PROBABILIDADES.

Presentación del tema: "PROBABILIDADES."— Transcripción de la presentación:

1 PROBABILIDADES

2 CONCEPTOS BÁSICOS Experimento: Proceso de realizar una observación o una medición. Experimento Aleatorio ( E ): Experimento en que son posibles más de un resultado, los cuales pueden ser indicados con anterioridad, y se puede repetir muchas veces bajo las mismas condiciones Espacio Muestral ( S ): Conjunto de todos los posibles resultados de un experimento aleatorio.

3 Ejemplos de Espacio Muestral:
E1: Se lanza un dado y se cuenta el número de puntos que aparecen en la cara superior. S1: { 1 , 2 , 3 , 4 , 5 , 6 }

4 Ejemplos de Espacio Muestral:
E2: Se lanza una moneda 4 veces y se cuenta el número de sellos obtenidos. S2: { 0 , 1 , 2 , 3 , 4 }

5 Ejemplos de Espacio Muestral:
E3: Se enciende una ampolleta y se anota el tiempo que transcurre hasta que se quema. S3: { t / t > 0 }

6 Ejemplos de Espacio Muestral:
E4: Se lanza una moneda dos veces, se registra el signo que aparece. S4: { CC , CS , SC , SS }

7 Ejemplos de Espacio Muestral:
E5: Salen artículos en una línea de producción. Se cuenta el número de artículos defectuosos producidos. S5: {0, 1 , 2, 3, 4, n } n: Total de artículos producidos

8 Ejemplos de Espacio Muestral:
E6: Una caja contiene 10 fichas, de las cuales 3 son verdes. Se extrae al azar una ficha después de otra y se cuenta el número de fichas sacadas de la caja , después de haber obtenido: a.- La última ficha verde b.- La primera ficha verde S6a= { 3, 4, 5, 6, 7, 8, 9, 10} S6b= { 1, 2, 3, 4, 5, 6, 7, 8}

9 SUCESO Ó EVENTO Sea E un Experimento y sea S un espacio muestral asociado a E, entonces A es un suceso si y solo si A se define como un conjunto de posibles resultados del experimento aleatorio, es decir un subconjunto del espacio muestral S.

10 Observación: 1.- Sean A y B dos suceso asociados a un mismo experimento E , entonces: A  B: Es un nuevo suceso que ocurre si y solo si ocurre A , ocurre B o ambos. A  B: Es un nuevo suceso que ocurre si y solo si ocurre A y ocurre B. 2.- Sean A1, A2, Ak, sucesos asociados a un mismo experimento, entonces: A1  A2 .…  Ak: Es un nuevo suceso que ocurre si y solo si ocurre al menos un Ai. A1  A2 .....  Ak: Es un nuevo suceso que ocurre si y solo si ocurren todo los Ai a la vez.

11 SUCESOS MUTUAMENTE EXCLUYENTES(SME)
Sean A y B dos sucesos asociados a un mismo espacio muestral S, se dice A y B son sucesos Mutuamente excluyentes si no pueden ocurrir ambos a la vez. Es decir si la intersección es vacía . Si A  B =   A y B son SME

12 FRECUENCIA RELATIVA Sea E un experimento, y sea A un suceso asociado a E. Supongamos que el experimento E se realiza n veces, y que nA son las veces que ocurre el suceso A, entonces se define Frecuencia Relativa al suceso A como:

13 FRECUENCIA RELATIVA Propiedades: 1.- 0  ƒA  1
ƒA = Si cada vez que se realiza el experimento ocurre A. ƒA = Si A nunca ocurre. 4.- Sean A, B SME , entonces ƒAUB = ƒA +ƒB e.d. Si A  B =   ƒAUB = ƒA +ƒB

14 FRECUENCIA RELATIVA Propiedades:
5.- Si E se repite muchas veces, digamos infinitas, entonces ƒA tiende a la probabilidad de A ( P(A) ) ƒA P(A) n  Intuitivo

