• Saltar al contenido principal
  • Skip to secondary menu
  • Saltar a la barra lateral principal
  • Saltar al pie de página
  • Inicio
  • Secciones
    • Ciencia de datos
    • Criptografía
    • Herramientas
    • Machine Learning
    • Noticias
    • Opinión
    • Productividad
    • Programación
      • JavaScript
      • Julia
      • Matlab
      • Python
      • R
  • Programación
    • JavaScript
    • Julia
    • Matlab
    • Python
    • R
  • Laboratorio
    • Encuestas: Tamaño de Muestra
    • Lotería: Probabilidad de Ganar
    • Reparto de Escaños (D’Hondt)
    • Tres en Raya con IA
  • Noticias
  • Boletín
  • Contacto
  • Tienda
    • Libros
    • Equipamiento de oficina
    • Equipamiento en movilidad
    • Tiendas afiliadas
      • AliExpress
      • Amazon
      • Banggood
      • GeekBuying
      • Lenovo

Analytics Lane

Ciencia e ingeniería de datos aplicada

  • Ciencia de datos
  • Machine Learning
  • IA Generativa
  • Python
  • Pandas
  • NumPy
  • R
  • Excel

El problema de Monty Hall (o de las tres puertas)

julio 8, 2020 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 3 minutos

El problema de Monty Hall debe su nombre al presentador del popular concurso de televisión “Let’s Make a Deal” en el que apareció este juego. Un concursante tiene que escoger entre tres puertas detrás de las que se esconde el premio, en dos de ellas hay una cabra y en la otra un coche. Tras seleccionar una de las puertas Monty Hall, el presentador del programa, abre una de las dos que el concursante no ha seleccionado, donde siempre hay una cabra. Dando la posibilidad al concursante de cambiar de puerta. ¿Cuál es la mejor opción para ganar el coche? Aunque parezca antiintuitivo, las posibilidades de ganar el coche aumentan si se cambia la puerta seleccionada. Siendo esto lo que se conoce como el problema de Monty Hall.

¿Por qué cambiar de puerta?

Ahora podemos ver porque es aconsejable cambiar de puerta. Al comenzar el juego tenemos una probabilidad de ganar el coche 1/3 y 2/3 de ganar una cabra. Salvo que deseemos una cabra es aconsejable cambiar de puerta porque después de abrir una las probabilidades se mantienen exactamente igual.

Al mantener la primera opción se mantienen las posibilidades iniciales, 1/3 de ganar el coche y 2/3 de ganar la cabra. Ahora la probabilidad de obtener cualquier premio no ha cambiado a 1/2. La puerta que no se seleccionada en primer lugar tiene ahora el doble de posibilidades de ganar. Algo que se puede entender mejor con más puertas.

Faker en Python: qué es, para qué sirve y cómo generar datos sintéticos realistas
En Analytics Lane
Faker en Python: qué es, para qué sirve y cómo generar datos sintéticos realistas

Publicidad


El juego con más puertas

Supongamos que en vez de 3 hay 10 puertas. En tal caso las posibilidades de ganar son 1/10 en la primera elección. Ahora si el presentador va eliminado el resto de las puertas hasta que no queda más que dos. ¿Nos quedamos con la primera opción? Realmente no, porque en tal caso las nueve puertas que no elegimos inicialmente tenían una probabilidad de 9/10, probabilidad que ahora corresponde a una única puerta.

Pero ¿con dos puertas las probabilidades no son del 50%?

Con dos puertas sin información adicional sí, pero en este caso donde la propia mecánica del juego nos aporta información adicional para que no sea así. Por lo que las probabilidades de ganar con una u otra puerta no son las mismas.

Es lo mismo que en una carrera de caballos. Si nos mandan escoger entre dos caballos al azar en una carrera tenemos una posibilidad del 50% de escoger al ganador. Basándonos para ello en el nombre del caballo o cualquier otra característica que no tiene que ver con las capacidades. Pero, sí sabemos que uno de ellos ha ganado múltiples carreras en el pasado y otro no, las opciones de seleccionar el campeón son mayores. Esto es, la información es importante.

Otra manera de pensar sería darnos cuenta de que la mecánica del juego nos permite escoger entre seleccionar dos puertas, las que no se han seleccionado en primer lugar, puertas o una, la que se ha seleccionado en primer lugar. ¿En qué situación hay más posibilidades de ganar? Visto así el problema posiblemente nadie dude que la mejor opción es cambiar de puerta.

Publicidad


Conclusiones

En esta entrada hemos usado el problema de Monty Hall para ver cómo la información es importante, incluso en elecciones aleatorias. Asumir que al elegir entre dos opciones siempre las posibilidades son siempre del 50/50 es algo que es erróneo. Ya que si existe información adicional es posible las probabilidades no están repartidas por igual.

Imagen de Arek Socha en Pixabay

¿Te ha parecido de utilidad el contenido?

