Você está na página 1de 6

1

UNIDAD II

PROBABILIDADES

1. Probabilidades: Es la posibilidad numrica, medida entre 0 y 1, de que ocurra


un evento.

2. Eventos o Suceso: Es una coleccin de resultados relacionados entre si de


un experimento aleatorio, es un subconjunto del espacio muestral de un
experimento aleatorio. Los eventos pueden ser dependientes, independientes o
mutuamente excluyentes.

3 AXIOMAS DE PROBABILIDAD

La probabilidad es un nmero que se asigna a cada miembro de una coleccin

de eventos de un experimento aleatorio y que satisface las siguientes.

Propiedades:

Si S es el espacio muestral y E cualquier evento del experimento aleatorio,

a) P(S) = 1
b) 0 P(E) 1
c) Para los eventos E1 y E2 con E1E2 = y P(E1U E2) = P(E1)+P( E2)

De estos axiomas se infieren los siguientes resultados:

P() = 0 ; P(E) = 1 P(E)

4. Axiomas

1. Teorema de la Adicin

2. Teorema de la probabilidad Condicional

3. Complemento

4. Teorema de bayes
2

1. REGLAS DE ADICIN

Una regla bsica de adicin importante es la siguiente:

Si los eventos son mutuamente excluyentes P(AB)

P(AUB) = P(A) + P(B)

Para suceso mutuamente No excluyente.

P(AUB) = P(A) + P(B) P(AB)

PROBABILIDAD CONDICIONAL

La probabilidad para sucesos Independiente puede expresarse como la probabilidad de


un evento A por la probabilidad del evento B y se expresa como:

P(AB) = P(A) P(B)

La probabilidad para sucesos Dependiente.

P(AB) = P(A) P(B/A)

La probabilidad condicional puede expresarse como la probabilidad de un evento


A dado un evento B y se expresa como:

P(A/B) = P(AB)

P(B)
P(AB) = P(BA)
P(B/A) = P(BA)

P(A)

2. COMPLEMENTO

P (A) = 1 - P (A) =

P (B) = 1 - P (B) =

3. REGLA O TEOREMA DE BAYES:


En algunas ocasiones se desea calcular una probabilidad
condicional y se conoce la de otra, el teorema o regla de Bayes nos
permite relacionar estas probabilidades de la forma siguiente:

P( B / A) P( A)
P( A / B)
P( B)
3

Estudiemos ahora algunos ejemplos que clarificarn lo antes expuesto:

LECHE COMERCIAL

PROCESO UHT PROCESO NORMAL

CONTAMINACIN si 10 50

ALTA SI
NO 240 200

En este ejemplo sea A el evento leche comercial con contaminacin alta y sea B el
evento leche comercial sometida a Proceso UHT.

Halle:

1) P (A)
2) P (B)
3) P (A B)
4) P (A UB)
5) P (A)
6) P (B)
7) P (A B)
8) P (A B)
9) P (A/B)
10) P (B/A) (Teorema de Bayes)

El espacio muestral es: S = 10 + 50 + 240 + 200 ===> S = 500 por tanto:

1.- P(A) = (10 + 50) ===> P(A) = 0.12


500
2.- P(B) = (10 + 240)===> P(B) = 0.5
500
3.- P(AB) = 10 ===> P(AB) = 0.02
500
4

4.-. P(AUB) = P(A) + P(B) - P(AB) P(AUB) = 0.12 + 0,5 0.02 ===> P(AUB) = 0,60

5.- P (A) = 1 - P (A) = 1- 0,12 = 0,88

6.- P (B) = 1 - P (B) = 1- 0,5 = 0,50

7.- P (A B) = 240 = 0,48


500
8.- P (A B) = 50 = 0,10
500

9.- P (A/B) = P(AB) = 0,02 = 0,04


P(B) 0,50
10.- P (B/A) = P (A/B). P(B) = (0,04)(0,50) = 0,17
P(A) 0,12

EJERCICIO N 2
Pelo castao Pelo no castao
Ojos castaos 15 10
Ojos no castaos 25 50
A: Pelo Castao
B: Ojos no Castaos
Se pide:
1. P(A)
2. P(B)
3. P(A)
4. P(B)
5. P(AB)
6. P(AUB)
7. P(AB)
8. P(BA)
9. P(A/B)
10. P(B/A) TEOREMA DE BAYES
5

Un club nocturno tiene los siguientes datos sobre la edad y el estado civil de 140
clientes

SOLTERO CASADO
Menor de 30 288 36
30 o ms 672 204

A: Clientes con estado civil solteros

B: Clientes con 30 aos ms

Se pide:

11. P(A)
12. P(B)
13. P(A)
14. P(B)
15. P(AB)
16. P(AUB)
17. P(AB)
18. P(BA)
19. P(A/B)
20. P(B/A) TEOREMA DE BAYES
6

BIBLIOGRAFIA

Autor: Francisco Gmez Rondn

Titulo: Estadsticas Metodolgica, Edicin fragor, 1993.

Autor: Bowker, A y Lieberman

Titulo: Estadsticas para Ingenieros

Autor: Canavos, Geoorge

Titulo: Probabilidad y Estadstica Aplicaciones y Mtodo

Autor: Walpole, R y MEYERES, R

Titulo: Probabilidad y Estadstica para Ingeniero

Autor: Allen L. Webster, Edicin Mc Grawhill, tercera Edicin

Titulo: Estadstica Aplicada a los Negocios y a la Economa ao 2000

Você também pode gostar