Transcript
Page 1: Introducción a la probabilidad - Departamento de Estadística€¦ · Introducción a la probabilidad Fenómenos y experimentos aleatorios Concepto de probabilidad y propiedades

Estadística: Profesora María Durbán

1

Introducción a la probabilidad

Fenómenos y experimentos aleatorios

Concepto de probabilidad y propiedades

Estimación de la probabilidad en la práctica

EquiprobabilidadMétodos combinatorios

Probabilidad condicionadaConcepto y propiedadesIndependencia de sucesosTeorema de Bayes

Introducción

Estadística: Profesora María Durbán

2

Objetivos del tema:Al final del tema el alumno será capaz de:

Comprender y describir los sucesos de un experimento mediantegráficos, tablas, etc.

Calcular probabilidades de sucesos simples y compuestos

Interpretar y calcular probabilidades condicionadas

Determinar la independencia de sucesos y utilizarla para calcularprobabilidades

Utilizar el Teorema de Bayes para el cálculo de probabilidades condicionadas

Introducción a la probabilidad

Estadística: Profesora María Durbán

3

Introducción a la probabilidad

Fenómenos y experimentos aleatorios

Concepto de probabilidad y propiedades

Estimación de la probabilidad en la práctica

EquiprobabilidadMétodos combinatorios

Probabilidad condicionadaConcepto y propiedadesIndependencia de sucesosTeorema de Bayes

Introducción

Estadística: Profesora María Durbán

4

Introducción

Un investigador puede tener el objetivo de:

Describir los resultados de un experimento concreto

Extraer conclusiones generales aplicables en situaciones similares

Estadística descriptiva

Inferencia Necesitamos probabilidad

El cálculo de probabilidades nos proporciona las reglas para el estudio deexperimentos con un componente aleatorio

Page 2: Introducción a la probabilidad - Departamento de Estadística€¦ · Introducción a la probabilidad Fenómenos y experimentos aleatorios Concepto de probabilidad y propiedades

Estadística: Profesora María Durbán

5

Introducción a la probabilidad

Fenómenos y experimentos aleatorios

Concepto de probabilidad y propiedades

Estimación de la probabilidad en la práctica

EquiprobabilidadMétodos combinatorios

Probabilidad condicionadaConcepto y propiedadesIndependencia de sucesosTeorema de Bayes

Fenómenos y experimentos aleatorios

Introducción

Estadística: Profesora María Durbán

6

Fenómenos y experimentos aleatorios

Experimento: Proceso de observar una característica

Ejemplos

Lanzar una moneda tres veces y observar el número de caras

Medir la corriente en un cable de cobre

Contar el número de llamas que llegan a una centralita en una hora

Medir la resistencia a la compresión del hormigón

Estadística: Profesora María Durbán

7

Fenómenos y experimentos aleatorios

Ejemplo

Medir la corriente que atraviesa un cable de cobre

Repetimos el experimento en distintas partes

Obtenemos distintos resultados

Debido a las variables no controladas

Errores de medida

Impurezas del cobre

Calibre del cableEstadística: Profesora María Durbán

8

Fenómenos y experimentos aleatorios

Ejemplo

Medir la corriente que atraviesa un cable de cobre

Repetimos el experimento en distintos momentos

Page 3: Introducción a la probabilidad - Departamento de Estadística€¦ · Introducción a la probabilidad Fenómenos y experimentos aleatorios Concepto de probabilidad y propiedades

Estadística: Profesora María Durbán

9

Fenómenos y experimentos aleatorios

Si esta variabilidad es pequeña no afectará a los resultados del experimento

Si la variabilidad es alta puede encubrir resultados importantes

Nuestro objetivo

Estadística: Profesora María Durbán

10

Fenómenos y experimentos aleatorios

Diremos que un experimento es aleatorio si ve verifican las siguientes condiciones:

1. Puede repetirse indefinidamente, siempre en las mismas condiciones

2. Antes de realizarlo no se puede predecir el resultado que se va a obtener

3. El resultado que se obtenga, pertenece a un conjunto previamente conocidode posibles resultados

Estadística: Profesora María Durbán

11

Fenómenos y experimentos aleatorios

Sucesos

Se llama suceso a un subconjunto de resultados

Suceso elementalSiempre ocurre uno de ellosSon mutuamente excluyentes

Suceso compuestoUniones de sucesos elementales

Cuando se realiza un experimento aleatorio diversos resultados son posibles. El conjunto de todos los resultados posibles se llama espacio muestral (E).

