Solución

La probabilidad de ganar en este juego la podemos calcular utilizando la regla de Laplace

En primer lugar tenemos que el número de posibles formas de seleccionar 4 cartas (no interesa el orden) del mazo de 40 viene dado por:

Para calcular la probabilidad de sacar cuatro cartas diferentes supongamos que tenemos cuatro casillas y nos preguntamos de cuantas formas podemos seleccionar la primera carta, esto se realiza de  , luego las formas en las que podemos seleccionar la segunda carta es y asi sucesivamente hasta la cuarta carta y usando la regla del producto en combinatoria tenemos que el número de formas en que podemos disponer de las cuatro cartas siendo su color distinto es .

Por lo tanto la probabilidad de ganar en el juego viene dada por:

A continuación se realizo un programa en Java para simular las condiciones del juego y se observa cuantas veces se gana, después de eso se divide el número de veces que se gana entre el total de iteraciones para obtener una estimación de la probabilidad utilizando el punto de vista frecuentista.

Los resultados del programa se muestran para 100, 1000, 10000 y 100000 iteraciones.

Como podemos observar con 100000 iteraciones tenemos un valor muy cercano al verdadero valor de esa probabilidad. Por último mostramos el código fuente del programa.

import java.util.Random;


public class Juego{
    public static void main(String[] args){
	
	    
	char[] mazo = { 'a','a', 'a','a', 'a','a', 'a','a', 'a','a', 'b', 'b', 'b', 'b','b', 'b','b', 'b','b', 'b', 'c','c', 'c','c',  'c','c',  'c','c', 'c','c', 'd','d',  'd','d',  'd','d', 'd','d', 'd','d'  };
            
	Random aleatorio = new Random();

	int ganes = 0; 
	int carta1 = 0; 
	int carta2 = 0; 
	int carta3 = 0;  
	int carta4 = 0; 

	final int iteraciones = 100000; 


	for ( int i=0; i< iteraciones; i++) 
	    {

		carta1 = aleatorio.nextInt(40); 
		do{
		    carta2 = aleatorio.nextInt(40); 
		}while(carta1==carta2); 


		do{           
		    carta3 = aleatorio.nextInt(40); 
		} while(carta1 == carta3 || carta2 == carta3); 


		do{
		    carta4 = aleatorio.nextInt(40); 
		} while(carta1 == carta4 || carta2 == carta4 || carta3 == carta4); 




		if ( mazo[carta1] != mazo[carta2]  && mazo[carta1] != mazo[carta3] && mazo[carta1] != mazo[carta4] && mazo[carta2] != mazo[carta3] && mazo[carta2] != mazo[carta4] && mazo[carta3] != mazo[carta4]  ) 
		    {
                
			ganes ++; 

		    }
                       
	    }     

	System.out.println("La probabilidad de ganar  " + (float) ganes / (float) iteraciones); 
            
    }

}

Por ejemplo si se desea descomprimir la carpeta comprimida prueba.rar se debe ejecutar el siguiente comando:

unrar x prueba.rar  

En cambio si lo único que se quiere es recuperar los archivos dentro de esa carpeta comprimida se debe ejecutar el siguiente comando:

unrar e prueba.rar  

mysql -u root -e "CREATE DATABASE dbname CHARACTER SET 'UTF8' COLLATE 'utf8_general_ci';"

o alternativamente dentro de una base de datos ejecutamos

CREATE DATABASE dbname CHARACTER SET utf8 COLLATE utf8_general_ci;

Donde dbname es el nombre de la base de datos que deseamos crear.

package holamundo;
public class HolaMundo {

  public static void holaMundo()
  {
     System.out.println("Hola Mundo!"); 
  }

}

El paquete prueba tiene la clase Saludo la cual usa el método estático de la clase HolaMundo del paquete holamundo, por tanto necesitaremos una declaración de importación, el código se muestra a continuación:

package prueba;

import holamundo.*; 

public class  Saludo{

  public static void main(String[] args)
  {
    HolaMundo.holaMundo(); 
  }

}

Para ejecutarlo debes digitar esto en la consola de linux en el directorio que contiene los paquetes holamundo y prueba (además debes tener instalado el jdk y el jre para poder realizar esto)

javac -cp . prueba/*.java 
javac -cp . holamundo/*.java 

Ahora para ejecutarlo el código de la clase Saludo del paquete prueba debes digitar lo siguiente en la terminal:

java -cp . prueba.Saludo

El resultado será:

Hola Mundo!

M-x transient-mark-mode

Para crear enlaces simbólicos en Linux usaremos el comando ln con la opción -s , el siguiente comando crea un enlace simbólico con el nombre atajo a la carpeta ejemplo que se encuentra contenida a su vez en la carpeta ejemplo que esta dentro del directorio home del usuario.

ln -s ~/ejemplo/ejemplo 

C-x k RET

Ejecutar en la terminal el siguiente comando.

sudo nano /etc/apt/sources.list

Vamos a editar el sources.list donde se mantienen la lista de repositorios, a continuación descomentamos las lineas del antiguo repositorio y agregamos lo siguiente al final del archivo sources.list.

deb http://archive.ubuntu.com/ubuntu karmic main restricted universe multiverse

deb http://archive.ubuntu.com/ubuntu karmic-updates main restricted universe multiverse

deb http://archive.ubuntu.com/ubuntu karmic-security main restricted universe multiverse

deb http://archive.ubuntu.com/ubuntu karmic-proposed main restricted universe multiverse

deb http://packages.medibuntu.org/ karmic free non-free

deb http://archive.ubuntugames.org ubuntugames main

A continuación guardamos los cambios hechos al archivo sources.list y ejecutamos lo siguiente.

sudo apt-get update

o también puede ser el comando

sudo aptitude update

Una vez ejecutado los anteriores comandos la lista de paquetes estará actualizada y lista para poder instalar nueva paqueteria.

Para solventar este problema se creó el paquete filehash. Este paquete guarda los objetos en el disco duro y asigna un nombre de entorno al objeto guardado en el disco duro, con esto se evita trabajar con el objeto directamente en memoria.

En primer lugar instalamos el paquete filehash con la siguiente instrucción desde R.

install.packages("filehash")

Supongamos que tenemos el archivo datos.dat el cual esta demilitado por tabulaciones y que tiene aproximadamente un millon de observaciones con dos variables nombradas x e y, respectivamente.Ahora si el archivo datos.dat estuviera en nuestro directorio de trabajo y quisieramos realizar la regresion entre x e y ejecutariamos en R las siguientes instrucciones:

library(filehash)

Cargamos la libreria filehash.

dumpDF(read.table(file="datos.dat", header=TRUE), dbName="db1")

El objeto devuelto por la función read.table es guardado en la base de datos con nombre db1 el cual es almacenado en el disco duro.

env1 <- db2env(db="db1") 

Cargamos la base de datos db1 en un entorno, es decir, la información de la base de datos no es almacenada en el entorno, pero una función apunta a los datos almacenados en la base de datos.

reg <- with(env1, lm(y ~ x))

Evalua la función lm en el entorno env1 construido a partir de la base de datos db1 y almacena el resultado de lm en el objeto reg.

summary(reg)

Presentamos los resultados del ajuste del modelo de regresión lineal a los datos. Puedes descargar el archivo de datos de prueba haciendo clic aquí.

library()