Calculadora de la Ley de Murphy

📐 La Fórmula de Murphy

P = [ (U + C + I) × (10 − S) / 20 ] × A × [ 1 / (1 − sen(F / 10)) ]

Desarrollada en 2004 por el Dr. David Lewis (psicólogo), Philip Obadya (matemático) y el Dr. Keylan Leyser (economista) para British Gas. Cada variable se puntúa de 1 a 9.

U Urgencia

¿Qué tan urgente es completar esta tarea?

C Complejidad

¿Qué tan complicada es la tarea?

I Importancia

¿Qué tan crucial es que salga bien?

S Habilidad (Skill)

¿Qué tan experto eres en esta tarea? (más habilidad = menos riesgo)

F Frecuencia

¿Con qué frecuencia realizas esta tarea?

A Agobio (Aggravation)

¿Qué tan frustrante sería que algo salga mal?

Índice de Riesgo de Murphy

📚 Teoría de la Probabilidad

La teoría de la probabilidad es la rama de las matemáticas que estudia los fenómenos aleatorios y cuantifica la posibilidad de que un evento ocurra. Nació en el siglo XVII cuando Blaise Pascal y Pierre de Fermat intentaron resolver problemas relacionados con juegos de azar, y desde entonces se ha convertido en una herramienta indispensable en la ciencia, la ingeniería, la economía y la vida cotidiana.

1. ¿Qué es la probabilidad?

La probabilidad es un número entre 0 (evento imposible) y 1 (evento seguro) que mide la verosimilitud de que algo suceda. También puede expresarse como porcentaje (0 % – 100 %).

Definición clásica (Laplace):
P(A) = Casos favorables / Casos posibles

Ejemplo: la probabilidad de sacar un 6 en un dado justo es 1/6 ≈ 0.1667.

2. Enfoques de la probabilidad

Clásica (a priori): Todos los resultados son igualmente probables. Se usa en dados, monedas, cartas, etc.
Frecuentista (empírica): Se basa en la frecuencia relativa observada tras repetir un experimento muchas veces. Ejemplo: «llueve el 30 % de los días de abril».
Subjetiva (bayesiana): Refleja el grado de creencia personal de un individuo, actualizado con nueva evidencia mediante el Teorema de Bayes.

3. Axiomas de Kolmogórov

En 1933, Andréi Kolmogórov formalizó la probabilidad sobre tres axiomas que constituyen la base moderna de la teoría:

No negatividad: P(A) ≥ 0 para todo evento A.
Normalización: P(Ω) = 1, donde Ω es el espacio muestral completo.
Aditividad: Si A y B son mutuamente excluyentes, P(A ∪ B) = P(A) + P(B).

4. Reglas fundamentales

Regla de la suma: P(A ∪ B) = P(A) + P(B) − P(A ∩ B)
Regla del producto (independencia): P(A ∩ B) = P(A) × P(B)
Probabilidad condicional: P(A | B) = P(A ∩ B) / P(B)
Complemento: P(A') = 1 − P(A)

5. Distribuciones de probabilidad

Una distribución describe cómo se reparten las probabilidades entre los posibles valores de una variable aleatoria. Las más conocidas incluyen:

Binomial: Número de éxitos en n ensayos independientes (ej. lanzar una moneda 10 veces).
Normal (Gaussiana): La famosa «campana de Gauss»; describe fenómenos naturales como alturas, errores de medición, etc.
Poisson: Modela eventos raros en un intervalo de tiempo (ej. llamadas a un call center por minuto).
Uniforme: Todos los resultados tienen la misma probabilidad (ej. un dado justo).

6. La Ley de Murphy desde la probabilidad

La Ley de Murphy no es una ley científica en sentido estricto, sino un principio heurístico. Sin embargo, tiene raíces probabilísticas reales:

Ley de los grandes números: Si existe una probabilidad > 0 de que algo falle, al repetir la tarea suficientes veces el fallo eventualmente ocurrirá.
Combinatoria de fallos: En sistemas complejos con muchos componentes, la probabilidad de que al menos uno falle crece rápidamente. Si cada componente tiene un 99 % de fiabilidad y hay 100 componentes, la probabilidad de que todo funcione es 0.99¹⁰⁰ ≈ 36.6 %.
Sesgo de confirmación: Nuestro cerebro recuerda con más fuerza los eventos negativos, lo que nos hace percibir que las cosas salen mal más a menudo de lo que realmente ocurre.
Entropía (2.ª Ley de la Termodinámica): Los sistemas tienden al desorden. Hay muchísimas más formas de que algo salga mal que de que salga bien, por lo que el resultado más probable es, estadísticamente, el desorden.

💡 En resumen: La fórmula de Murphy es una herramienta lúdica de gestión de riesgos. La verdadera probabilidad de que algo salga mal depende de factores medibles (fiabilidad de componentes, condiciones ambientales, error humano) que se modelan con las distribuciones y teoremas descritos arriba. ¡Pero nunca está de más llevar un paraguas cuando el cielo está nublado! ☂️

🔮 Calculadora de la Ley de Murphy

Calculadora Ley de Murphy