Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 94 vistas

    Semana6 PDF

    Cargado por

    Juan Jose Tisnado
    Este documento presenta un resumen de probabilidades y estadística. Introduce conceptos básicos como espacio muestral, eventos, probabilidad condicional y teorema de Bayes. Incluye ejemplos para ilustrar cómo calcular probabilidades de eventos simples y compuestos usando fórmulas como la probabilidad total y teorema de Bayes.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd

    Semana6 PDF

    Cargado por

    Juan Jose Tisnado
    94 vistas29 páginas
    Este documento presenta un resumen de probabilidades y estadística. Introduce conceptos básicos como espacio muestral, eventos, probabilidad condicional y teorema de Bayes. Incluye ejemplos para ilustrar cómo calcular probabilidades de eventos simples y compuestos usando fórmulas como la probabilidad total y teorema de Bayes.

    Título original

    Semana6 (1).pdf

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    Este documento presenta un resumen de probabilidades y estadística. Introduce conceptos básicos como espacio muestral, eventos, probabilidad condicional y teorema de Bayes. Incluye ejemplos para ilustrar cómo calcular probabilidades de eventos simples y compuestos usando fórmulas como la probabilidad total y teorema de Bayes.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    94 vistas29 páginas

    Semana6 PDF

    Cargado por

    Juan Jose Tisnado
    Este documento presenta un resumen de probabilidades y estadística. Introduce conceptos básicos como espacio muestral, eventos, probabilidad condicional y teorema de Bayes. Incluye ejemplos para ilustrar cómo calcular probabilidades de eventos simples y compuestos usando fórmulas como la probabilidad total y teorema de Bayes.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    de 29

    Probabilidades

    Módulo5

    Probabilidad y Estadı́stica
    2019 - 2

    Videoconferencia 06
    Tema: Probabilidades

    INDICE

    Temario

    Introducción al tema

    Desarrollo del contenido (Sub temas)

    Conclusiones

    Consultas
    CONTENIDO

    1 Definiciones Básicas
    2 Probabilidad
    3 Propiedades
    4 Probabilidad Condicional
    5 Probabilidad Total
    6 Teorema de Bayes
    Introducción

    • Hay un 80 % de probabilidad de que apruebe el curso.


    • Senamhi manifestó que, es probable que hoy lleguemos a una
    temperatura máximo de 28 grados centı́grados.
    • La posibilidad de que tu hijo sea varón es de 3 de 5.
    • La probabilidad que Alianza Lima gane de local es de 0.5.
    Conceptos Básicos

    • Experimento aleatorio: Aquellos que al repetirlos en mismas


    condiciones, pueden dar lugar a varios resultados diferentes,
    sin que pueda ser previsible enunciar con certeza cuál de estos
    se va a obtener en la realización del experimento.
    • Espacio muestral (Ω): Conjunto formado por todos los
    resultados posibles del experimento.
    • Evento (A) : Subconjunto del espacio muestral.
    Ejemplos
    1. Describa el espacio muestral del registro de los sexos de tres
    niños recién nacidos de un hospital, además se considera el evento
    A como el registro solamente hombres, y B como el registro de 2
    mujeres y 1 hombre. describa los eventos.
    Ω = {(FFF ), (MMM), (FFM), (FMM), (MMF ), (MFF ), (FMF ), (MFM)}

    A = {(MMM)}

    B=
    Ejemplos
    2. Describe el espacio muestral asociado a cada uno de los
    siguientes experimentos aleatorios:
    a. Lanzar tres monedas
    b. Lanzar tres dados y anotar la suma de los puntos obtenidos.
    Conceptos Básicos

    • Eventos mutuamente excluyentes


    A y B son mutuamente excluyentes si A ∩ B = φ
    • Eventos colectivamente exhaustivos
    A1 , A2 , ...Ak son colectivamente exhaustivos si
    A1 ∪ A2 ∪ ... ∪ Ak = Ω
    • Evento coplementario
    Ac es complementario si Ac ∪ A = Ω y Ac ∩ A = φ
    Probabilidad
    Cuantificar una creencia de que ocurra un acontecimiento
    determinado.
    Ω: Espacio muestral
    A: Evento

    n(A) N úmero de veces que aparece A


    P(A) = =
    n(Ω) N úmero de veces que se realiza el experimento

    Axiomas
    0 ≤ P(A) ≤ 1
    P(Ω) = 1
    Ejemplos
    1. La empresa Seguros Monterrey, estudió las causas de muertes
    accidentales en los hogares y compiló un archivo que incluı́a 350
    muertes, de las cuales 160 muertes fueron por caı́das, 120 por
    envenenamiento y 70 causadas por quemaduras. Si se escoge
    aleatoriamente una de estas muertes, calcule la probabilidad de que
    se haya debido a envenenamiento.
    Ω: Muertes accidentales en los hogares; n(Ω) = 350
    E: Muertes por envenenamiento; n(E)=120
    n(E ) 120
    P(E ) = = = 0,343
    n(Ω) 350
    Interpretación: existe una probabilidad de 0.343 o de 34.3 % de
    seleccionar una persona cuya causa de fallecimiento haya sido por
    envenenamiento.
    Ejemplos
    2. Determine la probabilidad de obtener resultados iguales al lanzar
    dos dados al aire.

