Supongamos que se tienen 2 dados, para los cuales se necesita hallar las probabilidades de sacar el resultado de la suma de los 2 dados (El cuál puede ser 2, 3, 4 .. 12), y a su vez las probabilidades de los resultados del valor absoluto de la resta de los 2 dados (El cual puede ser 0, 1, 2 .. 5). Primero, fijamos una semilla para que los resultados no cambien a lo largo que se hagan las pruebas.
set.seed(1111)
Luego, se diseñaron las funciones con las que se hallarán las probabilidades. A continuación, se presenta la explicación del código paso a paso, a fin de justificar el procedimiento.
Sección 1:
simular_dados_suma <- function(num_tirar) {
dado_1 <- sample(1:6, num_tirar, replace = TRUE)
dado_2 <- sample(1:6, num_tirar, replace = TRUE)
sum_dado <- dado_1 + dado_2
resultado <- table(sum_dado)
resultado_df <- as.data.frame(resultado)
names(resultado_df) <- c("Suma", "Frecuencia")
resultado_df$Probabilidad <- resultado_df$Frecuencia / sum(resultado_df$Frecuencia)
return(resultado_df)
}
En este espacio tras haber generado la semilla bajo la cual obtendriamos los resultados del experimento, creamos una función num_tirar.” Consiste en generar dos dados, simulados mediante dos secuencias de 1 a 6, y se sumaron estos dos valores. Dichos resultados son guardados en el variabale sum-dado. Posteriormente, se guardó como una lista denominada resultado_df
Los datos son guardados en una tabla, de dos coulmnas (Resultado suma de datos y frecuencia de cada suma), en las filas se encuentran los resultados de la suma que van desde 2-12. Posteriormente, se agrega una tercera columna, donde por medio de dividir la fecuencia de cada dato entre la cantidad de resultados totales, se agrega la probabilidad asociada a cada resultado.
Sección 2:
simular_dados_resta <- function(num_tirar) {
dado_1 <- sample(1:6, num_tirar, replace = TRUE)
dado_2 <- sample(1:6, num_tirar, replace = TRUE)
resta_dado <- abs(dado_1 - dado_2)
resultado_resta <- table(resta_dado)
resultado_df2 <- as.data.frame(resultado_resta)
names(resultado_df2) <- c("Resta", "Frecuencia")
resultado_df2$Probabilidad <- resultado_df2$Frecuencia / sum(resultado_df2$Frecuencia)
return(resultado_df2)
}
Esta segunda sección se realiza la resta, funciona igual en la generación de los datos que la sección anterior con la diferencia siendo el valor absoluto de los dos dados. En la tabla de resultados siguen las mismas tres columnas con el resultado de la resta en valor absoluto, la frecuencia de dicho resultado y por último, la probabilidad asociada.
set.seed(1111)
resultado_suma_10tiros <- simular_dados_suma(10); resultado_suma_10tiros
## Suma Frecuencia Probabilidad
## 1 4 1 0.1
## 2 5 1 0.1
## 3 6 3 0.3
## 4 7 1 0.1
## 5 8 1 0.1
## 6 9 1 0.1
## 7 11 2 0.2
En la columna 1 “Suma”, tenemos los resultados obtenidos, donde podemos apreciar que la suma de 2, 3, 12, no se generó en los 10 tiros. Referente a la frecuencia, la suma 6 es la que mas se repite, con una fecuencia de 3 (30% de probabilidad), seguido de la suma 11 con 2 apariciones registrados (teniedo un 20% de probabilidad). Los demas datos, tienen registraron un resultado de 10% de probabilidad al solo sumar una vez en la fecuencia.
set.seed(1111)
resultado_resta_10tiros <- simular_dados_resta(10); resultado_resta_10tiros
## Resta Frecuencia Probabilidad
## 1 0 1 0.1
## 2 1 3 0.3
## 3 2 2 0.2
## 4 3 1 0.1
## 5 4 2 0.2
## 6 5 1 0.1
La columna número uno “Resta”, muestra la resta de los dados, la columna “Frecuencia” registra la cantidad de veces que se obtuvo cada resultado, y por último, la columna “Probabilidad” muestra la probabilidad de obtener cada dato.
En esta ocasión si se presentó por lo menos una vez cada uno de los datos contemplados y la frecuencia estuvo más variada que en la función suma. La mayor frecuencia se la llevó la resta 1, con 3 registros, teneindo una probabilidad del 30%. Seguido de la resta 2 y 4 con una frecuencia de 2, probabilidad de 20% para ambos. El resto de resultados tuvieron una frecuencia de 1, teniendo probabilidad de 10%.
