Generación de azar en humanos : modelo computacional

• Autores: Romano, Sergio Gastón
• Año de publicación: 2012
• Idioma: español castellano
• Tipo de recurso: tesis de grado
• Colaborador/a o director/a de tesis: Figueira, Santiago Daniel; Sigman, Mariano
• Materia: ALEATORIEDAD; GENERACION Y PERCEPCION DEL AZAR; COMPLEJIDAD DE KOLMOGOROV; ALEATORIEDAD DE MARTIN LOF; INDUCCION DE SOLOMONOFF; RANDOMNESS; RANDOM GENERATION AND PERCEPTION; KOLMOGOROV COMPLEXITY; MARTIN LOF RANDOMNESS; SOLOMONOFF INDUCTION
• Institución: Universidad Nacional de Buenos Aires. Facultad de Ciencias Exactas y Naturales

Diversos estudios han afirmado que los seres humanos somos incapaces de generar secuencias aleatorias. Sin embargo, poco se ha avanzado en construir un modelo formal que permita estudiar cómo funciona el proceso de intentar generar cadenas al azar en nuestras mentes y cómo varía ante diversos contextos o características poblacionales. Nuestro trabajo propone un modelo computacional basado en las definiciones de complejidad de Kolmogorov, la aleatoriedad de Martin-Löf y la inducción de Solomonoff. Si bien estas herramientas teóricas convierten al problema de definir la aleatoriedad en un problema no computable, trasladaremos estas nociones a un modelo computable. Luego, verificaremos este modelo en dos experimentos de generación de secuencias aleatorias con personas y comprobaremos cómo este lenguaje formal se muestra efectivo para diferenciar las secuencias generadas por humanos, de aquellas generadas por algoritmos pseudo-aleatorios o por ruido blanco. Mostraremos también su utilidad para medir efectos tales como la fatiga o la estabilidad de la calidad de las cadenas aleatorias para un participante en diversos intentos.
Several studies have claimed that humans are unable to generate random sequences. However, little progress has been made in building a formal model that allows us to study how this process of generation of random strings works in our mind and how it changes with different contexts or population features. Our work proposes a computational model based on definitions such as Kolmogorov complexity, Martin-Löf randomness and Solomonoff induction. While these theories make the problem of defining randomness not computable, we will transfer these notions to our own computable model. Later, we will verify this model in two experiments about random sequence generation with people, and we will prove how this formal language is effective to differentiate the sequences generated by humans, from those produced by pseudo random number generators or by white noise processes. We will also show its usefulness for measuring effects such as fatigue or random quality stability of strings produced by participants in different attempts.
Fil: Romano, Sergio Gastón. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales; Argentina.