Академический Документы
Профессиональный Документы
Культура Документы
Modelos probabilı́sticos
Tema 3. Introducción al cálculo de probabilidades
1 Experimentos aleatorios
2 Definición de probabilidad
4 Teorema de Bayes
Contenidos
1 Experimentos aleatorios
2 Definición de probabilidad
4 Teorema de Bayes
Probabilidad
Espacio muestral
El espacio muestral es el conjunto de todos los posibles
resultados de un experimento aleatorio. Se suele denotar con la
letra Ω.
Cada posible subconjunto de este espacio muestral se denomina
suceso aleatorio (o simplemente suceso), A, B, . . . ⊂ Ω.
Un suceso elemental es cada uno de los posibles resultados de
un experimento aleatorio, ω1 , ω2 , . . . , ωn . ω1 , ω2 , . . . , ωn ∈ Ω
Suceso seguro: está formado por todos los elementos del espacio
muestral, Ω.
Suceso imposible: el conjunto vacı́o: ∅ ⊂ Ω.
Suceso contrario o complementario de A(Ā ≡ Ac ):contiene
todos os elementos de Ω que no pertenec a A,
Ā = {ω ∈ Ω : ω ∈
/ A}.
Nota: Ocurrencia de un suceso. Un suceso ocurre si el
experimento aleatorio da lugar a uno de los sucesos elementales
que lo constituyen.
Bloque II/Tema 3 Matematicas III 5 / 31
Experimentos aleatorios
Espacio muestral
Ejemplos
Si el resultado de un experimento es el sexo de un descendiente,
el espacio muestral será Ω = {H, M}.
Si el experimento consiste en el lanzamiento de dos monedas
cuyos resultados sean cara (C) o cruz (X), entonces el espacio
muestral Ω = {CC, CX , XC, XX }.
Si la salida de un experimento es el orden de llegada a la meta en
una carrera en la que participan 7 caballos identificados con los
números 1, 2, 3, 4, 5, 6 y 7, el espacio muestral
será Ω = {todas las permutaciones de 1, 2, 3, 4, 5, 6 y 7}.
Si observamos las puntuaciones de dos dados de seis caras, el
espacio muestral será Ω = {(1, 1), (1, 2), . . . , (6, 6)}.
A = (A ∩ B) ∪ (A ∩ B c ) = (A ∩ B) ∪ (A\B),
(A ∩ B) ∩ (A ∩ B c ) = ∅
Leyes de DeMorgan:
A ∪ B = A ∩ B;
A∩B =A∪B .
Ejemplos (continuación)
Descendiente: A = {M} es el suceso “tener como descendiente
una hija”.
Moneda: A = {CC, CX } es el suceso “salir cara en el primero de
los dos lanzamientos”.
Caballos: A = {Todos los resultados de Ω que comiencen con 2}
es el suceso “el caballo 2 gana la carrera”.
Dado: A = {(1, 6), (2, 5), (3, 4), (4, 3), (5, 2), (6, 1)} es el suceso
“la suma de los dados es 7”.
Contenidos
1 Experimentos aleatorios
2 Definición de probabilidad
4 Teorema de Bayes
Definición de probabilidad
Interpretaciones de la probabilidad
Interpretación clásica. Es el cociente entre el número de casos
favorables al suceso y el número de casos posibles (Laplace).
número de casos favorables a A
Pr (A) = .
número de casos posibles
Interpretación frecuentista. Se aplica a experimentos que se
pueden repetir indefinidamente bajo condiciones similares,
adoptándose la hipótesis implı́cita de que las frecuencias relativas
se estabilizan al repetirse el experimento. Si un suceso A ocurre
An veces en n repeticiones del experimento, entonces:
An
Pr (A) = limn supuesto que existe el lı́mite.
n
Probabilidad como grado de confianza. Es la medida de la
creencia que tiene una persona dada en un momento dado sobre
la ocurrencia del suceso.
Bloque II/Tema 3 Matematicas III 13 / 31
Definición de probabilidad
Ejemplos
Ejemplo
Una escuela de secundaria ofrece dos asignaturas optativas de
idiomas: inglés y francés. Estas asignaturas están abiertas para
cualquiera de los 120 estudiantes matriculados. Supongamos que
32 estudiantes se matricularon de inglés, 36 en francés, y 8 en
ambas. Si se selecciona aleatoriamente a un estudiante de entre
los 120 matriculados, ¿cuál es la probabilidad de que se haya
matriculado en al menos uno de los idiomas?
Solución: A y B denotan los sucesos “matricularse en inglés” y
“matricularse en francés”, respectivamente. Para calcular
32 36 8
Pr (A ∪ B) = Pr (A) + Pr (B) − Pr (A ∩ B) = 120 + 120 − 120 = 12 .
Contenidos
1 Experimentos aleatorios
2 Definición de probabilidad
4 Teorema de Bayes
Probabilidad condicionada
Definición
Sean A, B ⊂ Ω dos sucesos tales que Pr (B) > 0. Se define la
probabilidad condicionada de A, dado B, como
Pr (A∩B)
Pr (A|B) = Pr (B) .
Probabilidad condicionada
Pr (A1 ∩ A2 ∩ . . . ∩ An ) =
Pr (A1 )Pr (A2 |A1 )Pr (A3 |A1 ∩ A2 ) · · · Pr (An |A1 ∩ A2 ∩ . . . ∩ An−1 )
Propiedades de la independencia
Contenidos
1 Experimentos aleatorios
2 Definición de probabilidad
4 Teorema de Bayes
P(A1)=0.50
A1
A2
P(A2)=0.25
P(A3)=0.25
P(B)=0.20
P(B/A1)=0.10
B
P(B/A2)=0.20
A3
P(B/A3)=0,40
Teorema de Bayes
Teorema de Bayes
Sea S1 , S2 , . . . , Sn ⊂ Ω una partición de Ω. Sean A y B dos sucesos
cualquiera, con Pr (A), Pr (B) > 0, entonces:
Pr (B|A) · Pr (A)
Pr (A|B) = Pn .
i=1 Pr (B|Si ) · Pr (Si )
Teorema de Bayes
P(A1)=0.50
A1
A2
P(A2)=0.25
P(A3)=0.25
P(B)=0.20
P(B/A1)=0.10
B
P(B/A2)=0.20
A3
P(B/A3)=0,40
Teorema de Bayes
Explicación del Teorema de Bayes
Pr (A|G)
Pr (Ac |G) se denomina apuestas a posteriori a favor de A,
Pr (A)
Pr (Ac ) son las apuestas a priori a favor de A
Pr (G|A)
Pr (G|Ac ) es el factor Bayes a favor de A.
De este modo se puede escribir
Apuestas a posteriori = Factor Bayes × Apuestas a priori
Teorema de Bayes
Ejemplo 1
Una compañı́a de seguros cree que sus clientes pueden ser
clasificados en dos grupos: (I) los que tienen predisposición a
tener accidentes, y (II) los que no. La probabilidad de que una
persona sufra un accidente en el primer año es 0.1 (I), y 0.05 (II).
Supongamos que la probabilidad de que un nuevo asegurado sea
propenso a tener accidentes es de 0.2. ¿Cuál es la probabilidad
de que sufra un accidente en el plazo de un año?
Solución: Sea H el suceso de que un nuevo asegurado sea
propenso a tener accidentes, y A el suceso de sufrir un accidente
en el primer año. Se puede calcular Pr (A) condicionando sobre si
la persona es o no propensa a tener accidentes, es decir, Pr (A) =
Pr (A|H) · Pr (H) + Pr (A|H̄) · Pr (H̄) = 0,1 · 0,2 + 0,05 · 0,8 = 0,06.
Teorema de Bayes
Ejemplo 1 (cont.)
En el ejemplo anterior, si un nuevo asegurado tiene un accidente
en el primer año, ¿cuál es la probabilidad de que sea propenso a
tener accidentes?
Solución: Nos piden la probabilidad
Teorema de Bayes
Ejemplo 2
Si cierta enfermedad está presente, existe una probabilidad del
99 % de que una prueba sanguı́nea sea efectiva para detectarla.
Sin embargo, la prueba da falso positivo en un 2 % de los
pacientes sanos. Supongamos que un 0.5 % de la población
padece la enfermedad. Calcular la probabilidad de que un
individuo, elegido al azar para someterse a la prueba, padezca
realmente la enfermedad, si el resultado de la misma ha sido
positivo.
Solución: Sean D y E los sucesos de que la persona padezca la
enfermedad y de que la prueba resulte positiva. Nos piden
calcular
Pr (E|D)·Pr (D) 0,99·0,005
Pr (D|E) = Pr (E|D)·Pr (D)+Pr (E|D̄)·Pr (D̄)
= 0,99·0,005+0,02·0,995 = 0,199.