T1 UNIDAD 2.
Introducción a la probabilidad
Probabilidad y estadística
Profesora: Mónica López cardoza
Alumno: Raúl Antonio mezquita Dajer
Grupo 2m1
Investigación sobre Probabilidad y Estadística
Índice
1. Introducción
2. Experimentos, reglas de conteo y asignación de probabilidades
3. Eventos y sus probabilidades
4. Relaciones básicas de la probabilidad
5. Probabilidad condicional
6. Teorema de Bayes
7. Relaciones entre los temas
8. Conclusión
Introducción
La probabilidad y la estadística son dos ramas de las matemáticas que se utilizan para
estudiar la incertidumbre y la aleatoriedad. La probabilidad se ocupa de la asignación de
valores numéricos a la posibilidad de que ocurran eventos, mientras que la estadística se
ocupa de la recopilación, análisis e interpretación de datos.
En esta investigación, se abordarán los siguientes temas:
Experimentos, reglas de conteo y asignación de probabilidades
Eventos y sus probabilidades
Relaciones básicas de la probabilidad
Probabilidad condicional
Teorema de Bayes
Experimentos, reglas de conteo y asignación de probabilidades
1. Experimentos:
Un experimento es un proceso que produce un resultado aleatorio. El conjunto de todos los
resultados posibles se denomina espacio muestral.
Ejemplos de experimentos:
Lanzar una moneda
Lanzar un dado
Sacar una carta de una baraja
Elegir una persona al azar de un grupo
2. Espacio muestral:
El espacio muestral es el conjunto de todos los resultados posibles de un experimento. Se
puede representar de diferentes maneras:
Listando todos los resultados posibles
Usando notación matemática
Diagrama de árbol
Ejemplos de espacios muestrales:
Lanzar una moneda: {cara, cruz}
Lanzar un dado: {1, 2, 3, 4, 5, 6}
Sacar una carta de una baraja: {52 cartas diferentes}
3. Reglas de conteo:
Regla fundamental del conteo: Si un experimento puede realizarse de n maneras
diferentes y luego se puede realizar otro experimento de m maneras diferentes,
entonces el número total de maneras de realizar los dos experimentos es n x m.
Permutaciones: Si se tienen n objetos diferentes y se quieren colocar en r
posiciones diferentes, el número de permutaciones posibles es n!/(n-r)!.
Combinaciones: Si se tienen n objetos diferentes y se quieren seleccionar k de ellos
sin importar el orden, el número de combinaciones posibles es nCk = n!/(k!(n-k)!).
4. Asignación de probabilidades:
Método de la frecuencia relativa: La probabilidad de un evento A se calcula como
la razón entre el número de veces que ocurre un evento A y el número total de veces
que se realiza el experimento.
A priori: Se asigna una probabilidad a cada evento antes de realizar el experimento.
Subjetiva: Se basa en la opinión o creencia personal sobre la probabilidad de un
evento.
Ejemplos de asignación de probabilidades:
Lanzar una moneda: P(cara) = P(cruz) = 1/2
Lanzar un dado: P(obtener un 6) = 1/6
Sacar una carta roja de una baraja: P(carta roja) = 26/52 = 1/2
5. Aplicaciones:
Los experimentos, las reglas de conteo y la asignación de probabilidades se utilizan en una
amplia variedad de aplicaciones, como:
Diagnóstico médico: Se utilizan para calcular la probabilidad de una enfermedad
dado un conjunto de síntomas.
Clasificación de patrones: Se utilizan para clasificar elementos en categorías
basándose en sus características.
Filtros de spam: Se utilizan para identificar correos electrónicos no deseados.
Juegos de azar: Se utilizan para calcular la probabilidad de ganar un premio.
Eventos y sus Probabilidades
1. Definición de Evento:
En probabilidad, un evento se define como un subconjunto del espacio muestral. El espacio
muestral es el conjunto de todos los resultados posibles de un experimento. Un evento
puede ser simple, como obtener cara al lanzar una moneda, o compuesto, como obtener dos
caras al lanzar dos monedas.
2. Tipos de Eventos:
Eventos simples: Son aquellos que no se pueden descomponer en eventos más
pequeños.
Eventos compuestos: Son aquellos que se pueden descomponer en dos o más
eventos simples.
