Este documento presenta definiciones básicas de probabilidad, incluyendo experimento, resultado, espacio muestral y evento. Explica cómo calcular la probabilidad de eventos discretos y los axiomas de probabilidad. También cubre eventos mutuamente excluyentes, eventos independientes, probabilidad condicional y el teorema de Bayes, el cual permite calcular probabilidades a posteriori. Por último, menciona cómo se aplica el teorema de Bayes en tests diagnósticos médicos.
Este documento trata sobre probabilidades. Explica conceptos como experimento aleatorio, espacio muestral, sucesos o eventos, y define la probabilidad de un suceso como la razón entre el número de resultados favorables y el número total de resultados posibles. Incluye ejemplos para ilustrar estos conceptos y presenta algunos teoremas sobre probabilidades.
La teoría de probabilidades asigna números a los posibles resultados de experimentos aleatorios para cuantificar la probabilidad de que ocurran ciertos sucesos. Un suceso es cada resultado posible y un espacio muestral es el conjunto de todos los resultados posibles. La regla de adición establece cómo calcular la probabilidad de la unión de sucesos y la regla de multiplicación se usa para sucesos condicionados. El teorema de Bayes calcula probabilidades condicionales cuando se conocen las causas y efectos de diferentes resultados.
Este documento presenta conceptos básicos de probabilidad. Explica términos como experimento, resultado, evento, espacio muestral y probabilidad. Describe métodos para asignar probabilidades a eventos como el método clásico, el método empírico y el método subjetivo. También cubre reglas y conceptos como la probabilidad condicional, la independencia estadística, la regla de adición, la regla de multiplicación y el teorema de Bayes. El documento utiliza ejemplos y diagramas para ilustrar estos conceptos fundamentales
tarea 1, ejercicios de probabilidad con respuestasIPN
Este documento presenta 19 ejercicios sobre probabilidad y teoría de conjuntos. Los ejercicios involucran la definición y descripción de espacios muestrales y eventos, así como el cálculo de intersecciones y uniones de eventos. Algunos ejercicios piden listar los elementos de diferentes eventos, mientras que otros solicitan diagramas de Venn o árboles para ilustrar las relaciones entre eventos. El documento proporciona múltiples ejemplos detallados sobre cómo modelar problemas probabilísticos utilizando la teor
Este documento presenta la teoría de probabilidades para la resolución de problemas. Incluye definiciones de experimentos aleatorios, espacio muestral, sucesos, operaciones con sucesos como unión e intersección, y definiciones de probabilidad como probabilidad clásica, frecuentista y subjetiva. El objetivo es que los participantes puedan aplicar esta teoría para resolver problemas de probabilidad.
Este documento resume conceptos básicos de probabilidades. Explica que la probabilidad es la rama de las matemáticas que estudia los resultados posibles de experimentos aleatorios. Define términos clave como espacio muestral, sucesos, eventos y probabilidad de un suceso. Además, presenta ejemplos para ilustrar estos conceptos en situaciones como lanzar monedas o dados.
Introduccion A La Teoria De Las ProbabilidadesESTIC 68
Este documento define conceptos básicos de probabilidad y estadística como experimentos determinísticos vs aleatorios, espacio muestral y eventos. Explica que un experimento determinístico siempre da el mismo resultado bajo las mismas condiciones, mientras que uno aleatorio puede dar resultados diferentes. Define espacio muestral como el conjunto de todos los resultados posibles de un experimento y eventos como subconjuntos de este. Presenta ejemplos como lanzar una moneda o un dado para ilustrar estos conceptos.
Este documento presenta conceptos básicos de la teoría de probabilidad para ingeniería. Explica definiciones como experimento aleatorio, espacio muestral, evento y probabilidad. Describe diferentes enfoques de probabilidad como el clásico, frecuencial y subjetivo. También cubre axiomas y reglas de probabilidad como la adición para calcular probabilidades de eventos. El documento incluye ejemplos y ejercicios para reforzar los conceptos.
Este documento trata sobre probabilidades. Explica conceptos como experimento aleatorio, espacio muestral, sucesos o eventos, y define la probabilidad de un suceso como la razón entre el número de resultados favorables y el número total de resultados posibles. Incluye ejemplos para ilustrar estos conceptos y presenta algunos teoremas sobre probabilidades.
La teoría de probabilidades asigna números a los posibles resultados de experimentos aleatorios para cuantificar la probabilidad de que ocurran ciertos sucesos. Un suceso es cada resultado posible y un espacio muestral es el conjunto de todos los resultados posibles. La regla de adición establece cómo calcular la probabilidad de la unión de sucesos y la regla de multiplicación se usa para sucesos condicionados. El teorema de Bayes calcula probabilidades condicionales cuando se conocen las causas y efectos de diferentes resultados.
Este documento presenta conceptos básicos de probabilidad. Explica términos como experimento, resultado, evento, espacio muestral y probabilidad. Describe métodos para asignar probabilidades a eventos como el método clásico, el método empírico y el método subjetivo. También cubre reglas y conceptos como la probabilidad condicional, la independencia estadística, la regla de adición, la regla de multiplicación y el teorema de Bayes. El documento utiliza ejemplos y diagramas para ilustrar estos conceptos fundamentales
tarea 1, ejercicios de probabilidad con respuestasIPN
Este documento presenta 19 ejercicios sobre probabilidad y teoría de conjuntos. Los ejercicios involucran la definición y descripción de espacios muestrales y eventos, así como el cálculo de intersecciones y uniones de eventos. Algunos ejercicios piden listar los elementos de diferentes eventos, mientras que otros solicitan diagramas de Venn o árboles para ilustrar las relaciones entre eventos. El documento proporciona múltiples ejemplos detallados sobre cómo modelar problemas probabilísticos utilizando la teor
Este documento presenta la teoría de probabilidades para la resolución de problemas. Incluye definiciones de experimentos aleatorios, espacio muestral, sucesos, operaciones con sucesos como unión e intersección, y definiciones de probabilidad como probabilidad clásica, frecuentista y subjetiva. El objetivo es que los participantes puedan aplicar esta teoría para resolver problemas de probabilidad.
Este documento resume conceptos básicos de probabilidades. Explica que la probabilidad es la rama de las matemáticas que estudia los resultados posibles de experimentos aleatorios. Define términos clave como espacio muestral, sucesos, eventos y probabilidad de un suceso. Además, presenta ejemplos para ilustrar estos conceptos en situaciones como lanzar monedas o dados.
Introduccion A La Teoria De Las ProbabilidadesESTIC 68
Este documento define conceptos básicos de probabilidad y estadística como experimentos determinísticos vs aleatorios, espacio muestral y eventos. Explica que un experimento determinístico siempre da el mismo resultado bajo las mismas condiciones, mientras que uno aleatorio puede dar resultados diferentes. Define espacio muestral como el conjunto de todos los resultados posibles de un experimento y eventos como subconjuntos de este. Presenta ejemplos como lanzar una moneda o un dado para ilustrar estos conceptos.
Este documento presenta conceptos básicos de la teoría de probabilidad para ingeniería. Explica definiciones como experimento aleatorio, espacio muestral, evento y probabilidad. Describe diferentes enfoques de probabilidad como el clásico, frecuencial y subjetivo. También cubre axiomas y reglas de probabilidad como la adición para calcular probabilidades de eventos. El documento incluye ejemplos y ejercicios para reforzar los conceptos.
Este documento presenta los conceptos básicos de probabilidad como experimentos aleatorios, espacios muestrales, eventos y diagramas de Venn. Resuelve problemas que involucran el cálculo de probabilidades de eventos compuestos y encuentra la cantidad de formas posibles en que pueden sentarse personas. También define conceptos como variable aleatoria, función de probabilidad, valor esperado, varianza y distribución binomial.
El documento presenta 18 ejemplos de experimentos aleatorios y calcula el espacio muestral asociado a cada uno. Define el espacio muestral como el conjunto de todos los resultados posibles de un experimento aleatorio y ofrece fórmulas para calcular el número de elementos en función de si es finito o infinito. Algunos ejemplos incluyen lanzar dados, monedas, seleccionar comités o colocar cartas en buzones.
Este documento resume los elementos básicos de la probabilidad, incluyendo los enfoques de probabilidad clásica y axiomática, variables aleatorias, y probabilidad discreta y continua. Explica conceptos como espacio muestral, eventos, regla de Laplace para calcular probabilidades cuando todos los resultados son equiprobables, y operaciones con conjuntos como uniones e intersecciones para obtener nuevos eventos.
Este documento presenta conceptos básicos de probabilidad y estadística. Define términos como variables, población, muestra, experimentos aleatorios y no aleatorios. Explica qué es un espacio muestral y cómo representarlo, así como la noción de eventos, complementos de eventos, intersección y unión de eventos. Incluye ejemplos para ilustrar cada uno de estos conceptos teóricos.
El documento presenta 19 ejemplos de experimentos aleatorios y sus respectivos espacios muestrales. Los experimentos incluyen lanzar monedas, dados, seleccionar estudiantes o cartas de manera aleatoria, y procesos de producción. Cada ejemplo define el experimento, describe los posibles resultados y calcula el número de elementos en el espacio muestral asociado. El documento provee una introducción conceptual a la probabilidad a través de diversos ejemplos prácticos.
Este documento presenta conceptos básicos de teoría de probabilidades en 3 oraciones:
1) Define el espacio muestral como el conjunto de todos los resultados posibles de un experimento aleatorio y presenta ejemplos. 2) Explica que un evento es un subconjunto del espacio muestral y ofrece ejemplos de eventos. 3) Introduce conceptos como la unión y la intersección de eventos, el complemento de un evento, y eventos mutuamente excluyentes.
Teoria y problemas del calculo de probabilidades cp525 ccesa007Demetrio Ccesa Rayme
Este documento presenta conceptos básicos sobre probabilidades, incluyendo definiciones de experimento aleatorio, espacio muestral y sucesos favorables. Explica cómo calcular la probabilidad de diferentes eventos al lanzar dados, monedas y más. Incluye ejemplos numéricos de cálculos de probabilidad para varios experimentos aleatorios comunes.
Gabriela Machado 25.852.386 PROBABILIDAD Y TEOREMA DE BAYESJunior Torres
Este documento define conceptos básicos de probabilidad como experimento, espacio muestral, eventos simples y compuestos. Luego explica técnicas de conteo y las reglas de probabilidad conjunta, marginal y condicional. Finalmente, explica eventos mutuamente excluyentes y no excluyentes, y las reglas multiplicativa, aditiva y de Bayes.
Una mujer entre 40-50 años tiene una probabilidad del 0.8% de tener cáncer de mama. Si una mujer tiene cáncer de mama, la probabilidad de un resultado positivo en la prueba de detección es del 90%. Si una mujer no tiene cáncer de mama, la probabilidad de un resultado positivo es del 7%. Se pide calcular la probabilidad de que una mujer tenga realmente cáncer de mama sabiendo que dio positivo en la prueba de detección.
El documento presenta conceptos básicos de probabilidad como sucesos, probabilidad marginal, conjunta y condicional. Explica la probabilidad condicionada y cómo calcularla. También introduce la independencia de sucesos y la ley de probabilidad total para calcular la probabilidad de un suceso a partir de la probabilidad condicionada a otros sucesos.
Este documento presenta conceptos básicos de probabilidad clásica, incluyendo experimentos aleatorios, espacio muestral, sucesos, definición de probabilidad, propiedades de la probabilidad, probabilidad condicionada y tablas de contingencia/diagramas de árbol. Explica que un experimento aleatorio tiene múltiples resultados posibles sin poder predecir con certeza cuál ocurrirá, y que el espacio muestral incluye todos los posibles resultados. Luego introduce definiciones formales de probabilidad basadas en frecuencias relativas y
El documento presenta 10 ejercicios resueltos sobre cálculo de probabilidades. El primer ejercicio calcula la probabilidad más probable de obtener un número determinado de caras al lanzar 20 monedas con probabilidad de cara del 0,6. El último ejercicio demuestra una desigualdad entre la probabilidad condicional de B dado A y la probabilidad de B.
Este documento introduce el concepto de variable aleatoria discreta. Explica que una variable aleatoria asigna un número real a cada suceso elemental en un espacio muestral. Presenta ejemplos de variables aleatorias como el número de caras que salgan al lanzar monedas o dados. También cubre cómo calcular la probabilidad de diferentes valores de una variable aleatoria.
Este documento presenta varios ejemplos y ejercicios sobre probabilidad y experimentos aleatorios. Incluye la clasificación de experimentos como deterministas o de azar, así como cálculos de probabilidades para lanzar dados, monedas y extraer bolas de urnas. Resuelve problemas como hallar la probabilidad de obtener determinados resultados y construir diagramas para ilustrar experimentos compuestos que involucran múltiples lanzamientos o extracciones.
