Академический Документы
Профессиональный Документы
Культура Документы
NACIONAL”
“UNIVERSIDAD NACIONAL SANTIAGO ANTÚNEZ DE MAYOLO”
FACULTAD:
INGENIERÍA DE INDUSTRIAS ALIMENTARIAS
ESCUELA PROFESIONAL:
INGENIERÍA INDUSTRIAL
AUTOR(ES):
2018
INTRODUCCIÓN
En la vida cotidiana aparecen muchas situaciones en las que los resultados observados son
diferentes, aunque las condiciones iniciales en las que se produce la experiencia sean las mismas.
Por ejemplo, al lanzar una moneda unas veces resultará cara y otra cruz. Estos fenómenos,
denominados aleatorios, se ven afectados por la incertidumbre.
La teoría de la probabilidad pretende ser una herramienta para modelizar y tratar con situaciones
de este tipo. Por otra parte, cuando aplicamos las técnicas estadísticas a la recogida, análisis e
interpretación de los datos, la teoría de la probabilidad proporciona una base para evaluar la
fiabilidad de las conclusiones alcanzadas y las inferencias realizadas.
En el lenguaje habitual, frases como "probablemente...", "es poco probable que...", "hay muchas
posibilidades de que..." hacen referencia a esta incertidumbre.
Aunque desde sus orígenes siempre han estado ligadas, es cierto que existe un cierto paralelismo
entre la estadística descriptiva y el cálculo de probabilidades, como se puede apreciar en la
siguiente tabla:
ESTADÍSTICA PROBABILIDAD
fi, Fi Probabilidad
La Teoría de Probabilidad tiene una larga historia, y en ella, la huella de científicos de gran talla
como Galileo, Fermat, Pascal, Huyguens, Jean y Jacques Bernoulli, Gauss, Laplace,
Kolmogorov, Wiener, entre muchos otros. Su desarrollo, como el de cualquier disciplina
científica, no se dio por la simple acumulación de avances o resultados parciales; por el contrario,
la historia de la probabilidad está llena de paradojas, interpretaciones místicas o ambiguas, agrias
disputas entre sus protagonistas, revaloración de conceptos “olvidados”, etc. Por ejemplo, después
de su axiomatización, la Teoría de Probabilidad experimentó una gran aceptación y una expansión
sin precedentes, pero aún continúan las controversias sobre su significado, campo de validez y la
posibilidad de axiomáticas alternativas a la de Kolmogorov. Sin entrar en la polémica, veamos
algunas opiniones al respecto:
DEFINICION
J. L. Doob (1986): Hasta finales de los años treinta, los probabilistas habían trabajado bajo la
desventaja sicológica que representa que su campo de investigación no fuese considerado por sus
colegas como una disciplina matemática, quienes no entendían, por un lado, la insuficiencia de la
notación estándar de la época y, por otro, porque habían resucitado conceptos viejos como los de
variable aleatoria y esperanza. Además, los libros de probabilidad estaban llenos de conceptos no
matemáticos: dados, casas de juego, Pedro y Pablo.
AXIOMAS
Un axioma es el elemento básico de un sistema de lógica formal y junto con las reglas de inferencia
definen un sistema deductivo.
La lógica del axioma es partir de una premisa calificada verdadera por sí misma (el axioma) e
inferir sobre esta otra proposición por medio del método deductivo, obteniendo conclusiones
coherentes con el axioma.
Los axiomas han de cumplir sólo un requisito: de ellos, y sólo de ellos, han de deducirse todas las
demás proposiciones de la teoría dada. Los axiomas de probabilidad son las condiciones mínimas
que deben verificarse para que una función que definimos sobre unos sucesos determine
consistentemente valores de probabilidad sobre dichos sucesos.
PRIMER AXIOMA:
0≤P(A)≤1
SEGUNDO AXIOMA:
La probabilidad de que ocurra el espacio muestral d debe de ser 1.
P(S)=1
TERCER AXIOMA:
Si A y B son eventos mutuamente excluyentes, entonces la,
Según este axioma se puede calcular la probabilidad de un suceso compuesto de varias alternativas
mutuamente excluyentes sumando las probabilidades de sus componentes.
TEOREMAS
• TEOREMA 1.
Si Φ es un evento nulo o vacío, entonces la probabilidad de que ocurra Φ debe ser cero.
Ejemplo: La probabilidad de que un estudiante sea mujer es "1 menos la probabilidad de que no
sea varón".
• TEOREMA 2.