Eventos mutuamente excluyentes: Son aquellos que no pueden ocurrir al mismo
tiempo.
Eventos independientes: Son aquellos cuya probabilidad de ocurrencia no se ve
afectada por la ocurrencia de otro evento.
3. Probabilidad de un Evento:
La probabilidad de un evento es un número entre 0 y 1 que representa la posibilidad de que
ocurra el evento. Un valor de 0 indica que el evento es imposible, mientras que un valor de
1 indica que el evento es seguro.
4. Cálculo de la Probabilidad:
Existen diferentes métodos para calcular la probabilidad de un evento:
Método de la frecuencia relativa: La probabilidad de un evento A se calcula como
la razón entre el número de veces que ocurre un evento A y el número total de veces
que se realiza el experimento.
A priori: Se asigna una probabilidad a cada evento antes de realizar el experimento.
Subjetiva: Se basa en la opinión o creencia personal sobre la probabilidad de un
evento.
5. Propiedades de la Probabilidad:
La probabilidad de un evento siempre es un número entre 0 y 1.
La probabilidad del evento seguro es 1.
La probabilidad del evento imposible es 0.
La suma de las probabilidades de todos los eventos del espacio muestral es 1.
6. Ejemplos:
Lanzamiento de una moneda:
o Espacio muestral: {cara, cruz}
o Probabilidad de obtener cara: P(cara) = 1/2
o Probabilidad de obtener cruz: P(cruz) = 1/2
Lanzamiento de dos dados:
o Espacio muestral: {(1,1), (1,2), ..., (6,6)}
o Probabilidad de obtener dos caras: P(dos caras) = 6/36 = 1/6
o Probabilidad de obtener un 7: P(suma = 7) = 6/36 = 1/6
7. Aplicaciones:
Las probabilidades de eventos se utilizan en una amplia variedad de aplicaciones, como:
Diagnóstico médico: Se utilizan para calcular la probabilidad de una enfermedad
dado un conjunto de síntomas.
Clasificación de patrones: Se utilizan para clasificar elementos en categorías
basándose en sus características.
Filtros de spam: Se utilizan para identificar correos electrónicos no deseados.
Juegos de azar: Se utilizan para calcular la probabilidad de ganar un premio.
Relaciones Básicas de la Probabilidad
1. Teorema de la Suma
El teorema de la suma establece que la probabilidad de que ocurra al menos uno de dos
eventos A y B es la suma de las probabilidades de A y B menos la probabilidad de que
ocurran ambos eventos a la vez.
Fórmula:
P(AUB) = P(A) + P(B) - P(AB)
Interpretación:
El teorema de la suma nos permite calcular la probabilidad de que ocurra al menos uno de
dos eventos sin necesidad de conocer la probabilidad de que ocurran ambos
simultáneamente.
Ejemplo:
Lanzamos una moneda dos veces. ¿Cuál es la probabilidad de obtener al menos una cara?
P(A): Probabilidad de obtener cara en el primer lanzamiento = 1/2
P(B): Probabilidad de obtener cara en el segundo lanzamiento = 1/2
P(AB): Probabilidad de obtener cara en ambos lanzamientos = 1/4
Aplicando el teorema de la suma:
P(AUB) = P(A) + P(B) - P(AB) = 1/2 + 1/2 - 1/4 = 3/4
2. Teorema del Producto
El teorema del producto establece que la probabilidad de que ocurran dos eventos A y B es
la probabilidad de que ocurra A multiplicada por la probabilidad de que ocurra B dado que
ya ha ocurrido A.
Fórmula:
P(AB) = P(A) * P(B|A)
Interpretación:
El teorema del producto nos permite calcular la probabilidad de que ocurran dos eventos de
forma conjunta, teniendo en cuenta la probabilidad de que uno de ellos ocurra después de
que ya ha ocurrido el otro.
Ejemplo:
Se selecciona una persona al azar de un grupo de 10 personas, de las cuales 4 son mujeres y
6 son hombres. Se selecciona una segunda persona al azar sin reponer la primera. ¿Cuál es
la probabilidad de que las dos personas sean mujeres?
P(A): Probabilidad de que la primera persona sea mujer = 4/10 = 2/5
P(B|A): Probabilidad de que la segunda persona sea mujer dado que la primera
también es mujer = 3/9 = 1/3
Aplicando el teorema del producto:
P(AB) = P(A) * P(B|A) = (2/5) * (1/3) = 2/15
3. Teorema de la Complementación
El teorema de la complementación establece que la probabilidad de que no ocurra un
evento A es igual a 1 menos la probabilidad de que ocurra A.
Fórmula:
P(A') = 1 - P(A)
Interpretación:
El teorema de la complementación nos permite calcular la probabilidad de que no ocurra un
evento de forma sencilla, sin necesidad de realizar cálculos adicionales.
Ejemplo:
Lanzamos un dado. ¿Cuál es la probabilidad de que no salga un 6?
P(A): Probabilidad de que salga un 6 = 1/6
P(A'): Probabilidad de que no salga un 6 = 1 - P(A) = 1 - 1/6 = 5/6
4. Independencia de eventos
Dos eventos se consideran independientes si la probabilidad de que ocurra uno de ellos no
afecta la probabilidad de que ocurra el otro. En este caso, la probabilidad de que ocurran
ambos eventos es simplemente el producto de sus probabilidades individuales.
Ejemplo:
Lanzamos dos monedas al aire. ¿Cuál es la probabilidad de obtener cara en ambas?
Como las monedas son independientes, la probabilidad de obtener cara en la segunda
moneda no se ve afectada por el resultado de la primera moneda.
P(A): Probabilidad de obtener cara en la primera moneda = 1/2
P(B): Probabilidad de obtener cara en la segunda moneda = 1/2
P(AB) = P(A) * P(B) = 1/2 * 1/2 = 1/4
5. Aplicaciones
Las relaciones básicas de la probabilidad tienen una amplia variedad de aplicaciones en
diversos campos, como:
Diagnóstico médico: Se utilizan para calcular la probabilidad de una enfermedad
dado un conjunto de síntomas.
Clasificación de patrones: Se utilizan para clasificar elementos en categorías
basándose en sus características.
Filtros de spam: Se utilizan para identificar correos electrónicos no deseados.
**Juegos
Probabilidad Condicional
Definición:
La probabilidad condicional de un evento B dado que ha ocurrido un evento A es la
probabilidad de que ocurra B sabiendo que ya ha ocurrido A. Se denota como P(B|A).
Fórmula:
La probabilidad condicional se calcula como la siguiente:
P(B|A) = P(AB) / P(A)
Interpretación:
La probabilidad condicional nos permite actualizar la probabilidad de un evento B después
de haber observado otro evento A. Es decir, nos permite ajustar nuestra creencia sobre la
probabilidad de B en función de la nueva información que nos proporciona A.
Ejemplo:
Imaginemos que tenemos una bolsa con 10 bolas, de las cuales 4 son rojas y 6 son azules.
Sacamos una bola sin mirar y resulta ser roja. ¿Cuál es la probabilidad de que la siguiente
bola que saquemos también sea roja?
P(A): Probabilidad de sacar una bola roja (sin mirar) = 4/10 = 0.4
P(B): Probabilidad de sacar una bola roja independientemente de la anterior = 4/10
= 0.4
P(AB): Probabilidad de sacar dos bolas rojas = 3/9 (ya que solo quedan 3 rojas
después de sacar la primera) = 0.33
Ahora podemos calcular la probabilidad condicional:
P(B|A): Probabilidad de que la siguiente bola sea roja sabiendo que la primera era
roja = (0.33) / (0.4) = 0.825
En este ejemplo, la probabilidad de sacar una segunda bola roja aumenta después de haber
sacado una primera bola roja (de 0.4 a 0.825).
Propiedades:
La probabilidad condicional siempre es menor o igual que 1.
P(A|A) = 1 para cualquier evento A.
P(B|A) = P(A|B) * P(B) / P(A) (Teorema de Bayes)
Aplicaciones:
La probabilidad condicional se utiliza en una amplia variedad de aplicaciones, como:
Diagnóstico médico: Se usa para calcular la probabilidad de una enfermedad dado
un conjunto de síntomas.
Clasificación de patrones: Se utiliza para clasificar elementos en categorías
basándose en sus características y en la distribución previa de las categorías.
Filtros de spam: Se utiliza para identificar correos electrónicos no deseados
analizando el contenido del correo y comparándolo con correos spam conocidos.
