La teoría de la probabilidad, una de las ramas más aplicadas de las matemáticas modernas, no nació como una teoría abstracta a la que después se buscaran aplicaciones prácticas: nació directamente de un problema concreto de juego, y los juegos de azar han sido, desde entonces, el ejemplo de referencia con el que se enseñan sus conceptos fundamentales.
El origen: una pregunta de un jugador
En 1654, el noble francés Antoine Gombaud, conocido como el Chevalier de Méré, planteó a los matemáticos Blaise Pascal y Pierre de Fermat un problema surgido de su propia experiencia como jugador: cómo repartir de forma justa las apuestas de una partida de dados interrumpida antes de terminar, en función de las probabilidades que tenía cada jugador de haber ganado si la partida hubiera continuado. La correspondencia que intercambiaron Pascal y Fermat para resolver este “problema de los puntos” es considerada, por consenso histórico, el punto de partida formal de la teoría matemática de la probabilidad.
El concepto básico: sucesos igualmente probables
La definición clásica de probabilidad, formulada más tarde por Pierre-Simon Laplace, parte de un principio simple: si un experimento tiene varios resultados posibles igualmente probables, la probabilidad de un suceso concreto es el número de resultados favorables a ese suceso dividido entre el número total de resultados posibles. En la ruleta europea, por ejemplo, la bola puede detenerse en 37 casillas distintas (los números del 0 al 36), todas con la misma probabilidad si la ruleta está bien calibrada: la probabilidad de acertar un número concreto es, por tanto, 1 entre 37.
Sucesos independientes: por qué la ruleta “no tiene memoria”
Uno de los conceptos que con más frecuencia se explica mal fuera del aula es el de sucesos independientes: si una ruleta ha caído en rojo varias veces seguidas, la probabilidad de que el siguiente giro sea negro sigue siendo exactamente la misma que en cualquier otro giro, porque cada giro es un suceso independiente de los anteriores —la ruleta no “recuerda” los resultados pasados. Creer lo contrario es un error de razonamiento tan común que tiene nombre propio en la literatura sobre probabilidad: la falacia del jugador.
El valor esperado: por qué la banca siempre gana a largo plazo
El valor esperado —la media ponderada de todos los resultados posibles de una apuesta, ponderada por su probabilidad— es el concepto que explica matemáticamente por qué los casinos son negocios rentables a largo plazo pese a que un jugador individual puede ganar en una sesión concreta. En la ruleta europea, por ejemplo, apostar a un solo número paga 35 veces la apuesta si se acierta — el mismo tipo de cálculo se aplica, con reglas distintas, al blackjack, pero la probabilidad real de acertar es 1 entre 37, no 1 entre 35: esa pequeña diferencia entre el pago y la probabilidad real es la “ventaja de la casa”, y es la razón matemática, no la mala suerte, por la que un juego basado en el azar puro sigue siendo, en promedio y a largo plazo, favorable para quien lo organiza. El mismo principio se expresa en las tragaperras a través del RTP (retorno al jugador): un RTP publicado del 96%, por ejemplo, no es más que ese mismo valor esperado expresado como porcentaje, calculado sobre millones de tiradas simuladas del generador de números aleatorios de la máquina.
Del casino al resto de la ciencia
Más allá de los juegos de azar, este mismo aparato conceptual —sucesos, probabilidad, independencia, valor esperado— es el que sostiene disciplinas tan alejadas del juego como la genética (calcular la probabilidad de heredar una enfermedad), los seguros (calcular primas en función del riesgo) o el diseño de ensayos clínicos. Que la teoría de la probabilidad siga usando el lenguaje de dados, cartas y ruletas para explicar sus conceptos básicos, más de tres siglos después de la correspondencia entre Pascal y Fermat, es un recordatorio de lo directamente que las matemáticas modernas nacieron de intentar entender el azar de los juegos.
En este sitio