Tema6-Introduccion A Las Probabilidades

5 May 2014
INTRODUCCIN AL CLCULO
DE PROBABILIDADES
1
ESTADISTICA GENERAL
Si el nico propsito del investigador es describir los
resultados de un experimento concreto, los mtodos
analizados anteriormente pueden considerarse suficientes.

No obstante, si lo que se pretende es utilizar la informacin
obtenida para extraer conclusiones generales sobre todos
aquellos elementos del tipo de los que han sido estudiados,
entonces estos mtodos constituyen slo el principio del
anlisis, y debe recurrirse a mtodos de inferencia
estadstica, los cuales implican el uso inteligente de la teora
de la probabilidad.
Introduccin
Nociones de probabilidad
Todos los das nos hacemos preguntas sobre probabilidad. E
incluso quienes no han visto mucho de esta materia en cursos
anteriores, tienen una idea intuitiva lo suficientemente correcta
para lo que necesitamos de ella en este curso.

Cul es la
probabilidad
de ganar la
Tinka ?
Cul es la
probabilidad
de aprobar el
curso?
Cul es la
probabilida
d de que mi
hijo sea
varn?
Es baja la
probabilida
d de tener
un
accidente?
Conceptos bsicos de probabilidad
El clculo de probabilidades nos suministra las
reglas para el estudio de los experimentos aleatorios
o de azar, constituyendo la base para la estadstica
inductiva o inferencial.
En general, llamaremos experimento, al conjunto
de acciones reales o imaginarias, realizadas con la
finalidad de obtener resultados.
Se denominan experimentos determinsticos, aquellos que
realizados de una misma forma y bajo las mismas condiciones
iniciales, ofrecen siempre el mismo resultado (Se conoce el
resultado del experimento antes de realizarlo).
Diremos que un experimento es aleatorio (), si se verifican las
siguientes condiciones:
Puede repetirse indefinidamente, siempre en las mismas
condiciones;
Antes de realizarlo, no puede predecirse el resultado que se va
a obtener;
El resultado que se obtenga, W
i
, pertenece a un conjunto de
resultados posibles, previamente conocido. A este conjunto de
resultados posibles, se denomina espacio muestral y lo
denotaremos mediante la letra . Los elementos del espacio
muestral se denominan puntos muestrales.
5 May 2014
Es decir, un experimento aleatorio es todo proceso que se puede
repetir de manera indefinida, obtenindose resultados
imprevisibles (los resultados del experimento no pueden
predecirse con exactitud antes de realizar el experimento).
6
Adems, un experimento es aleatorio, si su resultado se
desconoce, pero puede conocerse los posibles resultados del
mismo. En este caso, las condiciones experimentales determinan
solamente el comportamiento probabilstico (distribucin
probabilstica) de los resultados observables
No sabemos qu
resultado se obtendr,
pero s qu valores
puede tomar.
La probabilidad es una medida de la incertidumbre
La empresa AB S.A, tiene una oportunidad de
50% de superar esta crisis.

El cliente tiene 80% de posibilidades de cancelar
su deuda de crdito hipotecario.
Cul es la probabilidad de
obtener una cara al lanzar una
moneda?.
obtener un tres al lanzar un
dado?.
obtener un nmero del 1 al 6 al
lanzar un dado?
obtener un siete al lanzar un
dado?
5 May 2014
ESPACIO MUESTRAL
Dado un experimento aleatorio , se llama espacio muestral de ,
denotado por O, al conjunto de todos los resultados posibles del
experimento.
= {w
1
, w
2
, ........, w
n
, ........}
={1, 2, 3, 4, 5, 6} ,
={w N / 1 w 6}
n() = 6
En este caso, cada w
i
es un punto muestral, que corresponde a
un resultado del experimento
Ej. Consideremos un experimento aleatorio tal que:

: Lanzamiento de un dado y el registro del nmero que aparece en
la cara superior
SUCESO O EVENTO
Un suceso o evento de un experimento aleatorio , es cualquier
subconjunto del espacio muestral O correspondiente a .

