DNDE APLICA
PROBABILIDAD
Medida
de
confianza
representativa o prctica de
que ocurra un evento futuro.
CLCULO DE LA
PROBABILIDAD
Proporciona
las
reglas
para
el
estudio
de
los
experimentos
aleatorios o de azar.
Constituye la base de
la
estadstica
inferencial.
ALEATORIO O
DETERMINISTA?
1) Fenmeno Aleatorio
No se sabe qu es lo que va a
ocurrir, estn relacionados con el
azar o probabilidad.
2) Fenmeno Determinista
EXPERIMENTO ALEATORIO
EXPERIMENTO ALEATORIO
1.
2.
3.
EJEMPLOS DE EXPERIMENTO
ALEATORIO
A: que al nacer un bebe, ste sea nia
B: que una persona de 20 aos, sobreviva 15
aos ms
C: que la presin arterial de un adulto se
incremente ante un disgusto
EJEMPLO DE PROBABILIDAD
E INFERENCIA
1) Se postulan dos candidatos al cargo de la
presidencia de la Sociedad de Alumnos del
Bachillerato Sur UPAEP, y se desea
determinar si el candidato X puede ganar.
2) Poblacin de inters: Conjunto de respuestas
de los estudiantes que votarn el da de las
elecciones.
3) Criterio de gane: Si obtiene el ms del 50%
de los votos.
EJEMPLO DE PROBABILIDAD
E INFERENCIA
4) Supngase que todos los estudiantes
del Bachillerato van a las urnas y se
elige de manera aleatoria, una
muestra de 20 estudiantes.
5) Si los 20 estudiantes apoyan al
candidato Qu concluye respecto a
la posibilidad que tiene el candidato
X de ganar las elecciones?
EJEMPLO DE PROBABILIDAD
E INFERENCIA
1.- EL CANDIDATO
X GANARA
2.- EL CANDIDATO
Y GANARA
3.- NO SE PUEDE
CONCLUIR NADA
EJEMPLO DE PROBABILIDAD
E INFERENCIA
PROBABILIDAD
ESPACIO MUESTRAL
Espacio Muestral
Ejemplos:
1.- Experimento: Se lanza una moneda.
Espacio muestral S = { s, a }
EVENTOS ALEATORIOS
Se denotan normalmente
maysculas A, B, C, ...
con
las
letras
y N(E) = N(S)
2) Evento Imposible
Es subconjunto de S, y la
nica posibilidad es que el
evento imposible sea el
conjunto vaco.
S, y N() = 0
EVENTOS SIMPLES Y
COMPUESTOS
1)
Evento Elemental
Si s1, s2 S
entonces s1, s2 son eventos
elementales.
EVENTOS SIMPLES Y
COMPUETOS
2) Evento Compuesto
A s tal que s A
OPERACIN
EXPRESIN
UNIN
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
DIFERENCIA
A-B
OPERACIONES BSICAS
UNIN
S
A
B
3
4
5
2
A B = { 1, 3, 5 } { 3, 4 } = {1,3,4,5},
N(A B) = 4
A C = { 1, 3, 5 } { 2,4,6 } = {1,2,3,4,5,6}=S,
B C = { 3, 4 } { 2, 4, 6 } = {2,3,4,6},
N(A C) = N(S) = 6
N(B C) = 4
A B C = { 1, 3, 5 } { 3, 4 } { 2,4,6 }= {1,2,3,4,5,6}=S,
N(A B C) = 6
OPERACIONES BSICAS
INTERSECCIN
S
B
A
3
4
C
A B={ 1, 3, 5 } { 3, 4 } = {3},
A C={ 1, 3, 5 } { 2,4,6 } = {},
B C={ 3, 4 } { 2, 4, 6 } = {4},
N(AB) = 1
N(A C) = N{) = 0
N(B C) = 1
S
A
B
3
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
S
A
B
3
4
5
2
C
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
TIPOS DE PROBABILIDAD
1.
Probabilidad Clsica o a
Priori
2.
Probabilidad frecuencial o a
Posteriori
3.
Probabilidad Matemtica o
Axiomtica
PROBABILIDAD CLSICA
Probabilidad clsica.Sea S un espacio muestral cualquiera y A un evento
de ese espacio. Se define la probabilidad P del
evento A, como:
NCF
P ( A)
NCT
donde
NCF - nmero de casos favorables
NCT - nmero de casos totales
(1)
PROBABILIDAD
FRECUENCIAL
N ( A)
P ( A)
N ( )
(2)
donde
N(A) = nmero de elementos del evento A
N() = nmero de elementos del espacio muestral .
PROBABILIDAD AXIOMTICA
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
demostracin.
Teorema.- Es una verdad que requiere ser
demostrada.
AXIOMAS
Axioma 1
Sea S un espacio muestral cualquiera y A
un evento, tal que A S, entonces se
cumple que
0 P(A) 1
AXIOMAS
Axioma 2
La probabilidad del espacio muestral es un
evento seguro, es uno
P() = 1
N ( A) N ( S )
P( A)
1
N ( ) N ( )
AXIOMAS
Teorema 1.Si es el conjunto vaco, entonces la probabilidad de es
igual a 0
N ()
P ()
0
N ()
Ejemplos:
Una persona que quiere ganar la lotera nacional,
pero no compra boleto.
Que aparezca un siete al lanzar un dado
Que una persona viva 250 aos
AXIOMAS
Axioma 3.- Sea
un espacio
muestral cualquiera y sean A y B
dos eventos tales que
A , B y A B = , es
decir, dos eventos mutuamente
exclusivos,
entonces
A
B
P(A B) = P(A) + P(B).
A
AXIOMAS
Teorema 2.-(Ley Aditiva de la
Probabilildad). Sean A y B dos
eventos no excluyentes, A B ,
entonces
P(A B) = P(A) + P(B) - P(A B)
AB
AXIOMAS
Teorema
3.-
Sea
un
evento
que
AS,
si
Ac
es
el
PROBABILIDAD CONDICIONAL
EVENTOS CONDICIONADOS
Sea A un evento arbitrario de
un espacio muestral , 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 CONDICIONAL
Ley Multiplicativa de la Probabilidad.
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
CONDICIONAL
Probabilidades condicionales:
P(A/B) = P(A B)/P(B)
P(B/A) = P(A B)/P(A)
P(A/Bc) = P(A Bc)/P(Bc)
P(B/Ac) = P(Ac B)/P(Ac)
P(Ac/B) = P(Ac B)/P(B)
P(Bc/A) = P(A Bc)/P(A)
EVENTOS INDEPENDIENTES
Los eventos A y E son independientes si se
cumplen:
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.
EVENTOS 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)
EJEMPLO
Experimento: Lanzar un dado.
A: que al lanzar el dado caiga 3
E: que al lanzar un dado salga un impar
Encontrar la probabilidad de que al lanzar un dado se
obtenga un 3 dado que se obtuvo un impar.
= {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
EJERCICIOS
En cierta ciudad, las mujeres
representan el 50% de la poblacin y
los hombres el otro 50%. Se sabe
que el 20% de las mujeres y el 5% de
hombres estn sin trabajo.
Un
economista estudia la situacin de
empleo, elige al azar una persona
desempleada. Si la poblacin total
es de 8000 personas,
Cul es la probabilidad de que la
persona escogida sea ?:
EJERCICIOS
a).- Mujer
b).- Hombre
c).- Mujer dado que est empleado
d).- Desempleado dado que es hombre
e).- Empleado dado que es mujer
Sean los eventos:
M: Que sea Mujer
H: Que sea Hombre
D: Que sea Desempleado
E: Que sea Empleado
Desempleados Empleados
D
E
Total
Mujeres
M
800
3200
4000
Hombres
H
200
3800
4000
Total
1000
7000
8000
Tabla de Probabilidades
D
Total
800/8000 = .1
3200/8000= .4
4000/8000= .5
200/8000= .025
3800/8000= .475
4000/8000= .5
Total
8000/8000= 1
PROBABILIDAD
P(M) = .50
P(H) = .50
P(E) = .875
P(D) = .125
P(M/E) = P(ME)/P(E) = .40/.875
= .4571
= .05
= .8
= .8
EJEMPLOS
Eventos dependientes e independientes
En el ejemplo anterior se tiene que
P(M) = .50
P(H) = .50
P(E) = .875
P(D) = .125
P(ME) = .40
P(DH) = .025
P(MD) = .10
P(EH) = .475
EJEMPLOS
Por tanto los eventos M y E ,
D y H,
M y D,
EyH
son dependientes.
PROBABILIDAD TOTAL
Sean A1, A2, A3..., An
eventos
disjuntos
(mutuamente
excluyentes), que forman una
particin de . Esto es Ai Aj =
para toda i y toda j, y adems
= A1 A2 A3 An
A2
A1
A6
A3
A4
A5
An
PROBABILIDAD TOTAL
Y sea E otro evento tal que E y E Ai
A2
A5
A3
A1
A4
A6
An
PROBABILIDAD TOTAL
Entonces
E = E = (A1 A2 A3 An) E
= (A1 E) (A2 E) (A3 E)
(An E)
Al aplicar la funcin de probabilidad a ambos eventos, se
tiene que:
P(E) = P(A1E) + P(A2E) +P(A3E) ++P(An E)
Ya que (Ai E) es ajeno a (Aj E) para i j
PROBABILIDAD TOTAL
Como (Ai E) = (E Ai) entonces
P(Ai E) = P(E Ai) = P(E/Ai) P(Ai)
Entonces la probabilidad completa de E
es:
P(E) = P(E/A1) P(A1) + P(E/A2) P(A2) +
P(E/A3)P(A3)+...+ P(E/An) P(An)
EJERCICIO PROBABILIDAD
TOTAL
En una pequea empresa de tejidos se
obtiene su produccin con tres mquinas
hiladoras M1, M2 y M3 que producen
respectivamente 50%, 30% y el 20% del
nmero total de artculos producidos.
Los porcentajes de productos defectuosos
producidos por estas mquinas son 3%, 4%
y 5%. Si se selecciona un artculo al azar,
Cul es la probabilidad de que el artculo sea
defectuoso ?
EJERCICIO PROBABILIDAD
TOTAL
Sea D el evento:
Que sea un artculo defectuoso.
P(M1) = .50
P(D/M1) = .03
P(M2) = .30
P(D/M2) = .04
P(M3) = .20
P(D/M3) = .05
P(D/M1)=.03
P(M1)=.50
M1
P(ND/M1)=.97
P(D/M2)=.04
P(M2)=.30
M2
P(ND/M2)=.96
P(D/M3)=.05
P(M3)=.20
M3
P(ND/M3)=.95
D P(M1)*P(D/M1)=.5*.03=.015
ND
D
P(M2)*P(D/M2)=.3*.04=.012
ND
D
P(M1)*P(D/M1)=.2*.05=.01
ND
P(D) = .015+.012+.01=.037
PROBABILIDAD TOTAL
Teorema de Bayes.- Supngase que A1,
A2, A3,...,An es una particin de un
espacio muestral . En cada caso P(Ai)
0. La particin es tal que A1, A2,
A3,...,An, son eventos mutuamente
exclusivos. Sea E cualquier evento,
entonces para cualquier Ai,
P( Ai / E )
P( Ai )P(E / AI )
P( A1 )P(E / A1 ) P( A2 )P(E / A2 ) P( An )P(E / An )
TEOREMA DE BAYES
P( Ai ) P( E / AI )
P(E)
PROBABILIDAD TOTAL
TEOREMA DE BAYES
Ejemplo
En una pequea empresa de tejidos se obtiene su
produccin con tres mquinas hiladoras M 1, M2
y M3 que producen respectivamente 50%, 30%
y el 20% del nmero total de artculos
producidos.
Los porcentajes de productos defectuosos
producidos por estas mquinas son 3%, 4% y
5%. Supngase que se selecciona un artculo
al azar y resulta ser defectuoso. Cul sera
la probabilidad de que el artculo haya sido
producido por la mquina M1?
PROBABILIDAD TOTAL
TEOREMA DE BAYES
Sea
D: Que el artculo sea defectuoso
ND: Que el artculo no sea defectuoso
M1: Que haya sido producido por la mquina 1
M2: Que haya sido producido por la mquina 2
M3: Que haya sido producido por la mquina 3
P(M1) = .50
P(M2) = .30
P(M3) = .20
P(D/M1) = .03
P(D/M2) = .04
P(D/M3) = .05
P(D/M1)=.03
P(M1)=.50
M1
P(ND/M1)=.97
P(D/M2)=.04
P(M2)=.30
M2
P(ND/M2)=.96
P(D/M3)=.05
P(M3)=.20
M3
P(ND/M3)=.95
D P(M1)*P(D/M1)=.5*.03=.015
ND
D
P(M2)*P(D/M2)=.3*.04=.012
ND
D
P(M1)*P(D/M1)=.2*.05=.01
ND
P(D) = .015+.012+.01=.037
PROBABILIDAD TOTAL
Por teorema de Bayes se tiene:
TEOREMA DE BAYES
P ( M 1 / D)
P(M 1 ) P( D / M 1 )
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 )
P ( D)
(.50)(.03)
.037
.4054