 la probabilidad de que se d el primer sm-
bolo, p2 la probabilidad de que se d el segundo,
etc. La entropa del ingls puede calcularse utilizando
esta frmula si se conoce la probabilidad con la que
aparece cada letra en un texto normal y estas pro-
babilidades pueden obtenerse analizando textos. Se
encuentra, por ejemplo, que la letra ms probable es
la E, que aparece un 13 % de las veces, mientras
que las menos probables son la Q y la Z, que apa-
recen slo un 0,1 %. Aplicando la frmula de Shannon
se obtiene que la entropa de cada letra de un texto
ingls es 4,03 bit. Obsrvese que la entropa por
carcter sera log2 27 = 4,76 bit en una lengua en la
que las 26 letras del alfabeto y el espacio entre pa-
labras aparecieran con la misma frecuencia.
Pero un texto ingls no es un conjunto de carac-
teres independientes entre s. Por ejemplo, existen
pares de letras ms comunes que otros. El par TH
es, en ingls, el ms comn de todos y aparece un
3,7 % de las veces, mientras que el par QT no apa-
rece nunca. Esta correlacin o dependencia entre le-
tras reduce la incertidumbre o entropa del ingls
con respecto a los 4,03 bit calculados suponiendo
que las letras sean independientes. Para tener en
cuenta la correlacin se puede aplicar la frmula
de Shannon a pares de letras en lugar de a letras
individuales. En tal caso los smbolos de la frmu-
la sern pares de letras, de los cuales existen
27 27 = 6129 (contando los espacios). La frmula
contiene entonces 6129 sumandos y su resultado es
ligeramente inferior a 4,03.
Cuando en lugar de pares se consideran bloques
de cuatro letras, la entropa se reduce a 2,8 bit por
letra. Si como smbolos para la frmula de Shannon
se toman las palabras del diccionario ingls con sus
respectivas probabilidades de aparecer en un texto,
entonces la entropa que resulta es aproximadamente
9 bit por palabra, que equivale a 1,7 bit por letra.
Puede continuarse este proceso considerando pares de
palabras, y as sucesivamente. Obsrvese que las pro-
babilidades de grupos de palabras dependen ya de
aspectos gramaticales y semnticos de la lengua. Es
decir, cuanto ms amplio sea el bloque de letras o
palabras con el que se calcula la entropa, ms ca-
ractersticas de la lengua se recogen en dicho clculo.
Puede calcularse la entropa del ingls teniendo
en cuenta todas las posibles correlaciones, es decir,
toda la estructura semntica y gramatical de la len-
4 INVESTIGACIN
gua? Shannon se dio cuenta de que es materialmente
imposible registrar estadsticas de grupos amplios de
palabras, mientras que los angloparlantes disponen
para sus adentros de tal estadstica. A partir de esta
idea concibi un modo de medir la entropa del ingls
haciendo que una persona tratara de adivinar deter-
minada letra en un texto cuando se le presentaban
las n letras que la preceden. Puede entonces codifi-
carse la letra por el nmero de intentos necesarios
para adivinarla y considerar la entropa del ingls
igual a la entropa de esta serie de nmeros. Con
este procedimiento obtuvo entropas que decrecen
cuanto mayor es el nmero n de letras precedentes
que se le muestran al individuo. Cuando n es 3 la
entropa es aproximadamente 3 bit, parecida a la cal-
culada tomando probabilidades de grupos de cuatro
letras. Pero contina descendiendo hasta 1,3 bit cuando
se presentan las 100 letras precedentes a la que hay
que adivinar. Cuando n es mayor de cien, la entropa
se mantiene prcticamente constante e igual a 1,3 bit,
que puede considerarse por tanto la entropa del ingls.
Esto indica tambin que la estructura de la lengua
hace que estn relacionadas las letras situadas a una
distancia de hasta 100 caracteres.
Cmo pueden interpretarse nuestros experimentos
a la luz de estos resultados? Es claro que el com-
presor no puede detectar toda la estructura de la len-
gua a partir de un texto, aunque sea tan voluminoso
como el Nuevo Testamento o el Ulises. Hemos vis-
to que logra reducir el fichero a 3,44 bit por carc-
ter en el caso del Ulises. Esta es aproximadamente
la entropa del ingls cuando se consideran grupos de
3 letras. Por tanto, el compresor slo ha sido capaz
de detectar la estructura de la lengua en este nivel
de grupos de 3 letras. En el caso de la Biblia con-
sigue comprimir hasta 2,56 bit por carcter, que es
la entropa cuando se consideran grupos de 5 letras.
Teniendo en cuenta que hay 19.683 posibles grupos
de 3 caracteres, 531.441 de 4 caracteres y 14.348.907
grupos de 5 caracteres, est claro que el Ulises no
tiene tamao suficiente para lograr captar las fre-
cuencias de los grupos de 4 letras, aunque aparez-
can todos o una fraccin apreciable de ellos. Tampoco
la Biblia completa podra captar la estadstica de los
grupos de 5 caracteres aunque contuviera una pro-
porcin importante de ellos. Que el compresor de fi-
cheros haya logrado reducir el tamao hasta 2,56 nos
indica que slo una muy pequea fraccin de gru-
pos de 5 caracteres aparece en el texto: para codi-
ficar uno de los grupos que aparecen necesitamos
slo 2,56 5 = 12,8 bit, que equivalen a 212,8 = 7131
grupos, cifra muy inferior a los ms de 14 millones
de grupos posibles.
Naturalmente la informacin de que aqu esta-
mos hablando es muy distinta de la habitual. Por exi-
gencias de la compaginacin de este nmero de la
revista yo he tenido que comprimir bastante la con-
tenida en la versin original del artculo y he tenido
que echar mano de recursos muy distintos del algo-
ritmo LZ. Pero el mes que viene seguiremos consi-
derando otros aspectos interesantes de este asunto,
junto con las ideas que aporten los lectores.
Y CIENCIA, septiembre, 2001

 J UEGOS MATEMTICOS
Juan M. R. Parrondo

Las matemticas de la opinin pblica

P ueden tener algo que ver

la opinin pblica, los
imanes y el origen de
las fuerzas fundamentales de la
blanca y otra azul, en las que se
encuentran 41 fichas. En cada turno
se elige al azar una de las 41 fi-
chas y se mueve de acuerdo con
30 personas, estar, en media, en
el partido Azul y el 25 % restante
en el Blanco. Sin embargo, esta
distribucin de la poblacin slo
naturaleza? Aunque se trate de ciertas reglas. Imaginemos primero es cierta en media, ya que el com-
asuntos tan dispares, los modelos que a los habitantes de nuestro portamiento de cada individuo est
matemticos que los describen pueblo no les gusta demasiado dis- sujeto al azar y habr por ello fluc-
comparten una propiedad que ha crepar, es decir, tienen una cierta tuaciones en torno a la distribu-
sido fundamental en la fsica mo- tendencia a seguir los dictados de cin media. De hecho, las fluc-
derna: la ruptura de simetra. Afor- la mayora. En este caso, las re- tuaciones pueden ser tan grandes
tunadamente, para ilustrar de modo glas para el movimiento de las fi- como para inclinar la balanza ha-
bsico esta propiedad no hace falta chas podran ser las siguientes: la cia el partido contrincante.
ser un experto en magnetismo o ficha elegida se coloca en la ca- En la grfica de la figura 1 po-
en teoras de unificacin de cam- silla en donde hay ms fichas con demos ver cmo se comporta el n-
pos de fuerza, sino que basta ex- una probabilidad 0,75 y se coloca mero de simpatizantes del partido
plorar un juego matemtico que en la casilla minoritaria con una Azul. La he realizado simulando el
emula de modo extremadamente probabilidad del 0,25. juego en el ordenador durante 100.000
simplificado una lucha poltica com- Con estas sencillas reglas de turnos. En los primeros momentos
pletamente desprovista de ideologa. juego, el comportamiento de la opi- del juego, el partido Azul es ma-
Dos grupos polticos, el Azul y nin pblica del pueblo es ya bas- yoritario y el nmero de simpati-
el Blanco, se disputan el ayunta- tante interesante. Supongamos que zantes flucta en torno a 30. Hay
miento de un pequeo pueblo de durante un gran nmero de turnos fluctuaciones que hacen que el n-
41 habitantes. Cada uno de los ha- el partido Azul es el mayoritario. mero se acerque a 20 y peligre la
bitantes se alinea con uno de los En toda esta fase del juego, el mayora, pero logra recuperarla en
dos partidos, pero de vez en cuando 75 % de las fichas movidas ir a varias ocasiones, hasta que, en un
puede cambiar de opinin. Podemos parar a las filas azules y el 25 % turno cercano al 15.000, el partido
representar el estado de opinin a las blancas. Si la fase ha durado Blanco le arrebata la mayora y la
de nuestro pueblo mediante un ta- mucho ms de 41 turnos, enton- mantiene durante otros 23.000 tur-
blero con dos grandes casillas, una ces el 75 % de la poblacin, unas nos, aproximadamente. En ese perodo

40 40
NUMERO DE SIMPATIZANTES DEL PARTIDO AZUL
NUMERO DE SIMPATIZANTES DEL PARTIDO AZUL

35 35

30 30

25 25

20 20

15 15

10 10

5 5

0 0
0 1 2 3 4 5 6 7 8 9 10 104 0 1 2 3 4 5 6 7 8 9 10 104
TURNOS TURNOS

1. Nmero de simpatizantes del partido Azul 2. Nmero de simpatizantes del partido Azul
en funcin del nmero de turnos jugados, cuando en funcin del nmero de turnos jugados, cuando
los habitantes del pueblo tienen una probabilidad los habitantes del pueblo tienen una probabilidad
0,75 de alinearse con el partido mayoritario 0,25 de alinearse con el partido mayoritario

2 INVESTIGACIN Y CIENCIA, octubre, 2001

el nmero de simpatizan- 1 fluctuaciones, sin que haya

NUMERO MEDIO DE SIMPATIZANTES DEL PARTIDO AZUL

tes de partido Azul flucta 0,9
nada en las reglas de evo-
en torno a 10 y el nmero lucin que indique hacia
de simpatizantes del Blan- 0,8 donde es realizar dicha
co flucta en torno a 30. 0,7
ruptura.
Vemos que los cambios de En fsica, estas rupturas
mayora se producen al 0,6 de simetra se comenzaron
azar, tras intervalos que 0,5
a estudiar en materiales
son del orden de 20.000 magnticos, es decir, en
turnos. 0,4 imanes. Un imn puede con-
Qu ocurre si cambia- 0,3 siderarse como un conjunto
mos la probabilidad de mo- de pequeas brjulas que
0,2
ver a la casilla mayorita- tienden a orientarse en la
ria? Siguiendo nuestro 0,1 direccin de un campo
anterior razonamiento, se magntico y que, a su vez,
0
podra pensar que la frac- 0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1 crean campos magnticos.
cin de habitantes del pue- PROBABILIDAD DE MOVER A LA MAYORIA De modo que cada brjula
blo que simpatizan con el 3. Nmero medio de simpatizantes del partido Azul tiende a orientarse en la
partido mayoritario es siem- en funcin de la probabilidad de alinearse con el misma direccin que sus
pre igual a la probabili- partido mayoritario vecinas, igual que los ha-
dad de mover a la casilla bitantes de nuestro pueblo,
mayoritaria. Sin embargo, en el caso en el que la
esto slo es cierto si dicha pro- patizantes se bifurca en dos cuando probabilidad de adherirse a la ma-
babilidad es mayor que 0,5. En el la probabilidad es 0,5; eso signi- yora sea mayor que 0,5, tienden
caso contrario nos encontramos ante fica que, por encima de esa pro- a adoptar la opinin de la mayora.
individuos que prefieren alinearse babilidad, el nmero medio puede En ausencia de campo magntico
con la opcin minoritaria. Lo que tomar dos valores posibles. El va- externo, las reglas que determinan
ocurre entonces es que la propor- lor que de hecho toma depende del la evolucin de las pequeas br-
cin de simpatizantes de cada par- nmero inicial de simpatizantes de julas son perfectamente simtricas,
tido flucta en torno al 50 %. En cada partido o, si stas son cer- ya que no favorecen ninguna di-
efecto, en cuanto uno de los par- canas al 50 % de la poblacin to- reccin en especial. A pesar de
tidos comienza, por fluctuaciones, tal, depender de las fluctuaciones ello, la tendencia de las brjulas a
a tener ms simpatizantes que el iniciales. apuntar en la misma direccin que
otro, los habitantes de nuestro pue- Observe el lector que las reglas sus vecinas es capaz de romper esta
blo, ahora amantes de las minoras, del juego no favorecen a ninguno simetra, siempre que la tempera-
comenzarn a apoyar al partido mi- de los dos partidos, pero estas mis- tura del imn sea suficientemente
noritario. Es decir, ante cualquier mas reglas, o ms concretamente, baja. Si la temperatura es alta, el
desviacin del reparto 50-50 entre el hecho de que dependan del com- comportamiento de las brjulas est
los dos partidos, aparecer una ten- portamiento del resto de la pobla- sujeto a fuertes fluctuaciones, que
dencia que tratar de restituir la cin, hacen que uno de los parti- son mayores que la propia ten-
situacin de igualdad. Podemos dos se convierta en mayoritario. dencia a ordenar las orientaciones
verlo en la grfica de la figura 2, En otras palabras, las reglas son de las brjulas. Para temperaturas
en donde la probabilidad de que simtricas ante el intercambio de bajas, sin embargo, estamos ante
una ficha se mueva a la casilla partidos. Sin embargo, durante lap- una ruptura espontnea de simetra,
mayoritaria es 0,25. Comprobamos sos de tiempo bastante grandes (que que es la que hace posible que
tambin que las fluctuaciones ahora aumentan considerablemente si se existan imanes permanentes como
son bastante menos intensas que toma un pueblo con ms habitan- los que colocamos en la puerta de
en el caso en que los habitantes tes), el estado de opinin no nuestro frigorfico. Una cuestin
preferan alinearse con el partido tiene esa simetra, sino que uno de importante es que el estado ma-
mayoritario (puede el lector ave- los partidos vence a su oponente. croscpico del imn, es decir, la
riguar por qu?). Aunque ahora parezca simple, para orientacin final de las brjulas, se
Reuniendo todo lo que hemos la fsica fue una autntica revolu- determina a travs de fluctuacio-
deducido acerca del comportamiento cin percatarse de que el estado nes que afectan a unas pocas br-
de los habitantes de nuestro pue- de un sistema puede no tener las julas, es decir, a fluctuaciones mi-
blo, podemos representar en una simetras que tienen las reglas que croscpicas. La ruptura de simetra
tercera grfica el nmero medio de determinan el comportamiento de puede considerarse como una am-
simpatizantes del partido Azul en dicho sistema. Este es el fenmeno plificacin de fluctuaciones mi-
funcin de la probabilidad de que denominado ruptura espontnea de croscpicas, como un mecanismo
una ficha se mueva a la casilla simetra. El adjetivo espontneo es por el cual el azar microscpico
mayoritaria. El resultado se mues- muy apropiado, ya que indica que invade el mundo macroscpico.
tra en la figura 3. La lnea que la ruptura de la simetra se pro- El concepto de ruptura de si-
indica el nmero medio de sim- duce espontneamente, debida a metra ha sido utilizado tambin

INVESTIGACIN Y CIENCIA, octubre, 2001 3

en la teora cuntica de campos,
es decir, en el conjunto de teoras
que tratan de explicar el origen
de las fuerzas fundamentales de la
naturaleza. En este caso, la si-
metra que se rompe es bastante
complicada y se refiere a que las
reglas de evolucin de los cam-
pos de fuerza y de las partculas
elementales no favorecen ninguna
combinacin de ciertas propieda-
des internas de las partculas y los
campos, como la carga. La incor-
poracin de la idea de ruptura es-
pontnea de simetra, junto con al-
gunos otros hallazgos, fue capaz
de sacar a la teora cuntica de
campos de lo que muchos deno-
minan la era oscura por la que
atraves en los aos sesenta del
siglo xx, y permiti establecer una
teora unificada de la fuerza elec-
tromagntica y la fuerza nuclear
dbil.
Volviendo a los modelos de com-
portamiento de la opinin pblica,
dejar a los lectores la solucin de
un modelo un poco ms compli-
cado y que ya no tiene una rela-
cin estrecha con la ruptura de si-
metra. Este nuevo juego es una
variacin de un ejemplo creado por
el matemtico Ehud Kail, experto
en teora de juegos. En este caso
la decisin que tienen que tomar
los individuos de nuestro problema
es si van o no a un cierto bar de
moda en la ciudad. Otra novedad
es que la poblacin se divide ahora
en tres grupos: los conservadores,
los poetas y los snobs. Los con-
servadores tienden a tomar la de-
cisin adoptada por la mayora,
mientras que los poetas quieren ser
siempre singulares y prefieren ali-
nearse con la minora. Por ltimo,
los snobs quieren hacer lo que ha-
cen los poetas, sin preocuparles si
se trata de una decisin mayorita-
ria o minoritaria. El problema puede
de nuevo interpretarse con un juego
con dos casillas ir al bar y que-
darse en casa y tres tipos de fi-
chas. Las reglas podran ser las si-
guientes: se elige una ficha al azar,
si es conservador ir con una pro-
babilidad 0,95 a la casilla mayo-
ritaria; si es poeta, con una pro-
babilidad del 0,05; si es snob, ir
con una probabilidad del 0,95 a la
casilla en donde haya mayora de
poetas. Se puede empezar esco-
giendo una poblacin de 11 poe-
tas, 31 snobs y 43 conservadores,
pero invito a los lectores a ex-
plorar otras combinaciones, as como
otras probabilidades de movimiento.
Cul es, en media, la proporcin
de individuos en la casilla mayo-
ritaria? Cmo son las fluctuacio-
nes en este juego? Lo discutire-
mos los prximos meses.

Solucin del problema del banco de sangre

acobo Snchez, estudiante de fsica de la Universidad
J de Valencia, me ha enviado una solucin impeca-
ble del problema de las mezclas de sangre (Investigacin
y Ciencia del mes de agosto) para las pruebas del vi-
rus letal. Recordemos que se trataba de averiguar
cuntas muestras de sangre se deban mezclar para
que el nmero de pruebas a realizar fuera el mnimo.
Expondr aqu una versin simplificada de la solucin
de Jacobo. El virus ataca a un 0,01 % de la pobla-
cin. Si se mezclan n muestras de sangre, la proba-
bilidad de que la mezcla est infectada es aproxima-
damente igual a 0,0001 por n. En este caso hay que
realizar n pruebas para detectar cules de los inte-
grantes de la muestra estn infectados. Por otro lado,
si la mezcla no est infectada, no hace falta hacer
ninguna prueba adicional. Para cada mezcla, el n-
mero medio de pruebas a realizar por cada grupo mez-
clado (contando la que se realiza a la mezcla) es en-
tonces 1 + 0,0001 n n = 1 + 0,0001 n2. Si tenemos
un total de N muestras, al mez-
0,5
clarlas en grupos de n muestras,
NUMERO MEDIO DE PRUEBAS DIVIDIDO POR N
de las pruebas que hay que hacer a las muestras in-
dividuales si el resultado de la prueba de la mezcla es
positivo. Esta es la esencia del problema: cuantas ms
sangres se mezclan, menos grupos tenemos, pero por
otro lado es ms probable que la prueba de la mez-
cla sea positiva, en cuyo caso tenemos que realizar
las pruebas a todas y cada una de las sangres que
componen la muestra. El tamao ptimo de la mezcla
es aquel que logra un compromiso entre los dos su-
mandos de la frmula.
La mejor forma de averiguar este tamao ptimo es
representar la cantidad 1/n + 0,0001 n en funcin del
tamao n de la mezcla. En la figura pueden ver la
grfica que se obtiene y comprobar que el mnimo se
alcanza para n = 100. Por lo tanto, el banco de san-
gre debera mezclar 100 muestras de sangre. Con esta
estrategia, un 1 % de las mezclas dara pruebas po-
sitivas y, por cada 100 muestras de sangre, habra
que hacer, en media, slo 2 pruebas, lo cual supone
un ahorro considerable para el banco
de sangre.

tendremos N/n grupos. Por tanto, 0,45 Observemos tambin que la res-
el nmero total de pruebas, en me- 0,4 puesta no coincide con la que da
dia, es: 0,35 la teora de la informacin, tal y
0,3 como apuntbamos en el nmero
N/n (1 + 0,0001 n2) =
de agosto. Con dicha estrategia la
= N (1/n + 0,0001 n)
0,25

0,2 probabilidad de que la mezcla fuera

Observen que esta frmula tiene
dos sumandos: el primero se hace
ms pequeo cuanto mayor es n, 0,05
mientras que el segundo crece con
n. Si se repasa el argumento que
hemos utilizado, es fcil ver que el
primer sumando proviene de la
prueba que se hace a la mezcla,
mientras que el segundo proviene
0,15 positiva era 0,5, mientras que, con
0,1 la calculada en los prrafos ante-
riores, es 0,01. Pero recordemos
0
que aquella estrategia era ptima
0 50 100 150 200 250 300 slo si, en el caso de que la prueba
TAMAO DE LAS MEZCLAS
de la mezcla fuera positiva, conti-
Nmero medio de pruebas por cada nubamos el proceso realizando
N muestras, en funcin del tamao submezclas con las sangres sos-
de las mezclas pechosas.

4 INVESTIGACIN Y CIENCIA, octubre, 2001


 JUEGOS
Las matemticas del aprendizaje y la generalizacin
A
nselmo Tajante es un tipo
al que no le gustan las me-
dias tintas. Para l las per-
sonas son simpticas o antipticas,
inteligentes o necias, generosas o
tacaas, diligentes o perezosas. El
Sr. Tajante es, adems, un tanto
limitado: slo dispone de estas cua-
tro categoras para clasificar a las
personas que conoce. Para l, su
amiga Alicia es simptica, inteli-
gente, tacaa y perezosa, y su primo
Bruno es antiptico, inteligente, ta-
cao y diligente. De este modo,
cada individuo puede ser codifi-
cado mediante un nmero con cua-
tro dgitos binarios, en donde el
primero es un 1 si la persona es
simptica y un 0 si es antiptica;
el segundo dgito es un 1 si la
persona es inteligente y un 0 si es
necia, y as sucesivamente. Alicia
estara codificada, para la reduci-
da capacidad de apreciacin de
Anselmo, con el nmero 1100,
y Bruno con el 0101. Como
slo existen 24 = 16 nmeros
con cuatro dgitos binarios,
Tajante es capaz de distinguir
nicamente entre 16 categoras
psicolgicas.
Esta sensibilidad tan tosca le
facilita enormemente la gene-
ralizacin a partir de unos po-
cos ejemplos. Supongamos que
Tajante se encuentra con Mister
Dull, un ingls que dispone del
mismo conjunto de categoras
psicolgicas. Para Dull no ser
muy difcil ensear a Tajante
el significado de los trminos
lazy (perezoso) y diligent (di-
ligente) a travs de ejemplos.
Suponiendo que Dull conozca
tambin a Alicia y a Bruno, y
tenga la misma opinin de ellos,
sealara a ella como lazy y a l
como diligent. Con estos datos,
Tajante descartara de su reperto-
rio de categoras a los binomios
2 INVESTIGACIN
MATEMTICOS
Juan M. R. Parrondo
inteligente-necio y generoso-tacao.
Con unos pocos ejemplos ms, in-
cluso tomados al azar, Tajante aca-
bara por deducir el significado de
lazy y diligent.
El mtodo de aprendizaje a travs
de ejemplos se utiliza ampliamente
en el campo de la inteligencia ar-
tificial. Supongamos que queremos
disear un programa de ordenador
o un dispositivo que decida, a par-
tir de una serie de datos, si una
persona padece o no una determi-
nada enfermedad. Una tarea como
sta puede resultar tan complicada,
que sea prcticamente imposible
disear un algoritmo que la lleve
a cabo.
Una alternativa al diseo de al-
goritmos es utilizar un sistema ca-
paz de realizar muchas clasifica-
1. La secante define dos clasifica-
ciones en el crculo: una que asigna
1 a los puntos verdes y 0 a los ro-
jos y otra que asigna 0 a los
verdes y 1 a los rojos
ciones y escoger una de ellas a
travs de ejemplos. Normalmente
se emplea una red neuronal, que
es un conjunto de pequeas uni-
dades de procesamiento conectadas
entre s. Dependiendo de la es-
tructura y la intensidad de las co-
nexiones, la red clasifica los da-
tos de entrada de una u otra forma.
No nos interesa ahora el funcio-
namiento detallado de una red neu-
ronal. Lo nico importante es que
se trata de un dispositivo con un
repertorio de clasificaciones y que
podemos ensearla a travs de
ejemplos: se toman los datos de
una serie de individuos que se sabe
si han contrado o no la enferme-
dad y se modifican las conexiones
de la red de modo que los clasi-
fique correctamente, esperando que
as sea capaz de extraer las
pautas que se esconden tras los
ejemplos y clasifique correcta-
mente a nuevos pacientes.
El procedimiento es idntico
al seguido por Dull para ha-
cerle entender a Tajante el sig-
nificado de lazy. Y, al igual
que ocurra entonces, la rapi-
dez con la que la red aprende
es mayor cuanto menor sea su
repertorio de clasificaciones. La
diferencia con la historia de
Dull y Tajante es que los dos
compartan el mismo reperto-
rio de clasificaciones, con lo
cual el aprendizaje acaba siem-
pre en la solucin correcta. Por
el contrario, en el caso de la
red neuronal, la clasificacin
que queremos conseguir es parte
del mundo real. Debemos, por
tanto, asegurarnos de que el
repertorio de clasificaciones de
la red es suficientemente amplio
como para contener la clasifica-
cin deseada, pero al mismo tiempo,
suficientemente reducido como para
que la red pueda aprender o ge-
Y CIENCIA, noviembre, 2001
neralizar a partir de un n-
mero limitado de ejemplos.
La teora de la generaliza-
cin estudia la capacidad de
aprendizaje de un repertorio
de clasificaciones a partir de
ejemplos y a ella pertenece
un concepto matemtico fas-
cinante por su universalidad:
la dimensin de Vapnik-
Chervonenkis (VC). La di-
mensin VC es un nmero
que caracteriza la capacidad
de generalizacin de cualquier
repertorio de clasificaciones,
aunque sea un repertorio in-
finito. Veamos con detalle en
qu consiste.
Volvamos de nuevo a Tajante y
al modo como clasifica a Alicia y
a Bruno. Vimos que Alicia era
simptica y Bruno antiptico; as,
con respecto a la clasificacin simp-
tico-antiptico, a Alicia le corres-
ponde un 1 y a Bruno un 0. A los
posibles resultados de las clasifi-
caciones que se pueden hacer con
una serie de ejemplos se les llama
dicotomas. La clasificacin simp-
tico-antiptico en Alicia y Bruno
crea la dicotoma 10. La clasifica-
cin inteligente-necio crea la di-
cotoma 11. Y las clasificaciones
generoso-tacao y perezoso-diligente
crean, siempre en Alicia y Bruno,
las dicotomas 00 y 01, respecti-
vamente. El nmero de posibles di-
cotomas con dos personas es 4 y
el repertorio de clasificaciones de
que dispone Tajante es capaz de
reproducirlas.
Pero si aadimos una tercera per-
sona, el nmero de dicotomas po-
sibles es 23 = 8 y el repertorio de
clasificaciones de Tajante es ahora
incapaz de reproducirlas todas. Pues
bien, la dimensin de Vapnik-
Chervonenkis es el nmero de ejem-
plos a partir del cual el repertorio
es incapaz de reproducir todas las
dicotomas posibles. La dimensin
VC de Tajante es, por tanto, 2.
Quiz le parezca al lector que
el concepto es demasiado simple
y que la dimensin VC es siem-
pre el nmero n tal que 2n es igual
al nmero de clasificaciones dis-
ponibles en el repertorio. Sin em-
bargo, no es as: la dimensin VC
puede ser mucho menor que ese
nmero n. Incluso un repertorio
con infinitas clasificaciones puede
INVESTIGACIN Y CIENCIA, noviembre, 2001
2. Las 8 dicotomas de tres puntos:
la secante roja crea las dicotomas
000 y 111, la secante verde la 001
y la 110, la morada la 010 y la
101, y la azul la 100 y la 011
tener una dimensin VC finita.
Veamos un ejemplo. Los objetos
a clasificar son los puntos de un
crculo y las clasificaciones dis-
ponibles son las definidas por las
secantes al crculo. En la figura 1
se nos ofrece una de esas clasifi-
caciones y nos es dado observar
cmo una secante define en reali-
dad dos clasificaciones, una opuesta
de la otra.
La dimensin VC de este re-
pertorio de clasificaciones es 3, a
pesar de que el nmero de secan-
tes, y por tanto el nmero de cla-
sificaciones, es infinito. La de-
mostracin no entraa especial
dificultad. En la figura 2, pueden
ver las ocho dicotomas sobre 3
puntos del crculo creadas por ocho
clasificaciones definidas mediante
cuatro secantes (recordemos que
cada secante define dos clasifica-
ciones). Por ejemplo, la secante
azul define las dicotomas 100 y
011 (el orden de los puntos en las
dicotomas es el siguiente: el pri-
mer punto es el superior izquierdo,
el segundo el superior derecho y
el tercero el inferior). El lector
puede demostrar que es imposible
encontrar cuatro puntos en el cr-
culo y ocho secantes que repro-
duzcan las 16 dicotomas posibles.
Por ello concluimos que la di-
mensin VC de las secantes es pre-
cisamente 3.
Como vemos en este ejem-
plo, la dimensin VC capta
las limitaciones del reperto-
rio de clasificaciones para
clasificar puntos de modo ar-
bitrario. A partir de cuatro
puntos, las secantes son in-
capaces de reproducir las
24 = 16 dicotomas posibles.
Pero hay algo an ms fas-
cinante en la dimensin VC.
Como se deduce de la defi-
nicin, el nmero mximo de
dicotomas para l puntos es
2l si l es menor que la di-
mensin VC. Qu ocurre para
un nmero de puntos mayor?
Vapnik y Chervonenkis de-
mostraron que, para cualquier re-
pertorio de clasificaciones, el n-
mero mximo de dicotomas, para
l mayor que la dimensin VC, de-
pende de l como una potencia, ms
concretamente, como l elevado a
la dimensin VC. Es decir, el n-
mero de dicotomas crece expo-
nencialmente hasta la dimensin
VC y, para un nmero de puntos
superior, el crecimiento se reduce
drsticamente (un crecimiento ex-
ponencial es siempre mucho ma-
yor que uno en forma de poten-
cia; basta comparar, por ejemplo,
2 10 con 10 elevado a un nmero
no muy grande). Lo ms sorpren-
dente es que este resultado es com-
pletamente general, vlido para
cualquier repertorio de clasifica-
ciones, desde el que posee una red
neuronal hasta el que pueda al-
bergar su cerebro o el mo.
Vapnik y Chervonenkis demos-
traron tambin que el nmero de
ejemplos necesario para que un dis-
positivo generalice, es decir, para
que encuentre de forma unvoca la
clasificacin que corresponde a los
ejemplos presentados, es del orden
de la dimensin VC. Este resul-
tado se aplica en la teora del
aprendizaje de redes neuronales y
tambin en estadstica matemtica.
El clculo de la dimensin VC
es bastante difcil y, en la mayora
de los casos, slo puede hacerse
de modo aproximado. Pero la pro-
fundidad del concepto y la gene-
ralidad de los teoremas de Vapnik-
Chervonenkis los convierten en uno
de los logros ms interesantes de
la matemtica de la segunda mi-
tad del siglo XX.
3
 JUEGOS
S
upongo que la mayora de los
lectores de Investigacin y
Ciencia han odo hablar de
la mecnica cuntica y conocen
sus tres principales caractersticas:
que se aplica a lo muy pequeo,
que introduce el azar de forma
ineludible en nuestra descripcin
de la naturaleza y que es suma-
mente extraa.
Una de las propiedades que do-
tan a la mecnica cuntica de ese
carcter extrao es la llamada dua-
lidad onda-partcula. Muchos ex-
perimentos de interferencia mues-
tran que la luz es una onda; sin
embargo, un fenmeno conocido
como efecto fotoelctrico no puede
explicarse si no se admite que la
luz tiene un comportamiento cor-
puscular, es decir, que se trata de
un conjunto de partculas o corps-
culos. Por otro lado, las partcu-
las que forman la materia (elec-
trones, protones y neutrones), en
la mayora de las situaciones se
comportan como corpsculos, pero
tambin pueden mostrar un com-
portamiento ondulatorio en ciertos
experimentos de interferencia.
Sin embargo, ondas y partculas
son cosas muy diferentes. Una onda
consiste en ondulaciones de una
cierta propiedad: el campo elec-
tromagntico, la presin del aire o
la altura del agua en la superficie
de un estanque. En estas ondula-
ciones la propiedad en cuestin
puede tomar valores positivos y
negativos en distintos puntos del
espacio. Cuando una onda se en-
cuentra con otra, los valores se su-
man, de modo que en los puntos
en donde la primera onda es po-
sitiva y la segunda es negativa se
produce una interferencia destruc-
tiva; esos puntos se comportan
como si no existiera ninguna onda.
Una partcula, por el contrario, no
puede interferir destructivamente
con otra: cuando se encuentra con
una segunda partcula, lo nico que
puede hacer es chocar y volver a
82
MATEMTICOS
Juan M. R. Parrondo
Juegos cunticos
separarse o, si las dos partculas elevar al cuadrado el valor de la
se atraen, formar una molcula o funcin de onda en cada punto del
agregado. espacio, s tiene un significado f-
Cmo es entonces posible que sico preciso: es la probabilidad de
la luz, los electrones o los proto- detectar al objeto en dicho punto.
nes se comporten en ciertas oca- Si medimos la posicin del objeto
siones como ondas y en otras como con una pantalla o un detector,
partculas? Cmo pueden reconci- sensible a fotones individuales, lo
liarse en un mismo objeto estas dos encontraremos en un solo punto,
naturalezas tan dispares? La mec- es decir, la pantalla obliga al ob-
nica cuntica resuelve el problema jeto a manifestarse como partcula.
de la siguiente forma. El objeto El lugar en donde lo encontremos
un electrn, un protn o un fotn es aleatorio, pero la probabilidad
est descrito por la funcin de onda. de que el objeto aparezca en un
La funcin de onda es una onda, punto dado es igual a la funcin
es decir, ondulaciones de una de- de onda al cuadrado. Por ello, el
terminada propiedad que puede to- valor de la funcin de onda en un
mar valores positivos o negativos. punto se llama tambin amplitud
Pero esta propiedad no se parece de probabilidad. La mecnica cun-
a nada familiar: no es un campo tica parece demostrar que existe
elctrico, ni una presin o una tem- un azar ineludible en la naturaleza,
peratura. De hecho, esta propiedad un azar que no puede eliminarse
ni siquiera puede medirse directa- con un mayor conocimiento del es-
mente. Por ello algunos cientficos tado de un sistema. Pero este azar
y filsofos opinan que no corres- tiene adems propiedades sorpren-
ponde a nada fsico y que es un dentes y muy distintas de las del
puro artificio matemtico. azar al que estamos acostumbra-
Es cierto que la funcin de onda dos en el mundo macroscpico, so-
no se parece a ninguna propiedad bre todo cuando se combinan va-
fsica conocida. Sin embargo, su rios sucesos.
cuadrado, es decir, el resultado de Cul es la probabilidad de que
al tirar dos dados salga un 5? El
cruz 5 puede obtenerse de varias for-
mas: con un 1 en el primer dado
y un 4 en el segundo; con un 4
en el primero y un 1 en el se-
gundo; con un 2 y un 3 o, final-
mente, con un 3 y un 2. Si los
dados no estn trucados, la pro-
cara babilidad de cada una de estas cua-
tro posibilidades es igual a 1/36
(1/6 por 1/6). La probabilidad de
que salga 5 es la probabilidad de
que ocurra cualquiera de las cua-
tro posibilidades y se calcula sim-
plemente sumando cada una de
Cmo cambia la funcin de onda ellas: 1/36 + 1/36 + 1/36 + 1/36 =
de la moneda cuando Piccard le da = 1/9. De este modo se trabaja con
la vuelta: la flecha roja indica el probabilidades: la probabilidad de
estado cuntico de la moneda an- que ocurra un suceso que puede
tes de la accin de Piccard y la darse de distintas formas (todas
flecha azul el estado despus de ellas incompatibles entre s) es sim-
la misma plemente la suma de las probabi-
INVESTIGACIN Y CIENCIA, diciembre, 2001
lidades de cada una de las formas
posibles. El lector puede aplicar
esta idea y demostrar, por ejem-
plo, que la probabilidad de que al
tirar dos monedas salgan dos re-
sultados iguales (cara-cara o cruz-
cruz) es 1/4 + 1/4 = 1/2.
En mecnica cuntica esta sen-
cilla regla no siempre es vlida.
Cuando un suceso cuntico puede
ocurrir de varias formas posibles,
no se suman las probabilidades,
como en el caso clsico, sino
que se suman las funciones de onda
o amplitudes; la probabilidad del
suceso combinado se calcula como
el cuadrado de esta amplitud suma.
Esta nueva regla da lugar a fen-
menos curiosos. Consideremos un
suceso que puede darse de dos for-
mas posibles y supongamos que la
amplitud de la primera forma o
posibilidad es 0,5 y la de la se-
gunda es 0,5. Su suma es obvia-
mente 0. La probabilidad de cada
una de las formas posibles por se-
parado es del 25 % (0,25 = 0,25)
y, sin embargo, la probabilidad del
suceso es 0. Es como si en el
problema de las dos monedas la
probabilidad de que salga cara-cara
fuera del 25 %, la de que salga
cruz-cruz sea tambin del 25 %,
pero fuera imposible que saliera
cualquiera de las dos posibilida-
des! Esta afirmacin parece com-
pletamente absurda y sin embargo
as se comporta el mundo cun-
tico, por ejemplo, en un experi-
mento de interferencia de fotones
o electrones.
En la ltima dcada se ha co-
menzado a aplicar este inslito
clculo de probabilidades cunti-
cas en muchos otros mbitos. Se
habla de computacin cuntica, crip-
tografa cuntica y, recientemente,
de juegos cunticos. El primero de
estos juegos fue propuesto hace
dos aos por David Meyer, ma-
temtico de la Universidad de
California en San Diego. En l, el
Capitn Piccard (personaje de la
serie Star Trek cuyas iniciales coin-
ciden con Classical Probability)
juega contra Q (the Quantum), un
individuo capaz de modificar el es-
tado cuntico de un sistema.
Veamos primero la versin cl-
sica del juego de Meyer. Se in-
troduce una moneda en una caja
con la cara hacia arriba y se jue-
INVESTIGACIN Y CIENCIA, diciembre, 2001
gan a continuacin tres turnos: el
primero a cargo de Q, el segundo
de Piccard y el tercero de Q. En
cada uno de ellos, el jugador puede,
sin mirar la moneda y sin que el
otro jugador vea lo que hace, darle
la vuelta o dejarla como est.
Despus de los tres turnos se abre
la caja y gana Q, si la moneda
presenta una cruz y P, si presenta
una cara. Es fcil ver que en este
juego la probabilidad de ganar es
siempre 1/2 para cada jugador si
P o Q deciden aleatoriamente si dan
la vuelta a la moneda o no.
Pero las cosas cambian si la mo-
neda es cuntica y las probabili-
dades de que se muestre cara o
cruz son en realidad el cuadrado
de amplitudes de probabilidad. Si
a y b son las amplitudes de las
posibilidades cara y cruz, res- piedad: si Piccard da la vuelta a
pectivamente, representaremos la
funcin de onda o estado cun- la misma no cambiar (es como si
tico de la moneda en la forma:
Utilizando la regla del clculo
a|cara+ b|cruz
cuntico de probabilidades, si la
moneda est en este estado, la pro-
babilidad de que veamos cara al
abrir la caja ser a2 y de que vea-
mos cruz, b2. Por ello, las ampli-
tudes tienen que verificar a 2 +
+ b2 = 1. Si representamos las am-
plitudes a y b como coordenadas
en un plano, las posibles funcio-
nes de onda sern los puntos de
un crculo de radio unidad (el cr-
culo azul en la figura), ya que es-
tos puntos verifican a2 + b2 = 1.
Para ver mejor los puntos, repre-
sentaremos la funcin de onda por
un radio del crculo, como las fle-
chas roja y azul que se muestran
en la figura. El estado inicial de
la moneda es o bien cara o bien
cara y, por tanto, ser una fle- gadores estn de acuerdo en que
cha horizontal apuntando hacia la
derecha o la izquierda.
P es un jugador clsico, que sicos, ventajas que son la base de
nicamente puede dar la vuelta a
la moneda o dejarla como est.
Dar la vuelta a la moneda signi-
fica cambiar a por b. Un movi-
miento posible para Piccard es el
que se muestra en la figura: la fun-
cin de onda de la moneda es la
flecha roja y Piccard decide vol-
tearla; al hacerlo, el estado de la
moneda pasa a ser la flecha azul.
Supongamos ahora que Q puede
manipular la moneda de forma no
clsica. En la formulacin original
de Meyer, Q es capaz de girar las
flechas a voluntad. Pero basta con
que Q pueda hacer ciertos giros
para que la ventaja frente a Piccard
sea determinante. Por ejemplo, si
Q puede girar la flecha 45 grados
en el sentido contrario al de las
agujas del reloj, entonces existe
una estrategia que le dar siempre
la victoria. En efecto, supongamos
que el juego empieza con la fle-
cha horizontal apuntando hacia la
derecha. Lo que Q debe hacer es
girarla 45 grados, de modo que el
estado cuntico despus de este
primer turno ser
Este estado tiene una curiosa pro-
1/2|cara+1/2|cruz
la moneda, la funcin de onda de
introdujramos en la jaula del des-
dichado gato de Schrdinger un
gas que mata a los gatos vivos y
resucita a los muertos: el estado
cuntico del gato no cambiara).
Por tanto, si en el tercer turno Q
vuelve a hacer el giro, entonces,
sea cual sea la accin tomada por
Piccard en su turno, la flecha ter-
minar apuntando hacia arriba.
Abrimos la caja y encontramos,
pues, que la moneda presenta una
cruz: Q ha ganado.
El juego es bastante simple y ha
recibido por ello algunas crticas
que argumentan que en realidad no
hay ningn misterio cuntico detrs
de las ventajas de Q. Ekens, del
Instituto de Tecnologa de California,
defiende esta idea proponiendo una
versin puramente clsica del juego
de Meyer.
Sin embargo, todos los investi-
los jugadores cunticos tienen con-
siderables ventajas sobre los cl-
la excepcional potencia de los or-
denadores cunticos frente a los
clsicos. Por tanto, la idea de Meyer
puede contribuir a dilucidar cul
es la naturaleza de estas ventajas.
Por mi parte, estoy convencido de
que las probabilidades cunticas
pueden dar ms juego y que en
los prximos aos surgirn ms
ejemplos e ideas acerca del tema.
parr-km0@seneca.fis.ucm.es
83
 JUEGOS
Informacin y juegos de azar: el problema de Monty Hall
y la paradoja de los dos sobres
L
a forma en que se aade in-
formacin a una situacin
incierta puede dar lugar a
enigmas y paradojas. Un ejemplo
ya clsico en la teora de la pro-
babilidad es el problema de Monty
Hall. Otro no tan conocido, aun-
que no menos interesante, es la
paradoja de los dos sobres, que
presentaremos en este artculo pero
a la que dedicaremos una exposi-
cin detallada en el prximo.
Monty Hall es el presentador de
un viejo concurso de la televisin
en Estados Unidos. En la fase fi-
nal del concurso Monty ensea tres
cofres a un sufrido concursante.
En uno de ellos hay un gran pre-
mio y los otros dos estn vacos.
El concursante elige nervioso uno
de los cofres. Monty aparta en-
tonces el cofre elegido y mira lenta
y teatralmente en el interior de los
otros dos. Cierra de nuevo uno de
ellos, toma el otro con las dos ma-
nos y lo vuelca ante los ojos del
concursante y el pblico: est vaco.
El concursante suspira aliviado,
aunque no tiene ninguna razn para
ello. Monty, generoso, le ensea
los dos cofres que quedan cerra-
dos y le ofrece la posibilidad de
reconsiderar su decisin inicial:
Puede ahora escoger cualquiera de
ellos, anuncia con un redoble de
batera. Qu debera hacer el con- nar dos tercios de las veces. Este
cursante?
Mucha gente piensa que, una vez
eliminado uno de los cofres, el
premio puede estar por igual en
los dos que quedan. Por lo tanto,
no importa el cofre que se elija:
la probabilidad de ganar el premio
es del 50 %. Si a eso aadimos
que, en la mayora de la gente,
modificar una decisin correcta pro-
duce una sensacin bastante ms
dolorosa que mantenerse en una
incorrecta, no es de extraar que
casi todo el mundo se niegue a
2 INVESTIGACIN
MATEMTICOS
Juan M. R. Parrondo
cambiar de cofre. En una serie de
charlas sobre probabilidad esceni-
fiqu el concurso de Monty Hall
y todos los concursantes sin ex-
cepcin prefirieron quedarse con el
cofre elegido en primer lugar.
Sin embargo, lo mejor que puede
hacer el concursante es cambiar su
decisin inicial. Veamos por qu.
Conviene primero que se imagine
no un solo concurso, sino un gran
nmero de ellos. Imagnese que el Hall es ms difcil de entender si
concursante tiene oportunidad de
repetir el juego 900 veces, es de-
cir, imagnese 900 rplicas del con-
curso, cada una con el premio en
un cofre tomado al azar. Cuando
el concursante elige por primera
vez uno de los tres cofres, es evi-
dente que aproximadamente un ter-
cio de las veces acertar y dos ter-
cios de las veces se equivocar.
Es decir, solamente en un tercio
de las rplicas, unas 300, el pre-
mio est en el cofre elegido por
el concursante. Monty descubre el
cofre vaco y quedan dos cofres nocida para el concursante, y en
cerrados. Recordemos que slo en
un tercio de las rplicas el premio
est en el cofre elegido inicial-
mente. En el resto de las rplicas,
el premio estar en el otro cofre.
Por tanto, si el concursante man-
tiene su decisin inicial, ganar un
tercio de las veces. Si cambia, ga-
los dos sobres parecen equivalen-
argumento se muestra en la figura,
en donde hemos supuesto 9 rpli-
cas del juego. En trminos de pro-
babilidad, podemos decir que la
probabilidad de ganar manteniendo
la decisin inicial es un tercio, y
la probabilidad de ganar al cam-
biar de cofre es de dos tercios.
Los dos cofres no son equivalen-
tes, como poda parecer a primera
vista. Uno de ellos ha sido tomado
al azar entre tres cofres en prin-
cipio iguales (con igual probabili-
dad de contener el premio). El otro
ha sido el superviviente de la ins-
peccin realizada por Monty.
El problema de Monty Hall nos
ensea dos cosas interesantes acerca
de la probabilidad y el azar. La
primera es que, al introducir in-
formacin en un sistema, cambian
las probabilidades de los distintos
sucesos que pueden ocurrir en di-
cho sistema. La segunda es ms
metodolgica: el problema de Monty
no se introducen las rplicas, es
decir, si se piensa en un nico
concurso.
Veamos ahora la paradoja de los
dos sobres, que tiene una formu-
lacin anloga al juego de Monty
Hall, pero que da lugar a una si-
tuacin bastante ms sorprendente
y cuya solucin requiere adentrarse
en conceptos ms sutiles de la teo-
ra de la probabilidad.
Ahora el presentador toma dos
sobres e introduce en uno de ellos
una cantidad de dinero x, desco-
el otro el doble de dicha cantidad,
2x. El concursante elige uno de
los dos sobre y lo abre. Supongamos
que encuentra 1000 euros. El pre-
sentador entonces le ofrece al con-
cursante la posibilidad de cambiar
su eleccin original. Cul es la
estrategia a seguir? En principio,
tes y, por tanto, nadie creera que
cambiar de sobre pueda suponer
alguna ventaja. Sin embargo, en el
sobre cerrado puede haber 2000
euros o 500 euros. Como no sa-
bemos nada de las cantidades in-
troducidas en los sobres, cada una
de estas posibilidades se dar con
una probabilidad 1/2. Por consi-
guiente, en el sobre cerrado habr,
en media, una cantidad 2000/2 +
500/2, es decir, 1250 euros. Si nos
quedamos con el sobre abierto ga-
namos 1000 euros, pero si cam-
Y CIENCIA, enero, 2002
 PRIMERA
ELECCION

2/3

1/3

COFRE ABIERTO
POR MONTY

EL JUEGO DE MONTY HALL repetido nueve veces. En tres de ellas

el concursante ha elegido el cofre premiado en su primera opcin;
en seis, el concursante elige un cofre sin premio. Despus de que
Monty abre uno de los cofres no elegidos (los rodeados por la l-
nea azul), los dos restantes no son equivalentes: el elegido en pri-
mer lugar contiene el premio slo un tercio de las veces, mientras
que el que ha sobrevivido a la inspeccin de Monty contiene el pre-
mio dos tercios de las veces

biamos ganamos, en media, 1250 aplicar de nuevo el argumento, que

euros. La mejor estrategia ser,
pues, cambiar.
Pero este argumento conduce a
una extraa paradoja. El argumento
no depende de la cantidad hallada
en el primer sobre (supongamos
que en l hemos encontrado x eu-
ros; en el sobre cerrado habr, en
media, 2x/2 + (x/2)/2 = 5x/4, que
es mayor que x). Es decir, inde-
pendientemente de lo que encon-
tremos en el primer sobre, si cam-
biamos aumentaremos la ganancia
media. Para que abrir el primer
sobre entonces? Antes de abrirlo
ya sabemos que es mejor cambiar.
Pero esta conclusin es completa-
mente absurda, porque podemos
nos aconseja cambiar otra vez de
sobre. Actuaramos as como el
asno de Buridn, alternando inde-
finidamente nuestras preferencias
entre uno y otro sobre. La dife-
rencia con el asno es que el ar-
gumento probabilstico que hemos
descrito nos estara diciendo que,
cada vez que cambiamos nuestra
preferencia de uno a otro sobre,
sin necesidad de abrirlos, estamos
aumentando la ganancia media. Hay
que ser ms necio que el asno para
creerse semejante cosa.
Es evidente que en el argumento
expuesto acerca del contenido del
sobre cerrado hay una falacia. Sabr
el lector encontrarla?

INVESTIGACIN Y CIENCIA, enero, 2002 3

 JUEGOS
La paradoja de los dos sobres
E
l mes pasado abordbamos,
junto con otros problemas de
probabilidad, la paradoja de
los dos sobres. El presentador de
un concurso ensea dos sobres a un
concursante. En uno de ellos ha in-
troducido cierta cantidad de dinero
y en el otro el doble de dicha can-
tidad. El concursante elige uno de
los dos sobres, lo abre y comprueba
que hay 100 euros. El presentador
le ofrece ahora la posibilidad de
cambiar de sobre. Cul es la me-
jor estrategia para el concursante?
Un argumento muy simple nos
indica que el concursante debe cam-
biar de sobre. En efecto, en el so-
bre cerrado puede haber o bien
200 euros o bien 50. Si cada una
de estas posibilidades es igual de
probable, entonces el valor medio
del dinero contenido en el sobre
cerrado es (200 + 50)/2 = 125, que
es superior a 100 euros. El argu-
mento es vlido cualquiera que sea
la cantidad encontrada en el pri-
mer sobre. Si esa cantidad es x,
en el segundo sobre puede haber
2x o x/2; si ambas posibilidades se
dan con la misma probabilidad, el
valor medio del dinero contenido
en el segundo sobre ser (2x +
+ x/2)/2 = 5x/4, que es mayor que x.
Por tanto, cambiar de sobre es siem-
pre ventajoso. Resulta innecesario
entonces mirar el contenido del pri-
mer sobre, ya que la decisin correc-
ta es siempre cambiar. Pero esta
conclusin es absurda, puesto que
el mismo argumento se podra apli-
car una y otra vez, sin abrir los
sobres, y nos aconsejara cambiar
de uno a otro, con la disparatada
pretensin de aumentar el valor
medio de nuestra posible ganancia
cada vez que cambiamos de sobre.
Dnde reside el error del argu-
mento expuesto? El error consiste
en suponer que las dos posibles
cantidades para el segundo sobre,
200 o 50 euros, se dan con la mis-
ma probabilidad. En principio pa-
rece una suposicin razonable, puesto
que lo nico que sabemos es que
2 INVESTIGACIN
MATEMTICOS
Juan M. R. Parrondo
en uno de los sobres hay el doble
de dinero que en el otro, pero no
sabemos nada acerca de cmo se
ha elegido la cantidad encerrada en
cada uno de ellos.
Si, por ejemplo, sabemos que en
el concurso no se van a utilizar
cntimos de euro y obtenemos 99 P
en el primer sobre, podemos infe-
rir inmediatamente que en el se-
gundo sobre habr 198 P, ya que
no puede contener 49,5 P. Cuando
no conocemos cmo se han ele-
gido las cantidades depositadas en
los sobres, nada puede indicarnos
si una de las dos posibilidades es
ms probable que la otra, de modo
que lo ms sensato es considerar
que cada una tiene una probabili-
dad 1/2 de ocurrir. Sin embargo,
se puede demostrar que la suposi-
cin es incorrecta, cualquiera que
sea el procedimiento seguido para
elegir las cantidades depositadas en
los sobres. Vamos a ver primero
un ejemplo que nos ayudar a en-
tender el problema.
Imaginemos que las cantidades
depositadas en los sobres se eligen
de la siguiente forma: se toma al
azar una cantidad entera (sin de-
cimales) de euros entre 0 y 1000 P.
Se introduce en un sobre dicha
cantidad y en el otro el doble. Su-
pongamos que el concursante co-
noce el procedimiento descrito. Si
en el primer sobre encuentra una
cantidad superior a 1000 P, es evi-
dente que no debe cambiar de so-
bre. Si encuentra una cantidad x
igual o inferior a 1000 P y par,
entonces en el otro sobre puede ha-
ber o bien 2x o bien x/2; ambas
posibilidades se dan con probabi-
lidad 1/2. Se trata en este caso de
una situacin similar a la descrita
al principio del artculo y la con-
clusin es la misma: el concursante
debe cambiar de sobre.
Finalmente, si encuentra una can-
tidad inferior a 1000 P e impar, en
el segundo sobre tiene que haber el
doble de dicha cantidad; por tanto,
lo ms conveniente ser cambiar.
Resumiendo: si el concursante en-
cuentra en el primer sobre una can-
tidad superior a 1000 P, entonces
no debe cambiar, mientras que si
encuentra una cantidad igual o in-
ferior a 1000 P, deber cambiar de
sobre. Como vemos, en el segundo
sobre puede haber 2x o x/2, pero
las dos posibilidades tienen la misma
probabilidad slo en el caso en que
x sea igual o inferior a 1000 P y
par. Si x es impar, entonces la po-
sibilidad 2x tiene probabilidad 1 y
la posibilidad x/2 tiene probabili-
dad nula. Por ltimo, si x es ma-
yor que 1000 P (y necesariamente
par), entonces la posibilidad x/2 se
da con probabilidad 1 y la posibi-
lidad 2x no se da nunca.
Puede haber un procedimiento
de eleccin de las cantidades en el
que, para cualquier x, las dos po-
sibilidades, 2x y x/2, se den con
probabilidad 1/2? En un procedi-
miento de este tipo el 100 tendra
que ser igual de probable que el
50 y el 200, y, a su vez, igual de
probable que el 25 y el 400, y as
sucesivamente. En otras palabras,
todos los nmeros de la secuencia
infinita: ..., x/8, x/4, x/2, x, 2x, 4x,
8x,... tendran que aparecer con la
misma probabilidad. Pero no existe
un procedimiento capaz de extraer
nmeros de una secuencia infinita
con igual probabilidad. Por eso, el
argumento que dbamos al princi-
pio del artculo es incorrecto no
slo para ciertos procedimientos de
eleccin de las cantidades, sino para
cualquier procedimiento imaginable.
Pero, qu ocurre cuando el con-
cursante desconoce por completo
el procedimiento seguido para ele-
gir las cantidades de los sobres?
No hemos de suponer que las dos
posibilidades, 2x y x/2, son igual-
mente probables? Por qu habra
de ser ms probable una que otra?
Lo que sabemos es que la proba-
bilidad de cada una de esas posi-
bilidades depende de la cantidad
encontrada en el primer sobre, aun-
que el concursante no puede cal-
Y CIENCIA, febrero, 2002
cular dicha probabilidad. No al me-
nos en el primer intento.
Si el juego se repite varias ve-
ces, el concursante puede utilizar
las cantidades que salen en cada
turno y estimar la probabilidad con
la que aparecen, es decir, tratar de
deducir el procedimiento seguido
para elegir dichas cantidades. Al
incorporar la informacin de los
turnos jugados, el concursante puede
elaborar un criterio de decisin si-
milar al que hemos obtenido en el
ejemplo anterior. Sin embargo, en
su primer turno de juego, los dos
sobres son equivalentes.
Otra objecin a nuestra crtica del
argumento inicial podra ser la si-
guiente: es realmente necesario un
procedimiento para obtener las can-
tidades de cada sobre? No se puede
elegir en cada turno un procedi-
miento distinto? Esta objecin est
relacionada con cuestiones bsicas
de la teora de la probabilidad. Lo
que hemos llamado hasta ahora pro-
cedimiento no es ms que una
cierta distribucin de probabilidad
para la cantidad depositada en uno
de los dos sobres (la cantidad de-
positada en el otro sobre es sim-
plemente el doble de la primera).
Que exista un procedimiento
es lo mismo que decir que existe
tal distribucin de probabilidad.
Esto equivale a que, si se repite
el juego un gran nmero de ve-
ces, la frecuencia con la que apa-
recen las distintas cantidades po-
sibles tiende a un cierto nmero
al que llamamos probabilidad. As
ocurre, por ejemplo, cuando se
lanza un dado no trucado un gran
nmero de veces, pongamos 6000:
cada uno de los seis nmeros sale
unas 1000 veces, aproximadamente,
es decir, un sexto de las tiradas;
cuantas ms veces se lanza el dado,
ms se aproximan las frecuencias
a este valor ideal o probabili-
dad, que es igual a un sexto. En
nuestro caso, aunque eligiramos
al azar en cada turno el procedi-
miento por el cual se deciden las
cantidades de los sobres, estos pro-
cedimientos al azar daran lugar a
una cierta distribucin de proba-
bilidad, es decir, podran conside-
rarse como un nico procedimiento.
Veamos, por ltimo, una intere-
sante modificacin de la paradoja.
En lugar de introducir en uno de
INVESTIGACIN Y CIENCIA, febrero, 2002
En el sobre abierto por el
concursante hay 100 P. Qu canti-
dad se esconde en el otro sobre?
los sobres el doble de dinero que
en el otro, podemos utilizar otro
tipo de operacin matemtica. Por
ejemplo, en uno de los sobres de-
positamos una cantidad entera x de
euros elegida al azar entre 0 y 1000 P
y en el otro sobre introducimos una
cantidad f(x) definida de la siguiente
forma: si x es menor o igual que
500 P, f(x) = 2x; si x es mayor que
500 P, f(x) = 2x 1001 P.
El lector puede comprobar que
la transformacin que hemos defi-
nido asigna a cada entero entre 0
y 1000 uno y slo un entero en-
tre 0 y 1000. Decimos entonces
que se trata de una transformacin
biyectiva, como tambin lo es la
transformacin inversa f 1(x).
Gracias a ello, en este caso las dos
posibilidades que surgen despus
de abrir el sobre elegido, es decir,
que en el segundo sobre tengamos
f(x) o f 1(x), s son igualmente
probables. Sin embargo, la deci-
sin de cambiar o no de sobre
vuelve a depender de la cantidad
encontrada en el primer sobre.
Supongamos que encontramos 125 P.
Entonces, en el segundo sobre puede
haber 250 P, que es el resultado de
aplicar la transformacin f(x) a 125,
o 563 P, resultado, a su vez, de
aplicar la transformacin inversa
f 1(x) a 125 (o, equivalentemente,
125 es el resultado de aplicar la
transformacin f(x) a 563). Por tanto,
en este caso, lo mejor es cambiar
de sobre, ya que contiene una can-
tidad superior a la encontrada en
el primer sobre.
Si la cantidad hallada en el pri-
mer sobre es 100 P, en el segundo
puede haber 200 P o 50 P; esta vez
ambas posibilidades se dan con
probabilidad 1/2.
Nos encontramos de nuevo con
la situacin descrita en el argu-
mento original de la paradoja. El
valor medio del contenido del se-
gundo sobre es 125 P, superior al
contenido del primer sobre. Por
ello, lo ms sensato es cambiar.
El lector puede comprobar que, si
la cantidad hallada en el primer
sobre es mayor que 500 P, enton-
ces cambiar es una mala estrate-
gia, a pesar de que en ciertos ca-
sos hay una cierta probabilidad de
aumentar las ganancias. Por ejem-
plo, si en el primer sobre hay
625 P, en el segundo puede haber
249 P con probabilidad 1/2 o 813 P
con la misma probabilidad. Sin em-
bargo, el valor medio es 531 P,
que es inferior a los 625 P que te-
nemos asegurados.
Para cualquier modificacin del
juego original, podemos obtener un
criterio que nos diga si es mejor
cambiar o no de sobre. Dicho cri-
terio siempre depender de la can-
tidad encontrada en el primer so-
bre. De no ser as, tendramos de
nuevo la paradoja: se nos estara
diciendo que uno de los dos so-
bres es mejor que el otro, sin
necesidad de abrir ninguno de ellos,
lo cual es evidentemente absurdo.
En cualquier caso, la paradoja
no deja de ser fascinante. Pese a
su formulacin simple, se requiere,
para su correcta comprensin, con-
siderar aspectos tan sutiles como
la existencia de distribuciones de
probabilidad sobre secuencias in-
finitas o incluso el propio signifi-
cado del concepto de probabilidad.
3
 JUEGOS
E
n un congreso de teora de
juegos o una charla sobre
la votacin para elegir la
capital de la Alemania reunificada
y cmo el resultado habra sido
distinto si se hubiera utilizado otro
mtodo de votacin. Ms tarde,
Ral Toral, de la Universidad de
las Islas Baleares, me envi un
captulo de un pequeo libro de
Hctor Antoana, La Danza de los
Nmeros, que trataba de la para-
doja de Condorcet. Contaba his-
torias curiosas sobre cmo el m-
todo de votacin puede influir en
el resultado. Algunas se referan a
asuntos de cierta relevancia, como
el caso de la capitalidad alemana,
pero pareca que no eran ms que
casos singulares, poco tiles para
reflexionar acerca de las limita-
ciones de la democracia.
Sin embargo, esta impresin ha
cambiado al indagar ms sobre el
tema. Polticos y organizaciones,
especialmente en Estados Unidos,
estn tratando de abrir el debate
sobre los procedimientos de vota-
cin en las elecciones al senado y
a los ayuntamientos, y defienden
determinados mtodos, como la lla-
mada votacin aprobatoria o el
mtodo Condorcet. Incluso ha ha-
bido proposiciones de ley al res-
pecto, debatidas pero no aproba-
das, en algunos estados.
De modo que lo que comenz
como un juego matemtico ha re-
sultado tener ms trascendencia de
lo que pareca inicialmente. Veamos
cul es la matemtica que hay
detrs de una simple votacin.
Supongamos que una clase con
49 alumnos debe elegir a su de-
legado o representante. Hay tres
candidatos, Ins, Diego y Carolina.
Cada estudiante tiene sus propias
predilecciones. Una suposicin b-
sica, y bastante razonable, de la
teora matemtica de la votacin
afirma que si un estudiante pre-
fiere a Ins antes que a Diego, y
a Diego antes que a Carolina, en-
2 INVESTIGACIN
MATEMTICOS
Juan M. R. Parrondo
Paradojas democrticas
tonces preferir a Ins antes que
a Carolina. Esta propiedad se llama
transitividad y permite asociar a
cada estudiante un orden de pre-
ferencia. En nuestro ejemplo, di-
cho orden sera Ins, Diego,
Carolina. Lo indicaremos con la
notacin I > D > C. Supongamos que
en nuestra clase 21 alumnos tie-
nen como orden de preferencia I>
> C > D, 3 alumnos tienen el orden
C > I > D, 4 alumnos el C > D > I, 16
alumnos el D > C > I y, finalmente,
5 alumnos tienen el orden D > I > C
(obsrvese que, en este ejemplo
concreto, ningn alumno tiene el
orden I > D > C). Estas preferencias
estn representadas en la figura.
Si se elige al delegado por me-
dio de una votacin nica, y si
cada alumno vota a su candidato
preferido, Ins obtendr 21 votos,
Diego otros 21 (16 + 5) y Carolina
slo 7 votos (4 + 3). Para romper
el empate entre Ins y Diego po-
demos hacer una nueva votacin.
Si todos los alumnos votan al can-
didato que prefieren entre los dos
que quedan en esta segunda vuelta,
entonces Diego ganar con 25 vo-
tos (4 + 16 + 5) frente a 24 (21 + 3)
de Ins.
Sin embargo, cuando van a nom-
brar a Diego delegado de la clase,
un seguidor de Carolina pide que
levanten la mano los alumnos que
prefieren a Carolina antes que a
Diego. Para sorpresa de todos,
28 (21 + 3 + 4) alzan con decisin
su mano, frente a slo 21 (16 + 5)
que prefieren a Diego. Cuando en
la clase comienza extenderse la
idea de que es absurdo tener como
delegado a Diego cuando slo una
minora lo prefiere a Carolina, y
se est a punto de nombrar a sta
delegada de la clase, un seguidor
de Ins pregunta de nuevo: Quin varios mtodos posibles de elec-
prefiere a Ins antes que a Carolina?
Se cuentan las manos levantadas
y resulta que 26 (21 + 5) alumnos
prefieren a Ins, frente a 23 (3 + 4 +
+ 16) que se quedaran con Carolina.
La confusin se apodera de los
alumnos.
Nuestra desorientada clase ha sido
vctima de la llamada paradoja de
Condorcet, en honor de Antoine de
Caritat Condorcet, que estudi el
problema a finales del siglo XVIII
con la intencin de encontrar el ta-
mao ptimo de los jurados que
instaurara la revolucin francesa.
La paradoja advierte, en pocas pa-
labras, que la transitividad de las
preferencias de cada individuo no
tiene por qu dar lugar a transiti-
vidad en las preferencias de un co-
lectivo. En efecto, que una mayora
de la clase prefiera a Ins antes
que a Carolina y a Carolina antes
que a Diego no conduce necesa-
riamente a que Ins sea preferida
mayoritariamente sobre Diego. Se
puede formar as un ciclo en las
preferencias colectivas, como en el
caso de nuestro ejemplo.
La paradoja de Condorcet no se
produce siempre. Por ejemplo, si
en nuestra clase eliminamos a los
cinco votantes cuyas preferencias
son D > I > C, entonces las vota-
ciones cara a cara tendran los
siguientes resultados: Carolina ob-
tendra 28 votos (21 + 3 + 4) frente
a 16 de Diego. Ins, con 24 vo-
tos (21 + 3), tambin vencera a
Diego con 20 (4 + 16). Y, final-
mente, Carolina derrotara a Ins
con 23 votos (3 + 4 + 16) frente a
21. En este caso Carolina es pre-
ferida a los otros dos candidatos.
Decimos entonces que Carolina es
una ganadora Condorcet. La exis-
tencia de la paradoja de Condorcet
es equivalente a que no exista
ningn ganador Condorcet.
El sistema de enfrentar los can-
didatos por pares y quedarse con
el ganador Condorcet es uno de los
cin de un candidato. Como he-
mos visto, de vez en cuando falla,
puesto que ninguno de los candi-
datos es capaz de derrotar al resto.
Cuando esto ocurre, el mtodo de
Y CIENCIA, marzo, 2002
votacin de Condorcet se La eleccin del mtodo
complementa con una re- de votacin no es, por tanto,
25
gla simple. De los distin- sencilla; se debe hacer uti-
tos enfrentamientos por pa- lizando argumentos que van
20
res se elimina el ms reido, ms all de las matemticas.
es decir, aqul en el que 21 Por ejemplo, existen orga-
15
la diferencia entre el ga- nizaciones polticas que de-
nador y el perdedor es m- 16 fienden la implantacin de
10
nima. Si eliminando este la votacin aprobatoria des-
enfrentamiento aparece un tacando las ventajas de este
5
ganador Condorcet, ste es 5 mtodo: con l, el llamado
3 4
el candidato elegido. Si no, voto til o voto estratgico
0
se siguen eliminando en- I>C>D C>I>D C>D>I D>C>I D>I>C carece de sentido, puesto
frentamientos hasta que uno Nmero de votantes de cada orden de preferencia que el votante puede apro-
de los candidatos no es de- bar a tantos candidatos cuan-
rrotado en ninguno de los tos desee. Por otro lado,
enfrentamientos que quedan. Veamos nombre de cada candidato (sin im- las campaas electorales seran me-
cmo se aplica este mtodo de eli- portar el orden en que aparece en nos agresivas y los candidatos se
minacin a nuestro ejemplo. Los cada papeleta) y gana el que ha preocuparan ms de defender sus
tres enfrentamientos entre nuestros sido aprobado por ms votantes. programas en lugar de atacar los
candidatos son: Para encontrar el candidato que de los contrincantes. De hecho, la
D > I: Diego gana a Ins por una elegira nuestra clase con este m- votacin aprobatoria se usa en va-
diferencia de 1 voto. todo es necesario hacer algunas su- rias sociedades cientficas para ele-
I > C: Ins gana a Carolina por una posiciones adicionales. Imaginemos gir a los miembros de su junta di-
diferencia de 3 votos. que todos los votantes aprueban a rectiva. Existen multitud de pginas
C > D: Carolina gana a Diego por los dos primeros candidatos de su en Internet explicando y defen-
una diferencia de 7 votos. orden particular. En ese caso Ins diendo diferentes mtodos de vo-
Al eliminar el enfrentamiento ms sera aprobada por 21 + 3 + 5 = 29 tacin. Un sitio interesante es elec-
reido, D > I, Ins resulta ser la votantes, Carolina por 21 + 3 + 4 + tionmethods.org, que se decanta por
ganadora Condorcet, porque nunca + 16 = 44, y Diego por 4 + 16 + 5 = el mtodo de Condorcet.
es derrotada en los dos enfrenta- = 25. Carolina, por tanto, sera la La teora matemtica de las vo-
mientos que quedan. Es decir, el ganadora. taciones es mucho ms amplia de
mtodo de Condorcet da a Ins Si dependiendo del mtodo de lo que hemos comentado aqu.
como ganadora. Sin embargo, en votacin puede salir elegido cual- Estudia las votaciones realizadas
una votacin simple entre los tres quiera de los tres candidatos, cul por fases, as como la importan-
candidatos, con su correspondiente es entonces el ms justo? Las ma- cia en ellas de los votos estrat-
segunda vuelta de desempate, Diego temticas no pueden dar una res- gicos, es decir, aquellos en los que
es el candidato elegido. puesta ntida a esta pregunta. De el votante no vota de acuerdo con
Existen otros mtodos de vota- hecho, lo que las matemticas han su orden de preferencia en alguna
cin que a priori parecen igual de demostrado es que no existe ningn de las fases con el objetivo de que
razonables. El llamado recuento de mtodo de votacin perfecto. Este su candidato preferido salga final-
Borda consiste en que cada vo- resultado se conoce como teorema mente elegido. Analiza tambin la
tante punta a los candidatos de de Arrow. Keneth J. Arrow, profe- posibilidad de crear coaliciones de
acuerdo con su preferencia: con 2 sor de Stanford y premio Nobel de votantes en votaciones ponderadas,
puntos al primero, 1 punto al se- Economa, estableci una serie de adems de otras situaciones inte-
gundo y 0 puntos al tercero. Si condiciones muy bsicas que cual- resantes.
utilizamos este mtodo en nuestra quier mtodo de votacin debera Como hemos visto, el problema
clase, Ins obtiene 21 2 + 3 + 5 = satisfacer, para luego demostrar que de extraer una decisin colectiva
= 50 puntos. La puntuacin de Ca- dichas condiciones son incompati- a partir de las preferencias de los
rolina es 21 + 3 2 + 4 2 + 16 = bles, es decir, que no existe nin- individuos que forman un grupo
= 51 puntos y la de Diego 4 + 16 gn mtodo que las cumpla en su no es tan simple como puede pa-
2 + 5 2 = 46 puntos. Por tanto, totalidad. Como deca, las condi- recer en un principio. Admite dis-
con el mtodo de votacin de Borda ciones son muy bsicas. Una de tintas soluciones que dan lugar a
la ganadora es Carolina. ellas, por ejemplo, exige que al eli- diferentes resultados; no es fcil
Otra posibilidad es la votacin minar un candidato de una vota- decidir cul de ellas es la ms justa
aprobatoria, en la que cada votan- cin el resultado no vare, a no ser o la que mejor representa la opi-
te escribe en la papeleta el nom- que el candidato eliminado sea el nin del grupo. En adelante, cuando
bre de todos los candidatos que ganador. Esta regla tan simple no nos digan aquello de que la de-
no le desagradan, es decir, los can- se cumple en el mtodo de Condorcet. mocracia es el menos malo de los
didatos que aprueba y que desea- Sin embargo, los otros mtodos sistemas polticos, podremos re-
ra que fueran elegidos. Se cuenta tambin violan condiciones igual plicar: De acuerdo, pero, qu de-
el nmero de veces que aparece el de razonables. mocracia?.

INVESTIGACIN Y CIENCIA, marzo, 2002 3

 JUEGOS MATEMTICOS
Juan M. R. Parrondo

Ventajas engaosas

Q u dira usted si en un
juego de azar le ofrecie-
ran aumentar las proba-
bilidades de ganar en cada turno?
1
2
3
4
67
66
65
64
cer turno esa ganancia se can-
cela y, finalmente, en el cuarto
volvemos a ganar un euro.
Si la moneda no est trucada,
6 62
Probablemente pensara que su 7 61
es decir, si p es 1/2, el jugador
oponente haba perdido el juicio. 8 60 no tiene ninguna ventaja ni des-
Sin embargo, en ocasiones, lo que 16 15 14 13 11 10 9 59 58 57 55 54 53 52
ventaja: el juego es justo y no
en principio parece ventajoso puede hay una mayor tendencia a ga-
ser incluso desfavorable. Recor- nar o a perder. Pero qu ocu-
demos, por ejemplo, las reglas 18 19 20 21 23 24 25 43 44 45 47 48 49 50 rre si modificamos p? Qu es
26 42
del juego del parchs. Sacar un 27 41 ms beneficioso para el jugador,
seis en el dado es muy venta- 28 40 que p aumente o que disminuya?
joso, puesto que avanzamos el 30 38
Un modo de encontrar la res-
mayor nmero de casillas y adems 31 37 puesta es realizar una simulacin
repetimos tirada. Existe, eso s, 32 36 por ordenador del juego para dis-
33 35
una regla, que podramos llamar tintos valores de la probabilidad
de compensacin, segn la cual 1. En el parchs tres seises nos de- p. Pero tambin es posible en-
si se saca seis tres veces conse- vuelven a casa. Merece la pena ju- contrar la solucin mediante un
cutivas la ltima ficha movida gar con un dado trucado en el que el argumento matemtico. Para ello
vuelve a casa. Si alguien nos seis sale con mayor probabilidad? se requieren algunos conocimientos
ofrece jugar al parchs con un bsicos de matemticas y un poco
dado trucado, en el que el seis tiene una probabili- de reflexin. En el recuadro se describe este argu-
dad de salir mayor de lo habitual, deberamos acep- mento para los lectores interesados. El resultado fi-
tar la oferta, o ser preferible jugar con un dado nor- nal se puede ver en la grfica, en la que se mues-
mal? Responder a esta pregunta es bastante complicado. tra la ganancia media en cada turno en funcin de
Ms adelante haremos un anlisis parcial del pro- p. Como cabra esperar, el juego es justo si p = 1/2.
blema. Veamos antes un juego ms simple en el que Lo interesante es que, para p entre 0 y 1/2, la ga-
aumentar las probabilidades de ganar en cada turno nancia media es positiva, es decir, el juego es ga-
da lugar a una disminucin de las ganancias. nador, mientras que para p entre 1/2 y 1 es perde-
Christian van den Broeck y Bart Cleuren, fsicos dor. Es decir, si comenzamos con el juego justo,
del Centro Universitario de Limburg, en Blgica, es- p = 1/2, y aumentamos la probabilidad p de ganar en
tudian juegos de este tipo y sistemas fsicos y qu- cada turno, convertimos al juego en perdedor, mien-
micos relacionados con ellos, como un conjunto de tras que si disminuimos la probabilidad de ganar en
partculas que, al ser empujadas en un sentido, se cada turno, hacemos que el juego sea ganador. Tenemos
mueven en el contrario. Ellos las llaman donkey par- por tanto un claro ejemplo de juego burro, en el
ticles, es decir, partculas burro, aludiendo a la cos- que aumentar p es una ventaja engaosa.
tumbre que estos tozudos animales tienen de moverse Volvamos a la pregunta de partida acerca de las
siempre en contra de la fuerza que se ejerce sobre ventajas de un dado trucado en el parchs. Hacer un
ellos. Por extensin, los juegos en los que las ga- anlisis completo del juego es muy complicado, ya
nancias disminuyen cuando se aumentan las proba- que habra que tener en cuenta la probabilidad de
bilidades de ganar en cada turno se llaman donkey obtener un 5 para sacar fichas de casa, y detalles de
games o juegos burro. este tipo. Para encontrar una respuesta al menos apro-
Veamos el ms simple de esos juegos burro, es- ximada he simplificado bastante el problema. Considero
trechamente relacionado con la regla del parchs que un juego parecido al de Van den Broeck y Cleuren:
hemos mencionado antes. Se juega con una moneda se lanza un dado en el que la probabilidad de que
en la que sale CARA con probabilidad p y CRUZ salga un seis es p y la probabilidad de que salga
con probabilidad 1 p. Si al lanzar la moneda sale otro nmero, del uno al cinco, es (1 p)/5. Una fi-
CARA, entonces el jugador gana un euro. Si sale cha avanza tantas casillas como marque el dado.
CRUZ, lo pierde. Pero si sale el mismo resultado Cuando sale un seis tres veces seguidas la ficha re-
dos veces seguidas, se cancela la ganancia o prdida trocede 36 casillas (el nmero de casillas de casa
anterior. Por ejemplo, si obtenemos CRUZ-CARA- a meta en el parchs es 72, por eso la posicin
CARA-CARA la ganancia final ser cero, ya que pri- media de una ficha ser, aproximadamente, 36). Al
mero perdemos un euro, luego lo ganamos, en el ter- calcular el avance medio en una tirada resulta la

2 INVESTIGACIN Y CIENCIA, abril, 2002

 4 2. Avance medio en cada tirada con un dado trucado
(p es la probablidad de sacar un seis) en un parchs
simplificado
3
AVANCE MEDIO

y adems esta desventaja es mnima. Es esto una

2 coincidencia o la regla de volver a casa con tres
seises se dise precisamente para cancelar las po-
sibles ventajas o desventajas producidas por dados
imperfectos? Me temo que no, puesto que nuestro
1 anlisis es bastante simplificado y un estudio ms
cuidadoso probablemente dara lugar a una grfica
ms parecida a la curva roja que a la azul.
0 Existe un problema clsico relacionado con esta
0 0,2 0,4 0,6 cuestin: cmo puede jugarse con una moneda, de
p la que se sabe que est trucada pero no cul es la
probabilidad p de que salga CARA, de manera que
curva azul de la figura 2. Si, en lugar de penalizar el jugador pierda o gane en cada turno con una pro-
con 36 casillas los tres seises consecutivos, hacemos babilidad ? Recuerde que no conocemos p; por lo
que la ficha retroceda 16 casillas, el resultado ser tanto, la solucin debe consistir en un procedimiento
el que se muestra en la curva roja. La lnea verti- que nos d, sea cual sea el valor de p, dos posibles
cal verde indica p = 1/6, es decir, el caso de un dado resultados perfectamente equiprobables. La moneda
no trucado. Curiosamente, el mximo de la curva se puede lanzar varias veces por turno. La solucin
azul est muy cerca de este valor p = 1/6. Esto nos es muy simple y evidente, pero encontrarla no es
indica que cualquier desviacin con respecto al dado nada fcil y requiere una considerable dosis de ins-
no trucado presenta una desventaja para el jugador, piracin. La revelaremos en el prximo nmero.

El juego burro ms simple

upongamos que en el juego burro de la moneda anotamos en N 0 = pN1 + (1 p)N2 (2)
S una pizarra el resultado de las jugadas de cada turno de acuerdo
con las reglas siguientes: si la pizarra est vaca, escribimos el resul-
y el nmero de jugadores con la palabra CARA:
tado del lanzamiento de la moneda; si sale el mismo resultado que N 1 = pN0 + pN2 (3)
est apuntado en la pizarra, la borramos y la dejamos vaca; si sale un
Por otro lado, si conocemos N0, N1 y N2 podremos tambin saber
resultado distinto, la borramos y escribimos el que ha salido. Es decir,
cul es la ganancia neta de nuestro conjunto de jugadores. Por ejem-
en la pizarra anotamos los ltimos resultados que estn pendientes
plo, los N1 jugadores en cuyas pizarras est anotado el valor CARA
de consolidarse o de cancelarse. Las reglas establecen que el pago
pierden siempre un euro. Lo ganan los N2 jugadores con CRUZ en
que recibe el jugador en un turno depende de lo que resulte del lan-
sus pizarras. Finalmente, de los N0 jugadores con la pizarra vaca,
zamiento de la moneda y de lo que est anotado en la pizarra. La si-
pN0 ganan un euro y (1 p)N0 lo pierden. Por lo tanto, la ganancia
guiente tabla detalla todas las posibilidades. Hemos indicado tambin
neta en un turno es:
entre parntesis cmo queda la pizarra tras el turno:
G = pN0 (1 p)N0 N1 + N2 (4)
VALOR ANOTADO EN LA PIZARRA ANTES DE LANZAR Cuando se ha jugado un nmero considerable de turnos, ocurre
NINGUNO CARA CRUZ que N0, N1 y N2 alcanzan unos valores constantes, que tambin se lla-
man estacionarios. Son valores que tienen la peculiaridad siguiente:
RESULTADO CARA +1 (CARA) 1 (NINGUNO) +1 (CARA)
si se introducen en las ecuaciones (1), (2) y (3), los resultados de di-
DE LA TIRADA CRUZ 1 (CRUZ) 1 (CRUZ) +1 (NINGUNO) chas ecuaciones, es decir, N0, N1 y N2, coinciden exactamente con
N0, N1 y N2. Esta peculiaridad nos permite calcular estos valores es-
En los problemas de probabilidades siempre conviene imaginarse tacionarios y, introducindolos en la ecuacin (4), obtener la ganancia
muchos jugadores, cada uno de ellos jugando simultneamente pero neta. El lector interesado podr comprobar que la ganancia neta por
de modo independiente, y cada uno con su moneda y su pizarra. Si te- jugador resulta ser:
nemos N0 jugadores en cuya pizarra no hay nada, N1 jugadores con G p (1 p) (1 2p )
el valor CARA anotado en ella y N2 jugadores con el valor CRUZ, g= =
N0 + N 1 + N 2 (2 p) (1 + p )
qu valores tendrn anotados en el turno siguiente? De los N0 juga-
dores con la pizarra vaca, una fraccin p sacar CARA y una fraccin tal y como se representa en la grfica.
1 p sacar CRUZ en el siguiente turno (recordemos que p es la pro-
babilidad de que, al lanzar las monedas, el resultado sea CARA). En 0,05
ambos casos, estos jugadores anotarn el valor obtenido en su piza-
GANANCIA

rra correspondiente. A su vez, de los N1 jugadores con CARA en su pi-

MEDIA

zarra, una fraccin p sacar CARA en el siguiente turno, y en conse-

cuencia borrar lo escrito, mientras que una fraccin 1 p sacar
Ganancia media
CRUZ y anotar dicho resultado. Por tanto, en el turno siguiente el n- 0 en cada turno
mero de jugadores con la palabra CRUZ escrita en su pizarra ser:
0,2 0,4 0,6 0,8 del juego burro
(p es la probabi-
N 2 = (1 p)N0 + (1 p)N1 (1) lidad de que
Con un argumento idntico, se puede obtener el nmero de juga- 0,05
salga cara en la
dores con la pizarra vaca: p moneda trucada)
 JUEGOS MATEMTICOS
Juan M. R. Parrondo

Jugar con opciones y futuros

n la bolsa ya no slo precio pactado se llama pre-

E
10
se compran y venden cio de opcin y, a diferen-
acciones, es decir, par- cia de los futuros, el com-
ticipaciones en el capital de 5 prador debe pagar al vendedor
las empresas, sino que, desde GANANCIA una cierta cantidad, una prima
hace unas cuantas dcadas, que se pacta entre los dos
0
se intercambian adems pro- contratantes. En este caso,
ductos derivados, de los cua- en la fecha de vencimiento
les los ms conocidos son -5
el comprador no tiene obli-
probablemente los contratos gacin de comprar el sub-
de futuros y de opciones. Este yacente. Por lo tanto, si el
mes vamos a presentar un jue- -10 precio de mercado del sub-
go que reproduce este mer- 5 10 15 20 25 yacente es inferior al precio
cado. Se debe a David Epstein, VALOR DEL SUBYACENTE EN LA FECHA DE VENCIMIENTO de opcin, el comprador de
un alumno del conocido ex- la opcin no la ejecutar y
perto en anlisis financieros 1. Ganancia para el comprador de diferentes con- habr perdido la prima. Pero
tratos en funcin del valor del subyacente: en azul,
Paul Wilmott. Pero veamos si el precio del subyacente
un futuro a 15, en rojo una opcin de compra
antes en qu consisten esos (call) a 12 y con una prima de 4, y en verde una es mayor que el precio de
productos derivados. opcin de venta (put) a 16 con una prima de 2 opcin, entonces el com-
Un contrato de futuro es prador ejercer la opcin de
un acuerdo entre dos indi- compra y su ganancia en la
viduos por el cual uno de ellos (el comprador) se transaccin ser la diferencia entre el valor del sub-
compromete a comprar algo en una determinada fe- yacente y el precio de opcin. La ganancia total ser
cha futura al otro individuo (el vendedor) y a un entonces el valor del subyacente menos el precio de
precio pactado en el contrato, que se llama precio opcin menos la prima, tal y como se muestra en la
de futuro. Es decir, un contrato de futuro no es ms curva roja de figura 1 para un ejemplo de opcin a
que una venta aplazada, en la que el precio se es- 12 con una prima de 4.
tablece en el momento de realizar el contrato pero En la opcin de venta (put) ocurre al contrario. El
la venta no se completa hasta la fecha de venci- comprador de la opcin adquiere, a cambio de la
miento. Lo que se va a comprar o vender se llama prima, la opcin de vender el subyacente. La ga-
activo subyacente, y puede tratarse de acciones que nancia del comprador de la opcin es ahora mayor
cotizan en bolsa, divisas, oro o incluso naranjas. cuanto menor sea el precio del subyacente, como in-
Siempre se trata de cosas que tienen un precio en dica la curva verde de la figura 1, que representa la
algn mercado, ya sea en la bolsa, en el mercado de ganancia del comprador de una opcin de venta a
divisas o en el de ctricos, pero este precio sufre va- 16 con una prima de 2.
riaciones en principio impredecibles. El futuro es por Veamos ahora el juego de Epstein. Para jugar slo
tanto una apuesta: si en la fecha de vencimiento, el hace falta un dado normal, que marcar el precio del
precio del subyacente en el mercado es inferior al subyacente, y unas cuantas cuartillas y bolgrafos. En
precio de futuro, entonces el comprador pierde, por- la versin original, uno de los jugadores debe ejer-
que est obligado a comprar a un precio superior al cer el papel de organizador: decide cuntos turnos
del mercado. Si el precio del subyacente es alto y habr en el juego, la duracin de los mismos, el tipo
supera al precio de futuro, entonces el que gana es de contratos y el precio de las opciones. Acta tam-
el comprador. En la figura 1, la curva azul repre- bin como rbitro de las transacciones y como ani-
senta la ganancia del comprador de un futuro a 15 mador del mercado cuando ste presenta poca acti-
en funcin del precio del subyacente. La ganancia vidad. Si embargo, es tambin posible prescindir del
del vendedor es la misma cambiada de signo. organizador si los jugadores se ponen de acuerdo al
Los contratos de opciones pueden ser de dos tipos: principio de la partida acerca de todas estas cues-
opciones de compra (call) y opciones de venta (put). tiones. Un turno consiste en lanzar el dado y a con-
Una opcin de compra es un contrato por el cual un tinuacin realizar transacciones entre los jugadores
individuo (el comprador de la opcin) adquiere la op- durante el tiempo establecido. Cada jugador tiene una
cin de comprarle algo (el activo subyacente) a otro tabla en donde se anotan las transacciones realiza-
(el vendedor de la opcin) por un precio y en una das. Una vez que dos jugadores acuerdan una tran-
determinada fecha acordados en el contrato. Ahora el saccin, anotan en su tabla lo siguiente:

2 INVESTIGACIN Y CIENCIA, mayo, 2002

 ALICIA
Contrato: el tipo de contrato y el precio de op-
LIQUIDACION SALDO POR
cin o de futuro. CONTRATO ORDEN PRIMA
DEL CONTRATO CONTRATO
SALDO TOTAL

Orden: el nmero de contratos que se compran o PUT 12 COMPRAR 5 3 0 0 - 3 = -3 -3 5 = -15

venden. Uno de los jugadores necesariamente tiene FUTURO 14 COMPRAR 10 0 17 - 14 = 3 3-0=3 3 10 = 30

que comprar y el otro que vender cada uno de esos CALL 12 VENDER 10 2 17 - 12 = 5 2 - 5 = -3 -3 10 = -30

contratos. CALL 12 COMPRAR 10 3 17 - 12 = 5 5-3=2 2 10 = 20

Prima: es nula en el caso de futuros y es la acor- GANANCIA TOTAL 5

dada por los dos jugadores si se trata de opciones.

Estas anotaciones se hacen en las casillas azules BRUNO

de la figura 2. Si un jugador rellena una casilla con CONTRATO ORDEN PRIMA

LIQUIDACION
DEL CONTRATO
SALDO POR
CONTRATO
SALDO TOTAL

un acuerdo de compra, otro tiene que rellenar una PUT 12 VENDER 5 3 0 3-0=3 3 5 = 15
casilla con la orden de venta correspondiente. De FUTURO 14 VENDER 10 0 17 - 14 = 3 0 - 3 = -3 -3 10 = -30
este modo se realizan las transacciones. No hay l- CALL 12 COMPRAR 10 2 17 - 12 = 5 5-2=3 3 10 = 30
mite para el nmero de contratos y la nica forma CALL 12 VENDER 10 3 17 - 12 = 5 3 - 5 = -2 -2 10 = -20
de deshacerse de ellos es realizar una nueva ope- GANANCIA TOTAL -5

racin de venta, aunque probablemente con una prima

o precio de futuro diferente.
Las casillas rojas se rellenan al final del juego,
cuando se conoce la puntuacin total de todas las ti-
radas del dado, es decir, el valor del activo subya-
cente. Si llamamos S a ese valor, las anotaciones se
hacen de acuerdo con las siguientes reglas:
Liquidacin del contrato: En el caso de futuros es
la diferencia entre el subyacente y el precio de futuro;
en el caso de la opcin de compra, es la diferencia
entre S y el precio de opcin, si sta es positiva, y
cero si el precio de opcin es mayor que S; para opcio-
nes de venta es la diferencia entre el precio de op-
cin y S, siempre que esta diferencia sea positiva, y
es cero si S es mayor que el precio de opcin.
Saldo por contrato: Es lo que ganamos o perde-
mos en cada contrato, contando con la prima que abo-
namos al comprarlo o que cobramos al venderlo. Si
la orden es de compra, entonces el saldo es la dife-
rencia entre la liquidacin y la prima (y coincide para
cada contrato con las curvas de la figura 1). Si es
de venta, entonces es ese mismo nmero cambiado
de signo, es decir, la prima menos la liquidacin.
Saldo total: se obtiene multiplicando el saldo por
contrato por el nmero de contratos intercambiados.
Evidentemente, el ganador es el jugador que ob-
tiene una mayor ganancia total al terminar el juego.
Veamos una partida de cuatro turnos y dos juga-
dores, Alicia y Bruno, en la que se ha decidido al
comienzo que haya futuros y opciones de compra y
venta con un nico precio de opcin de 12. Recordemos
que en cada transaccin los dos contratantes tienen
que acordar el precio de futuro y, en el caso de op-
ciones, la prima. Las transacciones de cada jugador
estn anotadas en sus respectivas tablas, que se mues-
tran en la figura 2. En el primer turno sale un cinco
en el dado. Como quedan otras tres tiradas, el valor
esperado del subyacente al final de la partida es 5 +
+ 10,5 = 15,5 (el valor esperado de una tirada de dado
es 3,5). Bruno confa en que las puntuaciones poste-
riores del dado sean altas y decide ofrecer cinco op-
ciones de venta con una prima de 3 que Alicia acepta.
En el segundo turno sale un dos y ahora las previ-
siones para el subyacente cambian a la baja: el nuevo
valor esperado es 14. Para contrarrestar posibles pr-
didas si el valor del subyacente baja demasiado, Bruno
aprovecha la ocasin para ofrecer futuros a 14 y la
2. Ejemplo de un juego con cuatro turnos en donde
las tiradas han sido 5, 2, 4 y 6. El valor final
del subyacente es la suma, es decir, 17
transaccin se completa, junto con 10 opciones de
compra que Alicia vende con una prima de 2. Finalmente,
en el ltimo turno, despus de salir un cuatro en el
dado, Alicia consigue deshacerse de estas 10 op-
ciones de compra, pero esta vez, ya que la puntua-
cin del dado ha sido ligeramente superior a la me-
dia, tendr que pagar una prima mayor.
Un buen jugador ha de tener la habilidad de sa-
ber fijar la prima de las opciones. En realidad, es
posible calcular la liquidacin media de un contrato
de opcin y con ella conocer la prima ms justa. Un
programa de ordenador puede hacer esta tarea, cal-
culando las probabilidades de todas las posibles ti-
radas del dado. Por ejemplo, para una opcin de
venta a 12 cuando quedan dos tiradas y el subya-
cente vale en ese momento 7, el precio justo sera
de 2,28. Una posible variacin del juego es contar
con este programa y calcular con l las primas. Es
posible, incluso utilizando slo transacciones justas
disear estrategias que venzan al contrincante?
Los precios, primas y fechas de vencimiento de
los derivados de verdad se detallan en cualquier pe-
ridico. Pero tengan cuidado: en la vida real, calcu-
lar el precio de una opcin es bastante ms compli-
cado. Robert Merton y Myron Scholes ganaron el
Nobel de economa en 1997 por elaborar, junto con
el fallecido Fischer Black, una teora para el clculo
de la prima de los productos derivados, la ecuacin
de Black-Scholes. Esta ecuacin, junto con variantes
que han aparecido posteriormente y siguen apare-
ciendo, es utilizada por los analistas de los merca-
dos financieros. Pero tambin hay que recordar que
algunos de estos analistas, armados de todo este ba-
gaje terico, han conducido a grandes fondos de in-
versin a sonoras bancarrotas.
La solucin del problema planteado el mes pasado
es: el jugador lanza el dado al menos dos veces; si
saca CARA-CRUZ es CARA y si saca CRUZ-CARA
es CRUZ ambas opciones tienen la misma proba-
bilidad, p(1-p). Si saca CARA-CARA o CRUZ-
CRUZ, vuelve a empezar.

INVESTIGACIN Y CIENCIA, mayo, 2002 3

 JUEGOS MATEMTICOS
Juan M. R. Parrondo

Juegos equitativos con dados y monedas trucadas

n la seccin del pasado mes cada par de tiradas, obtenemos un cin de Claude Shannon, a la que

E de abril propuse a los lec- bit sin sesgar slo si el resultado es hemos dedicado ya algunos artcu-
tores el siguiente problema: cara-cruz o cruz-cara. La probabili- los (vanse los Juegos Matemticos
es posible disear un juego de dad de cada uno de estos resultados de agosto y septiembre de 2001).
azar equitativo utilizando una mo- es p(1 p) y la probabilidad de que De hecho, ms que una ley de con-
neda trucada, aun sin conocer las aparezca uno u otro es 2p(1 p). servacin de la incertidumbre, se
probabilidades de que salga cara o Por tanto, el nmero medio de bits trata de una ley de conservacin de
cruz al lanzarla? Von Neumann sin sesgo que obtendremos despus la informacin, ya que informacin
enunci este problema en 1957; le de 2N tiradas ser Nbits = N[2p(1 p)]. e incertidumbre son equivalentes
dio una solucin que ya era cono- Podemos definir la eficiencia, E, en la teora de Shannon.
cida popularmente y que me han he- del mtodo como el nmero de bits Aunque parezca una perogrullada,
cho llegar varios lectores. Lanzamos sin sesgar que conseguimos en me- una serie de, digamos, 1000 bits
dos veces la moneda: si sale cara- dia por cada lanzamiento de moneda, sin sesgo contiene exactamente 1000
cruz, entonces gana un jugador; si es decir: bits de informacin; una de 1000
sale cruz-cara, gana el otro; final- bits sesgados, en cambio, contendr
N
mente, si sale cara-cara o cruz-cruz E = bits =p(1 p ). menos. Un ejemplo lmite sera una
se repite el doble lanzamiento. Las 2N serie en donde todos los bits fue-
dos posibilidades cara-cruz y cruz- La curva azul de la figura 1 re- sen iguales a cero o a uno, cuyo
cara son evidentemente simtricas presenta esta eficiencia, que es muy contenido informativo es prctica-
y por tanto tienen la misma proba- baja cuando p se acerca a cero o a mente nulo. Shannon, encontr la
bilidad de ocurrir, se haya trucado uno. La razn es que, cuando la mo- siguiente frmula matemtica para
como se haya trucado la moneda. neda est tan cargada que apenas calcular la informacin contenida en
Von Neumann enunci el pro- sale cruz, ser muy difcil conse- una serie de N bits sesgados, en la
blema relacionndolo con la gene- guir bits que no estn sesgados: no que el uno aparece con probabili-
racin de bits sin sesgo. Recordemos se puede obtener incertidumbre a dad p y el cero con probabilidad
que un bit puede tomar slo dos partir de algo que es prcticamente 1 p:
valores, 0 y 1. Una moneda se puede determinista. Parece como si hubiera
considerar como un generador de una ley de conservacin de la in- I = N [ p log2 p + (1 p )log2 (1 p )].
bits si asociamos, por ejemplo, un certidumbre, parecida a la ley de
0 a cara y un 1 a cruz. Si la mo- la conservacin de la energa. De Segn esta frmula, la informa-
neda est trucada, es decir, si la pro- hecho, puede formularse esta ley cin es nula si p es cero o uno, es
babilidad de que salga cara es p, con precisin matemtica, y dicha decir, si en la serie no hay incerti-
siendo p distinto de 1/2, entonces formulacin constituye una de las dumbre alguna, mientras que es m-
los bits generados tendrn un cierto bases de la teora de la informa- xima si p es 1/2, caso en que la in-
sesgo: la fraccin de unos formacin es igual al tamao
en la serie generada por la 1 N de la serie.
moneda ser aproximada- Cmo se aplica la teora
mente igual a p si la lanza- 0,8 de la informacin al proble-
mos un nmero muy grande ma de la generacin de bits
de veces. El problema de con- sin sesgo con la moneda tru-
EFICIENCIA

0,6
seguir un juego equitativo a cada? Nuestra moneda ge-
partir de una moneda trucada nera una serie de bits con
0,4
es entonces equivalente al de un contenido informativo
conseguir bits sin sesgo a dado por la frmula de Shan-
partir de bits sesgados. 0,2 non. Por otro lado, una sim-
La solucin expuesta, aun- ple manipulacin de la serie
que correcta, es bastante ine- 0 no puede crear nueva infor-
ficiente. Supongamos que lan- 0 0,2 0,4 0,6 0,8 1 macin. Por tanto, con N ti-
zamos la moneda 2N veces PROBABILIDAD (p ) radas de la moneda podre-
(recordemos que el nmero 1. La eficiencia del mtodo de las parejas (en azul) mos obtener, como mximo,
de lanzamientos ha de ser par). y del mtodo de los grupos de cuatro (en rojo). En I bits aleatorios. Tenemos
Cuntos bits sin sesgo con- verde se puede ver la eficiencia mxima dada por por tanto un valor mximo
seguiremos, en media? De la teora de la informacin para la eficiencia:

2 INVESTIGACIN Y CIENCIA, junio, 2002

 I Tambin sobre da-
Emax = = [ p log2 p + (1 p )log2 (1 p )]. BITS BITS BITS BITS
N dos y monedas truca- SESGADOS SIN SESGAR SESGADOS SIN SESGAR
CCXX 1 CXCC 11
Este valor es un lmite superior das, formulaba en la XXCC 0 CCXC 10
que ningn mtodo, por eficiente seccin del mes de CXCX 11 CCCX 01
que sea, podra superar. Nuestro abril la siguiente pre- XCXC 00 CXXX 11
XCCX 01 XCXX 00
principio de conservacin se pa- gunta: es ventajoso ju- CXXC 10 XXCX 01
rece ms ahora a la segunda ley de gar al parchs con un XCCC 00 XXXC 10
la termodinmica que a la conser- dado trucado en el que
vacin de la energa: manipulando el seis tenga ms probabilidad de sa- niendo en cuenta las siguientes re-
de modo determinista una serie de lir que la habitual? La respuesta no glas: cuando sale un seis, adems
datos es imposible aumentar la can- es fcil, puesto que el seis en el de avanzar la ficha, el jugador vuelve
tidad de informacin que contiene. parchs tiene su parte de cal y su a tirar sin que se contabilice la nueva
En la figura 1 se puede ver el parte de arena: con l avanzamos el tirada; si sale un seis tres veces se-
valor mximo de la eficiencia en mayor nmero de casillas, pero si guidas, la ficha vuelve a casa; para
funcin de p. La eficiencia del m- sale tres veces consecutivas tenemos salir de casa es necesario sacar un
todo que hemos expuesto al princi- que devolver la ficha a casa. En aquel cinco; finalmente, hay que llegar a
pio del articulo est muy por de- artculo, daba una solucin bastante la meta con la puntuacin exacta, y
bajo de la mxima. Por eso decamos parcial, obtenida mediante un an- si la puntuacin es superior, enton-
antes que el mtodo es bastante lisis de un parchs muy simplificado. ces la ficha rebota.
ineficiente. Esto es ms evidente Raquel Alvarez, Csar Fernndez y Con estas reglas, han jugado un
en el caso en que p es 1/2. Nuestro Armando Relao, estudiantes de la milln de veces para cada valor de
mtodo rechaza la mitad de las ti- Universidad Complutense de Madrid, p y calculado el nmero medio de
radas y, de las que utiliza, obtiene me han enviado una solucin ms tiradas necesario para llegar a la
slo un bit por cada dos tiradas. completa. Han simulado un juego de meta. El resultado puede verse en
De modo que la eficiencia es 1/4. parchs casi real. En l hay slo la curva azul de la figura 2. He di-
Sin embargo, la moneda genera por un jugador que tiene que recorrer, bujado tambin en la misma figura
s sola bits sin sesgo, de ah el nmero medio de tiradas
que la eficiencia mxima sea 29,6 que se obtiene con la teora,
igual a uno. Claro que la prin- ms simple, que expuse en
100
cipal virtud del mtodo des- 29,3 el artculo de abril, en la
crito es que valga para cual- que una ficha avanza la pun-
C IO N

quier valor de p. Se puede 29 tuacin del dado y retrocede

NUMERO MEDIO DE TIRADAS

disear un mtodo que, 80 36 casillas cuando salen tres

U LA

siendo independiente de p, seises consecutivos. Las dos

S IM

28,7
alcance la eficiencia mxima? 0,1 0,15 0,2 curvas difieren bastante para
Un mtodo ms eficiente 60 valores altos de p, debido a
IA

una versin simplificada que en ese caso reglas como

OR

de una idea que me ha en- la del cinco para sacar ficha

TE

viado el profesor de la o la de llegada exacta a la

40
Universidad de Valencia meta cobran una mayor im-
Rafael Pla utiliza grupos portancia y no se tuvieron en
de cuatro tiradas y obtiene cuenta en el clculo terico
con ellos la mxima infor- 20 de abril.
macin posible. El mtodo 0 0,1 0,2 0,3 0,4 0,5 Lo curioso es que el m-
se resume en la tabla de la PROBABILIDAD (p ) nimo de ambas curvas est
derecha, en la que la cara 2. Nmero medio de tiradas para alcanzar la meta cerca de 1/6, es decir, del
de la moneda se representa en el parchs, en funcin de la probabilidad p de valor correspondiente a un
por una C y la cruz por una sacar un seis en el dado. En rojo, la teora dado no trucado, como se
X. Observe que algunos gru- descrita en el artculo de abril de 2001. En azul, la ve en la ampliacin de la gr-
pos codifican dos bits sin simulacin de Raquel Alvarez, Csar Fernndez y fica entre 0,1 y 0,2. Esto sig-
sesgo mientras que otros co- Armando Relao nifica que la regla de volver
difican slo uno. Los gru- a casa con tres seises prc-
pos en donde aparecen cuatro caras con una nica ficha, las 72 casillas ticamente neutraliza cualquier ven-
o cuatro cruces se desechan, como que separan la casa de la meta. La taja que pudiera surgir al cargar el
en el caso de la generacin de bits ficha avanza segn la puntuacin dado hacia el seis. Es como si, a lo
a partir de parejas. La eficiencia de un dado en el que el seis tiene largo de la historia del parchs, cu-
del mtodo est todava lejos de la una probabilidad de salir igual a p yos orgenes se remontan a la India,
mxima, como se puede ver en la y el resto de los nmeros tienen la regla hubiera surgido para lograr
figura 1, en donde se lo representa una probabilidad de salir igual a que el juego fuera equitativo incluso
mediante la curva roja. Para alcan- (1 p)/5. En la simulacin, se con- con dados trucados. Aunque esta
zarla, hara falta considerar grupos tabiliza el nmero total de tiradas afirmacin no es del todo cierta,
cada vez ms grandes. necesario para llegar a la meta, te- porque un dado en el que el cinco

INVESTIGACIN Y CIENCIA, junio, 2002 3

salga con una probabilidad alta s
es claramente ventajoso. Es proba-
ble que un parchs ms justo sera
aqul en el que la ficha saliera de
casa cuando se obtuviese un uno
en el dado.