Si E c O E es un evento de O

Ej. Sea el experimento que consiste en lanzar un dado. Considere
los siguientes eventos asociados a dicho experimento:
E : El resultado es un nmero par, y
F : El resultado es un nmero mayor que 4.

El espacio muestral asociado es: O= {1, 2, 3, 4, 5, 6}

y los eventos E y F, estarn dados por:

E={w O /w es par}={2, 4, 6}; F={w O /w > 4}={5, 6}

Evento imposible : E =
Evento seguro : F = O
Evento simple : G
1
={w
1
} ; G
3
={w
3
}
Evento compuesto : H = {w
1
}{w
5
}
= {w
1
,w
5
}
Algunos eventos especiales:
5 May 2014
OPERACIONES CON EVENTOS.- Sean los eventos A y B
definidos en un mismo espacio muestral O:
a) UNIN: La unin o reunin de A y B, que se denota AUB, es
el evento
AUB={weO / weA weB}
O
A B
13
Operaciones con eventos
El evento AUB ocurre, si
al menos uno de los dos
eventos A B ocurren.
5 May 2014
Propiedades de la unin.-
1) AU = A
2) AUA = A
3) AU O = O
4) AUB = BUA
5) AU(BUC) = (AUB)UC
14
5 May 2014
b) INTERSECCIN: La interseccin de A y B, que se
denota AB, es el evento

AB={weO / weA y weB}
A
B
O
15
AB
El evento AB ocurre, si los
dos eventos A y B ocurren.
5 May 2014
Propiedades de la interseccin.-
1) A=
2) AA=A 3) AO=A
4) AB=BA
5) A(BC)=(AB)C
6) (AUB)C =(AC)U(BC)
7) (AB)UC =(AUC)(BUC)
16
5 May 2014 17 5 May 2014
Observacin.-
1. Si AB=, se dice que A y B son eventos mutuamente
excluyentes, incompatibles disjuntos.

B
O
17
A
2. Si AB=, se dice que A y B son eventos colectivamente
exhaustivos.
O
A
B
5 May 2014
c) COMPLEMENTO : El complemento de A, que se
denota , se define como el evento formado por los elementos
de O que no estn en A. Tambin se le denomina evento
opuesto o contrario.

= {we O / w e A}

A
O
A
A
18
A
El evento A ocurre, si el
evento A no ocurre.
5 May 2014
Propiedades del complemento.-
1) = O
2) O =
3) A = A
4) AUB = AB
5) AB=AUB

19
5 May 2014 20
d) DIFERENCIA: La diferencia de A y B, que se denota A-B, es el
evento que est formado por todos los elementos que estn en A pero
no en B.

A-B={weO / weA y weB}= AB
A
B
O
A-B = AB
El evento A-B ocurre, si el
evento A ocurre, pero el evento
B no ocurre. Es decir, si
solamente A ocurre
5 May 2014 21
e) DIFERENCIA SIMETRICA: La diferencia simtrica de A y B,
que se denota AAB, es el evento formado por todos los elementos que
estn en A pero no en B los que estn en B pero no en A.

A A B={weO / we(A-B) we(B-A)}= (A-B)U(B-A)
= (AB)U(BA)
= (AUB) (AB)
A
B
O
A-B = AB
El evento AAB ocurre, si ocurren
solamente A solamente B.
B-A = AB
5 May 2014
Observacin: Particin de un espacio muestral
Una sucesin de eventos E
1
, E
2
, .., E
n
, forman una particin de
un espacio muestral O, si:
1. Son mtuamente excluyentes: E
i
E
j
= , ij, y
2. Son colectivamente exhaustivos: E
i
=

22
E
1
E
2
E
3
E
n
..

Eventos o Sucesos (Resumen)

