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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