PROBABILIDAD

Probabilidad: 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 accion cuyo resultado esta sujeto a la incertidumbre #Ejemplo: Lanzar una moneda al aire

Experimiento: Lanzar un dado

Instalar libreria y llamar paquete para el experimento de lanzar un dado

#install.packages("dice")
  library(dice)
## Loading required package: gtools
#install.packages("MASS")
  library(MASS)

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

dos_cinco <- getEventProb(nrolls = 1, ndicePerRoll = 2, nsidesPerDie = 6, eventList = list(5))
  dos_cinco
## [1] 0.1111111
  fractions(dos_cinco) 
## [1] 1/9

Cual es el numero mas probable de alcanzar 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("T","C","P","D")
    palos <- rep(palo,13)
    baraja <- data.frame(numero,palos)

Crear la 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 
## "2T" "3C" "4P" "5D" "6T" "7C" "8P" "9D" "DT" "JC" "QP" "KD" "AT" "2C" "3P" "4D" 
##   17   18   19   20   21   22   23   24   25   26   27   28   29   30   31   32 
## "5T" "6C" "7P" "8D" "9T" "DC" "JP" "QD" "KT" "AC" "2P" "3D" "4T" "5C" "6P" "7D" 
##   33   34   35   36   37   38   39   40   41   42   43   44   45   46   47   48 
## "8T" "9C" "DP" "JD" "QT" "KC" "AP" "2D" "3T" "4C" "5P" "6D" "7T" "8C" "9P" "DD" 
##   49   50   51   52 
## "JT" "QC" "KP" "AD"

Crear mano de cartas

mano <- function(n) sample(mazo,n,rep=FALSE)
    mi_mano <- mano(5)
    mi_mano
##    9   19   11   49   17 
## "DT" "7P" "QP" "JT" "5T"

Conclusion

Durante esta actividad en R studio pudimos trabajar con probabilidades, realizamos un ejercicio para conocer la probabilidad de obtener distintos resultados en un dado con distintos escenarios, después creamos la baraja inglesa para el experimento de Mano de Póker.

Por otro lado podemos recalcar la importancia de esta actividad con otros tipos de experimentos que se puedan llegar a obtener a traves de la probabilidad en la vida diaria desde probabilidades de éxito en un negocio hasta para tener diferentes escenarios para una toma de decisiones.

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