Professional Documents
Culture Documents
Sesin N 01
PROBABILIDAD
Docente
Dr. JUAN CARLOS ORUNA LARA
Video
LOGRO DE LA SESION
Al finalizar la sesin, el estudiante ser
capaz
de
calcular
probabilidades
Pronstico Climtico de la TV
Probabilidad de lluvia
Llover
maana?
DETERMINISTICO
ESTADISTICA
Si
los
resultados
del
experimento puede predecirse
con exactitud antes de realizar
el experimento
ALEATORIO
Espacio muestral
= {cara, sello}
= {1, 2, 3, 4, 5, 6 }
= {0, 1, 2, 3, 4, 5, }
Sea el Experimento
1.3. EVENTO
Un evento es
subconjunto
espacio muestral
un
del
= {1, 2, 3, 4, 5, 6 }
EJEMPLO 2
Sea el experimento aleatorio
2. PROBABILIDAD DE UN EVENTO
La probabilidad de un evento A se define de la
siguiente manera
Nmero de elementos de A
P( A)
Nmero de elementos de
CARACTERISTICA
0 P A 1
P( A ) = 0, Si A es un evento imposible
Matemtico Francs
P( A ) = 1, Si A es un evento seguro
Ejemplos
1.- Al rodar un dado correcto
Cul es la probabilidad de obtener un nmero menor que 4?
2.- Si se lanza una moneda tres veces.
Calcular la probabilidad de que:
a) Ocurra una cara
b) Ocurra por lo menos dos caras
(A B)
P(AUB) = P(A) + P(B) - P(A B)
U
Ejemplo
Un cliente ingresa a una panadera. La
probabilidad de que compre pan es 0.60,
P (P
L ) P (P ) P (L ) P ( P
0.60 0.50 0.30
0.82
P (P
L ) 0.30
L)
Ejemplo
Se extrae una carta de una baraja.
Cul es la probabilidad de que sea un as o un rey?
Solucin
P(A) = 4/52
P(R) = 4/52
P( A
R ) P ( A ) P (R )
4
4
52 52
8
=
52
PROBABILIDAD CONDICIONAL
Sean A y B dos eventos en un espacio
muestral . La probabilidad condicional
de A dado B es el nmero P(A/B) que se
define por:
P( A B)
P( A / B)
P( B)
Ejemplo 6 :
Se
selecciono
una
muestra
de
500
P( S )
Total
240
260
c.
Total
360
140
500
b.
360
0.72 72%
500
P( S / F )
P(S F ) 224
0.86 86%
P( F )
260
P ( M S ) n( M S ) 136
0.567 56.7%
P( M )
n( M )
240
EVENTOS INDEPENDIENTES
Dos eventos
A y B son independientes si
la
P(B
) P(B)
Entonces,
Ejemplo 7 :
Si P ( A ) = 1/3 y
P( B ) = 1/8 hallar:
Ejemplo 8 :
PROBABILIDAD TOTAL
P( B) P( A1 ) P( B / A1 ) P( A2 ) P( B / A2 ) ... P( An ) P( B / An )
TEOREMA DE BAYES
P ( Aj / B)
Thomas Bayes
( 1702- 1761)
Matemtico Ingles
P ( Aj ) P( B / A j )
P( A1 ) P( B / A1 ) P( A2 ) P( B / A2 ) ........P( An ) P( B / An )
EJEMPLO 9
Van a cambiar a tu jefe y se barajan diversos
candidatos:
Carlos, con una probabilidad del 60%
Juan, con una probabilidad del 30%
Luis, con una probabilidad del 10%
En funcin de quien sea tu prximo jefe, la
probabilidad de que te suban el sueldo es la
siguiente:
Si sale Carlos: la probabilidad de que te suban el
sueldo es del 5%.
Si sale Juan: la probabilidad de que te suban el
sueldo es del 20%.
Si sale Luis: la probabilidad de que te suban el
sueldo es del 60%.
a. En definitiva, cual es la probabilidad de que te
suban el sueldo?
b. Si te subieron el sueldo Cul es la probabilidad
de que tu jefe sea Juan?
P( B) P( A1 ) P( B / A1 ) P( A2 ) P( B / A2 ) ... P( An ) P( B / An )
PROBABILIDAD TOTAL
TEOREMA DE BAYES
Si conocemos la probabilidad de B en cada uno de los n
componentes de un sistema exhaustivo y excluyente de sucesos,
entonces
si ocurre B, podemos calcular la probabilidad (a posteriori) de
ocurrencia de cada Ai, (i = 1, 2, ... , n):
P(B Ai )
P(Ai|B)
P(B)
TEOREMA DE BAYES
P( A1 / B)
P( A1 ) P( B / A1 )
P( A1 ) P( B / A1 ) P( A2 ) P( B / A2 ) ... P( An ) P( B / An )
PROBABILIDAD TOTAL
Ejemplo: En esta aula el 70% de
los alumnos son hombres.
De ellos el 10% son fumadores. El
20% de las mujeres son
fumadoras. Cul es la probabilidad
que al seleccionar una persona, sta
sea fumadora?
0,1
0,7
Hombre
0,9
Estudiante
0,3
Fuma
0,2
No fuma
Fuma
Mujer
Eventos:
H: Hombre
M: Mujer
F: Fuma
P(F) = P(FH) + P(FM) = P(F|H) P(H) + P(F|M) P(M)
= 0,1 0,7 + 0,2 0,3 = 0,13
0,8
No fuma
TEOREMA DE BAYES
0,1
0,3
Hombre
0,9
0,2
No fuma
Fuma
Mujer
0,8
Fuma
No fuma
QU HEMOS VISTO?
Identificar
probabilidad
probabilidad de bayes.
total