    Ω = {(1, 1), (1, 2), (1, 3), ..., (6, 6)}; n(Ω) = 6 ∗ 6 = 36

    A = {(1, 1), (2, 2), (3, 3), (4, 4), (5, 5), (6, 6)}; n(A) = 6
    n(A) 6
    P(A) = = = 0,167
    n(Ω) 36
    Propiedades

    • P(A ∪ B) = P(A) + P(B) − P(A ∩ B)


    • P(Ac ) = 1 − P(A)
    • P(φ) = 0
    • P(Ac ∩ B) = P(B) − P(A ∩ B)
    • P(Ac ∩ B c ) = 1 − P(A ∪ B)
    • P(Ac ∪ B c ) = 1 − P(A ∩ B)
    Ejemplos
    1. Una investigadora de mercados realiza un estudio entre la venta
    de 3 productos respecto a clientes de 3 categorı́as de edad, para tal
    se evalúan el número de ventas de los productos A, B y C y tres
    categorı́as de edades (jóvenes, adultos y tercera edad) los datos se
    presentan en una tabla de contingencia mostrada a continuación:

    Categorı́as Producto Total


    clientes A B C
    Jóvenes 8 8 2 18
    Adultos 6 10 3 19
    Tercera edad 2 1 4 7
    Total 16 19 9 44
    Ejemplos
    a. Se selecciona al azar una persona, Determine la probabilidad de
    que la persona seleccionada sea un adulto.
    Solución
    B:selección de un adulto; n(B)=19
    Ω: todas las posibles selecciones; n(Ω) = 44
    n(B) 19
    P(B) = = = 0,432
    n(Ω) 44
    b. Se selecciona al azar un producto, Determine la probabilidad de
    que la venta sea del producto A.
    A:el producto A es seleccionado; n(A)=16
    n(A) 16
    P(A) = = = 0,3636
    n(Ω) 44
    Ejemplos
    c. Se selecciona al azar una venta, ¿Cuál es la probabilidad de que
    la venta sea del producto B o del producto C?
    B: La venta es del producto B
    C: La venta es del producto C
    Pide calcular P(B ∪ C )
    19 9
    P(B ∪ C ) = P(B) + P(C ) − P(B ∩ C ) = + − ∅ = 0,6363
    44 44
    d. Se selecciona al azar a una persona, ¿Cuál es la probabilidad de
    que la persona seleccionada sea joven y consuma el producto C?
    J: se selecciona a un joven
    Pide calcular P(B ∩ C )
    2
    P(J ∩ C ) = = 0,0454
    44
    Probabilidad Condicional
    Sean dos eventos A y B de un espacio muestral, la probabilidad

    P(A ∩ B)
    P(A/B) =
    P(B)

    Con P(B) > 0, es denotado como la probabilidad del evento A


    dado que el evento B ha acurrido.
    Ejemplos
    1. Se clasifican muestras de aluminio fundido con base en el
    acabado de la superficie (en micropulgadas) y las mediciones de la
    longitud. Los resultados de 100 piezas se resumen a continuación:

    Longitud
    superficie Excelente Bueno Total
    Excelente 75 7 82
    Bueno 10 8 18
    Total 85 15 100
    Ejemplos
    Sea que A denote el evento de que una muestra tiene acabo de la
    superficie excelente y sea que B denote el evento de que una
    muestra tenga una longitud excelente. Determine:
    a. P(A)
    b. P(B)
    c. P(A/B)
    d. P(B/A)
    e. Si la pieza seleccionada tiene acabado de la superficie excelente,
    ¿Cuál es la probabilidad de que la longitud sea excelente?
    f. Si la pieza seleccionada tiene buena longitud, ¿Cuál es la
    probabilidad de que el acabado de la superficie sea excelente?
    Probabilidad total
    Sean los eventos A1 , A2 , ..., An mutuamente excluyentes y
    colectivamente exhaustivos, entonces para cualquier evento B su
    probabilidad es dado por:

    P(B) = P(B/A1 )P(A1 ) + P(B/A2 )P(A2 ) + ... + P(B/An )P(An )


