Vista previa del material en texto
B={1, 5} C={1, 6} L= {obtener un número impar} = {1, 3, 5}={x / x es número impar} .. . Los eventos elementales son: R1= {1}, R2={2}, R3= {3}, R4={4}, R5={5} y R6={6} Si realizamos el experimento de lanzar el dado: Opbtenemos COMO RESULTADO Entonces diremos que 1 El evento A no ocurre; El evento C ocurre; Ocurre el evento L y el evento C 2 3 4 No ocurre el evento L 5 6 **OCURRENCIA DE UN EVENTO Un evento A ocurre, si y solo si, el resultado que se obtiene al realizar el experimento aleatorio es una posibilidad asociada al evento. EVENTOS ESPECIALES: se le llama el evento SEGURO, porque siempre ocurre = { }: se le llama evento IMPOSIBLE, porque nunca ocurre Definición Dos eventos A y B son mutuamente excluyentes si estos no ocurren al mismo tiempo. Esto o expresamos de la siguiente manera AB= , es decir, la intersección de A y B es el conjunto vacío. *EVENTOS COMPUESTOS: Sean A y B eventos arbitrarios. Diremos que el evento (Evento A unión B) A B ocurre, si y solo si, ocurre el evento A o ocurre el evento B Universidad de Sonora Probabilidad y estadística ESPACIOS DE PROBABILIDAD Como se estudió en la sección anterior, una característica básica del concepto de experimento aleatorio es que al realizarlo no podemos afirmar cual será el resultado que se obtendrá, es decir, no podemos decir si un evento particular A, ocurrirá ó no ocurrirá. Por esta razón resulta muy importante asociar un número p que mida la posibilidad de ocurrencia del evento A. Esto nos conduce de alguna manera a la teoría de probabilidad, algunos enfoques son los siguientes. ENFOQUES DE LA PROBABILIDAD I. ENFOQUE FRECUENTISTA DE LA PROBABILIDAD Definición Sea ℰ un experimento aleatorio y 𝐴 un evento arbitrario relativo al experimento. Supóngase que se efectúan "𝑛" repeticiones del experimento y sea 𝑓𝐴 el número de veces que ocurre A en las "𝑛" observaciones del experimento, definimos la Frecuencia Relativa de 𝐴, que denotamos 𝑃𝐴 , como: 𝑃𝐴 = 𝑓𝐴 𝑛 (𝑓�̃� 𝑒𝑠 𝑙𝑎 𝑓𝑟𝑒𝑐𝑢𝑒𝑛𝑐𝑖𝑎 𝑟𝑒𝑙𝑎𝑡𝑖𝑣𝑎 𝑑𝑒 𝑐𝑙𝑎𝑠𝑒) Propiedades: 1. 0 ≤ 𝑃𝐴 ≤ 1 2. 𝑃𝐴 = 1, si y solo si, 𝐴 siempre ocurre. 3. 𝑃𝐴 = 0, si y solo si, 𝐴 nunca ocurre. 4. Si 𝐴 y 𝐵 son eventos mutuamente excluyentes (o ajenos), entonces 𝑃𝐴∪𝐵 = 𝑃𝐴 + 𝑃𝐵. 5. 𝑃𝐴 basada en "𝑛" repeticiones del experimento y considerada como función de "𝑛", “converge” en cierto sentido probabilístico a un número real constante denominado Probabilidad de 𝐴, 𝑃(𝐴), cuando 𝑛 → ∞. (Ley de los Grandes Números). Problema 1 (10 puntos) “Regularidad Estadística” Realizar 100 lanzamientos de una moneda y registrar los resultados obtenidos y en cada resultado determinar el valor de la Frecuencia Relativa 𝑷𝑨 = 𝒇𝑨 𝒏 y realizar el polígono de frecuencias relativas correspondiente, donde A= {a} Se entregará el miércoles 23 de febrero II. ENFOQUE AXIOMÁTICO DE LA PROBABILIDAD Definición Sea 𝓔 un experimento aleatorio y Ω el espacio muestral correspondiente. Con cada evento 𝑨 asociamos un número real, denotado por 𝑷(𝑨) y llamado Probabilidad de A, el cual satisface las siguientes propiedades: 1. 0 ≤ 𝑃(𝐴) ≤ 1 2. 𝑃(Ω) = 1. 3. Si 𝐴 y 𝐵 son eventos mutuamente excluyentes (o ajenos), entonces 𝑃(𝐴 ∪ 𝐵) = 𝑃(𝐴) + 𝑃(𝐵). 4. Si nAAA ,....,, 21 ,...... son eventos mutuamente excluyentes dos a dos , entonces 𝑃(⋃ 𝐴𝑖) ∞ 𝑖=1 = ∑ 𝑃(𝐴𝑖) ∞ 𝑖=𝐼 Observación: De la propiedad 3, se deduce que para cualquier "𝑛" finito 𝑃(⋃ 𝐴𝑖) 𝑛 𝑖=1 = ∑ 𝑃(𝐴𝑖) 𝑛 𝑖=𝐼 Del enfoque axiomático se desprenden algunos teoremas importantes que nos permitirán calcular probabilidades con respecto a algunos eventos a pesar de no contar aún con una definición formal del concepto de probabilidad de un evento. TEOREMAS: 1. Si es el conjunto vacío, un evento imposible, entonces 0)( =P 2. Para todo evento A se tiene que 1)()( =+ CAPAP Demostración: Sea A un evento arbitrario, observemos que: a) AUAC = Ω b) A AC = , los eventos A y AC son mutuamente excluyentes Del inciso a) concluimos que P(AUAC ) = P(Ω) Si aplicamos la Prop, 3 del Enf. Axio.. en el lado izquierdo de la igualdad anterior, tenemos P(AUAC ) = P(A) +P(AC) = P(Ω) = 1 ➔ P(A) +P(AC) = 1 Ejemplos: P(A) = 0.92 ➔ P(AC) =0.08 P(RC) = 0.80 ➔ P(R) = 0.20 P(S) = 0.45 ➔ P(SC) = 0.55 P(M) = 0.37 ➔ P(NC) = Sabe 