🌟 TEMAS SELECTOS

Fronteras de la probabilidad: percolación, ramificación, grafos y ML

Percolación Galton-Watson Grafos aleatorios VC dimension
🗺️ Piénsalo así: Las fronteras de la probabilidad son como un continente por explorar. La percolación es como un café filtrándose: ¿el agua logra atravesar? Los procesos de ramificación son como genealogías: ¿una familia se extingue o crece sin límite? ¡Bienvenido a la última frontera!

🎯 ¿Qué aprenderás?

Percolación en una red cuadrada

Cada celda está abierta con probabilidad p. ¿Existe un camino de extremo a extremo?

¿Percola?
Fracción ocupada
Cluster más grande

Proceso de Galton-Watson (Ramificación)

Cada individuo tiene Z hijos, donde Z ~ Poisson(λ). ¿La población se extingue?

Generaciones
Población total
¿Extinción?
Prob. extinción (500 sims)

Grafos Aleatorios: Erdős-Rényi G(n,p)

n nodos, cada arista existe con prob. p. ¿Hay componente gigante?

Aristas
Componente gigante
Grado promedio
np crítico = 1

Probabilidad en Machine Learning: VC Dimension

¿Cuántos puntos puede romper un clasificador lineal en 2D? ¡Hasta 3!

2 puntos 3 puntos 4 puntos
VC dimension = 3

Un clasificador lineal en 2D puede romper (separar) cualquier configuración de hasta 3 puntos, pero no 4.

PAC Learning: muestras necesarias
m ≥ (1/ε)[ln(VC) + ln(1/δ)]
ε (error)
δ (confianza)
m mínimo
💡 Explora la percolación cambiando p. ¿Encuentras la transición de fase cerca de p ≈ 0.593?

📌 Resumen del módulo