Professional Documents
Culture Documents
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
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,
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
Entonces, A = {3,5}.
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}
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.
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
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. 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.
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)|
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.
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.)
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
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
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
/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
=10
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 (
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 =
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
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 ( )
)=1
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
( )
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:
Varones (B) 04 47 51
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 =( ) ( ) ( ) ( ) ( )
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
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