Estadistica
Páginas: 7 (1703 palabras)
Publicado: 25 de octubre de 2010
República Bolivariana de Venezuela
Ministerio del Poder Popular para la Educación Superior
Universidad Nacional Experimental Rómulo Gallegos
San Juan de los Morros. Edo.-Guárico
Área de Ciencias Económicas
Cátedra: Estadística
Prof. Parra Héctor Bachilleres:
Aponte, Yisbelys C.I.22.265.528
Bustamante, Engel C.I. 20.087.759
Castro Adriana C.I. 19.833.108
Gómez Guillermo C.I. 18.067.717
González, Ana C.I. 19.868.518
Moreno Francielyx C.I. 20.336.854Páez Nepzy C.I. 20.217.316
Seijas, Lucimar C.I. 19.725.713
Vásquez, Gremeryz C.I. 19.943.355
2do.Año. Contaduría Pública
Sección T3.
Octubre, 2010
INTRODUCCION
El Teorema de Bayes ofreceun método estadístico para calcular una probabilidad condicional en circunstancias de dependencia.
Este teorema es de gran utilidad para evaluar una probabilidad a posteriori partiendo de probabilidades simples, y así poder revisar la estimación de la probabilidad apriori de un evento que se encuentra de un estado o en otro.
El Teorema de Bayes, enunciado por Thomas Bayes, enla teoría de la probabilidad, es el resultado que da la distribución de probabilidad condicional de un evento aleatorio A dado Ben términos de la distribución de probabilidad condicional del evento B dado A y la distribución de probabilidad marginal de sólo A. las variables
Una variable aleatoria es una función que va a relacionar cada uno de los resultados de los experimentos con losnúmeros reales. Las variables aleatorias se clasifican en:
- Variables aleatorias discretas. Se puede contar el número de resultados posibles
- Variables aleatorias continuas. No se puede saber el número de resultados posibles, ya que esta dentro de la recta de los números reales.
1. Teorema de Bayes
El Teorema de Bayes, dentro de la teoría probabilística, proporciona ladistribución de probabilidad condicional de un evento "A" dado otro evento "B" (probabilidad posteriori), en función de la distribución de probabilidad condicional del evento "B" dado "A" y de la distribución de probabilidad marginal del evento "A" (probabilidad simple o a priori). Siendo la relación entre la probabilidad de una de las ramas que cumplen un suceso y la probabilidad total de ese suceso.El teorema de Bayes es:
P(A1|B) = P(A1)P(B|A1)
P(A1)P(B|A1) + P(A2)P(B|A2)
2. Aplicaciones
El Teorema de Bayes es válido en todas las aplicaciones de la teoría de la probabilidad. Sin embargo, hay una controversia sobre el tipo de probabilidades que emplea. En esencia, los seguidores de la estadística tradicional sólo admitenprobabilidades basadas en experimentos repetibles y que tengan una confirmación empírica mientras que los llamados estadísticos bayesianos permiten probabilidades subjetivas. El teorema puede servir entonces para indicar cómo debemos modificar nuestras probabilidades subjetivas cuando recibimos información adicional de un experimento. La estadística bayesiana está demostrando su utilidad en ciertasestimaciones basadas en el conocimiento subjetivo a priori y el hecho de permitir revisar esas estimaciones en función de la evidencia empírica es lo que está abriendo nuevas formas de hacer conocimiento.
Una aplicación 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 observación, se...
Ministerio del Poder Popular para la Educación Superior
Universidad Nacional Experimental Rómulo Gallegos
San Juan de los Morros. Edo.-Guárico
Área de Ciencias Económicas
Cátedra: Estadística
Prof. Parra Héctor Bachilleres:
Aponte, Yisbelys C.I.22.265.528
Bustamante, Engel C.I. 20.087.759
Castro Adriana C.I. 19.833.108
Gómez Guillermo C.I. 18.067.717
González, Ana C.I. 19.868.518
Moreno Francielyx C.I. 20.336.854Páez Nepzy C.I. 20.217.316
Seijas, Lucimar C.I. 19.725.713
Vásquez, Gremeryz C.I. 19.943.355
2do.Año. Contaduría Pública
Sección T3.
Octubre, 2010
INTRODUCCION
El Teorema de Bayes ofreceun método estadístico para calcular una probabilidad condicional en circunstancias de dependencia.
Este teorema es de gran utilidad para evaluar una probabilidad a posteriori partiendo de probabilidades simples, y así poder revisar la estimación de la probabilidad apriori de un evento que se encuentra de un estado o en otro.
El Teorema de Bayes, enunciado por Thomas Bayes, enla teoría de la probabilidad, es el resultado que da la distribución de probabilidad condicional de un evento aleatorio A dado Ben términos de la distribución de probabilidad condicional del evento B dado A y la distribución de probabilidad marginal de sólo A. las variables
Una variable aleatoria es una función que va a relacionar cada uno de los resultados de los experimentos con losnúmeros reales. Las variables aleatorias se clasifican en:
- Variables aleatorias discretas. Se puede contar el número de resultados posibles
- Variables aleatorias continuas. No se puede saber el número de resultados posibles, ya que esta dentro de la recta de los números reales.
1. Teorema de Bayes
El Teorema de Bayes, dentro de la teoría probabilística, proporciona ladistribución de probabilidad condicional de un evento "A" dado otro evento "B" (probabilidad posteriori), en función de la distribución de probabilidad condicional del evento "B" dado "A" y de la distribución de probabilidad marginal del evento "A" (probabilidad simple o a priori). Siendo la relación entre la probabilidad de una de las ramas que cumplen un suceso y la probabilidad total de ese suceso.El teorema de Bayes es:
P(A1|B) = P(A1)P(B|A1)
P(A1)P(B|A1) + P(A2)P(B|A2)
2. Aplicaciones
El Teorema de Bayes es válido en todas las aplicaciones de la teoría de la probabilidad. Sin embargo, hay una controversia sobre el tipo de probabilidades que emplea. En esencia, los seguidores de la estadística tradicional sólo admitenprobabilidades basadas en experimentos repetibles y que tengan una confirmación empírica mientras que los llamados estadísticos bayesianos permiten probabilidades subjetivas. El teorema puede servir entonces para indicar cómo debemos modificar nuestras probabilidades subjetivas cuando recibimos información adicional de un experimento. La estadística bayesiana está demostrando su utilidad en ciertasestimaciones basadas en el conocimiento subjetivo a priori y el hecho de permitir revisar esas estimaciones en función de la evidencia empírica es lo que está abriendo nuevas formas de hacer conocimiento.
Una aplicación 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 observación, se...
Leer documento completo
Regístrate para leer el documento completo.