2. Probabilidad Fábulas para nuestro tiempo (James Thurber). Una gran araña que habitaba una casa vieja construyó una hermosa telaraña para atrapar moscas.

Slides:



Advertisements
Presentaciones similares
Estadística Administrativa I
Advertisements

El teorema de Bayes Supongamos que sobre el espacio muestral S tenemos una partición Ai, con i = 1, ..., n. Esto significa que cualquier resultado de S.
Alumno: Gerardo Mario Valdés Ortega

CÁLCULO DE TAMAÑO MUESTRAL ¿Cuántos individuos deberemos elegir para estimar una media? ¿Cuántos individuos deberemos elegir para estimar una media? Debemos.
LOGO Muestreo Pedro Godoy G.. LOGO Inferencia estadística La Inferencia Estadística es aquella rama de la Estadística mediante la cual se trata de sacar.
Leyes de la Probabilidad Luis Solórzano EFPEM/USAC Agosto 2016.
TEMA 5: PROBABILIDAD. Índice Experimentos aleatorios. Sucesos. Tipos de sucesos. Sucesos elementales Suceso seguro Suceso imposible Álgebra de sucesos.
PSICOESTADÍSTICAS INFERENCIALES Prof. Gerardo A. Valderrama M.
Estadística inferencial. ¿Qué es? La Estadística inferencial o Inferencia estadística estudia cómo sacar conclusiones generales para toda la población.
@ Angel Prieto BenitoMatemáticas 4º ESO E. AC.1 PROBABILIDAD U. D. 13 * 4º ESO E. AC.
TEMA 5: PROBABILIDAD. 1. Experimentos aleatorios. 2. Sucesos. Tipos de sucesos Sucesos elementales Suceso seguro Suceso imposible. 3.
Bioestadística Elementos de Probabilidad para la Inferencia Estadística.
Gerenciamiento Técnico de Proyectos Clase N ro 16 b Elementos de Estadísitica – Nociones de Probabilidad.
CLASE 3 - Probabilidad condicional Independencia de sucesos
TEMA 5: PROBABILIDAD La probabilidad es la ciencia que trata de cuantificar los posibles resultados de un experimento en el cual está presente la incertidumbre.
Distribución de Poisson
Inga. Patricia Juárez Jiménez 2017
UNIDAD 4: PROBABILIDAD Y ESTADÍSTICA
PSICOESTADÍSTICAS INFERENCIALES
Probabilidad Profr. Eliud Quintero Rodríguez.
Matemáticas 2º Bachillerato CS
DISTRIBUCIONES EN EL MUESTREO
TEMA 5: PROBABILIDAD. 1. Experimentos aleatorios.
Una Navidad diferente.
El teorema de Bayes Supongamos que sobre el espacio muestral S tenemos una partición Ai, con i = 1, ..., n. Esto significa que cualquier resultado de S.
“La araña que atrapas con la mano, y está en palacios de rey.”
REFORZAMIENTO EN MATEMÁTICAS
PERMUTACIONES Una permutación es una forma de ordenar o arreglar la totalidad de los elementos de un conjunto. En las permutaciones Si importa el órden.
PERMUTACIONES Una permutación es una forma de ordenar o arreglar la totalidad de los elementos de un conjunto. Se simboliza: Se lee permutaciones de n.
LOS QUE DIOS CONSIDERA AUTORIDADES DELEGADAS
Probabilidad Condicional
Estadística Inferencial
PROBABILIDADES CONDICIONADA, TOTALES Y TEOREMA DE BAYES
Métodos de muestreo.
Distribución normal o de Gauss
DISTRIBUCIÓN MUESTRAL DE UNA MEDIA.
Matemáticas 2º Bachillerato CS
Intervalos de confianza Muestras pequeñas
Análisis de decisión Ejemplo  La GOFERBROKE COMPANY es dueña de unos terrenos en los que puede haber petróleo. Un geólogo consultor ha informado a la.
TABLA DE CONTINGENCIA  Una tabla de contingencia es una es una distribución (una matriz) en filas y columnas en la que los individuos de una población.
PROBABILIDAD DOCENTE: EDWIN ANDRÉS PERDOMO. CONCEPTOS BÁSICOS EXPERIMENTO ALEATORIO EPACIO MUESTRAL SUCESO O EVENTO.
Probabilidades Vamos a estudiar los conceptos de: Sucesos excluyentes
Distribuciones de Probabilidad DISTRIBUCIÓN BINOMIAL
Concepto de probabilidad
INTERPRETACIÓN GEOMÉTRICA DEL TEOREMA DE BAYES
Estadística Inferencial
TEOREMAS DE PROBABILIDAD
Servicios para los Padres, la Comunidad y los Estudiantes
Métodos de muestreo.
Práctica: Gestión de Riesgos
Una Navidad diferente.
Fui a la clínica del Señor a hacerme una revisión de rutina y constaté
TEMA 3: MUESTREO Y ESTIMACIÓN
FUNDAMENTOS DE LA TEORÍA DE LA PROBABILIDAD
COMPETENCIAS Y OBJETIVOS
COMPETENCIAS Y OBJETIVOS
COMPETENCIAS Y OBJETIVOS
El peso de la oración.
Allí pasaba sus días, trabajando y tarareando una antigua canción de amor.
AXIOMAS, TEOREMAS.
COMPETENCIAS Y OBJETIVOS
Una Navidad diferente.
El tiempo de vida Todos los seguros de vida dependen fundamentalmente del tiempo de vida del asegurado. Por ello, la medición del riesgo debe comenzar.
PROBABILIDAD Y TÉCNICAS DE CONTEO
PROBABILIDAD.
Una Navidad diferente.
MUESTREO SISTEMATICO.
El teorema de Bayes Supongamos que sobre el espacio muestral S tenemos una partición A i, con i = 1,..., n. Si definimos los sucesos A i como el conjunto.
Bioestadística Sesión 7: Probabilidad José Aurelio Pina Romero
Transcripción de la presentación:

