Académique Documents
Professionnel Documents
Culture Documents
20/08/2017 1
Introduccin
20/08/2017 2
Definicin Intuitiva
La probabilidad de un evento es
el grado de confianza sobre la
ocurrencia de dicho evento.
20/08/2017 3
Tiene gran importancia en todos los
problemas de prediccin:
Juegos de azar.
Seguros.
Meteorologa.
Pronsticos electorales.
Pronsticos mdicos.
Creacin de nuevos
productos, etc.
20/08/2017 4
Definicin
20/08/2017 6
El juego de dados ha sido parte
importante en el primer desarrollo de la
teora de la probabilidad.
20/08/2017 7
Blaise Pascal y Pierre Fermat logran
obtener probabilidades exactas para
ciertos problemas de probabilidades con
dados.
20/08/2017 8
Importancia
La aplicacin posterior a campos como
seguros y anualidades, astronoma,
biologa y la amplia gama de aplicaciones
actuales: medicina, informtica, agricultura,
ciencias sociales, etc. Le han conferido
gran importancia.
Fenmeno Aleatorio.-
Es un fenmeno del que no se sabe que es lo que
va a ocurrir, estn relacionados con el azar o
probabilidad.
Fenmeno Determinista.-
Es el fenmeno en el cual de antemano se sabe
cual ser el resultado.
20/08/2017 10
PROBABILIDAD
Experimento aleatorio.-
Una accin que se realiza con el propsito de
analizarla. Tiene como fin ltimo determinar
la probabilidad de uno o de varios
resultados.
Se considera como aleatorio y estocstico, si
sus resultados no son constantes.
Puede ser efectuado cualquier nmero de veces
esencialmente en las mismas condiciones.
20/08/2017 11
PROBABILIDAD
Un experimento es aleatorio si se
verifican las siguientes condiciones:
1. Se puede repetir indefinidamente,
siempre en las mismas condiciones;
2. Antes de realizarlo, no se puede
predecir el resultado que se va a
obtener;
3. El resultado que se obtenga, s,
pertenece a un conjunto conocido
previamente de resultados posibles.
20/08/2017 12
PROBABILIDAD
Otros ejemplos de eventos:
A: que al nacer un bebe, ste sea
nia
B: que una persona de 20 aos,
sobreviva 15 aos ms
C: que la presin arterial de un
adulto se incremente ante un
disgusto
20/08/2017 13
PROBABILIDAD
Espacio Muestral
Es el conjunto de todos los posibles resultados
de inters de un experimento dado, y se le
denota normalmente mediante la letra S.
Ejemplos:
1.- Experimento: Se lanza una moneda.
Espacio muestral = total de formas en como
puede caer la moneda, o sea dos formas de
inters, que caiga sol o que caiga guila. (Si
cae de canto no es de inters y se repite el
lanzamiento).
S = { s, a }
20/08/2017 14
PROBABILIDAD
20/08/2017 15
PROBABILIDAD
Los eventos aleatorios se denotan normalmente
con las letras maysculas A, B, C, ...
20/08/2017 16
Sucesos E espacio muestral
Cuando se realiza un experimento aleatorio diversos resultados son
posibles. El conjunto de todos los resultados posibles se llama espacio
muestral (E).
20/08/2017 17
PROBABILIDAD
20/08/2017 19
EJEMPLOS
P(A)=3/9=1/3
P(A)=?
E espacio muestral
P(B)=5/P(B)=?
A 9
P(AUB)=6/9=2/
P(AUB)=?
3 P(AB)=?
P(AB)=2/9 P(A)=3/9=1/3
P(A)=?
B P(A)=?
P(A)=6/9=2/3 E espacio muestral
P(B)=2/P(B)=?
P(B)=4/9
P(B)=? A
9
P(AUB)=3/9=1/
P(AUB)=?
3
P(AB)=2/9
P(AB)=?
B
P(A)=6/9=2/3
P(A)=?
E espacio muestral
P(A)=3/9=1/3
P(A)=? P(B)=7/9
P(B)=?
P(B)=2/P(B)=?
A 9
P(AUB)=5/9
P(AUB)=?
B
P(AB)=0P(AB)=?
P(A)=6/9=2/3
P(A)=?
P(B)=7/9
P(B)=?
20/08/2017 20
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.
