SlideShare una empresa de Scribd logo
TEMA 2. CÁLCULO DE
PROBABILIDADES

2.1. Introducción
2.2. Conceptos básicos
2.2.1. Espacio muestral. Sucesos
2.2.2. Operaciones con sucesos
2.3. Concepto de Probabilidad. Propiedades
2.3.1. Definición clásica de la Probabilidad
2.3.2. Diagramas de árbol
2.3.3. Definición axiomática de la
Probabilidad
2.3.4. Propiedades de la Probabilidad
2.4. Probabilidad condicionada. Independencia de
Sucesos
2.4.1. Probabilidad condicionada
2.4.2. Independencia de sucesos
2.5. Teorema de la probabilidad total. Teorema de
Bayes
2.5.1. Teorema de la probabilidad total
2.5.2. Teorema de Bayes

55
TEMA 2. CÁLCULO DE
PROBABILIDADES

2.1 Introducción

La probabilidad refleja las expectativas de que un
suceso determinado ocurra

Fenómeno determinista: Se conoce con certeza el
resultado del experimento

Fenómeno aleatorio: No se puede predecir el
resultado del experimento

La probabilidad de un suceso es un número
comprendido entre 0 y 1 (ambos incluidos)

56
2.2. Conceptos básicos

2.2.1. Espacio muestral. Sucesos
Suceso elemental: Cada uno de los posibles
resultados, que no se pueden descomponer en otros más
simples, de un experimento aleatorio

Espacio muestral, E: Conjunto de los sucesos
elementales

Suceso: Subconjunto del espacio muestral

Suceso seguro: Es el suceso formado por todos los
sucesos elementales
Suceso imposible, ∅ : Es el suceso que no contiene
ningún suceso elemental

57
2.2.2. Operaciones con sucesos

a
b

c
d

f
e

A

g
B

A = {a, b, c, d} , B = {c, d, e, f, g}

Unión de sucesos
A

B: Todos los sucesos elementales de A ó B
A

B = {a, b, c, d, e, f, g}

A∪B

58
a
b

c
d

f
e

A

g
B

A = {a, b, c, d} , B = {c, d, e, f, g}

Intersección de sucesos

A
B: Sucesos elementales que
simultáneamente a A y a B
A

pertenecen

B = {c, d}

A∩B

59
Diferencia de sucesos
A – B: Sucesos elementales que pertenecen al suceso
A pero no al B
A = {a, b, c, d} ; B = {c, d, e, f, g}
A – B = {a, b}

a

c
d

b

f
e
g

A

B

♦ Ejemplo: Se están utilizando 7 árboles, numerados del 1
al 7, para un experimento.
Definir el Espacio muestral:
E
A
4

1
5

3

E = {1, 2, 3, 4, 5, 6, 7}

2
7

B
6

Sean A y B los sucesos: A = {1,3, 5}, B = {2, 3, 7}
Obtener los sucesos: A
B, A
B, A – B
A
B = {1, 2, 3, 5, 7}; A
B = {3}; A – B = {1, 5}
60
Sucesos Complementarios
AC : Es el suceso formado por todos los sucesos de E
que no están en A
AC = E − A
E = {a, b, c, d, e}, A = {b, c}, AC = {a, d, e}

E
a
AC

A
b

d

c

e

♦ Ejemplo: A : “Tener el grupo sanguíneo O”
AC : “Tener el grupo sanguíneo A, B, ó AB”

EC =

o,
/

o C= E
/

61
Sucesos Incompatibles

Los sucesos A y B son incompatibles o mutuamente
excluyentes si no pueden ocurrir simultáneamente
A = {a, b}, B = {d, e}

E
a
b
A

d

c

e
B

♦ Ejemplo: A : “Ser un reptil”, B : “Ser un león”

62
Propiedades de la unión de sucesos

Asociativa: A
(B
C) = (A
Conmutativa: A
B=B
A
A
A=A, A
AC = E

B)

C

Propiedades de la intersección de sucesos

Asociativa: A
(B
C) = (A
Conmutativa: A
B=B
A
A
A=A, A
AC =

B)

C

63
Propiedades conjuntas de la unión e
intersección de sucesos

Distributiva: A
C)
A
C)

(B

C) = (A

B)

(A

(B

C) = (A

B)

(A

♦ Ejemplo

E

B
d
b

e

c

a

g

A

C

♦ A = {a, b, c},
A
(A

(B
B)

f

B = {b, c, d, e},

C) = {a, b, c}
(A

C = {c, e, f, g}

{b, c, d, e, f, g} = {b, c}

C) = {b, c}

{c} = {b, c}

64
2.3. Concepto de Probabilidad. Propiedades

2. 3.1. Definición clásica de la probabilidad

Espacio muestral equiprobable: “Todos los sucesos
Espacio muestral equiprobable: “Todos los sucesos
elementales tienen igual probabilidad de ocurrir”
elementales tienen igual probabilidad de ocurrir”

En estas condiciones se define la probabilidad del suceso
A como:
P (A) =

Nº Casos Favorables al Suceso A
Nº Total de Casos Posibles

=

C F
C P

65
♦ Ejemplo

En una pareja, cada uno de sus miembros posee genes
para ojos castaños y azules. Teniendo en cuenta que cada
uno tiene la misma probabilidad de aportar un gen para
ojos castaños que para ojos azules y que el gen para ojos
castaños es dominante, obtener la probabilidad de que un
hijo nacido de esta pareja tenga los ojos castaños.
Solución

Gen de la madre

Gen del padre

E = {C C, C A, A C, A A}
Casos favorables = {C C, C A, A C}
Casos posibles = {C C, C A, A C, A A}
P ( Ojos Castaños ) =

CF 3
=
CP 4

66
2. 3.2. Diagramas de árbol
El diagrama de árbol es un método para obtener los
El diagrama de árbol es un método para obtener los
resultados posibles de un experimento cuando éste se
resultados posibles de un experimento cuando éste se
produce en unas pocas etapas.
produce en unas pocas etapas.
Cada paso del experimento se representa como una
Cada paso del experimento se representa como una
ramificación del árbol.
ramificación del árbol.

Trayectorias
A
A
B
A
B
B

A

AAA

B

AAB

A
B

ABA
ABB

A

BAA

B

BAB

A

BBA

B

BBB

67
♦ Ejemplo
“Una mujer es portadora de hemofilia. Aunque la mujer
no tenga la enfermedad, puede transmitirla a sus 3 hijos.
Obtener las trayectorias para este experimento mediante un
diagrama de árbol”.
Primer
hijo

Segundo
hijo

Tercer
hijo

S
S
N
S
N
N

Trayectoria

S

SSS

N

SSN

S
N

SNS
SNN

S

NSS

N

NSN

S

NNS

N

NNN ♦

Suponiendo que es igualmente probable que se trasmita o no
la enfermedad.
Obtener las probabilidades de los siguientes sucesos:
1.- Ningún hijo tenga la enfermedad, (suceso A)
2.- Dos hijos tengan la enfermedad, (suceso B)
P( A ) =

CF 1
=
CP 8

P( B ) =

CF 3
=
CP 8
68
2.3.3. Definición axiomática de la probabilidad
Álgebra de sucesos, β : “Es el conjunto de todos los
sucesos del Espacio Muestral”
Axiomas de la probabilidad
Consideremos una aplicación, P, del álgebra de
sucesos en el conjunto de los números reales.
P

β

∀A ∈ β ,

A

P

R

P(A) ∈R

Esta aplicación es una probabilidad si verifica los
tres axiomas siguientes:
Axioma 1
A ∈ β,

0 ≤ P(A)

Axioma 2
P(E)=1
Axioma 3
Sean A1, A2, ... ,An, sucesos mutuamente incompatibles,
Ai
Aj =
para i ≠ j. Entonces se verifica
P ( A1
A2
...
An ) =
P ( A1 ) + P ( A2 ) + ... +P ( An )
69
♦ Ejemplo

Tres caballos, A, B, y C están siendo tratados con tres
métodos experimentales distintos para aumentar la
velocidad con la que pueden correr. Después del
tratamiento intervienen en una carrera. El caballo C tiene
doble probabilidad de ganar que B, y B doble que A.
Calcular las probabilidades de que gane cada uno.
Solución
E = { A, B, C }

P(A)=k

P ( B ) = 2k

Ax. 3

P ( C ) = 4k
Ax. 2

P (A ∪ B ∪ C) = P (A) + P (B) + P (C) = P (E) = 1 =
= k + 2k + 4k = 7k =1 ⇒ k = 1 7
P ( A ) =1 7

P(B)=2 7

P(C)=4 7

70
Si suponemos que el espacio muestral es
equiprobable, la definición axiomática de la
probabilidad coincide con la definición clásica

En el ejemplo anterior, supongamos que los tres
caballos tienen la misma probabilidad de ganar
Solución:
E = { A, B, C }

P(A)=P(B)=P(C)=k

Ax. 3

Ax. 2

P (A ∪ B ∪ C) = P (A) + P (B) + P (C) = P (E) = 1 =
= k + k + k = 3k = 1 ⇒ k = 1 3
P(A)=P(B)=P(C)= 1 3

71
2.3.4. Propiedades de la probabilidad
♦ 1. ∀ A ∈ β ,

P ( AC ) = 1 - P ( A )

Ejemplo. Se sabe que la probabilidad de curar la
leucemia infantil es de 1/3. Por lo tanto, la probabilidad
de que no se cure la enfermedad será de 1 − 1 / 3 = 2 / 3
♦ 2.

