Professional Documents
Culture Documents
Curso Probabilidad 2020
Curso Probabilidad 2020
1. Estadística Descriptiva
2. Probabilidades
3. Variables Aleatorias
4. Modelos de Probabilidad
5. Vectores aleatorios
Indicadores y análisis del caso bankloan
Estadísticos
En base a estos indicadores se pide:
Tasa de deuda sobre ingresos (x100)
N Válido 850
Perdidos 0
Interprete los valores percentiles 20 y 80, respectivamente.
Media 10,1716 Obtenga el coeficiente de variabilidad.
Mediana 8,7000 Interprete el indicador de asimetría de la tasa de deuda sobre ingresos.
Moda 5,40 Obtenga dos gráficos que muestren la distribución de la tasa de deuda
Desviación estándar 6,71944
comparativamente según tipo de impago anterior.
Asimetría 1,125
Cuál es la tasa de deuda de un cliente que se ubica 1,5 desviaciones estándar
Error estándar de asimetría ,084
sobre de la tasa media de deuda de los clientes del banco.
Mínimo ,10
Máximo 41,30
Se espera que la tasa media de deuda sobre ingresos sea reducida en un 15%.
Percentiles 20 4,5000
Como cambian la nueva tasa media de deuda.
80 15,1800
Interprete los valores percentiles 20 y 80, respectivamente.
. No más del 20% de los clientes tienen tienen una tasa de deuda inferior a 4,5 y no más
del 80% de los clientes tienen una tasa de deuda superior a 4,5.
(Repetir para el percentil 80%).
Obtenga el Coeficiente de Variabilidad (o variabilidad relativa): CV
=?
El valor positivo indica que la tasa de deuda presenta una asimetría positiva, con valores
concentrados fuertemente en valores bajos de la tasa de deuda, pero con algunos clientes
con altas tasas de deudas.
Cuál es la tasa de deuda de un cliente que se ubica 1,5 desviaciones estándares
sobre la media de la deuda de los clientes del banco:
Se espera que la tasa media de deuda sobre ingresos sea reducida en un 15%, como
cambia la nueva tasa media de deuda.
Sea y: tasa de deuda actual ; Sea X: tasa de deuda nueva
Luego : X=0,85 Y, aplicando propiedades M(X)=M(0,85 Y)=0,85M(y)=0,85*
Probabilidad
1. Conceptos generales
2. Probabilidad Axiomática
3. Teoremas de probabilidad
4. Probabilidad Condicional
5. Teorema de Bayes
Teoría de probabilidad
Fenómenos determinísticos y no determinísticos
Se dice que un fenómeno es determinístico si el resultado de este se puede predecir con
certeza; ejemplo, si se deja caer un cuerpo de una determinada altura, se puede predecir
con seguridad cuanto tiempo demora en caer al suelo. La explicación se encuentra en las
leyes físicas de la caída de los cuerpos debido a la gravedad.
Este segundo tipo de fenómenos nos preocupará durante este curso, las probabilidades
responden a este tipo de fenómenos, conocidos también como fenómenos aleatorios
Fenómeno o experimento aleatorio:
Definición:
Se dice de aquel fenómeno que se puede presentar de distintas maneras, pero solo una de
ellas a la vez.
Ejemplos:
Lanzar un dado dos veces y observar sus resultados.
Resultados: (1,1),(1,2),………..,(6,6) (36 resultados posibles)
Lanzar un dado hasta obtener un tres y contar el número necesario de lanzamientos.
Resultados: Sale en 1er lanzamiento, 2do, 3er,………. (infinitos posibles resultados)
Medir el tiempo de vida útil de un artículo.
Resultados: El tiempo de vida útil es, 0, 0,0001 seg,…….., (infinitos posibles resultados)
Conclusión un experimento aleatorio puede tener un número finito o infinito de posibles
resultados.
Espacio muestral:
Definición:
: Asociar a cada resultado la suma de las componentes
: Asociar a cada resultado la diferencia absoluta de las componentes
: Asociar a cada resultado la diferencia absoluta de las componentes al cuadrado
Espacio muestral:
Ejemplo:
Tres jugadores A, B y C disputan un torneo de tenis. Inicialmente, A juega con B, y el
vencedor juega con C, y así sucesivamente hasta que el torneo termina cuando un jugador
gana dos veces seguidas o cuando se han disputado un total de cuatro partidos. ¿Cuáles
son los posibles resultados del torneo?