A
A

A
B

A
B

A
B
UNIN INTERSECCION
Cuando se realiza un experimento aleatorio diversos
resultados son posibles. El conjunto de todos los resultados
posibles se llama espacio muestral ().
Se llama evento a un subconjunto de dichos resultados.
Se llama evento contrario (complementario) de un evento
A, A, al formado por los elementos que no estn en A.
Se llama evento unin de A y B, AUB, al formado por los
resultados experimentales que estn en A o en B
(incluyendo los que estn en ambos).
Se llama evento interseccin de A y B, AB
simplemente AB, al formado por los elementos que estn en
A y B.
Ejemplo: Si realizamos el experimento aleatorio de lanzar un dado
al aire, tenemos:
Puntos muestrales W
i
: 1, 2, 3, 4, 5, 6

Espacio muestral = {1, 2, 3, 4, 5, 6}

Evento imposible
Evento seguro
{3} Evento simple, unitario elemental
Eventos {1,2,3} Evento compuesto
{4,5} Evento compuesto
{2,4,6}= {1,3,5} Evento complementario

. . . . . . .

5 May 2014
TCNICAS DE CONTEO
2.1. Objetivo
Determinar el numero de maneras diferentes en que
puede ocurrir un experimento aleatorio o un evento
sin necesidad de enumerarlo explcitamente.
25
5 May 2014
2.2. Principio de la multiplicacin
Sea un experimento
1
que puede ocurrir de mmaneras diferentes y un
experimento
2
que puede ocurrir de n maneras diferentes, entonces: en
total. los dos experimentos
1
y
2
ocurrirn de m x n maneras
diferentes.
Ejemplos:
- Una computadora se ensambla en dos etapas, para la primera se tiene
disponibles 6 lneas de armado, y para la segunda 5. De cuantas
maneras diferentes puede moverse el producto en el proceso de
armado?
26
TCNICAS DE CONTEO

- Suponga que tiene que viajar de la ciudad A a la ciudad C, pasando
por la ciudad B. Para ir de A hacia B tiene que ser por va terrestre y
tiene disponibles 7 empresas, para ir de B hacia C debe ser por va
area y tiene dos lneas areas. De cuntas formas diferentes puede
viajar de la ciudad A hacia la ciudad C?
TCNICAS DE CONTEO

2.2.1. Producto cartesiano
Se utiliza para describir un espacio muestral generado por un
experimento de la forma
1
y
2
, que ocurre de m x n maneras
diferentes.
Sea
1
O
1

Sea
2
O
2

=
1
y
2
O

= O
1
x O
2

Ejemplo: Se lanza una moneda 3 veces, determinar el espacio
muestral generado.
Por el principio de la multiplicacin, este experimento ocurre de:
2 x 2 x 2 = 8 maneras; y cada resultado es una terna ordenada.

Sea
1
O
1
= {C,S}
Sea
2
O
2
= {C,S}
Sea
3
O
3
= {C,S}
=
1
y
2
y
3
O

= O
1
x O
2
x O
3

O={(C,C,C),(C,C,S),(C,S,C),(S,C,C),(C,S,S),(S,C,S),(S,S,C),(S,S,S)}
5 May 2014
TCNICAS DE CONTEO
Ejemplos:
- Una persona desea adquirir un artefacto que se vende en
cualquiera de 4 tiendas de la zona A de la ciudad o en
cualquiera de 5 tiendas de la zona B. De cuantas maneras
diferentes puede adquirir el artefacto?
2.3 Principio de Adicin
En total los dos experimentos
1

2
(en el sentido excluyente)
ocurrirn de m+n maneras diferentes.
28
- Suponga que tiene que viajar de la ciudad A a la ciudad B, y
tiene 5 empresas por va terrestre y 3 lneas areas. De
cuntas formas diferentes puede realizar dicho viaje?
5 May 2014
2.4 Permutaciones
Son arreglos de los elementos de un conjunto tomando en
cuenta el orden en que ellos se ubican.
2.4.1 Permutaciones de los n elementos de un conjunto
tomados todos

