1.

Probabilidad Condicional
Es la probabilidad de que ocurra un evento A, sabiendo que tambin sucede
otro evento B. La probabilidad condicional se escribe y se lee: la
probabilidad de A dado B
No tiene por qu haber una relacin causal o temporal entre A y B.
A puede preceder en el tiempo a B, sucederlo o pueden ocurrir
simultneamente.
A puede causar B, viceversa o pueden no tener relacin causal.

P( A/B) = probabilidad de que ocurra A dado B

P( A B ) = probabilidad de que ocurra A Y B a un mismo tiempo.
P(B) = probabilidad de que ocurra B
2. Eventos dependientes e independientes
1. Eventos Independientes
Dos o ms eventos son independientes cuando la ocurrencia o no-ocurrencia
de un evento no tiene efecto sobre la probabilidad de ocurrencia del otro
evento (o eventos). Un caso tpico de eventos independiente es el muestreo
con reposicin, es decir, una vez tomada la muestra se regresa de nuevo a
la poblacin donde se obtuvo.
Dos eventos, A y B, son independientes si la ocurrencia de uno no tiene que
ver con la ocurrencia de otro.
Por definicin, A es independiente de B si y slo si: A y B, son
independientes si la ocurrencia de uno no tiene que ver con la ocurrencia de
otro.
Por definicin, A es independiente de B si y slo si:A es independiente de B
si y slo si:
(PnA)=P(A) P(B)
Ejemplo:
Si se lanza una moneda normal tres veces, la probabilidad de obtener tres
sellos es:
Solucin:
Cada lanzamiento es independiente de los otros. De manera que las
probabilidades de sello

(S) en cada lanzamiento se multiplicarn entre s.

P(tres Sellos) = P(S) P(S) P(S) = (1/2)(1/)(1/2)=8
2. Eventos dependientes
Dos o ms eventos sern dependientes cuando la ocurrencia o noocurrencia de uno de ellos afecta la probabilidad de ocurrencia del otro (o
otros). Cuando tenemos este caso, empleamos entonces, el concepto de
probabilidad condicional para denominar la probabilidad del evento
relacionado. La expresin P (A|B) indica la probabilidad de ocurrencia del
evento A s el evento B ya ocurri.
Se debe tener claro que A|B no es una fraccin.
P (A|B) = P(A y B) / P (B) o P (B|A) = P(A y B) / P(A)
Ejemplo:
Una caja contiene 4 canicas rojas, 3 canicas verdes y 2 canicas azules. Una
canica es eliminada de la caja y no es reemplazada. Otra canica se saca de
la caja. Cul es la probabilidad de que la primera canica sea azul y la
segunda canica sea verde?
Solucin
Ya que la primera canica no es reemplazada, el tamao del espacio muestral
para la primera canica (9) es cambiado para la segunda canica (8) as los
eventos son dependientes.
P(azul luego verde) = P(azul) P(verde)

2. Eventos Excluyentes y no excluyentes

3.1.
Evento Excluyente
Los eventos mutuamente excluyentes son aquellos en los que si un evento
sucede significa que el otro no puede ocurrir. Si bien suelen usarse en
teoras cientficas, tambin son parte de las leyes y los negocios. Como
resultado, entender los eventos mutuamente excluyentes puede ser
importante para una variedad de disciplinas.
Frmula
La frmula matemtica para determinar la probabilidad de los eventos
mutuamente excluyentes es P(A U B) = P(A) + P(B). Dicho en voz alta, la
frmula es "Si A y B son evento mutuamente excluyentes, entonces la
probabilidad de que A o B suceda es equivalente a la probabilidad del
evento A ms la probabilidad del evento B".

Ejemplo:

Sacar una carta de corazones y una carta de espadas. Son eventos

mutuamente excluyentes, las cartas o son de corazones o son de
espadas.
Sacar una carta numerada y una carta de letras. Son eventos
mutuamente excluyentes, las cartas o son numeradas o son cartas
con letra.
Sacar una carta de trboles roja.
Son eventos mutuamente
excluyentes pues las cartas de trboles son exclusivamente negras.
3.2.
Evento no excluyentes
Si A y B son dos eventos no mutuamente excluyentes (eventos
intersecantes), es decir, de modo que ocurra A o bien B o ambos a la vez (al
mismo tiempo), entonces se aplica la siguiente regla para calcular dicha
probabilidad:

4. rbol de decisiones
Los rboles de decisin crean un modelo de clasificacin basado en
diagramas de flujo. Clasifican casos en grupos o pronostican valores de una
variable dependiente (criterio) basada en valores de variables
independientes (predictoras).
Las ventajas de un rbol de decisin son :
Facilita la interpretacin de la decisin adoptada.
Facilita la comprensin del conocimiento utilizado en la toma de
decisiones.

 Explica el comportamiento respecto a una determinada decisin.

Reduce el nmero de variables independientes.
1. Aplicacin
La tcnica del rbol de Decisiones puede ser aplicada en cualquier problema
de toma de decisiones, sin embargo se tiene un uso amplio en la toma de
decisiones de inversin, reinversin, polticas de crditos y financiamiento a
corto y largo plazo. Para la mejor comprensin procederemos a presentar
tres ejemplos de la utilizacin real del rbol de Decisiones dentro de las
decisiones financieras de la empresa. Otras aplicaciones son :

1. Segmentacin: Identificar personas son probablemente

miembros de un grupo.
2. Estratificacin: Asignacin de casos a categoras.
3. Prediccin: Creacin de reglas para predecir eventos futuros.
4. Reduccin de datos y filtro de variables: Seleccionar un
subconjunto de variables para contruir un modelo paramtrico.
5. Identificacin de interacciones: Identificar relaciones que
pertenezcan a subgrupos especficos.
6. Fusin de categoras: Colapsar variables contnuas en
categoras discretas. Aplicaciones de los rboles de Decisin
7. Correo directo: Determinar grupos demogrficos con alta
tasa de respuesta.
8. Recursos Humanos: Entender las reglas de pasadas de
contratacin para afinar el proceso.
9. Anlisis
de
mercado:
Determinacin
de
variables
geogrficas, precios, caractersticas del consumidor y otras
10.Control de calidad: Determinacin de productos defectuosos.
11.Estudio de polticas: Generar reglas de decisin en las
polticas de contratacin.
12.Salud: Descubrir variables que contribuyan a mejores
resultados de salud.

Bibliografa
Moore (2004). Estadstica aplicada bsica. Espaa: Editorial Mozart Art.S.A.
Gorgas
&
Cardiel
&
Zamorano
(2011).
Recuperado
de
http://pendientedemigracion.ucm.es/info/Astrof/users/jaz/ESTADISTICA/libro_
GCZ2009.pdf
Mendenhall & Beaver & Beaver.(2006). Introduccin a la probabilidad y
estadstica. Mxico: Editorial MacMillan
Jorge Del Ro L.(2012).Recuperado de

file:///C:/Users/PRUEBA/Downloads/T%C3%A9cnicas%20de%20Arboles
%20de%20Clasificaci%C3%B3n.pdf