Académique Documents
Professionnel Documents
Culture Documents
PROBABILIDADES
1
Definiciones previas
• Experimento aleatorio: aquel del que no es
posible predecir el resultado concreto, aunque
se repita siempre en las mismas condiciones.
2
Espacio de probabilidad (Ω,A,P)
• Ω – espacio muestral: es el conjunto de
posibles resultados del experimento aleatorio.
P: A→ R
A → P( A) = probabilidad de que ocurra A
9
Definiciones de la probabilidad
Definición axiomática: Dado (Ω,A), una aplicación
P: A R es una probabilidad si verifica los 3 axiomas
de Kolmogorov:
Dados A1 ,K , An ,K ∈ A disjuntos
3. Axioma de σ-aditividad:
∞
⇒ P( A1 ∪ K An ∪ K) = ∑ P( Ai )
10
n =1
Definición clásica (regla de Laplace): Si el
espacio muestral Ω es finito y se supone que
todos los resultados experimentales son igual
de verosímiles para ocurrir:
Probabilidad de A condicionada a B
= probabilidad de A, sabiendo que ha ocurrido B:
P( A ∩ B)
P( A / B) =
P( B)
14
Independencia de sucesos
Dos sucesos A y B son independientes si la
información sobre la ocurrencia de uno de ellos
no aporta ninguna información adicional para el
otro. Es decir:
P ( A / B) = P( A) y P( B / A) = P( B)
15
Fórmula de la probabilidad
compuesta
Probabilidad de un suceso intersección
Dados n sucesos A1, A2,…,An, la probabilidad de que
ocurran todos a la vez se puede calcular a través de la
fórmula:
16
Fórmula de la probabilidad total
Dado un sistema completo de sucesos, es decir, una
familia de sucesos {Ai}i=1…n disjuntos dos a dos, con
probabilidades no nulas y cuya unión es el espacio
muestral:
P( B) = ∑ P( B / Ai ) P( Ai )
i 17
Fórmula de Bayes
Dado un sistema completo de sucesos {Ai}i=1…n
y sabiendo que ha ocurrido el suceso B, la
probabilidad de cada Ai condicionada por B es:
P( B / Ai ) P( Ai ) P ( B / Ai ) P ( Ai )
P( Ai / B ) = = n
P( B)
∑ P( B / A ) P( A )
j =1
j j
18
Ejemplo 3
Una alarma de incendios funciona el 90%
de las veces que hay incendio y da avisos
falsos el 15% de las veces que no los hay.
Si la probabilidad de que haya un incendio
es del 20%,
a) ¿cuál es la probabilidad de que la
alarma haya sonado?
b) Si ha sonado, ¿cuál es la probabilidad
de que realmente hubiera un incendio?
19
Ejemplo 3 (cont.)
Sean los sucesos A:”haber un incendio” y
B:”sonar la alarma”. Nuestro sistema
completo de sucesos es {A, A}
La información que tenemos en el
enunciado es
P ( B / A) = 0.9,, P ( B / A) = 0.15 y P(A) = 0.2
En el primer caso nos piden P(B) que será
P ( B) = P( B / A) P( A) + P( B / A) P( A) =
(0.9)(0.2) + (0.15)(0.8) = 0.18 + 0.12 = 0.3
20
Ejemplo 3 (cont.)
En el segundo caso nos dicen que la alarma ha
sonado, por lo tanto se pide la probabilidad de A
condicionada por B
P( A / B) =
P( B / A) P( A)
=
(0.9)(0.2) = 0.18 = 0.6
P( B / A) P( A) + P( B / A) P( A) 0.3 0.3
En este caso el saber que ha sonado la alarma
(B) modifica mi impresión sobre la presencia de
incendio (A) ya que pasa de tener un 20% de
probabilidad a un 60%.
Los sucesos A y B serán entonces
dependientes.
21