La actualización bayesiana es una manera rigurosa de revisar una probabilidad cuando aparece información nueva. Combina una creencia probabilística previa con lo compatible que sería observar la nueva evidencia bajo distintas hipótesis, y obtiene una probabilidad posterior.
La intuición: la información no pesa siempre igual
Antes de conocer una nueva señal podemos considerar más o menos probable una hipótesis. Si después observamos algo que es mucho más frecuente cuando esa hipótesis es cierta que cuando es falsa, deberíamos aumentar nuestra probabilidad. Pero si la misma señal aparece igual de a menudo en ambos casos, apenas aporta información.
En estadística, la probabilidad previa o prior resume lo que atribuimos a una hipótesis H antes de ver una evidencia E. La verosimilitud indica cuán probable sería observar E si H fuera cierta: P(E|H). La posterior es P(H|E), la probabilidad atribuida a H después de incorporar E. La barra vertical «|» se lee «dado que»; P(E|H) y P(H|E) no son intercambiables.
Para dos hipótesis que agotan los casos, H y no H, la fórmula es P(H|E) = [P(E|H) × P(H)] / {[P(E|H) × P(H)] + [P(E|no H) × P(no H)]}, siempre que el denominador sea positivo. En palabras: peso de H compatible con la evidencia dividido entre la suma de los pesos compatibles de ambas hipótesis.
Ejemplo resuelto: interpretar una señal de mejora ofensiva
Ejemplo ficticio de fútbol. Un equipo inventado parece jugar mejor en ataque, pero queremos distinguir una mejora sostenida de una fluctuación puntual. Definimos H = «su nivel ofensivo subyacente ha mejorado» y E = «en el siguiente partido aparece una señal de ocasiones especialmente clara, según una regla previamente definida». Para enseñar Bayes, suponemos P(H) = 0,20, P(E|H) = 0,75 y P(E|no H) = 0,25. Todas son cifras inventadas, no frecuencias contrastadas.
Paso 1: calcular los pesos. El peso conjunto de mejora y señal es 0,20 × 0,75 = 0,15. La probabilidad previa de que no haya mejora es 0,80; el peso conjunto de no mejora y señal es 0,80 × 0,25 = 0,20.
Paso 2: calcular el denominador. La probabilidad total de observar la señal bajo este modelo es 0,15 + 0,20 = 0,35. Solo una parte de las señales observadas procedería de verdaderas mejoras, porque el escenario sin mejora era inicialmente más frecuente.
Paso 3: actualizar. P(H|E) = 0,15 / 0,35 ≈ 42,86 %. La evidencia eleva la probabilidad desde 20 % hasta 42,86 %, pero no convierte la hipótesis en certeza ni permite afirmar que el equipo ganará el siguiente partido.
Contraste, información duplicada y límites
¿Qué pasaría si la señal fuera igual de probable en ambas hipótesis? Si P(E|H) = P(E|no H) = 0,50, el resultado posterior permanecería en 20 %. La señal no diferencia los dos mundos posibles. En cambio, con P(E|H) = 0,90 y P(E|no H) = 0,10, manteniendo el prior 20 %, la posterior sería 0,18 / (0,18 + 0,08) ≈ 69,23 %. La fuerza informativa depende de las verosimilitudes, no solo de que la noticia «suene importante».
La actualización no es una autorización para inventar números subjetivos con apariencia precisa. Hay que explicar el origen y la incertidumbre del prior y de las verosimilitudes. Si se reutiliza dos veces la misma información —por ejemplo, contabilizar un xG del partido y después una estadística derivada de esos mismos tiros como si fueran señales independientes—, la posterior puede resultar exageradamente confiada. Incorporar evidencia secuencialmente exige modelar su dependencia y respetar el instante en que realmente se conoció.
En problemas continuos puede actualizarse una distribución completa de parámetros, no solo la probabilidad de una hipótesis binaria. En cualquier caso, una distribución posterior representa incertidumbre condicionada a un modelo, no un certificado de ventaja frente a cuotas.
- Error: confundir P(evidencia|hipótesis) con P(hipótesis|evidencia).
- Error: asignar posterior del 90 % simplemente porque una noticia parece favorable.
- Error: contar como información nueva datos ya incluidos en el cálculo previo.
Qué recordar: Bayes obliga a declarar qué se creía antes, qué información ha aparecido y con qué frecuencia cabría observarla bajo cada hipótesis.
Conceptos relacionados
- Probabilidad condicionada
- Tamaño y selección de la muestra
- Goles esperados o xG
- Calibración
- Fuga de información