Unidad I Probabilidad

Contenido del Capitulo:
PROBABILIDAD: .- Terminologa Bsica. .- Tcnicas de Conteo de Puntos Muestrales. .- Enfoques para el clculo de probabilidades: 1.-Enfoque Clsico. 2.-Enfoque Frecuencial Limitante. 3.-Enfoque de Suma de los Pesos. 4.-Enfoque Subjetivo. .-Probabilidad Condicional. .-Eventos Independientes. .-Teorema de Bayes. 3.-Identificar los distintos enfoques para el calculo de probabilidades 2.-Identificar las tcnicas de conteo de puntos muestrales. OBJETIVOS DE APRENDIZAJE: 1.-Identificar la terminologa bsica de introduccin a la teora de probabilidades
4.-Evidenciar la aplicacin del teorema de Bayes en situaciones reales
Capitulo III. Muestreo
CAPITULO II: PROBABILIDAD

2.1 Terminologa Bsica. Determinsticos: Sistemas que interactan de forma
Sistemas
predecible, de modo que podemos describir con certeza, de manera apriorstica su comportamiento. Ejemplo: En el vaco se puede asegurar al dejar caer un objeto su velocidad ser 98m/s transcurridos 10 s de viaje Sistemas Probabilsticas: Son sistemas con un comportamiento no predecible, sujetos a incertidumbre. Ejemplos: La Inflacin, El Sistema Econmico Mundial, el Clima Organizacional.
Nota: La mayora de los sistemas son de naturaleza probabilstica, all radica la importancia del conocimiento de la Teora de Probabilidades y el manejo apropiado de la Estadstica. Experimento Estadstico: Proceso del cual se derivan una serie de resultados de naturaleza aleatoria. Ejemplos: a) Observar el nmero de personas que hablan por el celular mientras manejan, en la Av. Lara. b) Lanzar un dado y observar el resultado que se presentan en la cara superior
. Una de las definiciones bsicas en un curso de introduccin a la teora de probabilidades, es la de espacio muestral y se presenta a continuacin.
Definicin Espacio Muestral: Conjunto de todos los resultados posible de un experimento estadstico. Se representa por el smbolo S A cada resultado del espacio muestra se le denomina punto muestral.
Ejemplo 1: En referencia al experimento que consiste en lanzar un dado y observar el resultado que se presenta en la cara superior, el espacio muestral S de resultados posibles es: S = {1, 2, 3, 4, 5,6} Si S finito o infinito contable, se le denomina Espacio Muestral Discreto Si S constituye un intervalo real o unin de intervalos reales, se le denomina Espacio Muestral Continuo Ejemplo 2: Al lanzar un dado y observar el resultado que se presenta en la cara superior, el espacio muestral S es discreto finito, pues: S = {1, 2, 3, 4, 5,6} Ejemplo 3: Lanzar una moneda hasta que salga cara, el espacio muestral S es discreto infinito, pues: S = {c, sc, ssc, sssc, ssssc}.
Ejemplo 4:
Si medimos el tiempo que transcurre hasta que falla un componente electrnico, el espacio muestral S es continuo, pues:
S = {0, }. Para un nmero considerable de puntos Muestrales, resulta prctico expresar el espacio muestral como una regla o enunciado: Ejemplo 5: El nmero de puntos internos en una circunferencia de radio 3 con centro en el origen S = {(x,y / x2 + y2 <= 9; x>=0, y>=0} En experimentos de muestreo, que implican la seleccin artculos de un lote debemos considerar si la seleccin se lleva a cabo: Sin Reemplazo: El artculo seleccionado no se coloca de nuevo en el lote, antes de seleccionar el siguiente. Con Reemplazo: El artculo seleccionado se coloca de nuevo en el lote, antes de seleccionar el siguiente. Ejemplo 6: Un lote contiene tres artculos {1, 2,3}.el experimento consiste en seleccionar dos de ellos Si el experimento se lleva a cabo Sin Reemplazo: S = {12, 13, 21, 23, 31,32} Si el experimento se lleva a cabo Con Reemplazo: S = {12, 13, 21, 23, 31, 32, 11, 22,33}
Definicin
Evento: De manera frecuente, el inters recae en un conjunto particular de resultados, as un evento constituye un subconjunto del espacio muestral en un experimento estadstico. El evento se simboliza con una letra mayscula distinta de la S que la utilizamos para simbolizar el espacio muestral
Ejemplo 7: Al lanzar un dado y observar el resultado que se presenta en la cara superior y verificar que el mismo sea un nmero par: A = {2, 4, 6} Complemento: El complemento de un evento A, denotado por A es el conjunto formado por todos aquellos elementos (puntos muestrales) pertenecientes a S que no estn en A. Ejemplo 8: En referencia al ejemplo anterior el evento complementario se verifica si sucede un nmero impar: A = {1, 3, 5} En algunos casos expresaremos eventos a travs de operaciones bsicas de conjunto, tales como intersecciones, uniones y complementos. A continuacin se definen de manera sencilla algunas de las operaciones bsicas con conjuntos, a saber: La Unin de dos eventos A y B ( A B) es el evento formado por los resultados que estn en A o estn en B o en ambos. Para visualizar de manera rpida el conjunto de relaciones entre eventos haremos uso de una herramienta grfica denominada Diagrama de Venn
Grfico 1. Diagrama de Venn
( A B)
Fuente: Elaboracin Propia
La Interseccin de dos eventos A y B (A B) es el evento formado por los resultados que estn en A y estn en B. Grfico 2.Diagrama de Venn. Interseccin de Eventos
( AB)
Ejemplo 9 1) En las ltimas 10 rondas semifinales en las cuales han participado Caracas y Magallanes, al menos uno de los equipos ha accedido a la final Caracas en 8 oportunidades y Magallanes en 4 de ellas dibuje el Diagrama de Venn donde se muestren el conjunto de relaciones entre los eventos. En primer trmino se definen los siguientes eventos C: Evento que corresponde a que Caracas acceda a la final. M: Evento que corresponde a que el Magallanes acceda a la final A continuacin se muestra un sencillo Diagrama de Venn en el que se visualizan el conjunto de relaciones entre los eventos que se definieron anteriormente Grfico 3. Diagrama de Venn para las finales en que han participado Caracas y Magallanes
Puede visualizarse que en las ltimas 10 oportunidades en las cuales los equipos Caracas y Magallanes han accedido al ROUND ROBIN: 2.2 En 2 oportunidades ambos equipos han pasado a la final. En 6 oportunidades el Caracas ha pasado con un equipo diferente de Magallanes a la final. En 2 oportunidades el Magallanes ha pasado con un equipo diferente del Caracas a la final. Tcnicas de Conteo de Puntos Muestrales. Antes de aprender a cuantificar la probabilidad de un evento, es importante desarrollar destrezas en el conteo de los puntos muestrales asociados a un suceso. A continuacin se presentan una serie de Tcnicas que facilitan el conteo de los elementos asociados al espacio muestral. REGLA DE LA MULTIPLICACIN O PRINCIPIO FUNDAMENTAL DE CONTEO.
Esta Regla se aplica cuando el espacio muestral se construye por etapas, o el experimento se conforma de varias operaciones. Hagamos las siguientes consideraciones: Cada etapa (j) del experimento puede tener nj resultados posibles j=1,2,.k Cada uno de los resultados puede ocurrir independientemente de los resultados que se presente en las otras etapas. Luego el nmero total de puntos muestrales de este espacio muestral conformado por etapas es viene dado por:
n = n1.n 2.n3....nk
NOTA: Al aplicar la regla hay que tomar en cuenta, si el experimento se efecta considerando una serie de restricciones. Ejemplo 10: Se lanza una moneda y posteriormente un dado. Calcular el tamao del espacio muestral. Solucin Observamos que en este experimento el espacio muestral se construye en dos etapas, fase u operaciones. Etapa 1: Lanzamiento de la moneda. Etapa 2: Lanzamiento del dado Con n1= 2 resultados posibles Con n2= 6 resultados posibles.
Luego la ocurrencia simultnea de ambas operaciones viene dada por:

n = n1.n2 = 2.6 = 12 As el espacio est constituido por 12 puntos muestrales.
A travs de un diagrama de rbol se puede visualizar cada uno de los puntos muestrales, y realizar el conteo en experimentos que no den como resultado un nmero muy grande de puntos muestrales En este Caso:
10
Grfico 4. Diagrama de rbol para el Experimento de Lanzar una moneda y posteriormente un dado 1
2 3 4
Cara ( C)
5 6
1
2
Sello (S)
3 4 5
Fuente: Eduardo Pinto
Luego para la construccin del espacio muestral comenzamos a formar los puntos leyendo de izquierda a derecha y de arriba hacia abajo.
S = {c1, c 2, c3, c 4, c5, c 6, s1, s 2, s3, s 4, s5, s 6}
11
* Queda propuesto al lector resolver este problema con la siguiente restriccin: Lanzar el dado nicamente si cae cara. Definicin Permutacin Una permutacin es un arreglo u ordenamiento de un conjunto de elementos.
NOTA: En las permutaciones importa el orden en el que se constituyen los arreglos, as una modificacin en la posicin relativa de un elemento genera un arreglo distinto Definicin Permutacin de n objetos distintos El nmero de permutaciones de n objetos diferentes viene dado por
n!
Ejemplo11: La abuela Mara manda a su nieto gollo a jugarle la permuta del nmero 965 por 100 Bs. Cunto debe gastar Gollo? Solucin: Tenemos tres elementos distintos el nmero de permutaciones viene dado por: n! En este caso el nmero de arreglos distintos es 3! = 6 Aqu estn los 6 arreglos diferentes!:
12
965 956 596 569 695 659 El problema puede ser resuelto a travs de la regla de la multiplicacin de la siguiente manera: Consideremos el nmero de opciones de posicionamiento en los lugares correspondientes a las centenas, decenas y unidades respectivamente con la condicin de que nmero utilizado en el arreglo no se repita. centenas 3 n1 Decenas 2 n2 Unidades 1 n3
Luego n =n1.n2.n3=3.2.1=6 posibles nmeros As la Abuela Mara debe darle 600 Bs. a Gollo para realizar la apuesta. Definicin Permutacin de n objetos distintos tomando r a la vez (Variaciones) El nmero de permutaciones de un subconjunto de r objetos seccionados de un conjunto de n elementos diferentes viene dado por:
n Pr = ( n 1).(n 2)...(n r +1) = n! ( n r )!
Ejemplo12: En referencia al problema anterior, ahora la abuela Mara le pide a Gollo le juegue todos los terminales posibles para el triple 965. Nota: El terminal se constituye por los dos ltimos dgitos de la trada formada. Sol:
13
En este caso debemos buscar todas aquellas permutaciones o variaciones distintas de dos dgitos que se pueden formar con los dgitos 9,6 y 5.
3P 2 = 3! 6 = =6 (3 2)! 1
En este caso Gollo debe comprar 6 terminales diferentes: 65 56 96 69 95 59 NOTA: En los casos anteriores los n elementos ha acomodar eran distintos. Vamos a analizar que sucede cuando no todos los elementos son diferentes. Definicin Permutacin de n objetos de los cuales n1 son de un tipo, n2 de otra categora hasta nk El nmero de permutaciones n = n1 +n2++nk objetos es:
n! n1 !.n 2!.n3!...nk!
En los casos en los que no importe el orden sino las distintas selecciones diferentes posibles utilizaremos las combinaciones
Definicin
14
Combinacin El nmero de combinaciones de n objetos diferentes tomando r a la vez: es:

nCr = n! r!(n r )!
Las siguientes interrogantes se responden haciendo uso de una combinacin:: De cuantas maneras distintas se pueden seleccionar 5 estudiantes de una seccin de 40? Cuntas muestras diferentes de 15 ejes pueden seleccionarse de un lote de tamao 50? Cuantos cartones diferentes de Kino pueden imprimirse en un sorteo semanal cualquiera? En Resumen Grfico N 5. Diferencia entre Permutacin y Combinacin SELECCIONAR NO IMPORTA EL ORDEN COMBINACION
ARREGLO
IMPORTA EL ORDEN
PERMUTACION
Ejemplo 13:
15
1) El apretn de manos Las personas que asistieron a una fiesta se estrecharon la mano. Uno de ellos advirti que los apretones de mano fueron 66. Cuantas personas concurrieron a la fiesta? SOLUCIN Este interesante problema est propuesto en la seccin denominada Matemtica Recreativa de la coleccin de fascculos titulada El Mundo de las Matemticas, se sugiere resolverlo en un fascculo dedicado a las aplicaciones de las ecuaciones, en este caso se obtendr una solucin a travs de una de las tcnicas de conteo (Combinacin), y se le deja al lector el encontrar otras formas de solucionar el acertijo. Es fcil visualizar con un pequeo ejemplo que el nmero de apretones viene dado por n C 2. Supngase que los profesores Roger, Noel, Edgar y Vctor se encuentran en la maana a la hora en que Deyanira sirve el caf cuantos apretones de mano son posibles? Roger Noel; Roger Edgar; Roger Vctor; Noel Edgar; Noel Vctor; Edgar Vctor Fcilmente podemos percatarnos que el apretn de manos Roger Noel es el mismo Noel Roger, dado que no importa el orden el nmero de apretones podemos encontrarlo rpidamente a travs del combinatorio de 4 en 2 4C2 = 6
16
Ahora en este problema desconocemos el valor de n, sin embargo sabemos que:

n! = 66 2!( n 2 )!
nC 2 =
Resolviendo
n ( n 1)( n 2 )! = 66 2!.(n 2)!
Luego tenemos la siguiente ecuacin de 2 Grado n2 - n - 132 = 0 Resolviendo la ecuacin: n = 12. As asistieron 12 personas a la fiesta. Ejemplo 14: La jugada hpica extica conocida como exacta consiste en acertar, las dos primeros lugares en el orden correcto en una carrera de caballos; es decir si Ud. jug la exacta 7-8 el nmero 7 debe figurar en el primer lugar y el 8 ocupar la segunda posicin. En una hipottica carrera con 10 caballos participando cuantas apuestas debe realizar para tener la absoluta seguridad de acertar la exacta Solucin En esta caso importa el orden en que se formen las posibles duplas, por lo tanto, el problema consiste en encontrar el nmero de permutaciones de n objetos tomando r a la vez; en este caso, 10 objetos en grupos de tamao 2:
17
10 P 2 =
10! = 10.9 = 90 (10 2)!
El jugador tiene que realizar 90 apuestas para la que exacta constituyese un evento seguro, obviamente esto implicara una inversin de:
2000 Bs = 180000 Bs exactas
90exactas
18
Tcnicas de Conteo de Puntos Muestrales. Ejercicios Propuestos 1) Cuntos nmeros de 4 dgitos pueden formarse con los dgitos 0, 1, 2, 3, 4, 5, 6, 7,8? a. S cada uno puede utilizarse una sola vez. b. Cuntos de estos nmeros son impares? c. Cuntos de estos nmeros son pares? Nota: Para que el nmero formado sea considerado de 4 dgitos en la posicin correspondiente a las unidades de mil debe aparecer un nmero distinto de 0? 2) Pedro y su esposa Ofelia estn decidiendo el nombre de su primer hijo como buenos maracuchos el nombre debe contener las iniciales de los nombres de sus padres y abuelos. Los abuelos son Maria y Eduardo y Pablo y Ana. Cuntos nombres contiene la lista de la cual harn la seleccin? 3) De cuantas maneras puede finalizar la temporada el equipo REAL MADRID FC. Con 25 victorias 10 empates y cinco derrotas? 4) Un Comit Paritario de Higiene y Seguridad (CPHS) es un equipo de
trabajo, formado por representantes de la direccin y de los trabajadores, quienes se integran con el propsito de encontrar soluciones y mejoras efectivas en diversos mbitos tales como: La Proteccin de las Personas y la Seguridad de toda Empresa. En toda empresa, faena, sucursal o agencia en que trabajen ms de 25 personas se organizarn Comits Paritarios de Higiene y Seguridad. Un Comit Paritario de Higiene y Seguridad se constituye de por tres representantes patronales y tres representantes de los trabajadores. Si una empresa se constituye de 60 trabajadores y la Junta
19
Directiva la conforman 5 miembros Cuntos Comits de Higiene y Seguridad diferentes se pueden constituir? 5) En una planta qumica se utilizan 20 tanques para almacenar el producto final. Se escogen cuatro tanques, sin reemplazo, al azar. Suponga que seis tanques contienen material en el que la viscosidad excede los requerimientos del cliente Cuntas muestras distintas de tamao cuatro contienen al menos un tanque con material de viscosidad alta? 6) Del 1 al 775 Cuntas veces aparece el nmero siete? 7) Un restaurante ofrece cebolla, salsa, mostaza y picante como condimento para su agregado a una hamburguesa simples. Cuntas clases de hamburguesas puede preparar si los sabores se clasifican en: sin sabor, con uno, con dos, tres o cuatro condimentos a la vez? 8) En la primera fase del Campeonato Mundial de Ftbol Alemania 2006 participan 32 Equipos, distribuidos en 8 Grupos constituidos por 4 Equipos cada uno. En el Grupo cada equipo debe jugar una vez con sus tres contrincantes restantes clasificando los dos mejores de cada grupo. Cul es el total de partidos a efectuar en la primera ronda? 9) La jugada Hpica denominada superfecta consiste en acertar en una carrera cualquiera, los ejemplares que arriben en los cuatros primeros lugares en ese estricto orden; es decir si compramos un boleto sencillo con los nmeros (7-5-2-4) el nmero 7 debe finalizar primero, el 5 concluir segundo, el 2 arribar en el tercero y el 4 ocupar la cuarta casilla. En una carrera en la que participen 14 ejemplares Cuntas Superfectas son posibles? 10) Del 1 al 1998 cuantas veces aparece el nmero 9
20
2.3
Definicin De Probabilidad. Enfoques Para Su Clculo
PROBABILIDAD La probabilidad es una medida para cuantificar el grado de incertidumbre respecto a un suceso. Esta medida suministra informacin en torno a la posibilidad de que un hecho o evento se presente. Sus orgenes se remontan al siglo XVI cuando los reyes contrataban a los matemticos famosos para idear mtodos para incrementar sus ganancias en los juegos de azar, por eso algunos afirman que La Probabilidad naci en el juego y es jugando como se aprende probabilidad.Hoy da la Teora de Probabilidades constituye el fundamento de la Estadstica Inferencial, la cual es ampliamente utilizada por los ingenieros para sacar conclusiones de diversos procesos en base a evidencias muestrales ENFOQUES PARA EL CLCULO DE PROBABILIDADES. Para calcular la probabilidad de un evento es necesario reunir informacin relevante en torno a dicho suceso, dependiendo de dicha informacin se utilizarn diferentes reglas o enfoques para su cuantificacin. ENFOQUE I: METODO DE LAS FRECUENCIAS RELATIVAS. Esta definicin fue dada en 1921 por Richard Von Nisses y ampliada y convertida en teora por Kolmogorov en 1933.
Definicin:
21
Al repetir u observar un procedimiento un gran nmero de veces, cuente las ocasiones en las que el suceso A ocurre en la realidad. En base a estos resultados, la P(A) se estima de la siguiente forma:
P ( A) = Nmero de veces que ocurre Nmero de repeticiones A = n N
En su forma lmite la definicin frecuencial es la siguiente:

P ( A) = Lim n N N
Es a partir de este enfoque que se considera que cuando una moneda es legal o no cargada la probabilidad de obtener una cara tiende al valor 50% luego de un nmero considerable de ensayos Grfico N6. Definicin Frecuencial DEFINICION FRECUENCIAL LIMITANTE
Es poco probable que el Real Mallorca le gane al REAL MADRID
El experimento se repite un gran nmero de veces bajo condiciones similares
La probabilidad de obtener cara al lanzar una moneda es 50%
Segn este enfoque la probabilidad es el cociente entre las veces que ocurre el evento y el nmero de veces que se repite el experimento
22
ENFOQUE II: METODO CLSICO (requiere un espacio muestral equiprobable) La primera definicin formal fue postulada por el mdico y matemtico Girolamo Cardano (1501-1576) y la forma que an sigue vigente fue presentada por Laplace quien la enuncia de la siguiente manera. Definicin Si un experimento dado tiene N resultados simples distintos, cada uno de los cuales tiene la misma probabilidad de ocurrir. Si el evento A puede ocurrir en n de estas N formas, entonces la probabilidad del evento A viene dada por:
P( A) = nmero de resultados favorables nmero resultados posibles a A = n N
Nota: N representa el tamao del espacio muestral, y para su clculo se debe hacer uso de las tcnicas de conteo de puntos muestrales aprendidas.
ENFOQUE III: Suma de Pesos La probabilidad de un evento A es la suma de los pesos de los puntos muestrales asociados al evento A. Axiomas de Probabilidad.
0 P ( A) 1 P () = 0 P ( S ) =1
ENFOQUE IV: Probabilidades Subjetivas
23
En algunos casos la probabilidad de un suceso es estimada segn el nivel de informacin o conocimiento acerca de un tema por parte de un experto. Segn Henry Kyburg:En la visin subjetiva, la probabilidad representa una relacin entre una proposicin y un cuerpo de evidencia, pero no es una relacin puramente lgica. Es una relacin cuasilgica y el valor numrico asociado a ella representa un grado de creencia Por ejemplo: La probabilidad de que el caballo Polo Grounds gane el clsico Simn Bolvar del 2006 es 80 %, en esta afirmacin el experto debe considerar variables tales como peso del ejemplar, efectividad del jinete, efectividad del entrenador, efectividad del puesto de pista, dosage (razn entre la velocidad y stamina (resistencia)del ejemplar), centro de distribucin, pedigree, estado fsico del ejemplar, condicin en cancha, y obviamente la experiencia y el feeling del Handicapper. Asimismo cuando un comentarista deportivo afirma que los Leones del Caracas sern campeones de la temporada 2005 - 2006 lo hace en base al conocimiento de una serie de circunstancias relevantes del suceso de anlisis Ejemplo 15: 1) Una moneda se construye da tal forma que la probabilidad de obtener una cara es el triple de obtener como resultado un sello. a) Si la moneda se lanza una vez cual es la probabilidad de obtener una cara. b) Si la moneda se lanza dos veces cual es la probabilidad de obtener un sello. Solucin: Para resolver este problema se usar el enfoque de suma de los pesos dado que no se trata de un experimento en el que todos los resultados son igualmente probables. a) En primer trmino se define el evento siguiente:
24
A: Evento que corresponde a obtener una cara en un lanzamiento. Dado que la probabilidad de obtener una cara es el triple de la de obtener un sello tenemos:
3p + p =1 (Por Axioma de probabilidad P(S) = 1)
Resolviendo esta sencilla ecuacin se tiene que:

p= 1 (Probabilidad de obtener sello) 4
Luego la probabilidad de obtener cara es:

P ( A) = 3 p = 3 . As la probabilidad de obtener cara es 75 %. 4
b) Al realizar dos lanzamientos el espacio muestral queda de la siguiente manera:

S = {cc, cs, sc, ss}
Sea B: el evento que corresponde a obtener un sello.

P ( B ) = P (CS ) + P ( SC )
P ( B) =
3 1 1 3 3 . + . = 4 4 4 4 8
Reglas Aditivas En algunas ocasiones nos interesa calcular la probabilidad de la Unin de dos o ms o eventos, o hacer el clculo de la probabilidad de un evento a partir de su complemento, con una serie de operaciones sencillas fundamentadas en la teora de conjunto se pueden obtener dichas probabilidades Teorema Sean un A y B un par de eventos cualesquiera:
P ( AUB ) =P ( A) + P( B) P ( AB )
Corolario S A y B son mutuamente excluyente:
25
P ( A B ) = P ( A) +P ( B )
Corolario Para n eventos mutuamente excluyentes:
P ( A1 A2 A3 .... An) =P ( A1) +P ( A2) +P ( A3) + ... +P ( An)
Para 3 eventos A,B,C cualesquiera:
P ( A B
C) = P ( A) + P( B) + P (C ) P ( AB ) P ( A C) P ( B C) +
Regla para los sucesos complementarios Teorema

P ( A) + P ( A' ) = 1 P ( A) = 1 P ( A' )
P ( A B) = 1 P ( A' B ' )
26
Grfico N 7. Esquema de Reglas Aditivas REGLAS ADITIVAS P(AUB)
A y B son
mutuamente Excluyentes?
S P (AUB)= P(A) + P(B)
NO
P(AUB)= P(A) + P(B) P(AB)
Fuente: Triola.M
27
Grfico N8. Regla del Suceso Complementario
P(A)
P (A) = 1-P(A)
2.4
Probabilidad Condicional. Eventos Independientes La probabilidad condicional de un evento se obtiene en base a la luz de
informacin adicional de otro suceso que ya ocurri. Definicin La probabilidad de que el evento B ocurra dado que el evento A ocurri
P ( B / A) viene dada por:
P ( B / A) = P ( BA) P ( A) , P ( A) >0
Nota: Cuando plantee la expresin condicional coloque en el denominador el evento que ya se present.
28
Ejemplo: A continuacin se muestra la siguiente informacin obtenida de una muestra de 100 estudiantes de Ingeniera de la UNEXPO Tabla N Fuma Hombre Mujer 18 20 No Fuma 22 40
Si se selecciona una persona que tiene el hbito de fumar. Cul es la Probabilidad de que sea una Mujer? Solucin: Se definen los siguientes eventos: F: La persona seleccionada es fumador. NF: La persona seleccionada no fuma H: La persona seleccionada es un hombre M: La persona seleccionada es una mujer. Se debe calcular la probabilidad de que la persona seleccionada sea una mujer dado que se sabe que tiene el nocivo hbito de fumar; es decir: P (M/F)=? Por Definicin de Probabilidad Condicional:
P( M / F ) = P(M F ) P( F )
29
Completando la informacin de la Tabla N Fuma Hombre Mujer Total 18 20 38 No Fuma 22 40 62 Total 40 60 100
20 P ( M F ) = 100
De forma anloga la Probabilidad de seleccionar un fumador es: Fuma Hombre Mujer Total 18 20 38 No Fuma 22 40 62 Total 40 60 100
P( F ) =
38 100
20 20 = = 0,5263 Luego P( M / F ) = 100 38 38 100
30
Hay un 52,63 % de probabilidad de que la persona seleccionada sea una mujer Eventos Independientes. Uno de los conceptos de mayor importancia en la teora de probabilidades es el de eventos independientes, y ser de gran utilidad para entender aquellos procesos que se adapten a la Distribucin Binomial y sus variaciones, y en casos de muestreo cuando el parmetro de inters sea la proporcin de una poblacin.(Las Distribuciones de Probabilidad y los procesos de inferencias no sern desarrollados en este libro) A partir del concepto de probabilidad condicional se puede definir eventos independientes: Definicin Dos eventos A y B son independientes
P ( B / A) = P ( B ) y P ( A / B ) = P ( A)
As los Eventos A y B son independientes dado que la ocurrencia del evento A no afecta la probabilidad de ocurrencia de B, y del mismo modo la probabilidad de ocurrencia de B no se ve condicionada por la ocurrencia de A. Por ejemplo, si lanzamos una moneda en par de oportunidades, la probabilidad de obtener una cara en el segundo lanzamiento es exactamente igual a la probabilidad de obtener una cara el segundo intento si en el primero dio como resultado una cara. En situaciones asociadas a extraccin de elementos de un lote el proceso de muestreo debe llevarse a cabo con reemplazo, es decir reponiendo el
31
elemento extrado en el lote para garantizar que la probabilidad asociada a la extraccin de dicho objeto permanezca constante. En situaciones asociadas con juegos de cartas si extraemos una carta del paquete para garantizar que la segunda extraccin sea independiente de la primera debemos colocar nuevamente la carta seleccionada en el paquete y barajar antes de efectuar la prxima seleccin. Reglas Multiplicativas. Los Teoremas que a continuacin se enuncian sirven para cuantificar la probabilidad de Intersecciones de Eventos Teorema S A y B son un par de eventos cualesquiera:
P ( AB ) = P ( A).P ( B / A) P ( B A) = P ( B ).P ( A / B )
*Queda Corolario
como
ejercicio
al
lector
demostrar
que
P ( BA) = P ( AB )
Dos eventos A y B son independientes
P ( B A) = P ( B ).P ( A)
y
P ( AB ) = P ( A).P ( B )
Corolario Para n Eventos Independientes:
P( A 1 ...An ) = P( A 1).P ( A2).P ( A3)...P ( An ) A2A3
Ejemplo16: Uno de los supuestos sobre los que se fundamenta la teora de grficas de control es que los puntos sucesivos graficados son independientes entre s. Consideramos que cada punto graficado puede indicar que un proceso est
32
trabajando dentro de las especificaciones o que por el contrario hay una situacin no deseada. Aun cuando un proceso trabaje de manera correcta existe una pequea probabilidad de que determinado punto indique un problema en el proceso. Si dicha probabilidad es 0,05 Cul es la probabilidad de que al menos uno de 10 puntos consecutivos indique un problema cuando en realidad, el proceso trabaja de manera correcta? Solucin: En primer trmino definamos los siguientes eventos: A1: El punto de control 1 indica problema aun cuando el proceso funcionando correctamente. A2: El punto de control 2 indica problema aun cuando el proceso funcionando correctamente. A3: El punto de control 3 indica problema aun cuando el proceso funcionando correctamente A4: El punto de control 4 indica problema aun cuando el proceso funcionando correctamente A5: El punto de control 5 indica problema aun cuando el proceso funcionando correctamente A6: El punto de control 6 indica problema aun cuando el proceso funcionando correctamente A7: El punto de control 7 indica problema aun cuando el proceso funcionando correctamente A8: El punto de control 8 indica problema aun cuando el proceso funcionando correctamente A9: El punto de control 9 indica problema aun cuando el proceso funcionando correctamente. A10: El punto de control 10 indica problema aun cuando el proceso est funcionando correctamente. est est est est est est est est est
33
A1: El punto 1 indica que el proceso esta trabajando bien y el mismo est funcionando correctamente. A2: El punto 2 indica que el proceso esta trabajando bien y el mismo est funcionando correctamente. De forma anloga para A2, A3, A4A10 Se pide calcular la probabilidad de que al menos uno de los puntos indique un problema cuando realmente el proceso est bajo control
P ( A1 A2 A3 A4.... A10) =?
Considerando que cada punto es independiente y aplicando la regla aditiva correspondiente al evento complementario tenemos que:
P( A 1 A2
P( A 1 A2 A3
A3
A4....
A 10) = 1 P( A 1' A2' A3' A4'.... A10' )
A4....
A 10) = 1 P( A 1' ) P ( A2' ).P ( A3' )...P ( A 10' )

10
P ( A1 A2 A3 A4.... A10) = 1 (0.95
) =0,40126
As la probabilidad de que al menos uno de los puntos indique una situacin anmala aun cuando el proceso est bajo control es 40,126%
2.5
Regla de la Probabilidad Total
Si los eventos A1, A2,,An (mutuamente excluyentes y complementarios) constituyen una particin del espacio muestral S. Entonces:
P( B) = P ( BA 1) + P ( BA2) + P ( BA3) + ... + P ( BAk )
34
= P ( B / A1).P ( A1) + P ( B / A2).P ( A2) + P ( B / A3).P ( A3) + ... + P ( B / Ak ).P ( Ak )
Grfico N9 . Particin del evento A en varios subconjuntos de Eventos Mutuamente Excluyentes y Complementarios An A1 A3
B
A4 2.6 A2 Teorema de Bayes
Ak
2.5
Teorema de Bayes
El reverendo ingls Thomas Bayes (1702 1761), proporcion una expresin matemtica muy valiosa para el clculo de probabilidades de un suceso a la luz de informacin previa concerniente a dicho evento. El enunciado de dicho teorema se presenta a continuacin. Teorema Si los eventos A1, A2,,An (mutuamente excluyentes) constituyen una particin del espacio muestral S, donde P( Ai ) 0 , para i = 1,2,n, entonces para cualquier evento B en S tal que P( B) 0 ,
P ( Ai / B ) = P ( Ai ).PB ( Ai ) P ( A1).P ( B / A1) + P ( A2).P ( B / A2) + ... + P ( An).P ( B / An)
35
El lector puede demostrar este teorema a partir de la definicin de Probabilidad Condicional y la Regla Eliminacin Total o Probabilidad Total Ejemplo 17: Caja I Caja II Caja III
La figura muestra tres cajas de idntico tamao, cada caja contiene un nmero de pelotas de color rojo y blanco respectivamente. Si una persona al azar selecciona una pelota de una de las cajas y resulta de color rojo Cul es la probabilidad de que la pelota provenga de la caja I? Solucin En primer trmino consideremos los siguientes eventos. R: La pelota seleccionada sea de color rojo. B: La pelota seleccionada sea de color blanco C1: La caja seleccionada sea la N 1 C2: La caja seleccionada sea la N 2 C3: La caja seleccionada sea la N 3
36
En el proceso de solucin de un problema que implica el manejo del teorema de Bayes, podemos definir una serie de probabilidades previas o a priori, y con est informacin procederemos a calcular las probabilidades finales o a posteriori. Probabilidades a Priori
2 3 P( B / C1) = 5 5 2 1 P( R / C 2) = P( B / C 2) = 3 3 P( R / C1) = P( R / C 3) = 1 5 P( B / C 3) = 6 6
Como las tres cajas son de idntico tamao y la seleccin se hace al azar las probabilidades de seleccin de las cajas se consideran iguales; es decir:
P (C1) = P (C 2) = P (C 3) = 1 3
Probabilidades a posteriori En este caso sabiendo que la pelota result de color rojo, vamos a calcular la probabilidad de que provenga de la caja 1; es decir:
P (C1 / R ) = ?
Aplicando el Teorema de Bayes, se tiene:

P (C1 / R ) = P ( RC1) P( R) = P ( R / C1).P (C1) P ( R / C1).P (C1) + P ( R / C 2).P (C 2) + P ( R / C 3).P (C 3)
2 1 . 5 3 P (C1 / R ) = = 0,3243 21 21 11 + + 53 33 63
Hay un 32,43% de probabilidad de que la pelota seleccionada provenga de la Caja N I dado que result de color rojo.
37
Ejemplo 18: Segn la apreciacin de una serie de observadores polticos la probabilidad de triunfo del candidato caraotica es 0,30.Sus asesores quieren tener mayor informacin y deciden contratar a la encuestadora CONSULTORES UNEXPO C.A. Dicha encuestadora es una empresa de gran credibilidad.. La confiabilidad de dicha empresa al dar como probable ganador a un candidato es del 90 %, asimismo la confiabilidad de CONSULTORES UNEXPO C.A al afirmar que un candidato fracasar es 85 %. Si la encuestadora le asegura que no ser elegido Cmo cambia la percepcin de la probabilidad de triunfo del candidato Caraotica?. Qu le deben sugerir a dicho candidato sus asesores? Solucin En primer trmino consideremos los siguientes eventos. G: El candidato resulte electo. g : La encuestadora lo dio como probable ganador. Probabilidades a Priori: Las confiabilidades de la encuestadora constituyen las probabilidades previas que conocemos antes de que se efecte la eleccin. En este caso:
P ( g / G ) = 0,90
P( g ' / G ) = 0,10
P ( g ' / G ' ) = 0,85 P ( g / G ' ) = 0,15
A su vez la informacin que tiene la empresa respecto a la probabilidad de xito del candidato es otra probabilidad a priori.
P (G ) = 0,30 P (G ' ) = 0,70
38
En base a esta informacin y utilizando el teorema de Bayes calcularemos la probabilidad de que el candidato resulte ganador dado que la encuestadora le pronostic una derrota:
P (G / g ' ) = ? (Probabilidad a posteriori)
Aplicando el Teorema de Bayes.

P (G / g ' ) = P (G g ' ) P( g ' ) = P ( g ' / G ).P (G ) P ( g ' / G ).P (G ) +P ( g ' / G ' ) P (G ' )
P (G / g ' ) =
(0,10)(0.30) = 0,048 (0,10).(0.30) + (0.85)(0,70)
As la probabilidad de triunfo del candidato caraotica es 4,8 %. Por lo tanto los asesores deberan recomendarle el retiro debido a que la percepcin de triunfo se modific de manera negativa y sus probabilidades d xito son muy bajas.
Nota: Para la resolucin de problemas relacionados con el teorema de Bayes, se aconseja construir un Diagrama de rbol para visualizar claramente las relaciones entre el sistema completo de eventos en este caso se tiene el siguiente diagrama
Grfico 9. Diagrama de rbol para el problema de las elecciones
P(g/G)
P( g ' G)
39
P(G) P (g/G)
P (G). P (g/G)
P(g/G) P(G)
P( g ' G' )
P (G) P (g/G)
P(g/G)
P(g/G)
Luego
P( g ' ) = P( g ' G) + P( g ' G' )
Nota: El Diagrama permite aplicar la Regla de Probabilidad Total sin necesidad de recurrir a la frmula. Se debe tener en cuenta que cuando se va en la misma rama se multiplican las Probabilidades (Reglas Multiplicativas para encontrar intersecciones) y cuando se mueva por ramas diferentes se suman las probabilidades (Dado que estos eventos son mutuamente excluyentes) Ejemplo 19: Aplicacin del Teorema de Bayes en el anlisis de los resultados de un test de embarazo. Una mujer seleccionada de un grupo de 100 personas se aplica un determinado test de embarazo, y la prueba indic un resultado positivo Cul es la probabilidad de que la misma no este embarazada? Los resultados de la prueba se muestran en la siguiente tabla.
40
Tabla N 1. Resultados de un Test de embarazo Resultados del test de embarazo Prueba indic (+) Mujer Embarazada Mujer No Embarazada 81 3 Prueba indic (-) 4 12
Solucin: Definamos los siguientes eventos: +: La prueba indic que la mujer est embarazada. - : La prueba indic que la mujer no est embarazada E: La mujer est embarazada. E: La mujer est embarazada. Probabilidades a priori Podemos definir las siguientes probabilidades que determinan la confiabilidad del test de embarazo Confiabilidad de la Prueba
P(+ / E ) = 81 = 0,9529 (Sensibilidad de la Prueba) 85
Cuando la prueba indica de manera correcta que la mujer est embarazada se denomina verdadero positivo, y la probabilidad de un verdadero positivo se define como sensibilidad de la prueba.
P( / E ' ) = 12 = 0,8 (Especificidad de la Prueba) 15
41
Cuando la prueba indica de manera correcta que la mujer no est embarazada se denomina verdadero negativo, y la probabilidad de un verdadero positivo se define como especificidad de la prueba. Ambas probabilidades representan la confiabilidad del Test Cuando la prueba indica de manera incorrecta que la mujer est embarazada estamos en presencia de un falso positivo. Cuando la prueba indica de manera incorrecta que la mujer est embarazada estamos en presencia de un falso negativo. Asimismo P( E ) = 0,85 P ( E ' ) = 1 P( E ) = 0,15 En este problema la prueba de embarazo arroj un resultado positivo queremos determinar la probabilidad de que la mujer no est embarazada realmente, es decir:
P ( E ' / +) = ?
Aplicando el Teorema de Bayes se tiene:

P ( E ' + ) P (+ ) P ( +/ E ).P ( E ' ) P ( +/ E ' ).P ( E ' ) +P ( +/ E ).P ( E )
P( E ' / + ) =
Por Complemento
P (+ / E ' ) = 1 P ( / E ' ) = 1 0,8 = 0,2
Luego:
P ( E ' / +) = 0,2.0,15 = 0,0357 0,2.0,15 + 0,9529.085
Hay un 3,57% de probabilidad de que la mujer no est embarazada.
42
Trminos Claves:
Espacio Muestral, Permutacin, Combinacin Evento, Probabilidad, Probabilidad Condicional Eventos Independientes, Teorema de Bayes.
Problemas Propuestos PROBABILIDAD. 1) Un dado cargado se arregla de tal forma que la probabilidad de ocurrencia del nmero 2 o un 3 es el doble que la del 4, a su vez este se presenta tres veces ms frecuentemente que un 1, un 5 o un 6. Si el dado se lanza una vez, encuentre la probabilidad de que: a) El nmero sea impar.
43
b) El nmero sea mayor que 3. c) Si el dado se lanza dos veces. Cul es la probabilidad de que la suma de los dgitos sea 7? 2) El Departamento de Compras de EJ Corporation cuenta con 25 motores elctricos, de los cuales 15 presentan fallas. Si entrega un lote de 11 motores seleccionados aleatoriamente, cul es la probabilidad de que: a. Todos resulten con fallas?. b. A lo sumo 6 motores presenten fallas? c. Cmo mnimo 2 motores estn en buenas condiciones? 3) En una escuela se graduaron 100 estudiantes: 54 Estudiaron lgebra 60 Estudiaron Fsica. 30 Ambas Materias. SI se selecciona una persona al azar. Calcule la probabilidad de que: a.- Se haya dedicado a lgebra o Fsica?. b.- No haya cursado ninguna de estas materias? c.- Haya estudiado lgebra pero no Fsica? 4) En una encuesta realizada a jvenes estudiantes con respecto a sus preferencias respecto a los deportes: 69 prefieren el ftbol. 46 prefieren el bisbol. 32 el Bsquet. 18 el ftbol y el bsquet. 9 el bisbol y el ftbol. 12 el bisbol y el bsquet. 3 los tres deportes. 15 no le gustan estos 3 deportes.
44
a) Cuntos jvenes se encuestaron? b) Probabilidad de seleccionar uno que prefiera exactamente uno de estos 3 deportes. c) Probabilidad de encontrar uno que juegue bsquet pero no ftbol 5) El problema de los cumpleaos. Determinar la probabilidad de que en un grupo de 25 personas que asisten a una fiesta al menos dos de los invitados tenga la misma fecha de cumpleaos. 6) En la pelcula SAW II (Juegos Macabros II) el protagonistas es un psicpata que colocaba complicadas pruebas a sus victimas a manera de juego, el pasar la prueba o ganar el juego marcaba la diferencia entre sobrevivir o morir. Una de las pruebas consista en que un grupo de 8 personas acertase la combinacin de una puerta que les permitira salir del sitio en el cual que se encontraban encerrados y sometidos a los efectos de un gas venenoso. Cada victima tena impreso un cdigo en el cuello, dicho cdigo era un nmero que constaba de dos cifras como mximo. La clave vena dada por uno de los posibles arreglos a formar con cada uno de los cdigos de las 8 personas Qu probabilidad tenan estas personas de acertar la clave para abrir la puerta? Notas: Las victimas tenan un mximo de tres oportunidades para acertar la clave. El psicpata marc a las vctimas con los nmeros (08, 09, 11, 13,16, 18, 10, 05) PROBABILIDAD CONDICIONAL 1) La probabilidad de que un hombre casado vea un cierto programa de TV es 0,4 y la de que una mujer del mismo estado civil lo haga es 0,5. La probabilidad de que un hombre vea un programa dado que su esposa lo hace es 0,7. Encuentre:
45
Probabilidad de que una pareja de casados no vea el programa. Probabilidad de que una esposa vea el programa dado que su esposo lo hace. EVENTOS INDEPENDIENTES 1) Un profesor de Ingeniera Econmica hace un examen sorpresa que contiene 10 preguntas de verdadero/falso. Establece que para aprobar se requieren al menos 7 respuestas correctas. Suponga que un estudiante que no se prepar adopta la estrategia de adivinar. a) Calcular la probabilidad de que las 7 primeras sean correctas y las tres ltimas sean incorrectas. b) La probabilidad del inciso a es igual a la de aprobar el examen? Por qu? De contestar NO Cul es la probabilidad de aprobar? 2) En una zona se cuenta con dos Plantas que operan independientemente. La probabilidad de que la Planta 1 este disponible en caso de falla es 0,96, la probabilidad de que la Planta 2 no este disponible es 0,10? a) Cul es la probabilidad de que ninguna este disponible en caso necesario? b) Cual es la probabilidad de que alguna funcione cuando se le necesita? 3) Una mquina robtica esta conformada de 5 componentes primarios.
La probabilidad de que cualquier componente falle en el perodo de garanta es 0,01. Suponga que los componentes estn conectados en serie y fallan de manera independiente. La mquina falla cuando alguno de sus componentes
46
falla. Cul es la probabilidad de que la mquina falle durante el perodo de garanta 4 La Planta generadora de energa trabaja s, y solo, existe una
trayectoria de dispositivos en funcionamiento, de izquierda a derecha. Suponga que los dispositivos fallan de manera independiente y que la probabilidad de falla de cada uno de ellos es la que se muestra en la Fig. Cul es la probabilidad de que la Planta trabaje? Plantee un arreglo distinto para mejorar la confiabilidad de la misma?
0.9 0.9 0.8
Eventos Independientes y la Apuesta Hpica

