EJERCISIOS: 5. En los siguentes casos indica si se esta usando clasica, relative frequencia, o probabilidad subjective.

a. Un jugador de basket encesta 30 de 50 tiros libres. La probabilidad de que aga las siguientes tiros es 6. b. Un comit de 7 estudiantes se forma para estudiar un tema del ambiente. Que es la chance de que uno de ellos sea el lder del grupo. c. Compras un boleto de 5 mil para la lotera canadiense. Que es la probabilidad de que ganes. d. La probabilidad de que un terremoto pegue en norte de California en los prximos 10 aos es 80.

6. Define el tema exclusividad mutual en tus propias palabras.

7. Hay 52 cartas en una baraja. a. Que es la probabilidad de que la primer carta sea un naipe. b. Cual es la probabilidad de que la primer carta sea una J de naipe. c. Que concepto de probabilidad es el a & b.

8. Antes que una enquesta nacional fuera hecha, 40 personas fueron elejidas para hacer un questionario. Una pregunta era que si el aborto fuese legal o ilegal si o no. a. Que es el experimento? b. Enlista uno de los eventos posibles. c. 10 de 40 quisieron que el aborto fuera legalizado. Basado en estas respuestas, que es la probabilidad de que uno de los 40 al hazar este afavor del aborto. d. Que concepto de probabilidad representa la C. e. Estos eventos son igual y exclusividad mutual. REGLAS BASICAS DE PROBABILIDAD:

Ahora que definimos probabilidad y sus diferentes acercamientos de probabilidad, ahora ponemos atencin a la combinacin de eventos applicando las reglas de suma y multiplicaciones. REGLAS DE SUMA: REGLA ESPECIAL DE SUMAS: Para poder aplicar la regla especial de suma, los eventos necesitan ser exclusvidad mutual. Exclusividad mutual significa que cuando un evento ocurre, ningno puede ocurrir al mismo tiempo. Asi como cuando un dado se tira y kai un 2, las dems caras no pueden estar bocariba (1,3,4,5, y 6) al mismo tiempo. Asi como un producto en la lnea no puede ser satisfactorio o defectuoso ala misma ves. Si los dos eventos A y B son exclusividad mutual la regla especial de suma indica que la probabilidad de que uno o el otro evento ocurriendo eguala la suma de su probabilidades. La P(A o B) = P(A) + P(B)

P(A o B o C) = P(A) + P(B) + P(C)

EJEMPLO: una maquina llena bolsas de plstico con diferentes tipos de frijoles, broccoli, y otros vejetales. La mayora de las bolsas tienen el peso correcto, pero por una pequea variacin de tamao de los frijoles y vejetales, unos paquetes pueden estar sobre peso o por debajo de peso. Aqu un muestra de paquetes de un pasado enpaque. PESO Bajo Peso Satisfactorio Sobre Peso EVENTO A B C NUM. DE PAQUETES 100 3,600 300 4,000 PROB. DE OCURENSIA .025 .900 .075 1.000 = 100/4000

Que es la probabilidad de que un paquete salga bajo o sobre peso? Solucin: el bajo peso es el evento A. el sobre peso es el evento C. Aplicando la regla especial de suma:

P(A o C) = P(A) + P(C) =.025 + .075 =.10

Ay que notar que estos eventos son exclusividad mutual, esto significa que los paquetes de vejetales mixtas no pueden ser bajo peso, satisfactorio, o sobrepeso al mismo tiempo. Nota que P(A o B o C) = 1.000 El ingles J. Venn (1834 1888) hizo un diagrama que demuestra el resultado de un experimento. El concepto exclusividad mutual otras reglas de combinaciones de probabilidades pueden demostrase usando este diagrama. Para hacer el diagrama de Venn , el total de todos los posibles resultados . este espacio se llama el espacio muestral . y por lo general es en forma de un rectngulo, un resultado en particular (por ejemplo, que la bolsa de vegetales mixtos tena exceso de peso) se llama un punto de muestreo. el total de todos los puntos de muestreo es igual al espacio muestral.el siguiente diagrama de Venn representa el Concepto mutuamente excluyentes. no hay superposicin de eventos, lo que significa que los eventos son mutuamente excluyentes.

