Teoría de Probabilidades (Propiedades y Ejemplos)

Descargar como pptx, pdf o txt
Descargar como pptx, pdf o txt
Está en la página 1de 20

TEORA DE

PROBABILIDADES
Jhosed Andr Loyola Snchez
Introduccin:
La Probabilidad ,es una rama de las matemticas cuya nica
finalidad es el estudio de la incertidumbre.


Antecedentes Histricos:
Esta rama de las matemticas es una ciencia relativamente reciente
(S. XVII).

En la cultura clsica consideraban que los sucesos aleatorios no eran
susceptible de ser analizados cientficamente (Aristteles) y por tanto
no se preocup por su estudio.

En la Edad Media, se crea que el mundo era determinstico y regido
completamente por la voluntad divina.







El nacimiento de la probabilidad como ciencia se suele datar en el s. XVII, en la
correspondencia que dos matemticos franceses, Blaise Pascal y Pierre de Fermat
mantuvieron para resolver el conocido problema de los puntos.

A partir de este momento, la probabilidad ha tenido un desarrollo muy importante, de
la mano de matemticos como De Moivre, Laplace, Bernoulli, etc.

Los avances acaecidos en este rea han tenido una transcendencia fundamental en
todas las ramas de la ciencia moderna.
* Fsica Cuntica, Biologa.
* Medicina , Meteorologa.
* Economa, Finanzas, Marketing, Seguros, etc.

Conceptos Bsicos:
A. Determinismo frente a Incertidumbre:
- Cuando podemos decir el resultado de una accin antes de
realizarlos ,hablamos de Determinismo.
Ejm: La posicin de la luna con respecto a la tierra en la noche.

- En caso contrario, cuando no podemos estar seguros del resultado,
estamos en una situacin de Incertidumbre.
Ejm: El resultado de tirar una moneda (cara o sello).




B. Experimento Aleatorio:
- Considera un experimento que tiene varios resultados posibles y existe
incertidumbre sobre el resultado final del mismo.
- En otras palabras: Si repetimos el experimento en las mismas
condiciones, es posible que se obtenga un resultado distinto, por lo que
no podemos predecir exactamente cul va a ser.

Ejm: * Tirar una moneda.
* Elegir una carta en una baraja ,etc

C. Sucesos y Espacio Muestral:
- Es cada uno de los resultados posibles de una experiencia aleatoria.
Al lanzar una moneda salga cara.
Al lanzar una moneda se obtenga 4.

- Es el conjunto de todos los posibles resultados de una experiencia
aleatoria, lo representaremos por E (o bien por la letra griega ).
Espacio muestral de una moneda:
E = {C, X}.
Espacio muestral de un dado:
E = {1, 2, 3, 4, 5, 6}.
Regla de Laplace:
Sea el suceso o evento A del espacio muestral O ; la probabilidad de A denotada por P(A)
es la razn entre el nmero de resultados favorables al suceso A y el nmero total de
resultados del espacio muestral.


Ejemplo 1 : Cul es la probabilidad de obtener un nmero par , cuando se tira un dado?
Solucin: Experimento aleatorio: Lanzamiento de un dado
O= {1 , 2 , 3 , 4 , 5 , 6} ; n(O) = 6 Suceso A : Obtener un nmero par: A = { 2 , 4 , 6 } n(A) = 3
Luego :



( ) posibles casos de n
favorables casos de n
P(A)
n
n(A)
P(A) =
O
=
( )
0.5
2
1
P(A)
6
3
n
n(A)
P(A) = = =
O
=
Propiedades de la Probabilidad:
Axiomas de la probabilidad:
1. La probabilidad es positiva y menor o igual que 1.
0 p(A) 1
2. La probabilidad del suceso seguro es 1.
p(O) = 1
3. Si A y B son incompatibles, es decir A B = {} entonces:
P(A B ) = P(A) + P(B)


Propiedades Bsicas:
1 La suma de las probabilidades de un suceso y su contrario vale 1, por
tanto la probabilidad del suceso contrario es:
Para todo A, P(A
c
) = 1 - P(A).
2 Probabilidad del suceso imposible es cero.
P()=0
3 La probabilidad de la unin de dos sucesos es la suma de sus
probabilidades restndole la probabilidad de su interseccin.
Para todo A y B c A, P(A B) = P(A) + P(B) - P(A B).




