miércoles, 12 de marzo de 2014

      
CONCEPTOS BÁSICOS DE PROBABILIDAD



Experimento aleatorio: conjunto de pruebas cuyos resultados están determinados únicamente por el azar.
Espacio muestral: conjunto de todos los resultados posibles de un experimento aleatorio
Punto muestral o suceso elemental: el resultado de una sola prueba de un experimento muestral
Suceso o evento: cualquier subconjunto de puntos muestrales
Sucesos mutuamente excluyentes: sucesos o eventos que no pueden ocurrir simultaneamente .
Sucesos complementarios: dos sucesos o eventos mutuamente excluyentes cuya unión es el espacio muestral
Sucesos independientes: sucesos o eventos que no tienen relación entre sí; la ocurrencia de uno no afecta la ocurrencia del otro
Sucesos dependientes: sucesos o eventos que sí tienen relación entre sí; la ocurrencia de uno sí afecta la ocurrencia del otro.

 Ejemplos de Probabilidad simple
Ejemplo: Hay 87 canicas en una bolsa y 68 son verdes. Si se escoge una, ¿cuál es la probabilidad de que esta sea verde?
Solución:
  • Divide la cantidad de formas de elegir una canica verde (68) por la cantidad total de canicas (87)
  • 68 ÷ 87 = 0.781609
  • Redondea a la precisión deseada (es decir 0.781609 redondeado a centésimos es 0.78)


Si yo tengo una canasta llena de peras y manzanas, de las cuales hay 20 peras y 10 manzanas. ¿Qué fruta es más probable que saque al azar de la canasta?

Para este ejemplo tenemos que 30 es el total de frutas en la canasta; es decir los casos posibles. Para calcular la probabilidad de sacar una manzana mis casos favorables son 10 puesto que existen sólo 10 manzanas. Así, aplicando la fórmula obtenemos que:

P(Manzana)=10/30=1/3= 33.3% probable

Calculando igual, la probabilidad de sacar pera es:

P(Pera)=20/30=2/3= 66.7% probable

Como 66.7 es mayor que 33.3 es más probable que saque una pera, pues hay más peras que manzanas en la canasta.

2.- la probabilidad de que al lanzar un dado, salga el numero 2 es de

1/6

porque el dos es solo uno de 6 numeros que hay en total.

3.-En una sala de clases hay 20 mujeres y 12 hombres. Si se escoge uno de ellos al azar. ¿Cuál es la probabilidad de que lapersona escogida sea hombre?
Solución:
Por definición, la probabilidad de que un suceso ocurra viene dada por:
P=casos favorables/casos totales o posibles (P).
En particular, hay 12 hombres, por lo tanto son 12 los casos favorables a dicha selección. Pero ella se hará de un total de 20 + 12 = 32 personas sumamos la cantidad de mujeres y hombres que forman parte de la selección y por tanto, los casos posibles o totales.
Así, la probabilidad pedida es
P= 12/32

Reglas de la suma de la probabilidad
Regla de la Suma En la solución de algunos problemas es necesario considerar la probabilidad de que ocurra un suceso A o un suceso B (o de que ambos ocurran) como único resultado de un procedimiento. Esto se representa con la expresión P (A o B). P (A o B)= P (Ocurre el suceso A u ocurre el suceso B o ambos)



Regla de la Suma Suceso Compuesto: Es cualquier suceso que combina dos o más sucesos simples. Para calcular la probabilidad de que un suceso A ocurra o un suceso B ocurra, se calcula el número total de formas en que A puede ocurrir y el número de formas en que B puede ocurrir, pero de tal forma que ningún resultado se cuente más de una vez.
EJERCICIO:
Se gira una ruleta que esta enumerada del 1 al 8. Contestemos lo siguiente:
1.- Al girar la ruleta, ¿qué probabilidad existe de que la ruleta se detenga en...
a)    El número 5 o 7? 1/8+1/8=2/8
b)    Un número menor que 1 o 3?
c)    Un múltiplo de 2 o de 3?
d)    Un número impar o par?

