La Ansiedad como Simulación Estocástica: Formalización del Control y el Rendimiento

Diego Vallejo • 14 de mayo de 2026 • 4 min de lectura ES

La ansiedad, el foco y el locus de control no son abstracciones etéreas; son fenómenos sistémicos que pueden mapearse mediante modelos estocásticos, teoría de la información y funciones de optimización. Al integrar la psicología cognitiva con la teoría de la información, el comportamiento humano bajo presión deja de ser un misterio emocional y se revela como un algoritmo de procesamiento de riesgos.

Este modelo captura cuatro mecánicas fundamentales:

La ansiedad como un simulador estocástico de futuros adversos.
El colapso de la entropía mediante la ejecución (la acción como reductor de incertidumbre).
La relación no lineal entre el nivel de amenaza, el rendimiento y la atención.
El locus de control como un vector anclado estrictamente en el presente.

1. El Motor de Simulación Estocástica

La ansiedad opera como un motor de simulación probabilística. El cerebro calcula el valor esperado del impacto negativo a través de múltiples ramas de un árbol de decisión, pero con un sesgo incorporado: la aversión a la pérdida.

$A = λ i = 1 \sum n p_{i} \cdot ∣ U (S_{i}) ∣$

Donde:

$A$ : Nivel de ansiedad actual.
$λ = 2.1$ : Coeficiente empírico de aversión a la pérdida (Kahneman y Tversky).
$p_{i}$ : Probabilidad subjetiva asignada al escenario $i$ ( $\sum p_{i} = 1$ ).
$U (S_{i})$ : Utilidad negativa (magnitud del impacto adverso) del escenario $i$ .

El sistema neurológico no es neutral. Pondera las amenazas con un peso 2.1 veces mayor que los resultados positivos equivalentes. La ansiedad no es pánico irracional; es un exceso de computación asignado a predecir el fracaso.

2. Entropía y el Colapso por la Acción

El volumen de ansiedad es directamente proporcional a la entropía de la información (incertidumbre) sobre el futuro. Antes de actuar, la incertidumbre se define mediante la entropía de Shannon:

$H (S_{pre}) = - i = 1 \sum n p_{i} lo g_{2} p_{i}$

Al ejecutar una acción, el árbol de decisión colapsa. El escenario que se materializa adquiere $p = 1$ , y los escenarios paralelos caen a $p = 0$ . La ansiedad post-acción, incluso si el resultado es un fracaso, se reduce a:

$A_{post} = ∣ U (F) ∣ - α \cdot H (S_{pre})$

Donde:

$∣ U (F) ∣$ : Magnitud del impacto del único resultado materializado.
$α > 0$ : Constante de reducción de ansiedad por unidad de entropía eliminada.

El fracaso es doloroso, pero es computacionalmente finito. La incertidumbre, en cambio, demanda multiplicar constantemente escenarios hipotéticos por $λ$ . Esta es la razón empírica por la que tomar una decisión—incluso una equivocada—alivia la carga cognitiva: apaga el simulador.

3. Modulación No Lineal del Rendimiento

La ansiedad no destruye el rendimiento por defecto; lo modula. Altas dosis de ansiedad suprimen el apetito de riesgo, pero agudizan el foco. El rendimiento $R$ sigue una distribución no lineal:

$R (A) = R_{0} \cdot A \cdot e^{- k A^{2}}$

Donde:

$R_{0}$ : Rendimiento basal máximo.
$k > 0$ : Parámetro de decaimiento.

El sistema alcanza su punto óptimo en $A^{*} = \frac{1}{2 k}$ . Superar este umbral crítico provoca que el factor de decaimiento exponencial domine, colapsando tanto la capacidad operativa como la tolerancia al riesgo.

De forma paralela, la capacidad de atención y detección de amenazas $Φ$ opera bajo una función logarítmica, filtrando estímulos externos:

$Φ (A) = β lo g (1 + γ A)$

Con $β, γ > 0$ controlando la sensibilidad. El sistema sacrifica visión periférica e innovación creativa a cambio de una concentración absoluta en la amenaza inmediata.

4. Locus de Control Vectorial

El control es una variable que solo existe en el instante $t = 0$ . La estabilidad mental se logra maximizando la agencia sobre el subconjunto de variables estrictamente controlables en el presente, deteniendo la fuga de recursos hacia lo incontrolable:

$C = {a_{j}} max j \in V_{c} \sum r (a_{j}) sujeto a \frac{\partial E}{\partial V _{n c}} = 0$

Donde:

$V_{c}$ : Conjunto de variables controlables en el presente (acciones $a_{j}$ ).
$V_{n c}$ : Variables no controlables (el pasado, el mercado, las acciones de terceros).
$r (a_{j})$ : Retorno de agencia por acción.

La condición límite $\frac{\partial E}{\partial V _{n c}} = 0$ es crítica: establece que cualquier energía ( $E$ ) asignada a variables no controlables tiene un retorno marginal nulo y alimenta directamente el bucle estocástico de ansiedad.

Este modelo explica la mecánica detrás de la intuición empírica: actuar reduce la carga cognitiva más rápido que rumiar, el estrés controlado es un catalizador del foco, y la calma es el subproducto matemático de restringir el gasto energético a las variables sobre las que se tiene jurisdicción real.

Referencias:

Kahneman, D. & Tversky, A. (1979). Prospect Theory.
Shannon, C. E. (1948). A Mathematical Theory of Communication.