conceptos basicos de_probabilidad
Post on 18-Feb-2017
16 Views
Preview:
TRANSCRIPT
3. CONCEPTO BASICOS DE PROBABILIDADES
Dr. Edgar Acuñahttp://math.uprm.edu/~edgar
UNIVERSIDAD DE PUERTO RICORECINTO UNIVERSITARIO DE MAYAGUEZ
ESMA 4001 Edgar Acuña Universidad de Puerto Rico
2
3.1 Espacio Muestral y Eventos3.1.1 Experimentos Aleatorios y Espacios Muestrales
Un experimento es una observación de un fenómeno que ocurre en lanaturaleza. Tipos de experimentos:
Experimentos Determinísticos: Son aquellos en donde no hay incertidumbreacerca del resultado que ocurrirá cuando éstos son repetidos varias veces.
Experimentos Aleatorios: Son aquellos en donde no se puede anticipar elresultado que ocurrirá, pero si se tiene una completa idea acerca de todoslos resultados posibles del experimento cuando éste es ejecutado.
ESMA 4001 Edgar Acuña Universidad de Puerto Rico
3
3.1 Espacio Muestral y Eventos (cont.)Espacio Muestral: Es el conjunto de posibles resultados de un experimento
aleatorio. Representaremos el espacio muestral S y cada elemento de él es llamado un punto muestral. Ejemplo:
Exp 1: Lanzar un dado y anotar el número que aparece en la cara superior.
Exp 2: Lanzar un par de monedas y anotar el resultado que aparece en cada una de ellas.
Exp 3: Un vendedor de la Enciclopedia Británica visita tres casas ofreciendo la colección y se anota V si vende o N si no vende en cada casa.
Exp 4: Se anota el número de boletos de lotería que hay que comprar hasta ganarse el premio mayor.
Exp 5: Se anota el tiempo que hay que esperar para ser atendidos en un Banco.
{ }6,5,4,3,2,11 =S
{ } [ )∞≡≥= ,00:5 tts
{ }XXXCCXCCS ,,,2 =
{ }NNNNNVNVNNVVVNNVNVVVNVVVS ,,,,,,,3 =
{ },........3,2,14 =S
ESMA 4001 Edgar Acuña Universidad de Puerto Rico
4
3.1 Espacio Muestral y Eventos (cont.)
Tipos de espacios muestrales:Espacios muestrales discretos: Son espacios muestrales cuyos elementos
resultan de hacer conteos, y por lo general son subconjuntos de los númerosenteros.
Espacios muestrales continuos: Son espacios muestrales cuyos elementosresultan de hacer mediciones, y por lo general son intervalos en la rectaReal.
ESMA 4001 Edgar Acuña Universidad de Puerto Rico
5
3.1.2. EventosUn Evento es un resultado particular de un experimento aleatorio. Entérminos de conjuntos, un evento es un subconjunto del espacio muestral.Por lo general se le representa por las primeras letras del alfabeto. Ejemplo:
A: Que salga un número par al lanzar un dado.E: Que haya que esperar más de 10 minutos para ser atendidos.
Evento Nulo: Es aquél que no tiene elementos. Se representa por φ.
Evento Seguro: Es el espacio muestral que puede ser considerado como unevento.
ESMA 4001 Edgar Acuña Universidad de Puerto Rico
6
3.1.3. Relaciones entre eventosUnión de eventos: Dados dos eventos A y B de un mismo espacio muestral su
unión se representa por y es el evento que contiene los elementos queestán en A o en B, o en ambos. El evento ocurre si al menos uno de los doseventos ocurre. Dada una colección de eventos, su unión denotadapor ocurre si al menos uno de los ocurre.
BA∪
Un
iiA
1=
nAA ,...,1
)1(, niAi ≤≤
BAS
ESMA 4001 Edgar Acuña Universidad de Puerto Rico
7
3.1.3. Relaciones entre eventos (cont)Intersección de eventos: Dados dos eventos A y B de un mismo espacio
muestral su intersección se representa por y es el evento que contienelos elementos que están en A y B al mismo tiempo. El evento ocurrecuando los eventos ocurren simultáneamente. Dada una colección
de eventos, su intersección denotada por ocurre si todos loseventos ocurren a la vez.
