Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
1 PROBABILIDAD Como no podemos predecir el futuro con total certidumbre, encaramos la incertidumbre utilizando la Teoría de Probabilidad. ¿Y qué es la probabilidad? La posibilidad de que algo suceda. 2 2 2 El cálculo de las probabilidades es el área que se ocupa del estudio de los fenómenos o experimentos aleatorios. Experimento aleatorio: acción cuya observación repetida en condiciones constantes no produce siempre el mismo resultado. Ejemplos: • Experimento 1: lanzar un dado resultados posibles: 1, 2, 3, 4, 5, 6 • Experimento 2: lanzar dos veces una moneda resultados posibles: cara, ceca Espacio Muestral (S): son todos los resultados posibles de un experimento aleatorio. Punto Muestral: cada uno de los posibles resultados. Evento o Suceso: subconjunto del espacio muestral. 2 3 3 3 Para el experimento “lanzar un dado” 1 2 3 4 5 6 DIAGRAMA DE ÁRBOL En él se observan todos los posibles resultados. S= {1, 2, 3, 4, 5, 6} Sea el evento o suceso: A: “que salga par” entonces A= {2, 4, 6} B: “mayor a 4” entonces B ={5, 6 } Para el experimento “lanzar dos veces una moneda” C2 C1 X2 C2 X1 X2 S= {CC, CX, XC, XX} Sea el suceso: C: “por lo menos una cara” entonces C= {CC, CX, XC} D: “una sola ceca (cruz)” entonces D = {CX, XC} 3 1er lanzamiento 2do lanzamiento 4 4 Ejercicio 1 Sea el experimento “extraer tres cartas de un mazo de cartas españolas” (40 cartas) 1. Dibujar un diagrama de árbol (utilice solo las posibilidades “es espada” o “no es espada” como E y ) 2. Determine todos los puntos muestrales para los sucesos de que salgan: • solamente dos espadas. • como máximo dos espadas. • por lo menos dos espadas. E E : se lee “complemento de E”, es el conjunto de todos los resultados en S que no están contenidos en E. 5 5 Ejercicio 2 Se dispone de dos urnas, U1 y U2, que contienen las siguientes bolillas: U1: 5 rojas, 3 azules y 2 blancas U2: 6 rojas y 4 blancas El experimento aleatorio consiste en arrojar un dado y si se obtiene 5 ó 6 se extrae una bolilla de la U1; si en el dado se obtiene 1 ó 2 ó 3 ó 4 se extrae una bolilla de U2. 1.Realizar un diagrama de árbol. 2.Determine todos los puntos muestrales para el suceso que salga una bolilla azul. 6 6 6 6 Relaciones en Teoría de Conjuntos S= {1, 2, 3, 4, 5, 6} Sea el evento o suceso: A: “que salga par” entonces A= {2, 4, 6} B: “mayor a 4” entonces B ={5, 6 } E: “sea impar” entonces E={1,3, 5} U A B 6 2 4 5 1 3 6 6,5,4,2 BA BA Unión de A con B Intersección de A con B Diagrama de Venn U A E 6 2 4 1 3 5 BA Conjuntos disjuntos Sucesos mutuamente excluyentes 7 Concepto de exclusión: se verifica que dos sucesos son mutuamente excluyentes, cuando la aparición de uno impide la aparición del otro, en una misma repetición del experimento aleatorio. Eventos exhaustivos: abarca todos los resultados posibles SAAA k ....21 8 8 U A B 6 2 4 5 1 3 Otras relaciones de conjuntos 5,4,3,2,1 3,1 BA BA 4,3,2,1 5,3,1 B A 9 9 Ejercicio 3 En una escuela primaria hay 10 alumnos con dificultades visuales, 8 tienen audición imperfecta y 3 tienen ambos problemas. A la escuela concurren 120 alumnos. • Dibujar un diagrama de Venn Ejercicio 4 Si se lanzan dos dados y se observa la suma de los puntos, ¿cuál será el espacio muestral? 10 10 10 La probabilidad de un evento puede obtenerse de tres formas: 1. Empírica o experimental 2. Teórica 3. Subjetiva 11 11 11 Probabilidad empírica o experimental Refiere a la frecuencia relativa con la que ocurre un evento. n° caras 2C 1C 1C 2C 1C 0C 1C 1C 1C 2C Ejemplo: el experimento consiste en lanzar 10 veces dos monedas y se registra la cantidad de caras. Supongamos que se observaron los siguientes resultados: Pero si las monedas se lanzan 200 veces, es posible que los resultados fuesen los siguientes: resultados frecuencias frec. relativas x fi fr 0 1 0,1 1 6 0,6 2 3 0,3 10 resultados frecuencias frec. relativas x fi fr 0 43 0,215 1 104 0,52 2 53 0,265 200 A medida que la cantidad de lanzamientos se incrementa, la fr de 0C se aproxima ¼ ó 25%; la de 1C a ½ ó 50% y la de 2C ¼ ó 25%. 12 12 12 Ley de los grandes números: A medida que se incrementa el número de ensayos experimentales, n, la frecuencia relativa, fr, tiende a la probabilidad teórica P(A) resultados Prob. teórica x P(C) 0 1/4 1 1/2 2 1/4 Para practicar: • ¿Qué valores tomaría x si se lanzara 3 veces la moneda? • ¿ Cómo sería el diagrama de árbol? Probabilidad teórica La probabilidad de que ocurra un evento A es: posiblescasos favorablescasos AP )( Donde todos los resultados tienen la misma posibilidad de ocurrir (equiprobables). Probabilidad Subjetiva La probabilidad se basa únicamente en el juicio personal. 13 • Para cualquier evento A, 0 ≤ P(A) ≤ 1 • P(S) = 1 • Si A1, A2,…son sucesos mutuamente excluyentes, entonces la probabilidad de la unión es igual a la suma de sus probabilidades. 13 Axiomas de Probabilidad Propiedades de probabilidad Si P(A)=0 suceso imposible Si P(A)=1 suceso cierto 0B)P(Aentoncess,excluyentemutuamentesucesossonByASi )AP(1P(A) 14 14 U A B 6 2 4 5 1 3 Volvamos al ejemplo del dado A: “que salga par” entonces A= {2, 4, 6} B: “mayor a 4” entonces B ={5, 6 } Regla de la Suma o Adición 15 15 La Regla de la Suma Ejemplo: ¿Qué probabilidad hay de seleccionar una flor al azar con un tallo verde (V) o una flor lila (L)? De acuerdo a la Regla de la Suma V L 5 3 4 2 Vemos que asociamos “o” con la operación de la suma. U 16 16 16 Ā U A B E4 E6 E1 E3 E5 E7 E2 E8 17 17 18 18 Ejercicio 5: Volviendo al ejemplo de las flores, Calcular ahora la probabilidad de que al seleccionar una flor aleatoriamente, esta tenga a) Tallo verde o flor blanca. b) Tallo amarillo o flor lila. c) Dibujar el diagrama de Venn en cada caso. 19 19 Regla de la Multiplicación Si ahora se seleccionan dos flores sin reemplazo, ¿cuál es la probabilidad de que la primera tenga tallo verde y la segunda tallo amarillo? (sin tener en cuenta el color de la flor). Fue necesario ajustar la probabilidad del segundo suceso, dado que el primer suceso ya ocurrió, y modificó el espacio muestral. 20 20 Probabilidad Condicional Cuando la probabilidad del segundo suceso B debe tener en cuenta que el primer suceso A ya ocurrió, lo expresamos con la siguiente notación: P(B/A) que se lee “Probabilidad de B dado A” y representa la probabilidad de que un suceso ocurra después que el suceso A ya ocurrió. Si A y B son sucesos independientes Regla de la Multiplicación o Producto Vemos que asociamos “y” con la operación del producto. Concepto de independencia: Dos sucesos son independientes cuando la ocurrencia de uno no modifica la ocurrencia del otro en dos repeticiones sucesivas del experimento. )()()()()( )()()()( B APBP A BPAPBAP B APBP A BPAPByAP P(B)P(A)B)yP(A entonces, P(A)P(A/B)oP(B)P(B/A) 21 21 22 22 Combinación de las reglas de probabilidad Ejemplo 1: de una caja que contiene tres fichas rojas y dos blancas, se extraen dos fichas sin reemplazo. 1) Realizar un diagrama de árbol que muestre una primera extracción y luego la segunda.2) Calcular la probabilidad de que: a) ambas fichas sean blancas. b) sea una de cada color. c) por lo menos una sea blanca. 23 R2 R1 B1 B2 R2 B2 1era extracción 2da extracción b) P(una de cada color) = P(R1 y B2) o P(B1 y R2) Prob.Condicional Observe que: • Se parte de un punto en común. • Sobre las líneas escribo las probabilidades de cada resultado. • Sumando las probabilidades de los resultados posibles da siempre 1. 20 3 4 1 5 2 )()()( 1 2 121 B B PBPByBP a) x Probabilidades B1B2 R1B2 B1R2 R1R2 24 Entonces el espacio muestral será: S ={R1R2 ; R1B2 ; B1R2; B1B2 } son todos los resultados posibles, y entre ellos son mutuamente excluyentes (ocurre uno u otro pero no pueden ocurrir ambos a la vez). 20 2 4 1 5 2 20 6 4 3 5 2 20 6 4 2 5 3 20 6 4 2 5 3 1)(xP Nótese que la suma de las probabilidades correspondientes a todos los elementos del espacio muestral suman 1. 25 Probabilidades con Tablas de clasificación Ejemplo 2: Una empresa planea probar un nuevo producto. Su inserción depende de dos factores: la zona y la densidad poblacional. Se registra la cantidad de negocios que lo comercializan. Densidad de población Zona Urbana (U) Rural (R) Total Este (E) 25 50 75 Oeste (O) 20 30 50 Total 45 80 125 a) Si se elige al azar un comercio de prueba, ¿cuál es la probabilidad de que esté, i) En el Este? ii) En una densidad urbana? iii) En una densidad rural del Oeste? iv) En el Este o en densidad urbana? b) Si está en el Este, sea una zona urbana? c) Son los sucesos “densidad de población” y “zona” independientes? 26 Densidad de población Zona Urbana (U) Rural (R) Total Este (E) 25 50 75 Oeste (O) 20 30 50 Total 45 80 125 a) i) ¿Prob. de que esté en el Este? 125 75 )( EP ii) ¿En una zona urbana? 125 45 )( UPiii) ¿En una zona rural del Oeste? 125 30 )( OyRP iv) ¿Prob de que el comercio esté en el Este o en zona urbana? 125 95 125 25 125 45 125 75 )( )()()()( UEP UyEPUPEPUoEP 27 b) ¿Prob de que si está en el Este, sea una zona urbana? 125 75 125 25 75 25 )( )( )/( EP EyUP EUP • Lo que se está preguntando aquí es una probabilidad condicional. • Su cálculo surge de despejar dicha probabilidad desde la Regla de la Multiplicación o directamente observando la tabla. • Nótese que ahora el espacio muestral ya no son los 125 comercios, sino que se limita a los comercios “del Este”. • En la probabilidad condicional se dispone de cierta información previa. • Aquí, ya se conoce que el comercio seleccionado es de la zona Este. Densidad de población Zona Urbana (U) Rural (R) Total Este (E) 25 50 75 Oeste (O) 20 30 50 Total 45 80 125 28 c) ¿Son los sucesos “densidad de población” y “zona” independientes? Densidad de población Zona Urbana (U) Rural (R) Total Este (E) 25 50 75 Oeste (O) 20 30 50 Total 45 80 125 Si dos sucesos son independientes, )()/( UPEUP Entonces la Regla del Producto queda: Puesto que no existe una condición previa que limite el espacio muestral. )()()( UPEPUyEP )()/( UPEUP 36,03,0 125 45 75 25 216,02,0 125 45 125 75 125 25 )()()( UPEPUyEP Demostración de independencia Como no se verifica la igualdad, queda demostrado que a los sucesos “zona” y “densidad de población” no se los puede tratar como sucesos independientes. o 29 Conclusión: La cantidad de negocios que comercializan el producto en las diferentes zonas depende de la densidad poblacional. ¿Pero de qué manera son dependientes? Se observa que tanto en la zona Este como en el Oeste, el producto tiene mejor inserción para densidades poblacionales rurales. 0 10 20 30 40 50 60 Urbana (U) Rural (R) Inserción del producto según densidad poblacional Este (E) Oeste (O) 0 10 20 30 40 50 60 Este (E) Oeste (O) Inserción del producto según densidad poblacional Urbana (U) Rural (R) 30 Probabilidades con conjuntos Ejercicio 6. P(A)=0.5 , P(B)=0.4 y P(A y B)=0,1 . Calcular: A B 0,1 0,4 0,3 0,2 )() )() )() )() )() BoAPe BoAPd BPc A BPb B APa Realizar para cada caso un diagrama de Venn. Sombrear lo que corresponda. ¿Son A y B sucesos independientes? 31 A y B no son sucesos independientes 2,01,0 4,05,01,0 )()()( BAPBAP Datos: P(A)=0.5 , P(B)=0.4 y P(A y B)=0,1 32 Probabilidades con diagramas de árbol Ejemplo 3. En una línea de producción, en promedio el 20% de todos los artículos producidos tienen algún defecto. Cada artículo es inspeccionado antes de ser despachado. El inspector clasifica mal un artículo el 10% de las veces. a) ¿Qué proporción de artículos serán clasificados como aceptables? b) ¿Qué porcentaje de los artículos que ya fueron despachados son realmente aceptables? 33 D D Artículo Ac Ac Ac Ac Clasificación del inspector 0,2 0,8 0,1 0,9 0,9 0,1 )( AcyDP )( AcyDP )( AcyDP )( AcyDP a) ¿Qué proporción de artículos serán clasificados como aceptables? donde 0,1 y 0,9 son probabilidades condicionales, las que se observan en la segunda rama del árbol. Aquí ya existe la condición previa de que los artículos son o no defectuosos. Los artículos que son clasificados como aceptables puede que sean defectuosos o que no lo sean. Siguiendo el diagrama de árbol: )()()( AcyDPAcyDPAcP 74,0)( 9,08,01,02,0)( AcP AcP )()()()()( D AcPDP D AcPDPAcP Dado que el artículo es D, cuál es la probabilidad de que sea clasificado como Ac Dado que el artículo es noD, cuál es la probabilidad de que sea clasificado como Ac Probabilidad total 34 b) ¿Qué porcentaje de los artículos que ya fueron despachados son realmente aceptables? 973,0 74,0 9,08,0 )( Ac DP Esta pregunta refiere a la calidad de los artículos. Se supone que si los artículos fueron despachados es porque se los suponía no defectuosos. Entonces lo que se pregunta es, de los que el inspector consideró aceptables, ¿qué porcentaje realmente no era defectuoso? )()()( AcyDPAcyDPAcP )( )( )( AcP AcyDP Ac DP donde, Lo hasta aquí expuesto es el Teorema de Bayes Recordemos que la probabilidad de artículos aceptables, incluye más de un suceso condicionado (probabilidad total) 35 Teorema de Bayes 36 Pregunta de Thomas Bayes ¿Cuál es la probabilidad de que la bolita del segundo buzón sea negra, si la bolita del primer buzón salió roja? FIN
Compartir