DEFINICIONES PREVIAS FENMENO (EXPERIMENTO): Es todo aquel acto o accin que se realiza con el fin de observar sus resultados

s y cuantificarlos. Los fenmenos pueden clasificarse de acuerdo al tipo de resultados en: Determinstico Es aquel cuyos resultados se pueden predecir de antemano. Probabilstico (aleatorio) Es aquel en el que para las limitaciones actuales del conocimiento cientfico, no se puede predecir con certeza el resultado. ESPACIO DE EVENTOS Al conjunto de todos los posibles resultados de un experimento aleatorio se le denomina ESPACIO DE EVENTOS (S). A cada posible resultado del espacio le llamaremos ELEMENTO. Un EVENTO en general es un conjunto de eventos simples (o posibles resultados del experimento). Si el evento est compuesto por un nico elemento le llamaremos EVENTO SIMPLE. Si el evento no tiene ningn resultado posible se le denomina EVENTO VACO. El espacio de eventos puede ser FINITO o INFINITO y a su vez DISCRETO O CONTINUO EVENTO COMPLEMENTO Es el evento que contiene todos los elementos del espacio muestral que no estn en A. denotado mediante DEFINICIONES PREVIAS Eventos mutuamente excluyentes: Si se tienen dos o ms eventos que pertenecen a S y al realizar el experimento solo puede ocurrir uno u otro, pero no simultneamente. Ejemplo 1: Ejemplo 2: Sacar una cara o un sello al lanzar una moneda una vez. Ejemplo 3: Seleccionar una unidad defectuosa o no defectuosa. Ejemplo 4: Sacar una reina o un as. Ejemplo 4: Ser mujer y ser hombre. Eventos colectivamente exhaustivos: Si la unin de los eventos es igual al especio de eventos. Ejemplo1: . Ejemplo2: Los eventos colectivamente exhaustivos de lanzar un dado son: 1, 2, 3, 4,5 y 6 , Ac

 Eventos mutuamente excluyentes y colectivamente exhaustivos: Si se cumplen las dos condiciones anteriores

EVENTOS INDEPENDIENTES: Son eventos en los que la ocurrencia de uno no tiene nada que ver con la ocurrencia del otro. Ejemplo1: Lanzar una moneda y un dado. El resultado del lanzamiento de una moneda no afecta al dado EVENTOS COMPLEMENTARIOS: Son los eventos en los que si un evento no ocurre el otro debe ocurrir. Ejemplo1: Evento obtener un numero par con un dado (2, 4 o 6 ), entonces el complemento es obtener un nmero impar (1,3 o 5 ) Probabilidad Es la posibilidad numrica de que ocurra un evento. La probabilidad de un evento es medida por valores comprendidos entre 0 y 1. Entre mayor sea la probabilidad de que ocurra un evento, su probabilidad asignada estar ms prxima a 1. La probabilidad de certeza es 1. La probabilidad de una imposibilidad es cero. Probabilidad es la posibilidad o la oportunidad de que ocurra un evento especifico. P (Evento cierto) =1 P (Evento imposible) = 0 0 P (E1) 1

E1 = Evento

Probabilidad es la posibilidad numrica medida entre 0 y 1 de que ocurra un evento. 1. MODELO DE FRECUENCIA RELATIVA: Se basa en datos que se han observado empricamente, registra la frecuencia con que ha ocurrido algn evento en el pasado y estima la probabilidad de que el evento ocurra nuevamente con base a datos histricos. Frecuencia relativa = Fr

Fr =
Ejemplo 1.- El ao anterior hubo 50 nacimientos en un hospital local, de los cuales 32 de los recin nacidos eran nias. El modelo de frecuencia relativa revela que la probabilidad de que el siguiente nacimiento sea una nia es:

Fr

2. MODELO SUBJETIVO Se utiliza cuando los datos no se encuentran disponibles por lo tanto no es posible calcular la probabilidad a partir del desempeo anterior. Por tanto se calcula la probabilidad a partir del mejor criterio. El modelo es utilizado cuando se desea asignar probabilidad a un evento que nunca ha ocurrido. Ejemplo 1.- La probabilidad de que una mujer sea elegida como presidenta de Venezuela. Se debe analizar las opiniones y creencias para obtener una estimacin subjetiva de probabilidad. 3. MODELO CLASICO (A PRIORI) La probabilidad de xito de basa en el conocimiento previo del proceso implicado. Modelo Clsico = Mc Mc = Ejemplo 1: Probabilidad de obtener una cara en el lanzamiento de una moneda P (Cara) = =

Ejemplo 2: Probabilidad de obtener un 3 en el lanzamiento de un dado P (Cara) = AXIOMAS DE PROBABILIDAD Sea S el espacio de eventos de un experimento, y E un evento cualquiera de S. 1. P(S) = 1 2. P (E) 0 =

3. Si para E1, E2,.... Se cumple que P (E1 = , para toda i j, entonces:

E2 ....)= P (E1) + P(E2) + ...

TEOREMAS DERIVADOS DE LOS AXIOMAS Sea S el espacio muestral de un experimento, y E un evento cualquiera de S. 1. P ( 2. 0 )=0 P (E) 1, para cualquier E S

3. Regla de la adicin para cualesquiera eventos: Si A y B pertenecen a S, se cumple que: P ( A B ) = P(A) + P(B) - P( A B ) PROBABILIDAD CONDICIONAL Supnganse dos conjuntos A y B que pertenecen al espacio muestral S

Interseccin de dos eventos A y B:

( A B)
Si se sabe que ya ocurri el evento B, la probabilidad de que tambin haya ocurrido A se escribe: P(A|B) y se lee la probabilidad de A dado B. P (A|B) equivale a calcular la probabilidad de A cuando el espacio muestral se reduce a B.

P (A|B)

( A B)

Pero tambin, si dividimos numerador y denominador entre n(s) tenemos:

( A B)
P (A|B)

( A B)

y anlogamente: P (B|A)

( A B)

PROBABILIDAD CONJUNTA Supnganse dos eventos A y B que pertenecen al espacio muestral S La probabilidad conjunta de A y B, es la probabilidad de que ocurran el evento A y el evento B de manera simultnea. Despejando de la expresin dada antes para probabilidad condicional se tiene:

( A B) =

o bien

( A B) =

PROBABILIDAD MARGINAL Probabilidad marginal de un evento es la probabilidad simple de ese evento, pero expresada como una suma de probabilidades conjuntas. EVENTOS INDEPENDIENTES Supnganse dos eventos A y B que pertenecen al espacio muestral S. Se dice que A es independiente de B si resulta que P (A|B)=P(A), lo que significa que el evento B no influye en absoluto para la realizacin o no del evento A. Si es ste el caso, y puesto que

( A B)

tenemos que:

( A B)
( A B) =

y por lo tanto, los eventos A y B son independientes si, y solo si:

Teorema: si A y B son independientes, entonces: A y B son independientes. A y B son independientes. A y B son independientes.

Eventos dependientes Dos o ms eventos sern dependientes cuando la ocurrencia o no-ocurrencia de uno de ellos afecta la probabilidad de ocurrencia del otro (u otros). Cuando tenemos este caso, empleamos entonces, el concepto de probabilidad condicional para denominar la probabilidad del evento relacionado. La expresin P(A|B) indica la probabilidad de ocurrencia del evento A s el evento B ya ocurri

Ejemplo1: Una caja contiene 4 canicas rojas, 3 canicas verdes y 2 canicas azules. Una canica es eliminada de la caja y no es reemplazada. Otra canica se saca de la caja. Cul es la probabilidad de que la primera canica sea azul y la segunda canica sea verde? Ya que la primera canica no es reemplazada, el tamao del espacio muestral para la primera canica (9) es cambiado para la segunda canica (8) as los eventos son dependientes. P (azul luego verde) = P (azul) P (verde)

Ejemplo 2: P(A B) = P(A) + P (B). Se extrae una carta al azar de un mazo ingls normal de 52 cartas. Supongamos que definimos los eventos A: "sale 3" y B: "sale una figura" y se nos pregunta por la probabilidad de que ocurra A B. Como estos eventos no pueden ocurrir simultneamente, o sea, son mutuamente excluyentes A B = entonces: P(A B) = P(A B) = P(A) + P (B) = P (sale 3) + P (sale figura) = 4/52 + 12/52 = 4/13. P (A B) = P (A) P (B/A) P(B/A) = P(A B)/ P(A) [P(B/A) Es la probabilidad del evento B, sabiendo que ha ocurrido A]. En la extraccin de una carta de un mazo ingls normal: cul es la probabilidad de que la carta extrada sea el as de corazones, sabiendo que la carta extrada es de corazones?

Debemos calcular P(as/corazn). La probabilidad de "as y corazn" es 1/52. La probabilidad de corazn es 13/52.

