¿Qué probabilidad hay de volver a acertar tras un breve historial de éxitos? La calculadora de la regla de sucesión toma los éxitos y los ensayos observados, y da la probabilidad de éxito la próxima vez, la probabilidad de que varios ensayos futuros tengan éxito todos, la probabilidad de que la tasa real supere un umbral y la incertidumbre de la tasa.
Cómo se hace el cálculo
- Introduce el número de éxitos y el número de ensayos observados. Los éxitos no pueden superar a los ensayos.
- La regla de sucesión de Laplace dice que la probabilidad de éxito en el próximo ensayo es (s + 1) ÷ (n + 2). Equivale a suponer un éxito y un fracaso imaginarios más.
- La calculadora trata la tasa de éxito desconocida con una distribución a priori uniforme, de modo que la distribución a posteriori es una distribución beta(s + 1, n − s + 1). La usa para hallar la probabilidad de que los m próximos ensayos tengan éxito todos y la de que la tasa real supere un umbral.
- La desviación típica de la distribución a posteriori muestra hasta qué punto sigue siendo incierta la tasa de éxito.
Ejemplo
Un nuevo procedimiento ha funcionado 7 veces en 12 ensayos. La probabilidad de que el próximo ensayo tenga éxito es (7 + 1) ÷ (12 + 2) = 57,14 %. La probabilidad de que los 3 próximos ensayos tengan éxito todos es 8 × 9 × 10 ÷ (14 × 15 × 16) = 21,43 %. Hay un 70,95 % de probabilidad de que la verdadera tasa de éxito sea superior al 50 %.
Por qué es útil
Laplace la utilizaba para preguntarse si el sol saldría mañana, y la regla sigue sirviendo para estimar tasas bajas de éxito o de fallo en pruebas, fiabilidad y experimentos A/B, donde no ver ningún fallo no significa que la tasa de fallo sea nula. También se enseña en los cursos de probabilidad y estadística bayesiana de Bachillerato y de grado como primer ejemplo de inferencia con una distribución a priori.
Qué conviene saber
La regla supone ensayos independientes con una tasa de éxito fija y una distribución a priori uniforme, lo que es una hipótesis fuerte. Úsala como estimación de partida y actualízala con otros conocimientos, sobre todo cuando los datos son muy escasos. Con muchos ensayos, el resultado se acerca a la proporción simple de éxitos, y la diferencia entre ambos enfoques deja de ser importante.
Herramientas relacionadas
La calculadora del teorema de Bayes muestra cómo una prueba actualiza una creencia, y la de la distribución binomial da probabilidades cuando la tasa es conocida.