SlideShare une entreprise Scribd logo
1  sur  21
TEOREMA DE BAYES 1
2 La probabilidad condicional se basa en el resultado de un hecho para describir otra probabilidad específica.Este concepto de puede extender cada vez que se tiene nueva información con la cual determinar si una probabilidad se debe a una causa específica. Este procedimiento recibe el nombre de Teorema y Bayes y se maneja así:
3 Teorema de Bayes Si A es un evento simple y Bi es una sucesión de eventos, la probabilidad de que se cumpla el evento Bi dado que ya se cumplió el evento A es:
El gerente de mercadotecnia de una compañía fabricante de juguetes estudia el lanzamiento de un juguete nuevo. En el pasado, el 40% de los juguetes introducidos por la compañía han tenido éxito y 60% han fracasado. 4 Ejemplo
Antes de lanzar el nuevo juguete se realiza un estudio de mercado y se hace un informe, ya sea favorable o desfavorable. En el pasado, 80% de los juguetes con éxito tenían un informe favorable y 30% de los juguetes que fracasaron tenían un informe favorable. El gerente de mercadotecnia quiere conocer la probabilidad de que el juguete tenga éxito si recibe un reporte favorable. 5 Ejemplo
¿Qué se busca? : La probabilidad de que el juguete tenga éxito.¿Qué condiciones tenemos? : 	Resultados de un informe favorable			P(Éxito/Favorable) 6 Ejemplo Análisis previo
Juguetes con éxito		: 40%		P(éxito) 	= 0.4Juguetes con fracaso	: 60%		P(fracaso) 	= 0.6Datos del pasado:Juguetes que tuvieron éxito y previamente les habían reportado un informe favorable      80%Juguetes que fueron un fracaso y previamente les habían reportado un informe favorable    30% 7 Ejemplo Análisis previo
Juguetes que tuvieron éxito y previamente les habían reportado un informe favorable      80%		P(Éxito/Favorable)	=	0.8Juguetes que fueron un fracaso y previamente les habían reportado un informe favorable    30%		P(Fracaso/Favorable)	=	0.3 8 Ejemplo Análisis previo
La aplicación del teorema de Bayes indica que se busca la probabilidad de que un juguete sea un éxito, siendo que el dictamen que se tiene es favorable; el enunciado es el siguiente:P(Éxito/Favorable)   = 9 Ejemplo Propósito
10 Ejemplo Desarrollo 64%
Reglas de Conteo 11 La probabilidad de ocurrencia se definió como el número de formas en las que el resultado ocurre, dividido por el número tal de resultados posiblesEn muchas casos, hay un gran número de posibles resultados y es difícil determinar el número exacto. Se han desarrollado reglas para contar el número posible de resultados.
Reglas de Conteo = potencial 12 Si cualquiera de los eventos k mutuamente excluyentes y colectivamente exhaustivos pueden ocurrir en cada uno de los ensayos n, el número de posibles resultados es igual a
Suponga que lanza al aire una moneda de 5 centavos y otra de 10 centavos. ¿De cuantas maneras pueden caer ambas monedas?Los resultados que se pueden tener son:* Las dos monedas pueden caer en letra* Las dos  monedas pueden caer en escudo* La de 5 cents en letra y la de 10 cents en escudo.* La de 5 cents en escudo y la de 10 cents en letraSon 4 posibles formas las que pueden caer. 13 Ejemplo
Si se resuelve por medio de la fórmula, se tiene lo siguiente:n	=	2 eventosk	=	2 lados tiene la moneda 14 Ejemplo
De igual manera, si se lanza una moneda al aire 2 veces. ¿De cuántas maneras puede caer?n	=	2 eventosk	=	2 caras de la moneda 15 Ejemplo
Reglas de Conteo = factorial 16 El número de maneras en el que n cosas pueden arreglarse en orden es: Característicasn! 	Es el “factorial de n”1!	Es igual a 10! 	Es igual a 1
Si un paquete de 6 libros se colocan en una repisa. ¿De cuantas formas es posible ordenar estos 6 libros de texto? 17 Ejemplo 6 libros se pueden ordenar de 720 formas diferentes.
Reglas de Conteo = combinaciones 18 Es el número de maneras de seleccionar X objetos a partir de n objetos, sin considerar el orden:
Si tenemos 5 profesores de matemáticas y se presenta la oportunidad de abrir 3 nuevas secciones, de cuantas maneras se pueden distribuir.Supongamos que los nombre de los profesores son:Raquel  ,   Clara  ,   Venancio  ,    Jorge  ,    VilmaSolo son 3 secciones las que se van a abrir y todos ellos tienen la misma capacidad para impartir la clase.Las posibilidades que se tienen son: 19 Ejemplo
20 Ejemplo
Si se utiliza la regla de conteo, el resultado se calcula de la siguiente manera: 21 Ejemplo

