Que el estudiante entienda la probabilidad como una referencia teórica y la frecuencia relativa como una estimación experimental que tiende a estabilizarse cuando repetimos muchas veces el experimento.
Si una moneda tiene 50% de probabilidad de salir cara, ¿eso significa que en 10 lanzamientos van a salir exactamente 5 caras?
La probabilidad no se ve de manera directa. Lo que observamos son resultados concretos. Al repetir muchas veces el experimento, las frecuencias relativas empiezan a acercarse a un patrón estable.
Un experimento aleatorio es una acción que puede repetirse bajo condiciones parecidas, pero cuyo resultado puntual no se conoce con certeza de antemano. Lanzar una moneda, tirar un dado o extraer una bolilla de una urna son ejemplos clásicos.
Cada posible resultado individual forma parte del espacio de resultados. Por ejemplo, en una moneda los resultados posibles son cara y ceca. En un dado, los resultados posibles son 1, 2, 3, 4, 5 y 6. En una urna, los resultados pueden ser rojo, azul o verde.
Un evento es algo que nos interesa seguir. Puede ser “sale cara”, “sale un 6” o “sale una bolilla roja”. En esta web, el menú Resultado a seguir te deja elegir justamente qué evento querés monitorear.
La probabilidad expresa qué tan esperable es un resultado antes de observar una larga secuencia de datos. Es una referencia teórica, un modelo.
En casos equiprobables, una manera intuitiva de pensarlo es:
Así, si un dado es equilibrado, la probabilidad de obtener un 6 es:
Pero en muchos problemas reales no partimos de casos perfectamente equiprobables: a veces hay sesgo. Por eso esta página también permite alterar la moneda o la composición de la urna.
Cuando repetimos el experimento, contamos cuántas veces ocurrió cada resultado. Ese conteo es la frecuencia absoluta.
Si llamamos n(A) a la cantidad de veces que ocurrió el evento A y N al total de ensayos, la frecuencia relativa es:
La frecuencia relativa se interpreta como la proporción observada del evento en los datos.
En pocas observaciones, la frecuencia relativa puede moverse mucho. Eso no es un error: es parte natural de la aleatoriedad. Con más repeticiones, esas oscilaciones suelen volverse menos bruscas y la frecuencia empieza a estabilizarse alrededor de la probabilidad teórica.
No hace falta que coincida exactamente. La idea importante es otra: con muchos datos, el patrón global suele verse mejor que con pocos.
Esta intuición está detrás de una idea central de la estadística: para estudiar fenómenos inciertos necesitamos observar repetición, no un único caso aislado.
Un error frecuente es pensar que una racha “rara” contradice la probabilidad. No es así. Que aparezcan varias caras seguidas o varios rojos consecutivos puede ocurrir aun en experimentos equilibrados.
Lo importante es distinguir entre:
Por eso conviene mirar no solo el último resultado, sino también la trayectoria de la frecuencia y la comparación con la referencia teórica.
Cuando la variable toma pocos valores posibles, como en una moneda, un dado o una urna con colores, es natural resumir los datos con barras por categoría.
En esta página, cada barra observada muestra qué proporción de veces apareció cada resultado en la muestra visible. La barra teórica muestra cuál sería la referencia esperada según el modelo configurado.
En variables discretas, este tipo de gráfico cumple el papel de un histograma simplificado: ayuda a ver cómo se reparte la masa de probabilidad o la masa de observaciones entre distintos resultados.
Con Experimento podés pasar de Moneda a Dado o Urna. En Resultado a seguir elegís qué evento querés monitorear en la curva principal: por ejemplo, cara, el 6 o rojo.
La curva grande muestra cómo cambia la frecuencia relativa acumulada de ese resultado a medida que aumentan los ensayos visibles.
En moneda, el control Prob. de cara permite sesgar el experimento. En urna, los controles de bolillas rojas, azules y verdes cambian la composición del sistema. En el dado, las caras quedan equiprobables: sirve como caso de referencia estable.
El control Semilla cambia la realización concreta del experimento. Si mantenés la misma configuración y cambiás solo la semilla, cambia la secuencia puntual, pero no la lógica general del modelo.
Ensayos totales define cuántas repeticiones genera la simulación. Ensayos visibles te deja decidir hasta qué parte de esa secuencia querés mirar.
Esto es útil para comparar una muestra chica contra una muestra grande sin cambiar el experimento completo. Es una muy buena forma de mostrar por qué con 20 observaciones puede parecer una cosa y con 500 puede verse otra.
Durante la reproducción, conviene mirar cómo la curva primero oscila bastante y luego suele estabilizarse más.
La pregunta de fondo es siempre la misma: ¿qué parte de lo que veo es ruido de corto plazo y qué parte parece un patrón persistente?
| Resultado | Conteo | Frecuencia observada | Probabilidad teórica | Diferencia |
|---|
No. En pocas observaciones puede alejarse bastante. La idea es que, al aumentar mucho la cantidad de ensayos, la frecuencia relativa tienda a acercarse a ese valor.
No. Las rachas también forman parte del comportamiento aleatorio. La probabilidad describe el patrón global, no garantiza alternancia perfecta ni regularidad en cada tramo corto.
Porque demanda, llegadas, defectos y tiempos pueden fluctuar. Para decidir mejor necesitamos distinguir entre una variación puntual y un patrón repetido en los datos.