TCNICAS DE CONTEO
!
n
n
P n =
29
Ejemplos:
- De cuantas maneras se puede presentar 5 libros de una coleccin
que se compone de 5 libros.
- De cuntas formas pueden ubicarse 6 personas en la cola de
atencin de la ventanilla de un banco?. y si dos de ellas desean
estar juntas?. De cuntas formas, si tres de ellas no desean estar
juntas?
5 May 2014
Ejemplos:
De cuntas maneras se puede presentar 4 cuadros de una coleccin
que se compone de 12 cuadros.
Cuntos nmeros de 4 cifras diferentes y mayores que 5000, se
pueden formar con los siguientes dgitos : 1, 3, 4, 6,7 y 9.
Cuntos nmeros de 4 cifran pueden formarse con los dgitos 0,1,.,9
si:
o Se permite las repeticiones.
o No se permite las repeticiones.
o El ltimo dgito debe ser cero y no se permite las repeticiones.
)! (
!
k n
n
P
n
k
-
=
2.4.2 Permutaciones de n elementos tomados k
TCNICAS DE CONTEO
30
5 May 2014
2.4.3 Permutaciones con Reposicin
Si un experimento puede ocurrir de n maneras diferentes y se ha de
repetir k veces, entonces el numero de maneras que puede ocurrir en
las k repeticiones es n
k
.
Ejemplos:
- Para un anlisis estadstico se debe tomar una muestra de
tamao 3 a una poblacin de 20 elementos. cuntas muestras
diferentes se podr tomar si la seleccin se hace con reposicin?
- Con los dgitos 1, 2, 3, 4 ,5 y 6 Cuntos nmeros posibles de
tres cifras se pueden formar?, si i) Cada nmero se usa una sola
vez. ii) cada nmero puede usarse mas de una vez.
- Se lanza una moneda 3 veces, determinar el nmero de
elementos que tiene el espacio muestral generado.
TCNICAS DE CONTEO
31
5 May 2014
2.4.4 Permutaciones por grupos
Si un conjunto tiene n resultados agrupados en n
1
, n
2
, .., n
k
elementos
similares, entonces el numero de maneras diferentes en que pueden ser
ordenados es:
! n ... ! n ! n
n!
P
k 2 1
n
n ,..., n , n
k 2 1
=
Ejemplo:
- Cuntas palabras diferentes pueden formarse con las letras de la
palabra BIOLOGIA?
- En una urna se tiene: 2 bolillas rojas, 3 bolillas verdes y 4 bolillas
negras. De cuntas maneras diferentes puede agrupar dichas bolillas?
TCNICAS DE CONTEO
32
5 May 2014
2.5 Combinaciones
Son arreglos de los elementos de un conjunto sin tomar en
cuenta el orden en que ellos se ubiquen.
k)! - (n k!
n!
k
n
C
n
k
=
|
|
.
|
\
|
=
Ejemplos:
- Cuantos grupos de 3 alumnos se pueden formar de un total de 30
alumnos?
- Si en un grupo de 9 personas se encuentran 4 administradores, 3
ingenieros y 2 economistas. Determine cuntos equipos de tres
personas se pueden formar. Y si el equipo debe tener una persona
de cada especialidad?. Y si en el equipo debe haber 2
administradores?. En cuentos de estos equipos se tiene por lo
menos 2 administradores?
TCNICAS DE CONTEO
33
5 May 2014
PROBABILIDAD

Es un nmero entre 0 y 1 inclusive, que mide la
creencia posibilidad de ocurrencia de un
evento especfico, que es el resultado de un
experimento.
34
0sP[ocurra un evento]s1
5 May 2014
Enfoques de la probabilidad
Probabilidad Clsica

Ej. Se lanza un dado legal. Cual es la probabilidad que el
resultado sea un nmero par.
) n(
n(E)
posibles casos #
E de favor a casos #
P(E) = =
PROBABILIDAD
2
4
3
5
6
1
E
O
5 . 0
6
3
) ( = = E P
Concepto de Frecuencia Relativa
Probabilidad de un evento (o suceso), es la frecuencia relativa, (%) de
veces que ocurrira el evento (o suceso) al realizar un experimento
repetidas veces.

