🎲 La Ruina del Jugador
Simula al jugador clásico que comienza con k dólares apostando contra una casa de n dólares. Descubre por qué la casa siempre gana con gráficos interactivos de probabilidad de ruina.
Acerca de esta simulación
Este simulador explora el clásico problema de la Ruina del Jugador: un jugador con capital inicial k apuesta $1 por ronda contra una casa, ganando con probabilidad p, deteniéndose solo al llegar a $0 (ruina) o al objetivo n (éxito). Es un paseo aleatorio unidimensional con dos barreras absorbentes y una probabilidad de ruina exacta en forma cerrada. Cuatro modos te permiten observar un paseo individual, agrupar pruebas frente a la teoría, graficar curvas de ruina para varios valores de p, o explorar el dimensionamiento de apuestas con el criterio de Kelly.
🔬 Qué muestra
Paseo individual anima un único paseo aleatorio entre las barreras 0 y n. Múltiples pruebas agrupa muchos paseos y compara el porcentaje de ruina simulado con la teoría. Curva teórica grafica P(ruina) frente a k para cinco probabilidades de ganar (0.35–0.65), resaltando la p elegida. Dimensionamiento de Kelly grafica la tasa de crecimiento logarítmico g(f) frente a la fracción de apuesta f, marcando la fracción óptima de Kelly f* con un punto verde.
🎮 Cómo usarlo
Ajusta la probabilidad de ganar p (0.30–0.70), el capital inicial k (1–99) y la riqueza total n (10–200); k se mantiene automáticamente por debajo de n. Pruebas (10–1000) establece el tamaño del lote en el modo de múltiples pruebas, y Probabilidades b (0.5–5) establece el pago por cada $1 apostado en el modo de dimensionamiento de Kelly. Pausa, Reiniciar y Ejecutar nueva prueba controlan la animación.
💡 ¿Sabías que…?
El problema de la ruina del jugador se planteó como uno de cinco ejercicios en el tratado de 1657 de Christiaan Huygens sobre probabilidad, uno de los primeros libros sobre el tema, y no se resolvió por completo en forma cerrada hasta trabajos posteriores de Bernoulli y de Moivre.
Preguntas frecuentes
¿Qué muestran los cuatro modos de visualización?
Paseo individual anima un único paseo entre las barreras 0 y n. Múltiples pruebas agrupa paseos (ocho por cuadro) y compara el porcentaje de ruina simulado frente al teórico. Curva teórica grafica P(ruina) frente a k para cinco probabilidades de ganar. Dimensionamiento de Kelly en cambio grafica la tasa de crecimiento logarítmico frente a la fracción de apuesta f.
¿Por qué el capital inicial k no puede alcanzar o superar la riqueza total n?
k es la apuesta del jugador de un total fijo n, así que debe permanecer por debajo de n para que el paseo tenga adónde ir; el simulador limita automáticamente k a n − 1 si los controles lo empujaran más allá de n.
¿Por qué el control de probabilidad de ganar está limitado entre 0.30–0.70?
p es la probabilidad de ganar cada apuesta de $1. Los valores cercanos a 0 o 1 hacen que el resultado sea casi seguro en pocas rondas, aplanando las curvas teóricas y las estadísticas de múltiples pruebas en líneas rectas poco informativas.
¿Qué cambia el control de probabilidades b en el modo de dimensionamiento de Kelly?
b es el pago neto por cada $1 apostado, usado en la fórmula de crecimiento g(f) = p·ln(1+bf) + q·ln(1−f). Aumentar b incrementa la fracción óptima de Kelly f* = p − q/b; si p es igual o menor que 0.5, el modo indica que no hay ventaja.
¿Qué tan cerca coincide el porcentaje de ruina simulado con la fórmula teórica?
El modo de múltiples pruebas cuenta cuántos de sus paseos agrupados terminan en 0 frente a n. A medida que las pruebas crecen, el porcentaje de ruina simulado converge hacia la fórmula exacta — 1 − k/n para un juego justo, o la razón (q/p)^k para uno sesgado — según la ley de los grandes números.
