You are on page 1of 67

PROBABILIDADES

Sesin 3

Diapositiva 1

ANLISIS DE DATOS Oscar de Azambuja D.

Probabilidad
1 Cierto

Es la medida numrica de la posibilidad de que un evento pueda ocurrir. Su valor est entre 0 y 1

.5

0
Diapositiva 2

Imposible

ANLISIS DE DATOS Oscar de Azambuja D.

Experimentos y Eventos
Cul es la probabilidad de obtener 1 cara si arrojamos una moneda una vez?
Nmero de Resultados Favorables Prob = Nmero de Resultados Posibles

5 = =5 .5 { c, s} 5
Diapositiva 3

{ c}

ANLISIS DE DATOS Oscar de Azambuja D.

Experimentos y Eventos
Cul es la probabilidad de obtener 1 cara si arrojamos una moneda tres veces?
Nmero de Resultados Favorables Prob = Nmero de Resultados Posibles

5 = =55 .55 { (ccc), (ccs), (csc), (css), ( scc), ( scs), ( ssc), ( sss)} 5
ANLISIS DE DATOS Oscar de Azambuja D.

{ (css), ( scs), ( ssc)}

Diapositiva 4

C C S C S S C S C S C S

RBOL DE PROBABILIDADES
Diapositiva 5

ANLISIS DE DATOS Oscar de Azambuja D.

Experimentos y Eventos
Si lanzamos 2 dados, cul es la probabilidad de obtener un puntaje de 7?
Nmero de Resultados Favorables Prob = Nmero de Resultados Posibles

{ (5 ), (5 ), (5 ), (5 ), (5 ), (5 )} = ,5 ,5 ,5 ,5 ,5 ,5
5 5
ANLISIS DE DATOS Oscar de Azambuja D.

5 = 5 55 .55 5 5

Diapositiva 6

Experimentos y Eventos
Cul es la probabilidad de sacar un as al sacar un naipe de una baraja?
Nmero de Resultados Favorables Prob = Nmero de Resultados Posibles

{ As de Corazones, As de Trboles, As de Diamantes, As de Espadas}


5 Naipes 5

5 5 = = 5 55 .55 5 5 5 5

Diapositiva 7

ANLISIS DE DATOS Oscar de Azambuja D.

Definiciones
Experimento
Actividad que origina un evento. Proceso de hacer una observacin y obtener un resultado.

Evento
Uno o ms de los posibles resultados (puntos muestrales) de un experimento.

Espacio Muestral
Coleccin de todos los posibles resultados de un experimento.
Diapositiva 8

ANLISIS DE DATOS Oscar de Azambuja D.

Experimento Lanzar una moneda Lanzar dos monedas Sacar una carta (valor) Sacar una carta (color) Lanzar un dado. Jugar un partido Inspeccionar una parte
Diapositiva 9

Espacio Muestral Cara, Sello. CC, CS, SC, SS 2, 2, ..., A (52) Roja, Negra 1, 2, 3, 4, 5, 6 Ganar, Empatar, Perder Defectuoso, Bueno

ANLISIS DE DATOS Oscar de Azambuja D.

Experimento: Lanzar dos monedas Espacio Muestral: CC, CS, SC, SS Evento 1 Cara y 1 Sello Cara en la 1ra. moneda Al menos una Cara Cara en cada lanzamiento
Diapositiva 10

Resultados CS, SC CC, CS CC, CS, SC CC

ANLISIS DE DATOS Oscar de Azambuja D.

5-37

Algunos principios de conteo


Frmula de la multiplicacin: si hay m modos de hacer una cosa y n formas de hacer otra, existen m x n formas de hacer ambas. EJEMPLO: Una persona tiene 10 camisas y 8 corbatas. Cuntos conjuntos de camisas /corbatas tiene? (10)(8) = 80.
ANLISIS DE DATOS Oscar de Azambuja D.

5-38

Algunos principios de conteo


Permutacin: un arreglo de r objetos seleccionados a partir de un grupo nico de n objetos posibles. Nota: el orden del arreglo es importante en las permutaciones.

ANLISIS DE DATOS Oscar de Azambuja D.

Permutaciones
Supngase que hay ocho mquinas disponibles, pero solo tres espacios en el piso del taller donde se han de instalar tales mquinas. De cuntos modos diferentes pueden colocarse las ocho mquinas?

Diapositiva 13

ANLISIS DE DATOS Oscar de Azambuja D.

Permutaciones
Primer espacio: 8 posibilidades Segundo espacio: 7 posibilidades (una ya se utiliz) Tercer espacio: 6 posibilidades. 8 x 7 x 6 = 336 permutaciones ! ! 8 x 7 x 6 x 5 x 4 x 3 x 2 x 1 = 5= 5 5 (5 5 ! )! 5x4x3x2x1

n! n Pr = ( n r )!
ANLISIS DE DATOS Oscar de Azambuja D.

Diapositiva 14

Permutaciones
Usted tiene 10 camisas. Suponiendo que cada camisa que viste va a la ropa sucia y que las camisas se lavan cada semana, Cuntas maneras diferentes de seleccionar sus camisas se producen en una semana?

5! 5 5! 5 5 P 5= 5 = = 5555 5, 5 (5 5 5 )! 5 !
Diapositiva 15

ANLISIS DE DATOS Oscar de Azambuja D.

Permutaciones
Se desean acomodar cinco libros en un librero, De cuantas maneras posibles pueden ser ordenados?

5 ! 5 ! 5 5= P = = 11 1 (5 5 5 )! !

Diapositiva 16

ANLISIS DE DATOS Oscar de Azambuja D.

5-39

Principios de conteo
Combinacin: el nmero de modos para elegir r objetos de un grupo de n objetos El orden no interesa.

ANLISIS DE DATOS Oscar de Azambuja D.

Combinaciones
En un juego de cartas, usted recibe 5 naipes de una baraja compuesta por 52 naipes. Cuntas manos de cartas puede usted recibir?
Primer naipe: 52 posibilidades Segundo naipe: 51 posibilidades Tercer naipe: 50 posibilidades Cuarto naipe: 49 posibilidades. Quinto naipe: 48 posibilidades.

52 x 51 x 50 x 49 x 48 = 311875,200 manos.
ANLISIS DE DATOS Oscar de Azambuja D.

Diapositiva 18

Combinaciones
5! 5 5! 5 = = 5! (1 5 5 1 )! 5! 5 5! 5 (5 5 5 )! = = = 5 1,55 '11 5 5 ! 55 5 !( 5 )!

n! nC r = r!(n r )!
Diapositiva 19

ANLISIS DE DATOS Oscar de Azambuja D.

Combinaciones
En una clase de 24 alumnos se quieren formar 6 grupos de estudio. Cuntos grupos diferentes se pueden formar?
5! 5 5! 5 5C 5= 5 = =5,5 55 5 5 5 5 !( 5 )! 5 5! !* 5

Diapositiva 20

ANLISIS DE DATOS Oscar de Azambuja D.

5-4

Enfoques de la probabilidad
Probabilidad clsica: se basa en la consideracin de que los resultados de un experimento son igualmente posibles. Utilizando el punto de vista clsico,
Probabilid ad de un evento = nmero de resultados favorables nmero total de resultados posibles

ANLISIS DE DATOS Oscar de Azambuja D.

5-8

Enfoques de la probabilidad
Frecuencia Relativa: La probabilidad de que un evento ocurra a largo plazo se determina observando en qu fraccin de tiempo sucedieron eventos semejantes en el pasado.
Probabilidad del evento = nmero de veces que ocurri el evento nmero total de observaciones

ANLISIS DE DATOS Oscar de Azambuja D.

Frecuencia Relativa
55 . 5 11 . 1 55 . 5 11 . 1 55 . 5 5
Diapositiva 23

Total de Caras Nmero de Lanzamientos

5 5

5 5
ANLISIS DE DATOS Oscar de Azambuja D.

5 5

55 5

55 5

Nmero de Lanzamientos

5-10

Enfoques de la probabilidad
Probabilidad Subjetiva: La probabilidad de que suceda un evento especfico que asigna una persona con base en cualquier informacin disponible. Ejemplos de la probabilidad subjetiva son estimar la probabilidad de que un equipo de ftbol gane el campeonato este ao.

ANLISIS DE DATOS Oscar de Azambuja D.

Clases de Eventos
Eventos Mutuamente Excluyentes
Dos o ms eventos que no pueden ocurrir al mismo tiempo. A: Reina de Corazones; B: Reina de Espadas
Los eventos A y B son mutuamente excluyentes.

Eventos No Mutuamente Excluyentes


Dos o ms eventos que si pueden ocurrir al mismo tiempo. A: Naipes de Corazones; B: As
Los eventos A y B no son mutuamente excluyentes. El As de Corazones

Diapositiva 25

ANLISIS DE DATOS Oscar de Azambuja D.

Mutuamente Excluyentes

Evento A

Evento B

Espacio Muestral
ANLISIS DE DATOS Oscar de Azambuja D.

Diapositiva 26

No Mutuamente Excluyentes

Evento A

Evento B

Diapositiva 27

ANLISIS DE DATOS Oscar de Azambuja D.

Regla de la Adicin
Si dos eventos A y B son mutuamente excluyentes, la probabilidad de que ocurra A o B es igual a la suma de sus probabilidades respectivas: P(A o B) = P(A) + P(B) Probabilidad que al lanzar una moneda salga cara o sello.
Diapositiva 28

ANLISIS DE DATOS Oscar de Azambuja D.

5-14

Regla del complemento


La regla del complemento se utiliza para determinar la probabilidad un evento, conociendo su probabilidad de No Ocurrencia. Se obtiene restando del nmero 1 la probabilidad de que No ocurra un evento. Si P(A) es la probabilidad del evento A y P(Ac) es el complemento de A,
P(A) + P(Ac) = 1 P(A) = 1 P(Ac).
ANLISIS DE DATOS Oscar de Azambuja D.

Complemento

Complemento de A Evento A

Ac

Diapositiva 30

ANLISIS DE DATOS Oscar de Azambuja D.

5-18

Regla especial de la adicin


Si A y B son dos eventos que no son mutuamente excluyentes, entonces P(A o B) se calcula con la siguiente frmula: P(A o B) = P(A) + P(B) - P(A y B)

ANLISIS DE DATOS Oscar de Azambuja D.

Regla especial de la Adicin

Evento A

Evento B

P(A o B) = P(A) + P(B) - P(A y B)


Diapositiva 32

ANLISIS DE DATOS Oscar de Azambuja D.

PROBABILIDADES
Independencia y Dependencia Estadstica
ANLISIS DE DATOS Oscar de Azambuja D.

Diapositiva 33

Independencia Estadstica
La presentacin de un evento no tiene efecto sobre la probabilidad de presentacin de cualquier otro evento.
Probabilidad Marginal o Incondicional Probabilidad Conjunta Probabilidad Condicional

Diapositiva 34

ANLISIS DE DATOS Oscar de Azambuja D.

Probabilidad Marginal
Probabilidad simple de presentacin de un evento. P(A). Probabilidad de obtener un as. Probabilidad de obtener una carta de corazones. Probabilidad de sacar una cara al lanzar una moneda.
Diapositiva 35

ANLISIS DE DATOS Oscar de Azambuja D.

5-23

Probabilidad Conjunta
Probabilidad de que dos o ms eventos independientes se presenten juntos o en sucesin. P(AB) o P(A,B) o P(AyB). Probabilidad de sacar un as de corazones. Probabilidad de obtener tres caras al lanzar una moneda tres veces.

ANLISIS DE DATOS Oscar de Azambuja D.

5-24

Regla especial de multiplicacin


La regla especial de multiplicacin requiere que dos eventos A y B sean independientes. P(A y B) = P(A B)= P(A) * P(B).

ANLISIS DE DATOS Oscar de Azambuja D.

Tabla de Contingencia
Evento
Evento
A1 A2 B1 P(A1 y B1) P(A2 y B1) P(B1) B2 P(A1 y B2) P(A2 y B2) P(B2)

Total
P(A1) P(A2)

Total
Probabilidad Conjunta
Diapositiva 38

Probabilidad Marginal (Simple)


ANLISIS DE DATOS Oscar de Azambuja D.

Tabla de Contingencia
Tipo As No As Total Color
Rojo Negro

Total 4 48 52

2 24 26

2 24 26

Diapositiva 39

ANLISIS DE DATOS Oscar de Azambuja D.

Tabla de Contingencia
Tipo As No As Total Color
Rojo Negro

Total 2/26

1/26 6/13

1/26

6/13 12/13

13/26 13/26 26/26

Diapositiva 40

ANLISIS DE DATOS Oscar de Azambuja D.

Escoger un artculo
Cul es la Probabilidad? P (A) = P (D) = P (C y B) = P (A o D) = P (B y D) =
Evento A B Total Evento C D Total 5 5 5 5 5 5 5 5 1 1

A: Artculos en idioma espaol B: Artculos en idioma ingls. C: Artculos sobre estadstica. D: Artculos sobre gestin.
ANLISIS DE DATOS Oscar de Azambuja D.

Diapositiva 41

Solucin
Las probabilidades son: P (A) = 6/10 P (D) = 5/10 P (C y B) = 1/10 P (A o D) = 9/10 P (B y D) = 3/10
Diapositiva 42

Evento A B Total

Evento C D Total 5 5 5 5 5 5 5 5 1 1

ANLISIS DE DATOS Oscar de Azambuja D.

5-27

Probabilidad Condicional
Probabilidad condicional es la probabilidad de que ocurra un evento en particular, dado que otro evento ya ocurri. P(A|B). Probabilidad de A dado B. En el caso de eventos independientes, como el evento B no influye en el evento A: P(A|B) = P(A) (Sirve para demostrar A y B son ANLISIS DE DATOS independientes) de Azambuja D. Oscar

Dependencia Estadstica
Cuando la probabilidad de que se presente algn evento depende o se ve afectada por la presentacin de algn otro evento.
Probabilidad Condicional Probabilidad Conjunta Probabilidad Marginal

Diapositiva 44

ANLISIS DE DATOS Oscar de Azambuja D.

Color: C Grises: G

Puntos: P Rayas: R

Diapositiva 45

ANLISIS DE DATOS Oscar de Azambuja D.

Diapositiva 46

ANLISIS DE DATOS Oscar de Azambuja D.

Diapositiva 47

ANLISIS DE DATOS Oscar de Azambuja D.

P(P|C) = 3/4
P(P,C) = 3/10 P(C) = 4/10

5 P ( P, C ) 5 5 5= P( P | C ) = = 5 5 P(C ) 5 5
ANLISIS DE DATOS Oscar de Azambuja D.

Diapositiva 48

P(G|P) = 2/5
P(G,P) = 2/10 P(P) = 5/10

5 P (G, P ) 5 5 5= P(G | P) = = 5 5 P( P) 5 5
ANLISIS DE DATOS Oscar de Azambuja D.

Diapositiva 49

P(C|R) = 1/5
P(C,R) = 1/10 P(R) = 5/10

5 P (C , R) 5 5 P (C | R ) = = 5= 5 5 P( R) 5 5
ANLISIS DE DATOS Oscar de Azambuja D.

Diapositiva 50

Probabilidad Condicional (Dependencia Estadstica)

P ( A, B ) P( A | B) = P( B) P ( B, A) P ( B | A) = P ( A)
Diapositiva 51

ANLISIS DE DATOS Oscar de Azambuja D.

Probabilidad Conjunta (Dependencia Estadstica)

P ( A, B ) = P ( A | B ) * P ( B ) P ( B, A) = P ( B | A) * P ( A)

Diapositiva 52

ANLISIS DE DATOS Oscar de Azambuja D.

P ( A, B ) = P ( A | B ) * P ( B )
P(C,R) = P(C|R)*P(R) = 1/5 * 5/10 = 1/10 P(C,P) = P(C|P)*P(P) = 3/5 * 5/10 = 3/10

Diapositiva 53

ANLISIS DE DATOS Oscar de Azambuja D.

Probabilidad Marginal (Dependencia Estadstica)


Suma de las probabilidades de TODOS los eventos CONJUNTOS en los que se presenta el evento sencillo. P(C,R) = P(C|R)*P(R) = 1/5 * 5/10 = 1/10 P(C,P) = P(C|P)*P(P) = 3/5 * 5/10 = 3/10 P(C) = P(C,R) + P(C,P) = 1/10 + 3/10 = 4/10
Diapositiva 54

ANLISIS DE DATOS Oscar de Azambuja D.

Ejercicio
Cul es la probabilidad? P (A|D) = P (C|B) = Son C y B independientes?
Evento A B Total Evento C D Total 5 5 5 5 5 5 5 5 1 1

A: Artculos en idioma espaol B: Artculos en idioma ingls. C: Artculos sobre estadstica. D: Artculos sobre gestin.
ANLISIS DE DATOS Oscar de Azambuja D.

Diapositiva 55

Event o A B Total

Event o C D Total 5 5 5 5 5 5 5 5 1 1

5 P(A y D) 5 5 P(A | D) = = 5= 5 5 P(D) 5 5 5 P(C y B) 5 5 P(C | B) = = 5= 5 5 P(B) 5 5 5 5 5 5 P(C) = P(A) = 5 5 DATOS 5 5 5 5 ANLISIS DE
Diapositiva 56

Oscar de Azambuja D.

Tipos de Probabilidades
Tipos de Probabilidad Marginal Conjunta Condicional Smbolo Condiciones de Independencia Estadstica P(A) P(A) x P (B) P(A) Condiciones de Dependencia Estadstica P (ABi) P (A | B) x P (B ) P (A,B) / P ( B )

P(A) P ( A,B ) P ( A|B )

Diapositiva 57

ANLISIS DE DATOS Oscar de Azambuja D.

Teorema de Bayes Revisin de Probabilidades


Posibilidades previas Informacin Nueva Teorema de Bayes Posibilidades posteriores

P( A, B) P( A | B) = P( B) P ( B, A) P ( B | A) = P ( A)
Diapositiva 58

ANLISIS DE DATOS Oscar de Azambuja D.

Teorema de Bayes
En un pueblo alejado, 5% de la poblacin padece una enfermedad originaria de dicho lugar. A priori podemos afirmar que la probabilidad de que una persona seleccionada al azar padezca la enfermedad es 5%, y de que no la padezca es 95%. Existe una prueba de diagnstico para detectar la enfermedad.
Si una persona tiene la enfermedad, la prueba sale positiva en 90% de los casos. La estadstica muestra adems que en 15% de los casos, a pesar de que la persona no padeca la enfermedad, la prueba sali positiva.

Si escogemos a una persona, y al hacerle la prueba de diagnstico, sta sale positiva, Cul es la probabilidad de que la persona tenga realmente la enfermedad?

Diapositiva 59

ANLISIS DE DATOS Oscar de Azambuja D.

P(E)

Es

o m r fe en 05 t 0.
NO

P(E,P)=0.05x0.90=0.0450 P(P|E) sitiva o P ba 0 e 0.9 Pru Pru eba N 0.1 egat i va 0 P(E,N)=0.05x0.10=0.0050 P(N|E)

0.0450 + 0.1425 0.1875

es t 0. en 95 fe

P(no E)

P(P|noE) va P(noE,P)=0.95x0.15=0.1425 siti o P rm ba o Prue 5 0.1 Pru eb a 0.8 Neg ati 5 va P(noE,N)=0.95x0.85=0.8075 P(N|noE)

P( E | P) =
Diapositiva 60

ANLISIS DE DATOS Oscar de Azambuja D.

P ( E , P ) 5 55 .55 = =55 .5 P( P) 5 55 .55

Teorema de Bayes
Un profesor sabe que el 80% de sus estudiantes terminan los problemas asignados como tarea. Determin adems, que de los estudiantes que cumplen con la tarea, 90% aprobar el curso. De aquellos estudiantes que no terminan su tarea, el 60% ser aprobado. Si un alumno recibi una calificacin aprobatoria, cul es la probabilidad de que s haya hecho sus tareas?
ANLISIS DE DATOS Oscar de Azambuja D.

Diapositiva 61

P(T)
m er T No n na i

e ar t
.80 0

P(A|T) eb a ru 0 Ap 0.9 De sap 0.1 rueba 0 P(D|T)

P(T,A)=0.80x0.90=0.72

P(T,D)=0.80x0.10=0.08

0.72 + 0.12 0.84

te rm

0. 20

in

an

P(A|nT)
ta re a
a u eb 0 r Ap 0.6 De sa p 0.4 rueb a 0 P(D|nT)

P(nT,A)=0.20x0.60=0.12

P(nT)

P(nT,D)=0.20x0.40=0.008

P(T | A) =
Diapositiva 62

P(T , A) 5 1 .1 = = 5 55 .55 P( A) 51 .1

ANLISIS DE DATOS Oscar de Azambuja D.

Teorema de Bayes
Se recibieron dos cajas de camisas Arrow para hombre, provenientes de la fbrica. La caja 1 contena 25 camisas deportivas y 15 de vestir. En la caja 2 haba 30 camisas deportivas y 10 de vestir. Se seleccion al azar una de las cajas y de esa se eligi, tambin aleatoriamente, una camisa para inspeccionarla. La prenda era deportiva. Dada esta informacin, cul es la probabilidad de que dicha camisa provenga de la caja 1?

Diapositiva 63

ANLISIS DE DATOS Oscar de Azambuja D.

P(1)
1 a j Ca 0.50
Ca j 0. a 2 50

P(D|1) iva ort p 0 De 5/4 2 Ves tir 15 /40 P(V|1)

P(1,D)=0.50x25/40=0.3125

P(1,V)=0.50x15/40=0.1875

0.3125 + 0.3750 0.6875

P(D|2)
a rtiv epo 0 D 30/4 Ve stir 10 /40 P(V|2)

P(2,D)= 0.50x30/40=0.375

P(2)

P(2,V)=0.50x10/40=0.125

P(5D) = |
Diapositiva 64

P(5D) 5 55 , .55 = = 5 55 .55 P( D) 5 55 .55

ANLISIS DE DATOS Oscar de Azambuja D.

Teorema de Bayes
En una fbrica existe una mquina que produce automticamente engranajes. Si la mquina est correctamente calibrada producir 90% de piezas buenas. Si est mal calibrada producir slo 40% de piezas buenas. La experiencia pasada indica que el 70% de los trabajos de calibracin dan buenos resultados. Luego de un trabajo de mantenimiento, la mquina produce 3 engranajes buenos, como las primeras tres piezas. Se desea conocer la probabilidad revisada que la calibracin halla sido buena?

Diapositiva 65

ANLISIS DE DATOS Oscar de Azambuja D.

P(C)
ib r 0.7 ada 0

P(BBB|C) a uen 0 P(BB|C) B 0.9 a uen 0 M 0.10 B .9 P(B|C) ala 0 na 0. e Bu .90 Mal10 0 a 0.10 M al a

P(C,BBB)=0.70x(0.90)3=0.5103

0.5103 + 0.0192 0.5295

Ca l

P(NC)

a uen0 B .4

a uen0 B .4

M al

0 0.60

M al

0 0.60

Ma0.60 la

a uen 0 B 0.4

P(NC,BBB)=0.30x(0.40)3=0.0192

Diapositiva 66

No

0 da 0.3 bra li Ca

P (C | BBB ) =

P (C , BBB ) 5 11 .11 = = 5 55 .55 P ( BBB ) 5 55 .55

ANLISIS DE DATOS Oscar de Azambuja D.

Tabla de Excel
Evento Calibrada No Calibrada Pr. Marginal Pr. Condicional Pr. Condicional Pr. Conjunta P(Evento) P(B|Evento) P(BBB|Evento) P(Evento,BBB) 55 . 5 11 . 1 11 1 . 11 11 1 . 11 P(Calibrada, BBB) 55 . 5 11 . 1 11 1 . 11 55 5 . 55 P(No Calibrada, BBB) 55 5 . 55 P(BBB) 55 5 . 55 55 5 . 55

P(Calibrada|BBB) P(No Calibrada|BBB)

P (Calibrada | BBB) =

P(Calibrada, BBB ) P ( BBB) P ( No Calibrada , BBB) P ( BBB)

P ( No Calibrada | BBB ) =

Diapositiva 67

ANLISIS DE DATOS Oscar de Azambuja D.

You might also like