PROBABILIDAD
Estudiantes segn Carrera
- FACEE URP -
Facultad f
j
h
j
(%)
Administracin 449 44,90%
Contabilidad 387 38,70%
Economa 164 16,40%
T o t a l 1000 100,00%
n
f
lim h lim P( E)
E
n
E
n
= =
Probabilidad Subjetiva
Es asignado en base a cualquier informacin que se disponga.
La probabilidad refleja el grado de seguridad (creencia) de que un
evento ocurra
PROBABILIDAD
5 May 2014
Axiomas de probabilidad
( ) 0 P E >
( ) 1 P O =
( ) ( ) ( ) : P EU F P E P F si E F = + = u
4) Si E
1
, E
2
, E
3
, E
4
,...,E
n
, es una sucesin de
eventos disjuntos dos a dos, entonces:
= =
=
n
i
n
i
Ei P Ei P
1 1
) ( ) (
PROBABILIDAD
3)
38
1)
2)
5 May 2014
Teoremas de Probabilidad
2)
0 ( ) 1 P E s s
( ) ( ) ( ) ( ) P EU F P E P F P E F = +
( ) 1 ( )
c
P E P E =
( ) ( ) ( ) P E F P E P E F =
( ) ( ) Si E F P E P F _ s
PROBABILIDAD
3)
4)
5)
6)
39
1)
0 ) P( =
Probabilidad del Complemento
100
60
1 ) (
100
60 100
) (
=
=
A P
A P
En un saln de 100 alumnos, 60 son mayores de edad Cul es la
probabilidad de escoger al azar un estudiante que no sea mayor de edad?
En este caso:
El experimento : Seleccionar al azar un estudiante ,
y el evento A, es tal que:
A : El estudiante seleccionado es mayor de edad
60
40
A
A
n()=100
4 . 0
100
40
) ( = = A P
O, segn el teorema:
4 . 0
100
40
100
60
1
) (
) (
1 ) ( 1 ) ( = = =
O
= =
'
n
A n
A P A P
Si adems en el aula hay 50 estudiantes hombres, de los que 25 son
mayores de edad; cul es la probabilidad de seleccionar al azar un
estudiante que sea mayor de edad o mujer?
Probabilidad de la Unin
Sea el evento B: la estudiante seleccionada es una mujer
15
75 . 0
100
75
100
15 5 3 5 2
) n(
n(AUB)
P(AUB) = =
+ +
=
O
=
A
B
35
25
25
Probabilidad de la Unin
P(AB)=P(A)+P(B)P(AB)
A
B
50
60
35
75 . 0
100
75
100
35
100
50
100
60
(AUB) = = + = P
Cul es la probabilidad de seleccionar al azar un estudiante
que no sea mayor de edad no sea mujer?
) ( 1 ) ( ) ( B A P B A P B A P =
'
=
'
'
65 . 0 35 . 0 1 ) ( = =
'
'
B A P
Cul es la probabilidad de seleccionar al azar un estudiante
que no sea ni mayor de edad ni mujer?
) ( 1 ) ( ) ( B A P B A P B A P =
'
=
'
'
25 . 0 75 . 0 1 ) ( = =
'
'
B A P
Probabilidad con leyes de Morgan
PROBABILIDAD DE UN EVENTO
ESPACIOS MUESTRALES FINITOS
Sea ={w
1
, w
2
, ........, w
n
}
y sea E , un evento de P(E)= ?

Pueden darse las siguientes situaciones:
A. Si E est constituido por un solo elemento (Evento simple):
E = {w
i
}; i = 1, 2, ......, n.
A cada evento elemental E={w
i
} le asignamos un nmero real
p
i
=P{w
i
}, llamado probabilidad del evento {w
i
}, que satisface:

i) p
i
0 ; i = 1,2, ....., n

ii) p
1
+ p
2
+ ... + p
n
= 1

=
=
n
1 i

p
B. Si E est constituido por k resultados (1 k n), digamos
E = {w
j1
, w
j2
, ........, w
jk
}; j
1
. j
2
, .... ,j
k
, representa cualquier ndice
k de 1 n.
De modo que:
P(E) = P({w
j1
, w
j2
, ........, w
jk
}); es decir:

P(E) = P({w
j1
}{w
j2
} ........ {w
jk
})

P(E) = P({w
j1
})+P({w
j2
})+ ........ +P({w
jk
}); de donde:

P(E) = p
j1
+p
j2
+...+p
jk

=
=
n
1 i
ji
p
Ejemplo: Suponga que un experimento tiene slo 3 resultados
posibles (w
1
, w
2
y w
3
). Suponga adems que la ocurrencia de W
1
es
dos veces mas probable que la de W
2
, la cual es tres veces mas
probable que w
3
. Hallar p
i
=P({w
i
}) ; i=1, 2, 3.
En este caso:
= {w
1
, w
2
, w
3
}, adems:
p
1
= 2p
2
y p
2
= 3p
3
,
Pero como: p
1
+ p
2
+ p
3
= 1, se tiene que:
6p
3
+ 3p
3
+ p
3
= 1; de modo que:
p
1
= 6/10; p
2
= 3/10 y p
3
= 1/10
Suposicin frecuente: Todos los resultados son igualmente
probables
Sea: E ={w
j1
, w
j2
, ........, w
jk
} un evento de
entonces ocurre que:
P() = P({w
1
, w
2
, ........, w
n
})=1
= P({w
1
})+ P({w
2
})+....+ P({w
n
})=1
, lo que es lo mismo: p
1
+p
2
+... +p
n
=1
Pero, si ocurre que: p
1
= p
2
= .... = p
n
= p;
entonces se tiene que: np = 1
es decir: p = 1/n ; i =1, 2, ..., n
De modo que: P(E) = P({w
j1
, w
j2
, ........, w
jk
})
= p
1
+p
2
+......+p
k
=kp
Es decir: P(E) = k/n
Resultados igualmente probables
Probabilidad Condicional
Se lanza un dado Cul es la probabilidad de obtener un nmero
menor de 4 SI sabemos que el nmero que ha salido es par?
Entre cuntos puntos
muestrales se debe
escoger?
A: obtener un nmero par
B: obtener un nmero menor de 4.
P(B/A)
3
1
2
4
6
A
B
5
2
4
6
3
5
1
A
B
y, si dividimos el numerador y denominador por n(), obtenemos:
Slo entre tres: el nmero de puntos del evento A
Probabilidad Condicional
3
1
) / ( = A B P
) (
) (
) / (
A n
A B n
A B P

=
Pero:
) (
) (
) (
) (
) / (
A P
B A P
A P
A B P
A B P

=
=
Probabilidad de Interseccin
Cul es la probabilidad de obtener un nmero par Y menor de 4?
A: obtener un nmero par
B: obtener un nmero menor de 4.
P(AB)
2
4
6
3
5
1
A
B
3 / 1
6 / 3
6 / 1
) (
) (
) / ( = =
=
A P
B A P
A B P
y adems:
6
1
) ( = B A P
Que es idntico al
resultado obtenido en el
caso anterior
De lo anterior.....
P(B/A)=
P(BA)
P (A)
P(A/B)=
P(AB)
P (B )
P( AB ) = P(A)P(B/A)
= P(B)P(A/B)
MULTIPLICACION DE PROBABILIDADES
Probabilidad condicional
Se llama probabilidad de A condicionada a B, o probabilidad de A sabiendo
que ocurri B:
) (
) (
) | (
B P
B A P
B A P

=
Error muy frecuente:
- No confundir probabilidad condicionada con interseccin.
- En ambos medimos efectivamente la interseccin, pero
En P(AB) con respecto a P()=1
En P(A|B) con respecto a P(B)