BA∩
nAA ,...,1 In
iiA
1=
)1(, niAi ≤≤
BAS
BA∩
ESMA 4001 Edgar Acuña Universidad de Puerto Rico
8
3.1.3. Relaciones entre eventos (cont)
Evento Complemento: El complemento de un evento A serepresenta por y es el evento que contiene todos loselementos que no están en A. El evento ocurre si A noocurre.
AA
AA
ESMA 4001 Edgar Acuña Universidad de Puerto Rico
9
3.1.3. Relaciones entre eventos (cont)
Propiedades de relaciones entre eventos: Sean A, B y Celementos de un mismo espacio muestral S entonces:
1) Propiedad Conmutativa: , 2) Propiedad Asociativa: , 3) Propiedad Distributiva: , 4) Leyes de De Morgan: ,
Todas estas propiedades se pueden aplicar a más de dos eventos.
ABBA ∪=∪ ABBA ∩=∩CBACBA ∪∪=∪∪ )()( CBACBA ∩∩=∩∩ )()(
)()()( CABACBA ∪∩∪=∩∪ )()()( CABACBA ∩∪∩=∪∩
BABA ∩=∪ BABA ∪=∩
ESMA 4001 Edgar Acuña Universidad de Puerto Rico
10
3.2 Métodos de asignar Probabilidades
3.2.1 Método Axiomático: La Probabilidad es consideradacomo una función de valor real definida sobre una colecciónde eventos de un espacio muestral S que satisface lossiguientes axiomas:
1.2. Si A es un evento de S entonces .3. Si, Ai es una colección de eventos disjuntos (por pares)entonces . Esta es llamada el axioma de aditividadcontable. Asumiendo que se sigue del axioma 3que , ésta es llamada la propiedad de aditividadfinita.
( ) 1=SP( ) 0≥AP
∑∞
=
∞
=
=11
)()(i
ii
i APAP Uφ=== ++ ...21 nn AA
∑==
=n
ii
n
ii APAP
11
)()(U
Propiedades de la probabilidad
ESMA 4001 Edgar Acuña Universidad de Puerto Rico
11
)()( BPAPentoncesBASi ≤⊆
0)( =φP
)(1)( APAP −=
4. La Regla Aditiva de la probabilidad
)()()()( BAPBPAPAUBP ∩−+=
1.
2.
3.
Tabla de doble entrada para relacionar lasprobabilidades de dos eventos
ESMA 4001 Edgar Acuña Universidad de Puerto Rico
12
A
B
1
)( BAP ∩ )( BAP ∩
)( BAP ∩ )( BAP ∩
)(AP )(AP
)(BP
)(BP
A
B
Ejemplo 1.1.
ESMA 4001 Edgar Acuña Universidad de Puerto Rico
13
Juan y Luis están solicitando ser admitidos en una universidad. La probabilidad de que Juan sea admitido es 0.7 y la probabilidad de que Luis sea admitido es 0.6. La probabilidad de que ambos sean admitidos es .45.a) ¿Cuál es la probabilidad de que solamente uno de ellos sea admitido?b) ¿Cuál es la probabilidad de que al menos uno de ellos sea admitido?c) ¿Cuál es la probabilidad de que ninguno de los dos sea admitido?
Solucion:P(J)=.7, P(L)=.6 45.)( =∩LJP
15.)(1)()()
85.45.6.7.)()4.15.25.)()()
=−==∩
=−+==+=∩+∩
JUlPJULPLJPc
JULPbLJPLJPa
ESMA 4001 Edgar Acuña Universidad de Puerto Rico
14
.25 .45 .15
J LS
.15
Diagrama de Venn para el ejemplo 1.1
J No J
L .45 .15 .6
No L .25 .15 .4
.7 .3 1.00
Tabla de clasificacion cruzada para el ejemplo 1.1
ESMA 4001 Edgar Acuña Universidad de Puerto Rico
15
Ejemplo 1.2.Una empresa tiene dos manerasA y B de presentar un nuevoproducto al mercado. Sipresenta el producto de lamanera A la probabilidad deque el producto sea exitoso es0.44 y si lo presenta de lamanera B la probabilidad deéxito se reduce a 0.29. Laprobabilidad de que elproducto fracase con ambasmaneras de presentación es0.37. ¿Cuál es la probabilidadde que el producto sea exitosocon ambas formas depresentación?
Solución:Los eventos son: A: Que elproducto sea exitoso con lamanera A y B: que el productosea exitoso con la manera B.Tenemos que hallarEl problema puede ser resueltoaplicando la Ley de Morgan yla regla aditiva perousaremos en su lugardiagramas de Venn y tabla declasificacion cruzada.
)( BAP ∩
1.)(90.37.71.56.)()()(
)()(
=∩=−+=∩−+
=∪=∩
BAPBAPBPAP
BAPBAP
ESMA 4001 Edgar Acuña Universidad de Puerto Rico
16
.34.10
.19
.37
Diagrama de Venn para el ejemplo 1.2
A
B 0.10 0.19 0.290.34 0.37 0.710.44 0.56 1.00
Tabla de clasificacion cruzada para ejemplo 1.2
A
B
A BS
ESMA 4001 Edgar Acuña Universidad de Puerto Rico
17
La regla aditiva de la probabilidad se puede aplicar a mas de dos eventos. Asi paratres eventos A,B y C se tiene que
)()()()()()()()( CBAPCBPCAPBAPCPBPAPAUBUCP ∩∩+∩−∩−∩−++=
Formula de Inclusion-Exclusion:Sean A1, A2,….An eventos de un mismo espacio muestral S , entonces
I
Un
i
n
kjikji
jiji
n
ii
n
ii
AiP
AAAPAAPAPAP
1
1
11
)()1(
....)()()()(
=
+
<<<==
−+
−∩∩+∩−= ∑∑∑
ESMA 4001 Edgar Acuña Universidad de Puerto Rico
18
3.2.2. Probabilidades-Método Clásico
Un espacio muestral finito se dice que esEquiprobable si cada uno de sus elementos tiene la mismaprobabilidad de ocurrencia, es decir para todo ,
Ejemplo 1.3. Se lanza un par de dados legales y distinguibles, entonces su espacio muestral dado por:
tiene 36 resultados, cada uno de ellos con probabilidad de ocurrencia 1/36.
},...,{ 1 nwwS =
nwP i
1)( = ni ,...,1=
( ){ }6,5,4,3,2,1,:, == jijiS
ESMA 4001 Edgar Acuña Universidad de Puerto Rico
19
3.2.2. Probabilidades- Método Clásico
Definición. Si un experimento aleatorio tiene un espaciomuestral equiprobable que contiene elementos y A es unevento de que ocurre de maneras distintas entonces laprobabilidad de ocurrencia de A es:
Ejemplo 1.4. ¿Cuál es la probabilidad de que salga suma mayor que 7 al lanzar un par de dados?Solución:El evento A: Suma mayor que 7, incluye los resultados que dan suma 8, 9, 10, 11 ó 12 y éstos ocurren de 5, 4, 3, 2 y 1 maneras repectivamente. Luego , por lo tanto .
S( )S#S
( )A#
)(#)(#)(
SAAP =
( ) 15# =A ( ) 3615=AP
ESMA 4001 Edgar Acuña Universidad de Puerto Rico
20
Ejemplo 1.5 . Un oficial de matrícula asigna al azar 2 estudiantes: A y B a 4 secciones: S1, S2, S3 y S4 de un curso . ¿Cuál es la probabilidad de que: a) Los dos estudiantes sean asignados a la misma sección? b) Ningún estudiante sea asignado a la sección S3?c) Al menos un estudiante sea asignado a la sección S1?
Solución: La siguiente tabla representa el espacio muestral del experimento
S1 S2 S3 S4 S1 S2 S3 S4 A B - - B - A -A - B - B - - AA - - B - A B -AB - - - - A - B- AB - - - B A -- - AB - - B - A- - - AB - - A BB A - - - - B -a) Sea el evento A: Los dos estudiantes son asignados a la misma sección.
164
)(#)(#)( ==
SAAP
ESMA 4001 Edgar Acuña Universidad de Puerto Rico
21
b)Sea el evento B: Ningún estudiante es asignado a la sección S3
c) Sea el evento C: Al menos un estudiante es asignado a la sección S1.
