Variabilidad entre ejecuciones

01 · Punto de partida

Correr una vez es anécdota

Mismo código, misma configuración, distinta semilla → distinto total. Esa variabilidad entre ejecuciones no es bug: es el azar del modelo (temas 1 y 14) propagado al resultado. Informar una corrida esconde el rango donde vive la verdad.

La solución es medir la dispersión entre réplicas (s, rango, percentiles) y decidir con el conjunto, no con el caso.

• ¿Cuánto varía el resultado entre semillas?
• ¿La diferencia A/B es señal o ruido de una corrida?
• ¿Qué dispersión acompaña a cada promedio que informo?
• ¿Cuántas réplicas para que el ruido no tape?

02 · Definición

Fuentes y medidas del salto

03 · Ruido vs señal

Cuándo la diferencia es real

Semilla

Fija una corrida para depurar; variar para medir. Ambas se usan, en su momento.

Rango

Máx−mín de R: honesto y directo. Con R chico subestima el verdadero.

s entre réplicas

Dispersión del resultado, no de los datos diarios. Es la que manda el N.

Muestras comunes

Mismas semillas para A y B: el ruido compartido se cancela y la diferencia aflora.

04 · Ejemplos

Saltos que hay que mostrar

1. 1
   Ventas 12 días.

   120 ± 8: una corrida 105 no es crisis, es cola.

2. 2
   Espera.

   Día 3 min, día 7 min con igual dotación: variar día, no personal.

3. 3
   A/B.

   A gana 1 corrida de 3: ruido. Gana 180 de 200: señal.

4. 4
   Juego.

   Balance con 20 peleas salta; con 5000 define.

5. 5
   Stock.

   Quiebre 1 de 5 corridas ≠ 20 %: con 5 el intervalo es enorme (tema 33).

05 · Representación en Python

R corridas, un resumen

import random, statistics
random.seed(401)
def corrida():
    return sum(random.uniform(6,14) for _ in range(12))

una = corrida()
R = [corrida() for _ in range(200)]
print("una:", round(una,1), "| x̄:", round(statistics.mean(R),1), "| s:", round(statistics.stdev(R),1))

Consejo: ejecutá dos veces: «una» salta ±15, x̄ se queda en ~120.

Muestras comunes para A/B

import random
random.seed(11)
# A stock 115 vs B 125, mismas demandas: ruido compartido
Ds = [[random.uniform(80,140) for _ in range(30)] for _ in range(100)]
dif = [sum(min(125,d) for d in fila)-sum(min(115,d) for d in fila) for fila in Ds]
print("dif media:", round(sum(dif)/len(dif),1))

06 · Exploración

Laboratorio: 12 días, R totales

Cada total = 12 × U(6,14) (E = 120, σ ≈ 8). Con R réplicas dibujamos su histograma + campana teórica. Con R = 5 ves puntos; con 1000 ves la distribución.

Eje x 90 a 150. La curva blanca es N(120, 8): con R grande el histograma la calca.

Preguntas para explorar

1. Con R = 5, ¿qué rango ves? Repetí con otra semilla: ¿se parece?
2. Con R = 1000, ¿media y s cuánto dan? ¿Qué fracción cae en 120 ± 16?
3. Si A da 124 y B 127 en 1 corrida cada uno, ¿hay ganador?

07 · Comprensión

Confusiones frecuentes

08 · Práctica guiada

Ejercicios con Python

Ejercicio 1: una vs cien

Compará 1 corrida contra x̄ y s de 300. ¿Qué cambia?

import random, statistics
random.seed(401)
tot = lambda: sum(random.uniform(6,14) for _ in range(12))
print("una:", round(tot(),1))
R = [tot() for _ in range(300)]
print("x̄:", round(statistics.mean(R),1), "| s:", round(statistics.stdev(R),1))

Ejercicio 2: señal o ruido

A y B difieren 3 con s = 8 y R = 10. ¿SE de la diferencia? ¿Señal?

import math
print("SE dif:", round((8**2/10+8**2/10)**0.5,2))

Ejercicio 3: campeón vs promedio

Elegí el mejor de 3 por escenario vs promedio de 100. ¿Cuál decide?

import random
random.seed(7)
tot = lambda: sum(random.uniform(6,14) for _ in range(12))
print("campeón 3:", round(max(tot() for _ in range(3)),1))
print("promedio 100:", round(sum(tot() for _ in range(100))/100,1))

09 · Síntesis

Ideas para recordar

En el próximo tema decidiremos cuántas: replicaciones de una simulación.