Conceptos Definiciones
Evento un evento se refiere a cualquier  Lanzamiento de una
resultado o conjunto de
resultados posibles de un
experimento aleatorio
Una tabla de contingencia es una
Tabla de contingencia herramienta estadística que
muestra la frecuencia de
ocurrencia de dos variables
categóricas en un conjunto de
datos. Se utiliza para analizar la
relación entre estas variables y
determinar si hay una asociación
o dependencia entre ellas. La
tabla muestra los valores
observados y esperados de cada
combinación de categorías, lo
que permite calcular diversas
medidas de asociación y realizar
pruebas de hipótesis estadísticas.
es un evento que depende de otro
Ejemplos
moneda: El evento
"cara" ocurre si la
moneda cae con la cara
hacia arriba, mientras
que el evento "cruz"
ocurre si la moneda cae
con la cruz hacia arriba.
 Lanzamiento de un dado:
El evento "número par"
ocurre si el resultado del
lanzamiento es 2, 4 o 6,
mientras que el evento
"número impar" ocurre
si el resultado del
lanzamiento es 1, 3 o 5.
 Una empresa desea
analizar la relación
entre la satisfacción
del cliente y la edad
del cliente. Crean una
tabla de contingencia
que muestra el número
de clientes satisfechos
y no satisfechos en
cada grupo de edad.
 Un estudio de mercado
desea analizar la
relación entre el
género y la marca de
ropa favorita. Crean
una tabla de
contingencia que
muestra el número de
encuestados
masculinos y
femeninos que
prefieren cada marca
de ropa.
 Probabilidad
 Evento condicional evento previo y se define en
términos de la probabilidad de
que ocurra el segundo evento
dado que el primer evento ha
ocurrido. En otras palabras, un
evento condicional es aquel que
solo puede ocurrir si se cumple
una condición previa. La
probabilidad de un evento
condicional se calcula utilizando
la regla de Bayes, la cual
establece que la probabilidad
condicional de un evento es igual
a la probabilidad del evento
conjunto dividida por la
probabilidad del evento
condicionante.
un evento no mutuamente
Evento no mutuamente excluyente se refiere a la
excluyente posibilidad de que dos o más
eventos ocurran al mismo
tiempo. En otras palabras, estos
eventos pueden tener resultados
en común. Por ejemplo, en una
condicional: este
evento se refiere a la
probabilidad de que
ocurra un evento B,
dado que ya ha
ocurrido un evento A.
Se denota como P(B|
A) y se calcula
dividiendo la
probabilidad conjunta
de A y B entre la
probabilidad de A. Por
ejemplo, si queremos
saber cuál es la
probabilidad de que
llueva hoy, dado que
ayer llovió, podríamos
calcular P(lluvia hoy|
lluvia ayer).
 Esperanza condicional:
este evento se refiere al
valor esperado de una
variable aleatoria X,
dado que se cumple un
evento A. Se denota
como E(X|A) y se
calcula sumando el
producto de la función
de densidad de X y el
valor de X para todos los
posibles valores de X,
dados que se cumple A,
y dividiendo entre la
probabilidad de A. Por
ejemplo, si queremos
saber cuál es el valor
esperado de la altura de
los estudiantes de una
clase, dado que son
hombres, podríamos
calcular E(altura|
sexo=hombre).
 el lanzamiento de un
dado y obtener un
número par o un número
mayor a 4. Ambos
eventos pueden ocurrir al
mismo tiempo si se
obtiene un 6, que es par
 encuesta de opinión política, un
individuo podría identificarse
como demócrata y también
apoyar ciertas políticas
republicanas. Los eventos no
mutuamente excluyentes son
importantes de entender para
poder hacer análisis estadísticos
precisos y tomar decisiones
informadas.
Es una fórmula matemática que
Teorema de Bayes nos permite actualizar nuestras
creencias o probabilidad sobre
un evento en función de nueva
información que recibimos. En
otras palabras, nos ayuda a
calcular la probabilidad de que
algo sea verdadero o cierto en
base a la evidencia que tenemos
disponible. Esto es útil en
muchas áreas, incluyendo la
estadística, la inteligencia
artificial y la toma de decisiones.
y mayor a 4.
 sacar una carta de una
baraja y que sea una
figura o una carta roja.
Una carta como el
corazón de diamantes
sería parte de ambos
eventos.
 Diagnóstico médico:
Supongamos que un
médico tiene un paciente
que presenta síntomas de
fiebre, dolor de cabeza y
dolor de garganta. El
médico sabe que estas
pueden ser síntomas de
varias enfermedades
diferentes, incluyendo la
gripe y la amigdalitis. El
médico también sabe que
la gripe es más común en
la población general que
la amigdalitis. ¿Cuál es
la probabilidad de que el
paciente tenga gripe?
En este caso, el médico
puede utilizar el teorema
de Bayes para calcular la
probabilidad de que el
paciente tenga gripe.
Primero, el médico debe
calcular la probabilidad
de que un paciente con
los síntomas del paciente
tenga gripe. Luego, debe
calcular la probabilidad
de que un paciente con
los mismos síntomas
tenga amigdalitis.
Finalmente, debe utilizar
la relación entre estas
dos probabilidades y la
prevalencia de la gripe
en la población general
para calcular la
probabilidad de que el
paciente tenga gripe.