Solución:
Sea: A : gana jugador A, B : gana jugador B y C: gana jugador C.
={(A,A)(A,C,C)(A,C,B,B)(A,C,B,A)(B,B)(B,C,C)(B,C,A,A)(B,C,A,B)}
Sucesos y Operaciones
En lo sucesivo es un particular resultado de :
Definición de Suceso:
Sea , diremos que:
ocurre
no ocurre
con esta convención llamaremos sucesos a todo subconjunto de .
Ejemplo:
Usaremos el siguiente espacio muestral del problema anterior:
: Asociar a cada resultado la suma de las componentes
Entonces suponga que A representa el suceso sale un número menor a 7, es decir,
Sucesos y Operaciones
Entonces suponga que A representa el suceso “sale un número menor a 7”, es decir,
Por lo tanto, si lanzamos dos veces el dado y el resultado fue una suma igual a 2, ,
diremos que A ocurre.
Si lo lanzamos dos veces y resulta una suma igual a 8, , diremos que A no ocurre, ya que
es un número superior a seis.
; ; ; ;
Sucesos y Operaciones
Teorema:
Sean y una familia de sucesos que son subconjuntos de . Entonces
i) Si , entonces
ii) Si , entonces
y
Ejemplo:
Considere el siguientes espacio muestral , usando el teorema se puede probar que el
sigma álgebra asociado sería:
i)
ii)
iii) Si son sucesos disjuntos a pares si
Si se tiene dado un fenómeno aleatorio se puede obtener un espacio de probabilidad
definido por una triada de tres componentes .
Definición: Sucesos disjuntos o excluyentes
Dos sucesos y se dicen disjuntos o excluyentes si: =
Teoremas de probabilidad
Teorema 1
Demostración:
; son sucesos disjuntos , luego usando propiedad iii) de la definición de probabilidad
axiomática, se tiene que
, luego se prueba que
Teorema 2
Demostración:
; son sucesos disjuntos , luego usando propiedad iii) de la definición de probabilidad
axiomática, se tiene que
, luego se prueba que
Teoremas de probabilidad
Teorema 3
Si entonces
Demostración:
son sucesos disjuntos , luego usando propiedad iii) definición de probabilidad axiomática,
se tiene que
, por lo tanto,
Teoremas de probabilidad
Teorema 4
Sean donde son no necesariamente disjuntos
Demostración: Tarea
Nota: Si son disjuntos y del teorema 1 se obtienes la propiedad iii) de la definición que
dice
Supuesto de equiprobabilidad
Todos los sucesos elementales son igualmente probables, luego dado se tiene que
Ejemplo:
Considerar el siguiente f.a. : De una caja que contiene 5 Fichas, 2 de color rojo y 3 de color
blanco. Se extraen dos Fichas al azar, sin reposición, es decir, no se vuelven nuevamente
a la caja.
Se pide:
1. Construir
2. ¿Cuál es la probabilidad que al extraer las dos Fichas: a) Ambas sean rojas, b) al menos
una sea blanca y c) a lo más una sea blanca.
Supuesto de equiprobabilidad
Solución
Construir
Usando combinatorias es posible determinar cuántos elementos tiene :
Solución
¿Cuál es la probabilidad que al extraer las dos Fichas:
a) Sea A el suceso; ambas sean rojas,
b) Sea B el suceso; al menos una sea blanca y
c) Sea C el suceso; a lo más una sea blanca.
;
Supuesto de equiprobabilidad
Solución
Otra forma de resolverlo es usando combinatorias:
Probabilidad Condicional
Es frecuente estudiar la probabilidad de la ocurrencia de sucesos condicionado a la
ocurrencia de otro suceso dado. Por ejemplo, dado que nos encontramos en una
emergencia sanitaria a nivel mundial y esta se prolonga seis meses más, ¿cuál es la
probabilidad de que tenga una importante incidencia en el mercado del trabajo?
Dependencia probabilística:
Usaremos como notación el símbolo para expresar condicionalidad. Por ejemplo, si
anotamos A B estamos diciendo que el suceso A se encuentra condicionado a la ocurrencia
del suceso B. De esta manera pueden presentar dos posibles casos:
En el primer caso, decimos que la ocurrencia del suceso B no altera la ocurrencia del
suceso A.
En el segundo caso, si la altera, siendo B el probable causante.
Probabilidad Condicional
Definición:
Suponga dos sucesos A y B del espacio muestral . Se define la probabilidad condicional
de A dado B, como
;
Nota: ;
Se deduce de la definición que : =
Si se tienen 3 sucesos A,B,C entonces usando la regla de la cadena (3!=6 permutaciones)
Usando la definición
3)
Usando la definición
Probabilidad Condicional
Propiedades de la Probabilidad Condicional
4) Sean sucesos de , donde y sea A un suceso asociado, entonces.
Usando la definición
Probabilidad Condicional
Propiedades de la Probabilidad Condicional
Probabilidad Condicional
Se cuenta con la siguiente información relativa al nivel de calificación (B:baja, M:media,
A:alta) y la productividad (D:deficiente, R:regular, N:normal, S:sobresaliente) de un grupo
de trabajadores.
Si se selecciona al azar un trabajador:
1)Construya dos posibles espacios muestrales e indique en que consiste este experimento
aleatorio.
2) Si el trabajador seleccionado no tiene baja calificación, ¿cuál es la probabilidad de que
no realice un trabajo deficiente?.
D R N S
B 7 5 2 0
M 3 3 1 1
A 0 1 1 4
Probabilidad Condicional
Solución
Si se selecciona al azar un trabajador:
Construya dos posibles espacios muestrales e indique en que consiste este experimento
aleatorio.
: Elegir al azar un trabajador
; ;
D R N S
B 7 5 2 0
M 3 3 1 1
A 0 1 1 4
Probabilidad Condicional
Solución
Si se selecciona al azar un trabajador:
Si el trabajador seleccionado no tiene baja calificación, ¿cuál es la probabilidad de que no
realice un trabajo deficiente?
: ;
D R N S
B 7 5 2 0
M 3 3 1 1
A 0 1 1 4
Independencia estadística
Definición: Se dice que dos sucesos de son independientes, si se cumple:
Teorema:
Si son sucesos independientes entonces
Demostración:
Nota si son tres sucesos independientes, entonces
Independencia estadística
La probabilidad de que A resuelva un problema es 2/3 y la probabilidad de que B resuelva el
problema es 3/4. Si ambos intentan resolverlo independientemente, ¿cuál es la probabilidad de
que el problema sea resuelto?
Solución:
Sea A si “A” resuelve el problema y B si “B” resuelve el problema.
Independencia estadística
Cierto equipo de futbol gana con probabilidad 0,6; pierde con probabilidad 0,3 y empata con
probabilidad 0,1. El equipo juega 3 encuentros en un torneo que dura una semana.
Solución:
Sean los siguientes sucesos:
G: equipo Gana
P: equipo Pierde
E: equipo empata
a)
b)
Partición de Sucesos
Definición
Se dice que , son sucesos de una partición de , si se cumple
i)
ii) para todo
iii) para todo
Ω
𝐵1 𝐵2 𝐵𝑘
Probabilidad Total
Teorema:
Ω 𝐵1 𝐵2 𝐵𝑘
A
Probabilidad Total
Teorema demostración
Teorema de Bayes
Teorema:
Ω 𝐵1 𝐵2 𝐵𝑘
A
Teorema de Bayes
Teorema demostración
Demostración
Aplicación
Ejemplo
En un centro de cultivo de peces el 4% de los machos y el 1% de las hembras tienen
más de 0,7 m de longitud, además el 6% de los peces son hembras. Si se selecciona al
azar un pez y este mide más de 0,7 m.
¿Cuál es la probabilidad que sea hembra?
Sean
Ser un ejemplar Hembra
: Ser un ejemplar Macho
: El pez mide más de 0,7 m
Aplicación
0,06 ;
0,94 ;
(probabilidad que mida más de 0,7 m)
Aplicación
En un curso de 50 estudiantes, el 40% de ellos son mujeres y la probabilidad de que una
alumna repruebe es del 10%, mientras que en el caso de un alumno esta probabilidad es
del 20%. Si se selecciona al azar un estudiante de ese curso:
¿Qué cantidad de estudiantes reprobara el curso?
Solución:
Definir Sucesos:
H: Estudiantes Hombres ()
M: Estudiantes Mujeres )
R: Estudiante reprueba )
Aplicación
=0,16
Por lo tanto
Aplicación
Al final del semestre el profesor elige a un estudiante de su lista, y resulta que aparece
reprobado. Las alumnas afirman que lo más probable es que sea un alumno y no una
alumna. ¿Qué opina Ud.?
Solución: