Escolar Documentos
Profissional Documentos
Cultura Documentos
Ejemplos:
la probabilidad de que llueva es del 15%
la probabilidad de que el auto arranque a -20 C es 0.38
Luego veremos que es posible probar (ley grandes números) que en el muy largo
plazo (aún por definir) la probabilidad calculada converge a su probabilidad
real)
P(E=águila)
P(E=águila) = P(E=sol)
Otro ejemplo sería calcular la probabilidad de que el clima en un cierto dia sea
despejado:
P(E'=despejado)
que dependera de las probabilidades de todos los otros casos bajo consideración
(medio nublado, nublado, etc).
Parecería que podemos entonces concebir la probabilidad P como una función que
tiene como dominio . Esto es demasiado limitado, porque además de los cálculos
anteriores, me gustaría poder escribir combinaciones de circunstancias, como:
De este modo podemos escribir "la probabilidad de que el día esté nublado","la
probabilidad de que el día esté nublado o lluvioso", y "la probabilidad de que
el día no esté nublado" respectivamente como:
P({nublado})
P({nublado,lluvioso})
P({nublado}C) = P({despejado,medio nublado,lluvioso})
Ejemplo. Sea:
A puede ser:
A = {
{despejado},
{medio nublado},
{lluvioso},
{medio nublado, lluvioso}
}
o sea, no despejado.
Nota. Tanto el conjunto vacío 0 como Ω están en A y son por lo tanto eventos.
1. P(Ω)=1
2. P(A)>=0 para toda A en A
3. Para A0, A1, ... ajenos, P(A0+A1 ...)= Σ P(Ai)
Lema.
P(0) = 0
P(Ac) = 1-P(A)
P(B) = P(A*B)+P(Ac*B) para cualquier A, B
P(Σi Ai) = 1-P(Πi Ai)
Si A C B, P(A)<=P(B)
P(A)<=1
Ejercicio. Demostrar.
Ejercicio. Demostrar:
P(A+B) = P(A)+P(B)-P(A*B)
P(A+B+C) = P(A)+P(B)+P(C)-P(A*B)-P(A*C)-P(B*C)+P(A*B*C)
Ejercicio. Generalizar.
Probabilidad Condicional
P(A|B) = P(A*B)/P(B)
Para cualquier B,
P(B) = Σk P(B*Ak)
P(B*Ak) = P(Ak)*P(B|Ak)
Teorema de Bayes
P(Ai|B) = P(B|Ai)*P(Ai)/P(B)
ó:
P(E1|E) = .1991
P(E2|E) = .859
P(E3|E) = .7251
R: sarcoidosis
Podemos calcular:
Σ P(Ei*E)+P(Ei*-E)= Σ P(E|Ei)P(Ei)+(1-P(E|Ei))P(Ei)
= Σ P(Ei)
= 1
P(Positiva|E) = .99
P(Positiva|-E) = .05
Calcular P(-E|Positiva)
P(-E|Positiva) = P(Positiva|-E)*P(-E)/
(P(Positiva|-E)*P(-E)+P(Positiva|E)*P(E))
= .05 * .999 / ( 0.04995 + .99 * .001 )
= .9805
O sea, aunque la prueba sea muy buena, dado que la incidencia de la enfermedad
es muy baja la inmensa mayoría de los pacientes que dan positivo no tienen la
enfermedad.
P(A*B) = P(A)*P(B)
P(A|B) = P(A).
1. P(A1*A2*...An) = P(A1)*P(A2)*...P(An)
X: Ω -> {x1,x2,...}
{ω ε Ω | X(ω)=xi}
Notas
1. Normalmente X es una función total sobre Ω (está definida para cada punto en
Ω).
De aquí definimos una función X que mapee cada punto en Ω a la ganancia final
del jugador:
Nótese que X funciona exactamente como una función que etiqueta cada punto en el
espacio de muestra de manera que ahora puedo referirme a los eventos en los que
se gana 3 pesos, aquellos en los que pierde 1, etc:
P(X=3)
P(X=-1)
...
y:
f(x) = P(X=x)
P(X=3) = 1/8
P(X=1) = 3(1/8)
P(X=-1) = 3(1/8)
P(X=-3) = 1/8
P(X=k) = 0 cuando k no esté en {3,1,-1,-3}
P(A1...An) = Π P(Ai)
Cuando una variable aleatoria X tiene una densidad con un nombre específico,
también se dice que X tiene una distribución del mismo tipo:
X tiene una densidad binomial
X tiene una distribución binomial