15 Probabilidad Definición:
Sea E un experimento y sea S un espacio muestral asociado a E, entonces a todo suceso A, le asociaremos un número P(A), que llamaremos, la probabilidad de que el suceso A ocurra, y que tiene las siguientes propiedades:

16 Propiedades: 0  P(A)  1 P(S) = 1
Sean A, B SME , es decir A  B =   P(A  B) = P(A) + P(B) Sean A1, A2,...Ak SME de a pares, entonces: P(A1 …..  Ak) = P(A1)+....+P(Ak) ó P( Ai ) =  P(Ai )

17 Teoremas Básicos: 1.- P() = 0
2.- Si A es el suceso complementario de A, entonces: P(A) = 1 – P(A) 3.- Si A  B entonces P(A)  P(B) 4.- Sean A y B sucesos cualesquiera, entonces: P(A  B) = P(A) + P(B) - P(AB)

18 Teoremas Básicos: 5.- Sean A, B, C sucesos cualesquiera, entonces:
P(ABC) = P(A) + P(B) + P(C) - P(A B) - P(A C) - P(B C) + P( A B  C )

19 Ejercicio 1 Sea ; P( A ) = x P( B ) = y P( AB ) = z Determine: _
_ _ P ( A  B ) =

20 Respuesta: Según Teorema 4
Tenemos: P(AB) = P( A ) + P( B ) - P( AB ) y como : P(A B )= P( A ) - P( AB ) tenemos que: P(AB ) = P( A ) + P( B ) - P(AB) = x + y - z Luego; P(AB )= x – ( x + y – z) = - y + z Y por lo tanto P(A  B ) = x + ( 1-y ) - (- y + z) = 1+ x - z Por otro lado: P(A  B) = P( A  B ) = 1 – P( A  B ) = 1 – ( P( B) – P(A  B ) ) = 1 – ( y – (x + y – z )) = 1 + x - z

21 Ejercicio 2 Sea ; P(A)=P(B)=P ( C ) = ¼ , P(AB)= P(AC)= 1/8 y
P(BC)= 0 , Determine: P(A  B  C)= Respuesta: Según Teo. 5 , Tenemos: P(ABC) = P(A) + P(B) + P(C) - P(A B) - P(A C) - P(B C) + P( A B  C ) Luego; P( A  B  C ) = 1/ / /4 – 1/ /8 – 0 + 0 = 1/2

22 S B A 1/4 1/4 1/8 1/8 1/4 C

23 Espacios Muestrales Finitos
Sea E un experimento y sea S = { s1,s2,....sk } un espacio muestral finito, entonces, a cada suceso de la forma si = {si } : lo llamaremos suceso elemental. (el formado por un solo elemento), y le asociaremos un número pi, que llamaremos, la probabilidad que el suceso {si} ocurra ( pi=P({si}) ) y que cumple con las Siguientes condiciones: 1.- pi  0 i= 1,2,......k  pi = 1

24 Espacios Muestrales Finitos
Sea A  S un suceso cualesquiera talque: A={s1 , s2 ,----, sr} ; r  k luego; A = {s1 } {s2 }  ----  {sr } P(A) = P(s1) + P(s2) P(sr) por lo tanto; P(A) = p1 + p pr Prp. 4

25 Espacios Muestrales Finitos
Ejemplo: Supongamos que solo son posibles 3 resultados en un experimento aleatorio, de tal manera que S = {s1, s2, s3}. Supongamos además que la ocurrencia de s1, es dos veces más probable que s2, y que s2 es dos veces más probable que s3.¿ cuál es el valor de p1, p2 y p3?

26 Sea P({si}) = pi i, i = 1,2,3 Tenemos que : p1 = 2p2 p2 = 2p3 Luego p1 = 2(2p3) = 4p3 Pero p1 + p2 + p3 = 1 por lo tanto: 4p3 + 2p3 + p3 = 1 luego: p3 = 1/7 , p2 = 2/7 , p1 = 4/7

27 Sucesos Equiprobables
Dos sucesos se dicen que son equiprobables si tienen igual probabilidad. Sea S= {s1,s2,------sk} y sea p1,p2,....,pk sus probabilidades respectivas, si los sucesos elementales son equiprobables.

