9
Probabilidad Total El Teorema de la probabilidad total es aquel que nos permite calcular la probabilidad de un suceso a partir de probabilidades condicionadas. Ejemplo: Supongamos que si llueve la probabilidad de que ocurra un accidentes es x% y si hace buen tiempo dicha probabilidad es y%. Este teorema nos permite deducir cuál es la probabilidad 2 F | Cynthia Azucena Ortiz Torres | 01/03/2015 Teorema de Bayes Probabilidad Condicional Probabilidad Total UNIVERSIDAD TECNOLOGICA DE TORREON Lic. Gerardo Edgar Mata Ortiz.

Teorema de bayes, probabilidad total & probabilidad condicional

Embed Size (px)

Citation preview

Page 1: Teorema de bayes, probabilidad total & probabilidad condicional

Probabilidad TotalEl Teorema de la probabilidad total es aquel que nos permite calcular la probabilidad de un suceso a partir de probabilidades condicionadas.

Ejemplo:

Supongamos que si llueve la probabilidad de que ocurra un accidentes es x% y si hace buen tiempo dicha probabilidad es y%. Este teorema nos permite deducir cuál es la probabilidad de que ocurra un accidente si conocemos la probabilidad de que llueva y la probabilidad de que haga buen tiempo.

La fórmula para calcular esta probabilidad es:

 |   | 01/03/2015

Teorema de Bayes Probabilidad Condicional

Probabilidad Total

Lic. Gerardo Edgar Mata Ortiz.

Page 2: Teorema de bayes, probabilidad total & probabilidad condicional

Es decir, la probabilidad de que ocurra el suceso B (en nuestro ejemplo, que ocurra un accidente) es igual a la suma de multiplicar cada una de las probabilidades condicionadas de este suceso con los diferentes sucesos A (probabilidad de un accidente cuando llueve y cuando hace buen tiempo) por la probabilidad de cada suceso A.

Para que este teorema se pueda aplicar hace falta cumplir un requisito:

Los sucesos A tienen que formar un sistema completo, es decir, que contemplen todas las posibilidades (la suma de sus probabilidades debe ser el 100%).

Ejemplo:

Al tirar una moneda, el suceso "salir cara" y el suceso "salir cruz" forman un sistema completo, no hay más alternativas: la suma de sus probabilidades es el 100%

Ejemplo:

Al tirar un dado, que salga el 1, el 2, el 3, o el 4 no forman un sistema completo, ya que no contempla todas las opciones (podría salir el 5 o el 6). En este caso no se podría aplicar el teorema de la probabilidad total.

Ejemplo:

En un saquito hay papeletas de tres colores, con las siguientes probabilidades de ser elegidas:

A) Amarilla: probabilidad del 50%.

B) Verde: probabilidad del 30%

C) Roja: probabilidad del 20%.

Según el color de la papeleta elegida, podrás participar en diferentes sorteos. Así, si la papeleta elegida es:

a) Amarilla: participas en un sorteo con una probabilidad de ganar del 40%.

b) Verde: participas en otro sorteo con una probabilidad de ganar del 60%

c) Roja: participas en un tercer sorteo con una probabilidad de ganar del 80%.

Con esta información, ¿qué probabilidad tienes de ganar el sorteo en el que participes?:

1.- Las tres papeletas forman un sistema completo: sus probabilidades suman 100%

2.- Aplicamos la fórmula:

PÁGINA 1

Page 3: Teorema de bayes, probabilidad total & probabilidad condicional

Luego:

P (B) = (0,50 * 0,40) + (0,30 * 0,60) + (0,20 * 0,80) = 0,54

Por tanto, la probabilidad de que ganes el sorteo es del 54%.

Probabilidad Condicional.Un espacio muestral contiene todos los resultados posibles de un experimento. A veces se obtiene algo de información adicional acerca de un experimento que indica que los resultados provienen de cierta parte del espacio muestral. En este caso, la probabilidad de un evento está basada en los resultados de esa parte del espacio muestral. Una probabilidad que se basa en una parte de un espacio muestral se llama probabilidad condicional.