4 INVESTIGACIN Y CIENCIA, junio, 2002


 JUEGOS
Caos, determinismo y voluntad
n el problema azar-determi-
E nismo parece no haber es-
pacio alguno para eso que
llamamos voluntad. Un suceso, o
bien est determinado por el pa-
sado o bien es aleatorio. Cmo
surge, entre estas dos posibilida-
des, la sensacin que experimenta-
mos ante un acto voluntario? Cuan-
do decidimos continuar leyendo este
artculo o dejar de hacerlo aqu, te-
nemos la ntima (y legtima) im-
presin de estar tomando una deci-
sin: el acto no est determinado
ni es aleatorio, sino que nace de
nuestra propia voluntad. Nos senti-
mos creadores de esa decisin, ca-
paces de cambiarla en el ltimo se-
gundo, lo cual parece incompatible
con el determinismo; y somos cons-
cientes en todo momento de ella,
de modo que tampoco puede ex-
plicarse como un suceso comple-
tamente aleatorio. Experimentamos
la voluntad como una especie de
generador insertado en la cadena
de la causalidad, cuya naturaleza
escapa a la dicotoma azar/deter-
minismo.
Para muchos cientficos y pensa-
dores, la teora del caos determi-
nista ha supuesto una tercera va,
en la que la voluntad puede tener
una mejor cabida. Sin abandonar el
determinismo, nos muestra que puede
haber una riqueza de comportamiento
suficiente como para albergar la sen-
sacin subjetiva de voluntad.
Una de las ideas clave de la teo-
ra del caos determinista es la llama-
da sensibilidad a las condiciones
iniciales, conocida ms popular-
mente como efecto mariposa. El
nombre proviene de la imagen que
utiliz el meteorlogo E. Lorenz
para explicar el comportamiento
catico del clima: el batir de las
alas de una mariposa en China pue-
de provocar un huracn en el Cari-
be. El efecto se puede observar en
un sistema determinista muy sen-
cillo. Supongamos que un hombre
camina a lo largo de una circunfe-
2 INVESTIGACIN
MATEMTICOS
Juan M. R. Parrondo
rencia que mide un kilmetro (va-
se la figura 1). Cada da camina,
en el sentido de las agujas del re-
loj, nueve veces la distancia que le
separa del punto O, tomada a lo
largo de la circunferencia. El com-
portamiento del hombre est as
completamente determinado por su
posicin inicial. Si x0 es la distan-
cia (en kilmetros) que le separa
O
x0
x1
9
x0
Un recorrido circular que genera
un comportamiento catico
del punto O inicialmente, despus
de caminar durante el primer da
se encontrar a una distancia:
x1 = Parte decimal de (10 x0)
Veamos por qu. En el primer
da, recorre 9x0. Como ya le sepa-
raba de O una distancia x0, su po-
sicin con respecto a O sera 10x0
si anduviera en lnea recta. Sin em-
bargo, hay que tener en cuenta que
se mueve sobre una circunferencia
de un kilmetro, de modo que da
una vuelta cada vez que recorre un
kilmetro. Para cancelar el efecto
de estas vueltas, se toma simple-
mente la parte decimal de 10x0.
En los das sucesivos, el com-
portamiento es el mismo, de modo
que, si xn es la distancia que separa
al hombre de O en la noche del da
n-simo, entonces:
xn+1 = Parte decimal de (10 xn)
Esta ecuacin es bastante ms sen-
cilla de lo que parece a simple vista.
Recordemos que multiplicar por 10
un nmero no es ms que correr su
coma decimal un lugar hacia la de-
recha. Por otra parte, tomar la parte
decimal de un nmero no es ms
que hacer cero su parte entera. Por
lo tanto, para obtener la posicin
en el da n + 1 lo nico que hay
que hacer es eliminar la primera
cifra decimal de la posicin en el
da n. Por ejemplo, si la posicin
inicial es 0,4539..., en la noche del
primer da ser 0,539..., en la del
segundo da 0,39..., y en la del ter-
cer da, 0,9... Cul es la posicin
en la noche del cuarto da? Para cal-
cularla, necesitaramos saber con
ms precisin la posicin inicial
de nuestro individuo. Como puede
verse, a lo largo de los das, el de-
sarrollo decimal de la posicin
inicial del individuo se va desple-
gando, de modo que cada vez ne-
cesitamos conocer cifras ms ale-
jadas del desarrollo decimal de x0.
Para calcular la posicin al cabo de
trece das necesitaramos conocer la
posicin inicial con una precisin
cercana al tamao de un tomo, que
es del orden de 1013 kilmetros.
Esto es evidentemente absurdo: la
misma nocin de posicin deja de
tener sentido con una precisin tan
grande, puesto que, aunque fijra-
mos un punto del individuo, su cen-
tro de masas, digamos, las fluc-
tuaciones seran mayores que la
precisin requerida. Sin embargo,
lo interesante de nuestro ejemplo no
estriba en si es posible o no reali-
zarlo fsicamente, sino en lo que
puede ilustrar acerca de la nueva vi-
sin del determinismo que ofrece
la teora del caos.
La sensibilidad a las condiciones
iniciales resulta evidente en nuestro
sistema: si dos hombres parten de
posiciones iniciales muy cercanas,
que difieren en una cantidad des-
Y CIENCIA, julio, 2002
conocida pero del orden de la
centsima de milmetro, al cabo
de ocho das la situacin de uno
no tendr nada que ver con la
del otro. El sistema amplifica
cualquier desviacin inicial, por
pequea que sea, si se espera
suficiente tiempo, al igual que
la dinmica catica de la atms-
fera es capaz de amplificar per-
turbaciones minsculas, como
el batir de las alas de una ma-
riposa.
Qu tiene que ver el efecto
mariposa con la voluntad y el
problema que exponamos al
comienzo del artculo? La res-
puesta es que un sistema ca-
tico puede desplegar a lo largo
del tiempo la informacin in-
finita contenida en su condi-
cin inicial. Para hacernos una idea
de lo que esto supone, vamos a re-
currir a lo que bien podra llamarse
la Biblioteca de Babel Multimedia.
La Biblioteca de Babel es un re-
lato de Borges que recoge una vieja
idea: la posibilidad de que exista
una biblioteca con todos los libros
de, pongamos, 300 pginas que pu-
dieran escribirse con las 28 letras
del alfabeto ms los espacios y sig-
nos de puntuacin. El nmero de
volmenes sera inmenso aunque fi-
nito. La biblioteca tendra pasillos
y estanteras de los cuales slo po-
dra recorrerse una nfima parte a
lo largo de toda una vida. Aunque
la biblioteca contendra todos los
libros escritos y por escribir, todos
los tratados filosficos y todas las
posibles novelas, la mayora de los
volmenes estaran repletos de p-
ginas sin sentido. Borges dibuja la
biblioteca como un recinto kafkiano,
que contiene grandes revelaciones
pero prcticamente inaccesibles.
Explorar la biblioteca es como ex-
plorar un universo que, como el
nuestro, contiene ms enigmas que
respuestas.
La Biblioteca de Babel Multimedia
es una versin modernizada, que
contiene todos los posibles DVD.
Es de nuevo un nmero inmenso y
finito. En ella estn todos los libros,
y todas las pelculas, todos los v-
deos y todas las piezas musicales
interpretadas de todas las formas po-
sibles, lo que hace de ello algo un
poco ms perturbador que la bi-
blioteca original de Borges. Se en-
INVESTIGACIN Y CIENCIA, julio, 2002
El infinito puede desplegar
todas las posibilidades
cuentra en ella el vdeo de su pri-
mera comunin, el vdeo en el que
usted est leyendo este artculo y
el vdeo en el que comenz a leer-
lo pero lo abandon en el primer
prrafo.
Lo sorprendente es que un nmero
escogido al azar entre 0 y 1 con-
tiene en su desarrollo decimal toda
la Biblioteca de Babel Multimedia.
El matemtico francs mile Borel
introdujo el concepto de nmeros
normales, nmeros en cuyo desarro-
llo decimal estn todas las posibles
subcadenas de dgitos. En otras pa-
labras, si tomamos un nmero nor-
mal, lo expresamos en binario y cor-
tamos fragmentos equivalentes a la
extensin de un DVD, obtendremos
una rplica (de hecho obtendremos
infinitas rplicas) de la Biblioteca
de Babel Multimedia. Ms an, Borel periencia que uno tiene de s mismo,
demostr que la mayora de los n-
meros entre 0 y 1 son nmeros nor-
males, de modo que un nmero es-
cogido al azar ser normal con
probabilidad uno.
Volvamos a nuestro hombre que
camina a lo largo de la circunfe-
rencia. Si su posicin inicial es un
nmero normal, las que ir ocu-
pando al final de cada da desple-
garn una informacin equivalente
a la Biblioteca de Babel. Por su-
puesto, hay que esperar un nmero
inmenso de das para obtener el pri-
mer DVD de la Biblioteca, pero lo
importante es que toda esa infor-
macin se halla contenida, desde
el principio, en la posicin inicial
del individuo.
Si la mayora de los siste-
mas fsicos, qumicos, biolgi-
cos y neuronales son caticos,
estarn a su vez desplegando
en su evolucin el contenido
informativo de unas condicio-
nes iniciales que pueden ser n-
meros normales; adems, lo es-
tarn haciendo de forma bastante
ms rpida que el individuo de
nuestro ejemplo. Aunque no se-
pamos exactamente cul es esa
informacin y cul es la din-
mica que rige dicho despliegue,
de lo que no hay duda es de
que la imagen que tenamos del
determinismo cambia por com-
pleto cuando se consideran es-
tas posibilidades. Que lo que
voy a hacer maana est des-
crito con todo detalle en algn
volumen de la Biblioteca de Babel
es una necesidad lgica, que no con-
tradice el hecho de que yo efecti-
vamente decida lo que voy a hacer.
Las dinmicas caticas, aun siendo
deterministas, van desplegando la
informacin infinita contenida en
las condiciones iniciales, como el
bibliotecario de Borges va extrayen-
do volmenes de las estanteras.
En esa exploracin hay bastante ms
espacio para albergar la sensacin
subjetiva de voluntad.
No quiero decir con ello que la
teora del caos resuelva el problema.
El problema de la voluntad, con el
an ms fundamental de la con-
ciencia, son probablemente los ms
difciles a los que se enfrenta la
ciencia. Estamos lejos de poder dar
una explicacin cientfica a la ex-
de detallar los procesos y meca-
nismos que hacen que uno pueda
tener conciencia de s mismo, de
ser y de decidir. E incluso puede
que tal descripcin no sea posible
dentro de un marco puramente
cientfico. Pero la teora del caos
s nos est ofreciendo una idea del
determinismo mucho ms amplia,
en la que las cadenas de causali-
dad contienen una riqueza inespe-
rada y son capaces de desplegar en
tiempo finito una inmensa canti-
dad de informacin, igual que el
huracn del Caribe contiene, en la
suma de causas que lo provocan,
detalles nfimos e imperceptibles
como el lejano batir de las alas de
una mariposa.
3
 JUEGOS MATEMTICOS
Juan M. R. Parrondo

Repartir escasez
licia y Bruno estn de enhorabuena. Un to le- entre los N individuos, es decir, asignar una cantidad

A jano les ha declarado herederos nicos en su

testamento. En l indica que Alicia debe re-
cibir 120.000 euros y Bruno 40.000. Pero pronto se
descubre que su patrimonio asciende slo a 100.000
euros. El albacea les propone que el reparto se haga
de modo proporcional. El deseo del to es que Alicia
reciba el triple que Bruno. Por tanto, lo ms correcto es
dar 75.000 a Alicia y 25.000 a Bruno. De este modo
se respeta escrupulosamente la proporcin 3 a 1.
Sin embargo, el astuto abogado de Alicia no est
conforme: la prdida total de los dos herederos, es de-
cir, la diferencia entre lo que esperaban recibir y lo
que van a recibir realmente, es de 60.000 euros. Lo
ms justo sera repartir esta prdida por igual: que
cada uno pierda 30.000 euros con respecto a lo tes-
tado. Siguiendo este criterio, Alicia debe recibir 90.000
euros y Bruno 10.000. El albacea est ahora bastante
confundido Cul de las dos propuestas es la ms justa?
En matemticas, a este problema se le conoce como
el de la bancarrota y, aunque parezca simple, va-
rios grupos de investigacin trabajan en la actualidad
sobre l. Se denomina as porque aparece tambin
cuando una empresa quiebra y el total de su patri-
monio es inferior a su deuda. Cmo repartir el pa-
trimonio entre los distintos acreedores, a modo pro-
porcional a su deuda o de modo que pierdan todos la
misma cantidad de dinero?
El problema, en su formulacin ms general, es el
siguiente: se tiene que repartir una cantidad X entre N
individuos, cada uno reclama una cantidad c i y la
suma de todas las cantidades reclamadas C = c 1 +
+ c2 ++ cN 1 + cN es mayor que la cantidad dispo-
nible X. Hay que encontrar una regla para repartir X
1. Las tres reglas descritas en el texto. De izquierda a
derecha: la regla proporcional, la de prdidas iguales y
la de ganancias iguales. En todas las grficas los pun-
tos de reclamaciones son los naranjas y los de asigna-
ciones los azules
xi a cada individuo i de forma que la suma sea X.
La regla propuesta por el albacea se denomina re-
gla proporcional y consiste en asignar:
xi = ci siendo = X <1
C
La regla propuesta por el abogado de Alicia se llama
regla de prdidas iguales y prescribe la asignacin:
xi = max{0, ci l}
en donde l se calcula de modo que la suma de las
asignaciones xi sea igual a X. Con esta regla, las pr-
didas de los reclamantes son todas iguales a l, salvo
para los que reclaman una cantidad tan pequea que
diera una asignacin negativa al restarle l.
Una tercera regla es la regla de ganancias iguales,
que reparte el total X por igual entre todos los indi-
viduos, siempre que ninguno reciba ms de lo que re-
clama. Matemticamente se escribe as:
xi = min{ci, r}
en donde r se calcula imponiendo que la suma de las
asignaciones xi sea igual a X.
Cuando se trata de slo dos individuos, el problema
tiene una interpretacin geomtrica sencilla. El par
c = (c1, c2) es un punto en el plano, que se dibuja en
color naranja en las grficas de la figura 1; mientras
que las posibles soluciones x = (x1, x2), tales que x1 +
+ x2 = X, forman una recta inclinada, que se ha dibu-
jado en azul. Una regla es entonces un modo de asig-
nar a un punto c un punto x (de color azul en la fi-
gura 1) en la recta de posibles soluciones. Por ello,
Antonio Villar, matemtico de la Universidad de Alicante
que trabaja en el problema de la bancarrota, suele re-
ferirse a l como la historia de un punto y una recta.
En las tres grficas de la figura 1 vemos cmo
actan cada una de las tres reglas anteriores. Para la

2 INVESTIGACIN Y CIENCIA, agosto, 2002

regla proporcional se traza una recta que une el ori- de asignaciones sea igual a X. La representacin gr-
gen de coordenadas con el punto c. El punto x es la fica de la regla del Talmud se muestra para un par de
interseccin entre esta recta y la recta de posibles so- ejemplos en la figura 2: se traza una lnea entre el
luciones. En la regla de prdidas iguales, x es el punto origen y c y se marca el punto medio de la misma; a
de la recta de posibles soluciones ms cercano a c, lo partir de este punto, se busca el ms cercano de la
cual parecera indicar que esta regla es incluso ms recta de soluciones posibles, siempre que las asigna-
justa que la proporcional. Finalmente, la regla de ga- ciones sean positivas y menores que las reclamacio-
nancias iguales elige el punto medio de la recta de po- nes. Como afirman Carmen Herrero y Antonio Villar,
sibles soluciones siempre que c est en la regin som- la regla del Talmud parece basarse en el principio
breada. Cuando el c est fuera de esa regin, la regla psicolgico ms de la mitad es prcticamente el
asigna el punto de la recta de soluciones que est en todo, mientras que menos de la mitad es prctica-
la misma vertical u horizontal de c, tal y como mues- mente nada. As, la regla trata de satisfacer la mitad
tra la figura 1. de las reclamaciones, al menos para los acreedores
Cada una de estas reglas tiene una larga historia. La pequeos.
proporcional fue descrita por Aristteles, mientras que En la herencia de Alicia y Bruno, la regla del
las de prdidas y ganancias iguales se encuentran en los Talmud se aplicara de la siguiente forma. Las recla-
cdigos de Maimnides del siglo XII. Es fcil compro- maciones de los dos herederos son 120.000 y 40.000
bar que la regla de prdidas iguales favorece a los gran- euros, respectivamente. La mitad de la reclamacin to-
des acreedores porque excluye del reparto a los indivi- tal es por tanto 80.000 euros, menos que el capital a
duos que reclaman cantidades pequeas. Por el contrario, repartir, X = 100.000 euros. Por tanto, repartimos 80.000
la de ganancias iguales favorece a los acreedores pe- euros, dando 60.000 a Alicia y 20.000 a Bruno. Los
queos, ya que stos consiguen el total de lo recla- 20.000 restantes los repartimos mediante la regla de
mado. Esta regla se aplica en ganancias iguales entre los dos
situaciones reales, como la ban- herederos, que ahora reclaman
carrota de intermediarios fi- 60.000 y 20.000 euros, res-
nancieros, en donde se saldan pectivamente. Damos, por lo
primero las deudas contradas tanto, 10.000 euros a cada uno.
con los clientes pequeos por En total, Alicia habr recibido
dos razones: porque suelen ser 70.000 euros y Bruno 30.000.
los menos pudientes y a los Esta solucin difiere de las
que ms afecta no cobrar la anteriores. En nuestro problema
deuda y, en segundo lugar, por- de la herencia, cada regla es-
que no pueden considerarse res- tablece asignaciones diferen-
ponsables de la bancarrota, ya tes: la proporcional da 75.000
que si los N deudores reclama- euros a Alicia y 25.000 a
ran cantidades inferiores a X/N Bruno, la de prdidas iguales
2. Representacin de la regla del Talmud. La
sta no se habra producido. 90.000 y 10.000, la de ganan-
cruz verde es el punto medio entre el origen
A estas tres reglas se aade y el punto c de reclamaciones. El punto x de
cias iguales 60.000 y 40.000,
una cuarta un poco ms com- asignacin es el ms cercano de la recta azul mientras que el reparto con la
plicada. La regla surgi de con- a la cruz verde regla del Talmud sera de
siderar el problema de la ban- 70.000 y 30.000. Cul es la
carrota como un problema de correcta? No hay una respuesta
teora de juegos, pero se ha demostrado posterior- definitiva. El trabajo del grupo de Antonio Villar y de
mente que coincide con las prescripciones que da el otros matemticos trata de encontrar las propiedades
Talmud para distintos casos particulares. De modo que bsicas de cada una de las reglas que hemos descrito.
la regla es tan antigua como las tres anteriores. La re- Lo importante es conocer la variedad de reglas y qu
gla del Talmud (tambin llamada nucleolo) es una su- propiedades las caracterizan. De este modo podremos
til combinacin de la de prdidas iguales y ganancias saber cul es la ms adecuada en cada caso. Un ejem-
iguales. Consiste en dividir por la mitad el total de re- plo de indudable importancia prctica es el trabajo de
clamaciones. Si C/2 es mayor que el capital a repar- los economistas de la Universidad del Pas Vasco Carmen
tir X, entonces se aplica la regla de prdidas iguales Gallastegui, Jos Manuel Chamorro, Javier Fernndez
pero considerando slo la mitad de la reclamacin de Macho y Elena Iara, en el que consideran la asigna-
cada individuo. Si C/2 es mayor que X, entonces se cin de cuotas de pesca a los pases de la Unin Europea
reparte X satisfaciendo la mitad de la reclamacin de como un problema de bancarrota. En este caso, las re-
cada individuo y el resto se reparte segn la regla de clamaciones seran las cantidades ci pescadas por cada
ganancias iguales. Matemticamente se escribe as: pas en perodos en donde no haba restricciones. El
total C de estas reclamaciones excede a la cantidad X
min{ci /2,r}si X C/2
xi = {
ci /2 + max{0,ci /2 l}si X C/2
de pesca mxima que garantiza la sostenibilidad de los
recursos pesqueros. El problema es entonces idntico
al de nuestra conflictiva herencia entre Alicia y Bruno
Los valores de r y l se escogen, en cada caso y al y al de muchas otras situaciones en donde haya que
igual que en las reglas anteriores, de modo que la suma repartir algn bien escaso.

INVESTIGACIN Y CIENCIA, agosto, 2002 3

 JUEGOS MATEMTICOS
Juan M. R. Parrondo

Paradojas y atascos de trfico

n una ciudad, el barrio residencial A est co- un problema de teora de juegos: no hay cambio de

E nectado con el barrio de oficinas B por dos

carreteras, como se muestra en la figura 1. Cada
maana, mil coches se dirigen de A a B; cada con-
ductor elige uno de los dos posibles caminos tratando
de llegar a su destino en el menor tiempo posible.
Los coches tardan en recorrer los tramos AD y CB
15 minutos. En los tramos AC y DB hay puentes en
los que la carretera se estrecha. Como consecuencia,
el trfico es ms lento cuantos ms coches atraviesan
los puentes. Supongamos que los coches tardan FAC/100
minutos en recorrer el trayecto AC, siendo FAC el n-
mero de coches que esa maana atraviesan el puente.
De la misma forma, se tarda FBD/100 minutos en re-
correr el trayecto BD, siendo FBD el nmero de coches
que esa maana atraviesan el puente situado entre B
y D. Por ejemplo, si todos los coches deciden ir de A
a B por el trayecto ACB, tardarn 1000/100 = 10 mi-
nutos en ir de A a B, ms 15 minutos en ir de C a B.
El viaje completo durar 25 minutos. Por supuesto, los
conductores avispados al da siguiente elegirn el tra-
yecto ADB. Si, por ejemplo, slo 100 toman ese tra-
yecto, tardarn 15 + 100/100 = 16 minutos en llegar a
su trabajo, mientras que los que insisten en el trayecto
ACB tardarn 15 + 900/100 = 21 minutos.
Est claro que si uno de los dos trayectos es ms
rpido que el otro, los conductores tendern a elegirlo
en das posteriores. Pero con ello harn que sea ms
lento. Se llegar a un equilibrio si los tiempos en cada
trayecto son iguales, de modo que para nadie suponga
una ventaja cambiar su trayecto cotidiano. Este equi-
librio coincide con el llamado equilibrio de Nash cuando
el problema de escoger el trayecto se interpreta como
A A
FAC /100' 15 FAC /100'
7,5
C D C D
15 15
FDB /100'
B B
1. Red viaria entre el barrio residencial A y el barrio de oficinas B.
En verde se indican los tiempos necesarios para recorrer cada tramo
de la red. La red de la derecha, en donde se ha aadido el tramo
CD, resulta ser ms lenta que la red de la izquierda.
estrategia individual que permita que jugador alguno
aumente su ganancia.
En el caso de nuestra red viaria, el equilibrio se
consigue si:
FAC F
TACB = TABD + 15 = 15 + DB
100 100
lo que implica inmediatamente que el mismo nmero
de coches atraviesa los dos puentes cada maana. Por
tanto, en el estado de equilibrio 500 conductores ele-
girn el trayecto ACB y otros 500 el trayecto ADB, y
el tiempo que invertirn todos ellos en su viaje al tra-
bajo ser:
500
TACB = TABD = + 15 = 20 minutos
100
Unos meses antes de las elecciones, el alcalde de-
cide invertir algo del presupuesto municipal en mejo-
rar la red viaria; se proyecta una carretera de un nico
sentido que una los puntos C y D. El tiempo medio
que se invierte para ir de C a D por la flamante va
es de 7,5 minutos. La carretera se inaugura en un so-
lemne acto. Al da siguiente, los conductores que vi-
ven en el barrio A estn felices. Los ms avispados
toman el trayecto ACDB y se ahorran ms de dos mi-
nutos en su viaje diario al trabajo. Sin embargo, al
cabo de una semana, el alcalde comienza a recibir
quejas de los vecinos: protestan porque ahora tardan
ms que antes en llegar a B. Cmo es posible se
pregunta el alcalde que haya aumentado el tiempo
de todos los conductores al abrirse la nueva va? Al
fin y al cabo, lo nico que hemos hecho es ofrecer un
nuevo trayecto posible. Si la nueva ca-
rretera produce ms atascos o es ms
lenta, por qu no vuelven los conduc-
tores a utilizar los otros trayectos, como
15
si el tramo CD no existiera?
Nuestro confundido alcalde est siendo
vctima de la llamada paradoja de Braess,
enunciada en 1968 por el matemtico
alemn Dietrich Braess. Se cree que puede
ocurrir en problemas de trfico, de re-
des de comunicaciones, circuitos elc-
tricos e hidrulicos o teora de juegos.
La formulacin de la paradoja es muy
FDB /100' simple: en ciertas ocasiones, aadir a una
red de comunicaciones un nuevo tramo
puede disminuir la eficiencia de la red.
Veamos qu ocurre en nuestro ejem-
plo. Con el tramo CD hay tres posibles
caminos para ir de A a B: ACB, ADB y
ACDB. El tiempo invertido en cada uno
de ellos ser:

2 INVESTIGACIN Y CIENCIA, septiembre, 2002

600
2,5
500

400

300
20
200

100

0 7,5
1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10
2. A la izquierda, en azul, se representa el nmero de curva azul es el tiempo que tardan los que han elegido
coches que optan por el tramo ACB cada da, que son ACD o ADB, la curva roja el tiempo de los que van por
los mismos que optan por el ADB; la curva roja es el ACDB y la curva verde el tiempo medio de todos los
nmero de coches que escogen ACDB. A la derecha: la conductores

FAC En la 2 se ilustra tambin la evolucin de los tiem-

TACB = + 15
100
F tiempo medio de todos los conductores (curva verde).
TADB = DB + 15
100
FAC F ACDB es bastante ms rpido. Por ello, en el segundo
TACDB = + DB +7,5
100 100
La situacin de equilibrio se alcanza cuando los tres
tiempos son iguales. Al igualar TACB y TADB, obtene-
mos que el nmero de coches que atraviesa cada
puente es el mismo: FAC = FDB. Finalmente, igualando
TACB y TACDB, obtenemos el nmero de coches que
pasa por el puente DB:
FDB F
+15 = 2 DB +7,5 FDB = 750 coches
100 100
Por lo tanto, el tiempo medio que tarda cada con-
ductor ser:
750
TACB =TADB =TACDB = +15 = 22,5 minutos
100
que es mayor que el tiempo medio que tardaban los
conductores antes de que se abriera el tramo CD. Por
qu no pueden, como piensa el alcalde, ignorar el nuevo
tramo y utilizar slo los tramos ACB y ADB, ya que
con ello todo el mundo saldra beneficiado? Para ana-
lizar este problema, he hecho una simulacin en donde
los conductores tienden a cambiar de los trayectos
ms lentos a los ms rpidos. En concreto, he su-
puesto que cada da se pasa de un trayecto a otro un
nmero de conductores proporcional a la diferencia de
tiempos entre los dos trayectos. En la figura 2 se
puede ver el comportamiento de los conductores y el
tiempo medio que emplean en los primeros das tras
inaugurarse la carretera. El primer da nadie toma el
trayecto ACDB, pero despus un nmero creciente de
conductores opta por l abandonando los trayectos ACB
y ADB. Pronto se alcanza la situacin de equilibrio en
la que los tiempos medios en cada trayecto son igua-
les y ningn conductor cambia ya de camino.
pos medios de cada trayecto (curvas roja y azul) y el
El primer da, puesto que nadie lo elige, el trayecto
da bastantes conductores se pasan a l, congestionando
los puentes y aumentando el tiempo de todos los dems.
Cuando nos encontramos en la situacin de equilibrio,
nadie quiere cambiar. Si, por ejemplo, 100 conducto-
res decidieran abandonar el trayecto ACDB y repar-
tirse por igual entre los otros dos, cruzaran cada puente
700 coches y los tiempos seran: TACB = TADB = 22
minutos y TACDB = 21,5 minutos. Aunque todos han
ganado con este traspaso, los ms egostas tomaran
de nuevo el trayecto ACDB y se volvera a la situa-
cin de equilibrio.
La paradoja de Braess nos indica que la maximiza-
cin del beneficio individual no conduce necesaria-
mente a la mejor solucin. Es por tanto una seria ad-
vertencia para los fanticos de la mano invisible,
que confan en la eficacia del mercado libre. Como
muestra la paradoja de Braess, en ocasiones la solu-
cin ptima no surge de la maximizacin de intereses
individuales, sino de medidas globales, como eliminar
el tramo CD en nuestro sencillo ejemplo.
Pero, ocurre en la realidad la paradoja de Braess?
Aunque no hay pruebas contundentes, s ha habido ca-
sos en que se ha detectado un aumento en la eficien-
cia de una red al cortar alguno de sus tramos. Los ms
conocidos han tenido lugar en barrios de Nueva York
y Stuttgart. Cohen y Horowitz han formulado situa-
ciones fsicas inspiradas en la paradoja de Braess: un
peso cuelga de una red de muelles y cuerdas suspen-
dida del techo. Cuando se corta una de las cuerdas el
peso asciende, contradiciendo la intuicin. Han diseado
tambin un circuito elctrico cuya resistencia dismi-
nuye al cortar una de las conexiones entre los elementos
del circuito. Todo ello hace que la paradoja sea un
campo de estudio en activo y un fenmeno a tener en
cuenta en el diseo de redes de comunicaciones.

INVESTIGACIN Y CIENCIA, septiembre, 2002 3

 JUEGOS
Monedas, balanzas e informacin
ste mes vamos a analizar un
E viejo problema de ingenio
que los lectores probable-
mente conocern. Sin embargo,
abordaremos su solucin desde un
ngulo nuevo, que adems nos per-
mitir ilustrar algunos conceptos de
la teora de la informacin. El pro-
blema consiste en encontrar una mo-
neda falsa entre doce mediante una
balanza de dos platillos. La moneda
falsa tiene un peso diferente al de
las otras, pero no sabemos si es ms
o menos pesada que stas. Con es-
tas premisas, debemos encontrar la
moneda falsa en slo tres pesadas.
La solucin es bastante compli-
cada y normalmente se llega a ella
por prueba y error, o reduciendo el
problema a otro ms sencillo. Sin
embargo, si uno se deja guiar por
los principios de la teora de la in-
formacin, la solucin se construye
de forma bastante natural y, sobre
todo, sistemtica.
Cada pesada tiene tres posibles
resultados: que los dos platillos se
equilibren, que el derecho pese ms
que el izquierdo o que sea el iz-
quierdo el ms pesado, y cada uno
de estos resultados nos proporciona
una cierta informacin sobre las mo-
nedas; maximizarla para cualquiera
de los tres resultados posibles ser
la mejor forma de disear una pe-
sada. La teora de la informacin
nos dice que esto se consigue si los
tres resultados posibles de la pesada
son equiprobables, es decir, si se
dan con una probabilidad de 1/3.
Este es el principio que guiar en
todo momento nuestro diseo de
las pesadas: la probabilidad de cada
resultado debe ser lo ms cercana
a 1/3 que podamos.
Supongamos que en la primera
pesada colocamos un cierto nmero
de monedas en cada platillo (el
mismo nmero en cada uno) y de-
jamos algunas fuera. El equilibrio
entre los platillos se dar slo si la
2 INVESTIGACIN
MATEMTICOS
Juan M. R. Parrondo
falsa se encuentra entre las mone- macin posible, conviene analizar
das que dejamos fuera de la pe-
sada. Para que esto ocurra con una
probabilidad 1/3, debemos dejar
el problema investigando cmo cada
pesada elimina algunas de las dife-
rentes posibilidades que pueden darse
fuera cuatro monedas. Por tanto, en cada situacin. En principio, la
en la primera pesada debemos co- moneda falsa puede ser cualquiera
locar, tal y como se muestra en la de las doce, y puede pesar ms o
figura 1, cuatro monedas en cada menos que el resto. Por lo tanto,
platillo, digamos la 1, 2, 3 y 4 en tenemos 24 posibilidades. La pri-
el platillo de la derecha, y la 5, 6, mera pesada, tal y como la hemos
7 y 8 en el de la izquierda, que- diseado siguiendo el principio de
dando fuera de la pesada el resto, mxima informacin, elimina siem-
es decir, la 9, 10, 11 y 12. Con ello pre 16 y deja como posibles slo 8
aseguramos que los tres resultados de ellas. En el caso en que resulte
posibles de la pesada son equipro- un equilibrio entre platillos, la mo-
bables y que sta nos proporciona neda falsa debe ser la 9, 10, 11 o
la mayor informacin posible. la 12 y an no sabemos si es ms
Para entender mejor lo que que- o menos pesada que el resto. Si la
remos decir con la mayor infor- balanza se inclina hacia la derecha,
PRIMERA
PESADA
4 8
1 2 3 5 6 7
SEGUNDA
PESADA
1
5
4
11
1 2 3 9 10 11 2 3 9 10
TERCERA
PESADA
12 1 9 11 6 7 1 2
1. Solucin del problema de la moneda falsa. La flecha naranja indica la
pesada a realizar si el resultado ha sido el equilibrio entre los platillos,
mientras que la flecha morada se aplica si la balanza se ha inclinado ha-
cia la derecha. El caso en que la balanza se inclina a la izquierda se puede
deducir con facilidad de la tabla
Y CIENCIA, octubre, 2002
entonces sabremos que la moneda
falsa es una de las ocho primeras y
que si es la 1, 2, 3 o 4, entonces
ser menos pesada que el resto, mien-
tras que si es la 5, 6, 7 u 8, tendr
exceso de peso. En todos los casos,
las posibilidades compatibles con
cada resultado son siempre ocho. En
la figura 2 se representan las 24
posibilidades iniciales y, rodeadas
por lneas rojas, las ocho posibili-
dades compatibles con el resultado
de equilibrio y con el de desequi-
librio hacia la derecha.
Observe que sta es la mxima
reduccin de posibilidades que se
puede alcanzar con una pesada. Si
uno de los resultados eliminara, por
ejemplo, 17 posibilidades quedn-
dose slo con 7, entonces los otros
dos seran compatibles con esas 17
posibilidades. Por lo tanto, al me-
nos uno de los resultados sera com-
patible con 9 o ms posibilidades.
La mejor estrategia para el diseo
de pesadas es claramente la que con-
sigue la mayor reduccin de posi-
bilidades, para cualquiera de los
tres resultados de la pesada. Lo que
acabamos de ver es que esa reduc-
cin mxima se consigue cuando
los tres resultados son compatibles
con el mismo nmero de posibili-
dades. Como el nmero total de
posibilidades es 24, cada resultado,
en la estrategia ptima, ser com-
patible con un tercio de 24, que es
8. Pero, puesto que la probabilidad
de que se d un resultado no es
ms que la fraccin de posibilida-
des compatibles con el mismo, ve-
mos que la reduccin mxima se
consigue siguiendo el principio dic-
tado por la teora de la informacin,
es decir, haciendo que esas proba-
bilidades sean iguales para los tres
resultados.
Para la segunda pesada operamos
de la misma forma. El problema es
que ahora no es posible conseguir
pesadas con resultados equiproba-
bles, ya que el nmero de posibili-
dades que quedan es 8, que no es
divisible entre 3. Nos podemos acer-
car si diseamos pesadas en donde
uno de los resultados sea compati-
ble con dos posibilidades, mientras
que los otros dos lo sean con 3 po-
sibilidades. En la figura 1 se mues-
tra cmo conseguirlo para los dos
casos que pueden darse despus
de la primera pesada. Finalmente,
INVESTIGACIN Y CIENCIA, octubre, 2002
Moneda falsa
Pesa ms 1 2 3 4 5 6 7 8 9 10 11 12
Pesa menos 1 2 3 4 5 6 7 8 9 10 11 12
2. Reduccin de posibilidades en cada pesada. En un principio hay 24
posibilidades. Las reas rodeadas por las lneas rojas indican las posi-
bilidades que quedan despus de la primera pesada en el caso de equi-
librio o de desequilibrio hacia la derecha. Las reas rodeadas por las
lneas verdes indican las posibilidades que quedan despus de la se-
gunda pesada
cuando slo quedan dos o tres po- temticamente, la teora de la in-
sibilidades, se puede disear una pe- formacin da una definicin pre-
sada que discierna entre ellas. cisa y cuantitativa de la incerti-
En la figura 1 se muestra la so- dumbre asociada a una cierta
lucin del problema para cuando los situacin, y, en consecuencia, de
resultados de las pesadas son bien la informacin que proporciona una
el equilibrio, bien el desequilibrio pregunta o una medicin acerca
hacia la derecha. La figura 2 no es de dicha situacin. La incerti-
ms que un pequeo esquema de dumbre de una situacin dada de-
cmo las pesadas van eliminando ber estar ntimamente relacionada
posibilidades. Las lneas rojas ro- con el nmero de posibilidades
dean las que quedan despus de la compatibles con ella. La definicin
primera pesada. No he incluido la precisa de la que hablbamos nos
reduccin a que conduce el dese- dice que es proporcional a su lo-
quilibrio hacia la izquierda para no garitmo. En el caso de las mone-
complicar en exceso la figura. De das y las balanzas, la reduccin del
forma similar, la segunda pesada, nmero de posibilidades compati-
tal y como est diseada en la fi- bles que tiene lugar tras cada pe-
gura 1, reducira las posibilidades sada, no es ms que una reduc-
a los conjuntos rodeados por las l- cin de la incertidumbre asociada
neas verdes. Finalmente, la tercera a las monedas. La cuantificacin
pesada debe disearse de modo que precisa de esa incertidumbre es lo
sea compatible con una nica posi- que nos permite asegurar que las
bilidad, obteniendo as la respuesta pesadas que proporcionan mayor
al enigma. informacin son aqullas en las que
Lo reseable en este viejo pro- los resultados son equiprobables,
blema es su relacin con la teora que es el principio con el que he-
de la informacin. Los seguidores mos podido encontrar la solucin
de la seccin de Juegos matem- al problema.
ticos recordarn que ya utilizamos Para terminar, invito a los lecto-
esta teora para explicar por qu res a generalizar el problema. Si dis-
en los juegos de preguntas s/no ponemos de n monedas, una de las
conviene realizar preguntas en cuales es falsa, cul ser el mnimo
donde las dos respuestas sean equi- nmero de pesadas que harn falta
probables y la relacin entre este para descubrirla? No se trata de
tipo de juegos y la compresin de una pregunta sencilla y no creo que
datos en informtica (agosto y sep- pueda contestarse con absoluta ge-
tiembre de 2001). Cada pesada en neralidad. Al menos s es posible
el problema que nos ocupa hoy o encontrar cotas para ese mnimo n-
cada pregunta en un juego pro- mero de pesadas. En cualquier caso,
porcionan una cierta cantidad de tratar de contestar a esta pregunta
informacin que es igual a la dis- les servir para profundizar acerca
minucin de la incertidumbre. de las relaciones entre incertidum-
Aunque parece que informacin e bre e informacin.
incertidumbre son conceptos sub- Juan M. R. Parrondo
jetivos y difciles de formalizar ma- parr-km0@zenon.fis.ucm.es
3
 JUpGOS MATEMATICOS

Ruletas, monedas y entropa

i en la ruleta de un casino ha la probabilidad de que salgan seis Veamos este clculo para un caso
salido cinco veces seguidas nmeros iguales es, aproximada- ms sencillo. Supongamosque lan-
el mismo nmero, incluso al mente, de una entre 100 millones, zamos una moneda 200 veces. La
jugador ms racional le temblara mientras que la probabilidad de que moneda est trucada, de modo que
la mano antes de apostar una vez salga una secuenciacon todos los la probabilidad de que salga cara
ms a dicho nmero. Sin embargo, nmeros diferentes es del 65Vo. es 0,45 y de que salga cruz es 0,55.
basta un momento de reflexin para En este ejemplo se muestra cla- Cul es la probabilidad de obtener
darse cuenta de que la bola salta- ramente la diferencia entre las pro- n carasy 200-n cruces?En estecaso,
rina de la ruleta, si el crupier es babilidades de secuenciasconcre- las secuenciasconcretasno son igual-
honrado, no recuerda en absoluto tas y las de tipos de secuencias.La mente probables, puesto que es ms
los nmeros sobre los que se ha p r o b a b i l i d a dd e c a d as e c u e n c i a c o n - probable lacruz que la cara. La pro-
posado en las ltimas cinco tira- c r e t a e s s i e m p r e l a m i s m a . m i e n - babilidad de sacar,por ejemplo, dos
das. Por tanto, todos los nmeros tras que las probabilidades de tipos carasen dos tiradas,es 0,45 x 0,45.
tienen la misma probabilidad de de secuenciaspueden ser muy di- Como las probabilidades se multi-
salir en la sexta. ferentes.En nuestro ejemplo, el tipo plican, la probabilidad de una se-
A pesar de ello, es verdad que la d e s e c u e n c i a s a l i r - s e i s - v e c e s - e 1 - cuencia concreta que contengan ca-
repeticin del mismo nmero seis mismo-nmero es 45 millones de ras y 200-n cruces ser: 0,45"x
v e c e s s e g u i d a se s a l g o m u y i m - veces ms improbable que el tipo g , 5 5 2 o o - nE
. l resultado de esta
probable. Significa esto frmula es la curva verde
que la bola tiene una de la figura 1 (dibujada
cierta memoria de lo 0 , 1 4 con un cambio de es-
ocurrido y evita los n- 0 , 1 2 cala por conveniencia).
meros que han aparecido Como vemos en la fi-
con anterioridad? En ab- 0,1 gura, la secuencia con-
soluto. La clave est en 0,08 creta ms probable es la
que la probabilidad de de cero caras y 200 cru-
0,06
que salga el 15 seis ve- ces. Aunque parezca in-
ces seguidases exacta- 0,04 creble, si tuviramos que
mente igual a la de que 0,02 apostar por una secuen-
salga cualquier otra se- cia concreta entre las
cuencia, por ejemplo, la 0 2 2 o o_ 1 . 6 x 1 0 6 0 p o s i _
0 50 100 150 2l
8, 22, 13, 4, 9, 17. bles secuencias,lo ms
NU|\4ERO DECARAS (n)
Cuando decimos que la inteligente sera apostar
repeticin del mismo n- l. La curva verde representa la probabilidad de una a la de 200 cruces se-
mero seis veces segui- secuencia concreta con n caras: la azul, el nmero de guidas.
secuencias con n caras; la roja, la probabilidad de que
das es muy improbable, Sin embargo, todo
salga una secuencia cualquiera con n caras. La escala
1o que en realidad que- cambia si consideramos
vertical corresponde slo a la curva roja
remos decir es que es tipos de secuencias.Se-
mucho menos probable cuencias con 200 cruces
que salga una secuenciade ese ti- de secuenciasalir-seis-nmeros-dis- slo hay una. Tenemos,sin embargo,
po que una secuencia en donde to- tintos. La probabilidad de un tipo 200 secuenciascon I caray 199 cru-
d o s l o s n m e r o s s e a n d i s t i n t o s . de secuencia se calcula de forma ces. Con dos caras y 198 cruces,
Aunque cada secuenciatiene la muy sencilla. Basta multiplicar la hay ya 19900 posibilidades y con
misma probabilidad, hay muchas p r o b a b i l i d a dd e u n a s e c u e n c i ac o n - 1 0 0 c a r a s y 1 0 0 c r u c e s h a y c a s i
ms secuenciascon todos los n- creta por el nmero de secuencias 105e posibilidades, un nmero ex-
meros distintos que con todos los de dicho tipo. traordinariamente grande. En la fi-
nmeros iguales. En concreto, hay Esta distincin entre secuencias gura 1, tambin con una escala ade-
slo 37 secuenciascon los seis n- concretas y tipos de secuencia,y el cuada para que pueda verse con
meros iguales (recordemos que la modo como se calculan las proba- claridad, he dibujado en azul el
ruleta tiene 37 nmeros), mientras bilidades de cada tipo, es la base nmero de posibilidades para cada
quehay 37x36 x35x34x33x de uno de los conceptos ms pro- tipo de secuencia.
x 3 2 = | . 6 73 . 8 4 4 . 4 8 0 s e c u e n c i a s fundos y relevantesde la fsica mo- Finalmente, la probabilidad de cada
con los nmerosdistintos.Por ello. derna: la entropa. tipo es el producto de la probabili-

94 v CreNcre,
INvrsrrcecrN noviembre,
2002
dad de la secuenciay del nmero
de posibilidades,y el resultado lo
he dibujado en rojo en la misma fi-
gura. La curva roja tiene su m-
ximo en n = 90. Este resultadoera
esperable: puesto que la probabiti-
dad de que salga cara es 0,45, en
un nmero grandede tiradasdebern
salir un 45 7o de caras y tn 55 %ode
cruces,y eI 45Vo de 200 es 90.
Lo interesante es que las se-
cuencias concretasque constan de
90 caras y 110 cruces son mucho
menos probables que la secuencia
con 200 cruces, como se ve en la
curva verde. La probabilidad de cada
tipo, es decir, la curva roja, es el
resultado de la combinacin de las
otras dos curvas. A finales del si-
glo XIx, el fsico austraco Ludwig
B oltzmann utlIiz esta combinacin
para resolver uno de los enigmas
ms profundos de la fsica: conci-
liar el comportamiento del mundo
macroscpico con las leyes que ri-
gen el mundo microscpico de los
tomos y las molculas. Cada uno
de estosmundos se comporta de ma-
nera diferente: en el microscpico
e l m o v i m i e n t on o c e s a .n o h a y i r i c -
cin, la energia no se pierde, no
hay una flecha del tiempo que dis-
tinga el pasado del futuro; en el
macroscpico, los cuerpos sufren
fuerzas de friccin y tienden a pa-
rarse, la energa se disipa en forma
de calor inutilizable y hay infini-
dad de procesosirreversibles,como
cuando se hace aicos una copa de
cristal al caer al suelo.
Boltzmann se dio cuenta de que
l a d i f e r e n c i ae n t r e e l m u n d o m i -
croscpico y el macroscpico era
en realidad una diferencia "de mi-
r a d a " .y q u e e s a d i f e r e n c i a a
. un tan
simple y sutil, poda explicar los
distintos comportamientos de cada
uno de los mundos. Cuando mira-
mos el mundo microscpicovemos
el movimiento detallado de cada
partcula que nos rodea, mientras
que cuando miramos el macrosc-
pico slo vemos los comportamientos
colectivos.
Estos dos tipos de "mirada" se
dan tambin en nuestro ejemplo de
l a s s e c u e n c i a s .U n j u g a d o r " m i -
croscpico" apostara qu secuen-
cia concreta saldr en 200 tiradas
de una moneda. Por el contrario,
cpico"
uno "macros ser el que
apuesteal nmero total de caras de
INvsrrccrNy CrENcrA,
noviembre,
2002
la serie; slo le interesa el tpo de
s e cu e n ci a .
En un sistemafsico, llamamos es- @ @
tados microscpicos a las secuen-
cias concretasy estadosmacrosc-
picos a los tipos de secuencias.La
* h
.s#
probabilidad de que se d un estado
microscpico es mayor cuanto me-
nor es su energa. Pero esa proba- wffiffi#**ffiffiffiffi
bilidad es la de un estado mi-
croscpico concreto, igual que la
curva verde de la figura I es la pro- @ @@ -@
babilidad de una secuenciaconcreta. r h a
Al pasar al mundo macroscpico " -
las cosascambianradicalmente,igual &
que en el ejemplo de la moneda las
-@ d&.& @
probabilidades de los tipos de se-
cuencia difieren mucho de las pro-
@
b a b i l i d a d e sd e l a s s e c u e n c i a sc o n -
cretas.Esto es debido a que tambin 2. Un gas cuyas molculas pueden
un estadomacroscpicopuede darse estar en el recinto superior o en el
en forma de un gran nmero de es- inferior. En el inferior la energa es
tados microscpicos.En un sistema menor pero, debido al efecto de la
fsico, el equivalente ala curva azul entropa,el estadomacroscpicoms
probablees aquelen el que unafrac-
de la figura 1 es el nmero de es-
cin apreciable de molculas se
tadosmicroscpicoscompatiblescon
encuentrctn en el recinto superior
un estado macroscpico dado.
Boltzmann demostrque la entropa,
una magnitud que haba aparecido en el recinto superior. El valor con-
al estudiar gases y motores trmi- creto de esta fraccin es el resulta-
cos pero cuya natura),eza era aln do de la combinacin de un factor
misteriosa, estaba relacionada con energtico y de un factor entr-
ese nmero de estados microscpi- p i c o , q u e s o n l o s a n l o g o s a l a s
cos compatibles. En concreto, la curvas verde y azul, respectivamente,
entropa es proporcional al logaritmo de la figura 1. Los detalles mate-
de dicho nmero, y la importancia mticos, aunque no son muy com-
de esta relacin matemtica es tal plicados, van ms all de la inten-
que se encuentra grabada sobre la cin de este artculo. Pero s es
tumba de Boltzmann en el cemen- interesante mencionar que, cuanto
terio de Viena. menos pesadasson las molculasy
Pensemos,por ejemplo, en un gas m s c a l i e n t e s e s t n , m s i m p o r -
c o n t e n i d oe n u n r e c i p i e n t e .a s u tante es el factor entrpico y, por
vez dividido en dos por una pared tanto, las molculastienden a estar
permeable. La energa es menor en repartidaspor igual en los dos re-
el recinto inferior. Por lo tanto, cada cintos. Fjense tambin que, si no
molcula "prefer" estar en esere- fuera por el factor entrpico, el es-
cinto, igual que con nuestramoneda tado ms probable sera aquel en el
cada tirada "prefera" ser cruz en que todas las molculas se encon-
lugar de cara. Sin embargo, en una trarar en el recinto inferior, con la
observacin macroscpica no nos mnima energa posible. De hecho,
interesa el comportamiento de cada as ocurre cuando la temperatura es
una de las molculas sino slo el de menos 273 grados centgrados.
comportamiento colectivo, que en Si no fuera por la entropa,las mol-
este caso podra ser la fraccin de culas que componen el aire que
molculasque haya en cadarecinto. respiramos se precipitaran al sue-
El problema del gas es entonces lo. La entropa tambin explica por
idntico al problema de la moneda, q u m o l c u l a s m u y l i g e r a s . c o m o
y de la misma manera que lo hici- las de hidrgeno, no pueden ser re-
mos con las 200 tiradas, se puede tenidas por el campo gravitatorio
demostrar que en el estado ma- terrestre y no forman parte de la
croscpico ms probable habr una composicin del aire.
fraccin apreciable de molculas parr-km0@zenon.fis.ucm.es
95
 JUEGOS MATEMTICOS
Juan M. R. Parrondo

La misteriosa ley del primer dgito

a ley del primer dgito, tam- Newcomb se dio cuenta de que d = 8 del 5,1 % y para d = 9 del

L bin conocida como ley de

Benford, es un fenmeno ma-
temtico sorprendente, casi mgico,
que revela una cierta universalidad
en los aspectos cuantitativos del
mundo, una propiedad comn a se-
ries de datos que provienen de fuen-
tes muy diversas.
Para entenderla es mejor relatar
cmo fue descubierta. El descubri-
dor de la ley no fue Benford, sino
un matemtico y astrnomo del si-
glo XIX llamado Newcomb. En 1880
no existan calculadoras ni ordena-
dores, pero los cientficos e inge-
nieros realizaban clculos comple-
jos gracias a los logaritmos. Para
multiplicar dos nmeros, por ejem-
plo, basta averiguar sus logarit-
mos, sumarlos y encontrar el anti-
logaritmo de esta suma. Por ello,
los cientficos consultaban cons-
tantemente las tablas de logaritmos.
Las tablas son como un dicciona-
rio en el que las entradas fuesen
nmeros ordenados, no de menor a
mayor, sino de forma parecida a la
alfabtica: primero los que co-
mienzan por 1, luego los que co-
mienzan por 2, y as sucesivamente.
0,35
0,3
0,25
Falta texto
las primeras pginas de las tablas
de la biblioteca de su facultad es-
taban mucho ms sucias y manose-
adas que las ltimas. Quizs en su
facultad era ms corriente consul-
tar el logaritmo de los nmeros que
comienzan por 1 y por 2 que el de
aquellos que comienzan por 9? Fue
a la biblioteca de una facultad di-
ferente a la suya, a escuelas de in-
genieros, de matemticos, de fsi-
cos, de astrnomos,... y el resultado
fue el mismo: los nmeros que co-
mienzan por 1 eran ms consulta-
dos que los que comienzan por 9.
El propio Newcomb encontr, me-
diante un argumento poco riguroso,
una frmula para la probabilidad
de que un nmero en una serie de
datos comience por el dgito d. La
frmula es:
pd = log10 (1 + 1/d)
Utilizando esta frmula se en-
cuentra que, para d = 1 la probabi-
lidad es, aproximadamente, del 30 %,
para d = 2 del 17,6 %, para d = 3
del 12,5 %, para d = 4 del 9,7 %,
para d = 5 del 7,9 %, para d = 6
del 6,7 %, para d = 7 del 5,8 %, para
Benford
Recaudacin
Areas
Poblaciones Tiradas
4,6 %.
La observacin de Newcomb no
tuvo demasiada repercusin hasta
que otro matemtico, Frank Benford,
public en 1932 un artculo con ms
de 20.000 nmeros extrados de mul-
titud de fuentes: reas de ros, po-
blaciones de ciudades, nmeros que
aparecen en la primera pgina de
los peridicos, constantes fsicas,
pesos atmicos... Cont con pa-
ciencia el primer dgito de todos
esos datos, calcul las probabilida-
des para cada dgito y demostr
que la mayora de estos conjuntos
de datos verifican la frmula de
Newcomb. Por eso ahora conoce-
mos la ley con el nombre de Benford.
Sin embargo, obviamente hay con-
juntos de nmeros o de datos que
no verifican la ley: en los nmeros
que han salido en la lotera todos
los dgitos deben tener una proba-
bilidad del 10 %; los pesos en ki-
logramos de los europeos adultos
se encuentran alrededor de 80 ki-
logramos y por tanto el 8, el 7 y el
9 sern mucho ms probables que
el 2 o el 3.
Entonces, qu datos verifican la
ley de Benford? La respuesta no est
muy clara. Por eso entrecomillo la
palabra ley. No hay una caracte-
rizacin precisa de las series de da-
tos que verifican la ley, pero lo cierto,
y lo sorprendente, es que la ma-
yora de los datos que se pueden
extraer de fenmenos naturales, so-

0,2 ciales y econmicos s la verifican.

Yo mismo he comprobado la ley para
0,15
datos que provienen de fuentes muy
0,1 diversas: el rea y la poblacin de
los pases del mundo, la recaudacin
0,05 de las taquillas de los cines de cada
provincia del estado espaol durante
0 1997, y la tirada de las revistas y
1 2 3 4 5 6 7 8 9
peridicos de nuestro pas tambin
Falta texto durante 1997. Aunque hay algunas
La frecuencia del primer dgito de varias series de datos comparadas con discrepancias, el acuerdo es impre-
la ley de Benford. Las series de datos son: reas y poblaciones de 242 sionante, sobre todo teniendo en
pases del mundo, recaudacin de los cines de 62 provincias y comunida- cuenta el origen tan variado de los
des autnomas; tirada de 413 publicaciones datos. De hecho, las cuatro series

2 INVESTIGACIN Y CIENCIA, diciembre, 2002

que se presentan en la figura se es-
cogieron completamente al azar de
varias bases de datos que tena a mi
disposicin a travs de Internet o
de anuarios de peridicos en formato
digital.
Cmo es posible que datos tan
distintos compartan esta extraa pro-
piedad? Aunque no definitiva, una
de las respuestas ms convincentes
se basa en la llamada invariancia
bajo cambio de escala o autosimi-
laridad.
Imagine que el tamao de su
cuerpo se reduce a la mitad, como
si usted se reencarnara en el prota-
gonista de El increble hombre men-
guante. La altura de sillas y mesas
y el tamao de cualquier objeto se
multiplicara por dos y, como con-
secuencia, su vida cotidiana resul-
tara bastante ms difcil. No hay
ninguna duda de que el mundo no
sera el mismo si todas las longi-
tudes, salvo una que sirva de refe-
rencia, se multiplicasen (o se divi-
diesen) por dos. Sin embargo, en
ciertos casos, en ciertos mundos,
no ocurre as. Si algo no cambia
cuando las distancias pertinentes se
multiplican por dos (o por otra can-
tidad), decimos que es autosimilar
o invariante bajo cambio de es-
cala. Tambin decimos que es un
fractal. Aunque no lo parezca, hay
muchos fractales en la naturaleza,
sobre todo en formaciones geol-
gicas, en fenmenos relacionados
con fluidos, en seres vivos y en
sistemas sociales y econmicos.
Qu tienen que ver los fractales
con la ley de Benford? Imagine un
mundo fractal, un mundo que no
cambia si las distancias se multi-
plican por dos. Si recogemos datos
que corresponden a longitudes, la
distribucin de estos datos tiene que
ser la misma si los multiplicamos
por dos. O, para expresarlo de forma
ms sencilla, si escribimos una ta-
bla con esos datos y otra tabla con
esos mismos datos multiplicados por
dos, las dos tablas tienen que ser
prcticamente indistinguibles. Por
supuesto, no pueden ser completa-
mente indistinguibles, ya que si la
primera tabla comprende nmeros
entre uno y diez mil, la segunda
comprender nmeros entre dos y
veinte mil. Pero lo importante es
que la parte central de ambas ta-
blas tiene que ser similar si, como
INVESTIGACIN Y CIENCIA, diciembre, 2002
hemos supuesto, los datos provie-
nen de un objeto fractal.
Ahora bien, los nmeros que em-
piezan por 1 en la primera tabla em-
pezarn por 2 y por 3 en la segunda;
los que empiezan por 2, en la se-
gunda tabla empezarn por 4 y 5,
y as sucesivamente. Los que em-
piezan por 5, 6, 7, 8 y 9 en la pri-
mera tabla, tendrn que empezar por
1 en la segunda. Como las dos ta-
blas son indistinguibles, llegamos
a la conclusin de que las proba-
bilidades pd de que el primer d-
gito de los datos sea d deben veri-
ficar:
p1 = p2 + p3
p2 = p4 + p5
p3 = p6 + p7
p4 = p8 + p9
p5 + p6 + p7 + p8 + p9 = p1
El lector puede comprobar que las
probabilidades dadas por la ley de
Benford cumplen estas cinco ecua-
ciones y, repitiendo el argumento
con otros factores distintos de dos,
se puede comprobar que la ley de
Benford es la nica completamente
invariante bajo cambios de escala
arbitrarios.
Si este argumento es el verda-
dero origen de la ley de Benford,
entonces la ley nos estara indicando
que la autosimilaridad es ubicua en
la naturaleza y en los fenmenos so-
ciales y econmicos. Una de las ra-
zones de esta posible ubicuidad es
que la autosimilaridad aparece
cuando no hay una magnitud ca-
racterstica en un sistema. Por ejem-
plo, en las leyes que rigen la for-
macin de paisajes geolgicos, no
parece que haya ninguna escala de
longitud relevante y por ello di-
chos paisajes suelen ser autosimi-
lares. Del mismo modo, uno podra
decir que no hay una cantidad de
lectores caracterstica en la prensa
de nuestro pas y por ello la tirada
de las revistas y peridicos es au-
tosimilar, como indica la figura. Sin
embargo, todas estas explicaciones
estn lejos de ser satisfactorias.
Independientemente de cul sea
su origen, algunos investigadores
han intentado encontrar aplicacio-
nes a la ley de Benford. Mark Nigrini
propuso, en su tesis doctoral de 1992,
utilizar la ley para detectar fraudes
fiscales o contables, suponiendo que
los nmeros de una declaracin frau-
dulenta no siguen la ley de Benford,
mientras que los de una declara-
cin honrada s lo hacen. El m-
todo, que Nigrini denomina anli-
sis digital (aunque creara menos
confusin llamarlo anlisis de d-
gitos), se ha empleado en varias oca-
siones y ya ha sido til para pes-
car a ms de un defraudador. El
mtodo descubri, por ejemplo, que
una directiva de una cadena de mo-
teles en Estados Unidos estaba fir-
mando cheques para pagar falsas
operaciones de corazn. Por su-
puesto, una vez que la ley de Benford
sea conocida por los posibles de-
fraudadores, el anlisis digital ser-
vir de muy poco.
Otra aplicacin de la ley de
Benford ha sido sugerida por uno
de los ms conocidos expertos en
programacin informtica: Donald
Knuth. La idea de Knuth es que un
ordenador tiene que manejar datos
que probablemente sigan la ley de
Benford. Por tanto, podramos di-
sear ordenadores que sean ms r-
pidos calculando o leyendo de dis-
cos duros y memorias RAM aquellos
nmeros que empiezan por 1.
Alguien podra haber sugerido en
el siglo XIX que las pginas de las
tablas logartmicas correspondientes
a nmeros que empiezan por 1 fue-
ran ms robustas y se accediera ms
fcilmente a ellas. Curiosamente, la
propuesta de Knuth no es ms que
una versin moderna de esta idea.
Algunos lectores me han hecho
notar que la relacin entre el pro-
blema de la moneda falsa y la teo-
ra de la informacin (vase Juegos
matemticos de octubre de 2002) ha
sido tratada por Juan Domnguez
en un artculo de la revista Qesti
(junio de 1983). Domnguez rela-
ciona el problema con el de la bs-
queda de bits errneos en un men-
saje, y hace notar que con tres
pesadas se puede detectar la mo-
neda falsa en un conjunto de 12 in-
cluso aadiendo la posibilidad de
que ninguna de las monedas sea
falsa. Con ello el nmero total de
posibilidades es 12 2 + 1 = 25, an
menor que el nmero de posibles
resultados, que es 3 3 3 = 27.
Finalmente, el nmero de pesadas
necesarias para resolver el problema
con n monedas debe ser mayor que
el logaritmo en base tres de 2n.
3
 JUEGOS
l nmero de oro, = (1 + 5)/2 =
E = 1,6180339887499..., es uno
de los protagonistas indis-
cutibles de ese misterioso espacio
en donde se encuentran matemti-
cas, arte y ciencia. Es un nmero
singular desde el punto de vista
matemtico pero tambin esttico,
al menos segn el canon iniciado
por los griegos. Los rectngulos de
oro o ureos, es decir, rectngulos
en los que el cociente entre el lado
mayor y menor es el nmero de
oro, se hallan por doquier en el
Partenn, en templos y construc-
ciones griegas y en la composicin
de edificios, cuadros y fotografas
a lo largo de toda la historia del
arte.
Los rectngulos de oro estn ca-
racterizados por una interesante pro-
piedad de autosimilaridad. Si de un
rectngulo ureo extraemos un cua-
drado cuyo lado coincida con el lado
menor, el rectngulo que queda es
tambin ureo, como ocurre con el
rectngulo verde de la figura 1.
Podramos extraer un nuevo cua-
drado y quedarnos con un rectn-
gulo ureo ms pequeo, y as su-
cesivamente, encontrando siempre
rectngulos ureos.
Numricamente, esta autosimila-
ridad equivale a lo siguiente:
1 -1
= esta curiosa manera:
1
La ecuacin anterior puede tam-
bin escribirse en la forma:
1 1+
=1+
que nos indica que el desarrollo
decimal del inverso del nmero de
oro es igual al desarrollo del pro-
pio nmero, es decir = 1,618033...
y 1/ = 1,618033...
Pero, al margen de estas curiosi-
dades matemticas, es este rec-
tngulo el ms placentero a la
vista, el ms armonioso, como se
supone que afirma el canon clsico?
Probablemente no se pueda saber
2 INVESTIGACIN
MATEMTICOS
Juan M. R. Parrondo
El nmero de oro
si realmente es o no ms placen-
tero, y, en caso de serlo, cunto de
esa sensacin es producto de nues-
tra cultura. Sin embargo, en mi opi-
1
nin, hay una cualidad de los rectn-
gulos ureos que se puede apreciar
en la fachada de los templos grie-
gos. Se trata de una especie de re-
ferencia a alguna medida humana
que hace que el edificio, aun siendo
monumental, se muestre asequible, 1. Si de un rectngulo ureo, de la-
cercano. Quizs esta sensacin pro- dos 1 y , retiramos el cuadrado
venga no tanto de la forma del blanco de lado 1, el rectngulo re-
rectngulo, como de que su pro- sultante (en verde) es tambin ureo
porcin se repita en todas las es-
calas, desde los capiteles y los al-
tares hasta la planta del templo y se suele escribir x = [a0; a1, a2,
completo. En cualquier caso, creo a3,...]. El desarrollo en fracciones
que cualquiera que se haya aproxi- continuas es una forma de repre-
mado a uno de estos templos habr sentar nmeros tan vlida como nues-
podido percibir esta combinacin de tro sistema decimal o como la re-
grandeza y accesibilidad. presentacin binaria que utilizan los
Todas estas cuestiones han sido ordenadores. Todas ellas son for-
el objeto, e incluso la obsesin, de mas de escribir nmeros. En algu-
muchos y voluminosos estudios que nas de ellas ciertas operaciones son
entrecruzan matemticas e historia ms sencillas que en otras. Por ejem-
del arte. En Internet pueden tam- plo, la suma es fcil de realizar en
bin encontrar cientos de pginas el sistema decimal o en el binario.
dedicadas a este tema. Nosotros va- En el decimal es muy sencillo mul-
mos a ser ms modestos y nos cen- tiplicar o dividir por 10. Sin em-
traremos en algunas de las propie- bargo, en los desarrollos en frac-
dades matemticas y geomtricas ciones continuas es muy simple, por
de . De la ltima de las ecuacio- ejemplo, hallar el inverso de un
nes anteriores, se deduce que el nmero. En efecto, el lector puede
nmero de oro puede escribirse de comprobar que, si x = [a0; a1, a2,
1
=
1
1+
1
1 +...
Esta forma de escribir un nmero
como quebrados encabalgados unos
sobre otros se llama desarrollo en
fracciones continuas. En general,
el desarrollo de cualquier nmero x
es: 2. Construccin de un rectngulo u-
1 reo a partir de cuadrados cuyos la-
x = a0 + dos siguen la serie de nmeros de
1
a1 + Fibonacci: dos cuadrados de lado
a + 1
2 1, otro de lado 2, otro de lado 3, 5,
a3 + ... 8, 13 y 21
Y CIENCIA, enero, 2003
 2,2 lado unidad y otro igual pegado a
su lado izquierdo. Sobre ellos cons-
2 truimos un nuevo cuadrado cuyo
lado sea 2, la suma de los dos la-
dos anteriores. A la izquierda de
1,8
este conjunto formado por tres cua-
FALTA TEXTO

drados, construimos uno nuevo, en

1,6 este caso de lado 3. Vamos ane-
xionando a la figura nuevos cua-
1,4 drados cuyos lados siguen la se-
cuencia de Fibonacci. Pues bien, los
1,2 rectngulos resultantes son cada vez
ms parecidos a un rectngulo u-
reo. Al lector no le ser muy dif-
1
cil adivinar por qu, comparando
FALTA TEXTO la propiedad de autosimilaridad del
3. Los puntos azules son el resultado de dividir un nmero de Fibonacci rectngulo ureo con este procedi-
por el inmediato anterior: 1/1 = 1, 2/1 = 2, 3/2 = 1,5, etc. La lnea roja re- miento de construccin. Podr tam-
presenta el valor de . El octavo Fibonacci divido por el sptimo, 21/13 = 1,615 bin comprobar que el desarrollo
es ya indistinguible de en la grfica en fracciones continuas de Fk + 1/Fk
consiste en k 2 unos seguidos de
un 2, seguido de infinitos ceros.
a3,...], siendo a0 distinto de cero, contrar a2, a3, etc. Si este procedi- Al igual que el nmero de oro,
entonces 1/x = [0; a0, a1, a2, a3,...]. miento se comienza con un rectn- los de Fibonacci tambin aparecen
Cada representacin hace ms evi- gulo ureo, el nmero de cuadrados en muchos diseos de la natura-
dentes ciertas particularidades de los que se pueden extraer es uno y el leza. Por ejemplo, el nmero de
nmeros. En el caso del nmero de rectngulo que queda es de nuevo ptalos de la mayora de las flores
oro, su singularidad se pone de ma- ureo, lo cual explica que el desa- coincide con uno de los de la se-
nifiesto en su desarrollo en funcio- rrollo en fracciones continuas de rie. Se han utilizado tambin en m-
nes continuas, que es = [1;1,1,1,...]. sea una sucesin infinita de unos. sica, en pintura y en arquitectura.
Esta singularidad se debe a que los Otra forma interesante de llegar Virgilio, Leonardo da Vinci, Bee-
desarrollos en fracciones continuas al nmero de oro es utilizando los thoven, Bach, Debussy, Bartok, Le
estn relacionados con la forma de llamados nmeros de Fibonacci, Fk. Corbusier, el arquitecto del Parte-
dividir un rectngulo en varios cua- Los dos primeros son iguales a uno, nn, todos ellos han utilizado o
drados. Un mtodo grfico para en- F1 = F2 = 1, y el resto se construye la serie de Fibonacci. En poesa la
contrar la representacin en frac- como la suma de los dos anterio- proporcin urea se ha utilizado para
ciones continuas de un nmero x, res, Fk = Fk 1 + Fk 2. Es decir, F3 = estructurar largos poemas y algu-
mayor que uno, consiste en cons- = 1 + 1 = 2, F4 = 2 + 1 = 3, F5 = 3 + nas mtricas estn basadas en el 8
truir un rectngulo de base x y de + 2 = 5, F6 = 8, F7 = 13, F8 = 21, F9 = y el 13, que son nmeros de Fi-
altura 1 y extraer de l tantos cua- = 34. Resulta que el cociente entre bonacci. En el cuadro les presento
drados de lado 1 como sea posible. dos nmeros de Fibonacci conse- un pequeo ejercicio, casi un ex-
El nmero de cuadrados ser a0. El cutivos se acerca cada vez ms al perimento: un poema cuyos versos
rectngulo que queda (de lados 1 y nmero de oro, como puede verse tienen un nmero de letras dado
x a0) se gira para que el lado ma- en la figura 3. por la serie de Fibonacci. El poema
yor sea el horizontal y se vuelve a Existe una razn geomtrica para hace adems referencia al prop-
repetir el procedimiento de extraer este acercamiento, que se ilustra en sito original de Fibonacci cuando
cuadrados, en este caso de lado x a0. la figura 2, y est tambin basada introdujo sus nmeros: describir
El nmero de cuadrados ser a1. El en rectngulos que contienen cua- cmo crece la poblacin de una cierta
procedimiento se repite para en- drados. Construimos un cuadrado de especie en la que cada individuo se
reproduce dos veces a lo largo de
y su vida.
a Debido al crecimiento de la se-
su rie de Fibonacci, los versos dibu-
vez jan una suave pendiente exponen-
salen cial y las proporciones entre las
del rbol longitudes de versos consecutivos
pisan las hojas se acercan cada vez ms al nmero
secas del camino y cantan de oro. Se consigue con ello crear
extraos sones murmullos de luz y de agua una cierta armona en el poema?,
se colman de semillas y se vuelven dorados y se abandonan al viento una evocacin de los modos en que
... la naturaleza realiza sus propios
diseos?

INVESTIGACIN Y CIENCIA, enero, 2003 3

 JUEGOS
Juan M. R. Parrondo
Nmeros y palabras
ara la mayora de la gente los nmeros y las pa-
P labras pertenecen a reinos separados e incluso
antagnicos. O se es de letras, o de cien-
cias, y cada materia pertenece a uno u otro campo
sin posibilidad de conexin entre s. Sin embargo, desde
hace varias dcadas, existe una disciplina que aplica
tcnicas matemticas al estudio del lenguaje: la lings-
tica matemtica. Una parte importante de esta disci-
plina es la lingstica cuantitativa, que consiste en el
estudio estadstico de textos, facilitado por la mayor
potencia y capacidad de memoria de los ordenadores
actuales.
Vamos a explorar algunas curiosidades de esta lings-
tica cuantitativa utilizando textos que se pueden en-
contrar en Internet: Don Quijote, Cien aos de soledad
y el original en ingls del Ulysses de Joyce. Los he
analizado por medio de TextStat, un programa gratuito
que realiza estadsticas elementales de cualquier texto,
creado por la Universidad Libre de Berln. Se pueden
encontrar muchos programas como ste en Internet, al-
gunos gratuitos y otros comerciales, bajo el nombre
genrico de Natural Language Processing (NPL) soft-
ware (programas para el procesamiento del lenguaje
natural). Han sido diseados para tratar aspectos gra-
maticales del lenguaje, para administrar grandes con-
juntos de textos que se denominan corpus, para en-
contrar concordancias, es decir, las apariciones de una
determinada palabra en un corpus, y para algunas otras
funciones relacionadas con el estudio matemtico del
lenguaje.
Uno de los primeros hallazgos de la lingstica cuan-
titativa fue la llamada ley de Zipf, una sorprendente
regularidad en cmo se distribuyen las palabras en
un texto de cualquier lengua. Se toma un texto sufi-
cientemente largo y se cuenta el nmero de veces
que aparece en l cada palabra. Hay palabras comu-
100.000
10.000
FRECUENCIA
1000
100
10
1 una primera explicacin bastante sencilla: la, a di-
1 10 100 1000
RANGO
1. La ley de Zipf para Cien aos de soledad
2 INVESTIGACIN
MATEMTICOS
nes, como el, de o que, que aparecern un gran
nmero de veces, y otras ms raras que slo apare-
cern una vez. A continuacin colocamos las pala-
bras en una lista, ordenndolas de ms a menos fre-
cuentes. El orden que una palabra ocupa en la lista
se denomina rango. As, en el caso de Cien aos de
soledad, el rango de de es 1, el de la es 2, el de
que, 3, el de y, 4, el de el, 5, etc. Pues bien,
la ley de Zipf afirma que la frecuencia f de una pa-
labra dada es inversamente proporcional a su rango
r, es decir:
f = a/r
en donde a es una constante que depende del texto
utilizado. Se trata evidentemente de una ley aproxi-
mada, puesto que puede dar frecuencias no enteras e
incluso menores de uno para rangos muy grandes.
Una generalizacin de la ley, tambin aproximada pero
que se adapta mejor a cualquier tipo de texto, supone
que la distribucin de frecuencias es una ley de po-
tencias:
f = a/rb
en donde b es un exponente cercano a 1.
Para ver si un texto satisface la ley de Zipf o su ge-
neralizacin, es necesario construir la lista y representar
las frecuencias f de cada palabra en funcin de su
rango r. Sin embargo, es ms til hacer esa represen-
tacin en ejes logartmicos, es decir, en ejes en donde
cada cantidad no vara de unidad en unidad sino en
intervalos dados por las distintas potencias de diez.
Esta representacin equivale a dibujar la grfica del
logaritmo de f frente al logaritmo de r, que se rela-
cionan de la siguiente forma:
log f = log a b log r
Como a es una constante, esta ecuacin nos dice
que la grfica de log f en funcin de log r, o, equi-
valentemente, la de f en funcin de r con ejes lo-
gartmicos, ser una recta inclinada hacia abajo y con
pendiente b.
Veamos si Cien aos de soledad verifica la ley de
Zipf. La novela tiene un total de 138.014 palabras, en-
tre las cuales hay 16.019 diferentes. TextStat realiza
una tabla con la frecuencia de cada una de estas
16.019 palabras.
La lista contiene algunas curiosidades y enigmas. Por
ejemplo, el artculo femenino la aparece significati-
vamente ms veces que el masculino el, mientras
que el plural los aparece ms veces que las y el
indeterminado un aparece ms veces que una. Hay
100.000 ferencia de el, no es slo artculo determinado sino
tambin pronombre. Aun as, la explicacin no es
completa porque, ms abajo en la lista, comprobamos
Y CIENCIA, febrero, 2003
que lo aparece 888 veces que, sumadas a las 4054 100.000
veces de el, an se encuentran muy por debajo de
las apariciones de la (6110). Sigue siendo curioso 10.000
que los dos artculos indeterminados tengan casi la

FRECUENCIA
misma frecuencia mientras que el plural unos sale 1000
42 veces y unas slo 20. Lo mismo ocurre con otros
pronombres y adjetivos. Por ejemplo, ese sale 75
100
veces y esa 105, mientras que esos sale 30 y
esas slo 11. Otro sale 106, otra 93 veces, otros
55 y otras 21. En los plurales las diferencias siem- 10
pre son bastante significativas. Se podra pensar que
es debido a que en castellano se toma el masculino 1
para plurales en donde hay tanto mujeres como varo- 1 10 100 1000 10.000 100.000
nes, pero, analizando las distintas apariciones de otros RANGO
y otras, por ejemplo, se puede comprobar que este
argumento no da cuenta de la diferencia. En mi opi- 2. Ley de Zipf para el Quijote. La lnea roja es la ley
nin, una posible explicacin se encuentra en el he- de potencia que mejor se ajusta a los datos (puntos
cho de que existe un gran nmero de sustantivos fe- azules), mientras que la lnea verde es una ley de Zipf
genuina con exponente b = 1
meninos en castellano que se refieren a cualidades,
como blancura o pereza, y cuyo plural es inexis-
tente o muy raro. 100.000
Volviendo a la ley de Zipf, en la figura 1 pueden
ver la grfica de la frecuencia en funcin del rango. 10.000
Los puntos azules son las frecuencias de cada palabra FRECUENCIA
en el texto y la lnea roja es la recta que mejor se 1000
aproxima a los puntos: una ley de potencias con
a = 13.083 y b = 1,0086. El exponente b es muy cer- 100
cano a 1, de modo que podemos decir que la ley de
Zipf original se cumple con bastante aproximacin en
10
la novela de Garca Mrquez.
En la figura 2 podemos ver la ley de Zipf para Don
Quijote, en el que hay 22.941 tipos de palabras entre 1
las 381.222 que componen el texto. La lnea roja re- 1 10 100 1000 10.000 100.000
presenta de nuevo la ley de potencias que mejor se RANGO
ajusta a los datos experimentales y en este caso es 3. La ley de Zipf para el original en ingls del Ulises
la funcin f = 142.271 r1,2136, es decir, una ley de po- de Joyce
tencias con exponente b = 1,2136. El exponente se aleja
significativamente de 1, el exponente de la ley de Zipf
original, pero tambin podemos observar que no re- con a = 52.467 y exponente b = 1,0793, aunque se ob-
produce bien el comportamiento de las palabras ms serva una desviacin con respecto a la ley en las pa-
frecuentes. He dibujado en verde la ley de Zipf ge- labras ms frecuentes.
nuina, es decir, con exponente b = 1, que mejor se Zipf introdujo su ley en 1949, en un libro titulado
ajusta a los datos y el resultado no es peor que el de El comportamiento humano y la ley del mnimo es-
la mejor ley de potencias. Lo que ocurre en este caso fuerzo. La razn de este ttulo es que la ley puede de-
es que la ley de Zipf genuina se ajusta bien a los pun- rivarse suponiendo que el lenguaje natural se ha de-
tos con mayor frecuencia, pero se desva de los pun- sarrollado de modo que transmita la mayor cantidad
tos con mayor rango y menor frecuencia. Qu se puede de informacin con el menor nmero de palabras. Benoit
concluir entonces? Yo dira que ni la ley de Zipf ni Mandelbrot tambin realiz en 1951 una demostracin
la de potencias se ajustan a los datos de El Quijote. similar. Sin embargo, ambas demostraciones implican
Aunque las palabras ms frecuentes s cumplen aqu- una relacin entre el rango de la palabra y su longi-
lla, parece haber un nmero demasiado pequeo de tud, de modo que las palabras ms frecuentes son las
palabras raras, es decir, de palabras que aparecen ms cortas. Esta relacin es cierta, como se ve en el
slo una vez. Esta escasez hace que al ajustar una ley caso de Cien aos de Soledad, cuyas palabras ms fre-
de potencias, sta se incline en exceso y no pueda dar cuentes son de una o dos slabas, pero deja de ser
cuenta de modo preciso del comportamiento de las pa- cierta para palabras de mayor rango.
labras ms frecuentes. Otra herramienta que sin duda atraer al curioso por
Para ver la universalidad de la ley de Zipf, les pre- el lenguaje es la consulta del corpus diacrnico de la
sento el anlisis del original en ingls del Ulises de Real Academia Espaola, que puede realizarse por
James Joyce. A pesar de ser una novela en donde hay Internet (www.rae.es, Consulta Banco de datos) y en
una mayor experimentacin con el lenguaje, los datos el que se pueden buscar palabras y expresiones y ob-
se ajustan bastante bien a la ley de Zipf. Frecuencia servar su utilizacin desde el origen de nuestra lengua
y rango estn relacionados por una ley de potencias hasta nuestros das.

INVESTIGACIN Y CIENCIA, febrero, 2003 3

 JUEGOS MATEMTICOS
Juan M. R. Parrondo

Ms sobre nmeros y palabras

n el ltimo artculo de Juegos das las palabras del texto se orde- Existen algunas modificaciones de

E Matemticos exploramos una

sorprendente regularidad en
la estadstica de un texto literario:
la ley de Zipf. La ley nos dice que,
si ordenamos las palabras que apa-
recen en un texto de ms a menos
frecuentes, la frecuencia con la que
aparece una palabra en el texto es
inversamente proporcional al puesto
que ocupa en la lista. Aunque no
lo comentamos entonces, la cons-
tante de proporcionalidad es apro-
ximadamente igual al nmero de pa-
labras diferentes que aparecen en
el texto. Es decir, la frecuencia de
una palabra es:
f(r) = V
r
en donde V es el vocabulario del
texto, es decir, el nmero de pala-
bras diferentes que aparecen en l,
y r el rango de la palabra, o lugar
que ocupa en la lista en la que to-
100.000
10.000
FRECUENCIA
nan de ms a menos frecuentes.
Veamos un ejemplo. En la no-
vela de Gabriel Garca Mrquez Cien
aos de soledad, que tiene un vo-
cabulario de 16019 palabras, la pa-
labra de es la ms comn y apa-
rece 8684 veces. Como es la palabra
ms comn, su rango es 1 y la fr-
mula de la ley de Zipf predice para
de una frecuencia igual a 16019.
Esta cifra es casi el doble de la fre-
cuencia real de la palabra por lo
que parece, en principio, que la ley
falla estrepitosamente. Si la aplica-
mos a las siguiente palabras de la
tabla, vemos que la discrepancia es
menor pero sigue siendo considera-
ble (vase la tabla 1). Sin embargo,
esas discrepancias no son tan gran-
des como aparentan si uno observa
la figura 1, en donde se dibujan las
frecuencias de cada palabra (puntos
azules) junto con la prediccin de
la ley de Zipf (lnea roja).
la ley de Zipf que se aproximan
mejor a las frecuencias reales de
las palabras. Comentamos algunas
de ellas en al artculo del mes pa-
sado. Sin embargo, la ley de Zipf
original, aunque es slo vlida de
modo aproximado, permite hacer
algunas predicciones interesantes
acerca de la estadstica de un texto.
Una de ellas es la relacin entre el
tamao de un texto o nmero total
de palabras que lo componen, y su
vocabulario. Esta relacin nos da una
idea de la riqueza de vocabulario
de cada texto. El tamao N de un
texto se puede obtener sumando to-
das las frecuencias del vocabulario:
N = f(1) + f(2) + f(3)+ ... + f(V)
Si las frecuencias verifican la ley
de Zipf, entonces la suma es:
(
N =V 1+ 1 + 1 + ... + 1
2 3 V )
La suma entre parntesis se puede
realizar de modo aproximado, cuando
el vocabulario es muy grande (al
lector con algunos conocimientos de
matemticas superiores no le resul-
tar difcil entender que esta apro-
ximacin consiste en sustituir la

1000
suma por una integral de la fun-
cin 1/r). El resultado es
100 N = V ln V

en donde ln es el logaritmo nepe-

10 riano. Esta sencilla frmula nos
indica la relacin entre el tamao
y el vocabulario de un texto. En
1 principio es vlida para cualquier
1 10 100 1000 10.000 100.000
texto, siempre que ste cumpla la
ley de Zipf. Como esta ley se aplica
RANGO a cualquier tipo de texto en cual-
1. Los puntos azules muestran la relacin entre la frecuencia y el rango quier idioma, el resultado sorpren-
de todas las palabras que aparecen en Cien aos de soledad. La lnea dente es que todos los textos en
roja es la ley de Zipf. Tanto la escala vertical como la horizontal son lo- todos los idiomas tienen aproxi-
gartmicas, lo cual enmascara ligeramente las discrepancias entre la ley y madamente la misma riqueza de vo-
los datos reales cabulario.

2 INVESTIGACIN Y CIENCIA, marzo, 2003

 Veamos hasta qu punto es esto 40.000
cierto. En la figura 2 pueden ver la Cien aos Ulysses
relacin entre el tamao del texto 35.000
y el vocabulario para Cien aos de Quijote Zipf
soledad, Don Quijote y la versin 30.000
inglesa del Ulysses de James Joyce.

En cada libro vemos cmo el vo-
cabulario va creciendo en funcin
del tamao del texto. Finalmente,
la curva negra es la frmula que
acabamos de deducir a partir de la
ley de Zipf. Observen que la fr-
mula nos da el tamao a partir del
vocabulario, mientras que en la gr-
fica dibujamos la relacin inversa,
es decir, el vocabulario en funcin
del tamao del texto. Sera desea-
ble despejar V en funcin de N en
la ecuacin anterior, pero esto no
es posible y por lo tanto no dispo-
nemos de una frmula sencilla y
compacta que nos diga el vocabu-
lario de un texto de tamao dado.
Sin embargo, esto no es ningn pro-
blema para el programa inform-
tico que he utilizado para dibujar
la curva negra de la figura 2 a par-
tir de la frmula N = V ln V.
De nuevo, a pesar de que exis-
ten ciertas discrepancias, la frmula
nos ofrece una descripcin aproxi-
mada de cmo aumenta el voca-
bulario en cada texto. La novela
que ms se aleja del resultado te-
RANGO PALABRA
1 de
2 la
3 que
4 y
5 el
6 en
7 a
8 los
9 se
10 con
11 un
12 las
13 una
14 por
Palabras ms frecuentes en Cien aos de soledad
Vocabulario
25.000
20.000
15.000
10.000
5000
0
0 100.000 200.000 300.000 400.000
Tamao del texto
2. Cmo crece el vocabulario en tres conocidos textos en funcin
del tamao o nmero total de palabras. La curva negra representa
el resultado derivado a partir de la ley de Zipf
rico es El Quijote, cuyo vocabula- tamao del texto. En principio uno
rio es menor del que se espera, es podra pensar que en un texto la
decir, en la segunda parte de la fraccin de palabras distintas, es de-
novela aparecen menos palabras cir, el vocabulario dividido por el
nuevas de las que predice la ley tamao, es constante. Sin embargo,
de Zipf. no puede ser as porque, cuanto
Observen que el crecimiento del mayor es el texto, ms difcil es
vocabulario no es proporcional al encontrar palabras que no hayan
aparecido con anterioridad. De he-
cho, la frmula del logaritmo ne-
periano tiene una propiedad que no
FRECUENCIA LEY DE ZIPF pueden verificar los textos reales.
El vocabulario crece indefinidamen-
8684 16.019 te con el tamao del texto, lo cual
es imposible porque el nmero to-
6110 8010 tal de palabras de una lengua, in-
4679 5340 cluyendo todas las variantes mor-
folgicas plurales, conjugaciones
4147 4005 verbales, etc. es finito. Quizs est
4054 3204 finitud en el lxico de la lengua es
lo que hace que el vocabulario de
3880 2670 El Quijote no alcance las predic-
3162 2288 ciones de la ley de Zipf. Algunos
investigadores han desarrollado fr-
2373 2002 mulas ms complejas que tienen en
2142 1780
cuenta estas limitaciones y se adap-
tan a todo tipo de texto. Con ellas
1983 1602 deducen tambin relaciones entre
1785 1456 el vocabulario y el tamao, utili-
zando tcnicas matemticas sofisti-
1535 1335 cadas. Como ven, la estadstica es
capaz de encontrar y cuantificar re-
1505 1232
gularidades en algo tan humano
1465 16.019 como es el uso del lenguaje, e in-
cluso en su vertiente ms personal
y creativa: la literatura.

INVESTIGACIN Y CIENCIA, marzo, 2003 3

 JUpGOSMATEMATICOS
@

Fluctuaciones fatales
isponemos de un cultivo de no trucado.Cuantasms veceslanza- individuo es portador de la misma.
bacterias que crece por di- mos el dado, ms se acercarla frac- Por tanto, aunque la mutacin sea
visin de cada uno de los cin de cincos a 1/6. No obstante, ventajosa, su xito depende de la
individuos que lo forman. Supon- siempre habr algunas desviaciones suerte que corra este nico por-
gamos que, de un da para otro, cada con respecto a 1/6 (que no es otra tador de la mutaciny sus inme-
bacteria tiene una probabilidad 1/5 cosaque la probabilidadde que salga diatos descendientes. Podemos
de morir, una probabilidad 3/5 de un cinco). Estasdesviaciones ue- comprobarlo analizando el compor-
duplicarse y una probabilidad 1/5 len llamarse "fluctuaciones". tamiento de nuestra colonia. En la
de seguir viva sin reproducirse.Si Las fluctuaciones son menores figura se dibuja su tamao en fun-
inicialmente hay 1000 bacteriasen cuanto mayor es el nmero de tira- cin del tiempo para diferentes si-
la colonia, aproximadamente 200 das del dado y, en el caso de la co- mulaciones hechas por ordenador.
morirn, 600 se duplicarn y 200 lonia, sern menores cuanto mayor D e l a s n u e v e s i m u l a c i o n e s ,s l o
se mantendrn vivas sin reprodu- sea la poblacin de bacterias. As, cinco prosperaron.mientrasque cua-
cirse. Al da siguiente tendremos, si inicialmente el cultivo dispone tro se extinguieron en los primeros
por tanto, 1400 bacteriasvivas. Es de 1000 bacterias, las fluctuaciones seis das. Observen que, en estos
decir, en media, la poblacin crece no sern muy importantes: morirn primeros das, cualquiera de las
un 40 7o cada da: el segundo da unas 200 y se reproducirnunas 600. nueve corre el riesgo de extinguirse.
habr 1960 individuos, el tercer da Las pequeasdesviacionescon res- Cu1es la probabilidad de que,
2744, y as sucesivamente.La po- pecto a estos valores no cambiarn partiendo de un solo individuo, la
blacin crece exponencialmente si demasiado el comportamiento del colonia se extinga? En otras pala-
nuestras suposicionesacerca de la cultivo, que crecer, como hemos bras, si repetimos el experimento
r e p r o d u c c i ny m u e r t e s e s i g u e n visto, aproximadamenteen un 40 7o de la figura un gran nmero de ve-
manteniendo.En diez das,por ejem- cada da. En pocas palabras: en po- ces. qu fraccin de trayectorias
plo, la colonia alcanzara casi los blaciones grandes, los valores me- acaba cayendo en el eje horizontal?
30 mil individuos y en doscientos dios son casi iguales a los valores El clculo de esta probabilidad de
das llegara hasta 1032.Este nmero reales. Por el contrario, en pobla- extincin es un problema muy com-
es demasiado grande para un cul- ciones pequeas las fluctuaciones plicado a primera vista. Si en el
tivo real, lo cual indica que las su- pueden ser de vital importancia. primer da la colonia consta de un
posiciones no se pueden mantener Qu ocurre si, inicialmente, dis- solo individuo, en el segundo se
durante todo el tiempo debido a ponemos de una nica bacteria?Al habr extinguido con probabilidad
que la competenciaentre las bac- da siguiente nos encontraremosque 1/5, seguir con un solo individuo
terias por los nutrientes o simple- nuestro valioso y solitario individuo con probabilidad 1/5 o tendr dos
mente por el espacio dentro del ha muerto con una probabilidad 1/5 con una probabilidad 3/5. En el ter-
cultivo har sin duda disminuir las y se ha reproducido con una pro- cer da las posibilidades aumentan:
probabilidades de reproduccin y babilidad 3/5. Si ha muerto, la co- la colonia puede ahora constar de
aumentar las de muerte. En conse- lonia se habr extinguido irreme- cero hasta cuatro individuos. Para
cuencia, nuestro modelo simplifi- diablemente.Si se ha reproducido, calcular la probabilidad de cada una
cado slo puede ser vlido para po- podemos mantener la esperanzade de estasposibilidades hay que tener
blaciones pequeas y para los que la colonia ctezca en los prxi- en cuenta todos los modos en que
primeros das de evolucin de la co- mos das, aunque bien pueden es- cadapoblacinpuedealcanzarse.Por
lonia. Aun as, su anlisis revelar tos dos individuos morir al da si- ejemplo, 1a poblacin de cuatro in-
algunos efectos interesantes. guiente, algo que ocurrir con dividuos en el segundoda slo puede
Como acabamosde ver, 1a pobla- p r o b a b i l i d a d I / 5 x l / 5 = l / 2 5 . E s alcanzarse si el patriarca se repro-
cin de la colonia de bacteriascrece, evidente que los primeros das de dujo en el primero y segundo da y
en media, da tras da. La indica- esta colonia mnima son bastante su vstago lo hizo en el segundo.
"en
cin media" es aqu muy rele- crticos.Los escasosindividuos que Eso ocurre con probabilidad 3/5 x
vante. "En media" significa que slo la forman son los patriarcas de una x 3/5 x 3/5. La probabilidad de que
aproximadamente 1/5 de las bacte- familia que, slo al alcanzarun cierto la colonia se extinga en el segundo
rias morirn de un da para otro y tamao, estar libre de desaparecer da puede calcularse del mismo
slo aproximadamente3/5 se repro- debido a "fluctuaciones fatales". Esto modo: o bien el patriarca muere el
ducirn, igual que slo aproximada- es lo que probablemente ocurre en primer da (probabilidad 1/5), o bien
mente 1/6 de las veces obtenemos la evolucin de las especies.Cuando sobrevive al primer da pero muere
un cinco cuando lanzamos un dado se produce una mutacin, slo un en el segundo (probabilidad 1/5 x

86 INvesrrccrN
v CrNcre.abril. 2003
x 1/5) o bien se reproduce el pri-
mer da pero tanto 1 como su hijo
mueren en el segundo da (probabi-
lidad 3/5 x l/5 x 1/5). Por lo tanto,
la probabilidad de que la colonia se
extinga en el segundo da es
"(ur)-8- "+)=#
o=f+f
en donde he colocado entre parn-
tesis las probabilidades de los even-
tos que ocurren en el segundo da,
por razonesque sernevidentesden-
tro de un momento.
Este modo de calcular la proba-
bilidad de extincin se complica con-
siderablemente al aadir ms das,
ya que el rbol de posibilidades se
va ramificando un da tras otro.
Existe, sin embargo,un mtodo bas-
tante ingenioso para calcular la pro-
babilidad de extincin. Llamemos
q a esta probabilidad, es decir, a la
probabilidad de que se extinga una
colonia que inicialmente consta de
un solo individuo. Cul es la pro-
babilidad de que se extinga una co-
lonia que parte de dos individuos?
Como la "estirpe" de cada indivi-
duo no interacciona con la del otro
(no hay ni reproduccin sexual ni
competencia),la probabilidad de que
se extingan las dos estirpes ser
q x q o qz (igual que la probabili-
dad de sacar un seis doble al tirar
dos dados es l/6 x I/6).
Volvamos ahora a la colonia que
parte de un solo individuo. En su
segundo da pueden haber ocurrido
tres cosas: A) que el patriarca haya
muerto (probabilidad 1/5), B) que
siga vivo sin reproducirse (proba-
bilidad l/5) y C) que se haya re-
producido (probabilidad 3/5). Si nos
situamos en este segundo da, cul
es la probabilidad de extincin para
cada una de estas tres posibilida-
des?Para A es claramenteI puesto
que la colonia ya est extinta en el
segundo da. Para B, la probabili-
dad de extincin es de nuevo a. Y
p a r a C . c o m o h e m o sv i s t o e n e l p -
rrafo anterior, la probabilidad de ex-
tincin es q2. La probabilidad 4 de
que se extinga la colonia inicial se
puede escribir entonces como una
suma que tenga en cuentaestastres
posibilidades:
q=!*Iq+1q2
c c 5 de ellas acabaran extinsuindose.
lNvesrrcrcr v Crexcre, abril, 2003
...
-{'-r--f
7
g
*t 600
()
fr 5oo
tr 400
)
z 3oo
8 2 0
2 4 6 8 1 0 1 2 1 4 1 6 1
DfAS
simulacin por ordenador de la colonia de bacterias que se describe en er
texto. De las nueve veces que se realiz la simulacin, en cuatro ocasiones
la colonia se extingui y slo en cinco contnu creciendo exponencal-
mente. En la ampliacin de los primeros das puede yerse, en rojo y lnea
discontnua, la trayectoria de las colonias extnguidas. slo pueden verse
tres porque dos de las colonias se extinguieron en el segundo da y sus bre-
ves trayectorias coinciden
Ahora tenemos una ecuacin bas- Observenque en el segundoda slo
tante simple para q. Lo que en rea- se extingue 1/5. El resto, 2/15, lo
lidad hemos hecho para llegar a esta hace en das sucesivos.
ecuacin es tomar las tres primeras Piensen ahora que la colonia de
ramas del rbol de posibilidades bacteriasque consta de un solo in-
del que hablbamos antes y darnos dividuo puede ser una nueva muta-
cuenta de que cada una se puede cin naciente en la biosfera, el vi-
tratar como un nuevo rbol de po- rus solitario que inhalo antes de
sibilidades.Fjense que esta ecua- contraerla gripe e incluso un neutrn
cin es la misma que la anterior, que surge aI azar en un material ra-
pero sustituyendo los dos parnte- dioactivo y puede comenzar una
sis por q y q2, respectivamente. reaccin en cadena.En todos estos
La solucin de la ecuacin ante- casoslas fluctuacionesiniciales son
rior es e = ll3 (q = I es tambin crticas. Pueden destruir la muta-
solucin, pero no tiene ningn sig- cin, la posibilidad de prolifera-
nificado ni inters en el problema). cin del virus o hacer que el efecto
Es decir, si hiciramos un gran del neutrn no vaya ms all de unos
nmero de simulacionescon las oro- cuantosdestellosde radiacin. Son
b a b i l i d a d e sd e m u e r t e y r . p r o u . - slo pequeos golpes de azar, pero
cin de nuestra colonia, un tercio capaces de cambiar por completo
el destino de toda la biosfera.
 JUEGOS MATEMTICOS
Juan M. R. Parrondo
El examen inesperado y la teora de juegos
ace cuarenta aos, en marzo de 1963, Martin
H Gardner describi en esta misma seccin de
Scientific American una clebre paradoja. Un
profesor anuncia a sus alumnos que pondr un examen
a las doce en punto de un da de la semana siguiente
de manera completamente inesperada, es decir, los alum-
nos no sabrn el da en que va a realizarse hasta que
el profesor lo anuncie a las doce del da elegido. Los
estudiantes se van al bar de la facultad y, tras media
hora de discusin, brindan convencidos de que es im-
posible que el profesor logre su propsito. Se han
dado cuenta de que el viernes no puede ser el da ele-
gido porque, en ese caso, el jueves por la noche
sabran con certeza que el examen iba a ser el viernes
y, por tanto, no sera inesperado. Una vez eliminado
el viernes como da del examen, el argumento se
puede aplicar al jueves: como es completamente im-
posible que el examen tenga lugar el viernes, si en los
tres primeros das de la semana an no ha habido exa-
men, entonces el mircoles por la noche los alumnos
sabrn con certeza que va a realizarse el jueves, y de-
jara de nuevo de ser inesperado. El argumento se puede
repetir hasta el domingo por la noche, da en el que
los alumnos estaran seguros de que el examen debe
ocurrir en la maana del lunes. La conclusin final es
que las condiciones que el profesor ha impuesto al
examen son contradictorias: no puede tener lugar du-
rante la semana y ser inesperado. Los alumnos se van
felices a casa y no estudian durante el fin de semana.
Sin embargo, el martes de la semana siguiente el pro-
fesor, a las doce en punto, anuncia con voz grave el
comienzo del examen. Los alumnos, por supuesto, no
sospechaban nada y, por tanto, las premisas que anun-
ci el profesor se han cumplido. Dnde estaba en-
tonces el error en el razonamiento de los alumnos?
La paradoja ha suscitado un gran nmero de artcu-
los y una fuerte polmica con opiniones para todos los
gustos: hay quien piensa que no hay paradoja en ab-
soluto, quienes defienden que la conclusin de los alum-
nos contradice las propias hiptesis de su argumento,
e incluso los que relacionan la paradoja con el teo-
rema de indecibilidad de Gdel. Esta falta de acuerdo
tiene su origen en la dificultad para formalizar el con-
cepto de sorpresa, que es fundamental en la formula-
cin de la paradoja.
Sin entrar en esta larga y vieja controversia, vamos
a analizar aqu una variante que convierte el reto en-
tre el profesor y el alumno en un juego. Supongamos
que el alumno puede cada da decir si habr o no
habr examen. Si acierta la fecha del examen recibe 8
puntos y si falla (tanto por predecir el examen en un
da en que no ocurre, como lo contrario) recibe una
penalizacin de 1 punto. Cuando el alumno dice que
no hay examen un da en el que, en efecto, no lo hay,
2 INVESTIGACIN
no gana ni pierde nada. Evidentemente, el objetivo del
alumno es obtener la mxima puntuacin mientras que
el del profesor es que la puntuacin sea mnima. Si el
profesor pone el examen el viernes, el alumno ganar
con seguridad los 8 puntos, aunque en los cuatro pri-
meros das puede equivocarse varias veces. Por el
contrario, si pone el examen el lunes, quizs el alumno
no lo detecte entonces, pero los cuatro das restantes
no se equivocar y no recibir ninguna penalizacin.
Cules son entonces las mejores estrategias para el
profesor y para el alumno?
Supongamos que slo disponemos de dos das para
poner el examen. Las posibles acciones del profesor
son: poner el examen el jueves o ponerlo el viernes;
mientras que el alumno puede decir que hay examen
el jueves o decir que no lo hay, siendo obvia su ac-
cin del viernes. La siguiente tabla ofrece la puntua-
cin del alumno para cada combinacin de acciones:
Acciones del profesor
(da del examen)
Jueves Viernes
Acciones Examen el jueves 8 7
del alumno
No examen el jueves 1 8
Para entender cada entrada de la tabla hay que con-
siderar la puntuacin del jueves y la del viernes. Si,
por ejemplo, el alumno predice examen el jueves y el
profesor lo pone el viernes, el alumno tendr una pe-
nalizacin de 1 punto el jueves pero ganar 8 puntos
el viernes, obteniendo un total de 7 puntos. A primera
vista, parece que la accin ptima para el profesor es
poner el examen el jueves, porque la columna corres-
pondiente es la que tiene los valores ms pequeos, y
para el alumno decir que el examen ser el jueves,
puesto que la fila correspondiente es la que tiene los
valores ms grandes. Sin embargo, el profesor podra,
siguiendo este mismo argumento, deducir que el alumno
va a decir que hay examen el jueves y de ello con-
cluir que su mejor estrategia es poner el examen el
viernes. A su vez, el alumno puede pensar que el pro-
fesor piensa que l va a decir que hay examen el jue-
ves. Puede entonces predecir que el profesor va a ele-
gir el viernes como fecha para el examen y, con esa
certeza, decir que no hay examen el jueves y ahorrarse
la prdida de un punto, alcanzando una puntuacin to-
tal de 8. En teora de juegos son comunes estas si-
tuaciones en donde un jugador piensa que el otro piensa
que l piensa que el otro piensa... Son juegos en donde
no hay una estrategia clara para cada jugador. Sin em-
bargo, si se consideran combinaciones aleatorias de
Y CIENCIA, mayo, 2003
estrategias, entonces el juego s tiene una solucin p-
tima para los dos jugadores.
Si el alumno juega la estrategia examen el jueves
con probabilidad x y la no examen el jueves con
probabilidad 1 x, mientras que el profesor pone el
examen el jueves con una probabilidad y, y el viernes
con una probabilidad 1 y, entonces, la puntuacin me-
dia del alumno ser:
p = 8xy + 7x(1 y) y(1 x) + 8(1 x)(1 y)
El lector puede comprobar que, si x = 9/10, la
puntuacin media es igual a 7,1 puntos, independien-
temente del valor de y. A su vez, para y = 1/10, la
puntuacin media es tambin igual a 7,1 puntos, in-
dependientemente del valor de x. En teora de juegos
esta combinacin de estrategias se denomina de equi-
librio, ya que, si un jugador la adopta, el otro no tiene
posibilidad de cambiar la puntuacin variando su es-
trategia. Por el contrario, si uno de los jugadores se
aleja de la estrategia de equilibrio, el otro siempre
tiene a su disposicin una nueva estrategia con la que
aumentar su ganancia. No obstante, hay que tener en
cuenta que estas estrategias combinadas cobran sen-
tido slo cuando el juego se repite un gran nmero de
veces: un 10 % de ellas, el profesor pondr el examen
el jueves y el 90 % restante el viernes. El alumno, por
su parte, dir un 90 % de las veces que el examen es
el jueves y un 10 % dir que no hay examen el jue-
ves. De este modo ambos se aseguran una puntuacin
media de 7,1 en cada juego. Sin embargo, es errneo
deducir de ello que, en una situacin que consistiera
en una sola ronda del juego, el profesor deba poner el
examen el viernes y el alumno proclamar que lo ha
puesto el jueves. Con ello volveramos al argumento
circular anterior. La estrategia de equilibrio es vlida
slo si las acciones se eligen al azar, con las proba-
bilidades prescritas.
En cualquier caso, es curioso que en la estrategia de
equilibrio el profesor elija el viernes un 90 % de las
veces. La razn es que el alumno est fuertemente in-
clinado a decir que hay examen el jueves para evitar
la puntuacin 1. La estrategia de equilibrio presu-
pone esta fuerte inclinacin y saca partido de ella po-
niendo el examen el viernes un gran nmero de veces,
para as evitar que el alumno alcance la puntuacin
mxima de 8.
Supongamos que ahora disponemos de tres das para
el examen. Qu ocurre el mircoles? La tabla de pun-
tuacin sera ahora la siguiente:
Acciones del profesor
el mircoles
Examen No examen
Acciones Examen 8 6,1
del alumno
el mircoles No examen 1 7,1
Para construir la tabla hemos tenido en cuenta que,
si el profesor no pone el examen el mircoles, el jue-
ves tienen que jugar de nuevo a un juego cuya ga-
nancia media hemos ya demostrado que es 7,1 puntos.
INVESTIGACIN Y CIENCIA, mayo, 2003
9
8 Los puntos azules muestran la puntuacin
media del alumno en funcin del nmero
7
de das que faltan para el viernes. Los ro-
6 jos representan la probabilidad de que
el alumno diga en cada da que s hay
5 examen, siempre de acuerdo con la
estrategia de equilibrio predicha
4
por la teora de juegos
3
2
1
0
0 5 10 15 20 25
DIAS QUE FALTAN PARA EL ULTIMO VIERNES
Por tanto, si el alumno dice que s hay examen el
mircoles, pero el profesor no lo pone en este da, en-
tonces tendr una penalizacin de un punto y, al da
siguiente y con el juego del jueves, ganar, en media
y si sigue su estrategia de equilibrio, 7,1 puntos. Su
puntuacin total media es entonces de 6,1 puntos. Las
estrategias de equilibrio en este nuevo juego son
x = 81/100, y = 1/10, y la puntuacin media con estas
estrategias es ahora de 6,29 puntos. La estrategia del
profesor no cambia con los das: siempre decide un
10 % de las veces poner el examen y un 90 % no po-
nerlo (salvo el viernes, da en el que tiene que ponerlo
forzosamente si an no lo ha hecho). La estrategia del
alumno s cambia a lo largo de la semana: al princi-
pio debe decir que hay examen con menos probabili-
dad que al final. En la figura se puede ver cmo cam-
bia la puntuacin media y la estrategia del alumno en
funcin de los das que le separan del viernes. He pro-
longado la grfica ms all de los cinco das de la se-
mana para que pueda verse cmo, si el nmero de das
en los que el examen puede ocurrir llega hasta 22, la
puntuacin media del estudiante se hace negativa.
Se pueden pensar otras variantes del juego: cam-
biando las puntuaciones, permitiendo que el alumno
pueda decir si hay examen o no slo una o dos veces
a lo largo de la semana, etc. Los lectores con conoci-
mientos de teora de juegos pueden investigar sobre
ello y enviarme sus conclusiones. Pero, aporta algo
el juego que hemos discutido aqu, o alguna de sus
variantes, al anlisis de la paradoja original? El juego
muestra algo que ya era evidente: que existe la posi-
bilidad de que los alumnos yerren diciendo que no hay
examen un da en que lo hay, lo cual es una prueba
de la existencia de un examen realmente inesperado.
Sin embargo, hay una diferencia sustancial entre el
juego y la paradoja. En el juego se permite que el pro-
fesor ponga el examen el viernes. Se le penaliza dando
8 puntos al alumno, pero esta penalizacin puede
compensarse con los puntos que ste pierde durante el
resto de la semana. Aun as, el juego da una idea de
cmo la puntuacin media y, por tanto, la capacidad
de acertar de los alumnos, va disminuyendo cuando
nos alejamos del ltimo viernes.
3
J UEGOS MATEMTICOS Juan M. R. Parrondo

Ruidos reveladores
ntender a alguien que nos habla en una estacin mayor cantidad de ruido, la informacin se perdera y

E en el momento en que llega un tren es una ta-

rea difcil. El estruendo del tren se suma al so-
nido de la voz de nuestro interlocutor y es imposible
la posterizacin no sera capaz de recuperar la ima-
gen original. Existe una cantidad de ruido ptima, para
la cual la imagen se recupera con mayor fidelidad.
separar la seal del ruido. En cualquier canal de Este fenmeno se denomina resonancia estocstica.
comunicacin fsico, desde las ondas sonoras con las Ocurre en algunos sistemas que responden ante cier-
que nos hablamos los unos a los otros hasta las on- tos estmulos o seales externas y en los que algo de
das electromagnticas en las que viajan las imgenes ruido aadido a la seal es capaz de mejorar la res-
que vemos en la televisin, existen fuentes inevita- puesta.
bles de interferencias o ruido que se aade a la
seal transportada. Este ruido dificulta la recepcin
del mensaje y puede incluso distorsionarlo y hacerlo
ininteligible. En la tecnologa de comunicaciones, el
ruido es algo poco deseable y se han desarrollado
mtodos para contrarrestarlo, como la teora de co-
rreccin de errores. Sin embargo, existen situaciones
en las que, sorprendentemente, el ruido puede favo-
recer la escucha.
Supongamos una cierta retina artificial que, al
contemplar una imagen, pueda nicamente transmitir
por cada punto un bit de informacin, es decir, puede
tan slo transmitir si el punto es negro o blanco. Su-
pondremos que esta retina, al recibir la luz de una
imagen en blanco y negro pero que contiene toda la
escala de grises, decide que cada punto de la misma
es negro si el gris correspondiente a ese punto est
por debajo de un cierto umbral y blanco si est por
encima. Este proceso se puede realizar en la ma-
yora de los programas informticos de tratamiento
de imgenes y fotografas y se denomina posterizar,
puesto que sta fue la tcnica utilizada para obtener
el famoso pster del Che Guevara en los aos se-
tenta.
Si el umbral es muy alto, la retina transmitir una
imagen prcticamente negra y ser de poca utilidad.
Esto es lo que ocurre con la imagen de Einstein en la
figura 1. Podemos decir que la retina, con este um-
bral, es prcticamente ciega. Su sensibilidad es de-
masiado baja y no percibe los grises que definen la fi-
gura de la fotografa. Veamos que ocurre si aadimos
un poco de ruido a la imagen, es decir, si a la lumi-
nosidad de cada uno de sus puntos le aadimos un
nmero aleatorio. Este ruido es muy parecido al que
distorsiona la imagen de un canal de televisin mal
sintonizado, como pueden comprobar en la figura. El
rostro de Einstein se ve tambin distorsionado y su vi- 1. Einstein y sus correspondientes posterizaciones: en la
sin es incmoda para un ojo normal. Sin embargo, columna de la izquierda se muestran las imgenes an-
para nuestra torpe retina el ruido es bastante til. En tes de posterizar y en la columna de la derecha las
la posterizacin de la imagen ruidosa, Einstein es ya imgenes posterizadas. La fotografa original se muestra
reconocible, algo que no ocurra con la posterizacin arriba a la izquierda y debajo la imagen con un ruido de
de la imagen ntida y sin ruido. En este ejemplo, el 70 unidades (la gama de grises utilizada va de 0 a 255
ruido ayuda a ver. Por supuesto, si aadiramos una y se ha tomado 225 como umbral de posterizacin)

2 INVESTIGACIN Y CIENCIA, junio, 2003

 En un primer momento parecera que la re-
sonancia estocstica es de poca utilidad.
Por qu debera una retina confiar en el ruido
para que se desvelaran los perfiles del mundo
que tiene delante? No es mejor aumentar la
sensibilidad, es decir, disminuir el umbral, de
modo que la retina pueda ver sin necesidad
de ruido?
Esta estrategia puede ser conveniente en
ocasiones, pero una excesiva sensibilidad es
completamente ineficaz cuando el ruido est
siempre presente y es intenso. En la figura 2
se puede ver una situacin de este tipo. La
curva azul representa una seal que toma slo
dos posibles valores en el tiempo, 0 y 0,5, y
que podra ser un mensaje en cdigo Morse
o en lenguaje binario. Como seal he elegido
saltos al azar en el tiempo de una duracin 0 2 4 6 8 10
TIEMPO
media de uno o dos segundos. A la seal se
superpone un ruido cuya magnitud es com-
2. La curva azul representa una seal distorsionada por un ruido.
parable a la propia seal. Este ruido no es En rojo se puede ver la suma de la seal y el ruido, la entrada
ms que un nmero tomado al azar entre 1 de nuestro sistema detector. Un sistema con umbral por debajo
y 1 que he sumado a la seal original. El re- de la seal tiene la respuesta dada por la curva rosa. Sin
sultado es la grfica roja. embargo, sistemas menos sensibles responden mejor, como ocu-
Si quisiramos disear un sistema que de- rre con la curva verde y marrn. Las escalas del eje vertical son
tectara la seal, en principio pensaramos en arbitrarias y se han elegido para que se puedan ver claramente
uno cuyo umbral estuviera por debajo de 0,5, las respuestas de cada sistema
es decir, un sistema que disparara si detec-
tase una entrada por encima de 0,5. La res-
puesta de este sistema es la curva rosa de la figura 2. comparables al ruido que las rodea. Existe alguna
El ruido es tan intenso que este sistema est com- aplicacin prctica del fenmeno? Ha habido algn
pletamente confundido: dispara de un modo prctica- intento en ingeniera, pero sin demasiado xito. Sin
mente independiente de la seal, ya que el ruido hace embargo, los seres vivos s parecen utilizar la reso-
que en muchas ocasiones la entrada al sistema, es nancia estocstica. El grupo de Frank Moss, en la uni-
decir, la curva roja, supere el umbral aun siendo nula versidad de Missouri, realiz experimentos con un
la seal. Sin embargo, un sistema con un umbral ms cierto tipo de pez del Mississippi, el llamado pez ra-
alto, es decir, con una sensibilidad menor, se com- queta. Su alimentacin bsica consiste en plancton
porta bastante mejor. La curva verde representa la formado por pequeos organismos llamados dafnias.
respuesta de un sistema cuyo umbral es 1. Este sis- El pez raqueta detecta las dafnias a travs del campo
tema s capta los intervalos de tiempo en donde la elctrico que generan. El ro es, en lo que se refiere
seal es nula y aquellos en donde la seal es 0,5. a campos elctricos, un entorno bastante ruidoso y
An mejor es el sistema cuya respuesta viene dada el campo elctrico generado por las dafnias es muy
por la curva marrn. En este caso hemos programado dbil, de modo que se trata de una situacin idnea
al sistema para que dispare cuando la entrada supera para la resonancia estocstica. Moss y sus colabo-
un umbral igual a 1 pero, una vez disparado, deja de radores pudieron comprobar que el sistema de de-
hacerlo slo si la entrada est por debajo de 0,5. teccin del pez raqueta presenta el fenmeno de re-
Este sistema capta prcticamente a la perfeccin la sonancia. Introdujeron a un pez raqueta en un estanque
seal original. Pero observen que lo hace teniendo en el laboratorio en el que podan generar bajo con-
nicamente como entrada la curva roja, en la cual la trol un campo elctrico aleatorio, es decir, un ruido,
seal parece completamente enmascarada por el ruido! y midieron su eficacia predadora en funcin de la in-
Por supuesto, tanto el sistema de la curva verde tensidad de este ruido elctrico. El resultado fue que
como el de la curva marrn seran completamente la eficacia del pez aumentaba al aumentar la inten-
ciegos a la seal azul si a sta no se le aadiera sidad del ruido hasta un cierto valor, a partir del cual
ningn ruido. Estos dos sistemas de deteccin pre- disminua.
sentan resonancia estocstica. Son completamente in- Desde que se descubri en los aos ochenta, la re-
tiles para seales con poco o con mucho ruido y slo sonancia estocstica es un campo de investigacin muy
alcanzan un rgimen de deteccin eficaz para ciertos intenso. El nmero de artculos con variaciones y nue-
valores intermedios de la intensidad del ruido (aun- vas propuestas de sistemas que resuenan con ruido
que en este caso, bastante altos, al menos compara- o con fluctuaciones crece cada ao. Y estoy seguro
dos con la seal). de que en el futuro asistiremos a nuevas y especta-
La resonancia estocstica parece ser til para sis- culares aplicaciones del fenmeno, sobre todo en bio-
temas que tienen que detectar seales muy dbiles, loga y en ingeniera.

INVESTIGACIN Y CIENCIA, junio, 2003 3

J UEGOS MATEMTICOS
La paradoja de Simpson
l pueblo de Calda se dividi hace tiempo en dos
E municipios, Calda la Vieja y Calda la Nueva. En
las ltimas elecciones se presentaron en ambos
pueblos dos partidos, llammoslos A y B, para no he-
rir susceptibilidades. El partido A gan en Calda la Vieja
y el B en la Nueva, con el consiguiente disgusto de
Arturo, lder comarcal del partido A, que siempre haba
triunfado en los dos pueblos. Nuestro lder se dispuso
a analizar los escrutinios y a comparar los de los dos
pueblos, para tratar de encontrar en qu sectores se
haban perdido o ganado votos y las razones de la de-
rrota en Calda la Nueva. La comparacin pareca en
principio sencilla, porque en los dos pueblos haban
votado exactamente mil ciudadanos. Sin embargo, al
poltico le esperaba alguna que otra sorpresa.
Arturo comenz estudiando el voto masculino y el
femenino. En Calda la Nueva, su partido haba obte-
nido un 30 % del voto femenino y un 80 % en del mas-
culino. No estaba nada mal, a pesar de haber perdido.
La sorpresa lleg cuando quiso comparar estos resul-
tados con los del pueblo donde haba ganado, Calda
la Vieja. All slo haba obtenido el 20 % del voto fe-
menino y el 75 % del voto masculino. En los dos sec-
tores el porcentaje de votos en Calda la Nueva era su-
perior al de Calda la Vieja. Sin embargo, en este
ltimo se haba ganado y en el primero se haba per-
dido. Cmo es esto posible?
Nuestro lder poltico est siendo vctima de la lla-
mada paradoja de Simpson, un fenmeno bastante co-
nocido en estadstica. Veamos, a partir de los votos
obtenidos por el partido A en cada pueblo, cmo es
posible que ocurra esta paradoja. En la siguiente ta-
bla se muestran los votos de cada partido:
Partido A / Partido B Mujeres Hombres Total
Calda la Nueva 210/490 240/60 450/550
Calda la Vieja 80/320 450/150 530/470
Como ya hemos dicho, el total de votos en cada
pueblo es 1000. Arturo haba calculado bien los por-
centajes. En Calda la Nueva su partido haba obte-
nido 210 de los 700 votos femeninos, es decir, un
30 %, y 240 de los 300 votos masculinos, es decir,
un 80 %. A su vez, en Calda la Vieja haban obtenido
80 de 400 votos femeninos, es decir, un 20 %, y 450
de los 600 votos emitidos por hombres, es decir, un
75 %. La siguiente tabla resume estos porcentajes,
que se pueden obtener inmediatamente de la tabla
anterior:
2 INVESTIGACIN
Juan M. R. Parrondo
Porcentaje de votos
para el partido A
Calda la Nueva
Mujeres
30%
Hombres
80%
Total
45%
Calda la Vieja 20% 75% 53%
En esta tabla se encuentra la esencia de la para-
doja. Los porcentajes por sectores son superiores en
Calda la Nueva y, sin embargo, el total es inferior.
Parece imposible que pueda ocurrir algo as, pero es-
tos nmeros son los que se obtienen del reparto de
votos indicado en la primera tabla.
La razn de este extrao comportamiento estriba en
que se estn comparando porcentajes parciales de sec-
tores que no tienen el mismo tamao. Si escribimos
una tabla con la participacin en cada pueblo y en
cada sector:
Participacin Mujeres Hombres Total
Calda la Nueva 700 300 1000
Calda la Vieja 400 600 1000
vemos que el voto femenino en Calda la Nueva ha
sido muy superior al masculino, lo que ha hecho pre-
valecer su opcin mayoritaria, que era el partido B.
Por el contrario, en Calda la Vieja son los hombres los
que han depositado ms votos en la urna y, como lo
han hecho en un alto porcentaje al partido B, ha sido
ste el ganador.
La solucin de la paradoja se hace an ms evi-
dente en la representacin grfica de la figura 1. Los
rectngulos representan el total de votos emitidos en
cada pueblo. Separamos los femeninos de los mas-
culinos con una lnea verde vertical, y los que han
sido para el partido A con lneas horizontales en cada
sector (rojas en Calda la Nueva y azules en la Vieja).
El porcentaje o fraccin de votos en cada sector y en
cada pueblo viene dado por la altura que alcanza la
lnea horizontal correspondiente, mientras que el por-
centaje total en cada pueblo viene dado por el rea
coloreada.
La versin geomtrica de la paradoja es que las l-
neas horizontales rojas pueden estar por encima de las
azules y, sin embargo, el rea roja puede ser menor
que el rea azul. Esto es perfectamente posible, como
podemos ver en el tercer rectngulo que no es ms
que la superposicin de los dos anteriores: el rea azul
posee un rectngulo entre las dos lneas verdes que
puede compensar el exceso de rea roja en los extre-
Y CIENCIA, julio, 2003
Representacin grfica de la paradoja de Simpson. Las Calda la Nueva
lneas horizontales rojas estn por encima de las azu-

Porcentajes
les, es decir, en cada sector, los porcentajes de votos
al partido A son mayores en Calda la Nueva. Sin em-
bargo, el rea total azul es mayor que la roja, lo que
equivale a que el porcentaje total de votos al partido A
sea mayor en Calda la Vieja
Mujeres Hombres

mos. La representacin grfica ayuda tambin a en-

contrar conjuntos de datos en los que se d la para- Calda la Vieja
doja. Para ello el rea del rectngulo azul tiene que

Porcentajes
ser grande y, por tanto, lo debe ser su base, que es
la distancia entra las dos lneas verdes y su altura. Es
decir, tienen que ser grandes tanto la diferencia entre
los tamaos de los sectores en un pueblo y otro, como
la diferencia entre los porcentajes de cada sector.
Mujeres Hombres
La paradoja de Simpson no es slo una curiosidad
matemtica. Puede darse en situaciones reales, como
en la evaluacin de terapias y frmacos, y nos ad- que los hombres. Sin embargo, este sesgo se inverta
vierte de que hay que interpretar con cuidado los da- en los datos de los departamentos, en donde la fre-
tos estadsticos. El caso ms conocido ocurri en la cuencia de rechazo de los hombres era mayor. Se
Universidad de California en Berkeley. Para analizar trataba de un nuevo caso de la paradoja de Simpson.
si haba algn tipo de discriminacin de gnero, se La respuesta se encontraba en que hombres y muje-
realiz un estudio sobre el porcentaje de solicitudes res no solicitaban la admisin en los departamentos
de admisin rechazadas en los distintos departamen- de modo uniforme, sino que ellas lo hacan en mayor
tos. Los datos globales de la universidad indicaban medida en los departamentos en donde era ms dif-
que las mujeres eran rechazadas ms frecuentemente cil ser admitido.

LOS EJEMPLARES DE

FORMAN VOLUMENES
DE INTERES PERMANENTE
Para que pueda conservar y con-
sultar mejor la revista, ponemos a
su disposicin tapas para colec-
cionar sus ejemplares.

Para efectuar su pedido utilice el cupn

que se inserta en el encarte de la revista
o bien a travs de www.investigacionyciencia.es

INVESTIGACIN Y CIENCIA, julio, 2003 3

J UEGOS MATEMTICOS
Un mundo sin nmeros
l libro de la Naturaleza est escrito en caracte-
E res matemticos. As formulaba Galileo el
principio fundacional de la fsica contempor-
nea, que se ha extendido ms tarde a la ciencia en ge-
neral y hasta a la vida cotidiana. Hoy da la impresin
de que el nico conocimiento vlido y objetivo es el cuan-
tificable. El debate poltico parece errtico y vago si no
se apoya en cifras econmicas y sociolgicas. Para ex-
plicarnos los efectos de una operacin o de una tera-
pia, el mdico utiliza la probabilidad y la estadstica. La
mxima de Galileo tiene ms vigencia que nunca: los
nmeros y las matemticas se encuentran por doquier
y estn ah para describir y explicar el mundo.
Sin embargo, la mayora sigue teniendo grandes di-
ficultades para aprender matemticas. Esa dificultad no
proviene sobre todo de una falta de aptitudes. Nios
con problemas en matemticas son capaces de asimi-
lar y utilizar reglas de algunos juegos ms complejas
que las que rigen el clculo elemental. En la mayora
de los casos, la dificultad proviene ms bien de un cierto
estupor que se apodera de nosotros en nuestro primer
contacto con las matemticas. El estupor de no entender
qu tienen que ver los nmeros con el mundo que nos
rodea. Las matemticas no son un juego, sirven para
algo, y, sin embargo, el nio las percibe, y con razn,
como algo completamente ajeno a su mundo, en fla-
grante contradiccin con la mxima de Galileo.
Las matemticas, el pensamiento matemtico, ejer-
cen una violencia sobre el pensamiento del nio, o
de cualquiera que se acerque a ellas. Un ejemplo ilus-
trativo son los nmeros negativos, la primera gran
abstraccin de la matemtica, o, en palabras de Klein,
el paso de las matemticas concretas a las formales.
Para ensear los nmeros negativos a un nio, podra-
mos disear un juego en donde un dado hiciese avan-
zar una ficha y otro la hiciera retroceder; le explicaramos
que es lo mismo retroceder 5 casillas que avanzar
5 casillas. El problema es que el nio puede enten-
der esto como un juego de palabras absurdo, una
complicacin innecesaria, y comience a crearse en l
la idea de que existe una distancia insalvable entre la
vida y las matemticas.
Tiene razn nuestro alumno suspicaz? Para qu
decir avanzo 5 en lugar de retrocedo 5? Nosotros
sabemos que la verdadera potencia de los nmeros
negativos radica en que nos permiten describir el mo-
vimiento de la ficha con un slo verbo: avanzar. Sin
embargo, para el nio la vida est en las palabras, no
en los nmeros. Quitar palabras para dejar espacio a
los nmeros o a los smbolos es un acto de violencia
intelectual, una andanada contra nuestro sistema cog-
nitivo ms bsico y natural. La educacin matemtica
de hoy en da no tiene en cuenta muchas veces esta
violencia; est obsesionada con el aprendizaje de con-
ceptos formales a una edad demasiado temprana, cuando
86
Juan M. R. Parrondo
los nios no pueden entender su potencia y utilidad,
y es por eso que muchos acaban teniendo la sensa-
cin de que las matemticas no son lo suyo.
Si Galileo estuviera en lo cierto, si las matemticas
fueran el lenguaje necesario para entender el mundo,
todos haramos un esfuerzo considerable por apren-
derlas. Si usted va a pasar el resto de su vida en
China, dedicara gran parte de su tiempo y de su energa
a aprender chino, por muy difcil que sea o por muy
mal que se le den los idiomas. Adems, en poco
tiempo poseera ciertos rudimentos de chino, puesto
que en su vida diaria tendra que aplicar constante-
mente lo aprendido. La utilidad de lo estudiado en el
aula sera evidente en cada momento de su vida co-
tidiana. Sin embargo, con las matemticas no ocurre
lo mismo. Ocurre, de hecho, todo lo contrario. Sobre
todo para un nio, las matemticas son algo propio de
la clase, algo restringido al espacio delimitado por las
paredes del aula, que pierde todo sentido fuera de
ellas y carece de utilidad para la comprensin de su
realidad ms inmediata.
Y as fue en Occidente durante muchos siglos. En
la Edad Media y en el mundo clsico, los nmeros
tenan poco que ver con la realidad. Se viva en un
mundo percibido y entendido de forma cualitativa. Algo
que cambi drsticamente en un perodo de tiempo re-
lativamente corto, que va desde 1250 hasta 1350. En
ese breve intervalo de tiempo, se desarroll ms la
polifona y se inventaron el reloj mecnico, el can
y, probablemente, la perspectiva y los libros de con-
tabilidad. Inventos que ofrecan una imagen cuantita-
tiva de la realidad o que obligaban a crearla y mane-
jarla. Antes de ellos, tiempo y espacio eran esencialmente
cualitativos. En un libro delicioso, La medida de la rea-
lidad, el historiador Alfred W. Crosby describe este
mundo cualitativo medieval y la transicin a lo que l
denomina pantometra, la obsesin por medir, por con-
vertir en nmero cualquier aspecto de la realidad.
El hombre medieval perciba el tiempo de un modo
muy diferente a nosotros. El tiempo histrico no se ba-
saba en cronologas exactas, sino que slo estaba ja-
lonado por grandes acontecimientos, como el diluvio
universal o la vida de Jesucristo. Era ms un esce-
nario que una lnea de acontecimientos. El tiempo co-
tidiano era tambin bastante cualitativo. Existan las
horas, pero su duracin distaba mucho de ser exacta.
Por ejemplo, haba siempre doce horas de da y doce
de noche, tanto en verano como en invierno, con lo
que las horas diurnas veraniegas eran mucho ms lar-
gas que las del invierno. A su vez, lo nico que mar-
caba ciertos intervalos de tiempo de forma pblica eran
las campanas de los monasterios, que indicaban las
siete horas cannicas: maitines, prima, tercia, sexta,
nona, vsperas y completas. La poca precisin con la
que se tocaban estas horas cannicas queda viva-
INVESTIGACIN Y CIENCIA, agosto, 2003
mente demostrada por la etimologa de la palabra in-
glesa noon, que hoy en da denota las doce del me-
dioda, pero cuyo origen se encuentra en una de esas
horas: la nona. La nona corresponda a la novena hora
a partir del amanecer, es decir, ms o menos a las tres
de la tarde. Sin embargo, con el tiempo la llamada a
nonas se fue adelantando, debido probablemente al
hambre de los monjes, ya que era sa la hora en la
que podan tomar el primer bocado del da. Los pero-
dos de tiempo menores que una hora, como la dura-
cin de la coccin en una receta, se medan mediante
frmulas cualitativas que han pervivido hasta nuestros
das, como el rezo de un padrenuestro para un huevo
pasado por agua. No haba minutos ni segundos, y las
horas se hinchaban y contraan dependiendo de la poca
del ao y de las actividades de los monjes.
El espacio medieval era tambin muy distinto del es-
pacio moderno. Los mapas estaban llenos de lo que
ahora calificaramos como distorsiones. Sin embargo,
estas distorsiones no siempre se deban a una falta de
pericia o de medios tcnicos, sino que eran consecuencia
lgica de la funcin misma del mapa en la Edad Media:
no queran guiar guiar al viajero o al navegante, sino
dar una imagen del mundo, facilitar informacin sobre
lo que estaba cerca y lo que estaba lejos, y lo que era
importante y lo que no lo era. Los mapas de ayuda a
la navegacin, como los primeros mapas portolanos, en
donde se detallaban con precisin los puertos a lo largo
de las costas europeas y norteafricanas, surgieron a prin-
cipios del siglo XIII. Antes de esa fecha, los mapas ape-
nas si se utilizaban con ese fin.
En un mundo no medido, los nmeros tenan poca
cabida y, cuando se utilizaban, cobraba ms importan-
cia su simbologa que su modesta referencia a la sim-
ple cantidad. Veamos por ejemplo cmo describe algu-
nos nmeros Bartolom Anglicus, en el siglo XIII, traducido
por Fray Vicente de Burgos al espaol en 1494:
El numero de ocho es conplido por una unidad puesta
sobre siete y es compuesto de dos vezes quatro que
son numeros pares y de V y tres que son nones y de
VII y uno y significa la abundania de gloria que av-
ran los que avran las siete virtudes o los que avran
los siete dones del Espiritu Santo.
Una unidad puesta sobre VIII haze IX que es nu-
mero compuesto de tres vezes tres y significa el es-
tado y la gloria de las tres hierarchias de los angeles
de las quales cada una ha conformidad a la Trinidad
gloriosa y son permanesientes en la suma deidad sin
medio alguno.
El numero de X aade una unidad sobre IX y es el
fin y termino de todos los numeros simples ca quien
pasa X contando torna a uno y dende a dos y assi de
los otros. El numero de X que es el fin de todos nu-
meros sinples es el comieno de todos numeros com-
puestos y significa Dios que es fin y comieno de to-
das creaturas sean sinples como los angeles o
compuestas como los honbres.
La notacin es en parte romana, una notacin que
de por s no facilita los clculos. El nmero no slo
estaba alejado de la vida cotidiana, sino que era un
artefacto mstico, relacionado con los espacios sagra-
dos y con el arte ms abstracto, la msica. De ah que
INVESTIGACIN Y CIENCIA, agosto, 2003
Un mapa medieval de los llamados OT,
que representa los tres continentes conocidos
en la poca separados por dos mares en forma de T.
El mapa est orientado con el este hacia arriba,
ya que, siendo la direccin de la salida del Sol, era
el punto cardinal de mayor rango
los clculos fueran reducidoslo: se poda hacerlos sin
apenas salirse del complejo sistema de numeracin
romana, o con los dedos u otras partes del cuerpo y,
a partir del ao 1000, con el baco, importado de Oriente
gracias a los musulmanes espaoles.
Este mundo medieval cualitativo y sin nmeros, este
modelo venerable, como lo llama Crosby, no ofreca
una imagen ms grosera o ms ingenua de la reali-
dad. En palabras del propio Crosby, mostramos desdn
ante sus errores, pero nuestro verdadero problema con
este modelo estriba en que sea dramtico, incluso
melodramtico: Dios y el Designio se ciernen sobre
todo. En la actualidad queremos (o pensamos que
queremos) explicaciones de la realidad desprovistas
de emocin, tan anodinas como el agua destilada.
Por el contrario, los europeos de la Edad Media y del
Renacimiento, al igual que el chamn, al igual que to-
dos nosotros parte del tiempo y algunos de nosotros
todo el tiempo, queran explicaciones que fuesen con-
cluyentes de modo inmediato y satisfactorias desde el
punto de vista emocional. Anhelaban un universo que,
como dice Camus, pueda amar y sufrir.
Muy probablemente, la experiencia ms inmediata
del mundo para la mayora de las personas tiene que
ver antes que nada con ese modelo caduco y tosco
del medievo. Nos hemos acostumbrado al tiempo y al
espacio compartimentados y medidos, a cuantificar
con dinero nuestros deseos y el esfuerzo que estamos
dispuestos a realizar para conseguirlos. Sin embargo,
y por ms que le pese al viejo Galileo, en lo ms n-
timo y profundo, seguiremos viviendo en un mundo sin
nmeros, o donde los nmeros son un mero juego o
una til, pero limitada, herramienta.
87
J UEGOS MATEMTICOS
El problema del secador de manos
ace poco visit el nuevo bar de mi amigo Andrs.
H Despus de lavarme las manos en el servicio
del bar, puls el botn del secador, uno de
esos que funciona con aire caliente y disponen de un
temporizador. Como quiz le haya ocurrido al lector
ms de una vez, el aparato se detuvo cuando tena
las manos an hmedas. Incmodo, volv a ponerlo en
marcha, las manos se secaron mucho antes de que el
temporizador detuviera el secador por segunda vez y
al salir continu oyendo el zumbido machacn del mo-
tor durante un buen rato desde la barra.
Atormentado desde hace aos por esta asincrona
entre los secadores y mi capacidad de frotar las ma-
nos, le grit a Andrs, mientras se segua escuchando
el murmullo del aparato a travs de la puerta del ser-
vicio:
Por qu programan estos cacharros para que
funcionen durante un intervalo de tiempo tan corto? Es
molesto tener que volver a pulsar el botn con las ma-
nos an hmedas, pero an ms ver cmo se derro-
cha energa elctrica con el secador funcionando la
mitad del tiempo para nada.
Andrs contest sin dejar de dar brillo a las copas,
como si hubiese tenido la misma conversacin una de-
cena de veces:
No todo el mundo tarda lo mismo que t. Hay quie-
nes lo ponen en marcha cuando ya casi estn abriendo
la puerta para volver al bar. Y otros parece que ha-
cen la colada all mismo, del tiempo que se pasan de-
bajo del aire caliente. Supongo que el fabricante del
secador habr tomado una especie de media. Piensa
tambin que cuanto ms corto sea el intervalo de tiempo,
menos energa se derrochar.
Veo por dnde vas. Si el intervalo fuese de un
segundo, por ejemplo, en realidad no se podra nunca
derrochar ms energa que la gastada en un segundo.
0,2
0,15
PROBABILIDAD
0,1
0,05
0
0 10 20 30
TIEMPO DE SECADO
1. Distribuciones del tiempo que necesitan los usuarios
para secarse completamente las manos: uniforme (en
azul) y campana de Gauss (en rojo)
86
Juan M. R. Parrondo
Pero un secador programado as sera una autntica
pesadilla, tendramos que estar pulsando constante-
mente el botn de arranque.
Al da siguiente volv a visitar el bar de Andrs ar-
mado con toda clase de grficas y anlisis que haba
realizado la noche anterior. Mi idea era encontrar la
duracin que debe programarse en el secador para
que se derroche la mnima cantidad de energa. Como
bien intua Andrs, la solucin sera siempre que el in-
tervalo fuera lo ms pequeo posible, a no ser que se
tenga en cuenta que al pulsar el botn tambin existe
una cierta prdida de energa o, si se quiere, un des-
gaste en la maquinaria del aparato. Decid que esta
prdida fuera de 0,1 cntimos de euro por pulsacin.
Tambin es necesario hacer alguna suposicin sobre
el tiempo que tarda la gente en secarse las manos.
He considerado varias posibilidades: que todos tarden
lo mismo, 20 segundos, que los tiempos se distribu-
yan de modo uniforme entre 10 y 30 segundos, o que
lo hagan siguiendo una campana de Gauss, tambin
alrededor de 20 segundos. En todos los casos, el va-
lor medio del tiempo es de 20 segundos. Estas dos
ltimas distribuciones se muestran en la figura 1.
Finalmente, supondr que mantener el aparato en-
cendido 20 segundos cuesta un 1 cntimo de euro, es
decir, cada segundo nos cuesta 1/20 cntimos. Por
tanto, si el secador est programado con una duracin
de d segundos, el gasto total cada vez que se conecta
ser de 0,1 + d/20 cntimos de euro, 0,1 por la pulsa-
cin y d/20 por el funcionamiento durante d segundos.
Con todas estas suposiciones, necesarias para com-
pletar el modelo, se puede calcular el gasto total me-
dio de cada persona que utiliza el secador en funcin
de la duracin de funcionamiento programada. El clculo
no es demasiado complicado, al menos para el caso
en el que todos los usuarios tardan 20 segundos en
secarse. Si un individuo tarda un tiempo T en secarse
y la duracin programada es d, entonces pulsar el
botn un nmero de veces dado por la frmula:
PE (T/d)
en donde PE significa aqu parte entera del nmero
que est entre parntesis, es decir, el nmero entero
que queda si eliminamos todos los decimales que van
detrs de la coma (por ejemplo, la parte entera de
2,43 es 2). El gasto para esta persona es entonces:
(0,1 + d/29) PE (T/ d)
40 Calcular el gasto en el caso en que todos los indi-
viduos se secan las manos en 20 segundos es muy
sencillo: basta hacer T = 20 en la frmula anterior. El
resultado es la curva verde de la figura 2. Como ve-
mos, la duracin ptima es evidentemente d = 20 se-
INVESTIGACIN Y CIENCIA, septiembre, 2003
gundos, ya que entonces a todos los usuarios les 2,2
basta una pulsacin para secarse. En los casos en los
que hay una distribucin de tiempos, como las dadas 2
en la figura 1, es necesario promediar la frmula an-
terior utilizando la distribucin correspondiente. El clcu- 1,8
lo es bastante ms difcil y hay que hacerlo con or-

denador. La curva roja muestra el resultado para la
campana de Gauss y la azul el correspondiente a la
distribucin uniforme. Cul es finalmente la duracin
ptima? Depende mucho de la distribucin. De hecho,
es sorprendente que la dependencia sea tan acusada.
Por ejemplo, en el caso de la campana de Gauss, la
duracin ptima es de 23,5 segundos, con un gasto
medio aproximado de 1,225 cntimos de euro por se-
cado. Pero esa misma duracin producira un gasto de
1,59 cntimos si la distribucin fuese uniforme.
Un poco desanimado por estos resultados, pero con
la obstinacin tpica del cientfico, le dije a Andrs:
Lo mejor que podemos hacer es apostarnos du-
rante varios das en la puerta del servicio y medir cunto
tarda cada cliente en secarse. As tendramos la dis-
tribucin real, podramos calcular la duracin ptima y
programarla en el secador.
Mi amigo Andrs, que no es muy experto en ma-
temticas, pero tiene la sabidura de un buen barman,
respondi con tranquilidad sin dejar de sacar brillo a
las copas:
Todo esto est muy bien, pero me parece que no
va a sernos muy til. Lo ms probable es que eso que
llamas distribucin de tiempos dependa de la propia
duracin del secador. Si a un tipo se le para el seca-
dor con las manos ligeramente hmedas, quiz mal-
GASTO
1,6
1,4
1,2
1
0 5 10 15 20 25 30
DURACION
2. Gasto medio por individuo que utiliza el secador, en
funcin de la duracin con la que est programado. La
curva verde corresponde al caso en que todos los indi-
viduos necesitan exactamente 20 segundos para
secarse, la azul corresponde a la distribucin de tiem-
pos uniforme y la roja a la campana de Gauss
diga al fabricante, pero lo ms probable es que no lo
conecte de nuevo y se vaya a su mesa sacudindo-
las para que acaben de secarse.
Definitivamente, me di por vencido. Lo que Andrs
intuye es un caso de retroalimentacin y un problema
de ese tipo es bastante ms difcil de resolver. Desde
entonces no he vuelto a pulsar dos veces el botn del
secador en el bar de mi amigo y salgo siempre sacu-
diendo las manos al aire.

LOS EJEMPLARES DE

FORMAN VOLUMENES
DE INTERES PERMANENTE
Para que pueda conservar y con-
sultar mejor la revista, ponemos a
su disposicin tapas para colec-
cionar sus ejemplares.

Para efectuar su pedido utilice el cupn

que se inserta en el encarte de la revista
o bien a travs de www.investigacionyciencia.es
 EG()S MATEMATI . arrondo
J u a nM . R P

Laparadoja
delaBiblioteca
deSabel
I granemperador de Babelordena sus escri- cinde la Biblioteca cabenen unahojade papel.Por
banosquecaligrafiaran unoa unolosvolme- otrolado,comoE/ Quijote, porejemplo, es unode los
nesde unagrandiosa Biblioteca,unaBibliotecavolmenes de la Biblioteca, estclaroqueslohace
quecontendra todosloslibrosde 500pginas escri- faltaseguiresasinstrucciones paraescribirlo! Cmo
tosy porescribir. Lasinstrucciones quedioal jefede es oosible?
losescribanos eranmuysencillas. Deberan tomarlas Estamismaparadoja ocurreen uncampode lasma-
27 letrasdelalfabeto, el espacio y lossignosde pun- temticas, la complejidad algortmica, creadapor los
",u ",' "'u tt'" tt'" ttl"
tUaCin y haCef tOdaS laS matemticos Kolmogorov, Chaitiny Solomonoff. Ya ha-
combinaciones posibles que se ajustaran a las 500 blamosde ellacuandoanalizamos la relacin entrela
pginas de cadalibro.Empezaran con un libroen compresin de ficheros de datosy la teorade la in-
blanco; despus conun libroqueslotuviera (Juegos
la letra formacin matemticos deseptiembre de2001).
"a"en su comienzo estando en blancoel resto.Otro La complejidad algortmica de unacadenade smbo-
con la letra"b",y as sucesivamente. Luegose em- loses la cantidad de instrucciones quehayquedara
pezaracon pares"aa","ab","ac",etc. El ltimodg una persona o a un ordenador paraque reconstruya
losvolmenes seraun librocuyas500pginas con- dichacadena. Si la cadenaes muygrandeperores-
sistiranen unasucesin interrumpida de sionosde pondea unadeterminada pautalgica, su complejidad
interrogacin "?". Entreel primerlibroen b'1anco y algortmicaes pequea. Porejemplo, la complejidadal-
esteltimoy misterioso librollenode interrogaciones gortmica
delnmero de dosmildgitos:
estaran todoslos librosescritos y por escribir. La
mayora seranininteligibles o absurdos, peroen al- 27272727...27
gunode los estantes de la Biblioteca de Babeles-
taranDon Quijote,La Crticade la RaznPurao la es muypequea. Porquebastanlas instrucciones "es-
exposicin (sinfrmulas matemticas) de la teorade criba27 mil vecesseguidas" parareconstruirla. Sin
la relatividad. embargo,el nmero:
Elemperador estaba muycontento consu Biblioteca
hastaque un jovenestudiante pidiaudiencia y le 12221 12121221112122...
hablas:
"Majestad, habiscreadounagranobraconvues- quese construye tirando unamoneda dosmilvecesy
tra Biblioteca, puestoqueencierra todaslasverdades poniendo un 2 si salecarao un 1 si salecruz,tiene
(y todaslas mentiras), todaslas historias y todaslas unacomplejidad algortmica muygrande, ya quesi los
bellezas delmundoquepueden expresarse conpala- resultados dellanzamiento dela moneda sonrealmente
bras.Perohayalgoen elloqueno acabode enten- aleatorios, lo msprobable es quenotenganpautaal-
der.Lasinstrucciones quedisteisa vuestros escriba- gunay las nicasinstrucciones quepermitan recons-
nosparacrearla Biblioteca se pueden dictarenmenos truirese nmero en concreto consistan en indicaral
de cincominutos y cabran en unasimplehojade pa- sujetoquequierareconstruirlo todoslos dgitos, uno
pel.Esahojade papelcontendra lasinstrucciones ne- poruno,quelo forman. En otraspalabras, el nmero
cesarias paracrearlade nuevo.Si con unasinstruc- esincompresible: la informacin quecontiene nopuede
cionestan brevespodemos creartodaslas verdades reducirse a unasinstrucciones msbreves queel pro-
(y todaslas mentiras) delmundo, entonces cadauna pio nmero; la nicaformade describirlo es detallar,
de estasverdades, o cadaunode esoslibros,puede unaporuna,todaslascifrasquelo forman.
crearse conesasmismas instrucciones, o incluso con La paradoja a la que se enfrenta el emperador de
menos, puesto quecadalibroes slounanfima parte Babilonia,expuesta en trminos de la complejidad al-
de la Biblioteca. Consu Biblioteca, Su Majestad ha gortmicade Kolmogorov, Chaitiny Solomonoff sera
demostrado quetodasy cadaunade las verdades y la siguiente:
lashistorias de loshombres cabenen unasimple hoja Cmo es posible quela complejidad algortmica
de
de papel." unasecuencia seamuypequea y que,sinembargo,
Elemperador oyal estudiante conatencin, sinsa- la complejidad de un subconjunto de dichasecuencia
bercmoresponder. Trasdespedirlo, se encerr du- seagrande? O: cmoes posible quela complejidad
rantesemanas en losaposentos msretirados delpa- algortmica de la Biblioteca seapequea mientrasque
lacio,sumido en unaprofunda confusin. la complejidadde unode sus volmenes, El Quijote
El argumento del jovenestudiante pareceabsurdo, porejemplo, es grande?
perono puededescartarse fcilmente, y el Emperador Paraver cmoy porques estoposible, conside-
lo saba.Es ciertoquelasinstrucciones oarala crea- remosla cadenaC de dgitosformadapor la conca-

86 y Crrucln.
INVESTTGAcTN octubre.2003
 en tre0 y 10 20 001'-
de tod oslos n me ros
ten aci n
est acad enaC esc rib imopri
Pa racon str uir s me ro
oos
lee ece ros
;1' :#; i;;g ol gg " to'v un1' lue so
V un 2, y asi suc esl vam entEs e'dec ir'con cat ena mo s
iod oslos nm erooe s dos mil cifr as'em . pez andporo
el cer o,el 1, el 2, eli' "il ttrftg utal 102 0001'- Es ta
a enacon tlen e
inm ens cad
20 00x 10 20 002=x 10 20 03

dq itosper , osu com ple iidaalg d or tmi caes mu y pe-

;lH ;' oi a-n ien , n ia cad en?c com
1-t l.t. ttn - 1'o
sub cad ena s oslos .n 'itio tnt tt cei oy 102 000
tod
v alq unode est osnum ero-co s mo el ale ato rio que
t.i," .l"" itiJ unt "t- tto t ten eruna com ple iidaal- d
qor tm ica mu cnoma yor No' s enc ont ram os de nue vo
il'il
""i;;t ,io " o. t Bib liot ecade Ba b'e l'.
.fi; i 'e ta par oo aes la.sig uie -ntPie e' nse n Un sen citl opro gra ma pod ra
oe ord ena dor una
.n lr" 'lt. ale ato rio de dos mil cifr asque hem os bib liot ecaque nc uye slod t bs libr os'pos -geible
ner ar
ild ;;'d;l:,ena:"I'i
u'' io;ffT T :
?; .h no pod ria' molee
s'Per o
tro de la cad f T :i, '.. l;
en el list adode esei'iri "
o i.i ql i;: tlq
s r El
:'lZiil&,!:'o?'i!3!rl
ilJ" ,ili it
tru cci onep"r
ec pa rade sc r'rb
li itti tt n' La sins - Tot
ir '"'" Via al, iePorel u
,s ), ,?,',J:[:3:
s u |..r on" rirJir J.ri "n: .(a)con str yasCe ic ot sietf t & We ber -Fe rro
S'R 'L'
v (b)enc un tre se n otn tiode C' Sa bem .os quelasins -

l::.'a i'dhflii"il'l;;i;;"F[=tii'i-[i'ii]l.i.s
ff sif:ifJ'?''}
'J:iii
HH pis ^o
;9roel pas o(a),l1 l':: vbre
{,J :"
.i- ;i';arre
ar ;;;.vai
;bcab son
ves .Pe ro,q uocu rrer pas o(b) ?De ntr ode la
mu
i]ttt,q?tt',I
J:v ^:'-?;
seopa sse ma naind
Er bib rio tec ari s ica ndar
o
;il; : i'n rlm ero n em Pie za
20x'00
en el siti o:
l#'if
Lue go,par apre crs ar
con abs oru ta
exa ctit ud
;:?:':';$nlt"*l"
t:tr
lilm
{i!{':i:tq:{1
dn de m str ao r' i" ibji ;i;. r.r'" con tod o
, i" con oci do
em pien, zaite nd ram or# ;;il b-. r1g o*i Ji. . io 'i s- oo ^o uii ote
.i ir pit v' ar
v sa nc ho
titu detpro pio rj ;';r .iy ol5 1li lfr; ;;.-1 1- mi smtitt
n me ro'*i en co ntr ad
o ' r'tn 'a la so an
o luc i rapa -
'n
C es com ple tam ent e tiino not aho rranin gun ins
a - ttti ";'. no
;tru ilil, ';,; , quelos libr osde la Bib liot eca
99 p99 t"n
on iaen co ntrgs p taso ruc ina ord en ar, d;;;r t"t Qu e-l aL are elrlus ar
deade scr ibi
ta pa rad oja
pe, rono ;; f;i. ,-,. tt "*io
n.i noo no Jit 't tt*t it Et- py iio no are '
te eq uiv ali en
Laen co ntril;. t;;' .;
oa lac io. o .- ;;.o -oe su s.n ii ;;; it u,rret
o ,i"p ;;i. i;;.E. Eto aeco
, moencu alq uie r
rio s,De sp uo., mu .to l-i- i.
o.i.r rri. ntJ i'o" rii - enun aren gurea
ot' otio ro. ir ito a l'ha vuncie"qrtogra oo
tespe ns am ien i.l" ;- , p; i,g o.r
..r,o, . .i ud ;;i , o. ,ro un iiiHi;l "u"
?tl, p]o de trde
' s un a "sie m-
de cidco ns urtpo ,.
i arr r.vb zarg nvo lr* rnoer pr. .p. rJ co n.rcuo, alel bib lio tec se
i- rnu ari o
(no
Bib tio tec alo ha nn"n o nu ncha
sta ';;i l#; i Re du nd an cta
bg li dJ r"; l to '9 ^in dic ac ion
puer
rasran
seacerac dotarauda
o,,nl',TTil?ii.ij, {,. es '
blio tec arlo : ,:*tr
_H e od ohab raroe un ribr odiv erti do
#ii lli:l_li_..:m#
y a la vez rev e- de lorp res a" sin o que es par cta to rota rrr vrrtv'::
uq "'o co rol4 "l e '-y

n'.illii fi"1Ju'i;'3;'.in: nl 'il#;':*!]ro

Loes cri birun
rad or. "' *un ies ir'i no , .r- cin te,
oe nir o co de ,un a
, il"J u '; uJ tt tas
f' l\xrl*.';,.;J.liffu
-S , Ma ies taoco
to tra nsc rib*,
. I. ose|ibr o., El esc rib anoque ,' t'F:'iJ:x:.T':?i 3i"'*1i
,nu ybie nde l y ,..u iO opt'- ::lt
pgl*;.* p,.Dt'
|a ma yor|an tida dde info rm aci n
,", ["tr "'g ''?t- *lg ttto res de fich eroque
i nu iO ]9* s
fec tam entene qulr iii" i ra Bib rio c a;; ;;; ;.- irti rir" *i. ,n nue str os ord ena dor es det ect an
est are-
tra .os ind icaco rre sana
r mo r sra n9 3n ii"" "i -i doer tam ade qu e
o tric he ro
*r 70 %'co ya vim la
silt oce ntr al
ha sra qu eue s!r.^
ungra nca]Eirtel;ria;
ti n tdt ra 9:: tt;x toha staenun mo os
,,e ,,. grr y..
Ar de be ri s ra rade rec ha .u* inun 1,1 -t; de20 01 '
se pti em bre
, tre - .... in 'i.'i i'rg ii M t^ {,!? ?td " po sibap ren .er
ch onomu ytar gon , strre -ga r.u q.:lllg d ; t s1 ti1' im
e-t 'tb tbl em en te exle de
un ca rtecor n ra ret i- c
'n, . mi so
na d toun ti me tro s, un r.n "i ot' "J;
st iuu
,i iJ 'q- u-e ier a co mp let am en en to
te
lfitrtiiffiixnhtr:i'.'-.:-H il 5[i
;';*
Asq::{:'.tlti'i:o't:lito**
1f fi.
"1 ", 'h ':; ti, ':1,mln61
"s"-il 3'
]'lljil !"J
d"Jt !i*F'in?pi u"ro
]* ras
da s*t
sjo va1se1?,',1'#
qu
elpa siloe
lotai u;'lue elo' tt
, so i" .;; "''r
y el de la "r" "' :m ttt tft t:: iJ: #'gii:t lt'S !;t jto St ;il1 't'i t':: 'tt-

lv rst te ct
v Ctr , ubr200
ruuctoct e' 3 87
J UEGOS MATEMTICOS
Zenn y los camellos
uchos lectores quiz conozcan este viejo acer-
M tijo: Un anciano dej antes de morir los 11 ca-
mellos de su rebao a sus tres hijos, indicando
que el primero debera recibir la mitad del rebao, el
segundo una cuarta parte y el tercero una sexta parte.
El albacea no saba muy bien cmo satisfacer los de-
seos del difunto sin descuartizar algn camello, puesto
que al dividir 11 entre dos, cuatro o seis no se ob-
tiene ningn nmero entero. Pas toda la noche re-
flexionando sobre el problema y finalmente encontr
una solucin extraa, pero incontestable.
Pidi a un amigo un camello y lo uni al rebao.
Con este rebao de 12 camellos reuni a los tres hi-
jos y les ley solemnemente el testamento de su pa-
dre. Al primero le dio la mitad del rebao aumentado:
6 camellos. Al segundo hijo le entreg un cuarto, es
decir, 3 camellos. Finalmente, al ltimo le dio un sexto
del rebao, es decir, 2 camellos. El nmero total de
camellos entregados a los hijos es 11. Por lo tanto,
despus del reparto, pudo devolver el camello pres-
tado y satisfacer los deseos del difunto.
Este modo de repartir los 11 camellos sorprende a
primera vista. El truco del reparto estriba en que las
fracciones que el anciano padre haba asignado para
cada hijo no suman 1, sino
1 + 1 + 1 = 6 + 3 + 2 = 11
2 4 6 12 12
La suma nos indica con absoluta claridad que, para
repartir 12 camellos conforme a las fracciones asig-
nadas, slo es necesario entregar 11.
Hasta aqu el problema clsico. Sin embargo, hace
unos das, Paco Blanco, de la Universidad Complutense,
me propona una sencilla variante para solucionar el
reparto ntimamente relacionada con las antiguas pa-
radojas de Zenn. Qu ocurrira si el albacea si-
guiera al pie de la letra las instrucciones del difunto
sin hacer uso del camello adicional? Dara al primero
de los hijos 11/2 de camello, al segundo 11/4 y al ter-
cero 11/6. No sin antes malograr la integridad fsica
de algunos de los pobres animales, el albacea se en-
contrara al final del reparto con 11/12 de camello so-
brante, ya que el total repartido es (11 11)/12. Como
es un hombre honrado que desea que la herencia se
entregue ntegramente a los hijos, decide repartir lo
que sobra atenindose de nuevo a las fracciones es-
tipuladas por el padre. Por lo tanto, da al primero de
los hijos 1/2 11/12 = 11/24 de camello, al segundo
(1/4 11/12) /11/48, y al tercero (1/6 11/12/12 = 11/72.
Pero, despus de este segundo reparto, sigue so-
brndole una pequea fraccin: 11/12 1/12 = 11/144
de camello. Ni corto ni perezoso, vuelve a repartir
2 INVESTIGACIN
Juan M. R. Parrondo
este sobrante siguiendo las instrucciones del padre.
Este proceso es infinito, ya que, por muchas veces
que se realice el reparto de la parte sobrante, siem-
pre quedar una pequea fraccin. En concreto, des-
pus de n repartos, al albacea le quedarn 11/12 n de
camello.
Tras infinitos repartos, cunto habr recibido cada
hijo? La respuesta es que este reparto, aunque no lo
parezca a primera vista, conduce al mismo resultado
que haba conseguido el albacea con la ayuda del ca-
mello adicional. Para convencernos de ello, pensemos
que en todos y cada uno de los infinitos repartos, el
segundo hijo siempre obtiene la mitad de lo que se le
da el primero y el tercero siempre obtiene un tercio de
lo que consigue el primero. Por tanto, si el primero
consigue una cantidad total de camellos x, el segundo
obtendr x/2 y el tercero x/3. Como, despus de los
infinitos repartos, se habrn agotado los 11 camellos,
la suma de lo obtenido por cada hijo debe ser igual a
11, es decir:
x + x + x = 11x = 11
2 3 6
con lo que x = 6 y el segundo y tercer hijo reciben,
respectivamente, 3 y 2 camellos, tal y como ocurra
con el reparto que haca uso del camello adicional.
El problema est as resuelto. Sin embargo, podra-
mos haberlo atacado de otro modo, tratando de sumar
lo que recibe cada hijo en los infinitos repartos. Por
ejemplo, el primer hijo recibe una cantidad de came-
llos que puede escribirse como una suma infinita:
1 11 + 1 11 + 1 11 + 1 11 + ...
2 2 12 2 122 2 123
en donde los puntos suspensivos indican infinitos tr-
minos que siguen la misma pauta. Con el argumento
de las proporciones, hemos encontrado que esta suma
infinita es igual a 6. Por lo tanto, hemos sido capa-
ces de realizar esta suma de infinitos trminos. La
suma se puede simplificar un poco y escribirse en la
forma:
1 + 1 + 1 2 + 1 3 + ... = 62 = 12
12 12 12 11 11
Que una suma infinita pueda dar como resultado
un nmero finito parece a primera vista extrao. As
se lo pareci hace ms de dos mil aos a Zenn de
Elea, quien expuso esta extraeza en forma de pa-
radojas para evidenciar los problemas del movimiento
de los cuerpos. Una de las paradojas de Zenn pone
Y CIENCIA, noviembre, 2003
 l argumento sobre la paradoja de Zenn
E se puede generalizar a cualquier fraccin
r mediante una modificacin de la idea de los
1 r r

(1 r)r r2
repartos infinitos en donde slo hay una per-
sona beneficiaria del reparto. Supongamos un (1 r)r 2 r3
segmento de longitud unidad. Lo dividimos en
..
dos partes, una de longitud 1 r y otra de lon- ..
gitud r, y damos a la beneficiaria la primera de ..
las dos partes (en rojo en la figura). Volvemos
a dividir el segmento sobrante en dos fracciones dadas por 1 r y r y entregamos la primera. Repetimos
la divisin infinitas veces, tal y como se muestra en la figura, dando siempre el intervalo rojo y dejando el
azul para el reparto siguiente. Despus de infinitos repartos, habremos entregado todo el intervalo de lon-
gitud unidad, que debe ser igual a la suma de todos lo segmentos rojos. Es decir:

(1 r)(1 + r 2 + r 3 + ...) = 1

o tambin:
1
1 + r 2 + r 3 + ... =
1 r
Las distintas frmulas de sumas infinitas que aparecen en el texto no son ms que casos particulares
de sta que acabamos de deducir.

en cuestin que un cuerpo pueda moverse, digamos,
de un extremo a otro de una habitacin. Su conocido
argumento nos dice que el cuerpo tendr primero que
alcanzar el punto medio de su recorrido, despus el
punto medio de lo que le queda por recorrer, des-
pus el siguiente punto medio y as sucesivamente.
El cuerpo tiene que alcanzar infinitos puntos o, dicho
de otra manera, consumar un nmero infinito de pe-
queos recorridos. Si, por ejemplo, la longitud total
del movimiento es un metro, el cuerpo tendr que re-
correr primero la mitad, 1/2, luego la mitad de la mi-
tad, 1/4, luego 1/8, y as sucesivamente. Si tiene que
hacer un nmero infinito de recorridos, y en cada uno
de ellos invierte una cantidad finita de tiempo, en-
tonces, siguiendo siempre el argumento de Zenn, el
cuerpo tardar un tiempo infinito en realizar su mo-
vimiento. Con ello Zenn demostraba que el movi-
miento es imposible o, al menos, algo propio del mun-
do de las apariencias y que presenta inconsistencias
lgicas.
Es curioso que Zenn no se diera cuenta de que
una suma con infinitos trminos puede ser finita. Por
su propio argumento, y sin fijarnos en el tiempo que
tarda el cuerpo en hacer cada recorrido sino slo en
las longitudes de stos, no es difcil darse cuenta de
que la suma de los intervalos en los que sucesiva-
mente dividimos el recorrido tiene, por necesidad, que
ser igual a la longitud total, es decir:
1 + 1 + 1 + ... = 1
2 22 23
Sin embargo, los griegos todava tenan dificultades
con la nocin de un infinito que no fuera meramente
potencial. Aristteles, por ejemplo, propone una com-
plicada distincin entre el segmento sin dividir y el
segmento dividido infinitas veces; el primero era ac-
tual, el segundo, potencial, y dudaba de que la lon-
gitud de uno fuera igual a la del otro.
Lo que quizs estaba en cuestin, tanto en la mente
de Zenn como en la de Aristteles, era la propia na-
turaleza del tiempo y el espacio y la posibilidad de
subdividirlos infinitamente. Otra de las paradojas de
Zenn sobre el movimiento, la conocida como de la
flecha y quiz la ms sugerente de todas ellas, nos
dice que en un instante dado una flecha est en un
cierto lugar, ocupando el mismo espacio que ocupa-
ra si estuviera en reposo. Considerando slo ese ins-
tante, la flecha en movimiento no se distingue en
nada de la flecha en reposo y podemos por tanto de-
cir que en ese instante la flecha se haya en reposo.
Si se haya en reposo en cada instante, la flecha se
haya siempre en reposo, luego no se mueve nunca.
Aunque parece un mero juego de palabras, la para-
doja de la flecha se pregunta por algo que an es
misterioso para la fsica, al menos para la no relati-
vista: si es posible generar un universo dinmico, en
movimiento, a partir tan slo de una sucesin conti-
nua de instantes y qu tipo de conexin causal o de
continuidad hace falta para ello. De todos modos,
para muchos fsicos esta pregunta no tiene sentido.
Ms bien pensamos que el instante es una idealiza-
cin, carente de realidad fsica. Recientemente, un jo-
ven estudiante de fsica australiano, Peter Lynds, ha
recibido una considerable, pero en mi opinin no me-
recida, atencin de los medios de comunicacin por
analizar las paradojas y proponer esta vieja solucin:
la negacin del instante.

INVESTIGACIN Y CIENCIA, noviembre, 2003 3

J UEGOS MATEMTICOS
Cita a ciegas
unque al lector ajeno al mundo de la investiga-
A cin le cueste creerlo, una de las partes ms
importantes y ms ledas de un artculo
cientfico es la llamada lista de referencias, en la que
se encuentran todos los libros, artculos y trabajos que
se citan en el texto principal del artculo. Renombrados
cientficos, al llegar a sus manos el trabajo de un co-
lega, pasan pginas con rapidez convulsa para llegar
a la mencionada lista y comprobar si aparecen citados
o no. Por qu tanto inters? Pura vanidad? Puede
que sea as en buena parte, pero existe otra razn:
hoy en da, acertada o desacertadamente, la calidad
cientfica de un trabajo cientfico se mide por el nmero
de veces que ha sido citado. Aunque cueste recono-
cerlo, muchos tribunales que juzgan puestos o becas
de investigacin recurren al nmero de citas de un ar-
tculo para determinar su relevancia, en lugar de leerlo.
La empresa privada Institute of Scientific Information
(ISI) naci en 1958 con el objetivo de recopilar los t-
tulos y resmenes de todas las publicaciones cientfi-
cas. En 1961 decidi recopilar tambin informacin
acerca de las citas. Disponer de un ndice en donde
se pueden buscar todos los artculos que han citado
alguno dado es una herramienta extremadamente til.
Suponga que usted comienza a trabajar en un cierto
tema y que encuentra un artculo de 1973 con ideas
parecidas a las suyas. Rastrear todos los artculos
que, desde 1973 hasta hoy, han citado aquel trabajo
le permitir conocer toda la investigacin que se ha
hecho en estos ltimos 30 aos sobre el tema y las
ideas que le interesan, algo que es bastante ms di-
fcil de obtener slo mediante bsquedas que hacen
uso de las palabras que aparecen en el ttulo o en el
resumen de los artculos.
Lo que quiz no esperaban los creadores del ISI es
que la recopilacin de citas se convertira con el
tiempo en uno de los mtodos ms utilizados para
evaluar, no slo la calidad de trabajos de investiga-
cin, sino tambin el impacto de las revistas cientfi-
cas. En efecto, lo que hoy en da determina el xito
de una revista cientfica es sobre todo su parmetro
de impacto, que no es ms que el nmero medio de
citas que recibe cada artculo publicado en la revista.
Una de las revistas con mayor impacto es, por ejem-
plo, Nature. Su parmetro de impacto en 2002 es 30,432
porque los 1952 artculos publicados en los aos 2000
y 2001 han sido citados, durante 2002, 59.403 veces,
es decir, 30,432 veces por artculo. Este es un nmero
medio de citas bastante alto. De las 5830 revistas re-
gistradas en el ISI, Nature es la quinta con mayor pa-
rmetro de impacto. En la figura 1 se puede ver el pa-
rmetro de impacto de estas 5830 revistas, en funcin
del puesto que ocupan en una lista en la que se or-
denan de mayor a menor parmetro de impacto.
2 INVESTIGACIN
Juan M. R. Parrondo
Si las citas son una buena medida de la importan-
cia de un artculo o una revista es un asunto que est
permanentemente en cuestin. En primer lugar, existe
una cierta picaresca en torno a las citas, ya que edi-
tores y censores de revistas tienden a recomendar
que se citen sus artculos. En segundo lugar, son muy
citados los artculos que contienen alguna idea fcil de
generalizar, independientemente de que sea relevante
o no, mientras que un artculo que resuelva de una
vez por todas un viejo problema puede que se cite
muy pocas veces.
A esta polmica se ha sumado una sorprendente in-
vestigacin realizada por M. V. Simkin y V. P. Roy-
chowdhury, de la Universidad de California en Los
Angeles, y que demuestra que los cientficos no somos
especialmente cuidadosos ni crticos a la hora de citar
otros trabajos. En un primer artculo, titulado Leed
antes de citar!, investigaron cmo se propagan los erro-
res en las citas: erratas en los nombres de los auto-
res o en la pgina del artculo citado. Simkin y Roy-
chowdhury analizaron estadsticamente estas erratas
en el caso de un artculo citado 4300 veces y com-
probaron que los errores se propagan a lo largo de
las citas. Por ejemplo, de las 45 erratas que detecta-
ron, una de ellas, las ms frecuente, apareca 78 ve-
ces, lo cual indica que muchos de los autores que ci-
tan ese trabajo han copiado la cita de la lista de referencias
de otros artculos sin comprobar los datos del trabajo
citado y, lo que es peor, probablemente sin leerlo.
Un argumento muy simple nos puede servir para es-
timar la fraccin de citadores que realmente han le-
do el artculo. Simkin y Roychowdhury detectaron 196
erratas en las 4300 citas. De estas 196, slo 45 eran
diferentes. Es evidente que, de los 196 autores que
han citado errneamente, 196 45 = 151 han copiado,
60
PARAMETRO DE IMPACTO
50
40
30
20
10
0
1 10 100 1000 10.000
PUESTO EN EL RANKING
1. Parmetro de impacto de 5830 revistas en funcin
del puesto que ocupan en una lista en donde las revis-
tas se ordenan de mayor a menor parmetro de
impacto
Y CIENCIA, diciembre, 2003
puesto que su errata no es original. Admitiendo la
presuncin de inocencia de los otros 45, es decir,
suponiendo que ellos s han ledo el trabajo citado, ob-
tenemos que la fraccin de lectores frente a citadores
es R = 45/196 = 0,23. Es decir, segn esta deduccin,
los cientficos leen menos de la cuarta parte de los ar-
tculos que citan. Un argumento ms elaborado ba-
sado en un modelo probabilstico conduce a un valor
casi idntico, R = 0,22.
Si los cientficos citan copiando la lista de referen-
cias de otros artculos en lugar de leer las referencias
originales, entonces puede que tenga lugar un efecto
bola de nieve en las citas que recibe un artculo.
Simkin y Roychowdhury, en un segundo trabajo, han
demostrado que esto es posible. Han diseado un mo-
delo muy simple que reproduce la estadstica de las
citas. El modelo podra llamarse de cita a ciegas, ya
que supone que cada cientfico elige las citas al azar,
de acuerdo con las reglas siguientes. Supongamos
que se han escrito N artculos y que un cientfico es-
cribe uno nuevo. El cientfico escoge al azar m artculos
de los N existentes, los cita y cita tambin, con una
probabilidad p, las referencias que aparecen en esos
m artculos.
El modelo es tan simple que se puede simular f-
cilmente con un programa de ordenador, comenzando
con m artculos sin lista de referencias. Puede in-
cluso resolverse de modo aproximado, aunque la forma
de hacerlo es demasiado complicada para esta sec-
cin. En la figura 2 se muestra la solucin del mo-
delo con m = 3 y p = 1/4. Estos son los valores que
mejor se ajustan a los datos reales, extrados del ISI,
y que tambin se muestran en la figura. La grfica
representa la probabilidad de que un artculo haya
sido citado k veces, o equivalentemente, la fraccin
de artculos citados k veces, en funcin de k . Como
se ve en la figura, el modelo reproduce bastante bien
los datos reales. Podemos tambin comprobar el efecto
bola de nieve mencionado antes. Supongamos que
hay N artculos y que uno de ellos ha sido citado k
veces. Cul es la probabilidad de que lo cite el ar-
tculo N + 1? Recordemos que en el modelo un nuevo
artculo elige m al azar entre los N existentes, los
cita y cita con probabilidad p los artculos que apa-
recen en las listas de referencias de los m elegidos.
Por tanto, hay dos posibilidades para ser citado: o
bien a) el artculo es elegido entre los m primeros, o
b) est en la lista de referencias de algunos de es-
tos m primeros artculos. La probabilidad de que ocu-
rra a) es, aproximadamente, m/N y la de que ocurra
b) es km/N . Pero, en el caso b) el artculo es slo
citado con una probabilidad p . Por tanto, la probabi-
lidad de que nuestro artculo con k citas sea citado
de nuevo es:
m + pkm
N mente a ciegas, por supuesto. Sin embargo, el modelo
y es mayor cuanto mayor sea k. De hecho, si k es
pequeo, ser muy poco probable que el artculo sea
citado de nuevo. En el modelo de cita a ciegas habr
muchos artculos apenas citados y unos pocos muy ci-
INVESTIGACIN Y CIENCIA, diciembre, 2003
NUMERO DE CITACIONES
1
10 100 1000 10.000
0,1
0,01
PROBABILIDAD
0,001
0,0001
0,00001
0,000001
0,0000001
2. La grfica muestra la probabilidad de que un artculo
tenga un nmero de citas determinado. Slo aproxima-
damente uno de cada un milln de artculos es citado
ms de 1000 veces. La lnea azul corresponde
al modelo de cita a ciegas, mientras que los puntos
color magenta son los datos reales tomados del ISI.
[Figura cedida por M. V. Simkin]
tados, tal y como muestra la figura 2. Y es sta la dis-
tribucin a la que se ajustan los datos reales.
Otra cantidad que puede extraerse fcilmente del mo-
delo es el nmero medio de citas en cada artculo.
Supongamos que, cuando hay N artculos publicados,
la lista de referencias de cada uno ellos tiene, de me-
dia, c(N) referencias. Un nuevo artculo aparece y, en
media, tendr un nmero de referencias:
c(N + 1) = m + mpc(N)
como se deduce fcilmente de las reglas del modelo
de cita a ciegas. Cuando el nmero total de artculos
N es muy grande, el tamao medio de la lista de re-
ferencias apenas cambia. Si c es este valor casi cons-
tante, entonces tiene que verificar c = m + mpc, lo que
da un valor para el tamao medio de la lista de refe-
rencias:
m
c=
1 mp
Esta frmula es slo vlida si mp es menor que uno.
Si no fuera as, las listas de referencias creceran in-
definidamente. Los valores que mejor reproducen los
datos reales son, m = 3 y p = 1/4, lo que da un ta-
mao medio de c = 12 referencias. Los datos del ISI
indican que este nmero es ligeramente superior, en
torno a 15. Sin embargo, el acuerdo sigue siendo bueno,
especialmente si se tiene en cuenta la simplicidad del
modelo.
Aunque es cierto que los cientficos muchas veces
citan artculos que no han ledo, no lo hacen real-
s pone de manifiesto que la red de citas, que puede
considerarse como la red en la que se crea y por la
que se transmite el conocimiento cientfico, tiene una
estructura bastante homognea y sorprendentemente
sencilla.
3
J UEGOS MATEMTICOS
La frecuencia fantasma
a mayora de las lectoras y lectores de Investigacin
L y Ciencia probablemente conozcan algunas ilu-
siones pticas. Lo que quiz no resulte tan co-
nocido es que tambin existe un buen nmero de ilu-
siones auditivas.
La escala de Shepard y la de Risset, por ejemplo,
son los anlogos acsticos a las escaleras sin fin de
Escher, en las que se puede volver al punto de par-
tida bajando siempre escalones. La escala de Shepard
consiste en una serie de notas que, al tocarse de
forma cclica, dan la sensacin de formar una escala
siempre ascendente o siempre descendente. La es-
cala de Risset es la versin continua de la de Shepard,
es decir, un sonido cuya altura parece aumentar in-
definidamente, a pesar de ser estrictamente peridico.
En Internet se pueden encontrar varias demostracio-
nes de estas escalas y de otras ilusiones acsticas.
Una ilusin acstica ms simple es la llamada fun-
damental inexistente. Para entender en qu consiste,
conviene recordar qu caractersticas definen un so-
nido, especialmente un sonido musical, y cmo se las
percibe. Cuando omos una nota musical, distinguimos
entre el timbre y la altura de la nota, es decir, si se
trata de un do de la escala central del piano o de un
fa dos octavas ms arriba, por ejemplo. Cualquier so-
nido se puede descomponer en una suma de los lla-
mados tonos puros, unas oscilaciones perfectamente
peridicas y cuya expresin matemtica es del tipo
sen (2t), en donde es la frecuencia del tono puro.
La mayora de los instrumentos musicales emiten so-
nidos que constan de varios tonos puros llamados ar-
mnicos y cuyas frecuencias son mltiplos de una
dada que se llama fundamental. Por ejemplo, el so-
nido de una flauta tocando el la de la octava central
del piano consta de una fundamental de 440 hertz, es
decir, una tono puro que oscila 440 veces por se-
gundo, y de sus sucesivos armnicos: 440 2 = 880,
440 3 = 1320, 440 4 = 1760, etc. La intensidad de
cada uno de estos armnicos es menor cuanto ms
alto es el armnico. El timbre de un instrumento est
precisamente determinado por las intensidades de es-
tos armnicos. El la de una flauta y el la de un clari-
nete constan de la misma fundamental y de los mis-
mos armnicos. Por eso identificamos la misma nota
en ambos sonidos. Sin embargo, las intensidades de
los armnicos son distintas en cada instrumento y es
eso lo que hace que tengan timbres diferentes.
Un sonido como este:
sen (2 440 t) + 0,5 sen (2 880 t) + 0,5 sen (2 1320 t)
suena parecido a un rgano de iglesia tocando el la.
Consta de la fundamental de 440 hertz ms los dos
siguientes armnicos con una intensidad mitad de la
intensidad de la fundamental.
Lo sorprendente es que, si eliminamos la fundamental
y nos quedamos con:
2 INVESTIGACIN
Juan M. R. Parrondo
0,5 sen (2 880 t) + 0,5 sen (2 1320 t)
el odo humano sigue percibiendo este sonido como
un la de la octava central. Esta es la ilusin de la fun-
damental inexistente. A pesar de no estar presente en
el sonido, la fundamental se puede or. Esta ilusin
acstica es la que nos permite identificar la meloda
de una cancin en el telfono. En efecto, la lnea te-
lefnica y el micrfono o el altavoz del auricular no
son capaces de transmitir o reproducir frecuencias ba-
jas. En consecuencia, lo que omos al telfono es un
sonido en el que se han eliminado esas frecuencias
bajas, entre las que suelen estar las fundamentales de
la meloda. Sin embargo, la ilusin de la fundamental
inexistente nos permite reconstruir las fundamentales
e identificar sin problemas la meloda. Lo saban hace
ms de 200 aos los constructores de rganos, que
en lugar de construir grandes tubos para las notas
ms bajas, los sustituan por pares de tubos ms pe-
queos cuyo sonido corresponde a los dos primeros
armnicos de la nota que se quiere reproducir.
Hay varias teoras que han tratado de explicar esta
ilusin acstica. Hace poco ms de un mes se ha pu-
blicado la ms reciente, propuesta por Dante Chialvo.
Utiliza una variante de la resonancia estocstica, un fe-
nmeno al que en esta misma seccin dedicamos el
artculo Ruidos reveladores, en junio de 2002, y que
muestra cmo aadiendo ruido a una seal se puede
mejorar la percepcin de la misma. Dante Chialvo ha
demostrado que la resonancia estocstica puede hacer
que se detecte la fundamental inexistente.
1
0,5
0
-0,5
-1
0 0,002 0,004 0,006 0,008 0,01 0,012 0,014
TIEMPO
1. La curva azul es la representacin de un sonido
compuesto por dos tonos puros de 880 y 1320 hertz,
es decir, el primer y segundo armnicos del la central,
de 440 hertz. La curva roja representa este sonido al
que se la ha aadido un ruido, es decir, un nmero
aleatorio entre 0,2 y 0,2. En verde se muestra
la respuesta de una neurona cuyo umbral de disparo
es 1; umbral tambin representado en la
figura por la lnea horizontal punteada
Y CIENCIA, enero, 2004
 En la figura 1 se muestra en azul la representacin
grfica del sonido correspondiente a la ltima frmula,
es decir, el sonido con los dos armnicos de frecuen-
cias 880 y 1320 hertz y sin la fundamental de 440. A
este sonido se le aade un ruido, que no es ms que
un nmero aleatorio ente 0,2 y 0,2. El resultado es
la curva roja de la figura, bastante irregular. La teora
de Chialvo supone que esta seal con ruido llega a
una neurona y que sta responde de la siguiente
forma: si la seal con ruido supera cierto umbral (1 en
la figura), se excita (o dispara). La neurona tarda un
cierto tiempo (0,3 milisegundos) en recuperarse y es-
tar en condiciones de volver a excitarse. La curva
verde muestra los disparos obtenidos en una simula-
cin de este modelo. Como puede verse en la figura,
la neurona, gracias al ruido, se excita en los picos de
la onda (aunque no en todos), que estn separados
exactamente por 1/440 segundos. Es decir, la frecuencia
de estos picos y, por tanto, la frecuencia de los dis-
paros de la neurona, es precisamente la de la funda-
mental inexistente, es decir, 440 hertz. Como vemos,
la neurona detecta, gracias al ruido, la frecuencia de
la fundamental inexistente.
Sin embargo, el lector suspicaz habr pensado que,
en este ejemplo, el ruido es innecesario. Bastara re-
ducir un poco el umbral de la neurona, hasta 0,9 por
ejemplo, para que detectara los picos a la frecuencia
de la fundamental. Para este ejemplo concreto, esa
objecin es cierta y, de hecho, la teora de que la al-
tura del sonido se percibe detectando la frecuencia de
los picos de la seal sin necesidad de ruido se re-
monta a 1940 y se debe a J. F. Schouten. Sin em-
bargo, la propuesta de Chialvo explica peculiaridades
de la percepcin de la altura de un sonido que s ne-
cesitan el ruido que se aade a la seal.
Cuando se reproduce un sonido que es suma de
dos tonos puros que no son armnicos de una fun-
damental, el odo sigue reconociendo una nica nota.
En este caso la percepcin es ms compleja. Hay,
por ejemplo, sonidos antes los cuales el odo puede
percibir dos notas diferentes. Se percibe una u otra
dependiendo de qu es lo que se haya odo antes.
La teora de Chialvo s puede explicar este fenmeno
gracias al ruido. En la figura 2, se comparan los ex-
perimentos realizados por Schouten en 1940 con el
modelo que acabamos de describir. En el experi-
mento de Schouten, tres individuos escuchan varios
sonidos, todos ellos compuestos por tres tonos puros
de frecuencias f 200, f y f + 200 hertz (estos tres to-
nos slo son armnicos de una fundamental si f es
mltiplo de 200 hertz) y se les pide que identifiquen
a qu nota musical corresponde cada sonido. El re-
sultado se puede ver en la grfica de la figura 2, en
donde se muestran con crculos blancos y azules y
tringulos blancos las respuestas de las tres perso-
nas. Observen que hay sonidos para los cuales un
mismo individuo ha identificado dos notas distintas.
Normalmente, si se parte de un sonido compuesto por
armnicos de una fundamental, por ejemplo, si se su-
man tres tonos puros con frecuencias 1400, 1600 y
1800 hertz ( f = 1600 en la grfica), el oyente identifi-
car la fundamental inexistente, es decir, 200 hertz,
INVESTIGACIN Y CIENCIA, enero, 2004
0,24
FRECUENCIAS PERCIBIDAS (kHz)
0,2
FIGURA CEDIDA POR D. CHIALVO
0,16
1,2 1,4 1,6 1,8 2 2,2 2,4
FRECUENCIA CENTRAL f (kHz)
2. En el experimento de Schouten tres individuos escu-
chaban un sonido compuesto por tres tonos puros de
frecuencias f 200, f y f + 200 hertz. Los crculos azu-
les y los tringulos y crculos blancos representan las
respuestas de los tres individuos ante los sonidos mos-
trados. Las campanas grises indican la probabilidad
con que la neurona de Chialvo se excita a una
frecuencia dada y los puntos rojos son los mximos
de esta probabilidad.
tal y como muestra la grfica. Si, a partir de este so-
nido, aumentamos en paralelo las tres frecuencias,
entonces la nota percibida subir y, si descendemos
las frecuencias, descender la nota. Pero lo mismo
ocurre si partimos de un sonido con f = 1400 hertz.
Por eso se aprecian en la figura distintas ramas, cada
una de las cuales corresponde a una serie de soni-
dos que se encuentran alrededor de uno compuesto
por tres armnicos de 200 hertz y que es percibido
como una nota de 200 hertz. Finalmente, las campa-
nas grises indican la probabilidad con la que la neu-
rona propuesta en la teora de Chialvo se excita a
una frecuencia dada y los puntos rojos son los mxi-
mos de esta probabilidad. Por lo tanto, los puntos ro-
jos son en realidad las frecuencias que la neurona de-
tecta o puede detectar. No olvidemos que el modelo
contiene ruido y, en consecuencia, un cierto grado de
aleatoriedad. Como vemos, el acuerdo entre la teora
y el experimento es bastante bueno. En realidad, las
distintas ramas del experimento de Schouten pueden
reproducirse con otras teoras. Una teora previa de
J. H. Cartwright, D. L. Gonzlez, y O. Piro, fsicos de
la Universidad de las Islas Baleares, da lugar a las
mismas predicciones que la neurona de Chialvo utili-
zando osciladores no lineales. La ventaja del modelo
de Chialvo es su sencillez y tambin que permite ex-
plicar la ambigedad en la percepcin de la altura del
sonido ya que, al introducir aleatoriedad en la per-
cepcin, el oyente puede detectar una u otra nota con
unas ciertas probabilidades. Tanto este modelo como
los que comentamos en el artculo de la resonancia
estocstica, indican que el ruido y el azar son cada
vez ms relevantes para entender la percepcin y otros
fenmenos cognitivos.
3
 J u a nM . R P
. arrondo

Lasventajas
delasolidaridad
| | acemsdedosaosquecomenzamos estanueva de las lslasBaleares, ha demostrado queun simple
J{ etapade la seccinde Juegosmatemtcos, y reparto delcapitalpuedeconvertir un juegoperdedor
I I to hicimos comentando dosjuegos de azarcuyo en ganaoor,
comportamient esosorprendente (Juegos matemti- Paraentender cmoes estoposible, analizaremos
cos,julio2001).En ambos, un individuo juegacontra primero unode losmecanismos queexplican la para-
un casinoy tieneciertasprobabilidades de ganary dojaoriginal. Piensepor un momento cuntas veces
oerderun euroen cadaturno, se utilizala moneda malacuando jugamos B un gran
El primero de ellos-lo llamaremos juegoA- es nmero de turnosseguidos. A primera vista,parece
similara apostar un 1 euroa rojoo negroen la ru' oue la moneda malase debera utilizarun terciode
letade un casino: ganamos 1 euroconunaprobabi- losturnos, puestoquese lanzasiempre queel capi-
lidadligeramente inferior al 50o/o y perdemos 1 euro tal es mltiplo de tres,Sinembargo, si se juegaB en
conunaprobabilidad ligeramente superior al 50%,ya todoslosturnos,resulta quela moneda malase uti-
queconel ceroganasiempre la banca.Supongamosliza5ll3= 0,3846... de lasvecesquesejuega,es de'
q u e s e g a n ac o n u n ap r o b a b i l i ddaedl 4 9 , 5 %y s e cir,msa menudo queun terciode lasveces.La ra-
pierdeconunaprobabilidad del 50,5% (estasproba' znse encuentra en laspropias reglasdeljuegoB y
bilidades no coinciden exactamente conlasde la ru- se hacemsclarasi representamos el juegocomoel
leta,peronossirven paradescribir laparadoja). Podemos movimiento de unafichaa lo largode la lneade la
tambin imaginar esteiuegocomounaapuesta sobre figura2. Cadavez que ganamos, movemos la ficha
el resultado del lanzamiento de una monedaligera- unacasilla haciala derecha y, cuando perdemos, una
m e n t es e s g a d aE. l s e g u n djou e g o- l o l l a m a r e m o scasillahaciala izquierda, ConlasreglasdeljuegoB,
juegoB- es un pocomscomplicado y, obviamente,cuando la fichaesten unacasilla roja,su movimiento
no puedeencontrarse en ningn casino. lgualqueen msprobable es haciala izquierda, puestoqueutili-
el juegoA, en cadaturnoganamos o perdemos 1, zamosla moneda mala,quetieneunaprobabilidad de
peroahoralasprobabilidades dependen de lo quelle- ganarmuyreducida, del9,5ok.Porel contrario, en las
vamosganado hastael momento (quepuedeseruna casillas verdesel movimiento msprobable es hacia
cantidad negativa): si lo quellevamos ganado -lo lla- la derecha. Si la fichase encuentra en la casilla 2, por
maremos el capital- es mltiplo de tres,entonces ejemplo, su movimiento msprobable es haciala ca-
ganamos 1 conprobabilidad 9,5%; si el capitalno silla3. Pero,en el siguiente turno,lo msprobable es
es mltiplo de tres,la probabilidad de ganares del ouevuelvaa la 2. Portanto,la fichase encontrar la
74,5o/o. Es decir,en el juegoB se utilizan dos mo' mayorpartedeltiempo saltando entre2 y 3, o, en ge'
nedas, unamuydesfavorable parael jugador, quese neral,entreun mltiplo de tresy su inmediato inferior.
lanzacuandoel capitales mltiplo de tres,y la otra Estohacequela frecuencia conla quela fichavisita
bastante favorable, quese lanzacuando el capital no lascasillas rojas,es decir,la frecuencia conla quese
es mltiplo de tres,En la figura1 se esque'
matizan las reglasde los dosjuegos,repre-
sentndose enrojolasmonedas desfavorables JuegoA JuegoB
y en verdela favorable. Es mi capitalmltiplode 3?
Aunque se tratede juegosde azar,el juga-
dor pierdeen mediasi juegamuchos turnos MonedaI
seguidos a cualquiera de losdosjuegos, Ao
B. Sinembargo, si juegaalternndolos, ya sea @
al azaro siguiendo algunasecuencia peri- 4e,5 f \50,5
Moneda2 Moneda3
dicacomoAABBAABB...,
dia.Estecomportamient
gana
entonces enme-
esoa primera
/
vista ganar perder
\
74,5
@
n,u
sorprendente y porellose conoce a estosjue- | \e0,5
goscomojuegosparadjicos o tambin como / \ .
ganar peroer
Paradojade Parrondo.
En los ltimos aos,algunos fsicosy ma' 1. Las reglasde |osjuegosparadiicosA y B. Lasmonedas
temticos han estudiado variantes de la pa' que se utilizanen cadajuego son roias o verdessegnsean
radojaoriginaly encontrado nuevaspropie' desfavorables o benefciosas para el jugador
dadessorprendentes deestosjuegos. Eneste
artculo vamosa comentar unade ellas,que
tienelugarcuando variosindividuos juegana
B y se les permite repartir las ganancias en- - 3 - 2 - 1 0 1 2 3 4 5 6
treturnoy turno.RalToral,de la Universidad 2. Representacin esquemtca del capitalen el iuego B

86 v Cttrlcln,
lruvsrenclru 2004
febrero,
utili zala mon edamaladelju ego B, seasupe rior a 1/3, - SloB
ya queestafrecu encies a la quecorr espo rider a a
un - RBRB ...
fichaque se mue vecom plet menal' tear sin
, nin_ - RRBR RB...
- RRR BRRR B..,
gunapref eren cia de salto .pero prec isam ente este - SloR
mov imie ntoporcom pleto al azares el quJtieneel ca_
t
prracuan dose jueg aal jueg oA. Estaes unade las
:
crav esde ta parc dojacuan doel jueg oB se alter n E
a pesa rde ser- perd edor
con el A,..est eltim o,. ,
hace ;
quese utilic emen osfrecu ente menttemon eomir F

deljueg oB y por eilosu efec tofinat;" p;.-i tirr'y
ia ltaser gana dora .
alter nancresu
Elju egoA hacequet capi tal seamsalea torio de
,_
ro que es cuan dose jueg asloB; de estemod o,la
fichavisit amen osvee s-las iolas ] pod. ro,
ils
castar,'
A ayud aa ',sal esi scas ilas
gr9 et,ju ego
l.^.ir.en
ro_ 1000
oL
jas, don deel
ueg dB es muyoeri uo irir..
est njuga ndo
ut van osJug ado res con trala ban ca, ,,00juga doreen
estemism oefec tose pued e'c nseg uir de-u naform a 3. capi taltotatde s func indelnm ero
illa:
mssenc a los iuga dore s.les
ei os leconv ertir de turno s
para disti nia
iomi nac s jueg oB
onedet
B en gana orsin mas!;; Ld];; ;brir enrr e y ta redis tribL tcrcn
H
.91
turn oy g.,
i-u-. turn osus gana ncia s,
Supongamos',o,Yi1:::g9j,,'qqnco ntra|abanca1o.0o0
aljueg oB.Aho ranodisp one mo Oei.ue gon, pero- |
dem os uircaiit atentr elos' is"ti ni
redi stribet
res.Llam are moi o ,.0. ..3t .11 flx0 f,: I
a stadist ribu cin --F
Estejueg oR cum ple o r
el mismpap | oo f
qr? d;; 'A ; -f
uo
,:i: iTt **,
;i: ,*u
nl: ; i
nlif,?'fl,,;,,''il[,iij;!'j,i?,.
con unaproo oiti oao
1/2,y recib une eurode l con
Fp
,
unaprob abili dad
1t2.U turn ode jueg on cons iie- ; t I

ff##ffffiffiu
JugadoSyparadistintasredistribuc
el
lyes! 1a , capit al
cuan dono se reali
tribu cines deci r,cyal docaoainoiv oo
fa 9anc aaljue goB sin inter cam oar
nai
iones.Lac,'u',l5000o s
zaning unaredis _
r.ga cont ra
c'nsuscom -
n /^^
s
qe^t urnocuan
N,, erod,..-^
Nm,^i^ ^
etur nos x10s
s func indetnm ero
-, vapi talde dosiuga doreen
iueg ansloa B (curv as
do azul es).
pane En esecaso ,todo slosjuga dorepierd
ros'
'31 fj:*,ff J:, liil"',il ,!ii,iiio:,#;tTl:,i;:i:::::J:l:,:ll\
i:iru:,?
s enen

lll' 3f rii#
i'.i.1. com, oocurreen lascurvasroja, (cur vas
verd es)
nosde redis tribu cin
s ny el capi talii
verd ey ail,todo slosjuga doreg"n
'
tal aum entacuan turn osen la pre:er prim erore,da ar segu ndo
doselt tizan''rc o 1 conunaprob abi-
redis tribu cin '
la gana ncia
se hacemen or,-a unqu si-e ioaliz, g.,g:9l segu ndo quie nre da al prim ero1
guesien doposi tiva' com oen el jueg oR el^c apita l ..-p i"l"i loao il'e n-.. 'trr no de redis tribu cin
to-
talni aum enta
ni dism inul(el ri ;- i.otr arJn ;1,.erl -r,rp r.',e Jt? ouc
,e ivlJ.il, on itar
decap tien e
losturn os
seutili zan uircp ital
enieo itrioel y nose no iefec tos
cruc iar'e derjueg o.
. sJ-o. r"rro fro En
jueg anun caal iueo oB, el cap ital y el re-
n ua ta h ;igr- r;4 mos tramer oscap itar
de cad aunode ros
sult adoserla're c-ta hori zon ii
toi 0"-;{ jiglt li. cua ndo no hayrepa rto, cua ndosora men te
com ovem os' en esto s.iu gqo .oms pttes :,::
t sn il a
uo ira-yrepa rto jueg anun ca
y no.s e. a B,y cua ndo se in-
Raratodo s',o l:q .tlFq re-m ade tafi-
ben efici oso 9 jueg e condosturn osderepa rto.
t"ia r,]n .,trrldg
gura 2'lo queestocu rrienes doqueca
, ndo secom - L reis triu cioneif fit- o-n erciaaamb os,mie n-
la avud adelveci nbpue deracir itarr
part eel capi tal, ae - qiirll l;;d. ; l,iiii i, L oe nue voperd edo r.
;
o ar
unindi vidusalt l casi lla
.j{t d;;;i ene ricie de erlno .ro rra ieni" "-a rgo quees cad avez
lasmon edabue s nas del- lueoB: o $ r a.o ecir
q re. n"! ."rioreco rdar nto.ti.rp osquecorr en,es-
estoesequ ivale nte a sup eral una"m larach a" .on r .i .1'i .tra losdefe nso res mo:
detneo libe ralisla re-
apo yod e alg nami go o de la cole ctivi dad . dist ribu cin
del sa ta co_
. ,il;; '-e"s iene tciopara
El erec t'se pue decons eguinclu ir so conslodos p..,l to.
diir d;; . incru s re gen erar
r.iin spe nsabpara
juga doreEns. estecasora , ds tribu cinsmuysim- crec imie ntoeco nm ico.

y Clw cln,
lruv srrcn clru febre ro,
2004 87
 MATEMATIC J u a nM . R P
. arrondo

Lateora delaconsonancia
matemtica
as matemticas y la msicahan estadounidasal
menosdesdela civilizacin griega.Los pitagri-
cos se dieroncuentade que dos notastocadas
simultneamente eranagradables si entreellasexista
una relacinmatemtica simple.Al pulsaruna cuerda
tensadasuenauna nota,que dependede la tensin,
la longitudy la densidad de la cuerda.Si disminuimos
la longitudde la cuerdaa la mitad,sin variarsu ten-
sin,por ejemplo,colocando una cuacomoen la fi-
gura1, sonaruna notamsaltaque la primera, pero
la combinacin de ambasser agradable al odo.Es
ms,la segundanotasuenaen realidad muy parecida
a la orrmera.El intervaloentreestasdos notasse de- 1 . L o sp r i m e r oi nst e r v a l op si t a g r i c oAsl d. i v i d ilra l o n g i t udde
nominaoctavay su sonidoes tan parecido, queen m- u n ac u e r dpao rl a m i t a ds e p a s ad e u n an o t aD o ,p o re i e m p laol,
sica las dos notasse denominan con el mismonom- D od e l a 0 c t a v sa u p e r i oAr l. d i s m i n ul ai rc u e r dhaa s t a2 / 3d e s u
bre.Si la primeraes Do, por ejemplo, la segundanota l o n g i t uodr i g i n as le p a s ad e lD oa l S o l .
serotro Do, aunqueen una octavasuperior.
Pero no slo el intervalode octavaes agradable
musicalmente. Losgriegosdescubrieron que,si la cuerda sus sucesivos mltiplos o armnicos, es decir,tonos
se acortahasta2/3 de su longitudoriginal,la nueva de frecuencias2x440 = 880hertz,3x 440=1320herlz,
notatambinse combinaagradablemente con la nota etc. (vaseJuegosMatemticos de enerode 2004).El
correspondiente a la cuerdacompleta(vaseIa figura1). tono puro de frecuenciams baja,o fundamental, de-
Suponiendo de nuevoque la nota originales Do, la terminala alturadel sonidoque percibimos. Por otra
nota de la cuerda213ms corta sera Sol. Hay algu- oarte.en el casode una cuerdapulsada,la frecuen-
nos otros intervalosagradables, que tcnicamente se cia fundamental es inversamente proporcional a la lon-
llamanconsonantes, mientrasque otros, la mayora, gitudde la misma.De modoque el intervalo de oc-
son desagradables o disonantes. tavalo formandos notasde frecuencias fundamentales
No existeunaclasificacin ntidaentreintervalos con- v y 2v, y el intervalo de quintaconsisteen dos notas
sonantesy disonantes. S se da un gradode conso- de frecuencias v y 3v12.De ello se deducetambin
nanciao disonancia, que inclusodependedel instru- que el intervalo que formandos notasno dependede
mentoen el oue se tocael intervalo o de la alturade la diferencia de sus frecuencias sino de su cociente,
las notasque lo forman.Porejemplo,un intervalo Do- un hechode especialtrascendencia en la teorama-
Mi es claramente consonante; ahorabien,si estasdos temticade la msica.
notasse tocanen las escalasms bajasde un piano, Las teoraspreviasde la consonancia se basaban,
el sonidoque resultano es del todo agradable. La o bienen la viejaideapitagrica de que el universo,
consonancia tambindepende, salvoen casosmuycla- desdelos planetashastala armonamusical,se rige
ros,comola octava,de la culturay la educacin mu- p o r r e l a c i o n ees n t r en m e r o se n t e r o sp e q u e o so,
sicaldel oyente. bienen el hechode quealgunos intervalos consonantes
Tantola consonancia como la disonancia de inter- estnformados pornotasquecomparten muchosarm-
valosconstituyen la basede la armonaen la msica nicos.La teorade Plompy Leveltmejoray completa
occidental. Graciasa ellasse construyen las tensio- estaltimaidea.En primerlugar,investigaron la con-
nes y las resoluciones que formanel discursomusi- sonanciade dos tonospurosde distintas frecuencias,
cal. Sin embargo,no hemostenidouna teorasatis- v,,vr, haciendoque variosoyenteslos escucharan y
factoriade la consonancia hastahace poco.Fueron evaluaran en una escalade 1 a 7 el desagrado que
Plompy Leveltquienes,en 1965,elaboraron la teora les produca. Descubrieron que dostonospuroscuyas
ms aceptada, despusde revisarideasde Galileo, frecuencias estnsuficientemente alejadas suenansiem-
Leibniz,Eulery Helmholtz, entreotros. pre bien. Ms precisamente, existeuna bandacrtica
La notade un piano,de una flautao una guitarra, de frecuencias, de modoque,si la diferencia entrelas
es la suma de varios tonospuros. Un tono puro es frecuencias de los dos tonosourosexcedeel ancho
una onda sinusoidal: una vibracindel aire cuya ex- de estabandacrtica,entonces losdostonossoncon-
presinmatemtica es A sen(2nvt),en dondeA es la sonantes. El anchode la bandacrticadependea su
amplituddel tono puroy v su frecuencia, es decir,el vez de la frecuencia media,V = (vl + vr)12,de los dos
nmerode oscilaciones por segundo.La notaLa cen- tonospurospresentados, tal y comose apreciaen la
traldel pianoestcompuesta por un tonopurode fre- figura2. No disponemos de unaexpresin matemtica
cuencia440 herlz (440 oscilaciones por segundo)y parala bandacrtica,puestoque se obtienemediante

88 lruvsle 2004
marzo,
Y CtENctA,
ncrru
 N
I

o .q
I E U,b
E .9
.6
0,4
E
=
o
o

Difere nciade frecue ncias/A ncho

de bandacritica

2. Anch ura a
dela bandcrtic en dela frecu enci
a func in meda ia 3. Diso nancde
ia dostono spuro sen func inde la difer encia
de
dedosnotaVs = (vl + v2ll2y com paracon
dauninter valo
deun susfrecu encia s ida
divid porla anch ura de la band acrtic a.
0 deDoa Re)y unodeterce ra
t0n0(c0mel men or o de
(comel
Laa Do). fund ame ntal y cinc o.arm nic os, -o sde igua l
todo sello
amp litudpara
. calc ularla con son anc iadiso nan cia
expe rime ntac in
conindiv iduo s. , buen a de esto sdosson idosbas
Sinemb argouna la diso nan cia
, tacalc ular en_
apro xima cin
vien edadapor la ecua ci to tono spuro squelosform anutiti zn oo
ta frm u_
|1e
ra anre nory sum artoda slas pare jasde rono spuro s.
_ 10S
= 2111 1+ 2gg s-v/1 ooo
Avcr it o mue stra
El resu ltadse en ta tigu r4, n don detam -
binse. repr ese ntan e as'r j"svert icat es
med iant6ri
. Plom
py Leve lttamb incuan tifica ron de las siet enotr . l'es catajust a
la diso nanc ia las frec uen cias
dent rode la band acrtic a.El resu ltado,. rnr.. tru ,n de.D omay or.Esta snota sse rela cion an-celonDo ini_
la figur a3, en dond ese oose rvaque la difer enci ade cialmed ianttos e sigu ient e-s ; l, Re (9/8 ),
tact orioii
ms diso nant ees un cirar toOe'l aanch ura Mi
frecu enci as Fa_ (4tB ),5o
!:s! 4),, ts/2r ),
lJ" l7r ', (15 i8). (En
de la band acrtic a.De nuev ola cuiv i JJ prr"r .nt" , Do cent ratOetpian o'tie e'u a
real idadel frec uenc ia
perose pued eapro ximapor
expe rme ntal, r ia func in: fund ame ntal de 261,6 Hz, y no Oe ZSO]2, com o se
de ta grf ica,pero 'heeteg idosta ttim afre_
- 4txl ledu cg
d(v,, v r) = !,1sls1 taexp osic ln)
sim ptifi car
3elosdosson idoshe rn .rugaOe r ra
otso nan ,^rr
:1.:. ]:^p ca
entr , dibu jado
la con -
en^d ondex= (Vl- v2)lL vct.t . queno es msquela Oiso nan ca
son anc ia, cam biad a
Consideremos'ahoia do"d'snoidos compuestospor va- de-sign o.Se pue deobs ervacOm r n
oap iece pico sen
Tom arem os
riosarm nic os. ta fund am,j niio .'pr imrlos inte rval os s Mi,Oci_ fa,-O o_,S
con son anteDo- ot,
Oo_
de 250 hert zy varia remo sta Oet- segu noo
soni d_o en_ V (haytam bin,n ..ito pi.o 'q'recoin cide
llt el,D.o .:?o
r^0_
h9r
0 p,.esdec ir,,;t* * com pre ta.con Mi bem ol).EI lect orpue deite nt- r odu cir
repr
I:^i: 9"I_
up ono rem osquecad ason idoestcom pue sto ia .i* ;;;s , form ado s
por la ta curv ade con son ancpar
p0r otro sarm nic os s
con dist intaamp litud es.
De he_
Frecuenca
dela segunda
nota cho ,inclu sose p.ue de n
enc ontr arun ' i...iJava
350 400 quedibu jaesta sgrf icasparadife rent es
:-1.l ngt s,
nlerento s deta llad as
Inst rum as com oexp licc ione ines
delJen me no. Esp ecia rme ntereco men oaoes teerribro
Mat hem aticand s Mus ic,de D;; B;;s on, oe ta
Univ ersi dadde Geo rgiaque , se pue dedes -"-' carg ar
gra_
tuita mendeste desu p'g ina ,r.O i----
todo smod os,la te-o ra de plom py Lev eltno ex_
,.De.com plet ame nte son ancy'di
plica ia ona ncia
racon de in-
. nR. pier ce,auto rde trolibrodeli cios o
terv alosJoh
quetam bin hab lade la con son anc a, to,i Son os
la Ms ica ca ntifi c
(Bib tioteScie jem ostr que
ricin
la con son ancde ia cier tossonme
idostoim Oopor s rono s
s
puro queno sonarm nic peroqueprod uceun
os n va_
sica l,, o
. diso nan cia,
balode, noestan,,mu com la con _
-7 lo1 anc ia
son de losinte rval oscon son ante des l esca lade
Do Mi Fa
quet .or O.-O o_n -S ol,
mgy La exp tica cin
or.. Oe
paradosnota s.[a prim era
4. La curv ade cons onan cia es un Do por o
^D_ejem plo,seatan agra dab l'e al odo ,,'"n .r.nt ru
de 250 Hzy ra frecu encia
de ra segu nda varaiesde2b0 hast a no sloen la aus enc ia e tono sprro sii.*" ntes sino
500 Hza lo largodelejehoriz onta del la grfi ca.
Enrojose tam bin en que las tresnota ssbn arm nlc os de una
lassietenota sde la esca la
sea lan de Domavo r. mism a fund ame ntat : situa do
etDo oo. .t u.,as aO o,

y Cttr lctn,
lruv slenc lru narzo ,2004 89
 MATEMATICt)S JuanM.R.Parrondo

Cuestin
deescala
I a msica y lasmatemticas tie- gar,el intervalo entredosnotasest mayor porencima (51\y el Sol,una
I n e n m u c h o
e n c o m ne, s p e - determinado porel cociente de sus quinta porencima (3/2). Despus se
lr cialmente enOccidente. Yaco- frecuencias y no por la diferencia.construye el acorde deSolsubiendo
mentamos el mespasadoen esta Ensegundo lugar,losintervaloscon- al Si mediante una terceramayor
mismaseccin el tratamiento ma- sonantes suelenestarformados por (312 x 514= 15/8), y al Remediante
temtico de la consonancia y la di- elcociente denmeros enteros sen- unaquinta(312x312 = 9/4).Final-
sonancia entredos notas.Otrode cillos(aunque yavimosel mespasa- mente,se construye el acordede
los oroblemas en dondelas ma- do quela teorade la consonanclaFa de modoque la terceranota
temticas tienenun papelcrucial es bastante mscompleja). Ambos seael Do inicial. As,el Fa estara
es en el diseode escalas musi- aspectos estndeterminados por una quintapor debajodel Do, es
cales.Unaescalaes unaseriede nuestrosistemaauditivo y por el decir,su frecuencia serade 213.
notasconlasquese hacenlasme- modocomoasignamos notasa los Paracolocar el Fa dentrode la es-
lodas delascanciones y piezas mu- sonidos queescuchamos. cala,subimos unaoctavamultipli-
sicales queescuchamos todoslos Disear
unaescala noesmsque candopordosy obtenemos la fre-
das.Peroestaseriede notases colocar variasnotasentreunanota cuencia de 413.A partirde eseFa
el resultado de unaevolucin muy dada,porejemplo el Do,y su oc- subimos unaterceramayory obte-
compleja, quese explica en parte tavasuperior. En la msicaocci- n e m o se l L a ( 4 1 3x 5 l 4 = 5 / 3 ) .L a
porrazones fsicas, peroqueadems dental,se utilizala llamadaescala quintaporencima delFatieneuna
estjalonada pordecisiones mso igualtemperada o simplemente es- frecuencia 4l3x3l2= 2 que es el
menos arbitrarias ouetomaron m- calatemperada. Aunouetieneun Dode la octavasuperior. La escala
sicosy constructores deinstrumentossencillo fundamento, dividirla oc- justatienelos tresacordes de Do,
de distintas oocas. tavaen doceintervalos iguales, su Sol y Fa perfectos, formados por
Recordemos culesson los pa- historia es algotortuosa. La razn intervalos completamente conso-
res de notaso intervalos conso- es quela escala temperada es una nantes. Sinembargo, el intervalo en-
nantes, es decir,los msagrada- solucin aproximada a unproblema tre Re y La no es unaquinta, sino
blesal odoy los que,por tanto, matemticamente irresoluble:cmo quevale5/3:9/8 = 40127 = 1,481, un
deberan encontrarse en cualouierdisear unaescala en la quetodos valorligeramente inferiora los 3/2
escalamusical. El msconsonantelos intervalos seanconsonantes.de la quintaperfecta. Estohace
de todoses la octava,el intervalo Veamos porqu. queel acorde de Resueneunpoco
formado oordosnotasde frecuen- Unaescalaque se construye a desafinado en la escalajusta.
cias f y 2f. De hecho,dos notas oartirde intervalos consonantes es Los intervalos de quintasontan
conesasfrecuencias suenanorc- la llamadaescalajusta.La escala importantes, que existeunaescala
ticamente igualy por eso en m- iustade sietenotases: construida a partirde ellos,se trata
sicatienenel mismonombre. Por de la escalapitagrica. Ladisearon
ejemplo, el La central delpianoes los pitagricos al descubrir la con-
un sonido quevibra440vecespor sonancia y la relacin matemtica
segundo. Decimos quesu frecuen- sencillade la quintay de la octava.
ciaes de 440hertz.Unsonidoque La escalapitagrica de sietenotas
vibrea 220hertzes tambin un La, tienelasfrecuencias siguientes:
unaoctavamsabajo,y otroque
vibrea 880hertzes un La unaoc-
tavamsarriba.Todasestasnotas
suenan tanparecidas, queuname-
lodase puedetocaren cualquier
octavao en variasoctavas a la vez
y s e r p e r f e c t a m e nr e
t ec o n o c i b l e . '15/8= 1
,875
Otrosintervalos consonantes son
la quinta, queconstade dosnotas
cuyocociente defrecuencias es3/2,
la cuarta, definida por un cociente Se construye de modoque los
i g u a la 4 1 3 l,a t e r c e r am a y o rd e principales acordes de tres notas
514,elc.Haydosaspectos relevantes estnformados por intervalos con- 243fi28 = 1,898
en la definicin de intervalo y de sonantes. Se comienza conla nota
intervalo consonante. En primerlu- Do y se aadeel Mi, unatercera

