Universitario
  1. Álgebra  1.1. Álgebra lineal  1.1.1. Matrices  1.1.2. Determinantes  1.1.3. Sistemas de ecuaciones lineales  1.1.4. Comprender los espacios vectoriales en álgebra lineal  1.1.5. Transformaciones lineales  1.1.6. Valores propios y vectores propios  1.1.7. Diagonalización  1.1.8. Espacio de producto interior  1.1.9. Ortogonalidad y base ortonormal  1.1.10. Descomposición en valores singulares  1.2. Álgebra abstracta  1.2.1. Grupo  1.2.2. Subgrupos  1.2.3. Grupos cíclicos  1.2.4. Grupo de permutaciones  1.2.5. Homeomorfismo  1.2.6. Subgrupos normales  1.2.7. Introducción a los anillos en álgebra abstracta  1.2.8. Campo  1.2.9. Ideales y anillos cocientes  1.2.10. Anillos de polinomios  1.2.11. Espacio vectorial sobre un campo  1.2.12. Módulo  1.2.13. Introducción a la teoría de Galois
  2. Cálculos  2.1. Cálculo diferencial  2.1.1. Comprender los límites en el cálculo diferencial  2.1.2. Comprendiendo el continuo en cálculo diferencial  2.1.3. Derivadas  2.1.4. Comprendiendo la regla de la cadena en el cálculo diferencial  2.1.5. Diferenciación implícita  2.1.6. Aplicaciones de derivadas  2.1.7. Problemas de optimización  2.1.8. Comprendiendo el teorema del valor medio  2.2. Cálculo integral  2.2.1. Integral definido  2.2.2. Integral indefinido  2.2.3. Técnicas de integración  2.2.4. Integrales impropias  2.2.5. Aplicaciones de la integración  2.2.6. Longitud del arco y área de la superficie  2.3. Cálculo multivariable  2.3.1. Derivada parcial  2.3.2. Gradiente en cálculo multivariable  2.3.3. Divergencia y rotacional  2.3.4. Introducción a la integración múltiple  2.3.5. Comprender las integrales de línea  2.3.6. Integrales de superficie  2.3.7. Explicación del teorema de Green  2.3.8. Teorema de Stokes  2.3.9. Teorema de la divergencia  2.3.10. Jacobiano
  3. Ecuaciones diferenciales  3.1. Ecuación diferencial ordinaria  3.1.1. Ecuaciones diferenciales de primer orden  3.1.2. Ecuaciones diferenciales de orden superior  3.1.3. Sistemas de ecuaciones diferenciales  3.1.4. Solución en serie  3.1.5. Métodos numéricos para EDOs  3.2. Ecuaciones diferenciales parciales  3.2.1. Entendiendo la ecuación del calor  3.2.2. Ecuación de onda  3.2.3. Ecuación de Laplace  3.2.4. Separación de variables  3.2.5. Métodos de transformada de Fourier en ecuaciones diferenciales parciales
  4. Análisis Real  4.1. Sucesiones y series  4.1.1. Convergencia de secuencias  4.1.2. Pruebas de series  4.1.3. Series de potencias  4.1.4. Convergencia uniforme  4.2. Funciones de variables reales  4.2.1. Límites y continuidad  4.2.2. Comprendiendo la continuidad uniforme  4.2.3. Diferenciación de funciones de variables reales  4.2.4. Integración de Riemann  4.2.5. Integración de Lebesgue
  5. Introducción al Análisis Complejo  5.1. Números complejos  5.1.1. Forma polar  5.1.2. Forma exponencial en números complejos  5.2. Funciones de una variable compleja  5.2.1. Funciones analíticas  5.2.2. Ecuaciones de Cauchy–Riemann  5.2.3. Integrales de contorno  5.2.4. Teorema de integración de Cauchy  5.2.5. Teorema del residuo en análisis complejo  5.2.6. Mapeo conformal
  6. Probabilidad y estadística  6.1. Teoría de la probabilidad  6.1.1. Conceptos Básicos de Probabilidad  6.1.2. Variables aleatorias  6.1.3. Comprendiendo Distribuciones de Probabilidad  6.1.4. Expectativa y variación  6.1.5. Probabilidad condicional y el teorema de Bayes  6.2. Figuras  6.2.1. Estadísticas descriptivas  6.2.2. Estadística inferencial  6.2.3. Prueba de hipótesis  6.2.4. Análisis de regresión  6.2.5. Comprendiendo ANOVA: Análisis de Varianza
  7. Métodos numéricos  7.1. Algoritmo para encontrar raíces  7.2. Integración numérica  7.3. Diferenciación numérica  7.4. Soluciones numéricas de ecuaciones diferenciales  7.5. Cálculos de matrices  7.6. Interpolación y extrapolación
  8. Introducción a las matemáticas discretas  8.1. Argumentos y pruebas  8.2. Compañerismo  8.3. Teoría de grafos  8.4. Álgebra booleana  8.5. Relación de recurrencia
  9. Programación lineal y optimización  9.1. Comprendiendo el método del simplex en programación lineal y optimización  9.2. Dualidad en programación lineal y optimización  9.3. Programación entera  9.4. Optimización no lineal
  10. Comprendiendo la topología: un viaje a través de formas y espacios  10.1. Espacio métrico  10.2. Espacios topológicos  10.3. Continuidad y homeomorfismos  10.4. Densidad  10.5. Asociatividad en topología
  11. Introducción a la geometría  11.1. Geometría euclidiana  11.2. Geometría diferencial  11.3. Geometría no euclidiana  11.4. Geometría proyectiva
  12. Física matemática  12.1. Series de Fourier  12.2. Transformada de Laplace  12.3. Aplicaciones de ecuaciones diferenciales  12.4. Funciones especiales
  13. Teoría de conjuntos y lógica  13.1. Conjuntos y subconjuntos  13.2. Relaciones y funciones  13.3. Entendiendo la cardinalidad en teoría de conjuntos y lógica  13.4. Comprendiendo la lógica formal en la teoría de conjuntos y la lógica  13.5. Teoría de conjuntos de Zermelo–Fraenkel
  14. Introducción al análisis funcional  14.1. Ubicación estándar  14.2. Espacios de Banach  14.3. Comprender el espacio de Hilbert en análisis funcional  14.4. Operadores lineales

