Upload
jhon
View
215
Download
0
Embed Size (px)
Citation preview
ESTADÍSTICA I
ING. VICTOR SALAZAR POLANCO
ESPECIALISTA EN LOGISTICA
Facultad de Ingeniería
Universidad del Magdalena
Santa Marta - 2011
La reglas aditiva o de adición es un método que facilita
el cálculo de la probabilidad de un evento de acuerdo a
las características del mismo o del resultado a esperar.
Entre estas reglas o leyes se deben presentan alguno de
los siguientes casos:
a) Sucesos mutuamente excluyentes
b) Sucesos compatibles
PROBABILIDAD
REGLAS ADITIVAS
a) Sucesos Mutuamente Excluyentes: Se dice que dos omás eventos son mutuamente excluyentes, si cuandouno de los eventos ocurre, ninguno de los otros puedeocurrir al mismo tiempo, y para este caso se debeaplicar la regla de adición.
Ilustración: Supongamos que al realizar elexperimento del lanzamiento de un dado, se quierehallar la probabilidad de que aparezca el dos o elcuatro. Se sabe que al hacer un solo lanzamiento deun dado, se espera deba aparecer el dos o el cuatro,pero nunca ambos, es decir, la aparición de uno deellos excluye la aparición del otro, y en este caso, sedice que los eventos son mutuamente excluyentes.
PROBABILIDAD
REGLAS ADITIVAS
• Origen de la Fórmula: Si dos o más sucesos son tales que sólo uno deellos puede ocurrir en un solo ensayo, se dice que son mutuamenteexcluyentes. Se denomina probabilidad aditiva y será igual a la sumade las probabilidades de cada suceso.
P = p1 + p2 + p3 + ………+…. Pn
Consideremos que p1 + p2 + p3 + ………+…. Pn son las distintasprobabilidades de n sucesos mutuamente excluyentes. Laprobabilidad (P) de que uno de estos sucesos se presente en un soloensayo, estará dada por la suma de las probabilidades para cadasuceso: P = p1 + p2 + p3 + ………+…. Pn
La fórmula anterior la podemos expresar así:
P(A o B) = P(A) + P(B) P(A o B o C) = P(A) + P(B) + P(C)
PROBABILIDAD
REGLAS ADITIVASSUCESOS MUTUAMENTE EXCLUYENTES
Ejemplo 12: ¿Cuál es la probabilidad de obtener un As o
un Rey, sacando una sola carta en una baraja española
de 40 cartas? R/: Si uno de los casos aparece, sabemos
que queda excluido el otro, por lo tanto, debemos aplicar
el primer caso de la regla de adición.
P(A) = 4/40 = 1/10 = 0.1 x 100 = 10% De obtener un As.
P(B) = 4/40 = 1/10 = 0.1 x 100 = 10% De obtener un Rey.
P(A o B) = P(A) + P(B) = (4/40) + 4/40) = 8/40 = 1/5 = 0.20 x 100 = 20%.
PROBABILIDAD
REGLAS ADITIVASSUCESOS MUTUAMENTE EXCLUYENTES
b) Sucesos Compatibles: Se dice que dos eventos soncompatibles, o que no son mutuamente excluyentes, cuando laprobabilidad de que ocurra un suceso no impide la ocurrenciadel otro.
Ilustración: Al extraer un carta de un baraja de Blackjack(suponiendo que juegan con un solo mazo), es decir, 52 cartas,y se quiere hallar la probabilidad de obtener J o trébol, estapuede resultar siendo sólo J, sólo trébol o ambas a la vez. Paraeste caso la probabilidad se halla así:
P(A) = 4/52 Probabilidad de que aparezca J.
P(B) = 13/52 Probabilidad de que aparezca Trébol.
P(A y B) = 1/52 Probabilidad de que sea un J de Trébol.
PROBABILIDAD
REGLAS ADITIVAS
Origen de la Fórmula: Teniendo en cuenta lo anterior,la probabilidad de un suceso compatible se halla con laprobabilidad de que suceda un evento, más laprobabilidad de que suceda el otro, menos laprobabilidad de que ocurran ambos a la vez.