complementar la Regla:

La probabilidad de que una bolsa de vegtables mezcla seleccionado es de peso, P(A), adems de la probabilidad de que no es una bolsa de underwieght, escrito P (~ A) y se lee "no A", que lgicamente es igual a 1. Esto est escrito:

P(A) + P(~A) =1
Esto puede ser revisado para que lea: P(A) = 1 P(~A)

Esto se conoce como la regla del complemento. Cul es la regla del complemento? Es una forma de determinar la probabilidad

de que ocurra un evento restando la probabilidad de que el evento no ocurra a partir de 1. Un diagrama de Ven que ilustra la regla del complemento puede aparecer como:

~A

Ejemplo Recuerde que en el ejemplo anterior que la probabilidad de una bolsa

de vegetales mixtos es underwieght es 0,025 y la probabilidad de una bolsa de exceso de peso es 0.075. Utilice la regla del complemento para llegar a la probabilidad de una bolsasatisfactoria. Mostrar la solucin con un diagrama de Ven.

Soluccion The probability that the bag is unsatisfactory equals the probability that
the bag is overweight plus the probability that it is underweight. That is, P(A or C) = P(A) + P(C)= .025 + .075= .100. The bag is satisfactory if it is not underweight or overweight, so P(B)= 1 - [P(A) + P(C)] = 1 - [.025 + .075] = 0.900. The Ven diagram portraying this situation is:

A .025 C .075

~(A o C) = .90

La regla del complemento es muy til en el estudio de la probabilidad. En muchas situaciones es ms eficiente para calcular la probabilidad de que ocurra un eventodeterminante de la probabilidad de que no suceda y restando el resultado de 1.

REGLAS DE MULTIPLICACION
En la seccin anterior examin las dos reglas de la suma, la regla general y la norma especial. Se utiliz la regla general cuando los eventos no son mutuamente excluyentes, y la norma especial cuando los eventos son mutuamente excluyentes.Tenemos una situacin anloga a las reglas de la multiplicacin: Hay una reglageneral y una regla especial. Nosotros usamos la regla general cuando los eventosno son independientes y la regla especial cuando los eventos son independientes.Qu se entiende por independiente? Dos eventos se dice que son independientes cuando la ocurrencia de un evento no afecta la probabilidad de la ocurrencia delsegundo evento. Si tenemos dos eventos A y B que son independientes, la ocurrencia de A no altera la ocurrencia de B. Si los dos eventos no son independientes, entonces si A ocurre que va a alterar la probabilidad de que B va a suceder. La regla general de multiplicacin suppone consideramos dos eventos y quiere encontrar la probabilidad de que tanto va a suceder. Por ejemplo, la probabilidad de que un atacante destruye su objetivo es 0,90. Si vamos a enviar dos terroristasdespus de diferentes objetivos, cul es la probabilidad de que ambos sonexitosos en la destruccin de sus objetivos? Este tipo de situacin es diferente deaquellas en las que las reglas de adicin se pueden utilizar. En lugar de calcular la probabilidad de que uno de los dos eventos que tienen lugar, queremos encontrar la probabilidad de que ambos se suceden. Es decir, en lugar de encontrar la probabilidad de que uno o el otro atacante tiene xito, queremos saber la probabilidad de que ambos tengan xito. Esto se llama una probabilidad conjunta. probabilidad conjunta: de la probabilidad de que las medidas de la probabilidad de que dos o ms acontecimientos tendrn lugar al mismo tiempo

Otro concepto de probabilidad se llama probabilidad condicional. Recordemos quela incertidumbre probabilidad medidas. Sin embargo, el grado de incertidumbrepuede cambiar a medida que se obtiene nueva informacin. Probabilidad condicional es una herramienta que describe la probabilidad de nuevascorrespondientes a algunos B evento despus de que se sabe que algn otro eventoA ha ocurrido. Simblicamente, se escribe P (B L A). La lnea vertical (l) no significadivisin. En su lugar, se lee "dado" como en "la probabilidad de B dado que Aocurri."

