Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Clase de Probabilidades BASE
Clase de Probabilidades BASE
A B C
PUERTA
SELECCIONADA
A C
Gana Pierd Gana
e
C
S
C
C S
S C
S
C
S
ÁRBOL DE
PROBABILIDADES S
Experimentos y Eventos
▪ ¿Si lanzamos 2 dados, cuál es la probabilidad
de obtener un puntaje de 7?
Experimentos y Eventos
▪ ¿Cuál es la probabilidad de sacar un as al
sacar un naipe de una baraja?
Definiciones
▪ Experimento
▪ Actividad que origina un evento.
▪ Proceso de hacer una observación y obtener un resultado.
▪ Evento
▪ Uno o más de los posibles resultados de un experimento.
▪ Espacio Muestral
▪ Colección de todos los posibles resultados de un
experimento.
Experimento Espacio Muestral
Lanzar una moneda Cara, Sello.
Lanzar dos monedas CC, CS, SC, SS
Sacar una carta (valor) 2♥, 2♦, ..., A♠ (52)
Sacar una carta (color) Roja, Negra
Lanzar un dado. 1, 2, 3, 4, 5, 6
Jugar un partido Ganar, Empatar, Perder
Inspeccionar una parte Defectuoso, Bueno
Experimento: Lanzar dos monedas
Espacio Muestral: CC, CS, SC, SS
EventoResultados
Principios de conteo
▪ Combinación: el número de modos para
elegir r objetos de un grupo de n objetos
▪ El orden no interesa.
Combinaciones
▪ En un juego de cartas, usted recibe 5 naipes de una
baraja compuesta por 52 naipes. ¿Cuántas “manos”
de cartas puede usted recibir?
▪ Primer naipe: 52 posibilidades
▪ Segundo naipe: 51 posibilidades
▪ Tercer naipe: 50 posibilidades
▪ Cuarto naipe: 49 posibilidades.
▪ Quinto naipe: 48 posibilidades.
▪ Si fuera una permutación 🡪
52 x 51 x 50 x 49 x 48 = 311’875,200 manos.
Combinaciones
Event Event
oA oB
Espacio Muestral
No Mutuamente Excluyentes
Event Event
oA oB
5-
11
Event Event
oA oB
Regla de la Adición
▪ Si dos eventos A y B son mutuamente
excluyentes, la probabilidad de que ocurra A o
B es igual a la suma de sus probabilidades
respectivas:
▪ P(A o B) = P(A) + P(B)
▪ Probabilidad que al lanzar una moneda salga
cara o sello.
5-
14
Comp
lemen
Event to de
oA A
Ac
5-
18
Event Event
oA oB
Probabilidad Conjunta
▪ Probabilidad de que dos o más eventos
independientes se presenten juntos o en
sucesión. P(AB) o P(A,B) o P(AyB).
▪ Probabilidad de sacar un as de corazones.
▪ Probabilidad de obtener tres caras al lanzar
una moneda tres veces.
5-
24
Regla especial de
multiplicación
▪ La regla especial de multiplicación requiere
que dos eventos A y B sean independientes.
▪ P(A y B) = P(A ∩ B) = P(A) * P(B).
5-
27
Probabilidad Condicional
▪ Probabilidad condicional es la probabilidad
de que ocurra un evento en particular, dado que
otro evento ya ocurrió. P(A|B). Probabilidad de
A “dado” B.
▪ En el caso de eventos independientes, como el
evento B no influye en el evento A:
P(A|B) = P(A)
(Sirve para demostrar A y B son independientes)
II. Dependencia Estadística
▪ Cuando la probabilidad
de que se presente algún
evento depende o se ve
afectada por la
presentación de algún
otro evento.
▪ Probabilidad Condicional
▪ Probabilidad Conjunta
▪ Probabilidad Marginal
Color: C Puntos:
Grises: P
G Rayas: R
▪ P(P|C) = ?
▪ P(P,C) = 3/10
▪ P(C) = 4/10
▪ P(R|C) = ?
▪ P(R,C) = 1/10
▪ P(C) = 4/10
▪ P(P|G) = 2/6 = ?
▪ P(P,G) = 2/10
▪ P(G) = 6/10
▪ P(G|P) = ?
▪ P(G,P) = 2/10
▪ P(P) = 5/10
▪ P(C|R) = ?
▪ P(C,R) = 1/10
▪ P(R) = 5/10
Probabilidad Condicional
(Dependencia Estadística)
Probabilidad Conjunta
(Dependencia Estadística)
Teorema de la probabilidad total
Si conocemos la probabilidad
A1 A2
de B en cada uno de los
componentes de un sistema
exhaustivo y excluyente de
sucesos, entonces podemos
B
calcular la probabilidad de B
como la suma:
A3 A4
58 4)P(A4)
P(B) = P(B|A1)P(A1) + P(B|A2)P(A2) + P(B|A3)P(A3) + P(B|A
La ley de probabilidad total
A1 A2
A3 A4
59
Ejemplo: En este aula el 70% de los alumnos son hombres. De ellos el
10% son fumadores. El 20% de las mujeres son fumadoras.
