Ao de la Inversin para el

Desarrollo Rural y la
Seguridad Alimentaria

Universidad
Nacional San Luis
Gonzaga de Ica

Probabilidades

CURSO

Estadstica
DOCENTE

Ricardo Cavero Donayre

ALUMNOS

Allcca Poma Alexis

Arestegui Rojas Joshua
Ruiz Reyes Martn
Monroy Munayco Pedro
Medrano Velarde David

CICLO Y SECCIN:
3 A

Ingeniera Civil

Universidad Nacional San Luis Gonzaga de Ica

Facultad de Ingeniera Civil

PROBABILIDAD
La probabilidad es un mtodo por el cual se obtiene la frecuencia de un suceso
determinado mediante la realizacin de un experimento aleatorio, del que se
conocen todos los resultados posibles, bajo condiciones suficientemente
estables.
La probabilidad, por lo tanto, puede definirse como la razn entre la cantidad de
casos prsperos y la cantidad de cuestiones posibles. La matemtica, la fsica
y la estadstica son algunas de las reas que permiten arribar a conclusiones
respecto a la probabilidad de eventos potenciales.
En el ltimo campo citado, el estadstico, tenemos que subrayar que la
probabilidad se convierte en uno de sus pilares fundamentales. Eso da lugar a
que surjan una serie de experimentos que giren en torno a la misma.
De esta manera nos encontramos con los llamados experimentos deterministas
que son aquellos de los que se pueden predecir los resultados antes incluso de
que se lleven a cabo. Un ejemplo de ello sera el que lancemos una piedra por
la ventana pues ya podemos predecir el resultado: la misma bajar y caer.
Asimismo estn los experimentos aleatorios, en los que no se puede predecir el
resultado pues este indudablemente depende del azar. Un claro ejemplo de
esta clase de experimentos de probabilidad es el de lanzar un dado durante la
partida de un juego pues no sabemos cul ser la puntuacin que aquel
mostrar.

Adems de todo ello tampoco podemos pasar por alto que la Estadstica
cuando trabaja con la probabilidad utiliza como pilares fundamentales una serie
Estadstica
1

Universidad Nacional San Luis Gonzaga de Ica

Facultad de Ingeniera Civil

de elementos llamados sucesos para poder desarrollarla y estudiarla. Estos

son los elementales, compuestos, seguros, imposibles, compatibles,
incompatibles, dependientes, independientes y contrarios.
El hombre siempre tuvo inters en cuantificar la probabilidad ya que dicha
cuantificacin contribuye a predecir acontecimientos a corto o largo plazo. Por
ejemplo: si todos los das martes, desde hace tres meses, se corta la luz,
existir una gran probabilidad (aunque no por esto una certeza) de que el
prximo martes tambin se produzca el corte.
Cabe resaltar tambin que se conoce como teora de la probabilidad a aquella
que enmarca a los fenmenos aleatorios (es decir, que no ofrecen un resultado
nico o previsible bajo condiciones determinadas). El lanzamiento de un dado
es un fenmeno aleatorio, ya que puede arrojar diferentes resultados ms all
de que se realice en las mismas condiciones.

1. EXPERIMENTO ALEATORIO:
El experimento aleatorio se refiere a cualquier accin o proceso que no
se tiene certeza de su resultado final, hasta tanto no se ejecute.
Estadstica
2

Universidad Nacional San Luis Gonzaga de Ica

Facultad de Ingeniera Civil

Este tipo de experimentos debe satisfacer con los siguientes

requerimientos:

Puede repetirse un nmero ilimitado de veces bajo las mismas

condiciones.
Es posible conocer por adelantado todos los posibles resultados a
que pueden dar origen.
No puede predecirse con exactitud un resultado en una relacin
particular del experimento.

Ejemplos:

Lanzar una moneda al aire.

Lanzar un dado.
Sacar una carta al azar.
Predecir los nmeros de la lotera.