Luego, P(as/corazn) = P(as y corazn)/P(corazn) = (1/52)/(13/52) = 1/13 TEOREMA DE LA MULTIPLICACIN PARA PROBABILIDAD CONDICIONAL Sean A1, A2, ... An, n eventos cualesquiera de un espacio muestral S.

=
Si los eventos Ai y Aj son independientes i j, entonces:

=
Ejemplo: Doce personas (6 mujeres, 4 hombres y dos nios) realizan un paseo en un pequeo autobs, al llegar a cierto lugar, bajan del autobs cuatro personas una tras otra, determine la probabilidad de que; a. La primera y segunda persona que bajen sean mujeres, el tercero sea un nio y por ltimo baje un hombre, b. Que baje un nio, luego un hombre, luego otro nio y por ltimo que baje una mujer, c. Que baje una mujer, luego un hombre, despus otra mujer y por ltimo otro hombre. Solucin: a. M1 = evento de que baje del autobs primero una mujer M2 = evento de que baje en segundo lugar una mujer N3 = evento de que baje en tercer lugar un nio H4 = evento de que baje en cuarto lugar un hombre

P(M1M2N3H4) = P(M1)P(M2M1)P(N3M1M2)P(H4M1M2N3) = ( )*( )*( )*( )

=(

) = 0.0202

b. N1 = evento de que baje en primer lugar un nio

H2 = evento de que baje en segundo lugar un hombre N3 = evento de que baje en tercer lugar un nio M4 = evento de que baje en cuarto lugar una mujer

P(N1H2N3M4) = P(N1)P(H2N1)P(N3N1H2)P(M4N1H2N3) = (2/12)*(4/11)*(1/10)*(6/9)

= 48/11,880 = 0.00404 c. M1 = evento de que baje en primer lugar una mujer

H2 = evento de que baje en segundo lugar un hombre M3 = evento de que en tercer lugar baje una mujer H4 = evento de que en cuarto lugar baje un hombre

P(M1H2M3H4) = P(M1)P(H2M1)P(M3M1H2)P(H4M1H2M3) = (6/12)*(4/11)*(5/10)*(3/9) = 360/11,880 = 0.0303

PROBABILIDAD TOTAL Considrese que el espacio muestral S est particionado en k eventos Ai (mutuamente excluyentes y colectivamente exhaustivos); y que en el mismo espacio muestral S se define un evento B, que puede tener algunas intersecciones con los eventos Ai. La probabilidad total del evento B puede expresarse como la suma de las intersecciones del evento B con los eventos Ai

. :

Recuerde que, para cada evento

Sustituyendo este ltimo hecho en la expresin para la probabilidad total de

=
Con lo que la probabilidad total B se escribe tambin

Teorema de Bayes

Sea 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 probabilidad viene dada por la expresin:
. Entonces,

la

Dnde:

son las probabilidades a priori. es la probabilidad de en la hiptesis

.

son las probabilidades a posteriori.

EJEMPLO 1 En la sala de pediatra de un hospital, el 60% de los pacientes son nias. De los nios el 35% son menores de 24 meses. El 20% de las nias tienen menos de 24 meses. Un pediatra que ingresa a la sala selecciona un infante al azar. a. Determine el valor de la probabilidad de que sea menor de 24 meses. b. Si el infante resulta ser menor de 24 meses. Determine la probabilidad que sea una nia. SOLUCIN:

Se definen los sucesos:

Suceso H: seleccionar una nia.

Suceso V: seleccionar un nio.

Suceso M: infante menor de 24 meses.

En los ejercicios de probabilidad total y teorema de bayes, es importante identificar los sucesos que forman la poblacin y cul es la caracterstica que tienen en comn dichos sucesos. Estos sern los sucesos condicionados.

a. En este caso, la poblacin es de los infantes. Y la caracterstica en comn es que sean menores de 24 meses. Por lo tanto, la probabilidad de seleccionar un infante menor de 24 meses es un ejemplo de probabilidad total. Su probabilidad ser:

b. Para identificar cuando en un ejercicio se hace referencia al teorema de bayes, hay que partir de reconocer esta es una probabilidad condicionada y que la caracterstica comn de los sucesos Condicionantes ya ha ocurrido. Entonces, la probabilidad de que sea nia una infante menor de 24 meses ser:

Ejemplo 2: El 20% de los empleados de una empresa son ingenieros y otro 20% son economistas. El 75% de los ingenieros ocupan un puesto directivo y el 50% de los economistas tambin, mientras que los no ingenieros y los no economistas solamente el 20% ocupa un puesto directivo. Cul es la probabilidad de que un empleado directivo elegido al azar sea ingeniero?