Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Departamento de Estadística.
Estadística Especializada.
Estadística Industrial II.
EST-123.
Sección 03.
Joel Patiño.
Semestre 2018-20.
Ing. Industrial.
Práctica I.
Enfoques de la probabilidad.
La probabilidad tiene 3 enfoques:
Enfoque clásico, a priori o de Laplace,
Enfoque empírico, frecuencia o a posteriori.
Enfoque matemático, axiomático o de Kolmogorov.
Enfoque clásico, a priori o de Laplace.
Este enfoque define la probabilidad como un número, determinado de la
siguiente forma: P(A)= (n(A))/(n(S))
Dónde:
S = Cardinal del espacio maestral S del experimento.
N(A) = Cardinal del evento A.
Con esto llegamos a la conclusión de que en el lote 3598 existe una probabilidad
mayor de que no se cumpla la norma de llenado.
Según los resultados tenemos seis eventos que pueden provocar accidentes
graves, donde dos de ellos indican que son más propicios. Por lo que utilizando
la fórmula de probabilidad clásica tenemos:
P(X)= 2/6 =1/3 =0.333
Podemos concluir que existe una incertidumbre de 0.333 de que ocurra un
accidente en la llenadora de gas.
Sucesos independientes.
Dos sucesos A y B son independientes si la realización de A no condiciona la
realización de B, es decir:
P (B/A)= P (B)
P (A∩B)= P (A) · P (B)
Ejemplo.
Haciendo una encuesta telefónica, hemos preguntado a 1000 personas si creían
necesario que hubiera más iluminación en la calle por la noche.
Nos han respondido 480 hombres, de los cuales 324 han respondido que sí, y
156 que no, y 520 mujeres, de las cuales 351 han respondido que sí, y 169 que
no. Nos preguntamos si hombres y mujeres tienen una opinión diferente, o bien
si es irrelevante para la cuestión.
Consideremos los sucesos A="querer más luz (haber respondido sí)", B="que
haya respondido un hombre".
Nos preguntamos si A y B son independientes, es decir, si el hecho de querer
más luz depende de si se es hombre o mujer.
Calculemos las probabilidades:
P(A)= (324+351)/1000 = 675/1000.
Por la regla de Laplace (son todos los que han respondido que sí, sumando
hombres y mujeres).
P (B)= 480/1000
Los hombres que nos han respondido entre el total de llamadas.
P (A∩B)= 324/1000
Los que son hombres y han respondido que sí.
Se cumple que:
324/1000= 675/1000 · 480/1000
Por lo que los sucesos son independientes. En otras palabras, el hecho de ser
hombre o mujer no ha influido para saber si quieren o no más luz.
Sucesos dependientes.
Dos sucesos son dependientes si la realización de A condiciona la realización de
B, es decir, P (B/A) es diferente a P (B).
P (A∩B)= P (A) · P (B/A)
Si no se cumple la ecuación independiente quiere decir que el suceso es
dependiente.
Probabilidad condicional.
Hay situaciones en las que interesa calcular la probabilidad de sucesos que
tienen cierta información con respecto a un experimento. Dicha información
reduce el espacio muestra original a uno de sus subconjuntos. De esta forma la
probabilidad de un suceso será diferente si se tiene o no información adicional.
Así por ejemplo, un animal elegido de aquellos que están vacunados tendrá una
probabilidad mayor de no contraer la enfermedad que aquel seleccionado entre
el conjunto total de animales. Este tipo de probabilidad se denomina
probabilidad condicional y se expresa:
P(A / B) que se lee: probabilidad de que habiendo ocurrido B ocurra A, o
probabilidad de A habiendo ocurrido B.
Cuando los eventos tienen puntos en común, es decir pueden suceder al mismo
tiempo y tienen intercepto, se pueden descomponer en eventos mutuamente
excluyentes para aplicar la ley aditiva, sumando las probabilidades de estos.
Si A y B son dos eventos, entonces:
P (A∪B)= P (A)+P (B) –P (AB)
Regla de multiplicación.
Si A y B son dos eventos independientes en un experimento de probabilidad,
entonces la probabilidad que ambos eventos ocurran simultáneamente es:
P (A∪B)= P (A) · P (B)
En caso de los eventos dependientes, la probabilidad que ambos eventos
ocurran simultáneamente es:
P (A∪B)= P (A) · P (B/A)
Diagramas de árbol.
El diagrama de árbol es una representación gráfica que resulta útil para
entender un experimento y enumerar los resultados de varias etapas.
Teorema de Bayes.
El teorema de Bayes se utiliza para revisar probabilidades previamente
calculadas cuando se posee nueva información. Desarrollado por el reverendo
Thomas Bayes en el siglo XVII, el teorema de Bayes es una extensión de lo que
ha aprendido hasta ahora acerca de la probabilidad condicional.
Comúnmente se inicia un análisis de probabilidades con una asignación inicial,
probabilidad a priori. Cuando se tiene alguna información adicional se procede
a calcular las probabilidades revisadas o a posteriori. El teorema de Bayes
permite calcular las probabilidades a posteriori y es: