Professional Documents
Culture Documents
IND3100
Clase 2
Fundamentos de Probabilidades
Qu es probabilidad?
Qu es un evento incierto.?
Probabilidad
Fraccin de las veces en la cual se obtendr una
ocurrencia al repetir muchas veces un mismo experimento
Eventos
Coleccin bien definida de ocurrencias
El evento A ocurre cuando se obtiene cualquiera de las
ocurrencias del evento A
Ej.: Evento A: obtener un total de una o menos caras
Pr( C1 C2 C3 ) = 0,125
Pr( C1 C2 S3 ) = 0,125
Pr( C1 S2 C3 ) = 0,125
Pr( C1 S2 S3 ) = 0,125
Pr( S1 C2 C3 ) = 0,125
Pr( S1 C2 S3 ) = 0,125
Pr( S1 S2 C3 ) = 0,125
Pr( S1 S2 S3 ) = 0,125
Ejemplo:
Evento A: (# C <= 1): {C1S2S3 , S1C2S3 ,S1S2C3, S1S2S3}
Evento B: (# C >= 1): {C1S2S3 , S1C2S3, S1S2C3, C1C2C3
C 1 C 2 S 3 , C1 S 2 C 3 , S 1 C 2 C 3 }
P(A B) = P(AB) = P(A) + P(B) - P(AB)
= 4/8 + 7/8 3/8 = 8/8 = 1
P( A | B) =
P( A B)
P( B)
Volviendo al ejemplo
P(A|B) =
Evento A: (# C <= 1): {C1S2S3 , S1C2S3 ,S1S2C3, S1S2S3}
Evento B: (# C >= 1): {C1S2S3 , S1C2S3, S1S2C3, C1C2C3
C 1 C 2 S 3 , C1 S 2 C 3 , S 1 C 2 C 3 }
IND3100 - Prof. Jorge Vera 2013
P( A | B) =
P( A B)
P( B)
Volviendo al ejemplo
P(A|B) = (3/8) / (7/8) = 3/7
(Notar: Si sabemos que B pas, sabemos que nos estamos
enfocando en 7 ocurrencias. De stas, 3 pertenecen a A)
(2)
(3)
Dado que (3) & (2) son expresiones equivalentes para P(AB):
P(A|B) P(B) = P(B|A) P(A) = P(A) P(B) (4)
As, P(B|A) = P(B)
(5)
Bola es
(V)
Bola es
(R)
Total
Letra es
(A)
P(A V)
4
P(A R)
30
P(A)
34
Letra es
(B)
P(B V)
6
P(B R)
15
P(B)
21
Letra es
(C)
P(C V)
30
P(C R)
15
P(C)
45
Total
P(V)
40
P(R)
60
100
Eventos:
La probabilidad que una
bola elegida al azar sea
verde y tenga letra A:
P(A
V)=0,04
Los eventos son
disjuntos, con lo que
podemos sumar la
probabilidades por filas o
columnas:
P(A)=P(A
V)+P(A
R)
= 0,34
P(R)=P(A
R)+P(B
R)+
P(C
R)
= 0,60
Bola es
(V)
Bola es
(R)
Total
Letra es
(A)
P(A V)
0,04
P(A R)
0,30
P(A)
0,34
Letra es
(B)
P(B V)
0,06
P(B R)
0,15
P(B)
0,21
Letra es
(C)
P(C V)
0,30
P(C R)
0,15
P(C)
0,45
Total
P(V)
0,40
P(R)
0,60
1,00
Bola es
(V)
Bola es
(R)
Total
Letra es
(A)
P(A V)
0,04
P(A R)
0,30
P(A)
0,34
Letra es
(B)
P(B V)
0,06
P(B R)
0,15
P(B)
0,21
Letra es
(C)
P(C V)
0,30
P(C R)
0,15
P(C)
0,45
Total
P(V)
0,40
P(R)
0,60
1,00
10
10
11
10
11
12
Dado 1
10
10
11
10
11
12
P(A|B) = 2/30=1/15
P(A) = 3/36=1/12
P(B) =30/36=5/6
10
10
11
10
11
12
10
10
11
10
11
12
Dado 1
La probabilidad de cada
ocurrencia es 1/36
Independencia y condicionalidad
En el ejercicio anterior vemos que el evento de obtener
un doble es independiente de la ocurrencia obtenida del
primer dado.
6
P ( D) = P( A = i, B = i ) = 6(1 / 36) = 1 / 6
i =1
P ( D | A = 1) = P( B = 1) = 1 / 6
P ( D | A = 2) = P ( B = 2) = 1 / 6
...
P ( D | A = 6) = P ( B = 6) = 1 / 6
P ( D | A) = P ( D)
Independencia y condicionalidad
Si hacemos el mismo experimento pero esta vez en Las
Vegas, donde es muy difcil encontrar un dado bueno,
las cosas cambian un poco.
Supongamos que la distribucin de probabilidades de
estos dados es:
xi
pi
0.1
0.2
0.3
0.2
0.1
0.1
Independencia y condicionalidad
Calculemos las probabilidades condicionales
6
i =1
i =1
P ( D ) = P ( A = i, B = i ) = P ( A = i ) P ( B = i ) =
6
As,
P( D | A = 1) = P( B = 1) = 0,1
P( D | A = 2) = P( B = 2) = 0, 2
por lo tanto, en general tenemos que:
P( D | A) P( D )
En este caso, el evento de obtener un doble depende de
lo que obtengamos en el primer dado.
Independencia y condicionalidad
Volviendo al ejemplo de los dados, cunto es
P(B|A)?
(es decir, la probabilidad de que el primer
nmero haya sido 5 dado que la suma es
10?
1
10
10
11
10
11
12
Independencia y condicionalidad
Volviendo al ejemplo de los dados, cunto es
P(B|A)?
(es decir, la probabilidad de que el primer
nmero haya sido 5 dado que la suma es
10?
1
10
10
11
10
11
12
P(B|A) = 2/3
P(A|B)XP(B)/P(A)=
(1/15)X(5/6)X(12)=
2/3
Independencia y condicionalidad
Teorema de Bayes:
Supongamos se conoce P(A|B), P(A) y P(B),
entonces:
P( B | A) =
P( A | B) P( B)
P( A)
Demostracin:
P(B|A)=P(BA)/P(A) = P(AB)/P(A) = P(A|B)P(B)/P(A)
Probabilidades Totales
Supongamos que tenemos varios eventos exhaustivos y
excluyentes: B1, B2,,Bn
Sea A otro evento, entonces:
P(A)=P(A(B1B2Bn))
=P(A|B1)P(B1)++P(A|Bn)P(Bn)
Ley de Probabilidades Totales:
Si B1, B2,,Bn son eventos exhaustivos y excluyentes,
entonces:
P(A) = P(A|B1)P(B1)++P(A|Bn)P(Bn)
IND3100 - Prof. Jorge Vera 2013
Ejercicio:
Retomando el problema de la clase pasada, de la Estacin
Espacial
Tenamos que:
P(TNF / NF) = 0.75
P(TF / F) = 0.65
P(NF) = P(F) = 0.5
Y necesitbamos:
P(TNF), P(TF)
P(NF / TNF)
P(NF / TF)
Tenemos:
P(NF / TNF) = P(TNF / NF)*P(NF)/P(TNF)=0,75*0,5/P(TNF)
P(TNF) = P(TNF/NF)*P(NF) + P(TNF/F)*P(F)
= P(TNF/NF)*P(NF) + (1-P(TF/F))*P(F)
= 0,75*0,5 + 0,35*0,5 = 0,55
P(NF / TNF) =0,75*0,5/P(TNF)= 0,68
Variables Aleatorias
Una variable aleatoria (v.a.) es una regla (o
funcin) que asigna un valor numrico a cada
ocurrencia posible de un fenmeno o
experimento aleatorio.
Las denotaremos con letras maysculas (por
ejemplo, X)
Ejemplos de v.a.
Y: la edad de alguno de ustedes presentes hoy
X: El nmero total de caras del experimento 1
Variables Aleatorias
Si el fenmeno o experimiento es aleatorio,
entonces los valores de X tambin son
aleatorios
Cmo podemos describir el comportamiento
de X?
Dando la probabilidad de que X tome
determinados valores.
Distribucin de Probabilidades
Una distribucin de probabilidades para una v.a.
discreta X consiste en:
valores posibles
x1, x2, . . . , xn
probabilidades
p1, p2, . . . , pn
Tales que:
P(X=x1)=p1 , P(X=x2)=p2 ,, P(X=xn)=pn
C3 : 0.5
Pr( C1 C2 C3 ) = 0.125
Pr( C1 C2 S3 ) = 0.125
Pr( C1 S2 C3 ) = 0.125
P(X = 1) = 3/8
P(X = 2) C=: 0.5
3/8
S3 : 0.5
C3 : 0.5
Pr( C1 S2 S3 ) = 0.125
Pr( S1 C2 C3 ) = 0.125
S1
P(X = 3) = 1/8
: 0.5
S3 : 0.5
C3 : 0.5
S2 : 0.5
S3 : 0.5
Pr( S1 C2 S3 ) = 0.125
Pr( S1 S2 C3 ) = 0.125
Pr( S1 S2 S3 ) = 0.125
Histograma
5/8
P(X=x)
4/8
3/8
2/8
1/8
0.00
0
P(X = 0) = S0.343
: 0.7
C3 : 0.3
Pr( C1 C2 C3 ) = 0.027
Pr( C1 C2 S3 ) = 0.063
Pr( C1 S2 C3 ) = 0.063
P(X = 1) = 0.441
S3 : 0.7
P(X = 2) =C0.189
: 0.3
C3 : 0.3
P(X
= 3) = 0.027
S : 0.7
S3 : 0.7
Pr( C1 S2 S3 ) = 0.147
Pr( S1 C2 C3 ) = 0.063
Pr( S1 C2 S3 ) = 0.147
C3 : 0.3
S2 : 0.7
S3 : 0.7
Pr( S1 S2 C3 ) = 0.147
Pr( S1 S2 S3 ) = 0.343
Histograma Experimento 2
p(X)
0.500
0.450
0.400
0.350
0.300
0.250
0.200
0.150
0.441
0.343
p(X)
0.189
0.100
0.050
0.000
0.027
0