Probabilidad Condicional y Bayes Ing. Raúl Alvarez Guale, MPC.

Slides:



Advertisements
Presentaciones similares
SELECTIVIDAD AÑOS ANTERIORES : A.TEX.HI + A.TEX.ING. + A.TEX.CAST. 3 NOTA 1 (N1)
Advertisements

Intervalos de Confianza para la Media de la Población
Intervalos de Confianza para la Varianza de la Población
SATISFACCIÓN DE CLIENTES Comparativa Convocatorias Finalizadas en 2011.
Introducción a la Estadística
Las distribuciones binomial y normal.
AZAR Y PROBABILIDAD..
Instituto tecnologico de saltillo Resistencia a los golpes
Estadística Capítulo 4.3 TEOREMA DE BAYES.
HIJOS DE MADRES VIH+ NACIDOS EN EL PAÍS VASCO Plan de Prevención y Control del Sida del País Vasco.
CASOS DE SIDA Año 2008 Plan de Prevención y Control del Sida del País Vasco.
72 54 Los Números
Inferencia Estadística
AZAR Y PROBABILIDAD.
De Morgan Probabilidad. Boole Bayes Laplace Kolmogorov.
Distribuciones de probabilidad bidimensionales o conjuntas
Presenta: M. C. Marcos Campos Nava
Probabilidad Condicional Eventos Independientes
Distribución muestral de la media 2011 – 0
Evolución Tasas de Interés Promedio del Sistema Financiero *
LEYES DE PROBABILIDAD.
Tema 11: Regla del Producto Matemáticas III Secundaria.
PROBABILIDAD CONDICIONAL Y EVENTOS INDEPENDIENTES
Tema 4: Introducción a Probabilidad
Vicepresidenta 22.9%4.3%14.9%0.6%13.67% Resto 77.1%95.7%85.1%99.4%86.33% Acumulado23 al 31 Dic.1 al 12 Ene. 13 al 27 Ene. 28 Ene. al 8 Feb. Soraya Sáenz.
PROBABILIDAD CONDICIONAL Y TEOREMA DE BAYES
9.3.7 Cálculo de la probabilidad de ocurrencia de dos eventos independientes (regla del producto). La noción de independencia en situaciones de azar tiene.
¡Primero mira fijo a la bruja!
Probabilidad y Estadística para CEA Mtra. Ma. Del Carmen López Munive
1 Desempeño Económico Reciente: Una Visión Sectorial Carlos Ignacio Rojas Vicepresidente Medellín, 2 de octubre de 2008.
NOCIONES BASICAS DE PROBABILIDAD.
La ley de los grandes números
2. INTRODUCCION A LA TEORIA DE LA PROBABILIDAD
RELEVAMIENTO (especies mayores) PASEO GRAL. LAVALLE (entre Av. del Libertador y 25 de Mayo) Alejandro Amoruso Alfredo Jorge Etchevarne Parravicini.
I.Sistemas de coordenadas II. Gráfica de una ecuación y lugares geométricos III. La línea recta IV. Ecuación de la circunferencia V. Transformación de.
MINIMO COMÚN MÚLTIPLO DE DOS NÚMEROS a y b
JORNADA 1 DEL 24 DE MARZO AL 30 DE MARZO EQUIPO 01 VS EQUIPO 02 EQUIPO 03 VS EQUIPO 06 EQUIPO 05 VS EQUIPO 10 EQUIPO 07 DESCANSA EQUIPO 08 VS EQUIPO 13.
Consejeria en alimentacion infantil. Lactancia materna exclusiva luego de recibir consejería Leite***Albernaz***Morrow***Haider.
PROBABILIDAD COMPUESTA
JORNADA 1 DEL 24 DE MARZO AL 30 DE MARZO EQUIPO 01 VS EQUIPO 07 EQUIPO 03 VS EQUIPO 06 EQUIPO 04 VS EQUIPO 05 EQUIPO 02 VS EQUIPO 08.
Instituto San Lorenzo Departamento de Matemática Probabilidades.
Los números. Del 0 al 100.
Conceptos Probabilísticos
Probabilidad Condicional
Alumno: Israel Espinosa Jiménez
Probabilidad Escriba su nombre Estándar: Probabilidad y Estadística.
uno cero dos seis siete nueve Los Números DIEZ cinco ocho tres
Ubicación de Isla de Pascua en Sudamérica Kms.
NOCIONES DE PROBABILIDAD
Estadística Administrativa I
Probabilidad Condicional: Probabilidad Total y Teorema de Bayes
Matemáticas Acceso a CFGS
Apuntes 1º Bachillerato CT
CLASE 3 - Probabilidad condicional Independencia de sucesos
Estadística - Probabilidad
Ing. Raúl Alvarez Guale, MPC
Alumno: Gerardo Mario Valdés Ortega
 Licenciatura: Tecnologías de la Información y Comunicación  Ciclo escolar:  Cuatrimestre: Tercer Cuatrimestre  Materia: Estadística Descriptiva.
Tema 5 : PROBABILIDAD.
Teoría de la Probabilidad
Distribución muestral de la diferencia entre dos medias Ing. Raúl Alvarez Guale.
Probabilidad de un Evento Ing. Raúl Alvarez Guale.
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.
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.
Ing. Raúl Alvarez Guale, MPC
ING. JOEL DOMINGO MEJIA GUZMAN MATEMÁTICAS II BLOQUE X. EMPLEA LOS CONCEPTOS FUNDAMENTALES DE PROBABILIDAD.
Probabilidad Condicional Ing. Raúl Alvarez Guale, MPC.
Distribuciones Muestrales Ing. Raúl Alvarez Guale, MPC.
Ing. Raúl Alvarez Guale, MPC
Distribución Discreta de Probabilidad Ing. Raúl Alvarez Guale, MPC.
Transcripción de la presentación:

