Scribd Logo
Upload

Welcome to Scribd!

  • ESTADIS

    Uploaded by

    Josue Rodríguez
    6 views13 pages

    Original Title

    ESTADIS (1)

    Copyright

    © © All Rights Reserved

    Available Formats

    PDF or read online from Scribd

    Did you find this document useful?

    Is this content inappropriate?

    Report this Document

    Copyright:

    © All Rights Reserved
    Download as PDF or read online from Scribd
    Flag for inappropriate content
    6 views13 pages

    ESTADIS

    Uploaded by

    Josue Rodríguez

    Copyright:

    © All Rights Reserved
    Download as PDF or read online from Scribd
    Flag for inappropriate content
    of 13
    Unidn (A U B) Significa que ocurre el evento A o el evento B o al menos uno de los dos eventos Interseccién de eventos (A NB) Significa que los eventos ocurren simultaneamente, a la vez, en el mismo instante. Para dos eventos Ay B En general, para dos eventos A y B cualquiera, se pueden representar de la siguiente maneta, utilizando diagramas de Venn. Asn Be Complemento (A‘) ica que el evento A no ocurre AS Probabilidad + La Probabilidad es una medida de la posibilidad de ocurrencia de un evento. + Si el espacio muestral es finito y cada punto muestral tiene la misma posibilidad de ocurrir entonces la probabilidad de ocurrencia de un evento A, se define de la siguiente manera: P(A) = n(A) / n(Q) — nA): cantidad de maneras en que puede ocurrir el evento A (casos favorables) = n(Q): cantidad de maneras en que puede ocurrir el espat muestral (casos posibles o totales) DEFINICIONES DE PROBABILIDAD CLASICA, FRECUENTISTA Y SUBJETIVA + El planteamiento clasico define la probabilidad de que un evento ocurra como: Probabitidad de un evento con ridad total de resultados postbles Probabilidad frecuencial o empirica + Se emplea la frecuencia relativa de presentacién de un evento y define la probabilidad como: + La frecuencia relativa observada de un evento durante un gran numero de intentos + La fraccién de veces que un evento se presenta a la larga, cuando las condiciones son estables. + Este método utiliza la frecuencia relativa de las presentaciones pasadas de un evento como probabilidad. + Determinamos qué tan frecuentemente ha sucedido algo en el pasado y usamos esa cifra para predecir la probabilidad de que suceda de nuevo en el futuro. Probabilidad frecuencial Frecuencia Relativa a FIGURA 4-1 zg Frecuencia relatva 6 de presentacion de = ccaras en 300 Ge una moneda no a a oi at a at Shera mee lnsamiantos Probabilidad subjetiva fas estén basadas en las + Las probabilidades subjet creencias de las personas que efecttian la estimacién de probabilidad. + La probabilidad subjetiva se puede definir como la probabilidad asignada a un evento por parte de un individuo, basada en la evidencia que tenga disponible. + Esta evidencia puede presentarse en forma de frecuencia relativa de presentacién de eventos pasados o puede tratarse, simplemente, de una creencia meditada. Axiomas y teoremas de la probabilidad + Axioma 1: O=sP(A)s1 + Axioma 2: P(Q)=1 = Axioma 3: Si Ay B son dos eventos mutuamente excluyentes ANB = @, entonces: P(A U B) = P(A) + P(B) Teoremas bAasicos de la Probabi + Teorema 1: Evento imposible: © P(@)=0 + Teorema 2: Evento complementario: Ae P(A) =1— PLAS) + Teorema 3: Teorema de la Adicién. P(AUB) = P(A) + P(B) — P(ANB) Ejercicios De 7a @VoudsWNe AUAS=0 Ana=a Si Ay B son mutuamente excluyentes P(ANB) = 0 SiB es subconjunto de A, P(B) = 0 P(Q) = 4 Si P(F) = 0.25 entonces P(F*) = 0.75 Si P(A)= 0.12, P(B) =0.7 P(ANB)=0.2; P(AUB)=0.8 Si B es subconjunto de A, P(AUB) = P(A) Eventos mutuamente excluyentes Los eventos mutuamente exciuyentes son aquellos que no pueden ocurrir de forma simultanea. stun evento sucede significa que el otra no puede ocurrir, + Ejemplo 1; Sacar de un bavi! que contiene monedas de oro y de plata, una moneda. Sacar una moneda de oro es excluyente de sacar una moneda de Plata. En cada momento que reallzamos la extraccion de una moneda, hay Una probabilidad de sacar moneda de oro o moneda de plata. Sin embargo, no podemos sacar en simultaneo una moneda que sea de oro y plata ala vez. + Ejemplo 2: Al lanzar una moneda, sacar cara y sello en un mismo lanzamiento no es posible. Son eventos mutuamente excluyentes, ya que en el mismo lanzamiento no se puede sacar cara 0 sello a la Ve2, La probabilidad de que ocurran Ao B: (Lo que es lo mismo, que solo ocurra A © que solo ocurra 8, con la Interseccion de Ay Bes nul) Eventos no excluyentes Si tomamos un conjunto de opjetos: €: el abjare as un circule A cl objeto es azul Ri 6! objeto os un rectangulo + Entonces, cy A son eventos ne excluventes, poraue un objeto pucde ser a omar un objeto cue sea a la ver un rectangulo y tenga et Clon Tojo. Eventos mutuamente excluyentes y eventos no excluyentes © © Dos eventos mutuamente Dos eventos excluyentes, no excluyentes, @ () Ejercicio + Sea la siguiente muestra de empresas: ro ors US ST TST eae ay (a) oy PEQUERA (N) 10 s 8 MEDIANA (mM) 2 22 as. GRANDE () ° 6 a TOTAL aa a3 27 Definames los eventos,: st seleccionamos una empresa A: la empresa pertenece a la industria de alimentos G2: Ia empresa pertenece a la industria quimica Ia empresa pertenece a la industria de la construccion la empresa es pequena MM: la empresa es madiana Gr la empresa es grande DEFINICIONES DE PROBABILIDAD CLASICA, FRECUENCIAL Y SUBJETIVA Planteamiento Clasico EVENTOS INDEPENDIENTES Los eventos A y B son “independientes” sila probabilidad de que el evento A ocurra, no depende si ocurre o no ocurre el evento B, es decir: P(A/B) = P(A) P(B / A) = P(B) Se deduce que, para eventos independientes, se cumple: P(A 4B) = P(A). P(B) Si se selecciona al azar a un adolescente que participé en el estudio: a. La probabilidad de que no tenga un problema psicolégico de nivel severo es: b. La probabilidad de que tenga un problema psicolégico de nivel moderado y sea de personalidad es: . La probabilidad de que tenga un problema psicolégico de nivel leve y no sea de personalidad es: d. La probabilidad de que tenga un problema de ansiedad 0 sea de nivel moderado es: €. La probabilidad de un adolescente con problema de personalidad su problema sea severo es: f. Si se sabe que no tiene problema de hiperactivi probabilidad de que tenga problema de personalidad e: g. Si se sabe que no tiene problema de hiperactividad, la probabilidad de que no tenga un problema de nivel leve es: jad, ta Ejemplo Basado en los datos recopilados de los expedientes de la muestra de 250 adolescentes, se elaboré el siguiente diagrama: Distribucién de adolescentes por tipo y nivel de problema problema psicolégico Caridad de adolescents Ejemplo Se tienen los resultados de una encuesta efectuada a los huéspedes de un hotel, evaluando si les gustaba la comida 0 no, y también se les pregunté su nacionalidad. Los resultados de la encuesta se encuentran en la siguiente tabla de doble entrada: Les agradé Les agradé poco Lesdesagradé Total ‘mucho (M) @ (0) Franceses (F) 30 30 40 100 Norteamericanos (N) 50 25 35 110 Total 80 55 75 210 Si se elige al azar un huésped del hotel al azar, calcule: a. La probabilidad de que el huésped sea francés. b. La probabilidad de que le haya agradado mucho la comida. c. La probabilidad de que el huésped sea norteamericano y le desagrade la comida. d. La probabilidad de que el huésped sea francés si se sabe que le desagradé la comida. e. La probabilidad de que el huésped sea norteamericano si se sabe que no le desagradé la comida. PROBABILIDAD CONDICIONAL Es la probabilidad de que ocurra un evento con la condicién de que otro evento ya ha ocurrido antes. Sean dos eventos A y B de un espacio muestral Q, entonces Ia probabilidad de que ocurra el evento A “dado” que el evento B ya ha ocurrido antes se denota por P(A/B), se denomina probabilidad condicional de A dado B y se define de la siguiente manera: P(A NB) P(A/B) = Soy Propiedades de los eventos independientes Si dos eventos A y B son independientes entonces: i. A®y B® también son independientes. |. ASy B_ también son independientes. | Ay BS también son independientes. Luego: i. Quiere decir que si Ac y Be son independientes entonces por definicién P(AS > Be) = P(AS).P(B°) ii. Quiere decir que si Ac y B son independientes entonces por definicién P(AS > B) = P(A®):P(B) Quiere decir que si A y Bc son independientes entonces por definicién P(A > Bs ) = P(A).P(B°) Particién del espacio muestral Se denomina particién del espacio muestra! @, a una coleccién de “k" eventos Cy, Cs, Ey =, &, Que Sean mutuamente excluyentes colectivamente exhaustives, tales que verifican lo siguiente (mutuamente exeluyentes) (colectivamente exhaustivos) Q Sa jidades Diagrama de 4rbol de probabi Es un diagrama muy Util para representar las etapas de desarrollo de un experimento. Permite el célculo ordenado de las probabilidades de los eventos posibles, El siguiente Arbol representa un experimento que en su primera etapa puede ocurrir el evento A, 0 el evento A;. En la segunda etapa puede ecurrir el evento B, 0 el evento B, y sus probabilidades de ocurrencia dependeran del evento que lo antecede. Pee /a) Peay << P08. / A) mn Pte, 7a a) pb / Aad Teorema de la Probabilidad Total SI "K" eventos E,, Ey, Eye nnn, constituyen una particién del espacio muestral @, entonces Para cualquier evento A definido en © se cumple lo siguiente: pea ~ 3 rea/en Peo A= (ANE) U (ANE2) U (AMES) U « (AMED) P(A) = P(ADE,) + P(ADE2) + P(ADES) +. PIATE,) — Seema Ejempl Tres m4quinas producen un mismo ulo; las maquinas Al, A2 y A3 fabrican el 35%, el 25% y el 40% de la produccién total respectivamente. De lo que produce cada maquina, el 5%, 4% y 2% son articulos defectuosos respectivamente. Si se escoge un articulo al azar a. Defina los eventos de la situacién planteada e identifique las probabilidades del enunciado. b. Construya el 4rbol de probabilidades indicando los eventos y las probabilidades simples, condicionales y conjuntas. c. Calcule la probabilidad de que sea defectuoso. d. Sabiendo que el articulo seleccionado es defectuoso, calcule la probabilidad de que lo haya producido la maquina A1. mplo: En una ciudad, el 1% de las personas que la habitan padece una enfermedad. Para detectar si un ciudadano padece la enfermedad se le aplica una prueba de diagnéstico. La prueba da positive en el 97% de las personas que padecen la enfermedad y da negativo en el 98% de las personas que no la padecen. Si se elige a una persona de dicha ciudad: a. éCual es la probabilidad de que dé positive en la prueba y padezca la enfermedad? b. Si sabemos que ha dado positivo en la prueba de diagnéstico, écual es la probabilidad de que la persona realmente padezca Ia enfermedad? Ejemplo: A continuacién se presentan los resultados porcentuales de los votos validos de los cuatro candidates (A, B, C y D) a la presidencia en el departamento de Lima en las uitimas elecciones. Se sabe ademas que el 4rea rural representa el 20% del electorado y el area urbana el 80%. validos de candidatos segun el area de Lima eA on 33 saad 34% 42% oc zon ao om BE, a. Sise elige un elector al azar de! departamento de Lima, écudl es la probabilidad de que haya votado por el candidato B? 2¥ cual es la probabilidad de que haya votado Por el candidato c? b. 2Cual es la probabilidad de que un elector que vot6 por el candidato 8 sea del area VARIABLE ALEATORIA Ejemplo: Dado el siguiente experimento: lanzar una moneda dos veces y anotar los resultados (C: cara, S: sello) El espacio muestral determinado por el experimento: Q={SS, SC, CS, CC} Si en este experimento definimos la variable aleatoria: X: cantidad de caras obtenidas VARIABLE ALEATORIA Los valores posibles de la variable aleatoria X, es decir, el rango de Xx es: R, = (0, 2, 2) ©, significa que se obtuvo 0 caras en los dos lanzamientos: ss % = 1, significa que se obtuvo 1 cara en los dos lanzamientos: Scocs x = 2, significa que se obtuvo 2 caras en los dos lanzamientos: ect VARIABLE ALEATORIA x — ~ ameros reales ° (55) =0 1 (SC) = X(CS) = 1 2 (CC) =2 VARIABLE ALEATORIA DISCRETA Una variable aleatoria es discreta si el conjunto de valores que puede tomar es finito o infinito numerable. Una variable aleatoria discreta X asume cada valor con una probabilidad de ocurrencia que se denota como P(X= x). Funcién de distribucién de probabilidades (Funcién de cuantia) La funcién de probabilidades de una variable aleatoria X, que se denota como f(x), es la que asigna a cada valor de X la probabilidad de ocurrencia de que X asuma dicho valor, es decir: 0d = P(X =x) VARIABLE ALEATORIA DISCRETA Paw Toda funcién de. ae So probabilidad 0 funcién \ cuantia debe cumplir / \ con: — “Poo P(x)20 Q R, Ejemplo: La distribucién de probabilidades de la variable aleatoria X: cantidad de defectos en una loseta, es: x oO at 2 3 £00 ak 3k 2k 2k xp a. Determine el valor de k b. Dermine el valor de las siguientes probabilidades: P(x 2 3) P(x 3.5) P(2

    You might also like