2. Probabilidad Fábulas para nuestro tiempo (James Thurber). Una gran araña que habitaba una casa vieja construyó una hermosa telaraña para atrapar moscas. Cada vez que una mosca se posaba en la telaraña y quedaba atrapada, la araña la devoraba, de modo que cuando otra mosca viniera, pensaría que la telaraña era un lugar seguro y tranquilo en el cual descansar. Un día una mosca muy inteligente revoloteó sobre la telaraña tanto tiempo sin descender que la araña apareció y dijo, “vamos, baja”. Pero la mosca era demasiado lista y dijo, “nunca bajo donde no veo otras moscas y no veo a ninguna en tu casa”. Así que se alejó hasta llegar a un lugar donde había muchas otras moscas. Estaba a punto de bajar junto a ellas cuando una abeja que pasaba le dijo, “detente estúpida, eso es papel matamoscas. Todas esa moscas están atrapadas”. “No seas tonta”, dijo la mosca, “están bailando”. Así que se posó y quedó pegada al papel con todas las otras moscas. Moraleja: No hay seguridad en los números, ni en ninguna otra cosa.

2. Probabilidad Teorema de Bayes. El concepto de probabilidad condicional da lugar a ramificaciones muy discutidas en las inferencias obtenidas usando el cálculo de las probabilidades. Estas dificultades provienen de la aplicación del llamado Teorema de Bayes. En el siglo XVIII, el reverendo Thomas Bayes, ministro inglés de la iglesia presbiteriana, desarrolló una fórmula para llegar a la probabilidad de que Dios existe, con base en las evidencias a su alcance en la tierra. Posteriormente, Laplace detalló el trabajo de Bayes y le dio el nombre de “Teorema de Bayes”. En forma práctica, el Teorema de Bayes es: En esta fórmula, los eventos A 1 y A 2 son mutuamente excluyentes, donde A 1 y A 2 se refieren a dos eventos en particular.

2. Probabilidad Teorema de Bayes. El teorema de Bayes es un método para revisar una probabilidad, debido a que se obtiene información adicional. Ejemplo: Supongamos que 5% de la población de cierto país padece una enfermedad peculiar. Si A 1 se refiere al evento “tiene la enfermedad” y A 2 al evento “no tiene la enfermedad”. Se conocen, entonces, las probabilidades (a priori) de seleccionar a un individuo que tenga la enfermedad, P(A 1 ) = 0.05 y P(A 2 ) = 0.95 para quienes no padecen la enfermedad. Hay una técnica de diagnóstico para detectar la enfermedad (información adicional), pero no es muy precisa. Supongamos que B indica el evento “las pruebas demuestran que la enfermedad está presente”. Se sabe que si la persona está enferma, la probabilidad de que la prueba indique su presencia es P(B/ A 1 )=0.90. Si no está enferma, y la prueba indica que si lo está la probabilidad es P(B/ A 2 )=0.15.

2. Probabilidad Teorema de Bayes. Supongamos que seleccionamos al azar a una persona y realizamos la prueba y ésta indica que la enfermedad está presente. ¿Qué probabilidad hay de que la persona realmente padezca esa enfermedad?. Si queremos saber la probabilidad a posteriori aplicamos el teorema de Bayes. En el problema anterior tenemos solo dos eventos, pero el teorema de Bayes puede aplicarse también a tres o más eventos:

2. Probabilidad Ejercicio: Un fabricante de videorreproductoras de casete (VCR) compra un microchip en particular, llamado LS-24, a tres proveedores (A 1, A 2 y A 3 ). Al proveedor A 1 se le compran 30% de los chips, 20% al A 2 y el 50% restante a A 3. El fabricante tiene los registros de los tres proveedores y sabe que el 3% de los chips de A 1 son defectuosos, lo mismo ocurre con el 5% de los chips del proveedor A 2 y el 4% de los chips del proveedor A 3. Si un trabajador del fabricante elige aleatoriamente un chip defectuoso, ¿qué probabilidad hay de que el proveedor sea el A 2 ? Considere B 1 como defectuso y B 2 como no defectuoso. Se sabe que: P(B 1 /A 1 ) = 0.03; P(B 1 /A 2 ) = 0.05; P(B 1 /A 3 ) = 0.04.