En la función Suma, no se presenta la totalidad de los datos posiblemente por el reducido número de tiros realizados, y en general los datos presentan una baja frecuencia y por consiguiente una baja probabilidad. En la función resta, por tener un menor abanico de resultados, los datos tuvieron una mayor frecuencia, al igual que una mayor probabilidad de obtención.
set.seed(1111)
resultado_suma_100tiros <- simular_dados_suma(100); resultado_suma_100tiros
## Suma Frecuencia Probabilidad
## 1 2 3 0.03
## 2 3 6 0.06
## 3 4 5 0.05
## 4 5 14 0.14
## 5 6 17 0.17
## 6 7 12 0.12
## 7 8 17 0.17
## 8 9 17 0.17
## 9 10 5 0.05
## 10 11 3 0.03
## 11 12 1 0.01
La tabla representa la probabilidad que los números aparezcan en modo de suma. Comparando con la tabla anterior, se muestra que aparecieron más combinación de números. Sin embargo, falta la combinación de 6. Se puede concluir que la cantidad de combinaciones que tiene un número es porporcional con su probabilidad.
set.seed(1111)
resultado_resta_100tiros <- simular_dados_resta(100); resultado_resta_100tiros
## Resta Frecuencia Probabilidad
## 1 0 9 0.09
## 2 1 32 0.32
## 3 2 25 0.25
## 4 3 16 0.16
## 5 4 14 0.14
## 6 5 4 0.04
Se muestra una asimetría positiva en la gráfica, es decir, la mayoria de los datos se acumulan al principio de la tabla. También nos pueden mostrar la probabilidad de que dos dados tengan el mismo valor. Ya que este valor corresponde al valor del 0.
set.seed(1111)
resultado_suma_1000tiros <- simular_dados_suma(1000); resultado_suma_1000tiros
## Suma Frecuencia Probabilidad
## 1 2 22 0.022
## 2 3 56 0.056
## 3 4 78 0.078
## 4 5 113 0.113
## 5 6 136 0.136
## 6 7 178 0.178
## 7 8 156 0.156
## 8 9 114 0.114
## 9 10 70 0.070
## 10 11 58 0.058
## 11 12 19 0.019
Al analizar la tabla 3.1, se muestra una simetria en los daots, donde se encuentra la maoyoria de los números en el 7. Debido a que el 7 tiene la mayor cantidad de combinaciones. Tambien se ve que la mediana es 7.
set.seed(1111)
resultado_resta_1000tiros <- simular_dados_resta(1000); resultado_resta_1000tiros
## Resta Frecuencia Probabilidad
## 1 0 150 0.150
## 2 1 266 0.266
## 3 2 221 0.221
## 4 3 186 0.186
## 5 4 110 0.110
## 6 5 67 0.067
Comparando con 100 tiradas, los datos se ven más distribuidos entre 1, 2 y 3. Aún se muestra una assimetria positiv.
set.seed(1111)
resultado_suma_10000tiros <- simular_dados_suma(10000); resultado_suma_10000tiros
## Suma Frecuencia Probabilidad
## 1 2 296 0.0296
## 2 3 558 0.0558
## 3 4 857 0.0857
## 4 5 1116 0.1116
## 5 6 1389 0.1389
## 6 7 1643 0.1643
## 7 8 1386 0.1386
## 8 9 1157 0.1157
## 9 10 803 0.0803
## 10 11 520 0.0520
## 11 12 275 0.0275
En la función de la suma, nuevamente se observa una mayor frecuencia en los datos “centrales”, mientras que los datos en los extremos tienen una frecuencia muy baja y por ende una baja probabilidad. En este caso, el dato con mayor probabilidad es la suma 7, al giual que en el caso anterior de los 1000 lanzamientos.
set.seed(1111)
resultado_resta_10000tiros <- simular_dados_resta(10000); resultado_resta_10000tiros
## Resta Frecuencia Probabilidad
## 1 0 1687 0.1687
## 2 1 2804 0.2804
## 3 2 2217 0.2217
## 4 3 1668 0.1668
## 5 4 1102 0.1102
## 6 5 522 0.0522
Se puede apreciar una mayor probabilidad en la resta 1, con un 28.04% de probabilidad. Además, esta predominancia de la resta 1, coincide con el caso anterior de los 1000 lanzamientos. Por otro lado, la resta 5, es la que representa una probabilidad más baja con solo un 5%.
Se observa que hay una mayor probabilidad de que en la función suma los datos centrales de la tabla salgan como resultado. Además, en la resta, observamos una tendencia a que la resta 1 tenga una mayor probabilidad y es algo que se está presentando desde los casos anteriores.
set.seed(1111)
resultado_suma_100000tiros <- simular_dados_suma(100000); resultado_suma_100000tiros
## Suma Frecuencia Probabilidad
## 1 2 2714 0.02714
## 2 3 5599 0.05599
## 3 4 8263 0.08263
## 4 5 11167 0.11167
## 5 6 13989 0.13989
## 6 7 16758 0.16758
## 7 8 13968 0.13968
## 8 9 11082 0.11082
## 9 10 8248 0.08248
## 10 11 5429 0.05429
## 11 12 2783 0.02783
La tabla muestra la tendencía de las otras tablas, pero de manera más marcada. El 7 continua siendo el número con mayor frecuencias. Mientras quel 6 y 8 tienen una probabilidad muy similar. Concluyendo que el 7 es la media de la combinación de números.
set.seed(1111)
resultado_resta_100000tiros <- simular_dados_resta(100000); resultado_resta_100000tiros
## Resta Frecuencia Probabilidad
## 1 0 16667 0.16667
## 2 1 27673 0.27673
## 3 2 22109 0.22109
## 4 3 16693 0.16693
## 5 4 11189 0.11189
## 6 5 5669 0.05669
Teniendo en cuenta las tablas pasadas, la misma tendencía aparace en 100000 tiros.
Al analizar todos los intentos, se puede concluir que el 7 es el número con mayor combinaciones y que hay mayor probabilidad de que la resta entre dos números es 1. También se ve que esta tendencia es presente en todos los ensayos. En otras palabras, la cantidad de ensayos no cambia las tendencias vistas.