Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Logro de la sesin
Utiliza un diagrama de rbol para organizar y evaluar
probabilidades.
Conoce las tcnicas de conteo.
17/05/2016
Tcnicas de conteo
Para obtener el nmero total de los resultados, es necesario
desarrollar algunas tcnicas de conteo, las cuales son:
1. Principio fundamental de conteo
2. Diagramas de rbol.
3. Anlisis combinatorio.
1. Permutaciones
2. Combinaciones
Diagrama de rbol
El diagrama de rbol es una tcnica grfica
empleada para enumerar todas las posibilidades
lgicas de una secuencia de eventos, donde cada
evento puede ocurrir en un nmero finito de
veces.
Ejemplo: Construir el diagrama que consiste en
lanzar 2 monedas y observar lo que aparece en su
lado superior.
Estad. Rolando R. Romero Paredes
17/05/2016
Ejercicio
Construir el diagrama de rbol para
encontrar el total de posibles formas de
evaluar el estado de 3 productos como
defectuoso o no defectuoso.
Anlisis combinatorio.
Los diagramas de rbol nos sirven para mostrar grficamente el
nmero de resultados posibles de un fenmeno, pero esta
ordenacin tiene un inconveniente, pues a medida que
aumenta el nmero de objetos dicha ordenacin se complica,
por lo que hay que recurrir a otro proceso ms sencillo para
determinar el nmero total de resultados.
Para ello existen otras tcnicas tales como:
Principio fundamental de conteo.
Permutaciones.
Combinaciones.
17/05/2016
Ejemplos
Ejemplo 1. Encontrar el total de posibles formas de
lanzar una moneda 10 veces.
Ejemplo 2. En un parque hay una banca con 5 lugares, si
al parque asisten 5 hombres y 4 mujeres que son
amigos. De cuntas maneras se pueden acomodar en
la banca?
Estad. Rolando R. Romero Paredes
17/05/2016
Donde:
n= nmero total de objetos.
r= es el nmero de objetos que se desea considerar de los n
disponibles.
17/05/2016
17/05/2016
Probabilidades
Introduccin
En ingeniera, economa, finanzas, administracin, medicina y otras
disciplinas encontramos problemas que requieren razonamiento
cuantitativo de fenmenos aleatorios.
La base de este razonamiento es la teora de las probabilidades.
17/05/2016
Objetivo
Reconocer que la incertidumbre es una caracterstica fundamental de
cualquier entorno en el que se toman las decisiones humanas.
Aplicar la teora de probabilidades para analizar y expresar las
incertidumbres de un evento y el entorno.
Eliminar la sensacin de misterio y temor en el uso de las
probabilidades.
Probabilidades
El Lenguaje de Incertidumbres
Por qu Probabilidades?
Caractersticas del Entorno en el cual se toman decisiones:
incertidumbre
- Probabilidades es el lenguaje para describir y tratar la incertidumbre
17/05/2016
Mejoramiento Gentico
Anlisis de sobrevivencia
Teora de colas, de juegos
Sistemas de seguros
Otros
...
17/05/2016
Espacio Muestral:
Espacio Muestral:
3. Plantar dos semillas y observar si cada una germina o no.
= {GG, NG, GN, NN}
4. Evaluar artculos en una lnea de produccin hasta encontrar el primer defectuoso:
= {D, ND, NND, NNND, ...}
5. Observar tiempo de vida til de un celular (en horas):
=[0, )
6. El tiempo, con relacin al calor, que har durante tres das consecutivos :
={CCC, CCN, CNC, NCC, CNN, NCN, NNC, NNN}
10
17/05/2016
Eventos
Un evento es cualquier subconjunto del espacio muestral .
Ejemplo:
Tipos de Eventos
Experimento aleatorio: extraer al azar una carta de una baraja
Evento elemental:
Se llama as, a cada uno de los elementos del espacio muestral
Ejemplo: sale un 3 de diamantes en la extraccin de un naipe
Evento imposible:
Ejemplo: Salga un 15 de diamantes en la extraccin de un naipe
Evento seguro:
Ejemplo: Salga una de las 52 cartas del naipe
11
17/05/2016
AB=
A1
A3
A2
A1 A2 A3 =
A
B
C
AB=AC=BC=
y ABC=
Ejemplo 1
Experimento:
Anotar el nmero de televisores vendidos durante la ltima
semana en una tienda de electrodomsticos
Eventos:
A= La ultima semana se vendi menos de 5 televisores
B= La ltima semana se vendi 25 televisores
C= La ltima semana se vendi 8 o mas televisores
12
17/05/2016
Ejemplo 1: continuacin
1.Describa los eventos AUB, AUC y AC
2. Los eventos A y B son mutuamente excluyentes?
3.Encuentre los eventos complementarios de A y C
= {0, 1, 2, 3, 4,, N}, N=stock disponible
Los eventos A y B estn formados por los eventos elementales:
A = {0, 1, 2, 3, 4}
B = {25}
C= {8, 9, 10, , N}
Ejemplo 1: continuacin
A partir de estos conjuntos, tenemos:
1.AUB = {0, 1, 2, 3, 4, 25}
AB =
2.Al ser AB = , los eventos A y B son mutuamente excluyentes.
3.El complemento de A es A = {5, 6, 7,, N}
El complemento de C es C = {0,1, 2, 3, 4, 5, 6, 7}
AUC= ??
13
17/05/2016
Fundamentos de probabilidades
En la vida real la posibilidad de que un evento suceda puede estar entre lo virtualmente
cierto y lo virtualmente imposible.
La teora de probabilidades ofrece un marco para asignar nmeros reales a la posibilidad de
ocurrencia de diferentes eventos, de tal manera que sus posibilidades puedan ser
comparadas y evaluadas.
Conceptualmente existen tres maneras de determinar la posibilidad de ocurrencia de un
evento:
Probabilidad clsica a priori
Probabilidad clsica emprica o frecuentista
Probabilidad subjetiva
28
14
17/05/2016
P(A)= #(A)
#()
15
17/05/2016
La probabilidad de ocurrencia de un evento se determina por observacin del nmero de veces que
eventos similares ocurrieron en el pasado (frecuencia relativa).
De manera similar que el enfoque clsico, la probabilidad de ocurrencia de un evento A en este caso viene
dada por:
# de observaciones
Axiomas de probabilidad
Sea el espacio de eventos de un experimento, y A un evento cualquiera de .
1. P() = 1
2. P(A) 0
3. Si para E1, E2, ....
se cumple que Ei Ej = , para toda i j, entonces:
P(E1 E2 ....)= P(E1) + P(E2) + ...
16
17/05/2016
Ley de Morgan
1.
2.
Resolver 1
Dados los sucesivos mutuamente exclusivos A y
B con P(A)=0.28 y P(B)=0.54.
Calcular
P( A );
P( B );
P(A B);
P(A U B) ;
P(A B);
P(A B).
17
17/05/2016
Resolver 2
Entre los 80 directivos de una compaa hay 48
casados, 35 son graduados de escuelas superiores
y 22 de los 48 casados tambin son graduados. Si
se elige uno de estos directivos para que asista a
una convencin cul es la probabilidad de que la
persona elegida no sea casado ni graduado ?
Resolver 3
Mensualmente una oficina de bolsa estudia dos grupos de industrias y clasifica las compaas individuales
como de poco riesgo o de riesgo moderado a elevado. En un informe reciente public sus averiguaciones
sobre 13 cas de la industria aeroespacial y 27 fabricantes de alimentos con los resultados globales resumidos
como sigue:
Poco riesgo
Riesgo moderado
a elevado
Aeroespacial
Alimentos
16
11
Si una persona elige al azar una de estas compaas para invertir en sus acciones, U y R denotan los sucesos
de que la compaa que elija es de poco riesgo o de riesgo moderado a elevado, en tanto que A y F denotan
los sucesos de que elija una compaa Aeroespacial o un fabricante de Alimentos, determinar las siguientes
probabilidades:
a. P ( U )
b. P ( R )
c. P ( A U R)
d. P ( A R)
18
17/05/2016
Probabilidad Clsica
Ejemplos:
Probabilidad condicional
Si A y B son dos eventos en , y P(A) 0, entonces la probabilidad condicional de B dado A ser:
P(B/A) = P(A B) / P(A)
P(A)
P(A B)
Como se aprecia en el diagrama P(B/A) es la proporcin del rea compartida por los dos eventos P(AB) con
respecto al rea del evento condicionador P(A)
En cierto sentido, todas las probabilidades son condicionales a como definamos el evento universal .
