Papel de la probabilidad en estadstica

La probabilidad y estadstica se relaciona de una manera importante. La probabilidad se emplea como una herramienta; permite evaluar la confiabilidad de las conclusiones respecto a la probabilidad cuando solo tiene informacin muestral. Como en el ejemplo de lanzar una moneda, los analistas estadsticos usan la probabilidad de dos formas. Cuando se conoce la poblacin, la probabilidad se usan para describir la probabilidad de observacin un resultado muestral particular. Cuando se desconoce la poblacin, se usa la probabilidad para hacer afirmaciones acerca de la composicin de la poblacin, es decir se hacen inferencias estadsticas Existen muchas formas distintas para calcular probabilidades. Se supondr que se conoces la poblacin y se calculara la probabilidad observar varios resultado de la muestra.

Ejemplo 1. Cuando lanza una moneda, ve cara (C) o cruz (X). Si lanza la moneda
repetidas veces, generara un nmero infinito de letras C y X, la poblacin completa. A qu se parece esta poblacin? Si la moneda no est cargada, entonces la poblacin debe contener 50% de letras C y 50% de letras X. ahora lance la moneda una vez ms. Cul es la posibilidad de obtener una cara? La mayor parte de las personas diran que la probabilidad u oportunidad es .

2. Hora suponga que no est seguro si la moneda est cargada; es decir, no tiene
la certeza de que la composicin de la poblacin sea 50-50. Usted decide realizar un experimento simple. Lanza la moneda n = 10 veces y observa 10 caras consecutivas. le es posibles concluir que la moneda no est cargada, sera muy improbable, observar 10 caras consecutivas; es decir, la probabilidad sera muy pequea. Es ms probable que la moneda este cargada.

3. Un dado est trucado, de forma que las probabilidades de obtener las distintas
caras son proporcionales a los nmeros de estas. Hallar: La probabilidad de obtener el 6 en un lanzamiento

4. Hallar la probabilidad de que al levantar unas fichas de domin se obtenga un

nmero de puntos mayor que 9 o que sea mltiplo de 4.

5. Hay 87 canicas en una bolsa y 68 son verdes. Si se escoge una, cul es la

probabilidad de que esta sea verde? Solucin: Divide la cantidad de formas de elegir una canica verde (68) por la cantidad total de canicas (87) 68 87 = 0.781609 Redondea a la precisin deseada (es decir 0.781609 redondeado a centsimos es 0.78)

Eventos y espacio muestral

Los datos se obtienen al observar ya sea eventos no controlados en la naturaleza o situaciones controladas en un laboratorio. Se usan el trmino experimento para describir cualquier mtodo de recoleccin de datos Definicin de un experimento es el proceso mediante cual se obtiene una observacin (o medicin). La observacin o medicin generada mediante un experimento se puede o no producir un valor numrico. Aqu tiene algunos experimentos de ejemplo Registrar una calificacin de examen Medir la lluvia diaria

Entrevistar al dueo de una casa para obtener su opinin acerca de un decreto de zonificacin para ares verdes Cuando se realiza un experimento, lo que observas es un mtodo simple, Denotado con frecuencias mediante la E mayscula con un subndices Definicin de un evento simple es el resultado que se observa en una repeticin del experimento. Definicin un evento es una coleccin de un evento simple. Definicin dos eventos mutuamente excluyentes si, cuando un evento ocurre, el otro no, y viceversa Definicin el conjunto de todos los eventos simples se llama espacio muestral s Una forma alterna de mostrar los eventos simples es usar una tabla de probabilidades,

Ejemplo 1. Experimento: lance un dado y observe al nmero que parece en la cara

superior. Estos son eventos simples Evento : observar un 1 evento Evento Evento : observar un 2 evento : observar un 3 evento : observar un 4 : observar un 5 : observar un 6

La definicin para los eventos A y B en el experimento de lanzar un dado son: A: observar un nmero impar B: observar un nmero menor que 4 Puesto que al evento A ocurre si la cara superior es 1,3 o 5, es una coleccin de tres eventos simples y se escribe A = { , , }. De manera similar, el evento B ocurre si la cara superior es 1,2 o 3 y es definido como una coleccin conjunta de estos tres eventos simples: B ={ , , } En el experimento de lanzar un dado, los eventos A y B no son mutuamente excluyentes por que tiene dos resultados en comn: si el nmero de la cara superior es 1 o 3. Ambos eventos A y B ocurrirn si se observan o cuando se efectan el experimento. En contraste, los seis evento simples , , forman conjunto de resultados mutuamente excluyentes para el experimento. Cuando el experimento se efecta una vez, ocurren uno y solo uno de estos eventos simples

2. Si A=Sale 1 en el lanzamiento de un dado correcto entonces P(A)=

16 Propiedades bsicas Imposible P(A)=0 Seguro P(A)=1 En general 0<P(A) <1 Espacio muestral P(S)=1 Evento nulo P ()=0

3. Espacio muestral y eventos El uso de conjuntos representados por diagramas

de Venn, facilita la compresin de espacio muestral y evento, ya que el espacio muestral S, se puede equiparar con el conjunto universo, debido a que S contiene la totalidad de los resultados posibles de un experimento, mientras que los eventos E contienen solo un conjunto de resultados posibles del experimento, mientras que los puntos muestrales se equiparan con los elementos. Vamos a suponer que el experimento que se realiza es el lanzamiento de un dadoy queremos conocer cul es la probabilidad de que caiga un 3 o un 5? Si contiene la totalidad de los resultados posibles, entonces S = {1, 2, 3, 4, 5, 6} puesto que el dado tiene 6 caras y si buscamos la probabilidad P de que caiga 3 o5, esto constituye un evento entonces, E = {3, 5}

4. Se hace un experimento en que se lanza de un dado y se quiere conocer cul

es la probabilidad de que Caiga un tres o un cinco? Solucin. Si E contiene la totalidad de los resultados posibles, entonces E = {1,2,3,4,5,6} puesto que el dado Tiene seis caras y si se busca la probabilidad P de que caiga tres o cinco, esto constituye un evento

Entonces, A = {3,5}.

5. Al lanzar una moneda, el espacio muestral es E = {guila, sol }.

Ejemplo. Al lanzar un dado de seis caras, el espacio muestral es E = {1, 2, 3, 4, 5, 6}. Se llama evento o suceso a todo subconjunto de un espacio muestral.

Clculo de probabilidades para eventos simples

La probabilidad de un evento A es una medida de nuestra creencia de que ocurrir el evento A. una manera prctica de interpretar esta medida es con el concepto de frecuencia relativa. Un experimento se efecta n veces, entonces la frecuencia relativa de una ocurrencia particular, por ejemplo A, es Frecuencia = Donde la frecuencia es el nmero de veces que ha ocurrido un evento A. si se permite que n, el nmero de repeticiones del experimento, se vuelva cada vez ms grande (n ), al final generara la poblacin completa. En esta poblac in la frecuencia relativa del evento A se define como la probabilidad del evento A; es decir, P(A) = lm

n
Puesto que p(A) se comporta como una frecuencia relativa, P(A) debe ser una proporcin que se encuentre 0 y 1; P(A) = 0 si el evento A nuca ocurre, y P(A) = 1 si el evento A ocurre siempre. Mientras ms cerca este P(A) de 1, hay ms probabilidades de que ocurra A. A veces ayuda a visualizar un experimento el uso de una ilustracin llamada diagrama de ven, mostrado. Representado el espacio muestral, que contiene todo los eventos simples, representados por puntos etiquetados. Puesto que un evento es una coleccin de uno o ms eventos simples, los puntos apropiados se agrupan y marcan con la letra de evento. Para el experimento de lanzar un dado, el espacio muestral es s = { , , , , , } o, de modo ms simple, s = {1,2,3,4,5,}. Los eventos A = {1, 2,5} y B = {1 ,2 ,3} se agrupan en el diagrama de ven.

Ejemplo

1. experimento: lance una moneda y observe el resultado. Estos son los eventos
simples: : observamos una cara (C) : observamos una cruz (X) El espacio muestral es S = { , } o de modo ms simples, S = {C, X}

2. experimento: registre el tipo de sangre de una persona. Los cuadros posibles,

son estos eventos simples mutuamente excluyentes: : Sangre tipo A : Sangre tipo B : Sangre tipo AB : Sangre tipo O El espacio muestral es S = { , , , } = {A, B, AB, O}.

3. Una bolsa contiene 4 canicas rojas y 3 azules. Si se saca una canica de la

Bolsa al azar, cul es P (azul)? P (azul) es la probabilidad de sacar una canica azul. Hay 3 maneras de sacar una canica azul. Hay 4 3 7 resultados posibles. P (azul) como un decimal, 0.428571 .P (azul) como un decimal, 0.428571Una moneda puede caer en cara (o Heads) o cruz (o Tails). Tori puede sacar dos caras, dos cruces, o una de cada una. Existen 3 resultados: 0 caras, 1 cara, o 2 caras. Estos resultados no son igualmente probables. Puede sorprendente, pero piensa de esta forma: Imagina que una moneda es de 5 centavos y la otra es de 10 centavos. Las maneras posibles de lanzar las monedas son:
Moneda de 5 centavos H H T T Moneda de 10 centavos H T H T Nmero de Caras 2 1 1 0

Solucin Nota que hay dos formas de sacar una cara, pero slo una forma de sacar 2 caras y una forma de sacar 0 caras. Tori debe esperar obtener 1 cara de las veces, 0 caras de las veces, y 2 caras de las veces. Existen 3 resultados, pero no son igualmente probables.

4. Se lanza una moneda dos veces. Cul es la

Probabilidad de que ocurra al menos una cara? El EM para este experimento es {CC, CS, SC, SS}. Si la moneda est Balanceada, cada uno de estos resultados tendr la misma Probabilidad de ocurrencia. Si A es el evento de que ocurra al Menos una cara, entonces A= {CC, CS, SC} y P(A)=1/4+1/4+1/4=3/4.

5. Se carga un dado de forma que sea dos veces ms

Probable que salga un nmero par que uno impar. Si E es el Evento de que ocurra un nmero menor que 4 en un solo Lanzamiento del dado, calcular P (E). Sabemos que el EM es {1, 2, 3, 4, 5 ,6}. Asignamos una probabilidad De w a cada nmero impar y una probabilidad de 2w a cada Nmero par. Como la suma de las probabilidades debe ser 1, Tenemos 9w=1 o w=1/9. Por lo tanto E= {1, 2,3} y P (E)=1/9+2/9+1/9=4/9.

REQUISITO PARA LAS PROBABILIDADDES DE EVENTOS SIMPLES

Cada probabilidad debe estar entre 0 y 1. La suma de las probabilidades de todos los eventos simples en s es igual a 1. Cuando es posibles mostrar los eventos simples asociado con una experimento y determinado sus probabilidades respectivas, es posibles hallar la probabilidad de un evento a al sumar las probabilidades para todos los eventos simples conteniendo en el.

Definicin la probabilidad de un evento A es igual a la suma de las probabilidades de los eventos simples contenidos en A.

Ejemplo
1. Un recipiente contiene un dulce amarillo y dos rojos. Usted cierre sus ojos,
elijas dos dulces del recipiente, uno a la vez registre sus colores. Cul es la probabilidad de que ambos dulces sean rojos Solucin hay dos dulces rojos en el recipiente, asi que puede usar las letras , , El primero rojo, el segundo rojo y A para indicar que ha seleccionado el amarillo. Puesto que cierra sus ojos cuando elige los dulces las seis elecciones deben ser equiprobables y se les asignas probabilidad 1/6. Si A es el evento de que ambos dulces sean rojos, entonces A = {R1, R2, R2 R1} as p(A) = p(R1 R2) + (R2 R1) =1/6+1/6=1/3

2. Las proporciones de fenotipo sanguinos A, B, AB y O en la poblacin de todos

los caucsicos en estados unidos son .41, .10, .04, y .45, respectivamente. Si se eligiera al azar un solo caucsico de la poblacin, Cul es la probabilidad de que l o ella tengan sangre tipo A o tipo AB? Solucin los cuatros eventos simples, A, B, AB Y O no son equiprobables. Sus probabilidad se encuentran del concepto de frecuencia relativa como P(A) = .41 p(B) =.10 P(AB) =.04 P(O) = .45 El evento de inters consiste en dos eventos simples, por tanto P (la personas es de tipo A o tipo AB) = p(A)+P (AB) = .41 + .04 =.45

3. Lance dos monedas no cargadas y registre el resultado. Encuentre la

probabilidad de observacin exactamente una cara en dos lanzamientos. Solucin para listar los eventos simples en el espacio muestral, use un diagrama de rbol. Las C y X significan que usted observo una cara o una cruz, respectivamente, en cada lanzamiento. Para asignar las probabilidades a cada uno de los cuatro eventos simples, necesita recordar que las monedas no estn cargadas. Por tantos, cualquiera de los cuatros eventos simples es tan probable como cualquier otro. Puesto que la suma de los cuatros eventos debe ser 1, cada

uno debe tener probabilidad p( ) = 1/4 . Los eventos simples en el espacio muestral. Junto a sus probabilidades equiprobables (igualmente probable o con probabilidades iguales.) para hallar p(A) = p (observe exactamente una cara), necesita hallar los eventos simples que dan como resultado el evento A; a saber Y : P(A) = p ( )+P( )

=1/4+1/4=1/2

4. Un surtido de dulces contiene seis mentas, cuatro chicles y Tres chocolates. Si

una persona hace una seleccin aleatoria de uno De estos dulces, calcular la probabilidad de sacar a) una menta y b) un Chicle o un chocolate. Si M, T y C representan los eventos de que la persona seleccione, Respectivamente, una menta, un chicle y un chocolate. El nmero Total de dulces es 13, los cuales tiene la misma probabilidad de ser Seleccionados. a) Como seis de los 13 dulces son mentas, P (M)=6/13. b) Como siete de los 13 dulces son chicles o chocolates, P (T U C)=7/13

5. La probabilidad de que Paula apruebe Estadstica es

2/3 y la probabilidad de que apruebe Ecuaciones Diferenciales es 4/9. Si la probabilidad de aprobar ambos cursos es 1/4. Cul es la Probabilidad de que Paula apruebe al menos uno de estos cursos? Si E es el evento aprobar Estadstica y D el evento aprobar Ecuaciones Diferenciales, entonces

Calculo de la probabilidad de un evento

1. Liste los eventos simples del espacio muestral. 2. Asigne una probabilidad apropiada para cada evento simple. 3. Determine que eventos simple que dan como resultado el evento de inters.

4. Sume las probabilidades de los eventos simples que dan como resultado el evento de inters. En su clculo siempre debe tener cuidado de satisfacer estas dos condiciones: Incluyendo todos los eventos simples en el espacio muestral. Asigne probabilidades reales a los eventos simples. Cuando el espacio muestral es grande, es fcil omitir sin advertirlo algunos de los eventos simples. Si estos suceden o si sus probabilidades asignadas son errores, sus respuestas no sern tiles en las prcticas. Una manera de determinar el nmero requerido de eventos simples es usar las reglas de conteo presentadas en la siguiente seccin opcional. Estas reglas se usan para resolver problemas ms complejos, que por lo comn involucran un gran nmero de eventos simples. Si necesita dominar solo los conceptos bsico de la probabilidad, elija omitir la siguiente seccin. Un experimento o fenmeno aleatorio es un Proceso o accin cuyo resultado es incierto.

1. Lanzar una moneda al aire y observar la cara

Superior.

2. Marcar un telfono al azar del directorio y

Observar si contestan, no contestan o est

3. Es un subconjunto del espacio muestra S.

En el ejemplo de las gasolineras El evento A est definido como el que la primera Gasolinera tiene ms bombas ocupadas que la Segunda. A = {(1, 0), (2, 0), (2, 1), (3, 0), (3, 1), (3, 2), , (6, 5)} B = La primera gasolinera tiene la mitad de bombas Ocupadas que la segunda. B = {(1, 2), (2, 4), (3, 6)}

4. La probabilidad de que una persona entre conduzca a exceso de velocidad es

de 0.35, la probabilidad de Que maneje sin licencia es de 0.15 y la probabilidad de que maneje a exceso de velocidad y sin licencia es De 0.08. a) Cul es la probabilidad de que maneje a exceso de velocidad o sin licencia? b) Cul es la Probabilidad de que maneje sin licencia dado que maneja a exceso de velocidad? P (EV) = 0.35; P (SL) = 0.15 = P(EV SL ) = 0.08 P (EV U SL) = 0.35 + 0.15 0.08 = 0.42 P (SL | EV) = 0.08/0.35 = 0.2286

5. La probabilidad de que una persona posea un telfono celular es de 0.35, la

probabilidad de que sea un Profesionista es de 0.25 y la probabilidad de que ya sea profesionista o posea un telfono celular es de 0.50. Encuentre la probabilidad de que una persona a) Posea un telfono celular y sea profesionista; b) Sea Profesionista dado que no posee un telfono celular; c) Posea un telfono celular dado que es profesionista. P (CE) = 0.35; P(PF) = 0.25 P(PF U CE) = 0.50 P (CE PF) = 0.35 + 0.25 0.50 = 0.10. P (PF | CE) = 0.25/0.65 = 0.3846 P (CE | PF) = 0.10/0.25 = 0.40

Reglas de conteo para permutaciones

El nmero de maneras en que posible arreglar n objetivo distintos, tomndolos de r en r a la vez

Donde n! = n(n - 1) (n - 2) (3)(2)(1) y 0 = 1.

Puesto que se elige los r objetivo, este es un experimento de r etapas. El primer objeto es elegido de n maneras, el segundo en (n 1) maneras, el tercero de (n

2) maneras y el r-esimo de (n r + 1) maneras. Para simplificar estas difcil notacin se usa la regla de conteo para las permutaciones porque
( )

=
(

)(

)( (

)( )( )( )

)( )( )

1)

1)|

Ejemplo: 1. Una marca de coches comercializa un determinado modelo en tres versiones:

cinco Puertas, tres puertas y familiar. El motor puede ser dicel o gasolina. Finalmente, Hay disponibles cinco colores: rojo, blanco, gris, azul y verde. Cuntos tipos de Coches diferentes se fabrican del mismo modelo? De forma razonada, podemos deducir el principio de multiplicacin y aplicarlo a Este caso concreto: por cada versin del modelo podemos elegir dos motores Diferentes y, a su vez, por cada motor podemos elegir entre cinco colores para la Carrocera. Versin Motor Color TOTAL

2. de la regla de conteo para combinaciones es un procedimiento de control de

calidad en que un inspector selecciona al azar dos de cinco partes, para examinar y ver si tiene defectos. En un grupo de cinco partes, cuntas combinaciones de dos partes se puede seleccionar? La regla de conteo de la ecuacin que para n=5 y r=2 el resultado es

As, hay 10 resultados en el experimento de seleccionar al azar dos partes de un grupo de cinco. Si identificamos a cinco partes como A, B, C, AD, AE, BC, BD, BE, CD, CE y DE.

3. la lotera de ohio emplea seleccin aleatoria de seis nmeros de un grupo de

47 para determinar al ganador semanal. Se puede aplicar la regla de conteo. Para combinaciones, para calcular la cantidad de maneras en que se pueden seleccionar seis nmeros distintos de entre un grupo de 47 nmeros.

4. La regla de conteo para combinaciones indica que hay ms de 10 millones de

resultados experimentales para determinar al ganador de la lotera. Una persona se compra un boleto de lotera tiene una posibilidad de ganar 10737573. Un vendedor de autos quiere presentar a sus clientes todas las diferentes opciones con que cuenta: auto convertible, auto de 2 puertas y auto de 4 puertas, cualquiera de ellos con rines deportivos o estndar. Cuntos diferentes arreglos de autos y rines puede ofrecer el vendedor? Para solucionar el problema podemos emplear la tcnica de la multiplicacin, (donde m es nmero de modelos y n es el nmero de tipos de rin). Nmero total de arreglos = 3 x 2 No fue difcil de listar y contar todos los posibles arreglos de modelos de autos y rines en este ejemplo. Suponga, sin embargo, que el vendedor tiene para ofrecer ocho modelos de auto y seis tipos de rines. Sera tedioso hacer un dibujo con todas las posibilidades. Aplicando la tcnica de la multiplicacin fcilmente realizamos el clculo: Nmero total de arreglos = m x n = 8 x 6 = 48 Son las ms fciles de calcular. Si tienes n cosas para elegir y eliges r de ellas, las permutaciones posibles son: n n ... (r veces) = nr (Porque hay n posibilidades para la primera eleccin, DESPUS hay n posibilidades para la segunda eleccin, y as.)

5. Por ejemplo en la cerradura de arriba, hay 10 nmeros para elegir (0,1,...,9) y

eliges 3 de ellos: 10 10 ... (3 veces) = 103 = 1000 permutaciones

As que la frmula es simplemente: on las ms fciles de calcular. Si tienes n cosas para elegir y eliges r de ellas, las permutaciones posibles son: n n ... (r veces) = nr (Porque hay n posibilidades para la primera eleccin, DESPUS hay n posibilidades para la segunda eleccin, y as.)

Un caso especial: arreglos de n elementos

El numero de formas para un conjunto completo de n elementos distintos es n! =

Ejemplo 1. una pieza de quipo est compuesta por cinco partes que se ensamblan en
cualquier orden. Se realizara una prueba para determinar el tiempo necesario para cada orden de ensamble. Si cada orden se probara una vez, Cuntas pruebas se debe llevar a cabo Solucin el nmero total de pruebas es igual a

= 5(4) (3) (1) = 120

2. Tres boletos de loteras se extraen de un total de 50. Si los boletos se

distribuirn a cada uno de tres empleados en el orden en que son extrados, el orden ser importante. Cuntos eventos simples se relacionan con este experimento? Solucin el nmero total de eventos de simples es

= 50(49) (48) = 117600

3. Para referirnos a una posicin o elemento en particular del arreglo,

especificamos el nombre del arreglo y el nmero de posicin de ese elemento en el arreglo. Ejemplo a[i] = 0; , a[0][3]= 9;|

4. Cuantas representaciones diferentes sern posibles formar, si se desea que

consten de Presidente, Secretario, Tesorero, Primer Vocal y Segundo Vocal?, s esta representacin puede ser formada de entre 25 miembros del sindicato de una pequea empresa. Solucin: Por principio multiplicativo: 25 x 24 x 23 x 22 x 21 = 6, 375,600 maneras de formar una representacin de ese sindicato que conste de presidente, secretario, etc., etc.

Por Frmula:

n = 25,

r=5

25P5 = 25!/ (25 5)! = 25! / 20! = (25 x 24 x 23 x 22 x 21 x....x 1) / (20 x 19 x 18 x... x 1) = 6, 375,600 maneras de formar la representacin

5. Cuntas maneras diferentes hay de asignar las posiciones de salida de 8

autos que participan en una carrera de frmula uno? (Considere que las posiciones de salida de los autos participantes en la carrera son dadas totalmente al azar) b. Cuntas maneras diferentes hay de asignar los primeros tres premios de esta carrera de frmula uno? Solucin: a. Por principio multiplicativo: 8 x 7 x 6 x 5 x 4 x 3 x 2 x 1= 40,320 maneras de asignar las posiciones de salida de los autos participantes en la carrera Por Frmula: n = 8, r = 8 8P8= 8! = 8 x 7 x 6 x 5 x 4 x......x 1= 40,320 maneras de asignar las posiciones de salida......etc., etc.

b. Por principio multiplicativo:

8 x 7 x 6 = 336 maneras de asignar los tres primeros lugares de la carrera

Por frmula: n =8, r = 3 8P3 = 8! / (8 3)! = 8! / 5! = (8 x 7 x 6 x 5 x........x1)/ (5 x 4 x 3 x......x1) = 336 maneras de asignar los tres primeros lugares de la carrera Cuntos puntos de tres coordenadas (x, y, z), ser posible generar con los dgitos 0, 1, 2, 4, 6 y 9?, Si, a. No es posible repetir dgitos, b. Es posible repetir dgitos. Solucin: a. Por frmula n = 6, r = 3 6P3 = 6! / (6 3)! = 6! / 3! = 6 x 5 x 4 x 3! / 3! = 6 x 5 x 4 = 120 puntos posibles Nota: este inciso tambin puede ser resuelto por el principio multiplicativo b. Por el principio multiplicativo 6 x 6 x 6 = 216 puntos posibles

Regla de conteo para combinaciones

El numero de combinaciones distintas de n objetas que se pueden se formar, tomndolos de r en r elementos a la vez, es

Hay una relacin entre el nmero de combinaciones y el nmero de permutaciones:

/r!

Usted puede ver que resulta cuando divide el numero de permutaciones entre r!, el numero de maneras de arreglar cada grupo distintos de r objetivos escoge del total n.

Ejemplo 1. Una tarjeta de circuito impreso es ofrecida por cinco proveedores. De cenatas
maneras se escoge a tres proveedores de entre los cincos? Solucin puesto que solo es importante conocer cuales son los tres que sido escogido, y no el orden de seleccin, el numero de maneras es

= =

( )( )

=10

2. cinco fabricantes producen un determinado dispositivo electrnico cuya calidad

varia de un fabricante a otro. Si usted eligiera tres fabricantes al azar Cul es la probabilidad de que la seleccin contenga a dos tres mejores? Solucin el nmero total de eventos simples N se cuenta como el numero de maneras de escoger tres de los cincos fabricantes, o bien N=

=10

3. Combinaciones con repeticin: Por ltimo estudiaremos las formaciones

denominadas Combinaciones con Repeticin. Introduciremos el problema con un ejemplo. Supongamos que el capitn de un barco puede cargar 5 contenedores. Puede Elegir entre tres mercancas diferentes: transistores, ordenadores o cintas de Vdeo, habiendo en el puerto existencias sucientes de las tres Cuntas opciones tiene? [COMBINACIONES CON REPETICIN]. Una opcin sera cargar Slo transistores {TTTTT}, otra dos de transistores y tres de ordenadores {T, T, T, O, O}, etc... Se trata de calcular el nmero de subconjuntos de 5 elementos que pueden formarse Con los elementos de {T, O, C} permitindose la repeticin de stos. En general el nmero De combinaciones con repeticin que pueden formarse con n elementos tomados de m en M es:

4. Permutaciones con repeticin: Supongamos ahora que estamos participando

En el juego de las palabras cruzadas y que disponemos de las letras A, S, R, Q, A, A, S. Cuntas palabras podemos formar usndolas todas? El problema es equivalente A estudiar cuntas palabras se pueden formar permutando (cambiando de orden) las letras De CASA. Si todas las letras fuesen distintas (COSA) tendramos P4 = 4! = 24 opciones. Pero al tener dos letras repetidas (A, A), cuando las permutemos obtendremos la misma palabra. De forma que de COSA y CASO, se obtiene slo CASA. De esta forma se obtiene que con CASA se podrn formar 24/2=12 palabras distintas. Qu ocurrir con las letras CAAAS? Y con CASAS? Estdiense estos problemas hasta deducirse la siguiente frmula general. El nmero de palabras de longitud n que pueden formarse con n letras, donde la primera se repiten1 veces, la segunda n2, etc... Se denomina Permutaciones con Repeticin y su nmero es:

5. Permutaciones sin repeticin: Un caso particular de variaciones son aquellas en

las que intervienen todos los smbolos (n = m), denominadas Permutaciones, cuyo nmero ser

Donde n!, se lee como ene factorial y es simplemente una forma de representar la multiplicacin n(n1)...1. Con esta notacin se tiene V n,m = n!/(n m)!. Veamos un ejemplo, Cuntas palabras pueden formarse permutando (cambiando) las letras de la palabra CARLOS? La solucin es: P6= 6! = 6.5.4.3.2.1 = 720

REGLAS DE CONTEO UTILES (OPCIONAL) Supongamos que un experimento tiene que ver con un gran nmero N de eventos simples y usted sabe que los eventos simples son igualmente probables. Entonces cada evento simple tiene probabilidad de un evento A se calcula como: ( )= Donde

Es el nmero de eventos simples que hay en el evento A. en esta seccin presentamos tres reglas simples, tiles para contar ya sea N, el nmero de eventos simples en el espacio muestral, o , el nmero de eventos simples en el evento A. una vez que ha sido obtenido estas cuentas, podr encontrar la P(A) sin listar los eventos simples. LA REGLA DE mn Considere un experimento que se realiza en dos etapas. Si la primera etapa se logra de manera m maneras y, para cada una de stas, la segunda etapa se lleva a cabo de n modos, entonces hay mn formas de llevar a cabo el experimento. EJEMPLO Supongamos que le es posible ordenar un automvil en uno de tres estilos y en uno de cuatro colores. Para determinar cuntas opciones estn disponibles, piensa en escoger primero uno de los m=3 estilos y luego seleccionar uno de los n=4 colores. Por medio de la regla de mn, se tiene mn = (3)(4)= 12 opciones.

Se lanzan dos dados cuntos eventos simples hay en el espacio muestral S? Solucin El primer dado cae en una de m =6 maneras, y el segundo dado en uno de n=6 modos. Puesto que el experimento consta de dos etapas, al formar los

pares de nmero mostrado en las dos caras, el nmero total de eventos simples en S en nmero mostrados en las dos caras, el nmero total de eventos simples en S es = (6)(6) = 36 Podemos extender la regla de mn para un experimento que se realiza en ms de dos etapas.

LA REGLA DE mn EXTENDIDA Si un experimento se lleva a cabo en k etapas, con maneras para llevar a cabo la primera etapa, maneras para realizar la segunda,, y maneras de lograr la k-sima etapa, entonces el nmero de maneras para completar el experimento es la k-sima etapa, entonces el nmero para completar el experimento es la ksima etapa, entonces el nmero de maneras para completar el experimento es:

EJEMPLO Un camionero tiene tres rutas para ir a la ciudad A a la ciudad B, cuatro de la ciudad B a la ciudad C y tres de la ciudad C a la ciudad D. Si, al viajar de la A a D, el conductor debe ir de A a B a C a D, cuntas rutas posibles de A a D tiene disponibles? Solucin sea = nmero de rutas de A a B = 3 = nmero de rutas de B a C = 4 = nmero de rutas de C a D = 3 Entonces el nmero total de maneras de tener una ruta completa, tomando una subruta de cada uno de los tres grupos, (A a B), (B a C), (C a D), es = (3)(4)(3) = 36 Una segunda regla de conteo til se deduce de la regla de mn y tiene que ver con permutaciones. Por ejemplo, suponga que tiene tres libros, A, B y C, pero en su estante slo tiene espacio para dos. De cuntas maneras selecciona y coloca los dos libros? Hay tres opciones de los libros, A y B, A y C B y C pero cada uno de los pares se puede colocar de dos maneras en el estante. Las permutaciones de los dos libros, escogidos de tres, se listan en la tabla 4.3. Segn la regla de mn

hay seis maneras, porque el primer libro se escoge entre m=3 maneras y el segundo entre n=2 maneras, de modo que el resultado es mn=6.

Tabla Permutaciones de dos libros escogidos entre tres Combinaciones de dos Reacomodo combinaciones AB BA AC BC CA CB de

De cuntas maneras es posible colocar los tres libros en su estante? stas son las seis permutaciones ABC BCA ACB CAB BAC CBA

Puesto que el primer libro se escoge entre =3 maneras, el segundo entre =2 maneras y el tercero entre = 1 maneras, el nmero total de arreglos es = (3)(2)(1) = 6 El lugar de aplicar cada vez la regla de mn, encuentre el nmero de arreglos por medio de una formula general relacionada con la notacin factorial. RELACIONES DE EVENTOS Y REGLAS DE PROBABILIDAD Aveces el evento de inters est formado por una combinacin de otros eventos. Sean A y B dos eventos definidos en el espacio muestral S. Aqu tiene tres relaciones importantes entre eventos.

Definicin: La unin de eventos A y B, denotada por A B, es el evento de que ocurra A o B, o ambos. Definicin: la interseccin de los eventos A y B, denotada por A B, es el evento de que ocurra A y B Definicin: El complemento de un evento A, denotado por A , es el evento de que A no ocurra. EJEMPLO Se lanzan dos monedas no cargadas y se registran el resultado. stos son los eventos de inters: A: observar por lo menos una cara (C) B: observar por lo menos una cruz (X) Defina los eventos de A, B, A B, A B, B y A Solucin recuerde que los eventos simples para este experimento son: : CC (cara en la primera moneda, cara en la segunda moneda) : CX : XC : XX Y que cada evento simple tiene probabilidad de . El evento A, por lo menos una cara, ocurre si , o ocurre, as que , +

=* , ( )= Y =* + ( )= De manera similar =* , =* , , + +

( )= ( )=

= *

)=

=1

Observe que (

) = S, el espacio muestral y, por tanto, es seguro que ocurra

Calculo de probabilidad para uniones y complementos Cuando se escribe el evento de inters en la forma de una unin, un complemento o una interseccin, hay reglas de probabilidad espaciales que simplifican los calculo. La primera regla trata con las uniones de eventos. Regla de adicin Dados dos eventos, A y B, la probabilidad de su unin, )= ( ) ( ) ( ) , es igual a (

Cuando dos eventos A y B son mutuamente excluyentes o disjuntos, significa que cuando ocurre A, B no es posible, y viceversa. Esto significa que la probabilidad de que ambos ocurra, ( ), debe ser cero. La figura es una representacin en diagrama de Venn de dos eventos de este tipo sin ningn evento en comn.

Cuando dos eventos A y B son mutuamente excluyentes, entonces ( )= ( ) ( ) la regla de adicin se simplifica a (

)=0y

La segunda regla trata con los complementos de eventos. En el diagrama de Venn de la figura se ve que A Y son mutuamente excluyentes y que =

En el espacio muestral completo se deduce que ( ) ( )=1 y ( ) = 1 ( )

REGLA PARA COMPLEMENTO ( )=1 ( )

EJEMPLO Una empresa que busca petrleo planea perforara dos pozos exploratorios. La evidencia pasada se usa para evaluar los posibles resultados listados en la siguiente tabla. Resultados para el experimento de perforacin de pozos evento s A descripcin probabilid ad Ningn pozo produce bien petrleo o 80 gas Exactamente un pozo produce petrleo o gas Ambos pozo produce petrleo o gas 18

02

Encuentra (

)y (

Solucin por su definicin, los eventos A,B y C en conjunto son mutuamente excluyentes porque la ocurrencia de un evento evita la ocurrencia de cualquiera de los otros dos. Por consiguiente, ( Y ( )= ( ) ( ) = 18 02 = 20 )= ( ) ( ) = 80 18 = 98

El evento se describe como aquel en el que a lo ms un pozo produce petrleo o gas, y describe el evento en el que por lo menos un pozo produce gas o petrleo. EJEMPLO En una encuesta telefnica de 1000 adultos, se pregunt a los encuestados acerca del gasto de una educacin universitaria y la necesidad de alguna forma de ayuda financiera. Los encuestados fueron clasificados de acuerdo con si en la

actualidad tenan un hijo en la universidad o si pensaban que la carga del prstamo para la mayor parte de los alumnos universitarios es demasiado alta, correcta o muy baja. Las proporciones de respuesta en cada categora se muestran en la siguiente tabla de probabilidad. Suponga que se elige al azar un encuestado de este grupo.

Tabla de probabilidad Demasiado alta (A) 35 25 Correcta (B) 08 20 Muy baja (C) 01 11

Hijo en la universidad (D) Ningn hijo en la universidad (E)

1. Cul es la probabilidad de que el encuestado tenga un hijo en la universidad? 2. De que el encuestado tenga un hijo en la universidad? 3. De que el encuestado tenga un hijo en la universidad o piense que la carga del prstamo es demasiado alta? Solucin En la tabla se dan las probabilidades para los seis eventos simples de las celdas de la tabla. Por ejemplo el elemento de la esquina superior izquierda de la tabla es la probabilidad de que el encuestado tenga un hijo en la universidad y considere que la carga del prstamo es demasiado alta ( ). 1. El evento de que un encuestado tenga un hijo en la universidad ocurrir sin importar si responde a la pregunta acerca de la carga del prstamo. Es decir, el evento D consta de los eventos simples del primer rengln: ( ) = 35 08 01 = 44

En general, las probabilidades de eventos marginales como D y A se encuentran sumando las probabilidades del rengln o columnas apropiadas. 2. El evento del que el encuestado no tenga un hijo en la universidad es de complemento del evento D denotado por . La probabilidad de se determina como ( )=1 ( )

Mediante el resultado del inciso 1, se tiene

)=1

44 = 56 ) si se usa la regla de adicin )= .60 + .40 - .35 = .69

3. El evento de inters es ( ( )= ( ) ( ) (

INDEPENDENCIA, MULTIPLICACION

PROBABILIDAD

CONDICIONAL

REGLA

DE

Hay una regla de probabilidad til para calcular la probabilidad de la interseccin de varios eventos. Sin embargo, esta regla depende del importante concepto estadstico de eventos independientes o dependientes. Definicin dos eventos, A y B son independientes si y slo la probabilidad del evento B no es afectada o cambiada por la ocurrencia del evento A, o viceversa. Daltonismo Supongamos que un investigador anota el gnero de una persona o si la persona es ciega a los colores rojo y verde o no. La probabilidad de que una persona sea daltnica cambia dependiendo de si la persona es varn o no? Defina dos eventos: A: la persona es un varn B: la persona es daltnica En este caso, puesto que el daltonismo es una caracterstica relacionada con el sexo masculino, la probabilidad de que un varn sea daltnico ser mayor que la de que una persona elegida de la poblacin general sea daltnica. La probabilidad de que el evento B, de que una persona sea daltnica, depende de si ha ocurrido o no el evento A, que la persona sea varn. Se dice que A y B son eventos dependientes. Lanzamiento de dados por otro lado considere lanzar un solo dado dos veces, y defina dos eventos: A: observar un dos en el primer lanzamiento B: observar un dos en el segundo lanzamiento Si el dado no est cargado, la probabilidad del evento A es ( ) = . Considere la probabilidad del evento B. sim importar el evento A ha ocurrido o no, la probabilidad de observar un 2 en el segundo lanzamiento es an . Se podra escribir P(B) dado que A ocurri =

P(B) dado que A no ocurri = Puesto que la probabilidad del evento B no cambia por la ocurrencia del evento A, se dice que A y B son eventos independientes. La probabilidad de un evento A, dado que ha ocurrido el evento B, se llama probabilidad condicional de A, dado B, y se denota por P(AIB). La barra vertical se lee dado y los eventos que aparecen a la derecha de la barra son los que usted sabe que han ocurrido. Se usarn estas probabilidades para calcular la probabilidad de que tanto A como B ocurran cuando se lleve a cabo el experimento.

REGLA GENERAL DE MULTIPLICACIN La probabilidad de que ocurra tanto A como B cuando se efecta el experimento menos es

( O bien (

)= ( ) ( | )

)= ( ) ( | )

En un experimento sobre preferencias de color, se colocaron ocho juguetes en un recipiente. Los juguetes son idnticos excepto por el color, dos son rojos y seis verdes. Se pide a un nio elegir dos juguetes al azar, Cul es la probabilidad de que el nio elija los dos juguetes rojos? Solucin defina los siguientes eventos

R: se elige el juguete rojo V: se elige el juguete verde El evento A (ambos juguetes son rojos) se construye como la interseccin de dos eventos: =( ) ( )

Puesto que hay juguetes rojos en el recipiente, la probabilidad de elegir rojo en la primera eleccin es 2/8. Sim embargo, una vez que ha sido elegido este juguete rojo, la probabilidad de rojo en la segunda eleccin es dependiente del resultado de la primera eleccin. Si en la primera eleccin sali rojo es 1/7 porque hay un juguete rojo entre los seis restantes. Si la primera eleccin fue verde, la probabilidad de elegir rojo en la segunda eleccin es 2/7, porque hay dos juguetes rojos entre siete restantes. Con esta informacin y la regla de multiplicacin, se puede encontrar la probabilidad del evento A. ( )= ( = ( ) ( 2 1 2 1 = ( )( ) = = 8 7 56 28 Algunas veces podra ser necesario usar la regla de multiplicacin de manera un poco diferente, de tal modo que se calcule la probabilidad condicional, ( | ). Slo reacomode los trminos en la regla de la multiplicacin. )| ) )

PROBABILIDADES CONDICIONALES La probabilidad condicional del evento A, dado que ha ocurrido el evento B es ( | )=
( ( ) )

si

( )

La probabilidad condicional del evento B, dado que ha ocurrido el evento A es ( )=

( ( ) )

si

( )

Daltonismo, continuacin Supongamos que en la poblacin hay 51% de varones y 49% de mujeres, y que las proporciones de varones y mujeres daltnicas se muestran en la tabla de probabilidad siguiente:

Daltnico (A) No daltnico (A) Total

Varones (B) 04 47 51

Mujeres (B) 002 488 49

total 042 958 1.00

Si se escoge una persona al azar de esta poblacin y se encuentra que es un varn (evento B), Cul es la probabilidad de que el varn sea daltnico (evento A)? si se sabe que ha ocurrido el evento B se debe restringir la atencin a 51% de la poblacin que es varn. La probabilidad de se daltnico, dado que la persona es un varn, es 4 del 51%, o bien ( | )= ( ( ) ) = 04 = 078 51

Observe que la probabilidad del evento A cambi, lo que depende de si ocurri el evento B. esto indica que son dos eventos dependientes. Cuando dos eventos son independientes, si la probabilidad del evento B es la misma, si el evento A ha ocurrido o no, entonces A no afecta el evento B y ( | )= ( ) Ahora se puede simplificar la regla de multiplicacin REGLA DE MULTIPLICACIN PARA EVENTOS INDEPENDIENTES Si dos eventos A y B son independientes, la probabilidad de que ocurra tanto A como B es ( )= ( ) ( )

De manera similar, si A,B y C son eventos mutuamente independientes (todos los pares de eventos son independientes), entonces la probabilidad de que ocurra A, B y C es ( )= ( ) ( ) ( )

Lanzamiento de monedas en juegos de futbol. Un equipo de futbol tiene que jugar dos tiempos extra al terminar el partido as que hay tres lanzamientos de moneda. Si no est cargada, Cul es la probabilidad de que pierda los tres lanzamientos el capitn del equipo? Solucin. Si la moneda no est cargada, el evento se describe en tres pasos: A: pierde el primer lanzamiento B: pierde el segundo lanzamiento C: pierde el tercer lanzamiento Puesto que los lanzamientos son independientes, como P (ganar) = P (perder) =.5 para cualquiera de los tres lanzamientos,

P(A B C) = P(A)P(B)P(C)= (.5) (.5) (.5)=.125 cmo probar si dos eventos son independientes o dependiente? La solucin ms fcil es volver a definir el concepto de independencia de una manera ms formal.

COMPROBACIN DE INDEPENDENCIA. Dos eventos A y B son independientes si y solo si P( A B ) = P(A)P(B) O P(B|A)=P(B) De lo contrario, se dice que son dependientes Ejemplo --- Lance dos monedas y observ el resultado. Defina estos eventos: A: cara en la primera moneda

B: cruz en la segunda moneda Son independientes los eventos A y B? Solucin. De los dos ejemplos previos, que saben que S={CC,CX,XC,XX}. Use estos cuatro eventos simples para encontrar. P(A) =1/2, P(B)=1/2 Y P( A B) =1/4 Puesto que P(A)P(B) =(1/2)(1/2) = y P(A B )= , se tiene P(A)P(B)= P( A B ) Instructor personal Cul es la diferencia entre los eventos mutuamente excluyentes e independientes? Muchos estudiantes encuentran difcil indicar la diferencia entre eventos mutuamente excluyentes e independientes Cuando dos eventos son mutuamente excluyentes o disjuntos, no pueden suceder ambos cuando se realiza el experimento. Una vez que ha ocurrido

el evento B, el evento A no es posible, as que P(A|B) =0, o viceversa. La ocurrencia del evento B afecta la probabilidad de que ocurra el evento A. Por tanto, los eventos mutuamente excluyentes deben ser dependientes. Cuando dos eventos son mutuamente excluyentes o disjuntos, P(A B)=0 y P(A U B)= P(A) + P(B) Cuando dos eventos son independientes. P(A B)= P(A)P(B) y P(A U B)= P(A) + P(B) P(A)P(B)

Usar las reglas de probabilidad para calcular la probabilidad de un evento requiere alguna experiencia e inventiva. Necesita expresar el suceso de inters como una unin o interseccin. Necesita expresar el suceso de inters como una unin o interseccin (o la combinacin de ambas) de dos o ms eventos cuyas probabilidades se conocen o calcular fcilmente. Es frecuente hacer estos de diferentes maneras; la clave es encontrar la combinacin correcta. Se extraen dos cartas de un mazo de 52. Calcule la probabilidad de que en las cartas extradas est en un as y 10. Solucin. Considera el evento de inters: A: obtener un as y un 10 Luego A= B U C, donde B: obtener el as de la primera extraccin y luego el diez de la segunda. C: obtener el diez de la primera extraccin y luego el as de la segunda. Los eventos del B y C se eligieron por ser mutuamente excluyentes y tambin interseccin de eventos con probabilidades conocidas; es decir, B= B1 B2 Y C= C1 C2 B1: obtener un as en la primera extraccin B2: obtener 10 en la segunda extraccin C1: obtener 10 en la primera extraccin C2: o tener un as en la segunda extraccin

Al aplicar la media de la multiplicacin, se obtienen P (B1 B2) = P(B1 )P(B2|B1) = (4/52)(4/51) Y P(C1 C2) = (4/52)(4/51)

Luego, aplicar la regla de adicin, P(A) = P(B) + P(C) = (4/52)(4/51) + (4/52)(4/51) = 8/663

LA REGLA DE BAYES (OPCIONAL) Daltonismo considere de nuevo el experimento relacionado con el daltonismo. Observe que los dos eventos B: la persona seleccionada es un varn B: la persona seleccionad es un mujer Forma el espacio muestral S, que considere en varones y mujeres. Puesto que las personas daltnicas, consta de los eventos simples que estn en A y en B y los eventos simples que estn en A y en B . Como estn dos intersecciones son mutuamente excluyentes, se puede escribir el evento A como =( Y ( )= ( ) ( ) = 04 002 = 042 ) ( )

Supongamos ahora que el espacio muestral se divide en k subpoblaciones, S1, S2, S3, Sk, que, como en el ejemplo del daltonismo, son mutuamente excluyentes y exhaustivas; es decir, juntas constituyen el espacio muestral entero. De una manera similar, usted expresa un evento A como =( Por tanto, ( )= ( 1) ( 2) ( 3) ( ) 1) ( 2) ( 3) ( )

Esto se ilustra para k = 3 IMAGEN ) como Puede ir mas all y usar la regla de multiplicacin para escribir ( P(si)(A|Si), para i=1,2, k el resultado se le conoce como la ley de probabilidad total. LEY DE PROBABILIDAD TOTAL

Dado un conjunto de eventos S1, S2, S3,, Sk que son mutuamente excluyentes y exhaustivos y un evento A, la probabilidad del evento A se expresa como P(A) = P(si) P(A|Si) + P(s2) P(A|S2) + P(s3) P(A|S3) + + P(sk) P(A|Sk)

EJEMPLO Los tenis ya no se son slo para los jvenes. Actualmente, la mayora de los adultos poseen varios pares de tenis. En la tabla de abajo se da la fraccin de adultos estadounidenses mayores de 20 aos que posee cinco o ms pares, junto a esta fraccin aparece la fraccin de la poblacin correspondiente por un grupo de edad de la poblacin en intervalos de cinco aos y ms posea pares de tenis. Tabla de probabilidad Grupos de edades G1 G2 G3 G4 G5 20 - 25 - 35 - 50 - 65 24 34 49 64 Fraccin con 5 pares Fraccin de adultos 197 estadounidenses de 20 aos y ms 120 +77

Solucin sea A el evento de que una persona elegida al azar de la poblacin adulta estadounidense de 20 aos y ms posea cinco o ms pares de tenis. Sean G1 , G2 , , G5 los eventos en que la persona seleccionada pertenezca a cada uno de los cinco grupos de edad. Como los cinco grupos son exhaustivos, se escribe el evento A como =( ) ( ) ( ) ( ) ( )

Mediante la ley de la probabilidad total, se encuentra la probabilidad de A como = ( = ( ) ( | ) ) ( ( ) ) ( | ( ) ( ) ( ) ( | ) ) ( ( ) ( | ) ) ( ) ( | )

De las probabilidades en la tabla anterior ( ) = ( 09) 26) ( 20)( 20) = 0234 0400 ( 31)( 13) ( 23)( 18) ( 17)( 14) 0403 0414 038 038 = 1689

La probabilidad incondicional de una persona seleccionada al azar de la poblacin de adultos estadounidenses de 20 aos y ms posea por lo menos cinco pares de tenis es de alrededor de .17. observe que la ley de probabilidad total es un promedio ponderado de la probabilidades dentro de cada grupo, con pesos de .09, .02, .31, .23 y .17 que refleja los tamaos relativos de los grupos. Con frecuencia es necesario determinar la probabilidad condicional de un evento B, dado que ha ocurrido un evento A. una situacin de este tipo ocurre en la pruebas de detencin, las cuales se relacionan con las pruebas de diagnstico mdico, aunque ya se aplican en diversos campos. El equipo automtico de pruebas se usa en forma rutinaria para inspeccionar la piezas en los proceso de alto volumen de produccin. Algunas otras aplicaciones son la prueba para detectar esteroides en atletas, la prueba casera de deteccin de embarazo y el examen para SIDA. En la pruebas de deteccin se evala la probabilidad de un negativo falso o de un positivo falso, y ambas son probabilidades condicionales. Un falso positivo es el evento en que la prueba es positiva para una determinada condicin saso que la persona no tiene la enfermedad. Un falso negativo es el evento en que la prueba es negativa para una determinada condicin, cuando la persona s tiene la enfermedad. Estas probabilidades condicionales se evalan mediante una frmula que dedujo el probabilista Thomas Bayes. Para el experimento se requieres seleccionar una muestra entre k subpoblaciones, que son mutuamente excluyentes y exhaustas. Cada una de estas subpoblaciones, denotado por S1, S2,, Sk, tiene una probabilidad de ser seleccionada P(S1), P(S2), P(S3), , P(SK), llamada probabilidad a priori (inicial). Se observa un evento A en la seleccin. Cul es la probabilidad de que la muestra provenga de la subpoblacin S1 , dado que ocurri A? Se sabe que ( 1 | ) = , ( 1)- ( ) se reescribe como P(Sk |A)=[P(Si) P(A Si)]/P(A). si se usa la ley de probabilidad total para reescribir P(A), se tiene ( )= ( ) ( | ) ( ) ( | ) ( ) ( | ) ( ) ( | ) ( ) ( | )

Estas nuevas probabilidades se llaman probabilidades a posteriori (despus), es decir, las probabilidades de las subpoblaciones (conocidas tambin como estados de la naturaleza) que se han actualizado despus de observar la informacin de la muestra contenida en el evento A. Bayes sugiri que se si desconocen las probabilidades a priori, se pueden tomar como 1/k, lo cual quiere decir que cada uno de los eventos S1 hasta Sk es igualmente probable. REGLA DE BAYES

Sean S1 , S2 , , Sk el conjunto de k de subpoblaciones mutuamente excluyentes y exhaustivas con probabilidades a priori P(S1 ,), P(S2 ,), , P(Sk ,). Si ocurre un evento A, la probabilidad a posteriori S1 dado A es la probabilidad condicional ( )= ( ) ( | ) ( ) ( | )

Para i= 1, 2. , k

VARIABLE ALEATORIA PROBABILIDAD

DISCRETA

SUS

DISTRIBUCIONES

DE

Se define como caractersticas que cambian o se modifican con el tiempo, para individuos u objetos diferentes en consideracin, o ambas situaciones. Las variables cuantitativas generan datos numricos, mientras que las variables cualitativas generan los datos categricos. Sin embargo, incluso las variables cualitativas generan datos numricos sin las categoras se codifican numricamente para formas la escala. Por ejemplo si lanzas, el resultado cualitativo se registrara como 0 si se obtiene una cara o 1 si resulta una cruz. Variables aleatorias Una variable x codificada en nmero variar o cambiar dependiendo del resultado del experimento que se mide. Por ejemplo suponga que arroja un dado y mide x, el nmero observado en la cara superior. La variable x toma cualquier de seis valores: 1, 2, 3, 4, 5, 6 lo que depende del resultado aleatorio del experimento. Por esta razn a la variable x se le conoce como variable aleatoria Definicin una variable x es una variables aleatoria si el valor que consume, de acuerdo con el resultado de un experimento, es un evento aleatoria. Usted puede pensar en muchos ejemplos de variable aleatoria: X = cantidad de defectos en un mueble seccionado al azar X = calificacin de SAT para un aspirante a la universidad seleccionado al azar X = cantidad de llamadas telefnicas recibidas por una lnea directa para situaciones de crisis durante un periodo seleccionado al azar.

Las variables aleatorias cuantitativas se clasifican como discretas o continuas segn los valores que suma x. Es importante distinguir entre variables aleatoria discretas y continuas porque se usan diferentes tcnicas para representar sus distribuciones. Distribuciones de probabilidad

En el captulo 1 y 2 aprendi a construir la distribucin de frecuencia relativas para un conjunto de mediciones numricas en una variable x. la distribucin dio esta informacin