4 Si un suceso est incluido en otro, su probabilidad es menor o igual a la de ste.
de ste.
Si B c A , entonces P(B) s P(A)
5 Si A1, A2, ..., Ak son incompatibles dos a dos entonces:
P(A1 A2 Ak) = P(A1)+ P(A2)++ P(Ak)
6 Si el espacio muestral E es finito y un suceso es S = {x1, x2, ..., xn} entonces:
P(S) = P(x1)+ P(x2)+ + P(xn)
Por ejemplo la probabilidad de sacar par, al tirar un dado, es:
P(par) = P(1) + P(2) + P(3)





Ejemplos de Algebra de Probabilidades:

Ejemplo 1:

De un total de 200 estudiantes ; 120 estn matriculados en Anatoma y 90
en Biologa; 50 en ambos cursos. Si se elige al azar uno de los 200
estudiantes, Cul es la probabilidad de que un estudiante elegido
est matriculado en una de las asignatura?

Solucin:
Espacio muestral: n(O ) = 200
Suceso A : Seleccionar un alumno matriculado en Anatoma
Suceso B : Seleccionar un alumno matriculado en Biologa
Suceso (A B) : Seleccionar un alumno matriculado en Anatoma y Biologa
Como se sabe que :


5
3
200
120
P(A) 120 n(A) = = =
20
9
200
90
P(B) 90 n(B) = = =
4
1
200
50
B) P(A 50 B) n(A = = = B) P(A - P(B) P(A) B) P(A + =
5
4
B) P(A
4
1
-
20
9
5
3
B) P(A = + =
Ejemplo 2:
Hallar la probabilidad de que en el lanzamiento de dos dados se
obtenga suma par, suma menor que 5 o ambos.
Solucin: Espacio muestral: n(O ) = 36
Suceso A : Se obtenga suma par
A ={ (1,1) (1,3) (1,5) (2,2) (2,4) (2,6) (3 ,1) (3 ,3) (3,5) (4,2) (4,4) (4,6) (5,1) (5,3)(5,5) (6,2) (6,4)
(6,6) }


Suceso B : Se obtenga suma menor que 5 ; B ={ (1,1) (1,2) (1,3) (2,1) (2,2) (3,1) }
Suceso ambos : A B n(A B ) = 4

36
18
P(A) 18 n(A) = =
36
6
P(B) 6 n(B) = =
36
4
B) P(A =
9
5
36
20
36
4
36
6
36
18
B) P(A B) P(A - P(B) P(A) B) P(A = = + = + =
Reglas de la Multiplicacin :
Se refieren a la determinacin de la probabilidad de la ocurrencia
conjunta de A y B.
Existen dos acepciones de esta regla:

1) Si los eventos son independientes: P(A y B ) = P( A B ) = P(A)P(B)
2) Si los eventos son dependientes:
Es la probabilidad de A multiplicada por la probabilidad condicional de B dado A.
P(A y B) = P(A)P(B|A)


Si la posicin de los dos eventos se invierte, se obtiene un valor
equivalente.
P(A y B) = P(B y A ) = P(B)P(A|B)
Ejemplos:
1) Si una moneda equilibrada se lanza dos veces, la probabilidad de que ambos
lanzamientos den por resultado una cara es : (1/2) x (1/2) = (1/4)

TEOREMA DE BAYES
A
1
A
2
A
3
A
4
B
Si conocemos la probabilidad de B en cada
uno de los componentes de un sistema
exhaustivo y excluyente de sucesos,
entonces

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

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

P(B)=P(BA
1
) + P(BA
2
) + P( BA
3
) + ( BA
4
)

=P(B|A
1
) P(A
1
) + P(B|A
2
) P(A
2
) +
P(B)
Ai) P(B
B) | P(Ai =
18
Ejemplo (1): En este aula el 70% de los alumnos son mujeres. De ellas el
10% son fumadoras. De los varones, son fumadores el 20%.

Qu porcentaje de fumadores hay?
P(F) = =0,7 x 0,1 + 0,3 x 0,2 = 0,13
(Resuelto antes)

Se elije a un individuo al azar y es fumador
Probabilidad de que sea un hombre?



Estudiante
Mujer
No fuma
Hombre
Fuma
No fuma
Fuma
0,7
0,1
0,2
0,3
0,8
0,9
46 , 0
13 , 0
2 , 0 3 , 0
) (
) | ( ) (
) (
) (
) | (
=

=
=

=
F P
H F P H P
F P
F H P
F H P
Ejemplo (2): En un centro hay dos quirfanos. El 1 se
usa el 75% de veces para operar. En el 1 la frec. de
infeccin es del 5% y en el 2 del 10%.
Qu probabilidad de infeccin hay? P(I) = 0,0625
Se ha producido una infeccin.
Qu probabilidad hay de que sea en el Q1?


Paciente
Q1
No infec
Q2
Infec
No infec
Infec
0,75
0,05
0,1
0,25
0,9
0,95
6 , 0
0625 , 0
05 , 0 75 , 0
) (
) 1 | ( ) 1 (
) (
) 1 (
) | 1 (
=

=
=

=
I P
Q I P Q P
I P
I Q P
I Q P

Al
Fin
Termine

También podría gustarte