Académique Documents
Professionnel Documents
Culture Documents
MARGINAL Y CONJUNTA.
INDEPENDENCIA DE EVENTOS.
PROBABILIDAD TOTAL Y
TEOREMA DE BAYES.
B E R N A R D O F R O N TAN A D E L A C R U Z
MARCO ANTONI O GMEZ RAMREZ
ENERO DE 2012.
PROBABILIDAD CONDICIONAL
Como su nombre lo indica se trata de determinar la
probabilidad de que ocurra un evento A (aposteriori)
dado que ya aconteci un evento B (apriori), y se
representa mediante P(A|B), se lee probabilidad de A
dado B o probabilidad de A condicionada a B.
En la probabilidad condicional,
consideramos que de un
espacio muestral S se conoce
nicamente el evento B, que
constituye un espacio muestral
reducido.
Como nicamente
conocemos el evento B, la
probabilidad de que exista
A est dada por la posible
interseccin del evento A
con el evento B.
PROBABILIDAD CONJUNTA
Es la probabilidad de ocurrencia de dos o ms eventos.
Auxilindonos
de un diagrama
de rbol.
A
S
A1
S1
A
S
A
S
A2
S2
A2
S2
P(A1A2)=P(A1)P(A2|A1)=
P(A1A2)=1/3(1/3)= 1/9
PROBABILIDAD MARGINAL
Para obtener expresiones tiles en el clculo de este
tipo de probabilidades, se realizar un ejemplo.
En un taller mecnico tienen un total de 135
desatornilladores, los tcnicos atribuyen a stos dos
caractersticas cuando se los piden a sus ayudantes,
su longitud (largo y cortos) y la forma de la punta que
embona en los tornillos (planos o de cruz) de acuerdo
a la definicin de eventos que sigue, la distribucin es
la siguiente:
Evento Caracterstic
s
a
A1
Largo
Event
o
A1
A2 Tot
al
A2
Corto
B1
40 60
100
B1
Punta plana
B2
15 20
35
PROBABILIDAD TOTAL
Consideremos un eventos B y un conjuntos de eventos
Ai que son mutuamente excluyentes entre si, AiAj=, ij,
es decir, si tomamos dos eventos Ai diferentes su
interseccin es el evento vaco, adems los eventos Ai
son exhaustivos, Ui=1nAi=S, la unin de todos ellos cubre
el espacio de eventos, como se muestra en la figura.
A .. A
n-
A
3
TEOREMA DE BAYES
Considerando P(Ai) como la probabilidad a priori de los
eventos Ai, y se requiere conocer una probabilidad a
posteriori de cada uno de ellos, dado que ya conocemos
el evento B, Ak representa a cualquiera de los eventos Ai.
P(Ak|B)=P(AkB)/P(B), como P(AkB)=P(Ak)P(B|Ak) y la
probabilidad total de B es P(B)=i=1nP(AiB), tenemos:
P(A |B)=[P(A )P(B|A )]/[ nP(A )P(B|A )]
A2
A1B
A2B