Ir al contenido
σestadistica.ar

estadistica.ar · Enciclopedia de Estadística en españolhttps://estadistica.ar/conceptos/experimento-aleatorio

M06 · ProbabilidadTroncalConcepto

Experimento aleatorio

Qué tiene que cumplir una situación para que se le pueda aplicar la probabilidad, y por qué el azar no es lo mismo que el desorden.

Por Jorge Luis Montivero, Licenciado en Estadística · Mu3Sigma

1 · Definición

Un experimento aleatorio es cualquier procedimiento que cumple tres condiciones:

  1. Se puede repetir en las mismas condiciones, al menos en principio.
  2. Se conocen de antemano todos los resultados posibles.
  3. No se puede predecir cuál va a ocurrir en una repetición concreta.

Lo opuesto es un experimento determinista: soltar una piedra y medir cuánto tarda en caer da siempre el mismo resultado si no cambian las condiciones.

Experimento aleatorio: qué es y por qué el azar es regular · video, 6:20

2 · Ejemplos

Situación¿Azar?Por qué
Tirar un dadoSíSeis resultados, ninguno predecible
Sortear a alguien del padrón y ver su edadSíSe sabe el rango, no cuál sale
Pesar a un pacienteSíHay error de medición
Calcular el 21 % de IVA de un precioNoEstá determinado
Contar los días de marzoNoSiempre 31

El caso que más importa en Estadística es el segundo: seleccionar al azar una unidad de una población. Todo el muestreo probabilístico se apoya en tratar a la selección como un experimento aleatorio.

3 · Azar no es ausencia de causas

Es la confusión de fondo del tema. Que un resultado sea impredecible no significa que no tenga causas: la trayectoria de un dado obedece a la mecánica clásica, y si se conocieran con precisión la fuerza, el ángulo y el rozamiento se podría calcular el resultado.

Con la moneda se midió. En un experimento de 350.757 lanzamientos hechos a mano, publicado en 2025 en el Journal of the American Statistical Association, la moneda cayó del mismo lado con que había salido el 50,8 % de las veces, con un intervalo de 50,6 % a 50,9 %. Caras y cecas, en cambio, salieron mitad y mitad. La física del lanzamiento deja una huella; es tan chica que para casi todo uso la moneda sigue siendo un buen experimento aleatorio.

4 · Lo impredecible de a uno se vuelve regular de a muchos

Esta es la propiedad que hace posible todo lo demás. Un resultado individual no se puede anticipar, pero la frecuencia relativa con que aparece se estabiliza a medida que se repite el experimento. Doscientos mil lanzamientos simulados de una moneda, mirando cuánto se aparta de 0,5 la proporción de caras:

RepeticionesFrecuencia de carasSe aparta de 0,5
100,30000,2000
1000,47000,0300
1.0000,48200,0180
10.0000,50030,0003
200.0000,49910,0009
0,00 0,25 0,50 0,75 1,00 0,30 0,47 0,482 0,5003 0,4991 1 10 100 1.000 10.000 100.000 0,5 Cantidad de tiros (escala logarítmica); la banda es donde cae la frecuencia el 95 % de las veces
La misma corrida de la tabla, tiro por tiro. Al principio la proporción salta de un lado al otro; después se pega a 0,5 y ya no se despega.La banda sombreada es 0,5 ± 1,96 · 0,5/√n: se angosta como 1/√n. Los puntos son los de la tabla.Fuente: Simulación propia, semilla 2026.

5 · El azar se fabrica

Si un experimento aleatorio exige impredecibilidad, en una investigación hay que producirla a propósito:

MecanismoDónde se usa
Sorteo físico —bolillero, moneda—asambleas, adjudicaciones, aulas
Tabla de números aleatoriostrabajo de campo sin computadora
Generador de la computadoratodo lo demás

6 · Por qué importa en Estadística

Porque la inferencia entera descansa en esto. Cuando se calcula que un intervalo de confianza cubre al parámetro el 95 % de las veces, ese 95 % se refiere a repeticiones del experimento aleatorio que es extraer una muestra.

Si la muestra no se eligió al azar —si el encuestador preguntó a quien tenía más cerca— no hay experimento aleatorio, y entonces no hay intervalo de confianza ni valor p que signifiquen lo que dicen. El cálculo se puede hacer igual; lo que no se puede es interpretarlo como si la muestra fuera aleatoria. La única salida es reemplazar el mecanismo aleatorio por un modelo —suponer, por ejemplo, que dentro de cada grupo de edad y sexo los que respondieron se parecen a los que no—, y entonces la conclusión vale lo que valga ese supuesto.