169
)(#)(#)( ==
SBBP
167
)(#)(#)( ==
SCCP
ESMA 4001 Edgar Acuña Universidad de Puerto Rico
22
3.2.3 Probabilidades-Método FrecuencialSi un experimento se repite n veces y n(A) de esas veces ocurre el evento A, entonces la frecuencia relativa de A se define por .Se puede notar que:a)b)c) Si A y B son eventos disjuntos entonces Es decir satisface los axiomas de probabilidad.
Definición. La probabilidad del evento A es el valor al cual se aproxima cuando el experimento se ha repetido un gran número de veces. O sea:
nAnf A
)(=
1=Sf
0≥Af
BABA fff +=∪
Af
)()( APnAn
→
ESMA 4001 Edgar Acuña Universidad de Puerto Rico
23
3.2.5 Probabilidades-Método Subjetivo
Algunas personas de acuerdo a su propio criterio generalmente basado ensu experiencia, asignan probabilidades a eventos, éstas son llamadasprobabilidades subjetivas. Por ejemplo:
• La Probabilidad de que llueva mañana es 40%.• La Probabilidad de que haya un terremoto en Puerto Rico antes del 2000 es
casi cero.• La Probabilidad de que el caballo Camionero gane el clásico del domingo
es 75%.
ESMA 4001 Edgar Acuña Universidad de Puerto Rico
24
3.3. Aplicación de técnicas de conteoal Cálculo de Probabilidades3.3.1 Regla Multiplicativa del conteo: Si un
experimento I ocurre de m maneras distintas y un experimento II ocurre den maneras distintas entonces, el experimento compuesto de I seguido de IIocurre de maneras.
La regla multiplicativa se puede generalizar de la siguiente manera: Si unexperimento compuesto de k experimentos simples, cada uno de los cualesse puede efectuar de maneras distintas, entonces elexperimento compuesto se puede efectuar de manerasdistintas.
)1(, kini ≤≤
knnn ××× ...21
ESMA 4001 Edgar Acuña Universidad de Puerto Rico
25
Ejemplo 1.6Una contraseña para accesar a una computadora consiste de 6 caracteresque pueden ser letras (26) o números (10).a) ¿Cuántas contraseñas distintas se pueden formar?b) ¿Cuántas contraseñas distintas se pueden formar conteniendosólo números?c) ¿Cuántas contraseñas distintas se pueden formar si deben tenerpor lo menos una letra?
Solución:
ESMA 4001 Edgar Acuña Universidad de Puerto Rico
26
3.3.2 PermutacionesUna permutación es un arreglo ordenado de objetos distintos. Por ejemplo,las permutaciones de tamaño 2 que se pueden hacer con las letras A, B y Cson: AB, AC, BC, BA, CA y CB.
Haciendo uso de la regla multiplicativa del análisis combinatorio se desprende que:i) El número de permutaciones de n objetos tomados todos a la vez está dado por
ii) El número de permutaciones de n objetos distintos tomados de r en restá dado por:
Recordar que 0! = 1.
( ) ( )( ) 1...21!, −−== nnnnnnP
( ) ( ) ( ) ( )!!1...1,rn
nrnnnrnP−
=+−−=
ESMA 4001 Edgar Acuña Universidad de Puerto Rico
27
Ejemplo 1.7Ocho atletas compiten en la final olímpica de los 110 metros con vallas.Asumiendo que ellos cruzan la meta en distintos instantes. ¿Cuántasmaneras distintas hay para entregar las medallas de oro, de plata y debronce?
Solución:El primer premio puede ser entregado de 8 maneras, el segundo de 7 y eltercero de 6, luego por la regla multiplicativa hay maneras distintas de
entregar los premios. Claramente, esto es:
( )!5!83,8 =P
ESMA 4001 Edgar Acuña Universidad de Puerto Rico
28
Ejemplo 1.8Cuatro turistas llegan a un pueblo que tiene 6 hoteles. Si los turistas eligen al
azar el hotel donde se van a alojar. ¿Cuál es la probabilidad de que:a) Todos ellos se hospeden en hoteles distintos?b) Por lo menos dos de ellos se hospeden en el mismo hotel?
