Documente Academic
Documente Profesional
Documente Cultură
2. EL CANDIDATO Y GANARÁ
A B
1
A 3
4
5
2
6 C
B
1
A 3
4
5
2
6 C
1
A 3
4
5
2
6 C
A – B = ={ 1, 3, 5 } - { 3, 4 } = { 1, 5 }, N(A – B) = 2
A – C = { 1, 3, 5 } - { 2,4,6 } = { 1,3,5 } = A, N( A – C) = N(A) = 3
B – C = { 3, 4 } - { 2,4,6 } = { 3 }, N(B-C) = 1
B
1
A 3
4
5
2
6 C
Ac = { 2, 4, 6} = C N(Ac ) = N( C )= 3
Bc = {1, 2, 5, 6 } N(Bc ) = 4
Cc = {1, 3, 5 } = A N(Cc ) = N(A) = 3
Probabilidad Clásica y Frecuencial.
NCF
P( A) =
NCT
donde
NCF - número de casos favorables
NCT - número de casos totales
Ejemplo:
N ( A) 1
P( A) = = = .5
N (W ) 2
Leyes De La Probabilidad
P(A)
___________________________________
•-2 -1 0 1 2
Axioma 2.- La probabilidad del espacio muestral Ω es
un evento seguro, es uno
P(Ω) = 1
Ejemplo.
Experimento. Se lanza un dado
Si A =Ω, es decir si el evento A coincide o es igual al
espacio muestral, entonces.
N ( A) N ( S )
P( A) = = =1
N (W ) N ( W)
Teorema 1. Si es el conjunto vacío,
entonces la probabilidad de es igual a 0
N (�)
P (�) = =0
N (W )
Ejemplos:
Una persona que quiere ganar la lotería, 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
Axioma 3. Sea Ω un espacio muestral cualquiera
y sean A y B dos eventos tales que
A Ω, B Ω y A B = , es decir, dos eventos
mutuamente exclusivos, entonces
P(A B) = P(A) + P(B).
A B
A B
Ejemplo:
Experimento: Se lanzan dos monedas Ω = { cc, ss, cs, sc}
N(Ω) = 4
Sean:
AB
Diferencia
Sean A y B dos eventos:
A-B = { x | x A y x B }
A
B
A- B
Ejemplo.
Experimento. Se lanza un dado y una moneda
Ω = {1c, 2c, 3c, 4c, 5c, 6c, 1s, 2s, 3s, 4s, 5s, 6s }
N(Ω) = 12
A: Al lanzar un dado y una moneda aparezcan el
número 2 o 3 con cara.
B: Al lanzar un dado y una moneda aparezcan
números pares con cara.
A = { 2c, 3c }, N(A) = 2
B = { 2c, 4c, 6c } N(B) = 3
A B = { 2c } N(A B ) = 1
P(A B) = P(A) + P(B) - P(A B)
= 2/12 + 3/12 – 1/12 = 4/12 = 1/3
Teorema 3.Sea A un evento cualquiera y Ω un
espacio muestral, tal que A Ω, si Ac es el
complemento del evento A, entonces la
probabilidad de Ac es igual a 1 menos la
probabilidad de A, es decir
P(Ac) = 1 – P(A)
Experimento.- Se lanza un dado y una moneda
Ω = {1c, 2c, 3c, 4c, 5c, 6c, 1s, 2s, 3s, 4s, 5s, 6s }
N(Ω) = 12
A: Al lanzar un dado y una moneda aparezcan el
número 2 o 3 con cara.
B: Al lanzar un dado y una moneda aparezcan
números pares con cara.
A = { 2c, 3c }, N(A) = 2
B = { 2c, 4c, 6c } N(B) = 3
Ac = { 1c, 4c, 5c, 6c, 1s, 2s, 3s, 4s, 5s, 6s }
P(Ac) = 1 – P(A) = 1 – 2/12 = 10/12
Bc = { 1c, 3c, 5c, 1s, 2s, 3s, 4s, 5s, 6s }
P(Bc) = 1 – P(B) = 1 – 3/12 = 9/12
Probabilidad Condicional.
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 )
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)
Ejemplo:
Experimento: Lanzar un dado.
A: que al lanzar el dado caiga 3
E: que al lanzar un dado salga un impar
Ω = {1,2,3,4,5,6}
A = {3}, E = { 1,3,5}, (AE) = {3},
P(A) = 1/6
P(A/E) = P(AE)/ P(E)
= 1/6 / 3/6 = (1)(6)/(6)(3)
= 6/18 = 1/3
Otra forma de calcular las probabilidades de la
intersección y las probabilidades condicionales, de
dos eventos A y B, tal que
A AC = Ω
B BC = Ω
es elaborando primero la tabla de número de
elementos de los eventos y después la tabla de sus
probabilidades.
Se tienen los eventos A y B y sus complementos
Ac, Bc
B Bc Total
A AB ABc A
Ac AcB AcBc Ac
Total B Bc Ω
Tabla de número de elementos de A, B y sus
complementos Ac, Bc
B Bc Total
B Bc Total
D E Total
M 800/8000 = .1 3200/8000= .4 4000/8000= .5
INDEPENDENCIA DE n EVENTOS
P( A1 I A2 I A3 I ... I 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)=.20 M3
ND
P(ND/M3)=.95
P(D) = .015+.012+.01=.037
Teorema de Bayes.- Supóngase que A1, A2, A3,...,An
es una partición de un espacio muestral Ω. En cada
caso P(Ai) ≠ 0. La partición es tal que A1, A2, A3,...,An,
son eventos mutuamente exclusivos. Sea E cualquier
evento, entonces para cualquier Ai,
P( Ai ) P( E / AI )
P( Ai / E ) =
P( A1 ) P( E / A1 ) + P( A2 ) P( E / A2 ) + + P( An ) P( E / An )
Como la probabilidad completa de E es :
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