Probabilidad y estadística: qué son y en qué se diferencian
Probabilidad y estadística van casi siempre juntas, y por eso se confunden. La forma más clara de distinguirlas: la probabilidad mira hacia adelante (qué puede pasar), la estadística mira hacia atrás (qué pasó y qué significa). Con un ejemplo se entiende al toque. Probabilidad: sé que un dado es justo, entonces calculo que la chance de sacar un 6 es 1 entre 6.
RESUMEN
- Dos caras de la misma moneda
- Qué es la probabilidad
- Qué es la estadística y cómo se apoyan
- Probabilidad condicionada: la que más se usa y peor se entiende
Tabla de contenidos
Dos caras de la misma moneda
Probabilidad y estadística van casi siempre juntas, y por eso se confunden. La forma más clara de distinguirlas: la probabilidad mira hacia adelante (qué puede pasar), la estadística mira hacia atrás (qué pasó y qué significa).
Con un ejemplo se entiende al toque. Probabilidad: sé que un dado es justo, entonces calculo que la chance de sacar un 6 es 1 entre 6. Estadística: no sé si el dado es justo, así que lo lanzo 100 veces, miro los resultados y concluyo si está cargado. Una parte del modelo; la otra, de los datos.
Qué es la probabilidad
La probabilidad mide qué tan posible es un evento, en una escala de 0 (imposible) a 1 (seguro), o en porcentaje de 0% a 100%. Parte de un modelo conocido y predice. Se usa para calcular riesgos, juegos de azar, y como base de muchos cálculos estadísticos.
- Probabilidad 0: no puede pasar.
- Probabilidad 0.5 (50%): igual de posible que pase o no.
- Probabilidad 1: seguro que pasa.
Qué es la estadística y cómo se apoyan
La estadística, en cambio, parte de datos reales que ya recolectaste para describirlos (descriptiva) o para concluir sobre un grupo mayor (inferencial). La conexión es que la estadística usa la probabilidad como herramienta: cuando una encuesta dice "con 95% de confianza", esa confianza es probabilidad aplicada a datos.
Por eso se enseñan juntas: entender probabilidad te ayuda a interpretar bien la estadística, y ambas son la base para el análisis de datos y la IA.
Probabilidad condicionada: la que más se usa y peor se entiende
La probabilidad condicionada responde a "¿qué tan probable es A, sabiendo que ya ocurrió B?". Se escribe P(A|B) y se lee "probabilidad de A dado B".
El ejemplo que uso siempre. Sacas una carta de una baraja: la probabilidad de que sea un as es 4 de 52. Ahora te digo que la carta es de corazones. La probabilidad de que sea un as cambió: ahora es 1 de 13, porque el universo de posibilidades se redujo. Una información nueva cambia la probabilidad. Eso es todo el concepto.
Por qué importa en un negocio: casi todas las preguntas útiles son condicionadas. No te interesa "qué probabilidad hay de que un cliente compre", te interesa "qué probabilidad hay de que compre dado que abrió el correo y visitó la página de precios". El segundo número es accionable, el primero no.
Y aquí está la trampa clásica, que vale oro conocer: P(A|B) no es lo mismo que P(B|A). La probabilidad de que llueva dado que hay nubes es alta. La probabilidad de que haya nubes dado que llueve es prácticamente 1. Son números distintos y confundirlos produce conclusiones absurdas, especialmente al interpretar resultados de pruebas médicas o de modelos de detección de fraude.
Preguntas frecuentes
¿Qué es la probabilidad condicionada?
Es la probabilidad de que ocurra un evento sabiendo que otro ya ocurrió. Se escribe P(A|B). El dato nuevo reduce el universo de posibilidades y por eso cambia la probabilidad.
¿Qué probabilidad hay de que ocurra un evento?
Se calcula dividiendo los casos favorables entre el total de casos posibles, cuando todos son igual de probables. Por ejemplo, sacar un 6 en un dado: 1 caso favorable entre 6 posibles, es decir 1/6, aproximadamente 16.7%.
¿Qué se estudia primero, probabilidad o estadística?
Suelen ir juntas, pero conceptualmente la probabilidad da las bases para entender la estadística inferencial. Muchos cursos empiezan por estadística descriptiva (más intuitiva), luego probabilidad y después inferencia.
¿Para qué sirve la probabilidad en la vida real?
Para evaluar riesgos y tomar decisiones bajo incertidumbre: seguros, inversiones, pronósticos del clima, juegos, y como base de modelos de predicción e inteligencia artificial.
¿La probabilidad y la estadística son matemáticas difíciles?
Su lógica es intuitiva cuando se enseña con ejemplos; la fama de difícil viene de saltar directo a las fórmulas. Entender la idea (posibilidad de un evento, analizar datos) está al alcance de cualquiera.
La estadística es lo que separa un dato de una decisión
Detrás de cada tablero y cada modelo hay estadística, y es la que dice si la diferencia que estás viendo es real o es ruido. En empresas eso no se enseña, se aplica: decidir con evidencia en vez de con la sensación del que habla más fuerte en la reunión.
Lo justo de probabilidad, y para qué
La probabilidad que hace falta para analizar datos es bastante menos de la que se enseña en la universidad, y sirve para una cosa concreta: entender el valor p sin repetirlo de memoria.
Ese recorrido, de describir a concluir, está en la guía de estadística desde cero.
Dónde se encuentran las dos en un problema real
La diferencia se explica rápido: la probabilidad va del modelo a los datos, y la estadística va de los datos al modelo. Pero eso suena abstracto hasta que lo ves en un caso.
El mismo problema, visto de las dos formas
Una tienda quiere saber cuántos clientes van a devolver un producto.
- Con probabilidad: si asumo que se devuelve una de cada veinte ventas, ¿cuál es la chance de que de doscientas se devuelvan más de quince? Parto de un modelo conocido y calculo qué tan probable es un resultado.
- Con estadística: tengo el histórico de 2,000 ventas y quiero estimar la tasa real de devolución, con un margen de error. Parto de los datos y deduzco el modelo.
En un proyecto real las dos van juntas: primero usas estadística para estimar la tasa a partir de lo que pasó, y después usas probabilidad para proyectar qué puede pasar el mes que viene con esa tasa.
Los tres conceptos que hacen de puente
| Concepto | Qué responde | Dónde lo vas a ver |
|---|---|---|
| Distribución | Cómo se reparten los valores posibles | La curva normal, la de Poisson para conteos |
| Muestra | Cuántos datos necesito para concluir algo | Encuestas, control de calidad, pruebas A/B |
| Intervalo de confianza | Cuánto puedo equivocarme al estimar | Cualquier número que reportes como estimación |
El error más común al reportar
Dar un número estimado sin decir de cuántos datos sale. "La satisfacción es de ochenta y siete por ciento" significa cosas muy distintas si son treinta respuestas o tres mil. Sin el tamaño de la muestra, ese porcentaje no se puede discutir ni comparar contra el mes anterior, y ahí es donde las decisiones se toman sobre ruido.
Es la misma idea que hay detrás de una prueba A/B: no basta con que una versión salga mejor, tiene que salir mejor por encima de lo que explicaría el azar con esa cantidad de datos.
Para las bases, media, mediana y moda y la estadística descriptiva. Para el paso siguiente, la estadística inferencial, que es justo donde estos dos mundos se juntan formalmente.
Preguntas frecuentes
¿Cuál es la diferencia entre probabilidad y estadística?
La probabilidad parte de un modelo conocido y calcula qué tan probables son los resultados. La estadística parte de los datos observados y deduce el modelo. Una va del modelo a los datos y la otra al revés.
¿Necesito probabilidad para trabajar con datos?
Para análisis descriptivo, poco. Se vuelve necesaria en cuanto quieres decir algo sobre el futuro o sobre una población entera a partir de una muestra: predicciones, pruebas A/B, control de calidad.
¿Qué es un intervalo de confianza en palabras simples?
Es el rango dentro del cual es razonable que esté el valor real, dado el tamaño de tu muestra. Reportar solo el número sin el rango esconde cuánta incertidumbre hay detrás.
Ejecuta tu proyecto
Aterriza tu proyecto de IA con Gera
Si ya tienes claro lo que quieres implementar, agendemos directo y armemos el roadmap. 30 minutos sin compromiso.
Agenda tu reunion con Gera
