Tema1 - Probabilidad PDF

Probabilidad.
Denici on y propiedades
Probabilidad condiconada. Independencia de sucesos
Regla de la probabilidad total y teorema de Bayes
Tema 1. Probabilidad
Metodos Estadsticos de la Ingeniera
Curso 2007-2008
Javier Roca Pardi nas.
Dpto. Estatstica e I.O.
UVIGO.
Universidad de Vigo
28 de febrero de 2008
Javier Roca Pardi nas. Dpto. Estatstica e I.O. UVIGO. Tema 1. Probabilidad
Probabilidad. Denici on y propiedades
Esquema
Idea Intuitiva
Formalizacion del concepto de probabilidad
Combinatoria
Probabilidad condicionada
Independencia
Regla de la probabilidad total
Teorema de Bayes
Idea Intuitiva
Formalizaci on del concepto de probabilidad
Combinatoria
Idea intuitiva de probabilidad
La probabilidad es un n umero, entre 0 y 1, asociado a la
verosimilutud de que ocurra un suceso.
La probabilidad es 0 cuando el suseso nunca ocurre.
La probabilidad es 1 cuando el susceso siempre ocurre

El problema es
como asignar ese n umero en situaciones de incertidumbre?
Idea Intuitiva
Combinatoria
Experimentos aleatorios
La Probabilidad es la disciplina cientca que estudia los
experimentos aleatorios
Experimentos aleatorios
Un experimento aleatorio es un experimento que
puede ser repetido bajo las mismas condicones,
del que se pueden establecer todos los posibles resultados,
pero no se puede predecir un resultado concreto.

Por ejemplo, cuando se lanza una moneda, s olo hay dos posibles
resultados (cara o cruz), pero no se puede predecir cual de los dos
resultados ocurrira.
Idea Intuitiva
Combinatoria
Asignaci on de probabilidades
Existen varios metodos que permiten asignar probabilidades:
Metodo frecuentista
Este metodo consiste en
repetir el experimento en las mismas condiciones y calcular la

frecuencia relativa del suceso A de interes
frec.relat.(A) =
n
o
de veces que ocurre A
n
o
de repeticiones del experimento
Se sabe que cuando el n umero de repeticiones es lo

sucientemente grande, la frecuencia relativa se estabiliza
Ese n umero es la probabilidad del suceso A

Idea Intuitiva
Combinatoria
LANZAMIENTO DE CARTAS
(frecuencia relativa de "oros")
0.0
0.1
0.2
0.3
0.4
0.5
0 200 400 600 800 1000
nmero de lanzamientos
Serie 1
Serie 2
Serie 3
Figura: Evoluci on de la frecuencia relativa del resultado oros en 3 series
de 1000 lanzamientos en una baraja de 40 cartas.
Idea Intuitiva
Combinatoria
En el gr aco anterior se observa
que la frecuencia relativa oscila,
que la amplitud de las oscilaciones va decreciendo a medida

que aumenta el n umero de lanzamientos,
las series tienden a estabilizarse en el mismo valor.
1000 lanzamientos no es un n umero lo sucientemente grande

para que la frecuencia relativa este estabilizada
1
Serie 1 Serie 2 Serie 3
0.242 0.238 0.244
Cuadro: Frecuencias relativas nales
1
Una parte de la estadstica se centra en saber, en cada caso, si el n umero
de repeticiones es lo sucientemente grande
Idea Intuitiva
Combinatoria
Regla de Laplace
Si todos los resultados del experimento son igualmente probables,
entonces la probabilidad de un suceso A se puede calcular como
P(A) =
n
o
de casos favorables a A
n
o
de casos posibles
En el ejemplo visto antes, la probabilidad de sacar un oro es
n
o
oros A
n
o
de cartas
=
10
40
= 0,25
2
2
Comp arese el resultado obtenido as con la graca anterior
Idea Intuitiva
Combinatoria
Sucesos
Dado un experimento aleatorio, se dene
Suceso elemental (): cada un de los posibles resultados del

experimento aleatorio
Espacio muestral (): conjunto formado por todos los

sucesos elementales
Suceso (A, B, . . .): cada uno de los subconjuntos del espacio

muestral
Dado que el conjunto vaco es subconjunto de cualquier
conjunto y que todo conjunto es subconjunto de s mismo,
tanto el conjunto vaco como el espacio muestral son sucesos.
: Suceso imposible
: Suceso seguro
Idea Intuitiva
Combinatoria
Ejercicio 1
En el experimento aleatorio consistente en tirar un dado, los suceso
elementales son
{1}, {2}, . . . , {6},
el espacio muestral es
= {1, 2, 3, 4, 5, 6}
y los sucesos son
{, {1}, {2}, . . . , {1, 2}, {1, 3}, . . . , {1, 2, 3, 4, 5, 6}}
Idea Intuitiva
Combinatoria
Operaciones de Sucesos
Uni on de sucesos
Dados dos conjuntos A y B, se llama uni on de ambos, y se
representa A B, al conjunto formado por los elementos que
pertenecen a A o a B.
Ejemplo. En el experimento consistente en el lanzamiento de

un dado se consideran los sucesos
A=obtener un n umero par ={2,4,6 }
B=obtener un n umero mayor que 2 ={3,4,5,6 }
La uni on de A y B es
A B = {2, 3, 4, 5, 6}
Idea Intuitiva
Combinatoria
Intersecci on de sucesos
La interseccion de los sucesos A y B es el suceso que ocurre is
ocurren A y B simulat aneamente, y se representa por A B.
En el ejemplo anterior la intersecci on de A y B es

A B = {4, 6}
Suceso Complementario
El suceso complementario de A es el suceso que ocurre si no
ocurre A, y se denota por

A. Se verica que

A = A.
En el ejemplo los sucesos complementarios de A y B son
A = n umero impar = {1, 3, 5}
B = {1, 2}
Idea Intuitiva
Combinatoria
Diferencia de sucesos
La diferencia de los sucesos A y B es el suceso que ocurre cuando
ocurre A pero no B, y se denota por A\B
A\B = A

B
En el ejemplo
A\B = A

B = {2, 4, 6} {3, 4, 5, 6} = {2}
Sucesos incompatibles
Los suceso A y B son incompatibles si no se pueden vericar
simult aneamente , es decir, si su interseccion es vaca
A B =
Idea Intuitiva
Combinatoria
Unin
A B
Interseccin
A B
Complementario
A
Diferencia
\ A B
A
B
A
B
A
B
A
Figura: Operaciones de sucesos
Idea Intuitiva
Combinatoria
Leyes de Morgan
Las leyes de Morgan permiten calcular facilmente el
complementario de uniones e intersecciones de conjuntos.
A B =

A

B
A B =

A

B
En el ejemplo
A B = {1, 3, 5} {1, 2} = {1}
A B = {1, 3, 5} {1, 2} = {1, 2, 3, 5}
Idea Intuitiva
Combinatoria
Ejercicio 2
En una urna con nueve bolas numeradas del 1 al 9, se realiza el
experimento que consiste en sacar una bola de la urna, anotar el
n umero y devolverla a la urna.
Se consideran los siguientes sucesos:
A=salir un n umero primo, y
B=salir un n umero cuadrado.
Responde a las cuestiones siguientes:
a) Calcula los sucesos A B y A B.
b) son incompatibles A y B?
c) Calcular los sucesos contarios de A y B
Idea Intuitiva
Combinatoria
Solucion
Los sucesos A y B vienen dados por los conjuntos
A = {2, 3, 5, 7}
B = {1, 4, 9}
Por lo tanto:
a La uni on e interseccion de A y B son:
A B = {1, 2, 3, 4, 5, 7, 9} =
A B =
b Al ser A B = , los sucesos A y B son incompatibles.
c Los sucesos contrarios de A y B son
A = {1, 4, 6, 8, 9}
B = {2, 3, 5, 6, 7, 8}
Idea Intuitiva
Combinatoria
Denicion Axiomatica de de Probabilidad
La probabilidad P es una aplicaci on que a cada suceso A le asigna
un n umero P(A), que se llama probabilidad de A, y que verica
los siguientes axiomas:
P(A) 0 para cualquier conjunto A.
P() = 1.
Si A
1
, A
2
, . . . , A
n
, . . . son sucesos incompatibles dos a dos,
entonces
P (A
1
. . . A
n
. . .) = P(A
1
) +. . . +P(A
n
) +. . .
Idea Intuitiva
Combinatoria
Otras propiedades de la probabilidad
0 P(A) 1
P() = 0
P(

A) = 1 P(A)
Si A B entonces P(A) P(B)
Si A B entonces P(B\A) = P(B) P(A)
P(A B) = P(A) +P(B) P(A B)

Idea Intuitiva
Combinatoria
Ejercicio 3
La probabilidad de que un estudiante A apruebe un examen es 0.5,
la probabilidad de aprobar de otro estudiante B es 0.3, y la
probabilidad de que aprueben los dos es 0.2.
Calcular las siguientes probabilidades:
a) P(apruebe al menos 1),
b) P(apruebe exactamente 1),
c) P(no apruebe ninguno de los dos),
d) P(apruebe A pero no B)
Idea Intuitiva
Combinatoria
Solucion
A partir de los datos dados se conocen las probabilidades:
p(A) = 0,5, p(B) = 0,3 y p(C) = 0,2
a) P(apruebe al menos 1) =
P(AB) = p(A) +P(B) P(AB) = 0,5+0,30,2 = 0,6
b) P(apruebe exactamente 1)=
p
(A

B) (

A B)
= P(A) +P(B) 2P(A B) =

0,5 + 0,3 2 0,2 = 0,4
p(A

B) = P(A) P(A B)
Idea Intuitiva
Combinatoria
c) P(no apruebe ninguno de los dos),
p(

A

B) = 1 p(A B) = 1 0,6 = 0,4
d) P(apruebe A pero no B)
p(A\B) = p(A

B) = p(A) p(A B) = 0,5 0,2 = 0,3
Idea Intuitiva
Combinatoria
Ejercicio 4. Probabilidades geometricas
En el interior de un crculo se selecciona un punto al azar. Calcular
la probabilidad del suceso A= el punto escogido este mas pr oximo
al centro del crculo que a la circunferencia.
3
Denotanto por r al radio del crculo, se obtiene la probabilidad

P(A) =
(0,5r)
2
r
2
=
1
4
= 0,25
3
Este tipo de problemas se denominan probabilidades geometricas. Para
resolverlos se usa la Regla de Laplace como cociente entre las areas:
P(A) = area favorable a A/area total
Idea Intuitiva
Combinatoria
Repaso de combinatoria
Variaci on
Variaci on es un subconjunto de los objetos que forman un conjunto
elegido con un orden particular
V
n,r
denota el n umero de variaciones de r elementos en un
conjunto de n elementos
V
n,r
=
n!
(n r)!
El factorial de un entero n es
n! = n(n 1)(n 2) 2 1
Para facilitar la notaci on se establece el convenio 0! = 1.
Idea Intuitiva
Combinatoria
El n umero de palabras de 3 letras diferentes que se pueden

formar con las letras del conjunto {a, b, c, d, e, f} es
V
6,3
=
6!
(6 3)!
=
6!
3!
= 6 5 4 = 120
Permutaci on
Permutacion es cada una de las ordenaciones de los n elementos
de un conjunto
P
n
=n umero de permutaciones de un conjunto de n elementos
P
n
= V
n,n
=
n!
0!
= n!
Idea Intuitiva
Combinatoria
Combinaci on
Combinaci on es una seleccion de los objetos de un conjunto sin
que importe el orden
C
n,r
denota n umero de combinacions de r elementos en un
conjunto de n elementos ( n umero combinatorio n sobre r)
C
n,r
=
n
r
=
n!
(n r)!r!
Nota:
n
n
= 1,
n
0
= 1,
n
1
= n,
n
r
=

n
nr
El n umero de apuestas diferentes en la lotera primitiva es

C
49,6
=
49
6
= 13983816
Idea Intuitiva
Combinatoria
Ejercicio 5
El temario de un examen consta de 20 temas. La prueba consiste
en que el tribunal elige dos temas al azar y el alumno debe exponer
uno de ellos. Si el alumno ha estudiado 15 temas Cu al es la
probabilidad de que sepa uno de los escogidos por el tribunal?
Para resover este ejercicio se utilizara la notaci on

S1=saber exactamente un tema
S2=saber los dos temas
A=aprobar el examen
El n umero de casos posibles en la eleccion de dos temas
(n otese que no importa el orden) es de
C
20,2
=
20
2
=
20 19
2
= 190
Idea Intuitiva
Combinatoria
El n umero de casos favorables para S1 es de

C
15,1
C
5,1
= 15 5 = 75,
el n umero de casos favorables para S2 es
C
15,2
C
5,0
=
15 14
2
= 105.
Consecuentemente el n umero de casos favorables a A es de
105+75=180,
y por lo tanto la probabilidad de aprobar es
P(aprobar) = p(A) =
180
190
= 0,95
Independencia
En ocasiones la probabilidad de un suceso puede depender de la
ocurrencia de otro(s) suceso(s).
Ejemplo. Nacimiento con bajo peso
Para claricar el concepto de probabilidad condicionada se presenta
a continuaci on los datos resumidos de un estudio de bajo peso al
nacer
Bajo Peso Peso Normal
Madre Fuma 30 44 74
Madre No Fuma 29 86 115
59 130 189
La meta del estudio fue determinar si la probabilidad de bajo peso
(menor de 2500 gramos) depende del habito de fumar de la madre.
Independencia
La probabilidad de nacimiento con bajo peso es
P (bajo peso) =
30 + 29
30 + 44 + 29 + 86
=
59
189
= 0,3122
Sin embargo, la probabilidad anterior depende si la madre es
fumadora o no:
La probabilidad de bajo peso si la madre es fumadora es de

30/(30 + 44) = 0,4054
Dicha probabilidad, si la madre es no fumadora, se reduce a

29/(29 + 86) = 0,2522
El cociente entre las dos probabilidades anteriores es

0,2522/0,4054 = 1,6076
por lo que la probabilidad de nacimiento con bajo peso es
1.6076 veces mayor si la madre fuma que si no lo hace.
Independencia
Denicion de probababilidad condicionada
Sean A y B dos sucesos, con P(B) > 0, la probabilidad de A
condicionada por B se dene como
P(A/B) =
P(A B)
P(B)
Regra del produto:
P(A B) = P(A/B)P(B) = P(B/A)P(A)
Independencia
Ejercicio 6
En el ejemplo anterior, utilizando la notaci on B=Bajo Peso

y F=madre fumadora, la probabilidad de bajo peso si la
madre es fumadora viene dada por
P(B/F) =
P(B F)
P(F)
=
30/189
74/189
=
30
74
= 0,4054
La probabilidad de bajo peso si la madre es no fumadora viene

dada por
P(B/
F) =
P(B

F)
P(

F)
=
29/189
115/189
=
29
115
= 0,2522
Independencia
Independencia de sucesos
Los suceso A y B son independientes si la probabilidad de
ocurrencia de uno no afecta a la ocurrencia del otro.
Esto equivale a decir que
P(A/B) = P(A) o P(B/A) = P(B)
o bien
P(A B) = P(A)P(B)
En caso contrario los sucesos A y B se dir a que son dependientes.
En el estudio de bajo peso el suceso B=bajo peso y

