Documentos de Académico
Documentos de Profesional
Documentos de Cultura
INTRODUCCION:
PROBABILIDAD CLASICA:
La probabilidad clásica se utiliza en muchas áreas de la vida cotidiana, como los juegos de azar,
la toma de decisiones y planificación de eventos. Sin embargo no siempre es aplicable en
situaciones en las que los resultados no son igualmente probables, como en la mayoría de los
experimentos en física, biología y otras ciencias naturales. En estos casos se utilizan otras
ramas de la teoría de probabilidades, como la probabilidad condicional y la probabilidad
estadística.
PROBABILIDAD CONDICIONAL
Es una rama de la teoría de probabilidades que se utiliza para calcular la probabilidad de que
un evento ocurra dado de que otro evento ha ocurrido. Es decir, se trata de la probabilidad de
un evento “A” dado que otro evento “B” ha ocurrido.
En este caso, se tiene que P (matemáticas física) = P (matemáticas física) / P (física). Como se
sabe que el 90% de los estudiantes que toman un curso de física también toman un curso de
matemáticas, se tiene que P (matemáticas física) = 0.9. Además, se sabe que el 70% de los
estudiantes que toman un curso de matemáticas también toman un curso de física, por lo que
P (física) = 0.7. Por lo tanto, la probabilidad de que un estudiante que toma un curso de física
también tome un curso de matemáticas es:
Es decir, hay una probabilidad del 1.29 de que un estudiante que toma un curso de física
también tome un curso de matemáticas.
VARIABLES ALEATORIAS:
En la teoría de probabilidades, una variable aleatoria es una función que asigna un valor
numérico a cada resultado posible de un experimento aleatorio. En otras palabras, una
variable aleatoria es una forma de cuantificar los resultados de un experimento aleatorio.
Existen dos tipos de variables aleatorias: discretas y continuas. Una variable aleatoria discreta
toma valores aislados, como por ejemplo el número de veces que se obtiene cara al lanzar una
moneda. Una variable aleatoria continua, por otro lado, puede tomar cualquier valor dentro
de un intervalo, como la altura de una persona.
Para describir una variable aleatoria, se utiliza una función de probabilidad o una función de
densidad de probabilidad. La función de probabilidad se utiliza para variables aleatorias
discretas y asigna probabilidad a cada valor que puede tomar la variable aleatoria. La función
de densidad de probabilidad se utiliza para variables aleatorias continuas y describe la
probabilidad de que la variable aleatoria tome un valor dentro de un intervalo determinado.
E(X) = Σx P(X=x)
donde x son los valores que puede tomar la variable aleatoria y P(X=x) es la probabilidad de
que la variable tome el valor x. Var(X) = E((X-E(X))^2)
La confianza es un concepto relacionado con la varianza que se utiliza para expresar el grado
de incertidumbre en una medición o estimación de una variable. En estadística, la confianza se
expresa en términos de intervalos de confianza, que son intervalos de valores que se espera
que contengan el verdadero valor de la variable con cierta probabilidad.
1. Distribución uniforme: esta distribución asigna la misma probabilidad a todos los valores
posibles de una variable aleatoria. Por ejemplo, cuando se lanza un dado, cada número del 1 al
6 tiene la misma probabilidad de aparecer, por lo que se puede modelar con una distribución
uniforme.
3. Distribución de Poisson: esta distribución se utiliza para modelar el número de eventos raros
que ocurren en un intervalo de tiempo o de espacio. Por ejemplo, el número de llamadas de
emergencia que recibe un servicio de atención en una hora determinada.
4. Distribución exponencial: esta distribución se utiliza para modelar el tiempo entre eventos
raros sucesivos. Por ejemplo, el tiempo que tarda un usuario en llegar a una página web
después de que se ha producido un fallo en el servidor.
5. Distribución binomial: esta distribución se utiliza para modelar el número de éxitos en un
número fijo de ensayos independientes, donde cada ensayo tiene una probabilidad fija de
éxito. Por ejemplo, el número de veces que se lanza cara al lanzar una moneda 10 veces.
Hay muchas otras distribuciones importantes de probabilidad, pero estas son algunas de las
más comunes y útiles.
Estas son solo algunas de las muchas aplicaciones de la teoría de probabilidades en diferentes
campos. En general, la teoría de probabilidades es una herramienta poderosa y versátil para la
toma de decisiones y la resolución de problemas en una amplia gama de áreas.
8 Simulacion de probabilidades