Saltar al contenido
Omnikalc

Calculadora de la regla de sucesión: ¿qué probabilidad hay de éxito en el próximo ensayo?

Introduce los éxitos y los ensayos observados para obtener la probabilidad de Laplace de acertar la próxima vez, la probabilidad de varios éxitos seguidos y la de que la tasa real supere un umbral.

Actualizado el
Tus datos

Valor fuera de rango

Valor fuera de rango

Valor fuera de rango

%

Valor fuera de rango

Resultados

Probabilidad de que el próximo ensayo tenga éxito (Laplace)

57,14 %

Probabilidad de que los m próximos ensayos tengan éxito todos
21,43 %
Probabilidad de que la verdadera tasa de éxito supere el umbral
70,95 %
Incertidumbre (desviación típica de la tasa de éxito)
12,78 %

¿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.

Preguntas frecuentes

¿Qué es la regla de sucesión?

Es una fórmula de Pierre-Simon Laplace para estimar la probabilidad de un suceso a partir del número de veces que se ha producido. Tras s éxitos en n ensayos, la probabilidad de éxito la próxima vez es (s + 1) ÷ (n + 2). Evita las estimaciones poco razonables de 0 o de 1 que da la proporción bruta cuando hay pocos datos.

¿Por qué se suma uno a los éxitos y dos a los ensayos?

Partiendo de una distribución a priori uniforme, en la que todas las tasas de éxito entre 0 y 1 son igual de probables, la distribución a posteriori es una distribución beta de parámetros s + 1 y n − s + 1. La media de esta distribución es (s + 1) ÷ (n + 2). Equivale a añadir un éxito y un fracaso imaginarios.

¿Da la regla siempre una buena estimación?

Es una elección razonable por defecto cuando no se sabe nada al principio, pero un conocimiento previo real puede ser más fuerte. Si se sabe que la tasa real probablemente está cerca de un valor, hace falta otra distribución a priori, lo que cambia la fórmula. La regla conviene sobre todo a ensayos independientes con la misma probabilidad de éxito.

¿Qué significa la probabilidad de varios éxitos seguidos?

Es la probabilidad, bajo la misma distribución beta a posteriori, de que los m próximos ensayos tengan éxito todos. No se puede deducir elevando la probabilidad de un solo ensayo a la potencia m, porque la incertidumbre sobre la tasa también cuenta, y el resultado es algo más alto que esa simple potencia para las tasas elevadas.

¿Te ha resultado útil esta calculadora?

¡Gracias por tu opinión!

Resultados orientativos con fines informativos. No sustituyen el consejo de un profesional.