28 Puesto que: Si S = { s1,s2,......sk}, y como los {si} son equiprobables entonces, p1= p2 = = pk = p Luego como:

29 Sucesos Equiprobables
De igual manera si A es un suceso cualesquiera tal que: A = {s1,s2,------sr} Donde, p1,p2,....,pr sus probabilidades respectivas, y equiprobables entonces: P(A) = p1 + p pr = r p y como p = 1/k , entonces: P(A) = r / k

30 Sucesos Equiprobables
Observación: Si S es un espacio muestral, donde sus sucesos elementales son equiprobables y A S entonces: P(A) = #A / #S = r / k #A: Números de elementos que tiene A y se lee el cardinal de A.

31 Ejemplo Sea E : se lanza un dado equilibrado y se cuenta el número
de puntos que aparecen en la cara superior. Determine: a.- El espacio muestral b.- Sea A: sale un número par B: sale el dos o el tres Determine: _ _ P(A) , P(B) , P(AB) , P(AB)

32 1.- El espacio muestral es : S = { 1,2,3,4,5,6}
Luego #A = 3 2.- A = { 2,4,6 } B = { 2,3} Luego #B = 2 Por lo tanto ; P(A) = 3/6 = 1/2 P(B) = 2/6 = 1/3 _ P(A B) = 2/6 = 1/3 _ P(A B) = 5/6

33 Métodos de Enumeración
1.- Principio de Adición: ( Regla del o ) E n1 E n2 }  E1 o E n1+n2 Avión Ejemplo: P Q Valpso Stgo. E1:Aéreo Helicóptero Bus Auto E2:Tierra Moto Luego: n1 + n2

34 Métodos de Enumeración
2.- Principio de Multiplicación: ( Regla del y ) E n1 E n2 }  E1 y E n1 x n2 Diagrama del Árbol A M Ejemplo: P Q Chile Europa R Brasil A A M T A M E1:n1 M E2:n2 Luego: n1 x n2

35 Métodos de Enumeración
3.- Permutación: Si tenemos n objetos distintos, y queremos ordenarlos tomando r de ellos. El número de formas de hacer esta operación, esta dado por:

36 Métodos de Enumeración
4.- Combinación: Si tenemos n objetos y queremos escoger r de ellos sin que nos importe el orden. El número de maneras de hacer esta operación, esta dado por:

37 Métodos de Enumeración
Observación: 1.- n! : Se lee n-factorial, y esta dado por: n! = n x (n-1) x (n-2) x x 3 x 2 x1 = n x (n-1)! 2.- 0! = 1 Ejemplo : 5! = 5 x 4 x 3 x 2 x = 120 = 5 x 4! = 120

38 Ejercicio 1.- Supongamos que una oficina cuenta con 18 personas; determine: a.- ¿Cuántas comisiones de 3 se pueden formar? b.- ¿Cuántas directivas con un presidente, un secretario y un tesorero, se pueden formar? c.- Si en la oficina hay 10 mujeres. c1.- ¿Cuántas comisiones de 3 persona se pueden formar, cuando debe haber una mujer por lo menos? c2.- ¿Cuántas directivas de 3 personas se puede formar, si solo una mujer puede pertenecer?

39 Tarea Nº__ a.- b.- 1.- Demostrar:
2.- Si en una oficina de 15 persona 8 son mujeres, y se eligen al azar 4 para un trabajo. ¿Cual es la probabilidad de que: a.- dos sean mujeres? b.- al menos dos sean mujeres?

40 Ejemplo: Se lanza una moneda dos veces, se registra el signo que aparece; determine: 1.- El espacio muestral S. 2.- La probabilidad de que salga a lo menos un sello. 3.- La probabilidad de que salgan más caras que sello.

41 Ejercicio Una oficina cuenta con 18 personas, 10 de ellas mujeres. Se seleccionan al azar dos, una después de otra, y se clasifican según el sexo. Determine: a.- El espacio muestral b.- La probabilidad de que, al menos una sea mujer c.- La probabilidad de que, hallan mas hombres que mujeres.

42 Probabilidad Condicional
Supongamos que tenemos 100 artículos, 20 de ellos defectuosos. Se escogen al azar 2, uno después del otro, y se definen los siguientes eventos: A = el primer artículo es defectuoso B = el segundo artículo es defectuoso. Determinar la probabilidad de A y B cuando el experimento se realiza: a.- con devolución b.- sin devolución.

43 { a.- Con devolución: 20/100 = 1/5 P(A) = 20/100 = 1/5 P(B) =
20/100 = 1/5 P(A) = P(B) = 20/100 = 1/5 b.- Sin devolución: P(A) = 20/100 = 1/5 19/99 si ocurrió A _ 20/99 si ocurrió A P(B) = {

44 Probabilidad Condicional
Notación: P(B/A): Probabilidad de B dado que ocurrió el suceso A. En nuestro caso: _ P(B/A) = 19/ y P(B/A) = 20/99

45 Probabilidad Condicional
Ejemplo: Se lanza un dado dos veces, el evento se anota ( X1 , X2 ) donde, Xi es el resultado del lanzamiento i ( i = 1,2): 1.- Determine: El espacio muestral S Si se definen: A = {(X1 , X2) / X1 + X2 =8 } B = {(X1 , X2) / X1 > X2 } 2.- Determine: P(A), P(B), P(A B), P( B/A), P(A/B)

46 ----------------------------- (6,1) ; (6,2) ;...........; (6,6) }
1.- S = { (1,1) ; (1,2) ; ; (1,6) (2,1) ; (2,2) ; ; (2,6) (6,1) ; (6,2) ; ; (6,6) } Luego #S = 36 2.- A = {(2,6);(3,5);(4,4);(5,3);(6,2)} #A = 5 B = {(2,1) (3,1);(3,2) (4,1);(4,2);(4,3) #B = 15 (5,1);(5,2) (5,3);(5,4) (6,1);(6,2);(6,3);(6,4),(6,5)}

47 } = P(A B) Por lo tanto: P(A) = 5 / 36 P(B) = 15 / 36 = 5 / 12
y como: (A B) = {(5,3);(6,2)} # (A B) = 2 P(A B) = 2 / 36 = 1 / 18 P(A/B) = 2 / 15 Luego P(B/A) = 2 / 5 Observemos que: P(B/A) x P(A) = 1/18 } = P(A B) P(A/B) x P(B) = 1/18

48 Probabilidad Condicional
Definición:

49 Ejemplo: Supongamos que en una oficina hay 100 computadores
personales, 40 conectados a Internet, de los cuales solo 14 tienen lector de disco compacto (CD), el total de computadores con (CD) es de Se extrae uno del total de computadores al azar determine la probabilidad de que: 1.- este conectado a Internet. 2.- tenga lector de CD y este conectado a Internet 3.- si esta conectado a Internet, tenga lector de CD. si se extraen al azar 4 computadores,¿ cuál es la probabilidad de que al menos dos tengan CD ?

50 Sea A = El computador esta conectado a Internet.
Desarrollo: Sea A = El computador esta conectado a Internet. B = El computador tiene lector de CD. Luego tenemos: A A Total B B Total Luego; 1.- P(A) = 40 / 100 = 2/5 2.- P(A = 7/50 3.- P( B/A) = 14 / 40 = 7/20

51 Ejemplo 2: De una caja que originalmente contiene 2 fichas azules y una ficha blanca, se extraen tres al azar, en cada extracción, se saca una, se registra el color y luego se devuelve a la caja junto con dos fichas del mismo color. Calcule la probabilidad de que: a.- Se obtengan dos fichas azules si hay al menos una ficha blanca. b.- Solo dos fichas sean blancas. c.- Al menos dos fichas sean azules.

52 A B A Diagrama del Árbol B A B
6/7 Sea A: la ficha es azul B: la ficha es blanca. A B 1/7 4/5 4/7 A 1/5 3/7 2/3 4/7 2 A 1 B 2/5 3/7 1/3 B 2/7 3/5 S = {AAA ,AAB, ABA, BAA, ABB, BAB, BBA, BBB} 5/7

53 a.- Se obtengan dos fichas azules si hay al menos una ficha blanca.
b.- Solo dos fichas sean blancas. c.- Al menos dos fichas sean azules. a.- ( 2/3 x 4/5 x 1/7 ) + ( 2/3 x 1/5 x 4/7 ) + ( 1/3 x 2/5 x 4/7 ) = 8 / / /105 = 24 / 105=8/35 b.- ( 2/3 x 1/5 x 3/7 ) + (1/3 x 2/5 x 3/7 ) + ( 1/3 x 3/5 x 2/7 ) = 6/ / / = 18 / 105=6/35 c.- ( 2/3 x 4/5 x 1/7 ) + ( 2/3 x 1/5 x 4/7 ) + ( 1/3 x 2/5 x 4/7 ) + (2/3 x 4/5 x 6/7 ) = 8/ / / /105 = 72 / 105 = 24/35

54 Definición: Sean B1,B2,......Bk sucesos asociados
a un espacio muestral S. Si se cumplen las siguientes condiciones: i.- Bij =   i  j = 1,2,...,k ii.-  Bi = S iii.- P( Bi )   i ; i = 1,2,...,k Entonces diremos que B1,B2,....Bk forman una Partición del espacio muestral S

55 Sea A un suceso asociado a un espacio muestral S y si B1,B2,
Sea A un suceso asociado a un espacio muestral S y si B1,B2,....Bk una partición de S: Luego A = (A1)  (A)   (A) aún cuando algún A i =   i i = 1,2,...,k por lo tanto P(A) = P((A1)  (A)   (A)) nos queda P(A) = P(A1) + P(A2) P (ABk) Como; Luego tenemos; P(A) = P(A/1) x P(B1) + P(A/2) x P(B2) P(A/k) x P(Bk) Esto se conoce como, Teorema de Probabilidad Total

56 El Teorema de Probabilidad Total también se puede
Escribir como:

57 Se sabe que la F1, produce el doble de artículos que F2 y que esta
Ejemplo: Cierto artículo es manufacturado por tres fábricas: F1, F2, F3. Se sabe que la F1, produce el doble de artículos que F2 y que esta y F3, producen el mismo número de artículos. También se sabe que el 2% de los artículos producidos por cada una de las dos primeras (F1 y F2), son defectuosos, mientras que el 4% de los producidos por F3, es defectuoso. Se ponen todos los artículos juntos, de las tres fábricas, y se elige uno al azar ; Determine: Cuál es la probabilidad de que el artículo escogido sea defectuoso? 2. Si el artículo escogido es defectuoso, ¿Cuál es la probabilidad de que sea de F1 ?

58 Sean los siguientes sucesos:
A = { el artículo es defectuoso} Bi = { el artículo proviene de la Fi } i = 1, 2, 3 S Luego tenemos: B1 B2 A B3 P(A) = P( (AB1)  (AB)  (AB3) ) = P(A/B1) P(B1) + P (A/B2) P(B2) + P (A/B3) P(B3)

59 Sea ni: número de artículos que produce la Fi
y n = n1 + n2 + n3 Por lo tanto como : n1 = 2 n2 n2 = n3 entonces n1 = 2 n3 y poniendo todo en función de n3, tenemos: n = 2 n3 + n3 + n3 = 4 n3 Luego P(B1) = n1/n = 2n3 / 4 n3 = 1/2 P(B2) = n2/n = n3 / 4 n3 = 1/4 P(B3) = n3/n = n3 / 4 n3 = 1/4

60 P(A) = P(A/B1) P(B1) + P (A/B2) P(B2) + P (A/B3) P(B3)
Por otro lado tenemos: P(A/B1) = 0.02 P(A/B2) = 0.02 P(A/B3) = 0.04 P(B1) = ½ P(B2) = ¼ P(B3) = ¼ Por lo tanto: P(A) = P(A/B1) P(B1) + P (A/B2) P(B2) + P (A/B3) P(B3) = x 1/ x 1/ x 1/4 = 1/40 =0.025 y 2.- la probabilidad de que sea de la F1 dado que es defectuoso será P(B1/A) = P (A/B1) P(B1) / P(A) = x 1/2 / = 0.4

61 Podemos decir que:

62 Generalizando tenemos:
Sea E un experimento, S un espacio muestral, B1….Bk. una partición de S, y A un suceso cualesquiera, Entonces: Esto se conoce como Teorema de Bayes

63 Sucesos Independientes
Sean A y B dos sucesos asociados a un espacio muestral S Diremos que son Independientes, cuando la ocurrencia de uno no afecta la ocurrencia del otro. A y B son sucesos Independientes, si y solo si

64 Ejercicio Si A está incluido en B, entonces B es independiente de A?
Si A y B son sucesos Mutuamente Excluyentes, entonces son Independientes?

65 Sucesos Independientes
Ejemplo: Se lanza un dado dos veces, el evento se anota ( X1 , X2 ) donde, Xi es el resultado del lanzamiento i ( i = 1,2): Si se definen: A = {(X1 , X2) / X1 es par } B = {(X1 , X2) / X2 es 4 o 5 } 2.- Determine: P(A), P(B), P(A B), P( B/A), P(A/B)

66 Sabemos que el #S = 36 #B=12 #A=18 AB = {(2,4), (2,5)
(3,4), (3,5) (4,4), (4,5) (5,4), (5,5) (6,4), (6,5) } A = { (2,1), (2,2), (2,3), (2,4), (2,5), (2,6) (4,1), (4,2), (4,3), (4,4), (4,5), (4,6) (6,1), (6,2), (6,3), (6,4), (6,5), (6,6) } #B=12 #A=18 AB = {(2,4), (2,5) (4,4), (4,5) (6,4), (6,5) } P(A)= #A / #S = 18/ 36 = 1/2 P(B) = #B / #S = 12 / 36 = 1/3 P(AB ) = # AB /#S = 6 / 36 = 1/6 # AB = 6

67 Definición Sean A y B dos sucesos asociados a un espacio muestral S
Diremos que son Independientes si y solo si:

68 Ejercicio: Suponga que 192 de 960 trabajos en una universidad son de alta prioridad; de éstos, 128 son propuestos por estudiantes. y 64 por el cuerpo docente. Del total, 640 trabajos son de los estudiantes y 320 de docentes. Si se selecciona un trabajo al azar. Determine: a.- La probabilidad de que sea de alta prioridad y propuesto por un estudiante. b.-La probabilidad de que sea de alta prioridad, dado que sabemos que fue propuesto por un estudiante.  c.- Es Independiente que el trabajo sea de alta prioridad, con que sea propuesto por un estudiante?

69 Ejercicio La probabilidad de que un vehículo tenga un accidente en
Santiago es de 4/9, y la probabilidad de que un vehículo tengan accidente en Buenos Aires es 8/15. Se elijen al azar un Vehículo simultáneamente en cada ciudad, determine la probabilidad de que tengan accidentes: a.- Ambos b.- Al menos uno c.- Solo el de Buenos Aires d.- Solo uno

70 Ejercicio Si A y B son sucesos Independientes, _ _
_ _ entonces, ¿A y B son Independientes?

71 F I N Nos vemos en Variables Aleatorias