Conviene haber comprendido Visualizar y comunicar hallazgos.
CONTENIDO ORIGINAL
Avanza en orden. Cada lección está redactada para Palta es Cool, utiliza ejemplos propios y termina con una actividad cuya respuesta puedes desplegar.
ANTES DE EMPEZAR
Ubícate antes de avanzar
Al terminar deberías poder relacionar Eventos y probabilidad con Distribuciones y resolver un caso nuevo.
Reserva entre 35 y 55 minutos para lectura, ejemplos, tres comprobaciones y cierre.
04 / PREPARA EL LABORATORIO
Instala R y luego RStudio. Conserva cada ejercicio en un proyecto separado.
Abrir la guía de herramientas →Diagnóstico rápido: ¿cómo se relacionan Eventos y probabilidad y Distribuciones? ＋
No necesitas acertar todavía. Escribe una hipótesis de dos líneas y compárala con tu respuesta al finalizar; si puedes corregirla y justificar el cambio, hubo aprendizaje.
Aprende el tema paso a paso
Construirás una base para la inferencia: representarás eventos, distinguirás probabilidad conjunta y condicional, reconocerás distribuciones frecuentes y usarás simulación para comprobar intuiciones.
Al terminar podrás
- La probabilidad cuantifica incertidumbre dentro de un modelo
- Una variable aleatoria conecta resultados con probabilidades
- La simulación aproxima comportamientos repitiendo un experimento
01
Eventos y condiciones
La probabilidad cuantifica incertidumbre dentro de un modelo
El espacio muestral reúne resultados posibles y un evento es un subconjunto de ellos. Unión, intersección y complemento combinan eventos. La probabilidad condicional cambia el universo de referencia cuando ya conocemos información.
P(A o B) considera la unión y evita contar dos veces la intersección.
P(A y B) describe ocurrencia conjunta.
P(A dado B) usa solo los casos donde B ocurrió.
Si A y B son independientes, ¿conocer B cambia la probabilidad de A?
Mostrar respuesta ＋
No. En el modelo de independencia, P(A dado B) es igual a P(A). Que dos eventos sean distintos o no ocurran juntos no significa automáticamente que sean independientes.
02
Distribuciones
Una variable aleatoria conecta resultados con probabilidades
Las distribuciones discretas asignan probabilidad a valores contables; las continuas describen densidad sobre intervalos. Binomial modela éxitos en ensayos comparables, Poisson cuenta eventos y normal representa muchos fenómenos aproximadamente simétricos.
d*: densidad o masa en un valor.
p*: probabilidad acumulada hasta un valor.
q* y r*: cuantiles y generación aleatoria.
¿pnorm(60, 50, 8) entrega la altura de la curva normal en 60?
Mostrar respuesta ＋
No. Entrega la probabilidad acumulada hasta 60. La altura de la densidad se obtiene con dnorm(), y por sí sola no es una probabilidad puntual.
03
Simular para comprender
La simulación aproxima comportamientos repitiendo un experimento
R puede generar resultados bajo supuestos conocidos y repetir un cálculo miles de veces. Esto permite explorar variabilidad, aproximar probabilidades y comprobar un procedimiento. set.seed() hace repetible la secuencia pseudoaleatoria.
Define con claridad el mecanismo que genera los datos.
Repite y resume la distribución de resultados.
Compara la simulación con una solución teórica o evidencia real.
¿set.seed(42) vuelve verdaderos los supuestos de la simulación?
Mostrar respuesta ＋
No. Solo permite reproducir la misma secuencia pseudoaleatoria. La validez depende de que el modelo represente razonablemente el proceso estudiado.
Tu recorrido en tres ideas
- La probabilidad cuantifica incertidumbre dentro de un modelo
- Una variable aleatoria conecta resultados con probabilidades
- La simulación aproxima comportamientos repitiendo un experimento
CIERRE DE LA SECCIÓN
Comprueba que puedes usarlo
Antes de continuar, revisa estos tropiezos frecuentes y resuelve un caso sin copiar los ejemplos.
Confundir probabilidad condicional con probabilidad conjunta.
Elegir una distribución por su nombre sin revisar cómo se generan los datos.
Ahora hazlo sin guía
Modela respuestas de diez contactos con una binomial, calcula una probabilidad teórica y compruébala mediante simulación reproducible.
Mostrar pauta de corrección ＋
Una respuesta sólida:
- Define resultados, independencia y probabilidad de éxito.
- Usa correctamente funciones d, p, q o r según la pregunta.
- Compara teoría y simulación explicando el error de Monte Carlo.