Beruflich Dokumente
Kultur Dokumente
Simblicamente: p (A o B o...) = 1
P (A o B) = p (A) + p (B) ? p (A y B)
Ejemplo: hombres, ojos cafs
Distribucin maestral
El diagrama de rbol es muy til para visualizar las probabilidades condicional y
conjunta y en particular para el anlisis de decisiones administrativas que involucran
varias etapas.
EJEMPLO: una bolsa contiene 7 fichas rojas (R) y 5 azules (B), se escogen 2 fichas,
una despus de la otra sin reemplazo. Construya el diagrama de rbol con esta
informacin.
Distribuciones de probabilidad:
Variables aleatorias: es la descripcin numrica del resultado de un experimento.
Puede ser:
1.
2. Variable aleatoria discreta: puede tomar una secuencia de valores finita o
infinita.
3. Variable aleatoria continua: puede tomar cualquier valor en un intervalo o en
una coleccin de intervalos. Ejemplo, peso, tiempo, temperatura.
1. Variables aleatorias discretas:
Indicadores:
E (x) : : xf (x)
2 : ( x - ) 2 f (x)
2
Cuando mayor es la desviacin estndar mayor es la dispersin de datos alrededor de
la media.
Ejemplo integrador
n: numero de intentos
p: probabilidad de acierto
X: numero de aciertos en n intentos f x: probabilidad de x aciertos en n intentos.
Varianza:
2 : n * p (1 ? p)
Distribucin hipergeomtrica:
la probabilidad de aciertos difiere de acuerdo a las sacadas de una bolsa. ( dif con la
distribucin anterior)
Distribucin de Poisson: se utiliza para calcular la p de x ocurrencias en un intervalo
especfico de tiempo, espacio o volumen.
La ocurrencia
independiente.
no
ocurrencia
del
evento
en
cualquier
intervalo
es
se
escoge
la
alternativa
que
minimice
el
Componente de Tendencia:
Componente cclico: son las observaciones por encima o por debajo de la lnea
de tendencia.
Promedios mviles ponderados: se pondera mas a los datos recientes que a los
antiguos. La suma de las ponderaciones debe ser igual a 1.
Suavizacin exponencial:
Ejemplos:
Tirar un dado un suceso sera que saliera par, otro, obtener mltiplo de 3, y otro, sacar
5.
Un ejemplo completo
Una bolsa contiene bolas blancas y negras. Se extraen sucesivamente tres bolas.
Calcular:
1. El espacio muestral.
E = {(b,b,b); (b,b,n); (b,n,b); (n,b,b); (b,n,n); (n,b,n); (n,n ,b); (n, n,n)}
2. El suceso A = {extraer tres bolas del mismo color}.
A = {(b,b,b); (n, n,n)}
3. El suceso B = {extraer al menos una bola blanca}.
B= {(b,b,b); (b,b,n); (b,n,b); (n,b,b); (b,n,n); (n,b,n); (n,n ,b)}
4. El suceso C = {extraer una sola bola negra}.
C = {(b,b,n); (b,n,b); (n,b,b)}
Propiedades de la probabilidad
Axiomas de la probabilidad
1.La probabilidad es positiva y menor o igual que 1.
0 p(A) 1
2. La probabilidad del suceso seguro es 1.
p(E) = 1
3.Si A y B son incompatibles, es decir A
p(A
B=
entonces:
B) = p(A) + p(B)
Propiedades de la probabilidad
1. La suma de las probabilidades de un suceso y su contrario vale 1, por tanto la
probabilidad del suceso contrario es:
Ejemplo:
La probabilidad de sacar par, al tirar un dado, es:
P(par) = P(2) + P(4) + P(6)
PROBABILIDAD A PRIORI
Probabilidad de la que se parte antes de efectuar un experimento que pueda arrojar
nueva informacin sobre dicha probabilidad, para obtener luego la probabilidad
revisada o a posteriori. La distincin entre probabilidad a priori y probabilidad a
posteriori es relativa. Una probabilidad a posteriori vuelve a ser a priori con relacin
al experimento siguiente. Tampoco se puede identificar la probabilidad a priori con la
probabilidad subjetiva y la probabilidad a posteriori con la experimental u objetiva.
Una probabilidad a priori puede ser especificada a partir de una informacin de
naturaleza subjetiva, objetiva o de una mezcla de ambas.
DEFINICIN CLSICA DE LAPLACE O "A PRIORI"
Esta definicin es de uso limitado puesto que descansa sobre la base de las siguientes
dos condiciones:
1. El espacio muestra de todos los resultados posibles S es finito.
2. Los resultados del espacio muestra deben ser igualmente probables.
Bajo estas condiciones y si A es el evento formado por n(A) resultados del espacio
muestra y, el nmero total de resultados posibles es n(S), entonces
Ejemplo 24: Si se extrae una carta de un paquete de 52 cartas de las cuales 26 son
negras (13 espadas A, 2, 3, , 10, J, Q, K; 13 son trboles); y 26 son rojas (13
corazones y 13 diamantes), la probabilidad de que la carta sea un as es
porque el evento de "extraer un as" consta de 4 de los 52 resultados igualmente
probables. La probabilidad de que la carta sea negra es
que sea un diamante es
y la probabilidad de
Ejemplo 26: Cul es la probabilidad de que una familia que tiene tres hijos, hayan
dos nias y un nio, si se considera igualmente probable el nacimiento de un nio o
nia?
Solucin: Usando "a" para nia y "o" para nio, el espacio muestra es:
S = {aaa, aao, aoa, aoo, oaa, oao, ooa, ooo} n(S) = 8
El evento A en que hayan dos nias y un nio es
A = {aao, aoa, oaa, } n(A) = 3
Obsrvese que siempre 0 < P(A) < 1, puesto que 0 < n(A) < n(S).
#
de # de
lanzamientos
caras
Frecuenci
a relativa
Frecuencia Frecuencia
acumulad
acumulada
a
relativa
1 - 100
52
0.52
52
0.520
100 - 200
53
0.53
105
0.525
200 - 300
52
0.52
157
0.523
300 - 400
47
0.47
204
0.510
400 - 500
51
0.51
255
0.510
500 - 600
53
0.53
308
0.513
600 - 700
48
0.48
356
0.509
700 - 800
46
0.46
402
0.503
800 - 900
52
0.52
454
0.504
900 -1000
54
0.54
508
0.508
Total: 1000
508
0.508
Investigador
Nmero
de
lanzamiento
s
Nmero
de caras
Frecuencia
relativa
Buffon
4040
2048
0.5069
K. Pearson
12000
6019
0.5016
K. Pearson
24000
12012
0.5005
Obsrvese que este nmero es una propiedad que no depende solamente de E, sino
que se refiere a un cierto espacio muestra S y a un experimento aleatorio. Entonces,
decir que el evento E tiene probabilidad P(E) significa que si efectuamos el
experimento muchas veces, es prcticamente cierto que la frecuencia relativa de E,
fr(E) es aproximadamente igual a P(E).
Cuando se usa la definicin frecuencial, es importante tomar en cuenta los siguientes
aspectos:
i.
ii.
iii.
Tipos
Probabilidad clsica, emprica y subjetiva.
Concepto clsico de Probabilidad
Una de las caractersticas de un experimento aleatorio es que no se sabe qu resultado
particular se obtendr al realizarlo. Es decir, si A es un suceso asociado con un
Estas frecuencias relativas diferirn poco entre s cuando las n i sean grandes y
tendern a acumularse en la proximidad de un valor fijo.
Debemos sealar que la estabilidad, a la larga, de las frecuencias relativas se aplica a
una amplia clase de experimentos aleatorios, de los que el juego de azar constituye un
caso en particular, casi insignificante.
Para establecer una descripcin matemtica sencilla de la conducta de las frecuencias
relativas para grandes valores de n, vamos a postular la existencia de un nro. p que es
el nro. al cul tiende fr, es decir, la frecuencia relativa del suceso en estudio.
Este nmero se llamar probabilidad del suceso A en relacin con el experimento
aleatorio E.
La frecuencia relativa fr se considerar entonces como una medida experimental de la
probabilidad y diremos:
observada sea
Ejemplo 1
E: Tirar un dado
A = que salga el n 3
S = {1, 2, 3, 4, 5, 6}
P(A) = 1/6
Ejemplo 2
E: Retirar una carta de un mazo
A= que salga oro
P(A) = 10/40
Sumatoria
La sumatoria o sumatorio se emplea para representar la suma de muchos o infinitos
sumandos.
2.
Y la media como:
1.
2.
Ejemplo
fi
xi fi
[10, 20)
15
15
[20, 30)
25
200
[30,40)
35
10
350
[40, 50)
45
405
[50, 60
55
440
[60,70)
65
260
[70, 80)
75
150
xi = 42
xi fi = 1 820
La suma del producto de una constante por una variable, es igual a k veces la sumatoria de
la variable.
En este caso, como mostramos en la imagen, nos dar el mismo resultado si multiplicamos
3 x 2 y despus lo multiplicamos por 5, que si multiplicamos 2 x 5 y despus lo
multiplicamos por 3.
Practica esta propiedad con los ejercicios online de la propiedad asociativa haciendo clic en
el enlace.
Pongamos un ejemplo: 2 x (3 + 5)
2 x 3 + 2 x 5 = 6 + 10 = 16
Ambas nos dan como resultado 16, por lo que queda demostrada la propiedad distributiva
de la multiplicacin.
Puedes acceder a travs del enlace a los ejercicios online para practicar la propiedad
distributiva.
Sucesos
Un suceso es cada uno de los resultados posibles de una experiencia aleatoria.
Al lanzar una moneda salga cara.
Al lanzar un dado se obtenga 4.
Suceso elemental
Suceso elemental es cada uno de los elementos que forman parte del espacio muestral.
Por ejemplo al tirar un dado un suceso elemental es sacar 5.
Suceso compuesto
Por ejemplo al tirar un dado un suceso sera que saliera par, otro, obtener mltiplo de 3.
Suceso seguro
Suceso seguro, E, est formado por todos los posibles resultados (es decir, por el espacio
muestral).
Por ejemplo al tirar un dado un dado obtener una puntuacin que sea menor que 7.
Suceso imposible
Suceso imposible,
Dos sucesos, A y B, son compatibles cuando tienen algn suceso elemental comn.
Si A es sacar puntuacin par al tirar un dado y B es obtener mltiplo de 3, A y B son
compatibles porque el 6 es un suceso elemental comn.
Sucesos incompatibles
El suceso contrario a A es otro suceso que se realiza cuando no se realiza A., Se denota por
.
Son sucesos contrarios sacar par e impar al lanzar un dado.
Espacio de sucesos
Espacio de sucesos, S, es el conjunto de todos los sucesos aleatorios.
Si tiramos una moneda el espacio se sucesos est formado por:
S= {
Unin de sucesos
La unin de sucesos, A
Es decir, el suceso A
A
Ejemplo
B.
B = {3, 6}
A
B = {2, 3, 4, 6}
Asociativa
Idempotente
Simplificacin
Distributiva
Elemento neutro
Absorcin
Interseccin de sucesos
La interseccin de sucesos, A
la vez, de A y B.
Es decir, el suceso A
A
Ejemplo
B.
A = {2, 4, 6}
B = {3, 6}
A
B = {3}
Asociativa
Idempotente
Simplificacin
Distributiva
Elemento neutro
Absorcin
Diferencia de sucesos
La diferencia de sucesos, A B, es el suceso formado por todos los elementos de A que no
son de B.
Es decir, la diferencia de los sucesos A y B se verifica cuando lo hace A y no B.
A B se lee como "A menos B".
Ejemplo
Propiedad
Sucesos contrarios
El suceso
Ejemplo
Propiedades
Leyes de Morgan
EVENTOS
Un evento es el resultado posible o un grupo de resultados posibles de un experimento y es
la mnima unidad de anlisis para efectos de clculos probabiliasticos
EVENTOS DEPENDIENTES
1. Una caja contiene 4 canicas rojas, 3 canicas verdes y 2 canicas azules. Una
canica es eliminada de la caja y no es reemplazada. Otra canica se saca de la
caja. Cul es la probabilidad de que la primera canica sea azul y la segunda
canica sea verde?
Ya que la primera canica no es reemplazada, el tamao del espacio muestral para
la primera canica (9) es cambiado para la segunda canica (8) as los eventos son
dependientes.
P(azul luego verde) = P(azul) P(verde)
A B = entonces:
P(A B) = P(A B) = P(A) + P(B)
= P(sale 3) + P(sale figura) = 4/52 + 12/52 = 4/13.
----------------------------------------4. P(A) + P(Ac) = 1. En el mismo experimento anterior de sacar una carta, el
evento A: "no sale rey" tiene como complemento al evento "sale rey", entonces
resulta mas simple calcular la probabilidad de A como 1 - P(A c):
P(no sale rey) = 1 - P(sale rey) = 1 - 4/52 = 12/13
P(A
.
Como todas las etapas son independientes, pa
ra 6 etapas, la probabilidad pedida es:
P=(1/2) (1/2) (1/2) (1/2) (1/2) (1/2) =(1/2)^6 =1/64
----------------------------------------19.- Un restaurante ofrece un almuerzo en que se pueden elegir 2
entradas, 3 platos de fondo y 5 postres. Si no me gustan 2 de los platos de f
ondo y 3 de los postres. Cul es la probabilidad de que me toque un men
de mi agrado si la eleccin es el azar?
Solucin:
Todo men tendr finalmente 1 entrada, 1 plato de fondo y 1 postre y la
composicin de cada uno de estos es independiente de los otros. As,
tendremos de seguro, varias probabilidades que multiplicar. Denotemos las
probabilidades de obtener entrada, fondo y postre de mi agrado, con
P(entrada), P(fondo) y P(postre) respectivamente. En la siguiente expresin
consideramos en los numeradores solo los casos favorables que sean del
agrado, mientras que en los denominadores,a la cantidad total de
posibilidades de componerlos. As, la probabilidad de obtener un men de
mi agrado es:
P(entrada) P(fondo) P(postre) =(2/2) (3-2)/3(5-3)/5 = 1(1/3) (2/5)
=2/5
----------------------20.- El procesador, la placa madre y la memoria tienen un 5%, 10% y 20%
de probabilidades de fallar antes de un ao respectivamente. Cul esla
probabilidad de comprar un computador que presentar fallas antes de un
ao,en los tres componentes sealados?
Solucin:
Sean los siguientes eventos de falla antes de un ao:
A falla el procesador. Por el enunciado, P(A) = 5% = 5/100
=1/20.