Sie sind auf Seite 1von 22

TEORA DE CONJUNTOS

La Teora de Conjuntos es una divisin de las matemticas que estudia los conjuntos. El primer estudio formal sobre el tema fue realizado por el matemtico alemn Georg Cantor, Gottlob Frege y Julius Wilhelm Richard Dedekind en el Siglo XIX y ms tarde reformulada por Zermelo.

El concepto de conjunto es intuitivo y se podra definir como una "agrupacin bien definida de objetos no repetidos y no ordenados"; as, se puede hablar de un conjunto de personas, ciudades, gafas, lapiceros o del conjunto de objetos que hay en un momento dado encima de una mesa. Un conjunto est bien definido si se sabe si un determinado elemento pertenece o no al conjunto. El conjunto de los bolgrafos azules est bien definido, porque a la vista de un bolgrafo se puede saber si es azul o no. El conjunto de las personas altas no est bien definido, porque a la vista de una persona, no siempre se podr decir si es alta o no, o puede haber distintas personas, que opinen si esa persona es alta o no lo es. En el siglo XIX, segn Frege, los elementos de un conjunto se definan slo por tal o cual propiedad. Actualmente la teora de conjuntos est bien definida por el sistema ZFC. Sin embargo, sigue siendo clebre la definicin que public Cantor. Se entiende por conjunto a la agrupacin en un todo de objetos bien diferenciados de nuestra intuicin o nuestro pensamiento.

Usualmente los conjuntos se representan con una letra mayscula: A, B, K,... Llamaremos elemento, a cada uno de los objetos que forman parte de un conjunto, estos elementos tienen carcter individual, tienen cualidades que nos permiten diferenciarlos, y cada uno de ellos es nico, no habiendo elementos duplicados o repetidos. Los representaremos con una letra minscula: a, b, k,... De esta manera, si conjunto, y todos sus elementos, es comn escribir: es un

Para definir a tal conjunto llama notacin por extensin. Para representar que

. Esta notacin empleada para definir al conjunto

se

un

elemento

pertenece

un

conjunto A,

escribimos negacin de

(lase "x en A", "x pertenece a A" o bien "x es un elemento de A"). La se escribe (lase no pertenece a ).

El conjunto universal, que siempre representaremos con la letra U (u mayscula), es el conjunto de todas las cosas sobre las que estemos tratando. As, si hablamos de nmeros enteros entonces U es el conjunto de los nmeros enteros, si hablamos de ciudades, U es el conjunto de todas las ciudades, este conjunto universal puede mencionarse explcitamente, o en la mayora de los casos se da por supuesto dado el contexto que estemos tratando, pero siempre es necesario demostrar la existencia de dicho conjunto previamente. Existe adems, un nico conjunto que no tiene elementos al que se le llama conjunto vaco y que se denota por . Es decir La caracterstica importante de este conjunto es que satisface todos los elementos posibles que no estn contenidos en l, es decir Por otro lado, si todos los elementos de un . conjunto A satisfacen alguna

propiedad, misma que pueda ser expresada como una proposicin indeterminada , usamos la notacin por comprensin, y se puede definir:

, con la

Lo anterior se lee "A es el conjunto de elementos x, que cumplen la propiedad p(x)". El smbolo ":" se lee "que cumplen la propiedad" o "tal que"; este smbolo puede ser remplazado por una barra .Por ejemplo, el conjunto definirse por: puede

donde el smbolo

representa al conjunto de los nmeros naturales.

DIAGRAMA DE VENN Los Diagramas de Venn son ilustraciones usadas en la rama de la Matemtica y Lgica de clases conocida como teora de conjuntos. Estos diagramas se usan para mostrar grficamente la agrupacin de cosas elementos en conjuntos, representando cada conjunto mediante un crculo o un valo. La posicin relativa en el plano de tales crculos muestra la relacin entre los conjuntos. Por ejemplo, si los crculos de los conjuntos A y B se solapan, se muestra un rea comn a ambos conjuntos que contiene todos los elementos contenidos a la vez en A y en B. Si el crculo del conjunto A aparece dentro del crculo de otro B, es que todos los elementos de A tambin estn contenidos en B. Se suelen usar tambin en el aula diagramas de Venn de dos o tres conjuntos como herramienta de sntesis, para ayudar a los estudiantes a comparar y contrastar dos o tres de elementos; en este uso, se incluyen dentro de cada elemento las caractersticas exclusivas, y en las intersecciones, las comunes con los otros. DIAGRAMA DE DOS CONJUNTOS

Conjuntos A y B. Considrese el ejemplo a la derecha: supngase que el conjunto A (el crculo anaranjado) representa, por ejemplo, a todas las criaturas vivas con solo dos piernas motrices y que el conjunto B (el crculo azul) contiene a todas las criaturas que pueden volar. El rea donde ambos crculos se superponen (que recibe el nombre de interseccin entre A y B, o interseccin A - B) contendra por tanto todas las criaturas que, al mismo tiempo, pueden volar y tienen slo dos piernas motrices. DIAGRAMAS DE TRES CONJUNTOS Los diagramas de tres conjuntos fueron los ms corrientes elaborados por Venn en su presentacin inicial. Las distintas intersecciones de los tres conjuntos A, B y C definen siete (7) reas diferentes, cuyas posibles uniones suponen 256 combinaciones distintas de los tres conjuntos iniciales.

MEDIDAS DE TENDENCIA CENTRAL Se llama medidas de posicin, tendencia central o centralizacin a unos valores numricos en torno a los cuales se agrupan, en mayor o menor medida, los valores de una variable estadstica. Estas medidas se conocen tambin como promedios. Las medidas de tendencia central ms comunes son: La media aritmtica: comnmente conocida como media o promedio. Se representa por medio de una letra M o por una X con una lnea en la parte superior. La mediana: la cual es el puntaje que se ubica en el centro de una distribucin. Se representa como Md. La moda: que es el puntaje que se presenta con mayor frecuencia en una distribucin. Se representa Mo. Para que un valor pueda ser considerado promedio, debe cumplirse que est situado entre el menor y el mayor de la serie y que su clculo y utilizacin resulten sencillos en trminos matemticos. Se distinguen dos clases principales de valores promedio: Las medidas de posicin centrales: medias (aritmtica, geomtrica, cuadrtica, ponderada), mediana y moda. Las medidas de posicin no centrales: entre las que destacan especialmente los cuantiles.

Las medidas de centralizacin son parmetros representativos de distribuciones de frecuencia como las que ilustra la imagen.

Media aritmtica Se define media aritmtica de una serie de valores como el resultado producido al sumar todos ellos y dividir la suma por el nmero total de valores. La media aritmtica se expresada como . Dada una variable x que toma los valores x1, x2, ..., xn, con frecuencias absolutas simbolizadas por f1, f2, ..., fn, la media aritmtica de todos estos valores vendr dada por:

Media ponderada En algunas series estadsticas, no todos los valores tienen la misma importancia. Entonces, para calcular la media se ponderan dichos valores segn su peso, con lo que se obtiene una media ponderada. Si se tiene una variable con valores x1, x2, ..., xn, a los que se asigna un peso mediante valores numricos p1, p2, ..., pn, la media ponderada se calcular como sigue:

Mediana La media aritmtica no siempre es representativa de una serie estadstica. Para complementarla, se utiliza un valor numrico conocido como mediana o valor central. Dado un conjunto de valores ordenados, su mediana se define como un valor numrico tal que se encuentra en el centro de la serie, con igual nmero de valores superiores a l que inferiores. Normalmente, la mediana se expresa como Me. La mediana es nica para cada grupo de valores. Cuando el nmero de valores ordenados (de mayor a menor, o de menor a mayor) de la serie es impar, la mediana corresponder al valor que ocupe la posicin (n + 1)/2 de la serie. Si el nmero de valores es par, ninguno de ellos ocupar la posicin central. Entonces, se tomar como mediana la media aritmtica entre los dos valores centrales.

Determinacin de la mediana de una serie de valores. Moda En una serie de valores a los que se asocia una frecuencia, se define moda como el valor de la variable que posee una frecuencia mayor que los restantes. La moda se simboliza normalmente por Mo. Un grupo de valores puede tener varias modas. Una serie de valores con slo una moda se denomina unimodal; si tiene dos modas, es bimodal, y as sucesivamente. Supngase que un determinado alumno obtiene 35 puntos en una prueba de matemtica. Este puntaje, por s mismo tiene muy poco significado a menos que podamos conocer el total de puntos que obtiene una persona promedio al participar en esa prueba, saber cul es la calificacin menor y mayor que se obtiene, y cun variadas son esas calificaciones. En otras palabras, para que una calificacin tenga significado hay que contar con elementos de referencia generalmente relacionados con ciertos criterios estadsticos. Cmo calcular, la media, la moda y la mediana Media aritmtica o promedio

Es aquella medida que se obtiene al dividir la suma de todos los valores de una variable por la frecuencia total. En palabras ms simples, corresponde a la suma de un conjunto de datos dividida por el nmero total de dichos datos.

Ejemplo 1: En matemticas, un alumno tiene las siguientes notas: 4, 7, 7, 2, 5, 3 n = 6 (nmero total de datos)

La media aritmtica de las notas de esa asignatura es 4,8. Este nmero representa el promedio. Ejemplo 2: Cuando se tienen muchos datos es ms conveniente agruparlos en una tabla de frecuencias y luego calcular la media aritmtica. El siguiente cuadro con las medidas de 63 varas de pino lo ilustra.

Largo (en m) 5 6 7 8 9

Frecuencia absoluta 10 15 20 12 6 Frecuencia total = 63

Largo por Frecuencia absoluta 5 6 7 8 9 430 . . . . . 10 = 50 15 = 90 20 = 140 12 = 96

6 = 54

Se debe recordar que la frecuencia absoluta indica cuntas veces se repite cada valor, por lo tanto, la tabla es una manera ms corta de anotar los datos (si la frecuencia absoluta es 10, significa que el valor a que corresponde se repite 10 veces). Moda (Mo) Es la medida que indica cual dato tiene la mayor frecuencia en un conjunto de datos; o sea, cual se repite ms. Ejemplo 1:

Determinar la moda en el siguiente conjunto de datos que corresponden a las edades de nias de un Jardn Infantil. 5, 7, 3, 3, 7, 8, 3, 5, 9, 5, 3, 4, 3 La edad que ms se repite es 3, por lo tanto, la Moda es 3 (Mo = 3) Ejemplo 2: 20, 12, 14, 23, 78, 56, 96 En este conjunto de datos no existe ningn valor que se repita, por lo tanto, este conjunto de valores no tiene moda. Mediana (Med) Para reconocer la mediana, es necesario tener ordenados los valores sea de mayor a menor o lo contrario. Usted divide el total de casos (N) entre dos, y el valor resultante corresponde al nmero del caso que representa la mediana de la distribucin. Es el valor central de un conjunto de valores ordenados en forma creciente o decreciente. Dicho en otras palabras, la Mediana corresponde al valor que deja igual nmero de valores antes y despus de l en un conjunto de datos agrupados. Segn el nmero de valores que se tengan se pueden presentar dos casos: Si el nmero de valores es impar, la Mediana corresponder al valor central de dicho conjunto de datos. Si el nmero de valores es par, la Mediana corresponder al promedio de los dos valores centrales (los valores centrales se suman y se dividen por 2). Ejemplo 1: Se tienen los siguientes datos: 5, 4, 8, 10, 9, 1, 2 Al ordenarlos en forma creciente, es decir de menor a mayor, se tiene: 1, 2, 4, 5, 8, 9, 10 El 5 corresponde a la Med, porque es el valor central en este conjunto de datos impares. Ejemplo 2: El siguiente conjunto de datos est ordenado en forma decreciente, de mayor a menor, y corresponde a un conjunto de valores pares, por lo tanto, la Med ser el promedio de los valores centrales.

21, 19, 18, 15, 13, 11, 10, 9, 5, 3

Ejemplo 3:

Interpretando el grfico de barras podemos deducir que: 5 alumnos obtienen puntaje de 62 5 alumnos obtienen puntaje de 67 8 alumnos obtienen puntaje de 72 12 alumnos obtienen puntaje de 77 16 alumnos obtienen puntaje de 82 4 alumnos obtienen puntaje de 87 lo que hace un total de 50 alumnos Sabemos que la mediana se obtiene haciendo

lo cual significa que la mediana se ubica en la posicin intermedia entre los alumnos 25 y 26 (cuyo promedio es 25,5), lo cual vemos en el siguiente cuadro:

puntaje alumnos puntaje alumnos puntaje alumnos puntaje alumnos puntaje alumnos 62 62 62 62 62 67 67 67 67 67 1 2 3 4 5 6 7 8 9 10 72 72 72 72 72 72 72 72 77 77 11 12 13 14 15 16 17 18 19 20 77 77 77 77 77 77 77 77 77 77 21 22 23 24 25 26 27 28 29 30 82 82 82 82 82 82 82 82 82 82 31 32 33 34 35 36 37 38 39 40 82 82 82 82 82 82 87 87 87 87 41 42 43 44 45 46 47 48 49 50

El alumno 25 obtuvo puntaje de 77 El alumno 26 obtuvo puntaje de 77 Entonces, como el total de alumnos es par debemos promediar esos puntajes:

La mediana es 77, lo cual significa que 25 alumnos obtuvieron puntaje desde 77 hacia abajo (alumnos 25 hasta el 1 en el cuadro) y 25 alumnos obtuvieron puntaje de 77 hacia arriba (alumnos 26 hasta el 50 en el cuadro).

Medidas de dispersin Las medidas de dispersin pueden definirse como los valores numricos cuyo objeto es analizar el grado de separacin de los valores de una serie estadstica con respecto a las medidas de tendencia central consideradas. Las medidas de dispersin son de dos tipos: Medidas de dispersin absoluta: como recorrido, desviacin media, varianza y desviacin tpica, que se usan en los anlisis estadsticos generales. Medidas de dispersin relativa: que determinan la dispersin de la distribucin estadstica independientemente de las unidades en que se exprese la variable. Se trata de parmetros ms tcnicos y utilizados en estudios especficos, y entre ellas se encuentran los coeficientes de apertura, el recorrido relativo, el coeficiente de variacin (ndice de dispersin de Pearson) y el ndice de dispersin mediana.

La distribucin normal, o campana de Gauss, es una funcin simtrica (con la media aritmtica en el centro de la serie) con un grado de dispersin bajo (la mayora de los valores estn comprendidos dentro del valor de la desviacin tpica ). Rango o recorrido: El rango es la diferencia entre el mayor y el menor de los datos de una distribucin estadstica. Desviacin media:La desviacin respecto a la media es la diferencia entre cada valor de la variable estadstica y la media aritmtica. Di = x - x

La desviacin media es la media aritmtica de los valores absolutos de las desviaciones respecto a la media. La desviacin media se representa por

Ejemplo Calcular la desviacin media de la distribucin: 9, 3, 8, 8, 9, 8, 9, 18

Desviacin media para datos agrupados Si los datos vienen agrupados en una tabla de frecuencias, la expresin de la desviacin media es:

Ejemplo Calcular la desviacin media de la distribucin: xi [10, 15) [15, 20) [20, 25) [25, 30) [30, 35) fi xi fi 37.5 87.5 |x - x| 9.286 4.286 |x - x| fi 27.858 21.43 4.998 22.856 21.428 98.57

12.5 3 17.5 5 22.5 7 27.5 4 32.5 2

157.5 0.714 110 65 5.714 10.174

21 457.5

Varianza La varianza es la media aritmtica del cuadrado de las desviaciones respecto a la media de una distribucin estadstica. La varianza se representa por .

Varianza para datos agrupados

Para simplificar el clculo de la varianza vamos o utilizar las siguientes expresiones que son equivalentes a las anteriores.

Varianza para datos agrupados

Ejercicios de varianza Calcular la varianza de la distribucin: 9, 3, 8, 8, 9, 8, 9, 18

Calcular la varianza de la distribucin de la tabla: xi [10, 20) [20, 30) [30,40) [40, 50) [50, 60 [60,70) [70, 80) fi xi fi 15 200 xi2 fi 225 5000 12 250 18 225 24 200 16 900 11 250 88 050

15 1 25 8

35 10 350 45 9 55 8 65 4 75 2 42 405 440 260 150 1 820

Propiedades de la varianza 1 La varianza ser siempre un valor positivo o cero, en el caso de que las puntuaciones sean iguales. 2 Si a todos los valores de la variable se les suma un nmero la varianza no vara. 3 Si todos los valores de la variable se multiplican por un nmero la varianza queda multiplicada por el cuadrado de dicho nmero. 4 Si tenemos varias distribuciones con la misma media y conocemos sus respectivas varianzas se puede calcular la varianza total.