Solución:Cada uno de los 4 turistas tiene 6 maneras distintas de hospedarse por lo
tanto, el experimento puede ocurrir de maneras.a) Sea el evento A: Que los 4 turistas se hospeden en distintos hoteles. Esto
puede ocurrir de maneras. Luego, b) Sea el evento B: Por lo menos dos turistas se alojen en el mismo hotel. Este
evento es simplemente el complemento del evento A. Luego,
46)(# =S
3456)(# ×××=A185
6360)( 4 ==AP
1813)(1)( =−= APBP
ESMA 4001 Edgar Acuña Universidad de Puerto Rico
29
3.3.3 CombinacionesUna combinación es una selección de objetos donde el orden en que estoshan sido escogidos no interesa. Por ejemplo, las combinaciones que sepueden hacer con los objetos: A, B y C elegidos de dos en dos son: AB, ACy BC. Observe que el número de permutaciones obtenidas anteriormentefue el doble.El número de combinaciones de n objetos tomado de r en r está dado por:
Como 0! = 1, se tiene que
!),(
)!(!!
rrnP
rnrn
rn
=−
=⎟⎟⎠
⎞⎜⎜⎝
⎛
10
=⎟⎟⎠
⎞⎜⎜⎝
⎛=⎟⎟
⎠
⎞⎜⎜⎝
⎛ nnn
ESMA 4001 Edgar Acuña Universidad de Puerto Rico
30
Ejemplo 1.9Una señora tiene 8 amigas y desea invitar a 5 de ellas a unafiesta. ¿De cuántas maneras puede hacerlo si dos de ellasestán enojadas entre si y no pueden ser invitadas juntas?Solución:
Hay invitaciones posibles donde las dos personas endisputa pueden ser invitadas juntas, y hay un total de
invitaciones que se pueden hacer.Luego, usando complemento hay invitacionesdonde las dos personas enemistadas no aparecen juntas.
2036
=⎟⎟⎠
⎞⎜⎜⎝
⎛
5658
=⎟⎟⎠
⎞⎜⎜⎝
⎛
362056 =−
ESMA 4001 Edgar Acuña Universidad de Puerto Rico
31
Ejemplo 1.10El juego de la LOTTO de Puerto Rico consiste en acertar 6 números entre el 1
y el 42. El primer premio se otorga a los que aciertan los 6 números, el segundo premio a los que aciertan 5 de los 6, y el tercer premio a los que aciertan 4 de los 6. Si una persona compra un boleto de la LOTTO. ¿Cuál es la probabilidad de que se gane:
a) El primer premio?b) El segundo premio?c) El tercer premio?Solución:Sea : Total de maneras como puede salir el número premiado. Claramente,
como el orden no importa a) Sea el evento A: Sacarse el primer premio. Sólo hay una manera como
puede ocurrir esto, y es cuando los 6 números elegidos en el sorteo son los que el jugador tiene. O sea, #(A)=1, y en consecuencia P(A)=1/5’245,786=.000000190.
786,245'5642
)(# =⎟⎟⎠
⎞⎜⎜⎝
⎛=S
ESMA 4001 Edgar Acuña Universidad de Puerto Rico
32
b) Sea el evento B: Sacarse 5 de los 6 números. Uno de los 6 números del apostador NO es extraido en el sorteo, luego
c) Sea el evento C: Sacarse 4 de los 6 números. En este caso, dos de los 6 números del apostador NO salen en el sorteo, luego y .
000041.786,245'5
216786,245'5136
56
)( ==⎟⎟⎠
⎞⎜⎜⎝
⎛⎟⎟⎠
⎞⎜⎜⎝
⎛
=BP
00180.786,245'5
9450786,245'5236
46
)( ==⎟⎟⎠
⎞⎜⎜⎝
⎛⎟⎟⎠
⎞⎜⎜⎝
⎛
=CP
ESMA 4001 Edgar Acuña Universidad de Puerto Rico
33
3.4 Probabilidad CondicionalSean A y B dos eventos de un mismo espacio muestral S. La probabilidad condicional de A dado que B ha ocurrido esta dado por:
Ejemplo 1.11. Se lanza un par de dados legales ydistinguibles. ¿Cuál es la probabilidad de que solamente uno de los dos dados sea par si se sabe que la suma de los dos es mayor que 8?