Cuando se está calculando la probabilidad de un evento A en particular, y se tiene información sobre la ocurrencia de otro evento B, esta probabilidad se conoce como probabilidad condicional, la cual se denota por P(A/B) se lee "probabilidad de A dado B" y se define como:

PÁGINA 2

Page 4: Teorema de bayes, probabilidad total & probabilidad condicional

Las probabilidades condicionales satisfacen los axiomas de probabilidad.

Ejemplos:

Se seleccionan dos semillas aleatoriamente, una por una, de una bolsa que contiene 10 semillas de flores rojas y 5 de flores blancas.

Cuál es la probabilidad de que:

a) La primera semilla sea roja.

b) La segunda semilla sea blanca dado que la primera fue roja.

Solución:

La probabilidad de que la primera semilla sea roja es 10/15, puesto que hay 10 semillas de flores rojas de un total de 15. Escrito con notación de probabilidad tenemos:

La probabilidad de que la segunda semilla sea blanca se ve influida por lo que salió primero, es decir esta probabilidad está sujeta a una condición, la de que la primera semilla sea roja. Este tipo de probabilidad se le llama probabilidad condicional y se denota por y se lee: la probabilidad de B2 dado R1.

Esta probabilidad, puesto que todavía hay 5 semillas blancas en un total de 14 restantes.

Veamos la situación en un diagrama de árbol:

PÁGINA 3

Page 5: Teorema de bayes, probabilidad total & probabilidad condicional

Ejemplo:

Una persona lanza una moneda 3 veces, ¿Cuál es la probabilidad de obtener 3 águilas dado que salió por lo menos un águila?

Solución:

El espacio muestra del experimento de lanzar una moneda 3 veces es

S = {aaa, aas, asa, ass, saa, sas, ssa, sss}

El evento A de que por lo menos hay un águila en los tres lanzamientos es:

A = {aaa, aas, asa, ass, saa, sas, ssa}

El evento B de que obtenga 3 águilas es B = {aaa}

Por lo tanto, A- B = {aaa} y

De donde

Ejemplo:

Consideremos el experimento de "lanzar un dado al aire". Calculemos, por ejemplo, la probabilidad de obtener un 3 sabiendo que ha salido un número impar:

Definimos los sucesos A="sacar 3" y B= {1, 3,5}; entonces, P(A/B)=1/3 puesto que si sabemos que ha salido un número impar, los casos posibles ahora son 3 y los casos favorables al suceso A sólo 1.

Teorema de Bayes

El teorema de Bayes es válido en todas las aplicaciones de la teoría de la probabilidad. Sin embargo, hay una controversia sobre el tipo de probabilidades que emplea. En esencia, los seguidores de la estadística tradicional sólo admiten probabilidades basadas en experimentos repetibles y que tengan una confirmación empírica mientras que los llamados estadísticos

PÁGINA 4

Page 6: Teorema de bayes, probabilidad total & probabilidad condicional

bayesianos permiten probabilidades subjetivas. El teorema puede servir entonces para indicar cómo debemos modificar nuestras probabilidades subjetivas cuando recibimos información adicional de un experimento. La estadística bayesiana está demostrando su utilidad en ciertas estimaciones basadas en el conocimiento subjetivo a priori y el hecho de permitir revisar esas estimaciones en función de la evidencia empírica es lo que está abriendo nuevas formas de hacer conocimiento.

El Teorema de Bayes viene a seguir el proceso inverso al que hemos visto en el Teorema de la probabilidad total.

Ejemplos:

1.- La probabilidad de que haya un accidente en una fábrica que dispone de alarma es 0.1. La probabilidad de que suene esta sí se ha producido algún incidente es de 0.97 y la probabilidad de que suene si no ha sucedido ningún incidente es 0.02.

En el supuesto de que haya funcionado la alarma, ¿cuál es la probabilidad de que no haya habido ningún incidente? Sean los sucesos:

I = Producirse incidente.

A = Sonar la alarma.

PÁGINA 5

Page 7: Teorema de bayes, probabilidad total & probabilidad condicional

2.- El 20% de los empleados de una empresa son ingenieros y otro 20% son economistas. El 75% de los ingenieros ocupan un puesto directivo y el 50% de los economistas también, mientras que los no ingenieros y los no economistas solamente el 20% ocupa un puesto directivo. ¿Cuál es la probabilidad de que un empleado directivo elegido al azar sea ingeniero?

PÁGINA 6