Probabilidad condicional: La probabilidad de que dos o ms acontecimientos tendrn lugar al mismo tiempo.

Por ejemplo, la ley actual del Seguro Social tiene tanto una discapacidad y unaprevisin para la jubilacin. Un trabajador social se encuentra que el 85 por ciento de los residentes de la Comunidad del Sol Retiro recibir beneficios de jubilacin, el 20 por ciento recibe pagos por incapacidad, y el 15 por ciento recibe tanto la jubilacin y pensin por incapacidad. Si se enteran por primera vez que una personaest recibiendo un beneficio por incapacidad, nuestra estimacin de la probabilidad de que l o ella tambin est recibiendo beneficios de jubilacin cambios. Onlly 20 por ciento de los residentes reciben beneficios por incapacidad, por lo que P (D) =0.20 por ciento, y 15 reciben la discapacidad y de jubilacin, prestaciones P (D y R)/ P (D) = .015/.20 o 0.75. El conocimiento de que una persona recibi un beneficio por incapacidad redujo la probabilidad de .85 a .75 que l o ella recibirn una prestacin de jubilacin. En smbolos, este clculo se escribe como sigue: P(A and B) P(B l A) = P(A)

Esta misma relacin nos da una forma de calcular P (A y B) cuando P (A) y P (B) son conocidos. Simplemente multiplicamos: P (A) P (B L A). Esta es la reglageneral de multiplicacin, que establece que si dos eventos A y B pueden ocurrirtanto en algunos experimentos, la probabilidad de que A y B ocurren es P (A) P (BL A). P(A and B) = P(A) * P(B l A) Ejemplo: Hay 10 rollos de pelcula en una caja y se sabe que tres son defectuosos.Dos rollos tienen que ser seleccionados, uno tras otro. Cul es la probabilidad de que ambos seleccionados de las listas son defectuosos? Solucin: Supongamos que el primer rollo de pelcula seleccionado en el cuadro es defectuoso. Esto se conoce como el evento A. Por lo tanto P (A) = 3 / 10, ya que 3 de cada 10 rollos son defectuosos. Este ha sido designada como evento B. Por lo tanto, P (A l B) = 2.9. Para explicar, despus de la primera seleccin fue que se encuentre defectuoso, slo dos rollos de los defectos, tan slo dos rollos depelcula defectuosos se dejan en la caja, que ahora contiene nueve rollos de pelcula. La probabilidad de seleccionar dos rollos defectuosos en las dos primerasselecciones, con la frmula (4-6), es 0,0667, que se

encuentra en (03/10) (02/09). P(A and B) = P(A) * P(B l A) = 3/10 x 2/9 = .0667

Esto significa que si este experimento se repite 100 veces, a la larga pelea desiete experimentos dara lugar a defectos rollos de pelcula tanto en la seleccin deprimera y segunda. Dicho sea de paso, se supone que este experimento se llev a cabo sin reemplazo, es decir, el rollo de pelcula defectuosa no fue arrojado en la caja antes de que el prximo lanzamiento fue seleccionado. Tambin hay que sealar que la regla general de la multiplicacin se puede extender a ms de dos eventos. Para tres eventos, A, B, C, la frmula sera: P(A and B and C) = P(A) * P(B l A) * P(C l A and B) A ttulo de ejemplo, la probabilidad de que los tres primeros rollos elegido en el cuadro de todos defectuosa es 0.00833, que se encuentra en: P(A and B and C) = P(A) * P(B l A) * P(C l A and B) = 3/10 x 2/9 x 1/8 = .00833

Auto-revisin 4.7
El Consejo de Administracin de Industrias de Tarbell se compone de ochohombres y cuatro mujeres. Un comit de cuatro miembros de bsqueda ha de ser elegido al azar para recomendar un nuevo presidente de la compaa. 1. Cul es la probabilidad de que los cuatro miembros del comit de bsquedaser una mujer? 2. Cul es la probabilidad de que los cuatro miembros sern los hombres? 3. La suma de las probabilidades de que la parte 1 y parte 2 es igual a 1? Explicar.

