Documentos de Académico
Documentos de Profesional
Documentos de Cultura
INDEPENDENCIA DE n EVENTOS
P( A1 A2 A3 ... Ak ) P ( A1 ) P ( A2 ) P ( A3 )...P ( Ak )
Probabilidad total.-
Sean A1, A2, A3..., An eventos disjuntos
(mutuamente excluyentes), que forman una
partición de Ω.
Esto es Ai Aj = para toda i y toda j, y además
Ω = A1 A2 A3 An
A2
A5
A3
A1 A4
A6
An
Y sea E otro evento tal que E Ω y E Ai
A2
A5
A3
A1 A4
E
A6
An
E
Entonces
E = Ω E = (A1 A2 A3 An) E
= (A1 E) (A2 E) (A3 E)
(An E)
P(D/M2)=.04 P(M2)*P(D/M2)=.3*.04=.012
D
P(M2)=.30 M2
P(ND/M2)=.96 ND
P(D/M3)=.05
D P(M1)*P(D/M1)=.2*.05=.01
P(M3)=.2 M3
0
ND
P(ND/M3)=.95
P(D) = .015+.012+.01=.037
Teorema de Bayes.
En el año 1763, dos años después de la muerte de Thomas Bayes
(1702-1761), se publicó una memoria en la que aparece, por vez
primera, la determinación de la probabilidad de las causas a partir
de los efectos que han podido ser observados. El cálculo de dichas
probabilidades recibe el nombre de teorema de Bayes.
El teorema de Bayes
Supongamos que sobre el espacio muestral S tenemos una
partición Ai, con i = 1, ..., n.
Esto significa que cualquier resultado de S necesariamente debe
estar en uno y solo uno de los eventos Ai
Por ejemplo, piense en todos los pacientes hospitalizados en una
determinada ciudad, y la ciudad tiene cuatro hospitales, digamos
los hospitales 1, 2, 3 y 4. De modo que el conjunto de pacientes
hospitalizados va a estar en uno y solo uno de esos cuatro
hospitales.
Si definimos los sucesos Ai como el conjunto de pacientes
hospitalizados en el i-ésimo hospital, con i = 1, 2, 3, 4.
Entonces los sucesos A1, A2, A3 y A4 constituyen una partición
sobre el conjunto de todos los pacientes hospitalizados, que
llamaremos S.
De otra forma, si seleccionamos al azar un paciente hospitalizado,
entonces el paciente que elegiremos pertenecerá a uno y solo uno
de los Ai.
El teorema de Bayes
Consideremos un suceso B, que indica una determinada propiedad de los
pacientes, por ejemplo B puede ser el suceso de que el paciente
seleccionado al azar tenga un diagnóstico grave.
A1 Pr( B A1 )
A2 Pr( B A2 )
w B
A3
Pr( B A3 ) n
. Pr( B) Pr( B Ai )
i 1
.
.
Resultado de la Pr( B An )
An
selección
El teorema de Bayes
A1
Pr( A1 ) Pr( B / A 1)
A2
Pr( B / A 2 )
Pr( A2 ) B
A3 Pr( B / A 3)
Pr( A3 )
n
.
Pr( B ) Pr( B / Ai ) Pr( Ai )
. i 1
.
Pr( A n ) Pr( B / A n )
An
El teorema de Bayes
A1
Pr( B / A 1)
Pr( A1 )
A2 Pr( B / A 2 )
Pr( A2 )
Pr( B / A 3) B
Pr( A3 ) A3
n
.
Pr( B) Pr( B / Ai ) Pr( Ai )
. i 1
Pr( A n ) Pr( B / A n )
.
An
A1
Pr( B / A 1)
Pr( A1 )
A2 Pr( B / A 2 )
Pr( A2 )
w Pr( B / A 3) B
Pr( A3 ) A3
.
. Supongamos ahora que B ocurre.
Pr( A n ) Pr( B / A n )
. ¿Cuál de los sucesos Aj ha ocurrido?
An
A1
Pr( B / A 1)
Pr( A1 )
A2 Pr( B / A 2 )
Pr( A2 )
w Pr( B / A 3) B
Pr( A3 ) A3
.
Pr( Aj B) Pr( B / Aj ) Pr( Aj )
. Pr( A j / B)
Pr( A n ) Pr( B / A n ) Pr( B) Pr( B)
.
Pr( B / Aj ) Pr( Aj )
An Pr( A j / B) n
P( B / A ) Pr( A )
i 1
i i
P(C / Ac )
Sea P(A) = p, y definamos r =
P(C / A)
De modo que p
P(A / C) =
p + r (1 - p)
c
P(C / A )
Sea P(A) = p, y definamos r =
P(C / A)
P(C / Ac )
P(C / A) =
r
c
P(A ) = 1 - p
P(C / Ac )
p
r
P(A/C) =
+
P(C / Ac ) P(C / Ac ) (1 – p)
p
r
P(A/C) =
+ (1 – p)
p
P(A / C) =
p + r (1 - p)
La falacia del interrogador
El problema de la confesión
c
P(C / A ) es llamada “razón de confesión”
r=
P(C / A)
de otra forma p
>p
p + r (1 - p)
La falacia del interrogador
El problema de la confesión
p
>p
p + r (1 - p)
Esta desigualdad se cumple solamente si r < 1
y esto significa que P(C / Ac ) < P(C / A)