17
UNIVERSIDAD TECNICA UNIVERSIDAD TECNICA PARTICULAR DE LOJA PARTICULAR DE LOJA Decide ser mas. Decide ser mas.

Probabilidades Parte III Teorema de Bayes

Embed Size (px)

DESCRIPTION

En este slide les presentamos lo que respecta al Teorema de Bayes, que corresponde al Capitulo 5, espero les sea de mucha ayuda en su formaciòn como estudiantes. Saludos...

Citation preview

Page 1: Probabilidades Parte III Teorema de Bayes

UNIVERSIDAD TECNICA PARTICULAR UNIVERSIDAD TECNICA PARTICULAR DE LOJA DE LOJA

Decide ser mas. Decide ser mas.

Page 2: Probabilidades Parte III Teorema de Bayes

INTRODUCCIONINTRODUCCION

En este capitulo estudiaremos otra faceta de la estadística que se orienta al estudio de las probabilidades, este tipo de estadística se denomina Estadística Inferencial.Una característica de este tipo de estadística es que las conclusiones obtenidas pertenecen a una muestra obtenida de una población.

En el siglo XVII el reverendo Thomas Bayes, ministro presbiteriano inglés, interesado en las ciencias

matemáticas intento desarrollar una formula para llegar a probar la probabilidad de que Dios Exista.

Laplace, afino dicho trabajo y le dio el nombre de “Teorema de Bayes”.

2

Page 3: Probabilidades Parte III Teorema de Bayes

TEOREMA DE BAYES

P(A1 |P(A1 |BB)= P()= P(A1A1)P(B|)P(B|A1A1)) P(A1)P(B|A1) + P(A2)P(B|A2)P(A1)P(B|A1) + P(A2)P(B|A2)

Donde:A1 y A2 = son eventos mutuamente excluyentes y colectivamente exhaustivos.Las probabilidades que manejamos antes de conocer que ha ocurrido un evento se denominan "probabilidades a priori“.Una vez que incorporamos la información de que ha ocurrido un evento, las probabilidades del suceso (A) cambian: son probabilidades condicionadas P (A/B), que se denominan "probabilidades a posteriori".

3

Page 4: Probabilidades Parte III Teorema de Bayes

Ejemplo

La textilera “Ecotexa”, compra un cargamento de telas de tres casas proveedoras.Un 30% de las telas se adquieren en “Casa Ochoa”, 20% a “Casa Textiles del Sur”, y el 50% sobrante a “Tituanatex”.Ecotexa posee información de las tres casas y sabe que 3% de la mercadería de “Casa Ochoa” son defectuosas,5% de telas de “Casa Textiles del Sur” no son aceptables, y que 4% de telas de “Tituanatex” tienen algún tipo de defecto.Al llegar a bodega no son seleccionados y se toma un paquete de telas que resultan ser defectuosas. Cual es la probabilidad de que esta mercadería sea de “Casa Ochoa”?.

4

Page 5: Probabilidades Parte III Teorema de Bayes

Solución:

Existen tres eventos mutuamente excluyentes y colectivamente exhaustivos, que son las tres casas:

A1 mercadería de compro en “Casa Ochoa”, A2 mercadería de compro en “Casa Textiles del Sur”, A3 mercadería de compro en “Tituanatex”.

•Las probabilidades a priori son:P(A1) =(30/100)= 0.30 probabilidad de mercadería adquirida por “Casa Ochoa”.P(A2) =(20/100)= 0.20 probabilidad de mercadería adquirida por “Casa Ochoa”.P(A3) =(40/100)= 0.40 probabilidad de mercadería adquirida por “Casa Ochoa”. 5

Page 6: Probabilidades Parte III Teorema de Bayes

Probabilidades condicionales:

P(B|A1) = (3/100)= 0.03 P(B|A1) = (3/100)= 0.03 mercaderíamercadería de “Casa Ochoa ”, sea de “Casa Ochoa ”, sea defectuosadefectuosa..P(B|A2) = (5/100)= 0.05 P(B|A2) = (5/100)= 0.05 mercaderíamercadería de “Textiles de Sur ”, sea de “Textiles de Sur ”, sea defectuosadefectuosa..P(B|A3) = (4/100)= 0.04 P(B|A3) = (4/100)= 0.04 mercaderíamercadería de “Tituanatex ”, sea de “Tituanatex ”, sea defectuosadefectuosa..