86 v Crrrucrn.
lruvrsrrencrru abril.2004
 P a r ac o n s t r u i rel as m u Y t i l e l
llamado crculo de quintas que,en
realidad, es unaesPiral quecerra-
remos mstardeenformadecrcu-
lo. La figuramuestra el crculode
quintas. Si lo recorremos enel sen-
tido de las agujasdel reloj,cada
notaestuna quintaPorencima La espiral pitagtica
de la orecedente es, decir,la fre- de quintas es ilimitada
cuenciade cadanotaes 312de la en lasdosdirecciones.
precedente La. escalaPitagrica
seconstruye a partirdelcrculo "ba- A l o l a r g od e l a c u r v a ,
jando"lasnotastantasoctavas las notasestnsepa.
como
seanecesario paraquequeden den- radas siempre poruna
tro de la escala.Por ejemPlo, la quinta.El mritode
frecuencia delRedelcrculo es3/2x la escala temperada
x3l2 = 9/4,queestentre2 y 4 y consiste en cerrarla
queda,por tanto,una octavaPor espiral en un crculo.
encimade nuestraescala.Baja-
mosdividiendo por dos (recorde-
mosqueparasubirunaoctava te'
nemos quemultiplicar la frecuencia Losproblemas delasescalas justa La escalatemperada tienetam-
por2 y parabajarla, dividirPor2) y pitagrica, y de muchas otrasque binla virtudde cerrarla espiral de
y obtenemos los 9/8 del Re de la sedisearon enlossiglos xvlly xvlll, quintas. En ellael Si sostenido es
escala.Lasnotasde la escalaPi- no sonexcesivame nte gravessi se exactament e queel Do,como
igual
tagrica tienenfrecuencias de la tocaconellasunapiezamusical que podemos observar en el teclado de
lorma(312\nl2n, en donden Y m nocambia detonalidad. Enlosejem- un piano.Aunas,conviene recor-
sonnmeros enteros; o bien,si re- plosquehemos visto,unaPieza en darquela escala temperada es una
corremos la espiralen el sentido Do sonarrazonablem ente bienen solucin "decompromiso a un" pro-
c o n t r a r iao l a s a g u j a sd e l r e l o j , cualquier
escala. Sinembargo, los blemairresoluble.
(213)n x 2m. msicos
barrocos querandar ms Estaes slo una Partemins-
La escalapitagrica tienealgu- riqueza a su msica pasando deuna culade la historia de las escalas,
n o s p r o b l e m aE s .n p r i m e rl u g a r , tonalidad
a otraa lo largode una Unahistoria en la que han inter-
ciertosintervalos de la escalano mismapieza.Paraello se dise venidomsicos y cientficos como
sonconsonantePor s. ejemPlo, en- la escalatemperada, queoptaPor Galileo o Euler.Existeen Holanda
t r e D o y M i n o h a y u n a t e r c e r a dividirla octavaen 12 intervalos un institutoenteramentdedicado e
mayor(5/a).En segundo lugar,la iguales o semitonos. Dosnotasse- a este tema,la Huygens-F okker
espiralnuncase cierraporqueno paradas porunsemitono tienenfre- Foundation Una. desusactividades
existeningnpar de enterosn Y cuencias cuyocociente es 21112. Si msesoectacula res consiste en el
m talesque (3/2)n = 2m,es decir, subimos 12 semitonos a Partirde desarrollo del programa inform-
nuncase vuelvea un Do al reco- unanota,es decir,si multiplicam ostico Sca/a,con el que se pueden
rrerla curva.Sinembargo, en oca- su frecuencia pot21t12 doceveces, disear escalas a partirde 11 al-
sioneslas notasde la esPiral Pa- h a b r e m oms u l t i p l i c a dp o r 2 , e s goritmos,entrelosquese incluYen
sanmuycercaunasde otras.Eso decir,habremos subidounaoctava. e l p i t a g r i cyo e l t e m p e r a d o E.l
ocurre,por ejemplo, cada12 no- La escalatemperada de sieteno- programa dispone tambin de ms
tas del crculo.En efecto,(3lZ\tz t a s v i e n ed a d ap o r l a s i g u i e n t e de tres mil escalasdiferentes, to-
= 129,75es muy parecidoa 27= t a b l a : das ellasutilizadas en la historia
= 128.Recorrer la espiral de quin- de la msica occidental o en la de
tas 12 puestoshaciala derecha otrasculturas.
nosllevara a unSisostenido (vase Lasescalas sontambin de gran
la figura),que es prcticame nte imoortancia en la msicacontem-
iguala un Do. El intervalo entre pornea, que estconstantem ente
esteSi sostenido y el Do mscer- explorando nuevos diseos, msall
cano: 21t6 = 1,122 de la escalatemperada de 12 no-
tas.Finalmente para
, el lectorinte-
=,
(+l'1 e12
:; = 1,0136
21ts= 1,26

27h2= 1,499
resado,recomiendo
excelente
de nuevoel
textode DaveBenson,
Mathematicand s Music,que se
puededescargar gratuitamenen te
es bastante pequeo, mso me- 211112 - 1,ggg lnternet.
Estaobradedicamsde
nosun noveno de tonoy se llama 70 pginasa la teorade las es-
comapitagrica. calas.

y CtENctA,
lruvsttencr 2004
rrl abril,
 MATEMATIC()S . arrondo
J u a nM . R P

lVlatemtiaas
eleetorales
o s d a s s i g u i e n t e sa l a s e l e c c i o n e g s e n e r a l e s hay un escaoque quedasin repartir. El redondeo de
siemprese oye y se lee acercade las arbitra- las cuotasno resuelve, pues.el problema del reparto.
riedadesy agraviosdel sistemaelectoral: cmo Un mtodoque s lo soluciona es el de Hamilton, o
un diputadorequieremenosvotos en determinadas de las partesdecimales mayores.En estemtodo,se
provincias, cmotal formacin tienecincovecesms asignaa cadapartidoun nmerode escaosiguala
votosque otra pero la mitadde diputados, etc. Las la parteenterade su cuota.Tras ese primerreparto,
crticasgiran sobre todo en torno a la regla D'Hont. q u e d a r pno r a s i g n aar l g u n o e s s c a o ss:e a t r i b u i r n ,
Sealasta cmoasignarlos escaosde cada pro- uno a uno,a los partidoscuya cuotaalcancela ma-
vinciaa los partidospolticos segnel nmerode vo- yor partedecimal.Con los datosiniciales. el mtodo
tos recibidos. La reglaD'Hontes una de las posibles de Hamilton funcionara de la siouiente forma:
solucionesdel problemade reparto,que encontramos
en cualquier situacinen la que deba repartirse algo
NUMERO CUOTA PARTE
f o r m a d op o r u n i d a d e isn d i v i s i b l e( sl o s d i p u t a d odse l PARTIDO DEVOTOS DEREPARTO ENTERA ESCANOS
congreso).
Supongamos que tres partidospolticos, A, B y C, 300 3,0 3
han obtenido,respectivamente, 300, 140 y 60 votos, B 140 1,4 1
en una provincia a la que corresponden cincodiputa- u
60 0,6 0
dos. La fraccinde votosdel partidoA es 300/500=
= 0,6.Su representacin en el parlamento deberaser
proporcional; es decir,lo msjustoes que alcanzara E n l a p r r m e ' a s c r a c : nh e m o sr e p a r t i dso l o4 e s -
0,6 x 5 = 3 diputados. Hastaaqu el repartova bien. c a o s3. p a ' aA , ' : : ' a B E e s c a q o u es o b r as e
Perola fraccinde votosdel partidoB es 140/500= q o r v l r oo r p c r , u - - - , = l - : : a : : ^ ; a a raVO'pafte de-
= 0 , 2 8 y l e c o r r e s p o n d e0n, 2 8x 5 = 1 , 4 d i p u t a d o s . c i m a lE . n e s t ec a s , le s : ' 3 a - , = a - . ?l e 3 i r l a e
j s0,6.
Finalmente, al partidoC le corresponden (60/500) x 5 = s u p e r i oar 0 . 0 m a l e : : : - z : . z : . . - . a r e 4 1 y a 0 4
= 0.6 dioutados. ( p a r t ed e c i m adle a c - : : a : : 3 f - e l c o o e H a m i l t o n
Ahorabien:no puedehaberdiputados fraccionarios.p a r e c ej u s t oa o ' r - 3 ' : . s : : S ^ e - o a r g o .p r e s e n t a
Hayqueaproximar el repartoa nmeros enteros.(Podra una gravedefcier: =- Dz'= :aca!'laa la luz, veamos
considerarse un parlamento en el oue el valordel voto q u o c u r r es i , e n ' , e z i : s : a o s . s e t r a t ad e r e p a r t i r
de los diputadosfuera fraccionario, pero semejante 1 2 .L a t a b l ae s e - : 1 . : s, ' e c o r d e m oqsu el a c u o t ad e
posibilidad supondra una complicacin excesiva en el un partidocorx r'c:cses ahora(x/500) x 12):
funcionamiento de la cmara).El nmerofraccionario
de diputados que le correspondera a cadapartidose
NUIIERO CUOTA PARTE
denomina cuotade reparto.En nuestroejemplo,la cuota PARTIDO DE\,UTOS DEBEPARTO ENTERA EscAOS
de repartode A es 3, la de B es 1,4 y la de C es 0,6.
El problema del repartoconsiste en disearun mtodo A 300 7 7
q u e a p r o x i m ee s t o s n m e r o sa n m e r o se n t e r o s . B 140 3,36 3
Podramop s e n s a re n r e d o n d e a r l o p s ,r o c e d i m i e n t o
60 1,44 2
habitual en las cienciasexoerimentales: si la oartede-
cimalde la cuotade repartoes inferiora 0.5. redon-
deamosal enteroinferiory si es superiora 0,5, re- El escaoque quedasin repartircon las partesen-
dondeamos al enterosuperior.Con este mtodo,al terasse va al partidoC, porquetiene la cuotacon
partidoA le corresponderan 3 diputados, al B 1 di- partedecimalmayor(0,44).Si repartimos 13 escaos,
putadoy al C 1 diputado. Peroocurreque no siempre la tablasera:
la sumade lascuotasredondeadas es igualal nmero
de diputados a repartir. NUMERO CUOTA PARTE
Vemoslo. Con los resultados de la tablasiouiente. PARTIDO DEVOTOS DEREPARTO ENTERA ESCANOS
si pretendemos repartircincoescaos:
300 7,8 7 I
B 140 3,64 3 4
NUMERO CUOTA
PARTIDO DEVOTOS DEREPARTO ESCANOS
60 t,co 1 I

230 2
B 140 1,4 1 ya quelosescaossobrantes Ay
pasana lospartidos
B. Paranuestra
sorpresa, C poseeahorame-
el partido
130 1,3 1
nosescaosqueantes,pesea haberaumentadoel n-

86 ncrru
lruvtsre 2004
mayo,
v Crrucrn,
merototalde escaos.Tal situacin, conocidapor pa- pre algo y ese sacrificioconstituye ya una decisin
radojade Alabama,se dio en un estudiosobrela asig- poltica. Muchospiensan quelasparadojas de Alabama
nacnde escaosa los distintos estadosde EE.UU. y de la poblacin son ms dainasque la condicin
en 1880,lo que condujoal congresoa adoptarotro de la cuotay, en consecuencia, defienden el mtodo
mtodode repartoen 1901.Sinembargo en Espaael D'Honty otrosmtodosque utilizanun divisorcomn,
repartode escaospor provincias siguehacindose Losmtodos deldivisorcomnse basanen el mismo
medianteel mtodode Hamilton. Finalmente, el m- principio que el D'Hont.Se dividenlosvotospor un di-
t o d o d e H a m i l t o na d o l e c ed e u n s e g u n d oi n c o n v e - visorcomnd. Losmtodos difieren en la formade re-
niente.En ocasiones, el aumentode votosde un par- dondearloscocientes obtenidos. El mtodode Webster,
tido,mantenrndose constante el nmerode votosdel por ejemplo, los redondea del modohabitual, tomando
resto,puededeterminar que dichaformacin poltica el enterosuperiorsi la partedecimaldel cocientees
vea mermada su representacin parlamentaria: se trata mayoro igualque 0,5. En nuestroejemplo, el mtodo
de la paradojade la poblacin.Lo deseablesera un de Websterdaraun reparto6,3,1para d=50; 4,2,2
mtodoexentode ambasparadojas. p a r ad = 7 5 ; y 3 , 1 , 1p a r ad = 1 0 0 .E l d i v i s o cr o r r e c t o
La famosareglaD'Hont,que en EE.UU.se conoce sera100y el repartofinal,3,1,1,diferente del reparto
comomtodode Jefferson, se hallalibrede talesde- D'Hont.En estecaso,el mtodode Websters cum-
ficiencias. La reglaD'Hontconsiste en elegirun comn ple la condicin de la cuota,perose puedenencontrar
divisord que divideel nmerode votosconseguido otrosejemplos en dondeno la verifica.
por cada partido.Los nmerosresultantes se redon- De los mtodosdel divisor,cules mejor?Como
deanpor abajo,es decir,eliminando la partedecimal. ya hemosdicho,ningunoes perfecto.Sin embargo,
S e o b t i e n e a, s , u n n m e r od e e s c a o sa s i g n a d o s puededemostrarse que el D'Hontfavorecelos parti-
cuyototalpuedeo no ser igualal nmerototalde es- dos con mayornmerode votos(en nuestroejemplo
caosa repartir.Se ajustaentoncesel divisord, de estesesgoes evidente). De hecho,en EE.UU.lo pro-
m o d oq u ec o i n c i d aanm b o sn m e r o s.C m oa c t ae n pusoJefferson porquesu estado,Virginia, era el ms
nuestroejemplosi queremosrepartircincoescaos? pobladoen 1790.Estesesgohaciapartidosgrandes
P r o b e m o sp.o r e j e m p l ol ,o s t r e sd i v i s o r eds = 5 0 , 7 5 , ha sido muy controvertido en nuestropas. Por otro
100y calculemos los cocientes: lado,tambinBalinskiy Youngdemostraron en 1980
que el nicomtodoque carecede sesgoshaciapar-
NUMERO
tidoscon ms, o con menos,votoses precisamente
PARTIDO DEVOTOS d= 50 d=75 d= 100 el de Webster.Quizsste ltimosea un mtodode
repartoa considerar paranuestrosistemaelectoral.
A 300 A
Algunoslectoresquizse hayansorprendido de la
D 140 2,8 1.87 1 A exposicin que hemoshechoaqude la reglaD'Hont.
Habitualmente se explicadel siguientemodo.Se di-
60 1 2 0,8 0,6
v i d ee l n m e r o oor1,2,3,
d e v o t o sd e c a d ap a r t i d p
..., n, siendon el nmerode escaosa repartir.De
Vemosque el divisor50 da lugaral reparto6, 2, 1, todosesoscocientes se eligenlos n mayoresy se ob-
es decir,un totalde 9 escaos, que es mayorque los tieneas el reparto(en nuestropas,adems,se eli-
cincoescaosa repartir.El divisor100, por et con- minanantesde haceresta tablalos oartidoscon un
trario,resultademasiado alto,ya que conduceal re- porcentaje de votosinferioral 3%). En nuestroejem-
parto3, 1, 0, cuyototales 4. El divisor75 produceel plo la tablade cocientes sera:
r e p a r t od e s e a d o4: . 1 , 0 ,q u e s u m a nu n t o t a ld e c i n c o
escaos.
P e r o e l m t o d oD ' H o n t i e n e u n s e r i o p r o b l e m a . PARTIDO NUMERO votos/4
DEVOTOS votos/2 votos/3 votos/s
Recordemos que la cuotade repartodel partidoA es
e x a c t a m e n t3e S i n e m b a r g ol,a r e g l aD ' H o n tl e h a 30*. ::l$* tt 75' 60
otorgado4 escaos.Lo deseable seraque cualquier B r{rl , 70 46,67 35 28
mtodoasignasea todoslos partidosun nmerode
a 60 30 20 15 12
escaosque fueseo bienel enteroinferiora su cuota
o el enteroinmediatamente superiora su cuota.Por
ejemplo, si la cuotaes 2.9.el partidodeberaobtener Loscincococientes mayores son:300,150,140,100
comomximo3 escaosy comomnlmo2. Estapro- y 75. Cuatrode ellosen la fila del partidoA y 1, en la
piedadse llamacondicinde la cuotay parecelgico del B. Portanto,el repartoes 4,1,0,que coincide con
exigirque cualquier miodojustola cumpla. el que hemoshalladouiilizando el mtododel divisor.
Ahorabien,el mtodoD'Hontno la satisface, segn El lectorpuededemostrar que estaformade hallarel
hemosvisto. Deberamos por ello desecharlo? La repartoD'Hontes equivalente a la del divisor.
respuesta no es sencilla.Balinskiy Youngdemostra- Hemosvistoslo una pequeapartede las mate-
ron en 1960que no existeningnmtodoque verifi- mticas electorales. Si deseanprofundizar msen ellas,
que la condicin de la cuotay que estexentode las les recomiendo la pginaweb "La eleccinsocial:un
paradojas de la poblacin y de Alabama.Estosma- sueoimposible", de Bartolom Barcel, profesor de la
temticosdemostraron, por tanto,que no existeun Universidad Autnoma de Madrid(http://www. uam.es/bar-
mtodode repartoperfecto.Hay que sacrificar siem- tolome.barcelo/cu rso.himl).

y Clrucln,
lruvslencrru 2004
mayo, 87
 U E G (M
) SA T E M A T I C ( ) S J u a nM . R P
. arrondo

Laparadoja
delautostopista
upongamos quese lanzaun dadono trucadoun
grannmerode vecesy que apostamos un ( n ) =1 x 1 * zr l , . 1 * g " l 9 l " 1 * . . .
euroa quesaldrun cinco.El pagojustode 6 6 6 \6/ 6
estaapuestaserade 6 euros, puesto que la proba-
1
bilidadde queel resultado de unatiradaseacincoes + nx (*)"' x -+...
1i6.Porpagoentendemos lo queel jugador recibea 6
cambiodeleuroquedeposit, es decir,recibe6 euros
en totalo, si lo prefieren, recibe5 msel euroque peroresultaunasumacon infinitos trminos quees
deposit. difcilde evaluar. Unaformasencilla de calcular el va-
Un posible resultadodeljuegoes el quese ve en lormedio<n>es la siguiente. Si jugamos un grann-
la figura1. He escritoen rojotodoslos cincosque merode turnos,pongamos 6000,el cincoaparecer,
aparecen en la secuencia de tiradas.Unacantidad aproximadamente, unsextodelasveces, esdecir,unas
interesante desdeel puntode vistaprobabilstico es 1000veces.La sumade las distancias entrecincos
el nmerode tiradasque separanun cincodel si- consecutivos es iguala la distancia entreel primery
guiente.Todoaficionado al parchs, y a cualquier juego el ltimo cinco.Estasumaes sloligeramente inferior
de azar,sabeque estacantidades sumamente ca- a 6000,de modoque la distancia mediaes, aproxi-
prichosa. Enocasiones podemos esperar muchos tur- madamente 6000/1000 = 6. El errorcometido conesta
nos hastaque aparezca el nmerodeseado, mien- aproximacin se hacecadavezmspequeo si aumen-
trasqueotrasvecespuedeaparecer en treso hasta tamosel nmerode turnosjugados, de modoque,
en cuatrotiradasseguidas. En la secuencia de la fi- paraun nmero infinito de turnos, el valormedioser
gura1, porejemplo, entreel primery segundo cinco exactamente 6.
hay8 turnos, entreel segundo y el tercero, 7 turnos, Supongamos ahoraque ustedllegaa la mesade
y as sucesivamente. Las respectivas distancias se juegoconla partida ya empezada. Cules entonces
indican en azul,encimade la llavequeunedoscin- e l n m e r o m e d i od e t i r a d a sq u et i e n eq u e e s p e r a r
cosconsecutivos. hastaquesalgael primercinco?La respuesta es de
Cules la probabilidad de queesadistancia sea, nuevo6 turnos.La raznes ouecadatiradaes com-
digamos, iguala 4? Paraqueentreun cincoy el si- pletamente independiente de lasanteriores. El dadono
guientehaya4 turnos,es necesario queno aparczca "recuerda" cuntohaceque saliun cinco,de modo
un cincodurante tresturnos,y queaparezca unopre- quela probabilidad de quesalgaen el primer turnoa
cisamente en el cuartoturno.La probabilidad de que partirde la incorporacin deljugador es 1/6,la de que
estoocurraes el producto de las probabilidades de salgaen el segundo turnoes 5/6 x 1i6,y as sucesi-
cadaunode los eventos, es decir: vamente. Es decir,la probabilidad de que salgael
cincoen el ensimo turnoes exactamente iguala la
= 4]' = *r9t t probabilidad de que la distancia entre dos cincos con-
Prob[distancia 6 6 9r 6 6 secutivos sean. Portanto,el nmero mediode tiradas
quenuestro jugador tienequeesperar hastaquesalga
ya quela probabilidad de quenosalgael cincoes 5/6 el primercincoes tambin 6. Estoes en ciertomodo
y la de ques salgaes 1/6.En general, la probabili-sorprendente, sobretodosi planteamos la cuestin de
dadde quedoscincosconsecutivos estnseparados otromodo,tal y comose haceen el grficosuperior
porn turnoses: de la figura3. En rojose muestran lasdistintas apari-
cionesde los cincos.La flechaverdeindicael mo-
mentoen el queel jugadorse incorpora a la partida.
Prob[distancia= n]' = l*)'-'" I De la figuraparecedesprenderse quela distancia en-
\6/ 6
tredoscincosconsecutivos sersiempre mayorqueel
En la figura2 se puedever unagrficade estapro- nmerode turnosque tieneque esperar el jugador
babilidad en funcinde la distancia n (puntos azules).
En contrade lo quea primera vistacabraesperar, la
distancia msprobable es de sloun turno.Sinem- 8 turnos 7 turnos 2 lur. 3 tur. 7 turnos 3 turnos
bargo,el valormediode esadistancia, /r, es iguala 6 , 4 , 6 , 5 , 31 , 6 , 61, , 1 , 2 , 5 , 4 , 4 , 3 , 41,,35,,l , 5 , 2 , 1 , 5 , 4 ,13,,1 , 3 , 2 , 51,, 3 , 5 , 4
6. Estevalormediopuedecalcularse sumando todas
las posibles distanciaspesadas con su correspon- 1 . 3 5 t i r a d adsed a d oE. l c i n c oh as a l i d o7 v e c e ys l a sl l a v e s
dienteorobabilidad: indican el nmero de turnosentreun cincoy el siguiente.

84 v Crrucrn,
Invrsilcncrn 2004
lunio,
 dequehayaque
2. Probabilidad La paradoja del autostopistse a ha aplicadore-
esperar hasta
/, turnos la aparicin cientemente al transporte de partculas brownianas '
delprimer enel iuego
cinco, del Cualquier partculapequea en el senode un lquido
dadolronbosazulesl y enel iuego o un gas,comounaprotena en el interior de la c'
dondelosnmeros siguen unase' lula,unamotade hollnen el aireo un granode po-
lenen agua,experiment una movimiento errticoque
cuenciaperidica
lcuadrados roiosl.
se llamamovimiento browniano, debidoa queel pri-
meroenobservarlo fueel botnico inglsRobert Brown,
en 1827,al mirara travsdel microscopi o gra-
unos
nos de poleninmersos en agua.Desdehaceunos
aos,se estnestudiando mecanismopara s trans-
formarestemovimiento errtico en un movimiento di-
rigidoen unadireccin. Unode estosmecanismo ess
10 20 30 ua especiede vlvulaque atrapaa la partcula
deturnoshastael primer
Nmero cinco browniana que llegapor la izquierda, la dejapasar
haciala derecha, perono le permite regresar' Hernn
L. Martnez,de la Universidad estatalde California,
paraverel primercinco.Sinembargo, la "faltade me- y yo mismohemosestudiado distintos modosde re-
moria"deldadonosasegura lo contrario'El valorme- estasvlvulas
iltrnur a lo largode unalnea.Si las
diode ambascantidades es exactament elemismo. vlvulasaparecen y desaparececada n ciertotiempo,
Pensemos en una variante,aparenteme nte trivial, resultamsefectivodiseminarlaals azarque peri-
deljuego.Supongamo que
s en lugarde un dado,los dicamente. La raznes precisamenla teparadoja del
nmeros vansaliendo consecutiva mente1, 2, 3, 4, 5, autostooistPiensen
a. en la lneahorizontal de la fi-
6, 1, 2, 3, etc. En estecaso,la distancia entredos
cincosconsecutivo esssiempre la misma: 6 turnos, tal
y comose muestra en el grficoinferiorde la figura
3. Si un jugadorse incorpora a la partidaen un turno
elegidoal azar,el nmeroqueaparece en eseturno
puedesercualquiera de losseisy el nmero de tur- Distancia entre la llegada
nosquetienequeesperar hastael primercincopuede del jugadory el primercinco
ser1, 2, 3, 4, 5 6, todosellosconla mismaproba-
bilidad.Portanto,el valormediode estenmerode
Iurnoses:
I
( n )= * x ( 1+ 2 + 3 + 4 + 5 + 6=) 3 , 5
6
Esteresultado es msacordeconnuestra intuicin' Distanciaentrela llegada
deljugadorYel Primer cinco
Si entredoscincoshayunaciertadistancia media,lo
que uno esperaes que la distancia entrela llegada 3. Representaci esquemtica
n de losdosiuegos descritos
deljugador y el siguiente cincosea,mso menos, la en el texto.Enel primero se lanzaun dado.mientras queen
mitad,En el casode la secuencia fija de nmeros, el segundo losnmeros aparecen consecutivam ente.Enambos,
estoes lo que ocurre.Sin embargo, en la secuencia el jugadorllegaen algnturnoescogido al azar.
de tiradasdel dadono es as:la distancia mediaen-
tre cincoses iguala la distancia mediaentrela lle-
gaday el siguiente cinco.Estehechose conocecomo gura3 comoel espacio querecorre la partcula.
Las
la paradojadelautostoplsfa porque
, puedetambinre- lneasverticales rojasen la figura3, que antesre-
formularsedelsiguiente modo.Un autostopista llegaa presentabalas n apariciones del cincoo las llegadas
unacarretera muypococoncurrida, pordondelosco- de loscoches, seranahoralasvlvulas. Cuando s-
chespasanaleatoriame nte, perode formaqueel tiem- tasreaparecen la ,partcula se encuentra en un punto
po medioentreun cochey otroes de 15 minutos. El al azar,que estararepresentadpor o la flechaver-
autostopistacreequetendrqueesperar unos7 minu- de de la figura3. La distancia quepuedellegara re-
tosy mediohastala llegada delsiguiente coche,pero correrla partcula en su movimiento errticoes pre-
no es as.Si loscochesaparecen de la mismaforma cisamente la queabarcan lasllavesverdesde lafigura'
que los cincosen nuestrojuego,entonces el tiempo Hemosvistoqueesadistancia, en media,es casiel
mediode esperasertambin de 15 minutos. Si el dobleen el casode la distribucin aleatoria queen
autostopista en, lugarde esperarcochesque llegan el casode la distribucin peridica. Portanto,si se
pudiera
aleatoriame nte, ir a unaparadade autobs en distribuyen las vlvulasaleatoriame nte, se podrn
dondestosllegaran, pongamos, cada15 minutos(y transportar las partculas brownianas haciala dere-
conpuntualidad ),
entonces el tiempomediode espera chamsrpidoquesi se distribuyen peridicam ente'
s serade 7 minutos y medio.El esquema de ambas Estees otrocasocuriosoen el queel desorden o el
situacioneses idntico al de la figura3. azarmejoran el rendimiento de un sistema.

Y Clrructl,
Invsrtenct 2004
ru lunio.
 S MATEMATI . arrondo
J u a nM , R P

Matemticas
sostenibles
un pequeo "S-respondeAlicia-,peroa partirdelcentsimo
/l liciay Brunoquieren explotar ma-
A nantial de agua mineral, La productividad del d a t i e n e se l m a n a n t i a l c oc o m ol a m o j a m aT. e
se
, I manantial, es decir,el nmero de litrosquese puedodemostrar quela mejorpoltica sosfenlb/e es la
puedee n x t r a eer n u n d a ,d e p e n ddee l u s oq u es e ma.Porsostenible entiendo oueel manantial se va a
le hayadadoen losdasanteriores. Si un dase ex- utilizar por un tiempoindefinido. lmagina queextrae-
t r a ea g u ad e lm a n a n t i(aslu p o n d r e mqouseo b i e nn o mosaguan diasseguidos, dejamos descansar el ma-
se extraenadao se extraela cantidad determinadanantialotrosm dasseguidos, y repetimos estase-
por la productividad del da),la productividad dismi- cuencia continuamente. Estclaroquen tienequeser
n u y ee n u n l i t r od i a r i oS, i u n d an o s e e x t r a en a d a iguala m. Si fueramayor,la productividad acabara
y se permite as que la capafretica del manantialsiendonulay, si fueramenor, estaramos dejando de
se recupere, su productividad aumentar en un litro extraer aguaincluso conproductividad mxima, Esde-
d i a r i os,i e m p rqeu en o e x c e d lao s1 0 0 .E l p r i m edr a cir,tenemos queextraer aguan dasy dejardescan-
l a p r o d u c t i v i deasdl a m x i m ae,s d e c i r ,1 0 0l i t r o s sar el manantial otrosn dasparaque recupere su
diarios. productividad inicialde 100litrosdiarios, Al cabode
Losdossociosdiscuten sobrela formaptimade e s o s2 n d a s ,h a b r e m oesx t r a d u o n a c a n t i d ad e
explotar el manantial. Brunoopinaquelo mejores ex- a g u a :
traeraguasiempre quela productividad no seanula,
peroAliciaprontole demuestra que sa no es una ('ot=')'
1 0 0 + 9 9 + 9 8 + . . , + ( 1 0 0 -=n + ' t ) ",r0..
buenaidea,Es ciertoqueextraern agualoscienpri-
merosdas, pero en el da 101la productividad ser
nulay no podrn extraer nada.Tendran queesperar Laproductividad media seobtiene dividiendo estacan-
otros100dassin utilizar el manantial oaraoueste tidadtotalde aguaporel nmero de das;es decir:
recuperase su productividad mxima de 100litrosdia-
rios.Aliciase inclinapor la siguiente estrategia: ex- ( 2 0 1- n ) n _ 2 0 1- n
' q/A2.
r i' +
traeraguaun das y otrono.De estemodola pro- 2x(2n\ 4
ductividad oscilar entre100y 99 y se extraern 100
litroscadados das,manteniendo una productividad y es mayorcuantomenorsea n. El valorptimoes
mediade 50 litrosoorda. p o rt a n t on = 1 , q u ec o i n c i dceo nl a e s t r a t e gqi u
a ey o
S i n e m b a r g od,e s p u dse h a c e ra l g u n acsu e n t a s d e f e n dd e s d ee l c o m i e n zsoa: c a ra g u au n d a s y
Bruno volvi a defender su ideainicial. "lmagina -dice otronoy mantener raproductividad siempre entre100
Bruno- que explotamos el manantial durante 100das y 99 litrosporda",
taly comoy0 propongo, extrayendo aguatodoslosdas. "Acepto la derrota -dijo Bruno,Aunas,mi estra-
El primer da extraemos 100litros la y productividad que
tegiaes mejor la tuyasi tuviramos queexplotar
bajaa 99litrosporda.Elsegundo daextraemos 99li- e l m a n a n t isal l od u r a n t1e0 0d a s , C u el s e n t o n -
trosy la productividad bajaa 98 litros/da, y asi suce- ces la mejorestrategia si el plazode explotacin es
sivamente, Enel centsimo da,extraemos slo1 litro d e N d a s ? "
y la productividad bajaa cero.En los ciendas,ha- La pregunta de Brunono es sencilla, Si el plazoes
bremosextrado un totalde muyamplio, es decir,si N es muygrande, entonces
parece claroquelo msconveniente es adoptar la es-
( 1 0+0 1 )x 1 0 0 trategia de Alicia durante el comienzo de la explota-
1 0 0+ 9 9 + 9 8 + .+. ,2 + 1 - = 5 0 5 t0i t r o s .
2 cin,Sinembargo, cuando el finaldelplazose acerca
c o n v i e neex t r a em r sa g u aa p e s a rd e d i s m i n uliar
Antela expresin de extraeza de Alicia,Brunole productividad del manantial, puestoqueno nospreo-
replica: "Yano te acuerdas cmose sumaunapro- cupacmoquedestecuando el plazode explotacin
g r e s i gne o m t r i c o am , o1 , 2 , 3 , . . . , 9 89,9 ,1 0 0 ?L a venza. Analicemos entonces lasiguiente estrategia: du-
s u m ae s i g u a a l l nmerd o
o e s u m a n d oms u l t i p l i c a d rante N - n dasutilizaremos la estrategia sostenible
porla mediadel primero y el ltimo." y en el resto,es decir,en los ltimos n das,utiliza-
"Calculemos ahora-prosigueBruno- la produc- remosel manantial a diario.Llamar perodososteni-
cintotalutilizando tu poltica de extraccin cadados b/ea los primerosN - n dasy perodode extraccin
das.En estecasoextraemos 100litrosel primerda, exhaustiva a los ltimosn das,Tambin tomaremos
100litrosel tercero, 100el quinto,etc.Al final,ha- n de formaqueN - n seapar,De estemodo,el l-
bremosutilizado el manantial 50 das.Portanto,la timodadelperodo sostenible no se extraeagua(re-
produccin totalserde 50x 100= 5000litros. ouees cordemos que la estrategia sostenible es extraerel
menorde lo conseguido conmi estrategia." primer da,descansar elsegundo, y assucesivamente)

86 lruvsrcncrru julio,2004
v Crrrucrn,
 1400 ductividadoscilaentre100y 9g durante el perodo
y luegobajahastaS0litrosporda,
sostenible
g 1200 posible?
Pero,esstalamejorestrategia Nopuede
; haberotrascombinacione s mayorproduccin?
con
s 1000 lasquela productividad, porejem-
Combinacion enes
g 800 plo,bajelentamente y no tengael comportamien to
I
(D abrupto de la figura2? Yo no he sidocapazde en-
E ooo contrarninguna, peroemplazo a loslectores a hacerlo
o, ensu defecto,a encontrar unargumento quepruebe
E 4oo quela estrategia de la figura2 es la ptima.
E
oo 2oo LuisDins,de la UniversidadComplutense deMadrid,
Chrisvan den Broecky BartCleuren, del Limburg
Universitair
Centrum y yo mismo,
(Blgica), hemos tra-
0
bajadoen estosproblemas de optimizacin. Vanden
n Broeckllama"estrategia avariciosa"a la de Bruno,
puestoquetratade obtenerel mximoposiblecada
1. Cantidad
totalde aguaextrada
{obviandoel trmino
b0/)en
dasinpreocuparse de lo queocurrir al dasiguiente.
funcin
delnmero de das delplazode extraccin
exhaustiva.
Dinsy yo tambinsolemosreferirnos a ell como
"matara la gallinade los huevosde oro",Ambasde-
y el perodo de extraccin exhaustiva comenzar con nominaciones indican que la estrategia de Brunoes
productividad 100 litros/da,El aguaextrada en el unaoptimizacin de lasganancias inmediatas quere-
perodo sostenible es sultamuynegativa a largoplazo,algoquedesgracia-
damente ocurreconfrecuencia en la gestinpoitica
y
100 titros empresarialde nuestro tiempo,
+x
100
y la produccin
totalen el perodode extraccin
ex- 90
haustivaes
80
( 2 0 -1' ) ' 70
1 0 0 + 9 9 + 9 8 + . . . + ( 1 0 01-' )n=+ 2 titror, 60
50
Porlo tanto,la cantidad
totalextrada
con nuesrra
combinada
estrategia es 40
30
l 0 0 N + 1 0 1 n -n 2 20
litros, ''|0

Debemos encontrar el valorde n quehacemxima 0 0 10 20 30 40 60 70 80 e0 1oo

estacantidad. Enla figura1 se muestra la cantidad to- f,:,
tal.extrada(obviando eltrmino proporcionala N),cuya
-la 2. productividad
tpuntosazulesl, en litrosporda,y produccin
grficaes una parbola invertida, El vrticede acumulada lpuntosrojosl,
en miles de litros,en funcindeln.
parbola esten n = 50,5das.Encontramos portanto
quela cantidad mero de dastranscurridos.En el da 50 se produceel cambio
totalextrada alcanza su mximo tanto
patan = 50 dascomoparan= 51 das,paraambos de la estrategia sostenible a la de extraccin exhaustiva
casos, estacantidad vale50N+ 1275litros. porlotanto, y la productividadcomienza a bajar.
la mejorestrategia paraun plazode explotacin de N
dases extraer aguaun dasy otrono hastaquefal- La combinacin de unaestrategia sostenible conun
!9n 50 (si N es par) o 51 das(si N es impar) para ta perodo de explotacin exhaustiva puede darse en otras
finalizacindelplazo.A partirde esemomento lo que situaciones, Un atletade mediofondo,por ejemplo,
hayquehaceres extraer aguatodoslosdas.Dejanios correa unavelocidad estacionaria la mayorpartede
el manantial con una productividad de 50 litrospor la carrera y realizaunsprinten losltimos metros, en
da, la mitadde su mximovalorposible.peroesto donderealmente agotahastala ltimade susfuerzas.
nosimporta poco:le tocaral siguiente esperar a que Un amigoex atletame inform de que un corredor
el manantial se recupere. empleamsde dosritmosen una carrcra debidoa la
Parael casode N = 100das,el perodo sostenible presencia de los otroscorredores. Sin embargo, en
durar50 dasy el de extraccin exhaustiva otros50, unacontrarreloj, measegur, slodos:el r-
utilizara
La cantidad totalextrada es de 6275litros,bastante gimen"estacionario" y el sprint,comoen la estrategia
superiora los5000de la estrategia sostenible y a los de la figura2. Parael manantial, los ltimos 50dias
5050de la estrategia que propona Bruno.En la fi- de explotacin seranel equivalente al sprinf.unaex-
gtn 2 he representado la productividad y la produc- plotacin intensiva queacabadejndolo medioexhausto,
cintotalen funcindel tiempo. Vemosque la pro. parr@ seneca.fis,ucm.es

y CtENctA,
lruvsretclru julio,
2004 87
 TEMATI J u a nM . R P
. arrondo

delpoder
Elreparto Europea
enlaUnin
n los ltimos mesesha habidounaintensa dis- sejo.Si hayN votantes, el nmero de coaliciones que
cusinpolticaacercadel repartode poderen pueden formar(incluyendo la totalidad del consejo y
la futuraConstitucin de la UninEurooea. Uno la coalicin vaca)es 2N.De ellas,algunas sernga-
de lospuntos mspolmicos es la reglaporla queel nadoras, es decir,capaces de sacaradelante unare-
Consejo de Ministros de la UninEuropea aprueba o solucin, y otrasperdedoras. Decimos queun votante
rechaza proposiciones de la Comisin y el Parlamentoes indispensable en una coalicin ganadora si, al
Europeo. Estareglaha variadoconsiderablemente en abandonarla, stase convierte en perdedora. Es evi-
el ltimoao,desdeel Tratado de Nizahastael borra- dentequeel poderde un votante es altosi es indis-
dorfinalde la Constitucin Europea aprobado el pa- oensable en muchas coaliciones. El ndicede ooder
sadomesde junio. de Banzhaf de unvotante x es proporcional al nmero
El Consejo estformado porlosprimeros ministrosro"de coaliciones en las que el votantees indispen-
de los25 pasesintegrantes. En el tratadode Nizase sable.Msprecisamente, el ndicees iguala la pro-
asignaba un pesoal votode cadaestadomiembro, babilidad de queel votante seaindispensable en una
mientras oueel borrador de la Constitucin Europea coalicin elegida al azarde entretodaslasqueel vo-
establece el sistema de la doblemayora. Cualquiertantepuedeformarcon sus compaeros. Comohay
resolucin delconsejo necesita losvotosde al menos 2N-1coaliciones quecontienen a x, el ndice de poder
15 estados miembros y quela poblacin totalde los de Banzhaf ser
estados quevotanafirmativamente alcance un 65%
de la poblacin totalde la Unin.En el pasadomes \x= $xl2F1'
de juniose relajestesegundo requisito: paraque
una proposicin sea denegada es necesario que se Veamos un ejemplo concreto. Supongamos un con-
opongan a ellaal menoscuatropases. De modoque sejointegrado portrespersonas, A, B y C, quetie-
si seoponen slotrespases, la proposicin seraacep- nen,respectivamente, 2, 5 y 6 votos,y en el queson
tadaaunsinalcanzar el 65%de la poblacin. Estal- necesarios 8 votosparaaprobaruna resolucin. Es
timadisposicin impideesencialmente quetresesta- decir,la resolucin se aprueba slosi obtiene 8 o ms
dosgrandes, comoAlemania, Francia y ReinoUnido, votos.Estenmeromnimode votosnecesarios para
porejemplo, puedan bloquear unaproposicin en con- aprobarla resolucin se llamacuota.Lascoaliciones
tra del restodel Consejo. ganadoras son la A,B,C, es decir,la unanimidad, la
La discusin en nuestrooasse ha centrado en la A,C y la B,C. El votante A es indispensable en la se-
prdida de poderquesupone la Constitucin en rela- gundacoalicin, B es indispensable en la tercera yC
cincon el Tratado de Niza.Existe algnmtodo lo es en todasellas.Portanto,el ndicede poderdel
paramedirel poderde unanacin en el Consejo? votante A es q, = 1122 = 1/4,el ndicede B_estambin
El problema del "poder" de un individuo o pasen \ B = 1 1 4m , i e n i r aq su ee l d e C e s \ c = 3 1 2 2 = 3 l 4 . V e -
un sistema de votacin oonderado ha sidoestudiadomosquelosvotantes A y B tienenel mismopoder,a
matemticamente desde1940.Prontolos investiga-pesarde queB tienemsdeldoblede votos,Sinem-
doresse dieroncuentade queel "poder" no es pro- bargo,C, consloun votomsqueB, tienetresve-
porcional al nmero de votos.Supongamos unaem- cesmsooder.
presacondosaccionistas. Unode ellostieneel 40% Enocasiones, en lugarde dividir el nmero de coa-
de lasacciones y, portanto,tiene4 votosen el con- liciones decisivas de un votante entreel nmero total
sejode accionistas, mientras que el otro poseeel 2N-1de coaliciones quelo incluyen, se tomael tanto
60% y dispone de 6 votos.Es evidente que el ac- por cientode coaliciones decisivas del votante x en
cionista mayoritario tienetodoel podersi las resolu- relacin a la sumatotalde coaliciones decisivas para
c i o n e sd e l c o n s e j os e t o m a np o r m a y o r a
s i m p l e , todoslosvotantes. Estendicese llamandicede po-
mientras queel poder delaccionista minoritario esnulo: derde Banzhaf normalizado, mientras queel que he-
susvotos,a pesarde constituir un 40o/o de losvotos mosdefinido en el prrafo anterior se denomina pro-
totales,no tienenninguna influencia en el consejo. babilstico. Ennuestro ejemplo, lasiguiente tablamuestra
LionelPenrose (padrede losconocidos fsicosRoger lascoaliciones decisivas, el ndicede Banzhaf proba-
y OliverPenrose) en Inglaterra y JohnF. Banzhaf en bilstico v el normalizado:
losEstados Unidos estudiaron el problema y llegaron
a la misma solucin demodoindependiente. Definieron
unacantidad, quehoyse conoce comondicede po-
derde Banzhaf, quemideel poderrealde unvotante
en un consejo,
El ndicede poderde Banzhaf tieneen cuentalas
coaliciones que puedenformarlos votantes del con-

88 lruvsilenclru
v Cltrucln,
agosto,
2004
 Losdos ndices guardan la mismaproporcin en- coaliciones en las quel esty quetenganexacta-
tre s. Porejemplo el de C es en losdoscasos,pro- menteN/2individuos. El nmero de coaliciones deci-
babilstico y normalizado, tresvecesel de A y B. Los sivases el nmero combinatorio
, que
n d i c ens o r m a l i z a daous n n o t i e n e nn i n g u nian -
terpretacin probabilstica ,
suman
lo que son mstllescuandose tratade comparar
siempre100,por
'"=fi;rt)= (N-1)!
(Nt2)t(Nt2-1)t'
n d i c e sd e p o d e re n t r ed o s s i t u a c i o n edsi s t i n t a s ,
comola Constitucin Europea y el Tratado de Niza, Conalgode matemticas superiores, se puedede-
porejemplo. m^ggtlq gueestenmeroes aproximadameigual nte a
JessMarioBilbao, catedrtico de matemtica apli- 2N-1\lZm. Portanto,el ndicede poderdelciuddano
cadade la Universidad de Sevilla y cuyoscomenta- es nversamente proporcional a la razcuadrada de la
riosy sugerencias han sidoindispensable para
s la poblacin del pas.Si los habitantes del pasvotan
elaboracin de esteartculo, ha calculado estosndices unaresolucin y luegosu primerministro transmite la
paralosdistintos sistemas de votacin propuestos pa- decisin al consejo, puedetambin demostrarse que
ra el Consejo de Ministros de la UninEuropea, desde el ndicede poderdelciudadano en esteproceso de
el ya obsoleto Tratadode Nizahastalas ltlmasver- dosniveles es el producto de losdos ndices de oo-
sionesde la Constitucin. Los resultados comoletosder:el quetieneel ciudadano dentrode su pasy el
puedenverseen su pginaweb http://www.es i2. r i n i s t reon e l C o n s e j op,o r l o
q u et i e n es u p r i m e m
us.es/-mbilba o. losclculos
Segn delprofesor Bilbao, tanto,paraquetodoslosciudadanos de la Unintu-
el ndice de podernormalizado de losseisoases ms vieranel mismondicede poder,el ndicedelprimer
poblados de la Unines: ministro en el consejo debera ser proporcional a la
razcuadrada de la poblacin del pas.De estemodo
el producto del ndicedel ciudadano y el del primer
ministro serael mismoparatodoslospases.
Inspirados poresteargumento, Iosmatemticos po-
lacosSlomczynki y Zyczkowski han propuesto la lla-
':::4"!. madareglaPenrose-62, que consisteen dar a cada
rRlNcn : 1 3 ,1 8 8 6 0 0 ' 9,4887 7,5805 pasun votoproporcional a la razde su poblacin y
BEINOUNIDO 18,052 8,5600 9,4281 7,5395
establecer una cuota del 62% de los votos totales.
Unacartaa los gobiernos de la UninEuropea, fir-
ITALIA 12,610 8,5600 9,1807 7,3818 madapor msde 40 investigadore destodaEuropa,
ESPAA 9,141 8,1221 7,0202 5,8233 defiende la adopcin de la reglaPenrose-62 en la fu-
POLONIA 8,408 8,1221 6,7677 turaConstitucin. Conestareglalosndices deBanzhaf
serantambin aproximadam ente proporcionale a las
razcuadrada de la poblacin.
En la segunda columna se detallael porcentaje de El problema es suficientemen te comoparaque
serio
poblacin del pascon respecto a la poblacin total todosestosargumentos se tomenen consideracin .
de la Unin;en la tercerael ndicede podersegn Se puedeentender queaparezcan ciertasreticencias
lasnormasdelTratado de Niza;en la cuartasegnel a la adopcin de unareglabasada en la razcuadrada
primerborrador de la Constitucin Europea, queesta- de la poblacin. Un pascon4 millones de habitantes
bleceque unaproposicin se aprueba con una ma- tendra2000votos,pero,si se dividedos mitades,
yorade estados (13)quecomprendan un 60%de la cadanuevopastendra1414votos,haciendo un to-
poblacin; y en la quintael ndicede podersegnla tal de 2828.Pareceextraoque el pasganepoder
versin de la Constitucin acordada el pasadomesde porel merohechode dividirse en dos.Sinembargo,
junio,queestablece queunaresolucin se aprueba si hayqueteneren cuenta quela voluntad de cadaciu-
al menos15estados votana favory esosestados tie- dadano se transmite al Consejo deformadiferente an-
nenun 65%de la poblacin, siempre queseanms tesy despus de la divisin.
de cuatroestados los quevotanen contra. d e l n d i c ed e p o d e rd e
E n m i o p i n i ne,l c l c u l o
El problema quesuscitan estascifrasno es tantosi Banzhaf tienealgunas limitaciones. Porejemplo, todas
se pierdeo ganacon respecto al Tratado de Niza, las coaliciones se suponen igualde probables. Sin
sinocules la distribucin de podermsjusta.Con embargo, es evidente quehaypasesconmayores afi-
las reglasadoptadas en losdistintos borradores de la nidades o intereses comunes, lo quehacequeciertas
Constitucin Europea, el ndicede poderes aoroxt- coaliciones puedan surgirde manera mssencilla. En
madamente proporcional a la poblacin de cadapas, particular, el profesor Bilbaodemuestra en sustraba-
locualparece a primera vistarazonable. Sinembargo,jos quela reglaqueimpone un mnimo de cuatropa-
existeunargumento debido a LionelPenrose segnel sesparabloquear unaresolucin apenas influye en el
cualel ndicede poderdebera ser proporcional a la ndice de poderde lospases. Sinembargo, si se tie-
razcuadrada de la poblacin. El argumento es el si- nenen cuentalas afinidades entrelos pasesde la
guiente. Calculemos el ndice de poderde Banzhaf de UninEuropea, el requerimiento de loscuatropases
un ciudadano quevotaen un pascon N habitantes,de bloqueo puedetenerrelevancia.
conN pary siendola cuotaNl2,es decir,la mayora
simple. Esteciudadano serindispensable sloen las parr@seneca.f is.ucm.es

y Crucrn,
llvsrrcncttrl agosto,
2004 89
 JuanM,R.Parrondo

ineficiente
Demscraeia

/f I lectorasiduode Juegosmatenticos probable- juegocomounaapuesta sobreel resultado dellanza-

frf mente le sea familiar la llamada paradoja de miento de una moneda ligeramente sesgada. El se-
, I Parrondo, en la quedosjuegosde azarperde- gundojuego-lo llamaremos juegoB- es un poco
doresse convierten en un juegoganador cuandose mscomplicado y, obviamente, no puedeencontrarse
alternan peridica o aleatoriamente, Present la para- en ningncasino,lgualqueen el juegoA, en cada
dojaenjuliode 2001(Perder+ perder= QAnzt. Juegos turnoganamos o perdemos '1peroahoralas proba-
paradjicos) y volvimos a encontrarnos conellaen fe- bilidades dependen de lo quellevamos ganado hasta
brerode 2004(Lasventajasde la solidaridad), cuando el momento (quepuedeserunacantidad negativa): si
expliqu lavariante debida a RalToral, dela Universidadlo que llevamos ganado-lo llamaremos e/ capital-
de laslslasBaleares, en la queunjuegoperdedor se es mltiplo de tres,entonces ganamos 1conproba-
convierte en ganador si losjugadores comparten sus bilidad9,5%;si el capitalno es mltiplo de tres,la
ganancias entreturnoy turno. probabilidad de ganares del 74,5o/o, Es decir,en el
La estructura de estosjuegos,a pesarde ser ex- juegoB se utilizan dosmonedas, unamuydesfavora-
tremadamente simple, ha permitido el diseo de algu- bleparael jugador, quese lanzacuando el capital es
nos modelos que presentan un comportamiento sor- mltiplo de tres,y la otrabastante favorable, que se
prendente, LuisDinsy yo mismohemosinvestigadolanzacuando el capitalno es mltiplo de tres,En la
en la Universidad Complutense de Madrid unavariante figura1 se esquematizan lasreglas de losdosjuegos,
de la paradoja original que muestra que,en ocasio- representndose en rojolasmonedas desfavorables y
nes,la democracia puedeno serel "menos malo"de en verdela favorable,
todoslos sistemas de decisin, En efecto, en el mo- Aunque setratedejuegos de azat,eljugador pierde
deloquehemosdesarrollado, acatarla decisin de la en mediasi juegamuchosturnosseguidos a cual-
mayorapuededar lugara prdidas constantes en quiera de losdosjuegos, A o B. Sinembargo, si juega
todala ooblacin. alternndolos, ya seaal azaro siguiendo algunase-
Recordemos losdosjuegosde la paradoja original, cuencia peridica comoAABBAABB,,,, entonces gana
Se tratade juegosen losqueun individuo juegacon- en media.Estaes la paradoja original y demuestra
tra un casinoy tieneciertas probabilidades de ganar quela alternancia de dosreglaspuededarlugara un
y perderun euroen cadaturno.El primero de ellos comportamiento muydistinto del que da cadaregla
-lo llamaremos juegoA- es similara apostarun porseparado, El lectorinteresado puedeconsultar el
euroa rojoo negroen la ruletade un casino: gana- artculo quededicamos a estetemaen juliode 2001;
mos 1 con una probabilidad ligeramente inferior al tambin encontrar en lnternet numerosos sitiosdedi-
50%y perdemos 1conunaprobabilidad ligeramentecadosa la paradoja,
superior al 50%,ya queconel ceroganasiempre la En la variante queestudio juntoconLuisDins,son
banca,Supongamos quese ganacon unaprobabili-N individuos losquejuegancontrael casino. En cada
daddel 49,5o/o y se pierdeconunaprobabilidad del turnotodosjuegan al mismo juegoperose lespermite
5 0 , 5 %( e s t a sp r o b a b i l i d a dneosc o i n c i d eenx a c t a - elegirculde los dosjuegosse va a jugaren cada
mentecon las de la ruletaoeronossirvenoarades- turno.Si se tratade un solojugador (N= 1),la elec-
cribirla paradoja), Podemos tambinimaginar este cines trivial: cuando el capital es mltiplo de tres,el
jugador debeelegirA paraevitarla utilizacin de la
moneda malade B; si el capital no es mltiplo de tres,
JuegoA JuegoB la eleccin adecuada es B, puestoque entonces se
utilizaunamoneda muyventajosa. Es fcildemostrar
q u e ,c o n e s t ae l e c c i ne,l j u g a d ogr a n ae n m e d i a
Moneda1
aproximadamente 1/3de euroen cadaturno.

49,5|
@ \ 50,5 Moneda 2
Pero,quocurresi haymsde unjugador?
caso,algunos de losjugadores pueden
Eneste
tenercapital
/ \ mltiplo de tresy otrosno,Tienen quetomarunade-
ganar perder 74,5 cisincolectiva, perosus"intereses" sonahoraopues-
tos. Un modorazonable de tomarla decisin es el
voto.Cadajugadorvota por uno u otrojuegoy se
adoptala decisin de la mayora, Veamos quocurre
1.Lasreglas delosjuegos paradjicos A y B.Lasmonedas que si se adoptaestasolucin democrtica. En la figura
seutilizan encadajuego sonrojaso verdes segn seandesfavo. 2 se muestra el capitalporjugador(capital totaldivi-
rables o beneficiosas parael jugador. didopor N, el nmerode jugadores) en funcindel

86 y CtENctA,
lruvslsnclru 2004
septiembre,
 p e n s a rq u e l o s 1 0 0 0j u g a d o r q : , , n o , p u e h
dae cne r
nadameio rquetoma rbsiadeci sin dem ocr tica' Al
ii. i .iin ,i,- on
ellacons egu imosquela may ora
msvent ajosSin
;; t;,;il ;.i'o iutg r. al iue- go o'
emb arboel, aspe ctopara djicde o los jueg oscon'
r..-r "*u on iulion istin ta' Reco rdemque, os seg n
h i l. origi nal, bast aconalter nar losjueg os'in-
.rr'. .'fo rmalea toriapara , que el resu ltado sea
na Oor. Si nues tros 1000luga dore s,..e luga n rde vo-
i;; ;;it;.i on oe sus int'e reseelige s, ncom pleta '
in i. al ara,el iueg oque se iueg aen cadaturno '
i;;. aia
-muelstra, p-oo emoverlo s -enla figur a3' La
brv roa de nuev o,la gana ncia por iuga '
r ot.h io.con la vota cin"ego sta".mie ,
ntras
que
la .utu. azulmue stra la gana ncia cuan do el jueg ose
Jig cmp retam ente al zar 'Se pued enobte nerin-
Turno s irlo oan ncias mayo res si se comb inaunaestra te-
por
2. Capit al lugad or en funci del
n nme ro de turno s cuand el
o
i-. oiit av una ala toria La' curv averd e,poreje.T '
j u e g o ' seel i g ed e m o c r t i c a m e ;.;".-r,lo"
j;;;a nciai uano oel-jug jueg ose dore s porvota cin
elige
Lna ct eu'r v aa z u el s e l c a s oi l - ' l '
= Lio ii lo"n de l9s ego sta'
l a v e r d iel l 0 Y l a r o i al V ' 1 0 0 0 '
inen temien tras que el 307oresta nte ,vota su voto
decid e
al azar.
nm ero de turn osy paravario svalo res de N' La ; Porou un votoalea torio es meio rque un voto
luiutulrepr esen ia'la gana ncia paraunsolojuga - .g[.i .il izO nes queel votopura m^enego te sta'
orru= 1. Vm os que,i pesade r lasfluct uaci ones ilv es sufic iente men gran
t de, cond uce a queB se
io e
'reht iu.de un jueg dtl dzdt ,latend encies a clara ' ii.t,odolos s turno s'-En efec to, paraqueB pierd a
asce nde te' La curv averd ees la gana ncla me- es nece sario que msde la mita dde los juga dore s
Oipot juga dorcuan doN = 10 juga doreys la curv a i*o -cp ital'm ltipde lo 3, pues toque sto sson
ii"'* aiio" ,j N = 1000 .La gana cia para10 iuga do' i.1, oitni .de n. d rues gran de, es muyimpr g!3,
;;;; iedu cecons idera blem ente com,para da conel ble oue estoocur ra.En md ia,sloenileun 33%
casoN= 1, Y para1000luga doreel s resu ltado es u ' u n ' g 8 ; u". l o s j u g a d o r et si e n e nc a p i t aml ltiplo
i t.nt.' d'es alen tado bl-ca
r: pital dism inuy lenta
e .-g, i.ni iite jrg A comoB o unacomb inaci n
oeroimPl acab leme nte.
'-in lnJ t. Por lo tato ,la reglade la mayo raelige
..i.iii Jra . hem ossupu esto quecadajuga dor ;'reri ;B salvofluct uaci ons que son ms raras
"ego
vota -con viene sta- menes te", decir ,votapor el jueg oque rn i. rnll isea N. Com oel jueg o.B es perd ed.o .r'
rnst. en cadamom entoSi ' su capit ales i iesul taob de la reglade la mayo raes la p-rd ida
n *tip rode tres,vota rporA, mien tras quesi el o..t '*i que refle la las curv asrojasde lasfigur as
;;pi ;;;t mutt ipio detres,vota rporB' se podr a i g Sinbmb argosi, en el votose inclu ye algode
ta torie dad, en lgu nos turno sse iuga rA haci endo
qr. It ra oia etreen acci ny el resu ltado final
seagana
--po ii.tnodor,
t
expli carestainefi cacia del votoego sta
en trm inos men osmate mti cos' Las dos mon edas
.t jr.go B se pued encons ideramala r sy buen asra-
chapracadajuga dor.En la decis in dem ocr tica'
iJo. 'io.juga dore jque
6
est nen buen arach aquie ren
aoi vecn rr v fuerz nconsu votola elecc in de B'
P; lt tin;r a de losjuga doreque s est nen la mala
rach ase venaltam ent pirju dicad os p9restadecis in
r i tri oo glob ales'n egat ivo' De hech o'en cada
irino l-t .hade un juga dorcam bia, por lo que et
uoioeooi staquele oee jcia en un turnole perju dica
. otrcon un resu ltado tamb innega tivo paracaoa
iuo.d olinOiv iOua Lat'mora leja es simil ara la queob-
queexpl icamen
i;i;i" iioi f.o n losiues bs fe'
os
br.t o. 2004 :conv ien e ocas ionesacr
s ificarlas
Turno s y a cortoplazoy echa rasuna
n ncit.indiv idua les
poriugad or
3. Capit al enlunci n
delnme ro deturnoys para r;;;; tqret tosqueeitn pasa ndo unamalarach a'
/V= 1000lugad ores.
Lacurvaazulcorre spon casoenel que
alde J Jo p6r . ei buen o[ara toda,la colec tivida d'
losiuegoses eligeal la rolaa la elecc in
n azar, y a
demo crtic sioporq uelued eser unomism oquie nen el futur o
la verea unaelecc in
demo crticenala queel 70% dela po' est'enel aguj ero" '
votaegos tameynte
blaci n el 30% resta ntealeat oriam ente' oarr@ sene ca'fi s.uc m'es

Itllvs lonclvn
Ctnc tn, 2004
septi embr e, 8i
 U E G OMSA T E M T I C t ) S J u a nM .R .P a r r o n d o

Mssobre depoder
elreparto
In losJuegos Matemticos de agosto tratamos as- bar una resolucin) del 62% de los votostotales.Con
F pectos matemticos delreparto depoder. Unpro- esta reglalos ndicesde Banzhafde todoslos ciuda-
I- blemacon ciertasimplicaciones en un asunto danoseuropeosseranaproximadamente iguales.
p o l m i ccoo m oe s e l d e l a s n o r m a sq u e l a f u t u r a Algunoslectoreshanmostradosu disconformidad con
Constitucin Europea propone parala tomade deci- este argumento, puestoque se basaen las coalicio-
siones:la famosadoblemayora. En aquelartculo nes decisivaso coaliciones en las que el ciudadano
analizamos el temacon ciertodetalle, peroalgunos es indisoensable. Estascoaliciones debentenerexac-
lectores me hanenviado preguntas y comentarios que tamenteN/2+1individuos, lo cual las hacealtamente
merecen quevolvamos a dedicarle unanuevaentrega. improbables. Es entoncesvlidoun argumento que
Recordemos oueel ndicede Banzhaf es unaforma se sustentasobrecoaliciones que nuncase van a dar
de medirel poderde un votante en un consejo que en la prctica?
sigueun sstema de votacin ponderado, es decir,un La objecinno se sostieneporquelas coaliciones
sistema en el ouecadavotante tieneun nmero de decisivas son sloun modode presentar la definicin
votosdistinto. Se calculaa partirde las coalicionesdel ndicede Banzhaf.Hay sin embargootraspropie-
quepuedenformarlosvotantes delconsejo. Si hayN dadesdel ndiceen las oue las coaliciones decisivas
votantes, el nmero de coaliciones quepueden formar no son importantes. Veamosuna de ellas.
( i n c l u y e n dl ao t o t a l i d adde l c o n s e j o
y l a c o a l i c i n Supongamos un individuo x en un consejocon N vo-
vaca)es 2N.De ellas,algunas sernganadoras, es tantes.Comoya hemosmencionado, existen2N coa-
decir,capaces desacaradelante unaresolucin, y otras liciones posibles
entremiembros delconsejo. Tomemos
sonperdedoras. Decimos queun votantees indispen- una de ellasal azat y supongamos que la coalicin
sableen unacoalicin ganadora si, al abandonarla,elegidavotaafirmativamente una resolucin y el resto
stase convierte en perdedora. El ndicede poderde de los miembrosdel consejovotanen contra.Con
Banzhaf de un votante x es proporcional al nmero rrl" qu probabilidad nuestroindividuo x se encontrar en
de coaliciones en lasqueel votante es indispensable, el bandoque ganala votacin?
quese llaman coaliciones decisivas. Msprecisamente, En la figurase esquematiza esta situacin con to-
el ndicees iguala la probabilidad de queel votante dos los casosposibles. La coalicin elegida,que vota
seaindispensable en unacoalicin elegida al azarde afirmativamente, puedeser de variostipos:ganadora
entretodaslas queel votantepuedeformarconsus (G),perdedora (P) o de bloqueo(B).Unacoalicin ga-
compaeros. Comohay 2M1coaliciones que contie- nadoraes la que gana si vota afirmativamente, una
nena x, el ndicede poderde Banzhaf ser perdedora
coalicin es la que pierdesi votatantoafir-
mativacomo negativamente y una coalicinde blo-
0'
nt x. -- queo es la que gana si vota negativamente y pierde
2N_1
si vota afirmativamente. Esta distincin
es necesaria
En aquelartculo,
calculamos el ndicede poderde siempreque las votaciones no se ganenpor mayora
Banzhafde un ciudadanoque votaen un pascon N simple.Porejemplo, si en un consejode 50 votosslo
habitantes,
suponiendo N par y que las resolucionesse aorueban las resolucionesque tienen30 o msvo-
seaprueban pormayora simple.Este tos afirmativos y haydos coalicio-
ciudadano serindispensable slo nesenfrentadas, cadaunade ellas
en lascoalicionesen lasouel est coAltcroN coAlrcroN con 25 votos,la que votaafirmati-
ELEGIDA COMPLEMENTARIA
y quetenganexactamente Nl2+1in- (vorAsr) (voTA
No) vamente pierdey la quevotanega-
dividuos.Conalgode combinatoria \ tivamente gana.Ambasson coali-
se puededemostrar finalmenteque I cionesde bloqueo: no soncapaces
el ndicede Banzhaf delciudadano I desacaradelante resoluciones, pero
es inversamente proporcional a la o, s s o n c a p a c e sd e b l o q u e a r l a s .
I
razcuadrada de N. I Aunquelas coaliciones de bloqueo
Estadependencia con N es una I gananlasvotaciones cuando votan
de las justificaciones
de la llamada I neqativamente, reservamos la deno-
normaPenrose-62, propuesta porlos miacin "coalicin ganadora" ni-

3
)rt
matemticos polacosSlomczynki y I para
camente aquellas quepueden
Zyczkowski, y queconsiste en dara I sacaradelante resoluciones. Sonslo
cadapasun votoen el Consejo de I estascoaliciones ganadoras lasque
Ministrosde la Uninproporcional a I setienen encuenta enel clculo del
la razcuadrada
habitantes
(nmero
del nmerode sus
y establecer una cuota
paraapro- r/
|
j ndicede Banzhaf.
observar
Comose puede
en la figura,si unacoali-
devotosmnimos cines ganadora, su complementa-

s2 y CrENctA.
lruvrsT|cnclru 2004
sctubre,
ria ser perdedora; mientrasque si una coalicines 1-n, 1-tlp
de bloqueo la complementaria sertambin de bloqueo. 2 ^ 2
Finalmente, con el subndice x denotamos las coali-
cionesa las que perteneceel individuox y con nx Sumando ambasprobabilidades la proba-
obtenemos
aouellasa las que no Pertenece. queresulta
bilidadde estaren el bandoganador, ser:
De acuerdocon la figura,nuestroindividuo x est
que ganala votacinen los trescasos p ^ ^ ^ ^ _ -1 + l x l p
en la coalicin sdrrar
siguientes: cuandoesten la coalicin elegiday sta 2

es ganadora. es decir,cuandola coalicin elegidaes es decir,recuperamos la mismafrmula que obtuvi-

G,,;cuandono est en la coalicinelegiday sta es mosparaunavotacin de un nivelperoconun ndice
perdedora. es decir,cuandola elegidaes Pn*;y, fi- de poderefectivo igualal producto de los ndicesde
nalmente.cuandono est en la coalicinelegiday poderde losdosniveles. Porestarazn,si nx es in-
staes de bloqueo, es decir,cuandola elegidaes Br". versamente proporcional a la razcuadrada de la po-
Por tanto.la probabilidad de estaren el bandogana- blacindel pas,r'"deberaser directamente propor-
0 0 re s : cionala la razcudrada de dichapoblacin, quees
lo quepropone la normaPenrose-62.
P * + B * =_ G r + 2 * - t - G *
rDg a n a r_= G r + Aunoue la normaPenrose-62 saleairosade la ob-
2- 2* jecinde las coaliciones decisivas, existenotrascrti-
en dondehemosutilizadoque Pr"+ Brr+ Gnr=2N-1 , casmsslidas. El puntomsfrgildel ndice de po-
algo que puedecomprobarse fcilmente en la figura. d e r d e B a n z h aef s l a h i p t e s idse q u e t o d a sl a s
Podemosahorarelacionar estosnmeroscon el n- coaliciones son igualmente probables. Estahiptesis
merode coaliciones decisivas, a* Paraello,tomemos es equivalente a quecadavotante eligesu voto,afir'
una de las G* coaliciones ganadorasque contienen mativoo negativo, al azary con probabilidades res-
a x. Si x se retirade la coalicin,hay dos posibilida- pectivas del50%.Es unahiptesis plausible, ya que,
des: a) que la coalicin siga siendoganadora, con lo al no tenerninguna informacin acercade las postu-
que, despusde retirarsex, se convertira en una de rasde losvotantes, la equiprobabilidad parece serla
las G* coaliciones ganadoras que no contienen a x; nicaeleccin posible. El problema es queel clculo
o b) qe dejede ser ganadora, con lo que la coalicin del ndice de Banzhaf es extremadamente sensible a
d e p a r t i d as e r a d e c i s i v aD. e a q u s e d e d u c eq u e la probabilidadconla quecadaindividuo eligesuvoto.
Gr= o*+ Gr". Introduciendo estarelacin en la frmula Porejemplo, si en un paslosciudadanos votanafir-
anteriory recordando la definicin del ndicede poder mativamente conunaprobabilidad del 52%y negati-
de Banzhaf,obtenemos: vamente conel 48o/o, el ndice de poderde cadauno
de ellosresulta ser inversamente proporcional al n-
a'= 1 * tlt ' y no a su razcuadrada.
Pganar=2N'1+ merode habitantes Gelman,
2 N 2 Katzy Bafumi,matemticos de la Universidad de
Estafrmularelaciona el ndicede poderde Banzhaf Columbia y delInstituto Tecnolgico de California, han
con la probabilidad de estaren el bandoque ganala realizado un cuidadoso estudioacercadel poderreal
votacin.Nos proporciona, por tanto,un nuevosigni- de losvotantes en distintas elecciones de los Estados
ficadodel ndice,en el que las coaliciones decisivas Unidos y concluyen queel ndicede poderrealest
no desempean ningnpapel. msprximo al inverso de la poblacin queal inverso
Veamosahoraqu ocurreen una votacinde dos de su razcuadrada. De acuerdo conestasinvestiga-
niveles,es decir,una votacinen la que un consejo ciones, las formasde representacin habituales, que
estcompuesto por representantes de distintospases. dan un nmero de votosproporcional al nmerode
Si un ciudadano x del pasp tieneun ndicede poder habitantes, sonmsjustasquela normaPenrose-62.
'4" dentrode su pasy el pastieneun ndiceq, en el Comoven,no hayunanimidad entrelos investiga-
consejo,y suponiendoque el representante acata la doresacerca de losmodosde representacin msjus-
decisinde la mayorade los ciudadanos de su pas, tos, Es un problema que an sigueabierto. El pro-
cules la probabilidad de que dichociudadano est yectode Constitucin Europea basael sistemade
en el bandoganadorde una votacinen el consejo, decisin en la doblemayora, que,en lo querespecta
tomandoal azar coaliciones dentrode los pases?Se al poderde cadapasen el Consejo, es similaral
puedendar dos casos:a) que el ciudadano esten el modode representacin tradicional, proporcional a la
bandoganadorde su pasy su representante est en poblacin y no a su razcuadrada. En mi opinin, es
el bandoganadordel consejo,o b) que el ciudadano msprudente estapostura que la aplicacin de una
est en el bandoperdedorde su pas y su represen- normanovedosa e interesante comola Penrose-62,
tanteesten el bandoperdedordel consejo.De acuer- peroque an no cuentacon unatotalaceptacin en
do con lo que hemosdeducido previamente, la posibi- la comunidad cientfica. Finalmente, conviene tambin
lidada) ocurrecon una probabilidad: recordar queel sistema de la doblemayora tieneun
1+nr._1+lp importante significado poltico quedifcilmente pueden
recoger losformalismos matemticos: la ideade que
2 ^ 2 los dos pilaressobrelos quese construye la Unin
Por otro lado,la posibilidad b) ocurrecon probabi- Europea sonlosciudadanos y losestados.
lidad: parr@ seneca.f is.ucm.es

lruvsrcncrru
v Crrrucln.
octubre.
2004 93
 EG MATEMATI J u a nM . R P
. arrondo

Numerogooglia
n unode esosmomentos en losque,delante del En la segundapartedel argumento inicial,supona-
ordenador, unono encuentra inspiracin pornin- mos que todos los nmerosde menosde sietecifras
gunaparte,escribcasimecnicamente mi n- aparecenpor igual.Estasuposicines incorrecta. Los
merode telfono en el casillero de Google, el msco- nmeroscon menoscifrasson evidentemente ms co-
nocidoy eficazbuscador en lnternet. Googlerespon- munes.Lo podemosver buscandoen Googlemi n-
di inmediatamente quehabaencontrado 31 pginas merode telfonoy quitndolecifrasde derechaa iz-
weben lasqueapareca mi nmero, el 3686105. El re- quierda,es decir,buscando3, 36, 368, 3686, hasta
sultadome parecisorprendente. Erami nmerode 3.686.105. El resultado puedeverseen la figura1, en
telfono especial, comoparaestarcontenido en tantas dondetambinhe incluidoel resultado del mismoex-
pginas, o estasapariciones erannicamente frutode perimentorealizadocon otronmerode sietecifrasto-
la casua!idad? madoal azar, el5.477.232.El comportamiento de las
Google tieneindexadas aproximadamente 6000mi- dos grficas,en escalalogartmica, es similar:el lo-
llonesde pginas. Suponiendo queen todasellashu- garitmodel nmerode pginasdecrecede manera
bieraunnmero (yslouno)alazarentre1 y 10.000.000,casi linealy con una pendientede 716= 1,17.Esto
la probabilidad de que mi telfono estuviera en una
pginaserade 10-7y el nmeromediode pginas '1,00E+10
conmi nmero sera6 x 10ex 10-7= 600.Estees,por ,^ 1,00E+09
supuesto, un argumento muygrosero: ni todaslasp- j t,ooe+oa
1,00E+07
ginascontienen un solonmero ni todoslosnmeros fr 1,00E+06
ff
sonigualde probables. H 1,00E+05
Podramos refinarun pocomsel argumento? En f, 1,00E+04
primerlugar,cuntas pginas webcontienen nme- ff 1,00E+03
ros?Unaformade estimar la fraccin de pginas que !Z 1,00E+02
1,00E+01
contienen nmeros, utilizando slolasfunciones debs- 1,00E+00
quedade Google, podraser la siguiente. Buscamos 1 2 3 4 5 6 7
unapalabra muycomn, como'the',quese encuentra NUMERO DECIFRAS
en5790millones depginas. A continuacin buscamos 1. Nmero de pginas,en escala quecontienen
logartmica,
la misma palabra peroeliminando laspginas quecon- lasprimeras
tienen ' 1 ' , ' 2 ' , ' 3 ' ,
e t c .L a m e n t a b l e m eGnot e
o ,g lse l o
cifrasde dosnmeros de sietecifrastomados
de '10palabras
(barras
azulesly 5.477.232lbarrasnoradasl.
permite un mximo en susbsquedas.al azar:3.686.105
Porello,slopodemos buscarpginas quecontengan
'the'(hayqueponerun+ antesde la palabra paraque quiere decirque,al aadirunacifra,el nmero de p-
el buscador la admita)y que no contengan nueveci- ginasse multiplica aproximadamente por10-7t6 - 0,068.
fras.Haciendo distintas pruebas, vemosqueel nmero Podemos pensar queestefactores el producto de dos
de pginas quequedan despus de eliminar las que probabilidades: la probabilidad de queen unapgina
contienen nmeros es,aproximadamente, de 26,6mi- aparczca un nmero conunaciframs,queseradel
llones.Estosignifica que el 99,54o/o de las pginas 680/o, \ la probabilidad de que la cifraadicional sea
contienen las primeras cifras.Sin embargo, estem- precisamente la de nuestro nmero, quetendraque
todono es fiabley el resultado varasi en lugarde estaren tornoal 10%.
'the'se utilizan otraspalabras. Esteresultado s parececonsistente y permiteob-
Poralgunaraznquedesconozco, el algoritmo de tenerla siguiente aproximacin parael nmero de p-
Google paraeliminar palabras no conduce a resultadosginasquecontienen un nmero dadode c cifras:
consistentes. Porejemplo, si buscamos 'time'obtenemos
405millones depginas. Buscando'time -space', es de- N = no(0,068)"-1
cir,laspginas quecontienen la palabra 'time'y queno
contienen la palabra 'space', obtenemos 24,5millones. en dondenoes el nmero de pginas quecontienen
Finalmente, buscando 'timespace',es decir,todaslas la primera cifradel nmero. Aunque enseguida vere-
pginas quecontienen las dospalabras, lo quese ob- mos un modode refinarel clculode D6,se puede
tienees 10,7millones. Evidentemente, el nmero de p- comprobar, buscando pginas quecontengan el 1, el
ginascon'time'y'space', 10,7millones, msel nmero 2, elc.,que n0 esten tornoa los 1000millones de
de pginas con 'time'y sin 'space', 24,5millones, de- pginas. Insertando estedatoen la frmulaanterior,
beraserigualal nmero de pginas con'time'.Sinem- obtenemos que un nmeroconcreto de 7 cifrasde-
bargo,no llegaa la dcimaparte.Conotrosparesde beraaparecer en unas100pginas, unode 8 cifras
palabras se obtienen resultados similares. Demodoque en unas7 y unode 9 cifrassloen 0,46pginas. Se
utilizar
la opcin de eliminar palabras no es nadafiable. trata,porsupuesto, de unaaproximacin muygrosera,

88 lruvtslonclru
v Cleructn.
noviembre.
2004
peroel lectorpuedecomprobaalguna r de estaspre- ffi o,ss
z
dicciones , ejemplo,
Por pruebea introducir nmeros o o r
de ochocifrasy verque Googleencuenrra ,
como O
E ncc
mucho,unao dos pginas. Quteleunacifraal n- (L
meroy verquese encuentraunas n pocasdecenas, UO
n r
tal y comopredice nuestra frmula. -
La aproximac se in puede refinarun poco mste- uJ z
niendo en cuentaunaviejay misteriosamiga: a la ley f , n n E
de Benford, a la quededicamolos s JuegosMatemti- tIIJ I O
cos de diciembre de 2002.La ley diceque,en un L
conjunto de datosnumricoque s provengadel n ,,mun- NUMERO
do real",la probabilidde adqueel primer dgitode los
datosseaun 1 es mayorqueIa de queseaun 2, un conla queaparecen
2. Frecuencia nmeros de unasolacifra
3, etc.Conmsprecisin la, probabilidde ad queel (barrasmoradas) comparada conla ley de Benford(banasazulesl.
primerdgitosead es, segnla leyde Benford;
dentemen te, superael nmero de pginas indexada s
Po=tog,nf -\ t .1) porque en una misma pgina puede haber varios n-
dl meros).Paraun nmerode 7 cifrascomenzan do por
Utilizando estafrmula se encuentra que.oarad= 1 1, la frmula nosda 134pginas, mientras quepara
la probabilid ad es, aproximad amente, del gO%,para unoquecomienza por3 esslode56pginas. Jugando
d=2 del17,6o/0, parad= 3 del 12,5o/o, parad=4 del conalgunos nmeros escritos al azar,se puedecom-
9,7o/o,parad = 5 del7,9o/o, plre,d = 6 del6,7ok,para probarque la frmulaprediceaceptable mente los re-
d =7 del5,8o/o, parad= 8 del5,1./oy parad = g del sultados de lasbsqueda s.
4,6%.Qomovemos,el 1 es msde seisvecesms Podemos ahoravolvera la pregunta inicial: esmi
probable que el 9, unadiferencia considera ble. Se nmero de telfono especialm ente frecuente o sus01
verificala ley de Benford en Internet? aparicionepueden
s serfrutodel azar?La frmulaan-
He realizado dosexperimen tos relacionad con os la teriornosdicequeun nmero de 7 cifrascomenzan do
leydeBenford. Enel primero deellosbuscoenGooole por3 debera aparecer enunas56pginas. porlotanto
nmeros '1,
de slounacifra:el el 2, elc.,y calclo mi nmeroes relativame nte raro.Comparen tas mo-
s
lasfrecuenciarelativas, es decir,el nmero de pgi- destas 31 aparicioncon es las 199.000 delnmero de
nasen queaparece un dgitoconcreto dividido porel
nmero de pginas en dondeaparece unocualquier a
de.los 9 dgitos.El resultado se muestra en la iigura U> uJ n?
2 (barras moradas) y se compara conla leyde Benford z
(barrasazules).El predominidel o dgito1 no es en < E
o,es
los datosrealestan grandecomoel predicho por la
ley;sin embargo, la tendencia descende nte es ctara. uJ t 0,2
o nrc
. Perola leyde Benford se aplicaal primerdgitode
los nmeros y no a las vecesqueaparecen tosOigi- ;iz 0 1
por
tos separado. Unsegundo experimenmsacorde tU to
conel significad o la leyes el siguiente
de .
Tomamos I o,os
un nmerode seiscifrasal azary vamoscambiand o u 0
su primerdgitodesdeel t hastael g. por ejemplo, 1 2 3 4 5 6 7 8
tomando el 183.954, buscarameste os nmero, luego PRIMER DIGITO
el 283.954, el 383.954, etc.Anotamos los resultad s
de las bsquedayscalculamode s nuevolasfrecuen- 3. Frecuencia
de apariciones
cambiando el primerdgito
cias relativas. En la figura3 se ven las frecuencr as de distintos nmeros de seiscifras,comparada conla lev
comparad as conla frmula de Benford. El acueroo es de Benfordlcurvaazu\.
mayorqueen el casode la figura2.
Estamos ahoraen condicion es de refinaran ms 7 cifras1.234.567Este . s es un nmeropeculiar.
nuestra frmula parael nmero de aparicion es, susti- Podrautilizarse algunavez Googleparacuantifica r
tuyendono por un nmeroproporcio nal a la frecuen- lo "raro"o lo "familiar" quees un nmero?
cia dadapor la ley de Benford. Conello,el nmero Nolo s,perocreoqueGoogle, adems de seruna
de pginas en lasquedebera aparecer un nmero ta
de herramieninsustitui parael internauta
ble es, un es-
c cifrascuyaprimera cifraes d es: tupendo bancode pruebas parajugarcon nmeros.
He obtenido el factor45x 108imponien do que la lnvitoal lectora continuar eslanumerogo oglra consus
propios experime ntos o juegos. Aquvanalgunas pre-
N = 4 5x 1 0 8x t o g-.\, o ( l * + ) ,( 0 , 0 6 8 ) " - 1 guntas:cules el nmerode 7 cifrascon menos
dI aparicion es? Cules el que aparecemsveces?
sumade pginas para todovalorde d v de c sea0e Curiosam ente, no es el1.254.5 67. He encontrad o
uno
10.000 millones, quees un pocosuperior a Ia suma queaparece enmsde600milpginas. lmaginen cu|.
de todaslasaparicionede s nmeros de unacifralevi- parr@ seneca.f is.ucm.es

lruvtslctclyru
CtENctA,
noviembre
2004. 89
 MATEMAT1COS
UEG()S J u a nM . R P
. arrondo

prodigios
Calculista s os
. I-s posible calcularla raz13 de un nmero novena o decimotercede raun nmero se puedesim-
t F de 100cifrasen 0,15segundos? Un cal- plificarbastante (siempre suponiendo queel resultado
( tlr culistacolombiano, JaimeGarcaSerrano, es un nmero entero). Conun pocode entrenamien to
"!'*ura ostentareste rcorden el libroGuiness. podemos convertirnos en calculistas prodigiosos y cal-
Des"graciad amente, es algoque no he podidocom- cularla razquinta de unnmero de 10cifras. Veamos
probar. Tampoco he podidoaveriguar cmose realiz cmo.
ia prueba. La raztrecede un nmero de 100cifras La razquintade un nmgro de diezcifrastendra
tieneentre7 y B cifrasy supongo quese tardams l o s u m o2 c i f r a sy, a q u eV 1 0 1 01=0 0 .L a l t i m ad e
de 0,15segundos en escribirlao decirlade vivavoz. esascifrases precisament laeltimacifradel nmero
Quizlos 0,15segundos se refieren a lo que tard original. Porlo tanto,slotenemos quecalcular la pri-
GarcaSerrano en empezar a dar la solucin. meracifra,la de lasdecenas. Paraellobastarecordar
En cualquier caso,algoque me result curioso al la potencia quintade todaslasdecenas, del10al 90,y
documentarm e calculistas
sobre prodigiososesquemu- nisiquiera esnecesario recordarla conexactitud. Podemos
chosde ellosse especializan en calcularracesquin- calcular la razdecualquier nmero si memorizamo loss
tasy decimoterce ras. Porquestapredileccin La? nmeros queaparecen en la siguiente tabla:
respuesta es quelas potencias quinta,novena y de-
cimotercera de un nmero enteroconservan el ltimo
dgitodelnmero. Conellose consigue unapequea
ventajaen el clculode la ra2.En estatablase
muestra potencias:
el ltimodgitode las distintas

" '".qf "'t;;':r: .ry'

i.;'*...-.'p":'1
..

50, 3128 : 3000

60 7776 8000
70 16.807 16.000

5 ' 80 32.768 32.000

6 ' 6 . 6 6 , 6 , 90 59.049 60.000

7 I 3 1 7 Unavez memorizada la tabla,pidaa algnamigo

I 4 2 6 I que elijaun nmero entre 0 y 100,quelo elevea la
quintapotencia en unacalculadora y le digael resul'
I 1 I 1 I tado.En unospocossegundos ustedpodradivinar el
nmero de su amigo. Supongamo ques el nmero ele-
0 0 o o o g i d oe s e l 6 1. S u q u i n t ap o t e n c ieas 8 4 4 . 5 9 6 . 3 0 1 .
Sabemos entonces queel nmero elegido termina en
Es unatablafcilde construir si se tieneen cuenta 1. Paracalcular susdecenas, eliminamos lascincol-
que el ltimodgitodel producton x m dependeslo timascifrasde la quintapotencia quedndono cons
de los ltimosdgitosde los dosfactores.As,paraha- 8445.Estenmero estentre8000y 16.000, es de-
llarel ltimodgitodel cubode un nmeroque aca-ba cir,entrelasentradas correspondie ntes a 60 y 70' Por
en 7, bastamultiplicar 7 por 9 (el ltimodgitode 72= lo tanto,la primera cifradelnmero elegido tieneque
49),que es 63 y quedarse con el ltimodgito,es de- ser 6. Conun pocode prctica se puededar la res-
cr,g.'Enla tablvemosqueel ltimodgitode n5coin- puesta en algomenosde un segundo.
cidecon el ltimodgitode n. La tablase continuara Habra otraformade averiguar la cifra de las de-
haciala derechade formaperidica, de modoque las cenasu otrascifrasde racesquintas? La pruebadel
potencias 9, 13, 17,21, elc.de n tienentambinsu l' nueve, queaprendimos en el colegio paracomprobar
timo dgitoigualal ltimodgitode n. Utilizandoeste productos y divisiones, puedeayudarnos. Hagamos
simplehechomatemtico, el clculode la razquinta, ahoraunatablaconlascifrasqueresultan de aplicar

82 Y Clructn,
lruvrsronctru diciembre,
2004
 potencias
la pruebadel nuevea las distintas
nmero:
de un de prctica,el clculode racesquintasde nmeros
'15
de cifras.El nmeroelegidotendraen este caso
tres cifras.Las unidades se obtienende formatrivial,
puescoinciden con las de la potencia quinta.Lascen-
tenasse puedencalcularcon una tablaparecidaa la
de las potencias quintasde las decenas.La tablaes
idnticaa la de las decenas,con la salvedadde que
en la primeracolumnaapareceran centenasy la se-

z:; '{*t
, I :
.:::i
It1,i:;:.:.1 4
',
gundacolumnacorrespondera
el mtododescritoanteriormente.
a n11010. Aplicaramos
oeroeliminando las
diezltimascifrasde la potencia en lugarde las cinco
s'l; g g g .
ltimas.Finalmente, obtendramos las decenascon la
7 1 i 4 ' oruebadel nueve.
P o r e j e m p l o : c u le s l a r a z q u i n t ad e 2 4 . 9 5 3 .
5 7 I 4 2 I 5 960.486.368? Eliminamos las ltimasdiezcifrasy ob-
tenemos2495.Estentre1000y 3000,luegola cifra
6 I I I I I I de las centenasde la raz debe ser un 4. Por otro
lado,la cifrade las unidadeses 8. Finalmente, apli-
7 4 1 7 4 1 7
candola pruebadel nueveobtenemos un 1. Portanto,
I 1 I 1 8 1 B l a s u m ad e l a sc i f r a sd e l a r a zd e b es e r 1 , c o nl o c u a l
la cifrade las decenastieneque ser necesariamente
I I I 9 9 I 9 7. El resultado es entonces 478.
Si la pruebadel nueveda precisamente g, se puede
Paraobtenerla, al igualqueocurra conla tabladel an decidirentrelas tres posibilidades. Veamos,por
ltimodgito,no es necesario hacergrandes opera- ejemplo,la raz quintade 48.524J39.602.976. La ci-
ciones.Por ejemplo, la fila correspondiente al 5 se fra de las unidadeses 6. Paralas centenaselimina-
calcula de la siguiente forma: 52= 25 da 5 + 2 = 7; 7 x mos los diez ltimosdgitos,quedndonos con 4852,
x 5 = 3 5d a 3 + 5 = B ;8 x 5 = 4 0d a 4 + 0 = 4 ;y a s que est entre3000y 8000.La cifrade las centenas
sucesivamente. En estecaso,salvoel 3 y el 6, cuyas es entoncesun 5. La pruebadel nueveda 9, con lo
potencias siempredan 9, es en la potencia sptima cualIa razbuscadapuedeser 516 (da 3 en la prueba
cuandovuelvea aparecer el nmerooriginal. Esto del nueve),546 (da 6) o 576 (da 9). Como4852est
ocurre tambin conla potencia 13.Quizporelloesta lejostantode 3000 comode 8000,la mejorestima-
potencia sea tan utilizada por los calculistas. La po- cin es 546, el resultadocorrecto.S que no es un
tencia13 es la mspequea en la queel ltimod- mtodomuy preciso,pero con un poco de prctica
gitoy la prueba delnuevese recuerdan confacilidad.funcionaen la mayorade los casos.
Conla potencia quinta,tampocoes difcilrecordar Todosestos mtodosmuestranque, en las poten-
el resultado de la oruebadel nueve.Aoarecen todos ciasde nmerosenteros,hay una considerable redun-
losdgitos, salvoel 3 y el 6. Lo nicoquehayquere- dancia,utilizada de maneramuy hbilpor los calculis-
cordares queel 5 y el 2 estnpermutados, ascomo tas prodigiosos. Sinembargo, no hemosde restarmritos
el 7 y el4. Conestenuevotrucopodemos calcular de a estosmagosde los nmeros.E incluso,msallde
nuevola razquintade 844.596,301. Si aplicamos la los trucosque utilicen, creoque son casosinteresan-
regladel nueveobtenemos 4. Paraellono hacefalta tes para indagarsobreuna cuestinde bastantems
sumartodaslascifras, porque podemos agruparlas en calado:hay una aptitudmatemtica intrnsecaal ser
paresquesumennuevey eliminar dichospares.Del humano,o son las matemticas una puraconstruccin
nmero original,844.596.301, podemos eliminar de un cultural?En lo que se refierea estacuestin, el caso
vistazolascifras45.963y, conun pocomsde aten- msintrigante es probablemente el de Ramanujan, cu-
cin,el par8-1.Nosquedaentonces 4. Segnla ta- yas increbles habilidades no se limitaban al clculoal-
blaanterior, lascifrasdel nmero quebuscamos de- gebraicosinoque abarcaban el razonamiento abstracto
ben sumarentonces 7. Comola ltimaes un 1, la en muchasramasde la matemtica.
orimera debeser6. Otro caso llamativode calculistaprodigioso, que ha
El mtodo tienepor supuesto el riesgode que la aportadoalgode luz al estudiode la historiade las ma-
sumade las cifrasde la potencia quintasea 9, en temticas,es el de ThomasFuller,un africanonacido
cuyocasola sumade las cifrasdel nmero elegido en 1710en la actualLiberiay quefue llevadocomoes-
puedesertanto3, como6 o 9. Sinembargo, al estar clavoa losEE.UU.en 1724.Murien Virginia a la edad
estostres nmeros bastante separados entres, po- de 80 aosy alcanzbastantefama comocalculista.A
demosacudira la tablade las potencias quintas de pesarde no saberleerni escribir,era capazde realizar
las decenas, recordando ahoraslode formaaoroxi- complicados clculoscon rapidez.En los ltimosaos,
madalasentradas del30,60 y 90. los estudiosos de estecasohan llegadoa la conclusin
Peropuedeser muchomsespectacular combinar de que Fulleradquiri muchasde sushabilidades en su
los dos mtodos: el de la tablade las potencias de infanciaen Africa,revelndose asquela matemtica de
lasdecenas y el de la prueba delnueve. Conambos, los pueblosafricanosdel sigloxvu tenaun desarrollo
se puedelograrsinmuchoesfuerzo, aunque conalgo mayordel que se consideraba hastaahora.

y Clrucln,
lruvrsflolcrru diciembre,
2004 83
 ) SA T E M A T I C O S
U E G (M . arrondo
J u a nM . R P

Elnmero y lainformacin
mayor misteriosa
. l^l e puedeobtener informacin delanada?Hay xrro. Si el nmeroque leemosen nuestropapello su-
) _\ un sencillo problemade probabilidad en el pera,diremosque dichonmeroes el mayory si no
U t- queunotienela impresin de queargose- lo supera,diremosque el nmeroocultoes el mayor.
mejantees posible.El problemaes eljuegodelnmero Escapazestaestrategia de aumentarla probabilidad
mayory consiste en lo siguiente.
Alguien eligedosn- de ganarel juego?Llamemosa al mayorde los dos
merosal azat,percdistintos entres, escribe
cadauno nmerosy b al menor.En nuestropapelestara con
de ellosen un papely nosda a elegirunode losdos probabilidad 112yb conprobabilidad 112.Puedendarse
papeles.Nosotros tomamos unode los papeles y lee- tres casos:que tanto a como b estnpor encimadel
mossu contenido. Conestainformacin, tenemos que umbral,que estnpor debajo,o que a est por en-
adivinarculde losdosnmeros es el mavor. cima y b por debajo(vasela figura2). No sabemos
con qu probabilidad se da cada uno de estoscasos,
pero lo que es seguroes que si se da el tercerode
ellos,nuestromtododel umbralacertar.En los otros
dos casosel mtododel umbraltiene una probabili-
dad 112de acertar.Por tanto, la probabilidad media
de acertares mayor que 112,siempreque el tercer
caso (a > Xunb>b) se d algunavez, y es iguala 1/2
si no se da nunca.Es decir,hemosconseguido aumen-
tar la probabilidad de ganar,siempreque coloquemos
e l u m b r adl e m o d ot a l q u e e l c a s o ) x u n b > b s e d
en algunaocasin.
El lectorpuedepensarque aqu no hay nadamis-
1. Eljuego:
debemos culdedosnmeros
adivinar aleatorios terioso.Podemosacertarcon probabilidad mayorque
unoslodeellos.
conocido
esel mayor, 112,pero necesitamos algo de informacin para colo-
car el umbraladecuadamente. Si tomamos100 como
umbraly los nmerosse eligentirandoun dado de
Lo nicoque conocemos paraadivinarcul de los seis caraso al azar entre 1000y 2000, la estrategia
nmeroses mayores el nmeroescritoen nuestro no tiene ningnefecto.Para cuantificar mejorla in-
papel.No sabemosnadaacercade cmose han ele- fluenciadel umbralsobrela probabilidad de acertar,
gido los nmeros.Puedeque sean positivos, negati- supongamos que cada uno de los dos nmerosse
vos, entre1 y 100 o entre10.000y 40.000.Parece elige al azar, de forma independiente, y tal que P(x/
entonces que leerel nmerode nuestropapelno nos es la probabilidad de que el nmeroelegidosea me-
puedeaportarningunainformacin. El otronmero,el nor que x. Entonces, la probabilidad del primercaso
oculto,puedeser cualquieray, por tanto,tenemos (a,b, xrr6)es P1=11- P(xu^6))2: la probabilidad del
una probabilidad112de acertar,tanto si apostamos segundocaso (a, b < xumb)es P2= P(xumb)z; y la del
por nuestronmerocomo si lo hacemospor el n- tercercaso(d> Xumb> b) es Pr=2P(xrr6)11 - P(xumil.
merooculto. La probabilidad de acertares entonces:
Sin embargo, se puedeaumentaresta probabilidad
con un truco sorprendentementesencillo.Bastapara Pacertar
" = ! + P (xu^) 11- P(x,.b)l
=l tR * Pr\ + P,
ello que elijamosantesdel juego un nmeroumbral z' 2

APOSTAMOS
PORNUESTRO
NUMERO

APOSTAMOS
POREL NUMERO
re
OCULTO Xumb

2. Lostrescasosposibles
en la estrategia
delumbral:
el mayor pordebajo (casointermedio), se aciertasiempre,
mientrasque,si
de losdosnmeros,
a, se representaconun puntomoradoy el ambos estnporencima o pordebajo (casosuperior se
e inferior)
menor,, conunoazul.Cuando a estporencimadelumbraly a c i e r t cao np r o b a b i l i d1a/ d
2.

88 y Cllctn,
INVESTTGA0TN 2005
enero,
 La probabilidad de acertarms
alta es Pacertar= 3/4 y se alcanzasi
p o n e m o se l u m b r a dl e f o r m aq u e
P ( x u n b=)1 1 2 .P o r e j e m p l os, i l o s
nmerosse escogenal azar enlre
1 y ' f 0 0 , P ( x ) = Y 1 1 0y 0e l u m b r a l P(a)- P(b)
ptimoser 50. En general,si los
nmerosse escogenal azar en un
ciertorango,el umbralptimoser
el puntomediode dichorango.Por 3 . E s t r a t e gai lae a t o r isai:y e s e l n m e rqou ee n c o n t r a me0nsn u e s t rp0a p e al , p o s t a m o s
'l
el contrario,si P(xrr6)= 0 o , los porl conunaprobabilidad Ilyl lcurvarojal.
dos nmeroselegidossiemprees-
tarn por encimao por debajodel
umbral,respectivamente, y, portanto,el mtododel um- cima o por debajodel umbral,pero es 1 si a est
bralno ofreceningunaventaja(Par",tr,=1/2).Necesitamos p o r e n c i m ay b p o r d e b a j o .
portantoconocer cmose eligenlos nmeros paraen- Es ciertoque la ventajasobrela eleccinaleatoria
contrarun umbraladecuado. (Pur*t",es112)puedeser mnima.Tngaseen cuenta
Sin embargo, una modificacin del trucodel umbral que Q(y)tieneque crecerde 0 a 1 cuandoy crecede
permteacertarcon probabilidad mayorque 112sin co- menosinfinitoa infinito.Por tanto,en algunostramos
nocernada acercade cmo se han elegidolos n- Q(y)tieneque crecermuydespacio,comoocurrepara
merosinicialmente. En lugarde un umbralque nos valorespequeoso grandesde y en la curvaroja de
dice por qu nmeroapostar,elijamosuna probabili- la figura3. Si el rangode valoresque puedentomar
dad aM entre0 y 1 de apostaral nmeroy que hay los dos nmeroselegidosesten una zonaen donde
en nuestropapel.La estrategia es en s mismaalea- Q(y)crecemuydespacio,entoncesla ventajade nues-
toria,es decir,no nos dice por qu nmeroapostar tro mtodoser muy pequea.Aun as, lo sorpren-
sinoque nos da la probabilidad de hacerlopor uno u dentees que si Q(y/crecesiempre,dichaventajaser
otro:si el nmeroque leemosen nuestropapeles y, mayorquecero,admitido que los nmerosiniciales se
diremosque es el mayorcon una probabilidad Q(y,). han obtenidoal azary de forma independiente, pero
Lo asombrosoes que esta probabilidad puedeser sin importarsu distribucin de probabilidad.
cualquiera, con tal de que aumentecuandolo hagay, De dndehemossacadola informacin que nos
como la curvaroja de la figura3. Esto es razonable: permitepredecirculde los dos nmeroses el mayor
cuantomayorseay con msprobabilidad diremosque con una probabilidad superiora 112?En mi opinin,
es el nmeromayor. es un autnticomisterio.Creo que la pregunta"cul
Comoantes,llamemosa al nmeromayory b al es el nmeromayor?"es extremadamente sensiblea
menor.El nmeroy en nuestropapelsera con pro- cualquier pequeainformacin acercade cmose oo-
babilidad112y b con probabilidad 112.Acertamossi tienenlos nmeros.Si conocemos la distribucin de
y = a y decimosque es el mayor,algoque ocurrecon probabilidad conla quese hanobtenido, podemosacer-
probabilidad Q(aIz; o bien,si y = 6 y decimosque el tar con una probabilidad 3/4, utilizando el mtododel
nmeroocultoes el mayor,algoque ocurrecon pro- umbralptimo.Bastarainclusoconocerel rangoen
babilidad | - A@112. Portanto,la probabitidad de acer- el cualpuedenestarlos nmerosparaescogerun um-
tar es: braladecuado (aunqueno el ptimo).La estrategia de
Q(y) pareceutilizarsimplemente el hechode que los
p _ ._ _ Q ( a ) + 1 - O ( b ) _ 1 * Q ( a ) - Q ( b ) nmeroselegidosestnen un ciertorango,o, lo que
acerar
2 2 2' 2 es lo mismo,utilizael simplehechode que los n-
merosexisten!
que es mayorque 112,puestoque a > b y, por tanto, Porltimo,conviene recordar que las probabilidades
Q(a)> Q(b),comose muestraen la figura3. Obsrvese no tienenmuchosentidocuandose aplicana un solo
que el resultadoes vlidopara cualquierpar de n- turno del juego.Habraque aplicarla estrategia de
meros elegidosy para cualquierprobabitidad Q(y)! Q(y)a un grannmerode turnosparaobservarta ven-
Lo niconecesariopara demostrarque la probabili- taja de la que hemosestadohablando.Pero,en el
dad de acertares mayorque 112es que Q(y)uezca casode jugarvariosturnos,y siemprequese nosper-
cuandoece y. Aunqueparezcaincreble,el argu- mitacambiarde estrategia en cadaunode ellos,podra-
mentoes correcto.Es ciertoque, para encontrarla mos utilizarla informacin de turnosanteriores para
verdaderaprobabilidad de acertar,habraque pro- modificar aU). Mi impresin es que la mejorestrate-
mediarsobre los posiblesvaloresde a y b (con a gia serautilizarcomoumbralla medianade los n-
mayorque b), perodichopromediosersiemprema- merosque han salidohastael momento, es decir,un
yor que 112,por ser Q(a/- O(b) una cantidadposi- umbralque estpor debajode la mitadde dichosn-
tiva para cualquierpar de valoresa, b con a mayor merosy por encimade la otra mitad.De todosmo-
que b. Para la eleccinconcreta"Q(y)es iguala 1 dos,quizlos lectoresencuentren una estrategia me-
cuandoy supera Xunby 0 si no lo supera"recupe- jor o puedanarrojaralgo de luz sobreel enigmtico
r a m o se l m t o d oi n i c i a ld e l u m b r a l ,y v e m o s q u e origende la ventajaproporcionada por la estrategia de
Pacertar es 112si a y b estnamboso bien por en- la figura3. <parr@ seneca.f is.ucm.es>

y Ctructn,
lruvsnenclru enero.
200b 89
 MATEMTICOS J u a nM . R P
. arrondo

Problema
desaparcami ento
lr i ustedviveen unagranciudady cometela im- segundos en dar la vueltaen cochea todoel aparca-
\ prudencia de ir a unteatrodelcentro en su pro- miento. Hayqueandarun pocodeprisa paraello,pero
lvf pio coche,probableme nte se hayaencontradoestono afectaa nuestroproblema. Se puedede he-
en unasituacin parecida a la quese muestra en la chosuponer unavelocidad menor. Lo nicoimportante
figura1. A unaciertadistancia de su destino, ponga- es la relacin entreel tiempoinvertido en dar una
mos500metros, ve unlugarparaaparcar' Debe apro- vueltaen cochehastael aparcamient y oel tiempoin-
vecharlo o es mejorcontinuar y confiaren queva a vertidoen recorrer andando lossitiosquenosseparen
encontrar un sitiolibremscercadelteatroal quese delteatro.
dirige? Si empezamos a buscaraparcamient cuando
o esta-
La figura1 muestra una situacin muysimpleen mosa unadistancia n del teatro,la probabilidad de
dondeslose puedeaparcar en unacallede sentido no encontrar ningn sitioes pn,puesto questaes la
nico,en cuyoextremo se encuentra el teatro.Unco- probabilidad de quelos n sitiosen dondebuscamos
chequealcance el teatrosin haberencontrado apar- estnocupados. Por otrolado,encontraremun os si-
camiento debevolveral comienzo porotracalleen la tio a unadistancia k del teatrosi los primeros n- k
que no se puedeaparcar e invierte un tiempof en sitiosestnocupados y el siguiente libre.Estoocurre
dar todala vuelta.Supondremtambin os que cada conunaprobabilidad ,n-x ( - p), dondek puedeser
unode los posibles aparcamienest tos ocupado con 1, 2, 3,...,n. Portanto,la de encontrar aparcamien to
unaprobabilidad p, que,desgraciada mente, sercer- a unadistancia k despus de haberdadovvueltas es:
c a n aa 1 .
La situacin asdescrita no es muyrealista, porque p n vp n _ k ( l _ p )
normalment e se puedeacercar
uno o alejardelteatro
porvariasrutasen lasquees posibleaparcar, . e p u e d ve e rq u el a
Sinem- e n d o n d ev p u e d es e r0 , 1 , 2 , . .S
bargo,la obligacin de dar la vueltaa la manzana y sumade estasprobabilidadaes todoslosposibles va-
el tiempof que se invierteen ello constituye una loresde k y v es iguala 1, siempre quep seamenor
formasencilla de penalizar el tntento de acercarnos al que1, lo cualindicaqueen alguna ocasin debemos
teatrodespreciandsitios o libresy nos va a permitir encontrar sitio,
realizar algunos clculos. Si damosv vueltas y encontramo aparcamien
s ato
Supongamo lassiguienteestrategia: aparcaremo ens unadistancia k del teatro,culserel tiempototal
cualquier sitioqueesta unadistancia menoro igual invertido en aparcar y llegarandando a nuestro des-
quen delteatro(medida en nmero de coches, como tino?Comohemossupuesto quetardamos f segun-
muestra la figura1).Cules el nmero n ptimo? Un dosen darla vueltaa la manzana y 1 segundo en re-
criterio de optimizacin razonable es minimizar el tiem- correrandando cadasitiode aparcamientelo,tiempo
po totalquetardamos en llegaral teatro.Admitamostotalser Tv+ k segundos. En realidad, la expresin
quetardamos un segundo en atravesar andando cada paraeltiempo totalesmscompleja, yaquedeberamos
posiblelugarde aparcamient y oquese tardanf = 50 ieneren cuentael tiempoquepasamos en el coche
desdeel comienzo de la calledeltea-
trohastael lugarendondeaparcamos.
Sinembargo, si f es el tiemPo que
se invierte en ir desdeel finalde
la calledel teatrohastasu co-
mienzo, y siestetiemPo f esmu'
chomayorqueel tiemPo que
se tardaen recorreren co-
c h e d i c h ac a l l e ,f v + k s
constituira unabuena aPro'

1 . D e b e maopsr o v e c heal r
s i t i ol i b r ea u n ad i s t a n c i a
/ , 0 b u s c aur n a p a r c a '
mientomscercano?