20/08/2017 21
PROBABILIDAD
Probabilidad frecuencial y regularidad
estadstica
20/08/2017 22
PROBABILIDAD
Esto es:
N ( A)
P( A) (2)
N ()
donde
N(A) = nmero de elementos del evento A
N() = nmero de elementos del espacio
muestral .
20/08/2017 23
PROBABILIDAD
Probabilidad clsica.-
Sea S un espacio muestral cualquiera y A un evento de
ese espacio. Se define la probabilidad P del evento
A, como:
NCF
P( A) (1)
donde NCT
NCF - nmero de casos favorables
NCT - nmero de casos totales
20/08/2017 24
PROBABILIDAD
Ejemplo:
Experimento.- Se lanza una moneda
Evento A.- que al lanzar una moneda caiga
guila.
Calcular la probabilidad de A:
S = { A, S}, N() = 2
A = { A }, N(A) = 1
N ( A) 1
P( A) .5
N () 2
20/08/2017 25
PROBABILIDAD
Leyes De La Probabilidad
Las relaciones que se dan entre los
eventos al ser aplicadas las
operaciones que se presentaron, se
facilitan y comprenden mejor haciendo
uso de los axiomas y teoremas de
probabilidad (Leyes de Probabilidad).
Axioma.- es una verdad evidente que no
requiere demostracin.
Teorema.- Es una verdad que requiere
ser demostrada.
20/08/2017 26
PROBABILIDAD
Ejemplo.-
Experimento.- Se lanza un dado
Si A =, es decir si el evento A coincide o es igual al
espacio muestral, entonces.
N ( A) N (S )
P( A) 1
20/08/2017 N () N () 28
PROBABILIDAD
Teorema 1.- Si es el conjunto vaco,
entonces la probabilidad de es igual a 0
N ()
P() 0
N ()
Ejemplos:
Una persona que quiere ganar la lotera nacional,
pero no compra boleto.
Que aparezca un siete al lanzar un dado
Que una persona viva 250 aos
En estos casos los eventos son vacos
20/08/2017 29
EJEMPLOS
P(A)=3/9=1/3
E espacio muestral
P(B)=5/
A 9
P(AUB)=6/9=2/
3
P(AB)=2/9 P(A)=3/9=1/3
B P(A)=6/9=2/3 E espacio muestral
P(B)=2/
P(B)=4/9 A
9
P(AUB)=3/9=1/
P(A|B)=? P(B|A)=2/3
P(A|B)=2/5 P(B|A)=? 3
P(AB)=2/9
B
P(A)=6/9=2/3
P(A)=3/9=1/3
E espacio muestral
P(B)=7/9
P(B)=2/ P(A|B)=? P(B|A)=2/3
P(A|B)=1 P(B|A)=?
A 9
P(AUB)=5/9
B
P(AB)=0
P(A)=6/9=2/3
P(B)=7/9
P(A|B)=? P(B|A)=0
P(A|B)=0 P(B|A)=?
20/08/2017 30
PROBABILIDAD
Axioma 3.- Sea un espacio muestral
cualquiera y sean A y B dos eventos tales que
A , B y A B = , es decir, dos
eventos mutuamente exclusivos, entonces
P(A B) = P(A) + P(B).
A B
A B
20/08/2017 31
PROBABILIDAD
Ejemplo:
Experimento: Se lanzan dos monedas
= { ss, aa, sa, as}
N() = 4
Sean:
A: el evento de que al lanzar un par de monedas caigan
dos soles exactamente
B: el evento de que al lanzar un par de monedas caiga un
sol exactamente.
Los elementos de A y B son
A = { ss }
B = {sa, as}
Se puede ver que A B = , no hay elementos en comn,
por lo que los eventos son mutuamente exclusivos o
disjuntos, por tanto
P(A B) = P(A) + P(B)
20/08/2017 32
PROBABILIDAD
N ( A) 1
P( A)
N ( ) 4
N ( B) 2
P( B)
N ( ) 4
1 2 3
P( A B) P( A) P( B)
4 4 4
20/08/2017 33
PROBABILIDAD
Axioma 4.-
Sean A1, A2, A3, A4, ..., An eventos mutuamente
exclusivos:
P(A1 A2 A3 A4, ... An) =
P(A1) + P(A2) + P(A3) + P(A4) + ...+ P(An)
20/08/2017 34
Si los eventos no son mutuamente excluyentes entonces para n eventos seria:
P( A1 A2 ... An ) P( A1 ) P( A2 ) ... P( An )
n n
P( A
i j
i Aj ) P( Ai Aj Ak ) ... P( A1 A2 ... Ak )
i j k
20/08/2017 35
PROBABILIDAD
Ejemplo:
Experimento: Se lanza un dado
Sean
Evento A: que al lanzar un dado salga el 2 o el 4
Evento B: que al lanzar un dado salga un nmero
mayor a 4
Evento C: que salga el 1 o 3
A B
20/08/2017 38
PROBABILIDAD
Diferencia
Sean A y B dos eventos:
A-B = { x | x A y x B }
A- B
20/08/2017 39
PROBABILIDAD
Ejemplo.-
Experimento.- Se lanza un dado y una moneda
= {1s, 2s, 3s, 4s, 5s, 6s, 1a, 2a, 3a, 4a, 5a, 6a }
N() = 12
A: Al lanzar un dado y una moneda aparezcan el
nmero 2 o 3 con sol.
B: Al lanzar un dado y una moneda aparezcan
nmeros pares con sol.
A = { 2s, 3s }, N(A) = 2
B = { 2s, 4s, 6s } N(B) = 3
A B = { 2s } N(A B ) = 1
P(A B) = P(A) + P(B) - P(A B)
= 2/12 + 3/12 1/12 = 4/12 = 1/3
20/08/2017 40
PROBABILIDAD
P(Ac) = 1 P(A)
20/08/2017 41
PROBABILIDAD
Experimento.- Se lanza un dado y una moneda
= {1s, 2s, 3s, 4s, 5s, 6s, 1a, 2a, 3a, 4a, 5a, 6a }
N() = 12
A: Al lanzar un dado y una moneda aparezcan el
nmero 2 o 3 con sol.
B: Al lanzar un dado y una moneda aparezcan
nmeros pares con sol.
A = { 2s, 3s }, N(A) = 2
B = { 2s, 4s, 6s } N(B) = 3
Ac = { 1s, 4s, 5s, 6s, 1a, 2a, 3a, 4a, 5a, 6a }
P(Ac) = 1 P(A) = 1 2/12 = 10/12
Bc = { 1s, 3s, 5s, 1a, 2a, 3a, 4a, 5a, 6a }
P(Bc) = 1 P(B) = 1 3/12 = 9/12
20/08/2017 42
PROBABILIDAD
Probabilidad Condicional.
Sea A un evento arbitrario de un espacio
muestral , con P(E) > 0. La probabilidad
de que un evento A suceda una vez que E
ha sucedido o en otras palabras, la
probabilidad condicional de A dado E, se
define como:
P( A E )
P( A / E )
P( E )
20/08/2017 43
Un ejemplo
44
20/08/2017
Recuento
Ejemplo (I) MENOPAUSIA
NO SI Total
CLASIFICACION NORMAL 189 280 469
OMS OSTEOPENIA 108 359 467
OSTEOPOROSIS 6 58 64
Total 303 697 1000
20/08/2017 45
Recuento
Ejemplo (II) MENOPAUSIA
NO SI Total
CLASIFICACION NORMAL 189 280 469
OMS OSTEOPENIA 108 359 467
OSTEOPOROSIS 6 58 64
Total 303 697 1000
Probabilidad de tener osteopenia u osteoporosis?
P(OsteopeniaUOsteoporosis)=P(Osteopenia)+P(Osteoporosis)-
P(OsteopeniaOsteoporosis)=467/1000+64/1000=0,531
Son sucesos disjuntos
Osteopenia Osteoporosis=
20/08/2017 46
Recuento
Otra forma:
20/08/2017 48
Independencia de sucesos
A es independiente de B
P(A|B) = P(A)
20/08/2017 49
Recuento
Otra forma?
P(Menop Osteoporosis) = 58/1000 = 0,058
P(Menop) P(Osteoporosis)= (697/1000) x (64/1000) = 0,045
La probabilidad de la interseccin no es el producto de probabilidades. No
son independientes.
20/08/2017 50
PROBABILIDAD
Eventos Independientes:
P( A / E ) P( A)
P( E / A) P( E )
P( A B) P( A) P( B)
Si no se cumplen, se dice que los eventos son
dependientes.
20/08/2017 51
PROBABILIDAD
Probabilidad Condicional.
P( A E )
P( A / E )
P( E )
P( E A)
P( E / A)
P( A)
P( A E ) P( A / E ) P( E )
P( E/A ) P( A )
20/08/2017 52
PROBABILIDAD
Probabilidad Condicional.
Si A y B son independientes:
P( A E ) P( A / E ) P( E ) P( A) P( E )
P( E/A ) P( A ) P(E)P(A)
P( A E ) P( A) P( E )
P( A / E ) P( A)
P( E ) P( E )
P( E A) P( E ) P( A)
P( E / A) P( E )
P( A) P( A)
20/08/2017 53
Recuento
Otra forma?
P(Menop Osteoporosis) = 58/1000 = 0,058
P(Menop) P(Osteoporosis)= (697/1000) x (64/1000) = 0,045
La probabilidad de la interseccin no es el producto de probabilidades. No
son independientes.
20/08/2017 54
PROBABILIDAD
Ejemplo:
Experimento: Lanzar un dado.
A: que al lanzar el dado caiga 3
E: que al lanzar un dado salga un impar
= {1,2,3,4,5,6}
A = {3}, E = { 1,3,5}, (AE) = {3},
P(A) = 1/6
P(A/E) = P(AE)/ P(E)
= 1/6 / 3/6 = (1)(6)/(6)(3)
20/08/2017 = 6/18 = 1/3 55
PROBABILIDAD
Otra forma de calcular las probabilidades de la
interseccin y las probabilidades condicionales,
de dos eventos A y B, tal que
A AC =
B BC =
es elaborando primero la tabla de nmero de
elementos de los eventos y despus la tabla de
sus probabilidades.
20/08/2017 56
Se tienen los eventos A y B y sus complementos
Ac, Bc
B Bc Total
A AB ABc A
Ac AcB AcBc Ac
Total B Bc
20/08/2017 57
Tabla de nmero de elementos de A, B y sus
complementos Ac, Bc
B Bc Total
20/08/2017 58
Tabla de probabilidades de A, B, Ac, Bc y sus
intersecciones
B Bc Total
20/08/2017 59
PROBABILIDAD
Probabilidades condicionales:
20/08/2017 60
PROBABILIDAD
Ejemplo.-
En cierta ciudad, las mujeres representan el 50%
de la poblacin y los hombres el otro 50%. Se
sabe que el 20% de las mujeres y el 5% de
hombres estn sin trabajo. Un economista
estudia la situacin de empleo, elige al azar una
persona desempleada. Si la poblacin total es
de 8000 personas,
Cul es la probabilidad de que la persona
escogida sea ?:
20/08/2017 61
PROBABILIDAD
a).- Mujer
b).- Hombre
c).- Mujer dado que est empleado
d).- Desempleado dado que es hombre
e).- Empleado dado que es mujer
D E Total
M 800/8000 = .1 3200/8000= .4 4000/8000= .5
20/08/2017 64
PROBABILIDAD
P(M) = .50
P(H) = .50
P(E) = .875
P(D) = .125
P(M/E) = P(ME)/P(E) = .40/.875 = .4571
P(D/H) = P(DH)/P(H) = .025/.5 = .05
P(E/M) = P(ME)/P(M) = .40/.5 = .8
P(M/D) = P(MD)/P(D) = .10/.125 = .8
P(H/D) = P(HD)/P(D) = .025/.125 = .2
20/08/2017 65
PROBABILIDAD
20/08/2017 67
Ley general Multiplicativa para n
eventos
INDEPENDENCIA DE n EVENTOS
P( A1 A2 A3 ... Ak ) P( A1 ) P( A2 ) P( A3 )...P( Ak )
20/08/2017 68
Teorema de la probabilidad total
Si conocemos la probabilidad de B en cada uno de los
A1 A2 componentes de un sistema exhaustivo y excluyente de
sucesos, entonces
20/08/2017 69
Ejemplo (I): En este aula el 70% de los alumnos son
mujeres. De ellas el 10% son fumadoras. De los
hombres, son fumadores el 20%.
T. Prob. Total.
Hombres y mujeres forman un sist. Exh. Excl. de sucesos Fuma
0,1
20/08/2017 70
Ejemplo (II): En un centro hay dos quirfanos. El 1 se
usa el 75% de veces para operar. En el 1 la frec. de
infeccin es del 5% y en el 2 del 10%.
Infec
0,05
0,9
T. Prob. Total.
No infec
Los dos quirfanos forman un sist. Exh. Excl. de sucesos
20/08/2017 71
Ejemplo (III): El 20% del tiempo que se est en una casa
transcurre en la cocina, el 10% en el bao y el resto entre el
saln y el dormitorio. Por otro lado la probabilidad de tener un
accidente domstico estando en la cocina es de 0,30 de tenerlo
estando en el bao es de 0,20 y de tenerlo fuera de ambos de
0,10. Cul es la probabilidad de tener un accidente domstico?
Acc
0,30
20/08/2017 72
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%. Si se selecciona un artculo al azar,
Cul es la probabilidad de que el artculo sea
defectuoso ?
20/08/2017 73
PROBABILIDAD
Sea
D el evento: Que sea un artculo defectuoso.
P(M1) = .50 P(D/M1) = .03
P(M2) = .30 P(D/M2) = .04
P(M3) = .20 P(D/M3) = .05
20/08/2017 74
P(D/M1)=.03
D P(M1)*P(D/M1)=.5*.03=.015
P(M1)=.50 M1
ND
P(ND/M1)=.97
P(D/M2)=.04 P(M2)*P(D/M2)=.3*.04=.012
D
P(M2)=.30 M2
P(ND/M2)=.96 ND
P(D/M3)=.05
D P(M1)*P(D/M1)=.2*.05=.01
P(M3)=.20 M3
ND
P(ND/M3)=.95
20/08/2017 P(D) = .015+.012+.01=.037
75
PROBABILIDAD
P( Ai ) P( E / AI )
P( Ai / E )
P( A1 ) P( E / A1 ) P( A2 ) P( E / A2 ) P( An ) P( E / An )
20/08/2017 76
PROBABILIDAD
20/08/2017 77
Teorema de Bayes
Si conocemos la probabilidad de B en
cada uno de los componentes de un
A1 A2 sistema exhaustivo y excluyente de
sucesos, entonces
P(B Ai)
P(Ai | B)
A3 A4 P(B)
donde P(B) se puede calcular usando el teorema de la probabilidad total:
20/08/2017 78
Ejemplo (IV): En este aula el 70% de los alumnos son mujeres. De ellas el
10% son fumadoras. De los varones, son fumadores el 20%.
0,3 0,2
P( H F ) P( H ) P( F | H ) Fuma
P( H | F ) Hombre
P( F ) P( F )
0,3 0,2
0,46 0,8
0,13 No fuma
20/08/2017 79
Ejemplo (V): En un centro hay dos quirfanos. El 1 se
usa el 75% de veces para operar. En el 1 la frec. de
infeccin es del 5% y en el 2 del 10%.
Qu probabilidad de infeccin hay? P(I) = 0,0625
Se ha producido una infeccin. Infec
0,05
Qu probabilidad hay de que sea en el Q1?
Q1
0,75 0,95
No infec
Paciente
0,25 0,1
Infec
P(Q1 I ) P(Q1) P( I | Q1)
P(Q1 | I ) Q2
P( I ) P( I )
0,75 0,05 0,9
0,6
0,0625 No infec
20/08/2017 80
Ejemplo (VI): El 20% del tiempo que se est en una casa
transcurre en la cocina, el 10% en el bao y el resto entre el
saln y el dormitorio. Por otro lado la probabilidad de tener un
accidente domstico estando en la cocina es de 0,30 de tenerlo
estando en el bao es de 0,20 y de tenerlo fuera de ambos de
0,10. Se ha producido un accidente, cul es la probabilidad de
que haya sido en la cocina?
P(A) = 0,15 (ya calculado)
Acc
0,30
P(C A) P(C ) P( A | C )
0,20
Cocina
0,70
No Acc
P(C | A)
P( A) P( A)
0,20 0,30
Acc
0,10
0,20
0,4
Casa Bao No Acc 0,15
0,80
20/08/2017 81
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?
20/08/2017 82
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?
20/08/2017 83
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
20/08/2017 84
P(D/M1)=.03
D P(M1)*P(D/M1)=.5*.03=.015
P(M1)=.50 M1
ND
P(ND/M1)=.97
P(D/M2)=.04 P(M2)*P(D/M2)=.3*.04=.012
D
P(M2)=.30 M2
P(ND/M2)=.96 ND
P(D/M3)=.05
D P(M1)*P(D/M1)=.2*.05=.01
P(M3)=.20 M3
ND
P(ND/M3)=.95
20/08/2017
P(D) = .015+.012+.01=.037
85
PROBABILIDAD
Por teorema de Bayes se tiene:
P( M 1 ) P( D / M 1 )
P ( M 1 / D)
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 ) (. 50)(. 03)
.4054
P ( D) .037
20/08/2017 86
20/08/2017 87