Universitario → Probabilidad y estadística → Teoría de la probabilidad ↓


Conceptos Básicos de Probabilidad


La probabilidad es una medida de la probabilidad de que ocurra un evento. Mide la incertidumbre y es un concepto fundamental en matemáticas, particularmente dentro de las ramas de la probabilidad y estadísticas. Entender los conceptos básicos de probabilidad es importante para analizar situaciones y tomar decisiones diarias cuando los resultados son inciertos. En este artículo, exploraremos los conceptos fundamentales de la probabilidad, ilustraremos estos conceptos a través de ejemplos y utilizaremos fórmulas matemáticas y representaciones visuales para ilustrar aún más estas ideas.

Introducción a la probabilidad

La probabilidad cuantifica qué tan probable es que ocurra un evento. Esta medida puede oscilar entre 0 y 1, donde 0 representa imposibilidad y 1 representa certeza. Por ejemplo, la probabilidad de lanzar un dado estándar de seis caras y obtener un número mayor que 6 es 0 porque es imposible. Por el contrario, la probabilidad de obtener un número menor que 7 es 1 porque es seguro que ocurra.

Concepto de eventos

Un "evento" en probabilidad es un conjunto de resultados al que se le asigna una probabilidad. Un evento puede ser el resultado simple de un solo experimento, como lanzar una moneda y obtener cara, o un evento compuesto, que involucra múltiples resultados, como lanzar dos dados y obtener que la suma sea 7.

Una representación visual del evento que ocurre al lanzar una moneda es la siguiente:

Cara Cruz

En el evento de lanzar una moneda, dos resultados son igualmente probables: cara o cruz.