2. ESPACIO MUESTRAL:
En la teora de probabilidades, el espacio muestral o espacio de
muestreo (denotado E, S, o U) consiste en el conjunto de todos los
posibles resultados individuales de un experimento aleatorio.
Por ejemplo, si el experimento consiste en lanzar dos monedas, el
espacio de muestreo es el conjunto {(cara, cara), (cara, cruz), (cruz,
cara) y (cruz, cruz)}. Un evento o suceso es cualquier subconjunto del
Estadstica
3

Universidad Nacional San Luis Gonzaga de Ica

Facultad de Ingeniera Civil

espacio muestral, llamndose a los sucesos que contengan un nico

elemento sucesos elementales. En el ejemplo, el suceso "sacar cara en
el primer lanzamiento", o {(cara, cara), (cara, cruz)}, estara formado por
los sucesos elementales {(cara, cara)} y {(cara, cruz)}.
Para algunos tipos de experimento puede haber dos o ms espacios de
muestreo posibles. Por ejemplo, cuando se toma una carta de un mazo
normal de 52 cartas, una posibilidad del espacio de muestreo podra ser
el nmero (del as al rey), mientras que otra posibilidad sera el palo
(diamantes, trboles, corazones y picas). Una descripcin completa de
los resultados, sin embargo, especificara ambos valores, nmero y palo,
y se podra construir un espacio de muestreo que describiese cada carta
individual como el producto cartesiano de los dos espacios de muestreo
descritos.
Los espacios de muestreo aparecen de forma natural en una
aproximacin elemental a la probabilidad, pero son tambin importantes
en espacios de probabilidad. Un espacio de probabilidad (, F, P)
incorpora un espacio de muestreo de resultados, , pero define un
conjunto de sucesos de inters, la -lgebra F, por la cual se define
la medida de probabilidad P.

TIPOS DE ESPACIO MUESTRAL: Podemos diferenciar entre dos tipos de

espacios muestrales: discretos y continuos.
a) Discretos: Son aquellos espacios donde el nmero de sucesos
elementales es finito o infinito numerable.

Espacio probabilstico discreto:

Es aquel cuyo espacio muestral es discreto. Podemos diferenciar varios
tipos de espacio probabilstico discreto:
Espacio Probabilstico Discreto Equiprobable

Su espacio muestral es finito de tamao n.

Estadstica
4

Universidad Nacional San Luis Gonzaga de Ica

Facultad de Ingeniera Civil

La probabilidad de cualquier suceso elemental E es

de aqu se deduce que para todo suceso A la probabilidad es

Espacio Probabilstico Discreto Finito

Su espacio muestral es discreto finito.

Hay al menos 2 sucesos elementales que cumplen.
.

Procesos Estocsticos Finitos Y Diagramas de rbol:

Un proceso estocstico es una sucesin finita de experimentos
aleatorios, cada uno de ellos con un n finito de resultados posibles.
Se representan con diagrama de rbol.
Por ejemplo, imaginemos que se lanza una moneda y un dado de
seis caras. La probabilidad de obtener un resultado particular
corresponde a la multiplicacin de sus probabilidades. Es decir, la
probabilidad de obtener cara y un tres ser:

Ahora bien, la probabilidad de un suceso cualquiera es la suma de

las probabilidades de los distintos resultados aislados posibles. As,
la probabilidad de sacar siempre un resultado impar en los dados,
independientemente del resultado de la moneda, ser:

Estadstica
5

Universidad Nacional San Luis Gonzaga de Ica

Facultad de Ingeniera Civil

Espacio Probabilstico Infinito Contable:

Aquel cuyo espacio muestral es discreto infinito contable. Por
ejemplo:
La probabilidad de que en una moneda salga cara en la
1

primera tirada
2
La probabilidad de que en una moneda salga nuevamente
1 1 1
x =
cara en la segunda tirada
2 2 4
La probabilidad de que en una moneda salga nuevamente
1 1 1 1
x x =
cara en la tercera tirada
2 2 2 8

b) Continuos: Son aquellos espacios donde el nmero de sucesos

elementales es infinito incontable.

