Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Andrés Scarioni
2.1 Eventos
Un evento A (respecto a un espacio muestral
S asociado a un experimento E) en un
conjunto de resultados posibles. Es
simplemente un subconjunto de S. en este
sentido eventos son:
A: Ocurre un numero par {2,4,6}
A: dos artículos defectuosos {2}
A: Solo se obtuvo una cara {1}.
Los eventos pueden combinarse para
generar nuevos eventos:
.- Si A1, A2,.....An es una coleccion finita de
eventos entonces ∪Ai es el evento que
ocurre si y solo si al menos uno de los
eventos ocurre.
.- Si A1, A2,.....An es una coleccion finita de
eventos entonces ∩Ai es el evento que
ocurre si y solo si todos los eventos ocurren.
.- Si A es un evento entonces Ac es el evento
que ocurre si A no ocurre.
.- Dos eventos A y B son excluyentes si no
pueden ocurrir juntos. entonces A∩ =∅.
3.0 Probabilidades
Suponiendo que el espacio muestral es finito
esto es S={a1,.....,ak}, si consideramos el
evento formado por un solo resultado
A={ai}, le podemos asignar un numero pi
llamado probabilidad de {ai}, que satisface:
.- pi ≥0 i=1,2,...,k
.- ∑ pi =1
Si el evento esta formado por r resultados,
1≤r≤ ,
A={aj1,aj2,.....ajr} entonces
P(A)=pj1+pj2,+...+pjr.
para k resultados igualmente probables.
entonces
pi = 1/k
Para cualquier evento A que conste de r
resultados,
P(A)=r/k
lo cual indica que
numero de maneras en que E es favorable a A
P ( A) =
numero de maneras en que ocurre E
Ejemplo 1
Si tiramos un dado sabemos que la
probabilidad de que salga un 2 es 1/6. Si
incorporamos nueva información (por
ejemplo, alguien dice que el resultado un
numero par) entonces la probabilidad ya no
es 1/6.
P(B | A) es la probabilidad de que salga 2
(B) condicionado a que haya salido un
numero par (A)
( ∩ ) es la probabilidad de que salga 2 y
sea par.
P(A) el la probabilidad de que salga par.
por tanto
( ∩ )=1/6
P(A)=1/2
P(B|A)=(1/6)/(1/2)=1/3
Ejemplo 2
En un estudio sanitario se ha llegado a la
conclusión de que la probabilidad de que
una persona sufra problemas coronarios es
de 0.1(evento B)
Además, la probabilidad de que una persona
sufra problemas de obesidad (evento A) es
del 0.25 y la probabilidad de que una
persona sufra a la vez problemas de
obesidad y coronarios ( ∩ ) es del 0.05
Podemos calcular la probabilidad de que una
persona obesa sufra problemas
coronarios(probabilidad condicionada
P(B|A).
P(B|A)=0,05/0,25=0,20
Nótese que la probabilidad condicionada es
mayor que la probabilidad del evento A
(llamada probabilidad a priori)
Ejemplo 3
Cierto artículo se elabora en tres fábricas
1,2,3 distintas. Sabemos que la primera
produce el doble de artículos que la segunda
y que esta y la tercera producen el mismo
numero. Se sabe también que el 2% de los
artículos producidos por las dos primeras
son defectuosos, mientras que el 4% de los
elaborados por la tercera son defectuosos. Si
todos los artículos producidos se colocan
juntos y escogemos uno al azar. ¿Cual es la
probabilidad de que sea defectuoso?
Llamemos los eventos
A={el articulo es defectuoso} B1 = {el
articulo viene de 1}
B2 = {el articulo viene de 2} B3 = {el
articulo viene de 3}
P(A)=P(A|B1)P(B1)+P(A|B2)P(B2)+P(A|B3)
P(B3)
Pero
P(B1)=1/2, P(B2)=P(B3)=1/4
P(A|B1)=P(A|B2)=0,02 P(A|B3)=0,04
Obtenemos P(A)=0.025
Ejemplo 4
La probabilidad de que el articulo
defectuoso fuera producido en la primera
fabrica viene dado por
P(B1|A)=P(A|B1)*P(B1)/(∑ (Bj) * P(A| Bj))
j=1,2,..3
0.02 * 1 / 2
P ( B1 | A) = = 0.40
0.02 * 1 / 2 + 0.02 * 1 / 4 + 0.04 * 1 / 4
P( S d | A) * P( A)
P( A | S d ) =
P( S d | A) * P( A) * P( S d | B) * P( B)
0.7 * 0.6
P( A | S d ) = = 7/9
0.7 * 0.6 + 0.3 * 0.4
Análogamente
P( B | S d ) = 2 / 9
5.5 Varianza
Sea X una variable aleatoria. Definimos la
varianza de X, Que denotaremos como V(X)
o σ2x como sigue:
V(X)=E[X-E(X)]2.
La raiz cuadrada positiva de V(X) se llama
desviación estándar de X y se indica por σx.
Se puede simplificar el calculo de V(X)
usando (no lo demostraremos)
V(X)=E(X2)-[E(X)]2
Ejemplo
La oficina meteorologica clasifica la
visibilidad en relacion a los “grados de
nubosidad”, usando para ello una escala de
11 categorias: 0,1 ....,10. donde 0 representa
total claridad y 10 un cielo totalmente
cubierto. Supongamos que tal clasificacion
se hace en una estacion meteorologica en un
dia y hora determinada. sea X la variable
aleatoria que tomo uno de los valores
anteriores. Supongamos que la distribucion
de probabilidades de X es
p0=p10=0.05
p1=p2=p8=p9=0.15
p3=p4=p5=p6=p7=0.06
Por tanto
E(X)=1*0.15+2*0.15+3*0.06+4*0.06+5*0.
06+6*0.06+
+7*0.06+8*0.15+9*0.15+10*0.05=5
E(X2)=1*0.15+4*0.15+9*0.06+16*0.06+25
*0.06+36*0.06+
+49*0.06+64*0.15+81*0.15+100*0.05=35.
6
Luego
V(X)=E(X2)-[E(X)]2=35.6-25=10.6
y la desviacion estandar σx=3.25
Propiedades
a) Si C es una constante,
V(X+C)=V(X)
Esta propiedad es intuitivamente evidente. al
agregar un constante a un variable, no se
afecta su “variabilidad”
b) Si C es una constante,
V(CX)=C2V(X).
c) Si X1,.....,Xn n variables independientes.
Entonces,
V( X1,.....,Xn) = V(X1)+.....V(Xn ).
d) Si X es una variable con varianza finita,
luego, para cualquier numero real α,
V(X)=E[(X-α)2]-[E(X)- α ]2
Coeficiente de Correlacion
Si tenemos una variable aleatoria
bidimensional X,Y. este coeficiente mide de
alguna manera el grado de asociación entre
ellas. Se define como
ρxy= E{[X-E(X)][Y-E(Y)]}/√V(X)V(Y) :
V(X),V(Y) existen y son distintas a cero
El numerador de ρxy se llama covarianza y
generalmente se denota por σxy.
Sxy=E{[X-E(X)][Y-E(Y)]}
Propiedades de ρxy
. ρxy esta comprendido entre -1 y 1
. si ρxy =1 o ρxy =1 entonces los puntos de la
muestra estan situados en linea recta
(correlacion lineal perfecta).
. si ρxy esta proximo a 1 o -1 habra una fuerte
asociacion lineal entre ambas variables.
. si ρxy es cercano a 0, habra una asociacion
linaeal muy debil.
. ρxy no cambia cuando se realiza un cambio
de escala o de origen.
De este modo:
• Si hay mayoría de puntos en el tercer y
primer cuadrante, ocurrirá que Sxy >0. ,
lo que se puede interpretar como que la
variable Y tiende a aumentar cuando lo
hace X;
• Si la mayoría de puntos están repartidos
entre el segundo y cuarto cuadrante
entonces Sxy <0, es decir, las
observaciones Y tienen tendencia a
disminuir cuando las de X aumentan;
• Si los puntos se reparten con igual
intensidad alrededor de ( xˆ, yˆ ) , entonces
se tendrá que Sxy ≈0. Véase la figura
como ilustración.
Figura: Cuando los puntos se reparte de
modo más o menos homogéneo entre los
cuadrantes primero y tercero, y segundo y
cuarto, se tiene que Sxy ≈0. Eso no quiere
decir de ningún modo que no pueda existir
ninguna relación entre las dos variables, ya
que ésta puede existir como se aprecia en la
figura de la derecha.
Resumiendo