PROBABILIDAD Y ESTADISTICA

PROBABILIDAD

PROBABILIDAD

Operaciones Bsicas con Eventos Aleatorios

Ya que los eventos aleatorios son subconjuntos del conjunto , espacio muestral, se pueden aplicar las conocidas operaciones con conjuntos, a los eventos, como son la unin, la interseccin y la diferencia de eventos.

PROBABILIDAD
OPERACIN UNION EXPRESION DESCRIPCION AB
Unin de eventos originales: es el evento que sucede si y solo si A sucede o B sucede o ambos suceden Interseccin de los eventos originales, es el evento que sucede si y slo si A y B suceden simultneamente.

INTERSECCION

AB

DIFERENCIA

A-B

La diferencia de los eventos originales A y B, es el evento que sucede solo en A pero no en B.

PROBABILIDAD Grficamente estas operaciones se pueden representar a travs de los diagramas de Venn. Sea el espacio muestral y A y B eventos tal que A, B grficamente se puede expresar como:
S

Fig. 1 Los eventos A y B no tienen elementos del espacio muestral en comn.

PROBABILIDAD

Fig 2. Los eventos A y B tienen elementos del espacio muestral en comn.

PROBABILIDAD De acuerdo a lo indicado en las figuras 1 y 2, la unin de dos eventos se presenta de dos formas diferentes: cuando los eventos son mutuamente exclusivos (que no tienen elementos en comn) y cuando entre los eventos hay elementos comunes. Definicin.- Se dice que dos eventos A y B son mutuamente exclusivos, cuando no pueden ocurrir simultneamente, es decir, A B = , lo que ocurre en la fig. 1.

PROBABILIDAD Ejemplo: Experimento: Se lanza un dado. Espacio muestral = total de caras en que puede caer el dado, o sea seis formas de inters: S = { 1,2,3,4,5,6 }, N(S) = 6 Sean A, B, C los eventos: A: Que caiga un nmero impar = { 1, 3, 5 } , N(A) = 3 B: Que caiga un nmero mayor de 2 y menor que 5 = { 3, 4 }, N(B) = 2 C: Que caiga un nmero par = { 2, 4, 6 } , N(C) = 3

PROBABILIDAD

A 5

3
4 C 2 6

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, N(A C) = N(S) = 6 B C = { 3, 4 } { 2, 4, 6 } = {2,3,4,6}, 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

PROBABILIDAD

S B

3
4 C

A B={ 1, 3, 5 } { 3, 4 } = {3}, N(AB) = 1 A C={ 1, 3, 5 } { 2,4,6 } = {}, N(A C) = N{) = 0 B C={ 3, 4 } { 2, 4, 6 } = {4}, N(B C) = 1 (A B) C = ({ 1, 3, 5 } { 3, 4 }) { 2,4,6 }= {3} { 2,4,6 }={}, N((A B) C) = N{) = 0 A (B C) = { 1, 3, 5 } ({ 3, 4 } { 2,4,6 })= { 1, 3, 5 } { 4 }={}, N(A (B C)) = N{) = 0

PROBABILIDAD

A 5

3
C

A B = ={ 1, 3, 5 } - { 3, 4 } = { 1, 5 }, A C = { 1, 3, 5 } - { 2,4,6 } = { 1,3,5 } = A, B C = { 3, 4 } - { 2,4,6 } = { 3 },

N(A B) = 2 N( A C) = N(A) = 3 N(B-C) = 1

PROBABILIDAD

A 5

3
4 C 2 6

Ac = { 2, 4, 6} = C Bc = {1, 2, 5, 6 } Cc = {1, 3, 5 } = A

N(Ac ) = N( C )= 3 N(Bc ) = 4 N(Cc ) = N(A) = 3

PROBABILIDAD Probabilidad Clsica y Frecuencial. Probabilidad frecuencial y regularidad estadstica Las frecuencias relativas de un evento tienden a estabilizarse cuando el nmero de observaciones se hace cada vez mayor. Ejemplo: La regularidad estadstica en el experimento del lanzamiento de monedas, indica que las frecuencias relativas del evento: que salga sol {s }, se tiende a estabilizar aproximadamente en .5= 1/2.

PROBABILIDAD

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 )P(E / AI ) P( A1 )P(E / A1 ) P( A2 )P(E / A2 ) P( An )P(E / An )

P( Ai / E)

PROBABILIDAD

Com o la probabilid ad com pleta de E es : P(E) P(A1 )P(E/A1 ) P(A2 )P(E/A2 ) P(An )P(E/An ) entonces P( Ai / E ) P( Ai ) P( E / AI ) P(E)

PROBABILIDAD

Ejemplo.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%. 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 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

D P(M1)*P(D/M1)=.5*.03=.015
ND

P(M2)=.30

M2
P(ND/M2)=.96 P(D/M3)=.05

D
ND

P(M2)*P(D/M2)=.3*.04=.012

P(M3)=.20

M3
P(ND/M3)=.95

D
ND

P(M1)*P(D/M1)=.2*.05=.01

P(D) = .015+.012+.01=.037

PROBABILIDAD Por teorema de Bayes se tiene:

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

La probabilidad de que el artculo defectuoso se haya producido en la M1 es del 40.54%