88 febrero,
v Clrucln,
lruvrsrcnclu 2005
 7
ii

ximacin deltiempototalinvertido.
Supondremos que
es estolo queocurre,aunque hayqueadvertir quela
figura1 no representa
adecuadamente estasituacin,
puestoqueparaelloel recorrido desdeel finalde la
calledelteatrohastasu comienzo deberasermucho
mslargoquela propiacalle.
Finalmente.Daraencontrarel tiempototalmedio,te-
nemosque promediar Tv+ k utilizando las probabili-
dadesanterioresparak y v. El clculono es sencillo
y requiere algunas
conocer frmulas sobrela sumade tJ
progresiones geomtricas.
Sin embargo, el resultado:s c c
no es excesivamentecomplicado:
I.JJ

Tpn+n p
t, =
1-pn-14

En la figura2 se muestra el tiempoen funcin de n

paraT = 50,esdecir, paracuando invertimos untiempo
en darla vueltaa la manzana igualal tiempo quetar-
damosen caminar 50 coches. La curvaazulcorres-
pondea p = 0,98,es decir,a unaprobabilidad del2o/o 30 40 50 60 70 80
de quehayun sitiolibre,La curvarojacorresponde a n
p=0,97.La estrategia ptimavienedadapor el m-
nimode cadacurva,En el casop = 0,98,el mnimo 2 . T i e m ptoo t a lm e d i oq u et a r d a m oesn a p a r c ayrl l e g aar n d a n d o
se alcanzaparan = 57. Es decir,tenemosque des- al teatro,en funcindelnmero n de coches a partirdelqueco.
preciar todoslos lugares libresqueestna unadis- m e n z a m ao b
s u s c aar p a r c a m i e E
n tnoa. m b o c
s a s o s e t a r d au n
tanciadel teatromayorque57 coches, Actuando de t i e m p of = 5 0 e nd a ru n av u e l t a l a m a n z a nLaa. c u r v aa z u l
estaforma,damosun promedio de 0,46vueltas a la c o r r e s p o nadl cea s oe n q u el a p r o b a b i l i ddaedq u eu ns i t i oe s t
manzana, tardamos en aparcar un tiempomediode o c u p a deosp = 0 , 9 8y l a r o j aa p = 0 , 9 7 .
23,11segundos y aparcamos a unadistancia media
de 34,35coches. El tiempototales la sumade am-
bascantidades, quees57,46segundos, Escurioso que anunciar la dotequeacompaa a cadaunade ellas,
unapequea variacin en la probabilidad de que un En cada una de estasocasiones, el pretendiente
sitioestlibrealterebastante talescantidades. Para tendrquedecidirsi se quedaconla hijaquetiene
p = 0,97(curvaroja),el mnimo se alcanza 1 rt = 45, antes o contina el juego.El pretendiente slotendr
se dan,en media, 0,34vueltas antesde aparcar, tar- el beneplcito parala bodasi eligea la hijacon la
dandoun tiempode 17,02segundos, y se aparcaa mayordote.
unadistancia mediade 27,98coches. El tiempototal Las posibles estrategias del pretendiente son muy
es entonces 45 segundos. parecidas a lasdelbuscador de aparcamiento. Tendr
Es de esperar que,si la probabilidad de encontrarquedejarpasarunciertonmero n de hijasy despus
un sitiolibreaumenta, entonces el n a partirdelcual quedarse conla primera cuyadotesea mayorquela
tenemos queempezar a buscaraparcamiento deber de cualquiera de las anteriores, Si n es peque0, lo
disminuir.Y asocurre, porque el mnimo de lascur- msprobable es quese precipite en la decisin pero,
vaspasade ser57 a 45.Tambin el n ptimocrece si n es muygrande, es muyposibleque el preten-
al hacerloI, ya queen estecasollegarhastael final dientedesprecie a la de mayordoteporsalirentrelas
de la callesin haberencontrado aparcamiento tiene n primeras, Existepuesun n ptimoquemaximiza la
unapenalizacin cadavez mayor.La formaconcreta probabilidad deelegir a la hijademayor dote,Sepuede
enqueel n ptimo depende de f y p es bastante com- demostrar que,paracienhijas,el n ptimoes 37.Es
plicada, pero,conun pocode manipulacin matem- decir,el pretendiente tieneque esperar hastahaber
tica,se puededemostrar que n crececomoel loga- vistoa 37 hijasy despus elegira la primera cuya
ritmode T, paraunaprobabilidad p fija. doteseamayorquelasde todaslas precedentes (in-
Comohemosvisto,inclusoel modelomssimple cluidas, porsupuesto, las 37 primeras), Conestaes-
del problema del aparcamiento presenta complicacio-trategia,la probabilidad de acertares bastante alta,
nes matemticas, El problema del aparcamiento re- del37,1%.Loslectores pueden tratarde resolver este
cuerda a otroproblema clsico: aquelen quealguien problema, Aunque lesadvierto de quela solucin no
I debedecidirse entrequedarse conalgoo arriesgarsees sencilla e involucra algunos conceptos matemticos
a queaparezca algomejor.Se tratadelproblema de no muyconocidos, comolos llamados nmeros arm-
la dotedelsultn.Un sultndecideconceder la mano nicos.Por ello,el prximomes lo analizaremos con
de unade suscienhijasa unode sussbditos, pero algndetalle.
a condicin de quesupere la siguiente prueba. Lashi-
jas irnpasando, unaa una,anteel pretendiente y se <parr@ seneca,f is,ucm,es>

y CtENcrA,
lruvsl0lclru febrero,
2005 89

jrq! i
 UEGOS
MATEMATIC()S J u a nM . RP. a r r o n d o

Ladotedelsultn

I mespasado terminbamos la seccin proponien-tienenlasestrategias conn = 0 y n = 3. Comovemos, la

do a los lectoresun problema ya clsicoen estrategia ptimase alcanza paraun nmeron medio.
matemticas: la dotedel sultn.Un sultntiene Si n es muypequeo, nos precipitamos y elegimos
cienhijasy decidedarla manode unade ellasa uno demasiado pronto,cuandoes an pocoprobable que
de sussbditos si superala siguiente prueba: Lashijas hayaaparecido la hija de mayordote.Porotro lado,
desfilarn anteel pretendiente, al quese le anunciar si n es demasiado alto,lo ms probable es que la
la dotequeacompaa a cadaunade ellas.El sbdito hija de mayordote aparczcaentrelas n primerasy
slopodrcasarse conla hijade mayordotesi adivina la rechacemos.
culdeellases.Paraellodebedecidir antecadaunade Veamos cules la probabilidad de acertarcon N
las hijassi la eligeparaesposao si prefiere continuar hijashabiendo rechazado a lasprimeras n.Acertamos
viendoal resto.Unavez rechazada una de las hijas, si la de mayordoteesten el pueston + 1 y esto
la decisin no se puedecambiar. Supondremos que ocurreconorobabilidad 1/N.Tambin acertamos si la
todaslas dotessondistintas y queel pretendiente no mayoresten el pueston+ k+ 1, lo queocurrecon
tieneninguna informacin previaacercade su cuanta. probabilidad 1lN,y la mayorde lasn + k precedentes
Cules entonces la mejorestrategia parasuperar la estentrelasn primeras, lo queocurreconprobabilidad
prueba? n/(n+ k). Por tanto,esta posibilidad ocurrecon una
Unaestrategia bastante generalconsiste endejarpasar probabilidad
un ciertonmero n de hijasy despus elegirla primera 1 n
cuyadotesupere a todaslasprecedentes (incluyendo las
n primeras, obviamente). El problema consiste entonces t n*-
en calcular el nmeron que maximiza la probabilidad
de elegirla dotemsalta.
Analicemos el problema con slo4 hijas.Si n = 0, Combinacin h = 0 h=1 ft=2 fl=3
elegiremos siempre a la primera de lashijas. Si n = 1, 2 3 4 4 4 4
no elegiremos en ningncasoa la primera y luego 2 4 3 3 3 3
esperaremos hastaque aparczcauna con una dote
mayorqueella.Lasotrasdosestrategias posibles son 3 2 4 4 4 4
s i m i l a r epse, r oc o nn = 2 o n = 3 . E s t a l t i m an, = 3 , 3 4 2 2 2 2
es en realidad muysencilla: puestoque se rechazan 4 2 3 3 3 J

las tresprimeras hijas,con estaestrategia elegiremos 4 3 2 ffi 2 2 2

siempre a la ltimade ellas.En la tablase analizan 2
todaslas posibilidades.
Lascuatrohijasse numeran
dote(4).En la columna
de mayor(1) a menor 2 3
de la izquierda
ffi#
se presentan 2 3 4
2
3 4
4 3
4
2 ffiffi
2
2
4
3
4
3
4
todaslas posibles ordenaciones en las que pueden # 2
aparecer lascuatrohijas,resaltando en naranja a la de #
2 4 3 2 3
mayordote.En el restode las columnas se indicala 2 4 # 3
hijaelegida
estrategias
por ejemplo,
al utilizar
y se destacan
cadaunade las cuatroposibles 3
en verdelos aciertos.
las cuatrohijasaparecen en el orden4,
ffi#
Si, 3
3 2
2 4
4 2
4
3
3
3 2
4
2
4
2
4
1 , 3 , 2 , l a e s t r a t e gcioann = 0 e l e g i ra l a p r i m e rdae 3 2 4 * 3 2
ellas,es decir,a la 4, que es la de menordote.La 3 4 2 3 2
estrategia con/?= 1, rechaza a la 4 y, al aparecer la 1
en segundo lugar,la acepta, superando la prueba. Sin 3 4 2 3 2 2
embargo, las estrategias con n =2 o n = 3, rechazan 4 2 3 4 3 3
la 1 y se quedanambasconla hijanmero 2. 4 3 2 4 2 2
Parael casode 4 hijas,la estrategia ptimaes la 4 2 3 4 2 3
n = 1, conla quese alcanza unaprobabilidad de ganar 4 2 4 2
11124 = 45,83o/o (24 es el nmerototalde casosu 4 3 4 3 2
ordenaciones). Es unaprobabilidad bastante altasi la 4 3 4 3 2
comparamos conla probabilidad deganarsi seeligeuna
de lashijasal azar,quesera114= 25%, la misma que Aciertos 6 11 10 6

88 y Crrucln.
lruvsnonclru marzo.
2005
 0,45 En estafrmula, neperiano
In es el logaritmo yy
e. o'4 es un nmeroque vale0,5772y se llamaconstante
de Euler-Mascheroni.Estaconstante ejerceun papel
k u,c
uJ
(J n?
importante en distintasramasy problemas de la
matemtica, comolateorade nmeros de
o el clculo
tJJ ^ ^-
o u,z Laaproximacin
seriese integrales. es bastante buena,
o comopuedeapreciarse en la figura2, Si aplicamos
< (- \-,
o
de Eulera la prooabilidad
la aproximacin de acertar,
t o,rs obtenemos:
cD n r
n /n-1 \
fL n^q -
pacertar= 'n |rlv
N /
0

n C u a n d ot a n t oN c o m on s o n m u y g r a n d e sl ,a
probabilidad de acertardepende slode o,= n/N,es
1 . P r o b a b i l i ddaeda c e r t aern f u n c i dne ln m e rno d e h i i a s
decir,de la fraccin de hijasrechazadas de antemano:
a sa.d ac u r v ac o r r e s p o naduen n m e rtoo t a ld e h i i a s
r e c h a z a dC -o' Ina. A partirdeestaexpresin, loslectores
distinto N:= 1 0 ,2 0 ,3 0 , . . .1, 0 0 .
Pacertar=
cn lgunosconocimientos de anlisismatemtico
oodrn encontrar sin muchadificultadel valormximo
de la probabilidad se alcanza
de acertar: parau = lle
La probabilidad de acertares entonces la sumade y valeprecisamente 1/e.Casualmente,
Pacertar.max= la
estasprobabilidades extendida a todoslos posibles mximaorobabilidad de acrtarcoincide con el valor
valores de k, quevande 0 hastaN - n - 1, es decir: ptimode s. En la solucin aparece otronmerode
n l 1 1 1 1 \
Pacertar= * +
N \; n*l n+2+"'+ *1 /'

Comoen el casode cuatrohijas,ienemosque

encontrarel nmero n quemaximiza estaprobabilidad. ^
En la figura1 se puedeverla probabilidad de acertar
en funcinde n paradistintos valoresde N. Vemos
cmocadauna de las curvastieneun mximoque "l1n a
se alcanzaparaalgnvalorde n. Porejemplo, para
2,5
N = 100 hijas,el valorptimoos lr = 37. Es decir,la
mejorestrategia en rechazar
consiste las primeras
37 z
hijasy luegoaceptarla primeraquetengamayordote
que todaslas anteriores.Actuando de estaforma,la
probabilidadde ganarla pruebaes del 37,10o/o. 1
Paraabordarel problema de modoms general,
nospueden ayudar algunosconocimientos avanzados n
de matemticas. En teorade nmeros y en anlisis, 2. Lospuntos sonlosnmeros
azules armnicos y la
exactos
se han estudiado con bastantedetallelos llamados curvarojala aproximacin
deEuler.
nmerosarmnicos, que se definende la siguiente
forma:
gran importancia en matemticas y tambinligadoa
H n = 1 + +. +. + . Euler:el nmeroe, que vale 2,72828...Su inverso
es 1/e= 0,3679...,muy prximoal valor que hemos
encontrado para el caso de 100 hijas.En realidad,
comprobar
Es sencillo quela probabilidad
de ganar hemosresueltoel problema suponiendo que o puede
la pruebadel sultn,
rechazandolas n primerashijas tomarcualquiervalor,peroen realidadslopuedetomar
se puedeescribir los nmeros
utilizando armnicos: valoresa = nlN,conn entero. La solucin final,siempre
aproximada, serael valor posiblems prximoa 1/e,
- H,-)' que,paraN = 100,es precisamente n = 37.
Pacertar=
!{nr-, Es sorprendente la alta probabilidad de acertarcon
/V
la estrategiaptima.Si elegimosal azar entre 100
apartede la propia
No hay una frmulasencilla, hijas,la probabilidadde acertares del 1 %, mientras
que nos proporcione
definicin, el valorexactodel que si rechazamos de antemano a las 37 primeras,la
nmeroarmnico Hn.Sinembargo, Eulerencontr
una probabilidadsubehastael 37,'10 %, que es mayorque
frmulaaproximada paradichovalor,que es mejor un tercio.De modo que el sbditodel sultnpuede
cuantomayorsea n: albergarbastantes esperanzas de obtenerla manode
la hija de mayordote'
H.=ln(n)+T. <oarr@seneca,fis.ucm.es>

y CrENcrA,
lruvsletcrr marzo,
2005 89

l:::=.:.::.:r:l
J UEGOS MATEMTICOS Juan M.R. Parrondo

Fsiles y lotera

N
ormalmente jugamos a la lotera comprando un representar en una cuadrcula en donde estn todos los
dcimo, es decir, tratando de adivinar qu nmero posibles pares (x,N), como en la figura 1. Los crculos
saldr de un bombo que contiene un cierto rojos representan la estrategia de apostar siempre por
nmero de bolas. Los paleontlogos se enfrentan en N = 10, independientemente del valor de x. La probabi-
ocasiones a un juego casi opuesto: conocen el nmero lidad de ganar, Pganar = 20 %, puede tambin obtenerse
que ha salido de un bombo y tienen que averiguar cuntas sumando lo que vale P(N,x) en los 10 crculos rojos
bolas hay en l. de la figura 1.
Este problema, cuyo planteamiento y parte de su Pero es posible imaginar otras estrategias. Por ejemplo,
anlisis me han sido sugeridos por Antonio Fernndez, en la representada por los crculos azules de la figura 1,
profesor de matemticas del Instituto Salvador Allende se apuesta por el N ms pequeo compatible con la
de Fuenlabrada, parece un tanto trivial. Si, por ejemplo, bola extrada x, es decir, N = 6 si x = 1, 2, ..., 6, y
N = x si x = 7, 8, 9 o 10. La probabilidad de ganar con
esta estrategia se obtiene sumando las 10 probabilida-
10 des P(N,x) de los puntos azules de la figura, y resulta
ser: Pganar 29,6 %. Esta estrategia es por tanto ms
9 eficaz que la anterior. No es difcil demostrar que es
la estrategia ptima: Los puntos azules no se pueden
mover hacia abajo, puesto que entonces apostaramos
N 8
por un nmero N de bolas en el bombo inferior al n-
7 mero extrado x, lo cual es absurdo. Pero si movemos
cualquiera de los puntos hacia arriba, aumenta N y
6 disminuye la probabilidad P(N,x). Por tanto, cualquier
desviacin de la estrategia de los puntos azules tiene
1 2 3 4 5 6 7 8 9 10 como consecuencia una disminucin en la probabilidad
x de ganar.
1. Diferentes estrategias para adivinar el nmero N de bolas de Es curioso que la mejor estrategia consista en decir
un bombo del que se ha extrado la bola x.
que el bombo tiene el menor nmero de bolas compa-
tible con el nmero extrado x. Mucha gente piensa que
la bola extrada x es una estimacin razonable de la
nos dicen que la bola extrada de un bombo es la 8, el mitad del tamao del bombo y que se debera apostar
nmero total de bolas N puede ser igual o mayor que 8. por algn nmero N cercano a 2x y compatible con las
En principio da la impresin de que no importa por qu reglas del juego. Sin embargo, acabamos de demostrar
nmero apostemos, con tal de que sea mayor o igual que esta idea no es correcta.
que 8. Sin embargo, esto no es siempre cierto. Un mtodo muy general de resolver problemas como
Veamos un caso muy sencillo en el que supondremos ste es la llamada inferencia bayesiana. Este mtodo
que el nmero total de bolas N se elige al azar entre 6
y 10. Es decir, slo puede ser 6, 7, 8, 9 o 10, y toma 40
cada uno de estos valores con probabilidad 1/5. En el
bombo se introducen N bolas numeradas de 1 a N y se 35
extrae una de ellas. La probabilidad de que el nmero 30
PROBABILIDAD (%)

de bolas sea N y la bola extrada sea x es entonces:

25
1 1 20
P(N,x) =
5 N 15

siempre que x N y 6 N 10. Analizaremos prime- 10

ro algunas estrategias sencillas para comprobar que 5
no todas tienen la misma probabilidad de ganar. La
primera es apostar siempre por N = 10, independiente- 0
mente del nmero extrado. La probabilidad de ganar es 6 7 8 9 10
entonces Pganar = 1/5 = 20 %, puesto que no utilizamos N
la informacin de la bola extrada x y N ser igual a 2. Probabilidad a priori (en azul) y a posteriori (en rojo) en el
10 una de cada cinco veces. Esta estrategia se puede problema del bombo, supuesto que se ha extrado la bola x = 8.

2 INVESTIGACIN Y CIENCIA, marzo, 2005

parte de una cierta distribucin de probabilidad para Esta es por supuesto una simplificacin muy drstica
una cantidad desconocida, que se llama probabilidad a de los problemas a los que se enfrenta la paleontologa,
priori. En nuestro caso la distribucin de probabilidad ya que normalmente se dispone de varios fsiles de la
a priori de N es P(N) = 1/5 para N = 6,7, 8, 9 o 10. misma especie y de otros datos, como el parentesco
Cuando se nos muestra el valor de x, la probabilidad con otras especies conocidas. Pero la idea bsica es
de N ya no es la misma. Cul es esta nueva proba- similar a la inferencia bayesiana en el problema del
bilidad o probabilidad a posteriori P(Nx)? Su clculo bombo. En abril de 2002, el matemtico de la Universidad
no es muy difcil. El punto de partida es la probabilidad del Sur de California Simn Tavar y sus colaborado-
P(N,x) de que el nmero total de bolas sea N y que res publicaron en Nature un estudio de los fsiles de
el nmero extrado sea x. Si, por ejemplo, el nmero las distintas especies de primates utilizando tcnicas
extrado es x = 8, N slo puede tomar los valores 8, 9 similares a la inferencia bayesiana. La siguiente tabla
y 10 y la probabilidad con la que los toma, es decir, muestra el nmero de especies de primates de las que
la probabilidad a posteriori, tiene que ser proporcional se han encontrado fsiles en funcin de su antigedad
a P(N,8). La probabilidad a posteriori para N = 8, 9 (en millones de aos):
P(N,8)
P(N |x = 8 ) =
P(8,8) + P(9,8) + P(10,8) TIEMPO NUMERO
EPOCAS
(en Ma) DE ESPECIES
y 10, supuesto que el nmero extrado es x = 8, es
entonces: PLEISTOCENO 0,15 19
En la figura 2 podemos comparar las probabilidades a
priori y a posteriori para el caso x = 8. Como vemos, la 0,9 28
probabilidad a posteriori est ms concentrada y alcanza 1,8 22
su mximo para N = 8, que es precisamente la estrategia
de los puntos azules de la figura 1. PLIOCENO 3,6 47
Pero, qu tiene que ver este problema con la pa-
leontologa? La respuesta guarda relacin con una cues- 5,3 11
tin que me ha sugerido Marin Beltrn, profesora de MIOCENO 11,2 38
antropologa de la Universidad de Castilla La Mancha.
Supongamos que encontramos el fsil de una especie. 16,4 46
Si despus de datar el fsil, se encuentra que el animal
del que proviene vivi hace 8 millones de aos, cundo 23,8 36
se origin dicha especie? Si la especie se origin hace OLIGOCENO 28,5 4
N millones de aos y si datamos con una precisin de
un milln de aos, encontrar el fsil es exactamente lo 33,7 20
mismo que extraer un nmero de un bombo con N bolas.
EOCENO 37 32
En nuestro ejemplo, la bola extrada es x = 8 millones
de aos. Como hemos visto, y aunque sea en cierto 49 103
modo contrario a la intuicin, lo ms probable es que la
especie se haya originado hace precisamente 8 millones 54,8 68
de aos. Aunque este ms probable hay que tomarlo
con bastante precaucin: como se ve en la figura 2, las
probabilidades a posteriori para el nmero N decrecen Como se ve en la tabla, el fsil ms antiguo encon-
muy lentamente. trado tiene casi 55 millones de aos de antigedad. Sin
embargo, estudios de biologa molecular indican que los
primates provienen de dos especies que se originaron
0,05 hace unos 90 millones de aos. En la figura 3 (tomada
de un artculo de Plagnol y Tavar), podemos ver la
0,04 probabilidad a priori y a posteriori del tiempo en el que
aparecieron las primeras especies de primates. La proba-
PROBABILIDAD

0,03 bilidad a priori es simplemente una probabilidad uniforme

0,02
0,01
0
55 65 75 85 95 105 115 125 135 145 155
ORIGEN DE LAS DOS PRIMERAS ESPECIES DE PRIMATES (Ma)
3. Probabilidad a priori (en azul) y a posteriori (en rojo) del mo-
mento en el que se originaron las primeras especies de primates.
entre 55 y 155 millones de aos (en este a priori ya
se ha tenido en cuenta que el fsil ms antiguo tiene
54,8 millones de aos de antigedad), mientras que la
probabilidad a posteriori, calculada utilizando todos los
datos de la tabla y alguna suposicin adicional, alcanza
su mximo en torno a los 80 millones de aos y da
una alta probabilidad a una antigedad de 90 millones
de aos. Por lo tanto, el estudio de Tavar servira para
reconciliar el registro fsil con los estudios de biologa
molecular y avanzar un paso ms en el conocimiento
de nuestro propio pasado.

INVESTIGACIN Y CIENCIA, marzo, 2005 3

J UEGOS MATEMTICOS
E
n ocasiones, las administraciones pblicas se
ven obligadas a disear sorteos con importantes
repercusiones para los ciudadanos. Algunos de
ellos han sido polmicos por un uso incorrecto de las leyes
de la probabilidad. Hace unos aos tuvo cierta repercusin
un sorteo realizado por el Ministerio de Defensa para
determinar quines se libraran del servicio militar: los
llamados excedentes de cupo. En el sorteo se asignaba
un nmero de forma aleatoria a cada individuo y se
extraa luego en un acto pblico un nmero de unos
bombos. A partir de dicho nmero se empezaban a contar
los excedentes. El sistema de bombos result un fiasco
porque los nmeros mayores tenan una probabilidad ms
alta de salir, debido a un error bastante evidente en el
mtodo de extraccin. El caso ocup las pginas de los
peridicos e incluso hubo interpelaciones parlamentarias
pidiendo al gobierno la repeticin del sorteo. No hubo
necesidad de ello, puesto que la asignacin inicial de
nmeros haba sido aleatoria (aunque no pblica), con
lo que el proceso completo era equitativo. No vamos
a entrar en detalles sobre aquel pequeo escndalo
probabilstico (los lectores interesados pueden encontrar
en el nmero de febrero de 1998 de la revista Suma un
estudio muy completo del caso, realizado por Roberto
Marcelln), sino que analizaremos otro sorteo polmico
ms actual y que afecta enormemente a muchas familias.
Se trata de los mtodos que las comunidades autnomas
utilizan para distribuir las plazas escolares de los colegios
pblicos. Ramn Muoz Tapia, profesor de fsica de la
Universidad Autnoma de Barcelona, me ha enviado un
anlisis de sus deficiencias que deja en evidencia los
escasos conocimientos de teora de probabilidad que
exhibe la administracin.
En muchos colegios pblicos hay ms solicitudes que
plazas libres. Para conceder dichas plazas, existe un
baremo que tiene en cuenta la proximidad geogrfica,
el nmero de hermanos en el centro y otros criterios.
Aun as, se dan numerosos empates, porque los criterios
del baremo son escasos y la mayora de los aspirantes
cumplen algunos de ellos. Para dilucidar estos empates el
gobierno de la comunidad autnoma
elige una letra en un sorteo pbli- 250
co. Se comienza entonces a asignar
NUMERO DE PAGINAS EN LA GUIA
plaza a los aspirantes cuyo primer 200
apellido comienza con dicha letra y
se contina por orden alfabtico. Si 150
en la asignacin se llega al final de
la lista alfabtica de aspirantes, se 100
contina el proceso por el comienzo
50
1. Nmero de pginas en la gua
0
telefnica correspondientes
a las distintas letras del alfabeto.
2 INVESTIGACIN Y CIENCIA, mayo, 2005
Juan M.R. Parrondo
Sorteos polmicos
de dicha lista. Finalmente, cuando en un colegio se
cubren todas las plazas libres, los siguientes aspirantes
son asignados al centro que eligieron como segunda
opcin en su solicitud, y as sucesivamente.
Este tipo de sorteo es claramente injusto, a pesar
de que se utiliza en muchas comunidades autnomas.
Alguien llamado Alejandro Gonzlez Zunzunegui, por
ejemplo, elegir despus de todos los Garca y todos los
Gonzlez independientemente de la letra que salga en
el sorteo. Como estos apellidos son muy comunes, es
posible que Alejandro se quede sin plaza en el colegio
que haya elegido, sea cual sea el resultado del sorteo.
Se puede objetar que el nmero de plazas libres frente
al nmero de empates no es tan pequeo como para que
se agoten con una sola letra. Normalmente el nmero de
plazas libres est entre 1/3 y 1/2 del nmero de empates.
En cada colegio se admitira por tanto ms o menos a
la mitad de los aspirantes empatados; se recorrera la
mitad de la lista alfabtica. Si es as, las irregularidades
en la distribucin de apellidos apenas deberan afectar
al reparto. Sin embargo, un anlisis ms minucioso in-
dica que este argumento no es correcto, incluso con
fracciones de aceptacin de 1/2 y 1/3.
Para realizar este anlisis es necesario conocer la
distribucin de apellidos segn su inicial. Una estima-
cin razonable se puede obtener de la gua telefnica.
En la figura 1 se muestra el nmero de pginas que
la gua telefnica de Madrid dedica a cada letra del
alfabeto (he eliminado la , por la que empiezan muy
pocos apellidos). Como la gua tiene 1660 pginas,
supondr una poblacin de 1660 ciudadanos que han
de someterse al sorteo de la primera letra, con apelli-
dos distribuidos igual que en la gua. Es decir, habr
tantos individuos empezando por una letra dada como
pginas de la gua correspondientes a dicha letra. Fi-
nalmente, para realizar el sorteo hay que fijar la frac-
cin p de plazas en litigio con respecto al nmero de
aspirantes en cada centro, fraccin que supondr igual
para todos los centros. Con todas estas hiptesis, que
no se alejan excesivamente de la realidad, se puede
A B C D E F G H I J K L M N O P Q R S T U V W X Y Z
INICIAL DEL PRIMER APELLIDO
 0,7
0,6
PROBABILIDAD DE GANAR
0,5
0,4
0,3
0,2
0,1
0 del apellido en lugar de slo una. Esta modificacin,
0 500 1000 1500
ASPIRANTES
2. Probabilidad de obtener plaza en el centro elegido en primera
opcin para los aspirantes ordenados por orden alfabtico y para
distintos valores de p: 1/2 (puntos azules), 1/3 (puntos rojos) y
1/10 (puntos verdes).
calcular la probabilidad de que un aspirante gane el
sorteo, es decir, que obtenga plaza en el colegio elegido
como primera opcin en su solicitud. Para ello basta
identificar qu aspirantes ganan con cada letra, algo
que depende de la fraccin p. Por ejemplo, si p = 1/2
y en el sorteo sale la letra A, ganarn los primeros
830 aspirantes en orden alfabtico. Si sale la letra L,
ganarn los ltimos de la lista a partir del 842 (que
es el primer aspirante que empieza por L) y los 12
primeros de la lista, porque, al llegar al final de lista
sin haber repartido todas las plazas se contina por
el principio de la misma. Finalmente, para calcular la
probabilidad de ganar de un determinado aspirante, se
cuenta el nmero de letras con las que dicho aspirante
gana y se divide por 26 (que es el nmero total de
letras). El clculo es un poco tedioso, pero se puede
realizar con algn programa informtico.
El resultado se muestra en la figura 2, para distintos
valores de p: 1/2 (puntos azules), 1/3 (puntos rojos) y
1/10 (puntos verdes). La figura muestra que el sorteo
dista bastante de ser equitativo. Para p = 1/2, todos los
aspirantes deberan tener una probabilidad 1/2 de ganar.
Sin embargo, los diez primeros aspirantes (ordenados
alfabticamente) gozan de una probabilidad del 65 %,
mientras que los que se encuentran entre los puestos
830 y 850, es decir, con apellidos que empiezan por K
y L, o entre 1040 y 1110, franja que corresponde a los
ltimos puestos de la M y los primeros de la N, tienen
una probabilidad de ganar del 38,5 %, porque slo ganan
con 10 letras. Aunque la curva es bastante irregular,
se puede explicar cualitativamente mediante los datos
representados en la figura 1. Los diez primeros aspiran-
tes de la lista ganan con 17 letras: la A y de la K en
adelante. La razn es que la mayora de los apellidos
se concentran en la primera mitad del abecedario. Por
ese mismo motivo, los aspirantes que estn en la mitad
de la lista son los ms perjudicados en el sorteo.
Si la fraccin p de plazas a repartir es menor, por
ejemplo p = 1/10, las diferencias se acentan. Los ms
beneficiados siguen siendo los primeros en lista, porque
las letras que preceden a la A, es decir, las ltimas
letras del abecedario (recordemos que cuando se llega
INVESTIGACIN Y CIENCIA, mayo, 2005
a la Z en el proceso de reparto se vuelve a comenzar
por el principio de la lista), son bastante raras. En esta
ocasin hay incluso aspirantes que no pueden ganar
nunca: son los ltimos con apellidos que empiezan por
C, G y M. Ello se debe a que el nmero de aspirantes
que empiezan por estas tres letras es 172, 179 y 191,
respectivamente, que son cifras superiores al nmero
total de plazas a repartir: 166.
El sorteo de la letra es, por tanto, manifiestamente
injusto. En algunas comunidades autnomas hubo quejas
y se mejor el sistema sorteando las dos primeras letras
sin embargo, no es suficiente para que el sistema sea
completamente equitativo. Este ao, la Generalidad ha
dispuesto un sorteo aparentemente justo: se numeran
todos los solicitantes de la comunidad autnoma por
orden alfabtico y, en sorteo pblico, se obtiene un n-
mero correspondiente a uno de ellos, a partir del cual
se comienzan a aceptar solicitudes en cada centro. Con
este sistema se eliminan las injusticias que hemos ana-
lizado aqu.
Sin embargo, hay otra nada desdeable. El mtodo
sera justo si las distribuciones de apellidos en los as-
pirantes de cada colegio fueran iguales a la distribucin
en la totalidad de aspirantes de Catalua. Imaginen que
en un determinado colegio todos los aspirantes se llaman
Garca. En ese caso, los ltimos de la lista de aspirantes
a plaza en ese colegio tendran una probabilidad aproxi-
madamente 1/S de obtenerla, siendo S el nmero total de
aspirantes en toda Catalua, mientras que los primeros
la obtendran con probabilidad 11/S. El nmero S suele
ser muy alto. Este ao est en torno a 100.000. Por eso
la ventaja de los primeros Garca frente a los ltimos en
nuestro singular colegio sera de 0,99999 a 0,00001. Un
sesgo considerable! Aunque ste es un ejemplo extremo,
cualquier diferencia entre la distribucin de apellidos en
un colegio y en toda la comunidad autnoma produci-
r sesgos en el reparto. Estas diferencias pueden ser
bastante apreciables, ya que hay barrios con una mayor
concentracin de poblacin extranjera o con abundancia
de ciertos apellidos. Consultando Idescat, el servicio
estadstico de la Generalidad, se puede comprobar que
tales diferencias existen. El apellido Garca, por ejemplo,
lo tienen un 24,29 % de residentes en Catalua, pero en
una comarca el porcentaje se eleva hasta casi un 31 %
mientras que en otra desciende hasta el 7,15 %. Otros
apellidos presentan valores ms extremos, como Masip,
que llega al 20,91 % en el Priorato mientras que slo
alcanza un 0,39 % en toda Catalua. Es de esperar que
estas diferencias sean mucho ms acusadas en poblacio-
nes pequeas, como la correspondiente a los aspirantes
que viven en la misma zona de un municipio.
En definitiva, parece inevitable eliminar los sesgos
en cualquier mtodo de reparto que se base en una
ordenacin alfabtica. Lo ms justo sera ordenar al
azar a todos los aspirantes y extraer de los bombos el
nmero a partir del cual se empieza a elegir plaza. Te-
niendo informatizadas todas las solicitudes, este sistema
no sera difcil de llevar a la prctica. Eso s, requerira
que nuestros gestores tuvieran algunos conocimientos
de probabilidad, o que se dejaran asesorar por mejores
expertos en la materia.
3
J UEGOS MATEMTICOS Juan M.R. Parrondo

La forma de un iceberg

T
odos sabemos que la mayor que han dedicado esfuerzos muchos
parte de la masa de un iceberg fsicos, de Huygens a Sommerfeld.
se encuentra sumergida. La Para resolverla, debemos recordar
punta del iceberg, es decir, su parte que el peso de un cuerpo se puede
visible, es algo menos de un 10 % del considerar una fuerza aplicada en su
volumen total. centro de masas o centro de gravedad.
Hace unos meses, paseando por El peso es en realidad una fuerza que
un ro parcialmente helado, comenc la tierra ejerce sobre todas y cada
a lanzar bloques de hielo al agua. una de las molculas del cuerpo, pero
Pronto me di cuenta de que ninguno se puede demostrar que, a todos los
de ellos se pareca a la imagen de efectos, equivale a una fuerza aplicada
la figura 1. Intent esculpir el hielo en dicho punto. Del mismo modo, el
para que adquiriera la forma del ice- empuje se puede considerar una fuer-
berg prototpico pero, al introducirlo za aplicada en el centro de gravedad
en el agua, el bloque se orientaba de la parte sumergida.
siempre con su lado ms ancho hacia La condicin de equilibrio para
la superficie. En otras palabras, un nuestro cuerpo flotante es sencilla:
trozo de hielo como el de la figura 1 1. Creacin artstica de un iceberg. el centro de gravedad del cuerpo y
girara unos 90 grados hasta que el el centro de gravedad de la parte
lado ms largo quedara horizontal. Segn mis expe- sumergida tienen que estar en la misma vertical. Si no
rimentos la imagen clsica del iceberg es imposible. fuera as, el empuje y el peso haran girar al cuerpo.
Es esto cierto? Esta situacin puede verse en la figura 2. En azul se
Todos nos imaginamos a Arqumedes envuelto en una muestra el centro de gravedad de la parte sumergida y
toalla y gritando Eureka por las calles de Siracusa. Sabe- el empuje, y en rojo el centro de gravedad del cuerpo
mos que un cuerpo sumergido en agua experimenta una y su peso. Si los dos centros de gravedad no estn en
fuerza o empuje hacia arriba igual al peso del agua que la misma vertical (dibujo de la derecha), el peso y el
desaloja. Si un cuerpo de volumen V tiene una densidad empuje harn girar al cuerpo.
d inferior a la del agua (supondremos que la densidad del Sin embargo, en el problema de la orientacin del
agua es igual a 1 gr/cm3 y mediremos la densidad d del cuerpo hay algo que da una impresin paradjica. Su-
cuerpo en estas unidades), el cuerpo flotar. Cuando el pongamos que giramos ligeramente hacia la izquierda
cuerpo llega a la superficie, se alcanza una situacin de un cuerpo en equilibrio, como en la figura 2. El eje que
equilibrio en la que parte de su volumen sale al exterior forman los dos centros de gravedad, el del cuerpo y el
y queda sumergido un volumen Vsum < V. En la situacin de la parte sumergida, habr girado hacia la izquierda,
de equilibrio, el peso del cuerpo Vd tiene que ser igual al con lo que el centro de gravedad de la parte sumergida
empuje Vsum y, por tanto, la fraccin de volumen sumergido (punto azul) quedar a la derecha del centro de grave-
Vsum/V coincide con la densidad d del cuerpo expresada dad del cuerpo (punto rojo). Como se ve en la figura, el
en gramos por centmetro cbico. En el caso del hielo, la peso y el empuje forman ahora un par de fuerzas que
densidad es aproximadamente 0,9. Por eso la punta del hace girar al cuerpo hacia la izquierda, alejndolo de su
iceberg es slo un 10 % de su volumen total. posicin de equilibrio. El argumento puede repetirse para
La parte difcil del problema es encontrar la orienta- un giro hacia la derecha. Por lo tanto, cualquier pequea FOTOMONTAJE DE UWE KILS, http://en.wikipedia.org/wiki/Iceberg (arriba)

cin que adquiere el cuerpo flotante, una cuestin a la desviacin de la orientacin de equilibrio crea un par
2. La paradoja del cuerpo flotante: si giramos el cuerpo hacia
la izquierda, aparece un par de fuerzas que hace que el cuerpo
gire tambin hacia la izquierda. Es entonces inestable cualquier
orientacin del cuerpo?
de fuerzas que lo aleja ms an de dicha orientacin.
Sin embargo, basta observar un cubo de hielo flotando
en un vaso de agua para convencerse de que esto no
es cierto. Golpee el hielo para que gire un poco y ver
que enseguida recupera su situacin original. Un cuer-
po flotante tiene siempre al menos una orientacin de
equilibrio estable. Cul es entonces el error de nuestro
argumento? Es bastante simple: hemos supuesto que el
centro de gravedad de la parte sumergida gira igual que
el cuerpo, algo que no tiene por qu ser cierto, ya que la
propia geometra de la parte sumergida cambia. En una
orientacin de equilibrio estable, el centro de gravedad
de la parte sumergida se mueve hacia la izquierda del
centro de gravedad del cuerpo cuando ste gira hacia

2 INVESTIGACIN Y CIENCIA, junio, 2005

la izquierda; se crea un par que hace que el a/3
cuerpo recupere su orientacin de equilibrio.
Veamos un caso particular.
Analicemos cmo se puede orientar un rec-
tngulo de lados a y b y densidad d. En la
figura 4 se ofrece una posible orientacin de s
equilibrio, en donde los centros de gravedad del
cuerpo y de la parte sumergida estn alineados
verticalmente. Esta no es la nica orientacin r
de equilibrio: girando el rectngulo 90 grados,
encontraramos otra orientacin posible, cuyo
anlisis es idntico, intercambiando los lados a l
y b. El centro de gravedad del cuerpo (punto
rojo) est situado en la mitad del rectngulo,
3. Una posible situacin de equilibrio para un rectngulo flotante.
es decir, a una altura b/2 con respecto a su
base. La parte sumergida del rectngulo es de
nuevo un rectngulo de altura bd, puesto que, as, la distancia a/3 del eje vertical. Para que la orientacin
fraccin de volumen sumergido es igual a la densidad inicial sea de equilibrio estable, se requiere que el par
del cuerpo d. Por lo tanto, el centro de gravedad de la de fuerzas que aparece despus del giro sea hacia la
parte sumergida (punto azul) est a una altura bd/2. La izquierda, de modo que tienda a restituir la orientacin
distancia entre los dos centros de gravedad es entonces inicial. Eso ocurrir si el nuevo centro de gravedad de
b(1 d)/2, tal y como se indica en la figura 3. la parte sumergida queda a la derecha del centro de
Cmo cambian los centros de gravedad si giramos gravedad del cuerpo, es decir, si l > r, ya que lnea
ligeramente el cuerpo hacia la derecha? El giro est re- naranja de la figura 3 constituye la nueva vertical. La
presentado en la figura 3 desde el punto de vista del condicin de estabilidad es entonces:
cuerpo. Es decir, en la figura he girado la superficie del
agua hacia la izquierda. Despus del giro, el tringulo as a r
>r > .
rayado, antes sumergido, deja de estarlo; otro tringulo 6bd 6bd s
igual, el sombreado en gris, se sumerge, de modo que
la fraccin de volumen sumergida no cambia, pero s su Finalmente, el cociente r/s puede expresarse en tr-
forma. En consecuencia, el centro de gravedad de la parte minos de los datos del problema si se tiene en cuenta
sumergida se desplaza hacia la derecha una cantidad que el tringulo rayado y el verde son equivalentes.
l, como se indica en la ampliacin del dibujo. El nuevo As que:
centro de gravedad se puede calcular como el promedio,
convenientemente ponderado, de tres partes: la parte que r b(1 d)/2 b(1 d)
= =
estaba sumergida al principio, el tringulo rayado (con peso s a/2 a
negativo) y el tringulo gris. Con ello se obtiene:
y la condicin de equilibrio es:
a/3 A as
l=2 = ; 2
abd 6bd

A = as/4 es el rea del tringulo rayado; hemos utili-

( ) a
b
> 6d (1 d).

zado el hecho de que los centros de gravedad de los Para el hielo (d = 0,9) esta condicin es a/b > 0,73. Vale
tringulos (puntos verdes en la figura 3) estn a una decir: cualquier orientacin con a > b es estable. Pero un
rectngulo en el que la relacin entre el lado menor y el
a mayor sea superior a 0,73, se puede orientar de forma
estable tanto con su lado mayor horizontal como verti-
cal. Dependiendo del valor de d, pueden aparecer otras
orientaciones estables, e incluso asimtricas, con slo
una o tres de las esquinas del tringulo sumergidas.
Sin embargo, la anchura del bloque de hielo de la
figura 1 es aproximadamente la mitad de su altura. Por
b lo tanto, la orientacin del fotomontaje no es estable, al
b
(1 d ) menos si el iceberg es homogneo. Debo indicar que el
2 bd problema de la orientacin de un iceberg reviste mayor
complejidad que la abordada aqui. Depende incluso de
su historia geolgica. Por ejemplo, se sabe que la parte
sumergida se funde ms rpido que la visible; por ello,
el iceberg puede volcar de modo repentino. No obstan-
te, creo que nuestro anlisis ofrece razones suficientes
4. Cmo cambia el centro de gravedad de la parte sumergida para dudar de la imagen que la mayora nos hacemos
cuando se gira ligeramente el cuerpo hacia la izquierda. de estos grandes bloques de hielo.

INVESTIGACIN Y CIENCIA, junio, 2005 3

J UEGOS MATEMTICOS Juan M.R. Parrondo

Amigos para siempre?

D
esde que John von Neumann y Oskar Morgensten donde compiten programas de ordenador. En el primero
crearan la teora de juegos en los aos cuarenta, de estos torneos result ganadora una estrategia de la
se intenta utilizar las matemticas para estudiar mayor simplicidad: hacer exactamente lo que ha hecho
un asunto tan sinuoso e impreciso como las relaciones el contrario en el turno anterior. A pesar de que venciera
humanas. Se crean modelos que simplifican los conflictos esta estrategia tan ecunime, un anlisis matemtico del
reales, pero an retienen sus aspectos esenciales. Uno dilema del prisionero jugado un gran nmero de turnos
de los ejemplos clsicos es el dilema del prisionero, muestra que los jugadores racionales, es decir, juga-
que probablemente sea conocido por muchos lectores dores que tratan de minimizar sus prdidas, tenderan a
de Investigacin y Ciencia. defraudar constantemente. En los aos noventa, Martin A.
Recordemos la formulacin original del dilema. La Nowak y Robert M. May colocaron a un gran nmero de
polica arresta a dos sospechosos de un robo. No hay estos jugadores racionales en las casillas de un tablero,
pruebas suficientes para condenarlos por ese delito, sino de modo que cada uno de ellos jugara con sus cuatro
slo por uno menor, como la posesin ilegal de armas. vecinos y cambiara de estrategia imitando al vecino ms
Ante esta situacin, el juez ofrece a cada uno de los exitoso. Descubrieron que en este caso s pueden existir
dos sospechosos, y por separado, el siguiente trato: Si de forma estable regiones en donde todos los jugadores
t confiesas y tu cmplice no lo hace, l ser condenado cooperan. En 1995, Nowak, May y Sigmund publicaron en
a 10 aos de crcel por el robo mientras que a ti te nuestra revista un anlisis detallado de este modelo.
perdonaremos y saldrs libre maana. Si l confiesa y t Ms recientemente, los fsicos del Instituto Mediterr-
callas, t pasaras los 10 aos en la crcel y l quedar neo de Estudios Avanzados (IMEDEA) Vctor M. Eguiluz,
libre. Si ninguno de los dos confiesa, os encerraremos Martn G. Zimmermann y Maxi San Miguel, junto con el
por posesin de armas 1 ao. Finalmente, si ambos filsofo de la Universidad de las Islas Baleares Camilo J.
confesis, seris condenados a 6 aos de crcel. Cada Cela-Conde, han utilizado el dilema del prisionero para
uno de los prisioneros se enfrenta a un peliagudo dilema: crear un modelo simple de organizacin social en el que
Si callo, puede que me caigan 1 o 10 aos, mientras la cooperacin es tambin estable. Para analizarlo, es
que si confieso puedo salir libre o pasar 6 aos en la ms conveniente formular el dilema como un juego en
crcel. Mi compaero estar pensando lo mismo y lo ms el que cada uno de los dos jugadores gana puntos en
probable es que me delate. Por lo tanto, voy a confesar. lugar de aos de crcel. En la tabla siguiente se muestra
Razonando de esta forma, ambos prisioneros confiesan la puntuacin del jugador 1 en cada una de las cuatro
y obtienen una pena considerable: 6 aos. Si confiaran posibles situaciones (la puntuacin del jugador 2 es la
en la lealtad del compaero, callaran ambos y saldran misma sin ms que cambiar filas por columnas):
bastante bien parados, con slo 1 ao de condena. Pero
esta confianza debe ser muy slida. Si yo supongo que
ESTRATEGIA DEL JUGADOR 2
mi compaero me va a ser fiel, por qu no delatarle
y salir libre? O peor an: no caer l en esta misma COOPERAR DEFRAUDAR
tentacin y me delatar? Si lo hace pasar 10 aos ESTRATEGIA COOPERAR 4 0
entre rejas. Luego, lo mejor es prevenir esta situacin y DEL JUGADOR 1
DEFRAUDAR 7 0
confesar. Parece que delatar es la estrategia ms segura
y, sin embargo, no es la ptima para el conjunto de los
dos sospechosos. Si pudieran negociar entre ellos y dar En el modelo del grupo del IMEDEA, un gran nmero de
de forma simultnea su respuesta ante el juez, lo ms individuos juegan por parejas que se deciden inicialmente
probable es que acordaran callar. al azar. Cada jugador tiene una estrategia: o bien coopera
El dilema del prisionero es un ejemplo muy simplificado o bien defrauda, que tambin se elige inicialmente al azar.
de una situacin comn entre personas y organizaciones. Como en el sistema de Nowak y May, los jugadores ven
Por ejemplo, si falseo mi declaracin de la renta para lo que ha ganado cada uno de sus vecinos y copian la
pagar menos impuestos y el resto de los ciudadanos estrategia del que tiene mayor puntuacin (los empates se
es honrado, est claro que obtengo un cierto beneficio deshacen eligiendo la estrategia al azar). En la figura 1,
econmico, siempre que no me descubran. Pero si todos se puede ver cmo cambian las estrategias en el primer
los contribuyentes defraudasen, los ingresos del estado turno (dibujo del centro). El lector puede comprobar que,
se reduciran de modo que todos saldramos perjudicados. si slo se aplicaran estas reglas de imitacin, la red de la
Este caso es ms complejo que el dilema del prisionero, figura 1 acabara alternando entre dos configuraciones de
porque involucra muchas personas en lugar de slo dos, estrategias en las que conviven jugadores que cooperan
pero se observa el mismo fenmeno: el defraudador y jugadores que defraudan.
gana solamente si es el nico insolidario. Pero el modelo es ms interesante si permitimos tam-
El dilema ha dado lugar a un gran nmero de trabajos bin a cada jugador escoger sus amigos, es decir, a
de investigacin e incluso se han celebrado torneos en aquellos individuos con los que juega. Est claro que

88 INVESTIGACIN Y CIENCIA, julio, 2005

 7 4
12 0 8
4 4
4 4
14
14
1. Una posible configuracin de 6 jugadores que cooperan
(crculos verdes) o defraudan (crculos rojos). En el dibujo de la
izquierda se muestra la configuracin inicial y las puntuaciones
obtenidas en el primer turno. El dibujo central muestra las nuevas
estrategias y se han punteado los enlaces no deseados. En el
dibujo de la derecha observamos que dos de estos enlaces han
cambiado mientras que uno permanece.
dos jugadores que cooperan estarn satisfechos de estar
emparejados. Por otro lado, cualquier jugador querr
romper relaciones con otro que defrauda. El modelo
admite esta posibilidad de la siguiente forma. Si el ms
exitoso de los vecinos de un jugador A es un defraudador
B, entonces el jugador A rompe su relacin con B con
una probabilidad p y establece una nueva relacin con
otro individuo de la sociedad elegido al azar. Observemos
que A ser siempre un defraudador, porque si no lo era
antes de ese turno, en el proceso de copia de estrategias
exitosas habr imitado el comportamiento defraudador
de B. Con esta regla la red de conexiones cambia en
cada turno, como lo hace en la vida real nuestra red de
amistades o colaboraciones, una propiedad de las redes
sociales que se denomina plasticidad social y que en el
modelo puede regularse variando la probabilidad p de
ruptura de relaciones.
La plasticidad social diseada por el grupo del IME-
DEA hace que los defraudadores se queden ms y ms
solos, pero a la vez los defraudadores que aparecen por
imitacin pueden dar con nuevas vctimas y aumentar
sus ganancias. En la figura 1 podemos ver que el jugador
que en el primer turno tena 14 puntos ha sido imitado
por dos cooperadores que han roto sus relaciones con
l, bajando hasta 0 su puntuacin en el segundo turno.
Pero tambin un jugador que inicialmente cooperaba se
ha vuelto defraudador aumentando su puntuacin de 4
hasta 14 puntos.
El modelo tiene un comportamiento bastante complica-
do, pero se pueden deducir algunas de sus propiedades.
Por ejemplo, una situacin en donde todos cooperan
o defraudan es estable porque no hay nadie diferente
a quien imitar. No obstante, en el caso en que todos
defraudan, las estrategias no cambian, pero s lo har
constantemente la red, puesto que se estarn rompiendo
y creando relaciones sin cesar.
Existen configuraciones estables en donde convivan
jugadores que cooperan y defraudan? S, pero para ello
son necesarias ciertas condiciones. La primera es que
no puede haber enlaces entre defraudadores, porque
acabaran rompindose en algn momento. La segunda
es que, si un jugador C que coopera est jugando con
un defraudador D, entonces la puntuacin de C debe
ser menor que la de D (si no fuera as D imitara a C)
y, adems, C debe tener como vecino a otro jugador L
que coopera y que tiene mayor puntuacin que D (si no
fuera as, C imitara a D). Es decir, los defraudadores
son estables si explotan a jugadores que cooperan y
INVESTIGACIN Y CIENCIA, julio, 2005
7
TOMADO DEL ARTICULO DE EGUILUZ Y COL. EN American Jour nal of Sociology
7
0
L2
L1
L0
2. Estructura social estacionaria de cooperantes.
tienen una puntuacin baja pero que tienen como vecinos
a cooperantes exitosos.
Las configuraciones estacionarias estn entonces
formadas por 3 tipos de jugadores: los lderes, que
son jugadores que cooperan, tienen un gran nmero
de conexiones con otros cooperantes y por ello alcan-
zan la mxima puntuacin entre todos sus vecinos;
los conformistas, que cooperan, tienen una puntuacin
menor que alguno de sus vecinos cooperantes, pero
no cambian de estrategia; y los explotadores, que son
defraudadores que juegan con uno o ms conformis-
tas que no rompen relaciones con ellos porque tienen
tambin como vecino a un cooperante ms exitoso que
el propio explotador. En la figura 2 se puede ver la red
social que se alcanza cuando se simula en el ordena-
dor el modelo con 10.000 jugadores y una plasticidad
p = 0,1. En la figura slo se muestran los cooperantes
ms exitosos. Vemos que aparecen tres lderes, L0,
L 1 y L 2 , siendo el primero de ellos el que obtiene
mayor puntuacin. Segn nos alejamos del centro del
crculo, los cooperantes tienen menos conexiones y
su puntuacin es ms baja. Como ya hemos dicho,
los explotadores, que no se muestran en la figura 2,
cuelgan de algunos cooperantes que no son lderes
y tienen puntuaciones intermedias.
El trabajo del grupo del IMEDEA profundiza mucho ms
en este modelo. Por ejemplo, muestra cmo la fraccin
de explotadores aumenta cuando se reduce la plasticidad
social. El mismo grupo de investigacin ha estudiado la
influencia de la plasticidad social en otro modelo que
intenta reproducir la difusin de rasgos culturales entre la
poblacin, el llamado modelo de Axelrod; se demuestra
con ello que la plasticidad puede estabilizar un cierto
grado de diversidad cultural. Los lectores interesados
en este y otros problemas de matemtica social pueden
visitar la pgina web del grupo: http://www.imedea.uib.
es/physdept/eng/lines/social.html
89
J UEGOS MATEMTICOS Juan M.R. Parrondo

Cribas y nmeros primos

U
no de los campos ms fascinantes de la mate- bajo. Por ejemplo, el 49 se ha salvado de la criba del
mtica es el estudio de los nmeros enteros, la 2, 3 y 5, pero ha sido eliminado por la criba del 7. Por
llamada teora de nmeros. Dentro de este campo, otra parte, las cribas cada vez eliminan menos nme-
los nmeros primos ocupan un lugar privilegiado. Su ros por dos razones: porque tachan menos nmeros y
definicin es extremadamente simple. Muchos estudiantes porque las cribas anteriores ya han eliminado muchos
de primaria saben qu es un nmero primo y incluso de ellos. Es por tanto cada vez menos probable que
pueden determinar si un nmero cualquiera lo es o no. las cribas de nmeros altos eliminen nuevos nmeros.
Sin embargo, los nmeros primos guardan secretos que He escrito las palabras probabilidad y probable entre
slo han podido revelarse mediante tcnicas matemticas comillas porque en las cribas de Eratstenes no hay
muy refinadas y an hoy plantean muchos desafos. Un nada azaroso: se van tachando nmeros en la lista de
ejemplo clsico es la conjetura de Goldbach, que afirma forma peridica, cada 2, 3, 5,... lugares. Sin embargo,
que cualquier nmero par puede expresarse como la el matemtico David Hawkins tuvo la ingeniosa idea de
suma de dos primos (por ejemplo, 24 es 19 + 5). A pesar modificar estas cribas de forma que s fueran aleatorias,
de la simplicidad de su enunciado, nadie ha podido an dando lugar a los primos aleatorios de Hawkins.
demostrarla ni refutarla. La criba de Hawkins funciona de la siguiente manera.
Pero los matemticos s han podido adentrarse en algu- Como en la de Eratstenes, se escribe una lista con los
no de los misterios de los nmeros primos. Por ejemplo, nmeros del 1 al N. El primer primo aleatorio es el 2. Lo
han estimado cuntos nmeros primos hay entre 1 y n, llamaremos H1. A partir del 2 tachamos cada nmero con
una cantidad que suele denotarse por (n). Ya Euclides una probabilidad 1/2, es decir, lanzamos una moneda en
demostr que hay infinitos primos, es decir, que (n) cada nmero para decidir si lo tachamos o no. Observen
crece indefinidamente. Pero, cmo crece? O en otras que el resultado de esta criba es similar a la de Erats-
palabras, cmo estn distribuidos los nmeros primos? tenes. Si N es muy grande, habremos tachado aproxima-
Por experiencia sabemos que su frecuencia disminuye: damente la mitad de los nmeros de la lista. Tomamos
hay 168 entre 1 y 1000, 135 entre 1001 y 2000, 127 ahora el primer nmero mayor que 2 que no haya sido
entre 2001 y 3000, o ya slo 83 entre 405.001 y 406.000. tachado. Ser nuestro segundo primo H2, que no tiene
El descenso es muy lento pero continuado. La criba de por qu ser el 3, ya que ha podido quedar eliminado en
Eratstenes, una de las formas clsicas de obtener una la criba aleatoria del 2. Supongamos que s lo es, es
lista con todos los nmeros primos, nos permite atisbar decir, que H2 = 3. La criba aleatoria correspondiente al
las razones de este descenso y de su lentitud. 3 consiste en tachar cada nmero mayor que 3 con una
La criba de Eratstenes consiste en lo siguiente. Es- probabilidad 1/3. Como se puede comprobar, en estas
cribimos una lista con todos los nmeros de 1 a N. A cribas aleatorias se tacha, de media, la misma cantidad
continuacin tachamos los mltiplos de 2, es decir, los de nmeros que en las cribas de Eratstenes, pero, en
nmeros pares. El primer nmero no tachado despus lugar de hacerlo de forma peridica, se hace de forma
del 2 es el 3. Tachamos entonces los mltiplos de 3. aleatoria. La criba contina de la misma manera. H3 es
Buscamos el siguiente nmero no tachado, que es el 5, el siguiente nmero de la lista no tachado. Se toma como
tachamos sus mltiplos, y as sucesivamente. De esta tercer primo aleatorio, se tachan los siguientes nmeros
criba quedan unos pocos nmeros no tachados, que son de la lista con probabilidad 1/H3, y as sucesivamente.
precisamente todos los primos del 1 al N. El resultado Los primos de Hawkins son realmente aleatorios, es decir,
de la criba de los 50 primeros nmeros se puede ver cambian cada vez que uno repite el proceso completo
en la siguiente tabla, en donde se muestran en verde de criba. En la siguiente tabla pueden ver un ejemplo de
los nmeros eliminados en la criba del 2, en naranja los criba de Hawkins hecha con los primeros 50 nmeros. El
del 3, en azul los del 5 y en rojo los del 7: cdigo de colores es similar al de la criba de Eratstenes:
verde para los tachados en la criba de H1 = 2, naranja
1 2 3 4 5 6 7 8 9 10 para la criba del segundo primo H2, que en este caso ha
11 12 13 14 15 16 17 18 19 20 resultado ser el 3, azul para la de H3 = 5 y rojo para la
de H4 = 8. Hemos necesitado un color ms, el amarillo,
21 22 23 24 25 26 27 28 29 30
para la criba del quinto primo H5 = 9, que no apareca
31 32 33 34 35 36 37 38 39 40 en la de Eratstenes:
41 42 43 44 45 46 47 48 49 50
1 2 3 4 5 6 7 8 9 10
La criba de Eratstenes nos indica por qu los nmeros 11 12 13 14 15 16 17 18 19 20
primos son ms escasos cuanto ms avanzamos en la 21 22 23 24 25 26 27 28 29 30
lista. Un nmero alto puede ser tachado en cualquiera
de las cribas de los primos menores que l. Por lo tanto, 31 32 33 34 35 36 37 38 39 40
tiene ms probabilidad de ser eliminado que un nmero 41 42 43 44 45 46 47 48 49 50

88 INVESTIGACIN Y CIENCIA, agosto, 2005

 200
Las tablas resultantes de las dos cribas 1

son muy diferentes, pero comparten algunas

caractersticas. En la de Eratstenes hemos 0,8
150
obtenido 16 primos, el primero ha eliminado
24 nmeros, el segundo 7, el tercero 2 y el 0,6
cuarto 1. En la de Hawkins hemos obtenido 14

(n)
100

pn
primos, el primero ha eliminado 25, el segundo
0,4
5, el tercero 3, el cuarto 1 y el quinto 2. Los
sucesivos primos cada vez eliminan menos 50
nmeros, porque tachan con menor frecuencia 0,2
o probabilidad y tambin porque los primos
anteriores han eliminado ya bastantes nmeros, 0 0
como ocurre en la criba de Eratstenes. La 0 10 100 1000 0 10 100 1000
n n
criba de Hawkins reproduce, al menos de forma
estadstica, los aspectos fundamentales de la En la grfica de la izquierda se muestra la probabilidad pn de que n sea primo
criba de Eratstenes. Podr entonces ayu- aleatorio (en azul) y se compara con la frmula aproximada (en rojo). En la
darnos a estimar (n)? S, porque los primos grfica de la derecha se muestra (n) (en azul), junto con el nmero medio de
aleatorios se distribuyen de forma parecida a primos aleatorios (en rojo) y la conjetura de Gauss (en verde).
los primos reales y es mucho ms fcil calcular
cuntos primos aleatorios hay. y se representa en la figura mediante la curva azul, que
Cul es la probabilidad pn de que un nmero cual- prcticamente es indistinguible de la roja para nmeros
quiera n sea primo aleatorio? La probabilidad de que n n grandes. Los lectores con conocimientos avanzados de
sea primo es muy parecida a la de que lo sea n + 1, matemticas pueden deducir esta frmula aproximando
puesto que ambos han sufrido las mismas cribas antes la ley de recurrencia por una ecuacin diferencial que
de llegar a la posible criba de n. Es ms, si n resulta se resuelve con facilidad (la constante 1,2 se calcula
no ser primo, la probabilidad de que n + 1 lo sea vale ajustando la solucin a los valores reales de pn). El
precisamente pn. Por otro lado, si n es primo, n + 1 nmero medio de primos aleatorios entre 1 y n ser
sufrir su criba y se tachar con una probabilidad 1/n. aleat. (n) = p1 + p2 + ... + pn. Si ahora suponemos que
En este caso la probabilidad de que n + 1 sea primo los primos reales tienen una distribucin parecida a la
es pn, que es la probabilidad de serlo antes de la criba de los primos aleatorios, encontramos que:
del n, multiplicado por 1 1/n, que es la probabilidad de
sobrevivir a la criba del n. Por otra parte, n es primo con (n) p1 + p2 + ... + pn
probabilidad pn y no lo es con probabilidad 1 pn. Tene-
mos entonces la siguiente tabla de probabilidades: y se puede demostrar que, para n muy grande, esta
suma es aproximadamente n/ln n. Este resultado, que
(n) sea aproximadamente igual a n/ln n es uno de los
n n +1 Probabilidad
teoremas fundamentales de la teora de nmeros. Se
No primo Primo (1 pn) pn llama teorema de los nmeros primos y fue intuido por
Gauss y demostrado ms tarde por Riemann. En la fi-
Primo Primo ( )
pn pn 1
1
n
gura (grfica de la derecha) se muestra el valor real de
(n) junto con la conjetura de Gauss, n/ln n, y aleat. (n).
Comprobamos que las dos ltimas curvas prcticamente
Sumando la ltima columna, obtenemos la probabilidad coinciden y subestiman ligeramente el valor real de (n),
de que n + 1 sea primo, independientemente de lo que aunque esta discrepancia se hace cada vez menor a
haya sido n: medida que aumenta n.
La demostracin del teorema de los nmeros primos
pn +1 = pn 1( )
pn
n
.
es muy tcnica. Sin embargo, la criba de Hawkins ha
permitido obtener el mismo resultado de una forma ms
sencilla, aunque no rigurosa. Ms an, la criba de Hawkins
Como p2 = 1, podemos aplicar esta ecuacin para nos proporciona una imagen de por qu los nmeros
obtener las distintas probabilidades pn. Resulta p3 = primos se hacen cada vez ms escasos y por qu lo
1/2, como caba esperar, puesto que el 3 slo sufre la hacen de forma tan lenta. Sanjoy Mahajan, que ha es-
criba del 2; p4 es 5/12 = 0,42..., p5 = 215/576 = 0,37..., crito en el Caltech, una muy recomendable tesis doctoral
etc. En la ilustracin se pueden ver las probabilidades sobre clculos de orden de magnitud en fsica en la que
de ser primo aleatorio para los primeros 1000 nme- se incluye un estudio detallado de los primos aleatorios,
ros naturales. Encontrar una frmula general para pn considera a stos un modelo de los primos reales, es
no es posible; sin embargo, s puede encontrarse una decir, una versin simplificada de los primos reales que, sin
frmula aproximada que es mejor cuanto mayor sea n. embargo, conserva sus principales caractersticas. En esta
La frmula es: seccin hemos visto en ocasiones modelos matemticos
sencillos de sistemas fsicos, econmicos o sociolgicos.
1 Ms sorprendente es que haya modelos matemticos
pn
In n + 1, 2 para conceptos tambin matemticos!

INVESTIGACIN Y CIENCIA, agosto, 2005 89

J UEGOS MATEMTICOS
M
ichel Steiver, de la Universidad de Colorado, me
ha hecho llegar un ejemplo muy interesante en
el que la combinacin de dos juegos o inversiones
perdedoras da lugar a un juego ganador. Un fenmeno
similar a la Paradoja de Parrondo, de la que hemos
hablado aqu en varias ocasiones. Esta vez el ejemplo
est relacionado con situaciones bastante realistas que
se dan en mercados financieros como la bolsa o los
fondos de inversin.
Imagnense un cierto producto financiero, una accin de
una empresa, un fondo de inversin, etc., que cada da
da lugar o bien a una ganancia del 30 por ciento o bien
a una prdida del 25 por ciento del capital invertido. Es
decir, cada euro invertido se convierte en un da, o bien
en 1,30 o bien en 0,75 euros. Supondremos tambin que
cada una de estas dos posibilidades ocurre con la misma
probabilidad: 1/2. Este tipo de comportamiento se llama
modelo de rbol binomial porque cada da pueden ocurrir
dos posibilidades que hacen que las posibles evoluciones
del precio de la accin a lo largo del tiempo crezcan
como las ramas de un rbol. Se trata de un modelo muy
simplificado de la evolucin del precio de una accin que
sirve para ensear anlisis financiero e incluso para hacer
algunos clculos del riesgo de una cierta inversin.
Da la impresin de que comprar esta accin o parti-
cipar en este fondo es una inversin ganadora, puesto
que la ganancia del 30 % es superior a la prdida del
25 % y ambas posibilidades son igualmente probables.
Un anlisis ms minucioso de cmo evoluciona el capi-
tal invertido nos mostrar que la inversin es bastante
arriesgada. En la grfica de la izquierda de la figura
vemos seis posibles evoluciones del capital invertido. En
cada una de las curvas se ha escogido aleatoriamente
cada da la posibilidad ganadora, en la que el capital
se multiplica por 1,30, o perdedora, en la que se mul-
tiplica por 0,75. Como cada da el capital se multiplica
10000
1000
100
VALOR DE LA ACCION
10
1
0,1
0,01
0,001
0,0001
0 100 200
DIAS
Capital en funcin del tiempo para varias realizaciones de las carteras no diversificada (izquierda) y diversificada (derecha)
2 INVESTIGACIN Y CIENCIA, septiembre, 2005
Juan M.R. Parrondo
Ms paradojas de alternancia
por un factor aleatorio, las fluctuaciones son bastante
grandes. Vemos que, partiendo de un euro, una de las
curvas sube hasta 10.000 euros. Sin embargo, todas
ellas acaban bajando y se puede demostrar que, para
un tiempo lo bastante largo, el capital se hace siempre
prcticamente nulo.
La idea de Steiver es combinar dos inversiones iguales
a la anterior. Deben ser adems completamente indepen-
dientes, es decir, en un da una puede subir y la otra
bajar, bajar ambas o subir ambas. El precio de cada
una de estas acciones sigue una curva idntica a las
de la grfica de la izquierda de la figura. Sin embargo,
y este es el curioso resultado de Steiver, si cada da
distribuimos nuestro capital entre las dos acciones por
igual, el resultado es el de la grfica de la derecha en
la figura. De nuevo observamos grandes fluctuaciones,
pero el comportamiento de esta cartera de inversin
combinada es bastante mejor que el del precio de cada
accin por separado.
Veamos en detalle qu est ocurriendo. En primer
lugar, analizaremos el precio de una sola accin, es
decir, el comportamiento de las curvas en la grfica
de la izquierda de la figura; ms tarde estudiaremos
la inversin combinada. Si inicialmente el precio de la
accin es de un euro, tras N das ser:
PN = 1,3n 0,75Nn
siendo n el nmero de das en los que el precio ha
subido y N n el nmero de das en los que ha baja-
do. Tras un perodo largo de tiempo, lo ms probable
es que la mitad de los das el precio haya aumentado
y la otra mitad haya disminuido. En ese caso, n = N/2
y el precio es:
PN ~ (1,3 0,75)N/2 = (1,3 0,75)N ~ 0,987N
100000
10000
1000
VALOR DE LA ACCION
100
10
1
0,1
0,01
300 400 500 0 100 200 300 400 500
DIAS
en donde hemos aplicado una conocida propiedad de
las potencias: elevar a la mitad de un nmero N es lo
mismo que extraer la raz cuadrada y elevar el resul-
tado a N. Por lo tanto, el precio tras N das, siempre
en una trayectoria en la que el precio baja en la mitad
de los das y sube en la otra mitad, es la potencia
N-sima de la media geomtrica de los dos posibles
factores, es decir, 1,3 0,75 ~ 0,987, que es menor
que la unidad. Al elevar a una potencia muy grande un
nmero menor que la unidad, se obtiene una cantidad
muy pequea. Por lo tanto, la frmula anterior declara
que el precio se hace cada vez ms pequeo, al menos
en una trayectoria tpica, en la que el precio sube el
mismo nmero de das que baja. Pero, importan estas
trayectorias tpicas?
Ya hemos visto en la figura que el precio de la accin
de nuestro ejemplo sufre grandes fluctuaciones. Algunas
de las posibles trayectorias crecen mucho. Imagnense
por ejemplo que, despus de 100 das, el precio ha
crecido 60 de ellos y ha decrecido 40. El precio final
sera:
1,3060 0,7540 = 664,47 euros
que es muy alto. En la figura vemos tambin un caso en
el que el precio ha subido hasta casi 10.000 euros en
unos cien das (curva roja de la grfica de la izquierda).
Sin embargo, estas trayectorias son muy poco probables
y se hacen an ms raras cuanto ms avanza el tiempo,
ya que entonces las fracciones de das de subida y
bajada se aproximan ambas ms a 1/2, haciendo que
el precio sea cada vez ms cercano a la frmula que
hemos deducido para la trayectoria tpica. Por lo tanto,
las trayectorias tpicas consideradas no slo son las ms
probables, sino que, para tiempos muy largos, resulta
muy difcil que el precio se aleje mucho de ellas, como
vemos en la figura.
Sin embargo, algn lector suspicaz podra argumentar
lo siguiente. Si el precio de la accin en un da es x,
al da siguiente ser 1,30x con probabilidad 1/2 o 0,75x
con probabilidad 1/2. Por tanto, el valor medio del ca-
pital al da siguiente es 1,025x. En otras palabras, el
valor medio del capital viene determinado por la media
aritmtica y no por la geomtrica, y adems crece da
tras da. El precio de la accin es una cantidad aleatoria
singular: su valor medio crece, pero es cada vez ms
improbable que se aleje de cero! Cmo reconciliar dos
comportamientos tan opuestos? La respuesta est en
esas trayectorias raras, aunque afortunadas. Algunas son
extremadamente afortunadas y extremadamente raras,
como, por ejemplo, la que resultara de subir el precio
todos los das. A pesar de que ocurren con una proba-
bilidad insignificante, el precio alcanza en ellas un valor
tan alto, que influye en la media, haciendo que crezca en
lugar de disminuir. Esto ocurre incluso a pesar de que
la gran mayora de las trayectorias da lugar a precios
ridculamente pequeos. Con qu deberamos quedar-
nos entonces? Con la media o con el comportamiento
tpico? Creo que ninguno de los lectores lo dudara,
especialmente si se juega su propio dinero: uno espera
que la accin siga un comportamiento tpico, y la media,
que en otros problemas de probabilidad s desempea
INVESTIGACIN Y CIENCIA, septiembre, 2005
un papel importante, aqu nos da una informacin dis-
torsionada por las trayectorias afortunadas.
Qu ocurre con la inversin diversificada? En este
caso, cada da repartimos todo el capital entre las dos
acciones. Si tenemos un capital x, invertiremos en cada
una de las dos acciones una cantidad x/2. Pueden ocurrir
varias posibilidades. La primera es que las dos acciones
suban un 30 %, con lo cual, el capital que tenemos al
da siguiente es:
x x
1,30 + 1,30 = 1,30x.
2 2
Esta posibilidad ocurre con una probabilidad 1/4. Puede
que ambas acciones bajen un 25 %, algo que ocurre
tambin con una probabilidad 1/4 y tras lo cual el capital
se reduce a 0,75x. Finalmente, puede que una suba y
la otra baje. En este caso, el capital pasa a ser
x x
1,30 + 0,75 = 1,025x.
2 2
Esta ltima posibilidad ocurre con una probabilidad
1/2, ya que da igual cul de las dos suba y cul baje.
Repitiendo el argumento que elaboramos para el caso
de una nica accin, es fcil deducir que el capital
despus de N das es
xN = 1,3nss 0,75nbb 1,025nsb
en donde nss es el nmero de das en los que las dos
acciones han subido, nbb el nmero de das en los que
ambas han bajado y nsb el nmero de das en los que
una ha subido y la otra ha bajado. Teniendo en cuenta
las probabilidades respectivas de cada una de estas
posibilidades, para un nmero N muy grande de das,
una trayectoria tpica de nuestra inversin da lugar al
siguiente capital:
xN = 1,3N/4 0,75N/4 1,025N/2 = (4 1,3 0,75 1,025)N = 1,006N
y ahora el nmero que se eleva a N es mayor que uno,
con lo cual, el capital crece indefinidamente. Observen
que la media aritmtica del factor por el que se multi-
plica el capital es la misma tanto para la inversin en
una sola accin como para la inversin diversificada
(en este segundo caso es 1,30/4 + 0,75/4 + 1,025/2 =
1,025). Es decir, el valor medio del capital es el mismo
tanto si invertimos nuestro dinero en una accin como
si diversificamos la inversin. Sin embargo, la media
geomtrica, que, como hemos visto, es la importante para
las trayectorias tpicas, ha cambiado a nuestro favor.
Cmo es posible que la combinacin de dos inversiones
perdedoras d lugar a una ganadora? Cuando repartimos
el capital entre las dos acciones estamos promediando
las ganancias conseguidas; el capital en una realizacin
tpica se acerca ms a su valor medio. Si se combinan
ms de dos inversiones, el resultado es an mejor. Pero
contnganse a la hora de aplicar esta estrategia en bolsa.
Aqu hemos partido del supuesto de que las dos acciones
que se combinan evolucionan de forma independiente. Y
en el mundo real hay fuertes correlaciones entre unos
valores y otros. Especialmente cuando bajan todas las
cotizaciones al unsono en una crisis financiera.
3
J UEGOS MATEMTICOS
Hagan sus apuestas
C
omo se supone que soy un experto en juegos
de azar, mucha gente me pregunta si no he
aprovechado tanta sabidura para hacerme rico
en un casino. Lo cierto es que la nica vez que he
jugado a la ruleta fue hace muchos aos, fascinado por
un mtodo de apuestas supuestamente infalible pero
con el que perd casi todos mis ahorros en menos de
un cuarto de hora.
Existe un mtodo clsico, probablemente conocido
por muchos lectores, con el que, en teora, siempre se
puede ganar en la ruleta. Casanova lo describe en sus
memorias, publicadas en 1754. Se apuesta siempre a
rojo, a negro o a cualquier jugada que d como premio
la misma cantidad que se apuesta. Se comienza con
una apuesta baja, un euro, por ejemplo. Cada vez que
se pierde, se dobla la cantidad apostada, mientras que
si se gana se vuelve a empezar el proceso con un
euro. Si, por ejemplo, perdemos cinco veces seguidas,
las apuestas que debemos realizar son 1, 2, 4, 8 y 16
euros en cada turno, lo que hace un total de 31 euros
perdidos. En el sexto turno apostaremos 32 euros y por
tanto, si ganamos, recuperamos todo lo perdido ms un
euro. Ocurre lo mismo con cualquier nmero de turnos,
debido a una conocida frmula matemtica:
1 + 2 + 22 + 23 + ... 2n = 2n+1 1
Con este sistema basta ganar una vez para ganar un
euro, sin importar cuntas veces hayamos perdido antes
de ese turno ganador. Como es imposible perder un
nmero infinito de veces, con el sistema de Casanova,
que se conoce como martingala, se ganara siempre.
Por qu entonces no se ha arruinado todava ningn
casino? La respuesta es muy simple: porque es bastante
probable perder un gran nmero de veces seguidas y en
ese caso la apuesta puede superar la apuesta mxima
permitida o, lo que es peor, nuestros propios fondos.
En un conocido casino de Madrid, la apuesta mxima
est entre 20 y 30 veces la apuesta mnima, con lo que la
martingala alcanzara la apuesta mxima con slo perder
cinco veces seguidas y esto ocurre con una probabilidad
(19/37)5 = 0,03507 (hay 37 nmeros en la ruleta, de los
que, si apostamos a rojo o a negro, 19 son perdedores
dado que el cero es siempre perdedor).
Incluso con apuestas mximas ms altas, la martingala
entraa un considerable riesgo. En la figura 1 pueden
ver la evolucin del capital (en azul) y de la cantidad
apostada (en rojo) de un jugador que aplica el mtodo
de martingala durante diez mil turnos, comenzando con
un euro. Como vemos, el jugador gana de forma siste-
mtica. Como gana un euro por cada turno ganador, la
ganancia total es, aproximadamente, igual a la mitad del
nmero de turnos. En la grfica se aprecia que el capital
se encuentra cerca de una recta de pendiente 1/2. Sin
2 INVESTIGACIN Y CIENCIA, octubre, 2005
Juan M.R. Parrondo
embargo, hay ciertos periodos de mala suerte en donde
un nmero continuado de prdidas hace que el capital
baje considerablemente. Vemos una de estas malas ra-
chas entre el turno 1000 y 2000, en donde la apuesta
sube hasta 8192 (curva roja), despus de 12 turnos sin
ganar, y el capital desciende hasta casi 8000 euros. Es
decir, nuestro jugador habra necesitado un colchn de
unos 8000 euros para superar esta mala racha. Lo malo
del mtodo de martingala es que estas malas rachas
pueden ser de cualquier intensidad. En la grfica vemos
que ha habido dos apuestas de 8192 euros, que es la
cantidad a apostar despus de 12 turnos sin ganar.
Pero bien podra haber sido tambin perdedor el turno
decimotercero, con lo que la apuesta habra subido a
ms de 16.000 euros. En definitiva, la martingala es un
mtodo muy arriesgado. De hecho, algunos casinos han
aumentado considerablemente las apuestas mximas ante
la evidencia de que nadie se atreve a poner en prctica
la martingala, al menos en su formulacin original. En
algunos casinos de Las Vegas, la apuesta mxima puede
llegar a ser 4.000 veces la apuesta mnima. En ellos
la martingala alcanzara la apuesta mxima tras perder
11 veces seguidas. Podra parecer que el casino est
arriesgndose excesivamente. Sin embargo, para que
un jugador gane, por ejemplo, 1000 euros, necesitara
jugar aproximadamente 2000 veces y en esas dos mil
veces la probabilidad de perder 11 veces seguidas es
de ms de un 50 %.
En algunos libros y sitios de Internet se aconseja
esperar a que, por ejemplo, salga rojo 5 veces segui-
das para comenzar a utilizar la martingala apostando a
negro, con la supersticiosa creencia de que es prcti-
camente imposible que en una tarde el rojo salga 15
10000
8000
6000
4000
2000
0
-2000
-4000
-6000
-8000
0 1000 2000 3000 4000 5000 6000 7000 8000 9000 10000
Nmero de turnos
1. Capital (en azul) y apuesta realizada (en rojo) en 10.000
turnos utilizando el mtodo de la martingala.
veces seguidas. Cualquier experto en probabilidad sabe
que una ruleta no tiene (o no debe tener) memoria al-
guna. Aunque haya salido rojo 100 veces seguidas, la
probabilidad de que salga rojo o negro en la siguiente
tirada es exactamente la misma.
Hay otros mtodos inspirados en la martingala pero,
en apariencia, ms razonables. Uno de ellos es el que
consigui engatusarme hace aos, hasta que la capri-
chosa bolita de la ruleta me devolvi a la dura realidad.
Se conoce como mtodo de Labouchere, en honor de
Henry du Pre Labouchere, un periodista y parlamentario
ingls que vivi entre 1831 y 1912. Sin embargo, el propio
Labouchere atribua el mtodo al matemtico francs
Condorcet (1743-1794), de quien ya hemos hablado en
esta seccin (Paradojas democrticas, marzo de 2002).
El mtodo consiste en escribir en un papel una lista
con unos pocos nmeros, por ejemplo, 1 1 3. En cada
turno apostamos a rojo o negro la suma del primero y
el ltimo nmero de la lista. En nuestro caso, la prime-
ra apuesta sera de 4 euros. Cada vez que ganamos,
tachamos el primero y el ltimo nmero, mientras que,
si perdemos, aadimos a la lista la cantidad perdida.
Cuando se han tachado todos los nmeros de la lista
se vuelve a empezar. La siguiente tabla muestra cmo
evoluciona el capital (empezando con cero euros), la
apuesta y la lista en unos cuantos turnos:
LISTA APUESTA RESULTADO CAPITAL
113 4 P -4
1134 5 P -9
11345 6 G -3
134 5 P -8
del casino. Sin embargo, esta apreciacin no se corres-
ponde con la verdad. En la figura 2 se muestra una
simulacin del mtodo y vemos que en ocasiones la
apuesta (curva roja) casi alcanza los 2000 euros y que
el capital desciende hasta casi --3000. El mtodo de
Labouchere es especialmente peligroso ante rachas en
las que se pierden cuatro o cinco turnos seguidos y a
continuacin se gana slo una vez. En ese caso, la lista
se va poblando de nmeros cada vez ms altos.
En la figura 2 vemos que la ganancia media en 10000
turnos es del orden de 7000 euros. Calcular la ganan-
cia media de forma exacta es un problema matemtico
bastante difcil. Sin embargo, se puede estimar de una
forma muy sencilla. Como hemos visto antes, con el
mtodo de Labouchere, si se pierde durante n turnos,
basta ganar durante los (n + 3)/2 siguientes (o el entero
inmediatamente superior) para ganar 5 euros. Podemos
escribir estos nmeros en una tabla:
TURNOS PERDIDOS 1 2 3 4 5 6 7 8 9
TURNOS GANADOS 2 3 3 4 4 5 5 6 6
GANANCIA +5 +5 +5 +5 +5 +5 +5 +5 +5
Si jugamos un gran nmero de turnos, ganaremos en
la mitad de ellos y perderemos en la otra mitad. Las
combinaciones ms comunes de turnos ganados y perdi-
dos son entonces las resaltadas en azul en la tabla. Por
tanto, lo ms probable es que ganemos 5 euros cada 7
turnos. En el caso de 10000 turnos, la ganancia tiene
que ascender a 5 10.000/7 7143 euros, de acuerdo
con la simulacin de la figura 2.
8000

1345 6 G -2
34 7 P -9 6000

347 10 P -19
3 4 7 10 13 G -6 4000

47 11 G +5
2000
Despus de estos 9 turnos, hemos tachado todos los
nmeros de la lista. Puesto que todo lo que se gana
se tacha de la lista y todo lo que se pierde se apunta, 0
la ganancia neta al tachar todos los nmeros es igual
a la suma de los nmeros con los que comenzamos la
-2000
lista, es decir, 1 + 1 + 3 = 5 euros. Pero cada vez que
ganamos tachamos dos nmeros (salvo si en la lista
slo queda un nmero) mientras que apuntamos slo -4000
0 1000 2000 3000 4000 5000 6000 7000 8000 9000 10000
uno cada vez que perdemos. Por lo tanto, si perdemos
Nmero de turnos
n veces, bastar ganar (n + 3)/2 veces (o el entero
inmediatamente superior si n es par) para tachar to- 2. Capital (en azul) y apuesta realizada (en rojo) en 10.000
dos los nmeros y ganar 5 euros. En el ejemplo de la turnos utilizando el mtodo de Labouchere.
tabla hemos perdido 5 veces y hemos ganado 4. Esta
diferencia se hace mayor cuantos ms turnos juguemos Espero que se tomen estos mtodos como meras
antes de tachar todos los nmeros. Si, por ejemplo, curiosidades matemticas y no los apliquen en el casino.
perdemos 20 veces, basta ganar 12 para conseguir los Para olvidar semejante idea, basta echar un vistazo a
5 euros. El mtodo de Labouchere se basa en la misma las dos figuras e imaginarse a uno mismo aumentando
idea que la martingala: aumentar la apuesta cuando se ms y ms la apuesta en una de esas malas rachas.
pierde para, de ese modo, tener que ganar menos veces Eso es precisamente lo que me ocurri hace aos, utili-
para recuperar lo perdido. La ventaja frente a la martin- zando el mtodo de Labouchere. La apuesta subi tanto,
gala es que la apuesta crece mucho ms lentamente, que estuve a punto de perderlo todo al poco tiempo de
con lo cual parece difcil alcanzar la apuesta mxima empezar a jugar.

INVESTIGACIN Y CIENCIA, octubre, 2005 3

J UEGOS MATEMTICOS
E
n el ltimo libro del matemtico
John Haigh, Matemticas
y Juegos de Azar, hay una
buena coleccin de paradojas y
curiosidades sobre probabilidad y de
anlisis interesantes de conocidos
concursos de televisin, loteras y
quinielas.
Uno de los ejemplos ms sorpren-
dentes es el llamado Penney-ante, un
juego propuesto por Walter Penney
en 1974. Se juega con una moneda
completamente equitativa, es decir,
una moneda en la que los dos resul-
tados al lanzarla, cara o cruz, tienen
la misma probabilidad, 1/2. El juego
es muy simple: cada jugador escoge
una secuencia de tres tiradas, por
ejemplo CARA-CRUZ-CARA; se lan-
za la moneda repetidas veces y gana
el jugador cuya secuencia aparece
en primer lugar.
Supongamos que jugamos usted
y yo al Penney-ante. En un alarde
de generosidad, yo le ofrezco elegir
en primer lugar su secuencia. Pue-
de escoger cualquiera de las ocho
secuencias:
CCC CCE CEC CEE
ECC ECE EEC EEE
Utilizo C para Cara y E para Cruz o
Escudo. Una vez que usted haya he-
cho su eleccin, yo elijo mi secuencia
y comenzamos a lanzar la moneda.
A primera vista, elegir en primer lu-
gar slo puede reportar ventajas: si
hubiera alguna secuencia mejor que
el resto, puede elegirla y dejarme
a m una menos favorable; si todas
las secuencias son igualmente pro-
bables, da igual quin elige primero.
Sin embargo, en este juego ocurre
algo bastante curioso: para cualquier
eleccin suya, yo puedo elegir una
secuencia mejor, es decir, una se-
cuencia que aparezca antes que la
suya con una probabilidad mayor
que 1/2. Elegir primero resulta ser
una desventaja! El Penney-ante es
parecido al conocido juego de pie-
dra, papel y tijeras, en el que, si un
jugador eligiera primero y mostrara
2 INVESTIGACIN Y CIENCIA, noviembre, 2005
Quien re el ltimo...
la eleccin al contrincante, perdera
con toda seguridad.
En algunos casos la segunda
eleccin es bastante sencilla. Si,
por ejemplo, usted elige la secuen-
cia CCC, entonces mi eleccin es
bastante fcil: ECC. La nica forma
de que salga CCC antes que CCE es
que el resultado de los tres primeros
lanzamientos sea cara, lo que ocurre
slo con una probabilidad 1/8. Si la
secuencia CCC aparece por primera
vez en algn momento que no sea en
las tres primeras tiradas, est claro
que la tirada anterior a la primera de
las tres caras ser necesariamente
cruz y, por tanto, ECC habr apa-
recido antes.
Supongamos que usted elige ECC.
En este caso, puede demostrarse
que, si yo elijo EEC, tendr una
probabilidad de ganar mayor que la
suya. El diagrama de la figura explica
el origen de esta ventaja. En cada
una de las casillas del diagrama se
muestran los resultados de las lti-
mas tiradas y las flechas correspon-
den a los posibles resultados de la
tirada siguiente (cara, flechas azules;
cruz, flechas amarillas). Si no ha apa-
recido ninguna de las secuencias en
juego y el ltimo resultado es cara,
es como si empezramos el juego,
puesto que ninguna de las secuen-
cias comienza por cara. El resto del
diagrama es evidente. Por ejemplo,
si estamos en la casilla... E y el re-
sultado de la tirada es E, saltamos
C
...C E
(o inicio) ...E
E ...EC
Diagrama del Penney-ante. El juego se mueve por las casillas hasta caer en la roja
(usted gana) o en la verde (yo gano).
Juan M.R. Parrondo
a la casilla... EE. Si sale de nuevo
una E, volvemos a la casilla... EE. Se
han especificado slo las secuencias
relevantes para el juego. Podramos
haber aadido una casilla... EEE;
mas, para los efectos del juego con
las secuencias elegidas, si las dos
ltimas tiradas son cruz, la antepe-
nltima es irrelevante.
Segn los resultados de las tira-
das, nos moveremos por las casillas
del diagrama hasta alcanzar la verde,
en cuyo caso gano yo, o la roja, en
cuyo caso gana usted. Pero el diagra-
ma no es simtrico. Una vez que han
aparecido dos cruces seguidas (...
EE), no hay forma de volver hacia
atrs. En otras, palabras, ganar con
toda seguridad la apuesta. Sin embar-
go, la secuencia... EC no le asegura a
usted la victoria, puesto que una cruz
hace que el juego vuelva al estado...
E. Cada vez que nos encontramos
en el estado... E, la secuencia EEC
tiene una probabilidad 1/2 de ganar,
mientras que la ECC slo tiene una
probabilidad 1/4, puesto que necesita
dos caras seguidas. Por lo tanto, la
probabilidad de que yo gane es el
doble de la suya, es decir, yo gano
con una probabilidad 2/3 y usted con
una probabilidad 1/3.
Acabamos de ver que EEC es cla-
ramente mejor que ECC. Por lo tanto,
en el siguiente turno usted puede
elegir EEC. Sin embargo, en este
caso yo tengo de nuevo una elec-
cin ganadora. Si elijo CEE, tambin
E
C
E ...EE ...EEC
C
C
...ECC
tendr una probabilidad doble que la
suya de ganar. Lo sorprendente es
que, ante cualquier eleccin suya, yo
puedo elegir una secuencia que me
d una ventaja de al menos 2/3. En
la siguiente tabla se muestran todas
las posibilidades:
Para calcular la probabilidad de ga-
nar cada uno de los casos, tenemos
que dibujar un diagrama ligeramente
diferente del de la figura. Habr que
escoger las secuencias relevantes
para cada fila y dibujar las flechas
correspondientes, algo no excesi-
vamente difcil a la luz del ejemplo
ECC-EEC de la figura.
Su eleccin Mi eleccin
CCC ECC
CCE ECC
CEC CCE
CEE CCE
ECC EEC
ECE EEC
EEC CEE
EEE CEE
Por otro lado, la tabla obedece
a una regla bastante simple que
permite obtener una secuencia que
venza a cualquier otra: tome los dos
primeros elementos de la secuencia
elegida en primer lugar, colquelos
al final y elija el primer elemento de
la nueva secuencia de modo que el
resultado no sea capica. Por ejem-
plo, para averiguar la secuencia que
vence a CCE, tomamos CC y ele-
gimos como primer elemento una E
para formar ECC. La regla pone en
evidencia que la secuencia ganadora
se aprovecha de parte de la se-
cuencia perdedora.
Es evidente que no hay ninguna
secuencia ptima. De hecho, obser-
vamos una circularidad similar a la
de piedra, papel y tijeras: CCE ven-
ce a CEE, que a su vez vence a
EEC, que a su vez vence a ECC,
que vence a CCE. En esta serie de
secuencias, cada una comienza por
donde termina la anterior, como im-
INVESTIGACIN Y CIENCIA, noviembre, 2005
pone la regla que hemos discutido
antes:
C C E
C E E
E E C
E C C
C C E
El juego y la regla para obtener
secuencias ganadoras se pueden
generalizar a secuencias de ms
de tres tiradas. Cuando una relacin
como vencer a tiene este tipo de
circularidad, se dice que es no tran-
sitiva. Por el contrario, una relacin
r es transitiva cuando, si ArB y BrC,
Probabilidad
de que yo gane
7/8
3/4
2/3
2/3
2/3
2/3
3/4
7/8
entonces necesariamente ArC. La falta
de transitividad en ciertas relaciones
se opone muchas veces a la intuicin.
El propio juego de piedra, papel y
tijeras fascina a los nios por su no
transitividad. En competiciones depor-
tivas, nos cuesta aceptar que A gane
a B, B a C, pero que sea C quien
gane a A. Por mucho que veamos este
tipo de situaciones, siempre tendemos
a pensar que algo le ha pasado al
equipo que supuestamente debera
ganar. En esta seccin apareci un
ejemplo tambin sorprendente de no
transitividad: la paradoja de Condor-
cet, en la que las preferencias de un
grupo de votantes ante tres candi-
datos no son transitivas (Paradojas
democrticas, marzo 2002). Es decir,
puede darse el caso de una eleccin
en donde el candidato A gane a B
en una votacin donde slo se vote
por uno de los dos, B gane a C y
C gane a A.
parr@seneca.fis.ucm.es
3
J UEGOS MATEMTICOS Juan M.R. Parrondo
Finalmente... sudoku

E
ra inevitable. No poda pasar un mes ms sin que ellos, un nmero primo de tamao considerable obteni-
el famoso sudoku apareciera en estas pginas. do por Felgenhauer el 23 de mayo de 2005, tras seis
El pasatiempo del verano ha sido sin duda este horas de computacin en dos ordenadores personales.
sencillo rompecabezas de origen japons que lleva ya El programa informtico de Felgenhauer fue el fruto
varios aos causando furor en el Reino Unido y que de una colaboracin entre varias personas a travs de
en pocos meses se ha hecho un hueco en las pginas un foro en Internet (www.sudoku.com/forums/viewtopic.
de casi todos los peridicos de nuestro pas. Podemos php?t=44). Es fascinante seguir paso a paso las dis-
recibir sudokus incluso en el telfono mvil. cusiones que mantuvieron durante das, en las que se
El sudoku, por si alguien an conocieron Frazer y Bertram,
no lo sabe, consiste en rellenar 5 3 7 hasta dar con la solucin final.
un tablero cuadrado de 9 9 ca- Aunque encontrar el nmero de
sillas, como el de la figura, con 6 1 9 5 sudokus no sea una gran proe-
nmeros del 1 al 9, de modo que za matemtica, s creo que es
no se repita ningn nmero en 9 8 6 un caso nico de que hayan
cada fila, en cada columna y en quedado registrados de manera
cada uno de los 9 bloques de 3 8 6 3 exhaustiva los avatares de una
3 casillas delimitados por lneas 4 8 3 1 colaboracin cientfica, desde el
gruesas. Cada sudoku se presenta planteamiento hasta la solucin
con algunas cifras ya colocadas 7 2 6 final del problema. Un registro
que determinan de forma unvo- adems muy humano, porque
ca el resto del tablero. Aunque se 6 2 8 los mensajes estn repletos
utilicen nmeros para rellenar las de intentos fallidos, dudas y
casillas, el sudoku no tiene nada 4 1 9 5 entusiasmo.
que ver con la aritmtica; se trata 8 7 9 Encontrar el nmero de sudo-
de un rompecabezas de pura l- kus por el mtodo de la fuerza
gica: en lugar de nmeros podran bruta, es decir, pidiendo a un
utilizarse letras o colores. La clave para resolverlo es ordenador que rellene de todas las formas posibles las
encontrar casillas en donde necesariamente debe es- 81 casillas, es una estrategia inviable. El ordenador ms
cribirse un nmero determinado. En el sudoku de la potente tardara aos en terminar esta tarea. Felgenhauer
figura 1, por ejemplo, el 8 del bloque inferior-izquierda y Jarvis tuvieron que simplificar el clculo buscando
debe estar en la casilla central, ya que el resto de filas simetras en el problema hasta lograr que la bsqueda
y columnas tienen ya un 8. Esta es una deduccin no se redujera a unas cuantas horas. Veamos alguno de
muy complicada. En ocasiones hay que tener en cuenta estos trucos. En primer lugar, no es difcil deducir el
ms posibilidades e incompatibilidades hasta dar con el nmero de combinaciones posibles para los tres bloques
nmero que necesariamente se debe colocar en una superiores del tablero. Conviene denotar cada uno de los
cierta casilla. Cada sudoku tiene su nivel de dificultad nueve bloques del sudoku de la siguiente forma:
desde muy fcil hasta diablico; suele ser ms
alto cuantos menos nmeros se presentan inicialmente B1 B2 B3
(aunque no siempre es as). B4 B5 B6
A pesar de su sencillez, el sudoku plantea algunos B7 B8 B9
problemas matemticos y lgicos bastante complica-
dos: cuntos sudokus diferentes se pueden construir? en donde cada bloque es un cuadrado de 3 3 casillas.
Existen algoritmos para resolver sudokus de forma auto- El primer bloque, B1, se puede llenar de 9! = 362.880
mtica? De qu depende el nivel de dificultad de un maneras diferentes, porque 9! es el nmero de posibles
sudoku? Cul es el mnimo nmero de cifras iniciales reordenaciones de 9 elementos (en este caso, las nueve
que determinan unvocamente el sudoku? cifras). Supongamos la siguiente configuracin para B1:
La primera de estas preguntas ha sido resuelta esta
pasada primavera por Bertram Felgenhauer, de la Uni- 1 2 3
versidad Tcnica de Dresde, y Frazer Jarvis, de la Uni- 4 5 6
versidad de Sheffield, con ordenadores personales y 7 8 9
una buena dosis de lgica y combinatoria. El resultado
es bastante sorprendente. El nmero de sudokus posi- y veamos las posibles formas de rellenar B2. Los nmeros
bles es 6.670.903.752.021.072.936.960 6,671 1021. 4, 5 y 6 tienen que estar en la fila superior o inferior de
Es sorprendente porque puede escribirse como (9!) B2. Supongamos que llevamos los tres nmeros a la fila
722 27 27.704.267.971. Cada uno de estos facto- superior. En este caso, 7, 8 y 9 debern hallarse nece-
res puede explicarse razonablemente salvo el ltimo de sariamente en la fila central y 1, 2 y 3 en la fila inferior.

