Академический Документы
Профессиональный Документы
Культура Документы
Braian Moreno
Outline
1 Probabilidad Condicional
Eventos Independientes
2 Leyes de la Probabilidad
Ley Multiplicativa de Probabilidad
Ley Aditiva de Probabilidad
Outline
1 Probabilidad Condicional
Eventos Independientes
2 Leyes de la Probabilidad
Ley Multiplicativa de Probabilidad
Ley Aditiva de Probabilidad
Probabilidad Condicional
Probabilidad Condicional
Probabilidad Condicional
Definición
La probabilidad condicional de un evento A, dado que un evento B
ha ocurrido, es:
P (A ∩ B)
P (A|B) =
P (B)
Frecuencia Relativa
n(A ∩ B)
fr (A|B) := , si n(B) > 0
n(B)
Frecuencia Relativa
Frecuencia Relativa
Ejemplo
Ejemplo
Eventos Independientes
Definición
Eventos Independientes
Definición
Definición
Se dice que dos eventos A y B son independientes si se cumple
cualquiera de los siguientes casos:
P (A|B) = P (A).
P (B|A) = P (B).
P (A ∩ B) = P (A)P (B).
Si alguno de los eventos no se cumple, entonces se dice que los
eventos son dependientes.
Eventos Independientes
Ejemplo
Eventos Independientes
Ejemplo
Eventos Independientes
Ejemplo
Eventos Independientes
Ejemplo
además
1 − P (C|B) = 0.875
Eventos Independientes
Ejercicio
Outline
1 Probabilidad Condicional
Eventos Independientes
2 Leyes de la Probabilidad
Ley Multiplicativa de Probabilidad
Ley Aditiva de Probabilidad
Leyes de Probabilidad
Ley Multiplicativa
Ley Multiplicativa
Teorema
La probabilidad de la intersección de dos eventos A y B es:
P (A ∩ B) = P (A)P (B|A)
= P (B)P (A|B)
Ley Multiplicativa
P (A ∩ B ∩ C) = P [(A ∩ B) ∩ C]
= P (A ∩ B)P (C|(A ∩ B))
= P (A)P (B|A)P (C|(A ∩ B))
Ley Multiplicativa
Ley Multiplicativa
En una caja hay una tarjeta roja, una verde y una negra. Sin mirar,
se saca una tarjeta y se devuelve a la caja, luego se saca otra tarjeta.
¿Cuál es la probabilidad de que la primera vez se saque una tarjeta
verde y la segunda vez se saque también una tarjeta verde?
Ley Multiplicativa
Ley Aditiva
Ley Aditiva
Teorema
La probabilidad de la unión de dos eventos A y B es:
P (A ∪ B) = P (A) + P (B) − P (A ∩ B)
P (A ∪ B) = P (A) + P (B)
Ley Aditiva
P (A ∪ B ∪ C) = P [A ∪ (B ∪ C)]
= P (A) + P (B ∪ C) − P (A ∩ (B ∪ C))
= P (A) + P (B) + P (C) − P (B ∩ C) −
−P [(A ∩ B) ∪ (A ∩ C)]
= P (A) + P (B) + P (C) − P (B ∩ C) −
−P (A ∩ B) − P (A ∩ C) + P (A ∩ B ∩ C)
Ley Aditiva
Ley Aditiva
P (A ∪ G) = P (A) + P (G) − P (A ∩ G)
30 35 15
= + −
100 100 100
1
=
2
Complementos
Teorema
Si A es un evento, entonces
P (A) = 1 − P (A)
Ejemplo
Una política que requiere que todos los empleados hospitalarios ha-
gan exámenes de detector de mentiras reduce pérdidas debidas a
robos, pero algunos empleados consideran tales exámenes como una
violación a sus derechos. Experiencias pasadas indican que los detec-
tores de mentiras tienen porcentajes de precisión que varían de 92%
a 99%. Para tener alguna idea de los riesgos a los que se enfrentan
los empleados cuando hacen un examen de detector de mentiras,
suponga que la probabilidad es .05 de que un detector de menti-
ras concluya que una persona está mintiendo y que, en realidad,
esté diciendo la verdad, y suponga que cualquier par de exámenes
son independientes. £Cuál es la probabilidad de que una máquina
concluya que
Ejemplo
Ejemplo
Ejercicios