UNIVERSIDAD NACIONAL DE LOJA

ÁREA DE ANERGÍA, LAS INDUSTRIAS Y LOS RECURSOS NATURALES NO RENOVABLES

INGENIERÍA EN ELECTRÓNICA Y TELECOMUNICACIONES

MATEMATICA APLICADA

TEMA: Ejercicios de Probabilidad

REALIZADO POR: Darwin Geovanny Morocho. PROFESOR: Ing. Juan Pablo Cabrera. FECHA: 04-04-2012

LOJA- ECUADOR

H) si se sabe que el resultado tiene 2 cabezas.……N [ ] [ ] El denominador en la ecuación anterior sirve normalizar la probabilidad posterior para que las probabilidades condicionales sumen a uno o El teorema de Bayes’ nos permite calcular la probabilidad correspondiente a cada uno de los eventos de los que depende otro evento. 1) con la idea de un espacio maestral reducido y 2) mediante la definición de probabilidad condicional [ [ ] ] [ ] [ ] [ ] [ ] Remplazando P[AB] de la primera ecuación en la segunda: [ ] [ ] [ ] [ ] Esto se conoce como teorema de Bayes.Bk ∑ K = 1. el teorema nos permite realizar "inferencia" o evaluar a (con cierta probabilidad) la validez de un evento cuando algún otro evento se ha observado Demostración: [ ] [ ] [ ] [ ] Por la ley de la multiplicación = P(B|A) Por definición de la probabilidad condicionada Observamos que podemos escribir el teorema de varias maneras. tenemos que 4. 3. dado que un evento ya sucedió. En primer lugar. Y en segundo lugar. Para ello. Encontrar la probabilidad de obtener (H. 2.3 (w) Se lanza una moneda tres veces con cada resultado 3-tupla son igualmente probables. Al conocer las probabilidades marginales P [A]. Recordando la definición. . si B1. La definición de probabilidad condicionada conduce a una fórmula famosa y controversial a veces para el cálculo de probabilidades condicionales. P [B] y la probabilidad condicional P [A | B].……. podemos determinar la probabilidad condicional de otra P [B | A].TEOREMA DE BAYES. T.

el efecto de ese evento. ¿Cuál es la probabilidad que la persona tiene el cáncer? Para resolver este problema nosotros permitimos B = {la persona tiene el cáncer}.Ejemplo 4.001% de la población general tienen un cierto tipo de cáncer. la prueba también produce los positivos falsos o dice que una persona tiene el cáncer cuando él no lo tiene. Este ejercicio nos muestra cómo se puede obtener la probabilidad de un evento.99 si el paciente tiene el cáncer de hecho. Si la prueba regresa positiva. la causalidad evento. y es debido a la probabilidad anterior asumida que es bastante pequeño y por consiguiente tiende a anular los resultados de la prueba. El teorema Bayes' es matemáticamente correcto . la probabilidad deseada es: [ ] [ [ ] [ ] ] [ ] [ ] [ ] [ ] [ [ ] [ ] ] [ ] [ ] [ ] [ ] La probabilidad anterior de la persona que tiene el cáncer es [B] 1 5mientras la probabilidad posterior de la persona que tiene el cáncer (después de que la prueba se ha realizado y se ha encontrado ser positivo) es [B ] 4 5 1 5 .2. Con estos resultados el doctor podría apretarse para pedir las pruebas adicionales difícilmente. para de hecho el doctor está viendo a un paciente quién está quejándose de síntomas consistentes con el cáncer y no alguna persona escogida al azar de la población general. Esto ocurre con una probabilidad de 0.sólo su aplicación a veces está en la duda. [ ] [ ] Este resultado parece más razonable. Un paciente visita a un doctor que se queja de síntomas que podrían indicar la presencia de este cáncer. El doctor realiza un análisis de sangre que confirmará el cáncer con una probabilidad de 0.7 . Sin embargo.5.El Diagnóstico Médico Suponga se conoce que el 0. Si nosotros hubiéramos asumido ese P[B] = 0. Entonces. Para este tipo de probabilidades se puede utilizar el teorema de Bayes’ . dado que ya se conoce de otro evento que influye en el primer evento. Esto es bastante sorprendente. y A = {la prueba es positiva}. entonces.

T. T. T.} A= Evento a obtener (H. es P[A|B] = 3/4 = 0. haga esto por a) usando la idea del espacio de la muestra reducido y b) usando la definición de probabilidad condicional.Ejercicios Propuestos  Una moneda se echa tres veces con cada 3-tuple resultado que es igualmente probable. H. T. T. Procedimiento H= Cara T= cruz S= {H. Encuentre la probabilidad de obtener (H.5 [A]= 50% Si se conoce que el resultado tiene 2 caras entonces: B= Evento conocido B= {H.} Entonces la probabilidad del evento A dado el evento B. H) Entonces P[A]= 3/6 P[A]= 0.75 = 75% // b) [ [ [ [ [ ] ] ] ] ] [ [ ] ] // . T. H. H) si se conoce que el resultado tiene 2 caras. T. T.

cual es la probabilidad que la 11 lanzada también será una cara? Respuesta: [ [ ] [ [ [ [ [ ] ] ] ] ] ] [ [ ] ] // Bibliografía. Una moneda se lanza 11 veces en sucesión cada 11 . . Steven M Kay.es igualmente probable que el resultado del tuple ocurra. University of Rhode Island. Intuitive Probability and Random Processes using MATLAB. ¿si las primeras 10 lanzadas produjeran todas caras.