Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 96 vistas

    Clase 7 Probabilidad Total y Bayes

    Cargado por

    Cristian Iian Ayala Vasquez
    Este documento presenta los conceptos de probabilidad total y teorema de Bayes. Introduce la probabilidad total como la suma de las probabilidades condicionadas de un evento A dado diferentes sucesos mutuamente excluyentes que componen el espacio muestral. Luego, el teorema de Bayes permite calcular la probabilidad de un suceso dado que ha ocurrido otro evento. Se incluyen ejemplos numéricos para ilustrar ambos conceptos.

    Copyright:

    © All Rights Reserved
    Descargue como PPTX, PDF, TXT o lea en línea desde Scribd

    Clase 7 Probabilidad Total y Bayes

    Cargado por

    Cristian Iian Ayala Vasquez
    96 vistas13 páginas
    Este documento presenta los conceptos de probabilidad total y teorema de Bayes. Introduce la probabilidad total como la suma de las probabilidades condicionadas de un evento A dado diferentes sucesos mutuamente excluyentes que componen el espacio muestral. Luego, el teorema de Bayes permite calcular la probabilidad de un suceso dado que ha ocurrido otro evento. Se incluyen ejemplos numéricos para ilustrar ambos conceptos.

    Descripción original:

    Probabilidad Total y Bayes

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    PPTX, PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    Este documento presenta los conceptos de probabilidad total y teorema de Bayes. Introduce la probabilidad total como la suma de las probabilidades condicionadas de un evento A dado diferentes sucesos mutuamente excluyentes que componen el espacio muestral. Luego, el teorema de Bayes permite calcular la probabilidad de un suceso dado que ha ocurrido otro evento. Se incluyen ejemplos numéricos para ilustrar ambos conceptos.

    Copyright:

    © All Rights Reserved
    Descargue como PPTX, PDF, TXT o lea en línea desde Scribd
    Descargar como pptx, pdf o txt
    96 vistas13 páginas

    Clase 7 Probabilidad Total y Bayes

    Cargado por

    Cristian Iian Ayala Vasquez
    Este documento presenta los conceptos de probabilidad total y teorema de Bayes. Introduce la probabilidad total como la suma de las probabilidades condicionadas de un evento A dado diferentes sucesos mutuamente excluyentes que componen el espacio muestral. Luego, el teorema de Bayes permite calcular la probabilidad de un suceso dado que ha ocurrido otro evento. Se incluyen ejemplos numéricos para ilustrar ambos conceptos.

    Copyright:

    © All Rights Reserved
    Descargue como PPTX, PDF, TXT o lea en línea desde Scribd
    Descargar como pptx, pdf o txt
    de 13

    FACULTAD DE INGENIERIA Y ARQUITECTURA

    EP DE INGENIERIA AMBIENTAL

    PROBABILIDAD TOTAL Y
    TEOREMA DE BAYES
    Ing. Nemias Saboya Rios
    Email: [email protected]

    Lima, 19 de octubre de 2015

    OBJETIVO

    Desarrollar la:

    Probabilidad total.
    Probabilidad de bayes.

    Probabilidad Total
    Supongamos que se descompone en una particin
    de K sucesos excluyentes:
    = H1 + H2 + ... + Hk con Hi Hj =
    y sea A un evento asociado a dicho espacio muestral
    (A). La probabilidad de A se calcula por:
    P(A) = P(A/H1)P(H1) + P(A/H2)P(H2) +...+ P(A/Hk)P(Hk)

    A
    ....
    H1

    H2

    ....

    Hk

    Ejemplos
    Ejemplo 1:
    En un grupo de hombre adultos, el 10% presenta
    educacin primaria (p), el 70% tiene educacin
    secundaria (s) y el 20% educacin universitaria (u).
    El 5% de los que presenta educacin primaria
    pertenecen al grupo de los ingresos altos (A). Por
    su lado, el 15% de los que tienen educacin
    secundaria y el 75% de los que tienen educacin
    universitaria pertenecen al grupo de ingresos
    altos. Cul es la probabilidad de que un individuo
    seleccionado al azar en esta poblacin sea de
    ingresos altos?

    Solucin del ejemplo 1


    Probabilida
    des
    Previas

    Probabilida
    des
    condiciona
    das

    Probabilidades
    Conjuntas

    H1 (primaria)

    0.10

    0.05

    0.005

    H2
    (Secundaria)

    0.70

    0.15

    0.105

    H3
    (Universitaria)

    0.20

    0.75

    0.15

    1.00

    Sucesos

    P(A) = 0.26
    =26%

    Ejemplo 2
    Una compaa de seguros opina que la poblacin limea
    puede ser dividida en dos clases: aquellas personas
    propensos a accidentes (pA) y aquellas que no son
    propensos (pA'). Sus estadsticas muestran que una
    persona propensa a accidente tendr un accidente alguna
    vez dentro de un perodo de un ao con probabilidad 0,4,
    mientras sus probabilidades decrecen a 0,2 para una
    persona que no es propenso a accidentes. Si suponemos
    que el 30% de la poblacin limea es propenso a
    accidentes, se pide:
    Calcular la probabilidad de que una persona que compra
    una nueva pliza de seguros tiene un accidente (A)
    dentro de un ao de vigencia de su pliza

    Solucin del ejemplo 2


    Probabilida
    des
    Previas

    Probabilida
    des
    condiciona
    das

    Probabilidades
    Conjuntas

    H1
    (Propensos)

    0.30

    0.40

    0.12

    H2 (No

    0.70

    0.20

    0.14

    Sucesos

    propensos)

    1.00

    P(A) = 0.26
    =26%

    Ejemplo 3
    En una poblacin africana el 35 % son nios, el 55% son adultos y el resto
    ancianos. El 20%, el 40% y el 10% respectivamente de nios, adultos y
    ancianos tienen el SIDA. Tomada una persona al azar.
    a)Cul es la probabilidad de que tenga el SIDA?.
    b)Cul es la probabilidad de que no tenga el SIDA?.
    P(Ni)=0,35
    P(Ad)=0,55
    P(An)=0,10
    P(S) = P(Ni).P(S/Ni) + P(Ad).P(S/Ad) + P(An).P(S/An) =
    = 0,35.0,20 + 0,55.0,40 + 0,10.0,10 = 0,07 +0,22 + 0,01 = 0,30
    P(NS)= 1 P(S) = 1 0,30 = 0,70

    Ejemplo 4
    Tres alumnos universitarios se reparten el trabajo de tomar apuntes en
    clase. Ana realiza 20 pginas a la semana, Beatriz realiza 30 pginas y
    Carlos 45 pginas. Pero el 4%, el 6 % y el 10 % de las pginas que
    realizan Ana, Beatriz y Carlos respectivamente tienen errores. Una
    semana se toma una pgina al azar.
    a)Cul es la probabilidad de que tenga errores?.
    b)Cul es la probabilidad de que no contenga errores?.
    P(A) = 20/95 = 0,2105
    P(B) = 30/95 = 0,3158
    P(C) = 45/95 = 0,4737
    P(E) = P(A).P(E/A) + P(B).P(E/B) + P(C).P(E/C) =
    = 0,2105.0,04 + 0,3158.0,06 + 0,4737.0,10 =
    = 0,008420 +0,018948 + 0,047370 = 0,074738
    P(NE)= 1 P(E) = 1 0,074738 = 0,925262
    9

    TEOREMA DE BAYES
    En las condiciones anteriores, de que
    el espacio muestral se encuentra
    descompuesto en K subpoblaciones o
    sucesos excluyentes:
    = H1 + H2 + . . . + Hk (con Hi Hj =
    )
    Entonces, si se ha presentado el
    P A / H P H
    P H / A
    suceso A, la probabilidad
    de que
    P A
    P A / H P H H es:
    proceda de la subpoblacin

    i
    i

    P A / H P H
    k

    j 1

    Ejemplo 1
    Tomando los datos del ejemplo 1 del
    teorema de la probabilidad total. Si se
    selecciona un individuo al azar entre
    esta poblacin y se encuentra que est
    en el grupo de ingresos altos (A),
    encontrar la probabilidad de que este
    individuo
    slo
    tenga
    educacin
    primaria (p), presente educacin
    secundaria (s) y de que presente
    educacin universitaria (u).

    Solucin ejemplo 1
    Probabilida
    des Previas

    Probabilida
    des
    condiciona
    das

    Probabilidades
    Conjuntas

    Probabilidades
    Posteriores

    H1 (primaria)

    0.10

    0.05

    0.005

    0,0192

    H2
    (Secundaria)

    0.70

    0.15

    0.105

    0,4038

    H3
    (Universitaria)

    0.20

    0.75

    0.15

    0,5769

    Sucesos

    1.00

    P(A) = 0.26 =26%

    Ejemplo 2
    En la universidad, Ana, Beatriz y Carlos se alternan la tarea de tomar
    apuntes. En una semana toman 100, 150 y 250 pginas de apuntes
    respectivamente. Las pginas con errores son el 5%, 3% y 2%
    respectivamente. Se toma una pgina al azar y resulta con errores.
    Cul es la probabilidad de que sea de Ana?. Y de que sea de Carlos?
    Resolucin:
    P(Ana)= 0,2 , P(Bea)= 0,3 , P(Carlos)= 0,5
    P(E/Ana) = 0,05 , P(E/Bea) = 0,03 , P(E/Carlos) = 0,02
    P(A).P(E/A)
    P(A/E) = ---------------------------------------------------------- =
    P(A).P(E/A) + P(B).P(E/B) + P(C).P(E/C)
    0,2.0,05
    0,01
    0,01
    P(A/E) = --------------------------------------- = ----------------------- = -------- =
    0,3455
    0,2.0,05 + 0,3.0,03 + 0,5.0,02 0,01+0,009+0,01 0,029
    P(C/E) = 0,5.0,02 / 0,029 = 0,01 / 0,029 = 0,3455

    También podría gustarte