UNIVERSIDAD NACIONAL EXPERIMENTAL FRANCISCO DE MIRANDA DPTO. DE FSICA Y MATEMTICA CTEDRA: ESTADSTICA TEMA N 2.

TEORA Y CLCULO DE PROBABILIDADES

ESPACIO MUESTRAL: Es el conjunto de todos los resultados posibles de un experimento estadstico y se denota por S.

Ej.:

- Lanzamiento de una moneda al aire

S = {cara, sello}

- Lanzar un dado al aire y ver el nmero que tiene la cara superior S = {1, 2, 3, 4, 5, 6} - Lanzar un dado al aire y ver si el nmero es par o none {par, none} S =

En algunos experimentos ser de utilidad anotar sistemticamente los elementos del espacio Muestral por medio de un Diagrama de rbol. Por ejemplo: - Lanzar dos veces al aire una moneda Cara

Cara

Sello Cara

Sello

Sello

Entonces, el espacio muestral S = {CC, CS, SC, SS}

- Lanzar una moneda al aire, y si se obtiene cara, entonces lanzar un dado

1 2 3 Cara 4 5 6

Sello

Entonces, el espacio muestral S = {C1, C2, C3, C4, C5, C6, S}

EVENTO: Es un subconjunto del espacio muestral. Ej.: - Lanzar un dado al aire y ver el nmero que tiene la cara superior S = {1, 2, 3, 4, 5, 6} Evento 1: Escoger los nmeros pares Evento 2: Escoger los nmeros impares E1: {2, 4, 6} E2: {1, 3, 5}

- Lanzar dos veces al aire una moneda S = {CC, CS, SC, SS} Evento A: Que ocurra al menos 1 vez cara SC} A: {CC, CS,

OPERACIONES CON EVENTOS: UNIN DE EVENTOS: Es el evento que est formado por todos los resultados contenidos en cualquiera de los dos eventos o en ambos. Se denota: A B (Resultado de A B).

INTERSECCIN DE EVENTOS:

Es el evento que est formado por los resultados contenidos en ambos eventos, es decir, en A y B. Se denota por: A B COMPLEMENTO DE UN EVENTO: Es el conjunto de resultados del Espacio Muestral que no estn contenidos en el vento especificado. Se denota: A (Complemento de A). EVENTOS MUTUAMENTE EXCLUYENTES: Dos eventos son mutuamente excluyentes si no tienen elementos en comn, es decir, A B Ej.: Se tiene el siguiente Espacio Muestral S: {1, 2, 3, 4, 5, 6, 7, 8, 9, 10} y se definen los siguientes eventos: A: Nmeros pares A: {2, 4, 6, 8, 10} B: {1, 2, 3, 4, 5}

B: Nmeros menores o iguales que 5

Entonces,

A B = {1, 2, 3, 4, 5, 6, 8, 10} A B = {2, 4}

A = {1, 3, 5, 7, 9}

A y B no son mutuamente excluyentes porque si poseen elementos en comn

DIAGRAMA DE VENN: Es un grfico que permite expresar la relacin entre eventos y el espacio muestral correspondiente. A continuacin se presentan algunos diagramas que ilustran: Unin, Interseccin, Complemento y Eventos Mutuamente excluyentes

A B A B

A A

PROBABILIDAD: Es un nmero real que mide la posibilidad de que ocurra un resultado del Espacio Muestral cuando un experimento se lleva a cabo. Tambin puede definirse como, Un nmero entre 0 y 1, inclusive, que mide la ocurrencia que se tiene de que llegue a ocurrir un evento especfico que sea resultado de un experimento.

El trmino Probabilidad se emplea muy a menudo en conversaciones corrientes. Al describir un suceso como Probable damos a entender que es posible, o que es de esperarse o que es seguro. Muchas veces se afirma: Probablemente llover maana La probabilidad de que llueva maana es del 50%

DEFINICIN AXIOMTICA DE PROBABILIDAD: Sea S un Espacio Muestral cualquiera y E un evento cualquiera de S, se llamar funcin de Probabilidad sobre S a P(E) si se satisface: 1) P(E) 0 2) P(S) = 1 3) Para dos eventos E1 y E2 con E1 P(E1) + P(E2)

E2

, se tiene que: P( E1

E2 ) =

PROPIEDADES BSICAS DE LA PROBABILIDAD: La Probabilidad de un evento se encuentra entre los valores 0 y 1, toma este valor cuando es seguro que ocurra, sino va a ocurrir, entonces su probabilidad es 0 (cero). La suma de las probabilidades de que un evento ocurra y no ocurra es igual a la unidad, esto es: P(A) + P(A) = 1

PROBABILIDAD DE UN EVENTO A: Es la suma de los pesos de todos los puntos muestrales de A; 0 P(A) 1

Para hallar la Probabilidad de un evento se utilizar la siguiente frmula clsica:

Probabilidad Nmero de resultados favorables Nmero total de resultados

Ej.: Los resultados posibles de un experimento aleatorio son: {a, b, c, d} con Probabilidades 0,1; 0,3; 0,5; 0,1, respectivamente. Sean: El evento A: {a, b} El evento B: {b, c, d} El evento C: {d}

Entonces,

P(A) = 0,1 + 0,3 = 0,4 P(B) = 0,3 + 0,5 + 0,1 = 0,9 P(C) = 0,1 P(A) = 1 P(A) = 1 0,4 = 0,6

REGLA ESPECIAL DE LA ADICIN: Para aplicar la regla especial de la Adicin, los eventos deben ser mutuamente excluyentes. Recurdese que mutuamente excluyentes significa que cuando ocurre un evento ninguno de los otros puede ocurrir al mismo tiempo. Por ejemplo, al lanzar un dado y cae un dos, ninguna de las otras caras (1, 3, 4, 5, 6) puede estar arriba al mismo tiempo. Si dos eventos A y B son mutuamente excluyentes la Regla Especial de la Adicin indica que la Probabilidad de que ocurra uno u otro de los eventos es igual a la suma de sus Probabilidades P(A B) = P(A) + P(B)

Para tres eventos mutuamente excluyentes, P(A B C) = P(A) + P(B) + P(C)

REGLA GENERAL DE LA ADICIN: Para aplicar la regla general de la Adicin, los eventos no deben ser mutuamente excluyentes. Si se tienen dos eventos A y B que no son mutuamente excluyentes, la Regla General de la Adicin indica que la Probabilidad de que ocurra uno u otro de los eventos es igual a la suma de sus Probabilidades menos la Probabilidad de que ocurran ambos P(A B) = P(A) + P(B) P(A B)

Para tres eventos no excluyentes, P(A B C) = P(A) + P(B) + P(C) - P(A C) B) - P(A C) - P(B C) - P(A B

Ej: Un sistema contiene dos componentes X y Y, los cuales se conectan de manera que ste funcione si cualquiera de los dos componentes funcionan. La probabilidad de que X funcione es P(X) = 0,40 y la de Y es P(Y) = 0,80 y la probabilidad de que ambos funcionen es P(X Y) 0,32 . Determine la probabilidad de que el sistema funcione.

El sistema trabaja si funciona X o Y o ambos, entonces: P(X o Y) = P(X P(X Y) = P(X) + P(Y) P(X Y)

Y) = 0,40 + 0,80 0,32 = 0,88

PROBABILIDAD CONDICIONAL: A la Probabilidad de que un evento B ocurra cuando se sabe que algn otro evento A se ha presentado se llama Probabilidad Condicional y se escribe P(B/A). Se lee Probabilidad de B dado A. Sean A y B dos eventos cualesquiera que se encuentran en un espacio muestral S de manera tal que P(A)>0. La Probabilidad Condicional de B al ocurrir el evento A, es el cociente de la probabilidad de A y B con respecto a la probabilidad de A, de esta manera se tiene que:
P(B/A) P(A B) P(A)

La definicin de Probabilidad Condicional puede extenderse para incluir cualquier nmero de eventos que se encuentren en el espacio muestral S. Sean A, B y C eventos de S, entonces:
P(C/A B) P(A B C) , P(A B)

con P(A

B)>0

P(B

C/A)

P(A

B C) , P(A)

con P(A)>0

Ej: La probabilidad de que un vuelo de programacin regular despegue a tiempo es P(D) = 0,83; la de que llegue a tiempo es P(A) = 0,82 y la de que despegue y llegue a tiempo es P(D A) = 0,78. Encuentre la probabilidad de que un avin llegue a tiempo dado que despeg a tiempo. Utilizando la frmula de Probabilidad Condicional se tiene: La probabilidad de que llegue a tiempo dado que despeg a tiempo sera: P(A / D), entonces,
P(A/D) P(A D) 0,78 = P(D) 0,83 0,94

REGLA MULTIPLICATIVA: Si en un experimento pueden ocurrir los eventos A y B, entonces: P(A B) = P(A) P(B/A) = P(B) P(A/B)

EVENTOS ESTADSTICAMENTE INDEPENDIENTES: Dos eventos A y B son estadsticamente independientes si se cumple: i) ii) iii) P(A / B) = P(A) P(B / A) = P(B) P(A B) = P(A) x P(B)

Si hay dos eventos independientes A y B, la Probabilidad de que ocurran A y B se obtiene al multiplicar ambas probabilidades. Dos eventos son independientes si el resultado de un segundo evento no depende del resultado del primero. P(A y B) = P(A B) = P(A) P(B)

Ej: A continuacin se presenta el resultado obtenido al analizar 84 muestras de aire con la finalidad de detectar dos molculas raras: Molcula 1 Presente SI Total 24 56 12 28 36 84

Molcula 2 Presente

NO SI Total

NO 32 16 48

Sea A: el evento donde todas las muestras de aire contienen la molcula 1 Sea B: el evento donde todas las muestras de aire contienen la molcula 2 Entonces: P(A) = 36 / 84 y P(B) = 28 / 84

As mismo, P(B/A)

P(B A) 12 84 1 = = = 0,33 36 84 P(A) 3

Por otro lado se tiene que: P(B/A) = P(B) = 0,33

Trabajando con P(A/B)

P(A B) P(B)

12 84 28 84

3 7

0,43 y P(A/B) = P(A) = 0,43

Finalmente, P(A

B) = P(A) x P(B) =

1 3 3 7

1 7

En conclusin A y B son independientes.

TEOREMA DE BAYES: Desarrollado por Thomas Bayes (1700) y es un teorema clave en el desarrollo de la Inferencia Estadstica en la que se emplea la interpretacin subjetiva de la Probabilidad. A primera vista no es ms que una aplicacin de las probabilidades condicionales. Sea A un evento del Espacio Muestral S y B1, B2, BK una particin de S, con
k

P(B i ) 1, entonces:
i 1

P(Bj /A)

P(Bj ) P(A/B j )
k

P(Bi ) P(A/Bi )
i 1

S
B5 B1 B4

A
B3

B2

Ej: Durante los ltimos aos se ha escrito mucho sobre la posible relacin entre el fumar y el cncer pulmonar. Supngase que en un centro mdico, de todos los fumadores de quienes se sospeche que tenan cncer pulmonar, el 90% lo tena mientras que nicamente el 5% de los no fumadores lo padeca. Si la proporcin de fumadores es 0,45. Cul es la probabilidad de que un paciente con cncer pulmonar, seleccionado al azar, sea fumador?

Sea B1: el evento en que el paciente es Fumador B2: el evento en que el paciente es No fumador A: el evento en que el paciente tiene cncer pulmonar

Se sabe que, P(A / B1) = 0,90 y P(A / B2) = 0,05. Adems, P(B1) = 0,45 y P(B2) = 0,55. Se desea determinar la probabilidad a posteriori de seleccionar un fumador puesto que el paciente tiene cncer pulmonar, es decir, P(B 1 / A).
P(B1/A) P(B1 ) P(A/B1 ) P(B1 ) P(A/B1 ) P(B 2 ) P(A/B 2 )

P(B1/A)

0,45 0,90 0,45 0,90 0,55 0,05

0,9364