Este documento presenta conceptos básicos de probabilidad como experimentos aleatorios, espacio muestral, eventos y sucesos. Explica que un experimento aleatorio es aquel cuyo resultado no puede predecirse al repetirlo en las mismas condiciones. Define el espacio muestral como el conjunto de todos los posibles resultados de un experimento aleatorio y los eventos o sucesos como cualquier subconjunto del espacio muestral. Además, introduce las reglas básicas de probabilidad como la suma, intersección y complemento de sucesos.
Este documento presenta conceptos básicos sobre variables aleatorias continuas. 1) Define una variable aleatoria continua como aquella cuyo rango toma valores en intervalos de números reales, y cuya función de densidad de probabilidad cumple ciertas propiedades. 2) Explica cómo evaluar probabilidades mediante la integración de la función de densidad, y 3) introduce el concepto de soporte como el subconjunto donde la función es positiva.
El documento presenta 10 problemas de probabilidad y estadística resueltos. Se calculan probabilidades de sucesos como salir par en un dado, obtener al menos dos cruces al lanzar 3 monedas, extraer una bola roja de una urna con bolas de distintos colores, obtener rey u as al sacar una carta. También se calculan probabilidades con dados y monedas trucadas.
1) Se describe la distribución normal estándar, creada por Gauss, que tiene forma de campana y es simétrica alrededor de 0.
2) Se explican propiedades como que el área bajo la curva entre -∞ y ∞ es 1, y cómo usar la tabla normal para calcular áreas y probabilidades.
3) Se dan ejemplos del cálculo de probabilidades usando la tabla normal, incluyendo el uso de probabilidades complementarias y la diferencia de áreas.
El documento presenta varios problemas resueltos sobre probabilidad. El primer problema describe el espacio muestral de un experimento donde un estudiante responde a dos preguntas de verdadero o falso. El segundo problema describe el espacio muestral de cuatro preguntas y define varios sucesos. El tercer problema calcula la probabilidad de que una rata pulse dos veces la misma palanca roja. El cuarto problema calcula la probabilidad de que salga negro en la décima tirada de una ruleta después de nueve rojos consecutivos.
Una experiencia es de azar si no se puede predecir el resultado. Se llaman experimentos aleatorios los que dan lugar a experiencias de azar. El espacio muestral es el conjunto de todos los resultados posibles de un experimento aleatorio, y cada resultado posible se llama suceso elemental. La probabilidad de un suceso indica el grado de posibilidad de que ocurra y se expresa como un número entre 0 y 1.
Este documento introduce conceptos básicos de probabilidad como espacio muestral, reglas de adición y multiplicación, permutaciones, combinaciones, y sucesos mutuamente excluyentes, independientes y dependientes. Explica que la probabilidad se puede definir como el número de casos favorables entre el número de casos posibles y provee ejemplos como lanzar una moneda o dados.
Este documento presenta los conceptos básicos de probabilidad como experimentos aleatorios, espacios muestrales, eventos y diagramas de Venn. Resuelve problemas que involucran el cálculo de probabilidades de eventos compuestos y encuentra la cantidad de formas posibles en que pueden sentarse personas. También define conceptos como variable aleatoria, función de probabilidad, valor esperado, varianza y distribución binomial.
El documento presenta 18 ejemplos de experimentos aleatorios y calcula el espacio muestral asociado a cada uno. Define el espacio muestral como el conjunto de todos los resultados posibles de un experimento aleatorio y ofrece fórmulas para calcular el número de elementos en función de si es finito o infinito. Algunos ejemplos incluyen lanzar dados, monedas, seleccionar comités o colocar cartas en buzones.
Este documento resume los elementos básicos de la probabilidad, incluyendo los enfoques de probabilidad clásica y axiomática, variables aleatorias, y probabilidad discreta y continua. Explica conceptos como espacio muestral, eventos, regla de Laplace para calcular probabilidades cuando todos los resultados son equiprobables, y operaciones con conjuntos como uniones e intersecciones para obtener nuevos eventos.
Este documento presenta conceptos básicos de probabilidad y estadística. Define términos como variables, población, muestra, experimentos aleatorios y no aleatorios. Explica qué es un espacio muestral y cómo representarlo, así como la noción de eventos, complementos de eventos, intersección y unión de eventos. Incluye ejemplos para ilustrar cada uno de estos conceptos teóricos.
El documento presenta 19 ejemplos de experimentos aleatorios y sus respectivos espacios muestrales. Los experimentos incluyen lanzar monedas, dados, seleccionar estudiantes o cartas de manera aleatoria, y procesos de producción. Cada ejemplo define el experimento, describe los posibles resultados y calcula el número de elementos en el espacio muestral asociado. El documento provee una introducción conceptual a la probabilidad a través de diversos ejemplos prácticos.
Este documento presenta conceptos básicos de teoría de probabilidades en 3 oraciones:
1) Define el espacio muestral como el conjunto de todos los resultados posibles de un experimento aleatorio y presenta ejemplos. 2) Explica que un evento es un subconjunto del espacio muestral y ofrece ejemplos de eventos. 3) Introduce conceptos como la unión y la intersección de eventos, el complemento de un evento, y eventos mutuamente excluyentes.
Teoria y problemas del calculo de probabilidades cp525 ccesa007Demetrio Ccesa Rayme
Este documento presenta conceptos básicos sobre probabilidades, incluyendo definiciones de experimento aleatorio, espacio muestral y sucesos favorables. Explica cómo calcular la probabilidad de diferentes eventos al lanzar dados, monedas y más. Incluye ejemplos numéricos de cálculos de probabilidad para varios experimentos aleatorios comunes.
Gabriela Machado 25.852.386 PROBABILIDAD Y TEOREMA DE BAYESJunior Torres
Este documento define conceptos básicos de probabilidad como experimento, espacio muestral, eventos simples y compuestos. Luego explica técnicas de conteo y las reglas de probabilidad conjunta, marginal y condicional. Finalmente, explica eventos mutuamente excluyentes y no excluyentes, y las reglas multiplicativa, aditiva y de Bayes.
Una mujer entre 40-50 años tiene una probabilidad del 0.8% de tener cáncer de mama. Si una mujer tiene cáncer de mama, la probabilidad de un resultado positivo en la prueba de detección es del 90%. Si una mujer no tiene cáncer de mama, la probabilidad de un resultado positivo es del 7%. Se pide calcular la probabilidad de que una mujer tenga realmente cáncer de mama sabiendo que dio positivo en la prueba de detección.
El documento presenta conceptos básicos de probabilidad como sucesos, probabilidad marginal, conjunta y condicional. Explica la probabilidad condicionada y cómo calcularla. También introduce la independencia de sucesos y la ley de probabilidad total para calcular la probabilidad de un suceso a partir de la probabilidad condicionada a otros sucesos.
