PROBABILIDAD Y ESTADISTICA
-
Upload
hiroko-boyd -
Category
Documents
-
view
112 -
download
2
description
Transcript of PROBABILIDAD Y ESTADISTICA
PROBABILIDAD Y ESTADISTICA
PROBABILIDAD
PROBABILIDAD
El concepto de probabilidad es manejado por mucha gente. Frecuentemente se escuchan preguntas como las que se mencionan a continuación:¿ Cuál es la probabilidad de que me saque la
lotería o el melate ?¿ 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.
En este curso lo que se quiere es entender con claridad su contexto, como se mide y como se utiliza al hacer inferencias.
PROBABILIDAD
El conocimiento de la probabilidad es de suma importancia en todo estudio estadístico.
El cálculo de probabilidades proporciona las reglas para el estudio de los experimentos aleatorios o de azar, que constituyen la base para la estadística inferencial.
PROBABILIDAD
Fenómenos Aleatorios y Fenómenos Deterministicos.
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
La probabilidad estudia el tipo de fenómenos aleatorios.
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 determinadoLanzar un par de dadosObtener una carta de una barajaLanzar una moneda
PROBABILIDAD
Otros ejemplos de eventos:A: que al nacer un bebe, éste sea
niñaB: que una persona de 20 años,
sobreviva 15 años másC: 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 del CEUDLA, y se desea determinar si el candidato X puede ganar.
Población de interés: Conjunto de respuestas de los estudiantes que votarán el día de las elecciones.
Criterio de gane: Si obtiene el más del 50% de los votos.
PROBABILIDAD
Supóngase que todos los estudiantes de la UDLA van a las urnas y se elige de manera aleatoria, una muestra de 20 estudiantes.
Si los 20 estudiantes apoyan al candidato
¿ Qué concluye respecto a la posibilidad que tiene el candidato X de ganar las elecciones ?
PROBABILIDAD
1.- EL CANDIDATO X GANARA
2.- EL CANDIDATO Y GANARA
3.- NO SE PUEDE CONCLUIR NADA
PROBABILIDAD
1.- EL CANDIDATO X GANARA
GANAR IMPLICA OBTENER MAS DEL 50%Y COMO LA FRACCION QUE LO
FAVORECE EN LA MUESTRA ES 100%, ENTONCES LA FRACCION QUE LO FAVORECERA EN LA POBLACION SERA IGUAL.
¿ ES CORRECTA ESTA INFERENCIA ?.
PROBABILIDAD
1.- EL CANDIDATO X GANARA
SERIA IMPOSIBLE QUE 20 DE LOS 20 VOTANTES DE LA MUESTRA LO APOYARAN, SI EN REALIDAD, MENOS DEL 50% DE LOS VOTANTES PENSARIA VOTAR POR EL.
¿ ES CORRECTA ESTA INFERENCIA ?.
PROBABILIDAD
NO.
SI BIEN NO ES IMPOSIBLE OBTENER 20 VOTANTES A FAVOR DE X EN UNA MUESTRA DE 20, SI ES PROBABLE QUE MENOS DEL 50% DE LOS VOTANTES ESTE A FAVOR DE EL, AUN CUANDO SEA MUY POCO PROBABLE.
PROBABILIDAD
TOME UNA MONEDA HONRADA Y LANCELA 20 VECES ANOTANDO LOS RESULTADOS.
LLAME X = CAE AGUILA Y = CAE SOL.
¿ CUAL ES LA FRACCION DE AGUILAS Y CUAL ES LA FRACCION DE SOLES ?.
PROBABILIDAD
TOME UNA MONEDA HONRADA Y LANCELA 20 VECES ANOTANDO LOS RESULTADOS.
LLAME X = CAE AGUILA Y = CAE SOL.
¿ CUAL ES LA FRACCION DE AGUILAS Y CUAL ES LA FRACCION DE SOLES ?.
PROBABILIDAD
Espacio Muestral Es el conjunto de todos los posibles
resultados de interés de un experimento dado, y se le denota normalmente mediante la letra S.
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 sol o que caiga águila. (Si cae de canto no es de interés y se repite el lanzamiento).
S = s, a
PROBABILIDAD
2.- Experimento: Se lanza un dado.Espacio muestral = total de caras en que
puede caer el dado, o sea seis formas de interés:
S = 1, 2, 3, 4, 5, 6
PROBABILIDAD
Los eventos aleatorios se denotan normalmente con las letras mayúsculas A, B, C, ...
