TEMA 2 EXPERIMENTOS ALEATORIOS Y CLCULO DE PROBABILIDADES

EXPERIMENTOS: EJEMPLOS
Deterministas Calentar agua a 100C vapor Soltar objeto cae Aleatorios Lanzar un dado Resultado ftbol Llegada del bus a la parada lneas puntos quiniela

EXPERIMENTO ALEATORIO
Definicin 1.- Decimos que un experimento es aleatorio si no podemos predecir su resultado.

Nota: A veces el no conocer en profundidad las leyes del fenmeno, lo hacen aleatorio.

ESPACIO MUESTRAL. SUCESOS

EJEMPLOS:

= {1, 2,3, 4,5, 6} Quiniela = {1, X , 2}

Dado

Lnea del bus = {6 , 34 }

SUCESO ALEATORIO. EJEMPLOS

EJEMPLOS: Dado: Quiniela: A=Obtener puntuacin par A=Empatar B=No ganar en B=Obtener mltiplo de 3 casa C=Obtener mltiplo de 5 C=Ningn equipo obtenga puntos

SUCESOS ELEMENTALES. SUCESOS COMPUESTOS (I)

Definicin 3.-Un suceso es elemental cuando consta de un slo elemento del espacio muestral. En caso contrario se llama suceso compuesto.

SUCESOS ELEMENTALES Y COMPUESTOS (II)

EJEMPLOS: Dado: A=Obtener puntuacin par B=Obtener mltiplo de 3 C=Obtener mltiplo de 5 Elemental Compuesto C A,B Quiniela: A=Empatar B=No ganar en casa C=Ningn equipo obtenga puntos Elemental Compuesto A B

SUCESOS COMPATIBLES E INCOMPATIBLES

Definicin 4.- Dados dos sucesos de un experimento aleatorio, diremos que son compatibles si se pueden dar los dos al mismo tiempo, y diremos que son incompatibles en caso contrario. Dado: A=Obtener puntuacin par B=Obtener mltiplo de 3 C=Obtener mltiplo de 5

A y C son incompatible A y B son compatibles

SUCESOS SEGURO E IMPOSIBLE (I)

Definicin 5.- El suceso seguro es aquel suceso aleatorio de un experimento que se da siempre. Se denota por Definicin 6.- Decimos que un suceso es imposible cuando no puede darse en el experimento. Se denota por

SUCESOS SEGURO E IMPOSIBLE (II)

Dado: A=Obtener puntuacin menor que 7 B=Obtener mltiplo de 7 A es suceso seguro, B es suceso imposible Quiniela: A=Algn equipo obtenga puntos B=Ningn equipo obtenga puntos A es suceso seguro, B es suceso imposible

SUCESO COMPLEMENTARIO
Definicin 7.- Dos sucesos son complementarios si siempre que ocurra uno, no se da el otro y al revs. Si denotamos por A a un suceso, su c complementario ser denotado por A o A Quiniela: A=Algn equipo obtenga puntos B=Ningn equipo obtenga puntos A y B son sucesos complementarios

OPERACIONES CON SUCESOS: DEFINICIONES

OPERACIONES CON SUCESOS: PROPIEDADES

SISTEMA COMPLETO DE SUCESOS

Definicin 11.- Si tenemos un conjunto A1, A2,... An de sucesos incompatibles dos a i j ) cumpliendo que dos ( Ai A j = sistema completo de sucesos (particin de ) Encuesta: A=ningn hermano B=un hermano C=dos hermanos D=ms de dos hermanos
Los sucesos A, B, C y D forman un sistema completo de sucesos (s.c.s.)

A1 A2 An = le llamamos

CLCULO DE PROBABILIDADES

INTRODUCCIN

La idea de probabilidad surge por la necesidad de medir la incertidumbre o verosimilitud que posee cada suceso asociado a un experimento aleatorio.

DEFINICIN EMPRICA (I)

EJEMPLO:Anotamos el nmero de caras en N lanzamientos de una moneda y calculamos su frecuencia relativa
Interpretacin frecuentista de la probabilidad
1 frecuencia relativa

0,5

11

21

31

41

51

61

71

81

91

DEFINICIN EMPRICA (II)

Definicin.- Cuando se repite un experimento n veces y se observa el nmero de ocurrencias, k, de un determinado suceso A ; llamaremos probabilidad de ste a su frecuencia relativa

P ( A) = k / n
Ley de los grandes nmeros (Bernouilli)

PROPIEDADES DE LA DEFINICIN EMPRICA.

La frecuencia relativa del suceso seguro es 1. La frecuencia relativa de cualquier suceso es no negativa La frecuencia relativa de la unin de dos sucesos incompatibles es la suma de las frecuencias de ambos.

REGLA DE LAPLACE

Dado: A=par, B=mltiplo de 5, entonces

3 P ( A) = 6 y 1 P( B) = 6

Nota: Es la primera definicin formal que se dio, pero tiene muchas limitaciones.

TCNICAS PARA CONTAR.

Exhaustivas: Escribir todos los resultados posibles. A veces son tiles los diagramas de rbol.

No exhaustivas: Contar los resultados sabiendo la caracterstica que cumplen. A veces es muy til la Combinatoria: permutaciones, variaciones,...

TCNICAS PARA CONTAR. EJEMPLOS.

Exhaustivo: Suma de los puntos obtenidos al lanzar dos dados. En particular, 10 puntos. No exhaustivo: Parte numrica de la matrcula de un coche. En particular, las que empiezan y terminan en 2 Posibles fechas de cumpleaos en una clase de n personas.

DEFINICIN AXIOMTICA DE PROBABILIDAD (I).

Esta definicin fue dada por Kolmogorov en el siglo XX. Enuncia tres axiomas que se basan en propiedades de la probabilidad emprica (frecuencia relativa). Axioma 1.- Para cada suceso A, su probabilidad es un nmero entre 0 y 1

0 P( A) 1

DEFINICIN AXIOMTICA DE PROBABILIDAD (II).

Axioma 2.- La probabilidad del suceso seguro es 1

P ( ) = 1

Axioma 3.- Si A y B son dos sucesos incompatibles, la probabilidad de la unin

P( A B) = P( A) + P( B)

PROPIEDADES DE LA PROBABILIDAD.
A partir de la definicin axiomtica de probabilidad se pueden demostrar propiedades de sucesos, como:

Probabilidad del suceso complementario. Probabilidad de la unin finita de incompatibles Justificacin de la regla de Laplace. Probabilidad de la unin de dos sucesos. Probabilidad de la diferencia de sucesos

PROBABILIDAD DEL SUCESO COMPLEMENTARIO

Ejemplo: Probabilidad de que en una clase de n personas haya al menos 2 con la misma fecha de cumpleaos.

n p

10

20

30

40

50

60

.117 .411 .706 .891 .970 .994

Para n=22, p=0.476, para n=23, p=0.507

PROBABILIDAD CONDICIONADA (I)

Probabilidad de un suceso, sabiendo que otro ha ocurrido. Ejemplo: Dado Calcular la probabilidad de que haya salido el 3, si nos dicen que el nmero obtenido es mltiplo de 3. Qu ocurre si repetimos el experimento n veces y usamos la definicin frecuentista de probabilidad?

PROBABILIDAD CONDICIONADA (II)

Definicin 12.- La probabilidad de que ocurra un suceso A condicionado a que otro suceso B con probabilidad no nula haya ocurrido es

P( A B) P( A / B) = P( B)

La probabilidad de la interseccin de sucesos es:

P( A B) = P( A / B) P( B)

PROBABILIDAD CONDICIONADA. EJEMPLO

Sorteo no equitativo: En una clase de 27 alumnos, el AMPA sortea un premio en la fiesta de fin de curso. Cada alumno tiene un nmero asignado. Se coge una bolsa con 27 bolas y se extrae una al azar. Se cogen bolas numeradas del 0 al 9 y se realiza una extraccin en dos pasos. En el primero se extraen una de las bolas 0, 1 y 2. En el segundo se extrae una de entre todas las bolas.

INDEPENDENCIA DE SUCESOS
Definicin 13.- Dados dos sucesos A y B con probabilidades no nulas, decimos que son independientes si

P ( A / B ) = P( A) y P ( B / A) = P( B )
En estos sucesos se puede calcular cmodamente la probabilidad de la interseccin.

P( A B) = P( A) P( B)

INDEPENDENCIA DE SUCESOS. EJEMPLOS

Ejemplo: Calcular la probabilidad de que al sumar la puntuacin obtenida en el lanzamiento de dos dados, obtengamos un 10.

INTERSECCIN DE MS DE DOS SUCESOS

Sucesos no independientes:

P( A1 A2 An ) = = P( An / A1 A2 An 1 ) P( A2 / A1 ) P( A1 )
Regla de la multiplicacin. Sucesos independientes:

P( A1 A2 An ) = P ( A1 ) P( A2 ) P( An )

PROBABILIDAD TOTAL (I)

Teorema 1.- Dado un sistema completo de sucesos A1, A2,...,An la probabilidad de un suceso S es

P( S ) = P( A1 ) P( S / A1 ) + P( A2 ) P( S / A2 ) + + P( An ) P( S / An

PROBABILIDAD TOTAL (II)

Ejemplo: Supongamos que en un centro educativo la altura del 4% de alumnos y del 1% de las alumnas es superior a 1.80 metros. Adems el 60% de estudiantes es mujer. Encontrar la probabilidad de coger a un estudiante de altura superior a 1.80 metros. S=altura superior a 1.80 M=ser mujer H=ser hombre P(S/M)=0.01 P(S/H)=0.04 P(M)=0.6

P(S)=P(S/M)P(M)+P(S/H)P(H)=0.022

TEOREMA DE BAYES (I)

Teorema 2.- Dado un sistema completo de sucesos A1, A2,...,An y un suceso cualquiera S con probabilidad no nula

P ( Ai S ) P ( Ai / S ) = = P( S )

P ( S / Ai ) P( Ai )

P( S / A ) P( A )
j =1 j j

con P(Ai) la probabilidad a priori de Ai y P(Ai/S) la probabilidad a posteriori de Ai.

TEOREMA DE BAYES (II)

Ejemplo 1: En el ejemplo anterior, calcular la probabilidad de que el estudiante escogido fuera mujer sabiendo que meda ms de 1.80.

P( S / M ) P( M ) 3 P( M / S ) = = = 0.27 P( S ) 11

TEOREMA DE BAYES (III)

Ejemplo 2: Se administra una prueba para detectar usuarios de drogas. Prevalencia en la poblacin: 3% Detecta el 95% de los usuarios (sensitividad) Cuando se administra a alguien que no la usa, da negativa en el 98% de los casos (especificidad). La prueba di positiva, cul es la probabilidad de que la persona use drogas?

TEOREMA DE BAYES (IV)

P( Usa) = .03 P( Prueba + / Usa) = .95 P( Prueba - /No usa) = .98 Queremos saber P( Usa | Prueba +)

TEOREMA DE BAYES (V)

Diagrama de rbol
.03 Usa .95 Prueba + .05 Prueba .02 Prueba + Selecciono una persona .97 No Usa .98 Prueba -

cul es la probabilidad de haber pasado por aqu?

Si estoy aqu o aqu,

TEOREMA DE BAYES (VI)

P(Usa / Pr ueba+) =

P(Usa y Pr ueba+) = P(Pr ueba+) P(Pr ueba + / Usa)iP(Usa) = P(Pr ueba + / Usa)iP(Usa) + P(Pr ueba + / No Usa)iP(No Usa 0.03 0.95 = 0.03 0.95 + 0.97 0.02