probabilidad 1

35
Probabilidad La mayoría de situaciones vitales y que anticipamos pueden acabar en resultados distintos, sin saber en cuál de ellos concluirá. La incertidumbre es inherente a la vida misma. ¿Subirán los tipos de interés?¿Cuántos toxicómanos abandonarán el programa de rehabilitación?¿Si estudio tres horas cuántas asignaturas aprobaré?. Sin embargo, sí que podemos medir las opciones de que un resultado concreto sea uno de los posibles. Intuitivamente manejamos un criterio que nos ayuda a predecir el resultado más probable. El azar tiene que ver con los eventos cuyos resultados desconocemos y por tanto no podemos predecir con certeza. Sin embargo esta incertidumbre puede sistematizarse formalmente para crear modelos predictivos de manejo de la incertidumbre.

Upload: moises-betancort

Post on 06-Jul-2015

7.785 views

Category:

Documents


2 download

TRANSCRIPT

Page 1: Probabilidad 1

Probabilidad

La mayoría de situaciones vitales y que anticipamos pueden acabar en resultados distintos, sin saber en cuál de ellos concluirá. La incertidumbre es inherente a la vida misma. ¿Subirán los tipos de interés?¿Cuántos toxicómanos abandonarán el programa de rehabilitación?¿Si estudio tres horas cuántas asignaturas aprobaré?.

Sin embargo, sí que podemos medir las opciones de que un resultado concreto sea uno de los posibles. Intuitivamente manejamos un criterio que nos ayuda a predecir el resultado más probable.

El azar tiene que ver con los eventos cuyos resultados desconocemos y por tanto no podemos predecir con certeza. Sin embargo esta incertidumbre puede sistematizarse formalmente para crear modelos predictivos de manejo de la incertidumbre.

Page 2: Probabilidad 1

Si el único propósito del investigador es describir los resultados de un

experimento concreto, los métodos estudiados hasta ahora pueden

considerarse suficientes.

Pero para extraer conclusiones generales de la población, entonces estos

métodos constituyen sólo el principio del análisis, y debe recurrirse a

métodos de inferencia estadística, los cuales implican el uso de la teoría

de la probabilidad.

Probabilidad

La Teoría de la Probabilidad constituye la base o fundamento de la

Estadística, ya que las inferencias que hagamos sobre la población o

poblaciones en estudio se moverán dentro de unos márgenes de error

controlado, el cual será medido en términos de probabilidad.

Page 3: Probabilidad 1

Conceptos de Probabilidad

Experimento Aleatorio

Se define como cualquier experiencia, que tiene como mínimo dos resultados posibles, y del cual no se puede predecir con certeza cual de ellos se producirá. (Lanzar una moneda al aire, tirar un dado, ejecutar una prueba)

Ensayo

Llamamos ensayo a cada una de las repeticiones de un experimento aleatorio

Suceso elemental y su verificación

Llamamos suceso elemental a cada uno de los resultados posibles de un ensayo en un experimento aleatorio (cara o cruz; 1,2,3,4,5,6 al lanzar un dado). Si no hubiera más que un resultado ya no sería un experimento aleatorio ya que no habría incertidumbre sobre el resultado posible. La verificación de un suceso elemental es que el experimento aleatorio produzca ese suceso elemental.

Page 4: Probabilidad 1

Conceptos de Probabilidad

Espacio Muestral

Constituyen el espacio muestral (E) todos y cada uno de los resultados posibles o sucesos elementales de un experimento aleatorio. Pudiendo ser continuos o discretos, finitos o infinitos.

Suceso complementario

Si a un determinado suceso lo denominamos A, A’ (no-A) será la ausencia de A. Lo cual implica que la no aparición de A conduce obligatoriamente a la aparición de su complementario A’ y viceversa. Por ello se deduce que los suceso A y A’ son complementarios.

E espacio muestral

E espacio muestral

A

A’

Suceso

Todo subconjunto del espacio muestral.

A: sacar un número par al lanzar un dado.A: Ser mujer y tener más de 10 años de experiencia profesional.

Page 5: Probabilidad 1

Conceptos de Probabilidad

Sucesos mutuamente excluyentes

Dos sucesos son mutuamente excluyentes cuando la aparición de uno implica la no aparición del otro (v.g. ser hombre o mujer). Dos sucesos complementarios son siempre mutuamente excluyentes, pero la inversa no es necesariamente cierta. (p.e. sacar un 2 de copas es mutuamente excluyente del suceso sacar un 3 de espada en la baraja española. Pero la no obtención del 3 de espadas no implica obtener el 2 de copas)

Suceso seguro y Suceso imposible ø

Un suceso seguro es aquel que define a todos los subconjuntos posibles de E

(espacio muestral). Suceso imposible aquel que define un subconjunto vacío de E.

Page 6: Probabilidad 1

Conceptos de Probabilidad

126M10

228H9

230M8

546H7

637M6

128M5

1247M4

2856M3

636H2

1443H1

Años ExperienciaEdadSexoProfesores

SUCESO A: “Tener más de diez años de experiencia docente”

SUCESO B: “Ser mujer”

SUCESO C: “Tener más de 40 años de edad”

A = [1, 3, 4]

B = [3, 4, 5, 6, 8, 10]

C = [1, 3, 4, 7]

Page 7: Probabilidad 1

Operaciones básicas sobre sucesos

Se llama unión de sucesos de A y B, AUB, al formado por los resultados experimentales que están en A o en B (incluyendo los que están en ambos). Por ejemplo AUC en el cuadro anterior sería AUC: [1,3,4,7]

Se llama intersección de sucesos de A y B, A∩B o simplemente AB, al formado por los resultados experimentales que están simultáneamente en A y B. Por ejemplo A∩C en el cuadro anterior sería A∩C: [1,3,4]

E espacio muestral

A

B

E espacio muestral

A

B

UNIÓN

E espacio muestral

A

B

INTERSEC.

Page 8: Probabilidad 1

Axiomas de Probabilidad

Axioma 1.

La probabilidad del suceso seguro (E) es igual a P(E) =1

Axioma 3.

La probabilidad de la unión de dos sucesos mutuamente excluyentes es la suma de sus probabilidades P(AUB)= P(A)+P(B) A∩B=Ø

Axioma 2.

La probabilidad de todo suceso S es mayor o igual a cero, es decir, no existen probabilidades negativas 0 ≤P(S) ≤1.

Se llama probabilidad a cualquier función P que asigna a cada suceso S un valor numérico P(S), verificando las siguientes reglas (axiomas).

Page 9: Probabilidad 1

Leyes o teoremas de la Probabilidad

Teorema 1:

La probabilidad del suceso imposible es nula ( ) 0P Φ =

Teorema 2:

La probabilidad del complementario de un suceso S (S’) es igual a 1 menos la probabilidad de S. ( ') 1 ( )P S P S= −

Teorema 3:

La probabilidad de un suceso S cualquiera siempre es igual o menor que 1.

Teorema 4:

Si A y B son dos sucesos no mutuamente excluyentes, entonces..

( ) ( ) ( ) ( )P A B P A P B P A B∪ = + − ∩

Page 10: Probabilidad 1

Definición de Probabilidad

Hay dos maneras principales de entender la probabilidad:

La probabilidad de un suceso A es un número entre 0 y 1 que cuantifica en términos relativos las opciones de verificación de ese suceso y se representa como P(A)

La probabilidad es un concepto ideal, se refiere a las frecuencias con las que ocurrirían los sucesos en el caso hipotético de que los ensayos se repitiesen un número infinitamente grande de veces y en las mismas condiciones.

Enfoque clásico

a priori

Enfoque frecuencialista

a posteriori

Page 11: Probabilidad 1

Definición de Probabilidad

Enfoque clásico a priori

Requiere el principio de indiferencia todos los elementos del espacio

muestral son equiprobables (poseen la misma oportunidad de ser

verificados). Así pues, se define la probabilidad de un suceso como la

frecuencia relativa de ese suceso en el espacio muestral representado por

todos los casos posibles.

Probabilidad del suceso A =posibles casos de Número

favorables casos de Número

Suceso B: “Ser mujer” B = [3, 4, 5, 6, 8, 10] 60.010

6)( ==BP

Suceso D: “Obtener un número par en un lanzamiento de dados”.

3 1( ) 0.50

6 2P D = = =

Page 12: Probabilidad 1

Definición de Probabilidad

De este enfoque se deducen algunas consecuencias y propiedades:

• La probabilidad de un suceso es un valor entre 0 y 1.

• La probabilidad de un suceso imposible es nula P(ø) = 0.

• La probabilidad de un suceso que contiene todos los sucesos

elementales del espacio muestral es 1.

• La suma de las probabilidades de un suceso más su complementario es 1.

Luego:

1)( ===n

n

n

nAP A

)(1)'( APAP −=

Page 13: Probabilidad 1

Definición de Probabilidad

Enfoque frecuencialista a posteriori

Cuando no se puede asumir el principio de indiferencia o se desconoce el

número total de sucesos elementales del espacio muestral, la probabilidad

se determina mediante la repetición sistemática y masiva del experimento

aleatorio, con un recuento de veces que verifica los sucesos.

n

nLímAP A

n ∞→=)(

La probabilidad de un suceso A P(A) se define como el límite al que tiende la frecuencia relativa de verificaciones del suceso cuando el número de repeticiones del experimento aleatorio tiende a infinito.

El criterio de infinitos ensayos es por definición irrealizable, sin embargo la convergencia entre nA/n y P(A) se consigue de forma relativamente rápida. En esta idea se basa el teorema de Bernouilli.

Page 14: Probabilidad 1

Definición de Probabilidad

TEOREMA DE BERNOUILLI: Si la probabilidad de un suceso A es P(A) y se

hacen n ensayos independientes y bajo las mismas condiciones, la

probabilidad de que la frecuencia relativa de A nA/n difiera de P(A) se acerca a

cero a medida que el número de ensayos se hace indefinidamente largo.

∞→→

≥−

n Si 0)( eAPn

nP A

pipipipipipipipi

0,1980,2010,2010,2010,1000,099

0,1980,2010,2010,2020,1000,098

0,1990,1990,2010,2020,0990,099

0,1980,1940,2060,2070,0980,098

0,1950,1790,2120,2170,0990,098

0,1800,1640,2400,2100,1040,102

0,1800,1400,2200,2600,1200,080

0,3000,1000,3000,1000,2000,000

123456

10000080000400001000010005005010xi

Nº DE ENSAYOS LANZAMIENTO DE UN DADO P(2) = 0.167

Dado no equilibrado, observar la diferencia entre lo dicho por Laplace (P(A) = 0,167), y lo dicho por el enfoque frecuentista…

Page 15: Probabilidad 1

Probabilidad Condicionada

En el curso 79-80 el número de alumnos matriculados en la universidad

complutense en las carreras de filología, CC información y C

empresariales fue de 17354. De estos alumnos matriculados 10954 fueron

varones y 6400 fueron mujeres. Del total de varones 983 fueron a filología,

3820 a CC información y 6151 fueron a C económicas. Del total de

mujeres 2384 fueron a filología, 2288 fueron a CC información y 1728

fueron a C empresariales.

Page 16: Probabilidad 1

Probabilidad Condicionada

17354787961083367Total

6400172822882384Mujer

1095461513820983Varón

CC econ.CC infor.Filología

33670,194

17354=Eligiendo al azar un estudiante la P(filología) es…

Si ponemos la condición de que sea varón P(filología/varón) PA∩B es…

9830,090

10954=

Número de alumnos matriculados en el curso 79-80 en las siguientes facultades de la Universidad Complutense de Madrid.

Page 17: Probabilidad 1

Probabilidad Condicionada

E=17354

P(A∩B)=983/17354

P(B)=10954/17354

Probabilidad Condicional de A supuesto B viene dada como

983/17354

10954 /17354

Suceso B: ser varon

Suceso AB: ser de filología y varon

983

10954

Page 18: Probabilidad 1

Probabilidad Condicionada

( )( | )

( )

P A BP A B

P B= I

E espacio muestral

A

B

“tam

año”

de

uno

resp

ecto

al

otro

Se llama probabilidad de A condicionada a B, o probabilidad de A sabiendo que pasa B:

Se denomina probabilidad condicional de A dado B, P(A/B), a la

probabilidad de un suceso A dada la verificación de otro suceso B. Y es

igual a la probabilidad de su intersección [P(A∩B)] dividido por la

verificación de la probabilidad de la condición [P(B)].

Page 19: Probabilidad 1

La probabilidad condicionada

B

A

B

A

P(A) = 0,25P(B) = 0,10P(A∩B) = 0,10

¿Probabilidad de A sabiendo que ha pasado B?

P(A|B)=1 P(A|B)=0,8

P(A) = 0,25P(B) = 0,10P(A∩B) = 0,08

Page 20: Probabilidad 1

Probabilidad condicionada

A

B

A

B

¿Probabilidad de A sabiendo que ha pasado B?

P(A|B)=0,05 P(A|B)=0

P(A) = 0,25P(B) = 0,10P(AB) = 0,005

P(A) = 0,25P(B) = 0,10P(AB) = 0

Page 21: Probabilidad 1

Probabilidad Condicional

SUCESO A: “Tener más de diez años de experiencia docente” A = [1, 3, 4]

3.010

3)( ===

n

nAP ASegún el enfoque clásico

Pero si el profesor seleccionado tuviese que ser mujer, ¿Cuánto vale la probabilidad de que tenga más de 10 años de experiencia?.

SUCESO B: “Ser mujer” B = [3, 4, 5, 6, 8, 10]

1046∑col.

312Mas de diez años

73 4Hasta diez años

∑filaVarónMujer La incertidumbre ya no abarca a los 10 profesores sino a las 6 profesoras. El espacio muestral ha quedado reducido a 6 elementos por lo que

2( / ) 0.33

6AnP A Bn

= = =

Page 22: Probabilidad 1

Probabilidad Condicional

Si hemos definido al suceso B como ser mujer. La probabilidad anterior puede

definirse como la probabilidad de tener más de diez años de experiencia dado

que se es mujer. Definiéndose por tanto como la probabilidad condicional de A

dado B.

( ) ( )

( ) 333.06.0

2.0

106

102

6

2/

)(/

====

∩=== ∩∩

BAP

BP

BAP

nn

nnBAP

B

BAn

n

B

BA

( )BAP /

Page 23: Probabilidad 1

Teoremas Básicos

Teorema de la adición

La probabilidad de la unión de dos sucesos es igual a la

suma de sus probabilidades menos la probabilidad de la

intersección.

( ) ( ) ( ) ( )P A B P A P B P A B∪ = + − ∩

Page 24: Probabilidad 1

Teorema de la adición

654321

( ) ( ) ( )BAPBPAPBAP ∩−+=∪ )(

A: Obtener un número par al lanzar el dado. ( ) 5.06

3 ==AP

B: Obtener un múltiplo de 3.

( ) 167.06

1 ==∩BAP

( ) ( ) ( )

663.0

167.033.05.0

)(

=−+=

∩−+=∪ BAPBPAPBAP

2 4

6

31

5 A

B

( ) 33.06

2 ==BP

Page 25: Probabilidad 1

Teorema de la adición

Lanzamiento simultáneo de dos dados. E = 36

¿Cuál es la probabilidad de obtener al menos un 2 en el lanzamiento simultáneo de dos dados?

306.036

11

posibles casos de Número

favorables casos de Númerosuceso del adProbabilid ===

Page 26: Probabilidad 1

Teorema de la adición

B: Obtener un 2 en el dado 2 P(B) = 1/6 = 0.167

Sucesos independientes

A: Obtener un 2 en el dado 1 P(A) = 1/6 = 0.167

( ) ( ) ( )( )

306.036

1334.0

6

1

6

1167.0167.0

6

1

6

1

)(

=

−=

⋅−+=

∩−+=

∩−+=∪

BAP

BAPBPAPBAP

Page 27: Probabilidad 1

Teoremas Básicos

Teorema del producto

La probabilidad de verificación simultánea de dos sucesos

independientes (intersección A y B) es igual al producto

de sus probabilidades.

( ) ( ) ( )P A B P A P B∩ = ⋅

Page 28: Probabilidad 1

Teorema del producto

Independencia de sucesos:

Dos sucesos son independientes, si la verificación de uno no altera la probabilidad del otro:

( ) )(/ APBAP =A y B son independientesentonces

Si

Page 29: Probabilidad 1

Teorema del producto (independencia)

( ) ( )

( )

( ) 20 80 0.25

( ) 60 80 0.75

15 80/

( ) 0.75

0.1880.25

0.75/ ( )

P A

P B

P A BP A B

P B

P A B P A

= == =

∩= = =

= =

=

802060∑col.

20515Mas de diez años

601545Hasta diez años

∑filaVarónMujer

( ) )(/ APBAP =

( ) ( ) ( ))(

/BP

BAPAPBAP

∩==

( ) ( ) )(BPAPBAP ⋅=∩

Si

Entonces

Luego

Suceso A: +10 años exp. Suceso B: se mujer

Page 30: Probabilidad 1

EJEMPLOS: En una muestra de 1000 individuos elegidos al azar, entre una población de depresivos

760 eran mujeres.

• ¿Qué porcentaje de mujeres hay en la muestra?

– 760/1000=0,76=76%

• Si elegimos a un individuo de la población, qué probabilidad hay de que sea mujer:

– La noc. frec. de prob. nos permite aproximarlo a P(Mujer)=0’76

• ¿Cuál es la probabilidad de que elegido un individuo de la población sea hombre:

– P(Hombre)=P(Mujer’)=1-0,76=0,24

Se sabe de otros estudios que entre los individuos con depresión, aprox. la cuarta parte de las mujeres fuman y la tercera parte de los hombres también. Elegimos a un individuo al azar de la población de enfermos.

• ¿Qué probabilidad hay de que sea mujer fumadora?

– P(Mujer ∩ Fumar) = P(Mujer) P(Fumar|Mujer) = 0,76 x ¼ = 0,19

• ¿Qué probabilidad hay de que sea un hombre fumador?

– P(Hombre ∩ Fumar) = P(Hombre) P(Fumar|Hombre) = 0,24 x 1/3 = 0,08

Page 31: Probabilidad 1

ProblemaUn psicólogo evalúa a 100 pacientes. Les administra una prueba sobre “satisfacción de vida” y otra “depresión”. Los resultados indicaron que las puntuaciones de satisfacción superaron la media en 40 casos, que había 65 sujetos depresivos y de ellos sólo 10 obtuvieron puntuaciones superiores a la media en satisfacción.

Suceso A:

Tener una puntuación superior a la media en “satisfacción con el estilo de vida”

Suceso B: Ser depresivo

1. ¿Cuál es la P(depresivo) si extraemos un sujeto al azar?

2. Si se selecciona un sujeto que puntúa por encima de la media en satisfacción, ¿cuál es la P(depresivo) ahora?

3 ¿Cuál es la probabilidad de que al extraer un sujeto al azar sea depresivo y no tenga puntuación superior a la media en satisfacción?

4 ¿Son los sucesos A y B independientes?

5 ¿Cuál es la probabilidad de que suceda al menos uno de los dos sucesos?

6 Si se selecciona un sujeto que no es depresivo ¿cuál es la P de puntuación superior a la media en satisfacción?

Page 32: Probabilidad 1

Problema 1

En un grupo de 1000 personas se pasó un test de inteligencia y se midió

su rendimiento académico. Posteriormente se clasificó a cada sujeto

según fuese superior o inferior a la media en inteligencia y APTO o NO

APTO en la prueba de rendimiento académico. Se encontraron 500

APTOS, de los que 300 tenían inteligencia superior. De los 400 con

inteligencia superior, 300 resultaron APTOS. Si extraemos un sujeto al

azar y definimos los sucesos:

A: “Ser superior a la media en inteligencia”

B: “Ser apto en rendimiento”

1. ¿Son los sucesos A y B independientes?

2. Si seleccionamos un sujeto que resulta ser superior en inteligencia,

¿cuál es la probabilidad de que sea apto?

Page 33: Probabilidad 1

Problema 2

Una determinada prueba tiene una probabilidad de 0.75 de detectar

la presencia de predisposición a las toxicomanías en edades

tempranas mientras que una segunda independiente de la

anterior, lo detecta con una probabilidad de 0.6.

1. ¿Cuál es la probabilidad de que ambas pruebas detecten

simultáneamente a un sujeto con tal predisposición?

2. ¿Cuál es la probabilidad de que al menos una lo haga?

Page 34: Probabilidad 1

Problema 3

Múltiples estudios sobre toma de decisiones indican que el riesgo asumido por las personas es distinto si las decisiones se toman en solitario que si se toman en grupo. En concreto, parece que las decisiones adoptadas en grupo tenderían a ser más arriesgadas. En un experimento llevado a cabo con 100 personas de las que 50 son asignadas a valorar en solitario las opciones y las restantes lo harán en grupo, se obtuvo que cuando estaban solas, el 40 por ciento adoptaban la alternativa más arriesgada. Sin embargo en la toma de decisión de grupo sólo la mitad de los participantes se inclinaba por esta opción. 1. ¿Son compatibles los resultados obtenidos con la tesis expuesta anteriormente?

Definimos los siguientes sucesos:

A: Decidir una conducta arriesgada

B: Decidir en grupo

C: Decidir en solitario.

P(A/B); P(A/C)

Si P(A/B) > P(A/C se cumple la tesis expuesta.

Page 35: Probabilidad 1

Problema 4

A: Recaer en la heroínaB: No tener trabajo

( ) ( ))(

/BP

BAPBAP

∩=331518∑

21516SI

12102NO

∑SINO

TRABAJA

RECAE

Al finalizar un programa de rehabilitación de heroinómanos

obtenemos los siguientes datos. De un total de 33 heroinómanos

que entraron en el programa, el 45,45% trabaja, mientras que el

resto están en el paro. De los que trabajan 10 heroinómanos no han

recaído. De los que no trabajan el 88,88% han recaído.

1. ¿Cuál es la probabilidad de recaída dado que no se tiene trabajo?

2. ¿Son independiente estos dos sucesos?