F=madre fumadora no son independientes ya que
P(B/F) = 0,4054 = P(B) = 0,3122
Independencia
Ejercicio 7
En la siguiente tabla se resume el n umero de aprobados en un
curso de estadstica diferenciando por sexo
Aprobados Suspensos
Mujeres 35 10 45
Hombres 15 20 35
50 30 80
Calcular las probabilidades de que
1. apruebe un alumno elegido al azar
2. apruebe una mujer elegida al azar
3. son independientes los sucesos aprobar y ser mujer?
4. Cu al es la relacion entre las probabilidades de aprobar para
una mujer y un hombre? Calcular el cociente de estas
probabilidades e interpretar el resultado.
Independencia
Soluci on: Sea M el suceso ser mujer y A el suceso aprobar.
1. La probabilidad de que un alumno elegido al azar apruebe es
p(A) = 50/80 = 0,625
2. La probabilidad de que apruebe una mujer es
p(A/M) =
p(A M)
p(M)
=
35/80
45/80
=
35
45
= 0,778
3. Los sucesos aprobar y ser mujer no son independientes ya que
0,625 = p(A) = p(A/M) = 0,778
Independencia
4 La probabilidad de aprobar un hombre es
p(A/

M) =
p(A

M)
p(

M)
=
15/80
35/80
=
15
35
= 0,429
Calculando el cociente
p(A/M)
p(A/

M)
=
0,778
0,429
= 1,815
se obtiene que la probabilidad de aprobar es 1.815 veces
mayor para las mujeres que para los hombres.
Independencia
Ejercicio 8
Tres corredores, A, B y C, participan en una carrera donde se
supone que los tres tienen las mismas posibilidades de ganar. Se
consideran los sigueintes sucesos:
S1 = A llega el primero
S2 = A llega el segundo
S3 = A llega el tercero
T= A llega antes que B
Es independiente el suceso T con cada uno de los anteriores?

Independencia
Soluci on: Los posibles resultados de la carrera son
W1 = {ABC} , W2 = {ACB} , W3 = {BAC},
W4 = {BCA} , W5 = {CAB} y W6 = {CAB}.
Como S1 = {W1, W2} , S2 = {W3, W5} , S3 = {W4, W6}, y
T = {W1, W2, W5}, se obtienen las probabilidades
p(T) =
3
6
= 0,5
p(T/S1) =
2/6
2/6
= 1 , p(T/S2) =
1/6
2/6
= 0,5 y p(T/S3) =
0/6
2/6
= 0
por lo que
T es independiente de S2,pero
T no es independiente ni de S1 ni de S3.
Teorema de Bayes
Conjunto completo de sucesos
Se llama conjunto completo de sucesos a un conjunto de sucesos
A
1
, A
2
, . . . , A
n
mutuamente excluyentes y que cubren todo el
espacio muestral:
A
1
A
2
. . . A
n
= , y A
i
A
j
= para i = j
1
A
2
A
3
A
4
A
Figura: Sistema completo de sucesos formado por A

1
, A
2
, A
3
y A
4
Teorema de Bayes
Regla de las probabilidades totales
Sean A
1
, A
2
, . . . , A
n
un conjunto completo de sucesos.Para
cualquier suces B se cumple
P(B) = P(B/A
1
)P(A
1
) +. . . +P(B/A
n
)P(A
n
)
1
A
2
A
3
A
4
A
B
Teorema de Bayes
Teorema de Bayes
Sean A
1
, A
2
, . . . , A
n
un conjunto completo de sucesos y sea B un
suceso calquiera, con P(B) > 0. Si se conocen las probabilidades
p(A
1
), . . . , p(A
n
), y
P(B/A
1
), . . . , P(B/A
n
)
entonces
P(A
j
/B) =
P(B/A
j
)P(A
j
)
n
i=1
P(B/A
i
)P(A
i
)
para j = 1, . . . , n
Es decir, a partir de las probabilidades a priori, p(A
j
), se pueden
calcular las probabilidades a posteriori, P(A
j
/B).
Teorema de Bayes
Ejercicio 9
Una compa na clasic o las formaciones geologicas en tres tipos I, II
y III. La compa na pretende perforar un pozo en un determinado
sitio, al que se le asignan la probabilidad 0.35 de ser del tipo I, 0.40
de ser el tipo II y 0.25 de ser del tipo III. Se sabe que el petr oleo se
encuentra en un 40 % de las formaciones del tipo I, en un 20 % de
formaciones del tipo II, y en un 30 % de formaciones del tipo III.
1. Calcular la probabilidad de que no se encuentre petr oleo.
2. Si la compa na no descubre petr oleo en ese lugar, determinar
las probabilidades de que se trate de una formaci on I, II o III.
Teorema de Bayes
Soluci on: Se sabe que las probabilidades de las formaciones I, II y
III son respectivamente
p(I) = 0,35 , p(II) = 0,40 y p(III) = 0,25
Ademas, la probabilidad de encontrar petroleo en cada una de ellas
es
p(T/I) = 0,40 , p(T/II) = 0,20 y p(T/III) = 0,30
donde T denota el suceso existencia de petroleo
Teorema de Bayes
1. La probabilidad de no encontrar petroleo es
P(no petroleo) = P(
T) = 1 P(T) = 1 0,205 = 0,705

P(T) = P(T/I)P(I) +P(T/II)P(II) +P(T/III)P(III) =
0,40 0,35 + 0,20 0,40 + 0,30 0,25 = 0,205
2. Si no se ha descubierto petroleo la probababilidad de cada una
de las formaciones es
P(I/

T) =
P(
T/I)p(I)
p(
T)
=
0,60 0,35
0,705
= 0,298
P(II/

T) =
P(
T/II)p(II)
p(
T)
=
0,80 0,40
0,705
= 0,454
P(III/

T) =
P(
T/III)p(III)
p(
T)
=
0,70 0,25
0,705
= 0,248
Teorema de Bayes
Ejercicio 10
Un test dise nado para diagnosticar la rotura interna de una pieza
tiene una probabilidad de falso positivo de 0.05 y una probabilidad
de falso negativo de 0.01. Ademas se sabe que el 4 % de las piezas
son defectuosas.
4
1. Si en la inspeccion de una pieza el test ha reaccionado
positivamente cual es la probabilidad de que la pieza
este rota?
2. Si otra pieza ha reaccionado negativamente al test cu al es la
probabilidad de que este correcta?
4
Los falsos positivos ocurren cuando el test resulta positivo pero la pieza no
est a rota. Los falsos negativos se producen cuando el test es negativo pero la
pieza est a realmente rota.
Teorema de Bayes
Soluci on: Utilizando la notaci on
R = rotura interna
+ = resultado positivo del diagn ostico
la probabilidad de falso positivo es
p(+/
R) = 0,05
y la probabilidad de falso negativo es
p(/R) = 0,01
Ademas, se sabe que, la probabilidad de pieza defectuosa es
p(R) = 0,04
Teorema de Bayes
1. la probabilidad de que la pieza este rota si el test ha dado
positivo es
p(R/+) =
p(+/R)P(R)
p(+/R)P(R) +p(+/
R)P(

R)
=
0,04 0,95
0,04 0,95 + 0,96 0,01
=
0,038
0,0476
= 0,798
2. Si el test ha dado negativo, la probabilidad de que que la
pieza este correcta es
p(

R/) =
p(/
R)P(

R)
p(/R)P(R) +p(/
R)P(

R)
=
0,96 0,99
0,04 0,05 + 0,96 0,99
=
0,950
0,952
= 0,998
Teorema de Bayes
Ejercicio 11
Una costura hecha en un avi on precisa de 25 remaches. La costura
tendr a que ser hecha de nuevo si cualquiera de los remaches es
defectuoso. Se supone que los remaches son defectuosos
independientemente unos de otros, y todos con la misma
probabilidad.
1. Si el 25 % de todas las costuras tienen que ser hechas de
nuevo, cual es la probabilidad de que un remache sea
defectuoso?
2. Como de peque na tiene que ser la probabilidad de que un
remache sea defectuoso para que s olo el 10 % de las costuras
tengan que ser rehechas?
Sol.:a) 0.011; b) 0.004
Teorema de Bayes
Soluci on: Sean D
i
, i = 1, . . . , 25 los sucesos
D
i
= el remache i es defectuoso
y T el suceso
T = no rehacer la costura
Se sabe que la probabilidad de defecto es la misma para todos los
remaches, probabilidad que denotaremos por Q
Q = P(D
1
) = P(D
2
) = . . . = P(D
25
)
Teorema de Bayes
1. Si hay que rehacer el 25 % de las costuras entonces
p(T) = 1 0,25 = 0,75
Ademas p(T) puede ser expresada como
p(T) = p

D
1

D
2
. . .

D
25
=
p(

D
1
)p(

D
2
) . . . p(

D
25
) = (1 Q)
25
Resolviendo la ecuaci on
(1 Q)
25
= 0,75
se obtiene que la probabilidad de remache defectuoso es
Q = 1 0,75
1/25
= 0,011
Teorema de Bayes
2 Para que se tengan que rahacer s olo 10 % de las costuras debe
vericarse la condici on
(1 Q)
25
= 1 0,10 = 0,90
resultando una probabilidad de remache defectuosos de
Q = 1 0,90
1/25
= 0,004

Tema1 - Probabilidad PDF

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Tema1 - Probabilidad PDF

Transféré par

Droits d'auteur :

Formats disponibles

Probabilidad.

La probabilidad es 0 cuando el suseso nunca ocurre.

La probabilidad es 1 cuando el susceso siempre ocurre

puede ser repetido bajo las mismas condicones,

del que se pueden establecer todos los posibles resultados,

pero no se puede predecir un resultado concreto.

repetir el experimento en las mismas condiciones y calcular la

Se sabe que cuando el n umero de repeticiones es lo

Ese n umero es la probabilidad del suceso A

que la frecuencia relativa oscila,

que la amplitud de las oscilaciones va decreciendo a medida

las series tienden a estabilizarse en el mismo valor.

1000 lanzamientos no es un n umero lo sucientemente grande

Suceso elemental (): cada un de los posibles resultados del

Espacio muestral (): conjunto formado por todos los

Suceso (A, B, . . .): cada uno de los subconjuntos del espacio

Ejemplo. En el experimento consistente en el lanzamiento de

En el ejemplo anterior la intersecci on de A y B es

En el ejemplo los sucesos complementarios de A y B son

A = n umero impar = {1, 3, 5}

P(A) 0 para cualquier conjunto A.

Si A B entonces P(A) P(B)

Si A B entonces P(B\A) = P(B) P(A)

P(A B) = P(A) +P(B) P(A B)

= P(A) +P(B) 2P(A B) =

Denotanto por r al radio del crculo, se obtiene la probabilidad

El n umero de palabras de 3 letras diferentes que se pueden

El n umero de apuestas diferentes en la lotera primitiva es

Para resover este ejercicio se utilizara la notaci on

El n umero de casos favorables para S1 es de

La probabilidad de bajo peso si la madre es fumadora es de

Dicha probabilidad, si la madre es no fumadora, se reduce a

El cociente entre las dos probabilidades anteriores es

En el ejemplo anterior, utilizando la notaci on B=Bajo Peso

La probabilidad de bajo peso si la madre es no fumadora viene

En el estudio de bajo peso el suceso B=bajo peso y

Es independiente el suceso T con cada uno de los anteriores?

Figura: Sistema completo de sucesos formado por A

T) = 1 P(T) = 1 0,205 = 0,705

Vous aimerez peut-être aussi