La probabilidad del complemento de A, Ac debe ser:
TEOREMA 3.
Si un evento A⊂ B, entonces:
P(A) ≤ p(B)
p (A \ B) = p(A) – p(A∩B)
TEOREMA 5.
Para dos eventos A y B:
DEMOSTRACIÓN:
REGLA DE LA MULTIPLICACIÓN
La regla de la multiplicación establece que la probabilidad de ocurrencia de dos o más eventos
estadísticamente independientes es igual al producto de sus probabilidades individuales.
P (A y B) = P (A B) = P (A) P (B) si A y B son independientes.
P (A y B) = P (A B) = P (A) P (B|A) si A y B son dependientes.
siendo P (B|A) la probabilidad de que ocurra B habiéndose dado o verificado el evento A.
Ejemplo:
Un lote contiene "100" objetos de los cuales "20" son defectuosos. Los objetos son seleccionados
uno después del otro para ver si ellos son defectuosos. Suponga que dos objetos son
seleccionados sin reemplazo (significa que el objeto que se selecciona al azar se deja por fuera
del lote). ¿Cuál es la probabilidad de que los dos objetos seleccionados sean defectuosos?
Solución:
Sea los eventos
A1 = {primer objeto defectuoso}, A2 {segundo objeto defectuoso}
entonces dos objetos seleccionados serán defectuosos, cuando ocurre el evento A1∩ A2 que es
la intersección entre los eventos A1 y A2. De la información dada se tiene que:
P (A1) = 20/100 ; P (A2/A1) = 19/99
así probabilidad de que los dos objetos seleccionados sean defectuosos es
P (A1 ∩ A2) = P (A1) P (A2/A1)
(20/100)(19/99)
19/495 = 0.038
Ahora suponga que selecciona un tercer objeto, entonces la probabilidad de que los tres objetos
seleccionados sean defectuosos es
P (A1 ∩ A2 ∩ A3) = P (A1) P (A2/A1) P (A3/A1∩A2)
(20/100)(19/99)(18/98)
19/2695 = 0.007
PROBABILIDAD CONDICIONAL
Definición formal
Formalmente, para dos sucesos A y B donde P(B) > 0, se define la probabilidad condicionada de
A dado B como:
𝑃(𝐴 ∩ 𝐵)
𝑃(𝐴/𝐵) =
𝑃(𝐵)
A priori, la probabilidad de A equivale al área de A ∩ B (en verde) más el área de A ∩ B¯ (en azul)
dividido por el ´área del espacio muestral (es decir el tamaño de la caja) que es 1.
Pero si observamos que B ha sucedido, entonces, el tamaño muestral se ha reducido a los sucesos
elementales para los cuales B ha ocurrido y luego, la probabilidad de A es el área de A ∩ B partido
por el área de B.
Es decir:
𝑃(𝐴 ∩ 𝐵) = 𝑃(𝐴)𝑃(𝐵/𝐴)
𝑃(𝐵 ∩ 𝐴) = 𝑃(𝐵)𝑃(𝐴/𝐵)
De la expresión
𝑃(𝐴 ∩ 𝐵)
𝑃(𝐵/𝐴) =
𝑃(𝐴)
𝑃(𝐵 ∩ 𝐴)
𝑃(𝐴/𝐵) =
𝑃(𝐵)
Ejemplo.
Consideremos una urna que contiene 4 bolillas rojas y 5 blancas. De las 4 bolillas rojas, 2 son lisas
y 2 rayadas y de las 5 bolillas blancas, 4 son lisas y una sola es rayada. Supongamos que se
extrae una bolilla y, sin que la hayamos mirado, alguien nos dice que la bolilla es roja, ¿cuál es la
probabilidad de que la bolilla sea rayada?
Sean los sucesos A: “la bolilla es rayada” y B: “la bolilla es roja”. Obviamente, sin ninguna
información previa, P(A)= 3/9=1/3 y P(B)=4/9.
Sin embargo, como sabemos que la bolilla es roja, la probabilidad de que sea rayada es ½, ya que,
de las rojas la mitad es lisa y la mitad rayada. Observemos, que al ocurrir B, el espacio muestral
se reduce.
𝑃(𝐵 ∩ 𝐴)
𝑃(𝐴/𝐵) =
𝑃(𝐵)
Entonces, P(B)=4/9 y
2
𝑃(𝐵 ∩ 𝐴) 9 2 1
𝑃(𝐴/𝐵) = = = =
𝑃(𝐵) 4 4 2
9
Dado un suceso B fijo tal que P(B) > 0, P(•|B) es una probabilidad, en el sentido que satisface los
axiomas de probabilidad y por lo tanto todas las propiedades que se deducen a partir de ellos. Por
ejemplo:
A2. P(S|B) = 1.
Entonces:
𝑃(𝑆 ∩ 𝐴) 𝑃(𝐵)
𝑃(𝑆/𝐵) = = =1
𝑃(𝐵) 𝑃(𝐵)
PROBABILIDAD TOTAL
Sea 𝐴1 , 𝐴2 , … 𝐴𝑛 un sistema completo de eventos tales que la probabilidad de cada uno de ellos
es distinta de cero, y sea B un evento cualquiera del que se conocen las probabilidades
condicionales 𝑃 (𝐵⁄𝐴 ), entonces la probabilidad del evento B, llamada probabilidad total, se
𝑖
calcula empleando la siguiente fórmula:
TEOREMA DE BAYES
𝑃(𝐴𝑖 ). 𝑃(𝐵/𝐴𝑖 )
𝑃(𝐴𝑖 /𝐵) =
𝑃(𝐵)
Donde:
𝑃 (𝐵⁄𝐴 ) = 𝑃𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑𝑐𝑜𝑛𝑑𝑖𝑐𝑖𝑜𝑛𝑎𝑙
𝑖
Ejemplo.
Una compañía de transporte público tiene tres líneas en una ciudad, de forma que el 45% de los
autobuses cubre el servicio de la línea 1, el 25% cubre la línea 2 y el 30% cubre el servicio de la
línea 3. Se sabe que la probabilidad de que, diariamente, un autobús se averíe es del 2%, 3% y
1% respectivamente, para cada línea.
Simbología:
Datos:
𝐵 𝐵
𝑃 ( 2⁄𝐴 ) = 1 − 𝑃 ( 1⁄𝐴 ) = 1 − 0,02 = 0.98
1 1
𝐵 𝐵
𝑃 ( 2⁄𝐴 ) = 1 − 𝑃 ( 1⁄𝐴 ) = 1 − 0,02 = 0.97
2 2
𝐵 𝐵
𝑃 ( 2⁄𝐴 ) = 1 − 𝑃 ( 1⁄𝐴 ) = 1 − 0,01 = 0.99
3 3
𝐵 𝐵 𝐵
𝑃(𝐵1 ) = 𝑃(𝐴1 ). 𝑃 ( 1⁄𝐴 ) + 𝑃(𝐴2 ). 𝑃 ( 1⁄𝐴 ) + 𝑃(𝐴3 ). 𝑃 ( 1⁄𝐴 )
1 2 3
𝐵 𝐵 𝐵
𝑃(𝐵2 ) = 𝑃(𝐴1 ). 𝑃 ( 2⁄𝐴 ) + 𝑃(𝐴2 ). 𝑃 ( 2⁄𝐴 ) + 𝑃(𝐴3 ). 𝑃 ( 2⁄𝐴 )
1 2 3
c) ¿De qué línea de transporte es más probable que un autobús sufra una avería?
𝑃(𝐴1 ). 𝑃(𝐵/𝐴1 )
𝑃(𝐴1 /𝐵) =
𝑃(𝐵)
La probabilidad de que sea de la línea 1, sabiendo que sufre una avería es:
𝑃(𝐴1 ). 𝑃(𝐵/𝐴1 ) 0,25(0,02)
𝑃(𝐴1 /𝐵1 ) = = = 0,4615
𝑃(𝐵1 ) 0,0195
La probabilidad de que sea de la línea 1, sabiendo que sufre una avería es:
La probabilidad de que sea de la línea 3, sabiendo que sufre una avería es:
Entonces, sabiendo que el autobús sufre una avería, lo más probable es que sea de la línea 1, ya
que esta probabilidad.
BIBLIOGRAFÍA
https://www.monografias.com/trabajos89/probabilidad-total-y-teorema-bayes/probabilidad-
total-y-teorema-bayes.shtml.
http://halweb.uc3m.es/esp/Personal/personas/mwiper/docencia/Spanish/Teoria_Est_El/te
ma4_orig.pdf.
https://www.sangakoo.com/es/temas/teorema-de-bayes
https://probabilidadestadistic.blogspot.com/2010/09/axiomas-y-teoremas-de-la-
probabilidad.html
https://es.wikipedia.org/wiki/Probabilidad#Regla_de_la_multiplicaci%C3%B3n