Beruflich Dokumente
Kultur Dokumente
\
|
= =
B
A
P
B
A
P A P ) (
El teorema del Producto para el caso de eventos independientes es:
) ( ). ( ) . ( B P A P B A P =
Probabilidad conjunta
Probabilidad marginal
Probabilidad condicional
UNIVERSIDAD NACIONAL DE CATAMARCA
FACULTAD DE TECNOLOGIA Y CIENCIAS APLICADAS
CATEDRA: PROBABILIDAD Y ESTADISTICA
Ing. Cristina Daz de Luna JTP Ctedra de Probabilidad y Estadstica
08 de abril de 2012
LEY DE PROBABILIDAD TOTAL
Si A1, A2 y A3 son eventos mutuamente excluyentes y
exhaustivos, tales que A
1
+A
2
+A
3
=S, para cualquier otro
evento B (posterior), la probabilidad de que ocurra B
( ) ( ) ( )
3
3
2
2
1
1
. . . . ) ( A P
A
B
P A P
A
B
P A P
A
B
P B P
|
.
|
\
|
+
|
.
|
\
|
+
|
.
|
\
|
=
Generalizando
( ) ( ) ( )
=
|
.
|
\
|
=
|
.
|
\
|
+
|
.
|
\
|
+
|
.
|
\
|
=
k
i
i
i
k
k
A P
A
B
P A P
A
B
P A P
A
B
P A P
A
B
P B P
1
2
2
1
1
) ( . . ...... . . . ) (
TEOREMA DE BAYES
Se aplica para el clculo de una probabilidad posterior
|
.
|
\
|
B
A
P
j
a partir de
probabilidades anteriores dadas P(A
i
)
( )
k j donde
A P
A
B
P
A P
Aj
B
P
B P
B A P
B
A
P
k
i
i
i
j
j
j
..... 3 , , 2 , 1
) ( .
) ( .
) (
1
=
|
.
|
\
|
|
.
|
\
|
=
=
|
.
|
\
|
=
Ejemplo de Teorema de Bayes
Una cadena de comercios de venta de DVD vende tres marcas diferentes A1, A2 y A3. De
sus ventas 50% son de la marca A1, 30% son de la marca A2 y 20% son de la marca A3.
Cada fabricante ofrece un ao de garanta en partes y mano de obra. Se registra que de
los que estn en garanta , 25% son de la marca A1 requiere reparacin, 20% son de la A2 y
10% son de la marca A3.
Cul es la probabilidad de que un comprador seleccionado al azar haya comprado un
DVD de la marca A1 que necesita reparacin mientras est en garanta?
En la primera etapa: hay un cliente que selecciona una marca,
En la segunda etapa: se observa si necesita reparacin mientras est en garanta.
Utilizando el diagrama del rbol, partimos de las ramas iniciales que son las marcas, de
donde salen bifurcaciones secundarias de cada una y en la que se seala si necesitan o no
reparacin.
A1
A2
A3
B
BA1
BA2
BA3
S
UNIVERSIDAD NACIONAL DE CATAMARCA
FACULTAD DE TECNOLOGIA Y CIENCIAS APLICADAS
CATEDRA: PROBABILIDAD Y ESTADISTICA
Ing. Cristina Daz de Luna JTP Ctedra de Probabilidad y Estadstica
08 de abril de 2012
P(B) = P(A
1
B)+P(A
2
B)+P(A
3
B)=0.125+0.060+0.020= 0.205 luego:
La probabilidad de que un comprador seleccionado al azar haya comprado un DVD de la marca A1
dado que necesita reparacin mientras est en garanta es:
61 . 0
205 . 0
125 . 0
) (
) . (
1
1
= = =
|
.