E espacio muestral

E espacio muestral

Estadística: Profesora María Durbán

12

Fenómenos y experimentos aleatorios

Sucesos

Se llama suceso contrario (complementario) de un suceso A, al formado por los sucesos que no están en A

El suceso seguro, E, es aquel que siempre ocurre al realizarel experimento

El suceso imposible, Ø, es aquel que nunca ocurre como resultado del experimento

A A

E espacio muestral

E espacio muestral

Page 4: Introducción a la probabilidad - Departamento de Estadística€¦ · Introducción a la probabilidad Fenómenos y experimentos aleatorios Concepto de probabilidad y propiedades

Estadística: Profesora María Durbán

13

Fenómenos y experimentos aleatorios

Operaciones con sucesos

Se llama suceso intersección de A y B, A∩B o AB, al formado por los resultados experimentales que están simultáneamente en A y B

Se dice que dos sucesos A y B son incompatibles si nopueden ocurrir a la vez, A∩B=Ø

E espacio muestral

A

B

INTERSEC.

E espacio muestral

B

A

Estadística: Profesora María Durbán

14

Fenómenos y experimentos aleatorios

Se llama suceso unión de A y B, AUB, al suceso formado por los resultadosexperimentales que están en A o en B (incluyendo los que están en ambos)

Se llama suceso diferencia de A y B, A-B, al formado por todos los sucesos de A que no están en B, es decir, A∩B

E espacio muestral

A

B

E espacio muestral

A

B

UNIÓN

E espacio muestral

A

B

Operaciones con sucesos

Consecuencia:

A = E-A

Estadística: Profesora María Durbán

15

Fenómenos y experimentos aleatorios

Ejemplo

Se utiliza una balanza digital para pesar las piezas producidas por unamáquina.

A Peso 11grB Peso 15grC Peso 5gr

→ ≥→ ≤→ ≤

C A

B Estadística: Profesora María Durbán

16

Fenómenos y experimentos aleatorios

Ejemplo

Se utiliza una balanza digital para pesar las piezas producidas por unamáquina.

A Peso 11grB Peso 15grC Peso 5gr

→ ≥→ ≤→ ≤

A B 11gr Peso 15grB C Peso 15grA C

5 Peso 15grB C

→ ≤ ≤→ ≤→∅

− → < ≤

I

U

I

A

B 11 15

Page 5: Introducción a la probabilidad - Departamento de Estadística€¦ · Introducción a la probabilidad Fenómenos y experimentos aleatorios Concepto de probabilidad y propiedades

Estadística: Profesora María Durbán

17

Fenómenos y experimentos aleatorios

Ejemplo

Se utiliza una balanza digital para pesar las piezas producidas por unamáquina.

A Peso 11grB Peso 15grC Peso 5gr

→ ≥→ ≤→ ≤

A B 11gr Peso 15grB C Peso 15grA C

5 Peso 15grB C

→ ≤ ≤→ ≤→∅

− → < ≤

I

U

I

C

B 15Estadística: Profesora María Durbán

18

Fenómenos y experimentos aleatorios

Ejemplo

Se utiliza una balanza digital para pesar las piezas producidas por unamáquina.

A Peso 11grB Peso 15grC Peso 5gr

→ ≥→ ≤→ ≤

A B 11gr Peso 15grB C Peso 15grA C

5 Peso 15grB C

→ ≤ ≤→ ≤→∅

− → < ≤

I

U

I

C A

Estadística: Profesora María Durbán

19

Fenómenos y experimentos aleatorios

Ejemplo

Se utiliza una balanza digital para pesar las piezas producidas por unamáquina.

A Peso 11grB Peso 15grC Peso 5gr

→ ≥→ ≤→ ≤

A B 11gr Peso 15grB C Peso 15grA C

5 Peso 15grB C

→ ≤ ≤→ ≤→∅

− → < ≤

I

U

I

C

B5 15 Estadística: Profesora María Durbán

20

Fenómenos y experimentos aleatorios

Hay ciertas propiedades de la unión, intersección y suceso contrario que sonconocidas bajo las leyes de Morgan

A

Leyes de Morgan

A B=A BU I

E espacio muestral

A

B

B

Intersección de

A B=A BI U

E espacio muestral

A

B

Unión de

Page 6: Introducción a la probabilidad - Departamento de Estadística€¦ · Introducción a la probabilidad Fenómenos y experimentos aleatorios Concepto de probabilidad y propiedades

Estadística: Profesora María Durbán

21

Introducción a la probabilidad

Fenómenos y experimentos aleatorios

Concepto de probabilidad y propiedades

Estimación de la probabilidad en la práctica

EquiprobabilidadMétodos combinatorios

Probabilidad condicionadaConcepto y propiedadesIndependencia de sucesosTeorema de Bayes