¡Puntúalo entre una y cinco estrellas!

Puntuación promedio 3 / 5. Votos emitidos: 1

Ya que has encontrado útil este contenido...

¡Síguenos en redes sociales!

¡Siento que este contenido no te haya sido útil!

¡Déjame mejorar este contenido!

Dime, ¿cómo puedo mejorar este contenido?

Publicaciones relacionadas

  • Faker en Python: qué es, para qué sirve y cómo generar datos sintéticos realistas
  • Probabilidades y tests: por qué un resultado positivo no significa lo que crees
  • JSON en bases de datos: cuándo es buena idea y cuándo no
  • Roles en ciencia de datos: Guía completa de perfiles técnicos
  • Exactitud, precisión, recall… qué mide realmente cada métrica (y qué no)
  • Hardening de SSH en Rocky Linux 9: cómo desactivar KEX débiles y reforzar la seguridad
  • Nueva herramienta en Analytics Lane: generador de contraseñas seguras y frases de contraseña
  • Hardening de NGINX en 2026: configuración segura básica paso a paso

Publicado en: Ciencia de datos Etiquetado como: Paradoja

Interacciones con los lectores

Deja una respuesta Cancelar la respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

I accept the Terms and Conditions and the Privacy Policy

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.

Barra lateral principal

Suscríbete a nuestro boletín

Suscríbete al boletín semanal para estar al día de todas las publicaciones.

Política de Privacidad

Analytics Lane en redes sociales

  • Amazon
  • Bluesky
  • Facebook
  • GitHub
  • Instagram
  • Mastodon
  • Pinterest
  • RSS
  • Telegram
  • Tumblr
  • Twitter
  • YouTube

Publicidad

Entradas recientes

Hardening de NGINX en 2026: configuración segura básica paso a paso

marzo 12, 2026 Por Daniel Rodríguez

Nueva herramienta en Analytics Lane: generador de contraseñas seguras y frases de contraseña

marzo 10, 2026 Por Daniel Rodríguez

Hardening de SSH en Rocky Linux 9: cómo desactivar KEX débiles y reforzar la seguridad

marzo 5, 2026 Por Daniel Rodríguez

Publicidad

Es tendencia

  • Curiosidad: El origen del análisis exploratorio de datos y el papel de John Tukey publicado el septiembre 4, 2025 | en Ciencia de datos, Opinión
  • Cómo solucionar problemas de red en VirtualBox: Guía completa publicado el junio 11, 2025 | en Herramientas
  • Cómo calcular el tamaño de la muestra para encuestas publicado el septiembre 9, 2025 | en Ciencia de datos
  • Cómo instalar paquetes en Jupyter Notebook de forma eficiente: Guía completa con ejemplo publicado el febrero 3, 2025 | en Python
  • Gráfica con los datos y las anomalías detectadas con OneClass SVM One-Class SVM: Detección de anomalías con máquinas de vector soporte publicado el marzo 15, 2024 | en Ciencia de datos

Publicidad

Lo mejor valorado

4.9 (24)

Seleccionar filas y columnas en Pandas con iloc y loc

4.6 (16)

Archivos JSON con Python: lectura y escritura

4.4 (14)

Ordenación de diccionarios en Python mediante clave o valor

4.7 (13)

Operaciones de filtrado de DataFrame con Pandas en base a los valores de las columnas

4.5 (10)

Diferencias entre var y let en JavaScript

Publicidad

Comentarios recientes

  • M. Pilar en Cómo eliminar las noticias en Windows 11 y recuperar tu concentración
  • Daniel Rodríguez en Probabilidad básica: cómo entender el azar en nuestra vida diaria
  • Pepe en Probabilidad básica: cómo entender el azar en nuestra vida diaria
  • CARLOS ARETURO BELLO CACERES en Justicio: La herramienta gratuita de IA para consultas legales
  • Piera en Ecuaciones multilínea en Markdown

Publicidad


Footer

Analytics Lane

  • Acerca de Analytics Lane
  • Boletín de noticias
  • Contacto
  • Libros
  • Lo más popular
  • Noticias
  • Tienda
  • Tiendas afiliadas

Secciones

  • Ciencia de datos
  • Criptografía
  • Herramientas
  • Machine Learning
  • Opinión
  • Productividad
  • Programación
  • Reseñas

Sobre de Analytics Lane

En Analytics Lane tratamos de explicar los principales conceptos de la ciencia e ingeniería de datos con un enfoque práctico. Los principales temas tratados son ciencia de datos, ingeniería de datos, inteligencia artificial, machine learning, deep learning y criptografía. Además, también se habla de los principales lenguajes de programación y herramientas utilizadas por los científicos e ingenieros de datos.

Copyright © 2018-2026 Analytics Lane ·Términos y condiciones ·Política de Cookies ·Política de Privacidad ·Herramientas de privacidad ·Contacto