Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Presentando por:
Leidy Alexandra castillo Holguín
Presentado a (tutor):
Liliana García
Código: 1121948375
Grupo: 211622_209
2.Construya una tabla de contingencia (máximo de tres niveles) entre la variable objeto de estudio y otra variable
“Toma de decisión” obtenida del punto anterior. Con la tabla de contingencia establezca:
Respuesta
sacamos de la base de datos estos valores clasificandolos en los que cumplen con el valor acepable y los que no.
Tambien observamos la columna de cloruros para poder crear la tabla de contingencia, clasificamos los valores en bajos,
medios y altos con los siguientes valores
Bajo≤83,3
Medio≤166,6
Alto≤250
•Escriba un evento simple y un evento compuesto de la tabla de contingencia. Luego, encuentre sus probabilidades.
Evento simple, la probabilidad y el % de cloruros no cumple con el valor aceptable es: 0/583=0=0%
Evento compuesto, La probabilidad y el % de cloruros que tenga nivel medio y cumpla con el valor aceptable.
41/583=0.070=7%
• Diseñe dos ejemplos con probabilidades usando la suma (pregunta y solución). Estos ejemplos deben cumplir que uno sea
cuando los eventos sean mutuamente excluyente y otro ejemplo cuando no sean mutuamente excluyentes.
Por lo tanto,
•Diseñe dos ejemplos usando probabilidad condicional. (pregunta y solución), es decir cuando los eventos sean
dependientes.
•¿Cuál es la probabilidad de que sabiendo de que el cloruro es de nivel bajo, este cumpla el valor aceptable?
Se consideran dos sucesos A “Cloruro nivel bajo” y B “cumple valor aceptable” y se requiere saber
P(B∩A)/P(A), Entonces
P(B∩A)=541/583 y P(A)=541/583
P(B∩A)/P(A)= (541/583)/(541/583)=1
•¿Cuál es la probabilidad que sabiendo que cumple con el valor aceptable, el nivel del cloruro sea medio?
A= Cumple con el valor aceptable y B= el nivel del cloruro sea medio
P(B∩A)/P(A)= (41/583)/(583/583)=41/583=0.0703=7.03%
Si No
Bajo 541 0 541
Medio 41 0 41
Alto 1 0 1
Total 583 0 583
Probabilidades Totales
P(Alto)= 0.001715265866209
P(Medio)= 0.07032590051458
P(Bajo)= 0.927958833619211
𝑃(𝐴_(𝑖 )/𝐵)=((0,9279∗1))/((0,001715∗1)+(0,0703∗1)
≈0,9279/1=0,9279=92,79%
)))/(∑2_(𝑘=1)^𝑛▒ 〖𝑃 (𝐵/𝐴_(𝑘 ))𝑃(𝐴
𝑃(𝐴_(𝑖 )/𝐵)=((0,9279∗1))/((0,001715∗1)+(0,0703∗1)
≈0,9279/1=0,9279=92,79%
0.9279
Probabilidad de Aprobar
0.00171527
P(Si/Alto)= 1
0
P(No/Alto)= 0
1 0
P(Si/Medio)= 1 0.0703259
1
P(No/Medio) 0 0
P(Si/Bajo)= 1 0.92795883
P(No/Bajo)= 0 0
ato de la variable Cloruros, ¿Cuál es la probabilidad que sea del concepto bajo y
etros ?
𝐴_(𝑖 ))𝑃(𝐴_(𝑖
〖𝑃 (𝐵/𝐴_(𝑘 ))𝑃(𝐴_(𝑘 )) 〗 )=
(0,001715∗1)+(0,0703∗1)+(0,9279∗1) )
%
〖𝑃 (𝐵/𝐴_(𝑘 ))𝑃(𝐴_(𝑘 )) 〗 )=
(0,001715∗1)+(0,0703∗1)+(0,9279∗1) )
%
dad de Aprobar
93%
r un dato de la variable Cloruros y que esta sea del nivel Bajo y además cumpla conel valor aceptable es de 93 % aproximadamente.
e 93 % aproximadamente.
Probabilidad Condicional
B
A
Ejemplo 1:
Sea el evento B tener coronavirus, y el evento A tener tos,{\displaystyle
sería la probabilidad de tener tos cuando le dio coronavirus.
Ejemplo 2:
Al 5% de tus amigos le gusta la fresa y el café, mientras que al 20% le gus
Los axiomas de probabilidad son aquellas condiciones o características que satisfacen la probabilida
Sea S un espacio muestral, sea ε la clase de eventos y sea P una función de valores reales definida e
· [P2]
· [P4] Si A1, A2,…. es una serie de eventos mutuamente exclusivos, entonces
Las siguientes observaciones conciernen al orden en que están los axiomas [P3] y [P4]. Ante todo,
Ejemplo 1:
Sean las siguientes características de un palo de guayaba con respecto a su fruto
(Color/tamaño Grande Pequeño
Verde 39 5
Amarillo 3 2
Asi
Ejemplo 2:
Experimento: Se lanzan dos monedas
Ω = {ss, aa, sa, as}
N (Ω) = 4
Sean:
A: el evento de que al lanzar un par de monedas caigan dos soles exactamente
B: el evento de que al lanzar un par de monedas caiga un sol exactamente.
Los elementos de A y B son
A = {ss}
B = {sa, as}
Se puede ver que
, no hay elementos en común, por lo que los eventos son mutuamente exclusivos o disjuntos, por ta
la siguiente manera;
B
U
café, mientras que al 20% le gusta el café. ¿Cuál es la probabilidad de que a un amigo que le gusta el café, le guste la fresa?
iplicación
cas que satisfacen la probabilidad de cualquier experimento, teniendo en cuenta que no determinan las probabilidades, solo nos ayudan a
ción de valores reales definida en ε. Entonces P se llama función de probabilidad, y P(A) es llamada probabilidad del evento A si se cumpl
vos, entonces
xiomas [P3] y [P4]. Ante todo, al utilizar [P3] y la inducción matemática se puede probar que para eventos mutuamente exclusivos A1, A2
cto a su fruto
s y exhaustivos
xactamente
Llinás, S. H. (2017). Experimentos, espacios muestrales y eventos. En: Estadística descriptiva y distribuciones de p
Monroy, S. (2008). Conceptos básicos en probabilidad. En: Estadística Descriptiva. [Online] Editorial: Instituto Téc
Llinás, S. H. (2017). Probabilidad de un evento. En: Estadística descriptiva y distribuciones de probabilidad. (pp. 1
Llinás, S. H. (2017). Teorema de Bayes. En: Estadística descriptiva y distribuciones de probabilidad. (pp. 158 - 163
IAS BIBLIOGRAFICAS