Vous êtes sur la page 1sur 19

INSTITUTO TECNOLOGICO DE CAMPECHE

Unidad IV
Distribuciones Muestrales Y Estadstica Aplicada
Grupo: Ms2
Nombre:
Walter Guadalupe Garca Ferrera

Materia:
Probabilidad Y Estadstica

Carrera:
Ing. En Sistemas Computacionales









SAN FRANCISCO DE CAMPECHE, CAMPECHE A 12 DE MAYO DEL 2014
2

Contenido
INTRODUCCION .................................................................................................... 3
DEFINICION DE CONJUNTOS .............................................................................. 4
NOTACION DE CONJUNTOS ................................................................................ 4
CONJUNTOS FINITOS E INFINITOS ..................................................................... 4
EL CONJUNTO UNIVERSAL .................................................................................. 5
EL CONJUNTO VACIO ........................................................................................... 5
SUBCONJUNTO ..................................................................................................... 5
DIAGRAMA DE VENN EL CONSEPTO GRAFICO DE CONJUNTOS ................ 5
OPERACIONES CON CONJUNTOS ...................................................................... 6
LEYES O PROPIEDADES DE LAS OPERACIONES CON CONJUNTOS ............. 7
CARDINAL DE UN CONJUNTO ............................................................................. 8
LA NECESIDAD DE CONTAR ................................................................................ 8
METODOS PARA RALIZAR UN CONTEO ............................................................. 9
DIAGRAMAS DE VENN .......................................................................................... 9
DIAGRAMA DE RBOL .......................................................................................... 9
MTODO DEL DIAGRAMA DE CAJA Y BIGOTES. ............................................... 9
A TRAVS DE FORMULAS O REGLAS DE CONTEO ........................................ 10
PERMUTACIONES ............................................................................................... 10
INTRODUCCION A LA TEORIA DE PROBABILIDADES ..................................... 11
CONCEPTOS BSICOS DE PROBABILIDAD ..................................................... 11
TIPOS DE EVENTOS ........................................................................................... 12
DEFINICIONES DE PROBABILIDAD ................................................................... 13
CALCULO DE PROBABILIDADES ....................................................................... 15
PROBABILIDAD CONDICIONAL .......................................................................... 17
REGLAS DE LA MULTIPLICACION ..................................................................... 17
TEOREMA DE BAYES .......................................................................................... 18
FUENTES DE INFORMACION ............................................................................. 19



3

INTRODUCCION

En la vida cotidiana aparecen muchas situaciones en las que los resultados observados
son diferentes aunque las condiciones iniciales en las que se produce la experiencia
sean las mismas. Por ejemplo, al lanzar una moneda unas veces resultar cara y otras
cruz.. Estos fenmenos, denominados aleatorios, se ven afectados por la
incertidumbre.
La probabilidad es una herramienta de ayuda para la toma de decisiones porque
proporciona una forma de medir, expresar y analizar las incertidumbres asociadas
con eventos futuros de razones entre el nmero de casos favorables y el nmero
de casos posibles.

Qu es probabilidad? Es una medida numrica de la posibilidad de que ocurrir
un evento en la que sus valores se asignan en una escala de 0 a 1.














4

DEFINICION DE CONJUNTOS
El trmino conjunto juega un papel fundamental en el desarrollo de las
matemticas modernas; Adems de proporcionar las bases para comprender con
mayor claridad algunos aspectos de la teora de la probabilidad. Su origen se debe
al matemtico alemn George Cantor (1845 1918).
Podemos definir de manera intuitiva a un conjunto, como una coleccin o listado
de objetos con Caractersticas bien definidas que lo hace pertenecer a un grupo
determinado.
Para que exista un conjunto debe basarse en lo siguiente:
*La coleccin de elementos debe estar bien definida.
*Ningn elemento del conjunto se debe contar ms de una vez, generalmente,
estos elementos
*Deben ser diferentes, si uno de ellos se repite se contar slo una vez.
*El orden en que se enumeran los elementos que carecen de importancia.
NOTACION DE CONJUNTOS
A los conjuntos se les representa con letras maysculas A, B, C, ... y a los
elementos con letras minsculas a, b, c, ..., por ejemplo, el conjunto A cuyos
elementos son los nmeros en el lanzamiento de un dado.
A = {1, 2, 3, 4, 5, 6}
En base a la cantidad de elementos que tenga un conjunto, estos se pueden
clasificar en conjuntos finitos e infinitos.
CONJUNTOS FINITOS E INFINITOS

FINITOS: Tienen un nmero conocido de elementos, es decir, se encuentran
determinados por su longitud o cantidad.
El conjunto de das de la semana {1, 2, 3, 4,5.14, 35}
INFINITOS: Son aquellos en los cuales no podemos determinar su longitud.
El conjunto de los nmeros reales {1, 2,3.}

5

EL CONJUNTO UNIVERSAL
CONJUNTO UNIVERSAL: Es el conjunto de todos los elementos considerados en
una poblacin o universo, en un problema en especial. No es nico, depende de la
situacin, denotado por U O .
Segn la definicin no importa el orden en que se expresen los elementos. Por lo
tanto [a, b, c, d] =[b,d,c,a].
EL CONJUNTO VACIO
CONJUNTO VACI O NULO: Es aquel que no tiene elementos y se simboliza por
o { }.
A = {x2 + 1 = 0 | x R}
El conjunto A, es un conjunto vaco porque no hay ningn nmero real que
satisfaga a x2+1 = 0
SUBCONJUNTO
Si todo elemento de un conjunto A es tambin elemento de un conjunto B,
entonces se dice que A es un subconjunto de B. Representado por el smbolo
A B o B A
SUBCONJUNTOS PROPIOS
Se dice que es un subconjunto propio de A s todos los elementos de un conjunto
B se encuentran incluidos en l A, denotado por .
A B o B A
DIAGRAMA DE VENN EL CONSEPTO GRAFICO DE
CONJUNTOS

Un diagrama de Venn es una representacin pictrica de conjuntos en el plano. El
conjunto universal U se representa por un rectngulo, cualquier otro conjunto se
representa con un crculo. Una operacin se representa mediante el sombreado
de los elementos del conjunto.
6


OPERACIONES CON CONJUNTOS
UNIN DE CONJUNTOS: Sean A y B dos subconjuntos cualesquiera del conjunto
universal. La unin de A y B, expresada por A B, es el conjunto de todos los
elementos que pertenecen a A o pertenecen a B.
A B = {x | x A o x B}
INTERSECCIN DE CONJUNTOS: Sean A y B dos conjuntos cualesquiera del
conjunto universal. La interseccin de A y B, expresada por A B, es el conjunto
de todos los elementos que pertenecen a A y a B simultneamente, es decir:
A B = {x | x A y x B}
DIFERENCIA DE CONJUNTOS O COMPLEMENTO RELATIVO.
Sean A y B dos conjuntos cualesquiera del conjunto universal. La diferencia o
complemento relativo de B con respecto a A, es el conjunto de los elementos que
pertenecen a A, pero no pertenecen a B.
A - B = {x | x A, x B}
Nota: A - B B - A
COMPLEMENTO ABSOLUTO O SIMPLEMENTE COMPLEMENTO. Sea A un
subconjunto cualesquiera del conjunto universal. El complemento de A es el
conjunto de elementos que perteneciendo al universo y no pertenecen al conjunto
A, denotado por A o Ac.
A = {x | x U, x A}
Nota: A = U A

7

LEYES O PROPIEDADES DE LAS OPERACIONES CON
CONJUNTOS
DE IDEMPOTENCIA
A A = A A A = A
ASOCIATIVA
(A B) C = A (B C)
(A B) C = A (B C)
CONMUTATIVA
A B = B A AB = B A
DISTRIBUTIVA
A (B C) = (A B) (A C)

A (B C) = (A B) (A C)
DE IDENTIDAD
A U = U A U = A

A = A A =
DE INVOLUCIN
(A) = A
DE COMPLEMENTO
A A = U A A =

U= = U
DMORGAN
(A B) = A B (A B)= A B
PRINCIPIO DE CONTEO
N (A B) = n(A) + n (B) A B =
N (A B) = n(A) + n (B) - n(A B) A B



8

CARDINAL DE UN CONJUNTO
Todos estamos familiarizados con el conjunto ordenado de los nmeros naturales
N = {1, 2, 3,4} y el conjunto ordenado de los nmeros enteros no negativos W = {0,
1, 2, 3,4..}.
Contar con el proceso por el cual podemos en correspondencia los elementos de
un conjunto con algunos subconjuntos propios de N, comenzando con 1 y usando
los elementos de N en orden y sin saltar ninguna. Un subconjunto as se llama
subconjunto estndar de N. ejemplo: es decir el subconjunto estndar de N, {1,2,
3,4} es equivalente a {a, b, c, d} decimos entonces que S tiene cuatro elementos.
Esto lleva a la definicin siguiente:
Definicin: cuando un conjunto S se equipara a un subconjunto estndar de N, el
ltimo elemento de N usado se llama cardinales de conjunto S y se denota por N
(S).ejemplo: en el ejemplo anterior, n(S)=4

Propiedades
El producto cartesiano es distributivo respecto de la unin y la interseccin de
conjuntos, es decir, si A, B y C son tres conjuntos cualesquiera, se verifica:

(a) A (B C) = (A B) (A C)
(b) A (B C) = (A B) (A C)
(c) (A B) C = (A C) (B C)
(d) (A B) C = (A C) (B C)
LA NECESIDAD DE CONTAR
El concepto de matemticas, se comenz a formar, desde que el hombre vio la
necesidad de contar objetos, esta necesidad lo llevo al la creacin de sistema
numrico que inicial mente se compona con la utilizacin de los dados o piedras.
De nuevo por la necesidad, se hizo forzosa la representacin del sistema ms
avanzado y que pudieran resolver la mayora de los problemas que se representan
con continuidad.
*la historia del clculo, comenz desde que comenz la historia del hombre, cando
este vio la necesidad de contar.
*Has sido mucho los grandes matemticos que han influido en el desarrollo que
actual mente pose el clculo, igualmente ha sido mucho la cultura que han influido
en sus avances.
9

*las matemticas, actualmente son las bases de todas las ciencias que maneja el
hombre, debido a su campo de accin cubre la totalidad de los conocimientos
cientficos.
METODOS PARA RALIZAR UN CONTEO
Los mtodos de conteo son estrategia utilizadas para determinar el nmero de
posibilidades diferentes que existen al realizar un experimento. Entre estos
mtodos destacan el mtodo del producto y el mtodo del diagrama de rbol.

DIAGRAMAS DE VENN
Los Diagramas de Venn.- Se basan fundamentalmente en representar los
conjuntos matemticos con unas circunferencias. Con estas circunferencias el
estudiante realiza una serie de operaciones como la unin, la interseccin, etc.
Podramos decir que el manejo de los Diagramas de Veen sirven para orientar al
estudiante, son una herramienta metodolgica que tiene el profesor para explicar
la Teora de Conjuntos.
DIAGRAMA DE RBOL
Es un mtodo grfico de conteo que consiste en marcar, como si fueran rutas o las
ramas de un rbol, las posibilidades que aparecen en cada uno de los
experimentos simples en los que se descompone el experimento. El nmero de
posibilidades se obtiene contando las ramas finales.
MTODO DEL DIAGRAMA DE CAJA Y BIGOTES.
-Es una representacin grafica, basada en los cuartiles, que ayuda a describir un
conjunto de datos. Para su construccin se necesitan solamente cinco valores
estadsticos:
1.- El valor mnimo
2.- El primer cuartil Q1.
3.- La mediana.
4.- EL tercer cuartil Q3.
5.- El valor mximo.
10

A TRAVS DE FORMULAS O REGLAS DE CONTEO
a) k eventos en n intentos: Si el experimento se puede describir como una
sucesin de k etapas, en las que hay n1 resultados en la primera etapa, n2 en la
segunda, etc., la cantidad total de resultados experimentales es igual a (n1)
(n2)(nk). Esto es, la cantidad de resultados del experimento total es el producto
de las cantidades de resultados en cada etapa.
b) Para K.k n
Se consideran como P=K*K*K*K...n
c) N objetos tomados todos a la vez: Se define como P=N!



PERMUTACIONES
Una permutacin es una combinacin en donde el orden es importante. La
notacin para permutaciones es P(n,r) que es la cantidad de permutaciones de n
elementos si solamente se seleccionan r.
Ejemplo: Si nueve estudiantes toman un examen y todos obtienen diferente
calificacin, cualquier alumno podra alcanzar la calificacin ms alta. La segunda
calificacin ms alta podra ser obtenida por uno de los 8 restantes. La tercera
calificacin podra ser obtenida por uno de los 7 restantes.
La cantidad de permutaciones posibles sera: P(9,3) = 9*8*7 = 504 combinaciones
posibles de las tres calificaciones ms altas.

COMBINACIONES
Una combinacin es un arreglo donde el orden NO es importante. La notacin
para las combinaciones es C(n,r) que es la cantidad de combinaciones de n
elementos seleccionados, r a la vez. Es igual a la cantidad de permutaciones de
n elementos tomados r a la vez dividido por r factorial. Esto sera P(n,r)/r! en
notacin matemtica.
Ejemplo: Si se seleccionan cinco cartas de un grupo de nueve, cuntas
combinaciones de cinco cartas habra?
La cantidad de combinaciones posibles sera: P(9,5)/5! = (9*8*7*6*5)/(5*4*3*2*1) =
126 combinaciones posibles.

11

INTRODUCCION A LA TEORIA DE PROBABILIDADES
El concepto de probabilidad nace con el deseo del hombre de conocer con certeza
los eventos futuros. Es por ello que el estudio de probabilidades surge como una
herramienta utilizada por los nobles para ganar en los juegos y pasatiempos de la
poca. El desarrollo de estas herramientas fue asignado a los matemticos de la
corte.
Con el tiempo estas tcnicas matemticas se perfeccionaron y encontraron otros
usos muy diferentes para la que fueron creadas. Actualmente se contino con el
estudio de nuevas metodologas que permitan maximizar el uso de la computacin
en el estudio de las probabilidades disminuyendo, de este modo, los mrgenes de
error en los clculos.
A travs de la historia se han desarrollado tres enfoques conceptuales diferentes
para definir la probabilidad y determinar los valores de probabilidad
CONCEPTOS BSICOS DE PROBABILIDAD
Debido a que el proceso de obtener toda la informacin relevante a una poblacin
particular es difcil y en muchos casos imposibles de obtener, se utiliza una
muestra para estimar la informacin necesaria para la toma de decisiones.
Muestra ( n ) Inferencia de Poblacin
_
X = Estimado de n = 7.5
Tomemos por ejemplo una compaa como Elly Lilly de Puerto Rico. Si la empresa
desea introducir un nuevo producto al mercado, sera absurdo pretender que toda
la poblacin pruebe el producto. En este caso, se da a probar el producto a una
muestra de consumidores y con base a los resultados de esa muestra se decide si
el producto se elabora o no.
Ahora bien, como los resultados obtenidos a partir de una muestra difieren de los
resultados que se obtendran si se observara la poblacin total o universo, existe
un riesgo al tomar la decisin. Es en este caso que se utiliza la PROBABILIDAD
como una medida de riesgo.
EXPERIMENTO ALEATORIO Y ESPACIO MUESTRAL
Experimento. Cualquier accin cuyo resultado se registra como un dato.
ESPACIO MUESTRAL Y EVENTO
Espacio Muestra (S). El conjunto de todos los posibles resultados de un
experimento.
12

Ejemplo. Supongamos el lanzar un dado al aire y observaremos los resultados
siguientes:
S = {1, 2, 3, 4, 5, 6} S = { 6 }
Ejemplo. En el lanzamiento de dos monedas tenemos;
S = {HH, HT, TH, TT} S = {4}
Evento. Es el resultado de un experimento. Cuando cada evento es seleccionado
al azar, el experimento se denomina aleatorio o al azar.
TIPOS DE EVENTOS
Evento. Es el resultado de un experimento. Cuando cada evento es seleccionado
al azar, el experimento se denomina aleatorio o al azar.
Evento Simple (E): Cada uno de los posibles resultados de un experimento y que
no se puede descomponer. En el caso del lanzamiento del dado, cada uno de los
posibles nmeros en la cara del dado es un evento simple.
Evento Compuesto: Los eventos A, B, C, etc., son eventos compuestos si se
componen de dos o ms eventos simples.
Ejemplos de eventos simples y compuestos
Evento simple: Lanzamiento de un dado
A = {evento que salga un # impar}
A = {1, 3, 5}
B = {el nmero sea? 4} = {1, 2, 3, 4}
Evento Compuesto: Lanzamiento de dos monedas
A = el evento de observar una cara
A = {HH, HT, TH, TT}
Eventos Mutuamente Excluyentes Y No Excluyentes
Dos o ms eventos son mutuamente excluyentes o disjuntos, si no pueden ocurrir
simultneamente. Es decir, la ocurrencia de un evento impide automticamente la
ocurrencia del otro evento (o eventos).
Ejemplo:
Al lanzar una moneda solo puede ocurrir que salga cara o sello pero no los dos a
la vez, esto quiere decir que estos eventos son excluyentes.
13

Dos o ms eventos son no excluyentes, o conjuntos, cuando es posible que
ocurran ambos. Esto no indica que necesariamente deban ocurrir estos eventos
en forma simultnea.
Ejemplo:
Si consideramos en un juego de domino sacar al menos un blanco y un seis, estos
eventos son no excluyentes porque puede ocurrir que salga el seis blanco.
Evento colectivamente exhaustivo: Un conjuntos de eventos E1, E2,...En son
colectivamente exhaustivos cuando E1U E2.... UEn= S, donde S es el espacio
muestral.
Evento complementario: Es aquel evento que est compuesto por los eventos que
no estn en este evento.
DEFINICIONES DE PROBABILIDAD
ENFOQUE CLSICO DE LA PROBABILIDAD (a priori)
Este enfoque permite determinar valores de probabilidad antes de ser observado
el experimento por lo que se le denomina enfoque a priori.
El enfoque clsico es aplicado cuando todos los resultados son igualmente
probables y no pueden ocurrir al mismo tiempo.
Si queremos conocer la probabilidad del evento A segn este enfoque debemos
calcular el siguiente cociente:
N(A)
P(A) = -------------
N(S)
Donde: N(A): resultados elementales posibles son favorables en el evento A
N(S): posibles resultados en el espacio muestral
ENFOQUE DE FRECUENCIAS RELATIVAS (a posteriori o emprico):
Este enfoque permite determinar la probabilidad con base en la proporcin de
veces que ocurre un resultado favorable en cierto nmero experimentos.
No implica ningn supuesto previo de igualdad de probabilidades.
A este enfoque se le denomina tambin enfoque emprico debido a que para
determinar los valores de probabilidad se requiere de la observacin y de la
recopilacin de datos. Tambin se le denomina a posteriori, ya que el resultado se
obtiene despus de realizar el experimento un cierto nmero de veces.
14

Si queremos conocer la probabilidad del evento A segn este enfoque debemos
calcular el siguiente cociente:
Nmero de observaciones de A n(A)
P(A) = -------------------------------------- = -------
Tamao de la muestra n
CARACTERSTICAS BSICAS (O AXIOMAS BSICOS) DE LA PROBABILIDAD:
a) P (W) = 1
b) 0 P(A) 1 La probabilidad de un evento A est comprendida entre CERO y
UNO.
c) La suma de probabilidades de todos los eventos mutuamente excluyentes
definidos en W es
Igual a UNO. Dicho de otra forma:
Para los eventos excluyentes A1, A2,An se tiene siempre que:
P (A i ) = 1
De aqu se desprende tambin que la Probabilidad de que NO OCURRA un
evento A i en
d) Para cualquier sucesin de eventos mutuamente excluyentes definidos en W, la
probabilidad
De la Unin de los eventos es igual a la SUMA de sus probabilidades:
P (AUB) = P(A) + P (B) si (A B) =
Probabilidad: Es una medida numrica asociada a la posibilidad de que un evento
aleatorio
Ocurra y que cumple con los axiomas o caractersticas mencionadas
anteriormente
PROBABILIDAD SUBJETIVA
Un punto de vista alternativo que actualmente ha tenido popularidad es interpretar
las probabilidades como evaluaciones personales o subjetivas. Tales
probabilidades expresan una creencia sobre las incertidumbres involucradas, y se
aplican especialmente cuando poca o ninguna evidencia; as que no hay otra
opcin que considerar evidencias paralelas (indirectas), conjeturas fundamentadas
y quizs intuicin u otros factores subjetivos.

15

Entonces
Probabilidad = O!! El evento no ocurrir
Probabilidad = 1!! Seguro el evento ocurre
CALCULO DE PROBABILIDADES
Tabla de contingencia
En estadstica las tablas de contingencia se emplean para registrar y analizar la
relacin entre dos o ms variables, habitualmente de naturaleza cualitativa
(nominales u ordinales).
Supngase que se dispone de dos variables, la primera el sexo (hombre o mujer)
y la segunda recoge si el individuo es zurdo o diestro. Se ha observado esta
pareja de variables en una muestra aleatoria de 100 individuos. Se puede emplear
una tabla de contingencia para expresar la relacin entre estas dos variables, del
siguiente modo:
Diestro Zurdo TOTAL
Hombre 43 9 52
Mujer 44 4 48
TOTAL 87 13 100
Las cifras en la columna de la derecha y en la fila inferior reciben el nombre de
frecuencias marginales y la cifra situada en la esquina inferior derecha es el gran
total.
La tabla nos permite ver de un vistazo que la proporcin de hombres diestros es
aproximadamente igual a la proporcin de mujeres diestras. Sin embargo, ambas
proporciones no son idnticas y la significacin estadstica de la diferencia entre
ellas puede ser evaluada con la prueba ? de Pearson, supuesto que las cifras de
la tabla son una muestra aleatoria de una poblacin. Si la proporcin de individuos
en cada columna vara entre las diversas filas y viceversa, se dice que existe
asociacin entre las dos variables. Si no existe asociacin se dice que ambas
variables son independientes.
Donde 2 se deriva del test de Pearson, y N es el total de observaciones -el gran
total-. ? Puede oscilar entre 0 (que indica que no existe asociacin entre las
variables) e infinito. A diferencia de otras medidas de asociacin, el coeficiente?
de Cramer no est acotado.


16

Tabla de probabilidad:
Son cuadros que se elaboran para calcular la probabilidad de eventos.
Probabilidad Marginal.- Muestra la probabilidad de un solo evento, y se localizan
en la fila y columna de totales.
Probabilidad Conjunta.- Muestra la probabilidad de la interseccin entre dos
eventos.
Las sumas de la fila y la columna de totales siempre sern igual a 1

PROBABILIDAD SIMPLE:
Analiza la probabilidad de que ocurra un suceso A en un espacio muestral E. Si la
naturaleza del experimento permite considerar a cada uno de los resultados como
igualmente probables diremos que: La probabilidad simple de un suceso es el
cociente del nmero de casos favorables por el nmero de casos posibles.
Esta frmula slo es aplicable si el espacio muestral es finito y si todos los
sucesos elementales son igualmente probables.
Un indicador de que todos los sucesos elementales del espacio muestral
considerado son igualmente probables es la frase al azar.
PROBABILIDAD CONJUNTA:
Si quisiramos conocer cul es la probabilidad de sacar 5 al tirar dos veces un
dado, estamos hablando de sucesos independientes; pues los tiros son distintos.
Para estos casos la probabilidad de ocurrencia de ambos sucesos
simultneamente ser igual al producto de las probabilidades individuales.
P(M y N)=P(M)*P(N)
Para nuestro ejemplo la respuesta sera: z
LA REGLA DE LA ADICION:
expresa que: la probabilidad de ocurrencia de al menos dos sucesos A y B es
igual a: P(A o B) = P(A) U P(B) = P(A) + P(B) si A y B son mutuamente excluyente
P(A o B) = P(A) + P(B) - P(A y B) si A y B son no excluyentes Siendo: P(A) =
probabilidad de ocurrencia del evento A P(B) = probabilidad de ocurrencia del
evento B P(A y B) = probabilidad de ocurrencia simultanea de los eventos A y B
17

Ejemplo: Si A y B son dos eventos que no son mutuamente excluyentes, entonces
P(A o B) se calcula con la siguiente frmula: P(A o B) = P(A) + P(B) - P(A y B) El
Diagrama de Venn ilustra esta regla
Ejemplo: En una muestra de 500 estudiantes, 320 dijeron tener un estreo,
175 dijeron tener una TV y 100 dijeron tener ambos Si un estudiante es
seleccionado aleatoriamente, cul es la probabilidad de que tenga slo un
estreo, slo una TV y uno de cada uno? P(S) = 320 /500 = .64. P (T) = 175 /500 =
.35. P(S y T) = 100 /500 = .20.
Si un estudiante es seleccionado aleatoriamente, cul es la probabilidad de que
tenga un estreo o una TV en su habitacin? P(S o T) = P(S) + P (T) - P(S y T) =
.64 +.35 - .20 = .79.
PROBABILIDAD CONDICIONAL
Es la probabilidad de que ocurra un evento A, sabiendo que tambin sucede otro
evento B. La probabilidad condicional se escribe P(A|B), y se lee la probabilidad
de A dado B.
No tiene por qu haber una relacin causal o temporal entre A y B. A puede
preceder en el tiempo a B, sucederlo o pueden ocurrir simultneamente. A puede
causar B, viceversa o pueden no tener relacin causal. Las relaciones causales o
temporales son nociones que no pertenecen al mbito de la probabilidad. Pueden
desempear un papel o no dependiendo de la interpretacin que se le d a los
eventos.
En teora de probabilidades, se dice que dos sucesos aleatorios son
independientes entre s cuando la probabilidad de cada uno de ellos no est
influida por que el otro suceso ocurra o no, es decir, cuando ambos sucesos no
estn correlacionados.
REGLAS DE LA MULTIPLICACION
Se refieren a la determinacin de la probabilidad de la ocurrencia conjunta de A y
B. Existen dos acepciones de esta regla:
1) Si los eventos de independientes: P(A y B) = P(A ? B) = P(A) P(B)
2) Si los eventos son dependientes: Es la probabilidad de A multiplicada por la
probabilidad condicional de B dado A. P(A y B) = P(A) P (B|A) Si la posicin de los
dos eventos se invierte, se obtiene un valor equivalente. P(A y B) = P (B y A) =
P(B)P(A|B) EJEMPLOS
1) Si una moneda equilibrada se lanza dos veces, la probabilidad de que ambos
lanzamientos den por resultado una cara es : (1/2) x (1/2) = (1/4)
18

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
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.
Teorema
Sea {A1, A3,..., Ai,..., An} un conjunto de sucesos mutuamente excluyentes y
exhaustivos, 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.















19

FUENTES DE INFORMACION
http://www.fisterra.com/mbe/investiga/10descriptiva/10descriptiva.asp#a
http://colposfesz.galeon.com/est501/suma/sumahtml/notasuma/notasuma.html
http://www.csi-
csif.es/andalucia/modules/mod_ense/revista/pdf/Numero_23/VIRGINIA_CARMON
A_GONZALEZ01.pdf

http://www.eumed.net/cursecon/libreria/drm/cap1.pdf

Probabilidad y Estadstica para ingeniera y ciencias. Jay L. Devore sexta edicin
Thomsom

Estadstica aplicada a los negocios y la economa. Allen L. Wesbter tercera
edicin Mc Graw- Hill

Vous aimerez peut-être aussi