Otra aplicacin de la regla general de la multiplicacin de los siguientes. Una encuesta de excecutives tratado con su lealtad a la empresa. Una de las preguntasfue: "Si wew dado una oferta de otra empresa igual o ligeramente mejor que su posicin actual, podra permanecer con la compaa o tomar otra posicin?" Las respuestas de

los 200 ejecutivos en la encuesta fueron clasificados de forma cruzada con sus longitudes de servicio en la empresa. (Ver Tabla 1.4). El tipo de tabla que resulta por lo general refferred como una tabla de contingencia.

TABLA 4-1 lealtad de los ejecutivos y tiempo de servicio con la empresa Lealtad menos de 1 ano se mantendr 10 no se mantendra 25 1-5 anos 30 15 6-10 anos 5 10 mas de 10 anos 75 30 Total 120 80 200

Ejemplo: Cul es la probabilidad de seleccionar al azar un ejecutivo que es leal a la empresa (se mantendra) y que cuenta con ms de 10 aos de servicio? Solucin: Tenga en cuenta que dos eventos ocurren al mismo tiempo que el ejecutivo permanecer en la empresa, y l o ella tiene ms de 10 aos de servicio. 1. Un evento es un ejecutivo que se quedara con la empresa a pesar de una oferta igual o ligeramente mejor de otra compaa. Para encontrar la probabilidad de que un evento suceder, consulte la Tabla 4-1. Tenga en cuenta que hay 120ejecutivos de los 200 en la encuesta que se quedaran con la compaa, por lo queP (A) = 120 / 200, o 0,60. 2. Evento B es un ejecutivo que cuenta con ms de 10 aos de servicio con la empresa. Por lo tanto, P (B L A) es la probabilidad de que un ejecutivo con ms de 10 aos de servicio permanecen en la empresa a pesar de una oferta igual o ligeramente mejor de otra compaa. Segn los planes de la tabla de contingencia,la Tabla 4-1, 75 de los 120 ejecutivos que se quedan tienen ms de 10 aos de servicio, por lo que P (B L A) = 75/120. Calcular el valor de la probabilidad de que un ejecutivo de seleccionados al azarser quien se quedara con la empresa y que tiene ms de 10 aos de servicio en la empresa, utilizando la regla general de multimplication en la frmula (4-6): P(A and B) = P(A) * P(B l A) = 120/200 x 75/120 = .375

Auto-revisin 4.8 Consulte la tabla 4-1. Usando la regla general de multiplicacin, lo que es la probabilidad de seleccionar al azar un ejecutivo que se quedara con la empresa y tiene menos de un ao de servicio?

Tres diagramas
Un diagrama de tres es til para representar las probabilidades condicionales y conjuntas. Un diagrama de rbol es particularmente til para el anlisis de las decisiones empresariales, cuando hay varias etapas para el problema. La tabla de contingencia (tabla 4-1) se utiliza para mostrar la construccin de un diagrama de rbol. 1. La construccin del diagrama de rbol se inicia dibujando un punto grueso dela izquierda representa el tronco del rbol (ver tabla 4-1). 2. Para este problema, dos ramas principales salen del tronco, la parte superiorque representa "se mantendr" y la inferior "no se quedaran". Hay probabilidadesescrito en las ramas, a saber, 120/200 y 80/200. Estos son P (A) y P (~ A). 3. Cuatro ramas "crecer" de las dos ramas principales. Estas ramas representan la duracin del servicio, a menos de 1 ao, 1-5 aos, 6-10 aos, y ms de 10 aos. Las probabilidades condicionales 10/120, 30/120, 5 / 120, y as sucesivamente se escriben en las ramas apropiadas. Estos son P (B1 l A), P (B2 l A), P (B3 l A) y P(B4 l A), donde B1 se refiere a menos de 1 ao de servicio, B2 1 a 5 aos, 6 a B3 10 aos, y B4 ms de 10 aos. 4. Por ltimo, las probabilidades conjuntas, que A y B se presentan juntos, se muestran en el lado derecho. Por ejemplo, la probabilidad conjunta de seleccionar al azar un ejecutivo que se quedara con la empresa y que tiene menos de un ao de servicio, utilizando la frmula (4-6), es

