Siempre hay una razón detrás de nuestras decisiones, incluso si no somos plenamente conscientes de ella.
S = {1,2,3,4,5,6}Eventos:
A: sacar 2 → {2}
B: número par → {2,4,6}
C: número mayor a 2 → {3,4,5,6}
D: A y B → {2}
E: A o B → {2,4,6}
F: A y C → ∅
Probabilidades:
P(A) = 1/6
P(B) = 3/6 = 1/2
P(C) = 4/6 = 2/3
P(D) = 1/6
P(E) = 1/2
P(F) = 0
Conclusión: Al analizar eventos simples y compuestos, podemos predecir con claridad las probabilidades de cada resultado.
Tabla de datos:
| No Asistencia | Asistencia | Total | |
|---|---|---|---|
| Dentro de la ciudad | 35 | 35 | 70 |
| Fuera de la ciudad | 10 | 20 | 30 |
| Total | 45 | 55 | 100 |
Probabilidades:
P(Ciudad) = 0.70
P(No asistencia) = 0.45
P(Ciudad ∩ No asistencia) = 0.35
P(Fuera ∩ Asistencia) = 0.20
¿Independientes?
P(Ciudad ∩ Asistencia) = 0.35
P(Ciudad) * P(Asistencia) = 0.70 * 0.55 = 0.385
Como 0.35 ≠ 0.385 → No son independientes
Conclusión: Las variables de residencia y asistencia están relacionadas, no actúan de forma independiente.
T: trabajo a tiempo
S: tiene sobrecostos
Datos:
P(T) = 0.20
P(S) = 0.30
P(S|T) = 0.75
Cálculo:
P(T ∩ S) = 0.75 * 0.20 = 0.15
P(T ∩ ¬S) = 0.20 - 0.15 = 0.05 (5%)
Conclusión: Es poco probable que un proyecto se entregue a tiempo y sin sobrecostos.
Eventos:
A: alcohol
I: imprudencia
O: otras causas
N: resultado nefasto
Probabilidades:
P(A) = 0.65, P(I) = 0.25, P(O) = 0.10
P(N|A) = 0.30, P(N|I) = 0.20, P(N|O) = 0.05
P(N):
Bayes:
P(A|N) = 0.78
P(I|N) = 0.20
P(O|N) = 0.02
Conclusión: La mayoría de los accidentes graves están relacionados con el consumo de alcohol.
Funcionamiento:
Primera configuración:
R1||R2 = 0.995, R3||R4 = 0.98
Total = 0.995 * 0.98 = 0.975
Segunda configuración:
Tercera configuración:
Mejor opción: Segunda config con 0.9971
Conclusión: La segunda configuración es la más confiable, ideal para sistemas que no deben fallar.
Datos:
Cálculos:
P(A ∪ B) = 0.40 + 0.37 − 0.10 = 0.67
P(A′) = 0.60
P((A∩B)′) = 0.90
P((A∪B)′) = 0.33
Conclusión: No todos los delincuentes con educación alta son condenados, y viceversa.
Preferencias de profes:
Sandra (1-3 + MU): 30.2%
Isabel (8-10 sin MU): 6.5%
David (4-7): 19.7%
Daniel (10 + MU): 6.5%
Gerardo (1-3): 67.2%
Conclusión: Gerardo es quien más probablemente verá cumplidas sus preferencias.
Accidentes por marca:
P(A) = 0.0391
Rayquaza: 21%
Etenatus: 13%
Mewtwo: 45%
Groudon: 21.5%
Conclusión: Mewtwo es la marca más involucrada en accidentes.
Test positivo:
P(P) = 0.0189
P(E|P) = 0.009 / 0.0189 ≈ 47.6%
Conclusión: Un test positivo no garantiza que la persona esté enferma; hay casi 50% de error.
Bayes con fumadores:
P(F) = 0.4332
P(H|F) = 69.25%
P(M|F) = 30.75%
Conclusión: Entre los fumadores, hay más hombres que mujeres.
Desarrolladores:
Independencia:
Conclusión: Tener habilidades en algoritmos y saber trabajar en equipo no son eventos independientes.
Calles:
A = 0.25, C = 0.50, P = 0.25
P(B|A) = 0.80, P(B|C) = 0.60, P(B|P) = 0.40
P(B):
Bayes:
Conclusión: Una calle en buen estado después de 5 años probablemente usó asfalto convencional.
Puentes:
A = 0.40, B = 0.60
P(C|A) = 0.90, P(C|B) = 0.75
P(C):
Bayes:
Conclusión: Es más probable que un puente duradero se haya hecho con concreto reforzado tipo A.