Si todas las muestras tienen el mismo tamao:

Si las muestras tienen distinto tamao: Observaciones sobre la varianza 1 La varianza, al igual que la media, es un ndice muy sensible a las puntuaciones extremas. 2 En los casos que no se pueda hallar la media tampoco ser posible hallar la varianza. 3 La varianza no viene expresada en las mismas unidades que los datos, ya que las desviaciones estn elevadas al cuadrado.

Desviacin tpica La desviacin tpica es la raz cuadrada de la varianza. Es decir, la raz cuadrada de la media de los cuadrados de las puntuaciones de desviacin. La desviacin tpica se representa por .

Desviacin tpica para datos agrupados

Para simplificar el clculo vamos o utilizar las siguientes expresiones que son equivalentes a las anteriores.

Desviacin tpica para datos agrupados

Ejercicios de desviacin tpica Calcular la desviacin tpica de la distribucin: 9, 3, 8, 8, 9, 8, 9, 18

Calcular la desviacin tpica de la distribucin de la tabla: xi [10, 20) [20, 30) [30,40) [40, 50) [50, 60) [60,70) [70, 80) 15 25 35 45 55 65 75 fi 1 8 10 9 8 4 2 xi fi xi2 fi 225 5000 12 250 18 225 24 200 16 900 11 250 88 050

15 200 350 405 440 260 150 1 42 820

Propiedades de la desviacin tpica 1 La desviacin tpica ser siempre un valor positivo o cero, en el caso de que las puntuaciones sean iguales. 2 Si a todos los valores de la variable se les suma un nmero la desviacin tpica no vara.

3 Si todos los valores de la variable se multiplican por un nmero la desviacin tpica queda multiplicada por dicho nmero. 4 Si tenemos varias distribuciones con la misma media y conocemos sus respectivas desviaciones tpicas se puede calcular la desviacin tpica total. Si todas las muestras tienen el mismo tamao:

Si las muestras tienen distinto tamao:

Observaciones sobre la desviacin tpica 1 La desviacin tpica, al igual que la media y la varianza, es un ndice muy sensible a las puntuaciones extremas. 2 En los casos que no se pueda hallar la media tampoco ser posible hallar la desviacin tpica. 3 Cuanta ms pequea sea la desviacin tpica mayor ser la concentracin de datos alrededor de la media.

CLCULO DE PROBABILIDADES PROBABILIDAD DE UN EVENTO: es el porcentaje de veces que ocurrir a largo plazo. L. Chao. Es la posibilidad numrica, medida entre 0 y 1, de que ocurra un evento. A. Webster. Es una medida cuantitativa de qu tan probable es que ocurra un evento. W. Navidi. PROBABILIDAD El modelo de frecuencia relativa (a posteriori). P(E) = nmero de veces que ha ocurrido el evento en el pasado / nmero total de observaciones. El modelo subjetivo.- Se utiliza cuando se desea asignar probabilidad a un evento que nunca ha ocurrido. (opiniones, creencias). El modelo Clsico (a priori). P(E) = Nmero de formas en las que puede ocurrir un evento / Nmero total de posibles resultados. CLCULOS DE PROBABILIDADES 1.- Las placas de matrcula para automviles emitidas por cierto estado tienen 3 dgitos seguido por 3 letras. Una compaa fabricante de autos est realizando una campaa de ventas de 4 semanas para atraer posibles compradores para sus distribuidores en ese estado. Se selecciona aleatoriamente un nmero de placa, y el nmero se fija en la sala de exhibicin de cada distribuidor. La persona cuyo nmero de placa coincida con el nmero extrado ganar un auto. Cul es la probabilidad de que usted gane el auto si ya posee 3 autos registrados?

2.- En las loteras se acostumbra que la persona cuyo nmero se extraiga primero reciba el mayor premio, y as sucesivamente. Supngase que en cierta lotera se vendieron 30 boletos a 30 personas y solamente van a seleccionarse 3 para determinar los ganadores Suponga que usted, su hermano y su hermana compraron boleto. Cul es la probabilidad de que gane el primer premio, su hermano el segundo y su hermana el tercero?.

3.- De entre una clase de 40 estudiantes, debe seleccionarse aleatoriamente un comit de 5 estudiantes. Cul es la probabilidad de que un grupo de 5 muy buenos amigos de la clase sea seleccionado para ese comit?

4.- Una caja contiene 20 unidades de cierto producto electrnico; 4 de ellas son defectuosas y 16 son buenas. Se seleccionan aleatoriamente 4 unidades y se venden. Obtngase la probabilidad de que (a) las 4 unidades sean defectuosas, (b) entre las 4 unidades vendidas 2 sean buenas y 2 defectuosas y (c) se vendan al menos 3 unidades defectuosas. REGLAS Y FUNCIONES PROBABILSTICAS Contar es suficiente para clculos probabilsticos simples, pero cuando un problema es complejo resultan necesarias varias reglas para auxiliar en la determinacin de probabilidades. Axiomas o postulados (se aceptan sin prueba). P(E)0 si P=0 el evento no ocurrir P(S)=1 P(E)1 REGLAS DE ADICIN 1.- Complemento Unin P(E)+P()=1 donde es el complemento de E (E U )=1 se lee La unin de E y P(E)=1- P() y P()=1-P(E)

Eventos mutuamente excluyentes: Regla especial P(E U E)=P(E)+P(E) ya que (E n E )= Donde es un conjunto vaco 1.- Supngase que una bolsa contiene 10 esferas marcadas 1, 2, ,10. Sea E el evento de extraer una esfera marcada con 3 o menos, y E el evento de extraer una esfera marcada con 6 o ms. P(E U E )=P(E) + P(E)= 3/10+5/10= 8/10

2.- Sea que se indique S al evento de que usted asista a una universidad estatal y P al evento de que asista a una universidad privada. Considere que no asistir a ambas simultneamente. Si la probabilidad de que asista a una universidad estatal es 0.4 y a una univ. Privada 0.25, entonces la probabilidad de que asista ya sea a una universidad estatal o a una privada es: P(S U P)= P(S)+P(P)= 0.40 +0.25 = 0.65 La P de que no asista a ninguna es: 1-0.65= 0.35

Regla general de adicin: P(E U E )=P(E)+P(E)-P(E n E) Se aplica a eventos cualesquiera ya sean mutuamente excluyentes o no. Si son mutuamente excluyentes, entonces E n E= La P()=0 REGLAS Y FUNCIONES PROBABILSTICAS 1.-Dadas 10 esferas marcadas del 1 al 10, sea E1 el evento de extraer una esfera marcada con un nmero par y E2 el evento de extraer una esfera marcada con 5 o menos. P(E1 U E2)= P(E1)+P(E2)-P(E1 n E2) =1/2 + - 2/10 = 4/5

2.- Supngase que la probabilidad de que usted llegue a asistir a una universidad es de 0.6; la probabilidad de que trabaje tiempo completo es 0.7, y la probabilidad de que llegue a asistir a una universidad y trabaje tiempo completo es de 0.5. Cul es la probabilidad de que o asista a una universidad o trabaje tiempo completo? P(U u W)=P(U)+P(W)-P(U n W)=0.6+0.7-0.5=0.8

3.- Supngase que se extrae un naipe de una baraja ordinaria de 52. Obtngase la probabilidad de extraer un naipe de figura (F), es decir ; rey, reina y sota o una pica(S). En REGLAS Y FUNCIONES PROBABILSTICAS Regla: Si hay n eventos E1,E2, , En los cuales son mutuamente excluyentes, entonces la probabilidad de la unin de estos eventos es la suma de todas sus probabilidades individuales. P(E1 U E2 U U En) =P(E1)+P(E2)+P(En)

TEOREMA DE BAYES En la teora de la probabilidad el teorema de Bayes es un resultado enunciado por Thomas Bayes en 17631 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. Con base en la definicin de [[Probabilidad condicionada]], obtenemos la Frmula de Bayes, tambin conocida como la Regla de Bayes:

Das könnte Ihnen auch gefallen