Download - Unidad 1 Probabilidad
PROBABILIDAD Y ESTADISTICA
PROF.: Dra. Sonia Salvo Garrido
Unidad I: Probabilidad
1.0 Introducción
• Los primeros estudios sobre probabilidad tuvieron su origen en los juegos de azar.
• Por muchos años las ideas de probabilidades estuvieron asociadas a los juegos de azar, hasta que en el siglo XVIII los matemáticos Laplace y Gauss muestran que las probabilidades son también aplicables a otras actividades.
• La teoría de probabilidades conocida hoy en día fue desarrollada por el matemático Kolmogorov quien en su paper titulado “Foundations of Theory of Probability”, desarrolló la teoría axiomática de la probabilidad.
• En esta unidad se presentará un modelo matemático que recoja la idea vaga de probabilidad que se tiene y le de un contexto preciso.
1.1 Conceptos Importantes
- Experimento Aleatorio: Un experimento es aleatorio si satisface las siguientes condiciones:
i) No se conoce un resultado particular del experimento antes de ejecutarlo.
ii) Se conocen todos los posibles resultados del experimento.
iii) El experimento se repite en idénticas condiciones.
Espacio Muestral (Ω): Conjunto de resultados posibles al desarrollar un experimento.
Experimento: es la ejecución de algo en el cual se obtiene un resultado.
Ejemplos:
1.- Lanzar una moneda honesta y observar su cara superior.
2.- Lanzamiento de un dado honesto y observar su cara superior.
3.- Contar el número de partículas radioactivas que emite una fuente en un minuto.
4.- Medir el tiempo de vida útil de una ampolleta.
Si Ω tiene un número finito o infinito numerable de elementos, se dirá que es Discreto.
Si Ω tiene como elementos todos los puntos de algún intervalo de la recta real, se dirá que es Continuo.
Ω = {c, s}
Ω = {1,2,…, 6} 0: ttΩ =
Número finitode elementos
Ω = {0,1,2,…}
Número infinito numerableNúmero infinito no numerable
Ω espacio muestral E espacio muestral
AA’
SUCESO
SUCESOCOMPLEMENTO
E espacio muestral
A
B
INTERSECIÓN
E espacio muestral
A
B
UNIÓN
Evento o Suceso: Subconjunto cualquiera del espacio muestral.
Ejemplo: Observar las caras de dos dados al ser lanzados al aire.
El experimento consiste en lanzar dos dados al aire, por lo que el espacio muestral es:
}6,1;6,1);,{( jiji
Este experimento tiene 36 eventos elementales. Se definen los siguientes eventos:
A1: “La suma de los dos números es divisible por tres”.
A2: “Los dos dados muestran el mismo número”.
A3: “El segundo número es el cuadrado del primero”.
Evidentemente estos eventos son compuestos y se pueden describir:
etc.
)},4,2{(
)}4,2(),6,6(),5,5(),4,4(),3,3(),2,2(),1,1{(
}:),{(
}:),{(
}4,1;3:),{(
31
32
23
2
1
AA
AA
ijjiA
jijiA
nnjijiA
Probabilidad: Es una función de conjunto, definida sobre una clase AA de subconjuntos del espacio muestral Ω, tal que a un subconjunto cualquiera A de AA le asocia un número P(A), llamado probabilidad de A, y que debe satisfacer los siguientes axiomas:
ijiii
ijiAAAPAP
AP
P
.,),(
0)(
1)(
Ax.3
Ax.2
Ax.1
Definición de probabilidad
AA es una clase específica, una σ-álgebra, que incluye al conjunto ø, al espacio muestral y es cerrada bajo uniones e intersecciones numerables de sus conjuntos.
La formulación de los axiomas de probabilidad completa la descripción matemática de un experimento aleatorio, que consta de tres elementos fundamentales: un espacio muestral Ω, una σ-álgebra de eventos AA, y la función de probabilidad P.
La terna ordenada (Ω, AA, P) constituye un espacio de probabilidad asociado a un experimento aleatorio.
En todo experimento aleatorio, el espacio muestral Ω juega el papel de conjunto universal de manera que todos los complementos son tomados con respecto a Ω.
1.3 Axiomas de Probabilidad
Teorema 1.2: Sean A y B dos eventos arbitrarios
BAPBPAPBAP )(
Teorema 1.1: Sean A y B dos eventos arbitrarios
BPAPBA
BAPAPBAPBA
APAPA
P
C
C
entonces , Si d)
entonces ,y Sean c)
1 entonces , Si b)
0 a)
Teorema 1.3: Dado un espacio muestral y cualquier evento A
k
iiAPAP
1
donde kiAi ,...1, son eventos elementales distintos y
k
iiAA
1
Conclusiones
• Los Axiomas Ax1, Ax2 y Ax3 y sus resultados obtenidos, definen las propiedades de una medida de probabilidad, las cuales son consistentes con nuestra noción intuitiva.
•El Teorema 1.3 da una caracterización de los eventos compuestos mediante eventos elementales, lo que facilita en gran medida el cálculo de probabilidades, sobre todo en aquellos casos en que Ω es finito.
muestral. espacio del elementos
de número el es y de elementos de número el es donde
: es evento cualquier para adprobabilid La
)()(
)(
)()(
nAAn
n
AnAP
A
Ejemplo:
En una ciudad se publican tres periódicos A, B, C. El 30% de la población lee A, el 20% lee B y el 15% lee C; el 12% lee A y B, el 9% A y C, el 6% B y C y finalmente el 3% lee los tres periódicos. Se pide:
a)Porcentaje de personas que leen al menos uno de los tres periódicos.
b) Porcentaje que lee sólo A.
c) Porcentaje que leen B o C, pero no A.
d) Porcentaje de personas que leen A o bien, no leen ni B ni C.
1.4 Probabilidad Condicional, Independencia.
A veces se sabe que un evento determinado ocurre y basándose en esta información, se quiere averiguar cuál es la probabilidad de otro evento.
Probabilidad Condicional: Sean dos eventos A y B, la probabilidad condicional de que A ocurra, dado que ha ocurrido B, es:
0)(,0)/(
0)(,)(
)()/(
BPBAP
BPBP
BAPBAP
si
si
→ Las probabilidades Condicionales satisfacen los axiomas de probabilidad.
)(
)()|(
BP
ABPBAP
E espacio muestral
A
B
“tam
año”
de
uno
resp
ecto
al
otro
Intuir la probabilidad condicionada
B
A
P(A) = 0,25P(B) = 0,10P(AB) = 0,10
B
A
¿Probabilidad de A sabiendo que ha pasado B?
P(A|B)=1 P(A|B)=0,8
P(A) = 0,25P(B) = 0,10P(AB) = 0,08
Intuir la 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
Ejemplo:
Un circuito electrónico consta de dos subsistemas, A y B. A partir de una serie de pruebas se supone las siguientes probabilidades:
P (A falle) = 0.2; P (B falle sólo) = 0.15; P (A y B fallen) = 0.12.
Calcular:
a) P (A falle/B ha fallado)
b) P (A falle sólo)
c) P (A falle/ B no ha fallado)
d) P (A no falle/ B no ha fallado)
Probabilidad de la intersección: Esta probabilidad es frecuentemente más utilizada, ya que generalmente la probabilidad condicional aparece como dato, por lo tanto para cualquier par de eventos A1 y A2:
)()/()( 11221 APAAPAAP
segunda. la de resultado el y primera
la de resultado el describe condiciona que evento El etapas. dos en
eventos de sucesión una como dointerpreta ser puede donde
2
1
21
A
A
AA
Ejemplo
En Temuco, la probabilidad de que llueva el primero de Julio es 0.5. Si llueve el día 1 de Julio, la probabilidad que llueva al día siguiente es 0.8. ¿Cuál es la probabilidad que llueva los dos primeros días de Julio?
4.05.08.0)()/()(
:
:
:
11221
21
2
1
JPJJPJJP
JJ
J
J
adprobabilid tiene Julio". de 2 y 1 día el Llueve" evento el Entonces
Julio" de 2 día el llueve"
Julio" de 1 día el llueve"
:eventos los Sean
Ejemplo:
Una caja contiene dos bolas blancas y tres negras. Una bola se selecciona al azar y enseguida se extrae la otra de las restantes. ¿Cuál es la probabilidad que la primera sea negra y la segunda blanca?. ¿Cuál es la probabilidad que la segunda sea blanca?
Definimos los siguientes eventos:
A: “la primera bola es negra”
B: “la segunda bola es blanca”
Tenemos entonces que P(A)=3/5 y la segunda extracción depende de lo que haya sucedido en la primera extracción. Si la primera fue negra, restan dos blancas y dos negras para la segunda extracción. Así, de acuerdo a nuestra notación P(B/A)=2/4 y luego
P(A∩B) = P(B/A)P(A) = 2/4 x 3/5 = 3/10
Para la segunda pregunta, notemos que B = (A∩B) U (Ac∩B) y por Ax.3
P(B) = P(A∩B) + P(Ac∩B) = 2/4 x 3/5 + 1/4 x 2/5 = 2/5
Ejemplo: Tarea
Una caja de fusibles contiene 20 unidades, de los cuales 5 son defectuosas. Si tres de estos fusibles son tomados al azar, en sucesión y sin reemplazo.
a)¿Cuál es la probabilidad de que los tres sean defectuosos?
b) Si en cada uno de las dos primeras se extrajo un defectuoso, ¿cuál es la probabilidad de que el tercero extraído sea bueno?.
c)Si los dos primeros estaban buenos, ¿Cuál es la probabilidad de que el tercero extraído sea defectuoso?
d)¿Cuál es la probabilidad que los dos primeros sean buenos y el tercero defectuoso?
Considerando los siguientes eventos:
A = El primer fusible extraído es defectuoso.
B = El segundo fusible extraído es defectuoso.
C = El tercer fusible extraído es defectuoso. …
… Del enunciado tenemos P(A) = 5/20, P(B/A) = 4/19 y P(C /A∩B) = 3/18
Para (a) notemos que la probabilidad que los tres sean defectuosos corresponde a la probabilidad de la intersección de los sucesos recién definidos; esto es. P(A∩B∩C), aplicando la regla del producto y reemplazando los valores correspondientes tenemos
P(A∩B∩C) = P(C /A∩B) P(B/A) P(A) = 3/18 x 4/19 x 5/20 = 0.0087
La pregunta (b) es una probabilidad condicional y corresponde a:
P(Cc /A∩B) = 1 – P(C /A∩B) = 1 – 3/18 = 15/18 = 0.83
Para la parte (c) tenemos que:
P(C / Ac ∩ Bc) = 5/18 = 0.277
Finalmente, la probabilidad de que los primeros sean buenos y el tercero defectuoso está dada por
P(Ac ∩ Bc ∩ Cc) = P(C / Ac ∩ Bc) P(Bc /Ac) P(Ac) = 0.15
Divide y vencerás
A1 A2
A3 A4
B
Todo suceso B, puede ser descompuesto en componentes de dicho sistema.
B = (B∩A1) U (B∩A2 ) U ( B∩A3 ) U ( B∩A4 )
Nos permite descomponer el problema B en subproblemas más simples.
Teorema de la probabilidad total
A1 A2
A3 A4
B
Si conocemos la probabilidad de B en cada uno de los componentes de un sistema exhaustivo y excluyente de sucesos, entonces…
… podemos calcular la probabilidad de B.
P(B) = P(B∩A1) + P(B∩A2 ) + P( B∩A3 ) + ( B∩A4 )
=P(B|A1) P(A1) + P(B|A2) P(A2) + …
kiAEPAP
AEPAPEAP
AEPAPEP
E
jiAAA
AAA
k
jjj
iii
k
iii
jii
k
i
k
,1,)/()(
)/()()/(
)/()()(
.
,,,
1
1
1
21
tiene se 1.4 Teorema del scondicione mismas las Bajo
Bayes) (de
:tiene se
evento cualquier para Entonces y decir, es
, de partición una forman eventos los que Supongamos
total). adprobabilid la (de
1.5. Teorema
1.4. Teorema
Ejemplo: En este aula el 70% de los alumnos son varones. De ellos el 10% son fumadores. De las mujeres, son fumadoras el 20%.
• ¿Qué porcentaje de fumadores hay en total?– P(F) = P(F∩H) + P(F∩M)
= P(F|M) P(M) + P(F|H) P(H)
=0,2 x 0,3 + 0,1 x 0,7
= 0,13 =13%
• ¿Se elige a un individuo al azar y resultafumador. ¿Cuál es la probabilidad de que sea un hombre?
– P(H|F) = P(F ∩ H)/P(F)
= P(F|H) P(H) / P(F)
= 0,1 x 0,7 / 0,13
= 0,54 = 54%
MujeresVarones
fumadores
T. Prob. Total.Hombres y mujeres formanUn Sist. Exh. Excl.De sucesos
T. Bayes
Expresión del problema en forma de árbol
Estudiante
Mujer
No fumaHombre
Fuma
No fuma
Fuma
0,7
0,1
0,20,3
0,8
0,9
P(F) = 0,7 x 0,1 + 0,3x0,2
P(H | F) = 0,1x0,7/P(F)
•Los caminos a través de nodos representan intersecciones.
•Las bifurcaciones representan uniones disjuntas.
•Podéis resolver los problemasusando la técnica de vuestrapreferencia.
Teorema de Bayes
A1 A2
A3 A4
B
Si conocemos la probabilidad de B en cada uno de los componentes de un sistema exhaustivo y excluyente de sucesos, entonces…
…si ocurre B, podemos calcular la probabilidad (a posteriori) de ocurrencia de cada Ai.
donde P(B) se puede calcular usando el teorema de la probabilidad total:
P(B)=P(B∩A1) + P(B∩A2 ) + P( B∩A3 ) + ( B∩A4 )
=P(B|A1) P(A1) + P(B|A2) P(A2) + …
P(B)
Ai) P(B B)|P(Ai
AEPAP
AEPAPEAP
k
jjj
iii
)/()(
)/()()/(
1
tiene se 1.4 Teorema del condiciones mismas las Bajo
Bayes) (de 1.5. Teorema
Ejemplo
El gerente de una empresa regional dispone de dos autos; uno
proporcionado por la empresa y el otro de su propiedad. La probabilidad
que utilice su auto es 2/5 y la probabilidad que utilice el auto de la empresa
es 3/5. Además se sabe que el gerente llega a tiempo a las reuniones de la
empresa con probabilidad de 1/5 y que se utiliza el auto de la empresa, la
probabilidad de llegar a tiempo a esas reuniones es 1/4. ¿Cuál es la
probabilidad que llegue a tiempo a una reunión dado que utilizó su propio
auto?. Dado que el gerente llegó a tiempo a la reunión, ¿Cuál es la
probabilidad que haya utilizado el auto de la empresa?
Definamos los siguientes eventos:
A: “el gerente utiliza auto propio”.
B: “el gerente utiliza auto proporcionado por la empresa”.
C: “el gerente llega a tiempo a las reuniones”. …
… Tenemos entonces de acuerdo al enunciado que: P(A) = 2/5, P(B)=3/5,
P(C) = 1/5 y P(C/B) = 1/4
La primera pregunta corresponde a P(C/A). Del teorema de la probabilidad
total tenemos
P(C) = P(C /A) P(A) + P(C/B) P(B), de donde
P(C /A) = [P(C) – P(C/B)P(B)] / P(A) = [1/5 – (1/4 x 3/5)] / (2/5) =
1/8
La segunda corresponde a P( B/C) y es una aplicación directa del teorema
de Bayes. En efecto:
P(B/C) = [P(C/B) P(B)] / [P(C/B) P(B) + P(C/A) P(A)
= [1/4 x 3/5] / [(1/4 x 3/5) + (1/8 x 2/5)] = 3/4
Dos sucesos son independientes si el que ocurra uno
no añade información sobre el otro. En lenguaje probabilístico:
– A indep. B P(A|B) = P(A)
• Dicho de otra forma:
– A indep. B P(AB) = P(A) P(B)
Sistema exhaustivo y excluyente de sucesos
A1 A2
A3 A4
Son una colección de sucesos
A1, A2, A3, A4…
Tales que la unión de todos ellos forman el espacio muestral, y sus intersecciones son disjuntas.
Ejemplo
Sean A y B dos sucesos independientes, entonces A y Bc son
independientes. En efecto:
)()(
)](1)[(
)()()(
)()()(
c
c
BPAP
BPAP
BPAPAP
BAPAPBAP
Así, de acuerdo a la definición de independencia entre eventos, A y Bc son independientes.
Ejemplo
La probabilidad que un estudiante estudie para un examen final
es 0.20. Si estudia, la probabilidad de que apruebe el examen es
0.80 en tanto que si no estudia, la probabilidad es de sólo 0.50.
¿Cuál es la probabilidad que dicho estudiante apruebe su
examen final?. Dado que aprobó su examen, ¿Cuál es la
probabilidad que él haya estudiado?.
Consideremos los siguientes eventos:
A: “el estudiante estudia para el examen”.
B: “el estudiante aprueba el examen”. …
… Del enunciado tenemos que: P(A) = 0.20, P(B/A)=0.80, P(B/Ac)
= 0.50. La primera pregunta corresponde a la probabilidad de que B
ocurra; esto es:
P(B) = P(B /A) P(A) + P(B/Ac) P(Ac) = 0.56
reemplazando los valores correspondientes. Notemos que los
eventos A y B no son independientes.
Por otra parte, la probabilidad que el estudiante haya estudiado,
dado que aprobó su examen esta dada por:
P(A/B) = P(A∩B) / P(B) = P(B/A)P(A) / P(B) = (0.8 x 0.2) / 0.56 = 0.286
Ejemplo
Se extrae una carta al azar de un juego de naipes de 52 cartas. Dado que la carta extraída es un “mono”, nos interesa determinar la probabilidad que dicha carta sea de “corazón”.
Consideremos los eventos:
A: “la carta extraída es de corazón”
B: “la carta extraída es un mono”
En términos probabilísticos, la pregunta corresponde a la probabilidad condicional de A dado B así:
ntes.independie son mono""y
corazón"" eventos los y que lo por )()/(,25.052/13)(
25.04
1
52/12
52/3
)(
)()/(
APBAPAP
BP
BAPBAP
Ejemplo
Se usa un interruptor para cortar un flujo cuando este alcanza un cierto nivel de profundidad en un estanque. La confiabilidad del interruptor (probabilidad que trabaje cuando debe) se supone de 0.9. Un segundo tipo de interruptor es puesto en paralelo y su confiabilidad es 0.7. Los interruptores trabajan en forma independiente.
a)¿Cuál es la confiabilidad de la combinación de los interruptores?
b)¿Cuál es la probabilidad, que cuando el flujo alcance el nivel de profundidad sólo trabaje el primer interruptor?
c)¿Cuál es la probabilidad que cuando se alcance el nivel, sólo uno de los interruptores trabaje?
Considerando los siguientes eventos:
A1 = “Primer interruptor trabaja”.
A2 = “Segundo interruptor trabaja”. …
a) La confiabilidad del sistema está dada por la probabilidad del evento “al menos uno de los dos interruptores trabaja”, que corresponde a la probabilidad del evento A1 U A2
97.07.09.07.09.0
)()()()(
)()()()(
2121
212121
APAPAPAP
AAPAPAPAAP
b) Se debe determinar la probabilidad de A1 ∩ A2c, que corresponde al
evento que el interruptor 1 trabaje y el 2 no.
27.0)](1)[()()()( 212121 APAPAPAPAAP cc
c) Definamos los eventos:
A: “Sólo trabaja el interruptor 1” = A1 ∩ A2c
B: “Sólo trabaja el interruptor 2” = A1c ∩ A2
34.07.01.03.09.0
)()()()()( 2121
AAPAAPBPAPBAP cc