En la estadística, siempre se tiene que tener en cuenta los resultados obtenidos de manera empírica y de manera teórica. Para lograr una comparación mucho más exacta, es necesario realizar múltiples experimentos o aplicaciones, lo que puede ser engorroso por lo complicado y tardado que podría llegar a evaluarlo físicamente. Por lo anterior, se suelen crear simulaciones para lograr, de esta manera, revisar los datos con mayor precisión.
En el presente informe se evalúa y analiza una simulación en el programa R, donde se suman y se restan los valores obtenidos al lanzar los dados de manera simultánea. El objetivo de esta actividad es comparar los datos arrojados por el código de R con los que se obtienen en la teoría, para así demostrar que estos se acercan cada vez más a los teóricos cuando se realizan los experimentos bastantes veces.
Para esta actividad, creamos un código en el lenguaje R, el cual está encargado de simular el lanzamiento de los dados y llevar el conteo de la cantidad de veces que aparece determinado valor, tanto el de las sumas de los dos dados como el de el valor absoluto de las restas. Esto lo hacemos con el fin de tener a mano las probabilidades de que aparezca cada valor para poder analizar los resultados más adelante.
Luego de realizar el código y las simulaciones, se llegaron a unos resultados. En esta sección, se dividirán las simulaciones por el número de lanzamientos solicitados en el trabajo.
Para en el caso de las sumas, se cuantifican las posibilidades desde que el resultado sea igual a 2, hasta que el valor sea igual a 12. Estos valores se agregaron en una lista específica para las sumas, para posteriormente graficarlos en un diagrama de dispersión. En la Figura 1 se muestra la gráfica de las sumas.
library("ggplot2")
dado = function(B){
set.seed(41564)
restas = {}
sumas = {}
propSum = integer(12) # lista de enteros de 12 elementos
propSub = integer(6) # lista de enteros de 6 elementos
for (i in 1:B) { #Hacer B lanzamientos
lanzamiento <- sample(1:6,1,replace = TRUE) #lanzamiento 1
lanzamiento2 <- sample(1:6,1,replace = TRUE) #lanzamiento 2
sumas[i] <- lanzamiento + lanzamiento2 #calculo de suma
restas[i] <- abs(lanzamiento - lanzamiento2) #calculo del valor absoluto de la resta
propSum[sumas[i]] <- propSum[sumas[i]]+(1/B) #sumar 1 a la cantidad de veces que ha salido este valor de la suma
propSub[restas[i]+1] <- propSub[restas[i]+1]+(1/B) #sumar 1 a la cantidad de veces que ha salido este valor de la resta
}
return(list("ProbSumas" = propSum, "ProbRestas" = propSub, "Sumas" = sumas, "Restas" = restas))
}
ans <- dado(10)
plot(ans$ProbSumas, main = "Figura 1", xlab = "Valor de la suma", ylab = "Probabilidad")
| Suma | Probabilidad |
|---|---|
| 2 | 0.0 |
| 3 | 0.0 |
| 4 | 0.1 |
| 5 | 0.3 |
| 6 | 0.1 |
| 7 | 0.2 |
| 8 | 0.2 |
| 9 | 0.0 |
| 10 | 0.1 |
| 11 | 0.0 |
| 12 | 0.0 |
Como se puede observar en la gráfica, al ser pocos lanzamientos, hay algunos datos que no fueron resultados, como el 2, 3, 9, 11 y 12. No obstante hay valores que fueron mayores a comparación con los demás, como lo es en este caso el 5, 7 y 8. El valor como el 1 siempre dará 0 al ser un valor imposible dentro de las posibilidades.
Por otro lado, en las restas, se siguió el mismo método de las sumas, al igual que se graficaron en el mismo modelo de la Figura 1, sin embargo, para todas las graficas de las restas se le debe restar 1 en el eje X ya que los posbles resultados van de 0 a 5. Los resultados se pueden evidenciar en la Figura 2.
| Restas | Probabilidad |
|---|---|
| 0 | 0.1 |
| 1 | 0.2 |
| 2 | 0.2 |
| 3 | 0.3 |
| 4 | 0.2 |
| 5 | 0.0 |
Al observar los datos, el número 5 fue el que no logró ser un resultado de las restas. Aún así, todos los demás valores fueron un resultado de la resta de ambos dados. El valor con mayor probabilidad fue el 3
Para la segunda simulación de la suma, al ser aún mayor los lanzamientos de los dados, ya todos los resultados tienen una probabilidad de aparecer, siendo el 2 el de menor probabilidad, como se puede observar en la Figura 3.
| Suma | Probabilidad |
|---|---|
| 2 | 0.01 |
| 3 | 0.006 |
| 4 | 0.09 |
| 5 | 0.16 |
| 6 | 0.11 |
| 7 | 0.15 |
| 8 | 0.17 |
| 9 | 0.09 |
| 10 | 0.06 |
| 11 | 0.07 |
| 12 | 0.03 |
La mayor probabilidad ya no sería el 5 como la anterior simulación, sino que el 8 tendría una mayor probabilidad de ser un resultado. En esta simulación, los valores son más variados que los anteriores. Se espera ver una tendencia en lo que se continúan realizando simulaciones de mayores lanzamientos.
Para la resta se puede observar los resultados en la Figura 4.
| Restas | Probabilidad |
|---|---|
| 0 | 0.12 |
| 1 | 0.31 |
| 2 | 0.28 |
| 3 | 0.14 |
| 4 | 0.07 |
| 5 | 0.08 |
Como se puede observar, el número 4 pasó de tener un valor elevado en 10 lanzamientos, a un valor menor. Del mismo modo, números como el 3 también disminuyeron la probabilidad. Por otro lado, el 1 y 2 tienen los mayores valores.