Probabilidad Condicional y Bayes Ing. Raúl Alvarez Guale, MPC

Población

Ejemplo 1: Probabilidad Condicional Si la probabilidad de que un sistema de comunicación tendrá alta fidelidad es 0.81, así como la probabilidad de que tendrá alta fidelidad y alta selectividad es ¿cuál es la probabilidad de que un sistema con alta fidelidad también tendrá alta selectividad?

Ejemplo 1: Probabilidad Condicional

TEOREMA

Ejemplo: Eventos Independientes ¿Cuál es la probabilidad de obtener dos caras en dos lanzamientos de una moneda equilibrada?

Ejemplo: Eventos Independientes

TEOREMA

TEOREMA DE BAYES

Ejemplo1 : Probabilidades condicionales Una empresa produce por medio de sus maquinas A, B, C, en porcentaje de producción correspondiente a 50%, 40% y 10% respectivamente. Los productos en mal estado de las máquinas A, b y C, son 3%, 2% y 1% respectivamente.

Ejemplo1 : Probabilidades condicionales 1) Realice el respectivo diagrama de árbol A = 0.50 B=0.40 C = EN BUEN ESTADO 0.98 EN BUEN ESTADO 0.99 EN BUEN ESTADO EN MAL ESTADO 0.02 EN MAL ESTADO 0.01 EN MAL ESTADO PRODUCCIÓN Empresa PRODUCTOS

Ejemplo1 : Probabilidades condicionales 2)¿Cuál es la probabilidad de que al escoger un producto al azar, este se encuentre en mal estado? Solución1 : Se separan los eventos condicionales de las hojas y se multiplican por sus ramificaciones considerando los espacios muestrales

Ejemplo1 : Probabilidades condicionales P(M)=(0.50)(0.03)+ (0.40)(0.02)+ (0.10)(0.01) P(M)=0.024 A = 0.50 B=0.40 C = EN BUEN ESTADO 0.98 EN BUEN ESTADO 0.99 EN BUEN ESTADO EN MAL ESTADO 0.02 EN MAL ESTADO 0.01 EN MAL ESTADO PRODUCCIÓN Emp PRODUCTOS

Ejemplo1 : Probabilidades condicionales

2)¿Cuál es la probabilidad de que al escoger un producto al azar, este se encuentre en buen estado? Solución1 : Se separan los eventos condicionales de las hojas y se multiplican por sus ramificaciones considerando los espacios muestrales

Ejemplo1 : Probabilidades condicionales P(B)=(0.50)(0.97) +(0.40)(0.98)+ (0.10)(0.99) P(B)=0.976 A = 0.50 B=0.40 C = EN BUEN ESTADO 0.98 EN BUEN ESTADO 0.99 EN BUEN ESTADO EN MAL ESTADO 0.02 EN MAL ESTADO 0.01 EN MAL ESTADO PRODUCCIÓN Emp PRODUCTOS

Ejemplo1 : Probabilidades condicionales

3) Se escoge un producto al azar, y se nota que se encuentra en buen estado. ¿Cuál es la probabilidad de que es producto haya sido producido por la máquina A?