¿Qué porcentaje de fumadores hay en total?
Fumadores
Fum
0,1 a
Hom
0,7 bre
No
0,9 fuma
Estud
iante
0,2 Fum
0,3
a
Mujer
0,8
No
fuma
A3 A4
0,8
No
fuma
NO
es
tá P(P|
0.
95
en
fe noE) sitiva P(noE,P)=0.95x0.15=0.1425
rm a Po
o Prueb 15
.
P(no Pru 0
E) eb
a
0.8 Neg
5 ati
va
P(N|noE) P(noE,N)=0.95x0.85=0.8075
Observaciones -¿Qué probabilidad
tengo de estar
enfermo?
▪ En el ejemplo anterior, al llegar un
- En principio un 5%. Le
individuo a la consulta tenemos una haremos unas pruebas.
idea a priori sobre la probabilidad de
que tenga una enfermedad.
1000 mujeres
u ena 0.98
B
Ma
la
P(1)
0.0
r 1 2
e do P(1,M)=0.65x0.02=0.0130
ve .6 5
o 0 P(M|1)
Pr
Pr
ov
ee P(B|2) 0.0130 +
0. dor P(2,B)=0.35x0.95=0.3325 0.0175
35 2
en a
P(2) Bu 0.95 0.0305
Ma
la
0.0
5
P(M|2) P(2,M)=0.35x0.05=0.0175
Tabla de Excel
Teorema de Bayes
▪ En una fábrica existe una máquina que produce
automáticamente engranajes. Si la máquina está correctamente
calibrada producirá 90% de piezas buenas. Si está mal
calibrada producirá sólo 40% de piezas buenas. La experiencia
pasada indica que el 70% de los trabajos de calibración dan
buenos resultados. Luego de un trabajo de mantenimiento, la
máquina produce 3 engranajes buenos, como las primeras tres
piezas.
▪ Se desea conocer la probabilidad revisada que la calibración
halla sido buena?
P(BBB|C)
en a P(C,BBB)=0.70x(0.90)3=0.5103
P(BB|C) u
B 0.90
u ena 0
P(B|C) B .90 Ma .10
a 0 la
e n 0 . 0.5103 +
Bu .90 M a
10
0 la 0.0192
P(C) 0.10
Mal
0.7 ada
a 0.5295
r
ib
0
l
Ca
ena0 P(NC,BBB)=0.30x(0.40)3=0.0192
u
B 0.4
No
ena Ma0.60
0.3 bra
u
Ca
B .40
0 la
0 da
ena
li
P(NC) u 0.60
B .40 Mal
0 a
0.60
Mal
a
Tabla de Excel
Supongamos que la incidencia del consumo de drogas
en la población es del 5%. Hacemos una prueba de
drogas, que tiene una fiabilidad del 95%, a un sujeto
escogido al azar y el resultado es positivo.
¿Cuál es la probabilidad de que consuma drogas?
Spotck, la gata de Data
en Start Treck, ha tenido
un camada de 4
cachorros. El capitán
Piccard le pregunta
cuántos son macho y
cuántos hembra. Data
le responde que, basándose en el cálculo de
probabilidades, lo más probable es que sean dos
gatitos y dos gatitas. Piccard llama
inmediatamente a seguridad para que detengan a
Data. ¿Qué ocurre?
Si un gato puede ser macho o hembra y
hay cuatro gatos, tenemos 24 = 16 posibilidades:
HHHH MMMM
•Probabilidad de que todos sean del mismo sexo = 2/16 = 1/8
El hombre anumérico,
John Allen Paulos.
http://www.math.temple.edu/~paulos/
83
84
¿Si sospechamos que una moneda está trucada (probabilidad
no simétrica) cómo utilizarla para echar suertes de manera
justa? Por ejemplo, supongamos que la moneda sale cara (C)
un 60% de las veces y sale cruz (+) un 40% de las veces.
¿Qué experimento aleatorio daría las mismas posibilidades a
dos sujetos A y B? (John von Newmann)
86
Antoine Gambaud, Chevalier de Mère, planteó uno de los
problemas más antiguos de la teoría de probabilidad al filósofo
y matemático francés Blaise Pascal: ¿Qué es más probable?
(a) Sacar al menos un 6 al tirar 4 veces un solo dado o
(b) sacar un 12 en 24 tiradas de 2 dados.
A pesar de que Pascal había renunciado a las matemáticas por
considerarlas una forma de deleite sexual (¡!), aceptó resolver
el problema:
Morir de ...
P(no morir de accidente de coche) = 99%
P(no morir de accidente doméstico) = 98%
P(no morir de enfermedad pulmonar) = 95%
P(no morir de locura) = 90%
P(no morir de cáncer) = 80%
P(no morir de enfermedad cardiaca) = 75%
La probabilidad de librarse individualmente de cada una de estas
formas de muerte es alentadora, pero: ¿Cuál es la probabilidad
de morir a causa de alguna de ellas?