Regla de la multiplicación
La regla de la multiplicación establece que la probabilidad de ocurrencia de dos o más eventos estadísticamente independientes es igual al producto de sus probabilidades individuales.
P(A y B) = P(A B) = P(A)P(B) si A y B son independientes. P(A y B) = P(A B) = P(A)P(B|A) si A y B son dependientes

1. Regla de multiplicación de probabilidades
Si se tienen varios eventos sucesivos e independientes entre sí, la probabilidad de que ocurran todos ellos a la vez corresponde a la multiplicación de las probabilidades de cada uno de los eventos.
Ejemplos:
1. Si se responden al azar cuatro preguntas con cinco opciones cada una, ¿cuál es la probabilidad de acertar a todas?
La probabilidad de acierto en cada una de las preguntas es 1/5. Por lo tanto, la probabilidad de acertar en las cuatro es:

 
2. Suponiendo que la probabilidad de tener un hijo o una hija es ½, ¿cuál es la probabilidad de que al tener tres hijos, 2 solamente sean varones?
Si H representa el nacimiento de un hombre y M el de una mujer, tenemos los siguientes casos favorables:    HHM – HMH – MHH 
La probabilidad de cada uno de estos eventos es: 



Probabilidad condicional es la probabilidad de que ocurra un evento A, sabiendo que también sucede otro evento B. La probabilidad condicional se escribe P(A|B), y se lee «la probabilidad de A dado B».
No tiene por qué haber una relación causal o temporal entre A y B. A puede preceder en el tiempo a B, sucederlo o pueden ocurrir simultáneamente. A puede causar B, viceversa o pueden no tener relación causal. Las relaciones causales o temporales son nociones que no pertenecen al ámbito de la probabilidad. Pueden desempeñar un papel o no dependiendo de la interpretación que se le dé a los eventos.
Un ejemplo clásico es el lanzamiento de una moneda para luego lanzar un dado. ¿Cuál es la probabilidad de obtener una cara (moneda) y luego un 6 (dado)? Pues eso se escribiría como P (Cara | 6).
El condicionamiento de probabilidades puede lograrse aplicando el teorema de Bayes


Ejemplo 28: Una persona lanza una moneda 3 veces, ¿Cuál es la probabilidad de obtener 3 águilas dado que salió por lo menos un águila?
Solución: El espacio muestra del experimento de lanzar una moneda 3 veces es
S = {aaa, aas, asa, ass, saa, sas, ssa, sss}
El evento A de que por lo menos hay un águila en los tres lanzamientos es:
A = {aaa, aas, asa, ass, saa, sas, ssa}
El evento B de que obtenga 3 águilas es B = {aaa}
Por lo tanto, AÇ B ={aaa}
De donde 
Nótese que es la probabilidad de una ocurrencia en las siete que son posibles en A; es decir, calcular la probabilidad condicional de B dado A es como calcular la probabilidad de B con relación al conjunto A, como si éste fuera un nuevo espacio muestra S* = A.


Proposición 3.5: Para dos eventos A y B cualesquiera del espacio muestra S,


Demostración: Para cualquier evento B,
Como los eventos (BÇ A) y (BÇ AC) son mutuamente exclusivos y su unión es B, entonces por el axioma 3, tenemos: [3.3]
Despejando P(AÇ B) de la definición de probabilidad condicional, tenemos
P(AÇ B) = P(A) P(B/A) y P(AB) = P(AC) P (B/AC)
Sustituyendo en [3.3] se tiene P(B) = P(A) P(B/A) + P(AC) P (B/AC).
Obsérvese que en un diagrama de árbol si se multiplica
P(A) P(B/A) = P(AÇ B) y P(AC) P(B/AC) = P(AB)


Ejemplo 29: Consideremos dos cajas, la caja 1 contiene 3 esferitas blancas y 4 rojas y la caja 2 contiene 8 blancas y 4 rojas. Se selecciona una caja al azar y luego se extrae una esfera al azar. Hallar la probabilidad de que la esfera sea blanca.
Solución: Sea A el evento de seleccionar la caja 1 y AC el evento de seleccionar la caja 2, entonces P(A) = P(AC) = 1/2 ya que cualquiera de las dos cajas tiene la misma probabilidad de ser extraída. Sea B el evento de seleccionar una esfera blanca, entonces P(B/A) = 3/7 ya que en la caja 1 hay 3 esferas blancas en un total de 7 y P(B/AC) = 8/12 porque en la caja 2 hay 8 esferas blancas en un total de 12.
Ahora bien, por la proposición 3.5 tenemos:


TEOREMA DE BAYES (PROBABILIDAD)
La interpretación más aceptada del teorema de Bayes, es que su estructura permite el calculo de probabilidades después de haber sido realizado un experimento (probabilidades aposteriori), basándose en el conocimiento de la ocurrencia de ciertos eventos que dependan del evento estudiado, o sea, se parte de probabilidades conocidas antes de efectuar el experimento (probabilidades apriori), las cuales son afectadas por las probabilidades propias del experimento (las que aparecen durante la ocurrencia del evento).

Continuando nuestro análisis sobre el teorema de Bayes, la probabilidad condicional de Ai dado B, para cualquier i, es:


Aplicando en el numerador la Regla de Multiplicación P(AiÇB) = P(Ai) P(B|Ai) y en el denominador el Teorema de Probabilidad Total  P(B) = P(A1) P(B | A1) + P(A2) P(B | A2) + . . . + P(An) P(B | An), obtenemos la ecuación que representa al:

Teorema de Bayes



1.3.5 Teorema de Bayes

http://www.sites.upiicsa.ipn.mx/polilibros/portal/Polilibros/P_terminados/Probabilidad/mmicons/ruler.gif


Continuando nuestro análisis sobre el teorema de Bayes, la probabilidad condicional de Ai dado B, para cualquier i, es:


Aplicando en el numerador la Regla de Multiplicación P(AiÇB) = P(Ai) P(B|Ai) y en el denominador el Teorema de Probabilidad Total  P(B) = P(A1) P(B | A1) + P(A2) P(B | A2) + . . . + P(An) P(B | An), obtenemos la ecuación que representa al:

Ejemplo 3. 11. Referente al problema de la fábrica que produce dos tipos de reguladores A y B visto anteriormente en la aparte corresponde al Teorema de Probabilidad Total, cabe hacer el siguiente análisis: si se selecciona un regulador al azar de la producción de la fábrica y se ve que funciona bien ¿Cuál es la probabilidad de que sea del tipo B?

Solución

En este caso el estudio se restringe a los reguladores que funcionan bien, por lo que ese evento actúa como espacio muestral reducido, o sea como evento condición. Por lo tanto, el planteamiento de la pregunta es P(B | F).
Los datos que se tienen son :

P(A) = 0.75     P(F | A) = 0.95
P(B) = 0.25     P(F | B) = 0.98


De acuerdo al Teorema de Bayes:



Podemos observar que el denominador corresponde al resultado obtenido al aplicar el Teorema de Probabilidad Total, lo cual debe ser así, ya que la probabilidad condicional establece que http://www.sites.upiicsa.ipn.mx/polilibros/portal/Polilibros/P_terminados/Probabilidad/doc/Unidad%201/1.3.5_archivos/image008.gif. De esta forma podemos ver que la Probabilidad

Total es el denominador de la fórmula del Teorema de Bayes. También podemos observar que aplicando los conceptos de la Regla de Multiplicación y del Teorema de Probabilidad Total llegamos al planteamiento del teorema de Bayes, Veamos:

http://www.sites.upiicsa.ipn.mx/polilibros/portal/Polilibros/P_terminados/Probabilidad/doc/Unidad%201/1.3.5_archivos/image010.gif


Ejemplo 3. 12. Una fábrica que produce material para la construcción tiene 3 máquinas, a las que se les denomina A, B y C. La máquina A produce tabique, la B adoquín y la C losetas. La máquina A produce el 50% de la producción total de la fábrica, la B el 30% y la C el 20%. Los porcentajes de artículos defectuosos producidos por las máquinas son, respectivamente, 3%, 4% y 5%. Si se selecciona un artículo al azar y se observa que es defectuoso, encontrar la probabilidad de que sea un tabique.

Solución

Definamos el evento D como sea un artículo defectuoso. De acuerdo a esto tenemos que:

P(A) = 0.5       P(D | A) = 0.03
P(B) = 0.3       P(D | B) = 0.04
P(C) = 0.2       P(D | C) = 0.05

Si el artículo del que deseamos calcular la probabilidad es un tabique, significa que es producido por la máquina A. También observamos que en la solución solamente participan los artículos defectuosos, ya que se pone por condición esta característica. Por lo tanto: