Marxist Philosophy of Science · Filosofía de la ciencia
Una investigación histórica, teórica y matemática sobre el carácter dialéctico de los fundamentos epistemológicos de la complejidad en los sistemas dinámicos no lineales de largo plazo
Determinismo, incertidumbre, escalas y emergencia: hacia una interpretación materialista de las relaciones entre las leyes, los fenómenos y sus formas de conocimiento.
Resumen
La posibilidad de que unas leyes deterministas produzcan comportamientos irregulares y límites severos de predicción obliga a distinguir la determinación de los procesos, su representación matemática y las condiciones de su conocimiento. Esta investigación propone una interpretación materialista dialéctica de ese problema, articulando las categorías de esencia, fenómeno, apariencia, forma y contenido con la dinámica no lineal, la geometría fractal, los fenómenos críticos, la renormalización y la teoría de la probabilidad. El recorrido histórico comprende a Laplace, Poincaré, Lorenz y Mandelbrot; la tradición de Hegel, Marx, Engels y Lenin; la sistematización filosófica soviética; y contribuciones científicas vinculadas con la biología dialéctica. Se examinan aplicaciones en astronomía, fisiología cardiovascular, computación, econometría, neurociencias, psiquiatría, hidrodinámica y geodinámica. Sobre esta base se desarrollan distinciones entre no linealidad, caos y complejidad; entre irregularidad geométrica e inestabilidad dinámica; entre escalamiento y evolución temporal; y entre ergodicidad, independencia e intercambiabilidad. La tesis defendida es que la dialéctica puede orientar una investigación de las relaciones, mediaciones, transformaciones y niveles de organización, siempre que sus interpretaciones se confronten con modelos y evidencia específicos. Las correspondencias filosóficas propuestas se distinguen de las definiciones matemáticas y de los resultados empíricos que les sirven de referencia.
Palabras clave: materialismo dialéctico; epistemología; sistemas dinámicos; caos determinista; complejidad; fractales; invariancia de escala; renormalización; ergodicidad; filosofía de la estadística.
I · Planteamiento
Determinación y conocimiento de los procesos
Que un fenómeno tenga causas, que un modelo determine una evolución única y que un observador pueda predecirla son afirmaciones diferentes. Confundirlas conduce tanto a un determinismo ingenuo —según el cual conocer las leyes bastaría para anticipar cualquier acontecimiento— como a una interpretación igualmente apresurada de la irregularidad como ausencia de legalidad. El estudio de los sistemas dinámicos no lineales permite examinar esa diferencia con herramientas precisas y plantea, al mismo tiempo, preguntas filosóficas sobre la relación entre la realidad y sus representaciones.
La pregunta central es cómo se articulan determinación, incertidumbre y transformación cuando los procesos poseen múltiples escalas, retroalimentaciones, inestabilidades y niveles de organización. Esta pregunta exige considerar las condiciones materiales de los fenómenos y las condiciones históricas, técnicas y conceptuales de su conocimiento. Una medición tiene resolución finita; un modelo selecciona variables; una simulación utiliza procedimientos numéricos; una explicación identifica mecanismos con un alcance delimitado. Ninguna de estas mediaciones resulta exterior a la práctica científica.
La tesis de este ensayo es que el materialismo dialéctico puede contribuir a organizar esa investigación mediante el análisis de las relaciones entre totalidad y partes, continuidad y discontinuidad, necesidad y contingencia, estructura y transformación. Su fecundidad depende de cómo se concreten esas relaciones. Una analogía sugerente puede abrir una pregunta; para establecer una correspondencia explicativa hacen falta definiciones, mecanismos, condiciones de aplicación y contrastación.
La relación propuesta es recíproca. Los desarrollos científicos permiten revisar categorías filosóficas que, aisladas de la investigación, corren el riesgo de volverse fórmulas generales. A su vez, la reflexión filosófica permite interrogar los supuestos de los modelos, la selección de escalas, el significado de sus límites y las extrapolaciones entre disciplinas. Esta reciprocidad se entiende como un programa de trabajo que requiere desarrollos particulares; afirmar su utilidad universal y óptima exigiría comparaciones que una investigación de este alcance no puede dar por realizadas.
El ensayo desarrolla una reconstrucción histórica y conceptual, acompañada de ejemplos matemáticos y de una discusión metodológica. Las figuras tomadas de investigaciones precedentes se presentan como evidencia documental de sus autores. Los cálculos pedagógicos introducidos aquí sirven para aclarar conceptos; no constituyen nuevas estimaciones de los sistemas físicos, biológicos o sociales citados.
II · Antecedentes filosóficos
Esencia, fenómeno, apariencia, forma y contenido
Una tradición de problemas y reconstrucciones
Las preguntas por lo que las cosas son, por sus manifestaciones y por las relaciones entre sus componentes atraviesan la filosofía antigua y reaparecen, con significados diferentes, en los sistemas modernos. Sustancia, esencia y fenómeno pertenecen a esa historia, aunque sus significados no sean intercambiables. La investigación de sus vínculos debe reconocer la diversidad de las tradiciones: no hay una definición única que pueda trasladarse sin mediaciones desde la antigua Grecia hasta Hegel o desde Hegel hasta una teoría científica contemporánea.
La lógica hegeliana representa una referencia decisiva para comprender la elaboración de las relaciones entre esencia y apariencia, forma y contenido, universalidad y particularidad. Marx y Engels reelaboran críticamente esa herencia desde una orientación materialista. Su atención a las relaciones históricas, a la organización de los procesos y a las formas de manifestación de las relaciones sociales ofrece un punto de partida para la filosofía de la ciencia. Identificar ese punto de partida requiere estudiar sus análisis concretos; una filiación intelectual, por sí sola, no demuestra la validez de una proposición científica.
Lenin continúa este debate en Materialismo y empiriocriticismo, redactado en 1908 y publicado en 1909, al discutir las relaciones entre materia, experiencia, sensación y conocimiento. Sus posiciones pueden examinarse junto con los problemas planteados por la física de su época, distinguiendo la controversia histórica de las formulaciones técnicas posteriores. La relación de una tradición filosófica con las ciencias implica interpretación, recepción y crítica, además de continuidad.
La filosofía soviética y su contexto histórico
La sistematización de categorías en el Diccionario filosófico de Rosental e Iudin constituye una referencia del trabajo original. La edición castellana citada de 1971 debe identificarse como una edición de una tradición editorial previa. La advertencia reproducida en aquella edición remite a los congresos XX y XXII del Partido Comunista de la Unión Soviética y a la revisión de las consecuencias del culto a la personalidad. Esos acontecimientos y los procesos intelectuales asociados no deben fecharse en 1971 por el solo hecho de que esa sea la fecha del ejemplar consultado.
La valoración de ese esfuerzo puede reconocer su amplitud temática —filosofía, historia, economía política, biología, física, lógica, estética, ética y arte— y examinar simultáneamente sus condiciones institucionales. Ni la aceptación de sus aportes obliga a asumir sin revisión cada formulación, ni la crítica de las políticas soviéticas permite descartar en bloque su producción filosófica. La recuperación materialista de esta historia exige una evaluación diferenciada de autores, argumentos, instituciones y períodos.
El reconocimiento que aquí se expresa hacia esa tradición consiste en continuar sus problemas, contrastar sus respuestas y desarrollar las categorías allí sistematizadas. Su función dentro de esta investigación es proporcionar un vocabulario inicial para estudiar relaciones que los modelos científicos permiten especificar de maneras nuevas.
Biología dialéctica y relaciones entre niveles
La historia de las relaciones entre marxismo y ciencias naturales excede a la Unión Soviética. J. B. S. Haldane contribuyó al desarrollo de la genética evolutiva y de la síntesis moderna; Aleksandr Oparin y Haldane formularon propuestas sobre el origen de la vida; Stephen Jay Gould y Richard Lewontin examinaron críticamente el adaptacionismo; y Richard Levins investigó problemas de evolución, ecología y organización biológica. Estos nombres designan contribuciones y posiciones distintas, cuya relación con una perspectiva dialéctica debe reconstruirse en cada caso.
Los trabajos conjuntos de Levins y Lewontin, en particular The Dialectical Biologist (1985) y Biology Under the Influence (2007), ofrecen referencias para estudiar la reciprocidad entre organismos y ambientes, la selección de niveles explicativos y los compromisos de la modelación. La relación entre partes y totalidad aparece allí como un problema de investigación: los componentes transforman las condiciones en que actúan y son, a su vez, transformados por ellas.
Landau en física y Semiónov en química permanecen como referencias del horizonte científico considerado por el texto original. Sin embargo, la pertenencia de un científico a un contexto soviético no basta para atribuir cada resultado a una metodología filosófica específica. Para sostener esa atribución se necesitan fuentes sobre su práctica, sus argumentos y sus decisiones de investigación. El valor de sus resultados puede examinarse con independencia de esa cuestión historiográfica.
Definiciones de trabajo
| Categoría | Uso propuesto en este ensayo | Pregunta orientadora |
|---|---|---|
| Esencia | Relaciones y mecanismos que una investigación identifica como constitutivos del proceso, bajo condiciones especificadas. | ¿Qué relaciones explican la organización y reproducción del fenómeno? |
| Fenómeno | Manifestación concreta del proceso, accesible mediante prácticas de observación e intervención. | ¿Qué ocurre y cómo se presenta en determinadas condiciones? |
| Apariencia | Modo de presentación que puede revelar parcialmente una relación y también ocultar sus mediaciones. | ¿Qué interpretaciones induce lo observado y qué relaciones quedan fuera de esa presentación? |
| Forma | Configuración, disposición y modo de organización del contenido. | ¿Cómo están organizados los elementos y sus relaciones? |
| Contenido | Componentes, interacciones y procesos que integran el objeto de estudio. | ¿Qué procesos y relaciones se organizan de esa manera? |
Estas definiciones no agotan la historia de las categorías ni establecen una equivalencia universal entre vocabularios filosóficos y científicos. Proponen usos explícitos para este ensayo. Una misma observación puede analizarse como fenómeno en una pregunta y como parte del contenido de un sistema en otra; esa variación exige justificar la escala y el objeto de referencia.
La distinción entre esencia y fenómeno permite investigar mecanismos que una observación aislada no hace visibles. No autoriza a descalificar como apariencia cualquier resultado incómodo para una teoría. La afirmación de una relación esencial debe mejorar la explicación, organizar evidencia y admitir procedimientos de revisión. Del mismo modo, forma y contenido se condicionan: cambiar la organización de componentes puede modificar lo que el sistema hace, aunque se mantengan ciertos elementos materiales.
Conocer un proceso exige reconstruir sus mediaciones: lo observado, las relaciones que lo producen y las condiciones bajo las cuales una explicación resulta válida.
Proposición interpretativa de este ensayo
Una aplicación inicial puede formularse para un modelo de convección. Las variables de estado representan magnitudes seleccionadas; las ecuaciones expresan relaciones propuestas entre ellas; una trayectoria muestra una evolución; el atractor describe una organización asintótica bajo determinadas condiciones. Las categorías filosóficas pueden orientar preguntas sobre esas relaciones, pero ni una ecuación representa automáticamente la esencia ni una figura constituye por definición una mera apariencia. Esa identificación depende de lo que el modelo permita explicar y de su relación con el sistema material.
Referencias de esta sección: Rosental e Iudin · Lenin · Levins y Lewontin, 1985 · Levins y Lewontin, 2007.
III · Historia del problema
De la inteligencia de Laplace a las geometrías de la irregularidad
Laplace: legalidad y conocimiento incompleto
El Essai philosophique sur les probabilités apareció originalmente en 1814. La edición francesa de 1840 y la traducción inglesa de 1902 pertenecen a su historia editorial y deben diferenciarse de esa primera publicación. En la exposición laplaciana, una inteligencia que conociera todas las fuerzas y posiciones podría reunir en una misma descripción los movimientos del universo. El alcance de ese ideal depende de un conocimiento exhaustivo que no corresponde a la situación de un observador humano.
El propio recurso al cálculo de probabilidades expresa la distancia entre ese ideal y las condiciones del conocimiento efectivo. El interés filosófico de Laplace reside, entre otras cuestiones, en articular una concepción de la legalidad natural con procedimientos para razonar cuando la información es incompleta. La tesis de que todo acontecimiento tiene causas no debe confundirse con una demostración de que cualquier fenómeno puede predecirse operacionalmente.
La discusión laplaciana incluye el principio de razón suficiente, la relación entre acontecimientos presentes y pasados y la interpretación del azar a partir de nuestra ignorancia de las causas. Estas ideas conservan valor histórico, aunque su extensión a todos los dominios de la realidad deba argumentarse por separado. La mecánica clásica determinista constituye un marco; las diferentes interpretaciones de la física cuántica y de la probabilidad abren controversias que no quedan resueltas por el éxito de un modelo clásico.
Poincaré: pequeñas diferencias y grandes consecuencias
Las investigaciones de Poincaré sobre mecánica celeste y el problema de los tres cuerpos transformaron la comprensión de los sistemas dinámicos. En Science et méthode (1908) aparece una exposición célebre de cómo pequeñas diferencias iniciales pueden producir grandes diferencias posteriores. El problema no consiste exclusivamente en desconocer las leyes: aun con una regla de evolución conocida, la precisión finita de los datos iniciales puede limitar severamente la predicción.
La reconstrucción histórica debe reconocer los antecedentes y las múltiples contribuciones de la teoría cualitativa de las ecuaciones diferenciales. Poincaré representa un momento decisivo, pero la historia del caos no se reduce a una secuencia de fundadores aislados. El desarrollo posterior combina resultados analíticos, métodos geométricos, técnicas computacionales y problemas experimentales.
Lorenz: determinismo y evolución no periódica
En Deterministic Nonperiodic Flow (1963), Edward N. Lorenz estudia un modelo simplificado de convección cuya dinámica muestra la compatibilidad entre evolución determinista e irregularidad. Su relevancia histórica incluye la discusión de los límites de la predicción meteorológica a largo plazo. El artículo es un hito de la teoría del caos; identificarlo como el nacimiento de toda la ciencia de la complejidad borraría otras genealogías científicas.
Las variables x, y y z representan amplitudes de modos del modelo reducido; σ, ρ y β son parámetros. Una elección habitual para ilustrar su dinámica es σ = 10, ρ = 28 y β = 8/3. La existencia de términos como xy y xz introduce no linealidad. Las propiedades de un régimen concreto no deben atribuirse a cualquier valor de los parámetros: el mismo sistema puede presentar comportamientos cualitativamente diferentes.
El atractivo filosófico del ejemplo está en que una regla relativamente compacta genera una organización temporal que no se deja reducir a una sucesión periódica simple. La dificultad de anticipar una trayectoria concreta convive con la posibilidad de estudiar equilibrios, estabilidad, geometría del atractor y propiedades estadísticas. El límite de una forma de predicción abre otras preguntas sobre el mismo proceso.
Mandelbrot: forma, escala e irregularidad
La geometría fractal, desarrollada por Benoît Mandelbrot y otros autores, permite investigar estructuras para las cuales las figuras suaves de la geometría elemental resultan insuficientes como modelos descriptivos. Costas, montañas, nubes, árboles, superficies rugosas y redes ramificadas motivan preguntas sobre cómo cambia una medición al variar la resolución. La edición de 1982 de The Fractal Geometry of Nature y la edición de 1983 citada en la investigación original deben distinguirse bibliográficamente.
La aportación no elimina la geometría euclidiana ni implica que todos los objetos naturales sean fractales. Propone conceptos adecuados para describir determinadas irregularidades y leyes de escala. En fenómenos materiales, estas propiedades suelen verificarse dentro de intervalos finitos de resolución; extenderlas hasta tamaños arbitrariamente pequeños o grandes exige una idealización adicional.
Relacionar la geometría con la forma y la dinámica con el contenido resulta una orientación inicial, pero necesita mediaciones: la geometría de un atractor contiene información dinámica, y las restricciones geométricas pueden condicionar procesos materiales. La contribución dialéctica consiste en investigar esas relaciones recíprocas, evitando convertir una distinción analítica en una separación absoluta.
Referencias de esta sección: Laplace · Poincaré · Lorenz · Mandelbrot.
IV · Fundamentos matemáticos
Sistemas dinámicos, no linealidad, caos y complejidad
Estado, evolución y observación
Un sistema dinámico puede describirse mediante un espacio de estados X y una regla de evolución. En tiempo discreto se escribe xn+1 = F(xn); en tiempo continuo, una representación habitual es ẋ = f(x, t). Un estado reúne las variables que el modelo considera necesarias para describir la evolución. La decisión sobre cuáles variables incluir es parte del problema científico: una representación demasiado reducida puede perder mecanismos relevantes y una excesivamente detallada puede impedir la identificación de regularidades.
Para que una ecuación diferencial defina una evolución determinista única se requieren condiciones de existencia y unicidad adecuadas. Escribir una ecuación sin término aleatorio no basta, por sí solo, para garantizar esas propiedades. Conviene distinguir el determinismo de un modelo de la tesis metafísica de que toda realidad está determinada de una manera específica.
La magnitud observada tampoco coincide necesariamente con el estado completo. Puede representarse como yn = h(xn) + εn, donde h es la función de observación y ε representa error de medición bajo un modelo explícito. Un registro unidimensional puede proceder de un sistema de muchas dimensiones. Su irregularidad aparente no identifica automáticamente el mecanismo que lo produjo.
Qué significa no linealidad
En un sistema lineal se cumple un principio de superposición: la combinación lineal de entradas o estados se corresponde con la combinación de las respuestas pertinentes. Las interacciones no lineales pueden romper esa propiedad. Una retroalimentación que depende del producto de variables, una saturación o un umbral constituyen formas habituales de no linealidad.
La no linealidad puede producir equilibrios, ciclos, oscilaciones cuasiperiódicas, múltiples estados estables, transitorios prolongados o caos. No es una garantía de comportamiento caótico. La ecuación logística continua, por ejemplo, describe una evolución no lineal que en su forma usual converge a un equilibrio para condiciones apropiadas. La forma discreta del mapa logístico presenta una variedad de regímenes que depende de su parámetro.
Este ejemplo permite estudiar estabilidad y bifurcaciones. Para valores de r entre 1 y 3, el punto fijo no nulo es estable; al variar el parámetro aparecen cambios de estabilidad y duplicaciones del período. En otros intervalos aparecen regímenes caóticos y ventanas periódicas. Por tanto, aumentar un parámetro no equivale a incrementar de manera monótona una supuesta cantidad universal de complejidad.
Caos determinista y sus criterios
El caos designa una familia de propiedades dinámicas cuya formulación depende del marco matemático. La dependencia sensible a las condiciones iniciales es central en muchas caracterizaciones, pero debe acompañarse de hipótesis que permitan distinguir el caos de otras formas de inestabilidad. Una separación de trayectorias que crece sin acotación en un sistema lineal inestable no constituye, por ese solo motivo, el mismo fenómeno que una dinámica recurrente irregular en un conjunto acotado.
Los exponentes de Lyapunov, la entropía y las propiedades de mezcla permiten estudiar aspectos diferentes de la dinámica. Su uso exige especificar el sistema, la medida pertinente, los límites considerados y la definición adoptada. La existencia de varias caracterizaciones es una razón para explicitar el vocabulario, especialmente al trasladarlo a dominios empíricos.
Atractores y diagramas de fase
El espacio de fases organiza los estados posibles del modelo; una trayectoria describe su evolución. Un diagrama de fases es una representación de esa organización y puede utilizarse tanto para dinámicas regulares como caóticas. Un atractor es, en términos generales, un conjunto invariante al que se aproximan estados de una región de condiciones iniciales; las definiciones técnicas precisan invariancia, atracción y propiedades adicionales.
Un punto fijo, un ciclo límite y determinados conjuntos más complicados pueden actuar como atractores. Un atractor extraño se asocia con una geometría irregular, frecuentemente fractal. Su representación no es un boceto impreciso que sustituya al espacio de fases: es una estructura estudiada dentro de él. Que una figura resulte visualmente densa tampoco equivale a que sus propiedades sean matemáticamente indefinidas.
Complejidad y emergencia
La complejidad puede referirse a diversidad de componentes, organización de interacciones, múltiples escalas, dificultad de descripción, costo computacional o emergencia de patrones colectivos. No existe una medida única que resuelva todos estos problemas. La teoría del caos estudia una parte importante de ese campo, pero no agota las ciencias de la complejidad; un sistema de pocas variables puede ser caótico y una red de muchos componentes puede exhibir una dinámica colectiva regular.
Por emergencia se entenderá aquí la aparición de propiedades colectivas cuya descripción requiere considerar la organización y las interacciones. Determinar si esa emergencia impide una derivación de principio, refleja limitaciones computacionales o expresa la autonomía de un nivel explicativo exige argumentos adicionales. La necesidad de estudiar un nivel colectivo no demuestra automáticamente que sus propiedades sean incompatibles con las leyes de los componentes.
| Concepto | Qué caracteriza | Qué no permite concluir por sí solo |
|---|---|---|
| Determinismo del modelo | Unicidad de evolución desde un estado bajo las condiciones de la formulación. | Predicción práctica ilimitada. |
| No linealidad | Incumplimiento del principio de superposición pertinente. | Existencia de caos. |
| Caos | Propiedades de irregularidad e inestabilidad dinámica definidas en un marco específico. | Ausencia de causas o de regularidades estadísticas. |
| Fractalidad | Propiedades geométricas y de escala. | Exponente de Lyapunov positivo. |
| Complejidad | Problemas de organización, interacción, escala o descripción. | Una única dinámica o medida universal. |
| Aleatoriedad | Propiedades probabilísticas o algorítmicas que deben definirse. | Que la señal observada provenga de una dinámica sin determinación. |
Referencias de esta sección: Lorenz · Oestreicher.
V · Articulaciones científicas
Un recorrido por las ciencias
La amplitud disciplinaria tiene valor cuando permite comparar problemas y reconocer diferencias. Los casos que siguen conservan el recorrido de la investigación original y especifican qué tipo de evidencia aportan. Compartir una ecuación o una figura no convierte en idénticos a los fenómenos que se modelan. La comparación requiere precisar qué estructura se comparte, qué interpretación adquieren las variables y qué procedimientos permiten verificar su pertinencia.
1. Astronomía: estrellas variables y atractores extraños no caóticos
Los atractores extraños no caóticos muestran por qué deben distinguirse irregularidad geométrica y caos. Grebogi, Ott, Pelikan y Yorke publicaron en 1984 una investigación fundacional sobre atractores que son extraños sin ser caóticos en el sentido dinámico utilizado. En sistemas cuasiperiódicamente forzados, la geometría puede ser fractal y, a la vez, los exponentes relevantes no mostrar la inestabilidad exponencial positiva característica de otros atractores.
La expresión «no caótico» no quiere decir que el sistema solo sea determinista porque se disponga de suficiente información, ni que ocupe necesariamente un punto medio universal entre orden y caos. El carácter determinista depende de su regla de evolución. La distinción entre extraño y caótico depende de propiedades geométricas y dinámicas que deben especificarse, incluida la diferencia entre exponentes correspondientes al forzamiento y a las variables de respuesta.
En Strange Nonchaotic Stars, Lindner y colaboradores (2015) estudian registros de luminosidad obtenidos por el telescopio Kepler. Para estrellas variables como KIC 5520878 presentan evidencia compatible con dinámica extraña no caótica. Una de las pistas es la relación entre frecuencias principales y secundarias próxima a la razón áurea. El alcance del artículo es una inferencia sustentada en observaciones y diagnósticos; una razón de frecuencias próxima a un número particular no constituye, por sí sola, una demostración de la dinámica completa.
Una razón entre frecuencias puede presentarse como φ o su inversa, según el orden del cociente. Un número irracional no puede expresarse como cociente de dos enteros y su expansión decimal es infinita y no eventualmente periódica; eso no lo convierte en un infinitesimal. La razón áurea es un número finito positivo. Su construcción geométrica clásica debe distinguirse de otros teoremas sobre división de segmentos, como el de la bisectriz. La presencia de un cociente próximo a φ en un conjunto de datos exige considerar precisión, incertidumbre y otros cocientes posibles.
El interés epistemológico del caso reside en que un mismo objeto puede presentar regularidades de frecuencia e irregularidad geométrica. La investigación requiere combinar dominios de descripción, en lugar de inferir toda la dinámica de una sola característica visual. La noticia de Johnston (2015), citada en una nota del trabajo original, se conserva entre las fuentes complementarias de divulgación; la referencia científica principal es el artículo de Lindner y colaboradores.
2. Fisiología cardiovascular: ritmos, redes y organización
La revisión de Vijay Sharma publicada en 2009 examina aplicaciones de la dinámica y de la geometría fractal al sistema cardiovascular. Considera regímenes de equilibrio, periodicidad, cuasiperiodicidad, caos determinista y comportamiento aleatorio, así como redes vasculares y procesos de conducción. Se retiene ese horizonte de investigación con la precisión de que una clasificación pedagógica no sustituye al diagnóstico de un registro concreto.
La variabilidad temporal puede cumplir funciones diferentes según el proceso, la escala y el estado fisiológico estudiado. Por tanto, una mayor irregularidad no equivale automáticamente a enfermedad ni una mayor regularidad garantiza un funcionamiento saludable. Las interpretaciones fisiológicas deben apoyarse en variables y protocolos específicos; las figuras presentan esquemas conceptuales y no umbrales clínicos.
La relación entre estructura vascular, actividad celular y regulación sistémica permite examinar niveles de organización. Una red puede estudiarse por sus componentes, sus vías y módulos, y su organización de conjunto. La causalidad puede involucrar restricciones del nivel colectivo sobre la actividad local y efectos de la actividad local sobre esas restricciones. Esta reciprocidad constituye una pregunta material para una interpretación dialéctica de la organización biológica.
3. Computación: osciladores de Duffing y operaciones lógicas
Aravindh, Venkatesan y Lakshmanan (2018) estudian sistemas no lineales cuasiperiódicamente forzados que pueden realizar operaciones lógicas. La investigación utiliza un oscilador de Duffing de doble pozo y analiza cómo un forzamiento, un sesgo y entradas codificadas modifican su respuesta. La computación aparece aquí como una función implementada por una organización dinámica material.
El oscilador de Duffing es una ecuación diferencial no lineal de segundo orden. Una forma de referencia es ẍ + δẋ + αx + βx³ = γ cos(ωt). Esta expresión general no sustituye a la formulación específica utilizada en el artículo citado, donde intervienen forzamientos cuasiperiódicos, entradas y ruido. Para conservar ese detalle se reproduce también la ecuación incluida en el documento original.
Los distintos regímenes se identifican mediante observaciones y diagnósticos complementarios. Los autores estudian la transición entre toro, atractor extraño no caótico y caos, además de la persistencia de determinadas funciones lógicas bajo niveles de ruido considerados. Esta robustez tiene un alcance paramétrico y experimental concreto: no implica insensibilidad universal a cualquier perturbación.
La relevancia filosófica consiste en que una propiedad funcional de nivel lógico depende de mecanismos dinámicos y condiciones de organización. No es necesario suponer que la operación lógica se encuentra como una entidad separada de la implementación física. Tampoco se sigue que la lógica matemática quede refutada por el comportamiento del dispositivo: la especificación de una puerta y la dinámica que la implementa pertenecen a niveles de descripción relacionados.
4. Econometría: atractores, agregados monetarios y calidad de datos
Barnett y Chen (1988) investigan el uso de herramientas de caos y atractores fractales para la inferencia econométrica, con una aplicación a agregados monetarios Divisia. Su trabajo permite formular preguntas sobre estructura dinámica y no linealidad en series económicas. La denominación correcta de la revista es Mathematical and Computer Modelling; el enlace bibliográfico se dirige aquí al artículo correspondiente.
Una representación de fase reconstruida puede revelar patrones, pero no demuestra de manera automática que una economía posea un atractor de baja dimensión. Tamaño muestral, frecuencia de observación, cambios de régimen, ruido, agregación y selección de variables condicionan las inferencias. Una relación señal/ruido favorable ayuda a identificar estructura, aunque no resuelve por sí misma el problema de la identificación causal.
En economía política, además, las instituciones, expectativas, decisiones y conflictos pueden modificar las reglas relevantes del proceso. Un modelo con parámetros constantes debe justificar el período y las condiciones de su aplicación. La relación entre estructura e historia exige examinar la estabilidad de mecanismos y formas institucionales; identificar una regularidad no elimina la posibilidad de que la acción social transforme las condiciones que la producen.
5. Neurociencias: redes recurrentes y emergencia de representaciones
Las redes neuronales recurrentes permiten modelar la evolución de patrones de actividad. Un estado representa las activaciones seleccionadas y una regla describe cómo cambian mediante conexiones y entradas. En determinados modelos, estados estables o atractores pueden interpretarse como memorias o representaciones. La pertinencia de esa interpretación depende de la tarea, el entrenamiento, las variables y la relación con la evidencia neurobiológica.
El ejemplo ilustra una posibilidad de emergencia funcional: una propiedad atribuida al conjunto depende de interacciones distribuidas. No implica que cualquier red biológica funcione como un modelo particular de red recurrente ni que todo proceso mental pueda reducirse a un punto fijo. El tránsito entre niveles explicativos exige precisar qué se conserva y qué se omite en cada representación.
6. Psiquiatría y psicopatología: alcance de un paradigma dinámico
Pezard y Nandrino (2001) examinan el interés de una perspectiva dinámica para la psicopatología. El trabajo original recoge su discusión sobre redes, atractores, cognición y la posibilidad de formular modelos de procesos psíquicos, incluida una interpretación dinámica de aspectos de la psicodinámica freudiana. Se conserva ese problema como propuesta de modelación y discusión conceptual.
La utilización de términos como transición, atractor o estabilidad exige variables observables, una regla o modelo pertinente y criterios de contrastación. Una metáfora puede orientar la exploración, pero no se transforma en una explicación clínica por incorporar vocabulario matemático. El carácter temporal y relacional de un fenómeno es un punto de partida para investigarlo; no basta para establecer que sea caótico.
7. Hidrodinámica: turbulencia, continuidad e inestabilidad
La transición entre flujo laminar y turbulento muestra la importancia de las escalas, las inestabilidades y el transporte colectivo. La explicación de Kessler y Greenkorn considera el intercambio de cantidad de movimiento mediante movimientos organizados de regiones del fluido, además de procesos moleculares. Una partícula de fluido en una descripción continua no debe identificarse con una molécula individual.
El número de Reynolds, Re = ρUL/η = UL/ν, compara efectos inerciales y viscosos mediante densidad ρ, velocidad característica U, longitud L, viscosidad dinámica η y viscosidad cinemática ν. Los umbrales de transición dependen de la geometría, las perturbaciones y las condiciones del flujo. La ilustración conservada tiene una función pedagógica: sus valores no establecen un criterio universal aplicable a toda configuración.
La hipótesis del medio continuo supone una separación de escalas que permite definir campos macroscópicos. Un volumen representativo contiene suficientes constituyentes para que una propiedad promedio tenga sentido y, a la vez, es pequeño respecto de las escalas relevantes del proceso. Ese volumen no tiene un tamaño microscópico universal; depende de la sustancia y de las condiciones del problema. Su carácter de abstracción no significa que los fluidos estén materialmente compuestos por puntos continuos.
La turbulencia no implica, por sí sola, el fracaso de la hipótesis del continuo: muchas de sus descripciones emplean ecuaciones continuas. El criterio de separación entre escala molecular y escala macroscópica se estudia, entre otras herramientas, mediante el número de Knudsen, Kn = ℓ/L, donde ℓ es el recorrido libre medio. Los problemas de cierre de una descripción turbulenta deben distinguirse de los problemas de rarefacción o de validez de la aproximación continua. Un flujo supersónico tampoco invalida automáticamente esta última.
La mecánica estadística aporta marcos para relacionar descripciones microscópicas y macroscópicas. Esto no establece una secuencia simple en la que toda dificultad de una ecuación continua se resuelva al pasar a una teoría estadística. Cada descripción introduce supuestos, escalas y problemas propios. La discusión sobre el cero absoluto también requiere precisión: la idealización clásica de ausencia de agitación térmica no debe trasladarse como afirmación de que todo movimiento cuántico cesa a esa temperatura.
La inestabilidad de Rayleigh–Taylor aparece cuando una configuración de densidades y aceleración resulta inestable; un ejemplo idealizado es un fluido más denso situado sobre otro menos denso bajo gravedad. La observación cotidiana de agua y aceite puede orientar la intuición, pero mezclarlos o agitarlos no identifica por sí solo esa inestabilidad. La posición relativa, la aceleración, la viscosidad, la tensión superficial y, en magnetohidrodinámica, el campo magnético son condiciones relevantes.
Las simulaciones de Li y Li conservadas en el documento ilustran el estudio de estos problemas con refinamiento adaptativo de malla. Las diferencias entre paneles deben interpretarse conforme a los parámetros y modelos del trabajo de procedencia. El papel de una simulación es explorar las consecuencias de una formulación y confrontarlas con otros resultados; la apariencia de una figura no demuestra una ley general de la complejidad.
8. Geodinámica: campos magnéticos y modelos de dínamo
La teoría de la dínamo investiga cómo el movimiento de materiales conductores puede sostener campos magnéticos. El geodínamo combina dinámica de fluidos, inducción electromagnética, rotación y transferencia de energía. La investigación original remite a simulaciones tridimensionales desarrolladas en la década de 1990, dentro de una historia más amplia de modelos de generación del campo terrestre.
La posibilidad de reproducir determinados rasgos mediante simulaciones constituye evidencia sobre la plausibilidad de mecanismos bajo las condiciones modeladas. Las restricciones de resolución y de parámetros deben examinarse antes de extrapolar al planeta. Del mismo modo, una explicación de la generación del campo geomagnético y una hipótesis sobre su relación con el clima son problemas distintos: la referencia a Kilifarska, Bakmutov y Melnyk (2020) se conserva sin presentar todas las conexiones discutidas en ese volumen como resultados igualmente establecidos.
Referencias de esta sección: Grebogi y colaboradores · Lindner y colaboradores · Sharma · Aravindh y colaboradores · Barnett y Chen · Pezard y Nandrino · Kessler y Greenkorn · Li y Li · Kilifarska y colaboradores.
VI · Evidencia y diagnóstico
Cómo investigar el caos en una serie temporal
La prueba 0–1: qué discrimina y qué no
La prueba 0–1 de Gottwald y Melbourne se diseñó para discriminar, bajo condiciones de aplicación, entre dinámica regular y caótica a partir de una serie temporal. La clase regular incluye tanto periodicidad como cuasiperiodicidad. El procedimiento no necesita reconstruir explícitamente todo el espacio de fases, lo que facilita su utilización en sistemas de dimensiones y formulaciones diferentes. El objeto del diagnóstico sigue siendo una dinámica definida; una señal finita no contiene por sí sola una demostración completa de su origen.
Una exposición esquemática comienza con una serie escalar φ(j) y una familia de variables de traslación para determinados valores de un parámetro auxiliar c. Se estudia el crecimiento de su desplazamiento cuadrático medio o de una versión corregida que elimina un término oscilatorio.
En condiciones adecuadas, una dinámica regular produce traslaciones acotadas y un indicador próximo a cero, mientras que una dinámica caótica produce crecimiento difusivo y un indicador próximo a uno. En la implementación se utilizan versiones y estimadores que deben describirse, incluida la selección de parámetros auxiliares y la combinación de sus resultados. El indicador no debe interpretarse como una escala universal de intensidad del caos: un valor intermedio puede reflejar datos finitos, transitorios, ruido u otras dificultades.
La longitud del registro, el muestreo temporal y el ruido afectan el diagnóstico. Un muestreo excesivamente fino puede introducir dificultades prácticas; un muestreo demasiado espaciado puede perder la estructura buscada. Antes de aplicar una prueba conviene estudiar si el registro contiene cambios de régimen, tendencias, artefactos o valores faltantes y si el tratamiento aplicado altera las propiedades que se pretenden detectar. La robustez debe evaluarse frente a decisiones de preprocesamiento justificadas.
Ruido, señal e identificación
«Ruido» puede designar error instrumental, perturbaciones no modeladas o un componente aleatorio introducido deliberadamente en una descripción. La palabra no identifica una sola causa. Separar señal y ruido presupone una pregunta de investigación: una fluctuación considerada ruido para un modelo puede ser el fenómeno de interés en otro. Lo que importa es explicitar qué se modela, por qué y con qué evidencia.
La detección de irregularidad no basta para distinguir caos determinista de un proceso estocástico. Se pueden combinar diagnósticos de no linealidad, reconstrucciones, estimaciones de exponentes, pruebas con datos sustitutos y análisis de sensibilidad. Ninguna lista de técnicas funciona como receta universal; cada procedimiento tiene condiciones. Con registros limitados, distintas clases de modelos pueden ser compatibles con observaciones similares.
Dos problemas de imprevisibilidad
La discusión de Werndl distingue dificultades que a menudo se reúnen bajo una misma palabra. Un problema es la pérdida de precisión de trayectorias a partir de estados iniciales conocidos solo aproximadamente. Otro es la pérdida de relevancia probabilística de información suficientemente pasada para ciertos eventos, vinculada con propiedades de mezcla en el marco que estudia la autora. Su investigación de 2009 examina críticamente qué implicaciones específicas pueden atribuirse al caos.
Ambos problemas requieren definir qué se quiere predecir, con qué resolución y bajo qué distribución o conjunto de condiciones iniciales. Una trayectoria puede ser difícil de anticipar y, sin embargo, permitir estimaciones útiles de frecuencias, rangos o medidas invariantes. La diferencia entre pronosticar un estado puntual y describir una distribución es una distinción epistemológica central.
La tabla de Oestreicher conservada reúne conceptos históricos como causalidad, determinismo, predicción, linealidad, atractores, retroalimentación y dimensión fractal. Su valor es orientador y documental. Las definiciones de trabajo de esta edición se desarrollan en el texto para evitar que un resumen histórico sea leído como una axiomatización única del caos.
Referencias de esta sección: Gottwald y Melbourne · Werndl.
VII · Lógicas e incertidumbre
Formalización, conjuntos difusos y conjuntos aproximados
Lógica formal, lógica clásica y crítica del reduccionismo
La investigación original plantea una crítica a la pretensión de agotar la complejidad mediante esquemas dicotómicos. Esa preocupación requiere distinguir la formalidad de una lógica y los principios que adopta una lógica particular. Un sistema formal especifica un lenguaje y reglas; una lógica clásica constituye una familia de sistemas con propiedades determinadas. Existen lógicas no clásicas que también están formalizadas.
La teoría del caos se desarrolla mediante razonamientos matemáticos que pueden formularse en marcos clásicos. Por ello, sus resultados no prueban por sí mismos el fracaso de toda lógica formal. La crítica filosófica más productiva se dirige a la aplicación injustificada de supuestos de linealidad, independencia, separación de escalas o estabilidad; esos supuestos no son equivalentes al principio del tercero excluido.
El texto Formal Logic and Dialectics, conservado en la bibliografía original, expresa una posición filosófica sobre límites del reduccionismo y emergencia. Se mantiene como referencia para esa controversia, distinguiendo su argumentación de un resultado matemático demostrado. Reconocer niveles emergentes y relaciones recíprocas exige examinar modelos concretos; el vocabulario de la dialéctica puede organizar ese examen sin sustituirlo.
Lógica cuántica y proposiciones físicas
La lógica cuántica estudia estructuras de proposiciones asociadas con sistemas cuánticos y sus relaciones con la probabilidad. En una formulación usual, los subespacios cerrados de un espacio de Hilbert se organizan en una estructura no booleana, donde falla la distributividad clásica. El interés filosófico está en cómo se representan propiedades y operaciones de medición.
La no conmutatividad de ciertos operadores no debe confundirse con una supuesta falta general de asociatividad o con la afirmación de que toda lógica cuántica es simplemente una lógica polivalente. En los retículos habituales las operaciones de ínfimo y supremo conservan propiedades de retículo, entre ellas asociatividad y conmutatividad. Es necesario indicar qué estructura se estudia antes de trasladar sus propiedades a una tesis epistemológica.
Conjuntos difusos: grados de pertenencia
Una función indicadora clásica de un conjunto A asigna valor 1 a sus elementos y 0 a los restantes. En la formulación de Zadeh, un conjunto difuso puede describirse mediante una función de pertenencia con valores en el intervalo [0,1]. Esta herramienta permite representar gradualidad de categorías, como «temperatura alta», una vez precisado el contexto de uso.
Un grado de pertenencia no es, en general, una probabilidad. Decir que un valor pertenece a un conjunto difuso en grado 0,7 no equivale a decir que existe una probabilidad de 0,7 de que pertenezca a un conjunto clásico. La función puede construirse con conocimiento experto, datos o procedimientos de aprendizaje; no es necesario definir la teoría difusa como una imposición de supuestos ajenos a los datos.
Conjuntos aproximados: indiscernibilidad y fronteras
En la formulación clásica de Pawlak se considera un universo U y una relación de equivalencia R que agrupa objetos indiscernibles conforme a cierta información. Un conjunto puede aproximarse inferior y superiormente mediante clases de equivalencia. La aproximación inferior reúne objetos cuya clase está contenida en el conjunto; la superior incluye aquellos cuya clase lo intersecta.
La incertidumbre se relaciona aquí con la resolución de la información y con la capacidad de discernir objetos. Esto difiere de asignar grados de pertenencia a una categoría. Las extensiones difuso-aproximadas y aproximado-difusas combinan herramientas, pero la terminología debe acompañarse de definiciones: el orden de los adjetivos no basta para establecer cómo se construye un modelo.
| Problema | Representación | Condición que debe explicitarse |
|---|---|---|
| Variabilidad de resultados o información incierta sobre eventos | Modelo probabilístico | Espacio de eventos, medida e interpretación. |
| Gradualidad de una categoría | Conjunto difuso | Significado y construcción de la pertenencia. |
| Indiscernibilidad según atributos disponibles | Conjunto aproximado | Relación de indiscernibilidad y universo. |
| Conflicto o pluralidad de descripciones | Marco lógico o epistemológico adecuado al problema | Qué se considera proposición, evidencia y consecuencia. |
Las intervenciones de Karmakar y de Ganesan citadas desde ResearchGate se conservan como parte del debate que motivó el trabajo original. Su estatus es el de opiniones y orientaciones en un foro, no el de una demostración de superioridad general de un enfoque. La elección entre técnicas requiere examinar tareas, supuestos, interpretabilidad, información disponible y desempeño fuera de los datos utilizados para ajustarlas.
La propuesta de lógica fractal
Bjorvand (1995) propone una aproximación a sistemas inteligentes vinculada con fractales, neurociencias, computación evolutiva y teorías de conjuntos. El propio autor distingue su propuesta de una lógica en sentido matemático estricto. Se conserva por su interés exploratorio y por su lugar en la discusión original, sin atribuirle un aparato axiomático o reglas de inferencia que el documento no establece.
Su inclusión permite distinguir formalización completa, programa heurístico y aplicación computacional. Una propuesta puede tener valor como orientación de diseño antes de constituir una teoría formal acabada. Evaluarla requiere preguntar qué operaciones define, qué problemas resuelve y cómo se comparan sus resultados con otras alternativas.
Contraste estadístico y razonamiento científico
La analogía entre una prueba de hipótesis y una reducción al absurdo puede ser pedagógica si se señalan sus límites. Un resultado improbable bajo una hipótesis no constituye una contradicción lógica; un valor p no representa la probabilidad de que esa hipótesis sea verdadera. Los procedimientos de Fisher y de Neyman–Pearson también poseen finalidades y estructuras distintas, como explica Perezgonzalez (2015).
El juicio experto, la evidencia histórica, la descripción exploratoria y el diseño del estudio forman parte del razonamiento científico. La crítica de Gigerenzer (2004) a la aplicación ritual de contrastes respalda la necesidad de pensar el problema y de informar la incertidumbre. Reconocer ese papel no convierte una opinión experta en evidencia concluyente ni un razonamiento contextual en un metaanálisis formal. El conocimiento previo debe poder identificarse, discutirse y revisarse.
Referencias de esta sección: Lógica cuántica · Zadeh · Pawlak · Bjorvand · Perezgonzalez · Gigerenzer · Foro de 2018 · Foro de 2020.
VIII · Interpretación filosófica
Relaciones, contradicciones y transformaciones
Totalidad y partes
Una totalidad se constituye mediante relaciones entre componentes y con un entorno. Su estudio requiere delimitar el sistema y reconocer que esa delimitación depende de una pregunta. Una descripción puede tratar el entorno como una condición fija; otra puede incorporarlo como variable dinámica. La decisión tiene consecuencias materiales para lo que se puede explicar y predecir.
La expresión «el todo es más que la suma de las partes» puede indicar la relevancia de las interacciones, pero debe desarrollarse. En términos de modelación, conviene identificar qué términos se pierden al agregar, qué restricciones emergen y qué observables colectivos son necesarios. Una suma puede ser una operación apropiada para ciertas magnitudes y resultar insuficiente para describir una organización; esa diferencia no refuta la operación matemática.
Contradicción dialéctica y contradicción lógica
La contradicción dialéctica se utiliza aquí para investigar tendencias o relaciones que se presuponen y se tensionan dentro de un proceso. Su contenido debe formularse materialmente: qué fuerzas, mecanismos, intereses o restricciones intervienen, mediante qué relaciones y bajo qué condiciones producen transformaciones. Una contradicción lógica consiste, en cambio, en afirmar y negar una proposición bajo las mismas condiciones de significado.
La divergencia entre dos trayectorias cercanas no equivale automáticamente a una contradicción antagónica. Tampoco cualquier realimentación negativa o competencia entre variables constituye antagonismo en el sentido de la teoría social. La correspondencia filosófica propuesta puede formularse como hipótesis interpretativa: ciertas dinámicas hacen explícitas tensiones entre mecanismos cuya articulación produce cambios cualitativos. Cada aplicación debe identificar esos mecanismos y la pertinencia del término.
Necesidad y contingencia
La necesidad puede referirse a consecuencias que se siguen de relaciones y condiciones establecidas; la contingencia, a condiciones que podrían haber sido diferentes o cuya ocurrencia no queda fijada por el nivel de descripción adoptado. En un modelo determinista, la evolución desde un estado puede ser única y la elección de ese estado permanecer incierta para un observador. Esta coexistencia no exige atribuir al mismo objeto dos propiedades incompatibles en un mismo sentido.
La dependencia de condiciones iniciales, la multiplicidad de escalas y la existencia de perturbaciones permiten investigar cómo se producen acontecimientos concretos. La posición materialista defendida reconoce que los límites del conocimiento forman parte de una relación histórica con procesos objetivos. Sin embargo, de un límite de medición no se deduce por sí sola una tesis definitiva sobre la ontología del azar.
Cantidad, cualidad y bifurcaciones
Una variación continua de un parámetro puede producir un cambio cualitativo de la dinámica: pérdida de estabilidad, aparición de ciclos o modificación de las cuencas de atracción. Las bifurcaciones ofrecen ejemplos matemáticos de cómo una transformación cuantitativa puede relacionarse con reorganizaciones cualitativas. El contenido de esa correspondencia se determina mediante condiciones concretas de estabilidad y estructura.
La interpretación dialéctica encuentra aquí un terreno de diálogo, aunque la existencia de una bifurcación no demuestra una ley filosófica universal. Importa examinar cuándo se produce, si el cambio es continuo o discontinuo en el observable pertinente, si existe histéresis y cómo influyen fluctuaciones y perturbaciones. La precisión permite que la filosofía oriente preguntas verificables y se transforme a partir de sus resultados.
Una exigencia metodológica recíproca
Una lectura dialéctica debe aceptar que sus categorías se precisen mediante la investigación y que algunas correspondencias iniciales resulten inadecuadas. El criterio de utilidad es su capacidad de revelar relaciones, formular hipótesis, explicar transiciones y organizar evidencia. La amplitud de una visión filosófica aumenta su responsabilidad de distinguir dominios, condiciones y niveles de validación.
La unidad de una interpretación se construye explicando las mediaciones entre los dominios; la diversidad de las ciencias exige que esas mediaciones se investiguen.
Proposición metodológica de este ensayo
Referencias de esta sección: Rosental e Iudin · Formal Logic and Dialectics · The Dialectical Biologist.
IX · Geometría y escalas
Invariancia de escala, autosimilitud y fractalidad
Qué cambia cuando cambia la escala
Una operación de escala modifica las magnitudes de referencia con las que se describe un objeto. En determinados fenómenos, la transformación conserva una forma o una relación estadística después de reescalar los valores pertinentes. La invariancia no quiere decir que todas las cantidades permanezcan numéricamente iguales; puede significar que se transforman conforme a una ley homogénea.
En esta expresión, α es un exponente de escala. Si la relación se cumple para cualquier factor positivo b, dentro del dominio pertinente, se habla de invariancia continua de escala en este sentido. Si se cumple solamente para factores de una familia como b0n, con n entero, se considera una invariancia discreta. Esta diferencia corresponde a los factores de escalamiento admitidos, no a que el tiempo del sistema sea necesariamente continuo o discreto.
Un modelo en tiempo continuo puede exhibir invariancia discreta de escala, y una estructura construida por iteraciones puede aproximar propiedades estadísticas descritas mediante leyes continuas. Escala espacial, escala temporal, resolución instrumental y paso de integración numérica son conceptos que deben diferenciarse. La representación de una magnitud en una computadora tampoco convierte por sí misma al fenómeno material en discreto.
Autosimilitud exacta, estadística y autoafinidad
La autosimilitud exacta se presenta cuando determinadas partes reproducen la estructura del conjunto mediante transformaciones de semejanza. La autosimilitud estadística conserva distribuciones o propiedades estadísticas bajo el escalamiento, sin exigir coincidencia punto por punto. La autoafinidad permite factores diferentes para direcciones o variables diferentes. La distinción es importante en superficies, series temporales y trayectorias donde los ejes representan magnitudes distintas.
Puede escribirse, como ejemplo conceptual de autoafinidad estadística de un proceso apropiado, X(ct) ≍ cHX(t), donde ≍ indica igualdad en distribución en el sentido especificado y H es un exponente. La notación no afirma que dos realizaciones particulares coincidan exactamente. Tampoco permite asignar automáticamente un valor de H a cualquier serie irregular.
En distintos textos, autosimilitud e invariancia de escala se utilizan como términos próximos o equivalentes dentro de una convención. La tarea crítica consiste en identificar esa convención y las propiedades efectivamente establecidas. No hace falta recurrir a una supuesta oposición axiomática entre continuidad y discreción para reconocer diferencias entre autosimilitud exacta, escalamiento estadístico y leyes discretas de escala.
Fractales matemáticos y estructuras naturales
Los conjuntos de Cantor, la curva de Koch, el triángulo de Sierpiński y las curvas que llenan el espacio ilustran estructuras con propiedades geométricas diferentes de las figuras suaves elementales. Algunas se construyen mediante iteraciones exactas. La recursión constituye un mecanismo de construcción, pero no debe emplearse como definición universal de fractalidad.