A
E espacio muestral
B
Intuir la probabilidad condicionada
B
A
P(A) = 0,25
P(B) = 0,10
P(AB) = 0,10
B
A
Probabilidad de A sabiendo que ha ocurrido B?
P(A|B)=1
P(A|B)=0,8
P(A) = 0,25
P(B) = 0,10
P(AB) = 0,08
Intuir la probabilidad condicionada
A
B
A
B
Probabilidad de A sabiendo que ha ocurrido B?
P(A|B)=0,05
P(A|B)=0
P(A) = 0,25
P(B) = 0,10
P(AB) = 0,005
P(A) = 0,25
P(B) = 0,10
P(AB) = 0
Cualquier problema de probabilidad puede resolverse en
teora, mediante aplicacin de los axiomas. Sin embargo, es
ms cmodo conocer algunas reglas de clculo:
P(A) = 1 - P(A)

P(AUB) = P(A) + P(B) - P(AB)

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

= P(B) P(A|B)

Probabilidad que ocurran los eventos A y B, es igual a la
probabilidad que ocurra A y que tambin ocurra B, sabiendo que
ocurri A.
Algunas reglas de clculo prcticas
Dos eventos son independientes si el que ocurra uno, no aade
informacin sobre el otro. Es decir, la ocurrencia de uno no
influye en la ocurrencia del otro.
A es independiente de B

P(A|B) = P(A)
P(AB) = P(A) P(B)
Independencia de eventos
Si A y B son dos eventos independientes definidos en un mismo
espacio muestral, entonces se cumple que:
i) P(AB) = P(A) P(B)
Adems, son independientes tambin los siguientes eventos:
ii) A y B P(AB) = P(A) P(B)
iii) A y B P(AB) = P(A) P(B)
iv) A y B P(AB) = P(A) P(B)
Ejemplo (I)
Se ha repetido en 1000 ocasiones el experimento de elegir a
una estudiante mujer de la poblacin de estudiantes de la
FACEE-URP. El resultado est en la tabla.
Cul es la probabilidad de que una estudiante mujer sea
estudiante de Economa?
P(E)=64/1000=0,064=6,4%
Nocin frecuentista de probabilidad
NO SI
ADMINISTRACION 189 280 469
CONTABILIDAD 108 359 467
ECONOMIA 6 58 64
TOTAL 303 697 1000
CLASIFICACION
MAYOR DE 21 AOS
TOTAL
Ejemplo (II)
Probabilidad de estudiar Contabilidad o Economa
P(CUE)=467/1000+64/1000=0,531
Estudiar Contabilidad y estudiar Economa son eventos disjuntos
Es decir: CE=
P(CE) = 0
Probabilidad de estudiar Economa o ser mayor de 21 aos?
P(EUM)=64/1000+697/1000-58/1000=0,703
Estudiar Economa y ser mayor de 21 aos No son eventos disjuntos
Es decir: EM
Probabilidad que una mujer estudie Administracin?
P(A)=469/1000=0,469
P(A)=1-P(A)=1-P(CUE)
=1-0,531=0,469
NO SI
ECONOMIA 6 58 64
TOTAL 303 697 1000
CLASIFICACION
MAYOR DE 21 AOS
TOTAL
Ejemplo (III)
Si es mayor de 21 aos probabilidad de estudiar economa?
P(E|M)=58/697=0,098
Probabilidad de ser mayor de 21 aos y estudiar Economa?
P(ME) = 58/1000=0,058

Otra forma:
P(ME)= P(M)xP(E/M)

NO SI
ECONOMIA 6 58 64
TOTAL 303 697 1000
CLASIFICACION
MAYOR DE 21 AOS
TOTAL
058 , 0
1000
58
697
58
*
1000
697
= =
Ejemplo (IV)
Son independientes mayor de 21 aos y estudiante de Economa?
Una forma:
P(E)=64/1000=0,064
P(E/M)=58/697=0,098
La probabilidad de estudiar economa es mayor si ha ocurrido que la
persona es mayor de 21 aos. En este caso, se aade informacin extra,
luego No son independientes!
NO SI
ECONOMIA 6 58 64
TOTAL 303 697 1000
CLASIFICACION
MAYOR DE 21 AOS
TOTAL
Otra forma:
P(ME)=58/1000 = 0,058
P(M)xP(E)=(697/1000)x(64/1000) = 0,045
La probabilidad de la interseccin no es igual al producto de
probabilidades, luego, No son independientes!.
Sistema exhaustivo y excluyente de eventos
Son una coleccin de eventos:
A
1
, A
2
, A
3
, A
4

