PROBABILIDAD
• Probabilidad Condicionada: Es la probabilidad de que algo ocurra cuando ya sabemos que
algo más ha sucedido. Por ejemplo, ¿cuál es la probabilidad de que llueva (A) dado que las
nubes son oscuras (B)? Esto se representa como P(A|B).
• Regla de Laplace: Es útil cuando todos los resultados posibles son igualmente probables.
Para calcular la probabilidad, cuentas cuántos resultados te interesan (favorables) y los
divides por el número total de resultados. Por ejemplo, lanzar un dado de seis caras, donde
cada cara tiene la misma probabilidad.
• Teorema de la Probabilidad Total: Lo usas cuando tienes diferentes categorías o particiones
(como diferentes maneras en que un evento puede ocurrir), y conoces la probabilidad de un
evento en cada categoría. Ayuda a calcular la probabilidad de un evento en general. Es como
combinar pedazos de información.
• Teorema de Bayes: Es un enfoque para actualizar una probabilidad cuando tienes nueva
información. Ayuda a responder preguntas como "¿cuál es la probabilidad de que alguien
tenga una enfermedad (A), dado que dio positivo en una prueba (B)?".
• Probabilidad Posteriori: Es simplemente el resultado después de aplicar el Teorema de
Bayes. Es la probabilidad actualizada después de considerar nueva información.
• Leyes de Morgan: Estas leyes son útiles para tratar con eventos que no se superponen o que
son complementarios. Ayudan a expresar cosas como "la probabilidad de que no ocurra A o
no ocurra B" en términos de "la probabilidad de que no ocurra A y no ocurra B".
En resumen, la probabilidad condicionada se refiere a la probabilidad dada una condición. La Regla
de Laplace es para cuando todos los resultados son igualmente probables. El Teorema de la
Probabilidad Total y el Teorema de Bayes se utilizan para calcular probabilidades en situaciones
más complejas, y la probabilidad posteriori es la probabilidad actualizada. Las Leyes de Morgan se
aplican para expresar eventos complementarios.