¿Cómo calcular una probabilidad si la información es contradictoria, incompleta o no confiable?

Ponente(s): Verónica Borja Macías

La probabilidad clásica (la de Kolmogorov) se basa en la teoría de conjuntos y el álgebra booleana, y por ende en la lógica clásica. Pero nuestra información sobre el mundo rara vez es perfecta; a menudo nos enfrentamos a fenómenos que la lógica bivalente (verdadero/falso) no puede capturar. En la vida real, la toma de decisiones debe lidiar con información contradictoria (gluts), incompleta (gaps) e incluso no confiable. La teoría de la probabilidad basada en lógicas no clásicas es un intento de matematizar esta incertidumbre lidiando con la imperfección de la información. Existen algunos casos bastante conocidos, como la Probabilidad Cuántica o la Probabilidad Difusa. Pero en esta plática veremos cómo la Lógica de la Evidencia y de la Verdad llamada $LET_K^+$ con su operador de confiabilidad, nos permite definir probabilidades donde es posible manejar información contradictoria, incompleta y no confiable de manera unificada y rigurosa. Referencias: 1. Coniglio, M. E., & Rodrigues, A. (2024). From Belnap-Dunn Four-Valued Logic to Six-Valued Logics of Evidence and Truth. Studia Logica 112.3, 561-606 (2024). 2. Klein, D., Majer, O. & Rafiee Rad, S. Probabilities with Gaps and Gluts. J Philos Logic 50, 1107–1141 (2021).