P(A o B) = P(A) + P(B) – P(A y B)
Es corriente utilizar símbolos, tales como A U B paraindicar la unión de A con B, y A ∩ B, la intersección de Acon B. La anterior expresión se podrá reemplazar por:
P(A u B) = P(A) + P(B) – P(A ∩ B)
PROBABILIDAD
REGLAS ADITIVASSUCESOS COMPATIBLES
Para hallar la probabilidad de obtener J o trébol, este caso
re resuelve así:
P (J o T) = P(J) + P(T) – P(J ∩ T)
P (J o T) = (4/52) + (13/52) – (1/52)
P (J o T) = 16/52 = 0.3076 x 100 = 30.76%
PROBABILIDAD
REGLAS ADITIVASSUCESOS COMPATIBLES
a) Sucesos Independientes: Se dice que dos o más sucesos
son independientes, si la probabilidad de presentación
de ninguno de ellos queda influenciada por la
presentación del otro. Para este caso se efectuará la
multiplicación de las probabilidades para cada suceso.
Si p1, p2, p3, ……… pn son las distintas probabilidades
de n sucesos independientes, la probabilidad (P) de
que ocurran todos estos sucesos en un solo ensayo,
estará dada por el producto de cada suceso.
P = p1 x p2 x p3, ………x pn
PROBABILIDAD
REGLA DE MULTIPLICACIÓN
Ejemplo 13: ¿Qué probabilidad tendremos de obtener dos Ases
sacando una carta de una baraja y la otra de una segunda baraja? R/:
El enunciado nos indica que se trata de casos independientes, ya que
nada tiene que ver una baraja con la otra.
P = (4/52) x (4/52) = 16/2.704 = 0.0059171 x 100 = 0.59%
Recordemos cuando se dice que dos o más eventos son independientes
entre sí, la ocurrencia de un evento no está relacionada con la
ocurrencia de los otros. Si hay tres eventos independientes A, B y C,
la probabilidad de que ocurran A, B y C se obtiene al multiplicar las
tres probabilidades.
P(A y B y C) = P (A) . P (B) . P (C)
PROBABILIDAD
REGLA DE LA MULTIPLICACIÓNSUCESOS INDEPENDIENTES
b) Sucesos Dependientes: Se dice que los sucesos son
dependientes o eventos compuestos, si la ocurrencia o
no ocurrencia de un evento en cualquier prueba afecta
la probabilidad de otros eventos en otras pruebas, es
decir, que la probabilidad del segundo suceso depende
del primer suceso, el del tercero de lo que haya
sucedido en el primero y segundo y así sucesivamente.
Ilustración: Si se van a sacar tres cartas de una baraja,
se debe hacer sin reposición, es decir, al extraer una
carta, ella no vuelve a formar parte del total y en vez de
tener 40 cartas, para la segunda se tendrán 39.
PROBABILIDAD
REGLA DE MULTIPLICACIÓN
Ejemplo 14: De una bajara de 52 cartas se desea extraer trescartas en forma sucesiva sin reposición, es decir, la carta quese extrae no se regresa a la baraja. ¿Cuál es la probabilidadde que en la primera extracción aparezca un As, en lasegunda un Rey de Diamantes y en la tercera un 6 deCorazones? R/: Al extraer la primera carta As, se tiene P(A) =4/52; luego, al extraer la segunda un Rey de Diamantes, sehará sobre un total de 51 cartas, por lo tanto P(B) = 1/51;luego, la tercera carta un 6 de Corazones, se tendrá que P(C) =1/50. La probabilidad de que todos estos sucesosdependientes ocurran será igual a: P(A y B y C) = P (A) . P (B) . P(C)
P(A y B y C) = (4/52).(1/51).(1/50) = (4/132.600) = 0.00003016
P(A y B y C) = 0.00003016 x 100 = 0.00301%
PROBABILIDAD
REGLA DE LA MULTIPLICACIÓNSUCESOS DEPENDIENTES. ORIGEN DE LA FÓRMULA
Lo anterior se puede expresar de la siguiente manera
obteniéndose el mismo resultado:
P(A ∩ B ∩ C) = P (A) . P (B|A) . P (C|A y B)
Se denomina probabilidad conjunta de A y B; P(A) se
llama probabilidad marginal de A; P(B|A) es la
probabilidad condicional de B con respecto a A, y P (C|A y
B) es la probabilidad condicional de C con respecto a A y
B.
PROBABILIDAD
REGLA DE LA MULTIPLICACIÓNSUCESOS DEPENDIENTES. ORIGEN DE LA FÓRMULA
a) En el primero se tiene un solo dado, una baraja; en el
segundo son dos o más dados o barajas.
b) En el primero se extrae una sola carta, o se obtiene
una sola carta, es decir, se espera la presentación de
un suceso; en el segundo se espera la presentación de
dos o más sucesos.
c) En el primero utilizamos la conjunción “o” y en el
segundo la conjunción “y”.
