Вы находитесь на странице: 1из 40

1-1

Captulo cinco

Un panorama de conceptos probabilsticos


OBJETIVOS
Al terminar este captulo podr:

UNO Definir lo que es probabilidad. DOS Describir los enfoques clsico, emprico y subjetivo para la probabilidad. TRES Entender los conceptos: experimento, evento, resultado, permutaciones y combinaciones. CUATRO Definir los conceptos: probabilidad condicional y probabilidad conjunta.

2001 Alfaomega Grupo Editor

1-1

Captulo cinco continuacin

Un panorama de conceptos probabilsticos


OBJETIVOS
Al terminar este captulo podr:

CINCO Calcular probabilidades aplicando las reglas de adicin y multiplicacin. SEIS Utilizar un diagrama de rbol para organizar y calcular probabilidades. SIETE Calcular una probabilidad utilizando el teorema de Bayes. OCHO Determine el nmero de permutaciones y el nmero de combinaciones.

2001 Alfaomega Grupo Editor

5-3

Definiciones

Probabilidad: valor entre cero y uno, inclusive, que describe la posibilidad relativa de que ocurra un evento. Experimento: proceso que conduce a la ocurrencia de una de varias observaciones posibles. Resultado: lo que resulta en particular de un experimento. Evento: conjunto de uno o ms resultados de un experimento.
2001 Alfaomega Grupo Editor

5-4

Enfoques de la probabilidad

Probabilidad clsica se basa en la consideracin de que los resultados de un experimento son igualmente posibles. Utilizando el punto de vista clsico,
Probabilidad de un evento = nmero de resultados favorables nmero totalde resultados posibles

2001 Alfaomega Grupo Editor

5-5

EJEMPLO 1

Considere el experimento de lanzar dos monedas al mismo tiempo. El espacio muestral S = {HH, HT, TH, TT} Considere el evento de una cara. Probabilidad de una cara = 2/4 = 1/2.

2001 Alfaomega Grupo Editor

5-6

Eventos mutuamente excluyentes

Eventos mutuamente excluyentes: la ocurrencia de cualquier evento implica que ningn otro puede ocurrir al mismo tiempo. En el EJEMPLO 1, los cuatro resultados posibles son mutuamente excluyentes.

2001 Alfaomega Grupo Editor

5-7

Eventos colectivamente exhaustivos

Colectivamente exhaustivos: por lo menos uno de los eventos debe ocurrir cuando se realiza un experimento. En el EJEMPLO 1, los cuatro resultados posibles son colectivamente exhaustivos. En otras palabras, la suma de las probabilidades es = 1 (.25 + .25 + .25 + .25).
2001 Alfaomega Grupo Editor

5-8

Concepto de frecuencias relativas

La probabilidad de que un evento ocurra a largo plazo se determina observando en qu fraccin de tiempo sucedieron eventos semejantes en el pasado:
Probabilid ad del evento = nmero de vecesque ocurri el evento nmero total de observaciones

2001 Alfaomega Grupo Editor

5-9

EJEMPLO 2

A lo largo de su carrera, la profesora Jones ha otorgado 186 calificaciones de A entre sus 1200 estudiantes. Cul es la probabilidad de que un estudiante de su clase en este semestre reciba una A? Aplicando el concepto de frecuencias relativas, la probabilidad de una A es 186 /1200 = 0.155
2001 Alfaomega Grupo Editor

5-10

Probabilidad subjectiva

Probabilidad subjectiva: la posibilidad (probabilidad) de que suceda un evento especfico que asigna una persona con base en cualquier informacin disponible. Ejemplos de la probabilidad subjectiva son estimar la probabilidad de que los Redskins de Washington ganen el Super Bowl el prximo ao y estimar la probabilidad de que ocurra un terremoto en Los Angeles este ao.
2001 Alfaomega Grupo Editor

5-11

Reglas bsicas de probabilidad

Si los eventos son mutuamente excluyentes, la ocurrencia de cualquier evento impide que otro eventos ocurra. Reglas de adicin: si dos eventos A y B son mutuamente excluyentes, la regla especial de adicin indica que la probabilidad de que ocurra A o B es igual a la suma de sus probabilidades respectivas: P(A o B) = P(A) + P(B)
2001 Alfaomega Grupo Editor

5-12

EJEMPLO 3

New England Commuter Airways acaba de proporcionar la siguiente informacin de sus vuelos de Boston a Nueva York:
Llegada Antes de tiempo A tiempo Demorado Cancelado Total
2001 Alfaomega Grupo Editor

Frecuencia 100 800 75 25 1000

5-13

EJEMPLO 3

continuacin

Si A es el evento de que un vuelo llegue antes de tiempo, entonces P(A) = 100 /1000 = 0.1. Si B es el evento de que un vuelo llegue demorado, entonces P(B) = 75 /1000 = 0.075. La probabilidad de que un vuelo llegue antes de tiempo o demorado es P(A o B) = P(A) + P(B) = .1 + .075 = 0.175.
2001 Alfaomega Grupo Editor

5-14

Regla del complemento

La regla del complemento se utiliza para determinar la probabilidad de que ocurra un evento restando del nmero 1 la probabilidad de que un evento no ocurra. Si P(A) es la probabilidad del evento A y P(~A) es el complemento de A, P(A) + P(~A) = 1 o P(A) = 1 - P(~A).