Contenu connexe

Similaire à BAYE

Combinatoria y probabilidad clásica
Combinatoria y probabilidad clásicaCombinatoria y probabilidad clásica
Combinatoria y probabilidad clásica
Cristian Jorquera
 
Combinatoria y probabilidad clásica
Combinatoria y probabilidad clásicaCombinatoria y probabilidad clásica
Combinatoria y probabilidad clásica
Cristian Jorquera
 
Distribucionesdiscretas]
Distribucionesdiscretas]Distribucionesdiscretas]
Distribucionesdiscretas]
edeannis
 

Similaire à BAYE (20)

probabildad estadistica
probabildad estadisticaprobabildad estadistica
probabildad estadistica
 
python y estadistica.docx
python y estadistica.docxpython y estadistica.docx
python y estadistica.docx
 
python y estadistica.docx
python y estadistica.docxpython y estadistica.docx
python y estadistica.docx
 
Clase 6 probabilidades i (1)
Clase 6 probabilidades i (1)Clase 6 probabilidades i (1)
Clase 6 probabilidades i (1)
 
Probabilidad
ProbabilidadProbabilidad
Probabilidad
 
Combinatoria y probabilidad clásica
Combinatoria y probabilidad clásicaCombinatoria y probabilidad clásica
Combinatoria y probabilidad clásica
 
Combinatoria y probabilidad clásica
Combinatoria y probabilidad clásicaCombinatoria y probabilidad clásica
Combinatoria y probabilidad clásica
 
Distribución binomial
Distribución binomialDistribución binomial
Distribución binomial
 
Estadistica 5. Probabilidades
Estadistica   5. ProbabilidadesEstadistica   5. Probabilidades
Estadistica 5. Probabilidades
 
Introduccion
IntroduccionIntroduccion
Introduccion
 
Control estadistico de procesos modulo inicial
Control estadistico de procesos modulo inicialControl estadistico de procesos modulo inicial
Control estadistico de procesos modulo inicial
 
2.2.3.1. distribución de probabilidad
2.2.3.1. distribución de probabilidad2.2.3.1. distribución de probabilidad
2.2.3.1. distribución de probabilidad
 
Claudia estadística avanzada.
Claudia estadística avanzada.Claudia estadística avanzada.
Claudia estadística avanzada.
 
Regla de multiplicación
Regla de multiplicaciónRegla de multiplicación
Regla de multiplicación
 
Introduccion a la teoria de las probabilidades
Introduccion a la teoria de las probabilidadesIntroduccion a la teoria de las probabilidades
Introduccion a la teoria de las probabilidades
 
Resumen de estadística
Resumen de estadística Resumen de estadística
Resumen de estadística
 
Ejercicio resuelto de Propbabilidad.pdf
Ejercicio resuelto de Propbabilidad.pdfEjercicio resuelto de Propbabilidad.pdf
Ejercicio resuelto de Propbabilidad.pdf
 
Estadistica probabilistica
Estadistica probabilisticaEstadistica probabilistica
Estadistica probabilistica
 
Introduccion a las probabilidades (Estadística Inferencial)
Introduccion a las probabilidades (Estadística Inferencial)Introduccion a las probabilidades (Estadística Inferencial)
Introduccion a las probabilidades (Estadística Inferencial)
 
Distribucionesdiscretas]
Distribucionesdiscretas]Distribucionesdiscretas]
Distribucionesdiscretas]
 

Plus de ita

conceptos
conceptosconceptos
conceptos
ita
 
bayesistos
bayesistosbayesistos
bayesistos
ita
 
prediccion
prediccionprediccion
prediccion
ita
 
clasificasionyprediccion
clasificasionyprediccionclasificasionyprediccion
clasificasionyprediccion
ita
 
pyc
pycpyc
pyc
ita
 
programacion
programacionprogramacion
programacion
ita
 
ASOCIASION
ASOCIASIONASOCIASION
ASOCIASION
ita
 
arboles
arbolesarboles
arboles
ita
 
arbolitos
arbolitosarbolitos
arbolitos
ita
 
tendencias
tendenciastendencias
tendencias
ita
 
seleccion
seleccionseleccion
seleccion
ita
 
prototipos
prototiposprototipos
prototipos
ita
 
plataforma
plataformaplataforma
plataforma
ita
 
metodologia
metodologiametodologia
metodologia
ita
 
herramientas
herramientasherramientas
herramientas
ita
 
ciclo
ciclociclo
ciclo
ita
 
optimiza
optimizaoptimiza
optimiza
ita
 
multi
multimulti
multi
ita
 
estadina
estadinaestadina
estadina
ita
 
riesgos
riesgosriesgos
riesgos
ita
 

Plus de ita (20)

conceptos
conceptosconceptos
conceptos
 
bayesistos
bayesistosbayesistos
bayesistos
 
prediccion
prediccionprediccion
prediccion
 
clasificasionyprediccion
clasificasionyprediccionclasificasionyprediccion
clasificasionyprediccion
 
pyc
pycpyc
pyc
 
programacion
programacionprogramacion
programacion
 
ASOCIASION
ASOCIASIONASOCIASION
ASOCIASION
 
arboles
arbolesarboles
arboles
 
arbolitos
arbolitosarbolitos
arbolitos
 
tendencias
tendenciastendencias
tendencias
 
seleccion
seleccionseleccion
seleccion
 
prototipos
prototiposprototipos
prototipos
 
plataforma
plataformaplataforma
plataforma
 
metodologia
metodologiametodologia
metodologia
 
herramientas
herramientasherramientas
herramientas
 
ciclo
ciclociclo
ciclo
 
optimiza
optimizaoptimiza
optimiza
 
multi
multimulti
multi
 
estadina
estadinaestadina
estadina
 
riesgos
riesgosriesgos
riesgos
 

BAYE

  • 2. 2 La probabilidad condicional se basa en el resultado de un hecho para describir otra probabilidad específica.Este concepto de puede extender cada vez que se tiene nueva información con la cual determinar si una probabilidad se debe a una causa específica. Este procedimiento recibe el nombre de Teorema y Bayes y se maneja así:
  • 3. 3 Teorema de Bayes Si A es un evento simple y Bi es una sucesión de eventos, la probabilidad de que se cumpla el evento Bi dado que ya se cumplió el evento A es:
  • 4. El gerente de mercadotecnia de una compañía fabricante de juguetes estudia el lanzamiento de un juguete nuevo. En el pasado, el 40% de los juguetes introducidos por la compañía han tenido éxito y 60% han fracasado. 4 Ejemplo
  • 5. Antes de lanzar el nuevo juguete se realiza un estudio de mercado y se hace un informe, ya sea favorable o desfavorable. En el pasado, 80% de los juguetes con éxito tenían un informe favorable y 30% de los juguetes que fracasaron tenían un informe favorable. El gerente de mercadotecnia quiere conocer la probabilidad de que el juguete tenga éxito si recibe un reporte favorable. 5 Ejemplo
  • 6. ¿Qué se busca? : La probabilidad de que el juguete tenga éxito.¿Qué condiciones tenemos? : Resultados de un informe favorable P(Éxito/Favorable) 6 Ejemplo Análisis previo
  • 7. Juguetes con éxito : 40% P(éxito) = 0.4Juguetes con fracaso : 60% P(fracaso) = 0.6Datos del pasado:Juguetes que tuvieron éxito y previamente les habían reportado un informe favorable  80%Juguetes que fueron un fracaso y previamente les habían reportado un informe favorable  30% 7 Ejemplo Análisis previo
  • 8. Juguetes que tuvieron éxito y previamente les habían reportado un informe favorable  80% P(Éxito/Favorable) = 0.8Juguetes que fueron un fracaso y previamente les habían reportado un informe favorable  30% P(Fracaso/Favorable) = 0.3 8 Ejemplo Análisis previo
  • 9. La aplicación del teorema de Bayes indica que se busca la probabilidad de que un juguete sea un éxito, siendo que el dictamen que se tiene es favorable; el enunciado es el siguiente:P(Éxito/Favorable) = 9 Ejemplo Propósito
  • 11. Reglas de Conteo 11 La probabilidad de ocurrencia se definió como el número de formas en las que el resultado ocurre, dividido por el número tal de resultados posiblesEn muchas casos, hay un gran número de posibles resultados y es difícil determinar el número exacto. Se han desarrollado reglas para contar el número posible de resultados.
  • 12. Reglas de Conteo = potencial 12 Si cualquiera de los eventos k mutuamente excluyentes y colectivamente exhaustivos pueden ocurrir en cada uno de los ensayos n, el número de posibles resultados es igual a
  • 13. Suponga que lanza al aire una moneda de 5 centavos y otra de 10 centavos. ¿De cuantas maneras pueden caer ambas monedas?Los resultados que se pueden tener son:* Las dos monedas pueden caer en letra* Las dos monedas pueden caer en escudo* La de 5 cents en letra y la de 10 cents en escudo.* La de 5 cents en escudo y la de 10 cents en letraSon 4 posibles formas las que pueden caer. 13 Ejemplo
  • 14. Si se resuelve por medio de la fórmula, se tiene lo siguiente:n = 2 eventosk = 2 lados tiene la moneda 14 Ejemplo
  • 15. De igual manera, si se lanza una moneda al aire 2 veces. ¿De cuántas maneras puede caer?n = 2 eventosk = 2 caras de la moneda 15 Ejemplo
  • 16. Reglas de Conteo = factorial 16 El número de maneras en el que n cosas pueden arreglarse en orden es: Característicasn! Es el “factorial de n”1! Es igual a 10! Es igual a 1
  • 17. Si un paquete de 6 libros se colocan en una repisa. ¿De cuantas formas es posible ordenar estos 6 libros de texto? 17 Ejemplo 6 libros se pueden ordenar de 720 formas diferentes.
  • 18. Reglas de Conteo = combinaciones 18 Es el número de maneras de seleccionar X objetos a partir de n objetos, sin considerar el orden:
  • 19. Si tenemos 5 profesores de matemáticas y se presenta la oportunidad de abrir 3 nuevas secciones, de cuantas maneras se pueden distribuir.Supongamos que los nombre de los profesores son:Raquel , Clara , Venancio , Jorge , VilmaSolo son 3 secciones las que se van a abrir y todos ellos tienen la misma capacidad para impartir la clase.Las posibilidades que se tienen son: 19 Ejemplo
  • 21. Si se utiliza la regla de conteo, el resultado se calcula de la siguiente manera: 21 Ejemplo