2 INVESTIGACIN Y CIENCIA, diciembre, 2005

Si, por el momento, no nos ocupamos de la columna en
la que colocamos cada nmero, concluimos: si 4, 5 y 6
estn en la fila superior o inferior de B2, el resto de filas
quedar completamente determinado. Por lo tanto, estas
dos opciones dan lugar a 2 posibles configuraciones en
B2 (siempre sin tener en cuenta las ordenaciones de
los nmeros en cada fila). Si en B2 colocamos el 4 en
la fila inferior y el 5 y el 6 en la superior, obtendremos
ms configuraciones posibles:
B1 B2
1 2 3 5 6 56 63 63]3. La regla de las filas reduce entonces
4 5 6 el nmero de configuraciones en un factor:
7 8 9 4
En la fila central superior debemos colocar ahora una
cifra del conjunto {7, 8, 9} y en la inferior dos cifras del
conjunto {1, 2, 3}. Esto lo podemos hacer de 3 3 = 9
formas distintas. Lo mismo ocurre si colocamos el 5 en
la fila superior y el 4 y el 6 en la inferior. Hay 3 2 = 6
configuraciones de este tipo: dos elementos de {4, 5, 6}
arriba y uno abajo, o viceversa. Por lo tanto, y siempre
sin fijarnos en el orden horizontal de los nmeros, tene-
mos 2 + 9 6 = 56 formas de colocar los nmeros en
B2. Pero si consideramos que los tres nmeros de cada
fila pueden ordenarse de 3 2 = 6 maneras distintas,
llegamos a que el nmero de combinaciones posibles
para B2 es 56 63 = 12.096.
Finalmente, si B1 y B2 estn llenos, los nmeros de
cada fila en B3 quedarn completamente determinados.
Tenemos de nuevo 63 ordenaciones de las tres filas. Por
lo tanto, el nmero total de disposiciones para B1, B2 y
B3 es (9!) 56 63 63 = 948.109.639.680.
Un clculo de fuerza bruta supondra tomar cada una
de estas disposiciones y probar con ella todas las com-
binaciones posibles para el resto de los bloques B4-B9.
Sin embargo, este clculo sigue siendo inviable. La idea
de Jarvis y Felgenhauer es reducir las combinaciones
B1-B3 a ciertas clases. Dos combinaciones B1-B3 estn
en la misma clase si tienen el mismo nmero de com-
binaciones B4-B9 compatibles. Apoyados en argumentos
de simetra, redujeron el nmero de clases a 71. Detallar
todos estos argumentos de simetra excede el espacio
de esta seccin. Algunos son muy simples. Por ejemplo,
cualquier reetiquetado de los nmeros en B1-B3 da lugar
a una combinacin de la misma clase. Como hay 9!
reetiquetados, el nmero de combinaciones a estudiar se
reduce a 56 63 63 = 2.612.736. Otras permutaciones
de los nmeros, casillas o ambos en B1-B3 reducen el
nmero de clases a 71. De hecho, despus de ejecutar
el programa, Jarvis y Felgenhauer comprobaron que en
realidad hay slo 44 clases, una reduccin que proba-
blemente se deba a simetras en las que ellos mismos
no haban reparado. El lector interesado puede encontrar
los detalles buscando Jarvis y sudoku en Google,
para acceder a la pgina web en donde los autores han
colocado una descripcin exhaustiva de sus resultados
y del mtodo utilizado.
Otro participante en la discusin de la que hablba-
mos, Kevin Kilfoil, haba llegado a un resultado bastante
aproximado con un argumento sencillo y muy elegante.
El argumento es el siguiente. Supongamos que slo
INVESTIGACIN Y CIENCIA, diciembre, 2005
consideramos la regla no pueden repetirse nmeros
en cada bloque. En ese caso, el nmero de posibles
configuraciones es (9!)9 1,0911 1050 ya que cada uno
de los bloques admite 9! configuraciones. Si ahora consi-
deramos la regla no pueden repetirse nmeros en cada
fila, el nmero de configuraciones posibles se reduce.
Hemos visto que con esta regla, los bloques B1-B3 se
pueden rellenar de (9!) 56 63 63 maneras distintas.
Lo mismo ocurre para los bloques B4-B6 y B7-B9. Por
tanto, con las dos reglas, la de los bloques y la de las
filas, el nmero de configuraciones posibles es [(9!)
(9!)9 (9!)9
R= = 1,28 1014
(9! 56 66)9 563 618
La idea ingeniosa de Kilfoil es suponer que la regla
no pueden repetirse nmeros en cada columna acta
de forma similar, reduciendo el nmero de combinaciones
por el mismo factor R. El nmero total de configuraciones
de sudoku posibles sera entonces:
(9!)9
6657 1021
R2
El resultado final no es exacto. De hecho, no es ni
siquiera un nmero entero, pero difiere de la solucin
exacta en slo un 0,2 %. Es curioso que la hiptesis de
que la regla de las filas y la regla de las columnas actan
de forma independiente d lugar a una estimacin tan
correcta. Estamos ante un ejemplo de cmo atacar un
problema combinatorio con argumentos aproximados y
en cierto modo probabilsticos (podramos reformular el
argumento de Kilfoil suponiendo que la probabilidad de
que una configuracin que respeta la regla de los bloques
respete tambin la de las filas o la de las columnas es
1/R y que estas probabilidades son independientes).
Algo parecido a lo que vimos hace unos meses con los
primos aleatorios de Hawkins [vase Cribas y nmeros
primos, agosto 2005].
Quedan otras muchas cuestiones acerca de la com-
binatoria y matemtica del sudoku. Nos preguntbamos
al comienzo de este artculo si existe un algoritmo para
solucionar cualquier sudoku. La respuesta es que exis-
ten varios: desde el clculo por la fuerza bruta, hasta
la implementacin en un programa informtico de las
mismas estrategias que utilizan los adictos al sudoku.
En http://sudoku.sourceforge.net/ pueden encontrar un
algoritmo de este tipo. Se trata de un programa Java de
muy fcil uso que resuelve cualquier sudoku y explica
las reglas que ha aplicado en la solucin. Este programa
permite saber adems si un sudoku con algunos nme-
ros ya colocados en ciertas casillas admite solucin y
si sta es nica. Es interesante jugar con el programa
introduciendo nmeros hasta llegar a sudokus con solu-
cin nica, algo que no es fcil de conseguir.
Otra de nuestras preguntas iniciales es el mnimo
nmero de casillas inicialmente llenas para un sudoku
con solucin nica. Parece que es 17, pero nadie ha
podido probarlo todava. Una discusin muy amplia sobre
este tema se puede encontrar tambin en el foro www.
sudoku.com/forums/viewtopic.php?t=605.
3
 MATEMATI J u a nM . RP. a r r o n d o

H aqyu i ednm s ?
I maginela siguiente lotera. Ustedeligeun nmero Enprimer lugar, existen varios mecanismos desubasta.
I del 1 al 100y lo anotaen un papel. A continuacin En la subasta inglesa o de ofertacreciente, lospartici-
I se extraeun nmerode un bombocon 100bolas, pantes, queestnpresentes en el proceso de subasta,
numEradas de 1 a 100.Ustedganasi el nmero que anuncian pblicamente suspujasen ordenascendente
anotes menoro igualque el nmeroque saledel y ganala mayor. En las lonjasde nuestros puertos se
bombo, peroganala cantidad anotada en euros,Si el llevaa cabounsistema diferente y bastante espectacular,
nmero en el papeles mayorqueel queha salidoen la subasta de preciodecreciente. En ellael directorva
el sorteo, entonces ustedno gananada. cantando precios enordendescendente hastaquealguno
un delosparticipantes gritando"mo!",
Cules la mejoreleccin inicial?Si elegimos le interrumpe conlo
nmerobajo,la probabilidad de ganares mayorpero queconsigue el artculo subastado porel ltimoprecio
la ganancia serpequea. Porel contrario, al elegir cantado. Se llamatambin holandesa porqueera ste
un nmerograndeaumentamos la ganancia, perore- el mtodo queutilizaban desdeel sigloxvlllosmayoris-
ducimos las probabilidades de ganar.Llamemos M al tasde floresen Holanda paradistribuir susexistencias.
nmeroelegidoinicialmente. La probabilidad de ganar Culde losdosmtodos es mejorparael subastador
es (101-M1100, puesto que,de los 100nmeros que y parael comprador? Lasubasta de preciodescendente
hayen el bombo, 101-Msonmayores o iguales que es bastante msestresante parael comprador. Al fin y
M. La ganancia mediaal elegirM es portanto: al cabo,en la subasta de ofertaascendente unosabe
siempre quepuedequedarse conel artculo subastado
1 0 1 - Mx M si superala pujade losdems, Sinembargo, en la de
100 preciodescendente, hayunaincertidumbre considerable:
Comocabraesperar, si elegimos M = 1, la ganancia si esperoparaconseguir un mejorpreciome arriesgo
mediaes de un euro.Si elegimos M = 100,tambin la a queotroganela subasta; si me plantoen un precio
ganancia mediaes de un euro,porqueganamos 100 altoquizhayaperdido la oportunidad de ahorrarme
eurosoerosloun 1% de lasveces.El nmero M oue unabuenacantidad.
hacemayor laganancia mediaesM = 50o 51.Enambos En muchasocasiones se necesita realizaruna su-
casos,la ganancia mediaes 50x51/100 = 25,5. bastasin la presencia fsicade los participantes. Si,
Siconsideramos unavariante delalotera anteriorenla porejemplo, queremos queel nmero de participantes
queloqueustedganaeslacantidad quehaaparecido en seael mximo posible, es mejorutilizar algnmtodo
el bombo, en lugarde la queanotenel papel, entonces en el quese puedapujar"a distancia". Ocurreas en
la estrategia serabastante mssencilla. Puesto queen lassubastas de Internet, cadavezmspopulares. Pero
estecasola ganancia nodepende delo quepongausted ya en el sigloxtx se realizaban subastas de sellosde
enel papel, la mejor eleccin es M= 1.Conellosiempre correoen dondese pujabapor carta.Es tambin el
ganamos y la ganancia mediaserde 50,5,quees el casode algunas grandes operaciones financieraso de
valormediode todoslosnmeros delbombo. las adjudicaciones de licencias de telefona mvil,que
Peroel ttulode la columna de hoyhacereferencia a en muchospases(perono en Espaa) se realizaron
unasubasta. Qutienen queverestasextraas loteras mediante subastas de estetipo.No s cules la razn
conunasubasta? Cuando participamos en ciertostipos de no usaren estoscasossubastas conpresencia de
de subasta, nosencontramos en unasituacin Quizseaporque
similar, loslicitadores. da malaimpresin que
aunque inversa, al primero de lossorteos queacabamos unagranempresa decidagranpartede su futuroen el
de discutir.Si pujamos porunacantidad demasiado alta, calorde unapujapblica.
probablemente ganemos la subasta peropagaremos un En estassubastas, llamadas de ofertasellada,las
precioexcesivo porel artculo subastado. Si queremos pujasse envanen un sobrecerrado de la
al director
pagarmenos, tendremos quepujarconcantidades me- subastaquien,una vez recibidas todaslas ofertaso
noresdisminuyendo as la probabilidad de adquirir el pujas,decideel resultado. Lo mscomnes quegane
artculo.Hayun compromiso obvioentreel deseode la subasta quienha realizado la ofertamsaltay que
ganarla subasta y el precioa pagar.Estaes la prin- pagueporel artculo subastado la cantidad queofert.
cipalcaracterstica de unasubasta y, en ciertomodo, Estesistema se llama"deprimerprecio".
su raznde ser.Sinembargo, a pesarde la aparente Vickreymostrque la subasta de ofertaselladade
sencillez de estosmecanismos, su anlisis matemticoprimerprecioesequivalente a la de preciodescendente.
puededepararnos algunaqueotrasorpresa. El estudio No es difcilentender porqu.Supongamos quehace-
de las subastas queel norteamericano William Vickrey mos un simulacro de subastade preciodescendente
realizen losaossesenta, y su posterior extensin a conlasofertasrecibidas. Cadaofertaes el precioque
otrassituaciones, le hizomerecedor, en 1996y juntocon estdispuesto a pagarquienla remiti. Porlo tanto,si
JamesA. Mirrlees, delPremio delBancode Suecia, el comenzamos a cantarprecios en ordendescendente, el
malllamado Nobelde economa. primero en gritar"mo!" serquienenvila ofertams

88 lruvrslcncru
v Ctrrucln. 2006
enero.
alta.Ganar la subastya adquiri r o
el artculsubast adoen unasubastde a Vickreyel, preciono depend era de
por el precioofertad o, es decir,el preciofinalserel su oferta,comoen nuestra a
segundlotera . interes a
Le
de la ofertamsalta. entonc esmaxim izar la probab ilidad de ganar,lo quese
Tiene la subast a
ms habitua l,
la inglesa o de oferta consig ue
ofertan do
exacta mente 1000 euros.La subas_
ascend ente, su equiva lente de ofertaselladaVolvam? osta de Vickrey tieneunavirtudimporta nte: la estrate gia
a imagin ar un simula cro, estavez de subast a inglesa , ptimade todoslos particip antes es ,,decirla verda ,,,
realiza do conlasofertas recibid as.
lmagin emos quecaoa ofertarlo queparaellosvaleel objetosubast ado. As
entante ,,
ofertatieneun "repres dispu-e sto a pujartan ocurretambi n .
en la subast ainglesaObserv en
la di_
su ofertacorresp ondien te. nza ferenci cona la subast a r
de ,,primeprecio, ,, la que
altocomoindique Comie en
la subast ya las pujasvansubien do, digamode s euro decirla verdadno produc eningnbenefic io, porque ,
.
en euro,..hasta la ofertamsatta?No.Supon gamoscomohemosdicho,ganarla subastpor a 1000euroses
quela ofertamsalta,llamm osla A, es de 1000-e urosigualqueperder la. Hayquepujarun pocopordebajo ,
y que ta segund a ofertamsalta,B, es de 900euros. al igualque los particip antes en la subast a holand e'sa
Cu.andlaopujallegaa g00,el repres entante deA serel espera n, connervios de acero,a queel precioestpor
unrco capazdesupera rla pujand901o euros. peroahora debajo .de lo queestaradispuen a pagar.
stos
nadiesubira 902.por lo tanto,A ganala subast ya Quocurreconel subast ador? Conla subast a de
slotienequepagarpor el artculllo precioofertad primerprecioobtieneofertasms bajasperovende
por B (msla pequecantida a d un euroo mnimo el artcul opor el preciomsalto.Con la de Vickrev
de
increm ento depuja),esdecir, la segund aoferta msalta. consig ue las ofertasmxim as, perovendepor la s_
Estasubast de a ofertaselladae , la queganaet que gundamsalta.Culde los dossistem as le reporta
ofrecemsperopagano lo queofert, 'sino la segund a un mayorbenefic io? Esta pregun ta es ms difiil de
ta
ofertamsalta,se llama,,subasde Vickrey ,,o ,,d'ese_ contes tar
y dependde s
e cuntaperson particip en
as en
gundoprecio"A. primervista, a es unavariantun e tanto la subast a. Podem os resolveparcial
r mente' el
problem a
extraaporquepareceque el subast ador esttirando en un.casomuyslmplif icado en el quelosprecios p de
piedras contrasu propiotejado:si A estabadispue sto N particip antes se encuen tran distribu Oos al azarenrre,
? pqgar1000euros,porquvender le el artcul o por por ejempl o,900y 1000euros.Supon dremos tambi n
900?Vickreysin , embarg o, demos tr quetienevirtude s queestainforma cin es conoci da portodoslospartici_
consid erables ,
utilizan do
un argume nto estrech amente pantesEn. estecaso,la ofertaptimaen la subastde a
relacio nado connuestrosortes s iniciale s. primerprecioparaun particip ante quevaloreel artcul o
Slpong amos que se subast aun objetopor et que subast ado en un preciop se puedeencont rar por un
estusteddispue sto a pagarcomomxim 1000 o eus. argume nto similaral anterioyr resulta
Tenem os primerque o precisaqu r entend emos poreste
preciomxim o. No es un preciodeterm inado por sus G = (1OOO - P. P. -900
vicisitu deseconm icas, su presup uesto mensu o su ar 100
patrimo nio. Esdecir,noes 1000eurosla cantidamxi_ d -. Luegolasofertas enla subastde a primerprecio sern
maa pagarporque nose puedapermitiun r desem bolsoN s
nmerodistribu al azarentre900y g50.En el
idos
de 1001euros,sino,simple mente, porqueparausted casode la subastde a Vickreylas , ofertas coincid en con
el objetosubast ado no vale1001euros.No tieneun los preciossern : portanto,N nmerodistribu s idos
al
deseoespeci al de poseer lo ni emocio nes de ninon azarenlre900y 1000.paracompa rar losprecios finales
tipo..Es slopuracuantif icacin del valordel objto. en las dossubast as necesi tamos sabercuntovaleel
Puedeconsid erar la subast a comoun juegoo loiera mxim ode N nmerodistribu s entreg00y g50y
idos
en^don de, si consig ue el objetopor un'prei iop, gana el segundnmero o msaltode N nmeroOstrn s uOo
-
1000 p euros,y no gananadasi pierdela subst a. entre900y 1000.Aunqu e esteclculoes compli cado,
Porlo tanto,le es absolu tament e
indifer enteganarla noesdifcilconven cerse deque,si N es suficie ntemen te
subastpora un preciop= 1000euroso irsea casacon grandees , msprobabque le el precio finalenla subast a
las manosvacas . seamayorqueen la de primerprecio.
de_Vic krey
Conestapremis a, quees consec uencia de la llamad a Porlo tanto,parecequeVickrey tienetodoa su favor:
"teora de la utilidaduna ", de lasbasesde la econom a porun ladolosparticip antes notienenqueestruja rse el
,
clsicapodem osanalizalos r distintotipos
s o calculasu
de subast a cerebr para r ofertani tienenqueadivinaor
de ofertaselladaCul . es su mejoresirate gia cuando espiarlas intenci ones de sus contrin cantes en ;cuanto
participen a unasubast a de primerprecio?parasim- al subast ador, tieneunaaltaprobab ilidad de conseg uir
,
plificarsupong amos quela ofertamxim a del restode un preciode ventamsalto.Si es as,porqundse
particip antes es un nmero aleator io entre900v 1000 utilizacon msasiduid ad? Unade las-ret icncia ens
euros.En estecaso,la subast aes similara nuestro contrade la subast de a segundprecio o es que,si los
prmersorteo.Si su ofertaes p., la probab ilidad de particip antesno sonmuynumero sos, el preciofinalde
ganarla subastes a (p. - 900)/1 00. La gananc ia media ventapuedesermuchomenorqueen la subastde a pri_
seraentonc es: merprecio. Perohayotraraznmssutil,quetieneque
p+900 verconla confian za de losparticip antes en la integri dad
-n *-_ del proces o.
Si ganam os unasubast de a Vicxreypero ,
2 no conoce mos al restode losparticip antes ni lasofertas
y resulta sermximsi a p*- 950euros. Estaes portanto quehanenviad o, cmo sabem os queel segundprecio o
la ofertaquedeberealizapor r. otrolado,si particip ara ha sidorealme nte el quenosdiceel organ- zador?

y Clrucl
lruvslo nctru , 2006
enero. 89
J UEGOS MATEMTICOS
Incentivar la sinceridad
A
licia es presidente de una pequea comunidad de
cuatro vecinos: ella misma, Berta, Carlos y Daniel.
Alicia pretende construir un ascensor en el edificio.
El coste total asciende a 10.000 euros, pero no parece
justo que todos paguen lo mismo. Algunos tienen una
mayor necesidad del ascensor, como los que viven en
los ltimos pisos.
Alicia intenta en primer lugar un mtodo bastante in-
genuo. En una de las juntas pregunta pblicamente a
cada vecino (incluyndose a s misma en la encuesta)
cunto estara dispuesto a pagar para tener el ascen-
sor. Enseguida se da cuenta de que todos tienden a
decir una cifra ms baja de la que realmente estaran
dispuestos a pagar, para ahorrarse algn dinero o por
miedo a que los otros hagan lo mismo.
Cmo hacer que todos digan la verdad? Existe una
ingeniosa solucin a este problema, aunque no comple-
tamente satisfactoria. Se trata del llamado mecanismo de
Vickrey-Clarke-Groves (VCG), inspirado en las subastas
de Vickrey y diseado por los economistas norteameri-
canos Edward Clarke y Theodore Groves. Lo abordamos
aqu el mes pasado.
La idea es la siguiente. Alicia anuncia que va a pre-
guntar a cada vecino lo que est dispuesto a pagar
y que anotar las cantidades ofrecidas por cada uno,
que llamaremos dA, dB, dC y dD. Si la suma de las
cuatro ofertas alcanza los 10.000 euros, el ascensor se
instalar. Hasta ahora el sistema es idntico al primer
intento ingenuo de Alicia. Lo que cambia en el me-
canismo VCG es la contribucin de cada vecino, que
no pagar la cifra que ha declarado o ni siquiera una
cantidad proporcional. Alicia pagar una cantidad dada
por la siguiente frmula:
cA = 10.000 (dB + dC + dD).
Es decir, lo que paga Alicia no depende de lo que
ella declara, sino slo de lo que han ofrecido sus ve-
cinos.
Esta extraa regla tiene una gran virtud: induce a
decir la verdad. Supongamos que Alicia est dispuesta
a pagar una cantidad vA para tener el ascensor. Es
decir, el valor real del ascensor para Alicia es exacta-
mente vA: si tuviera que pagar ms estara perdiendo
dinero y si tuviera que pagar menos estara ganando.
(El mes pasado, al hablar de las subastas de Vickrey,
comentamos con algo ms de detalle el significado de
este valor o utilidad de un bien, un concepto clave
en economa.) Con ms precisin, en caso de que el
ascensor se instalara, Alicia ganara una cantidad (que
puede ser positiva o negativa):
UA = vA cA
2 INVESTIGACIN Y CIENCIA, febrero, 2006
Juan M.R. Parrondo
Qu suma dA debe ofrecer Alicia para maximizar
su ganancia UA? Ella no conoce el valor vB, vC, vD,
que tiene el ascensor para el resto de inquilinos, ni
tampoco lo que stos van a declarar. Pero sabe que el
ascensor se instalar si el total de ofertas supera los
10.000 euros, es decir, si:
dA > 10.000 (dB + dC + dD) = cA.
Habr, pues, ascensor si la oferta dA de Alicia supera
la cantidad cA que ella misma pagar en caso de que
la obra se acometa.
Si Alicia ofrece una suma dA mayor que el valor real
vA, puede ocurrir que el resto de ofertas sea tal, que
dA > cA > vA. En este caso el ascensor se instalar y
Alicia perder dinero. Si, por el contrario, ofrece una
suma dA menor que el valor real vA, puede ocurrir que
el resto de ofertas sea tal que dA < cA < vA, con lo que
el ascensor no se construira a pesar de que, si se hi-
ciera, Alicia ganara una cantidad UA positiva, porque su
contribucin cA sera inferior al valor vA que el ascensor
tiene para ella. Por lo tanto, la decisin ptima de Alicia
es decir la verdad: declarar exactamente el valor real
vA. Lo mismo ocurre para el resto de vecinos.
El mecanismo VCG est inteligentemente diseado
para que mentir sea una mala estrategia. Si usted ley
esta seccin el mes pasado, podr encontrar una cier-
ta similitud entre el mecanismo VCG y la subasta de
Vickrey o de segundo precio. De hecho, hay tambin
una subasta VCG que es una generalizacin de la
subasta de segundo precio y que se basa en la misma
idea que acabamos de ver: la puja sirve para decidir
el adjudicatario, pero la cantidad a pagar no depende
de su puja, sino de la del resto de los participantes
en la subasta.
Sin embargo, en nuestro ejemplo del ascensor, como
en cualquier problema de adquisicin de bienes p-
blicos, el mecanismo VCG adolece de un serio incon-
veniente. Bruno no paga la cantidad que ofreci, d B,
sino una cantidad c B dada por una frmula anloga
a la de Alicia:
cB = 10.000 (dA + dC + dD)
y as sucede con el resto de los vecinos. Por lo tanto,
si se decide hacer la obra, la cantidad total que pagan
nuestros cuatro amigos es:
C = cA + cB + cC + cD = 40.000 3D
en donde D es el total ofertado: D = dA + dB +dC +
dD. C es mayor que 10.000 euros slo si D es menor
que 10.000. Pero precisamente la condicin para que el
ascensor se construya es que D sea mayor que 10.000
Luego, aunque todos hayan dicho la verdad y la suma
de lo declarado supere el costo total, la comunidad no
tendr dinero suficiente para hacer la obra! Algn lector
avispado puede haber pensado en la siguiente solucin:
Alicia da las reglas del mecanismo VCG pero, una vez
conocido lo que est dispuesto a pagar cada vecino, las
cambia y pide a cada uno lo declarado. Por supuesto,
esto es bastante tramposo y la simple sospecha de tal
comportamiento rompera el delicado balance sobre el
que se basa el mecanismo VCG. Por ello, esta solucin
es inadmisible.
Una solucin ms honrada y prctica es completar lo
que falta con algn fondo de reserva. Al fin y al cabo,
en el caso de que la obra se apruebe, la suma D de lo
ofertado no ser muy superior a los 10.000 euros. Cada
uno de los cuatro vecinos sabe que, si se repartiera el
gasto en partes iguales, tendra que pagar 2500 euros. A
esta cifra le aadir o restar alguna cantidad pequea,
dependiendo de su necesidad de ascensor, con lo que
la oferta total D estar cercana a los 10.000 y la suma
C de las contribuciones ser slo ligeramente inferior al
gasto total de 10.000 euros.
A pesar de sus limitaciones, el mecanismo VCG goza
de un crdito considerable. Constituye uno de los pilares
sobre los que se ha desarrollado todo un campo de la
economa: la teora de mecanismos de revelacin de la
demanda, que se puede aplicar en muy distintas situa-
ciones como decisiones colectivas, subastas, el reparto
de pistas en aeropuertos o incluso la regulacin del
trfico de datos en Internet.
Las decisiones colectivas en donde se aplican estos
mecanismos pueden ser muy variadas. Imaginemos un
grupo de amigos que tienen que decidir qu pelcu-
la vern el prximo fin de semana. Supongamos que
podemos cuantificar las preferencias de cada uno de
ellos en trminos monetarios y que stas son las que
se especifican en la siguiente tabla:
#ASABLANCA %LSPTIMOSELLO
!LICIA  $ANIEL  caso del ascensor: mi beneficio constituye el valor real
&EDERICO
"ERTA 
%STHER
 de decisiones radica en su vulnerabilidad ante coalicio-
#ARLOS 'ABRIEL

4OTAL 4OTAL
Supondremos tambin que el beneficio de cada in-
dividuo es nulo si se va a ver la pelcula que l no
desea ver. Aunque la mayora prefiere El sptimo sello,
los que quieren Casablanca lo desean con ms inten-
sidad. Por lo tanto, si quiere maximizar el beneficio
total, el grupo debera ver Casablanca. El problema es
de nuevo cmo obtener la tabla anterior. Si pedimos
a cada miembro del grupo que cuantifique su deseo
INVESTIGACIN Y CIENCIA, febrero, 2006
de ver la pelcula, tendern a exagerar, puesto que
saben que la decisin final depende de la cantidad
declarada.
Edward Clarke dise un mecanismo para obtener
declaraciones sinceras, penalizando las exageraciones
con un impuesto: la tasa de Clarke. En primer lugar
se calcula la diferencia D entre los dos totales, que
en nuestro ejemplo es de 5 euros. Los que estn en
el bando ganador y han declarado una cantidad su-
perior a esta diferencia deben pagar la tasa, que es
la diferencia entre su declaracin y D. En nuestro
ejemplo, los nicos que tienen que pagar son Ber-
ta y Carlos, que abonarn, respectivamente, 7 y 4
euros. Con este castigo, se puede comprobar que
la estrategia ptima de todos los miembros del grupo
es decir la verdad. Alicia no tiene inters ninguno en
declarar ms de los 4 euros con los que valora ir a
ver Casablanca, puesto que su opcin es ya ganadora.
Si Berta aumenta su declaracin y dice que para ella
ver Casablanca equivale a un beneficio de 13 euros,
acabar pagando la misma tasa. Y lo mismo ocurre
si disminuye la cantidad declarada (siempre que no
la baje tanto como para que su opcin pierda). Qu
ocurre con los que estn en el bando perdedor? Si,
por ejemplo, Gabriel hubiera aumentado su declaracin
hasta 13 euros, el grupo acabara asistiendo al pase
de El sptimo sello, pero D sera 1 euro y Gabriel
tendra que pagar 12 euros, con lo que su beneficio
neto sera negativo: 7 12 = 5.
En realidad, ste es un caso particular del mecanismo
VCG. Si d es mi declaracin, Dm indica el total de mi
opcin y Dc el total de la opcin contraria, la tasa de
Clarke es:
T = d D m + D c = D c D m*
en donde Dm* representa el total de las declaraciones
de mi opcin sin contar la ma. Como en el mecanis-
mo VCG, la tasa no depende de mi declaracin. Si el
valor real que tiene mi opcin para m es v, entonces
mi beneficio ser U = v T cuando gana mi opcin y
cero si pierde. Pero mi opcin es ganadora si Dm > Dc,
es decir, si d > Dc Dm* = T. La situacin es idntica al
 menos la tasa si la declaracin es mayor que la tasa
y cero en otro caso.
 Uno de los inconvenientes de este mecanismo de toma
 nes maliciosas. Federico y Esther podran ponerse de
acuerdo para declarar ambos 20 euros. El total para El
sptimo sello sera entonces 49 y se convertira en la
 opcin ganadora. Pero D sera ahora 24, con lo que
nadie pagara tasa alguna. Este aumento concertado
de las declaraciones corre su riesgo, pero en general
distorsiona el mecanismo de modo que la estrategia
sincera deja de ser ptima. Por lo tanto, para que el
mecanismo resulte eficaz, hay que evitar coaliciones
mediante declaraciones secretas y sin posibilidad de
negociacin previa.
parr@seneca.fis.ucm.es
3
J UEGOS MATEMTICOS
El nmero h
D
esde hace unos meses la comunidad cientfica
est sobresaltada. En los congresos, convenciones
o simples charlas de caf entre investigadores
y profesores de universidad, no se habla de otra cosa:
el nmero h. Es una nueva constante fundamental de
la Naturaleza?, la masa total del universo?, alguna
cantidad crucial en el origen de la vida? No. Se trata de
algo bastante ms mundano, pero capaz de despertar
tantas pasiones entre los investigadores como cualquiera
de los grandes enigmas de la ciencia.
El nmero h es un modo simple de evaluar la calidad
de un cientfico. La idea original es de Jorge Hirsch,
un fsico argentino, profesor de la Universidad de Ca-
lifornia. Se public en septiembre del ao pasado en
los Proceedings of the National Academy of Science.
Desde entonces, no hay cientfico que no haya calculado
secretamente su nmero h y el de sus ms queridos y
odiados compaeros.
Siempre es til disponer de una herramienta objetiva
para evaluar la calidad de alguna actividad. Pero en el
caso de la ciencia, una herramienta de este tipo se ha
hecho indispensable por varias razones. En primer lugar,
porque la mayor parte de los recursos destinados a la
investigacin bsica son pblicos y se necesitan criterios
objetivos para distribuirlos. Administradores y evaluadores
acadmicos tienen constantemente que repartir fondos,
conceder becas y contratos o aprobar proyectos. En una
empresa, la productividad de un departamento, incluido
el de investigacin y desarrollo, puede evaluarse con
relativa facilidad en trminos econmicos. Sin embargo,
lo que la investigacin bsica aporta a la sociedad no
es siempre cuantificable econmicamente o lo es a muy
largo plazo.
En segundo lugar, la creciente especializacin hace
cada vez ms difcil este tipo de evaluaciones. En muchas
ocasiones, la relevancia de un trabajo slo puede ser
juzgada con verdadera competencia por los contados
expertos que investigan en ese mismo tema y que pro-
bablemente tendrn intereses compartidos o en conflicto
con el autor de dicho trabajo, cuando no simples vnculos
de amistad o enemistad.
Muchos consideran que estas razones reflejan la crisis
de la ciencia contempornea. Cmo es posible que
no sepamos decidir si una contribucin cientfica es
relevante o no? Cmo es posible que slo un grupo
muy reducido de colegas sea capaz de semejante de-
cisin? Algo que slo es relevante para unos pocos
cientficos que trabajan en el mismo tema no es, por
definicin, irrelevante para la ciencia y la sociedad? No
hay respuesta sencilla.
La ciencia se ha convertido en una macroindustria en
la que muchas pequeas unidades trabajan a destajo en
problemas insignificantes. Pero el conocimiento que se
genera en estas modestas unidades de produccin se
2 INVESTIGACIN Y CIENCIA, marzo, 2006
Juan M.R. Parrondo
transmite en ocasiones hacia grupos de cientficos que se
dedican a problemas cruciales o con ms aplicaciones;
por ejemplo, el origen del universo y el diagnstico del
cncer, respectivamente. Es difcil prever cules de los
miles de pequeos avances cientficos repercutirn de
un modo determinante en el futuro.
Una de las herramientas bsicas para evaluar el im-
pacto de un trabajo cientfico es el nmero de citas, es
decir, el nmero de artculos posteriores que lo mencio-
nan. Cuando en un artculo citamos un trabajo anterior,
significa que lo hemos utilizado, porque en l se desa-
rrollaba una tcnica que hemos empleado en el nuestro,
porque se plante un problema que ahora resolvemos
o por cualquier otra razn. As pues, las citas miden el
impacto cientfico de un trabajo, sin que ello suponga,
por necesidad, una calidad indiscutible. En ocasiones, un
artculo reiteradamente citado ha resultado ser errneo;
cabe tambin que se le traiga a colacin frecuente porque
haya dejaba abiertas cuestiones fciles de resolver. En
cambio, puede muy bien acontecer que un artculo que
cierre definitivamente un problema, aunque se trate de
un problema de capital importancia, se cite menos que
un artculo de calidad inferior.
A pesar de todo, el nmero de citas sigue siendo el
parmetro comn para medir la calidad de un trabajo.
En 1960, Eugene Garfield, experto en bibliometra, cre
el Science Citation Index (SCI), un ndice o registro de


.5-%2/$%02%-)/3./"%,






).$)#%H
Histograma de los nmeros h de los ganadores del premio Nobel
de Fsica en los ltimos 20 aos.
las citas de los artculos cientficos publicados en las
principales revistas internacionales. El ndice contina
siendo una herramienta fundamental en la investigacin.
Imagine el lector que ha encontrado un artculo de 1980
con unos resultados interesantes sobre los que quiere
profundizar. El SCI le permite saber todos los artculos
posteriores a 1980 que han citado ese trabajo. Con ello
puede ponerse completamente al da sobre el asunto
en cuestin.
Pero el inters del SCI de Garfield ha aumentado, asi-
mismo, por su utilidad para evaluar la trayectoria completa
de un investigador. Cmo? Se han propuesto diversos
indicadores, como el nmero total de citas o el nmero
de citas por artculo. En su artculo, Hirsch aborda las
limitaciones de estos indicadores y propone el suyo.
Para el argentino, el nmero h de un cientfico es el
mximo nmero del que puede decir: tengo h artculos
citado al menos h veces. Aunque su definicin parezca
extraa, es muy fcil encontrar el nmero h utilizando
el SCI. Basta buscar todos los artculos de un autor y
ordenarlos por nmero de citas. En la lista resultante, el
artculo en donde el nmero de orden y el nmero de
citas se cruzan nos proporciona el nmero h del autor.
El procedimiento es tan sencillo, que en 10 minutos uno
puede buscar el nmero h de todo su departamento
(siempre que el nombre sea fcilmente reconocible: es
bastante difcil encontrar el h de un Rodrguez o un
Snchez). En esa sencillez de clculo se encierra el
secreto del xito de la idea de Hirsch.
Pero, es el nmero h un buen indicador de la calidad
de un cientfico? Hirsch ha calculado el nmero h de
muchos fsicos. Al parecer, en la cspide se encuentra
Edward Witten, fsico matemtico actualmente en Prince-
ton, con un h = 110, es decir, tiene 110 artculos con al
menos 110 citas. Ms de 100 artculos de investigacin
constituyen una trayectoria cientfica bastante slida. Un
artculo con ms de 100 citas se puede considerar un
xito profesional. Las dos cosas a la vez, 110 artculos
con ms de 110 citas, es algo realmente impresionante!
Sin embargo, Witten no ha conseguido el premio Nobel,
al menos todava, aunque s la medalla Fields, mximo
galardn en el mbirto de la matemtica.
De los siete fsicos con mayor h hay cuatro premios
Nobel: Anderson (h = 91), de Gennes (h = 79), Wilczek
(h = 68) y Gross (h =66). Completan el tro restante el
mencionado Witten y dos fsicos de materia condensada,
Cohen (h = 94) y el espaol Manuel Cardona (h = 86),
director del Instituto Max Planck del Estado Slido en
Stuttgart. En la figura podemos ver tambin un histograma
de los nmeros h de los premios Nobel de Fsica de
los ltimos 20 aos, tomada del artculo de Hirsch. El
ndice h presenta una considerable dispersin, variando
desde 22 hasta 79, pero est bastante concentrado en
torno a 40.
Un fsico con un nmero h en torno a 40 tiene, sin
duda, una trayectoria influyente, en el sentido de que
sus trabajos han dictado lneas de investigacin seguidas
por muchos otros.
Los h bajos son otra cuestin. Puede haber cientficos
con resultados muy relevantes y, sin embargo, con una
trayectoria irregular. Recordemos a Mitchel Feigenbaum,
quien encontr la primera ruta al caos conocida, apli-
INVESTIGACIN Y CIENCIA, marzo, 2006
cando adems en el campo de los sistemas dinmicos
una tcnica desarrollada en la fsica estadstica. Su con-
tribucin es muy relevante no slo para la fsica, sino
para todas las ciencias. Sin embargo, tiene un modesto
h = 16, a pesar de que su principal trabajo sobre caos
supera las 1700 citas.
En mi opinin, el ndice h no es concluyente cuando
se trata de evaluar o comprar trayectorias individuales,
pero s puede ser til para anlisis ms generales. Por
ejemplo, Hirsch deduce de sus propias observaciones
que el h tpico para conseguir una plaza de profesor
permanente en una buena universidad de los Estados
Unidos es 11, y 18 para una ctedra (siempre en el
campo de la fsica). En las ltimas pruebas para acceder
al cuerpo de catedrticos en nuestro pas, son esos los
nmeros que se han barajado. De hecho, en una de las
disciplinas de mayor desarrollo, la fsica de la materia
condensada, un candidato que no consigui la plaza tena
un h = 21 (los que s la consiguieron tenan nmeros h
parecidos). Al mismo tiempo, en nuestras universidades
hay muchos catedrticos de fsica que no llegan a un
h = 5. Esto no hace ms que indicar el enorme progreso
de la investigacin cientfica espaola en las ltimas
dcadas y la necesidad urgente de renovar el personal
investigador o al menos de dar cabida a toda una ge-
neracin de cientficos de muy alto nivel que necesitan
contratos y medios para desarrollar su trabajo.
El nmero h se puede calcular tambin para institu-
ciones: ser el mximo nmero del que se puede decir
hay h artculos de nuestra institucin con al menos h
citas. El nmero h de distintas universidades espaolas
y norteamericanas se muestra en esta tabla:
Universidad h
MIT 470
Stanford 419
Berkeley 328
Harvard 307
Alabama 287
Maine 106
Autnoma de Madrid 152
Barcelona 141
Autnoma de Barcelona 98
Complutense de Madrid 96
De la tabla se desprende que h es un buen indicador
del nivel de investigacin de cada universidad. Algunas
universidades espaolas de primer rango podran comparar-
se a una universidad de nivel medio-bajo estadounidense,
como la de Maine, a pesar de que nuestros cientficos
estn, en media, a un nivel similar al de los cientficos
norteamericanos. Estos datos no hacen ms que plasmar la
necesidad de que los cientficos jvenes puedan desarrollar
plenamente su carrera profesional en Espaa.
3
J UEGOS MATEMTICOS
D
esde que Isaac Newton creara
el clculo infinitesimal para
estudiar el movimiento de los
astros, una de las aplicaciones ms
fructferas de la matemtica ha sido
el estudio del cambio. Sabemos cmo
expresar matemticamente las leyes
que rigen la evolucin de un sistema,
mediante las llamadas ecuaciones
diferenciales, y conocemos un sinfn
de tcnicas para resolverlas. Tambin
disponemos de una herramienta
muy potente, la transformada de
Fourier, que nos permite detectar
periodicidades en el comportamiento
de una magnitud.
Sin embargo, despus de tres si-
glos de desarrollo continuado, y en
gran parte gracias a la aparicin de
los ordenadores, el estudio de los
sistemas que cambian en el tiem-
po experiment una revolucin con
el descubrimiento de los sistemas
caticos. Fue el meteorlogo Edward
N. Lorenz quien, al estudiar un mode-
lo muy simple de la atmsfera, des-
cubri que una pequea perturbacin
poda modificar de forma drstica el
comportamiento futuro del sistema.
En la figura 1 podemos ver cmo
vara una de las variables del modelo
de Lorenz. En perodos breves de
tiempo la variable oscila de forma
regular, pero en ocasiones se aleja de
este comportamiento oscilatorio de un
modo aparentemente imprevisible.
En torno a los sistemas caticos
surgieron nuevas tcnicas para ana-
lizar cmo cambia una magnitud con
el tiempo. Una tcnica muy conocida,
3500
3000
2500
2000
1500
1000
500
500 1000 1500 2000 2500
2 INVESTIGACIN Y CIENCIA, abril, 2006
Juan M.R. Parrondo
Caos, recurrencia y consonancia musical
desarrollada por Jean 15
Pierre Eckmann, de la 10
Universidad de Ginebra,
es el diagrama de recu- 5
rrencia, que se aplica a 0
series de datos. La idea 5
es bastante simple. Si
tenemos una serie de 10
datos x1, x2, x3,..., xN, el 15
diagrama de recurrencia
consiste en una cuadr- 200 400 600 800 1000 1200 1400 1600 1800 2000 2200 2400 2600 2800 3000 3200 3400
cula con N N casillas 1. Evolucin de una de las variables del modelo de Lorenz.
en donde la luminosidad
de la casilla (i,j) es in-
versamente proporcional a la distan- te visual. Permite hacerse una idea
cia entre el punto xi y el xj. de cmo evoluciona la variable en
En la fi gura 2 podemos ver el cuestin. En la figura 3 (izquierda)
diagrama de recurrencia de una de hemos representado el diagrama de
las variables del modelo de Lorenz recurrencia de una seal perfecta-
y un detalle de dicho diagrama. La mente peridica, sen(t). En este caso
diagonal es siempre muy luminosa, los patrones son tambin peridicos,
puesto que muestra la distancia en- como cabra esperar. Es interesan-
tre puntos que son iguales (i = j), te comprobar cmo se modifica el
es decir, a una distancia nula. Las diagrama cuando aadimos ruido, es
zonas oscuras del diagrama corres- decir, una cierta cantidad aleatoria,
ponden a puntos muy distantes entre a la seal peridica original. El re-
s. La alternancia entre zonas claras sultado se muestra en la figura 3
y oscuras nos indica que la magnitud (derecha). El diagrama se ha difu-
oscila. Por otra parte, en el diagrama minado ligeramente y ha aparecido
no detectamos una periodicidad en- una textura en forma de malla, ms
tre zonas claras y oscuras a escalas visible en las zonas oscuras. Sin em-
grandes de tiempo, debido al carcter bargo, la estructura de la variable
catico del sistema. En el detalle se original se ha mantenido. Por lo tanto,
pueden observar unos patrones que el diagrama de recurrencia es til
no son repetitivos, resultado tambin para analizar variables aunque estn
de esa mezcla de regularidad y com- perturbadas por algn ruido.
plejidad caracterstica de algunos sis- En la figura 4 mostramos diagra-
temas caticos. mas de series de datos reales. El de
El diagrama de recurrencia es en la izquierda se ha obtenido con el
principio una herramienta meramen- nmero medio de manchas solares
por ao, desde 1700 hasta 1979 (280
datos). Se aprecia cierta periodici-
1900 dad de unos 11 aos, bien conocida.
1800
Pero, al igual que en el modelo de
1700
2. El diagrama de recurrencia de la varia-
1600 ble del modelo de Lorenz que se repre-
1500
senta en la gura 1. En la gura de la
izquierda se puede ver el diagrama comple-
1400
to (3500 puntos) y en el de la derecha un
1300 detalle en torno a la diagonal (del punto
1150 al 2000). Los nmeros de los ejes
1200
indican, como en las grcas siguientes, el
3000 3500 1200 1300 1400 1500 1600 1700 1800 1900 nmero de dato en la serie de datos.
Lorenz, esta periodicidad presenta se oscurece en la esquina superior elaborarlos. Los diagramas que he-
irregularidades considerables, lo que izquierda y en la inferior derecha. mos mostrado estn hechos con el
nos indica que detrs de la evolucin Por una razn: los puntos alejados programa gratuito Visual Recurrence
de las manchas se puede esconder en el tiempo estn tambin alejados Analysis (VRA) de Eugene Kononov,
una dinmica catica. Finalmente, el entre s, debido a que el Dow-Jones, que se puede descargar de Internet
diagrama de la derecha es el del a pesar de sus fluctuaciones, tiende y es muy fcil de utilizar. Si tienen
ndice burstil Dow-Jones semanal, a crecer en el tiempo. una serie de datos, cualquiera que
desde 1900 hasta 1996 (4977 datos). Los diagramas de recurrencia son sea su origen, les recomiendo que los
La textura es ms uniforme, como una herramienta muy popular en el analicen con el VRA. Es muy sencillo,
corresponde a sistemas muy aleato- anlisis de series temporales. Existen y quiz les ayude a entender mejor el
rios. Vemos tambin que el diagrama varios programas informticos para comportamiento de su serie (aunque
lo realmente difcil es interpretar los
1000 1000 diagramas).
900 900
Recientemente, Lluis Lligoa, del
Centro de Investigacin Puig Rod
800 800
de Gerona, junto con investigadores
700 700 italianos y norteamericanos, ha apli-
600 600 cado esta tcnica a un viejo problema
500 500
del que ya hemos hablado en esta
seccin: la consonancia musical (La
400 400
teora matemtica de la consonancia,
300 300
marzo de 2004). Para ello, ha gene-
200 200 rado un sonido mezcla de dos tonos
100 100 puros: uno de frecuencia fija y otro
que va ascendiendo de forma suave,
100 200 300 400 500 600 700 800 900 1000 100 200 300 400 500 600 700 800 900 1000 un glissando que barre todos los inter-
3. Diagramas de recurrencia de una seal perfectamente peridica (izquierda) valos, desde el unsono (misma nota)
y de la misma seal perturbada por un ruido (derecha). con el primero hasta la octava.
En la figura 5 se pueden ver al-
gunos de los resultados de Lligoa,
4800
250 aparecidos en el Electronic Journal of
Theoretical Physics. Son dos detalles
4700
del diagrama de recurrencia. El de
200

4600
la izquierda corresponde a una zona
en donde el intervalo es consonante,
150
4500
2000 puntos en torno a la quinta justa,
intervalo en donde las frecuencias es-
100 4400
tn en una relacin 3:2, mientras que
el de la derecha est centrado alrede-
4300
dor de la quinta disminuida, un inter-
50
valo disonante de frecuencias 64:45.
4200
En la figura se aprecia fcilmente que
50 100 150 200 250 4200 4300 4400 4500 4600 4700 4800
la disonancia musical produce tambin
4. Diagramas de recurrencia de la intensidad de las manchas solares (izquierda) una disonancia visual. Lligoa y sus
y del ndice Dow-Jones (derecha).
colaboradores han estudiado de forma
cuantitativa algunas caractersticas del
diagrama, como la densidad de pun-
tos claros, y las han relacionado con
la consonancia de los intervalos. Se
consigue as una explicacin de la
consonancia muy diferente de la acep-
tada hasta la fecha, debida a Plomp
y Levelt (vase Juegos de marzo de
2004) y que no es aplicable a tonos
puros. No obstante, la teora de Plomp
y Levelt ha explicado fenmenos ms
complicados, como la dependencia de
la consonancia con el timbre. Quiz
los diagramas de recurrencia, apli-
cados a sonidos con timbre en lugar
5. El diagrama de recurrencia para un intervalo consonante (izquierda) y uno disonante de a tonos puros, arrojen nueva luz
(derecha). sobre esta cuestin.

INVESTIGACIN Y CIENCIA, abril, 2006 3

 MATEMATI
UEG()S J u a nM . RP. a r r o n d o

E le s p a c i o - t i e m p o
/\uando en fsicase diceque mallaformada por lneasparalelas losejesqueutilicemos. Pero,para
I - el espacio-tiempo tienecuatro a los ejesy separadas entres por qu necesitamos diferentes ejes?
V dimensiones, queremos decir unaunidad de longitud, porejemplo Nobastacon los habituales ejes
simplemente que,paraubicarun su- un centmetro. Estamalladefinelas perpendiculares?
ceso,bastacondarcuatronmeros: coordenadas de cadapunto. Lasdel Utilizardistintosejessirvepara
lastrescoordenadas delpuntoespacial puntorojode la figuraizquierda son entendercmodos observadores
dondeel sucesoocurrey el instante (4 cm,3 cm).Dela misma forma,se pueden verla mismarealidad dedis-
detiempo enelqueocurre. Lapalabra oueden encontrar lascoordenadas de tintaforma.Lo podemos comprobar
"puntodel espacio{iempo" tieneun todoslospuntos dela malla, y enge- conunejemplo sencillo,endondeel
significado bastante rampln: no es neral,utilizando nmeros decimales,espacio tieneslounadimensin y,
msqueun lugary unafecha. de cualquier puntodelplano. por tanto,el espacio-tiempo es bi-
Porquentonces tantomisterio Existenotrasformasde asignar dimensional. Supongamos que dos
en tornoal espacio{iempo y sus coordenadas que no son tan habi- observadores sincronizan susrelojes
cuatrodimensiones? Desplegar el tuales.En la figura1 (derecha) se en un determinado instante y lugar,
tiempo sobreunadimensin significa muestra unejemplo enelquelosejes esdecir, enundeterminado puntodel
dotarlo deunacierta"espacialidad" y nosonperpendiculares. Sinembargo,espacio-tiempo. Losdosobservado-
poneren un mismonivellosaconte- se puede tambin dibujarunamalla rescolocan su origende posiciones
cimientos pasados, presentes y futu- mediante lneasparalelas a losmis- y detiempos enestepunto, queten-
ros.Estotieneunindudable atractivo.mosy asignar coordenadas deforma dr coordenadas (0,0)paraambos.
Peroel espacio-tiempo ha adquirido similar a nuestro primer ejemplo. En Supongamos ahoraque el primero
de losobservadores, O, permanece
quietoy el segundo, 0, se mueve
a unavelocidad v. Si el primero de
ellosasigna unascoordenadas (x,f)a
unpuntodelespacio-tiempo, cules
sonlascoordenadas (.t',f)queasig-
narel segundo a esemismo punto?
La resouesta msintuitiva coincide
conel anlisis de Galileo. Enorimer
lugar,el tiempoes universal: losdos
observadores datarn un eventocon
la mismacoordenada temooral. En
otraspalabras, hoyes5 demayotan-
to parausted,queestsentado ensu
plano. punlo = casaleyendo, comoparam,aunque
1. Coordenadas enel Elnisno r0j0ltienecoordenadas
lcrculo x 4,
estviajando en un trena 100kil-
y = 3, conrespecto a losejesperpendiculares dela izquierda,y coordenadas
r'= 2, metrospor hora.Matemticamente:
y' = 3, conrespectoa losejesoblicuos dela derecha. f = f. A la coordenada espacial no le
ocurrelo mismo,Puestoque O se
unasignificacin muchomspoten- estecaso,el puntorojo(quees el muevea velocidad v, veralejarse
te e inesperada gracias a la teora mismo queenel dibujo dela izquier- el origen, queya no tendrcoorde-
de la relatividad, al demostrar que da)tienecoordenadas (2 cm,3 cm). nadaespacial cero.La coordenada
ambostiposde "coordenadas", las El puntoes el mismoen losdosdi- espacial paraO' es x'= x-vt. En
espaciales y la temporal, no sonin- bujos; sinembargo, suscoordenadasefecto, si la velocidad v es positiva,
dependientes entres, sinoquese sondistintas porque hemos cambiado el observador 0 se mover haciala
entremezclan deformasorprendentelosejes.Estecambio esparecido a lo derecha y vercmoel origenx = 0
y contraria a la intuicin. quele ocurrea unamagnitud cuan- se alejade l haciala izquierda, de
Antesdeadentrarnos enlosmiste- do se expresa endistintas unidades:modoque le asignar unacoorde-
riosdelespacio-tiempo, conviene que 10 centmetros y 0,1 metrossonla nadaespacialnegativa* = -vt. la
recordemos lasdiferentes formasde mismadistancia, aunquesu expre- transformacin de Galileo:
asignar coordenadas a lospuntos de sinnumrica deoende obviamente x'=x-vt t'=t
un plano.La formamshabitual es de las unidades. Conun ountodel indicacmose relacionan las coor-
trazardosejesperpendiculares, como espacio pasalo mismo: puedetener denadasque el observador O y el
en la figura1 (izquierda). A partirde expresiones numricas diferentes,es observador O'asignan al mismopun-
estosdosejesse puededibujar una decir,coordenadas diferentes,segn to delespacio-tiempo, Quaspecto

88 v Clucta,
lruvrsrencrru 2006
mayo,
 despacio quela luz.Estalimitacin
se representa grficamente en la fi-
gura3. Elpunto amarillo enelcentro
deldibujo slopuedeinfluir sobreel
tringuloverdeen el espacio-tiempo
y slopuede serinfluido porsucesos
ocurridos eneltringulo rojo. Sonen
realidad,y respectivamente, elfuturo
y el pasadodel puntoamarillo, si
entendemos porpasado aquello que
p aproau n o b s e r v a deonrr e p o sy0 0 t r 0q u e
2 . E j e sd e c o o r d e n a deanse l e s p a c i o - t i e m podemos recordar o quenospuede
mueve haciala derecha segnGalileo (izquierdal y segnEinstein lderechal. y porfuturo
influir aquello en lo que
antenemos la oosibilidad de inter-
tiene la transformacin de Galileo? rentzson aproximadamente iguales venir.Estostringulos decausalidad
Cmoson los ejescoordenados de a las de Galileo. Sin embargo, hay no deoenden delobservador. Porlo
O y de O' en el espacio-tiempo? La dosgrandes diferencias entreambas. tanto,entendidos de estaforma,el
respuesta se muestraen la figura2 En primer lugar, el denominador en pasadoy futurode cualquier punto
(izquierda), paraun observador O'que lastransformaciones deLorentz hace delespaciotiempo sonabsolutos. Por
se muevecon respectoa O a una quetantoel espacio comoel tiempo ejemplo, el orden temporal delpunto
velocidad de 213metrospor segun- se"contraigan" paraO':lasdistanciasrojoclaroy delverdeen la figura2
do haciala derecha. Comose ouede sernmscortasy losobjetos ms (derecha) es diferente paraO y para
apreciar, losejesespaciales de ambos pequeos enladireccin desu movi- O', comoya hemosvisto.Sin em-
observadores coinciden. mientras oue miento. Lasegunda y msimportantebargo,el puntorojono es futuroni
el eje temporalde O' est inclinado diferencia es que el tiempoya no pasado delverde,y viceversa.
con respecto al de O. No he dibujado es universal, sinoquela coordenada
el mallado completo, comoen la figu- temporal se mezclaconla espacial
ra 1, sinoslolas lneascercanas a a travsdel trminovx/. En con-
losejes,parano complicar demasiado secuencia, losejesespaciales delos
la figura.El puntorojotienecoorde- dos observadores ya no coinciden,
n a d a sx = 5 , l = 3 , p a r aO , y x ' = 3 , comose ve en la grfica de la dere-
f' = 3, para O', de acuerdocon las chade la figura2. El tiempo dejade
transformaciones de Galileo. serabsoluto. Porejemplo, paraO'los
Observenque los segundosdel puntos queestnsobreel ejex'son
eje temporalf' tienen una mayor simultneos, es decir,a todosellos
longitudque los de f. As debe ser O les asignala mismacoordenada
si queremosreproducir grficamen- temporal f'= 0. Sinembargo, paraO
te las transformaciones de Galileo. esosmismos puntostienendistinta 3. Pasado y futuro segnla teoradela
A primera vista es tambincurioso coordenada temporal, creciente se- relatividad.
que losejesespaciales de O y de O' gnnosmovemos a lo largodeleje
coincidan y los ejestemporales difie- haciala derecha. Enpocaspalabras, Con ellola teorade la relatividad
ran,mientras que ocurrelo contrario la simultaneidad es relativa. Incluso recupera todasu coherencia. Sinem-
con las coordenadas. Reflexionandoel ordentemporal es relativo: paraO bargo,hayalgoen el espacio-tiempo
un poco,el lectorpuedecomprobar el crculorojoclarode la figuraes einsteiniano que siguesiendoenig-
que los ejes espaciales tienenque posterior al verde, mientras quepara mtico,especialmente cuandouno
coincidirpara que f = f'. De hecho, O' es anterior en el tiemoo. considerasucesosaleatorios. Nos
el eje temporalde O' est definido Estarelatividad delordentemooral pareceque la tiradade un dado
por los puntoscon x' = 0, es decir, plantea enseguida un problema adi- establece de formantidaun "antes"
por la propiatrayecioria de O'. cional: ocurre si en un punto A y un "despus", un universoantes
qu
Qu ocurreen la teoriade la delespacio-tiempo ocurrealgoque de la tiraday un universodespusde
relatividad? Einsteindescubri oue es causade un evento en un ounto la tirada,inclusoaunquepuntosde
las transformaciones de Galileode- B? Vera entonces O'elefecto antes ese universono ouedanverse en
banser sustituidas oor las llamadas de la causa? Unode losprincipiosabsolutoinfluidosoor el resultado
transformaciones de Lorentz: bsicos de la teorade la relatividadde la tirada.Sin embargo,un ob-
impideestetipode paradoja: nada servadorouedeconsiderar la tirada
x- vt t-vxlc2
,_- - - -
+ puedeviajara unavelocidad mayor anteriora ciertoevento,mientras que
1- ( v l c ) 2 111-(vlc), queladela luz,nicuerpos materialesotroobservador la puedeconsiderar
ni informacin. Porlo tanto,lo que oosterior. La inclusin del azaren el
en dondec es la velocidad de la ocurreen A puedeser causade lo espacio-tiempo einsteiniano parece
luz. Si la velocidaddel observador queocurreen B slosi estosdos problemtica, a pesarde no producir
O', y, es muy pequeacomparada puntosdel espacio tiempopueden paradojas de causalidad. A estetema
con la velocidadde la luz, es fcil "comunicarse" entres a travs deun dedicaremos probablemente alguna
ver que las transformaciones de Lo- rayode luzo de algoqueviajems reflexin en el futuro.

YCrENctA,
lruvsilenclru 2006
mayo, 89
J UEGOS MATEMTICOS
E
l mes pasado discutimos la
sorprendente estructura del
espaciotiempo segn la
teora especial de la relatividad.
Tiempo y espacio se mezclan cuando
tratamos de relacionar cmo ven el
mundo observadores que viajan a
distinta velocidad. Supongamos dos
observadores, O en reposo y O
movindose a una velocidad v, que
colocan su origen de posiciones y
de tiempos en un mismo punto. Si
O asigna unas coordenadas (x,t)
a un punto del espaciotiempo, las
coordenadas (x,t) que asignar O
son obviamente distintas. En la vieja
mecnica de Galileo y Newton, la
relacin entre ambas coordenadas
es:
x = x vt t = t
mientras que, en la teora de la rela-
tividad especial, las coordenadas de
los dos observadores se relacionan
a travs de las llamadas transforma-
ciones de Lorentz:
x vt
x =
1 (v /c)2
en donde c es la velocidad de la
luz.
Vamos a analizar algunas de las
propiedades sorprendentes de las
transformaciones de Lorentz. En
los dos diagramas de la fi gura 1
representamos varios puntos del
espaciotiempo, tal y como los ven
300
TIEMPO (EN SEGUNDOS)
200
100
0 0
100
0 50
ESPACIO (EN MILLONES DE KM)
2 INVESTIGACIN Y CIENCIA, junio, 2006
Espaciotiempo y azar
O (izquierda), en reposo, y O (de-
recha), que viaja hacia la derecha a
una velocidad de 90.000 kilmetros
por segundo (0,3 veces la velocidad
de la luz). He escogido las distan-
cias de modo que los eventos estn
localizados en la Tierra (punto ver-
de), Venus (puntos azules), Mercurio
(puntos rojos) y el Sol (punto amari-
llo). Recordemos que las dos figuras
representan los mismos puntos, pero
localizados y datados por O y por
O. He dibujado tambin las trayec-
torias de O (en azul) y de O (en
rojo) y los llamados conos de luz
de algunos eventos, en concreto de
los dos eventos en Mercurio y del
segundo en Venus. Los conos son las
dos lneas que parten de cada punto
del espaciotiempo y representan la
trayectoria de dos rayos de luz emiti-
dos desde dicho punto. Estos conos
tienen una propiedad fundamental:
su forma no vara de un observador
a otro. Siempre presentan el mismo
ngulo debido a que en las trans-
formaciones de Lorentz la velocidad
de la luz es la misma para todos los
t vx /c 2 observadores. Es una propiedad fcil
t=
1 (v /c)2 de demostrar para el caso particular
del cono de luz x = ct.
Observemos la serie de eventos
que se encuentran a tiempo 0 para
O, es decir, los cuatro puntos que
estn en el eje horizontal de la figura
1 (izquierda). Estos puntos son simul-
tneos para O, ya que les asigna la
misma coordenada temporal, t = 0.
Por ello, el eje horizontal se deno-
mina la lnea ahora para O en el
300
TIEMPO (EN SEGUNDOS)
200
100
100
100 150 0 50 100
ESPACIO (EN MILLONES DE KM)
Juan M.R. Parrondo
momento en que se encuentra sobre
el punto verde de la figura. Sin em-
bargo, estos cuatro puntos no son
simultneos para O, quien, por ejem-
plo, data el evento amarillo unos dos
minutos y medio antes que el evento
verde. La lnea ahora de O es para
O una lnea inclinada hacia abajo.
A su vez, la lnea ahora de O es
horizontal en la figura de la derecha,
pero sera oblicua, inclinada hacia
arriba, en la figura de la izquierda, es
decir, en las coordenadas de O. Por
supuesto, todas estas lneas ahora
suben paulatinamente, a medida que
el tiempo avanza para cada uno de
los observadores, aunque conservan-
do su inclinacin.
La simultaneidad es relativa. Pri-
mer hallazgo de Einstein. Pero inclu-
so el orden temporal es relativo. El
evento azul superior en Venus ocurre
para O en un tiempo t = 100, unos
veinte segundos antes que el even-
to naranja que ocurre en Mercurio.
Sin embargo, para O, el segundo de
estos dos eventos, es decir, el de
Mercurio, es unos veinte segundos
anterior al de Venus. Como vimos el
mes pasado, esta relatividad del or-
den temporal de eventos no da lugar
a paradojas causales. Si hay ambi-
gedad en el orden temporal de dos
eventos, uno no puede influir sobre
el otro. La ambigedad slo ocurre
entre puntos del espaciotiempo que
no se pueden comunicar entre s, o
que podran comunicarse slo me-
diante seales ms rpidas que la
luz, lo cual es imposible en el marco
de la relatividad especial.
Cuando se consideran eventos
aleatorios, como la tirada de un dado,
siguen sin darse paradojas causa-
les, pero la relatividad del tiempo
produce una sensacin inquietante.
1. Varios eventos en el espaciotiempo tal
y cmo los ven dos observadores con dis-
tintas velocidades. Las trayectorias de los
dos observadores se muestran como lneas
discontinuas en rojo y azul partiendo del
150 origen. Tambin se muestran los conos de
luz de algunos de los eventos.
Hay una definicin de pasado y fu-
turo puramente causal: pasado es
todo aquello que puede influirme y
futuro es todo aquello sobre lo que
puedo influir. Pero creo que el azar
establece una diferencia ms fuerte
entre pasado y futuro. Supongamos
que tiro un dado a las 12:00 del da
15 de junio y el resultado es un 6.
Tenemos la sensacin de que, con
la tirada, ha habido algo parecido a
una creacin. Antes de la tirada el de causalidad, parece contradecir la
resultado era completamente incierto,
no exista. La diferencia entre antes
y despus de las 12:00 del 15 de
junio no estriba slo en los posibles
efectos del resultado de la tirada. El
resultado, 6, no estaba escrito en
ningn sitio. Se escribe, comienza a la teora de la relatividad especial.
existir, cuando realizamos la tirada.
En el espaciotiempo newtoniano el
azar tiene fcil cabida. El universo
avanza como un todo a lo largo del
tiempo. Podemos representar este
avance tapando con una hoja de
papel el diagrama de espaciotiem-
po y movindola hacia arriba. Los
puntos tapados son puntos que an
no han ocurrido y los descubiertos
son los que ya han ocurrido. As fluye
el tiempo newtoniano.
Se puede trasladar la nocin ha figura vemos mi lnea ahora y la
ocurrido al espaciotiempo einsteinia-
no? Volviendo a la figura 1, suponga-
mos que alguien lanza un dado en
Mercurio en t = 0 (punto inferior azul
de la figura) y enva el resultado me-
diante un rayo de luz hacia la Tierra.
El observador O recibe la informacin
en el punto en donde se cortan su
trayectoria (la lnea azul punteada)
y el cono de luz que parte de Mer-
curio. Hace sus clculos y concluye
que la tirada ocurri justo cuando l
estaba en el punto verde. A pesar de
que O recibe la informacin en t =
300 segundos, slo puede recibirla
si esta informacin se ha producido
con anterioridad. Sin embargo, O,
quien tambin recibe el resultado,
realiza el mismo tipo de argumento
concluyendo que la tirada ocurri en
t = 100 segundos. Que las datacio-
nes de los dos observadores difieran
no tiene nada de raro a estas alturas.
Al fin y al cabo, t y t son maneras
de datar el mismo evento por parte
de cada observador.
La cuestin se puede complicar un
poco ms. Supongamos dos tiradas
de dado genuinamente aleatorias,
que ocurren, respectivamente, en dos
INVESTIGACIN Y CIENCIA, junio, 2006
puntos A y B cuyo orden temporal
es ambiguo. Para un observador O,
la tirada A ocurre antes que la tirada
B, mientras que para O la B es an-
terior a la A. Es decir, O piensa que
ha habido un universo en donde el
resultado de A exista y el resultado
de B no exista an; mientras que O
pensar lo contrario. A pesar de que
esta relatividad de lo que ha ocurri-
do no conduce a ninguna paradoja
sensacin de que la historia del uni-
verso, en lo que se refiere a eventos
aleatorios, se escribe. En realidad
este se escribe presupone ya la
nocin de que existe un universo en
un momento dado, lo cual contradice
No hay nada parecido a el universo
en tal o cual momento. Cualquier
punto del espaciotiempo est en la
lnea ahora de algn observador
suficientemente alejado.
En la figura 2 podemos ver esta
situacin de forma ms explcita. La
lnea vertical es mi historia, mi si-
tuacin a lo largo del espacio tiem-
po. Muy alejado se encuentra otro
observador, O, que viaja hacia m
a una velocidad considerable. En la
hacen, en media, las galaxias que
lnea ahora de O, que cruza mi
historia, digamos, diez aos ms tar-
de que mi ahora. Resulta entonces
que, en mi ahora, O est pensando
que los diez aos siguientes de mi
vida han ocurrido ya. La informacin
de lo ocurrido en esos diez aos le
llegar mucho ms tarde a O, pero,
cuando le llegue, concluir que esos
diez aos ya haban ocurrido cuando
l estaba en mi ahora. Es decir,
mis diez aos siguientes estn en
cierto modo presentes en mi ahora
a travs de O.
A diferencia del newtoniano, el
espaciotiempo relativista parece im-
plicar que todo est escrito. Como
deca Popper, el espaciotiempo
einsteiniano se parece bastante a
la cosmovisin de Parmnides, para
quien el tiempo era una ilusin. La
cosmovisin opuesta, el todo fluye
de Herclito, que podramos inter-
pretar como el futuro est por es-
cribir, tiene una dudosa cabida en
la relatividad especial, puesto que ni
siquiera est claro qu entendemos
por futuro.
El filsofo Nuel Belnap desarroll
en un conocido artculo de 1992 una
interesante teora formal de ramifica-
ciones en el espaciotiempo, pero sin
aludir a ninguna clase de escritura
paulatina de la historia del univer-
so. En su teora, los resultados de
eventos aleatorios estn ya escritos
sobre el espaciotiempo ramificado.
Curiosamente, la cosmologa re-
lativista s permite incluir la nocin
de un tiempo que fluye. Uno de
sus puntos de partida, el llamado
principio cosmolgico, establece la
existencia de ciertos observadores
privilegiados, los llamados observa-
dores fundamentales. Son observa-
dores que se mueven igual que lo
YO O
LA LIN
EA A
HORA
DE O
MI LINEA AHORA
2. En mi ahora, O piensa que los prxi-
mos diez aos mi vida ya han ocurrido.
estn a su alrededor y definen una
lnea de tiempo comn a todos ellos,
el tiempo csmico, y tambin una
espacio ahora comn. Por ejemplo,
todos los puntos del espaciotiempo
en los que la temperatura de la ra-
diacin de fondo es la misma defi-
niran un espacio de simultaneidad
universal. Sera entonces posible con-
siderar que la historia del universo
se est escribiendo, al igual que en
el espaciotiempo newtoniano, como
una sucesin de estas simultaneida-
des y existiran observadores (que
no seran fundamentales) para los
cuales su lnea de ahora tendra
puntos que an no se han escrito,
que an no han ocurrido.
En cualquier caso, creo que la
nocin ha ocurrido es puramente
filosfica. Quiero decir con ello que
lo ms probable es que no tenga
consecuencias observables. Aun as,
profundizar en las relaciones entre el
espaciotiempo y el azar s puede ser
til para una de las tareas pendien-
tes de la fsica actual: conciliar la
relatividad especial y general con la
mecnica cuntica, en la que el azar
desempea un papel fundamental.
3
J UEGOS MATEMTICOS
Otras formas de contar
E
l reciente censo invernal de aves acuticas ha
contabilizado en Doana 164.131 ejemplares.
El nmero de ballenas jorobadas en Baja
California es aproximadamente 1450. No se han
preguntado nunca cmo se obtienen estos nmeros?
Hay alguien que cuenta pacientemente todas las aves
o ballenas que pasan delante de sus narices? Y si es
as, cmo se las apaa para no contar dos veces el
mismo animal?
La primera operacin matemtica que aprendemos
es la de contar y cualquiera sabe hacerlo hoy en da.
Sin embargo, lo que no todo el mundo sabe es que
hay maneras ms inteligentes de contar que la mera
enumeracin de objetos o individuos.
Para realizar censos de animales, se conoce desde el
siglo XIX una tcnica bastante ingeniosa: el mtodo de
captura-recaptura. Supongamos que queremos saber el
nmero de peces de un estanque. Pescamos un cierto
nmero de ellos, digamos 100 (cuanto ms alto, mejor).
Marcamos estos peces capturados de alguna forma y los
soltamos de nuevo en el estanque. Esperamos un tiempo
suficientemente largo para que los peces marcados se
mezclen con el resto por ejemplo, una semana, y
volvemos a capturar 100 peces. De ellos, algunos es-
tarn marcados, por ser peces recapturados, y otros
no. La proporcin de peces recapturados nos indicar
la poblacin total en el estanque. En efecto, si hay en
total N peces y he marcado 100, la probabilidad de
pescar en la segunda captura un pez marcado ser
100/N. Por lo tanto, el nmero medio o esperado de
peces recapturados es 100 100/N. Si n es el nmero
En la primera captura (lnea roja) hemos obtenido 6 peces.
En la segunda (lnea azul) hemos obtenido 9, de los cuales hay
3 marcados. La estimacin del nmero total de peces es
6 9/3 = 18, ligeramente inferior al valor real, 19.
2 INVESTIGACIN Y CIENCIA, julio, 2006
Juan M.R. Parrondo
de peces que realmente hemos recapturado, una buena
estimacin de la poblacin total es:
100 100
N=
n
Es decir, si recapturo 20 peces, lo ms probable es
que la poblacin total sea de unos 500. En general, si
en la primera captura pesco n1 peces y en la segunda
n2, de los cuales n12 resultan estar marcados, entonces
la mejor estimacin de la poblacin total de peces es:
n1 n2
N=
n12
En la figura 1 podemos ver una representacin es-
quemtica del proceso.
Esta es la versin ms simple del mtodo de captura-
recaptura. Tal y como lo hemos formulado, son necesarias
varias condiciones para que la estimacin sea vlida. En
primer lugar, no slo el nmero de peces debe perma-
necer constante entre las dos capturas (si no fuera as,
no tendra sentido calcular dicho nmero), sino que no
puede haber muertes o nacimientos de peces. Si los
hubiera, la fraccin de peces marcados en la segunda
captura sera menor que esa misma fraccin en el mo-
mento de soltarlos al estanque, es decir, inmediatamen-
te despus de la primera captura, puesto que algunos
habrn podido morir entre las dos capturas. Ocurrira
lo mismo si los peces pudieran abandonar el lugar de
estudio, por ejemplo si fuera un ro en lugar de un estan-
que. La segunda suposicin es que las capturas tienen
que ser completamente aleatorias. Esta aleatoriedad es
en ocasiones difcil de conseguir, especialmente en la
segunda captura, porque los peces marcados pueden
haber aprendido a evitar las redes. En general, hay
que asegurarse de que los animales marcados no tienen
mayor o menor tendencia a ser recapturados que sus
congneres no marcados.
Los mtodos ms avanzados de captura-recaptura son
bastante ms complejos de lo que hemos descrito aqu y
tienen en cuenta la posibilidad de muertes y nacimientos
o de migraciones. Se basan no slo en dos capturas,
sino en un nmero arbitrario de ellas, despus de las
cuales los animales vuelven a soltarse, que conforman
una historia para cada animal capturado. Estas historias
suelen denotarse mediante cadenas de ceros y unos:
un uno significa que el animal ha sido capturado y un
cero significa que no lo ha sido. Por ejemplo, si se han
realizado cinco capturas, la historia 01100 indica que el
animal ha sido capturado en la segunda y tercera de ellas
y se ha escapado en el resto, es decir, en la primera,
cuarta y quinta. Cada animal tiene una historia. Incluso
se puede asociar la historia 00000 a los animales que
no han sido cazados en ninguna de las cinco capturas,
aunque, a diferencia del resto de historias, no sabemos
el nmero de animales con historia 00000. De hecho,
este nmero es normalmente la incgnita que quere-
mos conocer y se suele estimar a partir del nmero
de animales con historias que contienen al menos un
uno, dato que s conocemos perfectamente de nuestro
registro de capturas.
El caso ms sencillo es el de dos capturas, sin con-
siderar muertes o migraciones, situacin a la que se
denomina sistema cerrado. Las cuatro posibles historias
se muestran en la siguiente tabla:
HISTORIA
NUMERO
PROBABILIDAD
NUMERO ESPERADO
DE ANIMALES DE ANIMALES
11 x11 pp Npp
01 x01 (1 p) p N (1 p) p
10 x10 p (1 p) N p (1 p)
00 x00 (1 p) (1 p) N (1 p) (1 p)
En la tabla se indican el nmero de animales con
cada historia y la probabilidad de que un animal haya
sido capturado de acuerdo con dicha historia. En el
modelo ms simple, en el que no hay muertes, naci-
mientos ni movimientos de poblacin, la probabilidad de
ser capturado en cada ocasin es p = n/N, siendo N el
nmero total de animales y n el nmero de animales
capturados, que aqu hemos supuesto, por simplicidad,
el mismo para todas las capturas. La probabilidad de
cada historia se obtiene multiplicando la probabilidad
de ser capturado o no en cada una de las capturas.
Finalmente, la cuarta columna es simplemente N por la
probabilidad y nos indica el valor esperado de animales
en cada historia. A partir de los valores esperados y de
los valores reales, puede estimarse el parmetro p y la
poblacin total N utilizando mtodos estadsticos, como
el llamado de mxima verosimilitud. Cuando hay slo
dos capturas, el resultado es el que hemos obtenido
en el ejemplo de los peces.
El problema se complica si consideramos tres capturas
y an ms si el ecosistema que estamos estudian-
do es abierto, es decir, si admitimos la posibilidad de
muertes o migraciones. En este ltimo caso, se suele
suponer que el nmero total de animales se mantiene
constante, al menos de forma aproximada, gracias a
nacimientos o inmigraciones que compensan las pr-
didas. Sin embargo, estas compensaciones, como ya
hemos mencionado, hacen que las probabilidades de
cada historia cambien. En la tabla de la derecha se
pueden ver estas probabilidades. En ellas aparece un
nuevo parmetro, v, que es la probabilidad de seguir
vivo entre captura y captura.
Aunque estas probabilidades son bastante ms com-
plejas que las anteriores, el lector con algunos conoci-
mientos de probabilidad podr derivar cada una de las
entradas de la tabla sin excesiva dificultad. Al igual que
en el caso anterior, varios mtodos estadsticos permi-
ten encontrar los parmetros p, v o ambos que mejor
ajusten los datos de la tabla. Con ello se obtiene una
informacin valiosa acerca del nmero de animales y de
su probabilidad de supervivencia en un perodo dado.
Hay modelos an ms complicados que ste y que
INVESTIGACIN Y CIENCIA, julio, 2006
permiten obtener otras caractersticas, como el nmero
de animales en celo, su duracin, los periodos de anida-
cin, etc. Incluso circulan en Internet varios programas
gratuitos, como SURGE o MARK, que realizan estas
estimaciones de modo automtico, si previamente se
elige el modelo a utilizar.
La investigacin matemtica sobre el mtodo de captu-
ra-recaptura contina. Por ejemplo, en un trabajo reciente,
Ricardo Garca-Pelayo, de la Universidad Politcnica de
Madrid, proporciona un mtodo para dar no slo una
buena estimacin de la poblacin total, sino tambin
el intervalo de error del resultado. De hecho, gracias a
este artculo es como he tenido conocimiento de este
tema.
El mtodo de captura-recaptura se ha aplicado tam-
bin a los seres humanos. Uno de los pioneros de este
mtodo fue Laplace, quien lo utiliz para estimar la
poblacin de Francia a principios del XIX. Pero, en el
caso de los humanos, cmo se realizan las capturas?
Basta cualquier listado de una muestra de los individuos
que se quieren contar, siempre que la muestra sea
suficientemente aleatoria. Por ejemplo, Antonia Domingo
Salvany y su grupo, de la Universidad Autnoma de
Barcelona, han estimado el nmero de heroinmanos en
Barcelona utilizando estos mtodos. Las tres capturas
consistieron en las listas de ingresos en urgencias, de
solicitud de tratamiento de desintoxicacin y de muerte
por sobredosis, respectivamente. Segn apareciera o
no en cada una de estas tres listas, los investigadores
asociaron a cada individuo una historia, tal y como hemos
hecho en los ejemplos anteriores. Con estos datos, han
obtenido finalmente la poblacin total de toxicmanos,
estuvieran o no registrados en alguna de las tres listas.
En epidemiologa la captura-recaptura es tambin un
mtodo muy utilizado para elaborar censos de distintas
enfermedades.
HISTORIA
PROBABILIDAD PROBABILIDAD
(ECOSISTEMA CERRADO) (ECOSISTEMA ABIERTO)
111 ppp p p p
110 p p (1 p) p p [(1 p) + (1 )]
101 p (1 p) p p (1 p) p
100 p (1 p) (1 p) p [(1 p) (1 p) + (1 p)(1 )+(1 )]
011 (1 p) p p (1 p) p p
010 (1 p) p (1 p) (1 p) p [(1 p) + (1 )]
001 (1 p) (1 p) p (1 p) (1 p) p
000 (1 p) (1 p) (1 p) (1 p) [(1 p) (1 p) + (1 p)(1 )+(1 )]
En cualquier caso, el mtodo est tambin sujeto a
ciertas crticas. Las hiptesis en que se basa son en
ocasiones demasiado restrictivas y, aun cumplindose,
el error de la estimacin final puede ser excesivo. Por
otro lado, hay especies y ecosistemas en los que re-
sultan mejores otras formas de contar. Por ejemplo,
cuando hay pocos individuos y se encuentran dispersos,
es mejor realizar el recuento por pura inspeccin en
las distintas zonas en donde habitan los animales. La
Sociedad Espaola de Ornitologa organiza cada ao
este tipo de censos para ciertas especies de aves en
peligro de extincin con la colaboracin de voluntarios
de todo el pas.
3
J UEGOS MATEMTICOS Juan M.R. Parrondo

Ganancia segura

C
omo supuesto experto en probabilidad y juegos
de azar, una de las preguntas que ms veces
me han hecho en los ltimos aos es si conozco
algn mtodo para ganar en un casino o en la bolsa.
La respuesta, invariablemente, es negativa. Sin embargo,
esta vez tengo buenas noticias. Voy a revelarles por fin
un mtodo con el que, en principio, se puede ganar con
absoluta certeza en ciertas apuestas deportivas que ahora
abundan en Internet. No hay trampa ni cartn. Pero no
se hagan excesivas ilusiones: el mtodo requiere ciertas
condiciones que son muy difciles de cumplir, debido a
las comisiones de las casas de apuestas.
La idea consiste en aprovechar las diferencias en el
pago que dos casas de apuestas distintas ofrecen por el
mismo resultado de un acontecimiento deportivo. En efecto,
estos pagos no son siempre iguales en todas las casas
e incluso pueden cambiar con el tiempo en una misma
casa, puesto que dependen de la cantidad apostada a
cada resultado por todos los participantes en la apuesta.
Los pagos se suelen indicar con un nmero mayor que
uno, la cuota, que es el dinero que se recibe por cada
euro apostado. Cada resultado tiene su propia cuota, que
ser en general ms alta cuanto ms improbable sea.
El mtodo de ganancia segura es simplsimo a pri-
mera vista. Supongamos que, rastreando por Internet,
encontramos una eliminatoria de un campeonato de
ftbol para la que dos casas de apuestas ofrecen las
siguientes cuotas:
Para A Para B
Casa de apuestas 1 2 2
Casa de apuestas 2 2,22 1,82
Podramos entonces apostar 1,10 euros a B en la casa
nmero 1, y 1 euro a A en la nmero 2. La apuesta total
sera de 2,10 euros. Si el resultado fuera A, recibira-
2,1
mos 1 2,22 = 2,22, ganando 12 cntimos de euro. Por
otro lado, si el resultado fuera B, entonces recibiramos
1,10 2 = 2,20, ganando 10 cntimos. Es decir, ganamos
sea cual sea el resultado.
Pero quiz hayamos pecado de optimistas. Es posible
encontrar en Internet las cuotas de la tabla anterior u
otras que permitan obtener un beneficio seguro? Para
responder a esta pregunta tenemos que conocer el modo
en que las casas de apuestas establecen sus cuotas.
Supongamos primero que la casa no se queda ninguna
comisin, sino que reparte entre los participantes todo el
dinero apostado. Consideraremos nicamente apuestas
con dos resultados posibles, A o B. Si se ha apostado
un total de A euros a favor de A y B euros a favor de B,
cuando el resultado final sea A los ganadores recibirn,
por cada euro apostado, una cantidad:
CA = A + B = 1
A a
que es precisamente la cuota de A. En esta frmula
hemos llamado a a la fraccin de apuestas en favor
de A, es decir, a la cantidad A/(A + B). Por otro lado,
la cuota de B ser:
CB = A + B = 1
B 1a
Como era de esperar, la cuota de un resultado es
mayor cuanto menor es la cantidad apostada a favor
de dicho resultado. Las cuotas de la tabla de nuestro
ejemplo se han calculado con estas frmulas, supo-
niendo que en la casa de apuestas 1 la mitad de las
apuestas han sido a favor de A y la otra mitad a favor
de B, es decir, a = 1/2, y que en la casa 2 la fraccin
de apuestas en favor de A es a = 0,55 y, en favor de
B, 0,45. Por tanto, nuestra apuesta segura es perfec-
tamente posible!
900

2,05 800

2 700
Ganancia de la casa

1,95 600 Si gana B

A
Cuotas

1,9 500

1,85 400

1,8 B 300 Si gana A

1,75 200

1,7 100

1,65 0
0 20 40 60 80 100 10 20 30 40 50 60 70 80 90 100
Total apuestas (100) Total apuestas (100)
Evolucin de las cuotas (izquierda) y de la ganancia de la casa de apuestas (derecha) en funcin de la cantidad total
apostada a lo largo del tiempo.

2 INVESTIGACIN Y CIENCIA, marzo, 2005

 No se precipiten. Si la casa de apuestas se queda
con una comisin o porcentaje c de todas las apuestas
realizadas, las cuotas bajan considerablemente. Ahora
sern:
(A + B)(1 c) 1 c (A + B)(1 c)
CA = = ; CB = = 1c
A a B 1a
Este mtodo de fijar las cuotas se enfrenta con un
problema prctico: el apostante quiere saber lo que va a
cobrar cuando apuesta y las casas garantizan el pago con
las cuotas vigentes en el momento de hacer la apuesta.
Para ello, actualizan las cuotas con las apuestas que
van recibiendo. Inicialmente las fijan de acuerdo con la
probabilidad que los expertos atribuyen a cada resulta-
do. Si A ocurre con una probabilidad P y B ocurre con
probabilidad 1 P, las cuotas iniciales sern:
CA = 1 c ; CB = 1 c ;
P 1P
que coinciden con las anteriores si los apostantes tienen
la misma percepcin acerca de estas probabilidades:
en ese caso apostarn a A con una probabilidad P,
con lo que a ser igual a P. Pero, obviamente, puede
haber fluctuaciones. He realizado una simulacin de las
apuestas que recibe una casa ante un acontecimiento
deportivo en el que los dos resultados tienen la misma
probabilidad inicial, P = 1/2. El resultado puede verse
en la figura 1. He supuesto que la casa actualiza las
cuotas cada vez que recibe un total de 100 euros de
apuestas, de los cuales una cantidad aleatoria, entre 40
y 60 euros, se inclina por A y el resto por B. La comisin
de la casa es del 7,5 %, similar a la que utilizan muchas
casas de Internet. En la grfica de la izquierda se puede
ver la evolucin de las cuotas, mientras que en la de
la derecha se representa la ganancia total de la casa
segn el resultado final del evento. Como vemos, las
cuotas varan apreciablemente, sobre todo al principio,
y la ganancia de la casa flucta pero es siempre posi-
tiva y tiende a lo esperado: la comisin sobre el total
de apuestas, es decir, 750 euros (el 7,5 % de 10.000),
aunque puede ser ligeramente inferior o superior, debido
a las fluctuaciones de las apuestas, que siempre se
recogen en las cuotas a posteriori.
Volvamos ahora a nuestro mtodo de ganancia se-
gura. Supongamos que las cuotas de la casa 1 son,
respectivamente, C1,A y C1,B, y las de la casa 2, C2,A
y C2,B. Si apostamos una cantidad p al resultado A en
la casa 1 y una cantidad q al resultado B en la casa
2, la ganancia neta ser
pC1,A (p + q) si sale el resultado A
qC2,B (p + q) si sale el resultado B
Para escribir la condicin de ganancia segura es mejor
utilizar la fraccin ganada en cada apuesta que la cuota,
es decir, 1 = C1,A 1 y 1 = C1,B 1 y (y lo mismo para en casas de apuestas locales de cada uno de los dos
la casa de apuestas 2). En este caso, las dos ganancias
sern positivas si.
p de las casas ofrecen apuestas de este tipo. No les
1 p > q >
2
Por lo tanto, basta que 1 > 1/2 o, equivalentemen-
te, que 1 2 sea mayor que uno, para poder hacer
una apuesta completamente segura. Pero tambin si
INVESTIGACIN Y CIENCIA, marzo, 2005
2 1 > 1 podemos hacer una apuesta segura, sin ms
que cambiar la casa 1 por la 2. Estas condiciones son
fciles de comprobar en una tabla como la de nuestro
anterior ejemplo. Basta restar uno a todas las cuotas
y multiplicar en cruz los valores. Si alguno de los pro-
ductos es mayor que uno, la apuesta segura es posible.
En la tabla del ejemplo, el producto 1 1,25 es mayor
que uno, lo que nos ha permitido disear una apuesta
de ganancia segura. Con un poco de lgebra y con las
frmulas anteriores, se puede demostrar que la apuesta
segura es posible siempre que:
a1 a2 > c o a2 a1 > c
en donde c es de nuevo el porcentaje de comisin (igual
para las dos casas) y a1 y a2 son las fracciones apos-
tadas en favor de A en la casa de apuestas 1 y 2, res-
pectivamente. Si la comisin es nula, estas condiciones
se verifican en cuanto haya la ms mnima diferencia
entre las apuestas realizadas en las dos casas. Cuando
existe una comisin, estas condiciones no se satisfacen
tan fcilmente. Para comprobarlo, podemos utilizar como
ejemplo las cuotas de la figura 1. Al igual que hablamos
de cuotas en distintas casas de apuestas, podemos
utilizar el mtodo con las cuotas de una misma casa
en distintos momentos. Con las cuotas de la figura 1,
s es posible realizar una apuesta de ganancia segura,
apostando justo en los dos momentos en donde las
dos curvas alcanzan su mximo. Sin embargo, en mi
simulacin, aproximadamente slo una de cada diez
veces he encontrado situaciones en donde el mtodo
de ganancia segura es aplicable y siempre gracias a
las grandes fluctuaciones iniciales.
Es aplicable el mtodo de ganancia segura en la
prctica? Mi experiencia hasta ahora ha sido bastante
desastrosa. No he sido capaz de encontrar ni una sola
apuesta en la que el mtodo sea aplicable. No slo
eso, sino que los productos cruzados suelen estar muy
por debajo de 1, a pesar de que las comisiones son
aparentemente bajas, en torno al 7,5 %, como en mi
simulacin. Sin embargo, mi bsqueda ha sido bastante
limitada, porque hay muy pocas apuestas con slo dos
resultados. Por ejemplo, la mayora de las apuestas sobre
partidos del mundial de ftbol se refieren slo a los pri-
meros 90 minutos de juego y ofrecen los tres resultados
clsicos 1-X-2. De hecho, en mi bsqueda de apuestas
con ganancia segura, slo he podido utilizar las de los
resultados de los partidos de tenis de Wimbledon.
Mi impresin es que, aunque improbable, cabe en-
contrar alguna posibilidad de ganancia segura. Pero
hay que buscar apuestas que se hayan iniciado hace
poco, de modo que las cuotas flucten suficientemente,
o tambin apuestas en donde haya un alto componen-
te emocional. Por ejemplo, ante un partido de ftbol
entre dos selecciones nacionales, uno debera buscar
pases involucrados. Finalmente, convendra extender el
mtodo a tres o ms resultados, puesto que la mayora
garantizo nada, pero, mejorando el mtodo y buscando
en Internet, quiz puedan encontrar un atisbo de cer-
tidumbre en el azaroso universo de las apuestas. Si lo
consiguen y se hacen millonarios, acurdense de quin
les dio la idea!
3
J UEGOS MATEMTICOS
Medir la desigualdad
L
a economa es una disciplina muy compleja. Aunque
algunos economistas mediticos se empeen en
convencernos de que es una ciencia exacta con
recetas indiscutibles (y la mayora de las veces tendentes
al neoliberalismo), lo cierto es que nadie dispone de
un modelo macroeconmico perfecto, ni suficientemente
contrastado. Algunos principios vlidos para una poca
o un pas pueden dejar de funcionar en otro contexto
en el que sean diferentes los modos de produccin, la
tcnica, los hbitos culturales y las motivaciones de la
poblacin. Tambin los mtodos de medicin de algunos
parmetros macroeconmicos, como el producto nacional
bruto, estn sujetos a constante revisin y mejora. Y,
aun disponiendo de datos precisos y modelos fiables,
cul debera ser el objetivo de la poltica econmica? decir, la suma de porcentajes correspondientes a tramos
Aumentar el producto nacional bruto, la cohesin
Nmero
de personas
Renta anual
1. Posible distribucin de la renta en un pas.
social, el bienestar? Si la primera de estas variables
es fcilmente cuantificable, cmo podemos medir las
dos ltimas?
Algunos economistas han dedicado sus esfuerzos a
encontrar parmetros que cuantifiquen aspectos econ-
micos de importancia social. Uno de ellos es la desigual-
dad econmica, en trminos de renta o en trminos de
patrimonio. El punto de partida en ambos casos es la
distribucin de renta o patrimonio, respectivamente, a lo
largo de la poblacin. En la figura 1 vemos una posible
distribucin de la renta anual en un pas. La desigualdad
econmica se podra cuantificar a travs de la anchura
de la curva. Se han propuesto muchas magnitudes que
miden esta anchura, como la diferencia entre el ms
rico y el ms pobre o la dispersin de las rentas. Sin
embargo, a lo largo del tiempo se ha impuesto con
bastante fuerza el llamado ndice o coeficiente de Gini,
definido por el estadstico italiano Corrado Gini en un
trabajo de 1912. En lugar de trabajar con la distribucin
de renta de la figura 1, Gini utiliz la llamada curva de
Lorenz, en la que se representa la fraccin de poblacin
2 INVESTIGACIN Y CIENCIA, septiembre, 2006
Juan M.R. Parrondo
que dispone de una fraccin dada de la riqueza o de
los ingresos totales de un pas.
Para entenderlo mejor, veamos un ejemplo con los
ingresos anuales de los hogares espaoles en 2004,
mostrados en la tabla. Se han dividido los hogares en
6 tramos de acuerdo con sus ingresos anuales. En cada
tramo podemos ver el nmero total de hogares y el total
de ingresos de dichos hogares (los datos han sido toma-
dos del Instituto Nacional de Estadstica, aunque han sido
ligeramente modificados para no tener en cuenta hogares
con ingresos desconocidos y para calcular los ingresos
por tramo de renta). A partir de estos datos he calculado
el porcentaje sobre el total, tanto de hogares como de
ingresos y, finalmente, los porcentajes acumulados, es
inferiores o iguales a uno dado. Estos porcentajes acu-
mulados, coloreados en la tabla, son los que se utilizan
para dibujar la curva de Lorenz, mostrada en la figura
2 (se suelen utilizar fracciones en lugar de porcentajes,
por lo que he dividido entre 100 los datos de la tabla
para conseguir los puntos de la figura).
Cualquier curva de Lorenz, como le ocurre a la de
la figura 2, comienza en el punto (0,0) y termina en el
(1,1), y es creciente, cncava y se encuentra siempre por
debajo de la diagonal. Nos informa de qu fraccin de
poblacin acumula una cierta fraccin de ingresos. Por
ejemplo, a partir de la tabla o de la figura 2, podemos
decir que, en Espaa, el 85,26 % de los hogares dispone
del 68,36 % de los ingresos totales. En ocasiones, para
indicar la desigualdad de un pas, se pueden leer en
la prensa afirmaciones como: el 10 % de la poblacin
posee el 70 % de la riqueza total del pas, o, equiva-
1
0,8
Fraccin de ingresos
0,6
0,4
0,2
0
0 0,2 0,4 0,6 0,8 1
Fraccin acumulada de poblacin
2. Curva de Lorenz de los ingresos de las familias espaolas.
El rea amarilla, multiplicada por dos, es el ndice de Gini.
 Color Gini coefficient
< 0,25
0,25 - 0,29
0,30 - 0,34
0,35 - 0,39
0,40 - 0,44
0,45 - 0,49
0,50 - 0,54
0,55 - 0,59
> 0,60
NA

3. El ndice de Gini en el mundo.

lentemente, el 90 % de la poblacin slo dispone del de algunas polticas sobre la desigualdad. Por ejemplo,
30 % de la riqueza. Este dato no es ms que un punto tanto en Reino Unido como en los Estados Unidos, se
en la curva de Lorenz, un punto cuya coordenada ho- aprecia un incremento de la desigualdad coincidente con
rizontal sera 0,9 y cuya coordenada vertical sera 0,3. las polticas econmicas de Reagan y Thatcher.
Esta hipottica curva de Lorenz, afortunadamente muy El ndice de Gini est sujeto a algunas ambigedades
distinta de la de nuestro pas, estara muy pegada al en su clculo, como la eleccin de familias o personas
eje horizontal, puesto que pasa por el punto (0.9, 0.3) para dibujar la curva de Lorenz o la forma de computar
y luego saltara bruscamente hasta el punto (1,1). Es sus ingresos. Quiz la base de datos ms rigurosa y
una curva de alta desigualdad. Por el contrario, la dia- documentada sobre desigualdad e ndices de Gini sea la
gonal roja de la figura 2 corresponde a una sociedad del Instituto Mundial para la Investigacin en Economa
completamente igualitaria, en donde todos los hogares del Desarrollo de la Universidad de las Naciones Unidas
tendran los mismos ingresos. (WIDER, www.wider.unu.edu). Otra fuente importante de
Pues bien, el ndice de Gini, G, mide cunto se separa datos es el Programa de Desarrollo de las Naciones
la curva de Lorenz de esta diagonal que corresponde Unidas (www.undp.org), en donde pueden encontrar di-
a la igualdad perfecta. Ms concretamente, es el rea versos indicadores de desigualdad de todos los pases
comprendida entre la curva y la diagonal, es decir, el
rea de la regin sombreada en amarillo en la figura Nmero Porcentaje Total ingresos Porcentaje
Porcentaje Porcentaje
2, multiplicada por 2. Esta multiplicacin se realiza para de hogares
(en miles)
de hogares
acumulado
de hogares
(en millones
de euros)
de ingresos
acumulado
de ingresos
que el ndice G tome valores entre 0 (igualdad absoluta) Hasta 9000
y 1 (desigualdad absoluta). euros 2762 18,80 18,80 12,43 4,04 4,04
Una de las ventajas del ndice de Gini frente a otros De 9000
2376 16,18 34,98 27,32 8,88 12,91
a 14.000 euros
indicadores de desigualdad estriba en lo siguiente: puesto
De 14.000
que se define en trminos de fracciones de poblacin a 19.000 euros 2394 16,30 51,28 39,50 12,83 25,74
y riqueza, es independiente de los valores totales, es De 19.000
2317 15,77 67,05 50,97 16,56 42,30
decir, de la poblacin y del producto interior bruto del a 25.000 euros

pas. Tiene otras propiedades matemticas interesantes. De 25.000

2675 18,21 85,26 80,24 26,06 68,36
a 35.000 euros
Por ejemplo, se puede demostrar que es igual al valor
Ms de
medio de la diferencia relativa entre los ingresos de dos 35.000 euros 2164 14,74 100,00 97,40 31,64 100,00
personas cualesquiera. Con otras palabras, si tomamos
todos los posibles pares de personas, calculamos la Totales: 14.688 100,00 307,86 100,00
diferencia de ingresos, sumamos todas las diferencias
y dividimos por el nmero de pares, obtenemos el valor del mundo. Si bien el ndice de Gini ha recibido algunas
medio de la diferencia. Dividiendo por la renta per cpita, crticas y se dispone de otros indicadores alternativos, lo
tendramos ese valor medio en trminos relativos, que cierto es que hoy en da es uno de los ms utilizados
coincide precisamente con el ndice de Gini. y se ha convertido en una herramienta economtrica
En la figura 3 podemos ver un mapa del mundo con imprescindible, como pueden comprobar si buscan en
los ndices de Gini de cada pas. Se puede apreciar una Internet referencias al mismo. El simple hecho de que
cierta correlacin entre igualdad y desarrollo, con una dirija la atencin de los economistas hacia el proble-
excepcin generalizada en los pases ex comunistas, ma de la desigualdad econmica lo convierte en un
que tienden a ndices de Gini ms bajos, y tambin con concepto que merece la pena difundir y estudiar con
notorias excepciones como el alto nivel de desigualdad ms profundidad. Aqu hemos discutido nicamente su
de los Estados Unidos y el bajo Gini de India o al- definicin, pero existen multitud de trabajos que estudian
gunos pases africanos. En Internet pueden encontrar sus propiedades matemticas, que disean nuevos m-
ms datos, como la evolucin del ndice de Gini a lo todos para su clculo o tratan de incorporarlo a modelos
largo del tiempo. Con ellos se puede analizar el efecto macroeconmicos.

INVESTIGACIN Y CIENCIA, septiembre, 2006 3

J UEGOS MATEMTICOS
El juego del ultimtum
S e puede cuantificar el egosmo? En 1982,
los economistas Gth, Werner, Schmittberger
y Schwarze disearon un experimento muy
sencillo (aunque no barato) que ha posibilitado el
estudio cuantitativo de la cooperacin y el altruismo en
la conducta humana. El experimento se conoce como
juego del ultimtum y en l participan dos jugadores,
aunque cada uno desempea un papel diferente. Uno
se denomina proponente y el otro contestador. El
experimentador les ofrece una cantidad de dinero,
pongamos 100 euros. El proponente impone el reparto
que se le antoje, por ejemplo 80 euros para l y 20
para el otro jugador. Pero es este ltimo, el contestador,
quien decide aceptar o rechazar la propuesta de reparto.
Si la acepta, cada uno se lleva la cantidad propuesta
por el proponente. Pero si el contestador rechaza la
oferta... entonces ambos se vuelven a casa con las
manos vacas.
Cul debera ser la estrategia de cada jugador si
ambos actuaran racionalmente y con el nico objetivo de
maximizar su ganancia? En principio se podra pensar
que una propuesta de reparto muy desigual, como la de
la figura 1, ofender al contestador y ser airadamente
rechazada. De hecho, as ocurre en los experimentos
realizados. Sin embargo, si el contestador tuviera una
conducta racional y tratara nicamente de maximizar su
ganancia, debera aceptar cualquier oferta, puesto que,
rechazndola, estara perdiendo dinero. A su vez, el
proponente, previendo esta conducta racional, debera
ofrecer el reparto ms desigual posible. Si, por ejemplo,
la mnima unidad monetaria de la que dispone para
hacer el reparto es un euro, la estrategia racional para
el proponente sera la oferta 99/1. El contestador racio-
nal, libre de cualquier condicionante emocional, debera
20
80
1. Un ejemplo de juego del ultimtum en el que el proponente
(izquierda) ofrece el reparto 80/20 y el contestador (derecha) lo
rechaza. En este caso, la ganancia de ambos jugadores es nula.
El contestador ha sacrificado su ganancia de 20 euros para
castigar el comportamiento egosta del proponente.
2 INVESTIGACIN Y CIENCIA, octubre, 2006
Juan M.R. Parrondo
contentarse con el euro que se le ofrece, que es en
cualquier caso mejor que nada.
Se puede demostrar que estas estrategias proponer
el reparto ms desigual posible en el caso del propo-
nente y aceptar cualquier oferta en el caso del con-
testador constituyen lo que en teora de juegos se
llama equilibrio de Nash, uno de los conceptos bsicos
de la teora de eleccin racional, sobre la que se basa
gran parte de la economa moderna. Cualquier desvia-
cin con respecto a esta estrategia racional implica la
presencia de algn tipo de componente emocional o de
valoracin tica.
En los ltimos 20 aos, se han publicado trabajos
experimentales realizados con individuos de pases y
culturas muy diversas y con dinero real, que a veces
alcanza sumas equivalentes al sueldo medio de tres
meses. La mayora de los experimentos se hacen sin
que los jugadores se vean las caras o sepan quin es
su contrincante y de modo que cada individuo participe
una sola vez. Se elimina as la posibilidad de que los
jugadores estn influidos por la identidad del oponente
o que elaboren algn tipo de estrategia de intercambio.
Por supuesto, todos los participantes conocen las reglas
del juego y el dinero a repartir.
Los resultados se alejan mucho del comportamiento
racional. Los contestadores no aceptan cualquier cosa:
suelen rechazar ofertas muy desiguales. Es decir, son
capaces de sacrificar ganancias significativas con tal de
castigar a un proponente excesivamente egosta. Por
su parte, el comportamiento tpico de los proponentes
es ofrecer repartos equitativos, 50/50, o ligeramente
favorables. En su variante juego del dictador, el con-
testador es absolutamente pasivo y no tiene opcin de
rechazar la oferta; stas se hacen ms desiguales, pero
sin alejarse mucho de la opcin equitativa. Esto indica
que la motivacin de los proponentes para ofrecer re-
partos equitativos en el juego del ultimtum es doble:
por un lado, un cierto sentido tico o de empata con su
contrincante y, por otro, el temor a que el contestador
rechace una oferta no equitativa. As se confirma en
entrevistas realizadas al acabar el juego.
Estos resultados son bastante generales, aunque hay
ciertas variaciones culturales. Por ejemplo, los Machiguen-
ga del Amazonas peruano suelen ofrecer al contestador
cantidades muy bajas, en torno al 26 % del total, y ste
suele aceptarlas. Para ellos, el reparto de papeles en el
juego es parte del mismo: el contestador no considera
una oferta desigual como una muestra de egosmo por
parte del proponente, sino como resultado de su propia
mala suerte. Por otro lado, entre los pastores Sukuma
de Tanzania la media de las ofertas alcanza un 61 %
del total a repartir. Brian Paciotti, de la Universidad de
California en Davis, ha relacionado este comportamiento
generoso con ciertas aptitudes de los Sukuma para la
2. Evolucin del umbral de aceptacin en el
modelo de Snchez y Cuesta para mutaciones
rpidas (s = 1), inicialmente (en negro) y tras
2 (rojo), 7,5 (verde) y 10 (azul) millones de
turnos. La simulacin se realiz con 1000 par-
NUMERO DE JUGADORES
ticipantes que juegan al ultimtum con
100 euros por turno. En el recuadro interior
(en verde) se puede ver la evolucin del um-
bral medio en funcin del tiempo (en millones
de turnos). [Tomada del Journal of Theoretical
Biology, vol. 235, 2005.]
organizacin social. Como en todos los
estudios antropolgicos, los investigado- 25
res tienen que ser muy cuidadosos para
no influir inconscientemente sobre los 0
jugadores. Incluso la forma de explicar el 0 10
juego puede dar lugar a comportamien-
tos distintos entre un experimento y otro.
Aun as, el aspecto cuantitativo del juego del ultimtum
lo convierte en una herramienta til para caracterizar
la propensin a la cooperacin o el sentido de justicia
en cada cultura.
Recientemente se ha acuado el trmino neuroeco-
noma para referirse a un nuevo campo de investiga-
cin que trata de encontrar y estudiar mecanismos de
toma de decisiones con componentes no racionales.
En la neuroeconoma convergen investigaciones muy
variadas: desde los intentos de economistas de incluir
motivaciones emocionales en la funcin de utilidad hasta
estudios neurolgicos. Por ejemplo, Alan G. Sanfey y
sus colaboradores de la Universidad de Princeton han
analizado, mediante tcnicas de resonancia magntica,
qu zonas del cerebro se activan en los participantes
en el juego del ultimtum. El resultado fue el esperado:
el rechazo viene siempre acompaado de la activacin
de la nsula anterior, una zona asociada con distintas
emociones negativas, como el asco, mientras que las
ofertas muy desiguales activan en el proponente el cr-
tex cingulado anterior, que suele estar relacionado con
conflictos cognitivos.
El juego tambin se ha utilizado recientemente para
desentraar el origen evolutivo de la cooperacin. Angel
Snchez y Jos Cuesta, de la Universidad Carlos III de
Madrid, han diseado un modelo sencillo de evolucin de
individuos que se enfrentan unos a otros en el juego del
ultimtum repartiendo M euros en cada turno. Cada juga-
dor est caracterizado por el capital que ha acumulado
Xi y por un umbral ui entre 0 y M, que es la cantidad
mnima que est dispuesto a aceptar. En una primera
versin del modelo, cada jugador supone que su con-
trincante piensa como l y, por tanto, le ofrece el reparto:
M ui (para el proponente), ui (para el contestador). En
cada turno se eligen al azar dos jugadores, i y j, y se
les asigna, tambin al azar, el papel de proponente y
contestador. Si, por ejemplo, i resulta ser el proponente
y ui uJ, entonces el resultado del juego es:
Xi Xi + M ui
Xj Xj + ui
INVESTIGACIN Y CIENCIA, octubre, 2006
200
tiempo = 0 50
175
tiempo = 2M
tiempo = 7,5M
150 tiempo = 10M 25
125 0 2 4 6 8 10
100
75
50
20 30 40 50 60 70 80 90 100
UMBRAL DE ACEPTACION (EN EUROS)
Por otro lado, si ui uJ, j rechaza la oferta de i y
los capitales de los dos jugadores no varan. El modelo
incorpora el efecto de la seleccin natural eliminando,
cada cierto nmero s de turnos, al jugador con menos
capital y sustituyndolo por un hijo del jugador con ms
capital. El umbral de este hijo ser similar al de su padre.
Ms concretamente, si el jugador padre tiene un umbral
ui, el del hijo puede ser ui, ui + 1 o ui 1, ocurriendo
cada una de estas posibilidades con probabilidad 1/3. Con
ello se introducen mutaciones en el sistema, as como la
seleccin natural de los jugadores con ms xito.
El resultado de la simulacin del modelo con 1000
jugadores y M = 100 puede verse en la figura 2, para
el caso en el que la seleccin (reemplazo del peor ju-
gador por un descendiente del mejor jugador) se realiza
en cada turno (s = 1). Despus de un gran nmero de
turnos (suficiente como para que todos jueguen con
todos varias veces), los umbrales se agrupan en torno
a un cierto valor que cambia con el tiempo, variando
entre los 25 y 50 euros. Para mutaciones ms lentas,
s = 10.000, se alcanza una distribucin estacionaria muy
concentrada en torno a los 47 euros. Es curioso que
los resultados de la simulacin sean tan cercanos a
los reales. Snchez y Cuesta no pretenden dar una
explicacin evolutiva del comportamiento humano ante el
juego y an menos una explicacin cuantitativa, puesto
que el juego del ultimtum es una construccin artificial
a la que no hemos estado sometidos los humanos a lo
largo de la evolucin de nuestra especie (aunque quiz
haya situaciones naturales formalmente idnticas). Sin
embargo, la simulacin muestra que la seleccin natural
puede dar lugar a comportamientos cooperativos, sin
necesidad de memoria y simplemente a travs de la
interaccin entre parejas de individuos.
Si quieren saber ms sobre las matemticas de la
cooperacin, pueden consultar el excelente artculo de
revisin de Angel Snchez en el nmero del pasado
mes de junio de Matematicalia (www.matematicalia.net),
la revista digital de divulgacin matemtica de la Real
Sociedad Matemtica Espaola.
parr@seneca.fis.ucm.es
3
J UEGOS MATEMTICOS
Los dados misteriosos y la razn urea
Los dados no engaan nunca, Simplicio. Una vez
que salen de la mano, no obedecen voluntad alguna,
salvo la de la fortuna. No quieres probar si hoy te
sonre?
Ya me has engaado muchas veces, Malaspina. Y
an ahora me vienes con unos dados endiablados, cada
uno distinto del otro y con nmeros que no haba visto
jams. El primero tiene en sus seis caras los nmeros
1-1-5-5-5-5, el segundo 3-3-3-4-4-4 y el tercero 2-2-2-
2-6-6. Cmo quieres que me atreva a jugar contigo
si seguramente habrs compuesto estos dados para
dejarme sin blanca?
Yo te aseguro que ninguno de ellos es mejor que
el otro, descredo. Y para demostrrtelo, te dejar elegir
primero. T jugars con el dado que desees y yo con
alguno de los dos que rechaces. Cada uno tirar su
dado y el que tenga la jugada menor pagar un
escudo al otro.
Esta parece una ventaja consi-
derable. Djame ver... elijo el tercero
de los dados, que al menos tiene un
par de seises.
Sabia eleccin, Simplicio. Yo me
quedar con el segundo, por quedarme
con alguno...
Despus de cien tiradas, Simplicio ha-
ba perdido ms de 20 escudos y comen-
zaba a arrepentirse de su eleccin:
De poco valen mis dos seises, si
todos tus nmeros ganan a mis cuatro
doses. Me parece que me has vuelto a engaar. No
quiero seguir jugando!
Toma entonces mi dado, Simplicio y yo tomar el
que nadie quiso en un principio: el primero.
Con este trueque s probar fortuna.
Pero en cien nuevas tiradas, Simplicio volva a perder
otros 20 escudos:
S que es mala mi suerte! Dame ahora ese dado
con el que juegas, que parece ser el mejor de todos.
Tmalo, Simplicio. Yo me quedar con el tercero,
el que tan mala suerte te dio en las primeras cien ju-
gadas.
A\B 3 3 3 4 4 4 B\C 2 2
5 4
5 4
5 4
5 3
1 3
1 3
2 INVESTIGACIN Y CIENCIA, noviembre, 2006
Juan M.R. Parrondo
Y, de nuevo, Malaspina logr vaciar los bolsillos de
Simplicio, ganndole esta vez 10 escudos en otras cien
jugadas.
No importa el dado con el que juegue se lamen-
taba el perdedor, la suerte no est hoy de mi lado. Me
da en la nariz que alguna trampa has escondido entre
todos estos nmeros, pero no acierto a descubrirla.
En efecto, los dados de Malaspina tienen una propiedad
desconcertante, capaz de confundir a un jugador ingenuo.
Ninguno de ellos es el mejor, el primero gana al segundo
con bastante probabilidad, el segundo al tercero y el
tercero al primero. Calcular estas probabilidades no es
complicado. En la figura 1 muestro tres tablas, corres-
pondientes a los tres posibles enfrentamientos
entre los dados. He sombreado en color
azul las casillas en las que el dado del eje
vertical gana al del eje horizontal.
Contando las casillas azules y divi-
diendo por el nmero total de casillas,
que es 36, obtenemos cada probabili-
dad. La de que el primer dado (A) gane
al segundo (B), ser 24/36 = 2/3 = 0,6666...,
la de que B gane a C tambin
24/36, y la de que C gane a A es
20/36 = 5/9 = 0,5555... Las tres son
mayores que 1/2 y es por ello por
lo que Malaspina siempre gana, al
cabo de un gran nmero de jugadas, al
pobre Simplicio. Estamos ante una nue-
va paradoja de intransitividad, similar a
algunas de las que ya hemos discu-
tido en esta seccin (Paradojas de-
mocrticas, marzo de 2002, y Quien
re el ltimo..., noviembre de 2005).
En esta ocasin, nuestros dados son un caso particular
de la llamada paradoja de Steinhaus-Trybula, dos mate-
mticos que analizaron por primera vez la posibilidad de
que, dadas tres cantidades aleatorias A, B y C, aconteciera
1. Diagramas para el clculo de probabilidades de ganar con los
dados misteriosos, A, B y C. Las casillas azules muestran las situa-
ciones en las que el dado del eje vertical gana al del eje horizontal.
2 2 6 6 C\A 1 1 5 5 5 5
6
6
2
2
2
2

5
A
B C
2
1 4
B C
que las tres probabilidades P(A > B), P(B > C) y P(C > A)
fueran mayores que 1/2. La paradoja puede dar lugar a
situaciones sorprendentes no slo en el juego. Por ejemplo,
si las cantidades A, B y C fuesen los tiempos de llegada
de tres autobuses a una parada, sera ms probable que
llegase A antes que B, tambin sera ms probable que
B llegase antes que C y, finalmente, lo ms probable
sera que C llegase antes que B! Aunque pueda parecer
absurdo, el clculo de probabilidades muestra que esta
situacin es perfectamente posible.
Trybula demostr ms tarde un teorema bastante cu-
rioso en el que, inesperadamente, aparece una vieja
amiga de la que tambin hemos hablado aqu: la razn
urea, = 5 1/2 = 0,618... (El nmero de oro, enero
de 2003). El teorema afirma que, siempre que se d la
paradoja de intransitividad, al menos una de las tres
probabilidades P(A > B), P(B > C) o P(C > A) tiene que
ser menor o igual que .
No podemos hacer aqu una demostracin rigurosa del
teorema, pero s esbozarla para ver cmo puede aparecer
en este contexto la razn urea. Para ello, supongamos
que cada una de las cantidades aleatorias, A, B y C,
slo puede tomar dos valores de entre los nmeros 1,
2, 3, 4 y 5. Una forma de asignar probabilidades a esos
valores viene dada por la siguiente tabla:
Valor 1 2 3 4
Probabilidad 1 pB 1 pA 1 pB
Cantidad aleatoria B A C B
Por ejemplo, la cantidad A slo puede tomar los va-
lores 2 y 5 y lo hace con probabilidades, 1 pA y pA,
respectivamente. Este reparto de los posibles valores
entre las tres cantidades aleatorias es bastante igualita-
rio, puesto que se van repartiendo los cinco valores de
mayor a menor, como en la eleccin del equipo de ftbol
en el patio de un colegio. Uno de los pasos cruciales
y ms ingeniosos de la prueba del teorema de Trybula
es precisamente demostrar que este reparto es el que
maximiza las probabilidades de que una cantidad sea
mayor que otra, manteniendo la paradoja. A partir de
esta tabla pueden encontrarse las tres probabilidades
de ganar en cada enfrentamiento:
P (A > B ) = pA + (1 pA) (1 pB)
P(B > C ) = pB
P(C > A) = 1 pA
INVESTIGACIN Y CIENCIA, noviembre, 2006
4 3
1 3
3 3 2 5
A
2. Probabilidades en los enfrentamientos de tres dados A, B,
y C. En cada enfrentamiento, el rea de la regin azul indica la
probabilidad de que el dado vertical gane al horizontal. Las tres
probabilidades de ganar son iguales a la razn urea . El lado
del cuadrado completo es 1 en los tres casos.
Otro paso sutil de la demostracin consiste en pro-
bar que, en el reparto que maximiza las probabilidades
(ms precisamente: el reparto que maximiza la ms
pequea de las tres probabilidades), stas tienen que
ser iguales. La razn es que, si no lo fueran, siempre
podramos aumentar alguna de ellas ligeramente, varian-
do alguno de los dos parmetros pA o pB. Una vez que
se llega a esta conclusin, lo que queda es un poco
de lgebra: se igualan las tres probabilidades y, de las
dos ecuaciones resultantes, se obtienen pA y pB, que
resultan ser: pA = 1 f y pB = f. Finalmente, se calculan
las probabilidades con esta solucin y obtenemos que
las tres valen precisamente .
Trybula dise adems un ejemplo en el que este
ureo valor mximo se puede alcanzar. De hecho, la
propia demostracin que hemos esbozado aqu conduce
inmediatamente al ejemplo. En la figura 2 se ve grfica-
mente el clculo de probabilidades. Como en las tablas
de la figura 1, las reas azules indican la probabilidad
de que la cantidad aleatoria del eje vertical gane a la
5 del eje horizontal. Las tres reas valen exactamente
, gracias a una de las propiedades matemticas del
pA
nmero de oro: = 1 2.
A Les dejo con otros dados paradjicos, tan curiosos
o ms que los anteriores. En el A las caras contienen
los nmeros 1-5-5-5-5-7, en el B, 2-4-4-6-6-6, y en el
C, 3-3-3-3-8-8. En este caso, A gana a C y B tambin
gana a C. Pues bien, a pesar de que, en apariencia,
C es el peor de los tres dados, si jugamos con todos
ellos a la vez, es decir, tirando los tres y otorgando la
victoria al de mayor puntuacin, el que tiene la pro-
babilidad ms alta de ganar es C! Si trasladamos la
paradoja a la llegada de los autobuses, significara que
lo ms probable es que A llegue antes que C, que B
llegue antes que C, pero el que tiene ms probabilidades
de llegar primero de los tres es C. El clculo de las
probabilidades es bastante sencillo, aunque el resultado
parezca increble. Todas estas paradojas tienen adems
un inters no slo recreativo o acadmico, ya que ponen
en jaque la suposicin bsica de la teora de la utilidad:
que somos capaces de ordenar nuestras preferencias
de modo lineal.
3
 o sM A T E M I c o s J u a nM . RP. a r r o n d o
L aj o y ao c u l t a
l g u n 0 sp i e n s a nq u e l a m a t e m t i ceas u n a se reducea 1012+ 2 x 5 - 6lg - 8 = 5, que es ei
construc cin del ser humano. Otrosdefiende nlogaritmo de 32.Portanto,el resultado de la xpresin
lo contrario que: lasverdades matemti cas estn anterior es 32.
- d e s d e s i e m p r e - " a h a f u e r a "e
, s p e r a n d soe r La ideaes muysugerent pero e, tienelimitacion es
descubie rtas. La historia de la matemti da ca y quitala obvias. La primera es que slopodemos aplicarla a
razna ambasposturas: en ocasionelos s maiemti cosclculos conlosnmeros queaparecen en la tabla,es
construy en realidadematemts icas
comosi fueran decir, conpotencias de2. Ensegundo lugar, quocurre
artefactos , muchasotrasveces-quiz las ms- si despus
pero de operarcon los logaritmbels resultado
parecendesorien tados explorad ores de un territorio es negativo o fracciona rio? La solucin mssencilla es
virgen.A estesegundo casopertenecla e invencinampliar la.nocin de potencia a exponent es negativos y
!e los logaritmo por
s JohnNapier (o Neper) en 1614. fracciona rios. La reglade clculo de Iogaritmo s dic
nos
Napier se enfrent a un problema quepodaresotvers equedividirel logaritmo entre2 es equivalenateextraer
dedosmaneras, Eligila mscomplica da (aunque luego su razcuadrada .
Anlogam ente,podemos definir, por
rectificarcon a la ayudade HenryBriggs) y encontr , e j e m p l2o1, t 2 = 1 [ 2 = 1 , 4 1 4 . . . T adm
s-in eabci uhe r dcoo nl a s
darsecuenta, unaautntica joya,el nmero e. Napier lo reglasanteriorelos s, exponent es negativos tienenque
tuvoen susmanos, sinpercatarsde e su inmenso valor. definirse en la forma: 2-n=112n .
De hecho, el nmero e estuvoocultoen el corazn de Estaes la solucin sencilla -al menosa nuesrros
los logaritmoneperians os
originales (queson distintos ojos- de las limitacionde es la ideaoriqinal de Ar-
de los neperian os moderno hasta s) queEuler,un siglo qumedeOtra s. posibilid ad, bastante ms-com plicada,
despus, lo hiciera brillarcontodosu esplendo r. es escogeruna baseprxima a la unidad,que dara
Loslogaritmonacieron s comouna herramie nta, un lugara potencias muycercanas entres. probable men-
tru.co, paracalcular rpidame nte proporcio nes, producto s,te Napierpartide estaidea,perola refinutilizando
racesy potencias .
Fueron descubie rtos a finales delsi- un smilcinemti co. Sabaquela esencia deltrucode
gloxvrindepend ientemen te
porNapier y porBurgi, quien, Arqumed es era comparar una progresigeomtri n ca
sin embargono , dio la publicidadebida d a su hallazoo. con una aritmtica , necesitabprogresio
pero a nes
que
Napiers publicsus tablasen latnen 1614:Urtc recorrieratodos n los nmeros posibles.
logarithm orum canonisdescriptio ,
traducida al inglsen lmagin entonces dospuntosmovindosobre se sen-
1616con el ttulo:A descriptioof n the admirabte tabte daslneas, El primero convelocidad constante voy el
of logarithm es. Despus de morirNapier,se publicen segundo conunavelocidad proporcio nal a la distacia x
1619su Mirificilogarithmorum canonisconstructio, en quele separadelfin de la lnea,En la figura1 vemos
dondeexplica endetalle cmohabaconstruidlas o tablas los grabados originales de Napier. En la lineasuperior.
de la Descripflde o 1614.Burgiy Napierse basaron el mvilse muevea velocidad constante v los untos
en unaideaquese remonta al menosa Arqumed es.CDEFG, etc.muestran su posicin a intervaios regulares
Consider emos la siguiente tablade potencias de 2: de tiempo. En la lneainferior, otromvilse muevecon
una velocidad decrecien te, proporcio nal x recorretos
puntosacdefg,etc,,a intervalos regulares de tiempo;
pero,comola velocidad disminuypaulatina
e mente,
estos
puntosestnahoracadavez mscercanos entres.
Multiplica r
y dividir losnmeros de la segunda filade Lospuntosde la lneasuperior desempe an la funcin
estatablaes muysencillo. Porejemplo, parcalcular n
16 de la progresiaritmtica y los de la inferior el de la
x 64 bastasumarlos nmeros correspo ndientes de la progresigeomtrin ca:
los intervalos AB,AC,AD,etc.
primera fila:16es la cuartapotencia de 2 y 64 la sexta; difieren en unacantidad constante ,
mientras queen la
sumamos entonces 4 y 6, y obtenemo10; s el resultado lneainferior sonloscocientes entrelosintervalos ab. ac.
del producto es entonces la potencia dcima, es decir. ad,elc.losquesonconstanteFinalmen s. te, define
Napier
16 x 64 = 1024.Hoyllamamos "logaritm os y = LN(x)de un nmero
en base2', el logaritmo x de la siguiente
a losnmeros de la primera fila.Elevar al cuadrado un forma:cuando el puntode la lneainferior se encuenrr a
nmero estambin muysencillo: bastamultiplica porr oos a unadistancia x delfinalde la misma, el puntode la
su logaritmo .
Finalmen te, races
las cuadradaoscbicas lneasuperior ha recorrido unadistancia y= 1.
se calculan dividiendelo logaritmo pordoso portres, Loslogaritmoneperian s os
modernoson s diferente s.
respectiv amente. Clculos complica dos como: Hoysabemos queel puntodela lneasuperior se mueve
x +5 siguiendo la ecuacin !(t) = vot,mientras queel inferior,
T-oz+ cuyavelocidad en un instantef es v(f)= vox(\|w,obe-
V64x 256 decea la ecuacin x(t)= ys-vottw. De ellos-ededucela
se simplifican enormeme nte con la tablade logaritmos : relacin entrelos neperian os modernoyslosantiguos:
el logaritmode 1024es 10, el de 4 es 2, el de 64 es = -wtnfi
6, el de 256 es 8. La operacin con logaritmos ,
anterior,
LN(x)

84 lruvsflencytn 2006
diciembre,
Gllcll,
 Napiertomcomolongitud totalde la lneaazla can-
tidadr,v=106.Enla figura2 tenemos unade lastablas
de la Descilpfro,
cuyosvalores sonsorprendent emente
precisos.
Porejemplo, parax = 18.907, unacalculadora
y= LN(x) moderna nosdaLN(18.907) = 3.968.223,0que 55,difiere
porNapier,
delcalculado 3.968.242,enslo1gunidades
en casicuatromillones.
de Napier,
Conla definicin si dosparejas de puntos
del movimientode la lneainferiorguardan la misma
proporcin:
\=xt
x2 Xt'
1 . L o sd o sm o v i m i e n d t oesN a p i eer :n e l d e a r r i b a
el mvil
a v a n zca0 nv e l o c i d a co d n s t a nyt ee n e l d e a b a j oc o nv e l o c i d a d entonceslospuntos
correspondi entes
enlalneasuperior,
p r o p o r c i oan al al d i s t a n cxi aq u es e p a real p u n t od e lf i n a zl d e es decir,suslogaritmos, incrementos
tendrn iguales:
l a l n e aP. a r au n ad i s t a n cri .a N a p i edre f i n e l l o g a r i t mooer .
LN(x.,)-LN( xr)= - LN(xo)
LN(xr)
LN(r)comola distancia y queha recorrido el mvilde la lnea
suoerior.
y estapropiedad es la claveparala funcinltimade
loslogaritmos: convertir productos y cocientes ensumas
y resras.
Cmo pudocalcular Napier suslogaritmos conesta
increble precisin? Utiliz algoquehoyllamamos ,,inte-
gracin numrica de unaecuacin diferencial,, pero, con
ry.v{? rr
j*CIJ trucosbastante ingeniosos quele permitieron culminar
'.+*rl4 la tarea,aunqueempleara en ellounosveinteaos.
"
,q$ 1tWY4, f? Comenz calculando la posicin x del mvilde la lnea
r8d l6 inferior con pequeos intervalos de tiempo. Si la velo-
cidadiniciales yn - 1, unaestimacin de la oosicin
fJ -de
serx(1)=t-1= w(1
r*l $3lr? r+ -del1mvil al cabo unsegundo
, ) = ( w - 1-)( w - l t
l w )A. l c a b -doe 2 s e g u n d oxs( 2
f ,93?9rr r"l w=w(1-1lw) z(recordemo s la velocidad
que en cada r{,
t977t 9rt f ? r-* instantees xlw).Es decir,podemosencontrar la posi- 6

It" cinen el tiempox(f+ 1) sin msquesustraer a x(t) &

*ca#l su 100-ava parte: x(f+ 1)=111 -1lw).Enlosinstantes &
i
r l l*Sf iniciales delmovimiento , clculo
este hacedescenoer x
prcticamen enteintervalos de unaunidad. Sinembargo,
I $3; parax menores, el descenso es muchomslento,por
!f ejemplo, si x(fl= 1000, x(f+ 1)= 999,999. Napier habra
necesitado millones de operaciones paraconstruir sus
r l rBrt tablasconintervalos
I
de un segundo. Hall entonces el
tlf
modode simplificar el clculoutilizando intervalos de
t 1 1
tiempomslargoscuando la velocidad es tanbaja,que
$f /tv|',*v9::4 el mvilapenas varasu posicin enunsegundo. Estees
tttTgrt J7?9r,, ?7**1. rs*! fp*srt el mtodo de pasode tiempovariable, aplicado hoven
:3"1ftiry**x r3 ilft 9$97* algunas simulacione s
numricas desistemas dinmicos.
Napiercalcul tablascondiferentes pasosde tiempoy
luegolasrefiny combin pormediode interpolacio ne
y otrostrucosbastante ingeniosos.
La mayora de sus argumentos se basaban en la
? r tl r 9tl 9997fx intuicin quele proporcion el smil cinemtico. Napier
$*gyrt ta6l y996y encontr sus logaritmos, ntimamente relacionado con s
#*8or
Jll;e1"1 losneperianos modernos, sinconocer la basede estos
ltimos, el nmero e. Sinembargo, el nmero e estaba
fdlsr f enel corazn desu modelo cinemtico y tambin ensus
*tt?r clculos, puesto queutiliz nte
constantemeexprestones
#4rf3r !e]^tipo (1 + llvr)kconw iguala un nmero muygranoe
ifi;l
(106y, originalmen107). te, La definicin moderna del
nmeroe empleaestetipode potencias: es un cierto
**S. t*
tipode lmitede nmeros infinitament e
cercanos a 1
elevados a exponentes infinitament e
grandes,
2. Extractodeunadelastablasdelogaritmos originales
deNapier. parr@ seneca.fis.u cm.es

y Clrrucln,
lruvsflenclr u diciembre,
2006 85
J UEGOS MATEMTICOS Juan M.R. Parrondo

Los logaritmos de Briggs

V
erano de 1615. El matemtico Henry Briggs cruza para definir sus logaritmos, Briggs se bas nicamente
Gran Bretaa en diligencia. Hace meses cay en en operaciones algebraicas. Su mtodo radica en un
sus manos el recin publicado Mirifici logarithmo- ingenioso truco para calcular logaritmos de nmeros
rum canonis descriptio de John Napier. Supo entonces muy cercanos a la unidad.
que se hallaba ante una obra de importancia histrica. Briggs comienza calculando la raz cuadrada de 10,
Ha escrito varias cartas al autor del tratado, alabando luego la raz cuadrada del resultado, y as sucesivamente
su trabajo y proponiendo algunas mejoras. Napier est hasta 54 veces. Hoy se pueden hacer estas operaciones
de acuerdo con ellas, pero a sus 65 aos no se ve con con una calculadora de bolsillo en unos pocos segundos,
fuerzas para llevarlas a cabo. Briggs, catedrtico del
Gresham College de Londres, donde aos despus se
originara la Royal Society, se dirige hacia Edimburgo
para conocer al maestro.
Llega con bastante retraso a la cita. Llama a la puerta
de la casa de Napier y, segn William Lilly, los dos hom-
bres pasan ms de un cuarto de hora contemplndose
con admiracin y sin pronunciar palabra. Finalmente,
Briggs dice: Seor, he realizado este largo viaje con el
propsito de veros en persona y conocer por qu suerte
de ingenio o inteligencia vinisteis a ser el primero en
concebir sta la ms excelente ayuda a la astronoma:
los logaritmos.
El mes pasado reconstruimos con algn detalle el
nacimiento de los logaritmos y el trabajo de Napier. La
idea fundamental, que se remonta a Arqumedes, con-
siste en relacionar una lista de nmeros en progresin
geomtrica (los elementos consecutivos tienen cocientes
iguales) con otra en progresin aritmtica (los elementos
consecutivos tienen diferencias iguales). Lo que Briggs
le propuso a Napier en aquella visita fue utilizar como
base para los logaritmos el nmero 10. Esta idea les
condujo a la moderna definicin de logaritmo en base
10: el logaritmo de un nmero x es el exponente y al
que hay que elevar 10 para obtener x, es decir, y es
el logaritmo de x si x = 10 y.
Despus del encuentro de 1615, Briggs trabaj so-
bre estas ideas hasta publicar en 1624 la Arithmetica
Logarithmica (en latn), la primera tabla de logaritmos
en base 10 de la historia, calculados con tal precisin
que apenas tuvo que ser corregida en los cuatro siglos
siguientes. Como en el caso de Napier, lo ms intere-
sante del trabajo de Briggs fue el ingenio desplegado
para reducir en lo posible los clculos necesarios para la
elaboracin de la tabla. Tambin Briggs descubri trucos
que vislumbraban la que luego sera la herramienta ms
potente de la matemtica: el clculo diferencial, desarro-
llado por Newton y Leibniz a finales del siglo XVII.
El enfoque de Briggs, sin embargo, fue distinto del
seguido por Napier. Si ste utiliz un smil geomtrico

1. Las 54 races cuadradas sucesivas de 10,

tal y como aparecen en la Arithmetica.

2 INVESTIGACIN Y CIENCIA, enero, 2007

pulsando la tecla raz 54 veces. Si su calculadora no
tiene suficiente precisin, vern que el resultado final
es 1. Sin embargo, el valor real no es exactamente
la unidad. Briggs realiz el clculo con 30 cifras deci-
males, tal y como vemos en la figura 1, tomada de la
Arithmetica. El ltimo nmero es un 1 seguido de 16
ceros y de 14 cifras ms. Es en realidad la raz 254-ava
de 10, o 101/254, puesto que extraer una raz cuadrada
es equivalente a dividir entre dos el exponente de una
potencia: 10n = 10n/2. En la columna de la izquierda
de la tabla se muestran las races; en la de la dere-
cha, Briggs escribe los exponentes correspondientes, es
decir, los logaritmos de los nmeros de la izquierda. Si
en la columna de la izquierda cada nmero es la raz
cuadrada del anterior, en la columna de la derecha cada
nmero o logaritmo es la mitad del anterior, puesto que
as cambian los exponentes cuando se extrae la raz
cuadrada de una potencia.
Los ltimos nmeros de la tabla tienen una curiosa
propiedad: si nos olvidamos del 1 y slo atendemos a
la parte decimal, vemos que el ltimo nmero es exac-
tamente la mitad del penltimo, a pesar de que aqul
es la raz cuadrada de ste. En notacin moderna:
1+1+
2 resultado le sum 3, que es el logaritmo de 1000 y el
Como vemos en esta frmula, la parte decimal de
un nmero cercano a la unidad se divide entre dos
cuando extraemos la raz cuadrada. Se trata en realidad
de una aproximacin. Hoy sabemos que, el error en la
frmula anterior es del orden de 2, que en el caso
de los ltimos nmeros de la tabla de Briggs, afecta
precisamente a la 30-ava cifra decimal.
Una vez convencido de que, en las cercanas de la
unidad, nmeros y logaritmos se comportan igual, se
pueden aplicar simples reglas de tres para obtener el
logaritmo de cualquier nmero cercano a 1. Para hacerlo
de forma sistemtica, Briggs calcul el logaritmo de 1
+ 1016, es decir, de un 1 seguido de la coma decimal,
de 15 ceros y de un 1. La regla de tres, tal y como la
describe Briggs, se puede ver en la figura 2. En reali-
dad, lo que est haciendo Briggs con estas reglas de
tres es utilizar la aproximacin lineal del logaritmo, que
hoy escribimos:
log10(1 + ) k
Si aplicamos esta frmula a la raz 254-ava de 10,
podemos obtener k dividiendo el ltimo nmero de la
segunda columna por los decimales del ltimo de la
primera columna de la figura 1. Esto es lo que se hace
en el pasaje de la Arithmetica presentado en la figura
2. El resultado es k = 0,43429448190325. Hoy sabemos
que k es en realidad la derivada del logaritmo en base
10, es decir, k = log10 (e) = 1/ln(10), cuyo valor es el
calculado por Briggs con una exactitud de 14 cifras deci-
males. El nmero e, como en el caso de Napier, estaba
presente en los clculos de Briggs sin que tampoco fuera
consciente de la importancia que tendra despus en la
matemtica y la fsica.
Con la aproximacin lineal, a la que Briggs llam la
regla de oro, poda calcular mediante reglas de tres el
INVESTIGACIN Y CIENCIA, enero, 2007
2. La regla de oro de Brigss aplicada al clculo de log10(e).
logaritmo de cualquier nmero suficientemente prximo
a 1. El problema es que necesitaba que fueran extrema-
damente prximos a 1, ms en concreto, que fueran un
1 seguido de 15 ceros decimales. Esta es una limitacin
considerable. Sin embargo, la idea de Briggs fue llevar
cualquier nmero hacia las proximidades de la unidad
calculando races cuadradas, igual que haba hecho con
el 10. Es una tarea considerable, pero encontr muchos
trucos para hacerla ms viable. Por ejemplo, para cal-
cular el logaritmo de 2, primero lo elev a la dcima
potencia, cuyo resultado es 1024, y luego lo dividi por
1000, obteniendo 1,024. Con ello, le bast calcular 47
races cuadradas para obtener 1 y 15 ceros despus
de la coma decimal. Despus de esos 15 ceros obtuvo
16851605705394977. Aplicando la regla de oro, calcul
el logaritmo l de este nmero y luego deshizo todas las
operaciones en el campo de los logaritmos: multiplic
l por 247 para deshacer las 47 races cuadradas, al
resultado lo dividi entre 10 para deshacer la potencia
inicial. El resultado final fue:
log10(2) = 0,301029995663981195
y, como pueden comprobar con una calculadora su-
ficientemente potente, las 18 cifras que Briggs obtuvo
son exactas. Utilizando estos trucos y otros mtodos de
interpolacin, pudo finalmente elaborar una tabla con
los logaritmos de los nmeros enteros de 1 a 20.000
y de 90.000 a 100.000, que ha sido utilizada por cien-
tficos e ingenieros durante los ltimos cuatro siglos
para realizar toda clase de clculos. Pueden encontrar
en Internet la Arithmetica completa y anotada por Ian
Bruce, de la Universidad de Adelaida. Los logaritmos
tambin sirvieron para disear las reglas de clculo, a
las que INVESTIGACIN Y CIENCIA dedic un interesante
artculo el pasado mes de julio de 2006.
El trabajo de Napier y Briggs es realmente impresio-
nante. An ms si se tiene en cuenta que la notacin
decimal se haba introducido en Europa apenas treinta
aos antes. (Napier fue uno de los primeros en utilizarla
y propagarla.) A veces creemos que en aquella poca
el desarrollo cientfico era mucho ms lento que en la
actualidad. Sin embargo, el siglo XVII puede considerarse
frentico desde el punto de vista cientfico. Mientras
Napier y Briggs desarrollan los logaritmos, Kepler ra-
cionaliza la astronoma y Galileo describe el movimiento
en trminos matemticos. Unos cincuenta aos despus
del encuentro de Napier y Briggs, Newton concibe los
Principia. Y en esta explosin intelectual, una de las
ms importantes para todo el pensamiento occidental,
aquel encuentro en Edimburgo, en el verano de 1615,
fue sin duda decisivo.
parr@seneca.fis.ucm.es
3
J UEGOS MATEMTICOS
La paradoja de San Petersburgo
E
n 1738, Daniel Bernoulli estudi un simple juego
de azar sobre el que continan reflexionando
economistas, filsofos y matemticos. Se comienza
con un bote de dos euros. Se lanza una moneda al
aire: si sale cruz, yo doblo la cantidad que hay en el
bote; si sale cara, usted se lleva el bote disponible en
ese momento. Es decir, si la primera tirada es cara,
usted gana 2 euros, si la primera tirada es cruz y la
segunda cara, gana 4 euros, si la primera cara sale en
la tercera tirada gana 8 euros, y si la primera cara sale
en la tirada n-sima gana 2n euros. Obviamente, lo que
a usted ms le conviene es que salga cara lo ms tarde
posible. En cualquier caso, usted gana siempre algo
de dinero, por lo que es justo que yo le cobre alguna
cantidad o cuota para permitirle participar en el juego.
La pregunta que se hizo Bernouilli, y que en cierto modo
sigue sin resolverse, es: cul es la cuota de entrada
que se debera cobrar para que el juego fuera justo?
Para cualquier sorteo normal, la cuota de entrada
justa debe ser igual al valor medio de la ganancia. Por
ejemplo, cuando compra un nmero en una lotera de,
digamos, 100 nmeros, si el premio es de 1000 euros,
el precio del boleto, o cuota de entrada en el sorteo,
debera ser de 10 euros. Para usted que compra el boleto,
la probabilidad de ganar los 1000 euros es 1/100 y la
probabilidad de no ganar nada es 99/100. Por tanto, el
valor medio de la ganancia es 1000 (1/100) = 10 euros.
Por otra parte, el organizador de la lotera, con este
premio y este precio por boleto, y siempre que venda
todos los nmeros, no gana ni pierde nada.
Si aplicamos este criterio al juego de San Petersburgo,
nos encontramos con un serio problema. La probabilidad
de que la primera cara salga en la tirada n-sima es
(1/2)n, ya que, para que esto ocurra, debe salir cruz en
las n-1 primeras tiradas y cara en la siguiente. En este
caso la ganancia es 2n. El valor medio de la ganancia
es entonces:
G = 2 + 4 + 8 + 16 +...
2 4 8 16
que es claramente infinito. Por tanto, la cuota de entrada
debera ser infinita. En otras palabras, si yo le ofrezco
entrar en el juego con una cuota de, digamos, un milln de
euros, usted debera aceptar, porque la ganancia media
en el juego, que es infinita, supera esa y cualquier otra
cantidad. Sin embargo, nadie en su sano juicio aceptara
semejante trato. Esta es la paradoja de San Petersburgo:
el sentido comn nos dice que el valor medio de la
ganancia no determina la cuota de entrada aceptable.
Cmo determinamos entonces dicha cuota?
El problema fundamental del juego de San Peters-
burgo es que proporciona premios muy cuantiosos con
probabilidad extremadamente pequea. Por ejemplo, si
2 INVESTIGACIN Y CIENCIA, febrero, 2007
Juan M.R. Parrondo
la primera cara aparece en la tirada dcima, la ganancia
es de 1024 euros, y esto ocurre con una probabilidad de
1 entre 1024. Las ganancias crecen exponencialmente
mientras que las probabilidades decrecen tambin ex-
ponencialmente, siendo siempre el valor medio de cada
posible premio igual a un euro.
En la figura 1 podemos ver diez partidas del juego
de San Petersburgo, que constan de un milln de turnos
del juego, que acaban cuando sale cara, con la ganancia
correspondiente. He dibujado las ganancias acumuladas
en funcin del nmero de turnos. La mayora de las
partidas acaban con una ganancia similar, en torno a
los 20 millones, salvo una de ellas, en las que ha ha-
x 107
4
3,5
3
GANANCIA
2,5
2
1,5
1
0,5
0 2 4 6 8 10
TURNOS x 105
1. Diez partidas del juego de San Petersburgo, cada una de ellas
de un milln de turnos.
bido uno de esos eventos raros, en un turno un poco
anterior al 300.000. En ese turno, sali cruz durante 23
tiradas seguidas y cara en la vigsimo cuarta, con lo
que la ganancia del jugador fue de ms de 16 millones
de euros. La probabilidad de que esto ocurra es de una
entre 16 millones. Sin embargo, en un milln de turnos,
esto puede ocurrir con una probabilidad superior al 5 %.
Por eso, no es sorprendente que en diez partidas de un
milln de turnos cada una, hayamos sido testigos de un
evento tan poco probable. En el resto de partidas tambin
hay turnos con grandes ganancias: varios de ellos son
saltos de unos 4 millones de euros y hay numerosos
saltos de aproximadamente 2 millones y un milln de
euros (recordemos que los saltos son siempre potencias
de dos, pero 220 es 1.048.576, nmero muy cercano al
milln de euros). Cuantos ms turnos juguemos, apa-
recern saltos cada vez mayores. Eso es lo que hace
que el valor medio de la ganancia sea infinito. Pero si
vamos a jugar slo unas decenas de turnos, parece en
principio absurdo que paguemos una cuota elevada por
turno debido a eventos prcticamente imposibles. La
paradoja sigue por tanto en pie.
Como decamos al principio, la literatura sobre la pa-
radoja de San Petersburgo es muy amplia y an hoy
en da se discuten posibles soluciones. Estos anlisis y
soluciones pueden clasificarse en dos grandes grupos:
los que abordan el problema puramente matemtico de
un juego con ganancia media infinita y los que tratan de
analizar cmo opera el sentido comn y cmo valoramos
el riesgo en un sorteo como el de San Petersburgo. Los
trabajos que siguen esta ltima estrategia acaban casi
siempre enfrentndose a cuestiones de ndole psicolgica.
Uno y otro enfoque se corresponden con el problema al
que se enfrenta el organizador y el jugador del sorteo,
respectivamente.
Pongmonos en el papel del organizador de un sor-
teo de San Petersburgo. Somos dueos de un gran
casino que quiere introducir este juego: qu cuota de
entrada deberamos cobrar para hacer frente el pago de
los premios? La diferencia entre el casino y el jugador
es que el primero juega un gran nmero de veces y
puede confiar en la estadstica. Sin embargo, en el
caso del juego de San Petersburgo, cuantos ms turnos
jugamos, ms posibilidades hay de observar grandes
saltos, como los de la figura 1. Varios matemticos
han estudiado la distribucin de probabilidad de
la ganancia del jugador despus de un gran
nmero N de turnos. Estas distribuciones
estn concentradas en torno a una cantidad
que obviamente crece con N, pero que
no es proporcional al nmero de turnos
N, sino que vale N log2 N.
Por tanto, si el casino quiere recuperar
el dinero que paga a los jugadores, ten-
dr que recaudar, despus de N turnos, una
cantidad N log2 N. De hecho, tendra que recaudar
una cantidad algo mayor. En la figura 2 se muestra la
distribucin de probabilidad de las ganancias totales a
las que he restado N log2 N, para N = 50, 100 y 200
turnos. Como vemos en la figura, las distribuciones estn
concentradas en torno a cero, como cabra esperar en
cualquier sorteo justo, aunque la parte de ganancias
positivas para el jugador es ligeramente superior a la
de ganancias negativas. Podramos corregir este sesgo
aumentando ligeramente la cuota.
En cualquier caso, este resultado
nos indica que la recaudacin
total no puede ser proporcio-
nal al nmero de turnos. Por
el contrario, el casino debe
cobrar en cada turno una
cantidad ligeramente supe-
rior a log2 N, para as poder
cubrir las prdidas, siendo N
el nmero total de turnos que
est dispuesto a jugar con todos sus
clientes. Esta solucin a la para-
doja, propuesta por Feller en
1968, puede que sea una
x 103
6
5
4
PROBABILIDAD
3
2
1
0
1000 0 1000 2000 3000 4000 5000 6000
GANANCIA
2. Distribucin de probabilidad de la ganancia del jugador despus
de 50 (curva azul), 100 (curva roja) y 200 (curva verde) turnos,
suponiendo una cuota total por participar c = N log2 N.
buena indicacin de qu debe hacer el casino, pero, al
cliente que quiere jugar al sorteo de San Petersburgo,
le parecer absurdo que le cobren por turnos en los
que l no va a jugar. Incluso con un slo cliente, una
solucin en donde la cuota dependa del nmero total
de turnos es bastante peculiar. Qu pasa si el
casino y el cliente acuerdan prolongar la partida
un milln de turnos ms?
En 1985, el matemtico sueco Martin Lf refin
el resultado de Feller, hallando la siguiente aproxi-
macin para la ganancia total G en N turnos:
Prob ( G N log2 N
N )
>x 1
x
que es aceptable para valores de x superiores a 30.
Esta frmula se puede utilizar para encontrar cuotas ms
precisas que la dada por Feller. Por ejemplo, si el casino
se contenta con que la probabilidad de perder dinero
sea 1/x = 0,001, tendr que cobrar una cuota total xN +
+ N log2 N, y una cuota por turno de x + log2 N = 1000 +
+ log2 N euros, que es superior a la sugerida por Feller
en 1000 euros. Martin Lf seala que el trmino de
Feller log2 N es comparable con los 1000 euros slo a
partir de nmeros N muy grandes. Por ejemplo, para un
milln de turnos, dicho trmino es ligeramente inferior
a 20. Por tanto, la cuota que se deduce de su anlisis
es prcticamente independiente de N.
Los resultados de Martin Lf son interesantes, pero no
se pueden considerar una solucin de la paradoja, puesto
que nadie estara dispuesto a pagar 1000 euros para
participar en el juego de San Petersburgo. La razn es
que la distribucin de las ganancias tras un gran nmero
de turnos es relevante para el casino, pero no para el
jugador que slo va a jugar unas pocas veces. En este
caso, es difcil valorar los premios muy improbables y no
hay un consenso acerca de cul es la cuota de entrada
que el jugador debera aceptar. El mes que viene anali-
zaremos la paradoja desde esta perspectiva.
3
J UEGOS MATEMTICOS
La paradoja de San Petersburgo y la teora de la utilidad
E
l mes pasado analizamos la llamada Paradoja de
San Petersburgo, un juego de azar en el que se
lanza una moneda hasta que sale cara y el jugador
gana 2n euros si la primera cara ha salido en la tirada
n-sima. La paradoja surge cuando intentamos responder
a la pregunta: cunto debera pagar un jugador para
entrar en el juego? Normalmente, la cuota de entrada en
un juego o sorteo debe ser igual a la ganancia media,
pero, como vimos el mes pasado, en el juego de San
Petersburgo esa ganancia media Gmed es infinita. En
efecto, la probabilidad de que la primera cara salga en
la tirada n-sima es 1/2n, de modo que:
2 4 8 16
Gmed = + + + +...
2 4 8 16
que es evidentemente infinita. De ello se deduce que
uno debera entrar en el juego pagando cualquier cuota
de entrada, por muy grande que sta fuese, puesto que
siempre la ganancia media ser superior. Pero esta con-
clusin est en contradiccin con el sentido comn, ya
que nadie en su sano juicio estara dispuesto a pagar
un milln de euros para participar en este sorteo.
Hace un mes analizamos la paradoja desde el punto
de vista de un casino que pretende organizar el juego
y tiene que decidir la cuota de entrada. Ahora vamos
a estudiar la paradoja desde el punto de vista de un
jugador que slo va a jugar unas pocas veces. En este
caso, la paradoja no tiene en realidad relacin con el
hecho de que la ganancia media sea infinita, sino con
cmo valoramos el riesgo. La misma paradoja ocurre en
el juego de San Petersburgo si limitamos los pagos, es
decir, si acordamos que, tras por ejemplo 100 tiradas
sin salir cara, el jugador no gana nada. En este caso,
la ganancia media es de 100 euros; pero, estara al-
guien dispuesto a pagar esa cantidad para entrar en el
sorteo? El premio puede ser an enorme: 2100 1030 si
la primera cara sale en la tirada nmero 100, aunque
la probabilidad de ganar ms de los 100 euros que
cuesta entrar en el sorteo es bastante pequea (1/64).
Hay gente que podra considerar atractivo el sorteo con
la cuota de 100 euros, a pesar de que lo ms probable
es que pierda dinero. Al fin y al cabo, muchos juegan
a la lotera, y en ocasiones cantidades considerables,
con la esperanza de ganar un premio muy cuantioso
con una probabilidad insignificante. Sin embargo, hay
una diferencia importante desde el punto de vista psi-
colgico entre la paradoja y la lotera. En el juego de
San Petersburgo, para ganar un premio cuantioso tiene
que salir un gran nmero de cruces seguidas en el lan-
zamiento de la moneda, un evento muy improbable que
puede ocurrir o no ocurrir aunque juguemos miles de
veces. En el caso de la lotera, el boleto con el gordo
tiene que estar en algn sitio y a alguien le tiene que
tocar. Es muy distinto creer que ese alguien puedo ser
2 INVESTIGACIN Y CIENCIA, marzo, 2007
Juan M.R. Parrondo
7
6
5
Cuota justa (c)
4
3
2
1
0
0 10 20 30 40
Capital inicial (b)
1. La cuota justa en funcin del capital inicial segn Bernoulli.
yo a creer que, al lanzar una moneda, las 20 primeras
tiradas van a ser cruz. Aunque esta diferencia en la
percepcin de uno y otro sorteo es irracional, porque
ambos sucesos son casi igual de probables.
Uno de los anlisis ms conocidos de la paradoja
es el que Daniel Bernoulli public en la revista de la
Academia de Ciencias de San Petersburgo en 1738. De
hecho, la paradoja recibe su nombre precisamente por ese
artculo. La fama del mismo no se debe a que ofreciera
una solucin completamente satisfactoria, sino porque en
su trabajo Bernoulli sent las bases de la teora de la
utilidad. La teora trata de cuantificar el beneficio real o
utilidad que supone para un individuo una determinada
cantidad de dinero. El argumento fundamental de Bernoulli
era razonable: 100 euros, por ejemplo, es una cantidad
considerable para alguien que no posee nada, mientras
que es insignificante para una persona que tenga un
patrimonio de un milln de euros. Bernoulli propuso que
el aumento de utilidad cuando una fortuna de x euros
aumenta en una cantidad muy pequea x deba ser
x/x. Con este supuesto y un poco de matemticas, se
puede demostrar que el aumento de la utilidad cuando
nuestra fortuna pasa de b euros a a euros es
U = ln(a) ln(b) = ln ( ab )
A partir de esta frmula podemos calcular la utilidad
media que uno obtiene si participa en el juego de San
Petersburgo. Supongamos que la cuota de entrada es
c y llamemos b a su capital inicial. El sorteo le puede
deparar un premio de 2 euros con probabilidad 1/2. En
este caso su nuevo capital sera de b c + 2 euros.
Si gana 4 euros, lo que puede ocurrir con probabilidad
1/4, su nuevo capital ser de b c + 4 euros, y as
sucesivamente. El incremento de utilidad que puede es-
perar, en media, del resultado del sorteo es:
ln(b c + 2) ln(b c + 4) ln(b c + 8)
Umed = + + +... ln(b)
2 4 8 pital total inmediatamente antes del turno t es X(t) y el
La cuota mxima que estaramos dispuestos a pagar
para entrar en el sorteo es la que hace que este in-
cremento medio de la utilidad sea cero. Para hallar la
cuota justa c, que ser distinta segn el capital inicial
b, tenemos que solucionar la ecuacin Umed = 0 con c
como incgnita. En la figura 1 he dibujado la solucin o
cuota justa c en funcin del capital inicial b. La solucin
no se puede expresar en trminos sencillos, aunque
podemos calcularla para un caso particular, b = c, es
decir, para el caso en que invertimos en el juego todo
nuestro capital. Cundo merece la pena asumir este
riesgo? Si hacemos c = b, nuestra ecuacin Umed = 0
se simplifica y puede resolverse con algunos conoci-
mientos de matemticas. La solucin es c = 4 euros. Si
el capital inicial b es menor de cuatro euros, entonces
la ecuacin carece de solucin, lo que indica que en
este caso no merece la pena entrar en el juego por
muy pequea que sea la cuota. Por eso la curva de la
figura 1 se interrumpe debajo de los 4 euros. Mas la
cuota justa crece sin lmite cuando lo hace el capital
inicial. La solucin no es del todo satisfactoria porque
se basa en un supuesto acerca de cmo valoramos el
dinero y porque la cuota depende del capital inicial. De
todos modos, recordemos que tampoco era satisfactoria la
solucin del mes pasado, pues en ella la cuota depende
del nmero total de turnos que se van a jugar.
Tom Cover, de la Universidad de Stanford, uno de los
mayores expertos mundiales en Teora de la Informacin
y muy aficionado a las apuestas, analiz hace unos aos
la paradoja de San Petersburgo y ofreci una solucin
diferente e ingeniosa, que no hace referencia a ninguna
valoracin subjetiva del premio. Consider una ligera y
lgica modificacin del juego original: podemos participar
en el mismo pagando cualquier cantidad de entrada x,
pero el premio recibido ser proporcional a dicho pago.
10300
10200
10100
GANANCIA
100
10100
10200
10300
0 2 4 6 8 10
TURNOS
104
2. Ganancia en el juego de San Petersburgo modificado por Cover
con cuotas de 4 euros (azul), 3,9 euros (verde) y 4,1 euros (rojo).
INVESTIGACIN Y CIENCIA, marzo, 2007
Si el pago x es igual a la cuota c, entonces recibimos
todo el premio; si es la mitad, recibimos la mitad del
premio. En general, si el premio es P, recibiremos una
cantidad xP/c. La segunda suposicin, bastante ms
restrictiva, de Cover es que el jugador reinvierte todas
sus ganancias en cada turno, de modo que, si su ca-
premio en dicho turno es Pt, entonces:
X(t )
X(t +1) = Pt
c
La evolucin del capital recuerda la de una inversin
continuada en Bolsa, como la que analizamos en los
Juegos Matemticos de septiembre de 2005. Se puede
resolver tomando el logaritmo de la ecuacin anterior:
lnX(t +1) = lnX(t ) + lnPt lnc
y promediando:
lnX(t +1) lnX(t ) = lnPt lnc
Como vemos, el logaritmo del capital aumenta en media
si la media del logaritmo del premio es mayor que el
logaritmo de la cuota. De forma similar a lo que ocurra
en la solucin de Bernoulli, la cantidad importante es el
valor medio del logaritmo del premio y no el valor medio
del premio (que es infinito). Con un clculo similar al
realizado en el anlisis de Bernoulli, se obtiene ln Pt =
= 2 ln 2. Por lo tanto, para que el logaritmo del capital no
crezca ni disminuya en media (y no lo haga, por tanto,
el capital), la cuota tiene que ser precisamente 4.
En la figura 1 podemos ver la evolucin del capital
en el juego de Cover para 100.000 turnos con distintos
valores de la cuota. El capital tiene tantas fluctuacio-
nes, que lo he dibujado en una escala logartmica. He
realizado cinco simulaciones del juego para una cuota
igual a 4 euros, que pueden verse en azul en la figura,
dos para cuota 3,9, en verde, y dos para cuota 4,1 en
rojo. Para la cuota de 4 euros las fluctuaciones son
enormes, positivas y negativas. Sin embargo, una ligera
desviacin de esa cuota justa hace que el capital crez-
ca siempre a infinito (curvas rojas) o decrezca a cero
(curvas verdes). La idea de Cover no es una solucin
de la paradoja, si bien constituye un mtodo ingenioso
para que el logaritmo aparezca sin utilizar valoraciones
de los premios, que es en definitiva lo que hace la
solucin de Bernoulli.
Hay algunos aspectos de la Paradoja de San Peters-
burgo que an no hemos cubierto, como la solucin de
Euler, basada en medias geomtricas de la ganancia
(equivalente a la de Bernoulli). Sobre la paradoja han
discutido grandes matemticos, aportando observaciones
cuando menos curiosas. A raz del artculo del mes pasa-
do, Fernando Prez Dehesa me ha enviado unas notas,
extradas del libro de Mauricio Kratchik Matemticas
Recreativas, en las que se pueden leer comentarios muy
interesantes de conocidos matemticos del siglo XVIII y
XIX. Tambin quiero agradecer a otro lector, Carlos Maca,
la sugerencia de discutir la paradoja en la seccin. Como
han podido comprobar, ha dado lugar a dos artculos y
quiz nos depare ms sorpresas en el futuro. Anmense
a sugerirme otros temas para la seccin!
parr@seneca.fis.ucm.es
3
J UEGOS MATEMTICOS
O
bserve la figura 1. En ella hay
dos urnas. La de la izquierda
contiene 100 papeletas, todas
y cada una de ellas con un premio de
un milln de euros. La de la derecha
contiene tambin 100 papeletas: 89
con un premio de un milln de euros,
una papeleta sin ningn premio y
10 papeletas con un premio de
5 millones de euros. Usted tiene que
elegir una de las dos urnas y sacar
una papeleta de la urna selecciona-
da. El premio que contenga la pa-
peleta ser suyo Cul de las dos
urnas elegira? Prefiere el milln
de euros de la urna de la izquierda
(1a) o se atreve con la de la derecha
(1b), en la que puede ganar hasta
5 millones a costa de la posibilidad,
poco probable, de irse a casa con
las manos vacas?
Observe ahora la figura 2. Tiene
que elegir de nuevo entre dos urnas
con 100 papeletas cada una. La de la
izquierda, 2a, tiene 89 papeletas sin
premio y 11 papeletas con un milln
de euros. La de la derecha, 2b, tiene
90 papeletas sin premio y 10 pape-
letas con 5 millones de euros. Cul
es en este caso su eleccin?
Prcticamente todo el mundo pre-
fiere en el segundo caso la urna 2b.
En el primero, es 1a la urna elegida
mayoritariamente, aunque una mi-
nora apreciable asume el pequeo
riesgo de la papeleta sin premio y
elige 1b. Si usted ha elegido 1a y 2b,
entonces coincide con la mayora de
la gente, pero ha contravenido uno
de los axiomas bsicos de la teora
de la utilidad, una teora que trata
de cuantificar las preferencias de las
personas ante situaciones inciertas.
El axioma que ha contravenido es
el llamado axioma de independencia,
que a primera vista parece bastan-
te razonable. El axioma dice que,
si prefiero una lotera a a una b y
realizo sobre ambas una modificacin
idntica, entonces la preferencia no
debe cambiar, es decir, seguir prefi-
riendo a sobre b. Qu entendemos
por una modificacin idntica? En
2 INVESTIGACIN Y CIENCIA, abril, 2007
Loteras y decisiones
100 papeletas
de 1 milln de
1a
1. Cul de las dos urnas prefiere?
nuestro ejemplo, significa aadir o
quitar papeletas iguales de las dos
urnas. En otras palabras, el axioma
de indiferencia, en una formulacin
simplificada y adaptada a las urnas
de las figuras, dice: si aadimos o
retiramos de cada una de las dos
urnas papeletas con el mismo pre-
mio, entonces el orden de preferen-
cia no debe cambiar. Les parece
razonable? No debera ser as si han
elegido 1a y 2b, porque esa eleccin
est en franca contradiccin con el
axioma.
En efecto, tomen las dos urnas
de la figura 1, retiren de las dos 89
papeletas con un milln de euros y
reemplcenlas por 89 papeletas con
0 euros. El resultado son las dos ur-
nas de la figura 2. Por lo tanto, si el
axioma fuera cierto, usted debera ha-
ber mantenido la preferencia despus
del reemplazo de papeletas y haber
elegido en las dos figuras las urnas
de la izquierda o las de la derecha,
pero nunca la 1a y la 2b.
Esta contradiccin entre la eleccin
de la mayora de la gente y el axioma
de indiferencia se llama paradoja de
Allais, en honor del economista fran-
cs y premio Nobel Maurice Allais.
No se trata en realidad de una pa-
radoja, sino de una forma de probar
Juan M.R. Parrondo
89 papeletas
de 1 milln
1 papeleta de 0
10 papeletas
de 5 millones de
1b
que el axioma de independencia no
reproduce adecuadamente nuestra
valoracin del riesgo.
Veamos en qu momento la pre-
ferencia entre las dos urnas cambia.
Cuando retiramos las 89 papeletas
con premio de un milln, nos queda-
mos con 11 de un milln en la urna
de la izquierda y 1 de cero euros y
10 de 5 millones en la de la derecha.
Creo que la mayor parte de la gente
que elige 1.A mantendra su decisin
tras este cambio. A continuacin, aa-
dimos, una a una, 89 papeletas sin
premio. Tendremos primero 11 pape-
letas con un milln y una papeleta
con cero euros en la izquierda y 10
papeletas con 5 millones y 2 con
cero euros en la derecha. Cambiara
entonces su preferencia hacia la urna
de la derecha? y despus de aadir
diez papeletas sin premio? Puede
precisar en qu momento cambia su
decisin?
El axioma de independencia no es
slo razonable, sino que tambin es
compatible con criterios matemticos
de decisin muy generales. Uno de
estos criterios consiste en comparar
los valores medios de la ganancia en
cada una de las dos loteras. Este es
de hecho el criterio adecuado si uno
va a jugar un gran nmero de veces
al mismo sorteo. En la paradoja de
Allais, el valor medio de la ganan-
cia en la urna 1a es de un milln
de euros; en la 1b es (89 1 + 10
5)/100 = 1,39 millones; en la 2a es
11 1/100 = 0,11 millones, y en la 2b
el valor medio de la ganancia es 10
5/100 = 0,5 millones. Por lo tanto,
el criterio del valor medio prescribe
que 1b es mejor que 1a y que 2b
es mejor que 2a.
Se puede demostrar que el criterio
del valor medio verifica el axioma de
independencia. De hecho, cualquier
criterio basado en un valor medio
lo verifica y es incompatible con la
eleccin habitual en la paradoja: el
par 1a, 2b. Supongamos que U(p) es
el beneficio o utilidad asociada a un
premio p. Para que la eleccin sea el
par 1a, 2b, tiene que verificarse:
100 U(1)/100 > 1 U(0) + 89
U(1) + 10 U(5)/100
89 U(0) + 11 U(1)/
/100 > 90 U(0) + 10 U(5)/100
Pero estas dos desigualdades son
incompatibles: si en la primera suma-
mos a ambos miembros 89 U(0)/100
y restamos 89 U(1), obtenemos la
segunda invertida. Estas sumas y res-
tas no son ms que la reproduccin
en lenguaje matemtico de la ope-
racin de aadir o retirar papeletas
de las urnas.
El mes pasado hablbamos de la
paradoja de San Petersburgo y de
cmo la solucin que dio Bernoulli
fue el comienzo de la teora de la
utilidad, a finales del siglo XVIII. En
1944, Von Neumann y Morgenstern
89 papeletas de 0
11 papeletas
de 1 milln de
2a
2. Cul de las dos urnas prefiere?
INVESTIGACIN Y CIENCIA, abril, 2007
desarrollaron una teora axiomtica
en la que se inclua el axioma de
independencia. La propuesta de Ber-
noulli que analizamos el mes pasado,
en la que se utilizaba una funcin de
utilidad U(p) concreta, el logaritmo,
tambin es incompatible con las pre-
ferencias habituales en la paradoja
de Allais. Sin embargo, el propio
Allais se considera un seguidor de
Bernoulli, y a Von Neumann y Mor-
genstern, neo-bernoullianos que se
han desviado de la idea original del
cientfico suizo. Para Allais, esa idea
original consista en asignar un valor
psicolgico a cada premio, que puede
depender no solo de su cuanta, sino
tambin de su probabilidad (y que
por supuesto puede ser distinto de
un individuo a otro, dependiendo de
su patrimonio, personalidad, etc.).
Paradoja de Ellsberg
Otra conocida paradoja relacionada
es la de Ellsberg, en la que de nuevo
tenemos que elegir entre varios sor-
teos. En una urna hay 90 bolas: 30
son rojas y el resto, 60, son negras
o amarillas. Usted no sabe cuntas
bolas negras y amarillas hay, tal y
como se representa en la figura 3.
Ahora tiene que elegir una de las
siguientes opciones: 1.a) Si saca una
bola roja le doy 100 euros; 1.b) Si
saca una bola amarilla le doy 100
euros.
Tmese su tiempo. Ha elegido
ya? Si es as, considere esta nueva
propuesta: 2.a) Si saca una bola roja
o negra le doy 100 euros; 2.b) Si
saca una bola amarilla o negra le
doy 100 euros.
90 papeletas de 0
10 papeletas
de 5 millones de
2b
?
?
?
?
? ?
3. La paradoja de Ellsberg.
La mayor parte de la gente eli-
ge la opcin 1.a) en el primer caso
y la 2.b) en el segundo, pero esta
eleccin contiene una contradiccin.
Eligiendo 1.a) estamos suponiendo
implcitamente que hay ms bolas
rojas que amarillas, mientras que la
eleccin de 2.b) significa que cree-
mos que hay ms amarillas que ro-
jas. Podramos pensar que la gente
considera que 1.a) y 1.b) son prcti-
camente equivalentes, y que tambin
lo son 2.a) y 2.b). Al fin y al cabo,
lo seran si hubiera 30 bolas negras
y 30 amarillas. Sin embargo, cuando
se pregunta a los sujetos de estu-
dio, no muestran indiferencia ante
las dos opciones o una preferencia
dbil hacia una de ellas, sino que la
preferencia es bastante intensa.
Lo que ocurre en la paradoja
de Ellsberg es que la gente se ve
atrada por la tranquilidad que pro-
porciona un conocimiento completo
de la situacin. En el primer caso
sabemos que, eligiendo a), tenemos
una probabilidad del 30 % de ganar
100 euros, mientras que la opcin b)
es incierta y con ella no podemos
ni siquiera evaluar las probabilidades
de ganar. En el segundo caso pasa
lo mismo: sabemos seguro que con
la opcin b) la probabilidad de ganar
es del 60 %, mientras que no pode-
mos evaluar esa probabilidad para la
opcin a). La paradoja de Ellsberg
muestra otro rasgo interesante de
nuestra relacin con el riesgo: tra-
tamos de evitar la ignorancia o, a la
hora de evaluar sus consecuencias,
tendemos a ponernos en lo peor.
3
J UEGOS MATEMTICOS Juan M.R. Parrondo

La asombrosa frmula de Tupper

U
no de mis ilustres predecesores en esta seccin
fue Douglas Hofstadter. Asumi la difcil tarea
de relevar a Martin Gardner en 1981 e imprimi
a la seccin un carcter peculiar, reflejo de sus propios
intereses y obsesiones. De la lgica matemtica y la
inteligencia artificial a los grabados de Escher y las
fugas de Bach, Hofstadter siempre ha refl exionado
acerca de la naturaleza y los lmites del pensamiento.
En esta reflexin y en sus columnas de INVESTIGACIN
Y CIENCIA, un tema recurrente fue la autorreferencia, es
decir, la posibilidad de que una cierta entidad lingstica,
matemtica o computacional se refiera a s misma.
La autorreferencia da lugar a razonamientos circulares
y paradojas enigmticas. Un ejemplo clsico es la para-
doja del mentiroso, de la que existen mltiples versiones.
La ms simple consiste en una sola frase que afirma
su propia falsedad: Esta frase es falsa. No puede ser
cierta ni falsa sin caer en una contradiccin.
Consideren otro ejemplo lingstico. Clasificamos los
adjetivos calificativos en dos grupos: llamaremos autcli-
tos a los adjetivos que pueden aplicarse a s mismos y
heterclitos a los que no pueden aplicarse a s mismos.
Por ejemplo, el adjetivo esdrjulo es autclito, porque
esdrjulo es una palabra esdrjula. Otro ejemplo es
pentaslabo que es una palabra con cinco slabas y,
por tanto, pentaslaba. Es difcil dar ms ejemplos (pue-
de el lector encontrar alguno?), puesto que la mayora
de los adjetivos, como blanco, francs o estrecho, artculos de Investigacin y Ciencia escribi en numero-
son heterclitos. Ahora intente responder a la siguiente
pregunta: es el adjetivo heterclito autclito o hete-
rclito? Si es autclito, entonces se aplica a s mismo
y es por tanto heterclito; y si es heterclito, entonces
no se aplica a s mismo y no puede ser heterclito. De
nuevo una frase: el adjetivo heterclito es heterclito, mecanismos para modificarlas). Pero la autorreferencia
afirma su propia falsedad.
Para resolver, o al menos arrojar luz sobre este tipo
de paradojas, los lgicos introdujeron la distincin entre
un lenguaje y su correspondiente metalenguaje, que est
formado por lo que se puede decir acerca del lenguaje
original. En la autorreferencia una proposicin dice algo
1. El autorretrato de la frmula de Tupper.
y
de s misma, y por tanto es al mismo tiempo lenguaje
y metalenguaje.
Kurt Gdel utiliz esta mezcla de lenguaje y metalen-
guaje no para construir paradojas, sino para demostrar
uno de los resultados ms profundos de la matemti-
ca, el teorema de incompletitud. El teorema afirma que
cualquier sistema de axiomas que pretenda describir la
aritmtica de los nmeros naturales es necesariamen-
te incompleto, es decir, habr afirmaciones verdaderas
acerca de los nmeros que no podrn demostrarse a
partir de los axiomas.
Gdel estableci una relacin entre nmeros y frmulas,
asignando a cada frmula aritmtica un nmero natural,
y luego entre frmulas y proposiciones metamatemticas,
es decir, proposiciones acerca de las propias frmulas.
Finalmente, construy una frmula G, que deca, en esa
relacin entre matemtica y metamatemtica: yo no soy
demostrable. Es decir, si G es verdadera entonces no
es demostrable y si es falsa entonces es demostrable.
Si el conjunto de axiomas es consistente, esta segunda
posibilidad no puede darse (no se puede deducir algo
falso de un sistema de axiomas consistente). Por lo tanto,
G es indemostrable a partir de los axiomas.
El libro ms conocido de Hofstadter lleva precisamente
por ttulo Gdel, Escher, Bach y en l trataba el teorema
de Gdel y lo relacionaba con la inteligencia artificial,
las fugas de Bach y los grabados de Escher. En sus
sas ocasiones acerca de toda clase de autorreferencias,
desde el teorema de Gdel hasta un curioso juego, el
Nomic, en el que los jugadores cambiaban las reglas
del propio juego a lo largo de la partida (de hecho, las
reglas iniciales del juego simplemente establecan los
no slo da lugar a paradojas o a grandes teoremas. El
ms familiar y ms misterioso fenmeno de la Natu-
raleza, la conciencia que los seres humanos tenemos
de nosotros mismos, es en ltima instancia un tipo de
autorreferencia.
Este mes recordamos al maestro Hofstadter con un
nuevo ejemplo de autorreferencia, que sin duda habr

k +17

k x
0 106

2 INVESTIGACIN Y CIENCIA, mayo, 2007


k + 17
16 33 50 ...
15 32 49 ...
y ... ... ...
2 19 36 ...
1 18 35 ...
0 17 34 ...
k = 17r
x
0 1 2 3
2. Cmo vara el exponente n en la frmula de Tupper
de pxel a pxel.
atrado su atencin: la frmula de Tupper, que tiene la
sorprendente propiedad de dibujarse a s misma en el
plano. La frmula es la siguiente:
y
1
< mod 217 x mod ( y,17),2
2 17
En ella aparecen dos smbolos que quizs algunos
lectores no conozcan, aunque son habituales en mate-
mticas. El primero de ellos es x y es la parte entera
de x, es decir, el entero inmediatamente por debajo de
x. Por ejemplo, 2,45 = 2. Como ven, la parte entera de
un nmero es simplemente lo que hay a la izquierda
de la coma decimal. La otra funcin que aparece en
la frmula de Tupper es la funcin mdulo, mod(x,z),
que es igual al resto que se obtiene cuando se divide
x entre y. Por ejemplo mod(36,17) = 2.
La frmula establece una condicin para el par x, y.
Si coloreamos de negro en el plano (x,y) los puntos que
verifican la condicin, obtendremos un dibujo, una imagen
infinitamente grande, puesto que el plano (x,y) es infinito.
Pues bien, en un lugar de esa imagen infinita, en concreto,
en la regin definida por 0 < x < 106, k < y < k + 17, en
donde k es un nmero enorme, de 542 cifras, aparece
lo que se muestra en la figura 1. Les resulta familiar?
Es precisamente la propia frmula de Tupper! Es decir,
la frmula se dibuja a s misma, aunque en una remota
zona del plano. Lo que estn contemplando en la figura
1 es un autntico autorretrato matemtico.
Cmo lleg Tupper a concebir algo tan sorprendente
y tan extrao? En realidad no es tan difcil, porque la
frmula de Tupper no slo se dibuja a s misma, sino
que dibuja cualquier imagen de 17 pxeles de altura y
ancho arbitrario. Para convencerse de ello hace falta un
razonamiento un poco complicado, aunque slo utiliza
matemticas elementales. Analicemos la frmula cuando
y vara desde k hasta k + 17, siendo k un mltiplo de
17, es decir, k = 17r, con r un nmero entero. En toda
esta regin del plano
INVESTIGACIN Y CIENCIA, mayo, 2007
y
=r
17
es constante. Fijmonos ahora en el exponente de 2
en la frmula (cambiado de signo), es decir, en la ex-
presin:
n = 17 x mod ( y,17)
En la figura 2 se muestra cmo este exponente n
vara en el plano. Si dibujamos una trama de pxeles
cuadrados de lado unidad, n toma un valor distinto en
cada uno de ellos, tal y como se indica en la figura.
Para convencerse de ello, basta darse cuenta de que
mod ( y ,17) es un entero que vara de 0 a 16 cuando y
va desde k = 17r hasta k + 17, mientras que el trmino
17 x salta de 17 en 17 cuando avanzamos de una
columna a la siguiente.
Veamos ahora al paso crucial para entender la frmula
de Tupper. La desigualdad
1
< mod (r 2n,2)
2
se puede analizar de forma sencilla si expresamos r en
base 2. Supongamos que r es, en binario, 1011001 y
que n = 5. Para dividir r entre 25, basta colocar la coma
decimal cinco lugares a la izquierda de la ltima cifra, es
decir, r 25 = 10,11001. El mdulo 2 de este nmero se
obtiene eliminando las cifras a la izquierda de la primera
cifra entera: mod(r 25,2) = 0,11001. Finalmente, la parte
entera de este nmero es simplemente la cifra que queda
a la izquierda de la coma decimal, en este caso 0. Por
lo tanto, el miembro de la derecha de la desigualdad
no es ms que la cifra n + 1 de r empezando por la
derecha. Si esta cifra es un 0, la frmula es falsa. Si
es un 1, es verdadera y generar un pxel negro en el
lugar correspondiente al exponente n.
Con todo ello podemos encontrar en qu regin del
plano dibuja la frmula de Tupper cualquier imagen. Basta
escribir un nmero binario entero r con unos y ceros en
donde queremos que haya pxeles negros y blancos,
respectivamente. Tenemos que escribir r de derecha a
izquierda, mientras seguimos los pxeles de la imagen en
el orden especificado en la figura 2 (desde n = 0 hasta
el valor que queramos). Una vez que obtenemos r de
esta forma, lo multiplicamos por 17 y obtenemos k = 17r.
La imagen buscada estar en la franja que va de y = k
hasta y = k + 17 y de x = 0 hasta el valor de x en el
que termina la imagen, que puede ser tan ancha como
queramos (los pxeles a la derecha del ltimo codificado
en el nmero r sern blancos).
La frmula no da lugar a ninguna paradoja, pero no
es slo autorreferente, sino una autntica Biblioteca de
Babel, de la que ya hemos hablado en alguna ocasin
(Caos, determinismo y voluntad, julio de 2002 y La para-
doja de la Biblioteca de Babel, octubre de 2003). Dibuja
todas las posibles imgenes de 17 pxeles de altura y
de anchura arbitraria, y como en 17 pxeles de altura
es fcil dibujar cualquier letra del abecedario y cualquier
signo de puntuacin, entonces la frmula escribir,
en alguna remota franja del plano y como si se tratara
de un rudimentario teletipo, el Quijote entero, desde
su primera hasta su ltima letra, o cualquier otro libro
escrito o por escribir.
3
J UEGOS MATEMTICOS
Pensamiento formal y pensamiento concreto
O
bserven la figura 1. En ella hay cuatro cartas.
Cada una de ellas tiene en uno de sus lados
una letra y en el reverso un nmero. Como ven,
algunas presentan visible el nmero y otras la letra.
Fjense en la afirmacin del recuadro que hay encima
de las cartas: Detrs de toda letra D est el nmero 3.
Qu cartas tienen que voltear para comprobar que la
afirmacin es cierta? Una pista: la afirmacin dice slo
que demuestren que detrs de una D hay un 3, pero no
dice nada acerca del reverso de un 3. Han resuelto ya
el problema? Anoten la solucin en un papel y pasemos
a la siguiente prueba.
DETRAS DE TODA D HAY UN 3
Observen ahora la figura 2. Cuatro personas estn
en un bar consumiendo alguna bebida. En la figura se
indica de cada uno de ellos o bien la edad o bien lo que
estn bebiendo. Usted tiene que comprobar que todo el
que bebe alcohol es mayor de 18 aos. A quin tiene
que preguntar la edad o lo que bebe para comprobar
dicha afirmacin?
Supongo que este ltimo problema les habr resul- ello. Son mayora los matemticos que piensan que la
tado bastante trivial. La mayora de la gente lo resuelve
de forma casi inmediata: hay que preguntar la edad al
individuo que bebe cerveza y la bebida que est con-
sumiendo la chica de 16 aos.
Sin embargo, en el problema de la figura 1 la ma-
yora de la gente se equivoca. Para confirmar la frase
recuadrada hay que voltear la carta que tiene una D y
comprobar que en efecto hay un 3 en su reverso, pero
tambin la que tiene un 1, para comprobar que no hay
una D en su reverso, puesto que en ese caso tendramos
una carta con el par D-1 y la afirmacin recuadrada
sera falsa. Si usted ha fallado en el problema de la
figura 1, no se preocupe: slo alrededor de un 10 %
de la poblacin encuentra la respuesta correcta y este
porcentaje ni siquiera super el 50 % cuando se realiz
la prueba a profesores universitarios de matemticas.
Lo curioso de este par de problemas es que formal-
mente son idnticos. En ambos se pide comprobar que
cierta propiedad P (tener una D en una de sus caras en
el primer caso, beber alcohol en el segundo) implica o
2 INVESTIGACIN Y CIENCIA, junio, 2007
Juan M.R. Parrondo
est siempre acompaada de cierta propiedad Q (tener
un 3 en una de las caras en el primer caso, ser mayor
de 18 aos en el segundo). En ambos se muestran
cuatro casos: uno que verifica P, otro que no verifica Q,
un tercero que no verifica P y un cuarto que verifica Q,
tal y como se ve en la figura 3. El lector puede compro-
bar que incluso el orden en que estn dispuestos las
cartas de la figura 1 y los individuos de la figura 2 es
formalmente el mismo que el de la figura 3.
De este pequeo experimento, diseado por el psic-
logo Peter C. Wason en 1968, se deduce que los seres
humanos no pensamos formalmente, es decir, basndo-
1. Qu cartas hay
que levantar para
comprobar la afirmacin
del cuadro superior?
nos slo en relaciones lgicas, sino que lo hacemos en
funcin del significado de las afirmaciones que tenemos
que demostrar o comprobar. Nuestro modo de pensar
es semntico y no puramente lgico. A muchos puede
parecerles esta afirmacin evidente y un tanto trivial. Sin
embargo, los que nos dedicamos a la matemtica o a la
enseanza de la matemtica tendemos a olvidarnos de
lgica formal es el esqueleto del pensamiento, sobre el
que luego se aaden significados. Con esta concepcin,
muchos profesores de matemticas nos desesperamos
porque nuestros alumnos no son capaces de extrapolar un
argumento de una situacin a otra. Deberamos recordar
que el pensamiento formal es una construccin bastante
elaborada y basada en el pensamiento referido a situa-
ciones concretas, y que habra que partir de este ltimo
para llegar al primero. Creo que gran parte del fracaso
escolar en matemticas se debe a que los espritus
gemetras, como deca Pascal, no somos conscientes de
la artificialidad del pensamiento formal, que est basado
en principios [que] son palpables pero se apartan del
uso comn, de modo que nos cuesta volver la cabeza
hacia ese lado, por falta de hbito.
El test de Wason es una herramienta excelente para
investigar cmo razonamos. Los resultados del test ponen
de manifiesto que utilizamos dos sistemas de razona-
miento: uno inmediato, inconsciente e intuitivo, que en
algunos artculos se denomina sistema 1, y otro formal
 TODO EL QUE BEBE ALCOHOL TIENE MAS DE 18 AOS
? CERVEZA 16 AOS ? ?
y consciente, el sistema 2. Cuando nos presentan el
test, el sistema 1 elige las cartas que aparecen en la
afirmacin que tenemos que comprobar, es decir, la carta
con la D y la carta con el 3. Es lo que los psiclogos
llaman matching bias, que podramos traducir como
sesgo por afinidad. Despus entra en juego el sistema
2, que corrige esta primera conclusin del sistema 1.
En esta etapa, mucha gente se da cuenta de que no
es necesario voltear la carta con el 3, puesto que slo
se nos pide comprobar que toda carta con una D tiene
un 3 en su reverso, pero nada se informa de las cartas
con un 3. En este anlisis, sin embargo, la carta con el
1 pasa inadvertida para la mayora de la gente (es lo
que me pas a m cuando realic el test). Como prueba
de estos mecanismos, se ha realizado el test registrando
el movimiento de los ojos de los participantes y se ha
comprobado que stos pasan la mayor parte del tiempo
analizando las cartas D y 3.
Otra forma, ms interesante y ms extendida, de expe-
rimentar con el test de Wason es dotar de significado a
las propiedades P y Q de la figura 3, tal y como hemos
hecho con el ejemplo del bar de la figura 2. Existen
numerosas variantes de este tipo clasificadas segn el
significado de P y Q.
El grupo de John Tooby, de la Universidad de California
en Santa Brbara, distingue tres situaciones diferentes:
reglas descriptivas, reglas de contrato social y reglas de
precaucin. En la primera, P y Q son propiedades que
slo describen algn objeto o situacin. El test original
con las cartas es un ejemplo de este tipo de regla. Peor
tambin los hay que utilizan propiedades del mundo
real: comprueben la afirmacin siempre que se poda
el jazmn a finales del invierno, florece en primavera,
en los cuatro casos siguientes: 1) un jazmn que se ha
podado, 2) otro que no ha florecido, 3) uno que no se ha
podado y 4) otro que ha florecido. La respuesta correcta
es: preguntar si 1) ha florecido y preguntar si 2) ha sido
podado. Encontrara el lector la respuesta correcta o
pasaran inadvertidos los jazmines no florecidos?
El segundo tipo de situacin es el contrato social, don-
de P consiste en algn tipo de beneficio y Q en alguna
obligacin. Por ejemplo, P puede ser tomar prestado un
coche y Q llenar el depsito de gasolina. En la tercera quienes enseamos matemticas, es que hay que tener
regla, peligro/precaucin, P es la exposicin a un peligro,
como trabajar con muestras contaminadas, y Q una
medida de seguridad, como utilizar guantes. Nuestro
ejemplo del bar pertenecera a esta regla de precaucin
(aunque tiene tambin algo de contrato social). Tooby y
sus colaboradores han llegado a la conclusin, mediante
INVESTIGACIN Y CIENCIA, junio, 2007
TONICA ? 21 AOS
2. A quin hay que preguntar la edad o lo que est bebiendo
para comprobar la afirmacin del cuadro superior?
multitud de experimentos, que slo entre un 20 % y un
30 % de la gente encuentra la solucin correcta en las
reglas descriptivas, mientras que el porcentaje sube al
70 % o el 80 % en las reglas de contrato social y las
de precaucin. De ello deducen que los seres humanos
poseemos mecanismos de razonamiento intuitivo e in-
consciente, adaptados a este tipo de situaciones y que
se han desarrollado a lo largo de la evolucin biolgica
porque eran especialmente tiles para la supervivencia
de la especie.
Pero estas conclusiones se hallan sujetas a debate.
Una explicacin alternativa a los resultados del test de
Wason es la teora de la relevancia cognitiva, que afirma
TODOS LOS QUE VERIFICAN P VERIFICAN Q
3. Qu informacin es necesaria para comprobar la afirmacin
del cuadro superior?
que nuestro sistema de razonamiento inconsciente otorga
un peso a las distintas realizaciones del test de acuerdo
con su relevancia cognitiva, es decir, con la capacidad
de cada realizacin de cambiar nuestro conocimiento
acerca del mundo. Este sistema de razonamiento es ms
general que la propuesta de Tooby, en la que se supone
la existencia de sistemas de razonamiento especficos
para cierto tipo de situaciones, como la regla de contrato
social y la de peligro/precaucin.
En cualquier caso, creo que la leccin ms importante
que proporciona el test de Wason, especialmente para
cuidado cuando tratamos de desarrollar en nuestros alum-
nos el razonamiento formal. Por un lado, nos recuerda que
el razonamiento formal es una elaboracin artificial a la
que no se tiene por qu acceder de un modo natural.
Por otro, el test nos puede ayudar a encontrar ejemplos
eficaces para ensear ciertas reglas lgicas.
3
J UEGOS MATEMTICOS
Sutilezas estadsticas
E
n los aos noventa circul en ambientes cientficos
un sorprendente resultado estadstico que ms
tarde result ser un fiasco: la regla de Gott, un
mtodo sencillo, pero sorprendentemente general, para
estimar la duracin de un fenmeno cualquiera.
J. Richard Gott III es un imaginativo cosmlogo de la
Universidad de Princeton que ha trabajado en temas muy
sugerentes, como la posibilidad de viajar en el tiempo.
En 1969 realiz un viaje por toda Europa y, ante el
Muro de Berln, se le ocurri el siguiente argumento. Su
visita a Berln no tena nada de especial. Podra haber
sucedido en cualquier momento de la existencia del Muro.
Cabe pensar entonces que ocurre en un instante al azar
de la vida del Muro. Si dividimos dicha vida en cuatro
partes iguales, tal y como se muestra en la figura 1, la
probabilidad de que la visita de Gott ocurra en uno de
esos cuatro intervalos es 1/4. Por tanto, la probabilidad
de que la visita se d en los dos intervalos centrales
(marrn en la figura 1) es 1/2. Pero, si la visita acontece
en estos dos intervalos, el Muro no puede durar menos
de 8 + 8/3 aos, ni ms de 8 + 3 8 aos.
TIEMPO
CONSTRUCCION GOTT FIN
DEL MURO
(1961)
EN BERLIN
(1969)
DEL MURO
(?)
1. El argumento copernicano de Gott: la probabilidad de que la visi-
ta de Gott al Muro de Berln se realizara en el intervalo de tiempo
indicado por los rectngulos rayados es 1/2.
La primera cota se obtiene suponiendo que la visita
se produce al final de los dos intervalos centrales, con
lo que la duracin de cada intervalo sera de 8/3 y al
Muro le quedara slo un intervalo, es decir, 8/3 de
ao, y su duracin total sera la suma de los cuatro
intervalos, 8/3 4 aos. La segunda cota se obtiene
suponiendo que la visita se produce al principio de los
dos intervalos centrales, con lo que cada intervalo dura
8 aos y al muro le quedan esos dos intervalos ms el
cuarto, es decir, tres intervalos de 8 aos de duracin.
Por lo tanto, con probabilidad 1/2, la vida del Muro tie-
ne que estar comprendida entre 10 aos y 8 meses y
32 aos. Es decir, el Muro, razon Gott en 1969, caer,
con probabilidad 1/2, entre 1972 y 1993.
Veinte aos despus de su visita a Berln, en 1989, el
muro caa; Gott record su viejo argumento y pens que
mereca la pena ahondar algo ms. El argumento puede
aplicarse para estimar la duracin de cualquier fenmeno,
2 INVESTIGACIN Y CIENCIA, julio, 2007
Juan M.R. Parrondo
sin ms que saber cundo comenz y suponiendo que
lo observamos en un instante completamente aleatorio
dentro del tiempo de vida del mismo.
A esta suposicin Gott la llama principio copernicano.
Coprnico fue quien propuso una nueva imagen del
cosmos en la que la Tierra ya no era el centro del uni-
verso, como crea el sistema ptolemaico. En el universo
copernicano la Tierra no tiene un estatuto especial, sino
que ocupa una regin ms del universo. Esta declaracin,
extendida tambin al tiempo, se conoce en cosmologa
como principio copernicano. Segn el principio coperni-
cano ni la Tierra ocupa un lugar especial en el universo
ni el presente tiene nada de especial en la historia del
mismo. Para Gott, la expresin matemtica de ese prin-
cipio, aplicada a la observacin de cualquier fenmeno
independiente del observador, es que el tiempo t de
observacin es un instante elegido al azar dentro del
intervalo de vida del fenmeno.
El argumento de Gott puede generalizarse a mrgenes
de confianza superiores a 1/2. Supongamos que un fe-
nmeno se inici en un tiempo t0 y que lo observamos
en un tiempo t. Si la duracin total del fenmeno es T,
supondremos que t es un nmero aleatorio entre t0 y
t0 + T. Entonces, la probabilidad de que t se encuentre
entre t0 + aT y t0 + (1 a)T es la fraccin que ocupa
el rea rayada en la figura 2, es decir:
Prob [t0 + aT t t0 + (1 a)T ] = 1 2a
Consideramos ahora los dos casos extremos: que la
observacin ocurre al principio del intervalo rayado, t =
= t0 + aT, o que ocurre al final de dicho intervalo, t = t0 +
+ (1 a)T; y obtenemos as la cota superior e inferior
para la duracin T del fenmeno:
t t0 t t0
T
1a a
Esta desigualdad se debe satisfacer con una probabili-
dad 1 2a, que suele denominarse nivel de confianza. Por
ejemplo, para a = 1/4, obtenemos un nivel de confianza
del 50 % y el intervalo que dedujo Gott en su visita a
Berln en 1969. Si queremos un nivel de confianza del
95 %, tendremos que utilizar a = 0,0025, con lo cual el
intervalo de confianza es ms amplio:
40
(t t0) T 40 (t t0)
39
En su artculo en Nature de 1994, Gott aplic esta
frmula a toda clase de fenmenos y situaciones: la
vida de la Unin Sovitica, la del mismo Gott, la dura-
cin de la especie humana o los aos en que seguir
publicndose la propia revista Nature. Por ejemplo, la
especie humana se origin hace unos 200.000 aos.
Si aplicamos el principio copernicano a nuestra poca,
 aT (1 2a)T aT
TIEMPO
INICIO FIN
DEL FENOMENO OBSERVACION
(t )
DEL FENOMENO
(t0 ) (t0 + T )
2. Generalizacin del argumento de Gott.
considerndola un instante cualquier en la historia de la
especie y aplicamos el argumento de Gott, obtenemos
que, con probabilidad del 95 %, la humanidad sobrevi-
vir al menos 5100 aos pero no ms de 7,8 millones
de aos. Aplicado a una vida humana, el argumento
da resultados aparentemente triviales o absurdos. Yo
tengo 43 aos, por lo que, segn Gott, vivir entre 44,1
y 1720 aos. Pero un beb de un mes vivir, con una
probabilidad del 95 %, entre 40/39 = 1,026 y 40 meses,
es decir, poco ms de 3 aos. Del argumento de Gott
parece deducirse que el 95 % de los nios de un mes
no van a vivir ms de 40 meses, lo cual es evidente-
mente falso. El argumento tambin falla si lo aplicamos
al fenmeno no salir el cero en la ruleta, puesto que el
nmero de turnos que lleva sin salir el cero no tiene la
ms mnima influencia sobre las probabilidades de que
salga o no salga el cero en los turnos siguientes. En
estos casos, no es aplicable el principio copernicano
o el argumento es simplemente incorrecto?
Carlton Caves public en el ao 2000 un artculo muy
crtico contra el argumento de Gott, en el que realizaba
un anlisis bayesiano del mismo. Ya hemos hablado en
esta seccin de este tipo de anlisis (Fsiles y loteras,
abril 2005). El error del argumento de Gott es muy sutil,
pero puede entenderse con un sencillo ejemplo. La mejor
forma de reflexionar sobre argumentos probabilsticos
es suponer que podemos repetir un experimento un
tp
OBSERVACION
(t )
3. Si no jamos el tiempo tp transcurrido entre el comienzo del fen-
meno y la observacin (esquema de la izquierda), la hiptesis de Gott
INVESTIGACIN Y CIENCIA, julio, 2007
gran nmero de veces. En este caso, admitamos que
tenemos muchas copias del fenmeno cuya duracin
queremos estimar. Tal y como se muestra en la figura 3
(izquierda), el comienzo de estas copias y su duracin
son cantidades aleatorias. De acuerdo con el principio
copernicano, en cierto instante al azar t intentamos ob-
servar el fenmeno. Lo lograremos en unas ocasiones
y en otras no, como se indica en la figura. Vamos a
analizar slo las ocasiones en las que observamos el
fenmeno. El tiempo tp transcurrido entre el comienzo
del mismo y la observacin es una cantidad variable. El
argumento de Gott se basa en que tp/T es un nmero
aleatorio uniformemente distribuido entre 0 y 1. Esto es
rigurosamente cierto. Para convencerse de ello, imaginen
la figura 3 (izquierda) con un ingente nmero de copias
y piensen en la cantidad tp/T, que es la fraccin de
segmento que queda a la izquierda de la observacin
en cada copia. Dicha cantidad puede tomar cualquier
valor entre 0 y 1 con igual probabilidad.
Sin embargo, si ahora de entre todas esas copias nos
quedamos con las que poseen un determinado valor para
tp, segn se muestra en el esquema de la derecha de la
figura 3, esta hiptesis deja de ser cierta. Imaginen que
la duracin T es un nmero aleatorio entre 1 y 10 aos y
que tp es 6 aos. Entonces, las copias que han sobrevivido
a nuestra criba, es decir, las que aparecen en la parte
derecha de la figura 3, durarn 6, 7, 8, 9 o 10 aos, con
probabilidad 1/5. Por lo tanto, tp/T puede ser igual a 1,
6/7, 6/8, 6/9 o 6/10 y toma cada uno de estos valores
con probabilidad 1/5. Como vemos, tp/T est muy lejos
de ser un nmero uniformemente distribuido entre 0 y 1.
De hecho, lo es slo cuando la probabilidad de la du-
racin T tiene una forma muy particular (proporcional a
1/T2). La conclusin de Caves es muy sutil: la hiptesis
de Gott es verdadera slo si no conocemos tp; pero si no
conocemos tp, ignoramos cunto tiempo lleva ocurriendo
el fenmeno desde su comienzo hasta la observacin y,
por tanto, no podemos usar el argumento. Por otro lado,
si conocemos tp, la hiptesis es falsa. En pocas palabras,
el argumento de Gott o bien es falso o bien es intil.
tp
OBSERVACION
(tp/T es una cantidad aleatoria entre 0 y 1) es vlida. Sin embargo,
si jamos tp (esquema de la derecha) la hiptesis deja de ser cierta.
3
J UEGOS MATEMTICOS
Mviles y vectores
T
ermina el primer tiempo del partido en un gran
estadio. En ese momento, miles de personas toman
su telfono mvil para llamar a casa o a algn
amigo. Aunque en este tipo de situaciones las lneas
suelen saturarse, son muchos los que consiguen llamar.
No se han preguntado nunca cmo es posible que la
informacin proveniente de todos esos aparatitos pueda
procesarse por separado? Y cmo unas pocas antenas
pueden distribuir a su vez informacin a todos ellos, de
forma dirigida, especfica y bastante rpida? Denle las
gracias a las matemticas. Ms concretamente, a los
vectores y matrices que tantos quebraderos de cabeza
provocan en nuestros estudiantes de secundaria y de
universidad.
En los comienzos de la telefona mvil, la estrategia
para que la estacin base se pudiera comunicar con
varios telfonos al mismo tiempo fue asignar a cada uno
de ellos una frecuencia o canal, como si se trataran de
distintas cadenas radiofnicas. Este sistema de acceso
mltiple por divisin de frecuencia (FDMA, acrnimo
de Frequency Division Multiple Access) imper en la
telefona mvil hasta los aos noventa. Pero no utiliza
el ancho de banda disponible de manera ptima. Entre
otras razones porque, para evitar interferencias, cada
antena o base no puede emplear todas las frecuencias
disponibles. Las antenas de telefona mvil se disponen
formando una red aproximadamente hexagonal, como
la que se muestra en la figura 1. Debido a posibles
interferencias, una celda no puede utilizar las mismas
frecuencias que sus vecinas, lo cual obliga a una cuida-
dosa planificacin de las frecuencias asignadas a cada
celda, como vemos en la figura 1 (derecha). Las celdas
con distintas letras emplearn frecuencias diferentes;
as, cada una de ellas har uso slo de un sptimo del
ancho de banda disponible, con la prdida consiguiente
de capacidad para toda la red.
La segunda generacin de telefona mvil se bas
en el sistema de acceso mltiple por divisin de tiem-
po, TDMA (de Time Division Multiple Access). En este
sistema no slo se divide el espectro de frecuencias,
sino tambin el tiempo. En cada canal habla ms de
C A
C B D A A A
B D A A A
G E
A El telfono necesita enviar y recibir constantemente
A A A A
F
G E A A A
F C A A
B D A A
A A
G E A A
F A
1. Planificacin de celdas y frecuencias en FDMA y TDMA
(izquierda) y en CDMA (derecha).
2 INVESTIGACIN Y CIENCIA, agosto, 2007
Juan M.R. Parrondo
un usuario (3 en EE.UU. en canales de 30 kHz, y 8 en
Europa y Asia en canales de 200 kHz) en intervalos de
tiempo muy cortos, del orden de 30 o 40 milisegundos.
Cada usuario utiliza este intervalo de tiempo de forma
secuencial; el odo apenas nota las breves interrupciones,
aunque hay una prdida de calidad apreciable. Es un
hecho reconocido que la segunda generacin de telefona
mvil persegua el aumento de capacidad, aunque fuera
a costa de la calidad de la comunicacin. Sin embargo,
en este sistema, sigue siendo necesaria la planificacin
de frecuencias y contina sin aprovecharse todo el ancho
de banda disponible.
Por ltimo, la 3G o tercera generacin de telefona
utiliza el sistema de acceso mltiple por divisin de
cdigo, CDMA (de Code Division Multiple Access). Per-
mite aprovechar, de manera muy ingeniosa, la misma
frecuencia (con un ancho de banda mayor) para todos
los usuarios que se encuentran en el rea de alcance
de una determinada antena o base. No se requiere ya
ninguna planificacin de frecuencias, como se muestra
en la figura 1 (izquierda); cada celda de la red puede
servirse, en principio, de todo el ancho de banda dis-
ponible.
El CDMA ha sido posible gracias a la digitalizacin
de la seal que viaja de nuestros telfonos a la base
o antena ms cercana (aunque esta digitalizacin ya se
encontraba en el TDMA). El telfono convierte nuestra
voz en una seal digital compuesta por ceros y unos.
La base tambin transmite al telfono una seal digital y
ste la convierte en el voltaje que finalmente reproduce
el sonido en el altavoz. Sin embargo, para explicar el
funcionamiento del CDMA es mejor recurrir a los valores
+1 y 1, en vez de unos y ceros. En esta representa-
cin, que se denomina polar, +1 equivale a un uno y
1 equivale a un cero.
A cada telfono que recibe o realiza una llamada en
el rea correspondiente a una base, sta le asigna un
nmero binario de varios dgitos, cdigo que podemos
representar como una serie de nmeros, en este caso
+1 o 1 (en matemticas, un vector). Un cdigo de cinco
dgitos podra ser, por ejemplo:
b = (+1, 1, 1, +1, 1)
bits, es decir, ceros y unos. Sin embargo, en el sistema
CDMA no los enva directamente, sino que transmite el
cdigo b si el bit que quiere mandar es uno y b si el bit
que quiere mandar es cero. Utilizando la representacin
polar con +1 y 1, podemos expresar tal prescripcin
de la siguiente forma matemtica: si lo que el telfono
quiere enviar es s, deber enviar sb. Como el cdigo b
tiene determinada longitud, 5 dgitos en nuestro ejemplo,
aunque 64 o ms en las ejecuciones reales del CDMA,
necesitamos enviar todos estos bits para transmitir el bit
s. Tamao derroche nos permite identificar la fuente del
bit entre todos los usuarios que se estn comunicando
con la base en un momento dado.
En la figura 2 podemos ver cmo funciona la codi-
ficacin CDMA con el cdigo b de cinco dgitos que
hemos puesto de ejemplo. Segn se aprecia en la figura,
el nmero de bits que tiene que enviar el telfono se
multiplica por cinco. Normalmente un telfono necesita
enviar o recibir 9600 bits por segundo, para ello enva
o recibe 1.228.800 bits por segundo utilizando distintos
cdigos, algunos propios del telfono y otros propios
de la base o asignados por ESTA a una determinada
conversacin.
Cada telfono o usuario tiene su propio cdigo. Pese
a ello, todos envan sus seales en la misma frecuencia.
Por lo tanto, la base recibe la suma de todas ellas. Si
estn hablando simultneamente 5 usuarios, por ejemplo,
y si sus envos estn sincronizados, la seal que recibe
la base en un intervalo de tiempo de longitud igual a la
longitud de los cdigos, es:
s = s1b1 + s2b2 + s3b3 + s4b4 + s5b5
en donde s1, ..., s5 son los bits que cada usuario quie-
re transmitir y b1, ..., b5 los correspondientes cdigos.
Cmo puede la base inferir de esta suma la contribucin
de cada usuario? E este punto, el lgebra de vectores
puede ayudarnos.
Una operacin bsica con vectores es el llamado
producto escalar, que consiste en multiplicar las com-
ponentes de dos vectores una a una y sumar todos
estos productos. Por ejemplo, el producto escalar de
a = (1,5,4) y b = (3,0,2) es ab = 1 3 + 5 0 + 4
2 = 11. Cuando el producto de dos vectores es nulo,
decimos que son ortogonales. La denominacin provie-
ne de que, en espacios de dos y tres dimensiones, el
producto escalar de dos vectores que forman un ngulo
de 90 grados es nulo.
Sin embargo, la ortogonalidad es una propiedad ms
general. As, en el caso de vectores cuyas componentes
son slo +1 y 1, que el producto escalar sea nulo es
equivalente a que difieran en la mitad de sus compo-
nentes. Los vectores ortogonales nos van a permitir
resolver el problema del CDMA. Supongamos que los
1 1
0 0
0 5
0 5 10 15 20
-1 -1
SEAL ORIGINAL
1
0
0 5 10 15 20
-1
SEAL ENVIADA
2. La codificacin de la seal en el sistema CDMA. La seal
original se multiplica por el cdigo del usuario y se enva a la
base el resultado.
INVESTIGACIN Y CIENCIA, agosto, 2007
cdigos asignados a cada usuario son ortogonales entre
s; en tal caso, si multiplicamos escalarmente la seal
recibida s por uno de los cdigos, por ejemplo b1, el
producto de dicho cdigo por todos los dems ser nulo.
Tenemos tambin que
b1.s = s1b1.b1 = Ns1
siendo N la longitud del cdigo, ya que al multiplicar
cada componente de b1 por s misma el resultado es
siempre 1 y la suma de todos esos productos conduce
a b1b1 = N. Por lo tanto, si los cdigos son ortogona-
les, la base puede recuperar la informacin enviada por
cada usuario simplemente multiplicando escalarmente la
seal recibida por el cdigo correspondiente. El sistema
de envo de informacin de la base a los telfonos es
similar. En este caso la base enva la suma s y son los
telfonos los que extraen de ella la informacin dirigida
a cada uno.
La pregunta crucial para la capacidad de la red es
entonces sta: cuntos cdigos ortogonales existen
y cmo podemos obtenerlos? El CDMA es ingenioso,
pero no mgico: el nmero de cdigos ortogonales es
igual a la longitud de los mismos, o, formulado de modo
ms intuitivo y geomtrico, el nmero mximo de vecto-
res ortogonales en N dimensiones es precisamente N.
Una forma particular de obtenerlos es a partir de las
llamadas matrices de Hadamard-Walsh. Se comienza
con la matriz:
1 1
H1 =
1 1
y se genera una nueva matriz mediante el siguiente
algoritmo:
1 1 1 1
H1 H1
1 1 1 1
H2 = =
H1 H1 1 1 1 1
1 1 1 1
Continuando de forma similar, se obtienen matrices
en donde todas las columnas son vectores ortogonales
entre s. En la telefona actual se utilizan estos cdigos
de Walsh con una longitud de 64 bits (aunque se exten-
dern a 256 en el prximo estndar de CDMA).
El sistema CDMA completo es bastante ms compli-
cado de lo que hemos esbozado aqu. Los cdigos de
CDIGO Walsh se aplican a la transmisin base-telfonos; para
el envo de informacin de los telfonos a la base se
recurre a otro tipo de cdigos que son slo aproxima-
damente ortogonales. Si lanzamos dos monedas muchas
veces, en ms o menos la mitad de las tiradas ambas
presentarn el mismo resultado. Por ello, dos vectores
formados por +1 y 1 aleatorios tienden a ser ortogonales,
lo cual permite construir cdigos aproximadamente orto-
gonales mediante algoritmos muy simples que generan
bits pseudoaleatorios. Probablemente hablemos de estos
algoritmos en los prximos meses.
3
J UEGOS MATEMTICOS
A
unque pueda parecer extrao,
la aleatoriedad es un bien
preciado. Ejrcitos y empresas
de criptografa pagan considerables
cantidades de dinero por una fuente
segura de nmeros aleatorios, que
son tambin esenciales en una gran
variedad de simulaciones por orde-
nador: fluidos, meteorologa, materia-
les, molculas, redes sociales, etc.
Por qu resulta valioso algo tan
ubicuo como el azar? No basta con
tirar una moneda al aire para conse-
guir un resultado aleatorio? En efecto,
pero en las aplicaciones mencionadas
se necesitan grandes cantidades de
bits aleatorios producidos de modo
automtico. Hay adems un cierto gra-
do de calidad en las fuentes de n-
meros aleatorios. Por ejemplo, el viejo
lenguaje de programacin BASIC dis-
pona de una funcin que generaba
nmeros aleatorios utilizando lo que
el reloj del propio ordenador marcaba
cuando la funcin se ejecutaba.
Es cierto que el instante en que
la funcin se ejecuta depende de
muchas variables: momento en que
se inicia el programa, longitud de
ste, etctera. Resulta prcticamente
impredecible. Sin embargo, las lla-
madas consecutivas a esa funcin
de nmeros aleatorios no garantizan
que stos gocen de una distribucin
uniforme y carezcan de correlacin
alguna. Lo mismo ocurre con los
lanzamientos de una moneda, que
puede estar ligeramente sesgada.
Pero no faltan algoritmos determi-
nistas que producen nmeros con
una aleatoriedad falsa, aunque de
mayor calidad. Como el algoritmo
que los genera es predecible, se
denominan pseudoaleatorios. Sin
0 0 1 0
1. Esquema de un registro de desplazamiento con retroalimentacin lineal (LFSR).
2 INVESTIGACIN Y CIENCIA, septiembre, 2007
Nmeros pseudoaleatorios
embargo, poseen muchas de las pro-
piedades de los nmeros aleatorios,
las suficientes como para que sean
idneos en aplicaciones cientficas
y de simulacin. En criptografa se
utilizan tambin; mas, si se necesi-
ta un alto grado de seguridad, se
recurre a otros mtodos de gene-
racin, basados en el azar real de
fenmenos fsicos, como el ruido en
los dispositivos elctricos o incluso
las desintegraciones radiactivas.
Uno de los mtodos habituales
para obtener nmeros pseudoalea-
torios son los registros de despla-
zamiento. Se trata de una serie de
registros en donde se almacenan bits,
es decir, ceros o unos, que se van
desplazando consecutivamente y de
modo circular. Si tenemos, por ejem-
plo, siete registros con los valores
iniciales 1011100, desplazamos todos
hacia la derecha y el ltimo de ellos,
el 0, lo colocamos al principio, el l
resultado ser 0101110. Despus del
segundo desplazamiento obtenemos
0010111 y as sucesivamente. Obvia-
mente, el estado inicial se recupera
tras siete pasos, dando lugar a una
secuencia bastante trivial. Sin em-
bargo, una sencilla modificacin de
estos desplazamientos circulares ge-
nera secuencias bastante complejas.
La modificacin consiste en colocar
como primer dgito no el ltimo regis-
tro, sino una combinacin de ste y
algunos otros, que se llaman llaves.
El algoritmo resultante se denomina
registro de desplazamiento con retroa-
limentacin lineal o LFSR (por Linear
Feedback Shift Register).
En la figura 1 podemos ver un
LFSR con cinco registros. En cada
desplazamiento, el primero se obtie-
1 SALIDA
Juan M.R. Parrondo
ne combinando tres llaves: el ltimo,
el segundo y el tercer registro. Es-
tas combinaciones se representan
en la figura mediante flechas y el
smbolo que denota una operacin
lgica muy simple entre dos nme-
ros binarios: si los dos nmeros son
iguales, el resultado de la operacin
ser 0; si son distintos, el resultado
ser 1. La operacin se conoce como
disyuncin exclusiva o exclusive or
(XOR) en ingls, porque, si 1 repre-
senta cierto y 0 falso, entonces p
q es equivalente a p o q, pero no
las dos a la vez. Matemticamente
la operacin tiene tambin una
interpretacin sencilla. Es la suma
mdulo 2 de sus dos operandos:
x y = (x + y) mod 2
en donde a mod 2 es igual al resto
cuando se divide a entre 2, es decir,
0 si a es par y 1 si es impar.
En el LFSR, el primer registro es
simplemente la suma mdulo 2 de
todas las llaves. Para la configuracin
de la figura 1, las tres llaves tienen
valores 0, 1 y 1 respectivamente, por
lo que 0 1 1 = 0 es el nuevo
valor del primer registro. Desplaza-
mos los dems hacia la derecha y
obtenemos la combinacin 00010. Un
nuevo paso dara 00001, y as suce-
sivamente. De todas estas configura-
ciones, vamos tomando como salida
del algoritmo en cada paso el ltimo
de los registros. La cadena de bits
de salida en nuestro ejemplo sera
entonces 10100... Los cinco primeros
bits de esta cadena son los de la
configuracin inicial. Mas, a partir del
sexto, la secuencia adquiere mayor
complejidad.
Como vemos, un LFSR queda de-
terminado por el nmero de registros
y por las llaves utilizadas. Como el
ltimo de los registros es siempre
una llave (si as no ocurriera, el
LFSR sera equivalente a uno con
menos registros), basta indicar todas
las llaves para describir un LFSR.
Las llaves suelen escribirse en orden
decreciente entre corchetes, de modo
que la primera da el tamao total
del LFSR. El de la figura 1 sera el
[5 3 2].
Una familia de LFSR especialmente
tiles para la generacin de nmeros
pseudoaleatorios la observamos en
los maximales. Un LFSR maximal de
n registros pasa por todos y cada uno
de los posibles estados, salvo por el
compuesto por n ceros. Como hay 2n
posibles estados con n registros, este
tipo de LFSR da lugar en su salida a
series de bits que se repiten slo cada
2n 1 pasos. Basta con 20 registros
para obtener un perodo de un milln
de bits. Con 50 registros, el perodo
de la secuencia alcanza tal magni-
tud, que cualquier aplicacin prctica
queda muy lejos del mismo.
Pero no todos los LFSR son maxi-
males. Veamos un par de ejemplos
con cuatro registros: el [4 3] y el [4
3 2]. En las tablas se distingue la
evolucin de los estados en cada uno
de los registros, empezando ambos
con 1000. He coloreado en rojo los
dgitos llave con los que se obtiene,
mediante suma mdulo dos, el primer
dgito en el siguiente paso. El primer
LSFR es maximal, generando una se-
cuencia de perodo 15. Sin embargo
el segundo, a pesar de tener ms
llaves, no lo es. El estado original se
recupera al cabo de 7 pasos. Por lo
tanto, la secuencia de salida en este
LFSR se repite cada 7 bits.
Cuando un LFSR es maximal no
slo genera una cadena de bits de
perodo largo (el ms largo posible),
sino que estas cadenas guardan un
estrecho parecido con cadenas de
bits genuinamente aleatorios. En to-
das ellas hay prcticamente la misma
cantidad de unos que de ceros (el
nmero de unos es igual al nme-
ro de ceros ms uno). Unos y ceros
que se hallan distribuidos de manera
muy parecida a como los estaran si
fueran aleatorios. Consideremos las
subcadenas de dgitos consecutivos
iguales y sus tamaos. Por ejemplo,
en la cadena generada por [4 3],
000100110101111, las secuencias
consecutivas tienen longitudes 3(0),
1(1), 2(0), 2(1), 1(0), 1(1), 1(0), 4(1);
es decir, hay cuatro secuencias de lon-
gitud 1 (dos de ceros y dos de unos),
dos secuencias de longitud 2 (una de
ceros y una de unos), una secuencia
con 3 ceros y otra con 4 unos.
La salida de cualquier LFSR maxi-
mal tiene ese tipo de propiedad: hay
un total de 2n1 secuencias consecu-
INVESTIGACIN Y CIENCIA, septiembre, 2007
1 0 0 0 1 0 0 0
PASO REGISTROS SALIDA PASO REGISTROS SALIDA
0 1000 0 0 1000 0
1 0100 0 1 0100 0
2 0010 0 2 1010 0
3 1001 1 3 1101 1
4 1100 0 4 0110 0
5 0110 0 5 0011 1
6 1011 1 6 0001 1
7 0101 1 7 1000 0
8 1010 0
9 1101 1
entera. Hay algn modo de distinguir
10 1110 0 entre una de estas cadenas y una
11 1111 1 genuinamente aleatoria? Los LFSR
12 0111 1 maximales suelen pasar casi todas
las pruebas de aleatoriedad cuando
13 0011 1
se aplican a cadenas mucho menores
14 0001 1 que el perodo.
15 1000 0 Existen algoritmos diseados espe-
cficamente para detectar LFSR. De
hecho, una definicin de complejidad,
tivas, de las cuales la mitad presenta la complejidad lineal, se basa en los
longitud 1, una cuarta parte longitud LFSR: la complejidad lineal de una
2, 1/8 longitud 3, etc. En cada caso, cadena de bits es el mnimo LFSR
siempre la mitad de ellas son de unos que la genera. Hay un algoritmo para
y la otra mitad de ceros, salvo para encontrar la complejidad lineal de una
secuencias consecutivas cercanas al cadena y, por tanto, el LFSR que la
nmero de registros: slo hay una genera. Este algoritmo forma parte de
con n 1 ceros y otra con n unos. la batera de pruebas de aleatoriedad
Todo esto es precisamente lo que se estndar.
esperara, aunque con fluctuaciones, En cualquier caso, la aleatoriedad
en una larga cadena de bits genui- sigue siendo un fenmeno misterioso.
namente aleatorios. La nica definicin objetiva y basada
Los LFSR maximales son, por e en las propiedades de una cadena
tanto, ideales como generadores de y no en el mtodo como se ha obte-
nmeros aleatorios. De hecho, el prin- nido es la dada por Kolmogorov. La
cipal objetivo de la teora matemtica complejidad de Kolmogorov de una
de los LFSR es caracterizar cules de cadena es la longitud del programa
ellos son maximales. La caracteriza- ms pequeo que la genera. La com-
cin completa requiere una matem- plejidad lineal constituye, en realidad,
tica ligeramente refinada, basada en un caso particular, pero slo con-
la factorizacin de polinomios. Pero templa programas basados en LFSR,
algunas caractersticas de los LFSR mientras que la de Kolmogorov hace
maximales son sencillas: deben tener referencia a cualquier programa ca-
un nmero par de llaves (incluido el paz de correr en cualquier ordenador.
ltimo registro) y las llaves deben ser Una cadena aleatoria es aquella cuya
nmeros primos entre s. complejidad es igual a su tamao,
Las cadenas generadas por LFSR es decir, es incompresible. Pero no
maximales guardan an ms simili- existe ningn mtodo para calcular
tudes con cadenas aleatorias. Sin la complejidad de Kolmogorov. Para
embargo, como es evidente, son eso tendramos que ser capaces de
cadenas completamente determinis- detectar cualquier pauta o diseo, por
tas: conocido el LFSR y su estado ocultos que estuvieran, en los ceros
inicial, podemos predecir la cadena y unos de una cadena de bits.
3
J UEGOS MATEMTICOS
Le propongo un reto aparentemen-
te sencillo: podra imitar el com- probabilidad, se pueden calcular los
portamiento de una moneda o de
un dado? Chris Wetzel, del Rhodes
College, en los EE.UU., cre una cu-
riosa pgina web (http://www.rhodes.
edu/Psych/wetzel/random/intro.html),
en la que se puede comprobar lo
difcil que es comportarse de forma
puramente aleatoria. Se introduce en
un casillero una serie imaginaria
de tiradas, que no es ms que una
secuencia de H y T (por cara, head,
y cruz, tail). Se tienen que introducir
100 tiradas, para lo cual no se tarda
ms de un minuto, puesto que slo
hay que teclear las dos letras men-
cionadas de la forma ms aleatoria
posible.
La serie entonces se analiza me-
diante diversos tests de aleatoriedad.
Una serie realmente aleatoria pue-
de consistir en cualquier secuencia
de resultados, pero si la cadena es
muy larga debe poseer, con una alta
probabilidad, ciertas propiedades. Por
ejemplo, el nmero de caras y el
nmero de cruces deberan ser si-
milares. En una serie de 100 tiradas,
estos nmeros deberan estar entre
las 40 y las 60 tiradas. Pero hay
otras propiedades menos evidentes.
[ESO VALE SI LA PROBABILIDAD
DE CARA Y CRUZ ES . SI FUERA
0,9999 CARA, LA ALEATORIEDAD
CONSISTIRA EN LA IMPREDECIBI-
LIDAD DE LA APARICIN DE LAS
RARAS CRUCES EN UNA SERIE
SUFICIENTEMENTE LARGA. SE
PODRA HACER TAMBIEN LO DEL
PROGRAMA DE WETZEL PARA ESE
CASO].
En la pgina de Wetzel se realizan
seis comprobaciones: 1) el nmero
de caras; 2) el nmero de subse-
cuencias con el mismo resultado
consecutivo; 3) el nmero mayor de
caras o cruces consecutivos; 4) la
probabilidad de que salga una cara
habiendo salido una cara en el turno
anterior; 5) la probabilidad de que sal-
ga una cara habiendo salido una cruz
en el turno anterior; y 6) la diferencia
entre las dos probabilidades anterio-
2 INVESTIGACIN Y CIENCIA, octubre, 2007
Ms sobre nmeros aleatorios
res. Con algunos conocimientos de
valores medios de estas cantidades
y el intervalo en que se encontrarn
con un cierto nivel de confianza, por
ejemplo, del 99 %. No les revelar
estos valores para que puedan hacer
la prueba sin ningn conocimiento
previo. Si la secuencia que usted ha
tecleado da lugar a valores que es-
tn fuera de estos intervalos, habr
sido descubierto (aunque un 1 %
de secuencias realmente aleatorias
tambin fallar el test).
1. 5000 puntos en dos dimensiones
generados por un algoritmo de congruen-
cia lineal, con a = 1277, b = 131.072
y semilla In = 1, con 5000 puntos. Las
dos lneas oblicuas no apareceran en una
secuencia realmente aleatoria.
Con un poco de prctica, uno pue-
de pasar todos estos tests, aunque
cualquier pequeo detalle se traduce
en alguna pauta que es detectada.
Por ejemplo, es bastante difcil teclear
una buena secuencia aleatoria con
las dos manos o incluso si se teclea
H y T con dos dedos de una misma
mano. En cualquiera de estos casos,
surgen algunas asimetras entre la
H y la T. Incluso aunque el nmero
de resultados H y de T sea similar,
los tres ltimos tests, probabilida-
des de que a una cara le siga una
cara o una cruz, son muy difciles
de superar.
Juan M.R. Parrondo
Hay un sinfn de tests de aleato-
riedad ms complicados que los que
utiliza Wetzel. Por qu tanto inters
en comprobar la aleatoriedad de una
secuencia de nmeros?
Como ya analizamos el mes pasa-
do, los nmeros aleatorios son ne-
cesarios en muchas situaciones. La
ms obvia es la organizacin de un
sorteo o una lotera. En criptografa
cumplen un papel crucial, al servir
de plantilla para codificar mensajes.
En el mes de agosto vimos tambin
que los protocolos de comunicacin
entre nuestros telfonos mviles y las
centralitas pueden ser ms eficientes
si disponemos de nmeros aleatorios.
Finalmente, en muchas simulaciones
numricas de todo tipo, reacciones
qumicas, fluidos, mercados financie-
ros, climatologa o reactores nuclea-
res, es necesario utilizar una gran
cantidad de nmeros aleatorios, que
en ocasiones sirven para reflejar la
aleatoriedad ineludible de lo simulado
y en otras para explorar de forma
eficiente el conjunto de estados del
sistema o los posibles valores de los
parmetros que lo definen.
La aleatoriedad real en una serie
de nmeros, es decir, su absoluta im-
predecibilidad y la ausencia de cual-
quier pauta en los mismos, slo es
posible si esos nmeros se obtienen
de algn proceso natural. Se puede
por supuesto lanzar una moneda y
anotar el resultado, pero en la ma-
yora de las aplicaciones se necesita
una gran cantidad de nmeros alea-
torios, que slo pueden generarse
mediante mtodos automatizados.
Hay algunas empresas que ofrecen
listados de nmeros genuinamente
aleatorios, obtenidos a partir de fe-
nmenos cunticos, como las desin-
tegraciones radiactivas, de ruido en
dispositivos electrnicos o de datos
climatolgicos, como la temperatura
o la humedad en un cierto lugar. En
la pgina web random.org se ofrecen
series de nmeros aleatorios basados
en este tipo de datos y hay tambin
informacin interesante sobre la ge-
neracin de nmeros aleatorios.
 1
0,9
0,8
0,7
0,6
z 0,5
0,4
0,3
0,2
0,1
0
1
0,9
0,8
0,7
0,6
0,5
0,4
0,3
y 0,2
2. Diagrama tridimensional del IBM RANDU con 100.000 puntos (tomado de Wikipedia).
Ni siquiera con estos mtodos
automatizados es posible generar la
cantidad de nmeros aleatorios nece-
saria para muchas simulaciones. Se
recurre entonces a nmeros pseudoa-
leatorios, como los que vimos el mes
pasado. Son secuencias de nmeros
obtenidos mediante algoritmos com-
pletamente deterministas. Por tanto,
las secuencias son predecibles. Sin
embargo, su comportamiento es muy
parecido al de los nmeros genuina-
mente aleatorios, y son capaces de
pasar muchos de los tests de aleato-
riedad. Algunos de ellos son adems
muy rpidos desde el punto de vista
computacional, lo que los hace id-
neos para muchas aplicaciones.
El mes pasado vimos un tipo de
algoritmo que genera nmeros pseu-
doaleatorios: los basados en despla-
zamientos de registros. Los telfonos
mviles utilizan constantemente uno
de ellos para identificarse ante la
base. Pero los generadores ms ex-
tendidos, sobre todo en simulaciones
numricas, son los de congruencia
lineal. La versin ms simple consiste
en la frmula siguiente:
In+1 = (a x In)mod b
En esta frmula a y b son nme-
ros que caracterizan el algoritmo. La
operacin mdulo, x mod b consiste
en dividir x entre b y tomar el resto.
In forma la secuencia de nmeros
aleatorios, que debido a la opera-
INVESTIGACIN Y CIENCIA, octubre, 2007
0,3
0,2
0,1 0,1
0 0
cin mdulo, estarn entre 1 y b 1
(el cero no es un valor deseable,
porque, si en la secuencia aparece
un cero, todos los valores siguientes
sern tambin nulos). Si se desean
nmeros entre 0 y 1, basta dividir
los In entre b 1. Para comenzar la
secuencia se escoge un valor inicial
I1, que suele llamarse semilla. Como
la frmula es completamente determi-
nista, en cuanto vuelve a aparecer la
semilla en la secuencia, los valores
siguientes volvern a ser los mismos.
En otras palabras, la secuencia es
peridica y su perodo no puede ser
mayor que b 1. Lo interesante es
entonces que b sea muy grande y
que la secuencia tenga perodo mxi-
mo. Pero ni siquiera esto garantiza
que la secuencia genere unos bue-
nos nmeros aleatorios.
Esta falta de calidad es en ocasio-
nes difcil de detectar. Por ejemplo,
con a = 1277, b = 131.072 y semilla
In = 1, se obtiene una secuencia de
perodo 32.769. No es de perodo
mximo pero, hasta los 32 mil pri-
meros nmeros, pasa sin dificultad
muchos de los tests de aleatorie-
dad. Sin embargo, si uno dibuja en
el plano los pares de puntos (I1,I2),
(I3,I4), etc., se encuentra con la fi-
gura 1, donde se han representado
5000 puntos. Las dos lneas oblicuas
que aparecen en la grfica indican
una pauta que no estara presente
si la secuencia fuera genuinamente
aleatoria.
1
0,8 0,9
0,7
0,6
0,4 0,5
x
Este tipo de representacin grfi-
ca de los nmeros generados por el
algoritmo es un buen test de alea-
toriedad. Una representacin similar
en tres dimensiones de puntos con
coordenadas (I1,I2,I3), (I4,I5,I6), ...,
desenmascar un algoritmo amplia-
mente usado en los aos sesenta
del siglo pasado para todo tipo de
simulaciones, ya que estaba detrs
de la funcin RANDU de los orde-
nadores de IBM. El RANDU utiliza
a = 65539 = = 216 + 3 y b = 231 y
no muestra ninguna pauta en una
representacin bidimensional. Lo que
se ve al hacerla es una nube de pun-
tos uniformemente distribuida sobre
el plano. Sin embargo, la represen-
tacin tridimensional mostr lo que
se puede contemplar en la figura 2.
Todos los puntos se encuentran en
15 planos paralelos. De hecho, esta
correlacin tan significativa se pue-
de demostrar de forma relativamente
sencilla y es ahora sorprendente que
nadie reparara en ella durante casi
una dcada.
Semejante fiasco puso en duda
muchos de los resultados de las simu-
laciones numricas realizadas en los
aos sesenta y setenta y dio un toque
de atencin a los cientficos. Pocos se
fan ya de los generadores de nme-
ros aleatorios que proporcionan los
sistemas operativos o los lenguajes
de programacin comerciales y los
disean ellos mismos o los obtienen
de centros de investigacin fiables.
3
J U E G O S M AT E M AT I C O S
Carreras cuadriculadas
Un conocido y divertido juego, carreras de coches en papel cuadriculado,
puede ayudarnos a aprender algo de fsica
Juan M. R. Parrondo
H ace algunos aos, se hizo popular
un juego sencillo e ingenioso: car-
reras de coches en papel cuadriculado. El
nico material necesario es una hoja de
papel cuadriculado y un bolgrafo (o va-
rios de colores, para mayor renamien-
to). Puede participar tantos jugadores
como deseen.
Se dibuja en el papel el plano de un
circuito de carreras. El trazado puede
ajustarse a la cuadrcula o no. La pista
puede estrecharse, ensancharse, tener lar-
gas rectas, curvas cerradas, etctera. Se
elige una lnea de salida desde la que se
inicia la trepidante carrera. Cada juga-
dor conduce un coche dibujando a tra-
zos su trayectoria por turnos. Los posi-
bles movimientos de un coche en un
turno dependen de cmo se movi en el
turno anterior. Si realiz un movimiento
de coordenadas (n,m), en el siguiente
turno podr realizar el mismo movi-
1. LAS LINEAS DISCONTINUAS muestran los
nueve posibles movimientos en un turno,
siendo el trazo continuo el movimiento en el
turno anterior.
2 INVESTIGACION Y CIENCIA, noviembre, 2007
miento (n,m), aumentar o disminuir
una de estas coordenadas en una unidad
como mximo (y siempre que la casilla
de destino no est ya ocupada por otro
vehculo).
Podemos ver un ejemplo en la gura
1. En un turno, el coche azul se ha des-
plazado 2 casillas hacia la derecha y 3 ha-
cia arriba. En el turno siguiente, puede
moverse a cualquiera de los nueve puntos
sealados en la gura.
Esta regla intenta reejar que los co-
ches tienen una capacidad limitada para
cambiar su velocidad, es decir, para acele-
rar, frenar o girar. La regla cumple sor-
prendentemente bien su objetivo. En la
gura 2 podemos ver una carrera entre
dos coches, en la que, despus de una rec-
ta, hay que realizar un giro cerrado. Los
coches parten de la lnea de salida con
poca velocidad y aceleran en la recta. El
coche rojo ha elegido bien su estrategia y
logra encarar la curva con la velocidad
adecuada. Sin embargo, el coche azul ha
acelerado demasiado y acaba salindose
de la pista. (Cuando esto ocurre, en el si-
guiente turno se vuelve a la carretera con
velocidad uno, es decir, adelantando una
casilla en cualquier direccin.)
Los trazos remedan bastante bien la
trayectoria real de un vehculo. De hecho,
para jugar les recomiendo que se dejen
llevar por la intuicin, puesto que inten-
tar anticiparse a varias jugadas, contando
con precisin las casillas que quedan para
una curva, por ejemplo, es bastante com-
plicado (y aburrido).
Por qu estas reglas tan simples re-
producen con algo de realismo el com-
portamiento de un coche? Si entende-
mos por velocidad del vehculo su des-
plazamiento por unidad de tiempo, es
decir, por turno, lo que la regla de mo-
vimiento limita es la variacin de dicha
velocidad, que puede como mximo ser
de una casilla de las dos direcciones. En
otras palabras, la aceleracin de nuestro
coche no puede ser mayor de una casilla
en cada direccin (para ser ms precisos,
no puede ser mayor que una casilla por
turno al cuadrado). Y esto es lo que le
ocurre a un coche real: su capacidad de
acelerar depende de la potencia del mo-
tor, la de frenar de la calidad de los fre-
nos y la de girar de la adherencia de los
neumticos. Recordemos que, en la dis-
ciplina de la fsica que se dedica a des-
cribir el movimiento de un cuerpo, la
cinemtica, acelerar, frenar y girar son
esencialmente lo mismo: variaciones de
la velocidad, es decir, aceleracin. Limi-
tando la aceleracin a una casilla, conse-
guimos reproducir de forma aproximada
las caractersticas del movimiento real
del coche.
Las carreras cuadriculadas son, por
tanto, una forma divertida de ilustrar mu-
chos conceptos e ideas de la cinemtica,
como el carcter vectorial de la velocidad
y de la aceleracin, que a nuestros alum-
nos les trae de cabeza en el bachillerato e
incluso en la universidad. Las trayectorias
en la cuadrcula constituyen en realidad
una cinemtica discreta, es decir, una
cinemtica en la que tanto el espacio
como el tiempo toman valores enteros: las
casillas de la cuadrcula en el caso del es-
pacio y los turnos en el caso del tiempo.
Es instructivo comprobar cmo cam-
bia la cinemtica cuando se discretiza.
Sea el movimiento uniformemente ace-
lerado, en el que la aceleracin es cons-
tante. En la cuadrcula, un movimiento
con una aceleracin constante de una ca-
silla consistira en un movimiento en l-
nea recta en el que el coche avanza en
cada turno una casilla ms. Si en el pri-
mer turno avanza una casilla, en el se-
gundo avanza 2, en el tercero 3, etc. El
desplazamiento neto despus de t turnos
sera entonces:
d(t) = 1 + 2 + 3 + ... + t = t(t + 1)/2
Los lectores con conocimientos de ci-
nemtica recordarn que el desplaza-
miento para el movimiento normal
con una aceleracin a es at2/2. Las dos

frmulas se parecen, para a = 1, si t mu-
cho mayor que 1, es decir, tras un gran
nmero de turnos. En este caso, el espa-
cio recorrido es bastante grande y, por
ello, el movimiento discreto, es decir,
sobre la cuadrcula, recuerda al movi-
miento uniformemente acelerado habi-
tual, en el que tiempo y espacio son
continuos.
INVESTIGACION Y CIENCIA, noviembre, 2007
2. UNA CARRERA CUADRICULADA. El
coche azul ha acelerado demasiado en la
recta y se ha salido en la curva, mientras
que el rojo la ha tomado de forma
adecuada.
Otro ejemplo clsico de la cinemtica
elemental nos lo ofrece el movimiento pa-
rablico de un proyectil en la supercie
terrestre. El proyectil tiene una velocidad
horizontal constante y una velocidad ver-
tical sometida a una aceleracin provoca-
da por la gravedad y, por tanto, dirigida
hacia abajo. Es sencillo obtener el anlo-
go discreto (ejemplos de la gura 3). El
desplazamiento horizontal es siempre el
mismo, mientras que el vertical disminu-
ye paulatinamente una casilla por turno.
No es difcil demostrar que los puntos de
cualquier trayectoria de este tipo se en-
cuentran en una parbola real. Los pun-
tos de la trayectoria roja se encuentran en
la parbola:
y = x(18 x)/8 = 2,25x x2/8
que es, como pueden comprobar los lec-
tores familiarizados con la cinemtica, la
trayectoria de un cuerpo que se mueve
con velocidad horizontal de dos casillas
por segundo, aceleracin vertical de una
casilla por segundo al cuadrado dirigida
hacia abajo y velocidad vertical inicial de
5 casillas por turno. La trayectoria azul
est tambin formada por puntos en una
parbola: y = 4,5x x2/2, correspondiente
3. Dos parbolas discretas: la roja
corresponde a un mvil con una velocidad
horizontal de dos casillas por turno y la azul,
de una casilla por turno.
a un mvil con velocidad horizontal de 1
casilla por turno, velocidad vertical ini-
cial, 4,5 casillas por segundo, y acelera-
cin vertical de 1 casilla por segundo al
cuadrado.
Aunque las velocidades iniciales varan
ligeramente, la versin discreta del movi-
miento de proyectiles reproduce con bas-
tante delidad el movimiento real en es-
pacio y tiempo continuos. Lo que se ex-
plica por la sencillez de este tipo de
movimiento. Ms concretamente, ello se
debe al hecho de que la aceleracin apun-
ta sobre una de las direcciones de la cua-
drcula: la vertical. Si quisiramos, por
ejemplo, reproducir el movimiento de los
planetas en torno al Sol, los puntos no es-
taran exactamente sobre una elipse, sino
slo de forma aproximada. Pero bastara
hacer la cuadrcula ms pequea, o lo que
es lo mismo, las velocidades y aceleracio-
nes muy grandes en trminos de casillas
por turno y por turno cuadrado, respecti-
vamente, para obtener trayectorias cada
vez ms parecidas a una elipse real. As
acontece en las simulaciones por ordena-
dor de cualquier tipo de movimiento, en
pelculas, videojuegos o aplicaciones cien-
tcas. En el ordenador, el movimiento se
simula en un espacio y tiempo necesaria-
mente discretos. Pese a todo, resulta asom-
broso el realismo de tales simulaciones.
Las carreras cuadriculadas pueden con-
siderarse, en cierto modo, un videojuego
rudimentario, en el que los clculos a rea-
lizar y la representacin grca son tan
simples, que los mismos jugadores pue-
den realizarlos con un simple bolgrafo.
En cualquier caso, les recomiendo que lo
practiquen: no slo es instructivo; se hace
tambin entretenido.
3
J U E G O S M AT E M AT I C O S

El caso de la moneda cambiada

Las mismas ideas matemticas sirven para desenmascarar a un tramposo,
interpretar imgenes de satlite o analizar el genoma
Juan M. R. Parrondo

P ablo entr en mi despacho jadean- clculo y comenzamos a analizarlos. La en funcin de los parmetros descono-
do, despeinado y con el nudo de evolucin del capital de mi amigo se cidos, y despus buscar los parmetros
la corbata aojado. Sin duda, haba te- puede ver en la gura 1. Es difcil de- que hacen que esta probabilidad sea
nido un mal da: Me han robado ms terminar en qu momento cambi su mxima. De modo que apliqu la tc-
de tres mil euros! Tienes que ayudar- suerte. Hay varios perodos de prdidas nica a los datos de mi amigo Pablo.
me. Le ped que se tranquilizara y to- sistemticas, del turno 125 al 140, pero Supongamos que la moneda inicial
mara asiento. Otra vez mi problema tambin un poco antes del turno 100 y es justa y que ha sido reemplazada in-
con el juego,... pero esta vez me han he- tambin alrededor del turno 30. Para mediatamente despus del turno N por
cho trampas, me han engaado de ver- solucionar nuestro problema necesita- otra en donde la probabilidad de salir
dad, y te necesito para desenmascarar al mos un mtodo ms riguroso y cuanti- cara es p. Cualquier secuencia de resul-
estafador. Me propuso jugar con una tativo que la simple inspeccin visual de tados de los N primeros turnos es igual-
moneda: si sala cara, ganaba yo la gura. mente probable y su probabilidad es
100 euros, y si sala cruz, yo le daba En esta seccin hemos abordado pro- (1/2)N. No ocurre as con los turnos si-
100 euros a l. Un juego estpido, pero blemas similares (Fsiles y lotera, abril guientes, en donde la probabilidad de
ya sabes que soy incapaz de decir que de 2005), en los que se dispone de una una secuencia de resultados depende del
no. Probamos la moneda y me conven- serie de nmeros o datos aleatorios, pero nmero n de caras que hayan apareci-
c de que no estaba trucada. De hecho, se desconocen algunos parmetros del do. La probabilidad de una secuencia
en las primeras tiradas gan algo de di- procedimiento con el que dichos datos dada de resultados es el producto de 200
nero, pero despus cambi mi suerte. El se han obtenido. En este caso, dispone- factores:
caso es que estoy convencido de que el mos de los resultados de las tiradas e ig-
tipo reemplaz secretamente la moneda noramos en qu momento se ha cam-
en algn momento durante las tres ho- biado la moneda y cul es el sesgo de
( )
pn = 1
2
N
p n(1 p)200-N-n

ras que estuvimos jugando. El casino la nueva moneda (aunque esto a mi ami- N factores valen 1/2, y corresponden
nos cedi una sala y grab la partida en go no le importaba mucho). Uno de los a los resultados de los N primeros tur-
vdeo, pero el responsable se niega a dar- mtodos ms utilizados para resolver este nos jugados con la moneda justa; n fac-
me la cinta completa. Dice que nica- tipo de problemas es el de mxima ve- tores valen p, que es la probabilidad de
mente puede dejarme revisar algunos rosimilitud. Consiste en calcular la pro- que salga cara con la moneda sesgada,
fragmentos. De modo que necesito sa- babilidad de que hayan salido los datos, y que corresponden a las n caras que
ber cundo se hizo el cam- han salido con dicha mo-
bio. Y aqu entras t. Ten- 1000 neda; nalmente, 200-N-
go la lista de los resulta- n es el nmero de cruces
dos de las 200 tiradas en 500 que han aparecido con la
que ha consistido la par- moneda sesgada y la pro-
tida. En algn momento 0 babilidad de que al lanzar
empezaron a aparecer ms dicha moneda salga una
cruces que caras, pero no 500 cruz es 1 p. Observen
soy capaz de averiguar que n depende de nues-
1000
Capital

cundo. Es endiablada- tro parmetro N puesto

mente difcil.
Djame esos datos.
Ver qu se puede hacer.
Pablo alarg una hoja
arrugada y llena de nme-
ros y letras. En ella esta-
ban anotados los resulta-
dos de las doscientas tira-
das y lo ganado en cada
turno. Introdujimos los
datos en una hoja de 1. Evolucin del capital de mi amigo en funcin del nmero de turnos.
1500 que, recordemos, n es el
nmero de caras apareci-
2000 das despus del cambio de
moneda, que se produce
2500 en el turno N. Por lo tan-
to, pn es una funcin de
3000 los resultados de las tira-
das y, lo que es ms im-
3500
0 50 100 150 200 portante, de los dos par-
Nmero de turnos metros desconocidos: el
turno de cambio, N, y el

2 INVESTIGACION Y CIENCIA, diciembre, 2007

sesgo de la moneda truca- 1058 las tiradas en nuestra his-
3
da, p. En la gura 2 pue- toria. Su distribucin de
den ver el valor de pn ob- probabilidad diferir si el
tenido para los resultados 2,5 terreno correspondiente a
de la partida que jug Pa- cada pxel es un bosque o
blo, en funcin del turno un campo cultivado y la
de cambio N y para dis- 2 estimacin de mxima ve-
tintos valores de p. rosimilitud (o la bayesia-
El procedimiento de na) nos permitir, igual
mxima verosimilitud nos 1,5
Probabilidad que nos ha permitido ave-
dice que tenemos que es- riguar el turno donde se
coger los valores de N y p efectu la trampa, locali-
que hacen mxima esta 1 zar la frontera entre el
probabilidad. A la vista de bosque y el cultivo.
la curva, deducimos en- El problema de la fron-
0,5
tonces que los valores ms tera aparece tambin en
probables de los dos par- al anlisis de secuencias de
metros son N = 59 y p = 0 ADN. Hoy sabemos que
0,35. Aunque hay otros 0 20 40 60 80 100 120 140 la secuencia de ADN no
valores con probabilidades Turno de cambio es una mera concatena-
cercanas (por ejemplo N 2. Probabilidad de que se d la secuencia de datos que realmente ocurri cin de genes, es decir, de
= 83 y p = 0,35 o N = en la partida, en funcin del turno en el que se cambi la moneda y para fragmentos que codican
132 y p = 0,3), me arries- distintos valores del sesgo de la moneda trucada: p = 0,3 (curva negra), 0,35 protenas. Existe el famo-
gu y le dije a Pablo: Bus- (curva azul), 0,39 (curva verde) y 0,4 (curva roja). so ADN basura, cuya fun-
ca alrededor del turno cin es an enigmtica, e
59. Reconozco que en la conclusin lado, le servira de poco cambiarla ms incluso las partes que s codican pro-
pes tambin un argumento ms psico- tarde del turno 150) y p entre 0,2 y tenas tienen una estructura bastante ms
lgico que matemtico: Pablo iba ga- 0,45. Como ven, hay cierta arbitrarie- compleja de lo que se crea: estn for-
nando bastante dinero en el turno 50 y dad en la eleccin de la distribucin a madas por fragmentos de gen (los exo-
es probable que el rival se pusiera ner- priori, que depende de la informacin nes) separados por otros (los intrones)
vioso y quisiera cambiar la moneda cuan- que poseemos acerca de los parmetros que se traducen en ARN pero acaban
to antes. o de suposiciones razonables que reali- desechndose en la fabricacin de la pro-
Lo cierto es que Pablo revis las cin- cemos sobre sus posibles valores. El m- tena, mediante cortes y empalmes (un
tas de vdeo y, en efecto, pudo ver cmo todo bayesiano permite calcular una proceso que se denomina splicing). Los
el estafador haba cambiado la moneda nueva distribucin de probabilidad in- intrones y los exones son difciles de dis-
en el turno 67. A la vista de las prue- corporando los datos disponibles (en tinguir, aunque las secuencias correspon-
bas, el tramposo confes y devolvi el nuestro caso, el resultado de las 200 ti- dientes tienen composiciones distintas
dinero a mi amigo. La moneda trucada radas). Desgraciadamente, no tenemos desde un punto de vista estadstico.
tena en realidad un sesgo p = 0,39. aqu espacio para aplicar el mtodo ba- Identicar dnde acaba un exn y em-
Como pueden observar, la estimacin yesiano a nuestro ejemplo. pieza un intrn, o viceversa, es funda-
de mxima verosimilitud de N y p no Qu tiene que ver la historia de mi mental para interpretar adecuadamente
es perfecta: el valor real, N = 67 y p = amigo ludpata con los satlites y la ge- el genoma, es decir, para conocer la com-
= 0,39, tiene una probabilidad alta, aun- nmica? El enigma que me plante Pa- posicin de las protenas del organismo.
que no mxima. Aun as, el mtodo es blo es, en realidad, un conocido proble- Y, de nuevo, sta es una tarea similar a
bastante bueno, incluso con un reduci- ma matemtico que aparece en diversos averiguar en qu turno el rival de Pablo
do nmero de datos. campos: el problema de la frontera. En cambi la moneda.
Existe otra forma ms completa de efecto, lo que hemos hecho en el caso Tanto en el anlisis de imgenes de
obtener una estimacin de los parme- del cambio de moneda, ha sido deter- satlite como el de secuencias de ADN
tros desconocidos: la estimacin baye- minar la frontera que divide un tipo de utilizan modelos ms complicados que
siana, que ya examinamos en otra oca- comportamiento (la moneda justa) de para un simple cambio de moneda. Se
sin (Fsiles y lotera, abril de 2005). otro (la moneda sesgada). llaman genricamente modelos de Mar-
En la estimacin bayesiana se utiliza El mismo problema aparece cuando kov ocultos. Todos ellos se basan en la
una cierta distribucin de probabilidad se analizan imgenes de satlite y se quie- misma idea: un sistema genera secuen-
a priori para los parmetros desconoci- re obtener a partir de ellas y de forma cias de datos (lanzamientos de mone-
dos. Por ejemplo, podramos conside- automatizada una clasificacin del da, pxeles, bases del ADN), pero la es-
rar que N est uniformemente distri- terreno fotograado. Imaginen que in- tadstica de dichas secuencias depende
buido entre 10 y 150 (el tramposo no tentamos averiguar qu zonas del terreno del estado interno del sistema (mone-
se atrevera a cambiar la moneda antes corresponden a bosques y qu zonas da, origen de la imagen, tipo de frag-
del turno 10, para que Pablo no des- corresponden a cultivos. Los pxeles de mento de ADN), que a su vez cambia
conara demasiado pronto y, por otro la imagen son como los resultados de aleatoriamente.

INVESTIGACION Y CIENCIA, diciembre, 2007 3

J U E G O S M AT E M AT I C O S

El juego de las avalanchas

Un modelo matemtico para estudiar terremotos y avalanchas
se ha transformado en un juego de estrategia
Juan M. R. Parrondo

S upongo que pocos lectores habrn

odo hablar de DisX, el juego de las
avalanchas. Es un juego de mesa que in-
retiran chas siempre que hay explosio-
nes en los bordes.
Puede jugarse a DisX por Internet, en
casillas con tres chas (verdes en la gu-
ra de la izquierda) actan de propaga-
dores de la avalancha, pero resulta dif-
vent hace unos aos Wolfgang Kinzel, la pgina web de Kinzel, contra un pro- cil predecir el espacio cubierto por sta
fsico de la Universidad de Wrzburg. grama de ordenador diseado por l mis- (en azul claro en la gura de la derecha),
Curiosamente, slo se comercializa en mo. Despus de una cuantas partidas, a la vista de la disposicin inicial de las
Israel y en Corea, pero es fcil construir- nos percataremos de algunas caracters- chas.
lo uno mismo: slo se necesitan un ta- ticas bsicas del juego. La ms obvia, la Para dibujar la gura 2, reproduje en
blero cuadriculado de 6 por 6 casillas importancia de los sitios con tres chas, el ordenador el juego de Kinzel, aunque
(una parte de un tablero de ajedrez) y que actan como canales para la ava- las chas se fueron colocando al azar has-
chas como las de damas (80, aproxi- lancha. Lo difcil es utilizarlos de forma ta que apareci una avalancha de tama-
madamente). ptima y, sobre todo, no dejar muchos o considerable. Esta versin de DisX,
El juego consiste en colocar las chas de ellos que puedan ser aprovechados en la que no hay jugadores, sino que se
en el tablero, apilndolas en las casillas, despus por el adversario. aaden chas al azar en el tablero, cons-
para intentar provocar avalanchas o re- Sin embargo, la dinmica de las ava- tituye el modelo matemtico que inspi-
acciones en cadena. La regla fundamen- lanchas es ms compleja que una mera r a Kinzel. Lo crearon en 1988 Per Bak,
tal es que no puede haber 4 o ms - propagacin a travs de sitios de tres - Chao Tang y Kurt Wiesenfeld, del La-
chas en una casilla. Cuando esto ocurre, chas. En ocasiones pueden llegar a ex- boratorio Nacional de Brookhaven. El
la casilla explota y sus cuatro chas se plotar sitios con una cha o incluso va- artculo en el que presentaron su mode-
reparten entre las casillas vecinas. Si la cos, si a lo largo de la avalancha lo ha- lo tena un ttulo un poco crptico: Cri-
casilla que explota est en un borde o cen sus vecinos. En la gura 2 pueden ticidad autoorganizada (Sel-organized cri-
en una esquina, se reparten slo 3 o 2 ver un tablero de 20 20, en el que una ticality). A pesar de ello y de la simpli-
chas respectivamente, y se dejan las sola cha (en rojo) produce una avalan- cidad del modelo, se trata de uno de los
otras fuera del tablero. Una explosin cha que ocupa casi todo el tablero. Como trabajos de los aos ochenta ms citados
puede inducir otras, como se muestra en pueden ver en las guras, muchos de los en el campo de la fsica. La criticidad
la gura 1. Un jugador ha situado una sitios que han explotado estaban vacos autoorganizada (SOC) puso de manies-
cha en la casilla central, que pasa a te- inicialmente (casillas azul oscuro en la to un comportamiento colectivo que po-
ner cuatro chas. La explosin que se gura de la izquierda). Es cierto que las demos observar en multitud de fenme-
produce en esa casilla central genera una
serie de explosiones, a la que denomina-
remos avalancha. El tamao de la ava- 0 3 0 3 1 0 3 0 3 1 0 3 0 3 1
lancha es el nmero de explosiones que 1 3 0 2 3 1 3 1 2 3 1 4 1 3 3
se han producido a raz de la primera
Cada jugador coloca por turno tres 0 3 4 3 1 0 4 0 4 1 1 0 2 0 2
chas en el tablero. Su objetivo es lograr
la mayor avalancha posible, puesto que 2 2 1 2 2 2 2 2 2 2 2 2 2 3 2
recibe como puntuacin el tamao de la
avalancha producida por sus tres chas.
2 0 2 2 0 2 0 2 2 0 2 0 2 2 0
Se puede comenzar con el tablero vaco
o con algunas chas ya colocadas. En el 1. Despus de que un
sitio web de Kinzel (kinzel disx en Go- jugador haya situado tres
ogle), la partida comienza con las casi- 0 4 0 3 1 1 0 1 3 1 chas en el tablero, el re-
llas llenas de una y dos chas de forma sultado es el que muestra
alternada. Es una buena eleccin, que
2 0 2 3 3 2 1 2 3 3 en la primera gura. Una
permite provocar avalanchas desde el pri- 1 1 2 0 2 1 1 2 0 2 casilla tiene cuatro chas
mer turno. Obsrvese que, si bien cada y provoca la avalancha que
jugador en su turno coloca tres chas en 2 2 2 3 2 2 2 2 3 2 se describe en las guras
el tablero, el nmero total de stas no sucesivas. El tamao de
aumenta indenidamente, puesto que se
2 0 2 2 0 2 0 2 2 0 esta avalancha es 5.

2 INVESTIGACION Y CIENCIA, enero, 2008

20 20

15 15

10 10

5 5

5 10 15 20 5 10 15 20

2. En la gura de la izquierda podemos ver el estado del tablero a tener 4 chas y provoca una avalancha en la que estn involu-
antes de una gran avalancha. Las casillas azul oscuro no tienen cradas ms de la mitad de las casillas. En la gura de la derecha
ninguna cha, las azules tienen una cha, las azul claro 2 chas y se pueden ver, en color claro, las casillas involucradas
las verdes, 3. Una nueva cha se aade en la casilla roja, que pasa en la avalancha.

nos: terremotos, tormentas, pilas de are- 2003). Las leyes de potencias aparecen ta la tensin a las zonas colindantes. Zo-
na e incluso en la actividad neuronal. en muchos fenmenos, desde la frecuen- nas que pueden, a su vez, superar el
Para explicar este comportamiento tan cia de uso de palabras hasta la distribu- umbral y relajar difundiendo la tensin
generalizado, he simulado el modelo de cin de tamaos de ciudades o intensi- a lo largo de una amplia regin del es-
Bak-Tang-Wiesenfeld (que, recordemos, dades de terremotos. pacio en forma de avalancha.
no es ms que una partida de DisX Es probable que los terremotos
en un tablero mayor y donde las se generen mediante un mecanis-
104
chas se colocan al azar) y he re- mo similar. El movimiento de las
gistrado el tamao de las avalan- placas tectnicas genera tensin a
chas que se producen. La distribu- lo largo de una falla y, si esta ten-
Nmero de avalanchas

103
cin de tamaos se puede ver en sin supera determinado umbral
la gura 3. La forma de la distri- en algn lugar, el terreno se reajus-
bucin se torna ms evidente si se ta, transmitiendo la tensin a las
representan los datos en ejes loga- 102 zonas vecinas. Los grandes terre-
rtmicos, como se ha hecho en la motos son, segn esta imagen, po-
gura. derosas avalanchas, similares a la
Como cabe observar, la distri- 101 que se representa en la gura 2.
bucin sigue una lnea bastante Adems, el modelo explica correc-
recta para tamaos inferiores a 100 tamente la distribucin de inten-
100
casillas y despus se curva hacia 100 101 102 sidades de los terremotos reales,
abajo. Hay un gran nmero de ava- Tamao que obedece a una ley de poten-
lanchas pequeas, pero se produ- cias llamada de Gutenberg- Ri-
cen de vez en cuando algunas que abar- 3. Distribucin de tamaos de avalanchas chter, con un exponente b cercano a 1,
can casi todo el tablero. Si hiciramos en un tablero de 20 20. similar al que se obtiene en el modelo
ste ms grande, veramos que la distri- de Bak.
bucin dibuja una lnea recta en un ran- Puede la SOC explicar estas leyes de Es probable que otros ejemplos de
go mayor de tamaos. potencias? La respuesta es: no todas, leyes de potencias, como la distribucin
Una recta en ejes logartmicos signi- pero probablemente algunas de ellas. de los tamaos de tormentas, las ava-
ca que las dos magnitudes: tamao T En concreto, las que exhiben los rasgos lanchas en pilas de arenas o las fractu-
y nmero N(T) de avalanchas con dicho fundamentales del modelo de Bak: la ras en materiales, tengan su origen en
tamao, estn relacionadas mediante una existencia de una cierta energa o ten- la SOC, mientras que la ley de Zipf
ley de potencias, N(T) = ATb, de la que sin (las chas) distribuida en el espacio para la frecuencia de palabras, o leyes
hemos hablado en otras ocasiones (La (el tablero) y que, al superar cierto um- de potencias en redes sociales o redes
misteriosa ley del primer dgito, diciem- bral en una zona (4 chas en una casi- genmicas, necesiten otro tipo de res-
bre, 2002; Nmeros y palabras, febrero, lla), hace que esta zona relaje y transmi- puesta.

INVESTIGACION Y CIENCIA, enero, 2008 3

J U E G O S M AT E M AT I C O S
Sorpresas termodinmicas
Si ponemos en contacto dos cuerpos a distintas temperaturas, el ms caliente se enfra y el ms
fro se calienta hasta que las temperaturas de ambos se igualan. Sin embargo, con algo de
ingenio se puede desaar esta armacin sin contravenir las leyes de la termodinmica.
Juan M. R. Parrondo
L es propongo el siguiente problema.
Disponemos de un litro de agua a
90 grados centgrados y de un litro de
vino a 10 grados. Supondremos que los
dos lquidos tienen el mismo calor espe-
cco, es decir, que el incremento o de-
cremento de temperatura en ambos es el
mismo cuando se aporta o se extrae la
misma cantidad de calor. Si ponemos en
contacto el agua y el vino sus temperatu-
ras se igualarn y, como el calor que cede
el agua al vino disminuye la temperatura
de aqulla en la misma cantidad en que
aumenta la de ste, la temperatura nal
ser la media de las temperaturas inicia-
les, es decir, (90 + 10)/2 = 50. Este esta-
do, en el que las temperaturas se igualan
y ya no hay ujo de calor entre los dos
cuerpos, se denomina equilibrio termo-
dinmico.
El problema que les propongo es el si-
guiente: seran capaces de manipular los
dos lquidos de modo que el agua termi-
ne con una temperatura inferior a la tem-
peratura nal del vino? Fijemos con pre-
cisin las reglas del juego: pueden poner
en contacto una parte de un lquido con
una parte del otro, pero no mezclar el
agua y el vino; supondremos tambin que
todos los contactos se realizan sin prdi-
das de calor, es decir, los lquidos slo
intercambian calor entre s y no con el
ambiente o con los recipientes que los
contienen. Esto se podra conseguir me-
diante un termo con dos receptculos se-
parados por una pared delgada, que ab-
1. Deslizando un cuerpo sobre otro, conseguimos enfriar el cuerpo inicialmente caliente
por debajo de los 50o y calentar el fro por encima de dicha temperatura.
100 100
50
0 50
0 0
Estado inicial Paso 1
2 INVESTIGACION Y CIENCIA, febrero, 2008
sorba, ceda o absorba y ceda poco calor y
sea buena conductora trmica.
Existen muchas soluciones al proble-
ma. Tomamos, por ejemplo, medio litro
de agua a 90o y lo ponemos en contacto
con el litro de vino a 10o. La temperatura
nal de estos dos lquidos ser:
90 0,5 + 10 1 110
= 36,67o
1,5 3 est, en su totalidad, a 50o.
Ahora tomamos el otro medio litro de
agua que sigue a 90o y lo ponemos en
contacto con el litro de vino a 36,67o. La
temperatura nal del conjunto es:
90 0,5 + (110 / 3) 1 490
= 54,44o
1,5 9 mos que la difusin del calor a lo largo de
Finalmente, mezclamos el agua: medio
litro a 36,67o y otro medio litro a 54,44o.
La temperatura de la mezcla ser el valor
medio de estas dos cantidades:
1 110 490 410
+ = 45,56o
2 3 9 9
mientras que la temperatura nal del litro
de vino es 54,44o. Por lo tanto, el agua ha
alcanzado nalmente una temperatura in-
ferior a la del vino, a pesar de que inicial-
mente se encontraba ms caliente. La pa-
reja de lquidos se ha saltado el estado
de equilibrio termodinmico (ambos a
50o). Recordemos que, segn la segunda
ley de la termodinmica, es necesario
aportar energa para que un sistema se
aleje del equilibrio (para ser ms precisos,
100 25 75 25
25 75
Paso 2
hay que aportar energa libre). Nuestro
ejemplo no viola la segunda ley, a pesar
de que en ningn momento hemos apor-
tado energa al conjunto de los dos lqui-
dos desde el exterior. La razn es que el
conjunto nunca pasa por el estado de
equilibrio: s lo hace el vino, que en algn
momento del proceso ha estado a 50o,
pero no el agua, que en ningn momento
El truco de poner en contacto slo par-
te de los lquidos puede dar ms de s. Para
verlo, imaginemos ahora dos slidos del
mismo material y masa y con forma de
barra, uno a 100o y otro a 0o. Para poder
realizar los contactos parciales, supondre-
cada barra es mucho ms lenta que el ujo
de calor entre una barra y otra cuando es-
tn en contacto. Veamos lo que ocurre si
procedemos tal y como se muestra en la -
gura 1. En primer lugar, ponemos en con-
tacto dos mitades de cada una de las
barras. Estas dos mitades se equilibrarn a
una temperatura de 50o, mientras que las
mitades que no estn en contacto conti-
nuarn con las temperaturas iniciales. En
el segundo paso, ponemos en contacto
toda la barra. La mitad a 50o de la barra
superior entra en contacto con la mitad a
0o de la inferior y ambas se equilibran a
25o. Por otro lado, la mitad a 50o de la
barra inferior entra en contacto con la mi-
tad a 100o de la superior y ambas se equi-
libran a 75o. Desplazamos de nuevo las
barras en el tercer paso poniendo en con-
tacto la mitad superior a 75o y la inferior a
25o, que se equilibran a 50o. Finalmente,
separamos las dos barras y esperamos a
37,5 37,5
50
50 75
62,5 62,5
Paso 3 Estado final
2. Generalizacin del proceso de la gura 1,
en donde las barras se dividen en un nme-
ro arbitrario de fragmentos.
que la temperatura se haga uniforme en
cada una de ellas. La superior, una de cu-
yas mitades est a 25o y la otra a 50o, al-
canzar la temperatura media de 37,5o,
mientras que la barra inferior se equilibra-
r a 62,5 . (E lector habr observado que
tanto en el primer ejemplo de los lquidos
como en ste, la suma de las temperaturas
nales es igual a la suma de las iniciales:
este hecho es consecuencia del principio
de conservacin de la energa.)
Se podra realizar un proceso similar
con el agua y el vino de nuestro primer
ejemplo, consiguiendo temperaturas na-
les de 60o para el vino y 40o para el agua.
Este mtodo se muestra, pues, ms ecaz
para intercambiar temperaturas (recorde-
mos que nuestra primera solucin al pro-
blema conduca a temperaturas nales de
54,44o y 45,56o, respectivamente). Exis-
te un procedimiento que permita inter-
cambiar completamente las temperaturas,
es decir, que el agua acabe a 10o y el vino
a 90o o, en el caso de las barras, la supe-
rior a 0o y la inferior a 100o? La respuesta
es armativa. Con ms precisin, pode-
mos acercarnos cuanto queramos al inter-
cambio perfecto de temperaturas.
3. Evolucin de las temperaturas medias
de las dos barras cuando stas se dividen
en 50 fragmentos.
100
80
Temperaturas medias
60
40
20
0 que llega a la parte exterior del animal
0 20 40
Nmero de pasos
INVESTIGACION Y CIENCIA, febrero, 2008
Para lograrlo, basta generalizar el pro-
ceso de la gura 1, dividiendo las barras
en muchos fragmentos en lugar de slo
dos. Por ejemplo, si dividimos las barras
en 50 partes y deslizamos una barra a lo
largo de la otra, las temperaturas nales
resultan ser: 92,0411o para la barra infe-
rior (inicialmente a 0o) y 7,9589o para la
superior (inicialmente a 100o). El proceso
con 50 fragmentos consta de 100 pasos,
puesto que hay que deslizar la barra infe-
rior, tal y como se muestra en la gura 2.
En la gura 3 se ofrece la evolucin de
las temperaturas medias de cada barra a lo
largo del proceso. Recordemos que la tem-
peratura en cada barra no es uniforme,
salvo inicialmente y cuando, despus de
separar las barras, dejamos que se equili-
bren. Por lo tanto, esta temperatura media
slo es signicativa al nal y al comienzo
del proceso (aunque es proporcional a la
energa interna de cada barra).
La suma de las temperaturas medias es
constante. Por la sencilla razn de que la
energa total del sistema se conserva. En
el paso 50, cuando las dos barras estn
alineadas, las dos temperaturas medias
son iguales, ya que las dos barras estn
equilibradas fragmento a fragmento. Fi-
nalmente, si aumentamos el nmero de
fragmentos, nos acercamos ms al com-
pleto intercambio de temperaturas. Por
60 80 100
ejemplo, para 10.000 fragmentos, las
temperaturas nales son 99.4358o y
0.5642o. El comportamiento de las tem-
peraturas medias es siempre similar: son
casi lneas rectas durante todo el proceso
salvo en los ltimos pasos. A pesar de
ello, no he sido capaz de encontrar una
expresin matemtica para estas tempera-
turas (las grcas estn hechas con un
sencillo programa informtico). Ni si-
quiera he podido demostrar que, cuando
el nmero de fragmentos es innito, las
temperaturas se intercambian, aunque in-
tuyo que existe un argumento de simetra
relativamente sencillo Puede el lector dar
con l?
El lector con conocimientos de fsica se
habr percatado tambin de un hecho su-
mamente interesante: cuando las tempera-
turas se intercambian de forma perfecta, la
entropa del sistema no crece. A pesar de
que las dos barras tienen al principio tem-
peraturas muy diferentes y han intercam-
biado calor durante todo el proceso, este
es obviamente reversible si las temperatu-
ras nales son iguales a las iniciales!
Los procesos descritos en las guras 1
y 2 se pueden interpretar como el desli-
zamiento de las barras en sentidos con-
trarios. Una idea similar se utiliza en el
diseo de algunos intercambiadores de
calor, dispositivos con numerosas aplica-
ciones, sobre todo en sistemas de refrige-
racin, desde aparatos de aire acondicio-
nado hasta el radiador de un coche o los
refrigeradores de motores y calderas. Los
intercambiadores de calor ms ecientes
son precisamente aquellos en los que un
uido fro y otro caliente circulan por
tuberas adyacentes y en sentido contra-
rio, algo que recuerda bastante al desliza-
miento de las barras que se muestra en la
gura 2. Incluso los delnes utilizan este
mtodo para minimizar las prdidas de
calor cuando estn en aguas muy fras:
en el sistema circulatorio, algunas arte-
rias por las que circula sangre caliente
proveniente del corazn se hallan rodea-
das de capilares con sangre fra proce-
dente de la parte ms exterior del ani-
mal. El intercambio de calor se produce
en esa red capilar, de modo que la sangre
que regresa al corazn est caliente y la
est a temperatura baja, disipando poco
calor al exterior.
3
 J U E G O S M AT E M AT I C O S
Estimaciones
En muchas ocasiones nos tenemos que contentar con respuestas aproximadas. Pero un buen
argumento estimativo puede ensearnos ms que la solucin exacta de un problema
Juan M. R. Parrondo
C untos anadores de piano hay en
Chicago? Aunque les cueste creer-
lo, ste es un problema clsico en el
gremio de los fsicos. No porque haya
teoras fsicas acerca de la anacin del
piano (que las hay), sino porque esta
misma pregunta la lanzaba con asiduidad
Enrico Fermi, uno de los fsicos ms rele-
vantes de la primera mitad del siglo xx, a
sus alumnos de la Universidad de Chica-
go. Lo que Fermi pretenda con ello era
ensear una forma de razonamiento ex-
tremadamente til en fsica y otras cien-
cias: las estimaciones. Es decir, el intento
de abordar un problema no con el objeti-
vo de dar una respuesta exacta, sino slo
aproximada. En este intento no necesita-
mos conocer todos los datos que condu-
cen a la solucin exacta (algo que muy
raramente ocurre en ciencias). Podremos
hacer hiptesis razonables, aunque ten-
gamos escasas pruebas de su validez.
Veamos cmo resolva Fermi su clsico
problema. En Chicago hay unos 5 millo-
nes de habitantes. En cada hogar hay, de
media, dos personas; de modo que tene-
mos unos 2 millones de hogares. Supon-
gamos que hay un piano en uno de cada
20 hogares (este dato, desgraciadamente,
ya ha dejado de ser cierto incluso en or-
den de magnitud). Hay entonces en Chi-
cago unos 100.000 pianos, que suelen a-
narse una vez al ao. Por otro lado,
podemos suponer que un anador es ca-
paz de anar un piano en unas dos horas,
incluyendo el transporte. Anar, en una
jornada de ocho horas, unos 4 pianos. Si
trabaja 5 das a la semana durante 50 se-
manas al ao, ser capaz de anar,
Espejo
M2 L3 L2
l
1. Esquema del experimento de Fizeau para determinar la velocidad de la luz.
2 INVESTIGACION Y CIENCIA, marzo, 2008
4 5 50 = 1000 pianos al ao. Por tan-
to, la anacin de los 100.000 pianos de
Chicago requerir unos 100 anadores. poca de Graunt no haba un censo de la
Fjense en la cantidad de hiptesis que
hemos realizado a lo largo del argumento,
algunas no tan razonables para nuestra
poca, aunque s lo eran en los EE.UU.
de los aos cuarenta. Incluso hemos co-
metido errores matemticos de bulto,
como armar que la mitad de 5 millones
es aproximadamente 2 millones. En las
estimaciones, todas estas hiptesis y
clculos aproximados son aceptables,
puesto que lo que nos interesa es slo el
orden de magnitud de la respuesta nal.
Hemos obtenido 100 anadores de pia-
no, lo que signica que el nmero real
puede estar, digamos, entre 50 y 150. A
pesar de la inexactitud del resultado, la
informacin que aportan las estimaciones
es muy valiosa, sobre todo si no hay otra
forma de obtener una respuesta ms pre-
cisa o si para ello se requiere un gran es-
fuerzo econmico o de clculo. As lo
pensaba Fermi, quien consideraba las es-
timaciones esenciales en la formacin de
los fsicos. En su honor, los problemas
que se abordan mediante mtodos esti-
mativos se conocen en muchos foros
como problemas de Fermi.
Una de las primeras estimaciones cle-
bres fue la de la poblacin de la ciudad de
Londres, realizada por el comerciante
John Graunt en 1662 a partir de datos de
nacimientos y muertes y reseada recien-
Rueda
dentada
M1 L4
L!
S
temente por el historiador I. B. Cohen en
su libro El triunfo de los nmeros. En la
poblacin total, pero ya se contaba con
registros ables del nmero de muertes al
ao y del nmero de bautizos (muy lige-
ramente inferior al de nacimientos). En el
Londres de nales del siglo xvii, se regis-
traba una media de 12.000 nacimientos
al ao. Graunt supuso que las mujeres
londinenses en edad frtil tenan un hijo
cada dos aos, lo cual conduce a la cifra
de 24.000 mujeres en edad frtil. Supo-
niendo que el perodo de fertilidad abarca
desde los 16 hasta los 40 aos, mientras
que la edad de las mujeres casadas vara
entre los 16 y los 76 aos, concluy que
haba:
76 16 60
24.000 = 24.000 48.000
40 16 24
mujeres casadas. Aqu vemos ya una
aproximacin considerable, puesto que
60 no es el doble de 24. Probablemente
Graunt realiz esta correccin para tener
en cuenta la pirmide poblacional, ms
estrecha en las edades avanzadas. Final-
mente, Graunt observ que cada unidad
familiar londinense tena una media de 8
miembros: la madre, el padre, tres hijos y
tres sirvientes o huspedes. Por lo tanto,
la poblacin total londinense tena que
ascender a unos 48.000 8 = 384.000
personas.
Graunt conrm este resultado por
otros dos mtodos. En primer lugar, ob-
serv, a partir de datos de parroquias pe-
queas, que se producan de media tres
muertes al ao por cada 11 familias.
Como el nmero de fallecimientos en
todo Londres ascenda a 13.000 anuales,
el nmero total de familias deba ser:
11
13.000 48.000
3
en pleno acuerdo con la estimacin basa-
da en los nacimientos. La segunda com-
probacin se basaba tambin en el nme-
ro de muertes. A partir de la densidad de
poblacin, estim que el nmero de fa-
milias que habitaban dentro de las mura-
llas de la ciudad era de 12.000. Por otra
parte, saba que, de todas las muertes que
se producan, dos tercios ocurran extra-
muros. Por tanto, el nmero total de fa-
milias deba de ser tres veces el nmero
de familias intramuros, es decir 12.000
3 = 48.000.
Los historiadores de la ciencia conside-
ran a Graunt el padre de la estadstica
matemtica, por estas estimaciones publi-
cadas en 1662 en un pequeo libro titu-
lado Observaciones naturales y polticas
mencionadas en ndice adjunto y basadas
en las listas de mortalidad. Sus contempo-
rneos tambin saludaron la obra de
Graunt como una importante contribu-
cin cientca y, a pesar de que posea es-
casa formacin acadmica, fue elegido
miembro de la Regia Sociedad tras la pu-
blicacin de su libro.
En el caso de Graunt, la estimacin era
el nico modo de abordar el problema de
la poblacin de Londres. En otras ocasio-
nes, las estimaciones pueden servir para
disear un experimento que luego nos
dar una medida precisa de cierta canti-
dad o para analizar su viabilidad. Son fas-
cinantes los mtodos de medida desarro-
llados para obtener cantidades muy
pequeas o muy grandes, especialmente
en sus inicios. Cmo podemos conocer
el tamao de un tomo o el nmero de
molculas en un gramo de agua? De qu
manera una distancia de 1010 metros se
traduce en algo mensurable macroscpi-
camente? Los experimentadores tienen
que encontrar la forma de que distancias,
tiempos, masas o fuerzas muy pequeas
den lugar a efectos macroscpicos. Vea-
mos un ejemplo.
La luz viaja a unos 300.000 kilmetros
por segundo. Ya Rmer, a nales del si-
glo xvii, obtuvo una estimacin bastante
precisa de esa cifra observando la diferen-
cia en los perodos de los satlites de Jpi-
ter cuando la Tierra se acerca o se aleja
del planeta. Si sabemos que la velocidad
es del orden de los 300.000 kilmetros
por segundo y queremos realizar una me-
dida directa de dicha velocidad, qu es-
trategia deberamos seguir?
Para una medicin directa, es decir,
una medicin del tiempo empleado por
la luz en recorrer una cierta distancia, o
bien utilizamos distancias muy grandes,
como hizo Rmer, y tiempos apreciables,
o bien utilizamos distancias cortas y for-
mas muy precisas de medir el tiempo. Fi-
INVESTIGACION Y CIENCIA, marzo, 2008
zeau lleg a un compromiso entre estas
dos estrategias y realiz el primer experi-
mento de medicin directa de la veloci-
dad de la luz en 1849. La idea consiste en
enviar pulsos de luz a cierta distancia en
donde se coloca un espejo, detectar el
pulso que retorna y medir el tiempo em-
pleado en el viaje. Mediante lentes focali-
zadoras, Fizeau logr enviar el rayo a algo
menos de 10 kilmetros de distancia y
detectar con precisin el rayo reejado. El
viaje total de la luz sera entonces de 20
kilmetros. Para medir la velocidad de la
luz, necesitaramos entonces medir tiem-
pos del orden de
20
104 segundos.
300.000
Era posible medir con tanta precisin
un intervalo de tiempo, con los medios
de la primera mitad del siglo xix, pura-
mente mecnicos? Fizeau dise un m-
todo ingenioso para lograrlo. Construy
un disco dentado con 720 muescas en su 2. Enrico Fermi (1901-1954).
circunferencia (vase la gura). Poda ha-
cer girar el disco a velocidades bien con- Combinando las dos frmulas ante-
troladas, hasta unas 15 revoluciones por riores, es fcil ver que la velocidad c apa-
segundo. Por lo tanto, a esta velocidad rece como el producto de tres factores
mxima, el tiempo entre una hendidura y medibles: la velocidad de rotacin de la
la siguiente es de rueda, el nmero de dientes y muescas y
1 dos veces la distancia entre la rueda y el
104 segundos. espejo lejano. Gracias a este producto,
720 15 podemos llegar al orden de magnitud de
Ya tenemos la precisin temporal de- la velocidad de la luz, que es de 108 me-
seada! El esquema completo del experi- tros por segundo, mediante factores rela-
mento se puede ver en la gura 1. El es- tivamente asequibles: distancias del or-
pejo semirreectante M1 enva la luz al den de los 10 kilmetros (104 metros),
espejo lejano, pero permite que la luz re- un millar de dientes y huecos, y velocida-
ejada lo traspase. El experimentador ob- des angulares en torno a las 10 revolucio-
serva el rayo que retorna y empieza a gi- nes por minuto. Se puede decir que Fi-
rar la rueda dentada a velocidades cada zeau apur cada uno de los factores al
vez mayores hasta que la luz desaparece. mximo de las posibilidades experimen-
Ello se debe a que el rayo en su viaje de tales de su poca. La medida nal no est
ida se encuentra un hueco de la rueda y al exenta de error, pues hay cierta subjetivi-
volver un diente. Fizeau observ que la dad en la determinacin de la velocidad
luz se desvaneca cuando la rueda giraba a a la que la luz que retorna es bloqueada
12,1 revoluciones por segundo. Por lo por el diente de la rueda. Sin embargo, el
tanto, el tiempo empleado por la luz en experimento de Fizeau fue bastante pre-
su viaje de ida y vuelta era ciso (el valor aceptado de c hoy en da es
1 299.792,458 m/s).
5,74 104 segundos Lo importante es que Fizeau no pudo
12,1 rev/s 2 720
embarcarse en la ardua tarea de construir
(recordemos que hay 720 dientes, pero su dispositivo experimental sin antes ha-
2 720 dientes ms muescas). En su ex- cer una estimacin del nmero de dien-
perimento, la distancia entre la rueda y el tes, velocidad de la rueda y longitud del
espejo lejano era de 8,630 kilmetros. Por recorrido de la luz, necesarios para deter-
lo tanto, la velocidad de la luz resulta: minar c. Probablemente un argumento
puramente estimativo, utilizando el valor
2 8,630 km previo de c debido a Rmer, fue su gua
c= 300.738 km/s.
5,74 104 s para disear el experimento.
3
J U E G O S M AT E M AT I C O S
Cifras y letras
Un programa informtico resuelve, con bastante ingenio,
los problemas numricos y verbales del conocido concurso televisivo
Juan M. R. Parrondo
L a mayora de los lectores conocern
el concurso Cifras y Letras. En l se
alternan dos pruebas, una numrica y
otra de construccin de palabras. En la
primera de ellas se dan seis nmeros, que
pueden ser 1, 2, 3,... 9, 10, 25,
50, 75 o 100, y un nmero obje-
tivo, que se encuentra entre 101
y 999. Con los seis primeros n-
meros hay que obtener, mediante
las cuatro operaciones elementales
(suma, resta, multiplicacin y di-
visin), el nmero objetivo o acer-
carse a l lo mximo posible.
A pesar de la simplicidad mate-
mtica del problema, plantea algu-
nas cuestiones interesantes. Cuan-
do el nmero objetivo es grande,
siempre me hago la siguiente pre-
gunta: Cul es el nmero mximo que combinaciones, de notable ingenio, ilus-
puede obtenerse a partir de los seis nme-
ros iniciales? La respuesta no es difcil.
Entre dos nmeros cualesquiera, la multi-
plicacin es la operacin que da mayores
resultados, excepto si uno de los nmeros
es 1, en cuyo caso es mejor sumar. La es-
trategia idnea para conseguir el mayor
nmero posible es entonces multiplicar
los seis nmeros iniciales entre s, si nin-
guno de ellos es 1. Si ocurre esto ltimo,
cmo deberamos sumar el 1 para maxi-
mizar el resultado? Como (a + 1) b = a
b + b, habr que conseguir que b sea lo
ms alto posible. Por tanto, la estrategia
ptima consiste en sumar el 1 al menor
de los nmeros iniciales y multiplicar el
resultado por los cuatro nmeros restan-
tes. Por ejemplo, el mayor nmero que se
puede conseguir con 1, 3, 2, 10, 5 y 8 es
10 8 5 3 (2 + 1) = 3600.
Pero volvamos al problema original del
concurso: conseguir el nmero objetivo a
partir de los seis nmeros dados. Pedro
Reina, profesor de matemticas, ha dise-
ado un programa capaz de resolver el
problema en menos de un segundo, es
decir, capaz de encontrar la combinacin
de operaciones que ms se acerca al n-
mero objetivo. Podemos estar seguros de
2 INVESTIGACION Y CIENCIA, abril, 2008
que se trata de la mejor combinacin,
porque el algoritmo que utiliza el progra-
ma es una bsqueda exhaustiva a travs
de todas las posibles combinaciones. El
mtodo para codicar y explorar estas
tra una de las estrategias tpicas de la inte-
ligencia articial: la bsqueda en rboles
de decisiones.
Reina ha conseguido organizar todas
las posibles combinaciones en un rbol
que se crea a partir de una serie de deci-
siones, tal y como se muestra en la gu-
ra 1. Cada decisin consiste en elegir
dos nmeros y una operacin a realizar
entre ambos. No hay ninguna ambige-
dad con respecto al orden en el que rea-
lizar la operacin, puesto que la suma y
la multiplicacin son conmutativas y la
resta y divisin slo pueden dar un n-
mero entero y positivo con un orden
dado. De hecho, para muchos pares de
nmeros, la divisin no puede realizarse
de modo que el resultado sea un nmero
entero, en cuyo caso dicha operacin
queda excluida.
En el primer ejemplo de la gura 1,
hemos tomado el 10 y el 7 y los hemos
multiplicado. Eliminamos de la lista los
dos nmeros seleccionados, el 10 y el 7, y
aadimos el resultado de la operacin, en
este caso 70. Por tanto, tras cada paso, te-
nemos una serie de nmeros ms reduci-
da. Despus de cinco pasos el resultado es
un nico nmero. El algoritmo de Reina
explora todas estas posibles decisiones
hasta encontrar el nmero objetivo en
cualquiera de los pasos dados. Por ejem-
plo, en el segundo caso mostrado en la -
gura 1, el nmero objetivo, 288, se ha en-
contrado en el cuarto paso, por lo
que no es necesario continuar. El
algoritmo almacena el nmero que
ms se ha acercado al objetivo a lo
largo de la exploracin; por tanto,
si en la bsqueda no se encuentra
nalmente el nmero exacto, el
programa da como solucin la
aproximacin ms cercana.
Es posible esta exploracin ex-
haustiva en un tiempo razonable?
Para responder a esta pregunta,
calculemos de entrada el tamao
del rbol de combinaciones. En el
primer paso podemos elegir (6 5)/2 =
= 15 parejas de nmeros y aplicarles 4
operaciones. Suponiendo que la divisin
es siempre aplicable, el nmero de opcio-
nes en el primer paso es (4 6 5)/2 =
= 60. En general, si disponemos de n n-
meros, las posibles opciones son:
4 n(n 1)/2 = 2n(n 1)
Por tanto, el nmero total de opciones
en los cinco pasos es:
25 6 (5 4 3 2)2 = 2.764.800
es decir, algo menos de 3 millones de po-
sibilidades. Si descartamos la divisin, el
resultado sera:
(3/2)5 6 (5 4 3 2)2 = 656.100
ligeramente superior al medio milln de
posibilidades. La cifra nal debe, pues,
hallarse entre estas dos cantidades. En
cualquier caso, se trata de un nmero
asequible para que un ordenador moder-
no realice la exploracin exhaustiva en
segundos.
Reina ha incluido tambin en su al-
goritmo algunos trucos que lo aceleran,
como empezar siempre operando con resto de los nmeros. Esta estrategia no tiva es posible, pero en otros ms comple-
los nmeros mayores o guardar combi- conduce, aqu, a la solucin exacta. jos la mquina sigue estando por detrs
naciones de cuatro nmeros y evitar ex- La segunda estrategia, ms elaborada, de la mente. Lograr algoritmos de explo-
plorar ramas idnticas del rbol. En la consiste en descomponer en factores el racin que remeden la intuicin del ser
pgina web pedroreina.net, hay una ver- nmero objetivo y tratar de construir di- humano sigue siendo uno de los princi-
sin del programa en lnea, que tarda chos factores. Por ejemplo, 288 es 72 4 pales retos de la inteligencia articial.
pocos segundos, aun cuando se intro- y el 72 es relativamente fcil de obtener a Reina ha diseado tambin un algo-
duzcan nmeros que no tienen solucin partir de los nmeros iniciales. Observen ritmo capaz de resolver la prueba de las
exacta, situacin en la que la explora- que cada estrategia sita al principio o al Letras. El problema es muy simple: se
cin debe recorrer todo el rbol de posi- nal la multiplicacin, que es una opera- dan nueve letras y los concursantes han
bilidades. cin clave en todo el juego, ya que posee de generar con ellas la palabra ms larga
El programa de Reina no imita el un mayor abanico de resultados. posible.
modo como razonamos los humanos. Programar estas estrategias es muy La solucin que nos ofrece Reina es
Ante el problema de las cifras, creo que complicado, porque no podemos formu- muy sencilla, gracias a una idea suma-
la gente utiliza en paralelo dos estrate- larlas con precisin y en ellas interviene mente ingeniosa que el propio autor atri-
gias. En una de ellas tratamos de aproxi- en buena medida la intuicin. Es como si buye al profesor de inteligencia articial
marnos primero de forma gruesa al ob- recorriramos el rbol de posibilidades de Antonio Salmern. Al escribir el progra-
jetivo, combinando los nmeros iniciales forma un tanto errtica, comenzando a ma, toma primero todas las palabras del
grandes y utilizando sobre todo multipli- veces por el nal y otras por el principio, diccionario de la Real Academia y ordena
caciones, para luego anar la aproxima- descartando ramas por pura sospecha y alfabticamente las letras de cada palabra.
cin con los nmeros pequeos median- adentrndonos con profundidad en otras Por ejemplo, nutritivo se convierte en
te sumas y restas. Por ejemplo, en el caso que nos parecen prometedoras. Esta ex- iinorttuv. Agrupa entonces estos ana-
de la gura 1, multiplicaramos 75 4 = ploracin tan humana supone un reto gramas segn su longitud, los ordena al-
= 300 y luego trataramos de conseguir para la inteligencia articial. En el proble- fabticamente y los guarda en nueve -
un 22 mediante combinaciones con el ma de las Cifras, la exploracin exhaus- cheros: uno para los anagramas de nueve
letras, otro para los de ocho, y as sucesi-
vamente. Esta ordenacin de las palabras
del diccionario es la clave para encontrar
1 la solucin al problema.
1 Cuando nos dan las nueve letras con
10
las que construir una palabra, el algorit-
1
mo las ordena alfabticamente y busca en
75 1
el chero de anagramas de nueve letras.
75 75 2 La bsqueda es muy rpida porque los
4 2 288 anagramas estn ordenados alfabtica-
4 70 144 mente. Si no encuentra la solucin, elimi-
8 + 145 na una de las letras y busca en el chero
7 2 de anagramas de ocho letras. Tiene que
70 probar eliminando todas las letras, lo que
8 da lugar a 9 posibilidades. Si no encuen-
tra la solucin, procede a eliminar dos le-
tras y as sucesivamente. Como vemos, la
idea de guardar las palabras del dicciona-
rio en forma de anagramas es clave para
1 no tener que probar permutaciones de le-
1 tras. Con ello se consigue un algoritmo
10 75 bastante rpido y exhaustivo, como se
75 4 puede comprobar en la pgina web de
75 4 7 Reina.
4 7 En este caso, la solucin dada, a pesar
4 7 288 de su ingenio, no tiene nada que ver con

el razonamiento humano. La forma en
7 72
que las personas resolvemos este proble-
7 + 3
ma es an ms compleja que en el caso de
2 las Cifras y utiliza una capacidad genui-
8 namente humana: el uso del lenguaje. Y
son precisamente los procesos cognitivos
relacionados con el lenguaje natural los
Dos posibles soluciones de un problema de Cifras, en el esquema de rbol de Pedro Reina. que suponen un mayor desafo en el cam-
En el segundo caso, se llega al nmero deseado slo en cuatro pasos. po de la inteligencia articial.

INVESTIGACION Y CIENCIA, abril, 2008 3

J U E G O S M AT E M AT I C O S
Encuestas electorales
Entre lo que declaran los ciudadanos en las encuestas electorales y la estimacin de voto que
hacen las empresas demoscpicas hay grandes diferencias. Cmo se obtiene la estimacin del
voto a partir de las respuestas obtenidas en las encuestas?
Juan M. R. Parrondo
U n par de semanas antes de las lti-
mas elecciones generales del 9 de
marzo, casi todos los peridicos publi-
caron en primera pgina los resultados
del sondeo preelectoral realizado por el
Centro de Investigaciones Sociolgicas
(CIS) que auguraba un empate tcni-
co entre los dos grandes partidos pol-
ticos, PSOE y PP, asignando al primero
un 40,2 % de los votos vlidos y al se-
gundo un 38,7 %. Sin embargo, al leer
el estudio con ms detalle, se poda ob-
servar que a la pregunta si las eleccio-
nes fueran maana, a qu partido vota-
ra usted? un 31,0 % de los encuesta-
dos responda PSOE, mientras que un
21,1 % se decantaba por el PP. Aadien-
do a estos datos las simpatas mostra-
das por los an indecisos, el PSOE al-
canzaba un 37,1 % y el PP un 24,5 %.
Cmo es posible que una diferencia de
casi 10 puntos en la intencin de voto,
o de ms de 12 puntos en la intencin
de voto ms la simpata, se tradujeran
nalmente en una de 1,3, es decir, en
un empate tcnico (bastante cercano a
los resultados nales)?
En el mismo estudio del CIS, antes de
dar paso al anexo que contiene la estima-
cin de voto, se advierte: Dado que los
datos de los indicadores intencin de voto
e intencin de voto + simpata son datos
directos de opinin y no suponen ni propor-
cionan por s mismos ninguna proyeccin de
hipotticos resultados electorales, en este
anexo se recogen los resultados de aplicar un
modelo de estimacin a los datos directos de
opinin proporcionados por la encuesta.
Obviamente, la aplicacin a los mismos da-
tos de otros modelos podra dar lugar a esti-
maciones diferentes.
Por qu la intencin de voto no es
una buena estimacin del voto que se
producir en las elecciones? Y cul el
modelo utilizado por el CIS para estimar
el voto a partir de los datos de la encues-
ta? Aunque dicho modelo no se publica
2 INVESTIGACION Y CIENCIA, mayo, 2008
en la pgina web del CIS, el director de
su departamento de investigacin s ha
respondido amablemente a mis consultas
y me ha proporcionado informacin de-
tallada acerca del procedimiento de esti-
macin.
El problema principal con el que se
enfrentan los tcnicos del CIS es la gran,
y constante, discrepancia entre el recuer-
do de voto en las pasadas elecciones de
2004 y el voto real que se produjo en
aquellos comicios. En la Tabla I se pue-
den ver las respuestas a la pregunta a
quin vot en las ltimas elecciones gene-
rales (2004)? junto con los porcentajes
de voto que realmente tuvieron lugar. Es
difcil explicar estas discrepancias, que
adems se producen en multitud de en-
cuestas, no slo en las de intencin de
voto. Se deben a una eleccin incorrecta
de la muestra o a que algunos encuesta-
dos no dicen la verdad?
Aunque es poco probable que sea as,
lo ms sencillo desde un punto de vista
terico es suponer que la discrepancia se
debe a un error muestral. Esta suposicin
permite corregir los datos de cualquier
pregunta realizada en la encuesta. Para
ello hace falta cruzar las respuestas de to-
das las preguntas con el recuerdo de voto,
tablas que estn disponibles en la pgina
web del CIS. Si pj es el porcentaje de in-
dividuos que recuerdan haber votado a j y
cij es, de entre estos ltimos, el porcentaje
de individuos que se decantan por una
opcin i en una pregunta, el porcentaje
total de sujetos que se decantan por i en
la encuesta ser:
p1 p IU, pero los lectores pueden completar el
c i = c i1 + c i 2 2 + ...
100 100
Sin embargo, si el porcentaje real de
votos en 2004 por el partido j fue p~j , en-
tonces, una buena estimacin del porcen-
taje real de individuos que se decantan
por la opcin i en la pregunta ser:
c i = c i1
p1
100
p
+ c i 2 2 + ...
100
en lugar de ci. Esta correccin equivale a
reajustar la muestra para que reeje co-
rrectamente el recuerdo de voto. Para
aplicar la frmula anterior a los datos de
la encuesta electoral, hay que tener en
cuenta que ciertas opciones en la pregun-
ta de recuerdo de voto no tienen reejo
en el voto real en 2004 y, al revs, no se
pregunta si el voto del encuestado fue
nulo. Por tanto, los porcentajes p~j no son
exactamente los porcentajes de voto de
2004, sino que hay que incluir aquellos
encuestados que no tenan edad para vo-
tar, no recuerdan el voto o no contestan a
la pregunta del recuerdo de voto en 2004
y hay que eliminar los votos nulos de los
porcentajes de voto real. La siguiente
frmula reeja estas modicaciones:
100 P (n.e .) P (n.r .) P (n.c .)
p j = P j (v.r .)
100 P (v.n.)
en donde P denota los porcentajes de
voto nulo real en 2004 (v.n.), no tena
edad para votar (n.e.), no recuerda (n.r.),
no contesta a la pregunta del recuerdo de
voto (n.c.), y Pj(v.r.) es el porcentaje de
votos que consigui el partido j en 2004.
En la tercera columna de la Tabla I se
muestran los porcentajes p~j calculados con
la frmula anterior.
Vayamos ahora a las preguntas de la
encuesta que se reeren a la intencin de
voto. Por razones de espacio, limitar
todo el anlisis a los tres partidos ms vo-
tados (en el 2004 y el 2008): PSOE, PP e
mismo estudio con el resto de partidos
utilizando los datos cruzados que estn a
su disposicin en la pgina web del CIS.
En la Tabla II se puede ver lo que se
denomina intencin de voto ms simpa-
ta por un partido. Al encuestado se le
pregunta en primer lugar si las eleccio-
 Recuerdo de Voto real Porcentajes Intencin + simpata
voto 2004 2004 corregidos PSOE PP IU Abstencin
PSOE 37.7 32.22 26.69 Recuerdo
PP 20.0 28.53 23.63 PSOE 76.5 6.2 2.9 11.2
IU/ICV 3.2 3.75 3.11 PP 3.7 84.1 0.3 9.8
CiU 1.8 2.44 2.02 IU 13.4 1.4 74.1 7.5
ERC 0.9 1.91 1.58 CiU 6.1 3.4 1.6 11.7
PNV 0.8 1.23 1.02 ERC 7.3 0 5.8 7.5
BNG 0.4 0.61 0.51 PNV 3.4 0 0.4 9.5
CC 0.3 0.69 0.57 BNG 15.9 0.9 2.3 13.0
EA 0.1 0.23 0.19 CC 6.8 15.6 4.4 18.7
CHA 0.1 0.27 0.23 EA 0 1.9 0 19.4
Na-Bai 0.1 0.18 0.15 CHA 32.5 5.6 0 37.1
Otro partido 1.0 1.74 1.44 Na-Bai 3.7 0 0 18.5
En blanco 2.3 1.18 0.98 Otro partido 6.1 7.8 5.4 17.0
No vot 13.6 24.34 20.16 No tena edad 35 24.9 5.7 27.6
No tena edad 4.8 4.8 En blanco 13.2 10.3 1.8 65.9
No recuerda 4.9 4.9 No vot 22.7 17.1 3.4 50.5
N.C. 8.1 8.1 No recuerda 20.2 16 2.2 53.4
Votos nulos 0.76 N.C. 9.2 7.3 1.5 77.7

nes fueran maana, a qu partido vota-
ra?. El resultado se denomina intencin
de voto. A los que a esta pregunta respon-
den que votaran en blanco, no votaran o
no saben o no contestan, se les pregunta
de nuevo por cul de los siguientes par-
tidos o coaliciones siente usted ms sim-
pata o cul considera ms cercano a sus
propias ideas?. La intencin ms simpa-
ta por un determinado partido se deter-
mina sumando las respuestas a favor de
dicho partido en las dos preguntas. Los
resultados se pueden ver en la Tabla II,
cruzados con el recuerdo de voto. Los
porcentajes estn siempre calculados so-
bre el total de respuestas de recuerdo de
voto por una determinada opcin. Por
eso las columnas no suman cien. Las las
s deberan sumar 100, si incluyramos
iStockphoto/NOMBRE DEL AUTOR DE LA FOTO
todos los partidos sobre los que se pre- nal del CIS (PSOE: 40,2 %, PP: 38,7 %,
gunta. La columna abstencin incluye IU: 5,8 %) diere ligeramente de la cal-
aquellos que, en las dos preguntas, no se culada aqu. Sin embargo, como pueden
han decantado por ningn partido, es de- comprobar, la correccin por recuerdo de
cir, lo que en la segunda han insistido en voto es la ms importante de todas las
que no tienen preferencia por ninguno o que realiza el modelo del CIS.
han vuelto a marcar la casilla no sabe o Sigue siendo un misterio la discrepan-
no contesta. cia entre el recuerdo de voto declarado y
Disponemos ahora de todos los datos el voto real en 2004. Probablemente se
necesarios para estimar el voto en las deba la suma de varios factores: algunos
elecciones. Para calcular el voto a IU, por desajustes en la eleccin de la muestra o
ejemplo, tomamos cada entrada de la sesgos en la disponibilidad de las personas
tercera columna de la Tabla II y la multi- a contestar, respuestas no sinceras, o res-
plicamos por el correspondiente porcen- puestas sinceras pero equivocadas. Estas
taje corregido de la Tabla I. Sumamos to- ltimas no deberan en realidad corregir-
dos estos productos y obtenemos el se, puesto que el encuestado puede ser
porcentaje de voto nal. Lo que hacemos sincero en su respuesta sobre intencin de
as es aplicar la segunda frmula de este voto, aunque sea algo olvidadizo. Las dos
artculo. Si se procede de esta forma con primeras razones de discrepancia s se co-
los tres principales partidos y con la abs- rrigen adecuadamente con el mtodo que
tencin, se obtienen los siguientes resul- utiliza el CIS, puesto que si un individuo
tados: PSOE 30,39 %, PP 27,98 %, IU miente acerca de lo que vot en 2004, lo
4,60 %, abstencin 27,62 %. Finalmen- ms probable es que tambin lo haga so-
te, si queremos dar las estimaciones en bre su intencin de voto. En cualquier
porcentajes sobre voto vlido, tendremos caso, la correccin realizada resulta perti-
que eliminar la abstencin, es decir, mul- nente, como lo demuestran los resultados

tiplicar los valores anteriores por 100/
(100 27,62). Con ello se obtienen los
siguientes resultados: PSOE 41,99 %,
PP 38,66 %, IU 6,35 %.
El algoritmo completo que utiliza el
CIS tiene algunas correcciones adiciona-
les que utilizan otros cruces y que aqu no
hemos incluido. Por eso la estimacin -
de las elecciones de este ao (PSOE:
43,64 %, PP: 40,11 %, IU: 3,8 %). Las
discrepancias entre la estimacin y el re-
sultado nal pueden deberse perfecta-
mente, adems de a errores estadsticos, al
desarrollo de la campaa electoral, ya que
la encuesta se realiz entre el 21 de enero
y el 4 de febrero de 2008.

INVESTIGACION Y CIENCIA, mayo, 2008 3

J U E G O S M AT E M AT I C O S
El problema de los tres dioses
Resumen de la seccin, resumen de la seccin, resumen de la seccin,
resumen de la seccin, resumen de la seccin
Juan M. R. Parrondo
E n 1996, George Boolos, profesor de
lgica del MIT, public en The Har-
vard Review of Philosophy el problema de
los tres dioses, una variante de los famo-
sos acertijos de escuderos mentirosos y
caballeros sinceros que pueblan los exce-
lentes libros de Raymond Smullyan.
Boolos lo present, con algo de exagera-
cin, como el problema lgico ms dif-
cil de la historia. Veremos primero una
variante del mismo y, ms tarde, la ver-
sin original.
Tenemos ante nosotros tres dioses. Sa-
bemos que uno de ellos es el dios de la
Verdad, quien, obviamente, siempre dice
la verdad. Otro de ellos es el dios de la
Mentira, que siempre miente. Y el tercer
dios es el dios de la Confusin, que res-
ponde al azar a cualquier pregunta que se
le formule.
El problema consiste precisamente en
averiguar quin es quin formulando slo
tres preguntas cuya respuesta sea necesaria-
mente s o no. No valen preguntas del tipo
que respondera tu compaero de la iz-
quierda si le preguntara si es cierto que dos
ms dos son cuatro?, ya que si el dios in-
terrogado es el de la Verdad o el de la
Mentira y el compaero de la izquierda
fuera el de la Confusin, entonces el inte-
rrogado tendra que responder no s o
morderse la lengua. Basta con que exista la
posibilidad de contestar algo distinto a s
o no para que la pregunta no sea vlida.
Vamos a acotar an ms las preguntas:
slo se puede preguntar por el nombre de
los dioses o combinaciones lgicas de los
mismos. Se pueden formular las tres pre-
guntas al mismo dios o a dioses diferentes
y una pregunta puede depender de las
respuestas obtenidas anteriormente. Pero
slo disponemos de tres preguntas y, tras
ellas, deberemos saber con certeza el
nombre de cada uno de los dioses.
La teora de la informacin nos dice
que las preguntas ptimas son aquellas en
las que las posibles respuestas tienen la
misma probabilidad. En nuestro caso, te-
nemos que hacer preguntas cuya respuesta
2 INVESTIGACION Y CIENCIA, junio, 2008
sea s con probabilidad 1/2 y no con la
misma probabilidad. De este modo, la
pregunta nos aporta un bit de informa-
mos, tras la primera pregunta, saber con
certeza que alguno de los dos dioses no es
el de la Confusin, necesariamente esta
cin. Sin embargo, en nuestro problema pregunta debe eliminar el par VMC,
este criterio no basta (por algo es el pro- MVC (con lo que sabramos que B no es
blema ms difcil de la historia), aunque el dios de la Confusin) o el par VCM,
ayuda bastante. No basta por culpa del MCV (con lo que sabramos que C no es
endiablado dios de la Confusin, cuyas el dios de la Confusin). Una vez deter-
respuestas obviamente no aportan infor- minada la informacin que nos tiene que
macin alguna. proporcionar la pregunta, no es difcil
Llamemos A, B y C a los tres dioses formularla: dios A, es cierta al menos al-
que estn ante nosotros. Hay seis combi- guna de estas dos armaciones: a) B es el
naciones posibles de personalidades, to- dios de la Mentira y C el dios de la Con-
das ellas igual de probables: VMC, VCM, fusin o b) B es el dios de la Confusin y
MCV, MVC, CMV, CVM. Supongamos C el de la Verdad?
que formulamos a A una pregunta pti- Si A es el dios de la Verdad, slo la
ma, en el sentido de la teora de la infor- armacin a) puede ser cierta, y la res-
macin. Esta pregunta no podr eliminar puesta ser s slo si la instancia VMC
en ningn caso las dos ltimas posibilida- es la verdadera y no si la disposicin de
des, CMV, CVM, en las que A es el dios los dioses es VCM. Si A es el dios de la
de la Confusin y puede, por tanto, res- Mentira, dir s slo si las dos arma-
ponder cualquier cosa. Si la pregunta es ciones son falsas, es decir, slo si la dispo-
ptima, eliminar slo dos opciones (la sicin de los dioses es MVC, y dir no
mitad de las cuatro primeras) y nos que- si la disposicin es MCV. Por lo tanto, la
daremos con cuatro posibilidades. respuesta s nos deja como instancias
Estas cuatro posibilidades suponen posibles VMC y MVC (junto con las in-
una incertidumbre de dos bits y nos que- evitables CMV, CVM), mientras que la
dan dos preguntas ms. Por tanto, las dos respuesta no es compatible slo con
ltimas preguntas han de ser tambin p- VCM y MCV, junto con CMV y CVM.
timas, pero esta vez de verdad. La segun- Si la respuesta es s, sabemos con certe-
da tiene que eliminar dos posibilidades de za que B no es el dios de la Confusin. Si
las cuatro restantes y, la ltima, conducir-
nos a la nica instancia posible. Pero he-
mos visto que el dios de la Confusin no
nos proporciona informacin alguna. Por
lo tanto, es condicin necesaria para re-
solver el problema que, tras la primera
pregunta, sepamos con certeza que algu-
no de los dioses no es el de la Confusin.
Esta es la clave: la primera pregunta
debe conducirnos a la conclusin de que
alguno de los dioses no es el de la Confu-
sin. Cmo podemos conseguirlo? Vi-
mos que, al preguntar a A, las posibilida-
des CMV y CVM son compatibles con
cualquier respuesta y que, si hacemos la
pregunta ptima, la respuesta slo podr
eliminar dos de las posibilidades restan-
tes: MVC, MCV, VMC, VCM. Si quere-
la respuesta es no, es C quien con toda
seguridad no es el dios de la Confusin.
Las dos preguntas restantes son muy
sencillas. Si la respuesta a la primera ha
sido s, preguntamos a B: eres el dios
de la Confusin? Si dice que s, entonces
B tiene que ser el dios de la Mentira, y si
dice que no, ser el dios de la Verdad. Fi-
nalmente, le preguntamos a C por la per-
sonalidad de alguno de sus compaeros y
con ello resolvemos completamente el
problema. La dicultad estaba, sin duda,
en la primera pregunta. Debido al rui-
do que produce el dios de la Confusin,
la primera pregunta no aporta un bit de
informacin. Si fuera as, permitira eli-
minar la mitad de las instancias, es decir,
tres de las seis posibilidades iniciales. Slo
elimina dos de ellas, como hemos visto,
pero, correctamente formulada, permite
que las dos preguntas siguientes s apor-
ten un bit cada una, reduciendo las cua-
tro posibilidades que quedan a una sola.
El problema lgico ms difcil de la
historia es, en realidad, un poco ms di-
fcil. En la formulacin original de Boo-
los, los dioses responden en una lengua
que nosotros desconocemos. Las palabras
para s y no son da y ja, pero no puede eliminar) o bien B es el dios de la
sabemos cul es la armativa y la negati-
va. Sin entender siquiera lo que nos res-
ponden los dioses, este problema s pare-
ce el ms difcil de la historia! Sin
embargo, en el problema se elimina la
restriccin que antes impuse a las pregun-
tas. Ahora no tienen por qu ser nica-
mente preguntas directas acerca de la per-
sonalidad de los dioses.
Hay una forma de obtener informa-
cin incluso sin saber el signicado de las
respuestas. Si queremos saber la respuesta
a cualquier pregunta q, basta preguntar:
INVESTIGACION Y CIENCIA, junio, 2008
Responderas ja a la pregunta q? Su- cando la personalidad de los tres dioses,
pongamos que q es cierta. Si el dios dice la sin necesidad de conocer el signicado de
verdad y ja es s, la respuesta ser ja. da y ja. Ni siquiera sabemos su signi-
Pero si ja es no, el dios de la Verdad cado despus de las tres preguntas. De he-
tambin responder ja, dicindonos no cho, si el problema consistiera en adivinar
responder no a la pregunta q. Es decir, las personalidades de los tres dioses y el
el dios de la Verdad responde ja si q es signicado de da y ja, no tendra solu-
cierta y da si q es falsa, independiente- cin! La razn es que en este caso hay 12
mente de lo que signique ja. Pero an posibilidades iniciales, las 6 disposiciones
hay ms. El dos de la Mentira tambin de personalidades de los tres dioses com-
responde ja si q es cierta, independiente- binadas con las dos posibilidades para los
mente de lo que signique ja. En efecto, signicados de da y ja. Cada pregunta,
si ja es s, el dios de la Mentira, que si es ptima, elimina la mitad de las posi-
respondera da a q, respondera s a bilidades. Por tanto, con tres preguntas
nuestra pregunta, es decir, respondera podramos resolver slo problemas con un
ja. Y si ja es no, el dios de la Menti- mximo de 8 posibilidades iniciales.
ra, que respondera ja a q, respondera Existen an ms sutilezas y variantes
no a nuestra pregunta, es decir ja. del problema. Por ejemplo B. Rabern y L.
Por lo tanto, si el dios al que pregunta- Rabern han puesto de maniesto que es
mos no es el de la Confusin, conocere- necesario aclarar el comportamiento del
mos si q es verdad o no con una simple dios de la Confusin: responde al azar (es
pregunta. Este truco nos permite resolver decir, lanza una moneda para decidir su
el problema con cierta facilidad. La pri- respuesta) o adopta al azar la disposicin a
mera pregunta al dios A sera: Si te pre- decir la verdad o la mentira (es decir, lan-
guntara es B el dios de la Confusin, za una moneda para decidir si dice la ver-
responderas ja?. Si la respuesta es ja, dad o si miente)? En el segundo caso, el
entonces, o bien A es el dios de la Confu- problema es trivial puesto que, como he-
sin (posibilidad que ninguna respuesta mos visto, la respuesta ja a la pregunta
Responderas ja si te preguntara q?
Confusin. En cualquier caso, sabramos nos dice que q es cierta independiente-
que C no es el dios de la Confusin y le mente de si el dios preguntado es el de la
preguntaramos sobre la personalidad de Verdad o el de la Mentira. Por lo tanto, si
A y B. Por otro lado, si la respuesta a el dios de la Confusin simplemente ac-
nuestra primera pregunta es da, enton- ta como el de la Verdad o como el de la
ces o bien A es el dios de la Confusin o Mentira en cada pregunta, tambin al res-
bien B no es el dios de la Confusin. En ponder ja nos asegura que q es cierta.
cualquier caso, B no sera el dios de la Los mismos autores exploran pregun-
Confusin (puesto que si lo es A, B no tas autorreferentes que algn dios no pue-
puede serlo), y podremos preguntar a B de contestar. Por ejemplo: vas a contes-
sobre la personalidad de los otros dos. tar ja a esta pregunta que te estoy
Como pueden comprobar, con las tres haciendo?. Si ja signica no y le ha-
preguntas resolvemos el problema, identi- cemos esta pregunta al dios de la Verdad,
no podr responder nada, puesto, que
tanto si responde ja como da, estar
mintiendo. Como los dioses son infali-
bles, Rabern y Rabern concluyen que la
nica salida del dios de la Verdad es que
le explote la cabeza. Proponen nuevos
problemas en los que se pueden utilizar
preguntas que manden la cabeza del dios
por los aires. Ahora caben tres posibles
respuestas: ja, da y explosin de ca-
beza. Por tanto, cada pregunta aporta
ms de un bit de informacin.
Si permitimos volar la cabeza de los
dioses mediante contradicciones de este
tipo, el problema original de Boolos se
puede resolver con slo dos preguntas.
Pero esta vez tendrn que esperar un mes
para conocer la solucin.
3
J U E G O S M AT E M AT I C O S

Piensa un nmero
Un truco de adivinacin de nmeros de Lewis Carroll nos sirve de excusa para reexionar
acerca de la irrazonable efectividad de las matemticas en las ciencias naturales
Juan M. R. Parrondo

A: Piensa un nmero. nas de ellas, es posible siempre reconstruir
B: [Piensa el 23]. el nmero original a partir de la informa-
A: Multiplcalo por 3. El resultado cin que proporciona B: la paridad de dos
es par o impar? de los resultados parciales y la cifra nal.
B: [Obtiene 23 x 3 = 69]. Es impar. Observen que, para que el truco fun-
A: Smale 31 o 35, lo que preeras, cione, es necesario que el ruido intro-
y divdelo entre 2. ducido cuando B suma cantidades elegi-
B: [Suma 31 y obtiene (69 + 31)/2 = 50]. das por l (31 o 35 para resultados
A: Multiplcalo por 3 y dime impares, 80 o 100 para los pares) o cuan-
si el resultado es par o impar. do aade una cifra cualquiera al nmero
B: [Obtiene 50 x 3 = 150]. Es par. original, no haga que se pierda a lo largo
A: Smale 80 o 100, lo que preeras, del clculo la informacin acerca del n- mximo y mnimo de los posibles valores.
y divdelo entre 2. mero pensado inicialmente. Esto proba-
B: [Suma 100 y obtiene 250/2 = 125]. blemente no extrae a muchos lectores.
A: Ahora adele el nmero que Las ltimas divisiones entre 7 hacen desa-
pensaste al principio seguido parecer el efecto de estas sumas. Vemos-
de una cifra cualquiera. lo en un ejemplo similar. Tomen un n-
B: [Aade al 23 un 7 y obtiene 237 + mero cualquiera x; si aadimos una cifra
+ 125 = 362]. y a la derecha, el nmero que resulta es
A: Divide el resultado entre 7, 10x + y; sumando este nmero al inicial
desechando el resto. obtenemos 11x + y. Si ahora dividimos
B: [Obtiene 51]. por 11 despreciando el resto, volvemos a
A: Vuelve a dividir entre 7, desechando obtener x, puesto que y es menor que 11.
el resto, y dime el resultado. La adicin de la cifra desconocida es un
B: El resultado es 7. cierto ruido que, sin embargo, desapa-
A: Pues bien, el nmero que pensaste rece en el cmputo nal, debido a que
es 23. hemos amplicado mucho la seal x
antes de aadir dicho ruido.
Este pequeo dilogo es una versin, El mtodo de adivinacin de Carroll se
corregida y simplicada, de una nota que basa, en buena medida, en esta propiedad
escribi Lewis Carroll en febrero de 1896, matemtica, pero es menos trivial, ya que
dos aos antes de su muerte. Sorprenden- utiliza tanbin informacin acerca de la
temente, a pesar de lo intrincado de las paridad de los resultados parciales del
operaciones y de la arbitrariedad de algu- clculo. Se puede comprobar que estas pa-
ridades dependen slo de cun lejos est
de ser mltiplo de 4 el nmero original.
Podemos ver en la tabla siguiente
cmo evoluciona el clculo segn sea el
nmero inicial x un mltiplo de 4 ms 1,
2, 3 o 4. En la tabla he indicado en ama-
rillo los resultados impares y en rojo los
pares, en los pasos en que la paridad se re-
vela a A. Muestro los posibles resultados
despus de cada paso. Si stos son ms de
dos, especico, separados por comas, el
Por ejemplo, el sexto paso (sumar el n-
mero original x con una cifra aadida y,
es decir, sumar 10x + y), aplicado a un
nmero entre 9n + 109 y 9n + 134 (cuar-
ta columna x = 4n + 4), puede dar, como
mnimo, 9n + 109 + 10(4n + 4) = 49n +
+ 149 (es el caso en que y = 0) y, como
mximo, 9n + 134 + 10(4n + 4) + 9 =
= 49n + 183 (es el caso en que y = 9).
Como ven, el resultado nal, junto
con la paridad de los resultados parciales,
determina unvocamente el nmero ori-
ginal. Para el elegido por B, 23, el resulta-
do ha sido: impar, par y 7. Por lo tanto,
nos encontramos en la tercera columna (x
= 4n + 3), n ser 7 2 = 5 y el nmero
pensado 4 5 + 3 = 23.
La versin original del Carroll es dife-
rente y adems incorrecta, segn ha sea-
lado y corregido el matemtico R. F. Mc-
Coart. Mi versin es tambin ligeramente
distinta de la propuesta por McCoart. No

x 4n + 1 4n + 2 4n + 3 4n + 4
Multiplica por 3 12n + 3 12n + 6 12n + 9 12n + 12

Regla par/impar 6n + 17 o 6n + 19 6n + 43 o 6n + 53 6n + 20 o 6n + 22 6n + 46 o 6n + 56
Multiplica por 3 18n + 51 o 18n + 57 18n + 129 o 18n + 159 18n + 60 o 18n + 66 18n + 138 o 18n + 168

Regla par/impar 9n + 41, 9n + 46 9n + 80, 9n + 97 9n + 70, 9n + 83 9n + 109, 9n + 134

Suma 10x + y 49n + 51, 49n + 65 49n + 100, 49n + 126 49n + 100, 49n + 122 49n + 149, 49n + 183

Divisin por 7 7n + 7, 7n + 9 7n + 14, 7n + 18 7n + 14, 7n + 17 7n + 21, 7n + 26

Divisin por 7 n+1 n+2 n+2 n+3

90 INVESTIGACION Y CIENCIA, julio, 2008

ha sido fcil encontrar esta versin sim-
plicada. Hay que elegir cuidadosamente
los nmeros que se suman para que el re-
sultado nal y la paridad de los resultados
parciales determinen unvocamente el n-
mero pensado.
Consideren ahora este otro truco de
adivinacin. Piense un nmero x de 50 a
150. Deje caer una piedra desde esa altu-
ra, medida en centmetros, al suelo y
compute el tiempo que tarda en caer.
Deje caer ahora la piedra desde un metro
de altura y mida de nuevo el tiempo. Di-
vida el primero de los tiempos entre el se-
gundo y dgame el resultado y. El nmero
pensado ser x = y 2. La razn estriba en lo
siguiente: la altura desde la que se deja
caer un objeto es proporcional al cuadra-
do del tiempo que tarda en caer. Obser-
ven que el truco no se basa en un mero
cmputo del tiempo empleado, es decir,
en haber medido con anterioridad los
tiempos de cada desde todas las posibles
alturas. De hecho, nuestro mtodo de
adivinacin funcionara en la supercie
de cualquier planeta.
En este ejemplo, nuestra capacidad
adivinatoria no es consecuencia nica-
mente de las reglas de manipulacin de
smbolos matemticos, sino tambin de
cmo caen los cuerpos en la supercie de
un planeta, obedeciendo las leyes de
Newton. De todas las relaciones posibles
entre altura h y tiempo t de cada, la na-
turaleza ha elegido que h sea proporcional
a t 2. Es realmente una eleccin arbitra-
ria? Podra existir un universo en donde
h fuera proporcional a t3? La aspiracin
de muchos fsicos es precisamente demos-
trar que las leyes que rigen el comporta-
miento del universo son las nicas posi-
bles, determinadas por pura coherencia
lgica. Una variante de esta idea ha dado
lugar a grandes avances cientcos. Por
ejemplo, las geometras no eucldeas son
lgicamente coherentes pero, cuando se
inventaron, no haba prueba alguna de
que pudieran existir en la naturaleza espa-
cios no eucldeos de dimensin mayor
que 2. Alguien pudo haberse preguntado
entonces: por qu la naturaleza eligi la
geometra eucldea y cmo sera el mun-
do si la eleccin hubiera sido otra? Aos
ms tarde, Einstein demostr que el espa-
cio deja de ser eucldeo en los lugares
donde hay un campo gravitatorio.
Si hubiera una necesidad lgica en que
la altura h fuera proporcional a t 2, podra-
mos decir que la adivinacin newtonia-
na sera similar a la adivinacin carrollia-
INVESTIGACION Y CIENCIA, julio, 2008
na, aunque ms compleja y con la lgica
interna del mundo fsico. Pero, por qu
el universo tendra que ser lgico o dispo-
ner de una estructura matemtica? En
otras palabras, por qu la matemtica es
tan ecaz para describir el mundo fsico,
hasta el extremo de poder determinar un-
vocamente su comportamiento?
Las posturas dentro del mundo de la
fsica y la matemtica ante estas preguntas
son mltiples. Algunos piensan que el
universo tiene una estructura intrnseca-
mente matemtica. Otros, siguiendo a
Arthur S. Eddington, opinan que la es-
tructura matemtica proviene de nuestra
forma de percibir y pensar el mundo.
Eddington armaba que toda la fsica se
poda deducir de forma lgica, analizan-
do las estructuras de nuestra percepcin y
nuestro pensamiento. Para ilustrar su ar-
gumento utilizaba el ejemplo siguiente:
unos hombres fueron a pescar al mar con
una red; despus de examinar lo que ha-
ban capturado en varios lugares y condi-
ciones, concluyeron que los peces tenan
un tamao mnimo de cinco centmetros.
Sin embargo, para llegar a esa conclusin
no hace falta salir en barca ni echar las re-
des, sino slo medir los agujeros de la red
(que tienen, obviamente, 5 centmetros
de lado). Del mismo modo, para deducir
toda la fsica, bastara, segn Eddington,
analizar la forma en que percibimos y ca-
tegorizamos el mundo.
Eugene Wigner sostena una postura
ms modesta. No pensaba que todos los
aspectos del mundo fsico pudieran ser
descritos de forma matemtica, pero s
vea en las matemticas una herramienta
fundamental para revelar la verdadera na-
turaleza del universo. Escribi en 1960
un famoso artculo, La irrazonable eca-
cia de las matemticas en las ciencias natu-
rales, en el que conclua: que las mate-
mticas sean el lenguaje apropiado para
formular las leyes de la fsica es un mila-
gro y un don maravilloso que no enten-
demos ni merecemos.
Es difcil decantarse por una u otra op-
cin. En cualquier caso, estas reexiones
son un buen modo de despedirme de us-
tedes. En estos siete aos de Juegos Mate-
mticos, hemos explorado juntos muchas
curiosidades matemticas o aplicaciones
insospechadas al comportamiento huma-
no o social, y tambin en ocasiones he-
mos discutido sus limitaciones. Ya sean
un mero producto de la mente humana,
una realidad ms all de nuestro pensa-
miento y de la realidad fsica, o la lgica
interna del mundo fsico, las matemticas
no dejan de fascinarnos. Todo lo relacio-
nado con las matemticas que me ha pa-
recido interesante o curioso a lo largo de
estos aos, y que pudiera explicarse en un
lenguaje accesible, ha aparecido en estas
pginas. Espero haber despertado en uste-
des el mismo inters y fascinacin. Les
agradezco tambin todos los comentarios,
sugerencias y muestras de aprecio que me
han hecho llegar en todo este tiempo, y
les pido disculpas si en alguna ocasin no
he podido contestar con la profundidad y
la atencin que merecan.
Quedaba pendiente una pregunta del
mes pasado. La solucin al problema l-
gico ms difcil de la historia en dos pre-
guntas. Slo tiene solucin si el dios de la
Confusin elige a priori decir la verdad o
la mentira (es decir, no elige al azar la res-
puesta, sino su propio comportamiento al
contestar). En este caso, la pregunta (1) al
dios A debera ser: Responderas ja a la
siguiente pregunta (2): es cierta al me-
nos una de las siguientes armaciones: a)
vas a responder da a la pregunta total
(1) y B es el dios de la Verdad, b) B es el
dios de la Mentira?
Supongan, por ejemplo, que ja es s,
A es el dios de la Mentira y B el de la Ver-
dad. Si A respondiera da a (1), la ar-
macin a) sera cierta, con lo que la res-
puesta de A a (2) sera da (no). Entonces
(1) sera falsa y A, que ha contestado da
(no), ha dicho la verdad. Si A responde
ja a (1), ahora a) y b) son ambas falsas,
con lo que A respondera ja a (2), y ha-
bra dicho la verdad al responder ja (s)
a (1). O sea, que A no puede mentir, con-
teste lo que conteste, y, en consecuencia,
le estalla la cabeza. Con un poco de pa-
ciencia, pueden comprobar que, indepen-
dientemente del signicado de da y ja
y de si A pretende decir la verdad o la
mentira, si le explota la cabeza, entonces
B es el dios de la Verdad; si la respuesta
de A a (1) es ja, entonces B es el dios de
la Mentira; y si es da, entonces B es el
dios de la Confusin.
Por lo tanto, con la pregunta (1) obte-
nemos la personalidad de B. Si han llega-
do hasta aqu entendiendo todo este gali-
matas, no les costar formular la segunda
pregunta. Basta utilizar una construccin
del tipo responderas ja si te pregun-
tara q? La respuesta a esta pregunta,
como ya vimos el mes pasado, es ja si q
es cierta y da si q es falsa, independien-
temente de la personalidad del dios in-
terpelado.
91