Beruflich Dokumente
Kultur Dokumente
PROBABILIDAD
Experimento Aleatorio.-
Es un fenómeno del que no se sabe que es lo que
va a ocurrir, están relacionados con el azar o
probabilidad.
Experimento Determinista.-
Es el fenómeno en el cual de antemano se sabe
cual será el resultado.
PROBABILIDAD
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, pertenece
a un conjunto conocido previamente de
resultados posibles.
PROBABILIDAD
Ejemplos:
Tirar dardos en un blanco determinado
Lanzar un par de dados
Obtener una carta de una baraja
Lanzar una moneda
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 Ω.
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 cara o que caiga sello. (Si cae
de canto no es de interés y se repite el
lanzamiento).
Ω = { c, s }
PROBABILIDAD
En el experimento 1,
Ω = { c, s }, c y s son sucesos elementales
N(Ω) = 2
En el experimento 2,
Ω = { 1, 2, 3, 4, 5, 6 }, 1, 2, 3, 4, 5 y 6 son
sucesos elementales, y
N(Ω) =6
A = Que caiga un uno = { 1 }
B = Que caiga un dos = { 2 }
: : :
F = Que caiga un seis = { 6 }
PROBABILIDAD
Evento simple:
B: Que salgan tres caras; B ={ (C,C,C) } , N(B) = 1
Evento compuesto:
E: Que salgan al menos dos caras;
E = { (C,C,C), (C,C,S), (C,S,C), (S,C,C) }, N(E) = 4
A B
A B
Ω
B
1
A 3
4
5
C
2
6
Ω
B
A 3
4
C
Ω
B
1
A 3
5
C
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
PROBABILIDAD
Ω
B
1
A 3
4
5
C
2
6
Ac = { 2, 4, 6} = C N(Ac ) = N( C )= 3
Bc = {1, 2, 5, 6 } N(Bc ) = 4
Cc = {1, 3, 5 } = A N(Cc ) = N(A) = 3
PROBABILIDAD
Probabilidad Clásica y Frecuencial.
Probabilidad frecuencial y regularidad
estadística
Las 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 cara {c}, se tiende a estabilizar
aproximadamente en 0.5= 1/2.
PROBABILIDAD
Probabilidad clásica.-
Sea Ω un espacio muestral cualquiera y A un evento de
ese espacio. Se define la probabilidad P del evento A,
como:
NCF
P( A) (1)
NCT
donde
NCF - número de casos favorables
NCT - número de casos totales
PROBABILIDAD
Esto es:
N ( A)
P( A) (2)
N ()
donde
N(A) = número de elementos del evento A
N(Ω) = número de elementos del espacio
muestral Ω.
PROBABILIDAD
Ejemplo:
Experimento.- Se lanza una moneda
Evento A.- que al lanzar una moneda caiga
sello.
Calcular la probabilidad de A:
Ω = { S, C}, N(Ω) = 2
A = { S }, N(A) = 1
N ( A) 1
P( A) .5
N () 2
PROBABILIDAD
Leyes De La Probabilidad
Las 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
Ejemplo.-
Experimento.- Se lanza un dado
Si A =Ω, es decir si el evento A coincide o es igual al
espacio muestral, entonces:
N ( A) N ((Ω)
S)
P( A) 1
N () N ()
PROBABILIDAD
A B
A B
PROBABILIDAD
Ejemplo:
Experimento: Se lanzan dos monedas
Ω = { cc, ss, cs, sc}
N(Ω) = 4
Sean:
A: el evento de que al lanzar un par de monedas caigan
dos caras exactamente
B: el evento de que al lanzar un par de monedas caiga un
cara exactamente.
Los elementos de A y B son
A = { cc }
B = {cs, sc}
Se puede ver que A B = , no hay elementos en común,
por lo que los eventos son mutuamente excluyentes o
disjuntos, por tanto
P(A B) = P(A) + P(B)
PROBABILIDAD
N ( A) 1
P( A)
N () 4
N ( B) 2
P( B)
N () 4
1 2 3
P( A B ) P ( A) P( B)
4 4 4
PROBABILIDAD
Axioma 4.-
Sean A1, A2, A3, A4, ..., An eventos mutuamente
excluyentes:
P(A1 A2 A3 A4, ... An) =
P(A1) + P(A2) + P(A3) + P(A4) + ...+ P(An)
P( A1 A2 ... An ) P( A1 ) P( A2 ) ... P( An )
n n
P( A
i j
i Aj ) P( Ai Aj Ak ) ... P( A1 A2 ... Ak )
i j k
PROBABILIDAD
Ejemplo:
Experimento: Se lanza un dado
Sean
Evento A: que al lanzar un dado salga el 2 o el 4
Evento B: que al lanzar un dado salga un número
mayor a 4
Evento C: que salga el 1 ó 3
A B
PROBABILIDAD
Diferencia
Sean A y B dos eventos:
A-B = { x | x A y x B }
A- B
PROBABILIDAD
Ejemplo.-
Experimento.- Se lanza un dado y una moneda
Ω = {1c, 2c, 3c, 4c, 5c, 6c, 1s, 2s, 3s, 4s, 5s, 6s }
N(Ω) = 12
A: Al lanzar un dado y una moneda aparezcan el
número 2 o 3 con cara.
