PROBABILIDADES ESTADSTICA

INTEGRANTES:
ALLCA POMA, ALEXIS ARESTEGUI ROJAS, JOSHUA RUIZ REYES, MARTIN MEDRANO VELARDE, DAVID MONROY MUNAYCO, PEDRO

Docente: Cavero Donayre. Ricardo

PROBABILIDADES

La probabilidad es un mtodo por el cual se obtiene la frecuencia de un suceso determinado mediante la realizacin de un experimento aleatorio, del que se conocen todos los resultados posibles, bajo condiciones suficientemente estables.

El hombre siempre tuvo inters en cuantificar la probabilidad ya que dicha cuantificacin contribuye a predecir acontecimientos a corto o largo plazo. Por ejemplo: si todos los das martes, desde hace tres meses, se corta la luz, existir una gran probabilidad (aunque no por esto una certeza) de que el prximo martes tambin se produzca el corte. Cabe resaltar tambin que se conoce como teora de la probabilidad a aquella que enmarca a los fenmenos aleatorios (es decir, que no ofrecen un resultado nico o previsible bajo condiciones determinadas). El lanzamiento de un dado es un fenmeno aleatorio, ya que puede arrojar diferentes resultados ms all de que se realice en las mismas condiciones.

1)EXPERIMENTO ALEATORIO:

El experimento aleatorio se refiere a cualquier accin o proceso que no se tiene certeza de su resultado final, hasta tanto no se ejecute. Este tipo de experimentos debe satisfacer con los siguientes requerimientos: Puede repetirse un nmero ilimitado de veces bajo las mismas condiciones. Es posible conocer por adelantado todos los posibles resultados a que pueden dar origen. No puede predecirse con exactitud un resultado en una relacin particular del experimento.

Ejemplos:

Lanzar una moneda al aire. Lanzar un dado.

Sacar una carta al azar.

Predecir los nmeros de la lotera.

2)ESPACIO MUESTRAL:

En la teora de probabilidades, el espacio muestral o espacio de muestreo (denotado E, S, o U) consiste en el conjunto de todos los posibles resultados individuales de un experimento aleatorio. Por ejemplo, si el experimento consiste en lanzar dos monedas, el espacio de muestreo es el conjunto {(cara, cara), (cara, cruz), (cruz, cara) y (cruz, cruz)}. Un evento o suceso es cualquier subconjunto del espacio muestral, llamndose a los sucesos que contengan un nico elemento sucesos elementales. En el ejemplo, el suceso "sacar cara en el primer lanzamiento", o {(cara, cara), (cara, cruz)}, estara formado por los sucesos elementales {(cara, cara)} y {(cara, cruz)}.

TIPOS DE ESPACIO MUESTRAL: Podemos diferenciar entre dos tipos de espacios muestrales: discretos y continuos. Discretos: Son aquellos espacios donde el nmero de sucesos elementales es finito o infinito numerable. Espacio probabilstico discreto:

Es aquel cuyo espacio muestral es discreto. Podemos diferenciar varios tipos de espacio probabilstico discreto: -Espacio Probabilstico Discreto Equiprobable Su espacio muestral es finito de tamao n. La probabilidad de cualquier suceso elemental E es de aqu se deduce que para todo suceso A la probabilidad es -Espacio Probabilstico Discreto Finito Su espacio muestral es discreto finito. Hay al menos 2 sucesos elementales que cumplen.

Procesos Estocsticos Finitos Y Diagramas de rbol:

Un proceso estocstico es una sucesin finita de experimentos aleatorios, cada uno de ellos con un n finito de resultados posibles. Se representan con diagrama de rbol. Por ejemplo, imaginemos que se lanza una moneda y un dado de seis caras. La probabilidad de obtener un resultado particular corresponde a la multiplicacin de sus probabilidades. Es decir, la probabilidad de obtener cara y un tres ser:

Espacio Probabilstico Infinito Contable:

Aquel cuyo espacio muestral es discreto infinito contable. Por ejemplo:
La probabilidad de que en una moneda salga cara en la primera tirada =

La probabilidad de que en una moneda salga nuevamente cara en la segunda tirada = =

La probabilidad de que en una moneda salga nuevamente cara en la tercera tirada = =

Continuos: Son aquellos espacios donde el nmero de sucesos elementales es infinito incontable. Espacio probabilstico continuo

Espacio muestral infinito no numerable. No es posible observar puntos concretos del espacio. Tiene sentido hablar de intervalos observados. No es posible asignar probabilidad a un punto concreto, se asigna a intervalos. Por tanto la funcin P est definida sobre intervalos ( < > . Habitualmente cuando trabajamos con magnitudes fsicas.

3)EVENTO:
a)Un evento es un subconjunto del espacio muestral de un experimento aleatorio. Los eventos normalmente se denotan con las letras maysculas A, B, C; y tienen la caracterstica de ser subconjuntos de S ((A, B, C) S). Los eventos pueden ser:

Evento seguro, es aquel que tiene todos los posibles resultados. S = A #S = #A. Por ejemplo al tirar un dado un dado obtener una puntuacin que sea menor que 7. Evento imposible, es aquel que no tiene un posible resultado. Por ejemplo al tirar un dado obtener una puntuacin igual a 7.

Eventos compatibles, dos eventos, A y B, son compatibles cuando tienen algn eventos elemental comn. Ejemplo 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 evento elemental comn. Evento incompatibles, dos eventos, A y B, son incompatibles cuando no tienen ningn elemento en comn. Ejemplo si A es sacar puntuacin par al tirar un dado y B es obtener mltiplo de 5, A y B son incompatibles. Eventos independientes, dos eventos, A y B, son independientes cuando la probabilidad de que suceda A no se ve afectada porque haya sucedido o no B. Ejemplo al lazar dos dados los resultados son independientes.

Eventos dependientes, dos eventos, A y B, son dependientes cuando la probabilidad de que suceda A se ve afectada porque haya sucedido o no B. Ejemplo extraer dos cartas de una baraja, sin reposicin, son eventos dependientes. Evento contrario, el evento contrario a es otro evento que se realiza cuando no se realiza A. Ejemplo son eventos contrarios sacar par e impar al lanzar un dado. Se clasifican en:

-Evento simple, siendo aquel que tiene un solo punto muestral. -Evento compuesto, siendo aquel que tiene dos o ms puntos muestrales. Donde el punto muestral es cada uno de los resultados posibles de un experimento aleatorio. Representndose al nmero de puntos muestrales por #S.

B)OPERACIONES BSICAS CON EVENTOS ALEATORIOS Ya que los eventos son subconjuntos del espacio muestral S, se pueden aplicar las conocidas operaciones con conjuntos, a los eventos, como son la unin, la interseccin y la diferencia de eventos.
Operacin Unin Expresin AB Descripcin Unin de eventos originales: es el evento que sucede si y solo si A sucede o B sucede o ambos suceden

Interseccin

AB

Interseccin de los eventos originales, es el evento que sucede si y slo si A y B suceden simultneamente.

Complemento A = S - A

El complemento de un conjunto son todos aquellos elementos de S que no pertenecen al conjunto A.

Diferencia

A-B

La diferencia de los eventos originales A y B, es el evento que sucede solo en A pero no en B.

4)PROBABILIDAD CONDICIONADA
Como la probabilidad est ligada a nuestra ignorancia sobre los resultados de la experiencia, el hecho de que ocurra un suceso, puede cambiar la probabilidad de los dems. El proceso de realizar la historia clnica, explorar y realizar pruebas complementarias ilustra este principio. La probabilidad de que ocurra el suceso A si ha ocurrido el suceso B se denomina probabilidad condicionada y se define:

Esta definicin es consistente, es decir cumple los axiomas de probabilidad. Cuando ocurre un suceso cambia el espacio muestral, por eso cambia la probabilidad. A veces es ms fcil calcular la probabilidad condicionada teniendo en cuenta este cambio de espacio muestral.

PROBLEMAS:

I) Una persona lanza una moneda 3 veces, Cul es la probabilidad de obtener 3 guilas dado que sali por lo menos un guila?

Solucin: El espacio muestra del experimento de lanzar una moneda 3 veces es:
S = {aaa, aas, asa, ass, saa, sas, ssa, sss} El evento A de que por lo menos hay un guila en los tres lanzamientos es: A = {aaa, aas, asa, ass, saa, sas, ssa} El evento B de que obtenga 3 guilas es B = {aaa} Por lo tanto, A De donde Ntese que siete que son posibles en A; es decir, calcular la probabilidad condicional de B dado A es como calcular la probabilidad de B con relacin al conjunto A, como si ste fuera un nuevo espacio muestra S* = A.