0.9 5 0.9 5 0.9
5)
La jugada extica conocida como Loto hpico o Macuare consiste en
acertar un ejemplar que figure en los tres primeros lugares del marcador durante 10 carreras consecutivas. Si el apostador juega 1 caballo por carrera. Calcular la probabilidad de acertar el Macuare. Sabiendo que el nmero promedio de ejemplares por carrera es 10 Eventos Independientes en la eleccin de una sede deportiva. 6) San Felipe y Valencia estn compitiendo para la sede de los prximos juegos deportivos. Cada uno ofrece sus servicios de instalaciones deportivas, alojamiento y alimentacin .Las probabilidades de que San Felipe le gane la sede a Valencia son 0.6 en Instalaciones Deportivas, 0,3 en Hospedaje y 0,3 en alimentacin. Para obtener la sede las ciudades deben ser sometidas a pruebas de servicios y ganar al menos dos de ellas. Las probabilidades de empate en estos renglones son 0,1; 0,2 y 0,2 en Instalaciones Deportivas,
47
Hospedaje y alimentacin respectivamente
San Felipe tendr la mayor
probabilidad de ganar la sede? Cuantifique dicha probabilidad? Eventos Independientes en el pronstico Deportivo 7). Los LEONES DEL CARACAS y el Cardenales de Lara se han enfrentado en 47 oportunidades en finales. El balance general favorece a los felinos con 27 victorias. En una hipottica final de la Temporada 2005 2006, entre los Eternos Campeones y los Pjaros Rojos. En base a la informacin suministrada. Calcular: a) La Probabilidad de que el Caracas barra la serie. (Gane los 4 primeros partidos) b) La probabilidad de que la final se extienda a 7 juegos y Caracas resulte Campen. c) Probabilidad de que Caracas gane el campeonato en el quinto juego. d) Probabilidad de que gane la serie en el sexto juego. e) Probabilidad de que los Eternos campeones ganen el campeonato 2005-2006. Nota: La final del Bisbol profesional venezolano se disputa a un mximo de 7 encuentros y resulta campen el que gane 4 de ellos. 8) Omar Vizquel es el Short-Stop con el mayor porcentaje de fildeo en toda la historia del Bisbol de Grandes Ligas. Este futuro Saln de la Fama jug 17 Temporadas en la Liga Americana, en la cual participan 14 equipos, en ese tiempo Vizquel obtuvo 9 Guantes de Oro (Premio concedido al mejor campocorto defensivo de la Liga). Su Guante de Oro nmero 10 lo consigui en la Liga Nacional el ao pasado, en dicha Liga participan 16 equipos. Suponiendo que los campocortos titulares de todos esos conjuntos tienen la misma probabilidad de obtener el Guante de Oro. Cuantifique la probabilidad de lograr la hazaa de Vizquel; es decir conseguir 10 Guantes de Oro en el nmero de temporadas que tiene jugando?
48
TEOREMA DE BAYES 1). La fbrica de zapatos NIKEMAN piensa lanzar al mercado un nuevo modelo de calzado casual. Por experiencia sabe que el 75% de las veces ha tenido xito cuando el estudio de mercado ha sido bien realizado y 20% si la investigacin estuvo mal orientada. Adems, estima que el estudio de mercado est bien elaborado en el 80% de los casos. Si result que el calzado tuvo xito, a) cul es la probabilidad de que el estudio de mercado haya sido bien realizado? A propsito, b) cul es la probabilidad de que el nuevo calzado tenga xito? 2) Los circuitos Integrados para computadoras de una compaa se producen en 2 fbricas. El 60% de los circuitos se producen en la fbrica I. Ud se entera que un circuito integrado est defectuoso. Sabiendo que la tasa de defectos para las dos fbricas es 35 % para I y 25% para II. Cmo Gerente General de la compaa, en base a un estudio de probabilidades a quin despedira? (Al Gerente de I o de II) 3) Se sabe que un polgrafo (Mquina de la verdad) que se aplica a un sospechoso es 85 % confiable cuando la persona es culpable y 90 % cuando es inocente. Si se selecciona un individuo de un grupo de 5000 sospechosos, de los cuales solo 100 han cometido un delito, y el polgrafo indica que es culpable, Cul es la probabilidad de que sea inocente? 4.) De cada 10 juegos en los cuales ha participado Ronaldo Brasil ha ha participado. Si en el ltimo
obtenido la victoria en 8 de ellos. Por otra parte el scratch ha fracasado en el 10% de los partidos en que el astro no enfrentamiento de la escuadra auriverde resultaron victoriosos. Calcular: La probabilidad de que Ronaldo no haya participado en el encuentro.
49
Nota: Histricamente Ronaldo ha participado en el 70 % de los partidos efectuados por la seleccin brasilea producto de sus lesiones. 5) En la eleccin del Alcalde de un Municipio compiten dos candidatos. Segn apreciacin de los observadores polticos las probabilidades de triunfo de los candidatos son 0,60 para Eduardo lvarez y 0,4 para Pedro Guillen. Los asesores del Sr. Guillen recurren a la encuestadora ULTRANALISIS para tener mayor informacin en cuanto a las posibilidades de xito de su candidato. Dicha empresa basa su prestigio en los siguientes resultados: El 95 % de las veces en que las encuestas han dado como ganador a un candidato este efectivamente ha ganado. El 10 % de las veces en que las encuestas han dado como ganador a un candidato este ha perdido. Si una vez concluida la encuesta, esta considera ganador al Sr. lvarez. a) Cmo cambia la probabilidad de triunfo que le haban asignado los analistas al Sr. Guillen? b) Si UD fuera el Asesor del Sr. Guillen Cul estrategia de campaa recomendara?
Referencias Bibliogrficas.
50
DEPOOL, R (1999).Probabilidad y Estadstica. (Trabajo de ASCENSO) DEVORE,J.(2001) Probabilidad y estadstica para ingeniera y ciencias . Thomson, Mxico DIXON,W(1976)Introduccin al anlisis estadstico. McGraw Hill.New York MONTGOMERY,D(1999)Probabilidad Ingeniera Fundacin Polar. Ultimas Noticias .El Mundo de las Matemticas. Fasciculos disponibles en lnea:http://www.fpolar.org.ve/matemtica2 y Estadstica aplicadas a la
TRIOLA, M(2004).Probabilidad y estadstica. Pearson, Mxico. WALPOLE, R (1999) Probabilidad y estadstica para ingenieros . Pearson. Mxico

Unidad I Probabilidad

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Unidad I Probabilidad

Uploaded by

Copyright:

Available Formats

Contenido del Capitulo:

4.-Evidenciar la aplicacin del teorema de Bayes en situaciones reales

Capitulo III. Muestreo

CAPITULO II: PROBABILIDAD

Capitulo III. Muestreo

Capitulo III. Muestreo

Capitulo III. Muestreo

Grfico 1. Diagrama de Venn

Capitulo III. Muestreo

Capitulo III. Muestreo

Capitulo III. Muestreo

Fuente: Elaboracin Propia

Capitulo III. Muestreo

Luego la ocurrencia simultnea de ambas operaciones viene dada por:

Capitulo III. Muestreo

Fuente: Eduardo Pinto

Capitulo III. Muestreo

Capitulo III. Muestreo

Capitulo III. Muestreo

Capitulo III. Muestreo

Combinacin El nmero de combinaciones de n objetos diferentes tomando r a la vez: es:

Fuente: Elaboracin Propia

Capitulo III. Muestreo

Capitulo III. Muestreo

Ahora en este problema desconocemos el valor de n, sin embargo sabemos que:

Capitulo III. Muestreo

10! = 10.9 = 90 (10 2)!

Capitulo III. Muestreo

Capitulo III. Muestreo

Capitulo III. Muestreo

Definicin De Probabilidad. Enfoques Para Su Clculo

Capitulo III. Muestreo

En su forma lmite la definicin frecuencial es la siguiente:

Es poco probable que el Real Mallorca le gane al REAL MADRID

El experimento se repite un gran nmero de veces bajo condiciones similares

La probabilidad de obtener cara al lanzar una moneda es 50%

Capitulo III. Muestreo

Fuente: Elaboracin Propia

ENFOQUE IV: Probabilidades Subjetivas

Capitulo III. Muestreo

Capitulo III. Muestreo

Resolviendo esta sencilla ecuacin se tiene que:

Luego la probabilidad de obtener cara es:

b) Al realizar dos lanzamientos el espacio muestral queda de la siguiente manera:

Sea B: el evento que corresponde a obtener un sello.

Corolario S A y B son mutuamente excluyente:

Capitulo III. Muestreo

Corolario Para n eventos mutuamente excluyentes:

P ( A1 A2 A3 .... An) =P ( A1) +P ( A2) +P ( A3) + ... +P ( An)

Para 3 eventos A,B,C cualesquiera:

Regla para los sucesos complementarios Teorema

Capitulo III. Muestreo

Grfico N 7. Esquema de Reglas Aditivas REGLAS ADITIVAS P(AUB)

S P (AUB)= P(A) + P(B)

P(AUB)= P(A) + P(B) P(AB)

Capitulo III. Muestreo

Grfico N8. Regla del Suceso Complementario

Fuente: Elaboracin Propia

Capitulo III. Muestreo

Capitulo III. Muestreo

20 20 = = 0,5263 Luego P( M / F ) = 100 38 38 100

Capitulo III. Muestreo

Capitulo III. Muestreo