Beruflich Dokumente
Kultur Dokumente
UNAN-RUCFA
LOGO
Octubre 2018
TEMA II: PROBABILIDADES
Contenidos
Conceptos Básicos
Regla de la multiplicación
Teorema de Bayes
Tema II. PROBABILIDADES
LA PROBABILIDAD ES LA POSIBILIDAD U
OPORTUNIDAD DE QUE SUCEDA UN EVENTO
PARTICULAR.
Ejemplos:
La posibilidad de sacar una carta con figura roja de
una baraja
La posibilidad de que un empleado de una empresa
seleccionado aleatoriamente esté satisfecho con su
trabajo
La posibilidad de que un nuevo producto tenga éxito
en el mercado.
PROBABILIDADES
CONCEPTOS BASICOS:
Para el ejemplo 3
S1 = { 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10 }
EVENTOS
Un evento A respecto al espacio muestral S es
un subconjunto de ese espacio muestral.
Para el ejemplo 3
Consideremos que el evento A representa
“cuenta a lo más 3 facturas con algún error.”
Entonces A = { 0, 1, 2, 3 }
Decimos que un evento A ha ocurrido si el
resultado del experimento es un elemento de A.
TIPOS DE EVENTOS
EVENTO IMPOSIBLE ( ) :
Es un evento que nunca ocurre. S
EVENTO SEGURO (S ):
Es un evento que siempre ocurre.
EVENTO SIMPLE:
Es el que describe solamente una característica
EVENTO CONJUNTO:
Es el que describe dos o más características.
El evento conjunto de A y B denotado por AB ocurre
cuando A y B ocurren juntos
EVENTO UNIÓN:
El evento unión de A y B denotado por AB
es aquel que ocurre si A ocurre ó B ocurre ó
si ocurren ambos.
EVENTO COMPLEMENTARIO:
El evento complementario de A denotado
por A’ o Ac es aquel que ocurre si A no
ocurre.
EVENTOS MUTUAMENTE EXCLUYENTES:
A1 A2 ...An = S
Si B es finito entonces # (A B)
P(A | B) =
#B
EJEMPLO
Suponga que el entrevistado seleccionado es
mujer, ¿ cuál es la probabilidad que disfrute
comprar ropa?
244
P(D M) 244
P( D M ) = = 500 =
260
= 0 . 9385
P(M) 260
500
Suponga que el entrevistado seleccionado no
disfruta comprar ropa, ¿cuál es la probabilidad
de que sea hombre?
# (H N) 104
P( H N ) = = = 0 . 8667
#N 120
REGLA DE LA MULTIPLICACION
Sean A1 y A2 eventos
Sabemos que
P(A 1 A 2 )
P(A 2 | A 1 ) = P(A 1 A 2 ) = P(A 1 )P(A 2 A 1 )
P(A 1 )
= . P(A i )P(B A i )
Cada vez que se realice el experimento aleatorio
anterior podemos presentar mediante un árbol de
probabilidad todos sus resultados posibles con sus
correspondientes probabilidades.
TEOREMA DE BAYES
EJEMPLO
Un gerente de crédito clasifica las cuentas a su cargo en 3 tipos:
Tipo 1: buen pagador Tipo 2: pagador atrasado Tipo 3: mal
pagador
De los archivos se estima que el 75%, 20% y 5% de las cuentas
caen en las categorías 1, 2 y 3 respectivamente. Por experiencia
en el trabajo el gerente considera que el 90% de los clientes con
cuentas del tipo 1 tienen casa propia, mientras que el 50% de los
clientes con cuentas del tipo 2 y el 20% de los clientes con cuentas
del tipo 3 tienen casa propia.
¿ Cuál es la probabilidad de que una nueva aplicación de crédito
corresponda a un cliente con casa propia ?
Suponga que la nueva aplicación corresponde a un cliente con casa
propia, ¿ cuál es la probabilidad de que sea pagador atrasado?
Consideremos los siguientes eventos:
S: todas las cuentas a cargo del gerente
A1: la cuenta es del tipo 1
A2 : la cuenta es del tipo 2
A3: la cuenta es del tipo 3
B: el cliente tiene casa propia.
0.90 B 0.75(0.90) = 0.675
A1
0.10 B’
0.75
0.50 B 0.20(0.50) = 0.100
0.20
A2
B’
0.50
0.05 B
0.20 0.50(0.20) = 0.010
A3
0.80 B’ 0.785