Robots autónomos: Se aplica para que los robots actualicen sus decisiones en base
a la información que van recibiendo del entorno.
Teorema de Bayes
El Teorema de Bayes, como se mencionó anteriormente, es una herramienta poderosa en la
teoría de la probabilidad. Vamos a ahondar un poco más en su funcionamiento y
aplicaciones.
Explicación del Teorema:
El Teorema de Bayes permite calcular la probabilidad de un evento A dado que ha ocurrido
otro evento B. En otras palabras, nos permite actualizar la probabilidad inicial de A
(llamada probabilidad previa) teniendo en cuenta la nueva información que nos proporciona
B (llamada evidencia).
Elementos de la fórmula:
P(A|B): Probabilidad posterior. Es la probabilidad de que ocurra el evento A
sabiendo que ya ha ocurrido el evento B.
P(B|A): Probabilidad de B dado A. Representa la probabilidad de que ocurra B si
sabemos que ha ocurrido A (también llamada verosimilitud).
P(A): Probabilidad previa de A. Es la probabilidad inicial de que ocurra A sin tener
en cuenta la evidencia B.
P(B): Probabilidad total de B. Es la probabilidad de que ocurra B
independientemente de si ocurre A o no.
Ejemplo:
Imaginemos que tenemos una caja con dos compartimentos. En un compartimento hay 6
canicas rojas y 4 azules, y en el otro hay 2 rojas y 8 azules. Sacamos una canica sin mirar
de qué compartimento viene y resulta ser roja. ¿Cuál es la probabilidad de que haya salido
del primer compartimento?
P(A): Probabilidad previa de sacar una roja (sin mirar el compartimento) =
(6+2)/(6+4+2+8) = 8/20 = 0.4
P(B): Probabilidad de sacar una roja independientemente del compartimento = 8/20
= 0.4
P(B|A): Probabilidad de que el compartimento sea el primero dado que la canica es
roja = 6/8 (ya que hay 6 rojas en el primer compartimento y 8 rojas en total) = 0.75
Ahora podemos aplicar el Teorema de Bayes para encontrar la probabilidad posterior:
P(A|B): Probabilidad de que la canica sea del primer compartimento sabiendo que
es roja = (0.75 * 0.4) / 0.4 = 0.75
En este ejemplo, la evidencia de que la canica sea roja aumenta la probabilidad inicial de
que provenga del primer compartimento (de 0.4 a 0.75).
Aplicaciones del Teorema de Bayes:
El Teorema de Bayes tiene una amplia gama de aplicaciones en diversos campos, como:
Diagnóstico médico: Se puede utilizar para calcular la probabilidad de una
enfermedad dado un conjunto de síntomas.
Clasificación de patrones: Se usa para clasificar elementos en categorías
basándose en sus características y en la distribución previa de las categorías.
Filtros de spam: Se utiliza para identificar correos electrónicos no deseados
analizando el contenido del correo y comparándolo con correos spam conocidos.
Robots autónomos: Se aplica para que los robots actualicen sus decisiones en base
a la información que van recibiendo del entorno.
8. Conclusión
La probabilidad y la estadística son herramientas poderosas para estudiar la incertidumbre y
la aleatoriedad. Los temas abordados en esta investigación proporcionan una base
fundamental para comprender y aplicar estas herramientas en una amplia variedad de
campos.
Los temas abordados en esta investigación están interrelacionados entre sí. Los
experimentos, las reglas de conteo y la asignación de probabilidades son fundamentales
para calcular las probabilidades de eventos. Las relaciones básicas de la probabilidad, como
el teorema de la suma y el teorema del producto, permiten calcular la probabilidad de
eventos compuestos. La probabilidad condicional y el teorema de Bayes permiten calcular
la probabilidad de un evento dado que ha ocurrido otro evento.e
Bibliografía
1. Wikipedia - Probabilidad:
Wikipedia. (2023, 10 de marzo). Probabilidad. Recuperado
de [Link]
3. Khan Academy - Probabilidad:
Khan Academy. (s. f.). Probabilidad. Recuperado
de [Link]
x82899e311ce16938:probabilidad
4. MIT OpenCourseWare - Introducción a la Probabilidad y la Estadística:
Massachusetts Institute of Technology. (2022). Introducción a la Probabilidad y la
Estadística. Recuperado de [Link]
and-statistics-spring-2022/