P(A and B1) = P(A) * P(B1 l A) = (120/200) x (10/200) = .05

Debido a que las probabilidades conjuntas representan todas las selecciones posibles (se mantendra, 60-10 aos de servicio, no siendo, ms de 10 aos de servicio, etc), se deben sumar 1,00. (Vea el cuadro 1.4.)

Auto-revisin 9.4
Una muestra aleatoria de los empleados de la empresa fabricante de hardware fue elegido con el fin de determinar sus planes de jubilacin despus de 65 aos de edad. Los seleccionados en la muestra se divide en las direcciones y la produccin. Los resultados fueron los siguientes:

1. Cul es la tabla llamada? 2. Cul es la probabilidad de seleccionar un empleado de produccin que no tiene planes de jubilarse?

ejercicios: 17. Supongamos que P (A) = 0.40 y P (B L A) 0.30. Cul es la probabilidad conjunta de A y B? 18. Supongamos que P (X1) = 0.75 y P (Y2 l X1) = 0.40 Cul es laprobabilidad conjunta de X1 y Y2? 19. Consulte la tabla siguiente:

a. Determine P (A1) b. Determine P (l B1 A2) c. Determine P (B2 y A3)

20. Tres cepillos de dientes elctricos defectuosos fueron enviados por accidente a una farmacia por productos Cleanbrush junto con 17 otros no defectuosos. a. Cul es la probabilidad de que los dos primeros cepillos de dienteselectrnicos que se venden willl ser devueltos a la farmacia porque sondefectuosos? b. Cul es la probabilidad de que los dos primeros cepillos de dientes elctricos vendidos no sea defectuoso?

La regla especial de multiplicacin: Si hay dos eventos independientes A

y B (es decir, la ocurrencia del evento A no afecta a la ocurrencia del evento B), la regla especial de adicin se utiliza para encontrar la probabilidad de que A y B pasando .Esto es puede ser escrito:

P (A y B) = P (A) * P (B) Ejemplo: Hay seis caras de un dado. Supongamos que tenemos dos de estosdados y uno de color azul, el otro blanco. Se rod por el suelo. Cul es la probabilidad de obtener un par de dos, es decir, dos en el dado azul y dos una en el dado blanco?

Solucin: El resultado de la muerte blanca no depende de los resultados de la matriz de color azul, los dos eventos son independientes. por lo tanto, la reglaespecial de multiplicacin se puede aplicar. Una deEl seis de un dado es de dospunto. La probabilidad de que un lugar de dos, por lo tanto, es 1 / 6. El propabilityde un lugar de dos prximos boca arriba sobre la muerte azul es 1 / 6, y laprobabilidad de que dospunto en el dado blanco tambin es 1 / 6. La probabilidad de que ambos se enfrentan a subir es 1 / 36, que se encuentra usando la frmula(4-7):

Grfico 4.2 ilustra este concepto. Nota: 1. Hay 36 puntos (puntos). 2. Una es el caso de "dos-punto aparece en el dado azul." 3. B es el evento de "dos-punto aparece en el dado blanco." 4. La interseccin de la sombra de A y B es el punto en el que un lugar de dosaparece tanto en los dados azul y blanco. Tenga en cuenta que mientras que hay 36 puntos (puntos) en el grfico 2.4, la interseccin con sombra incluye slo 1 punto. Por lo tanto, uno de los 36 puntos cumplan con las estipulaciones, y la probabilidad es de 0.0278, que se encuentraen 1 / 36. Esto concuerda con el resultado obtenido con la regla especial de multiplicacin Auto-revisin 04.10 La probabilidad de un newbornn ser un chico es 1 / 2, la probabilidad de que seauna nia es 1 / 2. Sea A el evento "el primognito de Jane y Schmitz Doug es un nio." B es el evento ", el segundo hijo es un nio."