Concepto de probabilidad y propiedades

Introducción

Estadística: Profesora María Durbán

22

Concepto de probabilidad y propiedades

En un experimento aleatorio, cuando el número de veces que se repiteaumenta, la frecuencia relativa

on de veces que ocurre A(A)nnf =

converge hacia una cantidad que llamamos probabilidad:

Pr(A) lim (A)nf=n →∞

Ejemplo

Frecuencia relativa del número decaras obtenidos en lanzamientossucesivos de una moneda

Converge a 1/2

Estadística: Profesora María Durbán

23

Concepto de probabilidad y propiedades

En un experimento aleatorio, cuando el número de veces que se repiteaumenta, la frecuencia relativa

También podemos entender la probabilidad como el grado de certeza que se posee sobre un suceso, basada en experiencias previas

on de veces que ocurre A(A)nnf =

converge hacia una cantidad que llamamos probabilidad:

Pr(A) lim (A)nf=n →∞

La probabilidad depende del grado de información disponible:

Los sucesos posibles al realizar el experimento

La evidencia empírica existente respecto a la ocurrencia de lossucesos Estadística: Profesora María Durbán

24

Concepto de probabilidad y propiedades

Dado un espacio muestral, E, definimos probabilidad como una función, P, que asigna a un suceso A un valor numérico P(A), verificando las siguientes reglas(axiomas)

1. 0≤P(A) ≤1 2. P(E)=1 3. P(AUB)=P(A)+P(B) si A∩B=Ø

El tercer axioma se generaliza a cualquier número de sucesos de disjuntos:

1A 2A3A

4A 4A

( )5 5

i i1i=1

Pr A Pr Ai=

⎛ ⎞=⎜ ⎟

⎝ ⎠∑U

Page 7: Introducción a la probabilidad - Departamento de Estadística€¦ · Introducción a la probabilidad Fenómenos y experimentos aleatorios Concepto de probabilidad y propiedades

Estadística: Profesora María Durbán

25

Concepto de probabilidad y propiedades

Dado un espacio muestral, E, definimos probabilidad como una función, P, que asigna a un suceso A un valor numérico P(A), verificando las siguientes reglas(axiomas)

1. 0≤P(A) ≤1 2. P(E)=1 3. P(AUB)=P(A)+P(B) si A∩B=Ø

El tercer axioma se generaliza a cualquier número de sucesos de disjuntos:

1A 2A3A

5A 4A

( )5 5

i i1i=1

Pr A Pr Ai=

⎛ ⎞=⎜ ⎟

⎝ ⎠∑U

Estadística: Profesora María Durbán

26

Concepto de probabilidad y propiedades

. P(A) = 1 - P(A). P( ) = 0

3. Si A B P(A) P(B)4. P(B-A) = P(B) - P(A B)5. P(A B) = P(A) + P(B) -

1

P A B)

2

(

∅⊆ ⇒ ≤

∩∪ ∩

Estos axiomas no asignan probabilidades a sucesos, pero facilitan el cálculo de probabilidades de unos sucesos a partir de la probabilidad de otros:

E A A 1 Pr(A) Pr(A)= ∪ → = +

Estadística: Profesora María Durbán

27

Concepto de probabilidad y propiedades

. P(A) = 1 - P(A). P( ) = 0

3. Si A B P(A) P(B)4. P(B-A) = P(B) - P(A B)5. P(A B) = P(A) + P(B) -

1

P A B)

2

(

∅⊆ ⇒ ≤

∩∪ ∩

Estos axiomas no asignan probabilidades a sucesos, pero facilitan el cálculo de probabilidades de unos sucesos a partir de la probabilidad de otros:

Pr( ) 1 Pr( ) 1 1 0E E∅ = → ∅ = − = − =

Estadística: Profesora María Durbán

28

Concepto de probabilidad y propiedades

. P(A) = 1 - P(A). P( ) = 0. Si A B P(A) P(B)

4. P(B-A) = P(B) - P(A B)5. P(A B) = P(A) + P(B)

123

- P(A B)

∅⊆ ⇒ ≤

∩∪ ∩

Estos axiomas no asignan probabilidades a sucesos, pero facilitan el cálculo de probabilidades de unos sucesos a partir de la probabilidad de otros:

B A (B A) Pr(B) Pr(A)+Pr(B A)= ∪ ∩ → = ∩

Page 8: Introducción a la probabilidad - Departamento de Estadística€¦ · Introducción a la probabilidad Fenómenos y experimentos aleatorios Concepto de probabilidad y propiedades

Estadística: Profesora María Durbán

29

Concepto de probabilidad y propiedades

. P(A) = 1 - P(A). P( ) = 0. Si A B P(A) P(B). P(B-A) = P(B) - P(A B)

5. P(A B) = P(A) + P(B)

1

- P(A B

2

)

34

∅⊆ ⇒ ≤

∩∪ ∩

Estos axiomas no asignan probabilidades a sucesos, pero facilitan el cálculo de probabilidades de unos sucesos a partir de la probabilidad de otros:

B (A B) (B A)Pr(B) Pr(A B) Pr(B A)Pr(B) Pr(A B) Pr(B-A)

= ∩ ∪ ∩

= ∩ + ∩= ∩ +

Estadística: Profesora María Durbán

30

Concepto de probabilidad y propiedades

. P(A) = 1 - P(A). P( ) = 0. Si A B P(A) P(B).

