En el siguiente informe se presentará un ejemplo simple de una simulación, donde se observará el lanzamiento simulado de dos dados en R, de este lanzamiento se evaluará: - La probabilidad de obtener cada valor en 10 lanzamientos - La probabilidad de obtener cada valor en 100, 1000, 10000 y 10000 lanzamientos - La diferencia entre la formula probabilística teórica, contra los valores experimentales Se presentarán los resultados obtenidos, con sus respectivas observaciones y conclusiones generales tanto de la simulación como los resultados, como también el código usado para la simulación hecha en R.
set.seed(2024)
lanzamientos = function(B){
lanzamientoSuma=0
lanzamientoResta=0
for(i in 1:B){
dados = sample(1:6, 2, replace=TRUE)
a = dados[1]
b = dados[2]
lanzamientoSuma[i]=a+b
lanzamientoResta[i]=abs(a-b)
}
tablaSuma = table(lanzamientoSuma)/B
tablaResta = table(lanzamientoResta)/B
print(tablaSuma)
print(tablaResta)
}
Primero fijamos la semilla en el codigo y definimos la funcion “dados”. Se inicializaron los arreglos donde se iban a guardar los resultados de la suma y la resta.
Inicimaos un ciclo que realizara una cantidad de lanzamientos determinados por el usuario. En la variable dados declaramos una funcion que realiza el lanzamiento aleatorio de los dos dados, desde el intervalo de 1 a 6. Se nombra el primer dado como a y el segundo como b y se agregan dos arreglos los cuales guardan los resultados de la suma y la resta del resultados.
Con la funcion table se realiza la tabla que muestra los resultados y la probabilidad de cada uno. Finalizamos mostrando los resultados con la funcion print.
p(2) = 0,027777778
p(3) = 0,055555556
p(4) = 0,083333333
p(5) = 0,111111111
p(6) = 0,138888889
P(7) = 0,166666667
p(8) = 0,138888889
p(9) = 0,111111111
p(10) = 0,083333333
p(11) = 0,055555556
p(12) = 0,027777778
lanzamientos(10)
## lanzamientoSuma
## 3 4 6 7 8 9 10
## 0.1 0.1 0.2 0.2 0.2 0.1 0.1
## lanzamientoResta
## 0 1 2 3 4
## 0.1 0.2 0.3 0.2 0.2
Como se puede evidenciar en los primeros 10 lanzamientos no se obtienen todos los valores para la suma. Por otra parte se detallan los datos de esta tabla vs los teoricos, se puede evidenciar que las probabilidades entre mas se alejan de la mediana, mas diferencia hay contra la parte teórica.
lanzamientos(100)
## lanzamientoSuma
## 2 3 4 5 6 7 8 9 10 11 12
## 0.07 0.07 0.08 0.15 0.16 0.14 0.12 0.11 0.05 0.03 0.02
## lanzamientoResta
## 0 1 2 3 4 5
## 0.20 0.24 0.23 0.19 0.07 0.07
En la simulación de los 100 lanzamientos ya se encuentran todos los valores posibles para la suma de las dos caras, y como se evidencia, en cuanto los datos se van “alejando” de la mediana su probabilidad va disminuyendo. Para una mejor aproximacion a el escenario teorico ideal, se debe realizar una alta cantidad de lanzamientos como es el caso de esta simulación, para obtener resultados similares a la teórica.