Ejemplo1 : Probabilidades condicionales 3) Se escoge un producto al azar, y se nota que se encuentra en buen estado. ¿Cuál es la probabilidad de que es producto haya sido producido por la máquina A? Solución 1: Se separan los eventos condicionales de las hojas y se multiplican por sus ramificaciones considerando los espacios muestrales

Ejemplo1 : Probabilidades condicionales P(A/B)=(0.50)(0.97)/P(B) P(A/B)=0.485 A = 0.50 B=0.40 C = EN BUEN ESTADO 0.98 EN BUEN ESTADO 0.99 EN BUEN ESTADO EN MAL ESTADO 0.02 EN MAL ESTADO 0.01 EN MAL ESTADO PRODUCCIÓN Emp PRODUCTO

Ejemplo1 : Probabilidades condicionales

4) Se escoge un producto al azar, y se nota que se encuentra en mal estado. ¿Cuál es la probabilidad de que es producto haya sido producido por la máquina B? Solución 1: Se separan los eventos condicionales de las hojas y se multiplican por sus ramificaciones considerando los espacios muestrales

Ejemplo1 : Probabilidades condicionales P(B/M)= (0.40)(0.02)/P(M) P(B/M)= 0.33 A = 0.50 B=0.40 C = EN BUEN ESTADO 0.98 EN BUEN ESTADO 0.99 EN BUEN ESTADO EN MAL ESTADO 0.02 EN MAL ESTADO 0.01 EN MAL ESTADO PRODUCCIÓN Emp PRODUCTO

Ejemplo1 : Probabilidades condicionales

5) Se escoge un producto al azar, y se nota que se encuentra en buen estado. ¿Cuál es la probabilidad de que es producto haya sido producido por la máquina A? Solución 1: Se separan los eventos condicionales de las hojas y se multiplican por sus ramificaciones considerando los espacios muestrales

Ejemplo1 : Probabilidades condicionales P(A/B)=(0.50)(0.97)/P(B) P(A/B)=0.485 A = 0.50 B=0.40 C = EN BUEN ESTADO 0.98 EN BUEN ESTADO 0.99 EN BUEN ESTADO EN MAL ESTADO 0.02 EN MAL ESTADO 0.01 EN MAL ESTADO PRODUCCIÓN Emp PRODUCTOS

Ejemplo1 : Probabilidades condicionales 6) ¿Qué máquina produce con mayor eficiencia? A = 0.50 B=0.40 C = EN BUEN ESTADO 0.98 EN BUEN ESTADO 0.99 EN BUEN ESTADO EN MAL ESTADO 0.02 EN MAL ESTADO 0.01 EN MAL ESTADO PRODUCCIÓN Emp PRODUCTOS P(A/B)=(0.50)(0.97)/P(B) P(A/B)=0.485 P(B/B)=(0.40)(0.98)/P(B) P(B/B)=0.392 P(C/B)=(0.10)(0.99)/P(B) P(C/B)=0.099

Ejemplo1 : Probabilidades condicionales Una firma de consultoría renta automóviles de tres agencias, 20% de la agencia D, 20% de la agencia E y 60% de agencia F. Si 105 de los autos de D, 12% de los autos de E y 4% de los autos de F tienen neumáticos en mal estado, 1) ¿cuál es la probabilidad de que la firma tendrá un vehículo con neumáticos en mal estado?

Ejemplo1 : Probabilidades condicionales P(D)=(0.20)(0.10)+ (0.20)(0.12)+ (0.60)(0.04) P(D)=0.068 D = 0.20 E=0.20 F = EN BUEN ESTADO 0.88 EN BUEN ESTADO 0.96 EN BUEN ESTADO EN MAL ESTADO 0.12 EN MAL ESTADO 0.04 EN MAL ESTADO Renta Autos Emp Llantas

Ejemplo2 : Probabilidades condicionales

Si se alquila un vehículo con neumáticos en mal estado, ¿cuál es la probabilidad de que haya sido alquilado de E?

Ejemplo1 : Probabilidades condicionales P(E/D)=(0.20)(0.12) /0.068 P(E/D)=( 0.35 B1= D = 0.20 B2= E=0.20 B3= F = EN BUEN ESTADO 0.88 EN BUEN ESTADO 0.96 EN BUEN ESTADO EN MAL ESTADO 0.12 EN MAL ESTADO 0.04 EN MAL ESTADO Renta Autos Emp Llantas

Ejemplo1 : Probabilidades condicionales