B = {aaa} y

1 7

es la probabilidad de una ocurrencia en las

II)Se seleccionan dos semillas aleatoriamente, una por una, de una bolsa que contiene 10 semillas de flores rojas y 5 de flores blancas. Cul es la probabilidad de que: a)La primera semilla sea roja? b)La segunda semilla sea blanca dado que la primera fue roja? Solucin: La probabilidad de que la primera semilla sea roja es 10/15, puesto que hay 10 semillas de flores rojas de un total de 15. Escrito con notacin de probabilidad tenemos: 1 = 10/15

La probabilidad de que la segunda semilla sea blanca se ve influida por lo que sali primero, es decir esta probabilidad est sujeta a una condicin, la de que la primera semilla sea roja. Este tipo de probabilidad se le llama probabilidad condicional y se denota por (2 /1 ), y se lee: la probabilidad de B2 dado R1.
Esta probabilidad (2 /1 ) = 5/14, puesto que todava hay 5 semillas blancas en un total de 14 restantes. Veamos la situacin en un diagrama de rbol:

5)PROBABILIDAD DE EVENTOS INDEPENDIENTES

La principal caracterstica de una situacin con eventos independientes es que el estado original de la situacin no cambia cuando ocurre un evento. Existen dos maneras de que esto suceda:

Los eventos independientes ocurren ya sea cuando:

El proceso que genera el elemento aleatorio no elimina ningn posible resultado El proceso que s elimina un posible resultado, pero el resultado es sustituido antes de que suceda una segunda accin. (A esto se le llama sacar un reemplazo.) Aqu hay ejemplos de cada caso:

Situacin

Eventos

Por qu los eventos son independientes

Lanzas un dado, y si no sale 6, lanzas de nuevo. Cul es la probabilidad de sacar un 6 en el segundo lanzamiento?

El primer lanzamiento no es un 6. El primer lanzamiento es un 6.

El hecho de que el primer lanzamiento no es un 6 no cambia la probabilidad de que el segundo lanzamiento sea un 6. (A algunas personas les gusta decir, "el dando no se acuerda qu sacaste antes.")

Sacas una canica de una bolsa con 2 canicas rojas, 2 blancas, y una verde. Observas el color, la pones de nuevo en la bolsa, y sacar otra canica. Cul es la probabilidad de sacar una canica roja ambas veces?

Sacar una canica roja en el primer intento. Sacar una canica roja en el segundo intento.

Los eventos son independientes porque regresaste la primera canica a la bolsa y tu segundo intento fue con la bolsa en su estado original.

Sacas una carta de un mazo de 52 cartas, y luego lanzas un dado. Cul es la probabilidad de sacar un 2 y luego lanzar y que caiga 2?

La carta es un 2. El dado cae en 2.

Aunque la carta no es regresada al mazo despus de sacarla, el lanzamiento del dado no depende de las cartas, por lo que ningn posible resultado ha sido reemplazado. A pesar del resultado de sacar la carta, la probabilidad de del dado no ser afectada.

 EJERCICIOS:
I) En una urna hay 3 fichas amarillas y 6 azules. Cul es la probabilidad de que al sacar 2 fichas con reposicin, estas sean amarillas? Solucin La probabilidad de sacar 1 ficha amarilla es de 3/9=>1/3, como existe reposicin la 1ra extraccin no afecta a la 2da extraccin, por tanto estamos frente a eventos independientes. P(2 amarillas) = 1/3 * 1/3 = 1/9

II) Se lanza un dado dos veces. Cul es la probabilidad de que en el primer lanzamiento resulte 3 y en el segundo lanzamiento un nmero impar? Solucin

Un evento no afecta al otro, son independientes, por tanto

A) P( sacar 3) = 1/6 B) P( impar ) = 3/6 = P( total ) = P( A^B )= P(A)*P(B) = 1/6*1/2 = 1/12

PROBABILIDAD TOTAL:
El Teorema de la probabilidad total nos permite calcular la probabilidad de un suceso a partir de probabilidades condicionadas: Ejemplo: supongamos que si llueve la probabilidad de que ocurra un accidentes es x% y si hace buen tiempo dicha probabilidad es y%. Este teorema nos permite deducir cul es la probabilidad de que ocurra un accidente si conocemos la probabilidad de que llueva y la probabilidad de que haga buen tiempo. La frmula para calcular esta probabilidad es:

Es decir, la probabilidad de que ocurra el suceso B (en nuestro ejemplo, que ocurra un accidente) es igual a la suma de multiplicar cada una de las probabilidades condicionadasde este suceso con los diferentes sucesos A (probabilidad de un accidente cuando llueve y cuando hace buen tiempo) por la probabilidad de cada suceso A.