La información se la pude resumir en la siguiente tabla:La información se la pude resumir en la siguiente tabla:

Evento AAii Probabilidad a Priori, P(AP(Aii) )

Probabilidad condicional, P(BP(B11|A|Aii) )

Probabilidad conjunta, P(AP(Aii|B|B11) )

Probabilidad posteriori, P(AP(Aii|B|B11) )

“Casa Ochoa”

0.30 0.03 0.009 0.009/0.039=0.2308

“Textiles de Sur”

0.20 0.02 0.010 0.010/0.039=0.2564

“Tituanatex”

0.50 0.05 0.020 0.020/0.039=0.5128

0.39

Page 7: Probabilidades Parte III Teorema de Bayes

La probabilidad de que un paquete de telas que resultan ser defectuosas sea de “Casa Ochoa”, lo podemos encontrar aplicando el Teorema de Bayes. Se desea calcular P(AP(A11|B|B11) , ) , donde Adonde A1 1 se refiere a Casa Ochoa, y B se refiere a Casa Ochoa, y B1 1 de que la de que la mercadería resulte defectuosa.mercadería resulte defectuosa.

P(A1 |P(A1 |B1B1)= P()= P(A1A1)P()P(BB11||A1A1)) P(A1)P(BP(A1)P(B11|A1) + P(A2) P(B|A1) + P(A2) P(B11||

A2) + P(A3) P(BA2) + P(A3) P(B11|A3) |A3)

= (= (0.30)(0.03) (0.30)(0.03)(0.20)(0.02)(0.30)(0.03)(0.20)(0.02)(0.50)(0.05)(0.50)(0.05)

= 0.009 = 0.2308= 0.009 = 0.2308 0.0390.039

Nos podemos dar cuenta que nos proporciona el mismo resultado obtenido en la tabla anterior.

Page 8: Probabilidades Parte III Teorema de Bayes

8

Evento AAii Probabilidad a Priori, P(AP(Aii) )

Probabilidad condicional, P(BP(B11|A|Aii) )

Probabilidad conjunta, P(AP(Aii|B|B11) )

Probabilidad posteriori, P(AP(Aii|B|B11) )

“Casa Ochoa”

0.30 0.03 0.009 0.009/0.039=0.2308

“Textiles de Sur”

0.20 0.02 0.010 0.010/0.039=0.2564

“Tituanatex”

0.50 0.05 0.020 0.020/0.039=0.5128

0.39

Page 9: Probabilidades Parte III Teorema de Bayes

PRINCIPIOS DE CONTEOSi el número de resultados posibles de un experimento es pequeño nos resultara muy fácil contarlos, pero cuando hay un gran numero de resultados nos será muy difícil hacerlo, para lo cual se estudiaran tres formulas:

•Formula de la Multiplicación•Formula de la Permutación•Formula de la Combinación

9

Page 10: Probabilidades Parte III Teorema de Bayes

FORMULA DE LA MULTIPLICACIONSi hay m formas de hacer una cosa, y n formas de hacer otra, existirían m*n formas de hacer ambas.

FÓRMULA: número total de arreglos =(m)(n)

NOTA:NOTA: se puede extender dependiendo del numero de eventos que se obtenga(a)(b)...(n).

