Trabajo de Probabilidad 2
Trabajo de Probabilidad 2
Trabajo de Probabilidad 2
U.N.E.F.A.
Núcleo – Aragua
Profesora: Integrantes:
Introducción 3
Experimentos aleatorios 4
Espacio muestral 4
Probabilidad condicional 10
Sucesos independientes 12
Teorema de Bayes 12
2
Introducción:
Por ejemplo, si tengo una moneda y quiero que caiga “cara”, y lo quiere
representar matemáticamente en forma fraccionaria seria definido como: quiero
que caiga 1 de dos opciones posibles es decir ½, esta misma probabilidad la puedo
representar de forma decimal y esto se logra dividiendo el numerador con el
denominador es decir: ½=0.50, ahora si esta misma probabilidad la quiero ver en
porcentaje, el punto lo debo correr dos lugares hacia la derecha lo que nos queda
50%. Es decir tengo un 50% de que caiga “cara” y otro 50% de que caiga “sello”.
3
Experimento aleatorio:
Los fenómenos o experimentos aleatorios son los que pueden dar lugar a varios
resultados, sin que pueda ser previsible enunciar con certeza cuál de estos va a ser
observado en la realización del experimento a pesar de haberlo realizado en
similares condiciones.
Nota: Azar, palabra de origen árabe, que en latín se traduce por casus, que
significa casualidad.
Espacio Muestral:
4
En este espacio podemos obtener todos los resultados de un espacio aleatorio.
Siguiendo los ejemplos anteriores los resultados serían:
En este caso la ocurrencia de un evento significa que ninguno de los otros puede
ocurrir simultáneamente. Se les denomina también eventos incompatibles en el
resultado de un experimento.
Retomando el ejemplo de los dados, solo una cara quedara hacia arriba y
obtendremos un dato entero entre 1 y 6. Esto es un evento simple ya que solo
tiene una posibilidad de resultado por experiencia. Todos los eventos simples son
mutuamente excluyentes al no admitir otro suceso como posibilidad.
Por ejemplo, teóricamente solo hay dos resultados posibles que se pueden
obtener al revolear una moneda. Que caiga “cara” o que caiga “sello” una moneda
son eventos colectivamente exhaustivos, y la probabilidad de que salga “cara” o
5
“sello” es uno. Ambos resultados no pueden ocurrir en un único lanzamiento de
moneda. La suma de la probabilidad de que salga cara y de la probabilidad de que
salga ceca es 1: 1/2 + 1/2 =1.
Otro ejemplo: Se tiene una caja con 50 papelitos de colores: 15 son rojos, 5 son
morados, 9 son verdes, 11 naranjas y 10 son azules.
Para resolver utilizamos la fórmula que dice: P(A U B) = P = (A+B) = P(A)+ P(B)
Aplicando...
P=10/50+15/50
6
Ejemplo del principio de la adicción: ¿de cuántas formas se puede cruzar un río,
sabiendo que se dispone de 3 botes y 4 barcos?
7
5. P (AUB) =P (A) +P (B)-P (A∩B). Si los sucesos son incompatibles, como
su intersección es el suceso imposible cuya probabilidad es cero, la
fórmula anterior se reduce a la expresión: P(AUB)=P(A)+P(B)
Ejemplo: Jorge es un bromista y a veces lleva un dado trucado para quedarse con
sus amigos que intentan jugar con él sin saber que les hace trampas. Las
probabilidades que tiene ese dado de sacar las caras del 1 al 5 son las siguientes:
P (1) = 0,15; P (2) = 0,20; P (3) = 0,10; P (4) = 0,15; P (5) = 0,20.
La respuesta seria:
8
Es decir, la probabilidad de que ocurra el suceso B (en nuestro ejemplo, que
ocurra un accidente) es igual a la suma de multiplicar cada una de las
probabilidades condicionadas de este suceso con los diferentes sucesos A
(probabilidad de un accidente cuando llueve y cuando hace buen tiempo) por la
probabilidad de cada suceso A.
Proposición:
Teoremas:
9
urna i cualquiera es ${{\cal P}} [U_i] $. Estas probabilidades se denominan
probabilidades a priori. Sin embargo, después de realizar el experimento, y
observar que el resultado del mismo ha sido la extracción de una bola blanca, las
probabilidades de cada urna han cambiado a ${{\cal P}} [{U_i} _ {\mid B}] $.
Estas cantidades se denominan probabilidades a posteriori.
Probabilidad Condicional
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.
10
Teorema de multiplicación de probabilidad
Eventos dependientes:
Ejemplo 1:
Una caja contiene 2 canicas azules y 3 rojas. Si se extraen dos canicas al azar sin
reposición, ¿cuál es la probabilidad de que las dos sean azules?
Solución:
Dado que las canicas serán extraídas de la misma caja, y que las canicas que se
extraigan, no serán devueltas a la caja (no hay reposición), entonces, se trata de
eventos dependientes.
11
Sucesos independientes
Dos eventos A y B son independientes, si la ocurrencia de uno de ellos no
afecta la ocurrencia del otro, es decir, cuando los eventos A y B no están
relacionados. Para eventos independientes, la regla de la multiplicación establece
que:
Ejemplo 2:
El hecho de que un alumno hable inglés, no afecta en nada que juegue fútbol; por
lo tanto, se trata de eventos independientes.
Teoremas de Bayes.
Sea { A 1 , A 2 , . . . , A i , . . . , A n } {\displaystyle
\{A_{1},A_{2},...,A_{i},...,A_{n}\}} {\displaystyle
12
\{A_{1},A_{2},...,A_{i},...,A_{n}\}} un conjunto de sucesos mutuamente
excluyentes y exhaustivos, y tales que la probabilidad de cada uno de ellos es
distinta de cero (0). Sea B un suceso cualquiera del que se conocen las
probabilidades condicionales P ( B | A i ) {\displaystyle P(B|A_{i})} P(B|A_i).
Entonces, la probabilidad P (A i | B) {\displaystyle P(A_{i}|B)} P(A_i|B) viene
dada por la expresión:
Dónde:
13
estimaciones en función de la evidencia empírica es lo que está abriendo nuevas
formas de hacer conocimiento.
Conclusión
14
modelo generaliza el comportamiento y se inicia todo el concepto de
estimaciones y significancia del coeficiente de correlación.
Como tercero, y quizá lo que mayor incidencia tiene es el azar, puesto que se debe
considerar lo determinativo o estocástico del fenómeno.
15
Anexos:
16
Bibliografía:
17
18