Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Fórmula
Con base en la definición de probabilidad condicionada se obtiene la Fórmula de
Bayes, también conocida como Regla de Bayes:
P(A|B) =P(B|A)P(A)P(B)
Ejemplos
En una piscifactoría hay un tipo de especie pez que puede tener tres colores distintos.
Los peces de color verde representan el 20% del total, los de color azul el 50% y el
resto son de color rojo. Dentro de cada tipo de color hay peces macho y peces
hembra. La proporción de machos verdes es del 60% frente a las hembras verdes. La
proporción de hembras azules es del 85% frente a los machos azules. Hay la misma
proporción de hembras rojas que de machos verdes. Si pescamos un pez y vemos que
es macho, ¿qué probabilidad hay de que sea verde?
Solución:
En primer lugar, asignamos probabilidades:
Sabemos que hemos cogido un macho, así que vamos a calcular la probabilidad
total de elegir un macho:
P (M) =P(V)·P(M|V)+P(A)·P(M|A)+P(R)·P(M|R)==0,2·0,6+0,5·0,15+0,3·0,5=0,345
Queremos calcular la probabilidad de que el pez que hemos cogido sea verde,
condicionado con que ya sabemos que es macho P(V|M).
Aplicando el teorema de Bayes, llegamos a:
P (V|M) =P (V) ·P (M|V) / P (M) =0,2·0,60,345=0,348=34,8
Por tanto, hay un 34,8% de probabilidades de que, al coger un macho, este sea verde.
2. El de los empleados de una empresa son ingenieros y otro son
economistas. El de los ingenieros ocupan un puesto directivo y el
de los economistas también, mientras que los no ingenieros y los no
economistas solamente el ocupa un puesto directivo. ¿Cuál es la
probabilidad de que un empleado directivo elegido al azar sea ingeniero?
Variable aleatorias
Se denomina variable aleatoria (o estocástica) a la función que adjudica eventos
posibles a números reales (cifras), cuyos valores se miden en experimentos de tipo
aleatorio. Estos valores posibles representan los resultados de experimentos que
todavía no se llevaron a cabo o cantidades inciertas.
[X: FX(t) = P(X ≤ t) para todo t
EJEMPLO 1
Se lanza una moneda.
S = (C, S).
Sea X = (Número de caras).
Esta función asigna los siguientes valores a los elementos del espacio muestral:
- Si es cara, w = C, entonces, X(w) = 1.
(0, 1)
EJEMPLO 2.
Se lanza un dado.
S= (1,2,3,4,5,6).
X = (Número de caras}
Esta función asigna los siguientes valores a los elementos del espacio muestral:
Distribución binomial:
Donde:
1. Lanzamiento de una moneda: Supongamos que lanzas una moneda justa 10 veces y quieres
determinar la probabilidad de obtener exactamente 6 caras. Cada lanzamiento es
independiente y tiene dos resultados posibles: cara (éxito) o cruz (fracaso). En este caso, se
puede aplicar la distribución binomial con n = 10 ensayos, p = 0.5 (probabilidad de éxito en
cada lanzamiento) y encontrar la probabilidad de obtener 6 caras.
2. Prueba de elección múltiple: Imagina que tienes una prueba de elección múltiple con 5
preguntas, cada una con 4 opciones de respuesta. Supongamos que adivinas todas las
respuestas. Quieres calcular la probabilidad de obtener exactamente 3 respuestas correctas.
En este caso, puedes modelar cada pregunta como un ensayo independiente con una
probabilidad de éxito de 1/4 (probabilidad de adivinar la respuesta correcta) y utilizar la
distribución binomial con n = 5 ensayos y p = 1/4 para calcular la probabilidad deseada.
3. Éxito en ventas: Supongamos que tienes una tienda en línea y observas que la tasa de
conversión de visitantes a compradores es del 10%. Deseas determinar la probabilidad de que
en un día dado, de los 100 visitantes que llegan a tu sitio web, exactamente 15 realicen una
compra. Cada visita se considera un ensayo independiente con una probabilidad de éxito del
10%. Utilizando la distribución binomial con n = 100 ensayos y p = 0.1, puedes calcular la
probabilidad de que exactamente 15 visitantes realicen una compra.
Distribución de Poisson:
La distribución de Poisson se utiliza para modelar eventos discretos que ocurren en un
intervalo continuo o en un espacio continuo, como el número de eventos por unidad de
tiempo o de área. Es adecuada para situaciones donde los eventos ocurren de manera
aleatoria e independiente a una tasa promedio conocida.
Donde:
- k! es el factorial de k.