B: Al lanzar un dado y una moneda aparezcan
números pares con cara.
A = { 2c, 3c }, N(A) = 2
B = { 2c, 4c, 6c } N(B) = 3
A B = { 2c } 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
P(Ac) = 1 – P(A)
PROBABILIDAD
Experimento.- Se lanza un dado y una moneda
Ω = {1c, 2c, 3c, 4c, 5c, 6c, 1s, 2s, 3s, 4s, 5s, 6s}
N(Ω) = 12
A: Al lanzar un dado y una moneda aparezcan el
número 2 ó 3 con cara.
B: Al lanzar un dado y una moneda aparezcan
números pares con cara.
A = { 2c, 3c }, N(A) = 2
B = { 2c, 4c, 6c } N(B) = 3
Ac = { 1c, 4c, 5c, 6c, 1s, 2s, 3s, 4s, 5s, 6s }
P(Ac) = 1 – P(A) = 1 – 2/12 = 10/12
Bc = { 1c, 3c, 5c, 1s, 2s, 3s, 4s, 5s, 6s}
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:
P( A E )
P( A / E )
P( E )
PROBABILIDAD
Eventos Independientes:
P( A / E ) P( A)
P( E / A) P( E )
P( A B) P( A) P( B)
Si no se cumplen, se dice que los eventos son
dependientes.
PROBABILIDAD
Probabilidad Condicional.
P( A E )
P( A / E )
P( E )
P( E A)
P( E / A)
P( A)
P( A E ) P( A / E ) P( E )
P( E/A ) P( A )
PROBABILIDAD
Probabilidad Condicional.
Si A y B son independientes:
P( A E ) P( A / E ) P( E ) P( A) P( E )
P( E/A ) P( A ) P(E)P(A)
P( A E ) P( A) P( E )
P( A / E ) P( A)
P( E ) P( E )
P( E A) P( E ) P( A)
P( E / A) P( E )
P( A) P( A)
PROBABILIDAD
Ejemplo:
Experimento: Lanzar un dado.
A: que al lanzar el dado caiga 3
E: que al lanzar un dado salga un impar
Ω = {1,2,3,4,5,6}
A = {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
B Bc Total
A AB ABc A
Ac AcB AcBc Ac
Total B Bc Ω
Tabla de número de elementos de A, B y sus
complementos Ac, Bc
B Bc Total
B Bc Total
Probabilidades condicionales:
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).- Mujer
b).- Hombre
c).- Mujer dado que está empleado
d).- Desempleado dado que es hombre
e).- Empleado dado que es mujer
D E Total
M 800/8000 = .1 3200/8000= .4 4000/8000= .5
P(M) = .50
P(H) = .50
P(E) = .875
P(D) = .125
P(M/E) = P(ME)/P(E) = .40/.875 = .4571
P(D/H) = P(DH)/P(H) = .025/.5 = .05
P(E/M) = P(ME)/P(M) = .40/.5 = .8
P(M/D) = P(MD)/P(D) = .10/.125 = .8
P(H/D) = P(HD)/P(D) = .025/.125 = .2
PROBABILIDAD
INDEPENDENCIA DE n EVENTOS
P( A1 A2 A3 ... Ak ) P( A1 ) P( A2 ) P( A3 )...P( Ak )
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
A2
A5
A3
A1 A4
A6
An
PROBABILIDAD
E
A6
An
E
PROBABILIDAD
Entonces
E = Ω E = (A1 A2 A3 An) E
= (A1 E) (A2 E) (A3 E)
(An E)
P(D/M2)=.04 P(M2)*P(D/M2)=.3*.04=.012
D
P(M2)=.30 M2
P(ND/M2)=.96 ND
P(D/M3)=.05
D P(M1)*P(D/M1)=.2*.05=.01
P(M3)=.20 M3
ND
P(ND/M3)=.95
P(D) = .015+.012+.01=.037
PROBABILIDAD
P( Ai )P(E / AI )
P( Ai / E)
P( A1 )P(E / A1 ) P( A2 )P(E / A2 ) P( An )P(E / An )
PROBABILIDAD
Co mo la p ro b ab ilid
ad co mp leta d eE es :
P(D/M2)=.04 P(M2)*P(D/M2)=.3*.04=.012
D
P(M2)=.30 M2
P(ND/M2)=.96 ND
P(D/M3)=.05
D P(M1)*P(D/M1)=.2*.05=.01
P(M3)=.20 M3
ND
P(ND/M3)=.95
P(D) = .015+.012+.01=.037
PROBABILIDAD
Por teorema de Bayes se tiene:
P( M 1 ) P( D / M 1 )
P(M 1 / D)
P( M 1 ) P( D / M 1 ) P( M 2 ) P( D / M 2 ) P( M 3 ) P( D / M 3 )
P( M 1 ) P( D / M 1 ) (.5 0)(.0 3)
.4 0 5 4
P(D) .0 3 7