Unidad 3

Probabilidades
3.1 Probabilidad Clásica y T. Bayes

Probabilidad y Estadística
Ingeniería Comercial
𝛀
 

𝐸: 𝐿𝑎𝑛𝑧𝑎𝑚𝑖𝑛𝑒𝑡𝑜 𝑑𝑒 𝑢𝑛 𝑑𝑎𝑑𝑜

dado <- c(1,2,3,4,5,6) #Crea un dado "equlibrado"

set.seed(1)
#Simula la cantidad de (n) repeticiones del lanzamientos del dado
n <- 2000
simulacion <- sample(dado,n,replace=TRUE)
table(simulacion)

## simulacion
## 1 2 3 4 5 6
## 335 344 312 336 347 326

#hacer el gráfico de frecuencia

bp1 <- barplot(table(simulacion),
main= "Simulación de (n) lanzamientos de un dado",
xlab = "valor",
ylab="Frecuencia",
col = "lightblue")
text(bp1, table(simulacion)-2,format(table(simulacion)), cex=.85)
• ∅
• 𝛀
• 𝛀

𝐴⋂𝐵 ∅
 
•

• ∩

•
 𝛀

𝛀
0 ≤ P(A) ≤ 1
𝛀

𝑃(Ω)
𝐴1 , 𝐴2 , 𝐴3 , …
𝛀 𝐴𝑖 ∩ 𝐴𝑗 = ∅, si i ≠ j)

𝑃(𝐴1 ∪ 𝐴2 ∪ 𝐴3 ∪ … ) = ∑ 𝑃(𝐴𝑖 )
𝑖=1

𝑃(𝐴 ∪ 𝐵) = 𝑃(𝐴) + 𝑃(𝐵) − 𝑃(𝐴 ∩ 𝐵)

𝑃(𝐴𝐶 ) = 1 − 𝑃(𝐴)
 

𝑃(∅) = 0

𝑃() = 1

𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑐𝑎𝑠𝑜𝑠 𝑓𝑎𝑣𝑜𝑟𝑎𝑏𝑙𝑒𝑠 𝑎𝑙 𝑒𝑣𝑒𝑛𝑡𝑜 𝐴

𝑃(𝐴) =
𝐶𝑎𝑠𝑜𝑠 𝑝𝑜𝑠𝑖𝑏𝑙𝑒𝑠

  = {1,2,3,4,5,6}

A
A A = {2,3,5}

𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑐𝑎𝑠𝑜𝑠 𝑓𝑎𝑣𝑜𝑟𝑎𝑏𝑙𝑒𝑠 𝑎𝑙 𝑒𝑣𝑒𝑛𝑡𝑜 𝐴

𝑃(𝐴) =
𝐶𝑎𝑠𝑜𝑠 𝑝𝑜𝑠𝑖𝑏𝑙𝑒𝑠

3 1
𝑃(𝐴) = =
6 2
 𝑃(𝐴/𝐵)

𝑃(𝐴∩𝐵) 𝑃(𝐴∩𝐵)
𝑃(𝐴/𝐵) = 𝑃(𝐵)
𝑐𝑜𝑛 𝑃(𝐵) ≠ 0 𝑃(𝐵/𝐴) = 𝑃(𝐴)
𝑐𝑜𝑛 𝑃(𝐴) ≠ 0

𝑃(𝐴 ∩ 𝐵) = 𝑃(𝐴/𝐵) ∙ 𝑃(𝐵) 𝑜 𝑏𝑖𝑒𝑛 𝑃(𝐴 ∩ 𝐵) = 𝑃(𝐵/𝐴) ∙ 𝑃(𝐴)

𝑃(𝐴/𝐵) = 𝑃(𝐴)
 𝑃(𝐴 ∩ 𝐵) = 𝑃(𝐴) ∙ 𝑃(𝐵)

3 3 1
𝑃(𝑑𝑜𝑠 𝑝𝑎𝑟𝑒𝑠) = 𝑃(𝑝𝑎𝑟) ∙ 𝑃(𝑝𝑎𝑟) = ∙ =
6 6 4

330 + 1300
𝑃(𝑚á𝑠 𝑑𝑒 30 𝑎ñ𝑜𝑠 𝑦 𝑝𝑜𝑐𝑜 𝑝𝑟𝑜𝑏𝑎𝑏𝑙𝑒) = = 0,2633
6190
 𝑃(20 𝑦 30 𝑜 𝑝𝑜𝑐𝑜 𝑝𝑟𝑜𝑏𝑎𝑏𝑙𝑒)
= 𝑃(20 𝑦 30 ) + 𝑃(𝑝𝑜𝑐𝑜 𝑝𝑟𝑜𝑏𝑎𝑏𝑙𝑒) − 𝑃(20 𝑦 30 𝑦 𝑃(𝑝𝑜𝑐𝑜 𝑝𝑟𝑜𝑏𝑎𝑏𝑙𝑒)

2400 1880 250

= + − = 0,651
6190 6190 6190

900
𝑃(𝑝𝑟𝑜𝑏𝑎𝑏𝑙𝑒 𝑦 30 𝑦 40) 6190 900
𝑃( 𝑝𝑜𝑐𝑜 𝑝𝑟𝑜𝑏𝑎𝑏𝑙𝑒/30 𝑦 39) = = = = 0,5056
𝑃(30 𝑦 40) 1780 1780
6190

𝑃(𝐴 ∩ 𝐵) = 𝑃(𝐴) ∙ 𝑃(𝐵)

750
𝑃(𝐴 ∩ 𝐵) = 6190
= 0,12

2400 1510
𝑃(𝐴) ∙ 𝑃(𝐵) = + = 0,0946
6190 6190

𝑃(𝐴 ∩ 𝐵) ≠ 𝑃(𝐴) ∙ 𝑃(𝐵)

𝑃(𝐷) = 𝑃(𝐴) ∙ 𝑃(𝐷⁄𝐴) + 𝑃(𝐵) ∙ 𝑃(𝐷⁄𝐵) = 0,7 ∗ 0,1 + 0,3 ∗ 0,2 = 0,13


∩ ∩ ∩ ∩
∩ ∩ ∩ ∩

𝑃(𝐷) = 0,13
 𝑃(𝐵)∙𝑃(𝐷⁄𝐵) 0,3∙0,2
𝑃(𝐵/𝐷) = 𝑃(𝐷)
= 0,13
= 0,46

P(Ai B)
P(A | B) =
i P(B)
## Fórmula para calcular el Teorema de Bayes

ThoremBayes <- function(apr, post){

AyD <- round(apr[1]*post[1],4)
AynoD <- round(apr[1]*(1-post[1]),4)
ByD <- round(apr[2]*post[2],4)
BynoD <- round(apr[2]*(1-post[2]),4)
AdadoD <- round(AyD/(AyD+ByD),4)
BdadoD <- round(ByD/(AyD+ByD),4)
AdadonoD <- round(AynoD/(AynoD+BynoD),4)
BdadonoD <- round(BynoD/(AynoD+BynoD),4)
return(list(c("P(AyD)" = AyD, "P(AynoD)" = AynoD,
"P(ByD)" = ByD, "P(BynoD)" = BynoD,
"P(A/D)" = AdadoD, "P(B/D)" = BdadoD,
"P(A/noD)" = AdadonoD, "P(B/noD)" = BdadonoD)))
}

# Probabilidad apriori, cada proveedor

apr <-c(0.65,0.35)
# Probabibida de pieza defectuosa de cada proveedor
post <- c(0.02,0.05)
ThoremBayes(apr,post)

## [[1]]
## P(AyD) P(AynoD) P(ByD) P(BynoD) P(A/D) P(B/D) P(A/noD) P(B/noD)
## 0.0130 0.6370 0.0175 0.3325 0.4262 0.5738 0.6570 0.3430