UNIVERSIDAD POLITCNICA SALESIANA

Integrantes:

- Mayra Leiva
- Viviana Caiza
- Vernica Aucancela

1.- Introduccin (que son las probabilidades, en funciones numricas)

Las probabilidades constituyen una rama de las matemticas que se ocupa de medir o
determinar cuantitativamente la posibilidad de que un suceso o experimento produzca
un determinado resultado. La probabilidad est basada en el estudio de la
combinatoria y es fundamento necesario de la estadstica.

2.-Conceptos fundamentales de tipos de probabilidad.

La probabilidad constituye una rama de las matemticas que se ocupa de medir

determina cuantitativamente la posibilidad de que un suceso o experimento produzca
un determinado resultado.

La probabilidad est basada en el estudio de la combinatoria y es fundamento

necesario da la estadstica

Los experimentos aleatorios producen resultados inciertos y la probabilidad es una

medida de la incertidumbre. No existe un acuerdo total entre los estudios de la
probabilidad al respecto, por lo que se pueden identificar tres grandes enfoque del
pensamiento probabilstico.

Enfoque clsico o a prioridad

Est basado en el concepto de equiprobabilidad del espacio muestral y fue
introducido por Laplace.
Enfoque Frecuentista o a posteriori
Esta ley propuesta por Bernoulli, plantea que la frecuencia relativa de un
suceso tiende a estabilizarse en torno a un nmero, a medida que el nmero
de pruebas del experimento crece indefinidamente.
Enfoque Subjetivo
La probabilidad de ocurrencia de un suceso es cuantificada por una persona,
catalogada, como experta utilizando la informacin que posee.
3.- A que se refieren los eventos probabilsticos mutuamente excluyentes y
colectivamente exhaustivos.

Eventos probabilsticos mutuamente excluyentes:

Se refieren a los eventos que si uno sucede el otro de ninguna manera podra
darse al mismo tiempo. Se usan en las teoras cientficas en las leyes y en los
negocios,

Frmula
La frmula matemtica para determinar la probabilidad de los eventos
mutuamente excluyentes es P(A U B) = P(A) + P(B).
Dicho en voz alta, la frmula es "Si A y B son evento mutuamente excluyentes,
entonces la probabilidad de que A o B suceda es equivalente a la probabilidad
del evento A ms la probabilidad del evento B".
Eventos probabilsticos colectivamente exhaustivos:

Este evento se trata de que por lo menos uno de los eventos debe ocurrir cuando
se realiza un experimento, adems debe incluir cada resultado posible.

Ejemplos:

Ambos cara o cruz como posibles resultados al lanzar una moneda. Todos los seis
posibles resultados al tirar un dato.

Eventos estadsticamente independientes y dependientes

Existen tres tipos de probabilidad bajo tanto la independencia o la dependencia

estadstica: marginal, de unin y condicional.

Probabilidad Marginal es justamente la probabilidad de ocurrencia de un

evento P(A).
Probabilidad de Unin es la probabilidad de que ocurran dos o ms eventos
y es igual al producto de sus probabilidades marginales en caso de eventos
independientes. P(AB) = P(A) x P(B)
Probabilidad Condicional es la probabilidad de un evento B dado que el
evento A ha ocurrido. P(B | A) = P(B). O la probabilidad de un evento A
dado que el evento B ha ocurrido. P(A | B) = P(A).
4.-Eventos estadsticamente independientes

Los eventos independientes se da cuando la ocurrencia no tiene efecto en la

probabilidad de ocurrencia del otro evento se puede decir que los eventos el evento A
y el evento B no se relacionan, quiere decir que el evento de A no depende del evento
B as como el evento B no depende del evento A.

La principal caracterstica de una situacin con eventos independientes es que el

estado original de la situacin no cambia cuando ocurre un evento. Existen dos
maneras de que esto suceda:
Los eventos independientes ocurren ya sea cuando:
(varsity tutors, 2007)
El proceso que genera el elemento aleatorio no elimina ningn posible resultado
o
El proceso que s elimina un posible resultado, pero el resultado es sustituido
antes de que suceda una segunda accin. (A esto se le llama sacar
un reemplazo.) (htt)

Ejemplo 1:

Una caja contiene 4 canicas rojas, 3 canicas verdes y 2 canicas azules. Una canica es
eliminada de la caja y luego reemplazada. Otra canica se saca de la caja. Cul es la
probabilidad de que la primera canica sea azul y la segunda canica sea verde?

Ya que la primera canica es reemplazada, el tamao del espacio muestral (9) no cambia
de la primera sacada a la segunda as los eventos son independientes.

P (azul luego verde) = P (azul) P (verde)

5.- Eventos estadsticamente dependientes

 Los eventos dependientes son lo contrario que los eventos independientes donde los
eventos se relacionan quieren decir que depende el uno como el otro.

P (A|B) = P(A y B) / P (B) o P (B|A) = P(A y B) / P(A)

Ejemplo 2:

Una caja contiene 4 canicas rojas, 3 canicas verdes y 2 canicas azules. Una canica es
eliminada de la caja y no es reemplazada. Otra canica se saca de la caja. Cul es la
probabilidad de que la primera canica sea azul y la segunda canica sea verde?

Ya que la primera canica no es reemplazada, el tamao del espacio muestral para la

primera canica (9) es cambiado para la segunda canica (8) as los eventos son
dependientes.

P (azul luego verde) = P (azul) P (verde)

6.-Teorema de Bayes

El teorema de Bayes parte de una situacin en la que es posible conocer las

probabilidades de que ocurran una serie de sucesos Ai.

A esta se aade un suceso B cuya ocurrencia proporciona cierta informacin,

porque las probabilidades de ocurrencia de B son distintas segn el suceso Ai
que haya ocurrido.

Conociendo que ha ocurrido el suceso B, la frmula del teorema de Bayes nos

 indica como modifica esta informacin las probabilidades de los sucesos Ai.
(Salinas, s.f.)

Ejemplo 3:

Si seleccionamos una persona al azar, la probabilidad de que sea diabtica es 0,03.

Obviamente la probabilidad de que no lo sea es 0,97.
Si no disponemos de informacin adicional nada ms podemos decir, pero supongamos
que al realizar un anlisis de sangre los niveles de glucosa son superiores a 1.000 mg/l,
lo que ocurre en el 95% de los diabticos y slo en un 2% de las personas sanas.

Cul ser ahora la probabilidad de que esa persona sea diabtica?

La respuesta que nos d el teorema de bayes es que esa informacin adicional hace que
la probabilidad sea ahora 0,595.
Vemos as que la informacin proporcionada por el anlisis de sangre hace pasar, la
probabilidad inicial de padecer diabetes de 0,03, a 0,595.
Evidentemente si la prueba del anlisis de sangre hubiese sido negativa, esta
informacin modificara las probabilidades en sentido contrario. En este caso la
probabilidad de padecer diabetes se reducira a 0,0016.

Bibliografa
(s.f.). Obtenido de
http://www.montereyinstitute.org/courses/Algebra1/COURSE_TEXT_RESOUR
CE/U12_L2_T2_text_final_es.html

Cu, M. e. (s.f.). M. en C. Jos Luis Garca Cu / M. en C. Jos Antonio Santizo Rincn.

Obtenido de
http://colposfesz.galeon.com/est501/probabi/teo/cap312/cap312.htm

Salinas, J. M. (s.f.). Obtenido de http://www.ugr.es/~jsalinas/bayes.htm

varsity tutors. (2007). Obtenido de

https://www.varsitytutors.com/hotmath/hotmath_help/spanish/topics/independen
t-dependent-events
Bayes, Thomas (1763). An Essay towards solving a Problem in the Doctrine of
Chances.. Philosophical Transactions of the Royal Society of London 53:
370-418