12345

P(B-A) = P(B) - P(A B). P(A B) = P(A) + P(B) - P(A B)

∅⊆ ⇒ ≤

∩∪ ∩

Estos axiomas no asignan probabilidades a sucesos, pero facilitan el cálculo de probabilidades de unos sucesos a partir de la probabilidad de otros:

A B=(A-B) (B-A) (A B)Pr(A B)=Pr(A)-Pr(A B)+Pr(B)-Pr(A B)+Pr(A B)∪ ∪ ∪ ∩

∪ ∩ ∩ ∩

Estadística: Profesora María Durbán

31

A

B

P(A)

P(B)

P(A ∩ B)

A o B

+_

P(A U B)

Concepto de probabilidad y propiedades

P(A B) = P(A) + P(B) - P(A B)∪ ∩

Estadística: Profesora María Durbán

32

Concepto de probabilidad y propiedades

Ejemplo: Faros de coche

Un fabricante de faros de coches controla con regularidad la duración y laintensidad de la luz cuando son sometidos a elevada humedad y temperatura.En la siguiente tabla se presentan las probabilidades de tener un comportamientosatisfactorio en cuanto a intensidad y duración:

0.0150.062No Satisfactorio

0.0230.9Satisfactorio

No SatisfactorioSatisfactorioIntensidad

Duración

1. ¿Cuál es la probabilidad de que la duración de un faro sea satisfactoria?2. ¿Cuál es la probabilidad de que un faro tenga intensidad satisfactoria o no tenga

duración satisfactoria?

Page 9: Introducción a la probabilidad - Departamento de Estadística€¦ · Introducción a la probabilidad Fenómenos y experimentos aleatorios Concepto de probabilidad y propiedades

Estadística: Profesora María Durbán

33

Concepto de probabilidad y propiedades

Ejemplo: Faros de coche

0.0150.062No Satisfactorio

0.0230.9Satisfactorio

No SatisfactorioSatisfactorioIntensidad

Duración

A Satisfactorio en intensidadB Satisfactorio en duracion→→ Pr(A B)∩ Pr(A B)∩ Pr(A B)∩ Pr(A B)∩

Estadística: Profesora María Durbán

34

Concepto de probabilidad y propiedades

Ejemplo: Faros de coche

0.0150.062No Satisfactorio

0.0230.9Satisfactorio

No SatisfactorioSatisfactorioIntensidad

Duración

A Satisfactorio en intensidadB Satisfactorio en duracion→→ Pr(A B)∩ Pr(A B)∩ Pr(A B)∩ Pr(A B)∩

1. ¿Cuál es la probabilidad de que la duración de un faro sea satisfactoria?

¿ Pr(B) ? B (A B) (A B)= ∩ ∪ ∩

Estadística: Profesora María Durbán

35

Concepto de probabilidad y propiedades

Ejemplo: Faros de coche

0.0150.062No Satisfactorio

0.0230.9Satisfactorio

No SatisfactorioSatisfactorioIntensidad

Duración

A Satisfactorio en intensidadB Satisfactorio en duracion→→ Pr(A B)∩ Pr(A B)∩ Pr(A B)∩ Pr(A B)∩

1. ¿Cuál es la probabilidad de que la duración de un faro sea satisfactoria?

¿ Pr(B) ? B (A B) (A B)= ∩ ∪ ∩ Pr(B) Pr(A B) Pr(A B) 0.9 0.062 0.962= ∩ + ∩ = + =

Tercer Axioma P(AUB)=P(A)+P(B) si A∩B=Ø Estadística: Profesora María Durbán

36

Concepto de probabilidad y propiedades

Ejemplo: Faros de coche

0.0150.062No Satisfactorio

0.0230.9Satisfactorio

No SatisfactorioSatisfactorioIntensidad

Duración

A Satisfactorio en intensidadB Satisfactorio en duracion→→ Pr(A B)∩ Pr(A B)∩ Pr(A B)∩ Pr(A B)∩

2. ¿Cuál es la probabilidad de que un faro tenga intensidad satisfactoria o no tengaduración satisfactoria?

Pr(A B) Pr(A) Pr(B) Pr(A B)∪ = + − ∩

Pr(A) Pr(A B) Pr(A B) 0.9 0.023 0.923= ∩ + ∩ = + = Pr(B) 1 Pr(B) 1 0.962 0.038= − = − =

Pr(A B) 0.923 0.038 0.023 0.938∪ = + − =

Page 10: Introducción a la probabilidad - Departamento de Estadística€¦ · Introducción a la probabilidad Fenómenos y experimentos aleatorios Concepto de probabilidad y propiedades

Estadística: Profesora María Durbán

37

Introducción a la probabilidad

Fenómenos y experimentos aleatorios

Concepto de probabilidad y propiedades

Estimación de la probabilidad en la práctica

EquiprobabilidadMétodos combinatorios

Probabilidad condicionadaConcepto y propiedadesIndependencia de sucesosTeorema de Bayes

Estimación de la probabilidad en la práctica

Introducción

Estadística: Profesora María Durbán

38

Estimación de la probabilidad en la práctica

Equiprobabilidad

Si un experimento cualquiera puede dar lugar a un número finito de resultados posibles, y no hay razón que privilegie a un resultado frente a otro. Calcularemosla probabilidad de un suceso de la forma siguiente:

Dado un suceso compuesto A que contiene f sucesos elementales, su probabilidad será:

( )Pr( ) ( )

casos favorables fAcasos posibles n

=

Regla de Laplace

1n

Probabilidad de cadasuceso elemental

Estadística: Profesora María Durbán

39

Estimación de la probabilidad en la práctica

Ejemplos

Lanzamiento de una moneda

Lanzamiento de un dado

Extracción de cartas de la baraja

{ }, Pr( ) 1/ 2E C X C= → =

{ }1,2,3, 4,5,6 Pr(3) 1/ 6E = → =

{ }As de copas, dos de copas....E =

Pr(Sacar una carta de oros) 10 / 40=

Estadística: Profesora María Durbán

Estimación de la probabilidad en la práctica

Equiprobabilidad

En ocasiones no es fácil determinar los sucesos elementales contenidos en unsuceso A:

Ejemplo: Lote de ordenadores

En un lote de 9 ordenadores hay 3 que son defectuosos, el comprador del lote lorechazará si al inspeccionar dos de ellos elegidos al azar resultan ser defectuosos:

¿Cuál es la probabilidad de que el comprador rechace el lote?

A Rechazar el lote Encontrar dos defectuosos→ =

Pr( )

casos favorablesAcasos posibles

=De cuántas maneras puedoseleccionar 2 defectuososDe cuántas maneras puedoseleccionar dos ordenadores

Page 11: Introducción a la probabilidad - Departamento de Estadística€¦ · Introducción a la probabilidad Fenómenos y experimentos aleatorios Concepto de probabilidad y propiedades

Estadística: Profesora María Durbán

41

Estimación de la probabilidad en la práctica

Ejemplo: Lote de ordenadores

¿De cuántas maneras puedo seleccionar 2 defectuosos?

En un lote de 9 ordenadores hay 3 que son defectuosos, el comprador del lote lorechazará si al inspeccionar dos de ellos elegidos al azar resultan ser defectuosos:

¿Cuál es la probabilidad de que el comprador rechace el lote?

Estadística: Profesora María Durbán

42

Estimación de la probabilidad en la práctica

Ejemplo: Lote de ordenadores

¿De cuántas maneras puedo seleccionar 2 defectuosos?

En un lote de 9 ordenadores hay 3 que son defectuosos, el comprador del lote lorechazará si al inspeccionar dos de ellos elegidos al azar resultan ser defectuosos:

¿Cuál es la probabilidad de que el comprador rechace el lote?

Estadística: Profesora María Durbán

43

Estimación de la probabilidad en la práctica

Ejemplo: Lote de ordenadores

¿De cuántas maneras puedo seleccionar 2 defectuosos?

En un lote de 9 ordenadores hay 3 que son defectuosos, el comprador del lote lorechazará si al inspeccionar dos de ellos elegidos al azar resultan ser defectuosos:

¿Cuál es la probabilidad de que el comprador rechace el lote?

De 3 maneras

Estadística: Profesora María Durbán

44

Estimación de la probabilidad en la práctica

Ejemplo: Lote de ordenadores

¿De cuántas maneras puedo seleccionar 2 ordenadores de entre los 9?

En un lote de 9 ordenadores hay 3 que son defectuosos, el comprador del lote lorechazará si al inspeccionar dos de ellos elegidos al azar resultan ser defectuosos:

¿Cuál es la probabilidad de que el comprador rechace el lote?

Page 12: Introducción a la probabilidad - Departamento de Estadística€¦ · Introducción a la probabilidad Fenómenos y experimentos aleatorios Concepto de probabilidad y propiedades

Estadística: Profesora María Durbán

45

Combinatoria

Estimación de la probabilidad en la práctica

Nos ayuda a calcular el número de reordenaciones de objetos tomados de en

nk k

NO IMPORTA EL ORDENCOMBINACIONES

IMPORTA EL ORDENVARIACIONES

CON REEMPLAZAMIENTO(o con repetición)

SIN REEMPLAZAMIENTO(o sin repetición)

!( )!

kn

nVn k

=−

k knVR n=

kn

nC

k⎛ ⎞

= ⎜ ⎟⎝ ⎠

1kn

n kCR

k+ −⎛ ⎞

= ⎜ ⎟⎝ ⎠

Si Permutacionesn k= →

Estadística: Profesora María Durbán

46

Estimación de la probabilidad en la práctica

Ejemplo: Lote de ordenadores

En un lote de 9 ordenadores hay 3 que son defectuosos, el comprador del lote lorechazará si al inspeccionar dos de ellos elegidos al azar resultan ser defectuosos:

¿Cuál es la probabilidad de que el comprador rechace el lote?

Los ordenadores se eligen simultáneamente sin reemplazamiento

El orden dentro del grupo no importa Combinaciones

Pr( )

casos favorablesAcasos posibles

=De cuántas maneras puedoseleccionar 2 defectuosos

23

3! 32!1!

C = =Hay 3 ordenadores defectuosos

Estadística: Profesora María Durbán

47

Estimación de la probabilidad en la práctica

Ejemplo: Lote de ordenadores

En un lote de 9 ordenadores hay 3 que son defectuosos, el comprador del lote lorechazará si al inspeccionar dos de ellos elegidos al azar resultan ser defectuosos:

¿Cuál es la probabilidad de que el comprador rechace el lote?

Los ordenadores se eligen simultáneamente sin reemplazamiento

El orden dentro del grupo no importa Combinaciones

Pr( )

casos favorablesAcasos posibles

= De cuántas maneras puedoseleccionar 2 ordenadores

29

9! 362!7!

C = =

Hay 9 ordenadores en el loteEstadística: Profesora María Durbán

48

Estimación de la probabilidad en la práctica

Ejemplo: Lote de ordenadores

En un lote de 9 ordenadores hay 3 que son defectuosos, el comprador del lote lorechazará si al inspeccionar dos de ellos elegidos al azar resultan ser defectuosos:

¿Cuál es la probabilidad de que el comprador rechace el lote?

Los ordenadores se eligen simultáneamente sin reemplazamiento

El orden dentro del grupo no importa Combinaciones

3Pr( )36

A =

Page 13: Introducción a la probabilidad - Departamento de Estadística€¦ · Introducción a la probabilidad Fenómenos y experimentos aleatorios Concepto de probabilidad y propiedades

Estadística: Profesora María Durbán

49

Introducción a la probabilidad

Fenómenos y experimentos aleatorios

Concepto de probabilidad y propiedades

Estimación de la probabilidad en la práctica

EquiprobabilidadMétodos combinatorios

Probabilidad condicionadaConcepto y propiedadesIndependencia de sucesosTeorema de Bayes

Probabilidad condicionada

Introducción

Estadística: Profesora María Durbán

50

Probabilidad condicionada

Concepto y propiedadesE espacio muestral

A

B

Centra el foco de atención en el hecho que se sabe que ha ocurrido el evento B

Estamos indicando que el espacio muestral de interés se ha “reducido” sólo a aquellos resultados que definen la ocurrencia del evento B

Entonces, P(A | B) “mide” la probabilidad relativa de A con respecto al espacio reducido B

A|B

E espacio muestral

A

B

.

5 casos posibles

2 casos favorables

2 2 / 9 Pr( )Pr( | )5 5 / 9 Pr( )

A BA BB∩

= = =

Estadística: Profesora María Durbán

B

A

P(A) = 0,25P(B) = 0,10P(A∩B) = 0,10

B

A

Pr(A|B)=1 Pr(A|B)=0,8>Pr(A)

P(A) = 0,25P(B) = 0,10P(A∩B) = 0,08

Pr( | ) 1B A A B⊂ ⇒ =Pr( )Pr( | )

Pr( )A BA B

B∩

=

Probabilidad condicionada

Estadística: Profesora María Durbán

52

A

B

A

B

Pr(A|B)=0,05<Pr(A) P(A|B)=0

P(A) = 0,25P(B) = 0,10P(A∩B) = 0,005

P(A) = 0,25P(B) = 0,10P(A∩B) = 0

Pr( | ) 0A B A B∩ =∅⇒ =

Probabilidad condicionada

Page 14: Introducción a la probabilidad - Departamento de Estadística€¦ · Introducción a la probabilidad Fenómenos y experimentos aleatorios Concepto de probabilidad y propiedades

Estadística: Profesora María Durbán

53

Probabilidad condicionada

Pr( | ) 1Pr( | ) 0

Pr( )Pr( | )Pr( )

B A A BA B A B

A BA BB

⊂ ⇒ =∩ =∅⇒ =

∩=

Concepto y propiedades

Pr( ) Pr( | ) Pr( ) Pr( | ) Pr( ) Pr( ) Pr( )

A B A B BB A AAB

∩ ==≤≤

Importante:Pr( ) 0B >

Pr( | ) Pr( )A B A B⇒ ≥ ∩

Estadística: Profesora María Durbán

54

Se sabe que el 10% de las piezas manufacturadas tienen fallos visibles en la superficie.

Se ha encontrado que el 25% de las piezas con fallos superficiales son funcionalmente defectuosas

100% piezasManufacturadas

Por lo tanto el 90% no tienen fallos visibles en la superficie.

También se ha encontrado que el 5% de la piezas que no tienen fallos superficiales son funcionalmente defectuosas

Suceso A = { pieza funcionalmente defectuosa}B = { pieza tiene una fallo visible en la superficie}

Probabilidad condicionada

Pr( ) 0.9B = Pr( ) 0.1B =

Pr( | ) 0.25A B =

Pr( | ) 0.05A B =

¿Qué porcentaje de piezas tiene fallos y no es funcionalmente defectuosa?

Pr( ) Pr( | ) Pr( ) (1 Pr( | )) Pr( ) 0.75 0.1 0.075 7.5%A B A B B A B B∩ = = − = × = →

Estadística: Profesora María Durbán

55

Probabilidad condicionada

Independencia de sucesos

Diremos que dos sucesos son independientes si el conocimiento de la ocurrenciade uno no modifica la probabilidad de ocurrencia del otro

y son independientes si:A B

Pr( | ) Pr( )Pr( | ) Pr( )

A B AB A B

==

Pr( ) Pr( | ) Pr( ) Pr( ) Pr( )A B A B B A B∩ = =

Estadística: Profesora María Durbán

56

Probabilidad condicionada

EjemploUna aplicación del concepto de independencia es el cálculo de la Fiabilidad deun sistema.Se denomina Fiabilidad de un sistema a la probabilidad de que el sistema funcionecorrectamente.

A B

Page 15: Introducción a la probabilidad - Departamento de Estadística€¦ · Introducción a la probabilidad Fenómenos y experimentos aleatorios Concepto de probabilidad y propiedades

Estadística: Profesora María Durbán

57

Probabilidad condicionada

EjemploUna aplicación del concepto de independencia es el cálculo de la Fiabilidad deun sistema.Se denomina Fiabilidad de un sistema a la probabilidad de que el sistema funcionecorrectamente.

Si la probabilidad de que un interruptor cualquiera esté cerrado es 0.99, ¿cuál es laprobabilidad de que pase corriente de A a B?

A B

2Pr(pasar corriente de A a B) 0.99 0.9801= =

Estadística: Profesora María Durbán

58

Probabilidad condicionada

EjemploAunque la fiabilidad de cada componente sea alta, si hay muchos componentes, lafiabilidad del sistema puede ser baja.Para aumentar la fiabilidad podemos poner varios sistemas en paralelo:

1 2Pr(pasar corriente de A a B) Pr(S S )1 Pr(no pasar corriente de A a B)

= ∪= −

A B

1 2

3 4

S1

S2

( )1 2 1 21 Pr(S S ) 1 Pr(S ) Pr(S )− ∩ = −

1 1Pr(S ) 1 Pr(S ) 1 0.9801 0.0199= − = − =2Pr(pasar corriente de A a B) 1 0.0199 0.9996= − =

Ha aumentado la fiabilidad en un 2%

Estadística: Profesora María Durbán

59

A1 A2

A3 A4

Consideramos un experimento que se realiza en dos etapas: en la primera, los sucesos posibles

A1, A2, A3, A4…

Son tales que la unión de todos ellos forman el espacio muestral, y sus intersecciones son disjuntas.

Probabilidad condicionada

Teorema de Bayes

Estadística: Profesora María Durbán

60

A1 A2

A3 A4

B

B = (B∩A1) U (B∩A2 ) U ( B∩A3 ) U ( B∩A4 )

En la segunda etapa, todo suceso B depende de lo sucedido en la primera etapa y puede ser descompuesto en sucesos disjuntos

Teorema de Bayes

Probabilidad condicionada

Page 16: Introducción a la probabilidad - Departamento de Estadística€¦ · Introducción a la probabilidad Fenómenos y experimentos aleatorios Concepto de probabilidad y propiedades

Estadística: Profesora María Durbán

61

A1 A2

A3 A4

B

Si conocemos la probabilidad de que ocurra B habiendo ocurrido Ai , entonces podemos calcular la probabilidad de B.

P(B) = P(B∩A1) + P(B∩A2 ) + P( B∩A3 ) + ( B∩A4 )

=P(B|A1) P(A1) + P(B|A2) P(A2) + P(B|A3) P(A3) + P(B|A4) P(A4)

Teorema de Bayes

Probabilidad condicionada

Tercer AxiomaP(AUB)=P(A)+P(B) si A∩B=Ø

Estadística: Profesora María Durbán

62

A1 A2

A3 A4

B

Si conocemos la probabilidad de que ocurra B habiendo ocurrido Ai , entonces podemos calcular la probabilidad de B.

P(B) = P(B∩A1) + P(B∩A2 ) + P( B∩A3 ) + ( B∩A4 )

=P(B|A1) P(A1) + P(B|A2) P(A2) + P(B|A3) P(A3) + P(B|A4) P(A4)

Teorema de Bayes

Probabilidad condicionada

Probabilidad CondicionadaP(A∩B)=P(A|B)P(B)

Estadística: Profesora María Durbán

63

A1 A2

A3 A4

B

…si ocurre B, podemos calcular la probabilidad (a posteriori) de ocurrencia de cada Ai.

donde P(B) se puede calcular usando el teorema de la probabilidad total:

P(B) =P(B|A1) P(A1) + P(B|A2) P(A2) + P(B|A3) P(A3) + P(B|A4) P(A4)

i ii

Pr(B|A ) Pr(A )Pr(A |B)Pr(B)

=

iPr(A B)∩

Probabilidad condicionada

Estadística: Profesora María Durbán

64

Se sabe que el 10% de las piezas manufacturadas tienen fallos visibles en la superficie.

Se ha encontrado que el 25% de las piezas con fallos superficiales son funcionalmente defectuosas

100% piezasManufacturadas

Por lo tanto el 90% no tienen fallos visibles en la superficie.

También se ha encontrado que el 5% de la piezas que no tienen fallos superficiales son funcionalmente defectuosas

Suceso A = { pieza funcionalmente defectuosa}B = { pieza tiene una fallo visible en la superficie}

Probabilidad condicionada

Pr( ) 0.9B = Pr( ) 0.1B =

Pr( | ) 0.25A B =

Pr( | ) 0.05A B =

1. ¿Cuál es la probabilidad de que una pieza sea funcionalmente defectuosa?

2. Si sabemos que la pieza es funcionalmente defectuosa, ¿cuál es laprobabilidad que no tenga fallos superficiales?

Page 17: Introducción a la probabilidad - Departamento de Estadística€¦ · Introducción a la probabilidad Fenómenos y experimentos aleatorios Concepto de probabilidad y propiedades

Estadística: Profesora María Durbán

65

1. ¿Cuál es la probabilidad de que una pieza sea funcionalmente defectuosa?

2. Si sabemos que la pieza es funcionalmente defectuosa, ¿cuál es la probabilidad que no tenga fallos superficiales?

Probabilidad condicionada

Pieza

0.1

0.9

0.25

0.75

0.05

0.95

Pr(A)

B

B

A|B

A|B

A|B

A|B

Pr(B|A)

Estadística: Profesora María Durbán

66

Probabilidad condicionada

Pieza

0.1

0.9

0.25

0.75

0.05

0.95

Pr(A) Pr(A|B) Pr(B) Pr(A|B) Pr(B) 0.25 0.1+0.05 0.9=0.07

= += × ×

B

B

A|B

A|B

A|B

A|B

1. ¿Cuál es la probabilidad de que una pieza sea funcionalmente defectuosa?

Estadística: Profesora María Durbán

67

Probabilidad condicionada

Pieza

0.1

0.9

0.25

0.75

0.05

0.95

Pr(A|B) Pr(B) 0.05 0.9Pr(B|A)Pr(A) 0.25 0.1+0.05 0.9

0.045 0.640.07

×= =

× ×

= =

B

B

A|B

A|B

A|B

A|B

2. Si sabemos que la pieza es funcionalmente defectuosa, ¿cuál es la probabilidad que no tenga fallos superficiales?


Recommended