Son subconjuntos de S, esto es, A, B, C,… S
Los eventos aleatorios son conjuntos que pueden contener un solo elemento, una infinidad de elementos, y también no contener ningún elemento.
Al número de puntos muestrales de S se le representa por N(S)
PROBABILIDAD
Eventos aleatorios que aparecen con gran frecuencia en el cálculo de probabilidades:
Evento seguro.- Siempre se verifica después del experimento aleatorio, son los mismos del espacio muestral.
E = S y N(E) = N(S)
Evento Imposible.- Es aquel que nunca se verifica como resultado del experimento aleatorio. No tiene elementos de interés para su fenómeno. Es un subconjunto de S, y la única posibilidad es que el evento imposible sea el conjunto vacío.
S, y N() = 0
PROBABILIDAD
Evento Elemental.- Es el evento E que contiene exactamente un punto muestral de S, esto es, N(E) = 1.
Cada elemento del espacio muestral, es un evento elemental. También se le denomina como punto muestral.
Si s1, s2 S entonces s1, s2
son eventos elementales.
PROBABILIDAD
Ejemplos (1) y (2): En el experimento 1, S = s, a , s y a son sucesos
elementalesN(S) = 2
A = Que caiga sol = s , N(A) = 1B = Que caiga águila = a , N(B) = 1
PROBABILIDAD
En el experimento 2, S = 1, 2, 3, 4, 5, 6 , 1, 2, 3, 4, 5 y 6 son
sucesos elementales, y N(S) =6A = 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 Ā, y se define como:
s tal que cA s A
PROBABILIDADEjemplo: Experimento: Se lanza una moneda tres veces.Espacio Muestral: Ω = (S,S,S), (S,S,A), (S,A,S), (A,S,S), (A,A,S), (A,S,A),
(S,A,A), (A,A,A) , N(Ω) = 8, S es el evento seguro.
Evento simple: B:Que salgan tres soles; B = (S,S,S) , N(B) = 1
Evento compuesto: E: Que salgan al menos dos soles;E = (S,S,S), (S,S,A), (S,A,S), (A,S,S) , N(E) = 4
Evento imposible: (conjunto vacio). N() = 0
PROBABILIDAD
Si un espacio muestral contiene n puntos muestrales, hay un total de 2n subconjuntos o eventos ( se le conoce como conjunto potencia ).
Por tanto para el ejemplo anterior existen: 28 = 256, eventos posibles.
Para el caso del experimento: se tira una moneda,
el espacio muestral es de 2 puntos muestrales
S = A, S, por lo que se tienen 22 = 4 subconjuntos y el conjunto potencia es: (A,S), (A), (S), (conjunto vacio).
PROBABILIDAD
Operaciones Básicas con Eventos Aleatorios
Ya que los eventos aleatorios son subconjuntos del conjunto Ω, espacio muestral, se pueden aplicar las conocidas operaciones con conjuntos, a los eventos, como son la unión, la intersección y la diferencia de eventos.
PROBABILIDAD
OPERACIÓN EXPRESION
DESCRIPCION
UNION A B Unión de eventos originales: es el evento que sucede si y solo si A sucede o B sucede o ambos
suceden INTERSECCION A B Intersección de los eventos
originales, es el evento que sucede si y sólo si A y B suceden simultáneamente.
DIFERENCIA A - B La diferencia de los eventos originales A y B, es el evento que sucede solo en A pero no en B.
PROBABILIDAD
Gráficamente estas operaciones se pueden representar a través de los diagramas de Venn.
Sea Ω el espacio muestral y A y B eventos tal que A, B Ω gráficamente se puede expresar como:S
A B
Fig. 1 Los eventos A y B no tienen elementos del espacio muestral en común.
PROBABILIDAD
S
A B
Fig 2. Los eventos A y B tienen elementos del espacio muestral en común.
PROBABILIDAD
De acuerdo a lo indicado en las figuras 1 y 2, la unión de dos eventos se presenta de dos formas diferentes: cuando los eventos son mutuamente exclusivos (que no tienen elementos en común) y cuando entre los eventos hay elementos comunes.
Definición.- Se dice que dos eventos A y B son mutuamente exclusivos, cuando no pueden ocurrir simultáneamente, es decir, A B = , lo que ocurre en la fig. 1.