Tales que la unin de todos ellos
forman el espacio muestral, y sus
intersecciones son disjuntas.
Recuerda cmo son los intervalos
en tablas de frecuencias?
A
1
A
2
A
3
A
4
Evento
seguro
A
1
A
2
A
3
A
4
Divide y vencers
A
1 A
2
A
3
A
4
B
Todo evento B, puede ser descompuesto
en componentes de dicho sistema.
B = (BA
1
)U(BA
2
)U(BA
3
)U(BA
4
)
Nos permite descomponer el problema B en subproblemas ms simples. Es
cierto, Funciona.
Evento
seguro
A
1
A
2
A
3
A
4
B

B

B

B

Teorema de la probabilidad total
A
1
A
2
A
3 A
4
B
Si conocemos la probabilidad de B en
cada uno de los componentes de un
sistema exhaustivo y excluyente de
eventos, entonces podemos calcular la
probabilidad de B.
P(B) = P(BA
1
) + P(BA
2
) + P(BA
3
) + P(BA
4
)
=P(A
1
) P(B|A
1
) + P(A
2
) P(B|A
2
)+
Evento
seguro
A
1
A
2
A
3
A
4
B

B

B

B

P(A
1
)
P(A
2
)
P(A
3
)
P(A
4
)
P(B|A
1
)
P(B|A
2
)
P(B|A
3
)
P(B|A
4
)
Ejemplo (I): En una aula, el 70% de los alumnos son mujeres. De ellas el
10% son fumadoras. De los hombres, son fumadores el 20%.

Qu porcentaje de fumadores hay?

P(F) = P(MF) + P(HF)

= P(M)P(F|M) + P(H)P(F|H)

=0,7 x 0,1 + 0,3 x 0,2

= 0,13 13%

T. Prob. Total.
Hombres y mujeres forman un sistema exhaustivo y excluyente de eventos
Estudiante
Mujer
No fuma
Hombre
Fuma
No fuma
Fuma
0,7
0,1
0,2
0,3
0,8
0,9
Las rutas a travs de nodos representan
intersecciones. Las bifurcaciones representan
uniones disjuntas.
Teorema de Bayes
A
1
A
2
A
3
A
4
B
Si conocemos la probabilidad de B
en cada uno de los componentes de
un sistema exhaustivo y excluyente
de eventos, entonces

si ocurre B, podemos calcular la
probabilidad (a posteriori) de
ocurrencia de cada A
i
.
donde P(B) se puede calcular usando el teorema de la probabilidad total:
P(B)=P(BA
1
) + P(BA
2
) + P( BA
3
) + ( BA
4
)
=P(B|A
1
) P(A
1
) + P(B|A
2
) P(A
2
) +
P(B)
) A P(B
/B) P(A
i
i

=
Ejemplo (II): En esta aula el 70% de los alumnos son mujeres. De ellas
el 10% son fumadoras. De los varones, son fumadores el 20%.
Qu porcentaje de fumadores hay?
P(F) = =0,7 x 0,1 + 0,3 x 0,2 = 0,13 (Resuelto antes)
Se elije a un individuo al azar y es fumador
Cul es la probabilidad de que sea un hombre?
No fuma
Fuma
Estudiante
Mujer
No fuma
Hombre
Fuma
0,7
0,1
0,2
0,3
0,8
0,9
46 , 0
13 , 0
2 , 0 3 , 0
) (
) | ( ) (
) (
) (
) | (
=
=
=
=
F P
H F P H P
F P
F H P
F H P

Tema6-Introduccion A Las Probabilidades

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Tema6-Introduccion A Las Probabilidades

Încărcat de

Drepturi de autor:

Formate disponibile

5 May 2014

S-ar putea să vă placă și