Академический Документы
Профессиональный Документы
Культура Документы
DADO TRUCADO
Ejercicio resuelto de probabilidad con un dado trucado
Enunciado
Tenemos un super dado que ha sido trucado de forma inteligente para que la
probabilidad de que salga una cara sea siempre proporcional al nmero de
puntos que hay en ella. Define una funcin de masa de probabilidad que est
asociada a una variable aleatoria que contenga informacin sobre si el
resultado del lanzamiento es un nmero par o no. Luego, pregntale a dicha
funcin: Qu probabilidad tenemos de obtener nmero par?
Ok.
Tomamos n como factor de proporcin.
P(UNO) = 1n
P(DOS) = 2n
P(TRES) = 3n
P(CUATRO) = 4n
P(CINCO) = 5n
P(SEIS) = 6n
Para calcular el valor de n, podemos jugar con lo que sabemos.
Sabemos que la probabilidad de que salga cualquier cosa es uno.
Es decir:
La probabilidad de que se d el suceso UNO o DOS o TRES o CUATRO o
CINCO o SEIS es 1.
Es decir:
P() = P(UNO DOS TRES CUATRO CINCO SEIS) = 1
Como todos son sucesos elementales, por fuerza son tambin no
compatibles (Ningn suceso repite lo que dice otro. No se pisan entre ellos.
Cada uno es nico y distinto.). Entonces podemos calcular la probabilidad de la
unin como la suma de las probabilidades de cada uno.
Es decir:
P() = 1n + 2n + 3n + 4n + 5n + 6n = 1
Enunciado
Se extraen sin reposicin tres fichas de una caja que contiene cuatro rojas y
seis blancas. Si X es la variable aleatoria: nmero de fichas rojas extradas,
halle la funcin de probabilidad de X.
Ataque palabrstico
Solucionando el asunto
Podramos dibujar un rbol de probabilidad y contar qu cosa pasa en cada
caso. Eso est guay si tenemos un par de fichas, como es el caso. Pero si
tuvisemos un milln trescientas doce fichas, dibujar un rbol de probabilidad
sera demasiado aburrido. Y nos llevara como mnimo un da o dos o tres o
nueve.
Variable aleatoria
Podramos pararnos a escribir todas las variaciones y contar cuntas veces hay
fichas rojas, pero eso sera una prdida de tiempo demasiado cagante.
O lo que es lo mismo.
Bravo.
rojas(n=0)=120
rojas(n=1)=360
rojas(n=2)=216
rojas(n=3)=24
Es decir, hay 216 variaciones de las 720 totales, en las que hay dos fichas
rojas. E igual con el resto.
Dado que cualquiera de las 720 variaciones tienen la misma probabilidad, nos
encontramos en un espacio muestral equiprobable.
f(X=0)=120/720=0.1666666667
f(X=1)=360/720=0.5
f(X=2)=216/720=0.3
f(X=3)=24/720=0.033333334
Solucin
La funcin de probabilidad de X, es:
Es decir,
Es decir,
Enunciado
Un almacn recibi 1000 botellas de vino. La probabilidad de que se rompa
una botella durante el transporte es de 0,003. Halle la probabilidad de que el
almacn haya recibido rotas:
1. Dos botellas
2. Menos de dos
3. Ms de dos
4. Por lo menos una
Vale.
Volvemos a leer
Lo mismo, pero de otra forma.
Solucionando el ejercicio
Pues va a ser que tenemos una repeticin de experimentos de Bernoulli
independientes. Ya habamos nombrado esa distribucin y calculado su
probabilidad.
Pues eso.
Se rompe ninguna.
Es decir,
Es decir,
1 de mil.
Es decir,
Es decir,
42 de mil.
Es decir,
Es decir,
n de mil.
Es decir,
Es decir,
Perfecto.
Funcin de probabilidad
Y cul es?
Guay.
Vale.
Para saber eso necesito un elemento que mire la probabilidad acumulada hasta
cada punto de la variable aleatoria. Ese elemento ya se ha inventado y se le ha
puesto hasta nombre.
PROBABILIDAD CONDICIONADA
Qu es la probabilidad condicionada y para qu sirve?
La probabilidad cambia.
Hemos establecido la condicin de que vamos a encontrar la cueva.
Por tanto esta cosa que antes no sabamos es ahora una certeza.
