El problema de Monty Hall en estadística

Autor: | Última modificación: 2 de agosto de 2022 | Tiempo de Lectura: 3 minutos
Temas en este post:

El problema de Monty Hall en estadística no es más que un claro ejemplo de cómo se lleva a cabo un proceso de análisis estadístico para el manejo de los macrodatos. En este post, te explicamos cómo el problema de Monty Hall en estadística funciona como una gran práctica para comprender este campo en el manejo del Big Data.

El problema de Monty Hall en estadística

El problema de Monty Hall en estadística recibe su nombre tras el programa de televisión Let’s Make a Deal presentado por Monty Hall en la década de 1970. El enunciado más famoso del problema, extraído de Parade Magazine en 1990:

Supón que estás en un concurso y se te ofrece escoger entre tres puertas: detrás de una de ellas hay un coche y detrás de las otras, cabras. Escoges una puerta, digamos la nº1, y el presentador, que sabe lo que hay detrás de las puertas, abre otra, digamos la nº3, que contiene una cabra. Entonces te pregunta: «¿No prefieres escoger la nº2?». ¿Es mejor para ti cambiar tu elección?

Hay tres hipótesis:

  • H1: el coche está tras la puerta 1.
  • H2: el coche está tras la puerta 2.
  • H3: el coche está tras la puerta 3.

Evidentemente, como no tienes ningún tipo de información adicional:

El problema de Monty Hall en estadística 1

La evidencia vendrá de Monty abriendo una puerta, evidentemente sabrás que:

  • Monty siempre abrirá una puerta de las 2 que no hayamos seleccionado.
  • Monty nunca abrirá la puerta que tenga el coche.

Interesado en la probabilidad de que el coche esté detrás de una puerta utilizando nuestro conocimiento: imagina que el concursante selecciona la puerta 1, a continuación Monty selecciona la puerta 3. Las siguientes probabilidades condicionales ocurren:

  • Condición, el coche está tras la puerta 1: puede abrir igualmente la puerta 2 o 3.
El problema de Monty Hall en estadística 2
  • Condición, el coche está tras la puerta 2: puede abrir solo la puerta 3.
El problema de Monty Hall en estadística 3
  • Condición, el coche está tras la puerta 3: no podría abrir esa puerta.
El problema de Monty Hall en estadística 4

Desde este punto de vista, la probabilidad marginal de que Monty elija la puerta 2 o 3 es la misma, porque no sabes dónde está el coche. Solo sabes que nunca elegirá la puerta 1, porque es la que seleccionó el concursante:

El problema de Monty Hall en estadística 5

Ahora hay dos opciones, cambiar a la puerta 2 o mantenerse en la puerta 1.

  • Se mantiene en puerta 1, sabiendo que la puerta 3 no tiene premio:
El problema de Monty Hall en estadística 6
  • Se cambia a la puerta 2, sabiendo que la puerta 3 no tiene premio:
El problema de Monty Hall en estadística 7

Así, se ve que la probabilidad de cambiar de puerta es 2/3, mientras que la probabilidad de mantenerse con la original es 1/3.

N<-10000
puerta_con_premio<-floor(runif(N,min=1,max=4))

seleccion_inicial_del_concursante<-floor(runif(N,min=1,max=4))
seleccion_cambiada_del_concursante<-rep(NA,N)

for (i in 1:N){
    
    # Monty selecciona una puerta
    if (puerta_con_premio[i]==1){
        if (puerta_con_premio[i]==seleccion_inicial_del_concursante[i]){
            seleccion_monty<-ifelse(runif(1)>0.5,2,3)
        }else{
            seleccion_monty<-ifelse(seleccion_inicial_del_concursante[i]==3,2,3)
        }
    }else if (puerta_con_premio[i]==2){
        if (puerta_con_premio[i]==seleccion_inicial_del_concursante[i]){
            seleccion_monty<-ifelse(runif(1)>0.5,1,3)
        }else{
            seleccion_monty<-ifelse(seleccion_inicial_del_concursante[i]==3,1,3)
        }        
    }else if (puerta_con_premio[i]==3){
        if (puerta_con_premio[i]==seleccion_inicial_del_concursante[i]){
            seleccion_monty<-ifelse(runif(1)>0.5,1,2)
        }else{
            seleccion_monty<-ifelse(seleccion_inicial_del_concursante[i]==1,2,1)
        }
    }
    
    # El concursante selecciona otra puerta
    puertas_prohibidas<-c(seleccion_monty,seleccion_inicial_del_concursante[i])
    seleccion_cambiada_del_concursante[i]<-which(is.na(match(1:3,puertas_prohibidas)))    
}

p1<-mean(seleccion_inicial_del_concursante==puerta_con_premio)
print(paste0("Si el concursante nunca cambia de puerta la probabilidad de acertar es:",p1))
p2<-mean(seleccion_cambiada_del_concursante==puerta_con_premio)
print(paste0("Si el concursante siempre cambia de puerta la probabilidad de acertar es:",p2))

Aprende más sobre el Big Data

Has aprendido qué es el problema de Monty Hall en estadística; no obstante, sabemos que todavía queda mucho más por aprender de este campo. Por ello, te presentamos nuestro Bootcamp Full Stack Big Data, Inteligencia Artificial & Machine Learning, una formación intensiva que te permitirá convertirte en un experto del sector IT.

En él aprenderás acerca del proceso de ingesta, clasificación, resguardo, procesamiento y presentación de los datos utilizando diferentes herramientas. ¡Infórmate y empieza ahora!

👉 Descubre más del Big Data, Inteligencia Artificial & Machine Learning Full Stack Bootcamp ¡Descarga el temario!

👉 Prueba el Bootcamp Gratis por una Semana ¡Empieza ahora mismo!

👉 Conoce nuestros otros Bootcamps en Programación y Tecnología

[email protected]

¿Trabajo? Aprende a programar y consíguelo.

¡No te pierdas la próxima edición del Aprende a Programar desde Cero Full Stack Jr. Bootcamp!

 

Prepárate en 4 meses, aprende las últimas tecnologías y consigue trabajo desde ya. 

 

Solo en España hay más de 120.400 puestos tech sin cubrir, y con un sueldo 11.000€ por encima de la media nacional. ¡Es tu momento!

 

🗓️ Próxima edición: 13 de febrero

 

Reserva tu plaza descubre las becas disponibles.