Este documento presenta conceptos básicos de probabilidad clásica, incluyendo experimentos aleatorios, espacio muestral, sucesos, definición de probabilidad, propiedades de la probabilidad, probabilidad condicionada y tablas de contingencia/diagramas de árbol. Explica que un experimento aleatorio tiene múltiples resultados posibles sin poder predecir con certeza cuál ocurrirá, y que el espacio muestral incluye todos los posibles resultados. Luego introduce definiciones formales de probabilidad basadas en frecuencias relativas y
El documento presenta 10 ejercicios resueltos sobre cálculo de probabilidades. El primer ejercicio calcula la probabilidad más probable de obtener un número determinado de caras al lanzar 20 monedas con probabilidad de cara del 0,6. El último ejercicio demuestra una desigualdad entre la probabilidad condicional de B dado A y la probabilidad de B.
Este documento introduce el concepto de variable aleatoria discreta. Explica que una variable aleatoria asigna un número real a cada suceso elemental en un espacio muestral. Presenta ejemplos de variables aleatorias como el número de caras que salgan al lanzar monedas o dados. También cubre cómo calcular la probabilidad de diferentes valores de una variable aleatoria.
Este documento presenta varios ejemplos y ejercicios sobre probabilidad y experimentos aleatorios. Incluye la clasificación de experimentos como deterministas o de azar, así como cálculos de probabilidades para lanzar dados, monedas y extraer bolas de urnas. Resuelve problemas como hallar la probabilidad de obtener determinados resultados y construir diagramas para ilustrar experimentos compuestos que involucran múltiples lanzamientos o extracciones.
Este documento presenta conceptos básicos de probabilidad como experimentos aleatorios, espacio muestral, eventos y sucesos. Explica que un experimento aleatorio es aquel cuyo resultado no puede predecirse al repetirlo en las mismas condiciones. Define el espacio muestral como el conjunto de todos los posibles resultados de un experimento aleatorio y los eventos o sucesos como cualquier subconjunto del espacio muestral. Además, introduce las reglas básicas de probabilidad como la suma, intersección y complemento de sucesos.
Este documento presenta conceptos básicos sobre variables aleatorias continuas. 1) Define una variable aleatoria continua como aquella cuyo rango toma valores en intervalos de números reales, y cuya función de densidad de probabilidad cumple ciertas propiedades. 2) Explica cómo evaluar probabilidades mediante la integración de la función de densidad, y 3) introduce el concepto de soporte como el subconjunto donde la función es positiva.
El documento presenta 10 problemas de probabilidad y estadística resueltos. Se calculan probabilidades de sucesos como salir par en un dado, obtener al menos dos cruces al lanzar 3 monedas, extraer una bola roja de una urna con bolas de distintos colores, obtener rey u as al sacar una carta. También se calculan probabilidades con dados y monedas trucadas.
1) Se describe la distribución normal estándar, creada por Gauss, que tiene forma de campana y es simétrica alrededor de 0.
2) Se explican propiedades como que el área bajo la curva entre -∞ y ∞ es 1, y cómo usar la tabla normal para calcular áreas y probabilidades.
3) Se dan ejemplos del cálculo de probabilidades usando la tabla normal, incluyendo el uso de probabilidades complementarias y la diferencia de áreas.
El documento presenta varios problemas resueltos sobre probabilidad. El primer problema describe el espacio muestral de un experimento donde un estudiante responde a dos preguntas de verdadero o falso. El segundo problema describe el espacio muestral de cuatro preguntas y define varios sucesos. El tercer problema calcula la probabilidad de que una rata pulse dos veces la misma palanca roja. El cuarto problema calcula la probabilidad de que salga negro en la décima tirada de una ruleta después de nueve rojos consecutivos.
Una experiencia es de azar si no se puede predecir el resultado. Se llaman experimentos aleatorios los que dan lugar a experiencias de azar. El espacio muestral es el conjunto de todos los resultados posibles de un experimento aleatorio, y cada resultado posible se llama suceso elemental. La probabilidad de un suceso indica el grado de posibilidad de que ocurra y se expresa como un número entre 0 y 1.
Este documento introduce conceptos básicos de probabilidad como espacio muestral, reglas de adición y multiplicación, permutaciones, combinaciones, y sucesos mutuamente excluyentes, independientes y dependientes. Explica que la probabilidad se puede definir como el número de casos favorables entre el número de casos posibles y provee ejemplos como lanzar una moneda o dados.
Este documento resume el uso de R en probabilidad y estadística. Explica que R es un software estadístico gratuito y de código abierto que permite simular experimentos probabilísticos y asignar probabilidades sin necesidad de repetir físicamente el experimento. Luego presenta un ejemplo del experimento de Pascal sobre extraer canicas de una bolsa para ilustrar cómo R puede utilizarse para calcular la probabilidad de diferentes resultados.
Los números enteros extienden los números naturales para incluir cantidades negativas, representadas con un signo menos (-). Los números enteros incluyen tanto números positivos (con signo más (+)) como negativos, así como cero. Se representan en el conjunto de números Z en una recta numérica.
Los números enteros incluyen tanto los números naturales positivos como los números negativos. Los números negativos representan cantidades por debajo de cero en la recta numérica, mientras que los positivos están por encima de cero. Las operaciones con números enteros como la suma, resta, opuestos y valor absoluto siguen reglas específicas. La suma de números del mismo signo es positiva, mientras que la suma de números de distinto signo es negativa.
Este documento trata sobre la enseñanza de las matemáticas en primaria. Presenta diferentes temas matemáticos como las operaciones básicas, ecuaciones, geometría y conjuntos numéricos. También discute métodos para la enseñanza como la resolución de problemas y el trabajo colaborativo. Finalmente, incluye algunas referencias bibliográficas sobre estos temas.
Este documento presenta una guía didáctica para la enseñanza de matemáticas en escuelas rurales multigrado. Incluye 9 sesiones de clase con actividades diferenciadas para cada curso, así como evaluaciones. El objetivo es apoyar a los profesores a enfocar los contenidos matemáticos de acuerdo a las necesidades de estos establecimientos educativos particulares.
Este documento define la probabilidad y ofrece una breve historia de su desarrollo. Explica los elementos básicos de la teoría de probabilidad como eventos, experimentos y espacio muestral. También describe las reglas de probabilidad como la adición, multiplicación y probabilidad condicional. Finalmente, proporciona ejemplos para ilustrar conceptos como eventos mutuamente excluyentes e independientes.
El documento presenta varias actividades sobre números enteros dirigidas a estudiantes de primaria. La primera actividad explica cómo se indican las plantas de un edificio en el ascensor usando números enteros positivos para las plantas por encima de la planta baja y números enteros negativos para las debajo. Otras actividades involucran emparejar personas con las plantas a las que van en el ascensor, calcular temperaturas máximas y mínimas, contar pasajeros que suben y bajan de un autobús, y realizar sumas y restas con
El documento describe los números enteros positivos y negativos, explicando que los números negativos están a la izquierda de cero y tienen un valor menor, mientras que los positivos están a la derecha de cero y tienen un valor mayor. También define números opuestos como aquellos que solo difieren en su signo, y explica que en comparaciones entre números, los positivos son mayores que los negativos y el cero es mayor que cualquier número negativo pero menor que cualquier positivo.
Curso algebra psu preparación para la universidadEducagratis
Curso algebra psu preparación para la universidad
Mas información de este curso en: http://educagratis.cl/moodle/course/view.php?id=664
El curso de álgebra PSU está dirigido a estudiantes de enseñanza media que desean tener una preparación para rendir la PSU, principalmente en el área de álgebra.
El álgebra es una rama de las matemáticas en la que se usan letras para representar relaciones aritméticas. Al igual que en la aritmética, las operaciones fundamentales del álgebra son adición, sustracción, multiplicación, división y cálculo de raíces....Encuentra mas cursos en: http://educagratis.cl/moodle/
Este documento explica las operaciones básicas con números enteros, incluyendo la suma y resta. Explica cómo sumar números del mismo signo, de distintos signos, y varios números. También cubre cómo transformar una resta en una suma al sumar el minuendo con el opuesto del sustraendo.
Este documento explica los números enteros, incluyendo números positivos, negativos y cero. Describe cómo se usan los números negativos para indicar plantas de edificios por debajo del nivel del suelo, altitudes por debajo del nivel del mar y temperaturas por debajo de cero grados. También define el conjunto de números enteros Z y cómo se representan en una recta numérica, con números positivos a la derecha de cero y negativos a la izquierda.
El documento introduce los números enteros, explicando que son una extensión de los números naturales que incluyen números negativos. Define el conjunto de números enteros Z y explica cómo representarlos en una recta numérica. Describe las propiedades de los números enteros y cómo realizar operaciones como suma, resta, multiplicación, división y potenciación con ellos. Incluye ejemplos y ejercicios para practicar las operaciones con números enteros.
Técnicas e instrumentos de evaluacion de la enseñanza de matemáticasJuan Briones
El documento describe varias técnicas e instrumentos para evaluar el aprendizaje de matemáticas, incluyendo observaciones, registros anecdóticos, interrogatorios verbales, auto-informes y pruebas. Explica diferentes tipos de pruebas como orales, escritas, de ejecución, informales, formales y estandarizadas. También discute las funciones y tipos de evaluación como diagnóstica, reguladora, retroalimentadora y de control.
Este documento presenta 10 preguntas clave para maestros de matemáticas y cómo la evaluación PISA puede ayudar a responderlas. Algunas preguntas clave incluyen cuánto dirigir el aprendizaje de los estudiantes, si algunos métodos de enseñanza son más efectivos, la importancia de la relación maestro-estudiante y si se debe enfatizar la aplicación de conceptos matemáticos en el mundo real. El documento sugiere una mezcla de enfoques centrados en la enseñanza y el aprend
Este documento describe tres tipos de evaluación del aprendizaje: evaluación diagnóstica, evaluación formativa y evaluación sumativa. La evaluación diagnóstica se realiza al inicio para determinar los conocimientos previos del estudiante. La evaluación formativa se lleva a cabo durante todo el proceso de aprendizaje para observar el progreso. La evaluación sumativa ocurre al final para certificar los resultados obtenidos.
Este documento describe estrategias y técnicas de evaluación formativa desde el enfoque del aprendizaje, incluyendo observación, desempeño, análisis del desempeño y interrogatorio. Explica diversos instrumentos como guías de observación, registros anecdóticos, diarios de clase, preguntas sobre procedimientos, portafolios y rúbricas. El objetivo es obtener evidencia sobre los logros de aprendizaje de los estudiantes y necesidades de apoyo, de manera que la evaluación mejore el aprendizaje
Trabajo final estadística y probabilidades nov 2017 Jorge Ramirez
Este documento presenta conceptos básicos de probabilidad y estadística como espacio muestral, eventos, reglas para contar puntos de muestra, probabilidad de eventos, reglas aditivas, probabilidad condicional y reglas multiplicativas. Incluye ejemplos para ilustrar cada concepto.
Este documento presenta conceptos básicos sobre probabilidad, incluyendo experimentos determinísticos y aleatorios, espacio muestral, sucesos, reglas de probabilidad como adición, multiplicación y propiedades de conjuntos. Explica cómo calcular probabilidades usando interpretaciones de frecuencia y clásica, y provee ejemplos y actividades para practicar estos conceptos.
El documento presenta conceptos básicos sobre probabilidad. Define experimentos determinísticos y aleatorios, así como los conceptos de espacio muestral, sucesos y eventos. Explica cómo calcular la probabilidad de un suceso mediante la fórmula de la probabilidad clásica y presenta las reglas de adición y multiplicación para el cálculo de probabilidades compuestas. Finalmente, propone ejercicios para aplicar estos conceptos.
DEBER DE MATEMATICAS TEMA: EXPLICA LOS ELEMENTOS DE LA PROBABILIDAD EN FUNCIÓN DE CADA UNO DE ELLOS, -IDENTIFICA LOS ENFOQUES DE PROBABILIDAD DE ACUERDO A LOS DIFERENTES EXPERIMENTOS ALEATORIOS, -COMPRENDE LA RELACIÓN ENTRE SUCESOS SUS CARACTERÍSTICAS Y TIPOS, -RELACIONA EL CÁLCULO DE PROBABILIDAD, LA REGLA DE LAPLACE, Y LOS DIFERENTES EJERCICIOS QUE SE DESARROLLAN.
Este documento introduce conceptos básicos de probabilidad como experimentos, resultados, eventos, espacio muestral y probabilidad de eventos. Explica que un evento puede ser simple o compuesto y que la probabilidad de un evento es la frecuencia esperada con la que ocurra. También define probabilidad conjunta e independiente de eventos.
Este documento presenta los conceptos fundamentales de la teoría de probabilidad, incluyendo: (1) la definición de experimento aleatorio, suceso y espacio muestral, (2) operaciones con sucesos como unión e intersección, (3) los axiomas de probabilidad y la asignación de probabilidades a sucesos, y (4) teoremas importantes como el teorema del producto y la probabilidad total. El documento provee numerosos ejemplos para ilustrar estos conceptos teóricos.
Este documento describe conceptos básicos de probabilidad y estadística. Introduce las nociones de experiencias deterministas y aleatorias, espacio muestral, sucesos, operaciones con sucesos, frecuencia absoluta y relativa, propiedades y teoremas de probabilidad, ley de Laplace, probabilidad condicionada y sucesos independientes. Finalmente, explica las nociones de pruebas compuestas, experiencias independientes y dependientes.
El documento presenta conceptos básicos de probabilidad, incluyendo experimentos determinísticos y aleatorios, espacio muestral, sucesos, reglas de probabilidad como adición y multiplicación, e independencia. Se definen probabilidades a través de interpretaciones frecuentista y clásica, y se presentan ejemplos para ilustrar los conceptos.
Este documento describe la distribución binomial y variables aleatorias discretas. Explica que una variable aleatoria binomial (X) representa el número de éxitos en n repeticiones independientes de un experimento con probabilidad constante de éxito p. Presenta fórmulas para calcular la probabilidad de diferentes valores de X y resume propiedades como la esperanza y varianza de una variable aleatoria binomial.
Este documento introduce conceptos básicos de probabilidad. Define probabilidad, experimentos aleatorios y espacio muestral. Explica los conceptos de eventos, incluyendo intersección, unión y complemento de eventos. También cubre reglas para contar puntos muestrales y permutaciones.
Este documento presenta ejercicios sobre cálculo de probabilidades. En el primer ejercicio, se describe un experimento de extraer una bola de una urna con bolas numeradas y se definen los sucesos de obtener un número par, impar, primo o impar menor que 9. En el segundo ejercicio, se describe el lanzamiento de 3 monedas y se definen sucesos asociados. Finalmente, los ejercicios 3 al 14 presentan problemas probabilísticos para calcular probabilidades de sucesos compuestos y condicionados.
El documento introduce conceptos básicos de teoría de conjuntos y probabilidad como espacio muestral, eventos, cardinalidad, probabilidad simple y condicional. Explica la diferencia entre conjuntos, subconjuntos y su intersección, y presenta ejemplos para ilustrar los cálculos de probabilidad usando diagramas de árbol y el teorema de Bayes.
Este documento presenta conceptos básicos sobre probabilidades. Explica que las probabilidades estudian los resultados posibles de fenómenos aleatorios y define términos como experimento aleatorio, espacio muestral, suceso y evento. Luego describe cómo calcular probabilidades simples para un solo evento o la unión o intersección de eventos, incluyendo ejemplos numéricos.
Este documento presenta los conceptos básicos de probabilidad, incluyendo el origen de la probabilidad, los enfoques clásico, de frecuencia relativa y subjetivo. Explica conceptos como espacio muestral, eventos, eventos elementales, seguros e imposibles. También cubre reglas como la adición y multiplicación para eventos dependientes e independientes.
Este documento presenta información sobre un curso de probabilidad y estadística dictado por el Ingeniero Hilario Olmedo Jiménez a 5 alumnos. Se detalla el semestre, grupo, especialidad y ciclo escolar al que corresponde el curso. Además, introduce algunos conceptos básicos sobre el origen de la probabilidad y experimentos aleatorios.
Elementos de la probabilidad y axiomas de probabilidad EsthelaGarcia5
Este documento trata sobre los elementos y axiomas de la probabilidad. Explica que los primeros estudios de probabilidad se motivaron por los juegos de azar y define conceptos como experimento aleatorio, espacio muestral y eventos. Luego presenta ejemplos como lanzar un dado para ilustrar estos conceptos. Finalmente, introduce los enfoques de probabilidad como experimento aleatorio, espacio muestral y operaciones entre eventos como unión e intersección.
Este documento define conceptos básicos de probabilidad como espacio muestral, sucesos, operaciones con sucesos como unión e intersección, y presenta ejemplos para ilustrarlos. También introduce la regla de Laplace para calcular probabilidades cuando el espacio muestral es equiprobable, y los axiomas de la definición probabilística.
Este documento presenta conceptos básicos de probabilidad. Define probabilidad y diferentes enfoques como clásico, frecuencial, subjetivo y axiomático. Explica conceptos como experimento aleatorio, espacio muestral, eventos y cómo calcular probabilidades usando reglas de suma y multiplicación. También cubre probabilidad condicional y total, y cómo dividir un espacio muestral en particiones mutuamente excluyentes.
Este documento presenta 14 ejercicios de probabilidad y estadística. Los ejercicios cubren conceptos como espacio muestral, sucesos, probabilidades condicionales e independencia. Algunos ejercicios involucran lanzar monedas o bolas de urnas, mientras que otros analizan escenarios más complejos como exámenes o encuestas. El documento proporciona soluciones completas para cada ejercicio.
SEMIOLOGIA DE HEMORRAGIAS DIGESTIVAS.pptxOsiris Urbano
Evaluación de principales hallazgos de la Historia Clínica utiles en la orientación diagnóstica de Hemorragia Digestiva en el abordaje inicial del paciente.
La Unidad Eudista de Espiritualidad se complace en poner a su disposición el siguiente Triduo Eudista, que tiene como propósito ofrecer tres breves meditaciones sobre Jesucristo Sumo y Eterno Sacerdote, el Sagrado Corazón de Jesús y el Inmaculado Corazón de María. En cada día encuentran una oración inicial, una meditación y una oración final.
LA PEDAGOGIA AUTOGESTONARIA EN EL PROCESO DE ENSEÑANZA APRENDIZAJEjecgjv
La Pedagogía Autogestionaria es un enfoque educativo que busca transformar la educación mediante la participación directa de estudiantes, profesores y padres en la gestión de todas las esferas de la vida escolar.
1. UNIVAD IV: PROBABILIDAD
4.1. DEFINICIONES BÁSICAS EN PROBABILIDAD
Experimento: Todo proceso que produce un resultado u observación.
Ejemplo:
ξ1: Lanzar un Dado y observar el número que queda arriba.
ξ2: Lanzar al aire una moneda y anotar el resultado.
Resultado: Consecuencia de un experimento.
Ejemplo, Para ξ1 Se puede tener el resultado 6, 2, 5, etc.
Experimento Aleatorio: Es aquel que proporciona diferentes resultados aun
cuando se repita siempre de la misma manera.
Los anteriores experimentos son aleatorios
Espacio Muestral: Conjunto de resultados posibles de un experimento.
Ejemplo:
Para ξ1 tenemos S1 = {1, 2, 3, 4, 5, 6 }
Para ξ2 tenemos S2 = {C, N}
Evento: Cualquier subconjunto del espacio muestral.
Ejemplo:
A: Al lanzar un dado el número que aparece es impar.
A = {1, 3, 5 }
Espacio Muestral Discreto: Es el espacio muestral formado por un conjunto
finito (o infinito contable) de resultados.
4.2. DEFINICIÓN DE PROBABILIDAD
Definición 1: Cada vez que un espacio muestral esté formado por N posibles
resultados igualmente probables, la probabilidad de cada uno de ellos será
1/N.
Definición 2: Para un evento muestral discreto, la probabilidad de un evento E,
se denota por P(E), es igual a la suma de las probabilidades de los resultados
en E.
posiblesCasos
favorablesCasos
Sn
En
EP ==
)(
)(
)(
2. Axiomas de Probabilidad.
La probabilidad es un número que se asigna a cada miembro de una colección
de Eventos de un experimento aleatorio y que satisface las siguientes
propiedades:
1. P(S) = 1, S es el Espacio Muestral.
2. P(∅) = 0
3. 0≤ P(E) ≤ 1, E es un evento Cualquiera.
4. Para dos eventos E1 y E2 con E1 ∩ E2 = ∅, se tiene
P(E1 ∪ E2)= P(E1)+ P(E2)
5. Si
n
i
iES
1=
= , donde Ei ∩ Ej = ∅ para i≠j, entonces ( ) ( )∑=
=
n
i
iEPSP
1
.
4.3. EVENTOS MUTUAMENTE EXCLUYENTES
Definición: Dos eventos son mutuamente excluyentes si no pueden ocurrir
simultáneamente. Es decir, si la ocurrencia de uno imposibilita la ocurrencia
de los demás, en este caso A ∩ B = ∅.
Así la P(A ∪ B) = P(A) + P(B)
Gráficamente lo podemos ver en el siguiente diagrama
Ejemplo:
Consideremos el siguiente experimento ξ: Se escoge un paciente de una
clínica
S = {pacientes 1, 2, 3, 4, 5, 6, 7, 8, 9 } y los eventos A = {pacientes 1, 3, 6,
9}, B = {pacientes 2, 4, 6, 8 }
A ∪ B ={1, 2, 3, 4, 6, 8, 9 }
A ∩ B = { 6}
P(A ∪ B)= 7/9; P(A) = 4/9; P(B) = 4/9; P( A ∩ B) = 1/9
3. P(A)+ P(B) = 4/9 + 4/9 = 8/9 ≠ P(A ∪ B)= 7/9, pero lo que si es cierto es que
7/9 = 4/9 + 4/9 - 1/9, ó lo que es lo mismo P(A ∪ B)= P(A)+ P(B) – P( A ∩ B)
En general cuando los eventos no son mutuamente excluyentes tenemos
P(A ∪ B) = P(A)+ P(B) – P( A ∩ B)
Para tres eventos tenemos:
P(A∪B∪C)= P(A)+ P(B) + P(C) –P( A∩B) – P( A∩C) – P( B∩C) + P(A∩B ∩
C)
4.4. EVENTOS INDEPENDIENTES
Definición: Dos eventos A y B Son independientes si la ocurrencia de uno (o la
no ocurrencia) no afecta la probabilidad asignada a la ocurrencia del otro.
y se define como ( ) )()( BPAPBAP =∩
Ejemplo:
Consideremos el siguiente experimento
ξ: Se lanza un dado y lego se lanza una moneda y se anotan los resultados.
Encontrar la probabilidad de que el dado caiga par y la moneda caiga cara.
Solución:
Para encontrar el espacio muestral, utilicemos el siguiente diagrama de arbol.
Diagrama de Árbol,
Dado Moneda Resultado
C 1, C
1
N 1, N
C 2, C
2
N 2, N
C 3, C
3
N 3, N
C 4, C
4
N 4, N
C 5, C
5
N 5, N
C 6, C
6
N 6, N
Luego tenemos
S={(1,C), (2,C), (3,C), (4,C), (5,C), (6,C), (1,N), (2,N), (3,N), (4,N), (5,N), (6,N)}
4. Y sean los eventos A: El dado cae par y B: la moneda cae cara.
A ∩ B: el dado caiga par y la moneda caiga cara
A ∩ B = {(2,C), (4,C), (6,C)}
P( A ∩ B) = 3/12 = ¼ = 0.25
Pero P( A ) = 3/6 = ½ = 0.5 y P( B) = ½ = 0.5
Así P( A ) P( B) = (½)(½ ) = ¼ =0.25 = P( A ∩ B)
Lo cual demuestra que son independientes los eventos.
4.5. PROBABILIDAD CONDICIONAL
El Símbolo ( )B
AP representa la probabilidad de que ocurra A dado que ya
ocurrió B, y se define como: ( ) )(
)(
BP
BAP
B
AP
∩
=
O escrito de otra manera tenemos: ( ) )()( BAP
B
APBP ∩=
Así, cuando A y B son evento independientes, tenemos
( ) )(
)(
)()(
)(
)(
AP
BP
BPAP
BP
BAP
B
AP ==
∩
=
Y Así, ( ) )(BP
A
BP =
Ejemplo:
Consideremos el siguiente experimento
ξ: Se extraen dos bolas una por una y sin reemplazo de una caja donde hay 6
bolas negras y 4 rojas. Encontrar la probabilidad de que:
a) Las dos bolas sean negras
b) La primera bola sea negra y la segunda bola sea roja.
Solución
Sean los eventos
A1: la primera bola es negra
A2: la segunda bola es negra
B2: la segunda bola es roja
Para a) tenemos:
P(A1∩ A2) = P(A1) P(A2 /A1)= (5/10) ( 5/9) = 5/18
5. Para b) tenemos:
P(A1∩ B2) = P(A1) P(B2 /A1) = (5/10) (4/9) = 2/9
4.6. TEOREMA DE BAYES
Sea A1, A2,. . ., An ⊂ S un sistema exhaustivo y excluyente de Eventos.
Es decir
n
i
iAS
1=
= , Ei ∩ Ej = ∅ para i≠j. y Sea B ⊂ S un evento del que
conocemos todas las cantidades
iA
BP , i = 1,. . . ., n, a las que
denominamos verosimilitudes. Entonces se verifica:
)()(
1
i
n
i i
AP
A
BPBP ∑=
=
Y así podemos encontrar
)(
)(
)(
1
i
n
i i
i
kk
AP
A
BP
AP
A
BP
B
A
P
∑=
=
Ejemplo: Se tienen tres urnas. Cada una de ellas contiene un número diferente
de bolas blancas y rojas:
Primera urna, A1: 3 bolas blancas y 2 rojas;
Segunda urna, A2: 4 bolas blancas y 2 rojas;
Tercera urna, A3: 3 bolas rojas.
Se realiza el siguiente experimento aleatorio
ξ: Alguien elije al azar y con la misma probabilidad una de las tres urnas, y
saca una bola.
Si el resultado del experimento es que ha salido una bola blanca, ¿cuál es la
probabilidad de que provenga de la primera urna? Calcular lo mismo para las
otras dos urnas.
Solución:
Sea B: que se saque una bola Blanca.
6.
1A
BP es la probabilidad de sacar una bola blanca dado que se eligió la
primera urna, Así
1A
BP = 3/5.
2A
BP es la probabilidad de sacar una bola blanca dado que se eligió la
segunda urna, Así
2A
BP = 4/6 = 2/3
3A
BP es la probabilidad de sacar una bola blanca dado que se eligió la
tercera urna, Así
3A
BP = 0/3 = 0
Para hacerlo de la una mejor manera hagamos el siguiente cuadro:
AI P(Ai)
iA
BP )()( BAP
A
BPAP i
i
i ∩=
Urna 1 1/3 3/5 (1/3)(3/5) = 1/5
Urna 2 1/3 2/3 (1/3)(2/3) = 2/9
Urna 3 1/3 0 (1/3)(0) = 0
Suma 1 1/5+2/9 = 19/45
Ahora, ya podemos resolver
)(
)(
)(
3
1
1
11
i
i i
AP
A
BP
AP
A
BP
B
A
P
∑=
= =
19
9
)19(5
)45(1
45
19
5
1
==
)(
)(
)(
3
1
2
22
i
i i
AP
A
BP
AP
A
BP
B
AP
∑=
= =
19
10
)19(9
)45(2
45
19
9
2
==
)(
)(
)(
1
3
33
i
n
i i
AP
A
BP
AP
A
BP
B
A
P
∑=
= =
0
45
19
0
=
Comentario sobre el teorema de Bayes
7. Obsérvese que en el ejemplo anterior, antes de realizar el experimento
aleatorio de extraer una bola para ver su resultado, teníamos que la
probabilidad de elegir una urna cualquiera es P(Ai). Estas probabilidades se
denominan probabilidades a priori. Sin embargo, después de realizar el
experimento, y observar que el resultado del mismo ha sido la extracción de
una bola blanca, las probabilidades de cada urna han cambiado a )(
B
A
P i .
Estas cantidades se denominan probabilidades a posteriori. Vamos a
representar en una tabla la diferencia entre ambas:
A priori A posteriori
( )
3
1
1 =AP
19
9
)( 1 =
B
AP
( )
3
1
2 =AP
19
10
)( 2 =
B
A
P
( )
3
1
3 =AP 0)( 3 =
B
A
P
Las probabilidades a priori cambian de tal modo de las a posteriori que una vez
observado el resultado del experimento aleatorio, se puede afirmar con certeza
que no fue elegida la tercera urna.
Tests diagnósticos
Los tests diagnósticos son una aplicación del teorema de Bayes a la Medicina,
y se basan en lo siguiente:
1. Se sospecha que un paciente puede padecer cierta enfermedad, que tiene
una incidencia de la enfermedad en la población (probabilidad de que la
enfermedad la padezca una persona elegida al azar) de P[E];
2. Como ayuda al diagnóstico de la enfermedad, se le hace pasar una serie de
pruebas (tests), que dan como resultado:
• Positivo, T+
, si la evidencia a favor de que el paciente esté enfermo es
alta en función de estas pruebas;
• Negativo, T−
, en caso contrario.
Previamente, sobre el test diagnóstico a utilizar, han debido ser estimadas las
cantidades:
Sensibilidad: Es la probabilidad de que el test de positivo sobre una persona
que sabemos que padece la enfermedad, P(T+
/ E).
8. Especificidad: Es la probabilidad que el test de negativo sobre una persona
que no la padece, P(T−
/Ec
).
Lo que interesa saber en la práctica es, predecir si una persona está sana o
enferma, a partir del resultado del test diagnóstico, es decir, las cantidades:
Índice predictivo positivo: Es la probabilidad de que un individuo esté
enfermo si el test dió resultado positivo, P(E /T+
).
Índice predictivo Negativo: Es la probabilidad de que un individuo esté sano
si el test dió resultado negativo, P (Ec
/ T−
).
La sensibilidad y especificidad se denominan también respectivamente tasa de
verdaderos positivos y tasa de verdaderos negativos.
Estas cantidades son calculadas de modo aproximado, antes de utilizar el test
diagnóstico, considerando grupos suficientemente numerosos de personas de
las que sabemos si padecen la enfermedad o no, y estimando los porcentajes
correspondientes. Típicamente esta labor es realizada por un laboratorio que
quiere probar la eficacia de un test diagnóstico. Los índices predictivos son
interesantes sobre todo para el clínico que efectivamente desea evaluar la
probabilidad de que un individuo esté o no enfermo, en función de los
resultados de las pruebas que se realizan sobre el mismo.
Ejemplo de cálculo en tests diagnósticos
Se toman 100 personas sanas y 100 enfermas, y se observa que
E EC
T+
89 3
T−
11 97
100 100
Tasa de verdaderos positivos: 89%
Tasa de falsos positivos: 3%
Tasa de verdaderos negativos: 97%
Tasa de falsos negativos: 11%
3. teniendo en cuenta el resultado del test diagnóstico, se utiliza el teorema de
Bayes para ver cual es, a la vista de los resultados obtenidos, la
probabilidad de que realmente esté enfermo si le dio positivo (índice
9. predictivo de verdaderos positivos),
( )
( ) ( )
( ) ( ) ( ) ( )C
C EP
E
TPEP
E
TP
EP
E
TP
T
EP ++
+
+
+
=
ó la de que esté sano si le dio negativo (índice predictivo de verdaderos
negativos): ( )
( ) ( )
( ) ( ) ( ) ( )EP
E
TPEP
E
TP
EP
E
TP
T
EP
C
C
C
C
C
−−
−
−
+
=
10. predictivo de verdaderos positivos),
( )
( ) ( )
( ) ( ) ( ) ( )C
C EP
E
TPEP
E
TP
EP
E
TP
T
EP ++
+
+
+
=
ó la de que esté sano si le dio negativo (índice predictivo de verdaderos
negativos): ( )
( ) ( )
( ) ( ) ( ) ( )EP
E
TPEP
E
TP
EP
E
TP
T
EP
C
C
C
C
C
−−
−
−
+
=