Para entender la relacin hay que tener una visin clara de lo que significa el
concepto de probabilidad.
La probabilidad no es un nmero en el aire.
Ni en el papel.
Ni en la pantalla.
De las veces que algo pasa con respecto a todo lo que podra pasar.
Ya la viste?
Seguir aprendiendo
ndice: Aprender probabilidad fcil.
Si tienes algo que decir, usa el sistema de comentarios que aparece ms abajo
TEOREMA DE BAYES
Qu es y para qu sirve el teorema de Bayes?
Para ese estilo de vueltas, vino el tito Bayes haciendo una ensalada con lo que
ya saba.
No.
No porque para aprenderse las frmulas de memoria sin tener ni idea de lo que
representan, mejor nos vamos todos a pescar salmn y sale ms rentable la
cagada.
Siempre.
Seguir aprendiendo
ndice: Aprender probabilidad online.
DISTRIBUCIONES DE PROBABILIDAD MS
COMUNES
La probabilidad se distribuye. Con mucho arte.
Para intentar entender este artculo antes tienes que saber qu es una variable
aleatoria y qu es la distribucin de probabilidad. Ambas cosas se explican en
el artculo ingredientes de un experimento aleatorio.
El caso es que en el da a da hay aleatoriedades cuya distribucin de
probabilidad se repite con frecuencia en otros casos similares.
Entonces tocaba darle nombre a las distintas distribuciones. Y aqu estn.
Distribucin Uniforme
Esta se llama as porque es uniforme. Es la ms normal de todas, y es la
distribucin que tienen las aleatoriedades ms comunes. S, como la de lanzar
un dado, o una moneda.
Es la distribucin en la que cada uno de los valores de la variable aleatoria del
experimento tiene la misma probabilidad.
Una variable aleatoria que sigue una distribucin uniforme tendr probabilidad
de 1/k para cada uno de los valores que toma.
La letra k se conoce como parmetro de la distribucin, y es el nmero de
valores que toma la variable.
Lo que estamos aplicando es la Regla de Laplace.
Si la variable aleatoria se llama Paco: resultado de lanzar un dado y toma los
valores 1, 2, 3, 4, 5 y 6, pues cada uno de esos valores tiene una probabilidad
de un sexto.
Distribucin de Bernoulli
Bernoulli fue un artista suizo. Su padre lo mand a estudiar teologa, pero l
estudi mates porque le molaba ms. Y ah est el to petrificado dentro de una
distribucin.
Un experimento de Bernoulli es un experimento aleatorio que tiene solo dos
resultados posibles. O xito, o fracaso. O pasa algo, o no pasa. Ni ms ni
menos.
La distribucin de Bernoulli, o tambin llamada distribucin dicotmica, es una
distribucin en la que la variable aleatoria toma dos valores.
El cero, cuando algo no pasa. Fracaso.
El uno, cuando algo s pasa. xito.
Y la probabilidad de ambos valores, se definen mediante el parmetro p de la
distribucin.
La probabilidad del xito es el valor de la funcin de probabilidad asociada a la
funcin variable aleatoria cuando esta pasa por el uno.
Es decir, f(X=1) = p
La probabilidad del fracaso es el valor que toma la funcin de probabilidad
asociada a la variable aleatoria cuando esta toma el valor cero.
Es decir, f(X=0) = 1 p
De dnde viene p?
Pues p es la probabilidad. La que sea. La probabilidad de que algo pase, p.
Por qu la probabilidad de que no pase; es decir, la probabilidad de que
la variable aleatoria X tome el valor cero, es igual a 1 p?
Porque si la probabilidad de que algo pase es p, y sabemos que la probabilidad
de todo el todo todito bravo todo es 1. Entonces la probabilidad de que no pase
es la diferencia entre ambas cosas.
Para gusto del consumidor, se suele llamar q al valor de 1 p.
Distribucin Binomial
Cuando repetimos un experimento de Bernoulli al menos una vez, de forma
independiente, tenemos una distribucin Binomial.
Por ejemplo, al lanzar un dado siete millones de veces, y definir una variable
aleatoria que capture el nmero de veces que hemos obtenido un seis en los
siete millones de lanzamientos del dado, tendramos una distribucin Binomial,
compuesta por siete millones de experimentos o pruebas de Bernoulli: lanzar
un dado y obtener un seis, que son independientes (porque el primer
lanzamiento no afecta al siguiente, ni este al siguiente, y ctera.).