PROBABILIDAD
DIFERENCIAS ENTRE SUCESOS MUTUAMENTE
EXCLUYENTES Y SUCESOS INDEPENDIENTES
En la regla de la multiplicación, la probabilidad conjunta
de A y B se calculaba mediante la aplicación de la
fórmula: P(A y B) = P(A) . P(B|A) = P (A∩B) de donde podemos
despejar la fórmula para la probabilidad condicional de
un evento:
P(B|A) = P(A y B) / P(A)
P(B|A) = P (A∩B) / P(A)
PROBABILIDAD
PROBABILIDAD CONDICIONAL
Ejemplo 15: Se encuentra que en una facultad, el 70%
de los alumnos matriculados son mujeres y que el 18%
son estudiantes de economía. Si elegimos al azar un
estudiante, ¿cuál es la probabilidad de que sea mujer y
que además esté estudiando economía? R/:
P(B|A) = P (A∩B) / P(A)
P(B|A) = 0.18/0.70
P(B|A) = 0.2571 x 100
P(B|A) = 25.71% Esta es la probabilidad de elegir una
mujer que además esté estudiando economía.
PROBABILIDAD
PROBABILIDAD CONDICIONAL
Este teorema establece, que si sucede cierto evento, que
depende de la ocurrencia de los eventos A o B o C
correspondientes a un conjunto de sucesos
mutuamente excluyentes, la probabilidad de que E
haya ocurrido a consecuencia de A, lo cual expresamos:
P(A|E) , corresponda al producto de las probabilidades
individuales del evento A y del evento E, dividido por la
probabilidad alternativa del evento E con respecto a
cada uno de los eventos independientes de A, B y C.
P(A|E) = P(A) .P(E|A)
P(A) .P(E1|A) + P(B) . P(E2|B) + P(C) . P(E3|C)
PROBABILIDAD
TEOREMA DE BAYES
Ejemplo 16: La capacidad de producción de las
máquinas A, B, C y D, durante 1 hora viene
determinado así: A=600, B=400, C=300 y D=700
unidades, es decir, en términos porcentuales A=30%,
B=20%, C=15% y D=35%. Mediante un proceso de
observación se ha detectado que el porcentaje de
unidades defectuosas producidas por cada una de las
máquinas es del 4%, 3%, 6% y 5%, respectivamente. Si
procedemos a sacar un elemento del total, ¿cuál es la
probabilidad de que haya sido producida por la
máquina A, o por la máquina B, C o D?
PROBABILIDAD
TEOREMA DE BAYES
• Solución: Sabemos que:
P(A) = 0.30
P(B) = 0.20
P(C) = 0.15
P(D) = 0.35
Son las probabilidades independientes de A, B, C y D respectivamente.
Siendo:
P(E|A) = 0.04
P(E2|B) = 0.03
P(E3|C) = 0.06
P(E4|D) = 0.05
PROBABILIDAD
TEOREMA DE BAYES
Ahora podemos calcular:
P(A) .P(E|A) = 0.30 (0.04) = 0.012
P(B) . P(E2|B) = 0.20 (0.03) = 0.006
P(C) . P(E3|C) = 0.15 (0.06) = 0.009
P(D) . P(E4|D) = 0.35 (0.05) = 0.0175
La suma de las probabilidades será:
0.012 + 0.006 + 0.009 + 0.0175 = 0.0445
PROBABILIDAD
TEOREMA DE BAYES
Llamemos al anterior resultado P(E), con el cual
podemos aplicar la fórmula de Bayes, así podemos
calcular la probabilidad de que la unidad defectuosa
haya sido producida por una de las cuatro máquinas.
Veamos:
P(A|E) = P(A) .P(E|A) / P(E) = 0.30 x 0.04 / 0.0445 = 0.2967 x 100 = 29.67%
P(B|E) = P(B) .P(E|B) / P(E) = 0.20 x 0.03 / 0.0445 = 0.1348 x 100 = 13.48%
P(C|E) = P(C) .P(E|C) / P(E) = 0.15 x 0.06 / 0.0445 = 0.2022 x 100 = 20.22%.
P(D|E) = P(D) .P(E|D) / P(E) = 0.35 x 0.05 / 0.0445 = 0.3933 x 100 = 39.33%
PROBABILIDAD
TEOREMA DE BAYES