Probabilidad de un suceso · Regla de Laplace Teoremas de la probabilidad total y de Bayes Corrección por continuidad o de Yates

número de casos favorables al suceso A Si A1 , A2 ,, An son n sucesos incompatibles dos a dos, esto es Al aproximar una binomial por una normal
P ( A) = debemos realizar una corrección de 0.5 ya
número de casos posibles Ai Ç A j = Φ , y son tales que el espacio muestral E es la unión
de todos ellos, es decir, E = A1 È A2 È  È An , y B es otro que pasamos de una variable discreta a otra
suceso, entonces continua.
Suceso contrario o complementario
X  B(n, p ) X ¢  ( np, np(1 - p ))
A o Ac es el suceso complementario o contrario
P(B ) = P(B Ç A1 ) + P(B Ç A2 ) +  + P(B Ç An ) P( X = a ) P( a - 0.5 £ X ¢ £ a + 0.5)
del suceso A.
P ( A ) = 1 - P ( A) = P( A1 ) ⋅ P(B A1 ) + P( A2 ) ⋅ P(B A2 ) +  + P( An ) ⋅ P(B An ) P( X < a ) P( X ¢ £ a - 0.5)
P( X £ a ) P( X ¢ £ a + 0.5)
P ( Ai Ç B ) P ( A ) ⋅ P (B Ai )
Sucesos incompatibles P ( Ai B ) = = n i P( X > a ) P( X ¢ ³ a + 0.5)
P (B )
Si A y B son dos sucesos incompatibles å P(B Ak )P( Ak )
k =1
P( X ³ a ) P( X ¢ ³ a - 0.5)
P( A Ç B ) = 0

Leyes de Morgan Sucesos independientes Tipificación de la distribución normal

Probabilidad de la unión de dos sucesos
Si A y B son dos sucesos compatibles de un P ( A È B ) = P( A Ç B )
Dos sucesos A y B son independientes si Si X sigue una normal N( μ, σ ) , Z = X-
σ
μ
se satisface la igualdad sigue una normal estándar N(0,1) .
mismo experimento aleatorio, entonces
P ( A Ç B ) = P( A È B ) P( A Ç B ) = P( A) ⋅ P(B )
P( A È B ) = P( A) + P(B ) - P( A Ç B )

Distribución binomial Algunas probabilidades en la distribución normal

Probabilidad de la diferencia de sucesos Si X  B(n, p) , siendo n el número de veces que se z 2
- x2
Si A y B son dos sucesos compatibles de un Φ( z ) = P( Z £ z ) = ò 1
e dx
realiza el experimento y p la probabilidad de éxito, -¥ 2π
mismo experimento aleatorio, entonces P( Z £ a ) = Φ( a ) P( Z ³ a ) = Φ(-a )
ænö ænö n!
P ( A Ç B ) = P ( A) - P ( A Ç B ) P( X = k ) = çç ÷÷÷ pk (1 - p )n-k çç ÷÷=
çèk ø÷ çèk ÷ø÷ k ! (n - k )!
y n! = n ⋅ (n - 1) ⋅ (n - 2)1 .
Probabilidad condicionada Media, varianza y desviación típica
La probabilidad de un suceso A si sabemos P( Z ³ a) = 1 - Φ( a) P( a £ Z £ b) = Φ( b) - Φ( a)
que ha sucedido otro suceso B se llama μ = np σ 2 = np(1 - p ) σ = np(1 - p )
probabilidad condicionada, P( A B ) y vale
P( A Ç B ) Aproximación de la binomial por la normal
P( A B ) = Si n > 30 , np > 5 y n(1 - p) > 5 entonces si P( Z £ a) = 1 - Φ(-a) P( a £ Z £ b) = Φ( b) + Φ(-a) - 1
P (B )
De esta relación se deduce que X  B(n, p) se puede aproximar N(np, np(1 - p )) .
P ( A Ç B ) = P (B ) ⋅ P ( A B ) Se conoce como teorema de Moivre y Laplace.