La figura conservada de Lesne y Laguës incluye construcciones y dimensiones que conviene estudiar por separado. El conjunto de Cantor de tercios tiene dimensión log 2 / log 3; la curva de Koch, log 4 / log 3; el triángulo de Sierpiński, log 3 / log 2. En cada caso, la dimensión expresa una relación precisa entre número de partes y factor de reducción para una construcción ideal, bajo condiciones de semejanza y separación pertinentes.
La fórmula no es una receta aplicable a cualquier forma irregular. La dimensión de Hausdorff se define mediante medidas construidas con recubrimientos; la dimensión de conteo de cajas estudia el escalamiento del número de cajas necesarias para cubrir un conjunto. Pueden coincidir en ejemplos importantes, pero no son idénticas por definición. Que un objeto tenga dimensión entera tampoco excluye por sí solo todas las propiedades usualmente asociadas con fractales.
Las estructuras materiales poseen escalas de corte. Un árbol tiene ramas de tamaños finitos; una red vascular tiene constituyentes y restricciones biológicas; una costa depende de la resolución con que se mida. Un comportamiento de escala observado durante un intervalo no prueba que la construcción ideal se prolongue indefinidamente. La medición debe informar el rango de escalas, el procedimiento de ajuste y su incertidumbre.
Un ejemplo explícito: la curva de Koch
En la construcción de Koch, cada segmento se sustituye por cuatro segmentos de un tercio de su longitud. Tras n iteraciones, el número de segmentos es 4n, su longitud individual es 3−n veces la inicial y la longitud poligonal total es proporcional a (4/3)n. La divergencia de esa longitud en el límite convive con la localización de la curva en una región acotada.
El ejemplo permite distinguir longitud, acotación y dimensión. También muestra que la dificultad de medir no depende únicamente de ignorancia del observador: ciertas propiedades se siguen de una construcción completamente conocida. Para un objeto natural, en cambio, la cuestión empírica es si existe un intervalo en el que una relación semejante describe adecuadamente las observaciones y qué procesos generan ese comportamiento.
Incertidumbre, dimensión y conocimiento
La dimensión fractal no se define como el número de propiedades que ofrecen información incompleta sobre un estado. Es una propiedad geométrica cuya interpretación depende de la dimensión utilizada. Una falta de observación puede dificultar su estimación, pero debe distinguirse de aquello que se intenta estimar. La incertidumbre sobre una propiedad y la propiedad misma pertenecen a niveles diferentes.
Del mismo modo, un margen de imprecisión no equivale automáticamente a una desviación estándar. Puede expresarse como error absoluto, intervalo de resolución, incertidumbre de calibración, dispersión probabilística o sesgo de un estimador. Para utilizar una desviación estándar debe existir una variable aleatoria o una distribución pertinente y deben cumplirse las condiciones de su definición. Algunas distribuciones ni siquiera poseen varianza finita.
La aplicación filosófica más defendible consiste en reconocer que lo que se observa depende de escalas y mediaciones, sin concluir que todas las escalas revelan una esencia idéntica en cualquier sentido. Algunos mecanismos cambian de relevancia al variar la resolución; otros requieren nuevas variables colectivas. La unidad del objeto material no garantiza uniformidad de su descripción.
La hipótesis del continuo y sus límites de pertinencia
La hipótesis del continuo de Cantor se refiere a cardinalidades: afirma que no existe un tamaño de conjunto estrictamente intermedio entre el de los naturales y el de los reales. Los resultados de Gödel y Cohen establecen su independencia de ZFC bajo los supuestos de consistencia correspondientes. Esa independencia permite estudiar extensiones axiomáticas con la hipótesis o con su negación; no obliga a asumirla verdadera.
Este problema no es equivalente a la hipótesis física del medio continuo. Tampoco establece un vacío matemático que impida estudiar relaciones entre estructuras discretas y continuas. La teoría de números reales, los límites y las ecuaciones diferenciales pueden desarrollarse dentro de marcos habituales sin resolver la hipótesis del continuo. Los límites axiomáticos y los límites de un instrumento de medición no deben identificarse.
La segunda incompletitud de Gödel se refiere, bajo condiciones formales, a la imposibilidad de que un sistema consistente suficientemente expresivo demuestre internamente su propia consistencia en la formulación pertinente. «Consistencia», «verdad» y «falsedad del sistema» no son expresiones intercambiables. Este resultado tampoco demuestra por sí solo una conclusión general sobre lo que un ser finito puede conocer acerca de una realidad infinita.
La investigación original utiliza imágenes filosóficas sobre lo finito y lo infinito, las partes y la totalidad e incluso, como analogía, la relación teológica entre criatura y creador. Su lugar puede conservarse como recurso reflexivo, distinguiéndolo de una premisa matemática. Lo mismo vale para la referencia metafórica a una convergencia uniforme: en análisis, esta posee una definición precisa que no se deduce de que varias tradiciones expresen intuiciones semejantes.
Referencias de esta sección: Mandelbrot · Lesne y Laguës · Cohen · Valdebenito.
X · Tiempo y predicción
Divergencia exponencial y horizonte de predicción
La expansión de pequeñas diferencias
Una separación pequeña entre trayectorias puede crecer, en determinados regímenes y direcciones, aproximadamente de manera exponencial. Esta formulación supone una escala en la que la aproximación linealizada de las perturbaciones es pertinente. En un atractor acotado, la separación no crece indefinidamente conforme a la misma ley: acaba encontrando las restricciones del espacio accesible.
El exponente λ describe una tasa de crecimiento bajo condiciones especificadas. Si es positivo para la dirección o el exponente máximo relevante, una reducción del error inicial amplía el tiempo durante el cual se mantiene una precisión deseada. No elimina necesariamente el límite práctico, porque el beneficio temporal depende de un logaritmo.
Como ejemplo exclusivamente pedagógico, si λ = 0,5 por unidad de tiempo, δ0 = 10−6 y Δ = 10−1, la aproximación da T ≈ 23,03 unidades. Reducir mil veces el error inicial añade aproximadamente 13,82 unidades. Los valores no describen ninguno de los sistemas empíricos citados; muestran la relación entre tasa de expansión, precisión y tolerancia.
Exponenciales y potencias
Una ley exponencial tiene la variable en el exponente, como eλt. Una ley de potencia tiene una base variable elevada a un exponente, como xα. Son formas funcionales diferentes y poseen comportamientos asintóticos distintos. Una representación semilogarítmica puede ayudar a estudiar una exponencial y una representación logarítmica en ambos ejes puede ayudar a estudiar una potencia, siempre con los cuidados estadísticos correspondientes.
El hecho de que dos formas incluyan la palabra «exponente» no las identifica. Esta precisión es decisiva para relacionar sensibilidad dinámica, leyes de escala y fenómenos críticos. Cada una puede ofrecer un problema filosófico sobre transformaciones y límites, pero la interpretación debe conservar la estructura matemática que se está examinando.
Qué puede predecirse a largo plazo
Un horizonte de predicción puntual no equivale a la imposibilidad de todo conocimiento a largo plazo. Puede haber observables colectivos estables, distribuciones invariantes o frecuencias de visita estimables. La respuesta depende de las propiedades del sistema y de la clase de pregunta: trayectoria, distribución, transición, extremo o respuesta a una perturbación.
Debe distinguirse el tiempo físico de una serie del tamaño de muestra. Más observaciones pueden mejorar ciertas estimaciones sin extender de forma equivalente el horizonte temporal de una predicción. Una muestra densamente registrada durante un intervalo corto tampoco equivale siempre a una observación prolongada de estados relevantes. La dependencia entre observaciones modifica la información que aporta cada dato adicional.
La lectura dialéctica puede investigar la coexistencia entre restricciones estables y trayectorias sensibles. El contenido de esa coexistencia no requiere describir el caos como una simple apariencia destinada a desaparecer con más conocimiento. La sensibilidad es una propiedad del modelo o del régimen estudiado; sus consecuencias epistémicas aparecen al relacionarla con precisión finita y objetivos de predicción.
XI · Fenómenos críticos
Exponentes, correlaciones y universalidad
Un punto crítico no es cualquier extremo
En cálculo, un punto crítico puede referirse a un lugar donde una derivada se anula o no existe. En la teoría de transiciones de fase, el término adquiere otro significado: se relaciona con cambios de estado y singularidades en el límite termodinámico, junto con propiedades colectivas específicas. Un máximo o mínimo de una función arbitraria no constituye por ello un fenómeno crítico en este sentido físico.
La temperatura, un campo externo o una concentración pueden actuar como parámetros de control, mientras un parámetro de orden describe aspectos de la organización macroscópica. Cerca de ciertas transiciones continuas crece una longitud de correlación y aparecen leyes de escala. Estas propiedades no se presentan necesariamente en toda transición ni en cualquier sistema complejo.
Lesne y Laguës constituyen una referencia principal para este recorrido entre transiciones, turbulencia y estructuras fractales; la nota de Halperin (2019) conserva su función como puerta de entrada histórica a la teoría de fenómenos críticos dinámicos. Para fundamentar las relaciones entre escala y universalidad se incorpora también el desarrollo de Wilson sobre el grupo de renormalización.
Exponentes críticos
Si τ = (T − Tc)/Tc es una distancia reducida a una temperatura crítica, algunas magnitudes pueden presentar relaciones asintóticas de potencia. Las expresiones siguientes son esquemas de determinados regímenes críticos; los símbolos y las condiciones deben precisarse para cada modelo.
ξ representa una longitud de correlación; χ, una susceptibilidad; m, un parámetro de orden; y τrel, un tiempo de relajación. Los exponentes ν, γ, β y z describen comportamientos distintos. El exponente β de una ley crítica no debe confundirse con un parámetro denominado β en otro modelo, como el sistema de Lorenz. El símbolo ∼ expresa comportamiento asintótico y no una identidad exacta para cualquier distancia al punto crítico.
Estas relaciones permiten investigar cómo se articulan cambios microscópicos y respuestas colectivas. Desde una perspectiva dialéctica, ofrecen una base para preguntar por las mediaciones que hacen posibles transformaciones cualitativas. Identificar los exponentes directamente con leyes de antagonismo entre variables omitiría las condiciones físicas y matemáticas que les dan significado.
Universalidad y clases de universalidad
La universalidad crítica se refiere a la coincidencia de comportamientos de escala entre sistemas que difieren en detalles microscópicos, bajo condiciones relevantes compartidas. Dimensionalidad, simetrías, alcance de las interacciones y, para dinámica crítica, leyes de conservación y modos lentos pueden importar. La universalidad tiene una estructura de clases y condiciones; no afirma que cualquier sistema conserve todas sus propiedades a cualquier escala.
La explicación mediante renormalización examina qué perturbaciones o parámetros siguen siendo relevantes al cambiar la escala. Algunos detalles microscópicos afectan amplitudes o correcciones, aunque no los exponentes dominantes de una clase. Se vuelve posible comprender una coincidencia entre sistemas sin suponer que sus componentes o historias particulares sean idénticos.
Los parámetros de localización, escala y forma de una distribución estadística no constituyen una definición de universalidad crítica. Tampoco el incremento de tamaño muestral establece por sí mismo una clase de universalidad. Las relaciones entre límites estadísticos, agregación y leyes macroscópicas merecen investigación específica, pero deben distinguirse de la teoría de transiciones de fase.
La distribución t y el problema de la precisión inferencial
La referencia original a Student puede conservarse como ejemplo de la importancia de las condiciones inferenciales. Para observaciones independientes e idénticamente distribuidas según una normal, con varianza desconocida, el estadístico estandarizado con la desviación muestral sigue una t con n − 1 grados de libertad. Al crecer esos grados, esa familia se aproxima a la normal estándar.
Esta relación no es una corrección general de la física de corto plazo, ni identifica observación prolongada con muestra grande. Si los datos son dependientes o no cumplen el modelo pertinente, la distribución exacta anterior puede dejar de ser aplicable. El ejemplo enseña a conservar las hipótesis junto con la fórmula y a distinguir distintos sentidos de «largo plazo».
Fenómenos estocásticos, críticos y complejos
No conviene ordenar estos tres términos como si formaran una jerarquía única de complejidad creciente. Un proceso estocástico se caracteriza mediante una estructura probabilística; un fenómeno crítico, mediante determinadas propiedades de transición y escala; y la complejidad aborda problemas de organización y descripción. Pueden intersectarse de maneras diferentes. Una dinámica determinista puede mostrar criticidad, y un modelo estocástico puede ser relativamente sencillo.
La discusión con Jaynes sobre probabilidad y conocimiento conserva su pertinencia filosófica si se explicita qué se entiende por aleatoriedad. La existencia de modelos probabilísticos eficaces no demuestra por sí sola azar ontológico, y el desconocimiento de causas tampoco demuestra determinismo universal. Una controversia sobre interpretación de la probabilidad no se resuelve simplemente enumerando sistemas con fluctuaciones.
Referencias de esta sección: Lesne y Laguës · Halperin · Wilson · Jaynes.
XII · Descripciones efectivas
Estructura renormalizable y cambio de escala
Por qué una descripción colectiva necesita otras variables
Un sistema de muchas partículas puede obedecer leyes microscópicas y, al mismo tiempo, requerir conceptos colectivos para explicar su comportamiento macroscópico. Temperatura, presión y parámetros de orden no son simples nombres alternativos para una trayectoria individual. Su utilidad aparece al estudiar organizaciones y regularidades de grandes conjuntos.
La reflexión de Landau sobre la aparición de leyes estadísticas al aumentar el número de grados de libertad conserva aquí su papel central. La autonomía de una explicación colectiva puede significar que utiliza variables, límites y regularidades propios. Determinar su relación de derivación o compatibilidad con una teoría microscópica exige considerar las aproximaciones y las condiciones del pasaje entre niveles.
Campo medio y fluctuaciones
Una aproximación de campo medio reemplaza ciertos efectos de interacciones por un campo promedio o por una descripción efectiva simplificada. No consiste, en general, en promediar el número de grados de libertad de dos modelos. Reduce el problema mediante una hipótesis sobre la influencia colectiva, cuya validez debe examinarse.
Cerca de algunas transiciones críticas, las fluctuaciones y correlaciones de gran alcance pueden volver inadecuada una aproximación elemental de campo medio. Sin embargo, no es correcto afirmar que el campo medio carece de validez en toda transición: la dimensión y otras condiciones pueden permitir comportamientos de ese tipo, incluidas situaciones por encima de una dimensión crítica superior. La importancia de las fluctuaciones es un problema físico y matemático concreto.
Transformaciones de renormalización
Un esquema de renormalización puede integrar o promediar grados de libertad de pequeña escala y reescalar la descripción resultante. La operación transforma parámetros y acoplamientos. Al iterarla se estudia un flujo en un espacio de descripciones o teorías, donde ciertos puntos fijos organizan el comportamiento a gran escala.
Los parámetros g describen acoplamientos y b un factor de cambio de escala. En una descripción linealizada, perturbaciones con exponentes positivos pueden crecer bajo el flujo hacia grandes escalas y resultar relevantes; otras se reducen. Los casos marginales requieren análisis adicional. Este vocabulario explica por qué ciertos detalles importan para un régimen y otros afectan principalmente correcciones.
La denominación histórica «grupo de renormalización» no exige que cada operación de promediado sea invertible. La pérdida de detalle puede conducir a una estructura de semigrupo. Este punto resulta pertinente filosóficamente: una descripción efectiva puede conservar información suficiente para unas preguntas y perderla para otras.
Tres usos que deben mantenerse diferenciados
El trabajo original retoma de Lesne una discusión de usos del término renormalización. Se conserva esa pluralidad con una delimitación más explícita. Primero, transformaciones de escala y eliminación de grados de libertad en fenómenos críticos y dinámica. Segundo, reducción a magnitudes de referencia o adimensionalización, frecuente en hidrodinámica y comparación de modelos. Tercero, parámetros efectivos o corregidos por interacciones, asociados con la descripción de contribuciones que modifican una magnitud de referencia.
Estos usos pueden relacionarse, pero no son intercambiables. Estandarizar una columna de datos no equivale, por sí mismo, a construir un grupo de renormalización. Eliminar una divergencia en un desarrollo perturbativo requiere una teoría y un procedimiento específicos. En electrodinámica clásica y cuántica, las discusiones sobre masa y carga del electrón deben situarse en sus formulaciones correspondientes; la referencia histórica no convierte al electrón en un ejemplo genérico de mecánica clásica ordinaria.
Un desarrollo perturbativo es una expansión controlada respecto de un parámetro apropiado. No significa necesariamente una evolución temporal hacia una complejidad creciente. La divergencia de una serie, una singularidad física y la sensibilidad de trayectorias son problemas distintos, aunque todos puedan exigir revisar aproximaciones.
Interpretación dialéctica y límites de extrapolación
El interés filosófico del cambio de escala reside en que las relaciones relevantes pueden reorganizarse al modificar la descripción. La explicación de un comportamiento colectivo puede requerir conservar unas variables y abandonar otras. Esa operación permite preguntar qué aspectos de un proceso se mantienen, cuáles se transforman y bajo qué condiciones una teoría efectiva resulta válida.
La analogía con la relación entre esencia y apariencia es útil si se evita suponer que promediar detalles siempre revela una verdad más profunda. En algunos problemas, la reducción elimina un mecanismo decisivo; en otros, permite identificar una regularidad robusta. El carácter explicativo de la operación se evalúa mediante las preguntas que resuelve y la evidencia que organiza.
En ciencias sociales, un traslado de la renormalización exige definir transformaciones, variables y criterios de comparación. La semejanza verbal entre escalas institucionales y escalas físicas no basta. Un programa materialista puede investigar esa posibilidad sin anticipar la identidad de mecanismos ni los resultados del análisis.
XIII · Filosofía de la estadística
Ergodicidad, dependencia e inferencia
Una definición en un espacio de probabilidad
Considérese un espacio de probabilidad (X, 𝔅, μ) y una transformación T que preserva μ. En una formulación habitual, T es ergódica si todo conjunto medible invariante tiene medida cero o uno, con la precisión de invariancia pertinente. Esta propiedad excluye una descomposición no trivial en regiones invariantes de probabilidad positiva respecto de la medida considerada.
La medida es parte de la especificación. Un sistema dinámico puede poseer varias medidas invariantes y las propiedades deben atribuirse a la pareja dinámica-medida correspondiente. Un registro finito no demuestra por sí solo una propiedad asintótica; puede aportar evidencia compatible o incompatible con hipótesis concretas.
El teorema ergódico y los promedios
Para una función integrable, el teorema ergódico puntual de Birkhoff establece la convergencia casi segura de promedios temporales en un sistema que preserva medida. Bajo ergodicidad, el límite coincide casi en todas partes con el promedio de conjunto. En ausencia de ergodicidad, el límite general se relaciona con la esperanza condicional respecto de la información invariante.
La igualdad no afirma que cada microestado tenga igual probabilidad ni que cualquier trayectoria finita represente exactamente el promedio. Tampoco requiere expresar la totalidad como una suma lineal de componentes independientes. Es un resultado sobre promedios a lo largo de una dinámica y una medida, con hipótesis que deben conservarse junto con la conclusión.
Equiprobabilidad y mecánica estadística
El postulado de igual probabilidad a priori se vincula con la descripción microcanónica de un sistema aislado en equilibrio, dadas restricciones como energía, volumen y número de partículas. Debe distinguirse de la ergodicidad. Un sistema cerrado puede intercambiar energía según la convención termodinámica usual; uno aislado no intercambia materia ni energía. Por ello, el ejemplo exige precisar el tipo de sistema.
Especificar la energía y otras restricciones macroscópicas no equivale a conocer exactamente posiciones y momentos de todas las partículas. Esto último determina un microestado en una descripción clásica. En un espacio continuo, hablar de igual probabilidad de puntos individuales tampoco sustituye a la definición de una medida sobre regiones accesibles.
El capítulo de Princeton citado en el original presenta como postulado fundamental una expresión microscópica de la entropía mediante el volumen accesible del espacio de fases. Esa formulación debe distinguirse de la atribución inmediata de equiprobabilidad y, también, de una hipótesis ergódica. Su relación con distribuciones de equilibrio exige desarrollar las condiciones del argumento.
Ω representa aquí un conteo de estados o una medida adecuadamente normalizada y adimensional del conjunto accesible, según la formulación. En el caso continuo hay que precisar esa normalización; no se toma sin más el logaritmo de una cantidad dimensional. Una formulación estadística puede ser empíricamente fructífera sin que todos sus usos descansen en una misma demostración de ergodicidad.
Ruptura de ergodicidad
La no ergodicidad puede manifestarse cuando la dinámica queda organizada en componentes invariantes que no se exploran mutuamente de la manera requerida por la medida considerada. También existen situaciones de relajación extremadamente lenta que, en tiempos observacionales, impiden explorar regiones accesibles. Esta dificultad práctica debe distinguirse de una ausencia estructural de ergodicidad en el límite matemático.
La falta de información del investigador no convierte por sí sola a un sistema en no ergódico. Puede impedir diagnosticar su propiedad o seleccionar una medida adecuada. Del mismo modo, el caos y la no ergodicidad no son sinónimos: existen dinámicas caóticas ergódicas y dinámicas no caóticas con propiedades ergódicas respecto de determinadas medidas. La mezcla constituye otra propiedad que requiere definición.
Introducir variables indicadoras o dummy en una regresión puede representar categorías, cambios institucionales o períodos. No restaura automáticamente la ergodicidad ni convierte una serie no estacionaria en estacionaria. La elección debe derivarse de una hipótesis sobre el proceso, del diseño y de los diagnósticos apropiados. Un cambio de régimen estadístico y una descomposición ergódica no son el mismo concepto.
Independencia, intercambiabilidad y estacionariedad
| Propiedad | Significado de referencia | Precisión |
|---|---|---|
| Independencia | La distribución conjunta factoriza en el sentido de la definición probabilística. | No equivale a simple ausencia de correlación. |
| Intercambiabilidad | La distribución conjunta es invariante bajo permutaciones finitas de los índices. | Puede coexistir con dependencia. |
| Estacionariedad estricta | Las distribuciones finito-dimensionales son invariantes bajo traslaciones temporales pertinentes. | No equivale a intercambiar arbitrariamente los tiempos. |
| Ergodicidad | Ausencia de descomposición invariante no trivial respecto de una medida; permite determinados vínculos entre promedios. | No equivale a equiprobabilidad o independencia. |
La observación de McCullagh y Nelder sobre escalas y tratamiento de datos conserva interés para examinar qué hace comparables a las observaciones. Sin embargo, la equivalencia de unidades no implica independencia, y la pertenencia de dos observaciones a un mismo espacio topológico no determina su dependencia probabilística. La estructura topológica y la estructura de probabilidades deben vincularse explícitamente.
La intercambiabilidad expresa una simetría de una distribución conjunta, no el permiso de atribuir idéntico valor o idéntica historia a todas las observaciones. Puede justificar ciertos tratamientos simétricos bajo un modelo. En series temporales, el orden puede contener información indispensable; permutar los datos puede destruir precisamente las relaciones que se pretende investigar.
Un ejemplo: dependencia mediante una variable común
Supóngase que primero se obtiene un parámetro aleatorio Θ y después, condicionalmente a él, se generan variables de Bernoulli independientes con probabilidad de éxito Θ. La secuencia es intercambiable. Sin embargo, sus variables son dependientes marginalmente cuando Θ varía: comparten una fuente de variabilidad.
Si Θ no es constante, el promedio de una realización prolongada converge a su parámetro particular y no necesariamente a E[Θ], el promedio que mezcla todas las realizaciones. El ejemplo aclara por qué intercambiabilidad y dependencia pueden coexistir y por qué un promedio temporal no se identifica siempre con un promedio global. La variable compartida organiza diferencias entre realizaciones que una agregación indiscriminada puede ocultar.
Leyes de los grandes números con dependencia
No existe una única ley de los grandes números cuyo supuesto universal sea independencia. Hay familias de resultados con hipótesis distintas. Para una secuencia estacionaria y ergódica integrable, un resultado de este tipo se obtiene del teorema ergódico. Otras formulaciones usan condiciones de mezcla, estructuras de martingalas u otras restricciones. La dependencia exige investigación adicional; no elimina automáticamente la posibilidad de convergencia.
La formulación de una ley debe indicar a qué límite converge el promedio. Puede tratarse de una constante, de una esperanza condicional o de otra variable aleatoria. Tampoco basta decir que no existe error sistemático: las hipótesis probabilísticas y de integrabilidad tienen una función matemática que no se reemplaza con esa expresión general.
Teoremas centrales del límite con dependencia
La ergodicidad por sí sola no garantiza un teorema central del límite. En un escenario estacionario con condiciones suficientes de dependencia y momentos, una varianza asintótica puede incorporar covarianzas a diferentes retardos. La convergencia y el valor de esa varianza requieren supuestos adicionales; no se siguen de escribir formalmente una suma.
γ(k) denota una autocovarianza y ⇒ convergencia en distribución. La expresión muestra por qué tratar observaciones dependientes como independientes puede distorsionar incertidumbres. Dependencia de largo alcance, colas pesadas o cambios de régimen pueden requerir normalizaciones o límites diferentes. La evaluación de un modelo debe identificar cuál resultado es aplicable.
Los compendios de Nabi (2021) sobre leyes de los grandes números y teoremas centrales del límite para variables dependientes se mantienen como líneas de continuidad del programa original. Su consulta debe hacerse en los documentos correspondientes; aquí se desarrolla el problema conceptual y se muestran condiciones de referencia sin atribuir a esos textos resultados que no se han reproducido.