P(

)=0

Ejemplo. Consideramos el experimento de lanzar un
dado. La probabilidad de obtener 9 en una cara es igual a
cero
♦ 3. Si A ⊂ B ⇒ P

( A ) ≤ P( B )

E
Β

Α

Ejemplo. En el experimento anterior, sea A el suceso
obtener un numero mayor que 4, y B obtener un número
mayor que 2
P(A) =

CF
CP

=

2
,
6

P (B) =

CF
CP

=

4
6

72
♦ 4. P ( A – B ) = P ( A ) – P ( A ∩ B )

E
A–B

A∩B

Α

Β

Ejemplo. “En el experimento anterior, sea A el suceso
obtener un numero menor que 5 y B el suceso obtener un
numero par”
A = {1, 2, 3, 4}, B = {2, 4, 6}, A - B = {1, 3}, A

P (A− B ) = P (A)− P (A ∩ B ) =

♦ 5. P (A

B = {2, 4}

4 2 2
− =
6 6 6

B)=P(A)+P(B)–P(A

B)

E

A∪B

73
Ejemplo. En una población el 4% de las personas son
daltónicas, el 18% hipertensas y el 0.5% daltónicas e
hipertensas. ¿Cuál es la probabilidad de que una persona
sea daltónica ó hipertensa?
Α = { Daltónico }, B = { Hipertenso }
P ( A) =

4
18
0.5
, P(B) =
, P(A ∩ B ) =
100
100
100

P (A

B) = P(A)+P(B)–P(A
4
18 0.5
+
−
= 0.215
100 100 100

=

♦ 6.- P ( A

B) =

B

C)=P(A)+P(B)+P(C)

–
–P(A

B) –P(A

+P(A

B

C)–P(B

C)+

C)

E
B
A∩B
A

A∩B∩C

B∩C
C

A∩C

74
Ejemplo. En un parque natural se detectan tres plagas. El
25% de los árboles tienen la enfermedad A, el 20% la B y el
30% la C. El 12% la A y la B, el 10% la A y la C, el 11% la
B y la C y el 5% tienen las tres enfermedades. Calcular las
probabilidades siguientes:
1. Un árbol tenga alguna de las enfermedades
2. Un árbol tenga la enfermedad A pero no la B
3. Un árbol tenga la enfermedad B y C pero no la A
P ( A ) = 0.25;

P ( B ) = 0.2;

P ( C ) = 0.3;

P(A

B ) = 0.12;

P(A

C ) = 0.1;

P(B

C ) = 0.11;

P(A

B

0.05;
1. P ( A
B

C)=

C)=P(A)+P(B)+P(C)–P(A

B)
–P(A

C)–P(B

C)+P(A

B

C)=

= 0.25 + 0,2 + 0.3 – 0.12 – 0,1 – 0.11 + 0.05 = 0.47
B

E

A

A

B

C

C

75
P ( A ) = 0.25;

P ( B ) = 0.2;

P ( C ) = 0.3;

P(A

B ) = 0.12;

P(A

C ) = 0.1;

P(B

C ) = 0.11;

P(A

B

C)=

0.05;
2. Un árbol tenga la enfermedad A pero no la B
P ( A – B ) = P ( A ) – P ( A ∩ B ) = 0.25 – 0.12 = 0.13

B

E

(B∩C)–A

A–B
A

C

3.- Un árbol tenga la enfermedad B y C pero no la A
P((B

C)–A)=P(B
C)–P(A
= 0.11 – 0.05 = 0.06

B

C)=

76
2.4. Probabilidad condicionada.
Independencia de Sucesos
2.4.1. Probabilidad condicionada
“Probabilidad de que ocurra el suceso A, condicionado
a que el suceso B haya ocurrido ya”
Sean dos sucesos A y B ∈ β, con P ( B ) > 0
P (A / B)=

Si P ( A ) > 0
P ( B / A) =

P ( A∩ B )
P (B)
P ( A∩ B )
P ( A)

( A / B )C = ( AC / B ) ⇒ P ( AC / B ) = 1 – P ( A / B )

P(A

B ) = P (A ) P ( B / A) = P ( B ) P (A / B )

P ( A1

A2

A3 ) =

P ( A1 ) P ( A2 / A1 ) P (A3 / A1

A2 )

77
Ejemplo. Una familia tiene tres hijos. Construir un
diagrama de árbol y calcular las siguientes probabilidades:
1. El primer hijo sea niña, A, (♦)
2. Exactamente dos sean niñas, B, ( )
3. Se cumplan ambas condiciones
4. Exactamente dos sean niñas, si el primero es niña

1º
hijo

2º
hijo

3º
hijo

Trayectoria

M
H

M
H
H

P ( A ) = 4 / 8,

P ( B ) = 3 / 8,

MMM

♦

H

♦

M

MMH
MHM

H

MHH

♦

M

HMM

H

HMH

M

HHM

H

M

M

HHH

P(A

♦

B)=2/8

P ( A ∩ B ) 28
1
=
=
P (B / A) =
P ( A)
2
4
8
78
2.4.2. Independencia de sucesos
El suceso A es independiente del suceso B si y sólo si
se verifica:
P(A/B) = P(A)
Si P ( A / B ) ≠ P ( A ) el suceso A es dependiente de B
La independencia es una propiedad recíproca
El suceso A es independiente del suceso B
El suceso B es independiente del suceso A
Dos sucesos son independientes sii
P(A
B)=P(A)P(B)
Si los sucesos A y B son independientes, se verifica:
Los sucesos A y BC son independientes
Los sucesos AC y B son independientes
Los sucesos A C y BC son independientes
Decimos que n sucesos son independientes si se verifica:
P ( A1

A2

...

An ) = P ( A1 ) P ( A2 )...P ( An )

79
Ejemplo. Se analizan muestras de agua para detectar
plomo y mercurio. El 38% de las muestras presentan niveles
tóxicos de plomo o mercurio, el 32% de plomo y el 10% de
ambos metales.
a. ¿Son independientes los sucesos: “Nivel tóxico de
plomo” y “Nivél tóxico de mercurio”
b. Calcular las probabilidades de que una muestra tenga:
1. Niveles tóxicos de mercurio si tiene niveles tóxicos de
plomo
2. Niveles tóxicos solamente de plomo
A : ”Nivel tóxico plomo”, B: “Nivel tóxico mercurio”
P(A

B ) = 0.38; P ( A ) = 0.32; P ( A

A

A–B

A∩B

B–A
B

A∪B

a.

P (A

B ) = 0.10

B) = P(A)+P(B)–P(A

P ( B ) = P (A
B)– P(A)+ P(A
= 0.38 – 0.32 + 0.10 = 0.16

B) ⇒
B)=

P ( A ) P ( B ) = 0.32 x 0.16 = 0.051 ≠ 0.10 = P ( A
B)
⇒ Los sucesos A y B no son independientes
b 1.
P ( B / A ) = P ( A ∩ B ) / P ( A ) = 0.10 / 0.32 = 0.3125
b 2.
P(A–B)=P(A)–P(A
0.22

B ) = 0.32 – 0.10 =
80
Ejemplo. “Se están estudiando tres mutaciones no
relacionadas, A, B y C, en un grupo de monos. La
probabilidad de tener la mutación A es 0.13, la B es 0.11 y la
C es 0.14. Calcular las probabilidades:
1. Un mono no tenga ninguna de las mutaciones
2. Un mono tenga alguna de las mutaciones
3. Un mono tenga la mutación A y C, pero no la B
P ( A ) = 0.13; P ( B ) = 0.11; P ( C ) = 0.14
Los sucesos A, B y C son independientes
1.

2.

CC ) = P ( AC ) P ( BC ) P ( CC ) =
P ( AC BC
= (1 – P ( A )) (1 – P ( B )) (1 – P ( C )) =
= 0.87 x 0.89 x 0.86 = 0.665898
C)=P(A)+P(B)+P(C)–P(A
P(A B
B) – P ( A
C)–P(B
C)+P(A
B
C)=
= 0.13 + 0.11 + 0.14 – 0.13 x 0.11 – 0.13 x 0.14 –
0.11 x 0.14 + 0.13 x 0.11 x 0.14 = 0.334102
P(A

3.

B

P(A

BC

C ) = 1 – P ( AC

BC

CC ) = 1 − 0.66589

C ) = P ( A ) P ( BC ) P ( C ) =

= P ( A ) (1 – P ( B )) P ( C ) =
= 0.13 x 0.89 x 0.14 = 0.016198
81
2.5. Teorema de la probabilidad total.
Teorema de Bayes
2.5.1. Teorema de la probabilidad total
Sean los sucesos A1, A2, ... ,An, que verifican:
Ai ∩ A j = θ si i ≠ j

A1 ∪ A2 ∪ .... ∪ An = E

〉

Los sucesos Ai, para i = 1, … , n son incompatibles dos a
dos y exhaustivos
Sea un suceso B, con P ( B ) > 0
Se conocen: P ( Ai ) y P ( B / Ai ), i = 1,..., n

An

An

B
A1

B

A2

B
A2

A1

En las condiciones anteriores, este teorema nos
proporciona la probabilidad total de que ocurra el suceso B:
n

P( B) = ∑ P(A i) P( B / A i)
i =1

82
2.5.2. Teorema Bayes
Sean los sucesos A1, A2,...,An, que verifican:
Ai ∩ A j = θ si i ≠ j

A1 ∪ A2 ∪ ... ∪ An = E

〉

Los sucesos Ai, para i = 1, … ,n, son incompatibles dos a
dos y exhaustivos
Sea un suceso B, con P ( B ) > 0
Se conocen: P ( Ai ) y P ( B / Ai ), i = 1,..., n
El Teorema de Bayes nos expresa la probabilidad de
que ocurra un suceso determinado, Aj , condicionado a
que el suceso B ya ha ocurrido

(

)

( ) ( )
( ) ( )

P Aj ∩ B
P Aj P B / Aj
P Aj / B =
=
n
P( B)
∑i =1 P A i P B / A i

(

)

Las probabilidades P ( Aj ) se designan probabilidades a
“priori”, o probabilidades de las causas. Las
probabilidades P ( Aj / B ) se designan probabilidades a
“posteriori”, si el suceso B ya ha ocurrido, probabilidad
de que sea debido a la causa
83
Ejemplo. Una empresa farmacéutica tiene tres
delegaciones, Madrid, Barcelona y Granada. De un
determinado fármaco se produce el 45% en la delegación
de Madrid, el 30% en Barcelona, y el 25% en Granada. Del
total de los fármacos, son defectuosos el 5% de los
producidos en Madrid, el 3% en Barcelona y el 4% en
Granada. Calcular:
1. Probabilidad de que un fármaco sea defectuoso
2. Si un fármaco es defectuoso, ¿cuál es la probabilidad de
que haya sido producido por la delegación de Granada?
A1 : “Producido Madrid”, A2 : “Producido Barcelona”
A3 : “Producido Granada”, B : “Defectuoso”
P ( A1 ) = 0.45; P ( A2 ) = 0.30; P ( A3 ) = 0.25
P ( B / A1 ) = 0.05; P ( B / A2 ) = 0.03; P ( B / A3 ) = 0.04

A3

A3 ∩ B

A1

A1 ∩ B
A2 ∩ B

A2

1.
P ( B ) = P ( A1) P ( B / A1) + P( A2 ) P( B / A2 ) + P( A3 ) P( B / A3 )
= 0.45 × 0.05 + 0.30 × 0.03 + 0.25 × 0.04 = 0.0415
2.

P ( A3 / B ) =

P ( A3 ) P ( B / A3 )
P( B)

=

0.25 × 0.04
= 0.241
0.0415
84
Ejemplo. En una población el 51% de las personas son
mujeres, el 18% tienen la tensión alta y el 10% ambas
cosas. Obtener:
1. Probabilidad de que una persona tenga la tensión alta si
es mujer
2. Probabilidad de ser hombre si se tiene la tensión alta
3. Probabilidad de ser mujer si no se tiene la tensión alta
A : “Ser Mujer”, B : “Tener la tensión alta”
P ( A ) = 0.51; P ( B ) = 0.18; P ( A

B ) = 0.10

1.

P ( A ∩ B)
0.10
P ( B /A ) =
=
= 0.19
P (A)
0.51

2.

P A C / B = 1 – P ( A / B ) = 1 − 0.555 = 0.445

(

)

P ( A ∩ B ) 0.10
=
= 0.555
P ( B)
0.18

P ( A / B) =

3.

(

C

P A /B

(

P A ∩ BC

)=

(

P A ∩ BC

) = 0.4131 = 0.5037

0.82
( )
) = P ( A ) P ( B / A ) = P ( A ) (1–P ( B / A )) =
P BC

C

= 0.51 × ( 1– 0.19 ) = 0.4131
85

Más contenido relacionado

La actualidad más candente

Optimizacion
OptimizacionOptimizacion
Optimizacion
kelly ruiz
 
Distribucion de Poisson
Distribucion de PoissonDistribucion de Poisson
Distribucion de Poisson
roxanaparedes27
 
Taller de bioestadistica
Taller de bioestadisticaTaller de bioestadistica
Taller de bioestadistica
Anyela Ariza Rodriguez
 
Tarea 16 de probabilidad y estadistica con respuestas
Tarea 16 de probabilidad y estadistica  con respuestasTarea 16 de probabilidad y estadistica  con respuestas
Tarea 16 de probabilidad y estadistica con respuestas
IPN
 
Antologia de-estadistica-22
Antologia de-estadistica-22Antologia de-estadistica-22
Antologia de-estadistica-22
Oscar Cosme
 
Ejercicios resueltos
Ejercicios resueltosEjercicios resueltos
Ejercicios resueltos
Edgar Mata
 
Formulario de derivadas
Formulario de derivadasFormulario de derivadas
Formulario de derivadas
Andres Mendoza
 
Apuntes transformaciones lineales - UTFSM
Apuntes transformaciones lineales - UTFSMApuntes transformaciones lineales - UTFSM
Apuntes transformaciones lineales - UTFSM
Cristian Cofré Sepúlveda
 
Definición y origen de los números complejos
Definición y origen de los números complejosDefinición y origen de los números complejos
Definición y origen de los números complejos
Jose Dominguez Torres
 
Ejercicio de probabilidad
Ejercicio de probabilidadEjercicio de probabilidad
Ejercicio de probabilidad
Mariana Gonzalez
 
Aplicaciones crecimiento poblacional Ecuaciones Diferenciales
Aplicaciones crecimiento poblacional Ecuaciones DiferencialesAplicaciones crecimiento poblacional Ecuaciones Diferenciales
Aplicaciones crecimiento poblacional Ecuaciones Diferenciales
Cindy Adriana Bohórquez Santana
 
Probabilidad condicional1
Probabilidad condicional1Probabilidad condicional1
Probabilidad condicional1
Cindy Adriana Bohórquez Santana
 
Problemas unidad 3
Problemas unidad 3Problemas unidad 3
Problemas unidad 3
Eduardo Salazar Lazareno
 
Formulario de integrales
Formulario de integralesFormulario de integrales
Formulario de integrales
Andres Mendoza
 
Campos vectoriales (campos conservativos)
Campos vectoriales (campos conservativos)Campos vectoriales (campos conservativos)
Campos vectoriales (campos conservativos)
Emma
 
Modelos matemáticos
Modelos matemáticosModelos matemáticos
Modelos matemáticos
Juan Plaza
 
Solucionario ecuaciones2
Solucionario ecuaciones2Solucionario ecuaciones2
Solucionario ecuaciones2
ERICK CONDE
 
Distribuciones muestrales
Distribuciones muestralesDistribuciones muestrales
Distribuciones muestrales
Mynor Garcia
 
Problemas resuelto-de-probabilidad
Problemas resuelto-de-probabilidadProblemas resuelto-de-probabilidad
Problemas resuelto-de-probabilidad
Johan Armas
 
Problemas resueltos-derivadas
Problemas resueltos-derivadasProblemas resueltos-derivadas
Problemas resueltos-derivadas
Miguel Hidalgo
 

La actualidad más candente (20)

Optimizacion
OptimizacionOptimizacion
Optimizacion
 
Distribucion de Poisson
Distribucion de PoissonDistribucion de Poisson
Distribucion de Poisson
 
Taller de bioestadistica
Taller de bioestadisticaTaller de bioestadistica
Taller de bioestadistica
 
Tarea 16 de probabilidad y estadistica con respuestas
Tarea 16 de probabilidad y estadistica  con respuestasTarea 16 de probabilidad y estadistica  con respuestas
Tarea 16 de probabilidad y estadistica con respuestas
 
Antologia de-estadistica-22
Antologia de-estadistica-22Antologia de-estadistica-22
Antologia de-estadistica-22
 
Ejercicios resueltos
Ejercicios resueltosEjercicios resueltos
Ejercicios resueltos
 
Formulario de derivadas
Formulario de derivadasFormulario de derivadas
Formulario de derivadas
 
Apuntes transformaciones lineales - UTFSM
Apuntes transformaciones lineales - UTFSMApuntes transformaciones lineales - UTFSM
Apuntes transformaciones lineales - UTFSM
 
Definición y origen de los números complejos
Definición y origen de los números complejosDefinición y origen de los números complejos
Definición y origen de los números complejos
 
Ejercicio de probabilidad
Ejercicio de probabilidadEjercicio de probabilidad
Ejercicio de probabilidad
 
Aplicaciones crecimiento poblacional Ecuaciones Diferenciales
Aplicaciones crecimiento poblacional Ecuaciones DiferencialesAplicaciones crecimiento poblacional Ecuaciones Diferenciales
Aplicaciones crecimiento poblacional Ecuaciones Diferenciales
 
Probabilidad condicional1
Probabilidad condicional1Probabilidad condicional1
Probabilidad condicional1
 
Problemas unidad 3
Problemas unidad 3Problemas unidad 3
Problemas unidad 3
 
Formulario de integrales
Formulario de integralesFormulario de integrales
Formulario de integrales
 
Campos vectoriales (campos conservativos)
Campos vectoriales (campos conservativos)Campos vectoriales (campos conservativos)
Campos vectoriales (campos conservativos)
 
Modelos matemáticos
Modelos matemáticosModelos matemáticos
Modelos matemáticos
 
Solucionario ecuaciones2
Solucionario ecuaciones2Solucionario ecuaciones2
Solucionario ecuaciones2
 
Distribuciones muestrales
Distribuciones muestralesDistribuciones muestrales
Distribuciones muestrales
 
Problemas resuelto-de-probabilidad
Problemas resuelto-de-probabilidadProblemas resuelto-de-probabilidad
Problemas resuelto-de-probabilidad
 
Problemas resueltos-derivadas
Problemas resueltos-derivadasProblemas resueltos-derivadas
Problemas resueltos-derivadas
 

Destacado

Guía de uso software de eventos-Registro de semillleros , participantes y pro...
Guía de uso software de eventos-Registro de semillleros , participantes y pro...Guía de uso software de eventos-Registro de semillleros , participantes y pro...
Guía de uso software de eventos-Registro de semillleros , participantes y pro...
Eliana Santos
 
Te Encontré
Te EncontréTe Encontré
Te Encontré
omegabytemorza
 
Yoani
YoaniYoani
Yoani
lcyj
 
La AdiccióN De La Nueva Era
La AdiccióN De La Nueva EraLa AdiccióN De La Nueva Era
La AdiccióN De La Nueva Era
iMangus
 
La ContaminacióN En El Lago De Chapala
La ContaminacióN En El Lago De ChapalaLa ContaminacióN En El Lago De Chapala
La ContaminacióN En El Lago De Chapala
guest23c20b
 
Menyemai Benih (Bhg 1) Menghafal
Menyemai Benih (Bhg 1) MenghafalMenyemai Benih (Bhg 1) Menghafal
Menyemai Benih (Bhg 1) Menghafal
Peter De Run
 
Win Server 2003
Win Server 2003Win Server 2003
Win Server 2003
reynado2
 
Nuestro Taller De Padres
Nuestro Taller De PadresNuestro Taller De Padres
Nuestro Taller De Padres
guest44a2b1
 
Cancer2004[1]
Cancer2004[1]Cancer2004[1]
Cancer2004[1]
guest0ac344
 
Precioso museo
Precioso museoPrecioso museo
Precioso museo
museos
 
Qué Es Internet
Qué Es InternetQué Es Internet
Qué Es Internet
guest4ef221
 
Presentation
PresentationPresentation
Presentation
larisasyrovatka
 
Telinken 2013
Telinken 2013Telinken 2013
Telinken 2013
Telinken
 
Content curator
Content curatorContent curator
Content curator
Joan Padrós
 
Cromos~1
Cromos~1Cromos~1
Cromos~1
macckof
 
Muta haram hey ab bhi
Muta haram hey ab bhiMuta haram hey ab bhi
Muta haram hey ab bhi
Muhammad Tariq
 
Doc15531 a
Doc15531 aDoc15531 a
La cooperación internacional para el desarrollo: el contexto Boliviano - Part...
La cooperación internacional para el desarrollo: el contexto Boliviano - Part...La cooperación internacional para el desarrollo: el contexto Boliviano - Part...
La cooperación internacional para el desarrollo: el contexto Boliviano - Part...
guestb9d0e1
 
Preikestolen
PreikestolenPreikestolen
Preikestolen
rufadas
 

Destacado (20)

Guía de uso software de eventos-Registro de semillleros , participantes y pro...
Guía de uso software de eventos-Registro de semillleros , participantes y pro...Guía de uso software de eventos-Registro de semillleros , participantes y pro...
Guía de uso software de eventos-Registro de semillleros , participantes y pro...
 
Amazonas
AmazonasAmazonas
Amazonas
 
Te Encontré
Te EncontréTe Encontré
Te Encontré
 
Yoani
YoaniYoani
Yoani
 
La AdiccióN De La Nueva Era
La AdiccióN De La Nueva EraLa AdiccióN De La Nueva Era
La AdiccióN De La Nueva Era
 
La ContaminacióN En El Lago De Chapala
La ContaminacióN En El Lago De ChapalaLa ContaminacióN En El Lago De Chapala
La ContaminacióN En El Lago De Chapala
 
Menyemai Benih (Bhg 1) Menghafal
Menyemai Benih (Bhg 1) MenghafalMenyemai Benih (Bhg 1) Menghafal
Menyemai Benih (Bhg 1) Menghafal
 
Win Server 2003
Win Server 2003Win Server 2003
Win Server 2003
 
Nuestro Taller De Padres
Nuestro Taller De PadresNuestro Taller De Padres
Nuestro Taller De Padres
 
Cancer2004[1]
Cancer2004[1]Cancer2004[1]
Cancer2004[1]
 
Precioso museo
Precioso museoPrecioso museo
Precioso museo
 
Qué Es Internet
Qué Es InternetQué Es Internet
Qué Es Internet
 
Presentation
PresentationPresentation
Presentation
 
Telinken 2013
Telinken 2013Telinken 2013
Telinken 2013
 
Content curator
Content curatorContent curator
Content curator
 
Cromos~1
Cromos~1Cromos~1
Cromos~1
 
Muta haram hey ab bhi
Muta haram hey ab bhiMuta haram hey ab bhi
Muta haram hey ab bhi
 
Doc15531 a
Doc15531 aDoc15531 a
Doc15531 a
 
La cooperación internacional para el desarrollo: el contexto Boliviano - Part...
La cooperación internacional para el desarrollo: el contexto Boliviano - Part...La cooperación internacional para el desarrollo: el contexto Boliviano - Part...
La cooperación internacional para el desarrollo: el contexto Boliviano - Part...
 
Preikestolen
PreikestolenPreikestolen
Preikestolen
 

Similar a Tema 2 colorprobabilidades

probabilidad completo conceptos básicos
probabilidad completo conceptos básicos probabilidad completo conceptos básicos
probabilidad completo conceptos básicos
Griselda Mejia Ledesma
 
Trabajo A Entregar Unidad I 15 10 2008
Trabajo A Entregar Unidad I 15 10 2008Trabajo A Entregar Unidad I 15 10 2008
Trabajo A Entregar Unidad I 15 10 2008
paolojpim
 
Experimentos aleatorios, espacio muestral y eventos o sucesos.
Experimentos aleatorios,  espacio muestral y eventos o sucesos.Experimentos aleatorios,  espacio muestral y eventos o sucesos.
Experimentos aleatorios, espacio muestral y eventos o sucesos.
Elkin J. Navarro
 
Probabilidad Condicional
Probabilidad CondicionalProbabilidad Condicional
Probabilidad Condicional
Fabyann Zambrano
 
Tarea 3
Tarea 3Tarea 3
Teoría y problemas de Calculo de Probabilidades ccesa007
Teoría y problemas de Calculo de Probabilidades  ccesa007Teoría y problemas de Calculo de Probabilidades  ccesa007
Teoría y problemas de Calculo de Probabilidades ccesa007
Demetrio Ccesa Rayme
 
LOS ELEMENTOS DE LA PROBABILIDAD
LOS ELEMENTOS DE LA PROBABILIDAD LOS ELEMENTOS DE LA PROBABILIDAD
LOS ELEMENTOS DE LA PROBABILIDAD
NancyPazGonzlez
 
5 resumen probabilidad pdf
5  resumen probabilidad pdf5  resumen probabilidad pdf
5 resumen probabilidad pdf
Jose Angel Martinez Sanchez
 
T2 teoria de-la_probabilidad
T2 teoria de-la_probabilidadT2 teoria de-la_probabilidad
T2 teoria de-la_probabilidad
alexray100
 
estadistica unico.pptx
estadistica unico.pptxestadistica unico.pptx
estadistica unico.pptx
ANGELGABRIEL75681
 
Probabilidad matemáticas, aprende estadistica
Probabilidad matemáticas, aprende estadisticaProbabilidad matemáticas, aprende estadistica
Probabilidad matemáticas, aprende estadistica
AllisonArancibia
 
Apoyo para unidad 4
Apoyo para unidad 4Apoyo para unidad 4
Apoyo para unidad 4
matedivliss
 
4 calculo de probabilidades
4 calculo de probabilidades4 calculo de probabilidades
4 calculo de probabilidades
Ourentermal Ourense Termal
 
Doc. Probabilidad.
Doc. Probabilidad.Doc. Probabilidad.
Doc. Probabilidad.
fr5026funes
 
Probabilidades
ProbabilidadesProbabilidades
Probabilidades
Hugo Valdez Caldas
 
2.4. probabilidad con tecnicas de conteo
2.4.  probabilidad con tecnicas de conteo2.4.  probabilidad con tecnicas de conteo
2.4. probabilidad con tecnicas de conteo
ITCM
 
ACT_04_Tema_06_Resumen.ppt
ACT_04_Tema_06_Resumen.pptACT_04_Tema_06_Resumen.ppt
ACT_04_Tema_06_Resumen.ppt
MariaHernan5
 
Probabilidad y estadística
Probabilidad y estadística Probabilidad y estadística
Probabilidad y estadística
ErnestoFern
 
Conceptos básicos de probabilidad. PPT clase
Conceptos básicos de probabilidad. PPT claseConceptos básicos de probabilidad. PPT clase
Conceptos básicos de probabilidad. PPT clase
ClaudioCifuentesMarc
 
Probab
ProbabProbab
Probab
jose gomez
 

Similar a Tema 2 colorprobabilidades (20)

probabilidad completo conceptos básicos
probabilidad completo conceptos básicos probabilidad completo conceptos básicos
probabilidad completo conceptos básicos
 
Trabajo A Entregar Unidad I 15 10 2008
Trabajo A Entregar Unidad I 15 10 2008Trabajo A Entregar Unidad I 15 10 2008
Trabajo A Entregar Unidad I 15 10 2008
 
Experimentos aleatorios, espacio muestral y eventos o sucesos.
Experimentos aleatorios,  espacio muestral y eventos o sucesos.Experimentos aleatorios,  espacio muestral y eventos o sucesos.
Experimentos aleatorios, espacio muestral y eventos o sucesos.
 
Probabilidad Condicional
Probabilidad CondicionalProbabilidad Condicional
Probabilidad Condicional
 
Tarea 3
Tarea 3Tarea 3
Tarea 3
 
Teoría y problemas de Calculo de Probabilidades ccesa007
Teoría y problemas de Calculo de Probabilidades  ccesa007Teoría y problemas de Calculo de Probabilidades  ccesa007
Teoría y problemas de Calculo de Probabilidades ccesa007
 
LOS ELEMENTOS DE LA PROBABILIDAD
LOS ELEMENTOS DE LA PROBABILIDAD LOS ELEMENTOS DE LA PROBABILIDAD
LOS ELEMENTOS DE LA PROBABILIDAD
 
5 resumen probabilidad pdf
5  resumen probabilidad pdf5  resumen probabilidad pdf
5 resumen probabilidad pdf
 
T2 teoria de-la_probabilidad
T2 teoria de-la_probabilidadT2 teoria de-la_probabilidad
T2 teoria de-la_probabilidad
 
estadistica unico.pptx
estadistica unico.pptxestadistica unico.pptx
estadistica unico.pptx
 
Probabilidad matemáticas, aprende estadistica
Probabilidad matemáticas, aprende estadisticaProbabilidad matemáticas, aprende estadistica
Probabilidad matemáticas, aprende estadistica
 
Apoyo para unidad 4
Apoyo para unidad 4Apoyo para unidad 4
Apoyo para unidad 4
 
4 calculo de probabilidades
4 calculo de probabilidades4 calculo de probabilidades
4 calculo de probabilidades
 
Doc. Probabilidad.
Doc. Probabilidad.Doc. Probabilidad.
Doc. Probabilidad.
 
Probabilidades
ProbabilidadesProbabilidades
Probabilidades
 
2.4. probabilidad con tecnicas de conteo
2.4.  probabilidad con tecnicas de conteo2.4.  probabilidad con tecnicas de conteo
2.4. probabilidad con tecnicas de conteo
 
ACT_04_Tema_06_Resumen.ppt
ACT_04_Tema_06_Resumen.pptACT_04_Tema_06_Resumen.ppt
ACT_04_Tema_06_Resumen.ppt
 
Probabilidad y estadística
Probabilidad y estadística Probabilidad y estadística
Probabilidad y estadística
 
Conceptos básicos de probabilidad. PPT clase
Conceptos básicos de probabilidad. PPT claseConceptos básicos de probabilidad. PPT clase
Conceptos básicos de probabilidad. PPT clase
 
Probab
ProbabProbab
Probab
 

Más de Christian Infante

Regla mezcla-aleación
Regla mezcla-aleaciónRegla mezcla-aleación
Regla mezcla-aleación
Christian Infante
 
Regla de mezcla ii
Regla de mezcla iiRegla de mezcla ii
Regla de mezcla ii
Christian Infante
 
Regla de mezcla
Regla de mezclaRegla de mezcla
Regla de mezcla
Christian Infante
 
Regla de interés seminario
Regla de interés seminarioRegla de interés seminario
Regla de interés seminario
Christian Infante
 
Regla de interés guia anual uni
Regla de interés guia anual uniRegla de interés guia anual uni
Regla de interés guia anual uni
Christian Infante
 
Regla de descuento
Regla de descuentoRegla de descuento
Regla de descuento
Christian Infante
 
Regla interés
Regla interésRegla interés
Regla interés
Christian Infante
 
Probabilidad y estadistica elementales
Probabilidad y estadistica elementalesProbabilidad y estadistica elementales
Probabilidad y estadistica elementales
Christian Infante
 
Clasesprobabilidades
ClasesprobabilidadesClasesprobabilidades
Clasesprobabilidades
Christian Infante
 
Tema 2 colorprobabilidades
Tema 2 colorprobabilidadesTema 2 colorprobabilidades
Tema 2 colorprobabilidades
Christian Infante
 
T4 alumnosprobabilidades
T4 alumnosprobabilidadesT4 alumnosprobabilidades
T4 alumnosprobabilidades
Christian Infante
 
T4 alumnosprobabilidades
T4 alumnosprobabilidadesT4 alumnosprobabilidades
T4 alumnosprobabilidades
Christian Infante
 
Recuper probabilidadesyestad
Recuper probabilidadesyestadRecuper probabilidadesyestad
Recuper probabilidadesyestad
Christian Infante
 
Cfgs probabilidad-problemas resueltos
Cfgs probabilidad-problemas resueltosCfgs probabilidad-problemas resueltos
Cfgs probabilidad-problemas resueltos
Christian Infante
 
Problemas ccs ssolprobabilidades
Problemas ccs ssolprobabilidadesProblemas ccs ssolprobabilidades
Problemas ccs ssolprobabilidades
Christian Infante
 
Probabilidades
ProbabilidadesProbabilidades
Probabilidades
Christian Infante
 
Analisiscombinatorioprobabilidades 130603213333-phpapp01
Analisiscombinatorioprobabilidades 130603213333-phpapp01Analisiscombinatorioprobabilidades 130603213333-phpapp01
Analisiscombinatorioprobabilidades 130603213333-phpapp01
Christian Infante
 
Teoria conjuntos-2
Teoria conjuntos-2Teoria conjuntos-2
Teoria conjuntos-2
Christian Infante
 
Razones proporciones
Razones proporcionesRazones proporciones
Razones proporciones
Christian Infante
 
Planteo ecuaciones-5
Planteo ecuaciones-5Planteo ecuaciones-5
Planteo ecuaciones-5
Christian Infante
 

Más de Christian Infante (20)

Regla mezcla-aleación
Regla mezcla-aleaciónRegla mezcla-aleación
Regla mezcla-aleación
 
Regla de mezcla ii
Regla de mezcla iiRegla de mezcla ii
Regla de mezcla ii
 
Regla de mezcla
Regla de mezclaRegla de mezcla
Regla de mezcla
 
Regla de interés seminario
Regla de interés seminarioRegla de interés seminario
Regla de interés seminario
 
Regla de interés guia anual uni
Regla de interés guia anual uniRegla de interés guia anual uni
Regla de interés guia anual uni
 
Regla de descuento
Regla de descuentoRegla de descuento
Regla de descuento
 
Regla interés
Regla interésRegla interés
Regla interés
 
Probabilidad y estadistica elementales
Probabilidad y estadistica elementalesProbabilidad y estadistica elementales
Probabilidad y estadistica elementales
 
Clasesprobabilidades
ClasesprobabilidadesClasesprobabilidades
Clasesprobabilidades
 
Tema 2 colorprobabilidades
Tema 2 colorprobabilidadesTema 2 colorprobabilidades
Tema 2 colorprobabilidades
 
T4 alumnosprobabilidades
T4 alumnosprobabilidadesT4 alumnosprobabilidades
T4 alumnosprobabilidades
 
T4 alumnosprobabilidades
T4 alumnosprobabilidadesT4 alumnosprobabilidades
T4 alumnosprobabilidades
 
Recuper probabilidadesyestad
Recuper probabilidadesyestadRecuper probabilidadesyestad
Recuper probabilidadesyestad
 
Cfgs probabilidad-problemas resueltos
Cfgs probabilidad-problemas resueltosCfgs probabilidad-problemas resueltos
Cfgs probabilidad-problemas resueltos
 
Problemas ccs ssolprobabilidades
Problemas ccs ssolprobabilidadesProblemas ccs ssolprobabilidades
Problemas ccs ssolprobabilidades
 
Probabilidades
ProbabilidadesProbabilidades
Probabilidades
 
Analisiscombinatorioprobabilidades 130603213333-phpapp01
Analisiscombinatorioprobabilidades 130603213333-phpapp01Analisiscombinatorioprobabilidades 130603213333-phpapp01
Analisiscombinatorioprobabilidades 130603213333-phpapp01
 
Teoria conjuntos-2
Teoria conjuntos-2Teoria conjuntos-2
Teoria conjuntos-2
 
Razones proporciones
Razones proporcionesRazones proporciones
Razones proporciones
 
Planteo ecuaciones-5
Planteo ecuaciones-5Planteo ecuaciones-5
Planteo ecuaciones-5
 

Último

ENFERMERIA TECNICA-FUNDAMENTOS DE SALUD.
ENFERMERIA TECNICA-FUNDAMENTOS DE SALUD.ENFERMERIA TECNICA-FUNDAMENTOS DE SALUD.
ENFERMERIA TECNICA-FUNDAMENTOS DE SALUD.
marluzsagar
 
🔴 (AC-S18) Semana 18 - Tema 01 - Tarea - Proyecto Final (terminado y revisado...
🔴 (AC-S18) Semana 18 - Tema 01 - Tarea - Proyecto Final (terminado y revisado...🔴 (AC-S18) Semana 18 - Tema 01 - Tarea - Proyecto Final (terminado y revisado...
🔴 (AC-S18) Semana 18 - Tema 01 - Tarea - Proyecto Final (terminado y revisado...
FernandoEstebanLlont
 
NOVENA APÓSTOL SANTIAGO EL MAYOR PERÚ 2024
NOVENA APÓSTOL SANTIAGO EL MAYOR PERÚ 2024NOVENA APÓSTOL SANTIAGO EL MAYOR PERÚ 2024
NOVENA APÓSTOL SANTIAGO EL MAYOR PERÚ 2024
AntonioXavier48
 
LA COMUNICACIÓN ACADEMICA EN LA ERA DIGITAL (1).pptx
LA COMUNICACIÓN ACADEMICA EN LA ERA DIGITAL (1).pptxLA COMUNICACIÓN ACADEMICA EN LA ERA DIGITAL (1).pptx
LA COMUNICACIÓN ACADEMICA EN LA ERA DIGITAL (1).pptx
herreraluis3817
 
Presentación sobré las culturas del Perú .
Presentación sobré las culturas del Perú .Presentación sobré las culturas del Perú .
Presentación sobré las culturas del Perú .
Juan Luis Cunya Vicente
 
fase intensiva taller intensivo de CTE julio
fase intensiva taller intensivo de CTE juliofase intensiva taller intensivo de CTE julio
fase intensiva taller intensivo de CTE julio
leydijazminguevaragu
 
Análisis y Evaluación del Impacto Ambiental.pdf
Análisis y Evaluación del Impacto Ambiental.pdfAnálisis y Evaluación del Impacto Ambiental.pdf
Análisis y Evaluación del Impacto Ambiental.pdf
JonathanCovena1
 
CARTELERA DE PACO YUNQUE 2024 IEI 0767 BA
CARTELERA DE PACO YUNQUE 2024 IEI 0767 BACARTELERA DE PACO YUNQUE 2024 IEI 0767 BA
CARTELERA DE PACO YUNQUE 2024 IEI 0767 BA
CesarAugustoParedesP
 
2024 DIA DEL LOGRO-ARTE 2 - IE HONORIO DELGADO ESPINOZA
2024 DIA DEL LOGRO-ARTE 2 - IE HONORIO DELGADO ESPINOZA2024 DIA DEL LOGRO-ARTE 2 - IE HONORIO DELGADO ESPINOZA
2024 DIA DEL LOGRO-ARTE 2 - IE HONORIO DELGADO ESPINOZA
Sandra Mariela Ballón Aguedo
 
Acuerdo tercer periodo - Grado Sextos.pptx
Acuerdo tercer periodo - Grado Sextos.pptxAcuerdo tercer periodo - Grado Sextos.pptx
Acuerdo tercer periodo - Grado Sextos.pptx
Carlos Andrés Hernández Cabrera
 
Lecciones 03 Esc. Sabática. Controversias.docx
Lecciones 03 Esc. Sabática. Controversias.docxLecciones 03 Esc. Sabática. Controversias.docx
Lecciones 03 Esc. Sabática. Controversias.docx
Alejandrino Halire Ccahuana
 
Apuntes de Enfermería (para estudiantes)
Apuntes de Enfermería (para estudiantes)Apuntes de Enfermería (para estudiantes)
Apuntes de Enfermería (para estudiantes)
milyluna0207
 
Taller Intensivo de Formación Continua para Docentes_24_Julio.pdf
Taller Intensivo de Formación Continua para Docentes_24_Julio.pdfTaller Intensivo de Formación Continua para Docentes_24_Julio.pdf
Taller Intensivo de Formación Continua para Docentes_24_Julio.pdf
htebazileahcug
 
homeostasis.pptx. Enfermería técnica periodo 1
homeostasis.pptx. Enfermería técnica periodo 1homeostasis.pptx. Enfermería técnica periodo 1
homeostasis.pptx. Enfermería técnica periodo 1
NohemiLumiereLopezHu1
 
2024 DIA DEL LOGRO-COMUNICACION - IE HONORIO DELGADO ESPINOZA
2024 DIA DEL LOGRO-COMUNICACION - IE HONORIO DELGADO ESPINOZA2024 DIA DEL LOGRO-COMUNICACION - IE HONORIO DELGADO ESPINOZA
2024 DIA DEL LOGRO-COMUNICACION - IE HONORIO DELGADO ESPINOZA
Sandra Mariela Ballón Aguedo
 
2024 DIA DEL LOGRO IE HONORIO DELGADO ESPINOZA
2024 DIA DEL LOGRO IE HONORIO DELGADO ESPINOZA2024 DIA DEL LOGRO IE HONORIO DELGADO ESPINOZA
2024 DIA DEL LOGRO IE HONORIO DELGADO ESPINOZA
Sandra Mariela Ballón Aguedo
 
PRESENTACIÓN TALLER INTENSIVO PARA DOCENTES JULIO 2024 WEB.pptx
PRESENTACIÓN TALLER INTENSIVO PARA DOCENTES JULIO 2024 WEB.pptxPRESENTACIÓN TALLER INTENSIVO PARA DOCENTES JULIO 2024 WEB.pptx
PRESENTACIÓN TALLER INTENSIVO PARA DOCENTES JULIO 2024 WEB.pptx
glopezmaciel
 
FI-001 Introducción - Conocimiento Institucional.pptx
FI-001 Introducción - Conocimiento Institucional.pptxFI-001 Introducción - Conocimiento Institucional.pptx
FI-001 Introducción - Conocimiento Institucional.pptx
ENJ
 
La Relación Mixta DA ( Riesgo)- Matriz DA
La Relación Mixta DA ( Riesgo)- Matriz DALa Relación Mixta DA ( Riesgo)- Matriz DA
La Relación Mixta DA ( Riesgo)- Matriz DA
JonathanCovena1
 
SEMANAS DE GESTION 2024 para trabajo escolar
SEMANAS DE GESTION 2024 para trabajo escolarSEMANAS DE GESTION 2024 para trabajo escolar
SEMANAS DE GESTION 2024 para trabajo escolar
JuanPabloII10
 

Último (20)

ENFERMERIA TECNICA-FUNDAMENTOS DE SALUD.
ENFERMERIA TECNICA-FUNDAMENTOS DE SALUD.ENFERMERIA TECNICA-FUNDAMENTOS DE SALUD.
ENFERMERIA TECNICA-FUNDAMENTOS DE SALUD.
 
🔴 (AC-S18) Semana 18 - Tema 01 - Tarea - Proyecto Final (terminado y revisado...
🔴 (AC-S18) Semana 18 - Tema 01 - Tarea - Proyecto Final (terminado y revisado...🔴 (AC-S18) Semana 18 - Tema 01 - Tarea - Proyecto Final (terminado y revisado...
🔴 (AC-S18) Semana 18 - Tema 01 - Tarea - Proyecto Final (terminado y revisado...
 
NOVENA APÓSTOL SANTIAGO EL MAYOR PERÚ 2024
NOVENA APÓSTOL SANTIAGO EL MAYOR PERÚ 2024NOVENA APÓSTOL SANTIAGO EL MAYOR PERÚ 2024
NOVENA APÓSTOL SANTIAGO EL MAYOR PERÚ 2024
 
LA COMUNICACIÓN ACADEMICA EN LA ERA DIGITAL (1).pptx
LA COMUNICACIÓN ACADEMICA EN LA ERA DIGITAL (1).pptxLA COMUNICACIÓN ACADEMICA EN LA ERA DIGITAL (1).pptx
LA COMUNICACIÓN ACADEMICA EN LA ERA DIGITAL (1).pptx
 
Presentación sobré las culturas del Perú .
Presentación sobré las culturas del Perú .Presentación sobré las culturas del Perú .
Presentación sobré las culturas del Perú .
 
fase intensiva taller intensivo de CTE julio
fase intensiva taller intensivo de CTE juliofase intensiva taller intensivo de CTE julio
fase intensiva taller intensivo de CTE julio
 
Análisis y Evaluación del Impacto Ambiental.pdf
Análisis y Evaluación del Impacto Ambiental.pdfAnálisis y Evaluación del Impacto Ambiental.pdf
Análisis y Evaluación del Impacto Ambiental.pdf
 
CARTELERA DE PACO YUNQUE 2024 IEI 0767 BA
CARTELERA DE PACO YUNQUE 2024 IEI 0767 BACARTELERA DE PACO YUNQUE 2024 IEI 0767 BA
CARTELERA DE PACO YUNQUE 2024 IEI 0767 BA
 
2024 DIA DEL LOGRO-ARTE 2 - IE HONORIO DELGADO ESPINOZA
2024 DIA DEL LOGRO-ARTE 2 - IE HONORIO DELGADO ESPINOZA2024 DIA DEL LOGRO-ARTE 2 - IE HONORIO DELGADO ESPINOZA
2024 DIA DEL LOGRO-ARTE 2 - IE HONORIO DELGADO ESPINOZA
 
Acuerdo tercer periodo - Grado Sextos.pptx
Acuerdo tercer periodo - Grado Sextos.pptxAcuerdo tercer periodo - Grado Sextos.pptx
Acuerdo tercer periodo - Grado Sextos.pptx
 
Lecciones 03 Esc. Sabática. Controversias.docx
Lecciones 03 Esc. Sabática. Controversias.docxLecciones 03 Esc. Sabática. Controversias.docx
Lecciones 03 Esc. Sabática. Controversias.docx
 
Apuntes de Enfermería (para estudiantes)
Apuntes de Enfermería (para estudiantes)Apuntes de Enfermería (para estudiantes)
Apuntes de Enfermería (para estudiantes)
 
Taller Intensivo de Formación Continua para Docentes_24_Julio.pdf
Taller Intensivo de Formación Continua para Docentes_24_Julio.pdfTaller Intensivo de Formación Continua para Docentes_24_Julio.pdf
Taller Intensivo de Formación Continua para Docentes_24_Julio.pdf
 
homeostasis.pptx. Enfermería técnica periodo 1
homeostasis.pptx. Enfermería técnica periodo 1homeostasis.pptx. Enfermería técnica periodo 1
homeostasis.pptx. Enfermería técnica periodo 1
 
2024 DIA DEL LOGRO-COMUNICACION - IE HONORIO DELGADO ESPINOZA
2024 DIA DEL LOGRO-COMUNICACION - IE HONORIO DELGADO ESPINOZA2024 DIA DEL LOGRO-COMUNICACION - IE HONORIO DELGADO ESPINOZA
2024 DIA DEL LOGRO-COMUNICACION - IE HONORIO DELGADO ESPINOZA
 
2024 DIA DEL LOGRO IE HONORIO DELGADO ESPINOZA
2024 DIA DEL LOGRO IE HONORIO DELGADO ESPINOZA2024 DIA DEL LOGRO IE HONORIO DELGADO ESPINOZA
2024 DIA DEL LOGRO IE HONORIO DELGADO ESPINOZA
 
PRESENTACIÓN TALLER INTENSIVO PARA DOCENTES JULIO 2024 WEB.pptx
PRESENTACIÓN TALLER INTENSIVO PARA DOCENTES JULIO 2024 WEB.pptxPRESENTACIÓN TALLER INTENSIVO PARA DOCENTES JULIO 2024 WEB.pptx
PRESENTACIÓN TALLER INTENSIVO PARA DOCENTES JULIO 2024 WEB.pptx
 
FI-001 Introducción - Conocimiento Institucional.pptx
FI-001 Introducción - Conocimiento Institucional.pptxFI-001 Introducción - Conocimiento Institucional.pptx
FI-001 Introducción - Conocimiento Institucional.pptx
 
La Relación Mixta DA ( Riesgo)- Matriz DA
La Relación Mixta DA ( Riesgo)- Matriz DALa Relación Mixta DA ( Riesgo)- Matriz DA
La Relación Mixta DA ( Riesgo)- Matriz DA
 
SEMANAS DE GESTION 2024 para trabajo escolar
SEMANAS DE GESTION 2024 para trabajo escolarSEMANAS DE GESTION 2024 para trabajo escolar
SEMANAS DE GESTION 2024 para trabajo escolar
 

Tema 2 colorprobabilidades

  • 1. TEMA 2. CÁLCULO DE PROBABILIDADES 2.1. Introducción 2.2. Conceptos básicos 2.2.1. Espacio muestral. Sucesos 2.2.2. Operaciones con sucesos 2.3. Concepto de Probabilidad. Propiedades 2.3.1. Definición clásica de la Probabilidad 2.3.2. Diagramas de árbol 2.3.3. Definición axiomática de la Probabilidad 2.3.4. Propiedades de la Probabilidad 2.4. Probabilidad condicionada. Independencia de Sucesos 2.4.1. Probabilidad condicionada 2.4.2. Independencia de sucesos 2.5. Teorema de la probabilidad total. Teorema de Bayes 2.5.1. Teorema de la probabilidad total 2.5.2. Teorema de Bayes 55
  • 2. TEMA 2. CÁLCULO DE PROBABILIDADES 2.1 Introducción La probabilidad refleja las expectativas de que un suceso determinado ocurra Fenómeno determinista: Se conoce con certeza el resultado del experimento Fenómeno aleatorio: No se puede predecir el resultado del experimento La probabilidad de un suceso es un número comprendido entre 0 y 1 (ambos incluidos) 56
  • 3. 2.2. Conceptos básicos 2.2.1. Espacio muestral. Sucesos Suceso elemental: Cada uno de los posibles resultados, que no se pueden descomponer en otros más simples, de un experimento aleatorio Espacio muestral, E: Conjunto de los sucesos elementales Suceso: Subconjunto del espacio muestral Suceso seguro: Es el suceso formado por todos los sucesos elementales Suceso imposible, ∅ : Es el suceso que no contiene ningún suceso elemental 57
  • 4. 2.2.2. Operaciones con sucesos a b c d f e A g B A = {a, b, c, d} , B = {c, d, e, f, g} Unión de sucesos A B: Todos los sucesos elementales de A ó B A B = {a, b, c, d, e, f, g} A∪B 58
  • 5. a b c d f e A g B A = {a, b, c, d} , B = {c, d, e, f, g} Intersección de sucesos A B: Sucesos elementales que simultáneamente a A y a B A pertenecen B = {c, d} A∩B 59
  • 6. Diferencia de sucesos A – B: Sucesos elementales que pertenecen al suceso A pero no al B A = {a, b, c, d} ; B = {c, d, e, f, g} A – B = {a, b} a c d b f e g A B ♦ Ejemplo: Se están utilizando 7 árboles, numerados del 1 al 7, para un experimento. Definir el Espacio muestral: E A 4 1 5 3 E = {1, 2, 3, 4, 5, 6, 7} 2 7 B 6 Sean A y B los sucesos: A = {1,3, 5}, B = {2, 3, 7} Obtener los sucesos: A B, A B, A – B A B = {1, 2, 3, 5, 7}; A B = {3}; A – B = {1, 5} 60
  • 7. Sucesos Complementarios AC : Es el suceso formado por todos los sucesos de E que no están en A AC = E − A E = {a, b, c, d, e}, A = {b, c}, AC = {a, d, e} E a AC A b d c e ♦ Ejemplo: A : “Tener el grupo sanguíneo O” AC : “Tener el grupo sanguíneo A, B, ó AB” EC = o, / o C= E / 61
  • 8. Sucesos Incompatibles Los sucesos A y B son incompatibles o mutuamente excluyentes si no pueden ocurrir simultáneamente A = {a, b}, B = {d, e} E a b A d c e B ♦ Ejemplo: A : “Ser un reptil”, B : “Ser un león” 62
  • 9. Propiedades de la unión de sucesos Asociativa: A (B C) = (A Conmutativa: A B=B A A A=A, A AC = E B) C Propiedades de la intersección de sucesos Asociativa: A (B C) = (A Conmutativa: A B=B A A A=A, A AC = B) C 63
  • 10. Propiedades conjuntas de la unión e intersección de sucesos Distributiva: A C) A C) (B C) = (A B) (A (B C) = (A B) (A ♦ Ejemplo E B d b e c a g A C ♦ A = {a, b, c}, A (A (B B) f B = {b, c, d, e}, C) = {a, b, c} (A C = {c, e, f, g} {b, c, d, e, f, g} = {b, c} C) = {b, c} {c} = {b, c} 64
  • 11. 2.3. Concepto de Probabilidad. Propiedades 2. 3.1. Definición clásica de la probabilidad Espacio muestral equiprobable: “Todos los sucesos Espacio muestral equiprobable: “Todos los sucesos elementales tienen igual probabilidad de ocurrir” elementales tienen igual probabilidad de ocurrir” En estas condiciones se define la probabilidad del suceso A como: P (A) = Nº Casos Favorables al Suceso A Nº Total de Casos Posibles = C F C P 65
  • 12. ♦ Ejemplo En una pareja, cada uno de sus miembros posee genes para ojos castaños y azules. Teniendo en cuenta que cada uno tiene la misma probabilidad de aportar un gen para ojos castaños que para ojos azules y que el gen para ojos castaños es dominante, obtener la probabilidad de que un hijo nacido de esta pareja tenga los ojos castaños. Solución Gen de la madre Gen del padre E = {C C, C A, A C, A A} Casos favorables = {C C, C A, A C} Casos posibles = {C C, C A, A C, A A} P ( Ojos Castaños ) = CF 3 = CP 4 66
  • 13. 2. 3.2. Diagramas de árbol El diagrama de árbol es un método para obtener los El diagrama de árbol es un método para obtener los resultados posibles de un experimento cuando éste se resultados posibles de un experimento cuando éste se produce en unas pocas etapas. produce en unas pocas etapas. Cada paso del experimento se representa como una Cada paso del experimento se representa como una ramificación del árbol. ramificación del árbol. Trayectorias A A B A B B A AAA B AAB A B ABA ABB A BAA B BAB A BBA B BBB 67
  • 14. ♦ Ejemplo “Una mujer es portadora de hemofilia. Aunque la mujer no tenga la enfermedad, puede transmitirla a sus 3 hijos. Obtener las trayectorias para este experimento mediante un diagrama de árbol”. Primer hijo Segundo hijo Tercer hijo S S N S N N Trayectoria S SSS N SSN S N SNS SNN S NSS N NSN S NNS N NNN ♦ Suponiendo que es igualmente probable que se trasmita o no la enfermedad. Obtener las probabilidades de los siguientes sucesos: 1.- Ningún hijo tenga la enfermedad, (suceso A) 2.- Dos hijos tengan la enfermedad, (suceso B) P( A ) = CF 1 = CP 8 P( B ) = CF 3 = CP 8 68
  • 15. 2.3.3. Definición axiomática de la probabilidad Álgebra de sucesos, β : “Es el conjunto de todos los sucesos del Espacio Muestral” Axiomas de la probabilidad Consideremos una aplicación, P, del álgebra de sucesos en el conjunto de los números reales. P β ∀A ∈ β , A P R P(A) ∈R Esta aplicación es una probabilidad si verifica los tres axiomas siguientes: Axioma 1 A ∈ β, 0 ≤ P(A) Axioma 2 P(E)=1 Axioma 3 Sean A1, A2, ... ,An, sucesos mutuamente incompatibles, Ai Aj = para i ≠ j. Entonces se verifica P ( A1 A2 ... An ) = P ( A1 ) + P ( A2 ) + ... +P ( An ) 69
  • 16. ♦ Ejemplo Tres caballos, A, B, y C están siendo tratados con tres métodos experimentales distintos para aumentar la velocidad con la que pueden correr. Después del tratamiento intervienen en una carrera. El caballo C tiene doble probabilidad de ganar que B, y B doble que A. Calcular las probabilidades de que gane cada uno. Solución E = { A, B, C } P(A)=k P ( B ) = 2k Ax. 3 P ( C ) = 4k Ax. 2 P (A ∪ B ∪ C) = P (A) + P (B) + P (C) = P (E) = 1 = = k + 2k + 4k = 7k =1 ⇒ k = 1 7 P ( A ) =1 7 P(B)=2 7 P(C)=4 7 70
  • 17. Si suponemos que el espacio muestral es equiprobable, la definición axiomática de la probabilidad coincide con la definición clásica En el ejemplo anterior, supongamos que los tres caballos tienen la misma probabilidad de ganar Solución: E = { A, B, C } P(A)=P(B)=P(C)=k Ax. 3 Ax. 2 P (A ∪ B ∪ C) = P (A) + P (B) + P (C) = P (E) = 1 = = k + k + k = 3k = 1 ⇒ k = 1 3 P(A)=P(B)=P(C)= 1 3 71
  • 18. 2.3.4. Propiedades de la probabilidad ♦ 1. ∀ A ∈ β , P ( AC ) = 1 - P ( A ) Ejemplo. Se sabe que la probabilidad de curar la leucemia infantil es de 1/3. Por lo tanto, la probabilidad de que no se cure la enfermedad será de 1 − 1 / 3 = 2 / 3 ♦ 2. P( )=0 Ejemplo. Consideramos el experimento de lanzar un dado. La probabilidad de obtener 9 en una cara es igual a cero ♦ 3. Si A ⊂ B ⇒ P ( A ) ≤ P( B ) E Β Α Ejemplo. En el experimento anterior, sea A el suceso obtener un numero mayor que 4, y B obtener un número mayor que 2 P(A) = CF CP = 2 , 6 P (B) = CF CP = 4 6 72
  • 19. ♦ 4. P ( A – B ) = P ( A ) – P ( A ∩ B ) E A–B A∩B Α Β Ejemplo. “En el experimento anterior, sea A el suceso obtener un numero menor que 5 y B el suceso obtener un numero par” A = {1, 2, 3, 4}, B = {2, 4, 6}, A - B = {1, 3}, A P (A− B ) = P (A)− P (A ∩ B ) = ♦ 5. P (A B = {2, 4} 4 2 2 − = 6 6 6 B)=P(A)+P(B)–P(A B) E A∪B 73
