Probabilidad: Es el estudio de azar y la incertidumbre en cualquier situación en la cual varios posibles sucesos pueden ocurrir.
Es un valor entre 0 (imposible) y 1 (seguro).
Ejemplo: La probabilidad de que llueva hoy es de 0.70 (70%).

Experimento: Cualquier acción cuyo resultado esta sujeto a la incertidumbre.
Ejemplo: Lanzar una moneda al aire.

Instalar libreria

library(gtools)  
#install.packages("dice")
library(dice) 

Instalar libreria para resultados en fracción

#install.packages("MASS")
library(MASS)

¿Cuál es la probabilidad de obtener un 6 al lanzar un dado?

  un_seis <- getEventProb(nrolls = 1, ndicePerRoll = 1, nsidesPerDie = 6, eventList = list(6))
  un_seis 
## [1] 0.1666667
  fractions(un_seis)
## [1] 1/6

¿Cual es la probabilidad de obtener 5 en dos lanzamientos de dados consecutivos?

  dos_cincos <- getEventProb(nrolls = 2, ndicePerRoll = 1, nsidesPerDie = 6, eventList = list(5,5))
  dos_cincos
## [1] 0.02777778
  fractions(dos_cincos)
## [1] 1/36

¿Qué número es más probable al lanzar dos dados?

  sumar_dos <- getEventProb(nrolls = 1, ndicePerRoll = 2, nsidesPerDie = 6, eventList = list(2))
  sumar_tres <- getEventProb(nrolls = 1, ndicePerRoll = 2, nsidesPerDie = 6, eventList = list(3))
  sumar_cuatro <- getEventProb(nrolls = 1, ndicePerRoll = 2, nsidesPerDie = 6, eventList = list(4))  
  sumar_cinco <- getEventProb(nrolls = 1, ndicePerRoll = 2, nsidesPerDie = 6, eventList = list(5))
  sumar_seis <- getEventProb(nrolls = 1, ndicePerRoll = 2, nsidesPerDie = 6, eventList = list(6))
  sumar_siete <- getEventProb(nrolls = 1, ndicePerRoll = 2, nsidesPerDie = 6, eventList = list(7))
  sumar_ocho <- getEventProb(nrolls = 1, ndicePerRoll = 2, nsidesPerDie = 6, eventList = list(8))  
  sumar_nueve <- getEventProb(nrolls = 1, ndicePerRoll = 2, nsidesPerDie = 6, eventList = list(9))
  sumar_diez <- getEventProb(nrolls = 1, ndicePerRoll = 2, nsidesPerDie = 6, eventList = list(10)) 
  sumar_once <- getEventProb(nrolls = 1, ndicePerRoll = 2, nsidesPerDie = 6, eventList = list(11))
  sumar_doce <- getEventProb(nrolls = 1, ndicePerRoll = 2, nsidesPerDie = 6, eventList = list(12))
  suma <- c(2,3,4,5,6,7,8,9,10,11,12)
  probabilidad <- c(sumar_dos, sumar_tres, sumar_cuatro, sumar_cinco, sumar_seis, sumar_siete, sumar_ocho, sumar_nueve, sumar_diez, sumar_once, sumar_doce)  
  tabla <- cbind(suma, probabilidad)
  barplot(probabilidad, names.arg=suma, main="Probabilidad", xlab="Suma de 2 Dados", col="Tomato")  

Experimento: Mano de Poker

Instalar libreria y llamar paquete para manejo de funciones y vectores

  #install.packages("tidyverse")
  library(purrr)

Crear baraja inglesa

  numero <-c(2,3,4,5,6,7,8,9,"D","J","Q","K", "A")
  numeros<- (rep(numero,4))
  palo<-c("C", "D", "T", "P")
  palos<- rep(palo,13)
  baraja <- data.frame(numeros,palos)
  baraja
##    numeros palos
## 1        2     C
## 2        3     D
## 3        4     T
## 4        5     P
## 5        6     C
## 6        7     D
## 7        8     T
## 8        9     P
## 9        D     C
## 10       J     D
## 11       Q     T
## 12       K     P
## 13       A     C
## 14       2     D
## 15       3     T
## 16       4     P
## 17       5     C
## 18       6     D
## 19       7     T
## 20       8     P
## 21       9     C
## 22       D     D
## 23       J     T
## 24       Q     P
## 25       K     C
## 26       A     D
## 27       2     T
## 28       3     P
## 29       4     C
## 30       5     D
## 31       6     T
## 32       7     P
## 33       8     C
## 34       9     D
## 35       D     T
## 36       J     P
## 37       Q     C
## 38       K     D
## 39       A     T
## 40       2     P
## 41       3     C
## 42       4     D
## 43       5     T
## 44       6     P
## 45       7     C
## 46       8     D
## 47       9     T
## 48       D     P
## 49       J     C
## 50       Q     D
## 51       K     T
## 52       A     P

Crear el mazo de barajas

  mazo <- apply(format(baraja), 1, paste, collapse="")
  mazo
##    1    2    3    4    5    6    7    8    9   10   11   12   13   14   15   16 
## "2C" "3D" "4T" "5P" "6C" "7D" "8T" "9P" "DC" "JD" "QT" "KP" "AC" "2D" "3T" "4P" 
##   17   18   19   20   21   22   23   24   25   26   27   28   29   30   31   32 
## "5C" "6D" "7T" "8P" "9C" "DD" "JT" "QP" "KC" "AD" "2T" "3P" "4C" "5D" "6T" "7P" 
##   33   34   35   36   37   38   39   40   41   42   43   44   45   46   47   48 
## "8C" "9D" "DT" "JP" "QC" "KD" "AT" "2P" "3C" "4D" "5T" "6P" "7C" "8D" "9T" "DP" 
##   49   50   51   52 
## "JC" "QD" "KT" "AP"

Crear mano de cartas

  mano <- function(n) sample(mazo, n, rep = FALSE)
  mi_mano <- mano (5)
  mi_mano
##   32   48   43   51    3 
## "7P" "DP" "5T" "KT" "4T"

Conclusión

Este ejercicio se trató acerca de las probabilidades que hay cuando una persona esta jugando un juego al azar. La probabilidad no siempre es una verdad absoluta pero nos ayuda a tener en cuenta el contexto de una jugada y nos ayuda a tener una percepción de la evolución del juego.

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