1. Son estos eventos independientes? 2. Suministro de la frmula correcta y determinar la probabilidad de que los dos primeros nios nacidos son varones. 3. Cul es la probabilidad de que los tres primeros hijos son nios? Teorema de Bayes En el siglo 18 el reverendo Thomas Bayes, un Ingls Prebyterian ministro, reflexionado sobre esta cuestin: Dios existe realmente? Estar interesado en las matemticas, trat de desarrollar una frmula para llegar a la probabilidad de que Dios existe sobre la base de evidencia de que estaba disponible para l en la tierra. . Ms tarde Laplace refinado "de trabajo y le dieron el nombre de Bayes teorema de Bayes" En una forma viable, el teorema de Bayes es:

(El significado de cada una de estas cartas se explica en el siguiente ejemplo, pero tenga en cuenta que se refieren a las probabilidades condicionales.) Considere el siguiente problema. Supongamos que un 5 por ciento de la poblacin de Umen, un pas ficticio del Tercer Mundo, tiene una enfermedad que es propio del pas. Vamos a dejar que se refieren a A1 el evento "tiene la enfermedad" y A2 se refieren al caso "no tiene la enfermedad". Por lo tanto, sabemos que si se selecciona a una persona de Umen al azar, la probabilidad de que una persona elegida tiene la enfermedad es de .05, se llama la probabilidad a priori. Se da este nombre porque la probabilidad se asigna antes de que los datos empricos obtenidos. La probabilidad previa de que una persona no est afectado por la sisease tanto, es 0,95, o P (A 2) = 0,95, que se encuentra por 1 a 0,05. No es una tcnica de diagnstico para detectar la enfermedad, pero no es muy precisa. Sea B el evento "prueba muestra que la enfermedad est presente".Supongamos que la evidencia histrica muestra que si una persona realmente tiene la enfermedad, la probabilidad de que la prueba indica la presencia de la enfermedad es 0.90. Utilizando las definiciones de probabilidad condicional desarrollado anteriormente en este captulo, esta declaracin se escribe como: P (B / A) =. 90 asumir que la probabilidad es 0.15 de que una persona en realidad no tienen la enfermedad pero la prueba indica que la enfermedad est presente. P (B / A) =. 15 Vamos a seleccionar al azar a una persona de umen y realizar la prueba. Los resultados de las pruebas indican la dsease est presente. Cul es la probabilidad de que la persona realmente tiene la enfermedad? En forma simblica, queremos saber P (A / B), que se interpreta como:. P (tiene la enfermedad de los resultados de la prueba son positivos) La probabilidad P (A / B) se llama probabilidad a posteriori o

revisadas. Un poco con la ayuda del teorema de Bayes, podemos determinar la probabilidad revisada. La probabilidad de revisin o posterior que una persona tiene la enfermedad, dado que la prueba fuera positivo, es 0,24. Cmo se interpreta el resultado? Si una persona es seleccionada al azar de la poblacin, la probabilidad de que l o ella tiene la enfermedad es 0.05. Si la persona se pone a prueba y el positivo resultado de la prueba, la probabilidad de que la persona realmente tiene la enfermedad se incrementa alrededor de cinco veces, .05 a .24. El problema anterior incluye slo dos eventos, A1 y A2, ya que antes de probabilidades. Si hay ms de dos probabilidades a priori, el denominador del teorema de Bayes requiere condiciones adicionales. Si la distribucin deprobabilidad a priori consiste en n eventos mutuamente excluyentes, el teorema de Bayes es el siguiente. donde A referes a cualquiera de los posibles resultados n. Utilizando la notacin anterior, los clculos para el problema Umen se resumen en la siguiente tabla. Otra ilustracin del teorema de Bayes sigue.