Regla de Bayes Ing. Raúl Alvarez Guale, MPC. Probabilidad Total La estadística bayesiana es un conjunto de herramientas que se utiliza en un tipo especial.

Slides:



Advertisements
Presentaciones similares
Cálculo de probabilidades con la regla de Laplace
Advertisements

PRUEBAS DE HIPOTESIS. I.S.C. Rosa E. Valdez V.. Dentro del estudio de la inferencia estadística, se describe como se puede tomar una muestra aleatoria.
Introducción a la Estadística
Inferencia estadística
Probabilidad Condicional
Probabilidad Condicional y Bayes Ing. Raúl Alvarez Guale, MPC.
Nombre: Israel Espinosa Jiménez Matricula: Carrera: TIC Cuatrimestre: 4 Página 1 de 5.
Probabilidad Condicional: Probabilidad Total y Teorema de Bayes
Unidad VI: PRUEBAS DE HIPOTESIS
Apuntes 1º Bachillerato CT
Conceptos Básicos de Probabilidad
Tema 5: Probabilidad Lecturas recomendadas:
Unidad V: Estimación de
UNIVERSIDAD DE GUAYAQUIL.
Distribuciones Muestrales: Propoción, Varianza y cociente de varianzas
PROBABILIDAD.
Inferencia Estadística
Inteligencia Artificial
@ Angel Prieto BenitoMatemáticas 2º Bachillerato CS1 INFERENCIA ESTADÍSTICA Tema 13.4 * 2º BCS.
Principales distribuciones discretas
Inferencia Estadística: 6. Probabilidad Condicional
Depto. Matemáticas – IES Elaios Tema: Probabilidad 5. TEOREMAS DE PROBABILIDAD Presentación elaborada por el profesor José Mª Sorando, ampliando y adaptando.
Estimación de modelos ARMA
ESTADISTICA II PARTE PRIMERA: PROBABILIDAD Y VARIABLES ALEATORIAS
La Teoría de Probabilidades se desarrolló originalmente a partir de ciertos problemas planteados en el contexto de juegos de azar. La Probabilidad es.
María Macías Ramírez y David Marín Pérez
Estadística Aplicada Descripción del Curso Este curso trata sobre la presentación de modelos Probabilísticos y Estadísticos aplicados en las distintas.
Probabilidad y Estadística
Un panorama de conceptos probabilísticos
Sesión 09: Teoría de las Probabilidades
Alumno: Gerardo Mario Valdés Ortega
Probabilidades Históricamente, el propósito original de la teoría de probabilidades se limitaba a la descripción y estudios de juegos de azar. Girolamo.
Pruebas de hipótesis.
Teoría de Probabilidad
1º BACHILLERATO | Matemáticas © Oxford University Press España, S.A Hacer clic en la pantalla para avanzar EXPERIENTO ALEATORIO. SUCESOS Un experimento.
Sesión 6: Redes Bayesianas - Inferencia
METODO INDUCTIVO Inducción: Es un modo de razonar que nos lleva a: De lo particular a lo general. De una parte a un todo. Inducir es ir más allá de.
EJERCICIOS RESUELTOS PROBABILIDADES
PROBABILIDAD Y ESTADISTICA
 Licenciatura: Tecnologías de la Información y Comunicación  Ciclo escolar:  Cuatrimestre: Tercer Cuatrimestre  Materia: Estadística Descriptiva.
Tema 5 : PROBABILIDAD.
NORMA INTERNACIONAL DE AUDITORÍA 530
TEMA 5 PROBABILIDAD.
Matemáticas, juego,...fortuna: ¿Jugamos?
PROBABILIDADES.
Tema : Probabilidad.
Pruebas de hipótesis para una muestra
PROBABILIDAD CONDICIONAL Y TEOREMA DE BAYES
PROBABILIDADES CONDICIONADA, TOTALES Y TEOREMA DE BAYES
Proceso de Solución de Problemas (PSP)
Distribución muestral de la diferencia entre dos medias Ing. Raúl Alvarez Guale.
PROBABILIDAD Y COMBINATORIA OBJETIVO: Comprender el concepto de probabilidad y caracterizar situaciones de probabilidad utilizando permutaciones, variaciones.
Probabilidad de un Evento Ing. Raúl Alvarez Guale.
Probabilidad1 PROBABILIDAD Y ESTADISTICA Tema 2: Probabilidad.
Villamizar Luis Miguel. Variables aleatorias Se denomina variable aleatoria al conjunto imagen de esta correspondencia, es decir, al conjunto de los números.
Cristina. Derivada del término en latín variabilis, variable es una palabra que representa a aquello que varía o que está.
II. INTRODUCCION A LA TEORIA DE LA PROBABILIDAD FENÓMENO O EXPERIMENTO ALEATORIO Es un proceso de medición u observación cualquiera, en la cual los resultados.
6.3 Región de rechazo Nazira Calleja. 2 Proceso de prueba de hipótesis Hs: Los fumadores pesan como el resto… 70 kg Ejemplo 1 Muestra aleatoria de fumadores.
Fue un matemático inglés que vivió en el siglo XVIII. El teorema nombrado en su honor describe las alternativas para calcular la probabilidad de que.
UNIDAD VII: ANÁLISIS DEL FLUJO DE PROCESOS
Ing. Raúl Alvarez Guale, MPC
Capítulo 3 Modelo de Probabilidades II Lecturas: Recomendadas 1.- B. Eyzaguirre, C. Le Foulen, X. Hinzpeter: “Los chilenos no saben lo que leen”
Probabilidad Condicional Ing. Raúl Alvarez Guale, MPC.
MULTIVERSIDAD LATINOAMERICANA OAXACA URBANA BACHILLERATO MATEMÁTICAS II BLOQUE X. EMPLEA LOS CONCEPTOS FUNDAMENTALES DE PROBABILIDAD. ING. JOEL DOMINGO.
Distribuciones Muestrales Ing. Raúl Alvarez Guale, MPC.
Ing. Raúl Alvarez Guale, MPC
Variable Aleatoria Ing. Raúl Alvarez Guale, MPC. Variable Aleatoria La estadística realiza inferencias acerca de las poblaciones y sus características.
Probabilidad Condicional
INTERPRETACIÓN GEOMÉTRICA DEL TEOREMA DE BAYES
Varianza y covarianza de variables aleatorias
Transcripción de la presentación:

