Tarea 11 Estadística Descriptiva

Alumno: Jared Estrada García 202230262 no de lista: 9

¿Qué es probabilidad?
La probabilidad es un concepto fundamental en la teoría de la probabilidad y la estadística, y juega
un papel crucial en diversos campos como la matemática, la ciencia, la ingeniería, la economía y
muchos otros. En términos generales, la probabilidad se refiere a la medida de la certeza o
posibilidad de que ocurra un evento.
Definición básica: En el contexto de la teoría de la probabilidad, un evento es cualquier conjunto de
resultados posibles de un experimento o situación. La probabilidad de un evento se expresa como
un número entre 0 y 1, donde 0 significa que el evento es imposible y 1 significa que es seguro. Un
valor intermedio, como 0.5, indica una posibilidad equitativa.
Definición matemática: La probabilidad de un evento A, denotada como �( �)P(A), se calcula
como el cociente entre el número de resultados favorables a �A y el número total de resultados
posibles. Matemáticamente, se expresa como:
�(�)=Nuˊmero de resultados favorables a �Nuˊmero total de resultados posiblesP(A)=Nuˊmero t
otal de resultados posiblesNuˊmero de resultados favorables a A
Propiedades fundamentales:
La probabilidad de cualquier evento está en el rango de 0 a 1: 0≤�(�)≤10≤P(A)≤1.
La probabilidad de que ocurra al menos uno de los eventos mutuamente excluyentes es la suma de
sus probabilidades individuales. �(�∪�)=�(�)+�(�)P(A∪B)=P(A)+P(B)
La probabilidad complementaria de un evento �A, denotada como �(¬�)P(¬A) o �(�′)P(A′),
es igual a 1 menos la probabilidad de �A. �(¬�)=1−�(�)P(¬A)=1−P(A)
Enfoques de probabilidad:
Frecuentista: La probabilidad se basa en la frecuencia relativa de un evento en un número infinito
de repeticiones del experimento.
Bayesiana: La probabilidad se interpreta como una medida subjetiva de creencia o confianza en que
ocurra un evento, y se actualiza a medida que se obtienen nuevos datos o información.
Aplicaciones prácticas:
En estadística, la probabilidad es esencial para inferir conclusiones sobre una población basada en
una muestra.
En la teoría de juegos y la toma de decisiones, la probabilidad ayuda a evaluar riesgos y
recompensas.
En aprendizaje automático y inteligencia artificial, la probabilidad es clave en algoritmos de
clasificación y predicción.
En resumen, la probabilidad es una herramienta fundamental para modelar y comprender la
incertidumbre en situaciones diversas, proporcionando un marco matemático sólido para tomar
decisiones informadas en presencia de aleatoriedad.

Elementos de la Teoría de probabilidad:

Claro, la teoría de la probabilidad se basa en varios conceptos fundamentales que proporcionan un
marco matemático para entender y cuantificar la incertidumbre. Aquí están algunos de los
elementos esenciales de la teoría de probabilidad:

1. **Espacio Muestral (Ω):** Es el conjunto de todos los posibles resultados de un experimento

aleatorio. Cada elemento en el espacio muestral se denomina "punto muestral". Por ejemplo, si
lanzas un dado, el espacio muestral sería \(\{1, 2, 3, 4, 5, 6\}\).

2. **Evento (A):** Es cualquier subconjunto del espacio muestral. Puede consistir en uno o más
puntos muestrales. La ocurrencia de un evento representa el resultado observado en un experimento.
Por ejemplo, obtener un número par al lanzar un dado sería un evento.

3. **Probabilidad de un Evento (P(A)):** Es la medida numérica de la posibilidad de que ocurra un

evento. Se expresa como un número entre 0 y 1. La probabilidad de todo el espacio muestral es 1. Si
\(A\) y \(B\) son eventos mutuamente excluyentes, entonces \(P(A \cup B) = P(A) + P(B)\).

4. **Regla de Adición o Unión (P(A ∪ B)):** La probabilidad de que ocurra al menos uno de dos
eventos \(A\) o \(B\) es la suma de sus probabilidades individuales, menos la probabilidad de que
ambos ocurran simultáneamente (si no son eventos mutuamente excluyentes).

5. **Probabilidad Condicional (P(A|B)):** Es la probabilidad de que ocurra un evento \(A\) dado

que otro evento \(B\) ha ocurrido. Se define como:
\[ P(A|B) = \frac{P(A \cap B)}{P(B)} \]

6. **Regla del Producto (P(A ∩ B)):** La probabilidad de que ocurran ambos eventos \(A\) y \(B\)
es el producto de la probabilidad de \(A\) y la probabilidad condicional de \(B\) dado \(A\).
\[ P(A \cap B) = P(A) \cdot P(B|A) \]

7. **Independencia de Eventos:** Dos eventos \(A\) y \(B\) son independientes si la ocurrencia de

uno no afecta la probabilidad del otro. Esto se expresa como \(P(A \cap B) = P(A) \cdot P(B)\).
8. **Probabilidad Total y Teorema de Bayes:**
- **Probabilidad Total:** Si \(B_1, B_2, \ldots, B_k\) forman una partición del espacio muestral
(es decir, son eventos mutuamente excluyentes y su unión es el espacio muestral), entonces para
cualquier evento \(A\):
\[ P(A) = P(A|B_1) \cdot P(B_1) + P(A|B_2) \cdot P(B_2) + \ldots + P(A|B_k) \cdot P(B_k) \]
- **Teorema de Bayes:** Permite actualizar las probabilidades basándose en nueva información.
Para dos eventos \(A\) y \(B_i\) con \(i = 1, 2, \ldots, k\) formando una partición del espacio
muestral:
\[ P(B_i|A) = \frac{P(A|B_i) \cdot P(B_i)}{\sum_{j=1}^{k} P(A|B_j) \cdot P(B_j)} \]

Estos conceptos forman la base de la teoría de probabilidad y son esenciales para comprender y
aplicar métodos probabilísticos en diversos campos.

Alumno: Jared Estrada García No 9 202230262