Preguntas Frecuentes
-
¿Qué es el problema de la Ruina del Jugador?La Ruina del Jugador es un problema clásico de probabilidad: un jugador comienza con k dólares y apuesta $1 por ronda contra un oponente (la casa) con n − k dólares. El juego termina cuando uno de los jugadores llega a $0. La pregunta es: ¿cuál es la probabilidad de que el jugador se arruine antes de ganar?
-
¿Cuál es la probabilidad de ruina en un juego justo?Para un lanzamiento de moneda justo (p = q = 0.5), la probabilidad de ruina para un jugador que comienza con k dólares cuando la riqueza total es n es P(ruina) = 1 − k/n. Así que si tienes $10 de un total de $100, tienes un 90% de probabilidad de arruinarte.
-
¿Cuál es la probabilidad de ruina en un juego sesgado?Para un juego sesgado donde ganas cada ronda con probabilidad p y pierdes con q = 1 − p, la probabilidad de ruina es P(ruina) = (1 − (q/p)^k) / (1 − (q/p)^n). Cuando p < 0.5 (ventaja de la casa), esto se acerca rápidamente a 1 incluso con un gran capital inicial.
-
¿Por qué la casa siempre gana?Los casinos mantienen una pequeña ventaja de la casa (por ejemplo, p = 0.493 en la ruleta). Incluso un sesgo minúsculo hace que la probabilidad de ruina del jugador se acerque a 1 a medida que crece el número de rondas. El capital mucho mayor del casino hace que la razón efectiva k/n sea siempre diminuta para cualquier jugador individual.
-
¿Qué es el Criterio de Kelly?El Criterio de Kelly proporciona la fracción óptima f* = p − q/b de tu capital a apostar por ronda, donde b son las probabilidades recibidas (pago neto por cada $1 apostado). Apostar la fracción de Kelly maximiza la tasa de crecimiento a largo plazo de tu capital y minimiza el riesgo de ruina.
-
¿Cuál es la duración esperada del juego?Para un juego justo que comienza en k con riqueza total n, el número esperado de rondas hasta que termine el juego es k(n−k). Para un juego sesgado con p ≠ 0.5, la duración esperada depende tanto de la probabilidad de ganar como de la razón q/p.
-
¿Cómo afecta el capital inicial a la probabilidad de ruina?En un juego justo, la probabilidad de ruina es exactamente (n − k)/n: duplicar tu capital inicial reduce a la mitad tu probabilidad de ruina. En un juego sesgado el efecto es mucho más fuerte — incluso duplicar k apenas reduce la probabilidad de ruina cuando hay una ventaja de la casa, porque el término (q/p)^k domina.
-
¿Qué ocurre cuando p > 0.5?Cuando tienes una ventaja genuina (p > 0.5), la fórmula de ruina da una probabilidad de ruina menor a 1 incluso frente a un oponente infinitamente rico. Por ejemplo, con p = 0.55 comenzando en k=10 de n=100, la probabilidad de ruina cae sustancialmente en comparación con el juego justo.
-
¿La Ruina del Jugador está relacionada con los paseos aleatorios?Sí — cada juego es un paseo aleatorio 1D sobre los enteros {0, 1, …, n} con barreras absorbentes en 0 y n. La riqueza del jugador en el instante t es una cadena de Markov, y la probabilidad de ruina es la probabilidad de absorción en el estado 0 partiendo del estado k.
-
¿Qué situaciones del mundo real siguen el modelo de la Ruina del Jugador?Más allá de los casinos, el modelo se aplica a: el trading de acciones con una estrategia fija, el riesgo de extinción de especies en ecología (población llegando a 0), la teoría de la ruina en seguros, los ensayos clínicos (un fármaco 'venciendo' al placebo), y la colisión de paquetes en protocolos de red. Cualquier competencia de recursos finitos contra un oponente mejor capitalizado sigue una dinámica similar.
Establece la apuesta, el objetivo y la probabilidad de ganar, luego ejecuta paseos aleatorios de Monte Carlo para ver con qué frecuencia el jugador se arruina antes de alcanzar la meta.
3D · Renderizador Three.js / WebGL · Objetivo de 60 FPS · funciona totalmente del lado del cliente, sin instalación