Para que este teorema se pueda aplicar hace falta cumplir un requisito: Los sucesos A tienen que formar un sistema completo, es decir, que contemplen todas las posibilidades (la suma de sus probabilidades debe ser el 100%). Ejemplo: Al tirar una moneda, el suceso "salir cara" y el suceso "salir cruz" forman un sistema completo, no hay ms alternativas: la suma de sus probabilidades es el 100%

En una titulacin el alumnado puede optar por cursar las asignaturas optativas A y B. En un determinado curso, el 90% de los alumnos estudia la asignatura A y el resto la B. El 30% de los que estudian la asignatura A son chicos y de los que estudian la asignatura B son chicos el 40%. Elegido un estudiante al azar, cul es la probabilidad de que sea chica? Definimos los sucesos:

A=estudiar asignatura A , B=estudiar asignatura B.

Entonces P(A)=0.9 P(B)=0.1. (AB= y AB= ). Nos piden entonces la probabilidad de ser chica. Aplicamos el teorema de la probabilidad total y obtenemos: P(Chica)=P(Chica|A)P(A)+P(Chica|B)P(B). De los datos del ejercicio se obtiene: P(Chico|A)=0.3 , P(Chico|B)=0.4 y , por tanto: P(Chica|A)=1-P(Chico|A)=1-0.3=0.7 P(Chica|B)=1-P(Chico|B)=1-0.4=0.6. Luego sustituyendo los valores en la frmula obtenemos: P(Chica) =0.70.9+0.60.1=0.69.

7)TEOREMA DE BAYES:
En la teora de la probabilidad el teorema de Bayes es un resultado enunciado por Thomas Bayes en 1763 que expresa la probabilidad condicional de un evento aleatorio A dado B en trminos de la distribucin de probabilidad condicional del evento B dado A y la distribucin de probabilidad marginal de slo A.
En trminos ms generales y menos matemticos, el teorema de Bayes es de enorme relevancia puesto que vincula la probabilidad de A dado B con la probabilidad de B dado A. Es decir que sabiendo la probabilidad de tener un dolor de cabeza dado que se tiene gripe, se podra saber (si se tiene algn dato ms), la probabilidad de tener gripe si se tiene un dolor de cabeza, muestra este sencillo ejemplo la alta relevancia del teorema en cuestin para la ciencia en todas sus ramas, puesto que tiene vinculacin ntima con la comprensin de la probabilidad de aspectos causales dados los efectos observados.

Sea un conjunto de sucesos mutuamente excluyentes y exhaustivos, y tales que la probabilidad de cada uno de ellos es distinta de cero (0). Sea B un suceso cualquiera del que se conocen las probabilidades condicionales . Entonces, la probabilidad viene dada por la expresin:

donde:

son las probabilidades a priori.

es la probabilidad de en la hiptesis . son las probabilidades a posteriori.

FORMULA DE BAYES:

Aplicaciones 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 el hecho de permitir revisar esas estimaciones en funcin de la evidencia emprica es lo que est abriendo nuevas formas de hacer conocimiento. Una aplicacin de esto son los clasificadores bayesianos que son frecuentemente usados en implementaciones de filtros de correo basura o spam, que se adaptan con el uso.

Como observacin, se tiene y su demostracin resulta trivial.

Ejemplo. El parte meteorolgico ha anunciado tres posibilidades para el fin de semana:

a) Que llueva: probabilidad del 50% b) Que nieve: probabilidad del 30% c) Que haya niebla: probabilidad del 20%.

Segn estos posibles estados meteorolgicos, posibilidad de que ocurra un accidente es la siguiente:
a)Si llueve: probabilidad de accidente del 20%. b) Si nieva: probabilidad de accidente del 10% c) Si hay niebla: probabilidad de accidente del 5%.

la

Resulta que efectivamente ocurre un accidente y como no estabamosen la ciudad no sabemos que tiempo hizo (llovo, nev o hubo niebla). El teorema de Bayes nos permite calcular estas probabilidades: Las probabilidades que manejamos antes de conocer que ha ocurrido un accidente se denominan"probabilidades apriori"(lluvia con el 50%, nieve con el 30% y niebla con el 20%). Una vez que incorporamos la informacin de que ha ocurrido un accidente, las probabilidades del suceso A cambian: son probabilidades condicionadas P (A/B), que se denominan"probabilidades a posteriori". Vamos a aplicar la frmula:

a)Probabilidad de que estuviera lloviendo:

La probabilidad de que efectivamente estuviera lloviendo el da del accidente (probabilidad a posteriori) es del 71,4%.

b)Probabilidad de que estuviera nevando:

La probabilidad de que estuviera nevando es del 21,4%.

c)Probabilidad de que hubiera niebla:

La probabilidad de que hubiera niebla es del 7,1%