P(A/ ) = P(A ) / P( ) = P(A) / 1 = P(A)
Si sabemos que A ha ocurrido, entonces A se convierte en el evento seguro, y podemos re-normalizar la
probabilidad de cada uno de los otros eventos.
19
17/05/2016
Probabilidad condicional
Muchas decisiones en nuestra vida diaria son gobernadas por el sentido comn y la experiencia, que
nos prestan un gran servicio; me refiero al tipo de decisiones que tienen que ver con la incertidumbre,
es decir, situaciones en las que no tenemos toda la informacin disponible para tomar decisiones.
Por ejemplo, cuando conducimos al trabajo no contamos con el dato de cual es el porcentaje de
accidentes a determinada hora del da, y a pesar de no tener ese dato elegimos la velocidad a la que
conduciremos, la distancia que guardaremos con respecto al carro de adelante y otras mil decisiones
que estn basadas solo en nuestra experiencia de los pocos accidentes que hemos visto y en algunos
casos sufrido personalmente o escuchado o ledo en las noticias
A pesar de esta informacin incompleta lo hacemos muy bien, el cerebro parece muy bueno para
evaluar de manera aproximada las probabilidad condicionales. Es decir, a cada instante tomamos
decisiones en funcin de la nueva informacin que nos llega:
P(A|B) Probabilidad de que ocurra el evento A dado que ya ocurri el evento B.
Estad. Rolando R. Romero Paredes
Escenario:
De todas las empresas familiares el 70% no llega a
superar la segunda generacin. El 30% pasa a la
segunda generacin
Y del 30% sobreviviente solo la mitad llega a la tercera
generacin (Suplemento Empleos p. 2, El Comercio,
08/07/07)
20
17/05/2016
Ejemplo 2:
Experimento aleatorio: Extraer al azar una carta de la baraja
Se quiere encontrar la probabilidad de que la carta sea un As dado que el naipe extrado es
rojo.
Tipo
As
No-As
Total
Color
Rojo
2
24
26
Negro
2
24
26
Total
4
48
52
Despejando:
P(A B) = P(A)* P(B)
Luego se define que dos eventos son independientes si la probabilidad de que ambos ocurran
simultneamente es igual al producto de las probabilidades de que ambos ocurran separadamente.
21
17/05/2016
Consecuencias:
Si los eventos A y B son independientes, entonces:
A y Bc son independientes,
A
Ac y B son independientes,
ABC
B
AB
ACB
Ac y Bc son independientes.
ACBC
Ejemplo
Un televidente ve de manera independiente los programas A y B. La probabilidad de que vea el
programa A es 0.2 y de que vea el programa B es 0.3, hallar la probabilidad de que:
vea los dos programas
no vea ninguno de los dos programas
vea alguno de los dos programas
vea slo el programa A
vea slo el programa B
vea slo uno de los dos programas
22
17/05/2016
Ejemplo
Ejemplo
vea alguno de los dos programas
c) P(AB)= P(A) + P(B) P(AB)
=0.2+ 0.3 - 0.06= 0.44 ; tambin
c) P( A B) 1 P(( A B)C ) 1 P( AC B C )
1 0.56 0.44
vea slo el programa A
d ) P( A B) P( A B C ) P( A) P( B C )
0.2 0.7 0.14
Estad. Rolando R. Romero Paredes
23
17/05/2016
Ejemplo
vea slo el programa B
e) P( B A) P( B AC ) P( B) P( AC )
0.3 0.8 0.24
vea slo uno de los dos programas
f ) P[( A B) ( A B)] P( A B) P( A B)
0.14 0.24 0.38
Regla de la multiplicacin
Sean A y B dos eventos, entonces:
P(A B) = P(B/A)P(A)
En el caso particular en que A y B son eventos independientes,
se tiene que:
P(A B) = P(A)P(B)
24
17/05/2016
Ejemplo:
De las casas de 25 o ms aos en Chiclayo, el 60.3% son de clase media y de
ellos se sabe que 30.8% se ha remodelado. Calcular la probabilidad de que una
casa seleccionada al azar, sea de clase media y se haya remodelado.
