1. Estimación del valor de π

En este procedimiento, se utiliza una simulación para estimar el valor de π. Para ello, se considera un círculo inscrito en un cuadrado. El área del círculo es π/4, mientras que el área del cuadrado es igual a 1. Se elegirán de forma aleatoria n puntos dentro del cuadrado y se calculará la probabilidad de que un punto esté dentro del círculo. Esta probabilidad es igual a la fracción del área del cuadrado que abarca el círculo, es decir, π/4. Al contar el número de puntos que caen dentro del círculo, se obtiene una estimación de π/4. A partir de esta estimación, se encuentra una aproximación del valor de π.

2. Objetivo

Estimar el valor de π utilizando la probabilidad de que un punto esté dentro del círculo inscrito en un cuadrado.

3. procedimiento

A continuación, se describe el procedimiento paso a paso, incluyendo el código en R utilizado para llevar a cabo la simulación.
###Para facilitar la generación de estimaciones de π con diferentes valores de n, se ha encapsulado el proceso en una función que se puede invocar con diferentes valores de n y ademas se inicializa una variable puntos en cero para contar los puntos que caerán dentro del circulo. 

estimacion <- function(n) {
  puntos <- 0

### Lo primero que se hara es generar n puntos aleatorios con coordenadas aleatorias X, Y para cada punto en el cuadrado [0,1] por medio de una distribución uniforme

  for (i in 1:n) {
    x <- runif(1, 0, 1)
    y <- runif(1, 0, 1)

### Despues se calcula la distancia que tiene cada punto desde el centro del circulo (0.5,0.5) hasta el punto con el objetivo de comprobar si el punto está dentro del circulo (distancia <= 0.5, teniendo que en cuenta que si esta en el borde tambien se considerara dentro del circulo

    distancia <- sqrt((x-0.5)^2 + (y-0.5)^2)
    
### Finalmente, al contar el número de puntos dentro del círculo y dividirlo por el número total de puntos generados (n), se está estimando la probabilidad de que un punto aleatorio caiga dentro del círculo. Esta estimación es π/4 y a partir de esta igualdad se despeja la estimación del valor de π.

    if (distancia <= 0.5) {
      puntos <- puntos + 1
    }
  }
  
  proporcion <- puntos / n
  pi_estimacion <- proporcion * 4
  
  return(pi_estimacion)
}

4. Resultados

En esta etapa, se implementa el método descrito previamente para obtener estimaciones de π. Se lleva a cabo este proceso utilizando diversos valores de n, lo que permite explorar cómo la precisión de la estimación varía en función del tamaño de la muestra.
# Valores de n a evaluar
valores_n <- c(1000, 10000, 100000)

# Bucle for para evaluar la función en cada valor de n
for (n in valores_n) {
  resultado <- estimacion(n)
  cat("Estimación de π para n =", n, ":", resultado, "\n")
}
## Estimación de π para n = 1000 : 3.152 
## Estimación de π para n = 10000 : 3.1672 
## Estimación de π para n = 1e+05 : 3.13804

5. Análisis de resultados

Al estimar π utilizando diferentes valores de n revela que la precisión de la estimación varía notablemente según el tamaño de la muestra. Con n = 1000, la estimación de π es 3.104, mostrando una precisión limitada. A medida que n aumenta a 10,000 y 100,000, la estimación mejora significativamente, acercándose más al valor real de π (3.14159). Esto evidencia la convergencia hacia π a medida que el tamaño de la muestra crece. El impacto del tamaño de muestra en la precisión es evidente, enfatizando la importancia de elegir un tamaño de muestra adecuado para obtener estimaciones precisas.

6. Conclusión

* La selección de un tamaño de muestra apropiado se destaca como un factor esencial y con impacto substancial en la obtención de estimaciones altamente precisas de parámetros, como se ha puesto de manifiesto en esta simulación para la estimación de π. Esta influencia resalta la importancia de basar decisiones en datos respaldados por estimaciones confiables y subraya que el tamaño de muestra constituye una variable crítica en la interpretación precisa de resultados estadísticos. Los resultados obtenidos enfatizan la necesidad de abordar cuidadosamente el tamaño de muestra en todas las fases de la investigación y el análisis de datos, ya que desempeña un papel central en la toma de decisiones fundamentadas.