Documentos de Académico
Documentos de Profesional
Documentos de Cultura
PROBABILIDAD
PROBABILIDAD
El concepto de probabilidad es manejado por
mucha gente. Frecuentemente se escuchan
preguntas como las que se mencionan a
continuación:
¿ Qué posibilidad hay de que me pase un
accidente automovilístico ?
¿ Qué posibilidad hay de que hoy llueva ? para
llevar mi paraguas o no.
¿ Existe alguna probabilidad de que repruebe el
primer parcial ?,
PROBABILIDAD
Estas preguntas en el lenguaje coloquial esperan
como respuesta una medida de confianza
representativa o práctica de que ocurra un
evento futuro, o bien de una forma sencilla
interpretar la probabilidad.
Fenómeno Aleatorio.-
Es un fenómeno del que no se sabe que es lo que
va a ocurrir, están relacionados con el azar o
probabilidad.
Fenómeno Determinista.-
Es el fenómeno en el cual de antemano se sabe
cual será el resultado.
PROBABILIDAD
Experimento aleatorio.-
Una acción que se realiza con el propósito de
analizarla. Tiene como fin último determinar
la probabilidad de uno o de varios resultados.
Se considera como aleatorio y estocástico, si
sus resultados no son constantes.
Puede ser efectuado cualquier número de veces
esencialmente en las mismas condiciones.
PROBABILIDAD
Un experimento es aleatorio si se
verifican las siguientes condiciones:
1. Se puede repetir indefinidamente,
siempre en las mismas condiciones;
2. Antes de realizarlo, no se puede
predecir el resultado que se va a
obtener;
3. El resultado que se obtenga, s,
pertenece a un conjunto conocido
previamente de resultados posibles.
PROBABILIDAD
Ejemplos:
Tirar dardos en un blanco determinado
Lanzar un par de dados
Obtener una carta de una baraja
Lanzar una moneda
PROBABILIDAD
Otros ejemplos de eventos:
A: que al nacer un bebe, éste sea
niña
B: que una persona de 20 años,
sobreviva 15 años más
C: que la presión arterial de un
adulto se incremente ante un
disgusto
PROBABILIDAD
Probabilidad e Inferencia.
Se presentan dos candidatos al cargo de la
presidencia de un colegio , y se desea
determinar si el candidato X puede ganar.
Ejemplos:
1.- Experimento: Se lanza una moneda.
Espacio muestral = total de formas en como
puede caer la moneda, o sea dos formas de
interés, que caiga sello o que caiga cara. (Si
cae de canto no es de interés y se repite el
lanzamiento).
S = { s, c }
PROBABILIDAD
En el experimento 1,
S = { s, c }, s y c son sucesos elementales
N(S) = 2
En el experimento 2,
S = { 1, 2, 3, 4, 5, 6 }, 1, 2, 3, 4, 5 y 6 son
sucesos elementales, y
N(S) =6
A = Que caiga un uno = { 1 }
B = Que caiga un dos = { 2 }
: : :
F = Que caiga un seis = { 6 }
PROBABILIDAD
Evento Compuesto.- Es el evento E que contiene
más de un punto muestral de S, por tanto
N(E) > 1
Evento contrario a un evento A: También se
denomina evento complemento de A y es el
evento que se verifica si, como resultado del
experimento aleatorio, no se verifica A.
Ya que los eventos son conjuntos, este evento se
denota con el símbolo Ac o bien A´, y se define
como:
PROBABILIDAD
Ejemplo:
Experimento: Se lanza una moneda tres veces.
Espacio Muestral:
S = { (S,S,S), (S,S,C), (S,C,S), (C,S,S), (C,C,S), (C,S,C),
(S,C,C), (C,C,C) },
N(S) = 8, S es el evento seguro.