La probabilidad de obtener x xitos en n pruebas de Bernoulli, resulta ser n
sobre x veces la probabilidad del xito del experimento de Bernoulli elevada a
x, multiplicado por la probabilidad del fracaso elevada a n-x.
Por qu?
Pues es menos complicado de lo que parece.
x es el nmero de xitos totales.
n es el nmero de pruebas totales.
n-x ser el nmero de fracasos totales, cierto?
Entonces, aplicando la regla de la multiplicacin, tendramos que la
probabilidad de obtener x xitos en n pruebas es la probabilidad del xito x
veces por la probabilidad del fracaso n-x veces. Super ultra mega lgico.
Repito.
[probabilidad xito x veces] multiplicada por [probabilidad fracaso n-x veces].
Aqu nadie se inventa nada.
Y el n sobre x?
n sobre x es un nmero combinatorio, que viene de combinar las distintas
formas de ordenar los xitos y los fracasos.
Qu?
Pues que si repetimos la prueba cuarenta veces no es lo mismo acertar las
treinta primera y fallar las diez ltimas que al revs.
Son distintas combinaciones, y por eso hay un nmero combinatorio que las
representa.
Cmo calculo el nmero combinatorio?
Pues sabiendo que el nmero combinatorio n sobre x es igual al factorial de
n dividido por el producto del factorial de x y el factorial de la diferencia entre n
y x.
Aviso: Si no sabes lo que es un nmero combinatorio o un factorial, aqu tienes
un artculo que tienes que mirar antes de seguir: Factorial. Variaciones.
Permutaciones. Combinaciones.
Es decir,
Probabilidad de obtener 38 veces un 6 al lanzar un dado 1200 veces.
Pues tenemos 1200 pruebas de Bernoulli.
xito: sacar un seis al lanzar el dado.
Fracaso: no xito: no sacar un seis al lanzar el dado.
p (probabilidad del xito): un sexto.
Variable aleatoria N: Nmero de xitos del experimento en 1200 repeticiones.
La probabilidad de sacar un seis 38 veces es igual a [la probabilidad de tener
xito 38 veces] por [la probabilidad de fracasar todas las dems veces] por
[todas las posibles formas de ordenar ambos acontecimientos].
Es decir,
Distribucin Geomtrica
Voy a conseguirlo si realizo n intentos?
Pues eso. Cuando repetimos el mismo experimento aleatorio de Bernoulli,
podemos saber qu probabilidad hay de tener al menos un xito al intentarlo n
veces.
Y cmo calculo la probabilidad de que voy a conseguirlo con n intentos?
Pues calculndolo.
Conseguir algo en el n-simo intento significa fallar n menos 1 veces y luego
acertar.
Es decir (probabilidad del fracaso) n-1 veces multiplicando a la probabilidad del
xito.
Es decir,
La probabilidad de obtener al menos un dos al lanzar un dado tres veces, sigue
una distribucin Geomtrica de variable aleatoria X: intentos necesarios para
obtener un dos al lanzar un dado.
xito: La probabilidad de obtener un dos es de un sexto.
Fracaso: La probabilidad de no obtener un dos es de cinco
sextos.
Fracasamos dos veces y acertamos a la tercera, cul es la probabilidad?
Fcil.
Distribucin de Poisson
Poisson fue un estudioso de alta calidad.
Proceso de Poisson: en un punto determinado del tiempo o el espacio se dan
eventos de manera aleatoria.
Por ejemplo, en un cruce de carreteras van llegando coches a lo largo del
tiempo. Cada llegada de un coche es un evento. En una oficina se reciben
llamadas de telfono cada cierto tiempo. Cada llamada es un evento. En un
cable de mil kilmetros hay defectos cada cierta distancia. Cada defecto es un
evento.
Un proceso de Poisson es un experimento aleatorio al que se le asigna la
siguiente variable aleatoria:
P: Nmero de eventos que ocurren en un intervalo de tiempo o regin
especificada.
Los valores que toma esta variable son, naturalmente, los nmeros naturales.
Del cero palante.
Y la distribucin de probabilidad asociada a dicha variable, se llama distribucin
de Poisson.
La funcin de probabilidad de una variable aleatoria de Poisson es: