Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Investigacin
Sesin 2
Dra. Laura Rivera Len
PROBABILIDAD
Experimento Aleatorio (E): es aquel fenmeno cuyos
resultado depende del azar y cumple ciertas
caractersticas:
PROBABILIDAD
Sucesos: un suceso de un Experimento Aleatorio (E) es cada
uno de los posibles resultados de dicho experimento que no
puede descomponerse en resultados ms simples
PROBABILIDAD
Teora clsica
(Kolmogorov)
Propiedades de la probabilidad
Las reglas cumplidas por los diagramas de Venn son las mismas reglas
cumplidas por la probabilidad.
B
A
P() = 1
0 P(A) 1
La probabilidad de un evento
imposible es cero.
PROPIEDAD 1:
P(Ac )= 1 P(A)
PROPIEDAD 3: ley
eventos)
P ( A B ) P ( A ) P (B )
0< P(B) 1
PROPIEDAD 5: EVENTOS INDEPENDIENTES
P (A B) = P(A) P(B)
Medio
Alto
26
16
40
14
Ejecutivos
62
12
Profesionales
Ama de casa
Obreros
Ama de casa
b) Ingreso bajo
Ejemplo
En una cadena de televisin se hizo una encuesta a 2500 personas
para saber la audiencia de un debate y de una pelcula que se
emitieron en horas distintas: 2 100 vieron la pelcula, 1 500
vieron el debate y 350 no vieron ninguno de los dos programas.
Si elegimos al azar a uno de los encuestados:
a) Cul es la probabilidad de que viera la pelcula y el debate?
b) Cul es la probabilidad de que viera la pelcula, sabiendo que
vio el debate?
c) Sabiendo que vio la pelcula, cul es la probabilidad de que
viera el debate?
A .
A es un suceso:
P(A) P (A B1 )+P (A B2 )+...+P(A BK )
P (A | B1 )P(B1 )+P (A | B2 )P(B2 )+...+P(A| BK )P(BK )
Teorema de Bayes
La probabilidad condicional se basa en el resultado de un
hecho para describir otra probabilidad especfica.
Este concepto de puede extender cada vez que se tiene
nueva informacin con la cual determinar si una
probabilidad se debe a una causa especfica.
Este procedimiento recibe el nombre de Teorema de
Bayes y se maneja as:
Teorema de Bayes
Si A es un evento simple y Bi es una sucesin de eventos,
la probabilidad de que se cumpla el evento Bi dado que ya
se cumpli el evento A es:
P( A / Bi ) P( Bi )
P( Bi / A)
P( A / B1 ) P( B1 ) P( A / B2 ) P( B2 ) ... P( A / Bn ) P( Bn )
Anlisis previo
Qu se busca? :
La probabilidad de que el juguete tenga xito.
Qu condiciones tenemos? :
Resultados de un informe favorable
P(xito/Favorable)
Anlisis previo
: 40%
: 60%
P(xito)
P(fracaso)
= 0.4
= 0.6
Anlisis previo
0.8
0.3
Propsito
Desarrollo
(0.8)(0.4)
(0.8)(0.4) (0.3)(0.6)
(0.32)
(0.32) (0.18)
0.32
0.64
0.5
64%
Se busca calcular
Pacientes enfermos
Pacientes sanos
: P(Enfermo/Positivo)
: 0.03
: 0.97
P(Enfermo) = 0.03
P(Sano)
= 0.97
0.90
0.02
Anlisis previo
Propsito
Desarrollo
(0.9)(0.03) (0.02)(0.97)
(0.027)
(0.027 (0.0194)
0.027
0.5819
0.0464
58%
Distribucin Normal
Distribucin Normal o
Gaussiana
68.
26%
95.44
%
99.74
%
-3 - 2 -
+ +2 +3
Funcin de densidad
Funcin de Distribucin
TIPIFICACIN
Funcin de densidad
Funcin de Distribucin
MANEJO DE TABLAS:
CASOS MS FRECUENTES.