PROBABILIDAD
Ejemplo:Experimento: Se lanza un dado.Espacio muestral = total de caras en que
puede caer el dado, o sea seis formas de interés:
S = 1,2,3,4,5,6 , N(S) = 6Sean A, B, C los eventos:A: Que caiga un número impar = 1, 3, 5 , N(A) = 3B: Que caiga un número mayor de 2 y menor
que 5 = 3, 4 , N(B) = 2C: Que caiga un número par = 2, 4, 6 , N(C) = 3
PROBABILIDAD
A B = 1, 3, 5 3, 4 = 1,3,4,5, N(A B) = 4 A C = 1, 3, 5 2,4,6 = 1,2,3,4,5,6=S, N(A C) = N(S)
= 6B C = 3, 4 2, 4, 6 = 2,3,4,6, N(B C) = 4 A B C = 1, 3, 5 3, 4 2,4,6 = 1,2,3,4,5,6=S, N(A B C) = 6
S
AB
C
1
5
34
26
PROBABILIDAD
A B= 1, 3, 5 3, 4 = 3, N(AB) = 1 A C= 1, 3, 5 2,4,6 = , N(A C) = N) = 0B C= 3, 4 2, 4, 6 = 4, N(B C) = 1 (A B) C = ( 1, 3, 5 3, 4 ) 2,4,6 = 3 2,4,6 =, N((A B) C) = N) = 0A (B C) = 1, 3, 5 ( 3, 4 2,4,6 )= 1, 3, 5
4 =, N(A (B C)) = N) = 0
S
AB
C
34
PROBABILIDAD
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
S
AB
C
1
5
3
PROBABILIDAD
Ac = 2, 4, 6 = C N(Ac ) = N( C )= 3Bc = 1, 2, 5, 6 N(Bc ) = 4Cc = 1, 3, 5 = A N(Cc ) = N(A) = 3
S
AB
C
1
5
34
26
PROBABILIDAD
Probabilidad Clásica y Frecuencial.Probabilidad frecuencial y regularidad
estadísticaLas frecuencias relativas de un evento
tienden a estabilizarse cuando el número de observaciones se hace cada vez mayor.
Ejemplo: La regularidad estadística en el experimento del lanzamiento de monedas, indica que las frecuencias relativas del evento: que salga sol s , se tiende a estabilizar aproximadamente en .5= 1/2.
PROBABILIDAD
Probabilidad frecuencial y regularidad estadística
La probabilidad de un evento A, denotada por P(A), es el valor en el que se estabilizan las frecuencias relativas del evento A, cuando el número de observaciones del experimento se hace cada vez mayor.
PROBABILIDAD
Esto es:
dondeN(A) = número de elementos del evento
AN(Ω) = número de elementos del espacio
muestral Ω.
( )( ) (2)
( )
N AP A
N
PROBABILIDAD
Probabilidad clásica.- Sea S un espacio muestral cualquiera y A un
evento de ese espacio. Se define la probabilidad P del evento A, como:
dondeNCF - número de casos favorablesNCT - número de casos totales
(1) )(NCT
NCFAP
PROBABILIDAD
Ejemplo:Experimento.- Se lanza una monedaEvento A.- que al lanzar una moneda caiga
águila. Calcular la probabilidad de A:S = A, S, N(Ω) = 2A = A , N(A) = 1
( ) 1( ) .5
( ) 2
N AP A
N
PROBABILIDAD
Leyes De La ProbabilidadLas relaciones que se dan entre los
eventos al ser aplicadas las operaciones que se presentaron, se facilitan y comprenden mejor haciendo uso de los axiomas y teoremas de probabilidad (Leyes de Probabilidad).
Axioma.- es una verdad evidente que no requiere demostración.
Teorema.- Es una verdad que requiere ser demostrada.
PROBABILIDAD
Axioma 1.- Sea S un espacio muestral cualquiera y A un evento, tal que A S, entonces se cumple que
0 P(A) 1 (3)
esto significa que la probabilidad de cualquier evento no puede ser más grande que uno, ni ser menor que cero. Si es igual a 1 se llama evento seguro, y cuando es cero se llama evento imposible.
P(A)___________________________________• -2 -1 0 1 2
PROBABILIDAD
Axioma 2.- La probabilidad del espacio muestral Ω es un evento seguro, es uno
P(Ω) = 1
Ejemplo.-Experimento.- Se lanza un dadoSi A =Ω, es decir si el evento A coincide o es igual
al espacio muestral, entonces.
( ) ( )( ) 1
( ) ( )
N A N SP A
N N
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 dadoQue una persona viva 250 añosEn estos casos los eventos son vacíos
( )( ) 0
( )
NP
N
PROBABILIDAD
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
PROBABILIDAD
Ejemplo:Experimento: Se lanzan dos monedasΩ = ss, aa, sa, asN(Ω) = 4Sean:A: el evento de que al lanzar un par de monedas
caigan dos soles exactamenteB: el evento de que al lanzar un par de monedas
caiga un sol exactamente.Los elementos de A y B sonA = ss B = sa, asSe 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
( ) 1( )
( ) 4
( ) 2( )
( ) 4
1 2 3( ) ( ) ( )
4 4 4
N AP A
N
N BP B
N
P A B P A P B
PROBABILIDAD
Axioma 4.- Sean A1, A2, A3, A4, ..., An eventos
mutuamente exclusivos: P(A1 A2 A3 A4, ... An) = P(A1) + P(A2) + P(A3) + P(A4) + ...+
P(An)
Este axioma dice que la probabilidad de varios eventos mutuamente exclusivos (que no tienen elementos en común), es igual a la suma de sus probabilidades.
Si los eventos no son mutuamente excluyentes entonces para n eventos seria:
1 2 1 2
1 2
( ... ) ( ) ( ) ... ( )
( ) ( ) ... ( ... )
n n
n n
i j i j k ki j i j k
P A A A P A P A P A
P A A P A A A P A A A
PROBABILIDAD
Ejemplo: Experimento: Se lanza un dadoSeanEvento A: que al lanzar un dado salga el 2 o el
4Evento B: que al lanzar un dado salga un
número mayor a 4Evento C: que salga el 1 o 3
Los elementos de A, B y C son
A = 2, 4, N(A) = 2B = 5, 6, N(B) = 2C = 1, 3 , N(C) = 2
PROBABILIDAD
Como A, B y C son mutuamente excluyentes, ya que A B = , A C = ,
B C = , Por axioma 4
P(A B C) = P(A) + P(B) + P(C)( ) 2
( )( ) 6
( ) 2( )
( ) 6
( ) 2( )
( ) 6
2 2 2 6( ) ( ) ( ) ( ) 1
6 6 6 6
N AP A
N
N BP B
N
N CP C
N
P A B C P A P B P C
PROBABILIDAD
Teorema 2.-(Ley Aditiva de la Probabilildad). Sean A y B dos eventos no excluyentes, A B , entonces
P(A B) = P(A) + P(B) - P(A B)
A B
PROBABILIDAD
DiferenciaSean A y B dos eventos: A-B = x | x A y x B
A
B
A - B
PROBABILIDAD
Ejemplo.-Experimento.- Se lanza un dado y una
moneda Ω = 1s, 2s, 3s, 4s, 5s, 6s, 1a, 2a, 3a, 4a, 5a,
6a N(Ω) = 12A: Al lanzar un dado y una moneda
aparezcan el número 2 o 3 con sol.B: Al lanzar un dado y una moneda
aparezcan números pares con sol. 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
Teorema 3.- Sea A un evento cualquiera y Ω
un espacio muestral, tal que AS, 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)
PROBABILIDAD
Experimento.- Se lanza un dado y una moneda
Ω = 1s, 2s, 3s, 4s, 5s, 6s, 1a, 2a, 3a, 4a, 5a, 6a
N(Ω) = 12A: Al lanzar un dado y una moneda
aparezcan el número 2 o 3 con sol.B: Al lanzar un dado y una moneda
aparezcan números pares con sol. A = 2s, 3s , N(A) = 2 B = 2s, 4s, 6s N(B) = 3 Ac = 1s, 4s, 5s, 6s, 1a, 2a, 3a, 4a, 5a, 6a P(Ac) = 1 – P(A) = 1 – 2/12 = 10/12 Bc = 1s, 3s, 5s, 1a, 2a, 3a, 4a, 5a, 6a P(Bc) = 1 – P(B) = 1 – 3/12 = 9/12
PROBABILIDAD
Probabilidad Condicional.
Sea A un evento arbitrario de un espacio muestral Ω, 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:
)(
)()/(
EP
EAPEAP
PROBABILIDAD
Eventos Independientes:
Se dice que los eventos A y E son independientes si se cumplen:
Si no se cumplen, se dice que los eventos son dependientes.
)()()(
)()/(
)()/(
BPAPBAP
EPAEP
APEAP
PROBABILIDAD
Probabilidad Condicional.
Ley Multiplicativa de la Probabilidad.
Ya que (AE) = (EA) y despejamos a P(AE), se tiene que la probabilidad de la intersección es:
)A P( )E/A P(
)()/()(
)(
)()/(
)(
)()/(
EPEAPEAP
AP
AEPAEP
EP
EAPEAP
PROBABILIDAD
Probabilidad Condicional.
Si A y B son independientes:
P(E)P(A))A P( )E/A P(
)()()()/()(
EPAPEPEAPEAP
)()(
)()(
)(
)()/(
)()(
)()(
)(
)()/(
EPAP
APEP
AP
AEPAEP
APEP
EPAP
EP
EAPEAP
PROBABILIDAD
Ejemplo:Experimento: Lanzar un dado. A: que al lanzar el dado caiga 3E: que al lanzar un dado salga un impar
Encontrar la probabilidad de que al lanzar un dado se obtenga un 3 dado que se obtuvo un impar.
Ω = 1,2,3,4,5,6A = 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
PROBABILIDAD
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.
B Bc Total
A AB ABc A
Ac AcB AcBc Ac
Total B Bc Ω
Se tienen los eventos A y B y sus complementos Ac, Bc
B Bc Total
A N(AB) N(ABc) N(A)
Ac N(AcB) N(AcBc) N(Ac)
Total N(B) N(Bc) N(Ω)
Tabla de número de elementos de A, B y sus complementos Ac, Bc
B Bc Total
A P(AB) P(ABc) P(A)
Ac P(AcB) P(AcBc) P(Ac)
Total P(B) P(Bc) P( Ω)
Tabla de probabilidades de A, B, Ac, Bc y sus intersecciones
PROBABILIDAD
Probabilidades condicionales: P(A/B) = P(A B)/P(B) P(B/A) = P(A B)/P(A) P(A/Bc) = P(A Bc)/P(Bc) P(B/Ac) = P(Ac B)/P(Ac) P(Ac/B) = P(Ac B)/P(B) P(Bc/A) = P(A Bc)/P(A)
PROBABILIDAD
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).- Mujerb).- Hombrec).- Mujer dado que está empleadod).- Desempleado dado que es hombre
e).- Empleado dado que es mujer
Sean los eventos:M: Que sea MujerH: Que sea HombreD: Que sea DesempleadoE: Que sea Empleado
Desempleados D
Empleados E
Total
Mujeres M
800 3200 4000
Hombres H
200 3800 4000
Total 1000 7000 8000
Tabla Número de elementos de los Eventos M, H, D, E y S
D E TotalM 800/8000 = .1 3200/8000= .4 4000/8000= .5
H 200/8000= .025
3800/8000= .475 4000/8000= .5
Total 1000/8000= .125
7000/8000= .875 8000/8000= 1
Tabla de Probabilidades
PROBABILIDAD
P(M) = .50P(H) = .50P(E) = .875P(D) = .125P(M/E) = P(ME)/P(E) = .40/.875 = .4571P(D/H) = P(DH)/P(H) = .025/.5 = .05P(E/M) = P(ME)/P(M) = .40/.5 = .8P(M/D) = P(MD)/P(D) = .10/.125 = .8P(H/D) = P(HD)/P(D) = .025/.125 = .2
PROBABILIDAD
Eventos dependientes e independientes
En el ejemplo anterior se tiene queP(M) = .50P(H) = .50P(E) = .875P(D) = .125P(ME) = .40 P(M) P(E) = .4375P(DH) = .025 P(D) P(H) = .0625P(MD) = .10 P(M) P(D) = .0625P(EH) = .475 P(E) P(H) = .4375
PROBABILIDAD
Por tanto los eventos M y E , D y H, M y D, E y H son dependientes.
Ley general Multiplicativa para n eventos
1 2 3 1 2 1 3 1 2 1 2 1( ... ) ( ) ( \ ) ( \ )... ( \ ... )k k kP A A A A P A P A A P A A A P A A A A
INDEPENDENCIA DE n EVENTOS
1 2 3 1 2 3( ... ) ( ) ( ) ( )... ( )k kP A A A A P A P A P A P A
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
A1
A2
A3A4
A5
A6
An
PROBABILIDAD
Y sea E otro evento tal que E Ω y E Ai
A1
A2
A3A4
A5
A6
An
E
E
PROBABILIDAD
Entonces E = Ω E = (A1 A2 A3 An) E
= (A1 E) (A2 E) (A3 E)
(An E)
Al aplicar la función de probabilidad a ambos eventos, se tiene que:
P(E) = P(A1E) + P(A2E) +P(A3E) ++P(An E)
Ya que (Ai E) es ajeno a (Aj E) para i ≠ j
PROBABILIDAD
Como (Ai E) = (E Ai) entonces
P(Ai E) = P(E Ai) = P(E/Ai) P(Ai)
Entonces la probabilidad completa de E es:
P(E) = P(E/A1) P(A1) + P(E/A2) P(A2) +
P(E/A3)P(A3)+...+ P(E/An) P(An)
PROBABILIDAD
Ejemplo.- En una pequeña empresa de tejidos se
obtiene su producción con tres máquinas hiladoras M1, M2 y M3 que producen respectivamente 50%, 30% y el 20% del número total de artículos producidos.
