Beruflich Dokumente
Kultur Dokumente
Espa c io m uest r a l
Es
el
co njunto
po sible s
de
r e sultado s
ex per ienc ia
to do s
lo s
de
una
a lea t o r ia ,
lo
r e pr e se ntar e mo s po r E (o bie n po r
la le tr a gr ie ga ).
Espacio
m ue st r al
de
una
mo ne da:
E = {C , X } .
Espacio m ue str al de un da do :
E = {1 , 2 , 3 , 4 , 5 , 6 }.
Suc eso a lea t o r io
Suc eso a lea t o rio e s cualquie r
subco nj unto de l e spacio mue str al .
Po r e je mplo al t ir ar un dado u n
suce so se r a qu e salie r a par , o tr o ,
o bte ne r mlt iplo de 3 , y o tr o , sa car
5.
1.
blancas
Una
y
bo lsa
ne gr as.
co ntie ne
Se
bo las
e xtr ae n
2. El suce so A = {e xtr ae r tr e s
bo las de l mismo co lo r }.
A = {( b,b ,b ); (n , n,n )}
3. El suce so B = {e xtr ae r al
me no s una bo la blanca }.
B=
{(b,b ,b) ;
( b,b, n);
(b ,n, b);
verde. Entonces sea D el suceso de que salga doble uno. Sabemos que
P(D) =
1
36
.
Suponga, sin embargo, que despus de lanzar los dados, te entere de que el dado verde ha salido uno, pero
todava no sabe nada acerca el rojo. Entonces hay ahora una probabilidad de 1/6 de que todos dos hayan
salido uno, pues la probabilidad de que el verde salga uno es 1/6. En otras palabras, la probabilidad de D
ha cambiado cuando sabe usted que ocurri el suceso relacionado:
V: El verde sale 1
Llamamos a esta probabilidad (cambiada) de D la probabilidad condicional de doble uno, dado que el
verde sale uno; es decir, la probabilidad condicional de D dado V. Escribimos:
P(D|V) =
1
6
We say:
La probabilidad de doble uno, dado que el verde sale uno, es igual a
1
6
(Hay ms abajo una definicin ms exacto.) el siguiente concurso nos guiar a la definicin matemtica
de la probabilidad condicional:
CONCUR
SO
Aqu est una tabla que muestra los resulultados (ficticios) de un ensayo clnico de una nueva crema para
el acn
Us medicacin
Us placebo
Total
Condicin mejor
800
600
1400
No cambio
500
100
600
Condicin peor
200
300
500
Total
1500
1000
2500
(En estadsticas se refiere a este tipo de tabla como una tabulacin cruzada o una tabla de contingencia.)
Calcule las siguientes:
P La probabilidad de que la condicin de un participante mejor (sin importar el tratamiento)
es:
entonces la probabilidad que acabamos de calcular es P(E|F). Lo calculamos por tomar la razn
P( E
|F)
=
Nmero de los participantes quienes us la medicacin
=
Nmero de los resultados en F
n(E F)
=
n ( F)
P( E F)
P( F)
Divida arriba y abajo por n(S)
Probabilidad condicional
Si E y F son sucesos, entonces la probabilidad de E dado F se define como
P( E|F) =
P( E F )
P( F)
Si todos los resultados son equiprobables, entonces podemos usar en cambio la siguiente formula
alternativa:
P( E|F) =
n(E F)
n ( F)
Ejemplos
1. Si haya una probabilidad del 10% de que la luna estar en la sptima casa y Jpiter se alinear con
Marte, y una probabilidad del 25% de que Jpiter se alinear con Marte, entonces cual es la probabilidad
de que la luna est en la sptima casa, dado que Jpiter se alinee con Marte?
Aqu, tome
L: La luna est en la sptima casa
J: Jpiter se alinea con Marte
P(L|J) =
P(L J)
P(J)
=
.10
.25
= .4
2. Hay una probabilidad del 10% de que Ud. viajar a Mxico y se encontrar a un desconocido alto y
moreno, y una probabilidad del 90% de que se encontrar a un desconocido alto y moreno.
P La probabilidad de que Ud. viajar a Mxico, dado que se encontrar a un desconocido alto y moreno
es:
3. Lance dos dados (uno rojo y uno verde) y sume los nmeros oientados hacia arriba. Let
E: El verde sale 5 .
F: La suma es 9 .
P(E|F) =
P(F|E) =
P(D|C) = .20
P(C|D) = .20
P(D C) = .20
P(D|C) = .20
Fue observado que 20% de las personas con casas fueron casadas.
P(C|D) = .20
P(C D) = .20
P(B|R) = .20
P(R|B) = .20
P(R B) = .20
P(B|R) = .20
P(R|B) = .20
P(B R) = .20
P(V|B) = .20
P(B|V) = .20
P(V B) = .20
P(B|V) = .20
P(V|B) = .20
P(B V) = .20
CONCUR
SO
Unos de los 25,000 clientes de Conglomerado Colosal son clientes de "clase oro", y otros son clientes de
"clase platino." Aqu est una tabla que muestra los nmeros de los clientes en varios categoras:
Negocio pequeo
Clase oro
Clase platino
Total
8000
6000
14,000
Negocio grande
5000
1000
6000
Individuo
2000
3000
5000
Total
15,000
10,000
25,000
Asuma que se elija un cliente de Conglomerado Colosal al azar. Calcule las siguientes probabilidades:
P
Ud. ha invertido en acciones de Clones Caseros S.A. pues el Departamento de Control de Alimentos y
Medicamentos (DCAM) est a punto de decidir s or no aprobar el equipo "Clone-su-Hermano-a-Casa"
de la compaia. Hay una probabilidad del 60% de que el DCAM aprobar el equipo, una probabilidad del
55% de que el valor de las acciones se doblar, y una probabilidad del 80% que el valor de las acciones se
doblar si el DCAM proba el equipo .
P La probabilidad de que el DCAM aprobar el equipo y tambin se doblar el valor de sus acciones
es:
Probabilidad condicionada
De Wikipedia, la enciclopedia libre
Saltar a navegacin, bsqueda
Probabilidad condicionada es la probabilidad de que ocurra un evento A, sabiendo que tambin
sucede otro evento B. La probabilidad condicional se escribe P(A|B), y se lee la probabilidad de A dado B.
No tiene por qu haber una relacin causal o temporal entre A y B. A puede preceder en el tiempo a B,
sucederlo o pueden ocurrir simultneamente. A puede causar B, viceversa o pueden no tener relacin
causal. Las relaciones causales o temporales son nociones que no pertenecen al mbito de la probabilidad.
Pueden desempear un papel o no dependiendo de la interpretacin que se le d a los eventos.
El condicionamiento de probabilidades puede lograrse aplicando el teorema de Bayes.
Definicin
Dado un espacio de probabilidad (,F,P) y dos eventos (o sucesos)
se puede interpretar como, tomando los mundos en los que B se cumple, la fraccin en los
que tambin se cumple A.
Interpretacin
se puede interpretar como, tomando los mundos en los que B se cumple, la fraccin en los
que tambin se cumple A. Si el evento B es, por ejemplo, tener la gripe, y el evento A es tener dolor de
cabeza,
Grficamente, si se interpreta el espacio de la ilustracin como el espacio de todos los mundos posibles, A
seran los mundos en los que se tiene dolor de cabeza y B el espacio en el que se tiene gripe. La zona verde
de la interseccin representara los mundos en los que se tiene gripe y dolor de cabeza
este caso
. En
, es decir, la probabilidad de que alguien tenga dolor de cabeza sabiendo que tiene
gripe, sera la proporcin de mundos con gripe y dolor de cabeza (color verde) de todos los mundos con
gripe: El rea verde dividida por el rea de B. Como el rea verde representa
representa a P(B), formalmente se tiene que:
y el rea de B
Propiedades
1.
2.
La proporcin de zona verde dentro de B es la misma que la de A en todo el espacio y, de la misma forma,
la proporcin de la zona verde dentro de A es la misma que la de B en todo el espacio. Son sucesos
independientes.
Independencia de sucesos
Artculo principal: Independencia (probabilidad)
Dos sucesos aleatorios A y B son independientes si y slo si:
P(A,B).
Exclusividad mutua
. Entonces,
.
Adems, si P(B) > 0 entonces
es igual a 0.
(Teorema de Bayes)
Problemas de ejemplo
---La paradoja del falso positivo--La magnitud de este problema es la mejor entendida en trminos de probabilidades condicionales.
Supongamos un grupo de personas de las que el 1 % sufre una cierta enfermedad, y el resto est bien.
Escogiendo un individuo al azar:
En este ejemplo, debera ser fcil ver la diferencia entre las probabilidades condicionadas P (positivo |
enfermo) (que es del 99 %) y P (enfermo | positivo) (que es del 50 %): la primera es la probabilidad de que
un individuo enfermo de positivo en la prueba; la segunda es la probabilidad de que un individuo que da
positivo en la prueba tenga realmente la enfermedad. Con los nmeros escogidos aqu, este ltimo
resultado probablemente sera considerado inaceptable: la mitad de la gente que da positivo en realidad
est sana.
La probabilidad de que cuando el paciente est enfermo se acierte en el diagnstico es de 0,99: P(positivo
| enfermo) = 0,99
La probabilidad de falso positivo es de 0,05: P(positivo | sano) = 0,05
Pregunta: Me dicen que he dado positivo, Qu probabilidad hay de que tenga la enfermedad?
Probabilidad Independiente
De Wikipedia, la enciclopedia libre
Saltar a navegacin, bsqueda
En teora de probabilidades, se dice que dos sucesos aleatorios son independientes entre s cuando la
probabilidad de cada uno de ellos no est influida por que el otro suceso ocurra o no, es decir, cuando
ambos sucesos no estn correlacionados.
Definicin formal
Dos sucesos son independientes si la probabilidad de que ocurran ambos simultneamente es igual al
producto de las probabilidades de que ocurra cada uno de ellos, es decir, si A y B son dos sucesos, y P(A) y
Motivacin de la definicin
Sean A y B dos sucesos tales que P(B) > 0, intuitivamente A es independiente de B si la probabilidad de A
condicionada por B es igual a la probabilidad de A. Es decir si:
se deduce que
deducimos trivialmente que
y dado que
.
Propiedades
La independencia de sucesos es algo muy importante para la estadstica y es condicin necesaria en
multitud de teoremas. Por ejemplo, una de las primeras propiedades que se deriva de la definicin de
sucesos independientes es que si dos sucesos son independientes entre s, la probabilidad de la interseccin
es igual al producto de las probabilidades.
En los problemas vistos hasta ahora, las probabilidades de los eventos se han calculado
libremente, sin ninguna restriccin y sin relacionarlos con la ocurrencia de otros eventos. Sin
embargo, muchas veces necesitamos encontrar la probabilidad de un evento A que est sujeto
o condicionado a que haya sucedido otro evento B, al cual pertenece una parte del primero.
donde N es el nmero natural o es infinito segn que los Hn conformen una coleccin
finita o infinita numerable, respectivamente.
Eventos Independientes
La nocin de eventos independientes tiene un papel muy importante en la Teora de la
Probabilidad, pues ciertas relaciones que se presentan una y otra vez en problemas de
probabilidad, pueden tener formulacin general en trminos de esta nocin.
Por tanto, dos eventos A y B se dicen independientes si se cumple:
P(AB) = P(A) .P(B)
As, si tiramos dos veces una moneda correcta y se define los eventos:
A: primera tirada resulta en cara
B: segunda tirada resulta en cara
y sabemos que
P(AB) = P(cara, cara) = 1/4
porque cara, cara es uno de los cuatro eventos elementales igualmente posibles, y
adems se tiene que:
P(A) = P(cara, cara) + P(cara, sello) = 1/2
P(B) = P(cara, cara) + P(sello, cara) = 1/2
de donde
P(A) P(B) = 1/4 = P(AB)
Teoremas Derivados
Teorema: Si A y B son eventos independientes, tambin lo son los eventos A y C(B).
Teorema: Bajo la hiptesis P(B) > 0, una condicin necesaria y suficiente para que los
eventos A y B, sean independientes es que :
P(A/B) = P(A)
Un ejemplo clsico: Al tirar una moneda correcta dos veces, sean los eventos
A: Cara la primera tirada
B: Cara la segunda tirada
C: El mismo lado en las dos tiradas
para lo que se tiene:
P(A) = P(B) = P(C) = 1/2
P(AB) = P(AC) = P(BC) = 1/4
P(ABC) = 1/4
luego:
P(A) P(B) P(C) = 1/18 = 1/4 = P(ABC)
en cambio al tirar una moneda tres veces se define los eventos
Ai: cara en la i-sima tirada, i = 1, 2, 3
se puede probar que
P(Ai) = 1/2 y P(A1 A2 A3) = 1/8
Teorema: Si los eventos de una clase C son independientes y si alguno o todos los
eventos en C son reemplazados por sus eventos.
Teorema: Si A y B son eventos independientes, tambin lo son los eventos A y B son
eventos independientes, tambin lo son los eventos A y
Teorema: Bajo la Hiptesis P (B) > 0, una condicin necesaria y suficiente para que los
eventos A y B sean independientes es que
As, por ejemplo, si Cconsiste slo de tres eventos A, B, C, se dir que ellos son
independientes si se cumplen las ecuaciones siguientes:
Si se cumple las tres primeras ecuaciones pero no la ltima, se dice que los eventos A,
B, C son independientes dos a dos. Como se comprobar por el siguiente ejemplo, si
los eventos de una coleccin son independientes dos a dos, ellos no son
necesariamente independientes.
La definicin anterior podemos asociarla al acceso a datos de entidades (tablas o
ficheros) independientes, dentro de una Base de Datos.
Ejemplo: Al tirar una moneda correcta dos veces, sean los eventos
A : Cara en la primera tirada
B : Cara en la segunda tirada
C : El mismo lado en las dos tiradas
para los cuales se tiene
luego
y define una
los
} son independientes.
A=
B=
. Para cualquier
representamos mediante
o bien
4.10.0.1 Ejemplo
Se lanza un dado al aire Cul es la probabilidad de que salga el nmero 4? Si sabemos que el
resultado ha sido un nmero par, se ha modificado esta probabilidad?
Solucin:
El espacio muestral que corresponde a este experimento es
Por otro lado, si ha salido un nmero par, de nuevo por la definicin de probabilidad de
Laplace tendramos
y entonces
que por supuesto coincide con el mismo valor que calculamos usando la definicin de
probabilidad de Laplace.
4.10.0.2 Observacin
Obsrvese que segn la definicin de probabilidad condicionada, se puede escribir la
probabilidad de la interseccin de dos sucesos de probabilidad no nula como
Esta relacin puede ser escrita de modo equivalente, cuando dos sucesos son de
probabilidad no nula como
4.10.0.1 Ejemplo
4.10.0.2 Observacin
Teorema de Bayes
Ejemplo 3. 11. Referente al problema de la fbrica que produce dos tipos de reguladores A y B
visto anteriormente en la aparte corresponde al Teorema de Probabilidad Total, cabe hacer el
siguiente anlisis: si se selecciona un regulador al azar de la produccin de la fbrica y se ve
que funciona bien Cul es la probabilidad de que sea del tipo B?
Solucin
En este caso el estudio se restringe a los reguladores que funcionan bien, por lo que
ese evento acta como espacio muestral reducido, o sea como evento condicin. Por
lo tanto, el planteamiento de la pregunta es P(B | F).
Los datos que se tienen son :
P(A) = 0.75
P(F | A) = 0.95
P(B) = 0.25
P(F | B) = 0.98
Total es el denominador de la frmula del Teorema de Bayes. Tambin podemos observar que
aplicando los conceptos de la Regla de Multiplicacin y del Teorema de Probabilidad Total
llegamos al planteamiento del teorema de Bayes, Veamos:
Ejemplo 3. 12. Una fbrica que produce material para la construccin tiene 3
mquinas, a las que se les denomina A, B y C. La mquina A produce tabique, la B
adoqun y la C losetas. La mquina A produce el 50% de la produccin total de la
fbrica, la B el 30% y la C el 20%. Los porcentajes de artculos defectuosos producidos
Solucin
P(A) = 0.5
P(D | A) = 0.03
P(B) = 0.3
P(D | B) = 0.04
P(C) = 0.2
P(D | C) = 0.05
Ejemplo 3. 13. A un congreso asisten 100 personas, de las cuales 65 son hombres y 35
son mujeres. Se sabe que el 10% de los hombres y el 6% de las mujeres son
especialistas en computacin. Si se selecciona al azar a un especialista en computacin
Cul es la probabilidad de que sea mujer?
Solucin
H:
Sea un hombre
Tenemos que:
Por lo tanto: