TECNICAS DECISIONALES

PANORAMA DE CONCEPTOS PROBABILISTICOS

1. 2. 3. 4. 5. 6. 7. 8.

Objetivos.
Al terminar este capitulo podr:
Definir lo que es probabilidad Definir los enfoques clsicos, emprico y subjetivo para la probabilidad Entender los conceptos experimentos , evento , resultado, permutaciones y combinaciones Definir los conceptos probabilidad condicional y probabilidad conjunta Calcular las probabilidades aplicando las reglas de adicin y multiplicacin Utilizar le diagrama del rbol para organizar y calcular las probabilidades Calcular la probabilidad utilizando el teorema de Bayes Determinar el numero de permutaciones y numero de combinaciones.

Algunos Principios de conteo

Formula de la multiplicacin: Si hay m modos de hacer una cosa y n formas de

hacer otra , existen m*n formas de hacer ambas .Ejemplo :El Ingeniero Prez tiene 10 camisas y 8 corbatas cuantas camisas y corbatas tiene? Solucin: (10)(8)=80

Permutacin :Un arreglo de r objetos seleccionados a partir de un grupo nico de n objetos

posibles.

P r = n!/(n -r) !

Nota: El orden de arreglo de las permutaciones es importante

Combinacion:
considerar el orden : n

El numero de modos Para elegir r objetos de un grupo de n objetos sin

Cr= n !/r !(n -r) !

Definiciones

Probabilidad:
En el lenguaje corriente Probabilidad es la condicin de probable o de lo que no es totalmente seguro que suceda ,sino que puede suceder o no y, por lo tanto esta sujeto al azar lo la suerte. Valor entre cero y uno, inclusive , que describe la posibilidad relativa de ocurra un evento. Tericamente la probabilidad de un suceso es igual al cociente entre el numero de casos que puedan ser favorables y el numero total de casos igualmente posibles. Es importante tener en cuenta que mientras que la teora de la probabilidades una ciencia exacta la estadstica es una ciencia de de aproximaciones , que para proyectar hacia la poblacin los resultados obtenidos en una muestra de esta aplica la probabilidad como una medida de fiabilidad

Experimento Aleatorio
Proceso que conduce a la ocurrencia de una de varias observaciones posibles. Es todo un proceso que consiste de la ejecucin de un acto ( o prueba) una o mas veces, cuyo resultado en cada prueba depende del azar y en consecuencia no se puede predecir con certeza Es decir un experimento es aleatorio , si cumple dos condiciones (1)Se puede repetir indefinidamente ,(2) Los resultados en cada repeticion no son predecibles.

Definiciones

Espacio Muestral.
Lo que realiza en particular un experimento Se denomina espacio muestral y se denota por al conjunto de todos los resultados posibles de un experimento aleatorio. Cada resultado posible de un experimento aleatorio es un elemento del espacio muestral .A cada elemento del espacio muestral se denomina punto muestral , el espacio muestral de describe por: ={w/w es un punto muestral} Es la realizacin efectiva o la concrecin emprica de un elemento o punto muestral de un espacio muestral .Ej.: Un punto muestral de una experiencia de tirar tres monedas la aire a la vez es la posibilidad de que salgan las tres caras, y un resultado, que tiradas efectivamente tres monedas al aire las tres sean caras.

Evento o Suceso:
Conjunto de uno mas resultados de un experimento. Cada una de las diversas clases o categoras de resultados de un fenmeno o experiencia aleatorias debe distinguir del resultado o de la concrecin emprica de un fenomeno.El suceso puede comprender varios puntos mustrales y coincide con los elementos de variacin de la variable aleatoria Se denomina evento a cualquier subconjunto de un espacio muestral

Enfoques de la Probabilidad
I.

Probabilidad Objetiva Probabilidad Clsica

Se basa en la consideracin de que los resultados de un experimento son igualmente posibles. Probabilidad de un evento=N Resultados Favorable /N Total de resultados posibles. Aun que la probabilidad se sigue definiendo como la razn del numero de resultados favorables entre el total de resultados , estos se basan en informacin observada , no en le conocimiento previo de un proceso. Ejemplos. Considere el experimento de lanzar dos monedas al mismo tiempo El Espacio muestral ={CC, CS, SC, SS} Considere el evento de una cara Probabilidad de una cara = 2/4=1/2=0.5

a)

Eventos Mutuamente Excluyentes Eventos Colectivamente Exhaustivos

Eventos Mutuamente Excluyentes:

La ocurrencia de cualquier evento implica que ninguno otro puede ocurrir al mismo tiempo.si se cumple : A B = . Ejemplo. Se lanza un dado dos veces .sean los eventos . A: La suma de los puntos obtenidos en los dos lanzamientos es 7 B:En los dos dados se obtiene el mismo numero A es el conjunto :{(3,4),(4,3),(1,6),(6,1),(5,2),(2,5)} B es el conjunto {(1,1),(2,2),(3,3),(4,4),(5,5),(6,6)}, Por lo tanto A B =

Evento colectivamente exhaustivos:

Lista de eventos que registra todos los resultados posibles cuando se realiza un experimento , de modo tal que su unin debe ser igual al espacio muestral

Probabilidad Condicional

Cuando se esta calculando la probabilidad de un evento A en particular , y se tiene informacin sobre la ocurrencia de otro evento B ,esta probabilidad se conoce probabilidad condicional . Se puede definir como:

P (A|B)=P (AB)/P (B):

P(A|B):Probabilidad condicional de A conociendo B Donde P(AB)=Probabilidad conjunta de A y B P(B): Probabilidad Marginal de B. Ejemplo: En una lavandera se tiene 40 camisas blancas y 60usadas tambin se tiene 30camisas rojas nuevas y 50usadas. Se extrae una camisa al azar. Hallar: a) La probabilidad que sea blanca dado que es nueva. P(B|N)=P(BN)/P(N)=4/7 b) La probabilidad que sea nueva dado que es blanca. P(N|B)=P(NB)P(B)=4/5 Solucin: N= camisas nuevas , B= Camisas blancas , U= Camisas usadas , R= camisas rojas
Colores de Camisas B N U 40 60 100 R 30 50 80 70 110 180

Camisas

Regla de la multiplicacin

Partiendo de la definicin de la probabilidad condicional : P (A | B)=P (AB)/P (B): despejando tenemos: P (AB) = P (A | B) P (B). La regla de la multiplicacin expresa la probabilidad de que ocurra A y B es igual a la probabilidad de B multiplicado por la probabilidad de que ocurra A, dado que B ha ocurrido. Regla de multiplicacin para eventos independientes o independencia de sucesos. Se dice que son independientes si satisfacen las siguientes igualdades. 1.-P

(A | B)=P (A) 2.-P (A y B)=P (A) P (B)

TEOREMA DE LA PROBABILIDAD TOTAL:

P(A) = P (Ai) P (B/Ai)

P (B)= P (A1) P (B/A1)+ P (A2) P (B/A2)+ P (A3) P (B/A3)+ + P (An) P (B/An)

Teorema de Bayes

Se representa con la siguiente formula: P (A1| B)= P (A1)* P( B | A1)/P (A1)* P (B | A1)+P (A2)* P (B | A2)++P (Ak)* P (B | Ak) Ejemplo: El gerente de ventas de una fabrica de juguetes esta planeando introducir al mercado un nuevo juguete. En el pasado el 40% de los juguetes creados por la compaa han tenido xito y el 60% no ha dios exitoso. Antes de que se llegue a comercializar realmente el juguete se lleva a cabo una investigacin de mercado y se prepara un informe , favorable o desfavorable el pasado el 80%de los juguetes exitosos recibieron informe favorable y el 30% de los que no tuvieron xito tambin recibieron informes favorables. Al gerente de mercadotecnia le agradara conocer la probabilidad de que el nuevo juguete tendr xito si recibe un informe favorable. Solucin. El denominador del Teorema de Bayes representa la probabilidad marginal del evento F, en este caso un informe de investigacin de mercado favorable. Por consiguiente la proporcin de juguetes que reciben informes de investigacin de mercado favorables es 0.50

Eventos S=Juguete Exitoso S=Juguete no exitoso

Probabilidad Anterior. P(S) 0.40 0.60

Probabilidad Condicional P (F|S) 0.80 0.30

Probabilidad Conjunta P (F|S)P(S) 0.32 0.18

Probabilidad Revisada P (S|F) P (S|F) = 0.32/0.50=0.64 P (S`| F) =0.18/0.50=0.36