Documentos de Académico
Documentos de Profesional
Documentos de Cultura
jorge.moralesp@esap.edu.co
Fechas de evaluaciones
Primera Evaluación grupal 15 %, domingo 11 de febrero de 2024
1
Capı́tulo 1
Probabilidad
2
Nota 1. El ejemplo anterior es básicamente, escoger 2 números del conjunto
t1, 2, 3, 4, 5, 6u, donde hay repetición, importa el orden, por lo tanto se tienen
nm “ 62 “ 36 resultados posibles.
0 ď P psi q ď 1
S “ ts1 , s2 u (1.4)
3
1.1.1. Asignación de probabilidades
Existen varios métodos de construcción de funciones de probabilidad,
entre ellos
1. El método clásico de asignación de probabilidades es apropiado cuan-
do todos los resultados experimentales tienen la misma posibilidad. Si
existen n resultados experimentales, la probabilidad asignada a cada
resultado experimental es 1{n.
Ejemplo 4. Nuevamente considerando el ejemplo 1 del lanzamiento de
la moneda, tenemos que el número de resultados experimentales es
|S| “ n “ 2, por lo tanto asigna una probabilidad de 12 a cada resultado
experimental o punto muestral, en esta caso
P ps1 q “ 0.5, P ps2 q “ 0.5
Ejemplo 5. En el ejemplo 2 del lanzamiento de dos dados, siguiendo la
misma tecnica tenemos que la probabilidad de cada punto muestral es
1
P psi q “
36
2. El método de frecuencia relativa para la asignación de probabilidades
es el más conveniente cuando existen datos para estimar la proporción
de veces que se presentarán los resultados si el experimento se repite
muchas veces.
Ejemplo 6. un estudio sobre los tiempos de espera en el departamento
de rayos x de un hospital pequeño. Durante 20 dı́as sucesivos un em-
pleado registra el número de personas que están esperando el servicio
a las 9:00 a.m.; los resultados son los siguientes.
El cual tiene como tabla de frecuencias relativas a (Ver hoja excel Tabla
Frecuencias Relativas)
TABLA
en este ejemplo el espacio muestral es
S “ t0, 1, 2, 3, 4u
donde por notación tomaremos s1 :“ 0 persona, s2 :“ 1 persona,
s3 :“ 2 personas, s4 :“ 3 personas, s5 :“ 4 personas, asi pode-
mos escribir
S “ ts1 , s2 , s3 , s4 , s5 u
4
se construye la función de probabilidad como
P ps1 q “ 0.1, P ps2 q “ 0.25, P ps3 q “ 0.3, P ps4 q “ 0.2, P ps5 q “ 0.15
5
el cual es un subconjunto del espacio muestral visto como
B “ tp1, 2q, p2, 1q, p2, 3q, p3, 2q, p3, 4q, p4, 3q, p4, 5q, p5, 4q, p5, 6q, p6, 5qu
la probabilidad de que ocurra el evento B es
5
P pBq “ P p1, 2q`P p2, 1q`P p2, 3q`P p3, 2q`P p3, 4q`P p4, 3q`P p4, 5q`P p5, 4q`P p5, 6q`P p6, 5q “
18
sin embargo en el caso del juego de monopolio este evento no es relevante.
las probabilidades de los eventos relevantes en nuestro caso son
1
P pA2 q “ P p1, 1q “
36
2 1
P pA3 q “ P p1, 2q ` P p2, 1q “ `
36 18
y ası́ sucesivamente hasta
1
P pA12 q “ P p6, 6q “
36
se puede fácilmente verificar que
1
P pA2 q “
36
2
P pA3 q “
36
3
P pA4 q “
36
4
P pA5 q “
36
5
P pA6 q “
36
6
P pA7 q “ (1.6)
36
5
P pA8 q “
36
4
P pA9 q “
36
3
P pA10 q “
36
2
P pA11 q “
36
1
P pA12 q “
36
6
Nota 4. Ley de la adición
7
Capı́tulo 2
Probabilidad condicional
8
con la anterior distribución ya podemos calcular ciertas probabilidades
40 60
P pHq “ P pM q “
100 100
30 70
P pAq “ P pN q “
100 100 (2.2)
10 20
P pH X Aq “ P pM X Aq “
100 100
30 40
P pH X N q “ P pM X N q “
100 100
ahora nos centraremos en las probabilidades condicionales
10 30
P pA|Hq “ P pN |Hq “
40 40
10 30
P pH|Aq “ P pH|N q “
30 70
20 40
P pA|M q “ P pN |M q “
60 60
20 40
P pM |Aq “ P pM |N q “
30 70
Nota 5. se puede verificar que P pA|Hq esta intimamente relacionada con
P pHq y P pH X Aq además se satisface
P pA X Hq
P pA|Hq “
P pHq
P pN |M q esta ı́ntimamente relacionada con P pM q y P pN X M q además se
satisface
P pN X M q
P pN |M q “
P pM q
Recordemos que A X B “ B X A.
Proposición 2.2. Como consecuencia directa de la definición de la probabili-
dad condicional se tiene la siguiente relación
P pA X Bq
P pA|Bq “ (2.3)
P pBq
Definición 2.3. Se dice que dos eventos A y B son independientes si la ocu-
rrencia de uno no afecta en la ocurrencia del otro.
9
Ejemplo 10. Considere por ejemplo dos dados y se lanza uno primero y el
otro después, sea
18 6 1 6 3
P pA X Bq “ P pAqP pBq “ “ “
36 36 2 36 36
Nota 6. Estos eventos no son mutuamente excluyentes.
10
Ejemplo 2.1. Considere el experimento de escoger al azar una de las siguientes
figuras.
5
P pC X Aq “
30
8
P pC X Rq “
30
P pC X Eq “ 0 Mutuamente excluyentes
P pC X T q “ 0
P pE X T q “ 0
5 (2.7)
P pE X Aq “
30
7
P pE X Rq “
30
3
P pT X Aq “
30
2
P pT X Rq “
30
P pA X Rq “ 0
probabilidades condicionales
12
P pC|Cq “ 1
P pC|Eq “ 0
P pC|T q “ 0
5
P pC|Aq “
13
8
P pC|Rq “
17
P pE|Cq “ 0
P pE|Eq “ 1
P pE|T q “ 0
5
P pE|Aq “
13
7
P pE|Rq “
17
P pT |Cq “ 0
P pT |Eq “ 0
P pT |T q “ 1
3 (2.8)
P pT |Aq “
13
2
P pT |Rq “
17
5
P pA|Cq “
13
5
P pA|Eq “
12
3
P pA|T q “
5
P pA|Aq “ 1
P pA|Rq “ 0
8
P pR|Cq “
13
7
P pR|Eq “
12
2
P pR|T q “
5
P pR|Aq “ 0
13 “ 1
P pR|Rq
Capı́tulo 3
Teorema de Bayes
14
la definición tenemos
P pH X Aq
P pH|Aq “
P pAq
P pA|HqP pHq P pA|HqP pHq P pA|HqP pHq
P pH|Aq “ “ “
P pAq P pA X Hq ` P pA X M q P pA|HqP pHq ` P pA|M qP pM q
es decir
P pA|HqP pHq
P pH|Aq “
P pA|HqP pHq ` P pA|M qP pM q
Ejemplo 12. Las probabilidades previas de los eventos A1 y A2 son P pA1 q “
0.4 y P pA2 q “ 0.6. Sabe también que P pA1 X A2 q “ 0.
Suponga que P pB|A1 q “ 0.2 y P pB|A2 q “ 0.05.
1. ¿A1 yA2 son eventos mutuamente excluyentes?
3. Calcule P pBq
15
Ejemplo 3.1. Considere una poblacion de 2500 en la cual 1000 personas son
del grupo I y 1500 personas del grupo D, dentro del grupo I se tiene que
400 personas son Hombres y 600 Mujeres y dentro del grupo D 800 personas
son Hombres y 700 son Mujeres.
Las probabilidades naturales dadas por esta división se presentan en la
siguiente grafica
P pH|IqP pIq
P pI|Hq “
P pH|IqP pIq ` P pH|DqP pDq
0.4p0.4q
“
0.4p0.4q ` 0.6p0.53q (3.2)
0.16
“
0.16 ` 0.318
0.16
“ “ 0.3347
0.478
16