Montecarlo

#### Simulación Monte Carlo: Slot Machine Zitro Altius Glare ####
set.seed(2025)

# Parámetros
n_days <- 10000          # Simular 10,000 días
plays_per_day <- 8000    # Jugadas diarias
bet <- 10                # Apuesta por jugada (pesos)

# Tabla de pagos (veces la apuesta)
results <- c("Jackpot", "Grande", "Chico", "Nada")
probs   <- c(0.001, 0.01, 0.10, 0.889)
payouts <- c(200, 20, 2, 0)

# Simulación de ganancias diarias
casino_gains <- numeric(n_days)

for (d in 1:n_days) {
  # Generar jugadas del día
  outcomes <- sample(payouts, plays_per_day, replace = TRUE, prob = probs)
  
  # Dinero que pagan al jugador (premios)
  payouts_day <- sum(outcomes * bet)
  
  # Dinero que recibe la máquina por apuestas
  bets_day <- plays_per_day * bet
  
  # Ganancia neta para el casino
  casino_gains[d] <- bets_day - payouts_day
}

# Estadísticos básicos
mean_gain <- mean(casino_gains)
sd_gain   <- sd(casino_gains)
prob_loss <- mean(casino_gains < 0)

# Resultados
cat("Ganancia promedio por día: $", round(mean_gain,2), "\n")

## Ganancia promedio por día: $ 32005.24

cat("Desviación estándar (variabilidad): $", round(sd_gain,2), "\n")

## Desviación estándar (variabilidad): $ 5933.1

cat("Probabilidad de pérdidas en un día:", round(prob_loss*100,2), "%\n")

## Probabilidad de pérdidas en un día: 0.01 %

# Histogramas para visualizar
hist(casino_gains, breaks=50, col="lightblue", border="black",
     main="Distribución de Ganancias Diarias del Casino",
     xlab="Ganancia por día (pesos)")
abline(v=mean_gain, col="red", lwd=2, lty=2)