Beruflich Dokumente
Kultur Dokumente
En donde:
n = nmero total de ensayos
x = nmero de xitos
p = probabilidad de xito de cada ensayo
q = probabilidad de fracaso de cada ensayo
REGLAS DE LA MULTIPLICACIN:
Aqu estimaremos la probabilidad de que la ocurrencia de dos
eventos sea simultnea. Hay dos reglas de multiplicacin:
Regla especial de la multiplicacin.
Regla general de multiplicacin.
REGLA ESPECIAL DE MULTIPLICACIN:
Requiere que dos eventos, A y B, sean independientes. Lo son si el
hecho de que ocurra uno no altera la probabilidad de que ocurra
el otro. Una forma de entender la independencia consiste en
suponer que los eventos A y B ocurren en diferentes tiempos. Por
ejemplo, cuando el evento B ocurre despus del evento A, influye
A en la probabilidad de que el evento B ocurra? Si la respuesta es
no, entonces A y B son independientes. En el caso de dos eventos
que son independientes, A y B, la probabilidad de que A y B ocurran
se determina multiplicando las dos probabilidades, tal que es la
regla especial dela multiplicacin es:
Ejemplo 1:
El dueo de un hotel ha modernizado sus instalaciones. Observ
que el 20% de los autos que pasan por ah, se detienen a alquilar
un cuarto. Cul es la probabilidad de que los prximos dos carros
se detengan? Asumiendo que son eventos independientes,
Cul es la probabilidad de que el primer auto pare y el segundo no
lo haga?
Ejemplo2:
Si la probabilidad de que A viva 20 aos es 0,7 y la probabilidad de
que ambos vivan 20 aos es: P (AB)=P(A) P (B)= 0,7. 0,5=0,35
Ejemplo3:
Supongamos una caja que contenga 3 bolas negras y 2 bolas
blancas.
Evento A: extraer una bola negra
Evento B: extraer una bola negra, en segundo trmino.
Sin reemplazamiento A y B son eventos dependientes
P(A)= 8/3+2=3/5 Es la probabilidad de que la primera bola sea
negra
P (B/A)=2/2+2=1/2 Es la probabilidad de que la segunda bola sea
negra, dado que la primera fue negra, luego la probabilidad de que
ambas sean negras:
P (AB)=P(A) P (B/A)= 3/5 1/2=3/10
REGLA GENERAL DE LA MULTIPLICACIN:
Si dos eventos no son independientes, se dice que son
dependientes. Se considera que el primer evento determina
la probabilidad del segundo. Si dos eventos, A y B son
dependientes, la probabilidad conjunta de que ambos ocurran se
determina multiplicando la probabilidad de que ocurra el evento
A por la probabilidad condicional de que ocurra el evento B, dado
que A ha ocurrido.
Lo anterior se lee "la probabilidad conjunta de A y B es igual al
producto de la probabilidad de A por la probabilidad de B, dado
que ha ocurrido A".
Ejemplo: Preguntas delicadas.
En una ciudad se realiz una encuesta y a cada encuestado se le
hicieron slo dos preguntas:
Es el ltimo dgito de su nmero de seguro social un nmero
impar?
Ha mentido alguna vez en su solicitud de empleo?
La segunda pregunta es delicada y es de suponer que las personas
no dirn la verdad por diversas razones, sobre todo si la respuesta
es s. Para eliminar ese posible sesgo, se pidi a los encuestados
que lanzaran una moneda al aire y respondieran a la pregunta (a) si
el resultado es guila y a la pregunta (b) si el resultado era sol.
El 37 por ciento de las personas respondieron que s.
Cul es la probabilidad de que un encuestado haya respondido a la
pregunta delicada (b) afirmativamente?
Definimos los eventos:
A: El encuestado responde afirmativamente.
a: El encuestado contesta la pregunta (a)
b: El encuestado contesta la pregunta (b)
Sabemos que P(A)=0.37
Como las preguntas se determinaron lanzando una moneda,
sabemos que P(a)= 0.50 y P (b)= 0.50
Sabemos cules son las respuestas a la pregunta (a). El ltimo dgito
de la mitad de todos los nmeros de seguro social es impar (del 0
al 9 hay 5 nmeros divisibles entre 2). Por lo tanto la probabilidad
de que la respuesta (a) sea afirmativa, P (A|a)= 0.50
Lo que necesitamos saber es P (A|b), que es la probabilidad de que
contest afirmativamente, dado que respondi a la pregunta (b).
Podemos hallar esa probabilidad utilizando las probabilidades
que tenemos.
Sabemos que los eventos (a) y (b)
son mutuamente excluyentes y colectivamente
exhaustivos. Tambin sabemos que las probabilidades conjuntas de
tambin son mutuamente excluyentes y colectivamente exhaustivas
y su unin es A.
Por lo tanto,
Utilizando la regla multiplicativa:
Y
La probabilidad de que hayan contestado la pregunta delicada
afirmativamente es 0.12Para hallar la probabilidad de que un
encuestado nos conteste afirmativamente cuando le hacemos la
pregunta delicada es:
Partiendo de este resultado, el 24% de la poblacin encuestada ha
mentido en alguna solicitud de empleo.
Algunas Propiedades bsicas:
Propiedad Conmutativa: A B = B A, A B
= B A
Propiedad Asociativa: (A B) C = A (B C
)
(A B) C = A (B
C)
Propiedad Distributiva: (A B) C = (A C)
(B C)
. ,
1 1 1 1
c
i
n
i
c
i
n
i
c
i
n
i
c
i
n
i
A A A A
= = = =
=
|
.
|
\
|
=
|
.
|
\
|
(A
B) C =
(A C) (B
C)
Leyes de Morgan:
Teorema de Bayes :
El teorema de Bayes, enunciado por Thomas Bayes, en la teora de
la probabilidad, es el resultado que da la distribucin de
probabilidad condicional de una variable aleatoria A dada B en
trminos de la distribucin de probabilidad condicional de la
variable B dada A y la distribucin de probabilidad marginal de slo
A.
Sea {A1,A2,...,Ai,...,An} un conjunto de sucesos incompatibles cuya
unin es el total y tales que la probabilidad de cada uno de ellos es
distinta de cero. Sea B un suceso cualquiera del que se conocen las
probabilidades condicionales P (B | Ai). Entonces, la probabilidad P
(Ai | B) viene dada por la expresin:
donde:
P (Ai) son las probabilidades a priori.
P (B | Ai) es la probabilidad de B en la hiptesis Ai.
P (Ai | B) son las probabilidades a posteriori.
Esto se cumple
El teorema de Bayes es vlido en todas las aplicaciones de la teora
de la probabilidad. Sin embargo, hay una controversia sobre el tipo
de probabilidades que emplea. En esencia, los seguidores de la
estadstica tradicional slo admiten probabilidades basadas en
experimentos repetibles y que tengan una confirmacin emprica
mientras que los llamados estadsticos bayesianos permiten
probabilidades subjetivas. El teorema puede servir entonces para
indicar cmo debemos modificar nuestras probabilidades subjetivas
cuando recibimos informacin adicional de un experimento. La
estadstica bayesiana est demostrando su utilidad en ciertas
estimaciones basadas en el conocimiento subjetivo a priori y
permitir revisar esas estimaciones en funcin de la evidencia es lo
que est abriendo nuevas formas de hacer conocimiento.
Como observacin, se tiene
y su demostracin resulta trivial.