|
\
|
B P
B A P
B
A
P
Observe que la probabilidad anterior o inicial (a priori) de la marca A1 es 0,50, pero al saber que
el DVD seleccionado necesitaba reparacin la probabilidad posterior aumenta a 0.61
Si analizamos haciendo un cuadro, tendramos
MARCAS
B
(Necesita Reparacin)
No B
(No necesita reparacin)
TOTAL
A
1
0,25 x 0,5=
0,125
0,375 0,5
A
2
0,20 x 0,30=
0,06
0,24 0,3
A
3
0,10 x 0,20=
0,02
0,18 0,20
TOTAL 0,205 0,795 1
P(noB/A1)=0,75
P(noB/A2)=0,8
0
P(noB/A3)=0,9
Marca A1
P(A1)=0,50
Marca A2
P(A2)=0,30
Marca A3
P(A3)=0,20
P(B/A1)=0,25
Reparacin
Reparacin
P(B/A2)=0,20
Reparacin
P(B/A
3
)=0,10
Sin Reparacin
Sin Reparacin
Sin Reparacin
P(A1B)=P(B/A1) P(A1)=0,25x0.50=0.125
P(A2 B)=P(B/A2) P(A2)=0,20x0.30=0.060
P(A3B)=P(B/A3) P(A3)=0,10x020=0.20
UNIVERSIDAD NACIONAL DE CATAMARCA
FACULTAD DE TECNOLOGIA Y CIENCIAS APLICADAS
CATEDRA: PROBABILIDAD Y ESTADISTICA
Ing. Cristina Daz de Luna JTP Ctedra de Probabilidad y Estadstica
08 de abril de 2012
Otro Ejemplo:
Con base en varios estudios una compaa ha clasificado, de acuerdo con la probabilidad de
descubrir petrleo, las formaciones geolgicas en tres tipos I, II y III a los que se le
asignan las probabilidades 0,35; 0,40 y 0,25 respectivamente. La compaa pretende
perforar un pozo en un determinado sitio. De acuerdo con la experiencia, se sabe que el
petrleo se encuentra en un 40% de formaciones del tipo I, en un 20% de formaciones del
tipo II y en un 30% de formaciones del tipo III.
a) Si la compaa descubre petrleo en el lugar, determine la probabilidad de que
existe una formacin de tipo II.
b) Si la compaa NO descubre petrleo en ese lugar, determine la probabilidad de que
existe una formacin de tipo II
TIPO
De Formacin
H
Haya Petrleo
No H
No haya petrleo
TOTAL
I
0,4 x 0,35=
0,14
0,35 - 0,14=
0,21
0,35
II
0,20x0,40=
0,08
0,40-0,08=
0,32
0,40
III
0,30x0,25=
0,075
0,25 0,075=
0,175
0,25
TOTAL 0,295 0,705 1
P(H) = P(I.H)+P(II.H)+P(III.H)= 0.14 + 0.08 + 0.075 = 0.295 luego:
Tipo III:0,25
Tipo II:0,40
Tipo I: 0,35
P(H/I)=0,40
Haya Petrleo
P(H/II)=0,20
Haya Petrleo
P(H/III)=0,30
Haya Petrleo
P(noH/I)=0,60
No Haya petrleo
P(noH/II)=0,80
Np Haya petrleo
P(noH/III)=0,70
No Haya petrleo
P(I.H)=P(H/I) P(I)=0,40 x 0,35=0,14
P(II .H)=P(H/II) P(II)=0,20 x 0,40=0.08
P(III.H)=P(H/III) P(III)=0,30 x 0,25=0.075
UNIVERSIDAD NACIONAL DE CATAMARCA
FACULTAD DE TECNOLOGIA Y CIENCIAS APLICADAS
CATEDRA: PROBABILIDAD Y ESTADISTICA
Ing. Cristina Daz de Luna JTP Ctedra de Probabilidad y Estadstica
08 de abril de 2012
a)La probabilidad de que existe una formacin de tipo II dado que se encontr petrleo
( ) 27 . 0
295 . 0
08 . 0
) (
) . (
= = =
H P
H II P
H
II
P
la probabilidad de que existe una formacin de tipo II dado que la compaa NO descubri
petrleo en ese lugar,
45 . 0
705 . 0
32 . 0
) (
) .. (
= = =
|
.
|
\
|
H No P
NoH II P
H No
II
P
UNIVERSIDAD NACIONAL DE CATAMARCA
FACULTAD DE TECNOLOGIA Y CIENCIAS APLICADAS
CATEDRA: PROBABILIDAD Y ESTADISTICA
Ing. Cristina Daz de Luna JTP Ctedra de Probabilidad y Estadstica
08 de abril de 2012
DISTRIBUCIN DE PROBABILIDADES
Recordemos:
Variable aleatoria:
* es la variable que asocia un nmero con el resultado de un experimento aleatorio
* es una funcin que asigna un nmero real a cada resultado en el espacio muestral de
un experimento aleatorio.
Variable aleatoria discreta:
Es una variable aleatoria con un rango finito o infinito contable, es decir, asume valores
puntuales que pueden listarse.
Variable aleatoria continua:
Es aquella cuyo rango contiene un intervalo de nmeros reales, en el cual puede asumir
infinitos valores entre dos nmeros.
La Distribucin de probabilidad o distribucin de una variable aleatoria X es una
descripcin del conjunto de valores posibles de X (rango de X), junto con la
probabilidad asociada con cada uno de estos valores; es el resumen ms til de un
experimento aleatorio.
FUNCION DE CUANTIA
La funcin f
x
(x) = P(X=x) que va del conjunto de los valores posibles de la variable
discreta X al intervalo (0,1) recibe el nombre de funcin de probabilidad o funcin de
Cuanta, y satisface las siguientes propiedades:
1. ( ) ( ) x X P x f
x
= = con otra simbologa: 1) p(x)= P(X=x)
2. ( ) 0 > x f
x
0 para todo x 2) p(x)0
3. ( ) 1 =
x
x
x f 3) p(x)=1
Funcin de distribucin acumulada de una variable aleatoria discreta
La funcin de distribucin acumulada de una variable discreta X, cuya notacin es F
x
(x) se
define: ( ) ( ) ( )
= s =
x
i x x
x f x X P x F
Se verifica que ( ) 1 0 s s x F
x
otra simbologa: F(x)= P(X x) =p(x
i
)
0 F(x) 1
UNIVERSIDAD NACIONAL DE CATAMARCA
FACULTAD DE TECNOLOGIA Y CIENCIAS APLICADAS
CATEDRA: PROBABILIDAD Y ESTADISTICA
Ing. Cristina Daz de Luna JTP Ctedra de Probabilidad y Estadstica
08 de abril de 2012
Esperanza o Valor esperado de una variable aleatoria discreta
( ) ( )
= = x f x x E
x X
. tambin ( ) ( )
= = x p x x E .
Varianza de una VAD:
( ) ( ) ( ) ( ) x f x x E x V
x
x x x x
= = =
2 2 2
o
Tambin ( ) ( ) ( ) ( ) x p x x E x V
x
i x
= = =
2 2 2
o
Desviacin estndar: ( ) x V
x
= o
FUNCION DE DENSIDAD (variable aleatoria continua)
Una funcin f
x
(x) es una funcin de densidad de probabilidad de la variable aleatoria X si
para cualquier intervalo de nmeros reales (- ; )
1. ( ) 0 > x f
x
2. ( ) 1 =
}
dx x f
x
Funcin de distribucin acumulada de una variable aleatoria continua
( ) ( ) ( )dx x f x F x x P
x
x x
}
= = s s
( ) x F
x
es montona creciente
Se verifica que
( )
( )
( ) 1 0
1
0
s s
=
=
x F
F
F
x
x
x
( )
( ) x f
dx
x dF
x
x
=
UNIVERSIDAD NACIONAL DE CATAMARCA
FACULTAD DE TECNOLOGIA Y CIENCIAS APLICADAS
CATEDRA: PROBABILIDAD Y ESTADISTICA
Ing. Cristina Daz de Luna JTP Ctedra de Probabilidad y Estadstica
08 de abril de 2012
Esperanza o Valor Esperado de Una Variable Aleatoria Continua
( ) ( ) dx x f x X E
x X
. .
}
= =
La Varianza de X
( ) ( ) ( )dx x f x x V
x x x
.
2
2
}
= = o
La desviacin estndar de X es
( ) x V
x
= o