Evento simple:
B:Que salgan tres sellos; B ={ (S,S,S) } , N(B) = 1
Evento compuesto:
E: Que salgan al menos dos sellos;
E = { (S,S,S), (S,S,C), (S,C,S), (C,S,S) }, N(E) = 4
NCF
P( A) (1)
donde NCT
NCF - número de casos favorables
NCT - número de casos totales
PROBABILIDAD
Ejemplo:
Experimento.- Se lanza una moneda
Evento A.- que al lanzar una moneda caiga cara.
Calcular la probabilidad de A:
S = { C, S}, N(S) = 2
A = { C }, N(A) = 1
PROBABILIDAD
Ejemplo.-
Experimento.- Se lanza un dado
Si A =S, es decir si el evento A coincide o es igual al
espacio muestral, entonces.
PROBABILIDAD
Teorema 1.- Si es el conjunto vacío,
entonces la probabilidad de es igual a 0
Ejemplos:
Una persona que quiere ganar la lotería nacional,
pero no compra boleto.
Que aparezca un siete al lanzar un dado
Que una persona viva 250 años
En estos casos los eventos son vacíos
PROBABILIDAD
Axioma 3.- Sea S un espacio muestral
cualquiera y sean A y B dos eventos tales que
A S, B S y A B = , es decir, dos eventos
mutuamente exclusivos, entonces
P(A B) = P(A) + P(B).
A B
AB
PROBABILIDAD
Ejemplo:
Experimento: Se lanzan dos monedas
S = { ss, cc, sc, cs}
N(S) = 4
Sean:
A: el evento de que al lanzar un par de monedas caigan
dos sellos exactamente
B: el evento de que al lanzar un par de monedas caiga un
sello exactamente.
Los elementos de A y B son
A = { ss }
B = {sc, cs}
Se puede ver que A B = , no hay elementos en
común, por lo que los eventos son mutuamente
exclusivos o disjuntos, por tanto
P(A B) = P(A) + P(B)
PROBABILIDAD
PROBABILIDAD
Axioma 4.-
Sean A1, A2, A3, ..., An eventos mutuamente
exclusivos:
P(A1 A2 A3 , .. An) = P(A1) + P(A2) + P(A3) + P(A4) + ..+ P(An)
P( A1 A2 ... An ) P( A1 ) P( A2 ) ... P( An )
n n
P( A A ) P( A A A ) ... P( A A ... A )
i j
i j
i j k
i j k 1 2 k
PROBABILIDAD
Ejemplo:
Experimento: Se lanza un dado
Sean
Evento A: que al lanzar un dado salga el 2 o el 4
Evento B: que al lanzar un dado salga un número
mayor a 4
Evento C: que salga el 1 o 3
AB
PROBABILIDAD
Diferencia
Sean A y B dos eventos:
A-B = { x | x A y x B }
A-B
PROBABILIDAD
Ejemplo.-
Experimento.- Se lanza un dado y una moneda
S = {1s, 2s, 3s, 4s, 5s, 6s, 1c, 2c, 3c, 4c, 5c, 6c }
N(S) = 12
A: Al lanzar un dado y una moneda aparezcan el
número 2 o 3 con sello.
B: Al lanzar un dado y una moneda aparezcan
números pares con sello.
A = { 2s, 3s }, N(A) = 2
B = { 2s, 4s, 6s } N(B) = 3
A B = { 2s } N(A B ) = 1
P(A B) = P(A) + P(B) - P(A B)
= 2/12 + 3/12 – 1/12 = 4/12 = 1/3
PROBABILIDAD
P(A´) = 1 – P(A)
PROBABILIDAD
Experimento.- Se lanza un dado y una moneda
S = {1s, 2s, 3s, 4s, 5s, 6s, 1c, 2c, 3c, 4c, 5c, 6c }
N(S) = 12
A: Al lanzar un dado y una moneda aparezcan el
número 2 o 3 con sello.
B: Al lanzar un dado y una moneda aparezcan
números pares con sello.
A = { 2s, 3s }, N(A) = 2
B = { 2s, 4s, 6s } N(B) = 3
A´ = { 1s, 4s, 5s, 6s, 1c, 2c, 3c, 4c, 5c, 6c }
P(A´) = 1 – P(A) = 1 – 2/12 = 10/12
B´ = { 1s, 3s, 5s, 1c, 2c, 3c, 4c, 5c, 6c }
P(B´) = 1 – P(B) = 1 – 3/12 = 9/12
PROBABILIDAD CONDICIONAL.
Sea A un evento arbitrario de un espacio
muestral S, con P(E) > 0. La probabilidad
de que un evento A suceda una vez que E
ha sucedido o en otras palabras, la
probabilidad condicional de A dado E, se
define como:
P( A E )
P( A / E )
P( E )
Eventos Independientes:
P( A / E ) P ( A)
P( E / A) P ( E )
P( A B ) P ( A) P ( B)
Si no se cumplen, se dice que los eventos son
dependientes.
Probabilidad Condicional.
P( A E )
P( A / E )
P( E )
P ( E A)
P ( E / A)
P ( A)
P( A E ) P( A / E ) P( E )
P( E/A ) P( A )
Probabilidad Condicional.
Si A y B son independientes:
P( A E ) P( A / E ) P( E ) P ( A) P ( E )
P( E/A ) P( A ) P(E)P(A)
P( A E ) P( A) P( E )
P( A / E ) P( A)
P( E ) P( E )
P( E A) P( E ) P( A)
P( E / A) P( E )
P ( A) P( A)
PROBABILIDAD
PROBABILIDAD
Otra forma de calcular las probabilidades de la
intersección y las probabilidades condicionales,
de dos eventos A y B, tal que
A A´ = S
B B´ = S
es elaborando primero la tabla de número de
elementos de los eventos y después la tabla de
sus probabilidades.
PROBABILIDAD
Probabilidades condicionales:
Ejemplo.-
En cierta ciudad, las mujeres representan el 50%
de la población y los hombres el otro 50%. Se
sabe que el 20% de las mujeres y el 5% de
hombres están sin trabajo. Un economista
estudia la situación de empleo, elige al azar una
persona desempleada. Si la población total es
de 8000 personas,
¿ Cuál es la probabilidad de que la persona
escogida sea ?:
PROBABILIDAD
a).- Mujer
b).- Hombre
c).- Mujer dado que está empleado
d).- Desempleado dado que es hombre
e).- Empleado dado que es mujer
D E Total
M 800/8000 = .1 3200/8000= .4 4000/8000= .5
P(M) = 0.50
P(H) = 0.50
P(E) = 0.875
P(D) = 0.125
P(M/E) = P(ME)/P(E) = 0.40/0.875 = 0.4571
P(D/H) = P(DH)/P(H) = .025/0.5 = 0.05
P(E/M) = P(ME)/P(M) = 0.40/0.5 = 0 .8
P(M/D) = P(MD)/P(D) = 0.10/0.125 = 0.8
P(H/D) = P(HD)/P(D) = 0.025/0.125 = 0.2
PROBABILIDAD
INDEPENDENCIA DE n EVENTOS
P( A1 A2 A3 ... Ak ) P ( A1 ) P ( A2 ) P ( A3 )...P ( Ak )
PROBABILIDAD
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
PROBABILIDAD
A2
A5
A3
A1 A4
E
A6
An
E
PROBABILIDAD
Entonces
E = S 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)=.20 M3
ND
P(ND/M3)=.95
P(D) = .015+.012+.01=.037
TEOREMA DE BAYES.-
P( Ai ) P( E / AI )
P( Ai / E )
P( A1 ) P( E / A1 ) P( A2 ) P( E / A2 ) P( An ) P( E / An )
PROBABILIDAD
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)=.20 M3
ND
P(ND/M3)=.95
P(D) = .015+.012+.01=.037
Por teorema de Bayes se tiene:
P( M 1 ) P( D / M 1 )
P ( M 1 / D)
P( M 1 ) P ( D / M 1 ) P( M 2 ) P( D / M 2 ) P( M 3 ) P( D / M 3 )
P(M 1 ) P( D / M 1 ) (.50)(.03)
.4054
P ( D) .037