Solución:Sean los eventos A: Que solamente uno de los dos dados sea par y el evento condicionante B: Que la suma sea mayor que 8. Claramente y . Luego .
)(#)(#
)()()/(
BBA
BPBAPBAP ∩
=∩
=
( ) 10# =B ( ) 6# =∩BA ( ) 106/ =BAP
Ejemplo 1.12En una ciudad se hizo una encuesta acerca de la opinión de las
personas adultas con respecto a una ley del gobierno. La siguiente tabla muestra los resultados de la encuesta clasificados según el sexo del entrevistado.
ESMA 4001 Edgar Acuña Universidad de Puerto Rico
34
A favor En contra Abstenidos Total
Hombre 12 28 8 48
Mujer 10 15 12 37
Total 22 43 20 85
Se elige al azar una personaa)¿Cuál es la probabilidad de que favorezca la ley si resulta ser mujer?b)¿Cuál es la probabilidad de que sea mujer si resulta estar en contra de la ley?c)¿Cuál es la probabilidad de que sea hombre si la persona elegida no se abstuvo de opinar?
ESMA 4001 Edgar Acuña Universidad de Puerto Rico
35
3.4.1 Regla del Producto.Dados los eventos A y B de un mismo espacio muestral, la
probabilidad de que ambos ocurran esta dado por:
Ejemplo 1.13. Según la Comisión Electoral de un país, el 90 por ciento de las esposas votan si sus esposos lo hacen, y el 20 por ciento vota si su esposo no lo hace. Además el 70 por ciento de los hombres casados votan. Se elige al azar un matrimonio. ¿Cuál es la probabilidad de que:
a) ambos esposos voten? (.7)(.9)=.63b) sólo uno de los esposos vote? (.7)(.1)+(.3)(.2)=.13c) vote la esposa? (.7)(.9)+(.3))(.2)=.69d) al menos uno de los esposos vote? 1-(.3)(.8)=.76
.
)/()()( ABPAPBAP =∩
ESMA 4001 Edgar Acuña Universidad de Puerto Rico
36
.9
.1
.2
.8
.3
.7
P(V1V2)=(.7)(.9)=.6.3
=(.7)(.1)=.07
=(.3)(.2)=.06
=(.3)(.8)=.24
Esposo Vota Esposo Vota
)( 21VVP
.
)( 21VVP
)( 21VVP
Diagrama de arbol para el ejemplo 1.13
La Regla de la cadena paraprobabilidades
ESMA 4001 Edgar Acuña Universidad de Puerto Rico
37
Sean A1, A2,…..An eventos de un mismo espacio muestral S, entonces
).../().../()/()()...( 121312121 nnn AAAPAAAPAAPAPAAAP ∩∩∩=∩∩
ESMA 4001 Edgar Acuña Universidad de Puerto Rico
38
3.4.2 Probabilidad Total y Regla deBayesRegla de la Probabilidad Total: Sean B1,…,Bn una colección de
eventos que forman una partición del espacio muestral S estoes y para i ≠ j. Sea A otro evento definidosobre S entonces:
Notar que: . Aplicando la propiedad Distributiva:, la unión es disjunta, y y aplicando el tercer axioma:
. Finalmente, se aplica la regla del producto a cadatérmino de la suma. Para una partición de S en dos eventos B yse obtiene:
φ=∩ ji BBSBn
ii =
=U
1
∑=
=n
iii BAPBPAP
1)/()()(
)(1Un
iiBASAA
=
∩=∩=
Un
iiBAA
1=
∩=
∑=
∩=n
iiBAPAP
1)()(
B
)/()()/()()( BAPBPBAPBPAP +=
ESMA 4001 Edgar Acuña Universidad de Puerto Rico
39
Ejemplo 1.14El 70 % de los pacientes de un hospital son mujeres y el 20%de ellas son fumadoras. Por otro lado el 40 % de los pacienteshombres son fumadores. Se elige al azar un paciente delhospital. ¿Cuál es la probabilidad de que sea fumador?
