buscar Buscar en RED Descartes    

Mostrando artículos por etiqueta: Bayes

Misceláneas. Probabilidad a posteriori. Teorema de Bayes.

 

Ley de los grandes números

En la Wikipedia, al buscar información sobre el tema, encontramos lo siguiente:

"En la teoría de la probabilidad, bajo el término genérico de ley de los grandes números se engloban varios teoremas que describen el comportamiento del promedio de una sucesión de variables aleatorias conforme aumenta su número de ensayos.

Estos teoremas prescriben condiciones suficientes para garantizar que dicho promedio converge (en los sentidos explicados abajo) al promedio de las esperanzas de las variables aleatorias involucradas. Las distintas formulaciones de la ley de los grandes números (y sus condiciones asociadas) especifican la convergencia de formas distintas.

Las leyes de los grandes números explican por qué el promedio de una muestra al azar de una población de gran tamaño tenderá a estar cerca de la media de la población completa.

Cuando las variables aleatorias tienen una varianza finita, el teorema central del límite extiende nuestro entendimiento de la convergencia de su promedio describiendo la distribución de diferencias estandarizadas entre la suma de variables aleatorias y el valor esperado de esta suma: sin importar la distribución subyacente de las variables aleatorias, esta diferencia estandarizada converge a una variable aleatoria normal estándar.

La frase "ley de los grandes números" es también usada ocasionalmente para referirse al principio de que la probabilidad de que cualquier evento posible (incluso uno improbable) ocurra al menos una vez en una serie aumenta con el número de eventos en la serie. Por ejemplo, la probabilidad de que un individuo gane la lotería es bastante baja; sin embargo, la probabilidad de que alguien gane la lotería es bastante alta, suponiendo que suficientes personas comprasen boletos de lotería.

El matemático italiano Gerolamo Cardano (1501–1576) afirmó sin pruebas que la precisión de las estadísticas empíricas tienden a mejorar con el número de intentos. Después esto fue formalizado como una ley de los grandes números. Una forma especial de la ley (para una variable aleatoria binaria) fue demostrada por primera vez por Jacob Bernoulli.​ Le llevó más de 20 años desarrollar una prueba matemática..."

La siguiente imagen enlaza con una pequeña utilidad dados.xls creada con Microsoft Excell 2010 que simula el lanzamiento de un dado y comprueba lo predicho. La hoja de cálculo, que es editable, simula el lanzamiento de un dado desde 90.000 a 63.000.000 de veces. Cada 'lanzamiento' consiste en generar, de forma 'aleatoria' (semialeatoria), un número entero del 1 al 6, y tener en cuenta el resultado incrementando en una unidad la cantidad apropiada. Se observa como al realizar pruebas sucesivas aumentando en cada una el número de lanzamientos el valor de la frecuencia relativa de un suceso concreto va acercándose muy lentamente al valor teórico previsto para su probabilidad de ocurrencia.

Aquí tocamos un tema interesante, la generación de números aleatorios (semialeatorios). Cada lenguaje de programación, cada intérprete y cada autor tiene su propia manera de generar números aleatorios. El hipervínculo anterior es un ejemplo de lo dicho y al final del artículo se enlazan algunas de las páginas que tratan este asunto.

El Teorema de Bayes

Dentro de la particularidad que nos ocupa: el estudio de la probabilidad a posteriori, o también probabilidad de las causas, que evidentemente es consecuencia de lo comentado en los párrafos anteriores, destaca la labor de Thomas Bayes que con su teorema sobre la probabilidad de las causas condicionadas a los efectos observados, abrió un amplio abanico de posibilidades al estudio científico de múltiples situaciones. El avance de las ciencias sociales, políticas y económicas, por citar algunas, se debe al uso acertado y sistemático de esta filosofía, además de a otras herramientas afines.


donde:

  • {A1, A2, A3,....., An} es un sistema completo de sucesos y se conocen las probabilidades P(Ai) (probabilidades a priori).
  • B es un suceso cualquiera y P(B/Ai) es conocida, por lo tanto también se conoce P(B).
  • P(Ai/B) es la probabilidad a posteriori a calcular.

A continuación enlazamos con una utilidad, creada con el editor DescartesJS, en la que, en primer lugar, se plantea una situación resoluble mediante el teorema de Bayes. Siguiendo las indicaciones que proporciona la propia escena, esta muestra el planteamiento y solución del ejercicio y más adelante la utilidad plantea, en una nueva escena, otra situación similar para que la persona interesada la resuelva ofreciéndose la posibilidad de contrastar la solución.

Entre los materiales disponibles para su uso y descarga en la web de la Red Descartes, relacionados con la Estadística y la Probabilidad, se encuentra una completa colección de utilidades que cubren todo el recorrido curricular, desde Primaria a Bachillerato. La autoría de estos materiales corresponde a miembros de la Red Descartes y, entre otros, destacamos la labor de:

En próximas entradas continuaremos exponiendo enlaces a algunos de los contenidos interactivos de Estadística y Probabilidad significativos por su capacidad didáctica.

En esta ocasión, en la sección de vídeo, hemos elegido uno que muestra la aplicación del teorema de Bayes a la resolución de un problema.


A continuación exponemos algunos enlaces a la información sobre la generación de números aleatorios.


Ildefonso Fernández Trujillo. 2018

 

Publicado en Difusión

Utilizamos cookies para mejorar nuestro sitio web y su experiencia al usarlo. Las cookies utilizadas para el funcionamiento esencial de este sitio ya se han establecido. Para saber más sobre las cookies que utilizamos y cómo eliminarlas , consulte nuestra Política de Privacidad.

  Acepto las Cookies de este sitio.
EU Cookie Directive Module Information