Espacio probabilstico continuo

Espacio muestral infinito no numerable. No es posible
observar puntos concretos del espacio.
Tiene sentido hablar de intervalos observados. No es posible
asignar probabilidad a un punto concreto, se asigna a
intervalos.
Por tanto la funcin P est definida sobre intervalos
K i <exp> K e
.
P
Habitualmente cuando trabajamos con magnitudes fsicas.

Particiones
Es posible definir particiones sobre el espacio muestral.
Formalmente hablando, una particin sobre se define como un
conjunto numerable:
{ Ai }i N Tal que:

Estadstica
6

Universidad Nacional San Luis Gonzaga de Ica

Facultad de Ingeniera Civil

Ejemplos
Por ejemplo, en el caso del experimento aleatorio "lanzar un dado", el
espacio muestral del experimento sera: ={1,2,3,4,5,6}. Por otro lado, si
cambiamos ligeramente la experiencia pensando en el nmero
resultante de la suma de 2 dados, entonces tenemos 2 posibles
espacios muestrales para modelar nuestra realidad:

= {(1,1), (1,2), (1,3), (1,4), (1,5), (1,6), (2,1), (2,2),..(6,6)}=

{1,2,3,4,5,6}x{1,2,3,4,5,6}
'= {2, 3, 4,...,12}

La eleccin del espacio muestral es un factor determinante para realizar

el clculo de la probabilidad de un suceso.

Ms ejemplos:
I.

Una bolsa contiene bolas blancas y negras. Se extraen

sucesivamente tres bolas.
E = {(b,b,b); (b,b,n); (b,n,b); (n,b,b); (b,n,n); (n,b,n);
(n,n ,b); (n, n,n)}

II.

El suceso A = Extraer bolas del mismo color.

A = {(b,b,b); (n, n,n)}

III.

El suceso B= Extraer al menos una bola blanca.

B= {(b,b,b); (b,b,n); (b,n,b); (n,b,b); (b,n,n); (n,b,n);
(n,n ,b)}

Estadstica
7

Universidad Nacional San Luis Gonzaga de Ica

IV.

Facultad de Ingeniera Civil

El suceso C = Extraer una sola bola negra.

C = {(b,b,n); (b,n,b); (n,b,b)}

3. EVENTO:
a) Un evento es un subconjunto del espacio muestral de un
experimento aleatorio. Los eventos normalmente se denotan con las
letras maysculas A, B, C; y tienen la caracterstica de ser
subconjuntos de S ((A, B, C) S). Los eventos pueden ser:
Evento seguro, es aquel que tiene todos los posibles resultados. S
= A #S = #A. Por ejemplo al tirar un dado un dado obtener una
puntuacin que sea menor que 7.

Evento imposible, es aquel que no tiene un posible resultado. Por

ejemplo al tirar un dado obtener una puntuacin igual a 7.

Eventos compatibles, dos eventos, A y B, son compatibles cuando

tienen algn eventos elemental comn. Ejemplo si A es sacar
puntuacin par al tirar un dado y B es obtener mltiplo de 3, A y B
son compatibles porque el 6 es un evento elemental comn.

Evento incompatibles, dos eventos, A y B, son incompatibles

cuando no tienen ningn elemento en comn. Ejemplo si A es
sacar puntuacin par al tirar un dado y B es obtener mltiplo de 5,
A y B son incompatibles.

Eventos independientes, dos eventos, A y B, son independientes

cuando la probabilidad de que suceda A no se ve afectada porque
haya sucedido o no B. Ejemplo al lazar dos dados los resultados
son independientes.

Eventos dependientes, dos eventos, A y B, son dependientes

cuando la probabilidad de que suceda A se ve afectada porque
haya sucedido o no B. Ejemplo extraer dos cartas de una baraja,
sin reposicin, son eventos dependientes.

Estadstica
8

Universidad Nacional San Luis Gonzaga de Ica

Facultad de Ingeniera Civil

Evento contrario, el evento contrario a A es otro evento que se

realiza cuando no se realiza A. Ejemplo son eventos contrarios
sacar par e impar al lanzar un dado.
Se clasifican en:
Evento simple, siendo aquel que tiene un solo punto
muestral.
Evento compuesto, siendo aquel que tiene dos o ms
puntos muestrales.
Donde el punto muestral es cada uno de los resultados
posibles de un experimento aleatorio. Representndose al
nmero de puntos muestrales por #S.

Ejemplo de evento: El lanzamiento de una moneda.

Experimento aleatorio: Lanzar una moneda tres veces.
Espacio muestral:
K={(S,S,S),(S,S,A),(S,A,S),(A,S,S),(A,A,S),(A,S,A),(S,A,A),
(A,A,A)}
#K = 8
K es el evento seguro.
Evento simple:
A: que salgan tres sellos.
A = {(S,S,S)}
#A = 1
Evento compuesto:
B: Que salgan al menos dos sellos.
B = {(S,S,S), (S,S,A), (S,A,S), (A,S,S)}
#B = 4
Estadstica
9

Universidad Nacional San Luis Gonzaga de Ica

Facultad de Ingeniera Civil

Ante estos conceptos es posible llegar a pensar que un evento y

un punto muestral son lo mismo, pero realmente no lo son. Un
ejemplo claro se puede observar en el lanzamiento del dado, un
evento sera por ejemplo que salga nmero par, para lo cual
serviran los puntos muestrales {2} {4} {6}. De ah las diferencias
entre unos y otros.

b) Operaciones bsicas con eventos aleatorios.

Ya que los eventos son subconjuntos del espacio muestral S, se
pueden aplicar las conocidas operaciones con conjuntos, a los
eventos, como son la unin, la interseccin y la diferencia de
eventos.
Operacin

Expresin

Unin

AB

Interseccin

AB

Descripcin

Complemento A = S - A
Diferencia

A-B

Unin de eventos originales: es el evento que

sucede si y solo si A sucede o B sucede o
ambos suceden
Interseccin de los eventos originales, es el
evento que sucede si y slo si A y B suceden
simultneamente.
El complemento de un conjunto son todos
aquellos elementos de S que no pertenecen al
conjunto A.
La diferencia de los eventos originales A y B, es
el evento que sucede solo en A pero no en B.

Unin (A B)
El evento formado por todos los elementos de A y todos los
elementos de B. La probabilidad de la unin de dos eventos es
igual a la suma de las probabilidades individuales de los dos
eventos que se unen, menos la probabilidad del suceso
interseccin.

Ejemplo: Al lanzar un dado al aire y analizar los siguientes dos

eventos.
Evento A: que salga nmero par.
Evento B: que salga nmero impar.
Estadstica
10

Universidad Nacional San Luis Gonzaga de Ica

Facultad de Ingeniera Civil

La unin se forma por los puntos muestrales {1}, {2}, {3}, {4},
{5} y{6}.
Cuya probabilidad es:
P (A) = 3 / 6 = 0.50
P (B) = 3 / 6 = 0.50
P (A B) = 0 / 6 = 0.00
Por lo tanto (A B) = (0.50 + 0.50) 0.00 = 1.00
Interseccin (A B)
Es el evento formado por todos los elementos que son, a la
vez, de A y de B. Es aquel evento compuesto por los
elementos comunes de los dos o ms sucesos que se
intersectan. La probabilidad ser igual a la probabilidad de los
elementos comunes.
Ejemplo: Al lanzar un dado al aire y analizar los siguientes dos
eventos.
Evento A: que salga nmero par.
Evento B: que sea mayor que 3.
La interseccin de estos dos eventos tiene los puntos
muestrales {4} y {6}.
Su probabilidad ser por tanto P(A B) = 2 / 6 = 0.33

