La probabilidad es una rama de las matemáticas que se ocupa de la ocurrencia de un evento aleatorio. Se usa en Matemáticas para predecir la probabilidad de que sucedan los eventos.
La probabilidad de cualquier evento solo puede estar entre 0 y 1 y también se puede escribir en forma de porcentaje.
La probabilidad del evento A generalmente se escribe como P(A).
Aquí P representa la posibilidad y A representa el evento. Establece la probabilidad de que ocurra un evento. La probabilidad de un evento puede existir solo entre 0 y 1 donde 0 indica que el evento no va a suceder, es decir, Imposibilidad y 1 indica que va a suceder con seguridad, es decir, Certeza
Si no estamos seguros del resultado de un evento, nos ayudamos de las probabilidades de ciertos resultados: la probabilidad de que ocurran. Para una comprensión adecuada de la probabilidad, tomamos un ejemplo como lanzar una moneda:
Habrá dos resultados posibles: cara o cruz.
La probabilidad de obtener cara es la mitad. Es posible que ya sepa que la probabilidad es mitad/mitad o 50 %, ya que el evento es igualmente probable y es complementario, por lo que la posibilidad de obtener cara o cruz es del 50 %.
fórmula de probabilidad
Probabilidad de un evento, P(A) = Resultados favorables / Número total de resultados
Algunos términos de la teoría de la probabilidad
- Experimento: Una operación o ensayo realizado para producir un resultado se llama experimento.
- Espacio muestral: un experimento en conjunto constituye un espacio muestral para todos los resultados posibles. Por ejemplo, el espacio muestral de lanzar una moneda es cara y cruz.
- Resultado favorable: un evento que ha producido el resultado requerido se denomina resultado favorable. Por ejemplo, si lanzamos dos dados al mismo tiempo, los resultados posibles o favorables de obtener la suma de los números en los dos dados como 4 son (1,3), (2,2) y (3,1).
- Ensayo: Un ensayo significa hacer un experimento aleatorio.
- Experimento aleatorio: un experimento aleatorio es un experimento que tiene un conjunto bien definido de resultados. Por ejemplo, cuando lanzamos una moneda, saldríamos adelante o cruz, pero no estamos seguros del resultado de cuál aparecerá.
- Evento: Un evento es el resultado de un experimento aleatorio.
- Eventos igualmente probables: los eventos igualmente probables son eventos raros que tienen las mismas posibilidades o probabilidad de ocurrir. Aquí El resultado de un evento es independiente del otro. Por ejemplo, cuando lanzamos una moneda, hay las mismas posibilidades de obtener cara o cruz.
- Eventos exhaustivos: Un evento exhaustivo es cuando el conjunto de todos los resultados de un experimento es igual al espacio muestral.
- Eventos mutuamente excluyentes: los eventos que no pueden ocurrir simultáneamente se denominan eventos mutuamente excluyentes. Por ejemplo, el clima puede ser frío o caliente. No podemos experimentar el mismo clima una y otra vez.
- Eventos complementarios: la posibilidad de que solo dos resultados, que es un evento, ocurran o no. Como una persona comerá o no comerá la comida, comprar una bicicleta o no comprar una bicicleta, etc. son ejemplos de eventos complementarios.
Algunas fórmulas de probabilidad
Regla de la suma: Unión de dos eventos, digamos A y B, entonces
P(A o B) = P(A) + P(B) – P(A∩B)
P(A ∪ B) = P(A) + P(B) – P(A∩B)
Regla complementaria: si hay dos eventos posibles de un experimento, entonces la probabilidad de un evento será el complemento de otro evento. Por ejemplo, si A y B son dos eventos posibles, entonces
P(B) = 1 – P(A) o P(A’) = 1 – P(A).
P(A) + P(A′) = 1.
Regla condicional: cuando se da la probabilidad de un evento y se requiere la segunda para la cual se da la primera, entonces
P(B, dado A) = P(A y B), P(A, dado B). puede ser al revés
P(B∣A) = P(A∩B)/P(A)
Regla de la multiplicación: Intersección de otros dos eventos, es decir, los eventos A y B deben ocurrir simultáneamente. Después
P(A y B) = P(A)⋅P(B).
P(A∩B) = P(A)⋅P(B∣A)
¿Cuál es la probabilidad de obtener 4 caras al lanzar una moneda 12 veces?
Solución:
Usa la distribución binomial.
Supongamos que el número de cabezas es r que representa la cabeza por y en este caso r = 4
Suponiendo que la moneda no está sesgada, tiene una probabilidad de éxito ‘p’ (donde p se considera un éxito) es 1/2 y la probabilidad de falla ‘q’ es (donde q se considera una falla).
El número de intentos está representado por la ‘n’ y aquí n = 12.
Ahora usa la función para una distribución binomial:
PAGS(R = r) = norte C r pags r q norte
P(R = 4) = ( 12 C 4 )(1/2) 4 (1/2) 12-4
= 495/4096
Entonces, la probabilidad de lanzar una moneda 12 veces y obtener cara 4 veces es 495/4096.
Preguntas similares
Pregunta 1: ¿Cuáles son las posibilidades de sacar 10 caras seguidas?
Solución:
Probabilidad de un evento = (número de eventos favorables) / (número total de eventos).
P(B) = (ocurrencia del Evento B) / (número total de eventos).
Probabilidad de obtener una cara = 1/2.
aquí Lanzar una moneda es un evento independiente, no depende de cuántas veces se haya lanzado.
Probabilidad de obtener 2 caras seguidas = probabilidad de obtener cara la primera vez × probabilidad de obtener cara la segunda vez.
Probabilidad de obtener 2 caras seguidas = (1/2) × (1/2).
Por tanto, la probabilidad de sacar 10 caras seguidas = (1/2) 10 .
Pregunta 2: ¿Cuáles son las posibilidades de sacar 12 caras seguidas?
Solución:
Probabilidad de un evento = (número de eventos favorables) / (número total de eventos).
P(B) = (ocurrencia del Evento B) / (número total de eventos).
Probabilidad de obtener una cara = 1/2.
aquí Lanzar una moneda es un evento independiente, no depende de cuántas veces se haya lanzado.
Probabilidad de obtener 3 caras seguidas = probabilidad de obtener cara la primera vez × probabilidad de obtener cara la segunda vez x probabilidad de obtener cara la tercera vez
Probabilidad de obtener 3 caras seguidas = (1/2) × (1/2) × (1/2)
Por lo tanto, la probabilidad de sacar 20 caras seguidas = (1/2) 12
Pregunta 3: Si se lanza una moneda 20 veces, ¿cuál es la probabilidad de obtener 6 caras?
Solución:
Usa la distribución binomial.
Supongamos que el número de cabezas es r que representa el tiempo de cabeza y en este caso r = 6
Suponiendo que la moneda no está sesgada, tiene una probabilidad de éxito ‘p’ (donde p se considera un éxito) es 1/2 y la probabilidad de falla ‘q’ es (donde q se considera una falla).
El número de intentos está representado por la ‘n’ y aquí n = 20.
Ahora usa la función para una distribución binomial:
PAGS(R = r) = norte C r pags r q norte
P(R = 6) = ( 20 C 6 )(1/2) 6 (1/2) 12-6
= ( 20 C 6 ) (1/2) 20
= 38760/1048576
= .0369644
Entonces, la probabilidad de lanzar una moneda 20 veces y obtener cara 6 veces es 0.0369644
Publicación traducida automáticamente
Artículo escrito por Shivam.Pradhan y traducido por Barcelona Geeks. The original can be accessed here. Licence: CCBY-SA