10

Page 11: Probabilidades Parte III Teorema de Bayes

Ejemplo:Una inmobiliaria ofrece por $35.000,00 una casa de dos pisos, o simple. Además puede elegir el tipo de pago Crédito o Contado. Cuantos arreglos diferentes de departamentos y formas de pago puede hacer?.

SOLUCIÓN:

Contado Crédito Contado Crédito

Podemos utilizar la formula de la multiplicación para verificar, donde m es el número de modelos y n el tipo de pago.Total de arreglos posibles=(m)(n)=(2)(2)=4

11

Page 12: Probabilidades Parte III Teorema de Bayes

FORMULA DE LA PERMUTACIÓN A diferencia de la formula de la multiplicación, se la utiliza para determinar el numero de posibles arreglos cuando solo hay un solo grupo de objetos.

Permutación: un arreglos o posición de r objetos Permutación: un arreglos o posición de r objetos seleccionados de un solo grupo de n objetos seleccionados de un solo grupo de n objetos posibles.posibles.

Si nos damos cuenta los arreglos a,b,c y b,a,c son permutaciones diferentes, la formula que se utiliza para contar el numero total de permutaciones distintas es:

FÓRMULAFÓRMULA: : nnPPrr = n! = n! (n - r)!(n - r)!

12

Page 13: Probabilidades Parte III Teorema de Bayes

Ejemplo:

Como se puede designar los cuatro primeros lugares de un concurso, donde existen 15 participantes?Aplicando la formula de la permutación tenemos:

nPr= n! (n - r)! = 15! = 15*14*13*12*11*10*9*8*7*6*5*4*3*2*1 (15-4)! 11*10*9*8*7*6*5*4*3*2*1

= 32760Donde:n= número total de objetosr= número de objetos seleccionados!= factorial, producto de los números naturales entre 1 y n.NOTA: NOTA: se puede cancelar números cuando se tiene las mismas cifras en numerador y denominador.

13

Page 14: Probabilidades Parte III Teorema de Bayes

FORMULA DE LA COMBINACIÓN Cuando el orden de los objetos seleccionados no importa se llama combinación, la formula para contar el numero de combinaciones de r objetos de un conjunto de n objetos es:

FÓRMULAFÓRMULA: : nnCCrr = n! = n! r!(n - r)!r!(n - r)!

14

Page 15: Probabilidades Parte III Teorema de Bayes

Ejemplo:La Empresa “El Cafetal”, tiene vacantes cinco puestos de gerentes, y hay diez Ing. Agropecuarios listos para ocupar estas vacantes. De cuantos modos se pueden distribuir las cinco vacantes?Solución:FÓRMULAFÓRMULA: : nnCCrr = n! = n! r!(n - r)!r!(n - r)! = 10! 5!(10-5)! = 1o! = 10*9*8*7*6*5*4*3*2*1 5!(10-5!) 5*4*3*2*1(5*4*3*2*1)

= 30240 = 252 120Donde:n= número total de objetos.r= número de objetos seleccionados.

15

Page 16: Probabilidades Parte III Teorema de Bayes

16

GLOSARIO GLOSARIO

Probabilidad: Probabilidad: valor que va desde cero hasta uno, inclusive que describe la posibilidad relativa de que ocurra un evento.Evento: Evento: conjunto de uno o mas resultados de un experimento.Mutuamente Excluyente: Mutuamente Excluyente: la ocurrencia de que un evento implica que ninguno de los otros eventos puede ocurrir al mismo tiempo.Probabilidades a priori: Probabilidades a priori: las probabilidades que manejamos antes de conocer que ha ocurrido un evento.Probabilidades a posteriori: Probabilidades a posteriori: una vez que incorporamos la información de que ha ocurrido un evento, las probabilidades del suceso (A) cambian: son probabilidades condicionadas P (A/B).

Page 17: Probabilidades Parte III Teorema de Bayes

17

ESPACIO PARA PREGUNTAS, COMENTARIOS Y/O SUGERENCIAS…..

GRACIAS….