  • 20. Ejemplo. En una población el 4% de las personas son daltónicas, el 18% hipertensas y el 0.5% daltónicas e hipertensas. ¿Cuál es la probabilidad de que una persona sea daltónica ó hipertensa? Α = { Daltónico }, B = { Hipertenso } P ( A) = 4 18 0.5 , P(B) = , P(A ∩ B ) = 100 100 100 P (A B) = P(A)+P(B)–P(A 4 18 0.5 + − = 0.215 100 100 100 = ♦ 6.- P ( A B) = B C)=P(A)+P(B)+P(C) – –P(A B) –P(A +P(A B C)–P(B C)+ C) E B A∩B A A∩B∩C B∩C C A∩C 74
  • 21. Ejemplo. En un parque natural se detectan tres plagas. El 25% de los árboles tienen la enfermedad A, el 20% la B y el 30% la C. El 12% la A y la B, el 10% la A y la C, el 11% la B y la C y el 5% tienen las tres enfermedades. Calcular las probabilidades siguientes: 1. Un árbol tenga alguna de las enfermedades 2. Un árbol tenga la enfermedad A pero no la B 3. Un árbol tenga la enfermedad B y C pero no la A P ( A ) = 0.25; P ( B ) = 0.2; P ( C ) = 0.3; P(A B ) = 0.12; P(A C ) = 0.1; P(B C ) = 0.11; P(A B 0.05; 1. P ( A B C)= C)=P(A)+P(B)+P(C)–P(A B) –P(A C)–P(B C)+P(A B C)= = 0.25 + 0,2 + 0.3 – 0.12 – 0,1 – 0.11 + 0.05 = 0.47 B E A A B C C 75
  • 22. P ( A ) = 0.25; P ( B ) = 0.2; P ( C ) = 0.3; P(A B ) = 0.12; P(A C ) = 0.1; P(B C ) = 0.11; P(A B C)= 0.05; 2. Un árbol tenga la enfermedad A pero no la B P ( A – B ) = P ( A ) – P ( A ∩ B ) = 0.25 – 0.12 = 0.13 B E (B∩C)–A A–B A C 3.- Un árbol tenga la enfermedad B y C pero no la A P((B C)–A)=P(B C)–P(A = 0.11 – 0.05 = 0.06 B C)= 76
  • 23. 2.4. Probabilidad condicionada. Independencia de Sucesos 2.4.1. Probabilidad condicionada “Probabilidad de que ocurra el suceso A, condicionado a que el suceso B haya ocurrido ya” Sean dos sucesos A y B ∈ β, con P ( B ) > 0 P (A / B)= Si P ( A ) > 0 P ( B / A) = P ( A∩ B ) P (B) P ( A∩ B ) P ( A) ( A / B )C = ( AC / B ) ⇒ P ( AC / B ) = 1 – P ( A / B ) P(A B ) = P (A ) P ( B / A) = P ( B ) P (A / B ) P ( A1 A2 A3 ) = P ( A1 ) P ( A2 / A1 ) P (A3 / A1 A2 ) 77
  • 24. Ejemplo. Una familia tiene tres hijos. Construir un diagrama de árbol y calcular las siguientes probabilidades: 1. El primer hijo sea niña, A, (♦) 2. Exactamente dos sean niñas, B, ( ) 3. Se cumplan ambas condiciones 4. Exactamente dos sean niñas, si el primero es niña 1º hijo 2º hijo 3º hijo Trayectoria M H M H H P ( A ) = 4 / 8, P ( B ) = 3 / 8, MMM ♦ H ♦ M MMH MHM H MHH ♦ M HMM H HMH M HHM H M M HHH P(A ♦ B)=2/8 P ( A ∩ B ) 28 1 = = P (B / A) = P ( A) 2 4 8 78
  • 25. 2.4.2. Independencia de sucesos El suceso A es independiente del suceso B si y sólo si se verifica: P(A/B) = P(A) Si P ( A / B ) ≠ P ( A ) el suceso A es dependiente de B La independencia es una propiedad recíproca El suceso A es independiente del suceso B El suceso B es independiente del suceso A Dos sucesos son independientes sii P(A B)=P(A)P(B) Si los sucesos A y B son independientes, se verifica: Los sucesos A y BC son independientes Los sucesos AC y B son independientes Los sucesos A C y BC son independientes Decimos que n sucesos son independientes si se verifica: P ( A1 A2 ... An ) = P ( A1 ) P ( A2 )...P ( An ) 79
  • 26. Ejemplo. Se analizan muestras de agua para detectar plomo y mercurio. El 38% de las muestras presentan niveles tóxicos de plomo o mercurio, el 32% de plomo y el 10% de ambos metales. a. ¿Son independientes los sucesos: “Nivel tóxico de plomo” y “Nivél tóxico de mercurio” b. Calcular las probabilidades de que una muestra tenga: 1. Niveles tóxicos de mercurio si tiene niveles tóxicos de plomo 2. Niveles tóxicos solamente de plomo A : ”Nivel tóxico plomo”, B: “Nivel tóxico mercurio” P(A B ) = 0.38; P ( A ) = 0.32; P ( A A A–B A∩B B–A B A∪B a. P (A B ) = 0.10 B) = P(A)+P(B)–P(A P ( B ) = P (A B)– P(A)+ P(A = 0.38 – 0.32 + 0.10 = 0.16 B) ⇒ B)= P ( A ) P ( B ) = 0.32 x 0.16 = 0.051 ≠ 0.10 = P ( A B) ⇒ Los sucesos A y B no son independientes b 1. P ( B / A ) = P ( A ∩ B ) / P ( A ) = 0.10 / 0.32 = 0.3125 b 2. P(A–B)=P(A)–P(A 0.22 B ) = 0.32 – 0.10 = 80
  • 27. Ejemplo. “Se están estudiando tres mutaciones no relacionadas, A, B y C, en un grupo de monos. La probabilidad de tener la mutación A es 0.13, la B es 0.11 y la C es 0.14. Calcular las probabilidades: 1. Un mono no tenga ninguna de las mutaciones 2. Un mono tenga alguna de las mutaciones 3. Un mono tenga la mutación A y C, pero no la B P ( A ) = 0.13; P ( B ) = 0.11; P ( C ) = 0.14 Los sucesos A, B y C son independientes 1. 2. CC ) = P ( AC ) P ( BC ) P ( CC ) = P ( AC BC = (1 – P ( A )) (1 – P ( B )) (1 – P ( C )) = = 0.87 x 0.89 x 0.86 = 0.665898 C)=P(A)+P(B)+P(C)–P(A P(A B B) – P ( A C)–P(B C)+P(A B C)= = 0.13 + 0.11 + 0.14 – 0.13 x 0.11 – 0.13 x 0.14 – 0.11 x 0.14 + 0.13 x 0.11 x 0.14 = 0.334102 P(A 3. B P(A BC C ) = 1 – P ( AC BC CC ) = 1 − 0.66589 C ) = P ( A ) P ( BC ) P ( C ) = = P ( A ) (1 – P ( B )) P ( C ) = = 0.13 x 0.89 x 0.14 = 0.016198 81
  • 28. 2.5. Teorema de la probabilidad total. Teorema de Bayes 2.5.1. Teorema de la probabilidad total Sean los sucesos A1, A2, ... ,An, que verifican: Ai ∩ A j = θ si i ≠ j A1 ∪ A2 ∪ .... ∪ An = E 〉 Los sucesos Ai, para i = 1, … , n son incompatibles dos a dos y exhaustivos Sea un suceso B, con P ( B ) > 0 Se conocen: P ( Ai ) y P ( B / Ai ), i = 1,..., n An An B A1 B A2 B A2 A1 En las condiciones anteriores, este teorema nos proporciona la probabilidad total de que ocurra el suceso B: n P( B) = ∑ P(A i) P( B / A i) i =1 82
  • 29. 2.5.2. Teorema Bayes Sean los sucesos A1, A2,...,An, que verifican: Ai ∩ A j = θ si i ≠ j A1 ∪ A2 ∪ ... ∪ An = E 〉 Los sucesos Ai, para i = 1, … ,n, son incompatibles dos a dos y exhaustivos Sea un suceso B, con P ( B ) > 0 Se conocen: P ( Ai ) y P ( B / Ai ), i = 1,..., n El Teorema de Bayes nos expresa la probabilidad de que ocurra un suceso determinado, Aj , condicionado a que el suceso B ya ha ocurrido ( ) ( ) ( ) ( ) ( ) P Aj ∩ B P Aj P B / Aj P Aj / B = = n P( B) ∑i =1 P A i P B / A i ( ) Las probabilidades P ( Aj ) se designan probabilidades a “priori”, o probabilidades de las causas. Las probabilidades P ( Aj / B ) se designan probabilidades a “posteriori”, si el suceso B ya ha ocurrido, probabilidad de que sea debido a la causa 83
  • 30. Ejemplo. Una empresa farmacéutica tiene tres delegaciones, Madrid, Barcelona y Granada. De un determinado fármaco se produce el 45% en la delegación de Madrid, el 30% en Barcelona, y el 25% en Granada. Del total de los fármacos, son defectuosos el 5% de los producidos en Madrid, el 3% en Barcelona y el 4% en Granada. Calcular: 1. Probabilidad de que un fármaco sea defectuoso 2. Si un fármaco es defectuoso, ¿cuál es la probabilidad de que haya sido producido por la delegación de Granada? A1 : “Producido Madrid”, A2 : “Producido Barcelona” A3 : “Producido Granada”, B : “Defectuoso” P ( A1 ) = 0.45; P ( A2 ) = 0.30; P ( A3 ) = 0.25 P ( B / A1 ) = 0.05; P ( B / A2 ) = 0.03; P ( B / A3 ) = 0.04 A3 A3 ∩ B A1 A1 ∩ B A2 ∩ B A2 1. P ( B ) = P ( A1) P ( B / A1) + P( A2 ) P( B / A2 ) + P( A3 ) P( B / A3 ) = 0.45 × 0.05 + 0.30 × 0.03 + 0.25 × 0.04 = 0.0415 2. P ( A3 / B ) = P ( A3 ) P ( B / A3 ) P( B) = 0.25 × 0.04 = 0.241 0.0415 84
  • 31. Ejemplo. En una población el 51% de las personas son mujeres, el 18% tienen la tensión alta y el 10% ambas cosas. Obtener: 1. Probabilidad de que una persona tenga la tensión alta si es mujer 2. Probabilidad de ser hombre si se tiene la tensión alta 3. Probabilidad de ser mujer si no se tiene la tensión alta A : “Ser Mujer”, B : “Tener la tensión alta” P ( A ) = 0.51; P ( B ) = 0.18; P ( A B ) = 0.10 1. P ( A ∩ B) 0.10 P ( B /A ) = = = 0.19 P (A) 0.51 2. P A C / B = 1 – P ( A / B ) = 1 − 0.555 = 0.445 ( ) P ( A ∩ B ) 0.10 = = 0.555 P ( B) 0.18 P ( A / B) = 3. ( C P A /B ( P A ∩ BC )= ( P A ∩ BC ) = 0.4131 = 0.5037 0.82 ( ) ) = P ( A ) P ( B / A ) = P ( A ) (1–P ( B / A )) = P BC C = 0.51 × ( 1– 0.19 ) = 0.4131 85