3. Si A y B son eventos arbitrarios, entonces 𝑃 (𝐴 ∩ 𝐵𝐶) = 𝑃(𝐴) − 𝑃(𝐴 ∩ 𝐵) 𝑃 (𝐴 ∩ 𝐵𝐶) = 𝑃(𝐴) - 𝑃(𝐴 ∩ 𝐵) 𝑆𝑖 𝑃(𝐴) = 0.75 𝑦 𝑃(𝐴 ∩ 𝐵) = 0.60, 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑃(𝐴 ∩ 𝐵𝐶) = 0.75 − 0.60 = 0.15 4. Si A y B son eventos arbitrarios, entonces 𝑃 (𝐴 ∪ 𝐵) = 𝑃(𝐴) + 𝑃(𝐵) − 𝑃(𝐴 ∩ 𝐵) 𝑃 (𝐴 ∪ 𝐵) = 𝑃(𝐴) + 𝑃(𝐵) - 𝑃(𝐴 ∩ 𝐵 𝑃(𝐴 ∪ 𝐵) = 𝑃(𝐴) + 𝑃(𝐵 ∩ 𝐴𝐶) 𝑃(𝐴 ∪ 𝐵) = 𝑃(𝐵) + 𝑃(𝐴 ∩ 𝐵𝐶) 5. Si A, B y C son eventos arbitrarios, entonces )()()()()()()()( CBAPCBPCAPBAPCPBPAPCBAP +−−−++= Ejemplo: Sean A y B eventos arbitrarios, tales que P(A)= 0.33, P(B)= 0.50 y P(AB)= 0.20. Calcular las siguientes probabilidades: P(A)= 0.33 P(B)= 0.50 P(AB)= 0.20 a. P(AC) = 1 - P(A) = 1 - 0.33 = 0.67 b. 𝑃(𝐴 ∪ 𝐵) = P(A) + P(B) − P(AB) = 0.33 + 0.50 − 0.20 = 0.63 c. P(ABC) = 𝑃(𝐴 ∪ 𝐵) − 𝑃(𝐵) = 0.63 − 0.50 = 0.13 P(ABC) = P(A) - P(AB) = 0.33 – 0.20 = 0.13 d. P(ACBC) = 1 – P(AB) = 1 – 0.63 =0.37 P[(AB)C] = P(ACBC) e. P(ACBC) = 1 – P(AB) = 1 – 0.20 = 0.80 P[(AB)C] = P(ACBC) f. P(ABC) = P(A) + P(ACBC) = 0.33 + 0.37 = 0.70 Otro Ejemplo: Sean A y B eventos arbitrarios, tales que P(AUB)= 0.75, P(A)= 0.50 y P(BC)= 0. 25. Determine las probabilidades de los siguientes eventos: RECOMENDACIÓN: interpreter las probabilidades mediante un diagram de Venn: P(AUB)= 0.75, P(A)= 0.50 y P(BC)= 0. 25 a. P(B) = 1 – P(BC) = 1 – 0.25 = 0.75 b. P(AC) = 1 – P(A) = 1 – 0.50 = 0.50 c. P(AB) = P(A) + P(B) - P(AB) = 0.50 + 0.75 – 0.75 = 0.50 P(AB) = P(A) – P(ABC) P(AB) = P(B) – P(BAC) d. P(AC BC) = 1 - P(AB) = 1- 0.75 = 0.25 Otro Ejemplo: Se selecciona al azar una familia que posee dos automóviles. Sea A = {el automóvil más viejo es americano}, B = {el automóvil más nuevo es americano}. Si P(A)=0.7, P(B)=0.5 y P(AB)=0.4, calcule las probabilidades de que: P(A)=0.7 P(B)=0.5 P(AB)=0.4 a. al menos un automóvil sea americano: El auto más viejo o el más nuevo es americano: 𝑃(𝐴 ∪ 𝐵) = P(A) + P(B) − P(AB) = 0.7 + 0.5 − 0.4 = 0.8 b. ninguno de los automóviles sea americano: El auto más viejo no es americano y El auto más nuevo no es americano: 𝐴𝐶 ∩ 𝐵𝐶 𝑃(𝐴𝐶 ∩ 𝐵𝐶 ) = 1 − 𝑃(𝐴 ∪ 𝐵) = 1 − 0.8 = 0.2 c. exactamente uno de los dos automóviles sea americano: Solamente el auto más viejo es Ame ó Solamente el auto más Nvo es Ame El viejo es Ame y el Nvo no es Ame ó El Nvo es Ame y el viejo no es Ame (𝐴 ∩ 𝐵𝐶) ∪ (𝐵 ∩ 𝐴𝐶) 𝑃[(𝐴 ∩ 𝐵𝐶) ∪ (𝐵 ∩ 𝐴𝐶)] = 𝑃(𝐴 ∪ 𝐵) − P(AB) = 0.8 − 0.4 = 0.4 𝑃[(𝐴 ∩ 𝐵𝐶) ∪ (𝐵 ∩ 𝐴𝐶)] = 𝑃(𝐴 ∩ 𝐵𝐶) + 𝑃(𝐵 ∩ 𝐴𝐶) ESPACIO DE PROBABILIDAD Un espacio de probabilidad es un triplete (Ω, F, P), donde: 1. Ω es un conjunto no vacío llamado espacio muestral. 2. F es la familia de todos los subconjuntos de Ω. 3. P es una medida de probabilidad sobre F, es decir, P: F → [0, 1] Falta definir la función P ESPACIO DE PROBABILIDAD FINITO Diremos que (Ω, F, P), es finito si Ω es un conjunto finito. ESPACIO DE PROBABILIDAD EQUIPROBABLE Diremos que el Espacio de Probabilidad Finito (Ω, F, P), es Equiprobable si cada posibilidad Ωtiene la misma probabilidad de ocurrir. Bajo el supuesto anterior, observemos que: Si Ω = {x1, x2, ………, xn} #( Ω) = n y definimos a los eventos elementales: Ai ={xi} para toda i=1, 2, 3, ….n A1 ={x1}; A2 ={x2}; …… An ={xn}, diremos que (Ω, F, P) es un espacio de probabilidad equiprobable si P(A1) = P(A2) =…….= P(An) = 1/n Justufucación: Ω = A1UA2UA3U……UAn ➔ P(Ω) = P(A1UA2UA3U……UAn)= P(A1)+P(A2)+…+P(An) ➔ P(Ω) = P(A1)+P(A2)+…+P(An)= 1 ➔ p + p+ ….. + p = 1 np=1, por lo tanto p = 1/n Con base en lo anterior Si tenemos el evento A = {x3, x6, x8, x12} #(A) = 4, entonces A = A3UA6UA8UA12, es importante observar que los eventos A3, A6, A8 y A12 son mutuamente excluyentes, además P(A) = P(A3UA6UA8UA12) = P(A3) +P(A6)+P(A8)+ P(A12) =1/n + 1/n+1/n+ 1/n = 4/n 𝑃(𝐴) = 4 𝑛 = #(𝐴) #(Ω) DEFINICIÓN CLÁSICA DE PROBABILIDAD (Modelo Clásico de Laplace) Dado (Ω, F, P), un Espacio de Probabilidad Equiprobable. Para todo evento A arbitrario definimos: Lo cual denotamos: 𝑃(𝐴) = #(𝐴) #(Ω) Observaciones: 𝑷(𝑨 ∪ 𝑩) = #(𝑨∪𝑩) #(Ω) ; 𝑷(𝑨 ∩ 𝑩) = #(𝑨∩𝑩) #(Ω) ; 𝑷(𝑨𝑪 ∪ 𝑩𝑪) = #(𝑨𝑪∪𝑩𝑪) #(Ω) ……….> ➢ Un grupo está compuesto por 20 mujeres y 15 hombres. Si se selecciona una persona, determine la probabilidad de que se mujer. ℇ: "𝑺𝒆𝒍𝒆𝒄𝒄𝒊𝒐𝒏𝒂𝒓 𝒂 𝒖𝒏𝒂 𝒑𝒆𝒓𝒔𝒐𝒏𝒂" Ω = {𝑚1, 𝑚2, 𝑚3, … . , 𝑚20, ℎ1, ℎ2, , … . . , ℎ15} Ω = {h, m} ➔ #(Ω) = 35 A = {La persona es mujer} ➔ #(A) = 20 𝑃(𝐴) = #(A) #(Ω) = 20 35 … ➢ Un grupo está compuesto por 20 mujeres y 15 hombres. Si se seleccionan tres personas, determine la probabilidad de que todas se mujer. ℇ: "𝑺𝒆𝒍𝒆𝒄𝒄𝒊𝒐𝒏𝒂𝒓 𝒂 𝒕𝒓𝒆𝒔 𝒅𝒆 𝑼𝑵𝑶 𝑷𝑶𝑹 𝑼𝑵𝑶 𝒑𝒆𝒓𝒔𝒐𝒏𝒂" Ω = {(𝑚1, 𝑚2, 𝑚3), ó (𝑚1, 𝑚2, 𝑚4)ó … . (ℎ13, ℎ14, ℎ15)} #(Ω) = (35)(34)(33) A = {Seleccionar tres mujeres} ➔ #(A) = (20)(19)(18) 𝑃(𝐴) = #(A) #(Ω) = (20)(19)(18) (35)(34)(33) OTRA RESPUESTA: ℇ: "𝑺𝒆𝒍𝒆𝒄𝒄𝒊𝒐𝒏𝒂𝒓 𝒂 𝒕𝒓𝒆𝒔 𝒑𝒆𝒓𝒔𝒐𝒏𝒂𝒔" Mi, Ju, Se vs Ju, Mi, Se son resultados iguales Ω = {{𝑝1, 𝑝2, 𝑝3} 𝑝1, 𝑝2, 𝑝3 𝑠𝑜𝑛 𝑝𝑒𝑟𝑠𝑜𝑛𝑎𝑠⁄ } Prueba no ordenada #(Ω) = 𝐶3 35 A = {Seleccionar tres mujeres} ➔ #(A) = 𝐶3 20 𝑃(𝐴) = #(A) #(Ω) = 𝐶3 20 𝐶3 35 B = {Seleccionar dos mujeres} ➔ 2m y 1h #(B) = 𝐶2 20 ∗ 𝐶1 15 Probabilidad de que ocurra A= Número de casos favorables a A Número de casos Posibles en Ω 𝑃(𝐵) = #(B) #(Ω) = 𝐶2 20 ∗ 𝐶1 15 𝐶3 35 ➢ Un grupo está compuesto por 20 mujeres y 15 hombres. Si se seleccionan cuatro personas al azar para ocupar puestos distintos en una empresa, ¿cuál es la probabilidad de que el equipo esté compuesto por puras mujeres? ℇ: "𝑺𝒆𝒍𝒆𝒄𝒄𝒊𝒐𝒏𝒂𝒓 𝒂 𝑪𝒖𝒂𝒕𝒓𝒐 𝒑𝒆𝒓𝒔𝒐𝒏𝒂𝒔 𝒑𝒂𝒓𝒂 𝒐𝒄𝒖𝒑𝒂𝒓 𝒖𝒏 𝒑𝒖𝒆𝒔𝒕𝒐 𝒆𝒏 𝒖𝒏𝒂 𝒆𝒎𝒑𝒓𝒆𝒔𝒂 𝑝1, 𝑝2, 𝑝3, 𝑝4 Mi, Ju, Se, Ca vs Ju, Mi, Se, Ca son resultados distintos Prueba Ordenada sin sustitución Ω = {(𝑝1, 𝑝2, 𝑝3, 𝑝4) ∕ 𝑝1, 𝑝2, 𝑝3, 𝑝4 𝑠𝑜𝑛 ℎ𝑜𝑚𝑏𝑟𝑒𝑠 ó 𝑚𝑢𝑗𝑒𝑟𝑒𝑠 𝑞𝑢𝑒 𝑜𝑐𝑢𝑝𝑎𝑟á𝑛 𝑢𝑛 𝑝𝑢𝑒𝑠𝑡𝑜} #(Ω) = 𝑂4 35 = (35)(34)(33)(32) M = {(𝑝1, 𝑝2, 𝑝3, 𝑝4) ∕ 𝑝1, 𝑝2, 𝑝3, 𝑝4 𝑠𝑜𝑛 𝑚𝑢𝑗𝑒𝑟𝑒𝑠} #(M) = 𝑂4 20 = (20)(19)(18)(17) 𝑃(𝑀) = #(M) #(Ω) = 𝑂4 20 𝑂4 35 𝑂𝐵𝑆𝐸𝑅𝑉𝐴𝐶𝐼Ó𝑁 m m m m 𝑃(𝑀) = ( 20 35 ) ( 19 34 ) ( 18 33 ) ( 17 32 ) ¿Cuál es la probabilidad de que en el equipo estén una mujer? 𝑁 = {(𝑝1, 𝑝2, 𝑝3, 𝑝4) 𝑝1⁄ , 𝑝2, 𝑝3, 𝑝4 ℎ𝑎𝑦 𝑢𝑛𝑎 𝑚𝑢𝑗𝑒𝑟} 1m y 3h: (m, h, h, h) ó (h, m, h, h) ó (h, h, m, h) ó (h, h, h, m) #(𝑁) = (4)𝑂1 20𝑂3 15 = 𝐶1 4𝑂1 20𝑂3 15 𝑃(𝑁) = 𝐶1 4𝑂1 20𝑂3 15 𝑂4 35 ¿Cuál es la probabilidad de que en el equipo estén dos mujeres? 𝑅 = {(𝑝1, 𝑝2, 𝑝3, 𝑝4) 𝑝1⁄ , 𝑝2, 𝑝3, 𝑝4 ℎ𝑎𝑦 𝑑𝑜𝑠 𝑚𝑢𝑗𝑒𝑟} 2m y 2h: (m, m, h, h), (h, m, m, h), ……., (h, h, m, m) 2m y 2h #(𝑅) = 𝐶2 4𝑂2 20𝑂2 15 𝑃(𝑅) = 𝐶2 4𝑂2 20𝑂2 15 𝑂4 35