    Ejemplos
    1. Los productores A1 , A2 , A3 realizan una estimación de todos los
    trabajos licitados por una compañia, siendo los costos del 30 %,
    20 %, 50 %, respectivamente. Las probabilidades de cometer error
    grave al estimar el costo de los productores son de 0.01, 0.03 y
    0.02 respectivamente.
    • Halle la probabilidad de que se cometa error grave al estimar
    el costo en una licitación.
    Pide determinar P(B)

    del enunciado se sabe que:


    Ai : Estimación del productor i, para i = 1, 2, 3
    B: Cometer error grave al estimar el costo
    P(A1 ) = 0,3, P(A2 ) = 0,24, P(A3 ) = 0,5
    P(B/A1 ) = 0,01, P(B/A2 ) = 0,03, P(B/A3 ) = 0,02
    Diagrama del Arbol

    P(B) = (0,3)(0,01) + (0,2)(0,03) + (0,5)(0,02) = 0,019


    Teorema de Bayes
    Sean los eventos A1 , A2 , ..., An mutuamente excluyentes y
    colectivamente exhaustivos, entonces para cualquier evento B su
    probabilidad es dado por:

    P(B/Ai )P(A1 )
    P(Ai /B) =
    P(B)

    donde:
    P(B) = P(B/A1 )P(A1 ) + P(B/A2 )P(A2 ) + ... + P(B/An )P(An )
    Ejemplo
    Del último ejemplo presentado, determine la probabilidad del costo
    de estimación del productor A1 , si se conoce que se ha cometido
    un error grave.
    P(B/A1 )P(A1 ) 0,01(0,3)
    P(A1 /B) = = = 0,1578
    P(B) 0,019
    La probabilidad del costo de estimación del productor dado que se
    ha cometido el error grave de estimación es de 15.78 %
    Ejemplo
    1. El área financiera de una distribuidora de productos agrı́colas ha
    observado que el 25 % de las compras son pagadas en efectivo, el
    30 % son pagadas al crédito y el resto son pagadas con cheque. Se
    sabe que el 20 % de las compras pagadas en efectivo, 60 % de las
    compras a crédito y 90 % de las compras pagadas con cheque; se
    hacen por un monto mı́nimo de $150.
    • Si el agricultor Juan Pérez acaba de realizar compras por un
    monto mı́nimo de $150, ¿cuál es lo más probable: qué haya
    pagado la compra, en efectivo, al crédito o con cheque?
    Solución
    Definiendo los eventos:
    C1 : Pago de las compras en efectivo
    C2 : Pago de las compras al crédito
    C3 : Pago de las compras por cheque
    m : las compras se hacen por un monto mı́nimo de 150

    Del enunciado tenemos la siguiente información


    P(C1 ) = 0,25, P(C3 ) = 0,3 y P(C3 ) = 0,45
    P(m/C1 ) = 0,2
    P(m/C2 ) = 0,6
    P(m/C3 ) = 0,9

    Pide comparar las probabilidades P(C1 /m),P(C2 /m) y


    P(C3 /m) la más probable será la que presente mayor valor de
    probabilidad.
    Solución
    Obteniendo P(m), mediante el diagrama del árbol:

    P(m) = (0,25)(0,2) + (0,3)(0,6) + (0,45)(0,9) = 0,635


    Solución
    P(m/C1 )P(C1 ) 0,2(0,25)
    P(C1 /m) = = = 0,0787
    P(m) 0,635
    P(m/C2 )P(C2 ) 0,6(0,3)
    P(C2 /m) = = = 0,2834
    P(m) 0,635
    P(m/C3 )P(C3 ) 0,9(0,45)
    P(C3 /m) = = = 0,6377
    P(m) 0,635
    Es más probable que la compra se haya realizado con pago
    en cheque, dado que se ha realizado una compra mı́nima de
    $150
    Ejercicio
    1. Durante la temporada inaugural de la liga de fútbol en Estados
    Unidos, los equipos médicos documentaron el número de lesiones
    de los jugadores durante una práctica y durante un juego, y éstas
    de acuerdo con la severidad de la lesión. Los resultados de esta
    investigación se muestran en la tabla siguiente.

    Severidad Práctica (P) Juego (J) Total


    Menor (A) 4 5 9
    Moderada (B) 7 8 15
    Grave (G) 3 2 5
    Total 14 15 29
    Ejercicio

    a. Calcule la probabilidad de que el jugar se haya lesionado


    durante un juego y haya tenido una lesión grave.
    b. Si se selecciona al azar un jugador, calcule la probabilidad de
    que el jugador se haya lesionado durante una práctica o haya
    sido considerado una lesión grave.
    c. La probabilidad de que el equipo médico cometa un error en
    clasificar la severidad de las lesiones (menor, moderada y grave)
    es de 0.01, 0.04 y 0.03 , respectivamente. Halle la probabilidad
    de que se cometa el error en clasificar la severidad de la lesión
    de un jugador.

    También podría gustarte