La ley de los números grandes: Cuando los números dejan de ser intuitivos
Probabilidad
La Ley de los Grandes Números es un principio de probabilidad que dice algo muy intuitivo: mientras más veces repites un experimento aleatorio, más tienden los resultados promedio a acercarse a lo que teóricamente debería ocurrir.
Imagina una moneda equilibrada. Tiene dos posibles resultados: Águila o Sol
En teoría, cada uno tiene una probabilidad del 50%. Pero si lanzas la moneda solo 2 veces, podrías obtener: Águila, Águila Eso daría 100% águila y 0% sol. ¿Significa que la moneda está trucada? No. Simplemente hiciste muy pocos lanzamientos.
Si la lanzas 10 veces, quizá obtengas: 6 águilas y 4 soles. Entonces tendríamos: 60% águila — 40% sol
Todavía no es exactamente 50/50.
Ahora imagina que la lanzas 100 veces. Quizá obtengas: 52 águilas y 48 soles. Ya estamos mucho más cerca del 50%.
Y si hacemos 10,000 lanzamientos, podríamos obtener algo como: 5,012 águilas y 4,988 soles. Eso representa aproximadamente:50.12% águila — 49.88% sol
Ahí aparece claramente la Ley de los Grandes Números: al aumentar el número de observaciones, la proporción observada tiende a acercarse a la probabilidad real del fenómeno.
Una forma sencilla de visualizarlo sería:
| Lanzamientos | Águila | Sol | % Águila |
|---|---|---|---|
| 2 | 2 | 0 | 100% |
| 10 | 6 | 4 | 60% |
| 100 | 52 | 48 | 52% |
| 1,000 | 493 | 507 | 49.3% |
| 10,000 | 5,012 | 4,988 | 50.12% |
Hay un detalle importante: la ley no dice que los resultados tengan que quedar exactamente 50/50. Tampoco significa que si han salido muchas águilas, ahora “tengan que salir soles” para compensar.
Por ejemplo, después de obtener cinco águilas consecutivas: Águila – Águila – Águila – Águila – Águila
el siguiente lanzamiento sigue teniendo aproximadamente: 50% águila — 50% sol
La moneda no recuerda los resultados anteriores.
Lo que sucede es que, cuando acumulamos miles o millones de observaciones, las pequeñas rachas y fluctuaciones tienen cada vez menos peso sobre el resultado total.
Por eso esta ley es tan importante en análisis de datos. Una muestra pequeña puede producir resultados sorprendentes simplemente por azar. Una muestra más grande suele darnos una estimación más estable del comportamiento de una población.
Podríamos resumirlo así:
Con pocos datos, el azar puede dominar el resultado. Con muchos datos, el patrón real comienza a hacerse visible.
Y eso da pie a una idea muy buena: tener muchos datos no garantiza que un análisis sea correcto, pero tener muy pocos puede hacer que confundamos ruido con una tendencia real.