Los porcentajes de productos defectuosos producidos por estas máquinas son 3%, 4% y 5%. Si se selecciona un artículo al azar,
¿ Cuál es la probabilidad de que el artículo sea defectuoso ?
PROBABILIDAD
Sea D el evento: Que sea un artículo defectuoso.P(M1) = .50 P(D/M1) = .03
P(M2) = .30 P(D/M2) = .04
P(M3) = .20 P(D/M3) = .05
P(D) = P(D/M1) P(M1) + P(D/M2) P(M2) +
P(D/M3) P(M3) = .03(.50) + .04(.30) + .05(.20) =
0.037
M1
M2
M3
D
ND
D
ND
D
ND
P(M1)=.50
P(M2)=.30
P(M3)=.20
P(D/M1)=.03
P(ND/M1)=.97
P(D/M2)=.04
P(D/M3)=.05
P(ND/M2)=.96
P(ND/M3)=.95
P(M1)*P(D/M1)=.5*.03=.015
P(M2)*P(D/M2)=.3*.04=.012
P(M1)*P(D/M1)=.2*.05=.01
P(D) = .015+.012+.01=.037
PROBABILIDAD
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,
)/()()/()()/()(
)/()()/(
2211 nn
Iii
AEPAPAEPAPAEPAP
AEPAPEAP
PROBABILIDAD
P(E)
)/()()/(
entonces
:es E de completa adprobabilid la Como
2211
Iii
nn
AEPAPEAP
))P(E/AP(A))P(E/AP(A))P(E/AP(AP(E)
PROBABILIDAD
Ejemplo.- En una pequeña empresa de tejidos se
obtiene su producción con tres máquinas hiladoras M1, M2 y M3 que producen respectivamente 50%, 30% y el 20% del número total de artículos producidos.
Los porcentajes de productos defectuosos producidos por estas máquinas son 3%, 4% y 5%. Supóngase que se selecciona un artículo al azar y resulta ser defectuoso. ¿Cuál sería la probabilidad de que el artículo haya sido producido por la máquina M1?
PROBABILIDAD
Ejemplo.- En una pequeña empresa de tejidos se
obtiene su producción con tres máquinas hiladoras M1, M2 y M3 que producen respectivamente 50%, 30% y el 20% del número total de artículos producidos.
Los porcentajes de productos defectuosos producidos por estas máquinas son 3%, 4% y 5%. Supóngase que se selecciona un artículo al azar y resulta ser defectuoso. ¿Cuál sería la probabilidad de que el artículo haya sido producido por la máquina M1?
PROBABILIDAD
Sea D: Que el artículo sea defectuosoND: Que el artículo no sea defectuosoM1: Que haya sido producido por la máquina 1
M2: Que haya sido producido por la máquina 2
M3: Que haya sido producido por la máquina 3
P(M1) = .50 P(D/M1) = .03
P(M2) = .30 P(D/M2) = .04
P(M3) = .20 P(D/M3) = .05
M1
M2
M3
D
ND
D
ND
D
ND
P(M1)=.50
P(M2)=.30
P(M3)=.20
P(D/M1)=.03
P(ND/M1)=.97
P(D/M2)=.04
P(D/M3)=.05
P(ND/M2)=.96
P(ND/M3)=.95
P(M1)*P(D/M1)=.5*.03=.015
P(M2)*P(D/M2)=.3*.04=.012
P(M1)*P(D/M1)=.2*.05=.01
P(D) = .015+.012+.01=.037
PROBABILIDAD
Por teorema de Bayes se tiene:
La probabilidad de que el artículo defectuoso se haya producido en la M1 es del 40.54%
4054.037.
)03)(.50(.
)(
)/()(
)/()()/()()/()(
)/()()/(
11
332211
111
DP
MDPMP
MDPMPMDPMPMDPMP
MDPMPDMP