Documentos de Académico
Documentos de Profesional
Documentos de Cultura
P(A I B)
P(B/A) = [P( A) ¹ 0 ]
P(A)
P(A I B)
P(A/B) = [P( B) ¹ 0 ]
P(B)
P(A|B) implica que tan probable es que estemos en A sabiendo que debemos
estar en B.
101
Se puede emplear la definición de probabilidad condicional para expresar lo
correspondiente a la independencia probabilística; de esta manera, se dice que
dos eventos A y B son independientes si y solo si:
102
P(A I B)=P(A)P(B /A)
Pçè I Ai ÷ø = P( A1 I A2 I A3 ... I An - 1 I An )
æ n ö
i =1
æ n ö n-1
Pçè I Ai ÷ø = P( A1 ) P( A2 ) P( A3 )... P ( An / I Ai )
i =1 i=1
= P( A1 ) P( A2 / A1 ) P ( A3 / A1 I A2 )...
Solución:
103
Eventos.
104
laboratorio.
a).- A i I A j = f ; " i ¹ j
n
b).- UA
i =1
i =S
Donde P(Ai) ¹0 ; para i=1,2,...,n y B cualquier evento de S tal que P(B) ¹0.
Lo anterior de forma gráfica es dado como:
De donde se tiene:
105
A1 U A2 U A3 U ... U An = S
Donde:
Ai Î S " i ; i = 1,2,..,n
B ÎS
B I S = B I (A1 U A2 A3 U ... U An )
B = (B I A1 ) U (B I A2 ) U ... U (B I An )
Para el caso algunos de los conjuntos B I A i pueden ser vacíos, pero esto
no invalida la descomposición anterior de B. Lo importante es que todos los
sucesos ( B I A 1 ,..., B I A n ) son mutuamente excluyentes.
P(A I B) P(A I B)
P(A/B) = ; P(B/A) =
P(B) P(A)
Entonces:
106
n
P(B)=å P(B/A j )P(A j )
j=1
P ( A I B)
P( A / B) =
P( B)
Pero:
( A I B) = P( A B) P( B) = P ( B A) P ( A)
y adema ¢ s P( B) es:
n
P(B)=å P(B/A j )P(A j )
j=1
P(B/Ai )P(Ai )
P(Ai /B)= n
;i = 1,2,...,n
å P(B/A
j =1
j )P(A j )
107
La explicación práctica del Teorema de Bayes es mostrada empleando el caso
siguiente:
CAMINO PROBABILIDAD
1 0.50
2 0.20
3 0.40
4 0.30
EN FORMA CON
CAMINO % TRAFICO
FLUIDA PROBLEMAS
1 25 0.5 0.5
2 40 0.2 0.8
3 20 0.4 0.6
4 15 0.3 0.7
Eventos.
P( B / A1 , A2 , A3 , A4 ) P( A1 , A2 , A3 , A4 )
P( A1 , A2 , A3 , A4 / B) =
P( B )
108
P(B/A1 )P(A1 )
P(A1 /B)=
P(B)
Lo cual implica que transitar en forma fluida para llegar al centro es dada como
se muestra anteriormente, en términos de su dificultad se tiene: camino 2,
camino 1, camino 3, camino 4.
% DE ELEMENTOS
MAQUINA % DE PRODUCCION
DEFECTUOSOS
A 52 2
B 33 1.5
C 15 1.8
109
A = Bolsa producida por la maquina A.
B = Bolsa producida por la maquina B.
C = Bolsa producida por la maquina C.
D = Probabilidad de que no este defectuosa la bolsa.
P(D/A,B,C)P(A,B,C)
P(A,B,C/D) =
P(D)
Para el caso los datos que se emplearan en el análisis son dados tabularmente
como:
% ELEMENTOS % ELEMENTOS NO
MAQUINA % PRODUCCION
DEFECTUOSOS DEFECTUOSOS
A 52 2 98
B 33 1.5 98.5
C 15 1.8 98.2
0.52(0.98)
P(A / D) = = 0.51896
0.52(0.98) + 0.33(0.985) + 015
. (0.982)
P(B/D) = 0.3310
P(C/D) = 0.150
Lo cual representa los niveles de probabilidad de que haya sido producida por
cada una de las máquinas (A,B,C) de la planta, la máquina con un nivel de
probabilidad asociada mayor para producir bolsas defectuosas es A.
110
Dado un experimento se define a un espacio de probabilidad como la terna [W,
A, p(.) ], donde W es el espacio muestral, A es el espacio de eventos
(sigmálgebra) generada por W, y p(.) es una función de probabilidad con
dominio A. Recuerde que una sigmálgebra S difiere de una álgebra en que la
unión infinita de elementos de S es también un elemento de S. La variable
aleatoria X (v.a.) es una función real medible en el espacio muestral, es decir:
Entonces:
· si r << 1 ; Ar = {(s,s)} Î A.
· si r << 2 ; Ar = {(s,s), (a,s), (s,a)} Î A
· si r ³ 2 ; Ar = W Î A.
Por lo tanto X es v.a. Así mismo se le llama variable aleatoria a la función cuyo
111
valor es un número real determinado por cada elemento en un espacio muestral
Una variable aleatoria continua es aquella v.a. tal que su espacio de valores
es un intervalo continuo en los reales. Este tipo de espacio muestral contiene
un número infinito de posibilidades igual al número de puntos en un segmento
de recta. O bien es aquel tipo de variable que puede tomar cualquier valor que
se encuentre dentro de determinados límites. Ejemplos de éste tipo de
variables son; mediciones de temperatura en un proceso, medición de
estaturas de la población de la ciudad de México, medición del peso de los
habitantes de la ciudad de Morelia, mediciones de voltaje en una línea de
transmisión (t), medición de corriente eléctrica en un sistema.
Una variable aleatoria discreta toma cada uno de sus valores con una cierta
probabilidad.
112
k
å P = 1.0
i =0
i
k
(X = x i ) ; p(X = xi ) = fx (x i ) = å P = 1.0
i =1
i
f x(X i ) ³ 0
å f (x ) =1.0
x i
P(X = xi ) = f x(x i )
113
Ejemplo: Obtener la distribución de probabilidad puntual para una variable
aleatoria X, que se define como la suma de puntos que muestran dos dados
legales en la cara de arriba al ser lanzados.
Solucion:
é11 12 13 14 15 16 ù
ê21 22 23 24 25 26ú
ê ú
ê31 32 33 34 35 36ú
S=ê ú
ê41 42 43 44 45 46ú
ê51 52 53 54 55 56ú
ê ú
ë61 62 63 64 65 66û
Eventos:
Definida como:
X = { 2,3,4,5,6,7,8,9,10,11,12 }
P(X=xi) = Pi.
Como se muestra:
114
P(X=2) = 1/36 P(X=8) = 5/36
P(X=3) = 2/36 P(X=9) = 4/36
P(X=4) = 3/36 P(X=10) = 3/36
P(X=5) = 4/36 P(X=11) = 2/36
P(X=6) = 5/36 P(X=12) = 1/36
P(X=7) = 6/36
115