7 · Errores frecuentes

  • Confundir aleatorio con arbitrario. Que el investigador elija “sin pensarlo” no es azar: es un criterio desconocido, que suele estar sesgado.
  • Creer que aleatorio significa “cualquier cosa puede pasar”. Los resultados posibles están definidos de antemano.
  • Creer que sin causas no hay determinación. Las causas existen; lo que falta es información.
  • Esperar que la frecuencia se acerque parejo al repetir. Se acerca en probabilidad, dando saltos.
  • Llamar aleatoria a una muestra de conveniencia.
  • Confundir aleatorizar la selección con aleatorizar la asignación.
  • Suponer que repetir alcanza. Tiene que repetirse en las mismas condiciones.

8 · En el software

La tabla de la sección 4 sale de Python con la semilla 2026. R usa otro generador: con set.seed(2026) da otra corrida, igual de válida, con otros números.

# Python: reproduce la tabla
import numpy as np

x = np.random.default_rng(2026).integers(0, 2, 200_000)    # 1 = cara
frec = np.cumsum(x) / np.arange(1, x.size + 1)
for n in (10, 100, 1_000, 10_000, 200_000):
    print(n, frec[n - 1], abs(frec[n - 1] - 0.5))           # 0,3 ... 0,49908

def racha_mas_larga(x):
    cortes = np.flatnonzero(np.r_[True, x[1:] != x[:-1], True])
    return np.diff(cortes).max()

racha_mas_larga(x[:100]), racha_mas_larga(x)                # 7 y 17

# Misma semilla, misma secuencia: el generador es determinista
a = np.random.default_rng(2026).integers(0, 2, 10)
b = np.random.default_rng(2026).integers(0, 2, 10)
np.array_equal(a, b)                                        # True
# R: otra corrida, porque el generador es otro
set.seed(2026)
x <- rbinom(200000, 1, 0.5)
frec <- cumsum(x) / seq_along(x)
n <- c(10, 100, 1000, 10000, 200000)
cbind(n, frec = frec[n], aparta = abs(frec[n] - 0.5))
max(rle(x[1:100])$lengths); max(rle(x)$lengths)             # 12 y 19: una racha
                                                             # de 12 en 100 tiros

set.seed(2026); a <- runif(3)
set.seed(2026); identical(a, runif(3))                       # TRUE
Excel:  A2  =ALEATORIO.ENTRE(0;1)      copiado hacia abajo, 10.000 filas
        B2  =PROMEDIO(A$2:A2)           la frecuencia acumulada
        Excel no acepta semilla: cada F9 es otra corrida. Para fijarla,
        copiar la columna A y pegarla como valores.
SPSS:   SET SEED = 2026.
        INPUT PROGRAM.
        LOOP #i = 1 TO 10000.
        COMPUTE cara = RV.BERNOULLI(0.5).
        END CASE.
        END LOOP.
        END FILE.
        END INPUT PROGRAM.
        CREATE acum = CSUM(cara).
        COMPUTE frec = acum / $CASENUM.
        EXECUTE.

Herramientas de este tema

Seguir leyendo

Cómo citar: Montivero, J. L. (2026). Experimento aleatorio. estadistica.ar. https://estadistica.ar/conceptos/experimento-aleatorio

estadistica.ar es gratuita y sin publicidad. Si te sirvió, podés invitar un cafecito por transferencia al alias mu3sigma. Asesoramiento estadístico, encuestas y capacitaciones: m3s.pro · WhatsApp +54 9 383 499-7929.

Cómo citar esta entrada

APA (7.ª edición)

Montivero, J. L. (2026). Experimento aleatorio. estadistica.ar. https://estadistica.ar/conceptos/experimento-aleatorio

BibTeX

@misc{estadistica_ar_experimento_aleatorio,
  author       = {Montivero, Jorge Luis},
  title        = {{Experimento aleatorio}},
  year         = {2026},
  howpublished = {\url{https://estadistica.ar/conceptos/experimento-aleatorio}},
  note         = {estadistica.ar. Consultado el \today},
  urldate      = {2026-11-18}
}

Última actualización: 18 de noviembre de 2026. El contenido está bajo licencia CC BY-NC-SA 4.0: se puede reutilizar citando la fuente y sin fines comerciales.