lanzamientos(1000)
## lanzamientoSuma
## 2 3 4 5 6 7 8 9 10 11 12
## 0.023 0.049 0.083 0.116 0.139 0.166 0.131 0.115 0.080 0.070 0.028
## lanzamientoResta
## 0 1 2 3 4 5
## 0.149 0.283 0.234 0.174 0.101 0.059
lanzamientos(10000)
## lanzamientoSuma
## 2 3 4 5 6 7 8 9 10 11 12
## 0.0269 0.0529 0.0797 0.1077 0.1428 0.1760 0.1349 0.1116 0.0840 0.0569 0.0266
## lanzamientoResta
## 0 1 2 3 4 5
## 0.1622 0.2804 0.2236 0.1668 0.1091 0.0579
lanzamientos(100000)
## lanzamientoSuma
## 2 3 4 5 6 7 8 9 10 11
## 0.02810 0.05694 0.08492 0.10936 0.13755 0.16551 0.13931 0.11279 0.08285 0.05554
## 12
## 0.02713
## lanzamientoResta
## 0 1 2 3 4 5
## 0.16585 0.27899 0.22210 0.16637 0.11191 0.05478
Ya para los 100000 lanzamientos se puede evidenciar que aunque hay muy pequeñas diferencias, el valor dado en la parte experimental se hace muy similar al obtenido en la formula teórica presentada, por lo que es correcto concluir dos cosas, la primera es que entre mas lanzamientos se hagan mas cercano va a estar a la teoría, y la segunda es que este particular caso de lanzar dos dados y sumar sus caras, es muy similar a una función gausiana.
p(0) = 0,16666667
p(1) = 0,27777778
p(2) = 0,22222222
p(3) = 0,16666667
p(4) = 0,11111111
p(5) = 0,05555556
lanzamientos(10)
## lanzamientoSuma
## 4 5 6 7 9 10 12
## 0.1 0.2 0.1 0.1 0.3 0.1 0.1
## lanzamientoResta
## 0 1 2 3 4 5
## 0.1 0.3 0.2 0.2 0.1 0.1
Los primeros lanzamientos suelen ser los menos certeros en términos de probabilidad y exactitud al momento de medir esta misma, por esta razón se puede evidenciar que la “linealidad” que tenía la formula teórica sin contar el 0, en los primeros 10 lanzamientos se pierde.
lanzamientos(100)
## lanzamientoSuma
## 2 3 4 5 6 7 8 9 10 11 12
## 0.03 0.06 0.05 0.09 0.19 0.14 0.09 0.16 0.09 0.08 0.02
## lanzamientoResta
## 0 1 2 3 4 5
## 0.21 0.35 0.17 0.15 0.09 0.03
En los 100 lanzamientos ya la “linealidad” se empieza a obtener y a diferencia de los primeros 10 lanzamientos que no se obtuvo un valor de resta igual a 5 en este caso si se obtuvieron muy pocos casos.
lanzamientos(1000)
## lanzamientoSuma
## 2 3 4 5 6 7 8 9 10 11 12
## 0.041 0.057 0.082 0.093 0.141 0.175 0.132 0.115 0.083 0.058 0.023
## lanzamientoResta
## 0 1 2 3 4 5
## 0.174 0.265 0.229 0.179 0.099 0.054
lanzamientos(10000)
## lanzamientoSuma
## 2 3 4 5 6 7 8 9 10 11 12
## 0.0262 0.0559 0.0824 0.1140 0.1435 0.1663 0.1344 0.1154 0.0825 0.0513 0.0281
## lanzamientoResta
## 0 1 2 3 4 5
## 0.1634 0.2721 0.2241 0.1741 0.1096 0.0567
lanzamientos(100000)
## lanzamientoSuma
## 2 3 4 5 6 7 8 9 10 11
## 0.02954 0.05495 0.08488 0.11055 0.13839 0.16599 0.13971 0.11109 0.08277 0.05465
## 12
## 0.02748
## lanzamientoResta
## 0 1 2 3 4 5
## 0.16877 0.27514 0.22288 0.16664 0.11112 0.05545
Ya en los 100000 lanzamientos pasa lo mismo que en el caso de la suma, la diferencia contra la tabla creada por la formula teórica, es cada vez menor, esto nos verifica que la hipótesis en la formula teórica es acertada.
En conclusión, para la sumatoria se tiene una función gaussiana, que la mediana será el valor mas alto que se pueda obtener en términos de la probabilidad, y la resta el mayor valor será el 1 e ira disminuyendo entre mas grande sea el valor de la resta, además de esto se pueden comprender un poco más la teórica y la parte experimental donde se puede observar que, las fórmulas teóricas usan un entorno “perfecto” donde de los 36 posibles casos los mide como si salieran cada uno diferente y de ese modo, se puede tener como una referencia para los posibles datos que vayamos a obtener.