Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
Curso: Probabilidades Capı́tulo 2, Secciones 4 y 5: Probabilidad condicional, Independencia Material docente en preparación (Fuente: Texto de J. Devore) Facultad de Ciencias Económicas y Empresariales Universidad de los Andes April 21, 2021 c©Todo el contenido bajo protección de derecho de autor. 1 / 24 Capı́tulo 2 Sección 2.4 Probabilidad Condicional Motivación: probabilidad de aprobar el curso Ejemplo 2.24 (modificado) Definición: probabilidad condicional Ejemplo 2.25 Ejemplo 2.26 Regla de Multiplicación para P(A ∩ B) Ejemplo 2.27 Ejemplo 2.28 Teorema de Bayes Definición de Partición Ley de Probabilidad Total Teorema de Bayes Devore: Ejercicios 45-47, pp 74 - 76 2 / 24 Capı́tulo 2 Sección 2.4 Probabilidad Condicional Motivación: probabilidad de aprobar el curso (ejemplo con datos hipotéticos) Sea A = “Andrés Kolmogorov (AK) aprueba Probabilidades” Resultados pasados sugieren que P(A) = 0.7 Sea T1 =“un alumno obtiene nota ≥ 5.5 en la prueba 1” Resultados pasados sugieren que P(T1) = 0.2. Información nueva: AK obtiene 5.5 o más en su prueba 1. Con este nuevo resultado . . . ¿cuál es la probabilidad que AK apruebe Probabilidades? Notación: actualización de la probabilidad de A a la luz de nueva información: occurrencia del evento T1 P(A|T1) = “probabilidad condicional de A dado T1” o “probabilidad que A ocurra dado que T1 ocurre (hipotéticamente)” 3 / 24 Capı́tulo 2 Sección 2.4 Probabilidad Condicional Ejemplo 2.24 (modificado) (ejemplo con datos hipotéticos) A = “alumno aprueba Probabilidades” T1 = “un alumno obtiene nota ≥ 5.5 en la prueba 1” T1 T c1 Recuento marginal (filas) A 15 55 70 Ac 5 25 30 Recuento marginal (col) 20 80 100 Use frecuencias relativas como probabilidades: P(A) = 70/100 = 0.7 P(A|T1) = 15/20 = 15/10020/100 = P(A∩T1) P(T1) Esta ecuación motiva la definición de probabilidad condicional. 4 / 24 Capı́tulo 2 Sección 2.4 Probabilidad Condicional Figura 2.8 I Interesa P(A) (p. ej la probabilidad que un dardo alcance la región A) I P(A) es una probabilidad relativa a S. I Considere la siguiente situación: después del lanzamiento, usted no sabe si el dardo alcanzó A, pero recibe la información que sı́ alcanzó B. Con la información nueva, la probabilidad que el dardo alcance A cambia. I La hipótesis que B ocurre restringe el espacio muestral: de S a B. 5 / 24 Capı́tulo 2 Sección 2.4 Probabilidad Condicional Figura 2.8 I En este nuevo espacio muestral (B), la ocurrencia de A es la ocurrencia de A ∩ B. Ası́, P(A|B) es el valor de P(A ∩ B) relativo a P(B). 6 / 24 Capı́tulo 2 Sección 2.4 Probabilidad Condicional Definición: probabilidad condicional Para dos eventos cualesquiera A,B ⊂ S, con P(B) > 0, la probabilidad condicional de A dado B es, P(A|B) = P(A ∩ B) P(B) . Ejemplo 2.25 Compras de cámara y accesorios (estudio individual) 7 / 24 Capı́tulo 2 Sección 2.4 Probabilidad Condicional Ejemplo 2.26 Una revista de noticias publica tres columnas tituladas “Arte”(A), “Libros” (B) y “Cine” (C). Los hábitos de lectura de un lector seleccionado al azar con respecto a estas columnas son, Lee regular- A B C A ∩ B A ∩ C B ∩ C A ∩ B ∩ C mente Probabilidad 0.14 0.23 0.37 0.08 0.09 0.13 0.05 Probabilidades relevantes: Figura 2.9 P(A|B) = P(A|B ∪ C) = P(A|Lector lee al menos una col.) = P(A ∪ B|C) = 8 / 24 Capı́tulo 2 Sección 2.4 Probabilidad Condicional Regla de multiplicación para P(A ∩ B) P(A ∩ B) = P(A|B)× P(B) Nota: por simetrı́a, P(A ∩ B) = P(B|A)× P(A) 9 / 24 Capı́tulo 2 Sección 2.4 Probabilidad Condicional Ejemplo 2.27 Cuatro individuos han respondido a una solicitud de un banco de sangre para donaciones de sangre. Ninguno de ellos ha donado antes, por lo que sus tipos de sangre son desconocidos. Suponga que sólo se desea el tipo O+, y sólo uno de los cuatro tiene ese tipo. Usted selecciona los donantes en orden aleatorio para determinar su tipo de sangre, ¿cuál es la probabilidad que por los menos tres individuos tengan que ser examinados para determinar su tipo de sangre y obtener el tipo deseado? Solución Sea Ii = “la sangre del individuo i es de tipo O+,” i = 1,2,3,4 Note que los eventos Ii , i = 1,2,3,4, son disjuntos dos a dos y, su unión es S (se dice que son exhaustivos) El problema pide P(I3 ∪ I4). 10 / 24 Capı́tulo 2 Sección 2.4 Probabilidad Condicional Ejemplo 2.27 (cont.) P(I3 ∪ I4) = P((I1 ∪ I2)c) = P(Ic1 ∩ I c 2) (por DeMorgan) P(Ic1 ∩ I c 2) = P(I c 2 |I c 1)× P(I c 1) (regla de multiplicación) Pero P(Ic1) = 3/4, y P(I c 2 |I c 1) = 2/3, luego, P(Ic1 ∩ I c 2) = (2/3)× (3/4) = 6/12 = 0.5 � Ejemplo 2.28 Cont. Ejemplo 2.27 (Estudio individual) Ejemplo 2.29 Reproductores DVD (Estudio individual) 11 / 24 Capı́tulo 2 Sección 2.4 Probabilidad Condicional / Teorema de Bayes Definición preliminar Definición: Partición de S en n eventos Sea k > 1 entero y sean A1,A2, . . . ,Ak , eventos en S tales que, a) Ai ∩ Aj = φ, para i 6= j , i , j = 1, . . . , k , (e.d. todos los pares de eventos Ai y Aj , con i 6= j , i , j = 1, . . . , k , son mutuamente excluyentes) b) A1 ∪ A2 ∪ . . . ∪ Ak = S En tal caso se dice que P = {A1,A2, . . . ,Ak} es una partición de S Nota: también se dice que los eventos A1, . . . ,Ak son mutuamente excluyentes y exhaustivos en S. 12 / 24 Capı́tulo 2 Sección 2.4 Probabilidad Condicional / Teorema de Bayes Figura 2.11: Partición de B. Nota: una partición de S induce una partición en B, B ⊂ S. Ley de probabilidad total (Teorema de probabilidad total) Sea P = {A1,A2, . . . ,Ak} una partición de S. Para cualquier evento B ⊂ S, P(B) = P(B|A1)P(A1) + · · ·+ P(B|Ak )P(Ak ) = k∑ i=1 P(B|Ai)P(Ai) Demostración 13 / 24 Capı́tulo 2 Sección 2.4 Probabilidad Condicional / Teorema de Bayes Ejemplo: Moneda honesta, dado cargado Usted lanza una moneda honesta • Si observa C, entonces usted lanza un dado cargado con P({6}) = 0.5, y P({i}) = 0.1, i = 1, . . . ,5. • Si observa S, entonces usted lanza un dado honesto. Calcule la probabilidad de observar “chancho seis” Solución (con la notación del Teorema de Probabilidad Total): Eventos de la partición (primera etapa): A1 = “la moneda arroja C”. P(A1) = 1/2 A2 = “la moneda arroja S”. P(A2) = 1/2 Evento de la segunda etapa (evento de interés): B = usted observa “chacho 6” en el dado P(B) =? 14 / 24 Capı́tulo 2 Sección 2.4 Probabilidad Condicional / Teorema de Bayes Teorema de Bayes Sea P = {A1,A2, . . . ,Ak} una partición de S. Entonces para cualquier evento B ⊂ S, tal que P(B) > 0, P(Aj |B) = P(Aj ∩ B) P(B) = P(B|Aj)P(Aj)∑k i=1 P(B|Ai)P(Ai) , j = 1, . . . , k . Notas: Las probabilidades P(Ai), i = 1, . . . , k , a menudo se llaman previas, iniciales, o a-priori, y Las probabilidades P(Ai |B), i = 1, . . . , k , llaman finales o a-posteriori. Demostración 15 / 24 Capı́tulo 2 Sección 2.4 Probabilidad Condicional / Teorema de Bayes Ejemplo (cont.): Moneda honesta, dado cargado Pericles lanza una moneda honesta • Si observa C, Pericles lanza un dado cargado con P({6}) = 0.5, y P({i}) = 0.1, i = 1 : 5. • Si observa S, Pericles lanza un dado honesto. Pericles lanza el dado. Ud. observa “chancho seis”, pero no observa el resultado del lanzamiento de la moneda. Calcule la probabilidad que Pericles observó C. Solución: A1 = “Pericles observa C”, con probabilidad inicial (a priori): P(A1) = 1/2 A2 = “Pericles observa S” , con probabilidad inicial (a priori): P(A2) = 1/2 B = usted observa “chacho 6” en el dado. El problema es calcular P(A1|B) 16 / 24 Capı́tulo 2 Sección 2.4 Probabilidad Condicional / Teorema de Bayes Ejemplo 2.30 Incidencia de una enfermedad rara (Estudio individual) Ejercicios 45-67, pp 74-76 Hacerlos !!! 17 / 24 Capı́tulo 2 Sección 2.5 Independencia Motivación Definición: Independencia de dos eventos Ejemplo 2.31 Ejemplo 2.32 Regla de Multiplicación para P(A ∩ B), con A y B indep. Ejemplo 2.33 Ejemplo 2.34 Independencia de n eventos, n > 2. Definición Ejemplo 2.35 Devore: Ejercicios 70-89, pp 80- 82 Devore: Ejercicios Suplementarios 90-114, pp 82 - 84 18 / 24 Capı́tulo 2 Sección 2.5 Independencia Motivación: considere los dos escenarios siguientes Escenario 1: Usted lanza una moneda con P(C) = 1/3. Luego lanza un dado tal que P(N6) = 1/12, donde, N6 = el dado muestra ”chancho seis” Compare P(N6|C) con P(N6) Escenario 2: Usted lanza una moneda con P(C) = 1/3. Si ocurre C, usted lanza un dado tal que P(N6) = 1/12, Si ocurre S, usted lanza un dado tal que P(N6) = 3/12. Compare P(N6|C) con P(N6) P(N6) = P(N6|C)× P(C) + P(N6|S)× P(S) = 112 × 1 3 + 3 12 × 2 3 = 7 36 = 7/3 12 . Conclusión: P(N6|C) = 1/12 6= P(N6) Moraleja: ? 19 / 24 Capı́tulo 2 Sección 2.5 Independencia Definición Sean A y B dos eventos tales que P(B) > 0. A y B se dicen (estocásticamente) independientes si y solo si P(A|B) = P(A). Resultado Sean A y B dos eventos tales que P(A) > 0 y P(B) > 0, entonces, A y B son independientes si y solo si B y A son independientes. 20 / 24 Capı́tulo 2 Sección 2.5 Independencia Resultado Si A y B son independientes entonces, 1) Ac y B son independientes 2) A y Bc son independientes 3) Ac y Bc son independientes Demostración 21 / 24 Capı́tulo 2 Sección 2.5 Independencia Ejemplo 2.31 Estación de servicio con seis bombas (Estudio individual) Ejemplo 2.32 (Perspicaz) Sean A y B dos eventos excluyentes con P(A) > 0. (Por ejemplo, para un automóvil seleccionado al azar, con A = el automóvil tiene cuatro cilindros, y B = el automóvil tiene seis cilindros.) Como A y B son mutuamente excluyentes, si B ocurre, entonces A no ocurre, de tal manera que P(A|B) = 0 < P(A). Conclusión: si dos eventos son mutuamente excluyentes, entonces no son independientes. 22 / 24 Capı́tulo 2 Sección 2.5 Independencia Regla de Multiplicación para P(A ∩ B), con A y B indep. Proposición A y B son mutuamente independientes si y sólo si, P(A ∩ B) = P(A)× P(B). Ejemplo 2.33 El 30% de las lavadoras SnG requieren servicio durante el periodo de garantı́a. El 40% de las secadoras SnG necesitan dicho servicio. Sang-Ho compra una lavadora y secadora fabricadas por SnG. 1. ¿Cuál es la probabilidad que ambas máquinas requieran servicio de garantı́a? 2. Calcule la probabilidad que ninguna máquina requiera servicio de garantı́a. 23 / 24 Capı́tulo 2 Sección 2.5 Independencia Solución Defina los eventos: L = Lavadora requiere servicio de garantı́a S = Secadora requiere servicio de garantı́a 1. P(L ∩ S) =? 2. Camino largo: P(Lc ∩ Sc) = P((L ∪ S)c) (por De Morgan) = 1− P(L ∪ S) = 1− (P(L) + P(S)− P(L ∩ S)) = 1− (P(L) + P(S)− P(L)× P(S)) = . . . Camino corto: Use el Resultado, Si A y B son indep. entonces Ac y Bc son indep. P(Lc ∩ Sc) =? Ejemplo 2.34 Inspección de lotes (¡ E s T u D i A r !) 24 / 24
Compartir