Espacio muestral

El espacio muestral (a menudo denotado como S) es el conjunto de todos los posibles resultados de un experimento. Por ejemplo, cuando lanzas un dado de seis caras, el espacio muestral contiene los números {1, 2, 3, 4, 5, 6}.

Si lanzas una moneda, el espacio muestral es {Cara, Cruz} . Es importante entender el espacio muestral porque cualquier cálculo de probabilidad es relativo a este.

Aquí hay una representación de lanzar un dado y determinar el espacio muestral:

espacio muestral = { 1 2 3 4 5 6 ,

Calculando la probabilidad

La probabilidad de que ocurra un evento E se calcula usando el cociente entre el número de resultados favorables y el número total de resultados posibles en el espacio muestral. Se expresa como:


P(E) = Número de resultados favorables / Número total de resultados en el espacio muestral

Por ejemplo, la probabilidad de obtener un "4" al lanzar un dado estándar de seis caras se puede calcular de la siguiente manera:


P(obtener un 4) = 1 / 6

Esto se debe a que solo hay un “4” en el dado, y hay seis resultados posibles.

Eventos complementarios

El complemento de un evento E consiste en todos los resultados del espacio muestral que no son parte de E La probabilidad del complemento de E se denota por P(E') o P(no E) .

La relación entre un evento y su complemento se da como:


P(E) + P(E') = 1

Siguiendo con el ejemplo del dado, si el evento E es lanzar un "4", entonces el complemento E' es lanzar un número que no sea "4" (es decir, 1, 2, 3, 5 o 6). Así que:


P(no obtener un 4) = 5 / 6

Note que 1/6 + 5/6 = 1 .

Probabilidad conjunta e intersección de eventos

La probabilidad de que dos eventos, digamos A y B , ocurran simultáneamente se conoce como probabilidad conjunta. Se denota como P(A ∩ B) . Si dos eventos no pueden ocurrir al mismo tiempo, entonces se llaman eventos mutuamente excluyentes, y P(A ∩ B) = 0 .

Por ejemplo, si lanzamos dos dados de seis caras, la probabilidad de obtener un 2 en el primer dado y un 5 en el segundo dado es:


P(primer dado = 2 ∩ segundo dado = 5) = (1/6) * (1/6) = 1/36

Asociación de eventos

La probabilidad de que ocurra el evento A o el evento B (o ambos) se conoce como la probabilidad de la unión de A y B , denotada por P(A ∪ B) . Si estos eventos no son mutuamente excluyentes, la fórmula es:


P(A ∪ B) = P(A) + P(B) - P(A ∩ B)

Para el ejemplo del dado, supongamos que el evento A es un número impar y el evento B es un número menor que 4. El cálculo es el siguiente:

  • Los números impares en el dado (evento A ) son 1, 3 y 5. Por lo tanto, P(A) = 3/6 = 1/2 .
  • Los números menores que 4 (evento B ) son 1, 2 y 3. Por lo tanto, P(B) = 3/6 = 1/2 .
  • Los números que son impares y menores que 4 (superposición: A ∩ B ) son 1 y 3. Así que, P(A ∩ B) = 2/6 = 1/3 .

Uso de la fórmula de la unión:


P(A ∪ B) = 1/2 + 1/2 - 1/3 = 4/6 = 2/3

Esto significa que la probabilidad de obtener un número impar o un número menor que 4 es 2/3 .

Eventos independientes y dependientes

Eventos independientes

Se considera que dos eventos son independientes si la ocurrencia de uno no afecta la ocurrencia del otro. Por ejemplo, cuando una moneda justa se lanza dos veces, el resultado del primer lanzamiento no cambia las probabilidades del segundo lanzamiento. Si A y B son eventos independientes, entonces:


P(A ∩ B) = P(A) * P(B)

Por ejemplo, imagina que lanzas una moneda y tiras un dado. Queremos saber la probabilidad de obtener cara y 4:


P(C ∩ 4) = P(C) * P(4) = (1/2) * (1/6) = 1/12

Eventos dependientes

Los eventos son dependientes si el resultado o la ocurrencia del primer evento afecta el resultado o la ocurrencia del segundo evento. Por ejemplo, elegir dos cartas de una baraja sin reemplazo es un evento dependiente porque las probabilidades cambian después de escoger la primera carta.

Probabilidad condicional

La probabilidad condicional es la probabilidad de que ocurra el evento A dado que el evento B ha ocurrido, denotada por P(A|B) Es útil cuando se tiene información adicional sobre la ocurrencia de un evento.

La fórmula para la probabilidad condicional es:


P(A|B) = P(A ∩ B) / P(B)

Por ejemplo, supongamos que hay una baraja de cartas y queremos saber la probabilidad de sacar un as, dado que la carta sacada es una espada. Un as es una espada. Entonces:

  • Ases en la baraja: 4
  • Espadas en una baraja: 13
  • As de espadas (evento A ∩ B ): 1 carta

La probabilidad de sacar una carta de espadas, P(B) es 13/52 = 1/4 .

La probabilidad de sacar el as de espadas (intersección), P(A ∩ B) es 1/52 .


P(A|B) = (1/52) / (1/4) = 1/13

Esto muestra que si una carta dada es una espada, la probabilidad de que sea un as es 1/13 .

Ley de probabilidad total

La ley de probabilidad total ayuda a calcular la probabilidad de un evento considerando todas las formas posibles en que puede ocurrir el evento en relación con escenarios mutuamente excluyentes y exhaustivos. Suponga que B1, B2, ..., Bn forman una partición del espacio muestral. Entonces la regla establece:


P(A) = P(A ∩ B1) + P(A ∩ B2) + ... + P(A ∩ Bn)

o el equivalente:


P(A) = P(A|B1) * P(B1) + P(A|B2) * P(B2) + ... + P(A|Bn) * P(Bn)

Esta regla es especialmente útil en escenarios complejos donde un evento se puede descomponer en escenarios condicionales más simples.

Teorema de Bayes

El teorema de Bayes proporciona una forma de actualizar nuestro conocimiento sobre la probabilidad de un evento basado en nueva evidencia. Se expresa como:


P(A|B) = (P(B|A) * P(A)) / P(B)

Este teorema es ampliamente utilizado en varios campos como la medicina, las finanzas y el aprendizaje automático debido a su capacidad para incorporar evidencia de forma secuencial.

Conceptos básicos de probabilidad en la vida cotidiana

La probabilidad juega un papel importante en la toma de decisiones del día a día. Ya sea que estés decidiendo llevar un paraguas según el pronóstico del tiempo o evaluando riesgos en los negocios, la probabilidad ayuda a tomar decisiones más informadas. Los comentaristas deportivos usan probabilidades para predecir el resultado de los partidos, los economistas lo utilizan para prever los mercados financieros y los médicos evalúan riesgos basados en la probabilidad al evaluar tratamientos.

Miremos un ejemplo del uso de la probabilidad en el pronóstico del tiempo:

Supongamos que el informe meteorológico dice que hay un 70% de probabilidad de lluvia mañana. Esto significa que a largo plazo, de cada 100 días con condiciones similares, se espera que llueva en 70 días. Comprender tales probabilidades puede ayudarte a decidir si llevar un paraguas o cancelar un evento al aire libre.

Conclusión

Los conceptos básicos de probabilidad proporcionan una base para entender la aleatoriedad y la incertidumbre en el mundo que nos rodea. Desde experimentos simples como lanzar monedas y tirar dados hasta situaciones del mundo real más complejas, la teoría de la probabilidad proporciona las herramientas para tomar decisiones más informadas. Al explorar y practicar estos conceptos, desarrollarás una comprensión más intuitiva de la probabilidad y sus aplicaciones.


Universitario → 6.1.1


U
username
0%
completado en Universitario

← Anterior (6.1)
Teoría de la probabilidad
Siguiente (6.1.2) →
Variables aleatorias

Comentarios 



Conceptos Básicos de Probabilidad

https://www.buddymath.com/ug/6.1.1?bmal=es