Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Curso 2020/2021
Guía docente:
Introducción
Definiciones probabilidad
Regla de la adición
Probabilidad condicionada
Independencia de sucesos
Asignación de probabilidades
Aplicaciones
Probabilidad
0≤p≤1
Experimento aleatorio
A=A
Leyes de De Morgan:
A∩B =A∪B
A∪B =A∩B
Si aplicamos complementarios: A ∩ B = A ∪ B, A ∪ B = A ∩ B
Descomposición del suceso unión como unión disjunta de
sucesos
A = (A ∩ B) ∪ (A ∩ B)
B = (B ∩ A) ∪ (B ∩ A)
Así,
A ∪ B = (A ∩ B) ∪ (A ∩ B) ∪ (B ∩ A)
Representa las anteriores igualdades con diagramas de Venn
(fíjate en las uniones disjuntas)
Definición de probabilidad
I Un hecho comprobable empíricamente es que la
frecuencia relativa de aparición de un suceso, tiende, al
aumentar el número de observaciones, hacia un valor
constante. Esta propiedad fue inicialmente descubierta
para los juegos de azar (lanzamiento de una moneda y
probabilidad de cara o cruz).
I Un ejemplo de cálculo de probabilidades usando la
experimentación lo llevó a cabo Mendel con miles de
plantas de guisantes, que fueron cruciales para formular
las leyes que llevan su nombre.
En el siglo XIX se definió como el valor límite de su
frecuencia relativa al repetir indefinidamente la
experimentación.
Sea A un suceso, n el número de veces que repetimos el
experimento y nA el número de veces que se da el suceso A,
entonces fr (A) = nnA
P(A) = limn→∞ fr (A)
fr
0,75
0,5
0,25
P : A → [0, 1]
0 ≤ P(A) ≤ 1, A ∈ A
∞
[ ∞
X
P( Ai ) = P(Ai )
i=1 i=1
Consecuencias de los axiomas
A = (A ∩ B) ∪ (A ∩ B), B = (A ∩ B) ∪ (B ∩ A)
A ∪ B = (A ∩ B) ∪ (A ∩ B) ∪ (B ∩ A)
n
[ n
X X X
P( Ai ) = P(Ai ) − P(Ai ∩ Aj ) + P(Ai ∩ Aj ∩ Ak ) − . . .
i=1 i=1 i<j i<j<k
n
\
n+1
(−1) P( Ai )
i=1
P(A ∪ B ∪ C) =
P(A)+P(B)+P(C)−P(A∩B)−P(A∩C)−P(B∩C)+P(A∩B∩C)
Ejemplo
AB̄ C̄ ĀB C̄
AB C̄
ABC
AB̄C ĀBC
ĀB̄C
A∪B∪C
P(A ∩ B)
P(A|B) =
P(B)
P(A ∩ B ∩ C)
P(A|(B ∩ C)) =
P(B ∩ C)
y
P(A ∩ B ∩ C)
P((A ∩ B)|C)) =
P(C)
Regla del producto
P(A ∩ B) = P(A)P(B|A)
= P(B)P(A|B)
n
\ n−1
\
P( Ai ) = P(A1 )P(A2 |A1 )P(A3 |(A1 ∩ A2 )) . . . P(An | Ai )
i=1 i=1
n−1
\ n−2
\
Nota: Ai ⊂ Ai ⊂ . . . ⊂ (A1 ∩ A2 ) ⊂ A1
i=1 i=1
Teorema de Probabilidades Totales
Sea {Bi }ni=1 una partición de Ω (∪ni=1 Bi = Ω, Bi ∩ Bj = ∅ si i 6= j)
tal que P(Bi ) > 0, entonces
n
X
P(A) = P(Bi )P(A|Bi )
i=1
Ω
B2 Ā B1 Ā
B2 A B1 A
B3 A
B3 Ā
n
[ n
[ n
X
P(A) = P(A ∩ Ω) = P(A ∩ ( Bi )) = P( (A ∩ Bi )) = P(A ∩ Bi )
i=1 i=1 i=1
n
X
= P(Bi )P(A|Bi )
i=1
Nota: (A ∩ Bi ) ∩ (A ∩ Bj ) = ∅ si i 6= j.
Teorema de Bayes
P(Bi )P(A|Bi )
P(Bi |A) = n
i = 1, . . . , n
X
P(Bi )P(A|Bi )
i=1
Ejemplo
P(A ∩ B) =
= P(R1 ∩ A ∩ B) + P(R2 ∩ A ∩ B) + P(R3 ∩ A ∩ B)
= P(R1 )P(A|R1 )P(B|(R1 ∩ A)) + P(R2 )P(A|R2 )P(B|(R2 ∩ A))
+ P(R3 )P(A|R3 )P(B|(R3 ∩ A)
1 5 4 1 1 1 8 7 11
= 4 10 9 + 4 10 + 2 10 9 = 30 = 0.367.
De forma similar calcularíamos la probabilidad de que la
primera ave fuese un un ánsar común y la segunda un pato
coloreado,
1 5 5 1 9 1 1 2 8 11
P(Ā ∩ B) = 4 10 9 + 4 10 9 + 2 10 9 = 60 = 0.183
P(A ∩ B) = P(A)P(B)
y
P(A ∩ B ∩ C) = P(A)P(B)P(C)
casos favorables A
P(A) =
casos posibles
3
P(A) =
6
Asignación de probabilidades: Caso infinito numerable
medida de A
P(A) =
medida de Ω
medida de A 0.5
P(A) = = = 0.5.
medida de Ω 1
I ¿Cuál es la probabilidad de tirar un dardo en un círculo de
radio 1, si la diana tiene radio 3?
Sea Ω = {(x, y ) ∈ R2 : x 2 + y 2 = r 2 } y
A = {(x, y ) ∈ R2 : x 2 + y 2 = r0 2 }. Entonces,
medida de A πr0 2 r0 2
P(A) = = = .
medida de Ω πr 2 r2
En nuestro caso concreto r0 = 1 y r = 3. Por tanto,
P(A) = 19 .
De modo similar podríamos calcular la probabidad de que
un barco estuviese en un zona determinada del Pacífico.
Aplicaciones
3
P(A) = = 0.083.
36
Si repetimos el experimento, a la larga, cabe esperar que
en el 8.3 % de las veces obtengamos una suma de 4.
1
P(Ai ) =
4
Supongamos que un cliente elige la cola i, entonces,
3
P(Ai ) = 1 − P(Ai ) =
4
P(∩50
i=1 Ai ) = 0.99
50
= 0.605
Grupo AB A B 0
Genotipo AB A0 B0 00
Cruce Descendientes
AB × 00 A0, A0, B0, B0
De esta forma se puede hacer una comprobación sencilla de
paternidad o maternidad en algunos casos, por ejemplo, si el
hijo de la pareja anterior fuese del grupo AB significaría que
uno de los progenitores no podría ser del grupo 0.
I El sexo del descendiente también se determina de manera
sencilla mediante los cruces XX con XY , lo que nos da un
50 % de hombres y un 50 % de mujeres.
Cruce Descendientes
XX × XY XX , XY , XX , XY
La Paradoja de Simpson
H Sobrevive Muere
A 36 64 100
B 450 550 1000
486 614 1100
M Sobrevive Muere
A 600 400 1000
B 65 35 100
665 435 1100
Tabla agrupada, conjuntamente para hombres y mujeres
Sobrevive Muere
A 636 464 1100
B 515 585 1100
1151 1049 2200
Cálculos:
36 45
P(S|(A ∩ H)) = < P(S|(B ∩ H)) =
100 100
60 65
P(S|(A ∩ M)) = < P(S|(B ∩ M)) =
100 100
636 515
P(S|A) = = 0.578 > P(S|B) = = 0.4681
1100 1100
Conclusiones paradoja
β = P(test − |condicion)
Test diagnósticos y coeficientes
P(test + |condicion) = 1 − β
Ejemplo
Gen No gen
Test + 97 8
Test - 3 67
P(C|F )
RR =
P(C|NF )