Regla de Bayes Ing. Raúl Alvarez Guale, MPC

Probabilidad Total La estadística bayesiana es un conjunto de herramientas que se utiliza en un tipo especial de inferencia estadística que se aplica en el análisis de datos experimentales en muchas situaciones practicas de ciencia e ingeniería. La regla de Bayes es una de las normas más importantes de la teoría de probabilidad, ya que es el fundamento de la inferencia bayesiana.

Teorema

Ejemplo 1 Tres maquinas de cierta planta de ensamble, B 1, B 2 y B 3, montan 30%, 45% y 25% de los productos, respectivamente. Se sabe por experiencia que 2%, 3% y 2% de los productos ensamblados por cada maquina, respectivamente, tienen defectos. Ahora bien, suponga que se selecciona de forma aleatoria un producto terminado. ¿Cuál es la probabilidad de que este defectuoso?

Ejemplo 1 Solución: Considere los siguientes eventos: A: el producto esta defectuoso, B 1 : el producto fue ensamblado con la maquina B 1, B 2 : el producto fue ensamblado con la maquina B 2, B 3 : el producto fue ensamblado con la maquina B 3. Podemos aplicar la regla de eliminación y escribir: P(A) = P(B 1 )P(A|B 1 ) + P(B 2 )P(A|B 2 ) + P(B 3 )P(A|B 3 ).

Ejemplo 1 P(B 1 )=0.3 P(B 3 )=0.45 P(A|B 1 )=0.02 % Montaje x máquina % defectuoso P(A) = = P(B 2 )=0.45 P(A|B 2 )=0.03 P(A|B 3 )=0.02

Ejemplo 2 Resolver el Ejemplo 1: ¿Cuál es la probabilidad de que este defectuoso?

Ejemplo 2 P(B 1 )=0.3 P(B 3 )=0.45 P(A|B 1 )=0.02 % Montaje x máquina % defectuoso P(A) = = P(B 2 )=0.45 P(A|B 2 )=0.03 P(A’|B 2 )=0.97 P(A’|B 1 )=0.98 P(A|B 3 )=0.02 P(A|B 3 )=0.98

Teorema

Ejemplo 3 Con referencia al ejemplo 1, si se elige al azar un producto y se encuentra que esta defectuoso, ¿cuál es la probabilidad de que haya sido ensamblado con la máquina B3?

Ejemplo 3

P(B 1 )=0.3 P(B 3 )=0.45 P(A|B 1 )=0.02 % Montaje x máquina % defectuoso P(B 2 )=0.45 P(A|B 2 )=0.03 P(A|B 3 )=0.02

Ejemplo 4 Una empresa de manufactura emplea tres planos analíticos para el diseño y desarrollo de un producto especifico. Por razones de costos los tres se utilizan en momentos diferentes. De hecho, los planos 1, 2 y 3 se utilizan para 30%, 20% y 50% de los productos, respectivamente. La tasa de defectos difiere en los tres procedimientos de la siguiente manera, P(D|P1) = 0.01, P(D|P2) = 0.03, P(D|P3) = 0.02

Ejemplo 4 en donde P(D|Pj) es la probabilidad de que un producto este defectuoso, dado el plano j. Si se observa un producto al azar y se descubre que esta defectuoso, ¿cual de los planos tiene mas probabilidades de haberse utilizado y, por lo tanto, de ser el responsable?

Ejemplo 4 Solución: A partir del planteamiento del problema P(P1) = 0.30, P(P2) = 0.20 y P(P3) = 0.50, debemos calcular P(Pj|D) para j = 1, 2, 3. La regla de Bayes (teorema) muestra

Ejemplo 4

Gracias