Normas, pérdidas y magnitudes de referencia
Las expresiones de discrepancia incluidas al final de la investigación original permiten una precisión adicional. Para vectores finitos, las siguientes son pérdidas o distancias basadas en normas diferentes:
En este contexto se trata de normas ℓp de vectores; los espacios Lp generalizan la discusión a funciones y medidas. La norma infinito no es una norma Lp con un valor finito de p. Estas expresiones no suponen que ŷ sea una media aritmética ni establecen intercambiabilidad de una distribución conjunta.
Si se busca una única constante que represente datos, pérdidas diferentes pueden seleccionar centros distintos. La suma de errores cuadrados se minimiza en la media; la suma de errores absolutos, en una mediana; y la máxima desviación absoluta, en el punto medio entre mínimo y máximo. Para los datos 0, 0 y 9, esas elecciones son 3, 0 y 4,5, respectivamente. El ejemplo hace visible que medir discrepancia implica escoger qué diferencias se consideran importantes.
La adecuación dimensional es necesaria para interpretar una pérdida. Comparar variables con unidades o escalas diferentes exige justificar ponderaciones o transformaciones. Esa decisión no es meramente estética: modifica la importancia relativa de las discrepancias. La filosofía de la estadística encuentra aquí un problema concreto sobre cómo los objetivos de conocimiento intervienen en la construcción de un instrumento analítico.
Interpretación materialista del problema inferencial
La contribución filosófica puede formularse de manera más precisa como crítica a la generalización automática de observaciones fuera de sus condiciones. Las distribuciones, dependencias y formas de agregación representan relaciones materiales bajo una pregunta de investigación. Su examen requiere atender al tiempo, a los mecanismos compartidos y a las transformaciones de la población estudiada.
La ergodicidad constituye una opción teórica importante dentro de una clase más amplia de estructuras probabilísticas y dinámicas. Investigar alternativas no significa abandonar su definición ni convertirla en el nombre genérico de una limitación del conocimiento. El programa original de ampliar los fundamentos de la inferencia gana precisión cuando identifica qué hipótesis se relaja y qué resultado la reemplaza.
Referencias de esta sección: Birkhoff · Evans y Morriss · Capítulo de Princeton · McCullagh y Nelder · Nabi: LGN · Nabi: TCL.
XIV · Programa de investigación
Medición, modelos y criterios de contraste
Delimitar el objeto y el objetivo
Un análisis de complejidad comienza por especificar qué fenómeno se estudia y qué pregunta se pretende responder. Describir una forma, reconstruir una dinámica, identificar un mecanismo causal, pronosticar un evento y comparar intervenciones son tareas diferentes. La elección del modelo debe seguir al problema y al conocimiento disponible, además de considerar restricciones de datos y cómputo.
La delimitación del sistema establece componentes, relaciones y entorno. Conviene informar qué variables se observan, cuáles permanecen latentes, qué restricciones se mantienen y qué mecanismos podrían cambiar durante el estudio. En procesos sociales, la acción de los sujetos puede alterar instituciones y relaciones; en sistemas físicos, una modificación experimental puede cambiar el régimen de dinámica. En ambos casos debe distinguirse entre incertidumbre de parámetros y modificación de la estructura del modelo.
Identificar escalas y tiempos pertinentes
La resolución espacial, la frecuencia de muestreo, el tiempo total observado y la duración de transitorios condicionan los resultados. Una serie puede ser extensa en número de registros y corta en tiempo relativo a la relajación del sistema. Una regularidad puede existir en un intervalo de escalas y desaparecer fuera de él. Estas condiciones deben formar parte de la explicación, en lugar de relegarse a un detalle técnico sin significado epistemológico.
Una estrategia consiste en comparar resultados bajo diferentes resoluciones y ventanas justificadas. La estabilidad de una estimación ante esas decisiones puede apoyar su robustez. La variación puede revelar un cambio de régimen o una limitación del estimador. La interpretación depende de mecanismos y diseños de contraste, no de la preferencia por un resultado más uniforme.
Separar incertidumbres
| Fuente | Problema | Examen pertinente |
|---|---|---|
| Medición | Resolución, calibración, registros faltantes o artefactos. | Procedencia, instrumentos y sensibilidad del resultado. |
| Muestreo | Selección de observaciones y dependencia. | Diseño, cobertura, autocorrelación y precisión. |
| Parámetros | Valores desconocidos dentro de una estructura asumida. | Identificación, estimación e intervalos pertinentes. |
| Modelo | Variables omitidas, mecanismos o supuestos inadecuados. | Comparación de estructuras y consecuencias observables. |
| Cálculo | Discretización, redondeo y tolerancias numéricas. | Convergencia numérica y estabilidad del procedimiento. |
| Evolución del proceso | Cambio de régimen o de las relaciones materiales. | Vigencia de la descripción y explicación del cambio. |
Estas fuentes pueden interactuar. La sensibilidad a condiciones iniciales puede amplificar errores de medición, mientras una ecuación incompleta puede producir errores que no desaparecen al aumentar la precisión instrumental. Una interpretación de la incertidumbre debe examinar esas relaciones y evitar asignar a una única causa todo desacuerdo entre modelo y observación.
Hacer comparables las explicaciones
La evaluación de un modelo debe especificar observables, criterios de ajuste y objetivos de predicción. Una buena representación de una serie no garantiza una explicación causal correcta. Conviene estudiar predicciones distintas de las usadas para construir el modelo, analizar sensibilidad a supuestos y comparar alternativas con suficiente flexibilidad para responder a la misma pregunta.
En sistemas dinámicos, la comparación puede incluir estabilidad, bifurcaciones, distribución de observables, respuesta a perturbaciones y propiedades de escala. El uso de una sola medida puede ocultar desacuerdos importantes. La robustez multidimensional requiere seleccionar dimensiones pertinentes y comprender qué mide cada una; multiplicar indicadores sin interpretación no produce por sí mismo una evaluación más sólida.
Dar contenido operativo a las categorías
Si se propone que una configuración expresa una relación entre forma y contenido, se debe identificar qué componentes cambian, cómo se organiza su interacción y qué observables responden. Si se postula una contradicción, hay que describir las tendencias que se condicionan mutuamente, el mecanismo de su tensión y las transformaciones que se esperan. Si se habla de totalidad, debe indicarse qué relaciones justifican el límite del sistema.
Estas exigencias no reducen las categorías filosóficas a una lista fija de variables. Permiten examinar cómo orientan investigaciones específicas. También hacen posible que una categoría sea revisada cuando no distingue situaciones relevantes o cuando introduce una equivalencia que los modelos no sostienen. La relación entre práctica y teoría incluye esa capacidad de rectificación.
Historia y condiciones sociales del conocimiento
La producción científica depende de instrumentos, instituciones, acceso a información, financiamiento, formación y controversias. La disponibilidad de computadoras hizo investigables dinámicas cuya formulación matemática ya existía; los registros de Kepler permitieron analizar comportamientos estelares con una resolución antes inaccesible. Estas condiciones materiales forman parte de la historia de los problemas y de las evidencias disponibles.
Reconocerlas no implica decidir la validez de un resultado por la posición política de su autor ni explicar toda controversia mediante intereses externos. Un análisis materialista debe examinar tanto argumentos y procedimientos como las condiciones de su producción y circulación. La relación entre dimensiones internas y sociales de la ciencia exige investigación histórica concreta.
Un programa abierto y contrastable
Una continuación del trabajo podría estudiar, en un sistema particular, cómo cambia la explicación al pasar de variables microscópicas a observables colectivos. Otra línea podría comparar qué resultados inferenciales se mantienen al relajar independencia o ergodicidad. Una tercera podría reconstruir históricamente el uso de categorías dialécticas en decisiones de modelación identificables.
En cada caso convendría formular una pregunta acotada, definir un conjunto de evidencias y explicitar qué hallazgo apoyaría, debilitaría o modificaría la hipótesis. Esta concreción permite que la amplitud filosófica se traduzca en investigaciones comunicables y discutibles. También facilita comparar el aporte de la perspectiva propuesta con otras orientaciones metodológicas.
Referencias de esta sección: Gigerenzer · Perezgonzalez.
XV · Conclusiones
La complejidad como problema de relaciones y mediaciones
La historia examinada muestra que determinismo y predicción no son conceptos equivalentes. Una evolución definida por leyes puede ser sensible a diferencias iniciales que ningún instrumento mide con precisión ilimitada. Esa sensibilidad no elimina toda posibilidad de conocimiento: desplaza la atención hacia observables, distribuciones, estructuras y escalas cuyo comportamiento puede investigarse de otras maneras.
El recorrido multidisciplinario también muestra que caos, fractalidad y complejidad describen problemas relacionados sin constituir una sola propiedad. Los atractores extraños no caóticos permiten distinguir geometría e inestabilidad exponencial; los fenómenos críticos articulan fluctuaciones y leyes de escala; los modelos colectivos requieren variables cuya pertinencia no se reconoce observando componentes aislados. Cada caso conserva condiciones que limitan su extrapolación.
Las categorías de esencia, fenómeno, apariencia, forma y contenido pueden orientar una investigación de esas mediaciones si se definen y se someten a discusión. Su utilidad se encuentra en las preguntas que permiten formular y en las relaciones que ayudan a reconstruir. La identificación de mecanismos, restricciones y transformaciones ofrece un terreno más preciso para el diálogo entre dialéctica y ciencias que la equivalencia inmediata entre vocabularios.
El análisis de escala y renormalización muestra cómo ciertas descripciones pueden conservar regularidades y modificar la relevancia de los detalles. El análisis de ergodicidad y dependencia muestra que la inferencia requiere distinguir simetrías, promedios y estructuras probabilísticas. Estos desarrollos proporcionan herramientas concretas para examinar la unidad y diferenciación de niveles de una realidad investigada mediante prácticas finitas e históricas.
La posición materialista defendida sostiene que la realidad impone restricciones a las representaciones y que el conocimiento se desarrolla mediante mediaciones revisables. La dialéctica ofrece una orientación para estudiar interacciones, tensiones y transformaciones; el alcance de cada interpretación depende de su articulación con resultados y evidencias. Las ciencias, a su vez, permiten precisar y transformar esa orientación.
Quedan abiertos problemas sobre la comparación entre escalas, la identificación de mecanismos en sistemas históricos, la interpretación del azar y los resultados estadísticos bajo formas de dependencia. Su desarrollo requiere modelos y estudios específicos. La investigación continúa allí donde una categoría se convierte en una pregunta precisa sobre relaciones materiales, condiciones de conocimiento y posibilidades de transformación.
XVI · Aparato de consulta
Glosario y notas de precisión
- Atractor
- Conjunto invariante que atrae estados de una región, bajo una definición y condiciones especificadas.
- Atractor extraño no caótico
- Estructura geométricamente irregular que no exhibe caos según el criterio dinámico adoptado; exige distinguir exponentes y variables de forzamiento o respuesta.
- Bifurcación
- Cambio cualitativo de la dinámica al variar parámetros.
- Clase de universalidad
- Familia de sistemas con comportamientos de escala compartidos bajo condiciones relevantes comunes.
- Coarse-graining o descripción por bloques
- Construcción de variables o descripciones que agrupan detalles de escalas menores.
- Contradicción dialéctica
- Relación entre tendencias o determinaciones que se condicionan y tensionan dentro de un proceso; requiere concreción material.
- Dependencia sensible
- Propiedad que relaciona proximidad inicial y separación posterior según una definición matemática pertinente.
- Ergodicidad
- Propiedad de una dinámica respecto de una medida que excluye una descomposición invariante no trivial.
- Espacio de fases
- Espacio cuyos puntos representan estados del sistema modelado.
- Exponente crítico
- Exponente que caracteriza una ley asintótica de comportamiento cerca de una transición crítica determinada.
- Exponente de Lyapunov
- Tasa asintótica de expansión o contracción de perturbaciones infinitesimales bajo condiciones apropiadas.
- Fractalidad
- Conjunto de propiedades geométricas y de escala que exige precisar la definición de dimensión y el régimen de observación.
- Intercambiabilidad
- Invariancia de una distribución conjunta bajo permutaciones finitas de sus índices.
- Mezcla
- Propiedad de pérdida de dependencia entre eventos separados por la evolución, formulada respecto de una medida.
- Renormalización
- Familia de procedimientos cuyo significado debe especificarse: transformaciones de escala, parámetros efectivos u otras operaciones relacionadas en un contexto definido.
- Tiempo de relajación
- Escala temporal asociada con la aproximación o respuesta de un observable o distribución bajo determinadas condiciones.
Notas históricas y metodológicas complementarias
- Reconocimientos y contribuciones. Lewontin recibió el Premio Crafoord de Biociencias de 2015 junto con Tomoko Ohta. El reconocimiento se refiere a contribuciones a la comprensión del polimorfismo genético; su relación con la trayectoria filosófica del autor es un problema adicional. El premio no debe describirse simplemente como una categoría de los Nobel. Se conserva asimismo la referencia a las contribuciones de Levins a la teoría de metapoblaciones y al estudio de organismos en ambientes cambiantes.
- Gould, Lewontin y Levins. La discusión de las enjutas, los equilibrios puntuados y la crítica del adaptacionismo pertenece a contribuciones relacionadas pero distintas. El ensayo de Lewontin y Levins sobre Gould conserva su interés para estudiar la relación entre compromiso intelectual y práctica científica. Las obras conjuntas citadas deben distinguirse de los trabajos de autoría individual o de otras colaboraciones.
- Fechas de publicación y consulta. Una fecha de descarga, actualización web o traducción no sustituye al año del artículo original. Se conservan las ediciones utilizadas en el documento de 2021 cuando son identificables y se indican las correcciones verificadas, entre ellas Sharma (2009), Werndl (2009), Lindner y colaboradores (2015) y la primera publicación de Laplace (1814).
- Figuras documentales. Las ilustraciones del documento original conservan sus datos, colores y rótulos. Sus colores pertenecen al material científico de procedencia y no a la paleta de la interfaz. Las leyendas añadidas delimitan el alcance; no actualizan ni recalculan resultados de los autores. Los paneles y la ecuación con numeración repetida se identifican aquí de manera diferenciada.
- Idealización y realidad. Un objeto matemático puede tener una estructura de escala infinita; una observación material dispone de resolución y rango finitos. Compararlos requiere un modelo de medición. Esa diferencia no vuelve arbitrario al modelo, pero impide identificar sin condiciones su construcción ideal con el objeto material.
- Terminología lógica. El uso filosófico amplio de «formalización» como explicitación no equivale a disponer de un cálculo formal completo. Del mismo modo, la crítica de una dicotomía aplicada a un fenómeno no demuestra que la lógica clásica carezca de medios para representar grados, probabilidades, relaciones o evolución temporal.
- Criterio experto. La experiencia científica puede orientar hipótesis y decisiones. Su valor depende de la pertinencia del dominio, la calidad de la evidencia y la posibilidad de revisión. Las intervenciones en foros se conservan por su papel histórico en el argumento y se distinguen de artículos y resultados demostrados.
- Uso de «metaanálisis». Una reflexión transversal sobre teorías no equivale necesariamente al procedimiento estadístico de combinar resultados de estudios. Para evitar ambigüedad se utiliza «análisis epistemológico» o «programa de investigación» cuando ese es el sentido.
- Comparación con el original. La edición de 2021 contiene las formulaciones y citas extensas que motivan esta revisión. La presencia de una referencia en la bibliografía no significa que todas sus afirmaciones sean adoptadas; su función puede ser histórica, conceptual, documental o crítica.
Referencias de esta sección: Crafoord 2015 · Lewontin y Levins sobre Gould · Johnston.
Referencias y fuentes de consulta
Se conservan las fuentes de la investigación original y se incorporan referencias para las precisiones y ampliaciones. Las entradas de foros y divulgación se identifican como tales. Las fechas de las ediciones consultadas se distinguen de las primeras publicaciones cuando resulta pertinente. Las referencias incompletas del documento original se señalan sin inventar datos editoriales.
Bibliografía de la investigación original, con precisiones
- Aravindh, M., Venkatesan, A. y Lakshmanan, M. (2018). Strange nonchaotic attractors for computation. Physical Review E, 97, 052212. DOI.
- Barnett, W. A. y Chen, P. (1988). Deterministic chaos and fractal attractors as tools for nonparametric dynamical econometric inference: With an application to the Divisia monetary aggregates. Mathematical and Computer Modelling, 10(4), 275–296. DOI.
- Bjorvand, A. T. (1995). A New Approach to Intelligent Systems Theory. Norwegian Institute of Technology, University of Trondheim. Informe de proyecto, 28 de abril. Documento.
- Elert, G. (s. f.). Flow regimes. The Physics Hypertextbook. La investigación original registra una consulta en 2020. Recurso.
- Gottwald, G. A. y Melbourne, I. (2016). The 0–1 test for chaos: A review. En C. Skokos, G. A. Gottwald y J. Laskar (eds.), Chaos Detection and Predictability, Lecture Notes in Physics, 915, 221–247. Springer. Versión de los autores. La paginación de esa versión es independiente de la edición del libro.
- Halperin, B. I. (2019). Theory of dynamic critical phenomena. Physics Today, 72(2), 42–43. DOI.
- Jaynes, E. T. (2003). Probability Theory: The Logic of Science. Cambridge University Press.
- Kessler, D. P. y Greenkorn, R. A. (1999). Momentum, Heat, and Mass Transfer Fundamentals. Marcel Dekker.
- Kilifarska, N. A., Bakmutov, V. G. y Melnyk, G. V. (2020). The Hidden Link Between Earth’s Magnetic Field and Climate. Elsevier.
- Landau, L. D. (1994). Física teórica. Física estadística, vol. 5, 2.ª edición castellana citada en la investigación original. Reverté. La identificación de tomo, edición y colaboradores debe ajustarse al ejemplar utilizado.
- Laplace, P.-S. (1814). Essai philosophique sur les probabilités. Primera publicación. La investigación original utiliza asimismo A Philosophical Essay on Probabilities (1902), edición inglesa. Ejemplar de 1814. Los datos de traducción de la entrada original requieren cotejo con la portada del ejemplar inglés.
- Lesne, A. (1998). Renormalization Methods: Critical Phenomena, Chaos, Fractal Structures. Traducción de Leila Schneps. Wiley. Índice publicado por la autora.
- Lesne, A. y Laguës, M. (2012). Scale Invariance: From Phase Transitions to Turbulence. Springer.
- Li, S. y Li, H. (2006). Parallel AMR Code for Compressible MHD or HD Equations. Los Alamos National Laboratory. Recurso técnico citado en el documento original. Copia archivada.
- Lindner, J. F., Kohar, V., Kia, B., Hippke, M., Learned, J. G. y Ditto, W. L. (2015). Strange nonchaotic stars. Physical Review Letters, 114, 054101. DOI · Prepublicación de los autores.
- Lorenz, E. N. (1963). Deterministic nonperiodic flow. Journal of the Atmospheric Sciences, 20, 130–141. DOI.
- Mandelbrot, B. B. (1983). The Fractal Geometry of Nature. W. H. Freeman. Edición citada en la investigación original; la edición de 1982 se distingue cuando se reconstruye la historia de la obra.
- Marxists Internet Archive (s. f.). Formal Logic and Dialectics, en el recurso The Meaning of Hegel’s Logic. La investigación original registra 2018 como fecha del recurso o de su consulta. Texto. Se utiliza como intervención filosófica, no como prueba de una imposibilidad matemática.
- McCullagh, P. y Nelder, J. A. (1989). Generalized Linear Models, 2.ª ed. Chapman & Hall.
- Nabi, I. (2021). Diferentes abordajes para el TCL con variables dependientes. La Biblioteca del Pueblo / El Blog de Isadore Nabi. Enlace consignado en la investigación original.
- Nabi, I. (2021). Diferentes abordajes para la LGN con variables dependientes. La Biblioteca del Pueblo / El Blog de Isadore Nabi. Enlace consignado en la investigación original.
- Oestreicher, C. (2007). A history of chaos theory. Dialogues in Clinical Neuroscience, 9(3), 279–289. Texto completo.
- Pezard, L. y Nandrino, J.-L. (2001). Paradigme dynamique en psychopathologie: la «théorie du chaos», de la physique à la psychiatrie. L’Encéphale, 27(3), 260–268. Registro bibliográfico.
- Poincaré, H. (1908). Science et méthode. Sección sobre el azar. La investigación original cita la versión inglesa «Chance», en Science and Method, pp. 64–90. Extracto citado. Las fechas de la obra francesa y de la traducción deben distinguirse.
- Princeton University Press (s. f.). The Fundamental Postulate. Capítulo distribuido como recurso editorial. Documento citado. La entrada de 2021 no identifica la autoría ni el volumen; se conserva sin completar esos datos por conjetura.
- ResearchGate (2018). When should one use Fuzzy set theory and Rough set theory? Is there any clear-cut line of difference between them? Foro; intervenciones, entre otras, de Sandipan Karmakar. Discusión.
- ResearchGate (2020). What is the difference between Fuzzy rough sets and Rough fuzzy sets? Foro; intervención de Ganesan G. citada en la investigación original. Discusión.
- Rosental, M. e Iudin, P. (1971). Diccionario filosófico. Tecolut. Edición de San Salvador citada en la investigación original. La historia de la obra y la de sus ediciones son anteriores a esa fecha.
- Russell, K. (2014). Hypothesis testing. Material docente, University of Manitoba. Enlace histórico consignado en el original. Su discusión se complementa aquí con fuentes sobre las diferencias entre contraste estadístico y deducción lógica.
- Sharma, V. (2009). Deterministic chaos and fractal complexity in the dynamics of cardiovascular behavior: Perspectives on a new frontier. The Open Cardiovascular Medicine Journal, 3, 110–123. DOI · Texto del editor.
- Stanford Encyclopedia of Philosophy (s. f.). Quantum Logic and Probability Theory. Recurso citado en la investigación original con fecha de 2002. Entrada. Su versión puede modificarse; el contenido histórico consultado debe distinguirse de las revisiones posteriores.
- Valdebenito, E. (2019). Fractales: la geometría del caos. Documento depositado en viXra. Documento citado. Se conserva como fuente expositiva, con una función distinta de las definiciones y pruebas matemáticas utilizadas en esta edición.
- Werndl, C. (2009). What are the new implications of chaos for unpredictability? The British Journal for the Philosophy of Science, 60(1), 195–220. DOI. La fecha de depósito posterior de una versión no sustituye el año del artículo.
Fuentes complementarias y ampliaciones
- Birkhoff, G. D. (1931). Proof of the ergodic theorem. Proceedings of the National Academy of Sciences, 17(12), 656–660. DOI.
- Cohen, P. J. (1963). The independence of the continuum hypothesis. Proceedings of the National Academy of Sciences, 50(6), 1143–1148. DOI.
- Royal Swedish Academy of Sciences (2015). The Crafoord Prize in Biosciences 2015. Comunicado institucional.
- Evans, D. J. y Morriss, G. P. Statistical Mechanics of Nonequilibrium Liquids. Sección 3.4: Ergodicity, Mixing and Lyapunov Exponents. Edición electrónica de ANU Press. Sección.
- Gigerenzer, G. (2004). Mindless statistics. The Journal of Socio-Economics, 33, 587–606. DOI.
- Grebogi, C., Ott, E., Pelikan, S. y Yorke, J. A. (1984). Strange attractors that are not chaotic. Physica D, 13, 261–268. DOI.
- Johnston, H. (2015). «Golden stars» pulsate in a strange, non-chaotic way. Physics World, 17 de febrero. Fuente de divulgación citada en una nota de la investigación original. Artículo.
- Lenin, V. I. (1909). Materialismo y empiriocriticismo. Obra redactada en 1908; se diferencia la redacción de su primera publicación.
- Levins, R. y Lewontin, R. C. (1985). The Dialectical Biologist. Harvard University Press.
- Levins, R. y Lewontin, R. C. (2007). Biology Under the Influence: Dialectical Essays on Ecology, Agriculture, and Health. Monthly Review Press.
- Lewontin, R. C. y Levins, R. (2002). Stephen Jay Gould—What Does It Mean to Be a Radical? Monthly Review, 54(6), noviembre. Ensayo mencionado en las notas del documento original. Número de la revista.
- Pawlak, Z. (1982). Rough sets. International Journal of Computer & Information Sciences, 11, 341–356. DOI.
- Perezgonzalez, J. D. (2015). Fisher, Neyman–Pearson or NHST? A tutorial for teaching data testing. Frontiers in Psychology, 6, 223. DOI.
- Wilson, K. G. (1983). The renormalization group and critical phenomena. Reviews of Modern Physics, 55, 583–600. DOI. Exposición relacionada con su conferencia Nobel de 1982.
- Zadeh, L. A. (1965). Fuzzy sets. Information and Control, 8(3), 338–353. DOI.
- Euclides. Elementos. Edición castellana de 1994 citada en la nota sobre la razón áurea del documento original. Se distingue la definición de división en extrema y media razón de otros resultados geométricos allí mencionados; el volumen y sus datos editoriales no se completan sin cotejar el ejemplar.
Archivo documental
Investigación original de 2021
El documento original conserva íntegros sus 54 páginas, citas extensas, notas, ecuaciones, figuras y bibliografía. Permite contrastar esta edición con las formulaciones de partida. La versión revisada desarrolla las precisiones y ampliaciones en el cuerpo del ensayo; el archivo original se mantiene como testimonio documental.
Consultar el documento original íntegro
Si el visor del navegador no aparece, utilizá el enlace de descarga situado a continuación.
Isadore Nabi · Marxist Philosophy of Science · Documento original de 2021 y edición web revisada.


Leave a Comment/Deja un Comentario