Probabilidad Condicional

PROBABILIDAD CONDICIONAL
M. en C. Juan Carlos Gutierrez Matus

Instituto Politecnico Nacional
Primavera 2004
IPN UPIICSA c 2004 Juan C. Gutierrez Matus
Probabilidad Condicional Probabilidad Condicional
Probabilidad Condicional
Si en el experimento de lanzar un dado tenemos:
A = {1, 3, 5}; B = {2, 3, 4, 5, 6}
Entonces:
P(A) =
1
2
; P(B) =
5
6
Suponga que sabemos que el evento B ocurri o. Entonces la
probabilidad de A dado que ocurri o B es:
P(A|B) =
2
5
=
|A B|
|B|
IPN UPIICSA c 2004 Juan C. Gutierrez Matus 1
Esto es, que ahora la probabilidad de A depende de la informaci on
que tenemos. El hecho de saber que el evento B ocurre, nos permite
considerar a B como un nuevo y restringido espacio muestral.
Denicion: Si P(B) > 0, entonces la probabilidad condicional de
A dado B es igual a:
P(A|B) =
P(A B)
P(B)
Que pasa con P(A|B) si los
dos eventos son mutuamente excluyentes?
Que pasa con P(A|B) si P(B) = 0?
Ejemplo: Una pareja tiene dos hijos, al menos uno es hombre. Cual
es la probabilidad de que AMBOS sean hombres?
= {mm, mh, hm, hh}
C = {hh}
D = {mh, hm, hh}
P(C|D) =
P(C D)
P(D)
=
P(C)
P(D)
=
1
3
Ejemplo: Se lanzar dos dados y se toma la suma de las caras.
A = {3, 5, 7, 9, 11} B = {2, 3}
P(A) = P(3) + P(5) +. . . + P(11)
= 2/36 + 4/36 +. . . + 2/36
= 1/2
P(B) = P(2) + P(3)
= 1/36 + 2/36
= 1/12
P(A|B) =
P(A B)
P(B)
=
P(3)
P(B)
=
2/36
1/12
=
2
3
Probabilidad Condicional Principio de la Multiplicaci on de Probabilidades
Principio de la Multiplicacion de Probabilidades
A partir de la f ormula de la probabilidad condicional, podemos derivar
las formulas para la intersecci on de los eventos, a traves del producto
de dos probabilidades.
P(A B) = P(B) P(A|B)
P(A B) = P(A) P(B|A)
Probabilidad Condicional Principio de la Multiplicaci on de Probabilidades
Principio de la Multiplicacion de Probabilidades
Ejemplo: En un caja hay doce botellas, ocho verdes y cuatro ambar.
Seleccione dos botellas sin reemplazo.
A : Primer botella es ambar.
B : Segunda botella es ambar.
(A B) : Ambas botellas son ambar.
P(A B) = P(A) P(B|A)
=
4
12
3
11
=
1
11
Probabilidad Condicional Diagramas de

Arbol de Probabilidades
Diagramas de

Considere el experimento de lanzar un dado.
A = {1} : Cae el n umero uno.
B = {1, 3, 5} : Cae un n umero non.
B
A
A
A
A
P(B)
P(

B)
P(A|B)
P(

A|B)
P(A|
B)
P(

A|
B)
P(A B) =
P(A

B) =
Probabilidad Condicional Diagramas de

P(A B C) = P(A) P(B|A) P(C|A B)
A
B
B
C
C
C
A
B
B
C
C
C
P(B|A)
P(

B|A)
P(C|A B)
P(

C|A B)
P(C|A

B)
P(C|A

B)
P(A)
P(

A)
Probabilidad Condicional Propiedades, Probabilidades Condicional
Propiedades, Probabilidades Condicional
1. 0 P(A|B) 1
2. P(|B) = 1
3. Si A
1
A
2
= , entonces
P(A
1
A
2
|B) = P(A
1
|B) + P(A
2
|B)
4. Si A
1
, A
2
, . . . son mutuamente excluyentes, entonces
P
_
_
i=1
A
i
|B
_
=
i=1
P(A
i
|B)
Probabilidad Condicional Partici on del Espacio Muestral
Particion del Espacio Muestral
Los eventos A
1
, A
2
, . . . , A
n
forman una partici on del espacio
muestral si y solo si:
1. A
1
, A
2
, . . . , A
n
son mutuamente excluyentes.
2.
n
_
i=1
A
i
= .
3. P(A
i
) > 0 para toda i.
A
1
A
2
A
4
A
3
De esta manera cuando un experimento

probabilstico se efect ua, solo un A
i
ocurre.
Ejemplo: Un evento A y su complemento A forman una partici on.
Probabilidad Condicional Teorema de Probabilidad Total
Teorema de Probabilidad Total
Si hacemos una partici on del espacio muestral y B un evento
arbitrario
A
1
A
2
A
3
B
P(B) =
n
i=1
P(A
i
B)
=
n
i=1
P(A
i
)P(B|A
i
)
Probabilidad Condicional Teorema de Probabilidad Total
Teorema de Probabilidad Total
Ejemplo: En el experimento anterior de las botellas.
A : Primer botella es ambar
B : Segunda botella es ambar
(A B) : Ambas botellas son ambar
(

A B) : La primera es verde y la segunda ambar
P(B) = P(A B) + P(

A B)
= P(A)P(B|A) + P(

A)P(B|

A)
=
_
4
12
3
11
_
+
_
8
12
4
11
_
=
1
3
Probabilidad Condicional Teorema de Bayes
Teorema de Bayes
Ya conocemos las probabilidades a priori P(A
i
) y las condicionales
P(B|A
i
); ahora deseamos conocer la P(A
i
|B).
Usando el teorema de probabilidad total y la denici on de la
probabilidad condicional obtenemos el Teorema de Bayes.
Si A
1
, A
2
, . . . , A
n
forman una partici on de y B es un evento
cualquiera, entonces:
P(A
i
|B) =
P(B|A
i
)P(A
i
)
n
j=1
P(B|A
j
)P(A
j
)
Teorema de Bayes
Ejemplo: De un grupo de 40 ductos metalicos, 12 presentan fracturas
internas.
Suponga que la sistema para detectar fracturas no es perfecto.
Detectando fracturas en solo el 90% de los casos en que estas se
presentan. Ademas, existe un 40% de probabilidad de sistema de una
falsa alarma.
Cual es la probabilidad de que una tubera que se le haya detectado
fracturas en realidad las tenga?
F : El ducto presenta fracturas
D : Fracturas son detectadas
La partici on de es {F, F}
P(F) = 0.3; P(D|F) = 0.9; P(D|F) = 0.4
P(F|D) =
P(D|F)P(F)
P(D|F)P(F) + P(D|F)P(F)
=
(0.9)(0.3)
(0.9)(0.3) + (0.4)(0.7)
=
0.27
0.55
0.5
Teorema de Bayes
Otro Ejemplo: Una distribuidora obtiene la mitad de sus productos
de la Fabrica 1, la otra mitad es obtenida de las Fabricas 2 y 3 en la
misma proporci on.
Los porcentajes de productos defectuosos son 4%, 5% y 6%
respectivamente para las Fabricas 1, 2 y 3.
Un artculo de la distribuidara resulta ser defectuoso. Encuentre la
probabilidad de este venga de la Fabrica 1.
F
i
: Artculo proviene de la Fabrica i
D : Artculo defectuoso
La partici on de es {F
1
, F
2
, F
3
}
P(F
1
) = 0.5; P(F
2
) = P(F
3
) = 0.25
P(F
1
|D) =
P(D|F
1
)P(F
1
)
3
i
=1
P(D|F
i
)P(F
i
)
=
(0.04)(0.5)
(0.04)(0.5) + (0.05)(0.25) + (0.06)(0.25)
=
0.02
0.0475
0.42
Probabilidad Condicional Independencia
Independencia
Si consideramos los siguientes dos eventos
J : Al menos una luna de J upiter esta llena.
T : Cantidad de autos que pasaran hoy de 9:00 a 9:10 por Av Te.
El estado de las lunas de J upiter tiene algo que ver con el ujo de
autos frente a UPIICSA?
As que estos eventos son independientes.
Una forma de comprobar esto, es al comparar las estadsticas diarias
del ujo de autos cuando las lunas de J upiter estan llenas, no veramos
diferencia alguna.
Independencia
Denicion: Los eventos A y B son independientes si y solo si
P(A B) = P(A) P(B)
Si P(A B) = P(A) P(B) ,entonces P(A) = P(A|B) y
P(B) = P(B|A)
Si P(A) = 0 entonces Aes independiente de cualquier otro evento.
Si A y B son independientes, entonces A y

B son independientes.
Independencia
No confundas el que dos eventos sean independientes con el que
sean mutuamente excluyentes.
Teorema: Si P(A) > 0 y P(B) > 0, entonces A y B no pueden
ser independientes y mutuamente excluyentes al mismo tiempo.
Demostracion: Si A y B son mutuamente excluyentes:
(A B) =
P(A B) = 0
P(A B) < P(A) P(B)
Por lo cual no pueden ser independientes.
Independencia
Dos eventos pueden estar fsicamente relacionados y aun as ser
independientes.
Ejemplo: Al lanzar un dado.
A = {2, 4, 6}; B = {1, 2, 3, 4}
P(A) =
P(B) =
A B =
P(A B) =
P(A) P(B) =
Independencia
Ejemplo: Una urna contiene tres canicas rojas y dos verdes. Considere
el experimento de extraer una canica de la urna colocarla de nuevo y
sacar una segunda canica.
A: La primera canica es verde.
B: La segunda canica es verde.
Los eventos A y B son independientes?
P(A) P(B) = P(A B) =
Que pasa si no regresamos la primera canica?
P(A) P(B) = P(A B) =
Probabilidad Condicional Independencia Para Mas de Dos Eventos
Independencia Para Mas de Dos Eventos
Los eventos A, B, C son independientes si y solo si:
(a) La probabilidad de la intersecci on de los tres eventos es igual al
producto de las probabilidades de cada evento.
P(A B C) = P(A) P(B) P(C)
(b) Ademas, todos los pares de eventos deben ser independientes:
P(A B) = P(A) P(B)
P(A C) = P(A) P(C)
P(B C) = P(B) P(C)
Probabilidad Condicional Independencia Para Mas de Dos Eventos
Tan solo (a) no es suciente.
Ejemplo: = {1, . . . , 8}, prob. de cada elemento es 1/8
A = {1, 2, 3, 4}; B = {1, 5, 6, 7}; C = {1, 2, 3, 8}
A B = A B C =
P(A B) = P(A B C) =
P(A) P(B) = P(A) P(B) P(C) =
Tan solo (b) no es suciente.
Ejemplo: = {1, . . . , 4}, prob. de cada elemento es 1/4
A = {1, 2}; B = {1, 3}; C = {1, 4}
A B = A B C =
P(A B) = P(A B C) =
P(A) P(B) = P(A) P(B) P(C) =
Probabilidad Condicional Independencia: Denicion General
Independencia: Denicion General
A
1
, . . . , A
n
son independientes si y solo si
P
_
n
i=1
A
i
_
=
n
i=1
P(A
i
)
y todos los subconjuntos de {A
1
, . . . , A
n
} son independientes.

Probabilidad Condicional

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Probabilidad Condicional

Uploaded by

Copyright:

Available Formats

PROBABILIDAD CONDICIONAL

M. en C. Juan Carlos Gutierrez Matus

De esta manera cuando un experimento

You might also like