Академический Документы
Профессиональный Документы
Культура Документы
probabilidad total:
Teorema de la probabilidad total: a partir de las probabilidades del suceso A (probabilidad de que
llueva o de que haga buen tiempo) deducimos la probabilidad del suceso B (que ocurra un
accidente).
Teorema de Bayes: a partir de que ha ocurrido el suceso B (ha ocurrido un accidente) deducimos
las probabilidades del suceso A (estaba lloviendo o haca buen tiempo?).
Tratar de explicar estar frmula con palabras es un galimatas, as que vamos a intentar explicarla
con un ejemplo. De todos modos, antes de entrar en el ejercicio, recordar que este teorema
tambin exige que el suceso A forme un sistema completo.
Una vez que incorporamos la informacin de que ha ocurrido un accidente, las probabilidades del
suceso A cambian: son probabilidades condicionadas P (A/B), que se denominan "probabilidades
a posteriori".
Vamos a aplicar la frmula:
Dos sucesos son independientes entre s, si la ocurrencia de uno de ellos no afecta para nada a
la ocurrencia del otro:
Ejemplo: el suceso estatura de los alumnos de una clase y el color del pelo son independientes: el
que un alumno sea ms o menos alto no va a influir en el color de su cabello, ni viceversa.
Para que dos sucesos sean independientes tienen que verificar al menos una de las
siguientescondiciones:
Ejemplo: la probabilidad de que al tirar una moneda salga cara (suceso B), condicionada a que
haga buen tiempo (suceso A), es igual a la propia probabilidad del suceso B.
P (A/B) = P (A) es decir, que la probabilidad de que se de el suceso A, condicionada a que
previamente se haya dado el suceso B, es exactamente igual a la probabilidad de A.
Ejemplo: la probabilidad de que haga buen tiempo (suceso A), condicionada a que al tirar una
moneda salga cara (suceso B), es igual a la propia probabilidad del suceso A.
Ejemplo: la probabilidad de que haga buen tiempo (suceso A) y salga cara al tirar una moneda
(suceso B), es igual a la probabilidad del suceso A multiplicada por la probabilidad del suceso B
Suceso interseccin: la probabilidad de que haga buen tiempo y tener un accidente es del 0,08
Por lo tanto, no se cumple ninguna de las tres condiciones sealadas por lo que estos dos
sucesos no son independientes, sino que existe algn grado de dependencia entre ellos.
Suceso interseccin: la probabilidad de que haga buen tiempo y que salga cara es 0,2
Las distribuciones discretas son aquellas en las que la variable puede pude tomar un nmero
determinado de valores:
Ejemplo: si se lanza una moneda al aire puede salir cara o cruz; si se tira un dado puede salir un
nmero de 1 al 6; en una ruleta el nmero puede tomar un valor del 1 al 32.
Las distribuciones continuas son aquellas que presentan un nmero infinito de posibles
soluciones:
Ejemplo: El peso medio de los alumnos de una clase puede tomar infinitos valores dentro de cierto
intervalo (42,37 kg, 42,3764 kg, 42, 376541kg, etc); la esperanza media de vida de una poblacin
(72,5 aos, 7,513 aos, 72, 51234 aos).
Es aquel modelo que sigue un experimento que se realiza una sola vez y que puede tener dos
soluciones: acierto o fracaso:
Ejemplo: Probabilidad de salir cara al lanzar una moneda al aire (sale cara o no sale); probabilidad
de ser admitido en una universidad (o te admiten o no te admiten); probabilidad de acertar una
quiniela (o aciertas o no aciertas)
Verificndose que:
p+q=1
p + q = 0,5 + 0,5 = 1
Ejemplo 2: Probabilidad de ser admitido en la universidad:
p + q = 0,25 + 0,75 = 1
p + q = 0,00001 + 0,99999 = 1
Cuando en una distribucin binomial se realiza el experimento un nmero "n" muy elevado de
veces y la probabilidad de xito "p" en cada ensayo es reducida, entonces se aplica el modelo
de distribucin de Poisson:
Vamos a explicarla:
" " = n * p (es decir, el nmero de veces " n " que se realiza el experimento multiplicado por la
probabilidad " p " de xito en cada ensayo)
Veamos un ejemplo:
La probabilidad de tener un accidente de trfico es de 0,02 cada vez que se viaja, si se realizan
300 viajes, cual es la probabilidad de tener 3 accidentes?
Como la probabilidad " p " es menor que 0,1, y el producto " n * p " es menor que 10, entonces
aplicamos el modelo de distribucin de Poisson.
Luego,
P (x = 3) = 0,0892
Por lo tanto, la probabilidad de tener 3 accidentes de trfico en 300 viajes es del 8,9%
Otro ejemplo:
La probabilidad de que un nio nazca pelirrojo es de 0,012. Cul es la probabilidad de que entre
800 recien nacidos haya 5 pelirrojos?
Luego,
P (x = 5) = 4,602
Por lo tanto, la probabilidad de que haya 5 pelirrojos entre 800 recien nacidos es del 4,6%.