Solución:Sean los eventos F: Que el paciente sea fumador, H: Que el paciente sea hombre y M: Que el paciente sea mujer. Claramente, , luego se tiene: ,
y , sustituyendo estos valores en la fórmula anterior: ,
( ) ( ) ( ) ( ) ( )HFPHPMFPMPFP // += ( ) 7.=MP ( ) 3.=HP
( ) 2./ =MFP ( ) 4./ =HFP
( ) 26.4.3.2.7. =×+×=FP
ESMA 4001 Edgar Acuña Universidad de Puerto Rico
41
La Regla de Bayes
Bajo las mismas condiciones de la regla de probabilidad total,se cumple que:
Por definición de probabilidad condicional yaplicando la regla del producto en el numerador y probabilidadtotal en el denominador se obtiene la regla de Bayes. Lafórmula permite calcular facilmente probabilidadescondicionales, llamadas probabilidades aposteriori siempre ycuando se conozca las probabilidades a priori , y lasprobabilidades condicionales
∑=
= n
iii
jjj
BAPBP
BAPBPABP
1)/()(
)/()()/(
)()(
)/(BP
ABPABP j
j
∩=
)( jBP
)/( jBAP
Ejemplo 1.15
ESMA 4001 Edgar Acuña Universidad de Puerto Rico
42
Una prueba para diagnosticar cáncer lo detecta en el 95% de personas que efectivamente tienen la enfermedad y en el 1% de las personas que no tienen la enfermedad. Por estudios previos se ha determinado que sólo el .5% de las personas sometidas a la prueba tienen efectivamente cáncer. Si la prueba da un diagnóstico positivo, ¿Cuál es la probabilidad de que la persona tenga realmente cáncer?Solucion:P(C/D+)=P(C)P(D+/C)/[P( C )P(D+/C)+P(noC)P(D+/noC)]
ESMA 4001 Edgar Acuña Universidad de Puerto Rico
43
C
+D
−D
+D
−D
C
00475.95.005.)( =×=+CDP
00995.01.995.)( =×=+DCP
Diagnóstico
.95
.05
.01.995
.005
Cáncer?
El siguiente diagrama de árbol representa el problema.
ESMA 4001 Edgar Acuña Universidad de Puerto Rico
44
.96
.04
.60
.40
Cesarea Bebé Vive
Ejemplo 1.16. En un hospital el 98% de los bebés nacen vivos. Por otro lado, 40% de todos los partos son por césarea y de ellos el 96% sobreviven al parto. Se elige al azar una mujer a la que no se va practicar césarea. ¿Cuál es la probabilidad de que su bebé viva?
)/( CVP
)/()()/()()( CVPCPCVPCPVP +=
993.6.
96*4.98.)/(
)/(*6.96.*4.98.
=−
=
+=
CVP
CVP
Ejemplo 1.17
ESMA 4001 Edgar Acuña Universidad de Puerto Rico
45
Una empresa tiene 3 plantas: A, B y C. La planta A produce el 50% de la producción total, B produce el 30% y C el 20%. El 3% de la producción de Aes defectuosa, mientras que el 2% de B y el 5% de C también lo son. Se elige al azar un artículo producido por la empresa:a) ¿Cuál es la probabilidad de que el artículo elegido sea defectuoso?b) Si el artículo elegido resulta ser defectuoso, ¿Cuál es la probabilidad de que provenga de la planta C?
Solucion:a) P(D)=P(A)P(D/A)+P(B)P(D/B)+P(C) P(D/C)=.015+.006+.010=.031b)P(C/D)=P(C )P(D/C)/P(D)=.010/.031=10/31
ESMA 4001 Edgar Acuña Universidad de Puerto Rico
46
006.02.3.)( =×=BDP
010.05.2.)( =×=CDP
015.03.5.)( =×=ADP
.02
.05.20
A
.30
.50
C
B
D
D
D
.03
El siguiente diagrama de árbol representa el problema.
