Contenido

Objetivo

Estudiar sobre los conceptos de la teoría de las probabilidades que permiten modelar matemáticamente fenómenos aleatorios de la vida real. 

Descripción

Las probabilidades, en la actualidad, se aplican para medir la ocurrencia de un suceso durante un experimento o para cuantificar la variabilidad de los datos, la calidad de los modelos de aprendizaje automático o la precisión de las predicciones realizadas por estos.

Explicación

Haz clic para revisar la explicación.

Distribuciones y probabilidades

Recursos adicionales

Los siguientes enlaces son externos a la Universidad Tecmilenio, al acceder a ellos considera que debes apegarte a sus términos y condiciones.

Revisa el siguiente video:

Para conocer más sobre distribuciones y probabilidades, revisa el siguiente video:

zedstatistics. (2020, 1 de marzo). Probability Distribution Functions (PMF, PDF, CDF) [Archivo de video]. Recuperado de https://www.youtube.com/watch?v=YXLVjCKVP7U

Actividad

Objetivo

Resolver problemas de distribuciones y probabilidades empleando el lenguaje Python.

Instrucciones

Utilizando el lenguaje de programación Python, realiza lo siguiente:

  1. Dada la siguiente situación:

    Los dispositivos electrónicos que se construían a base de transistores en la década de 1990 presentaban dos tipos de fallas principales: la fuente de alimentación y el circuito principal (tarjeta principal). Según las estadísticas de esa época, un taller promedio recibía de manera mensual un 30% de equipos con afectaciones en la fuente de alimentación y la efectividad de la reparación de un equipo era de un 75% si la falla estaba localizada en el circuito principal.

    Calcula la probabilidad de que un equipo que no tuviera reparación hubiera ingresado al taller por problemas en la tarjeta principal.

  2. Lleva a cabo estas operaciones:
    • Importa a tu espacio de trabajo el siguiente dataset:  https://www.kaggle.com/elikplim/forest-fires-data-set 
    • Crea un arreglo que contenga los valores de la columna etiquetada por: #temp.
    • Construye el histograma referente al arreglo creado en el punto anterior.
    • Evalúa si la gráfica obtenida tiene semejanzas con la distribución normal y obtén la media, la mediana y la desviación estándar de los datos.
    • Dibuja la gráfica de la distribución gaussiana inferida por los datos, en caso de que corresponda, y evalúa la suposición realizada en el punto anterior.
Checklist

Asegúrate de:

  • Encuentra la probabilidad indicada utilizando el teorema de Bayes y lo implementa en lenguaje Python.
  • Realiza las actividades orientadas sobre la distribución gaussiana de manera adecuada empleando el lenguaje Python.