Solucin: Sean los eventos M= casas de clase media y R= casa remodelada
P (M R)= P(R/M)x P(M) = 0.308x 0.603=?????
A1
A2
Ak
25
17/05/2016
A1
...
A2
Ak
P ( B ) P ( Ai ) P ( B / Ai )
i 1
Ejemplo 1
Un ensamblador de computadoras usa monitores que provienen de
tres proveedores P1, P2 y P3. De 2000 monitores recibidos 1000
provienen de P1 y 600 de P2. De experiencias pasadas, el
ensamblador sabe que los porcentajes de monitores defectuosos
que provienen de P1, P2 y P3 son respectivamente 3%, 4%, y 5%.
Si se elige una computadora al azar,
Cul es la probabilidad de que tenga un monitor defectuoso?
Si contiene un monitor defectuoso, cul es la probabilidad de
que este haya sido provedo por P3?.
26
17/05/2016
Ejemplo
B=monitor defectuoso, P(B)=??
P(Ai)P(B/Ai)
0.03
D
P1
0.5
0.3
D
D
0.5x0.03=0.015
0.97
0.04
0.3x0.04=0.012
P2
0.2
P3
0.96
D
D
0.05
0.2x0.05=0.01
0.95
P(B)=P(Ai)P(B/Ai)=0.037
Teorema de Bayes
El teorema de Bayes establece la relacin ms importante en la teora de
probabilidades y es la base para la revisin de la asignacin de probabilidades, a
la luz de informacin adicional.
Este teorema se deriva fcilmente del concepto de probabilidad condicional.
Probabilidades
a priori
Teorema
de Bayes
Probabilidades
a posteriori
Informacin
Nueva
27
17/05/2016
Teorema de Bayes
Si k eventos: A1 , A2 ,..., Ak constituyen una particin
del espacio muestral , entonces, para cualquier
evento B en , tal que P ( B ) 0
P ( Ai ) P ( B / Ai )
P ( Ai / B ) k
P( Ai ) P( B / Ai )
i 1
A1
A2
...
Ak
Teorema de Bayes
El Teorema de Bayes es un mtodo que utiliza la probabilidad
revisada con base en informacin adicional.
Se calcula utilizando la siguiente frmula:
P( A1 | B)
P( A1 ) P( B / A1 )
P( A1 ) P( B / A1 ) P( A2 ) P( B / A2 )
28
17/05/2016
Y supongamos que existe una prueba fiable pero no infalible para diagnosticar si una persona ha contrado la
enfermedad
B
A
0.99
0.001x0.99=0.00099
0.001
B
P(Ai)P(B/Ai)
0.999
0.01
0.02
0.98
0.001x0.01=0.00001
0.999x0.02=0.01998
0.999x0.98=0.97902
Calculando la probabilidad de que el paciente padezca de la enfermedad dado que el resultado sali positivo:
P(A/B)=P(A y B)/P(B)
P(B)=P(A)P(B/A)+ P(A)P(B/A)=0.02097
P(A/B) = P(A)P(B/A)
= 0.00099 =0.0472
P(A)P(B/A)+ P(A)P(B/A) 0.02097
29
17/05/2016
0.00099
0.01998
0.02097
P(B)
0.00001
0.97902
0.97903
P(B)
0.001
0.999
P(A)
P(A)
La tabla muestra lo que pasa en un grupo de 1000 pacientes. En media solo 21 pacientes darn positivo y solo 1
padecer de la enfermedad, los 20 falsos positivos se encontrarn en el gran grupo de no afectados.
ENFERMEDAD
NO ENFERMEDAD
Total
RESULTADO POSITIVO
20
21
RESULTADO NEGATIVO
979
979
Total
999
1000
Ejemplo 2
El parte meteorolgico para Puno ha anunciado tres posibilidades para el fin de
semana:
a) Que llueva: probabilidad del 50% (Evento A1).
b) Que nieve: probabilidad del 30% (Evento A2).
c) Que haya niebla: probabilidad del 20% (Evento A3).
Segn estos posibles estados meteorolgicos, la posibilidad de que ocurra un
accidente es la siguiente:
a) Si llueve: probabilidad de accidente del 20%.
b) Si nieva: probabilidad de accidente del 10%
c) Si hay niebla: probabilidad de accidente del 5%.
Si ocurri un accidente (Evento B):
1. Cul es la probabilidad de que haya llovido?
2. Cul es la probabilidad de que haya nevado?
3. Cul es la probabilidad de que haya habido neblina?
Estad. Rolando R. Romero Paredes
30
17/05/2016
P(Ai)P(B/Ai)
0.5x0.20=0.1
0.20
A1
0.5
0.3
A2
0.80
B
0.10
0.3x0.10=0.03
B
B0.90
0.2
0.05
A3
B
B0.95
0.2x0.05=0.01
Calculando la probabilidad de que el accidente haya sucedido en un da de
lluvia:
P(A1/B)=???
P(B)=P(Ai)P(B/Ai)=0.14
P(A1/B)=P(A1)P(B/A1) = 0.1 =0.714
P(Ai)P(B/Ai) 0.14
Ejercicio 1
Una embotelladora de refresco de cola
Planta
pero el gerente de
% del total
% de
de
botellas
produccin defectuosas
55
45
31
17/05/2016
Ejercicio 2
Una fbrica de ladrillos produce 5000 unidades por
hora. La mquina A produce 3000 de estos ladrillos, de
los que el 2% son defectuosos. La mquina B produce
los 2000 restantes, de los que se sabe que el 4% son
defectuosos. Determinar:
La probabilidad de que un ladrillo elegido al azar sea
defectuoso.
Si el ladrillo seleccionado es defectuoso, qu probabilidad
hay de que proceda de la mquina A? y de la mquina B?
Ejercicio 3
En un proyecto de construccin de una autopista, hay
varios inversionistas. El 20% realiza sus inversiones va
internet, un 80% consulta InfoInversWeb. De los
inversionistas que no realizan sus depsitos va internet,
solo el 20% consulta InfoInversWeb. Se pide:
Obtener la probabilidad de que un inversionista, elegido al azar,
consulte InfoInversWeb.
Si se elige al azar un inversor y resulta que consulta
InfoInversWeb, Cul es la probabilidad de que realice
operaciones va internet?
Estad. Rolando R. Romero Paredes
32
17/05/2016
Ejercicio 4
Del rcord pasado se conoce que cierta mquina que produce
tornillos trabaja correctamente 90% del tiempo. Si la mquina no
trabaja correctamente, el 5% de los tornillos producidos, son
defectuosos. En caso contrario, solo el 1% es defectuoso. Si se
escoge aleatoriamente un tornillo producido cul es la
probabilidad de que este sea:
a. Defectuoso
b. Si es defectuoso provenga de la mquina que no trabaja
correctamente.
c. Provenga de la mquina que trabaja correctamente si se conoce que
es un tornillo bueno?
Estad. Rolando R. Romero Paredes
Resumen
Introduccin
Definiciones bsicas.
Algebra de eventos.
Fundamentos de probabilidades.
Probabilidad condicional e independencia.
Regla general de la multiplicacin.
Teorema de Bayes.
Problemas aplicativos.
33
17/05/2016
34