Complemento (A)
La probabilidad de un suceso complementario (A) es igual a
1 - P(A).
Ejemplo: Si se lanza un dado al aire y se analiza el evento que
salga un nmero impar su complementario, suceso (A ), es
que obtengamos un nmero par.
De esta manera, la probabilidad de cada suceso es:
P(A) = 3 / 6 = 0.50
A= 1 - P(A) = 1 0.50 = 0.50
La unin de dos eventos complementarios es igual a 1.

Estadstica
11

Universidad Nacional San Luis Gonzaga de Ica

Facultad de Ingeniera Civil

Diferencia (A - B)
La diferencia de eventos, A B, es el evento formado por
todos los puntos muestrales de A que no son de B.
Ejemplo: Al lanzar un dado al aire y analizar los siguientes dos
eventos.
Evento A: que salga nmero par.
Evento B: que sea mltiplo de 3.
A = {2, 4, 6}
B = {3, 6}
A B = {2, 4}

Estadstica
12

Universidad Nacional San Luis Gonzaga de Ica

Facultad de Ingeniera Civil

4. PROBABILIDAD CONDICIONADA
Como la probabilidad est ligada a nuestra ignorancia sobre los
resultados de la experiencia, el hecho de que ocurra un suceso, puede
cambiar la probabilidad de los dems. El proceso de realizar la historia
clnica, explorar y realizar pruebas complementarias ilustra este
principio.
La probabilidad de que ocurra el suceso A si ha ocurrido el suceso B se
denomina probabilidad condicionada y se define:

Esta definicin es consistente, es decir cumple los axiomas de

probabilidad.
Cuando ocurre un suceso cambia el espacio muestral, por eso cambia la
probabilidad. A veces es ms fcil calcular la probabilidad condicionada
teniendo en cuenta este cambio de espacio muestral.
PROBLEMAS:
I.

Una persona lanza una moneda 3 veces, Cul es la probabilidad

de obtener 3 guilas dado que sali por lo menos un guila?
Solucin: El espacio muestra del experimento de lanzar una
moneda 3 veces es:
S = {aaa, aas, asa, ass, saa, sas, ssa, sss}
El evento A de que por lo menos hay un guila en los tres
lanzamientos es: A = {aaa, aas, asa, ass, saa, sas, ssa}
El evento B de que obtenga 3 guilas es B = {aaa}
Por lo tanto, A B = {aaa} y
De donde

Estadstica
13

Universidad Nacional San Luis Gonzaga de Ica

Ntese que

( BA )= 17

Facultad de Ingeniera Civil

es la probabilidad de una ocurrencia en

las siete que son posibles en A; es decir, calcular la probabilidad

condicional de B dado A es como calcular la probabilidad de B con
relacin al conjunto A, como si ste fuera un nuevo espacio
muestra S* = A.

II.

Se seleccionan dos semillas aleatoriamente, una por una, de una

bolsa que contiene 10 semillas de flores rojas y 5 de flores
blancas. Cul es la probabilidad de que:
a) La primera semilla sea roja?
b) La segunda semilla sea blanca dado que la primera fue roja?
Solucin:
La probabilidad de que la primera semilla sea roja es 10/15,
puesto que hay 10 semillas de flores rojas de un total de 15.
P ( R 1 )=10 /15
Escrito con notacin de probabilidad tenemos:
a. La probabilidad de que la segunda semilla sea blanca se ve
influida por lo que sali primero, es decir esta probabilidad est
sujeta a una condicin, la de que la primera semilla sea roja.
Este tipo de probabilidad se le llama probabilidad condicional y
se denota por P( B2 /R 1) , y se lee: la probabilidad de B dado
2

R1.
Esta probabilidad

P( B2 /R 1)=

5/14, puesto que todava

hay 5 semillas blancas en un total de 14 restantes.

Veamos la situacin en un diagrama de rbol:

Estadstica
14

Universidad Nacional San Luis Gonzaga de Ica

III.

Facultad de Ingeniera Civil

Una urna contiene 10 bolas, de las cuales 3 son rojas, 5 verdes y

2 azules. Se extraen al azar 3 bolas. Calcular la probabilidad de
que la primera sea azul, y las otras dos verdes.
Solucin:
Definimos A1 = {la 1 bola es azul}; A2 = {la 2 bola es verde}; A3 =
{la 3 bola es verde}
P(A1) = 2/10 aplicando la definicin clsica de probabilidad,
puesto que hay 10 bolas y 2 son verdes.
P(A2|A1) = 5/9; si la primera bola extrada es azul, en la urna
quedan 9 bolas, 5 de ellas verdes.
P(A3|A1 A2) = 4/8; si la primera bola extrada es azul y la
segunda verde en la urna quedan 8 bolas, 4 de ellas verdes.
P(A1 A2 A3) = 2/10 x 5/9 x 4/8 = 1/18

Estadstica
15

Universidad Nacional San Luis Gonzaga de Ica

Facultad de Ingeniera Civil

5. PROBABILIDAD DE EVENTOS INDEPENDIENTES

La principal caracterstica de una situacin con eventos independientes
es que el estado original de la situacin no cambia cuando ocurre un
evento. Existen dos maneras de que esto suceda:
Los eventos independientes ocurren ya sea cuando:
El proceso que genera el elemento aleatorio no elimina ningn
posible resultado
El proceso que s elimina un posible resultado, pero el resultado
es sustituido antes de que suceda una segunda accin. (A esto se
le llama sacar un reemplazo.)
Aqu hay ejemplos de cada caso:

Situacin

Lanzas un dado, y si no
sale 6, lanzas de nuevo.
Cul es la probabilidad
de sacar un 6 en el
segundo lanzamiento?

Sacas una canica de una

bolsa con 2 canicas rojas,
2 blancas, y una verde.
Observas el color, la pones
de nuevo en la bolsa, y

Eventos

El primer
lanzamiento no es
un 6.
El primer
lanzamiento es un
6.

Sacar una canica

roja en el primer
intento.

Estadstica
16

Por qu los eventos son

independientes

El hecho de que el primer

lanzamiento no es un 6 no cambia
la probabilidad de que el segundo
lanzamiento sea un 6. (A algunas
personas les gusta decir, "el dando
no se acuerda qu sacaste antes.")

Los eventos son independientes

porque regresaste la primera
canica a la bolsa y tu segundo
intento fue con la bolsa en su

Universidad Nacional San Luis Gonzaga de Ica

sacar otra canica. Cul

es la probabilidad de sacar
una canica roja ambas
veces?

Sacas una carta de un

mazo de 52 cartas, y luego
lanzas un dado. Cul es
la probabilidad de sacar un
2 y luego lanzar y que
caiga 2?

Facultad de Ingeniera Civil

estado original.
Sacar una canica
roja en el segundo
intento.

La carta es un 2.
El dado cae en 2.

Aunque la carta no es regresada al

mazo despus de sacarla, el
lanzamiento del dado no depende
de las cartas, por lo que ningn
posible resultado ha sido
reemplazado. A pesar del resultado
de sacar la carta, la probabilidad
de del dado no ser afectada.

EJERCICIOS:
I.

En una urna hay 3 fichas amarillas y 6 azules. Cul es la

probabilidad de que al sacar 2 fichas con reposicin, estas
sean amarillas?
Solucin
La probabilidad de sacar 1 ficha amarilla es de 3/9=>1/3, como
existe reposicin la 1ra extraccin no afecta a la 2da extraccin,
por tanto estamos frente a eventos independientes.
P(2 amarillas) = 1/3 * 1/3 = 1/9

II.

Se lanza un dado dos veces. Cul es la probabilidad de que

en el primer lanzamiento resulte 3 y en el segundo
lanzamiento un nmero impar?
Solucin
Un evento no afecta al otro, son independientes, por tanto
A) P( sacar 3) = 1/6
B) P( impar ) = 3/6 =
P( total ) = P( A^B )= P(A)*P(B) = 1/6*1/2 = 1/12

III.

Un estudiante responde al azar 5 preguntas de verdadero y

falso en un examen. Cul es la probabilidad de que acierte
todas las preguntas?
Solucin
La probabilidad de acertar 1 pregunta es de 1/2, cada pregunta es
independiente por tanto:

Estadstica
17

Universidad Nacional San Luis Gonzaga de Ica

Facultad de Ingeniera Civil

P( acertar una pregunta ) =

La probabilidad de acertar todas las preguntas es el producto total
de las cinco preguntas
P( 1rap ^ 2dap ^3rap ^ 4tap ^ 5tap ) = P(1rap)*P(2dap)
(3rap)*(4tap)*(5tap)=
1/2*1/2*1/2*1/2*1/2 = 1/32

6. PROBABILIDAD TOTAL:
7. TEOREMA DE BAYES:
En la teora de la probabilidad el teorema de Bayes es un resultado
enunciado por Thomas Bayes en 1763 que expresa la probabilidad
condicional de un evento aleatorio A dado B en trminos de la
distribucin de probabilidad condicional del evento B dado A y
la distribucin de probabilidad marginal de slo A.
En trminos ms generales y menos matemticos, el teorema de Bayes
es de enorme relevancia puesto que vincula la probabilidad de A dado B
con la probabilidad de B dado A. Es decir que sabiendo la probabilidad
de tener un dolor de cabeza dado que se tiene gripe, se podra saber (si
se tiene algn dato ms), la probabilidad de tener gripe si se tiene un
dolor de cabeza, muestra este sencillo ejemplo la alta relevancia del
teorema en cuestin para la ciencia en todas sus ramas, puesto que
tiene vinculacin ntima con la comprensin de la probabilidad de
aspectos causales dados los efectos observados.

Sea
un conjunto de sucesos mutuamente
excluyentes y exhaustivos, y tales que la probabilidad de cada uno de
ellos es distinta de cero (0). Sea B un suceso cualquiera del que se
conocen las probabilidades condicionales
probabilidad

. Entonces, la

viene dada por la expresin:

Estadstica
18

Universidad Nacional San Luis Gonzaga de Ica

Facultad de Ingeniera Civil

donde:

son las probabilidades a priori.

es la probabilidad de

son las probabilidades a posteriori.

en la hiptesis

Formula de bayes

Aplicaciones
El teorema de Bayes es vlido en todas las aplicaciones de la teora de
la probabilidad. Sin embargo, hay una controversia sobre el tipo de
probabilidades que emplea. En esencia, los seguidores de
la estadstica tradicional slo admiten probabilidades basadas en
experimentos repetibles y que tengan una confirmacin emprica
mientras que los llamados estadsticos bayesianos permiten
probabilidades subjetivas. El teorema puede servir entonces para
indicar cmo debemos modificar nuestras probabilidades subjetivas
cuando recibimos informacin adicional de un experimento. La
estadstica bayesiana est demostrando su utilidad en ciertas
estimaciones basadas en el conocimiento subjetivo a priori y el hecho
de permitir revisar esas estimaciones en funcin de la evidencia
emprica es lo que est abriendo nuevas formas de hacer conocimiento.
Una aplicacin de esto son los clasificadores bayesianos que son
frecuentemente usados en implementaciones de filtros de correo basura
o spam, que se adaptan con el uso.

Como observacin, se tiene y su demostracin resulta trivial.

Estadstica
19

Universidad Nacional San Luis Gonzaga de Ica

Estadstica
20

Facultad de Ingeniera Civil