Planta Defectuoso
ESMA 4001 Edgar Acuña Universidad de Puerto Rico
47
3.5 Eventos Independientes
Dos eventos A y B son independientes si la ocurrencia de uno de ellos noafecta la probabilidad de ocurrencia del otro. O sea:
De la definición de probabilidad condicional se obtiene la siguientedefinición equivalente:Dos eventos A y B son independientes si:
Eventos independientes (cont)
ESMA 4001 Edgar Acuña Universidad de Puerto Rico
48
Teorema: Si A y B son dos eventos independientes, entonces tambien lo son
ByAcByAbByAa
)))
El concepto de independencia se puede generalizar a mas de dos eventos. Asi, siA1,….An son eventos independientes. Entonces
)()......()....( 11 nn APAPAAP =∩∩
ESMA 4001 Edgar Acuña Universidad de Puerto Rico
49
Ejemplo 1.18Un tirador hace dos disparos a un blanco. La probabilidad de que acierte enel blanco es .8, independientemente del disparo que haga. ¿Cuál es laprobabilidad de que el tirador:a) Acierte ambos disparos?b) Acierte sólo uno de los dos disparos?c) Acierte por lo menos un disparo?d) No acierte ninguno de los dos disparos?Solución:Sean los eventos Ai: Que el tirador da en el blanco en el disparoi (i =1, 2). Por aplicación directa de la propiedad 5 se obtiene:
Ejemplo 1.19. Problema de los encuentros
ESMA 4001 Edgar Acuña Universidad de Puerto Rico
50
Suponga que n personas que asisten a una fiesta lanzan sus sombreros al centro del salon . Luego cada persona elige al azar un sombrero, cual es la probabilidad de que ninguna de las n personas elija su correspondiente sombrero?
Solucion: P(ninguna elija su sombrero)=1-P(Al menos uno elija su sombrero).Sea el evento Ai que la i-esima persona eliga su sombrero correspondiente. Luego, P(Al menos uan persona elija su sombrero correcto)=
Usando ahora la formula de Inclusion-Exclusion de la seccion 1.2.1 se tiene
)(1U
n
iiAP
=
!1)...(,....,
)2)(1(1)
,)1(
1)(,1)(
)1.1()()1(
....)()()()(
1
1
1
11
nAAP
nnnAAPA
nnAAP
nAPcon
AiP
AAAPAAPAPAP
nkji
jii
n
i
n
kjikji
jiji
n
ii
n
ii
=∩∩−−
=∩∩
−=∩=
−+
−∩∩+∩−=
=
+
<<<==∑∑∑
I
U
Ejemplo 1.19 (cont)
ESMA 4001 Edgar Acuña Universidad de Puerto Rico
51
Asi los elementos de cada suma son constantes. La primera sumatoria tiene n elementos. La segunda sumatoria tiene elementos. La tercera sumatoriatiene y asi sucesivamente hasta la ultima sumatoria que tendria un solo elemento
Sustituyendo en la ecuacion (1.1) se tendria
!2)1(
2−
=⎟⎟⎠
⎞⎜⎜⎝
⎛ nnn
!3)2)(1(
3−−
=⎟⎟⎠
⎞⎜⎜⎝
⎛ nnnn
)2.1(!
1)1.....(!3
1!2
111)(
!1)1.....(
!31
!211)(
1
1
nsombrerosuelijaningunoP
nAP
n
n
i
ni
−−+−=
−−+−==
+U
Cuando n tiende a infinito el lado derecho de la expresion (1.2) tiende a e-1 , usando el desarrollo en series de la funcion exponencial.
Ejemplo 1.20
ESMA 4001 Edgar Acuña Universidad de Puerto Rico
52
Sean E y F dos eventos mutuamente excluyentes en un mismo espacio muestral. Suponga que el experimento se repite varias veces y en forma independientehasta que ocurran los eventos E o F. Hallar la probabilidad de que el evento E ocurra antes que el evento F.
Solucion. El problema puede ser resuelto por condicionamiento en el primer reultado, pero aqui usaremos una solucion mas intuitivaSea A: el evento que E salga antes que F y sea el evento G que ni E ni F salen en una repeticion . Notar que,
Luego,A=E o (GE) o (GGE) o (GGGE) o……. Luego, por independenciaP(A)=P(E)+P(G)P(E)+P(G)P(G)P(E)+P(G)P(G)P(G)P(E)+…..P(A)=P(E)[1+P(G)+[P(G)]2+P[G]3+……]=P(E).1/[1-P(G)] usando la suma de una serie geometrica. Sustituyendo P(G) se obtiene que
P(A)=P(E)/[P(E)+P(F)]
)()(1)(1)()()( FPEPEUFPEUFPFEPGP −−=−==∩=
top related