Para la suma, se puede evidenciar una clara tendencia a los números intermedios, puesto que entre el 4 y el 10, los valores se encuentran en el mayor rango de probabilidades, mientras que los valores 2, 3, 11 y 12 son los que menos probabilidades tienen de ser un resultado. La gráfica de dispersión la pueden observar en la Figura 5.
| Suma | Probabilidad |
|---|---|
| 2 | 0.027 |
| 3 | 0.044 |
| 4 | 0.093 |
| 5 | 0.125 |
| 6 | 0.136 |
| 7 | 0.162 |
| 8 | 0.128 |
| 9 | 0.116 |
| 10 | 0.089 |
| 11 | 0.056 |
| 12 | 0.024 |
La resta, por otra parte, tiene un comportamiento totalmente diferente al de la suma, siendo los menores números los que mayor probabilidad tienen de aparecer, a excepción del 0 que sigue siendo baja en comparacion con el 1 y 2. Aún así, en comparción con la Figura 4 las veces que la resta es 4 aumentaron. En la Figura 6 se ven los resultados.
| Restas | Probabilidad |
|---|---|
| 0 | 0.146 |
| 1 | 0.278 |
| 2 | 0.248 |
| 3 | 0.172 |
| 4 | 0.103 |
| 5 | 0.053 |
En el gráfico de la suma al ser diez mil lanzamientos, como se puede observar en la Figura 7, la tendencia a ser valores en el rango intermedio se vuelve cada vez más marcado. Lo anterior se puede observar por la forma de la gráfica, ya que esta tiene una apariencia totalmente recta en sus laterales.
| Suma | Probabilidad |
|---|---|
| 2 | 0.0274 |
| 3 | 0.0559 |
| 4 | 0.0817 |
| 5 | 0.1121 |
| 6 | 0.1377 |
| 7 | 0.1644 |
| 8 | 0.1393 |
| 9 | 0.1120 |
| 10 | 0.0846 |
| 11 | 0.0588 |
| 12 | 0.0261 |
Valores como el 2 y el 12 se mantienen como los más improbables, donde inclusive pareciera que ambos valores tuvieran el mismo porcentaje de probabilidad con solo mirar la gráfica.
Con las restas, por otra parte, se sigue viendo la misma tendencia de sesgo positivo, a excepción del resultado número 0. Por otro lado, el valor del 5 tiene aún muy pocas probabilidades de ser un resultado posible. Los resultados de esta simulación se pueden ver en la Figura 8.
| Restas | Probabilidad |
|---|---|
| 0 | 0.1598 |
| 1 | 0.2831 |
| 2 | 0.1643 |
| 3 | 0.1643 |
| 4 | 0.1144 |
| 5 | 0.0558 |
Por último, se realizó esta simulación con cien mil lanzamientos. Al ser la de mayor lanzamientos y también la última en ser analizada, se llegarán en esta sección a conclusiones de las tendencias de los resultados de manera general.
En el caso de las sumas, se puede observar un comportamiento simétrico, siendo el resultado de 7 el que mayores probabilidades tiene para aparecer, con un valor exacto del 0.16822. A comparación de los otros resultados, aunque a simple vista pareciera que tienen los mismos resultados, la realidad es que estás separados por milésimas. Por ejemplo, el valor de 6 y 8 son 0.13992 y 0.13855 respectivamente. La gráfica final de las sumas se puede ver en la Figura 9.
| Suma | Probabilidad |
|---|---|
| 2 | 0.02770 |
| 3 | 0.05599 |
| 4 | 0.08266 |
| 5 | 0.10876 |
| 6 | 0.13992 |
| 7 | 0.16822 |
| 8 | 0.13855 |
| 9 | 0.10999 |
| 10 | 0.08281 |
| 11 | 0.05708 |
| 12 | 0.02832 |
En los resultados de las restas, se puede concluir que tiene un comportamiento de sesgo positivo, aunque el valor de resultado 0 tiene una baja probabilidad de 0.16622. Aún así, el valor que mayor probabilidad tiene es el que le sigue al 0, siendo el 1 con una probabilidad del 0.27810. Del 1 en adelante, se puede observar una disminución controlada de las probabilidades, pues pareciera que tiene el comportamiento de una recta. Cómo se monitorea en los anteriores datos, el resultado de 5 continuó siendo el más improbable, teniendo un número de apariciones correspondiente al 0.05569 de todos los datos obtenidos en el experimento. La gráfica de dispersión se puede observar en la Figura 10.
| Restas | Probabilidad |
|---|---|
| 0 | 0.16622 |
| 1 | 0.27810 |
| 2 | 0.22108 |
| 3 | 0.16625 |
| 4 | 0.11266 |
| 5 | 0.05569 |
Para terminar, se pudo evidenciar que, cuanto mayor sea el número de veces que se repite el experimento, mayor será la precisión con la que se podrá trabajar con los datos. Del mismo modo, se pudo evidenciar la tendencia de los datos, cada vez que se aumentaba de valor los lanzamientos, lo que nos da una visualización detallada de las gráficas y, por lo tanto, un mejor análisis. Además, comparados los resultados obtenidos en esta actividad con los que se pueden calcular de manera teórica con una fórmula, se sabe que estos dos se acercarán cada vez más en cuanto el número de lanzamientos sea mayor. Por lo tanto, si se tiende el número de lanzamientos al infinito, se podría obtener el valor que arrojaría la fórmula en la teoría.