2001 Alfaomega Grupo Editor

5-15

Regla del complemento continuacin

Diagrama de Venn que ilustra la regla del complemento

~A

2001 Alfaomega Grupo Editor

5-16

EJEMPLO 4

Recuerde el EJEMPLO 3. Si C es el evento de que un vuelo llegue a tiempo, entonces P(C) = 800 /1000 = 0.8. Si D es el evento de que un vuelo sea cancelado, entonces P(D) = 25 /1000 = 0.025. Utilice la regla del complemento para mostrar que la probabilidad de que el vuelo llegue antes de tiempo (A) o demorado (B) es 0.175.
2001 Alfaomega Grupo Editor

5-17

EJEMPLO 4

continuacin

P(A o B) = 1 - P(C o D) = 1 - [.8 + .025] = .175

C .8

D .025 ~(C o D) = (A o B) .175

2001 Alfaomega Grupo Editor

5-18

Regla general de adicin

Si A y B son dos eventos que no son mutuamente excluyentes, entonces P(A o B) se calcula con la siguiente frmula: P(A o B) = P(A) + P(B) - P(A y B)

2001 Alfaomega Grupo Editor

5-19

Regla general de adicin

Diagrama de Venn que ilustra esta regla

B AyB

2001 Alfaomega Grupo Editor

5-20

EJEMPLO 5

En una muestra de 500 estudiantes, 320 dijeron tener un estreo, 175 dijeron tener una TV y 100 dijeron tener ambos:
TV 175

Estreo 320

Ambos 100

2001 Alfaomega Grupo Editor

5-21

EJEMPLO 5 continuacin

Si un estudiante es seleccionado aleatoriamente, cul es la probabilidad de que tenga slo un estreo, slo una TV y uno de cada uno? P(S) = 320 /500 = .64. P(T) = 175 /500 = .35. P(S y T) = 100 /500 = .20.

2001 Alfaomega Grupo Editor

5-22

EJEMPLO 5 continuacin

Si un estudiante es seleccionado aleatoriamente, cul es la probabilidad de que tenga un estreo o una TV en su habitacin? P(S o T) = P(S) + P(T) - P(S y T) = .64 +.35 - .20 = .79.

2001 Alfaomega Grupo Editor

5-23

Probabilidad conjunta

Probabilidad conjunta es una probabilidad que mide la posibilidad de que dos o ms eventos ocurran juntos. Un ejemplo sera el hecho de que un estudiante tenga tanto un estreo como una TV en su habitacin.

2001 Alfaomega Grupo Editor

5-24

Regla especial de multiplicacin

La regla especial de multiplicacin requiere que dos eventos A y B sean independientes. Dos eventos A y B son independientes si la ocurrencia de una no afecta la probabililidad de ocurrencia del otro. La regla especial se escribe: P(A y B) = P(A) * P(B).
2001 Alfaomega Grupo Editor

5-25

EJEMPLO 6

Chris posee dos inventarios independientes uno de otro. La probabilidad de que el inventario A aumente su valor el prximo ao es .5. La probabilidad de que el B aumente el suyo es .7. Cul es la probabilidad de que ambos aumenten su valor el prximo ao? P(A y B) = (.5)(.7) = .35.
2001 Alfaomega Grupo Editor

5-26

EJEMPLO 6 continuacin

Cul es la probabilidad de que al menos uno aumente su valor el prximo ao (esto implica que cualquiera de los dos o ambos aumenten)? As, P(al menos uno) = (.5)(.3) + (.5)(.7) + (.7)(.5) = .85.

2001 Alfaomega Grupo Editor

5-27

Probabilidad condicional

Probabilidad condicional es la probabilidad de que ocurra un evento en particular, dado que ocurri otro evento. Nota: la probabilidad de que ocurra el evento A dado que ya ocurri B se denota como P(A|B).

2001 Alfaomega Grupo Editor

5-28

Regla general de multiplicacin

La regla general de multiplicacin se utiliza para determina la probabilidad conjunta de que ocurran dos eventos y establece: para dos eventos A y B, la probabilidad conjunta que ambos ocurran se encuentra multiplicando la probabilidad de A por la probabilidad condicional de B dado que A ocurri.

2001 Alfaomega Grupo Editor

5-29

Regla general de multiplicacin

La probabilidad conjunta, P(A y B) est dada por la siguiente frmula: P(A y B) = P(A) * P(B|A) o P(A y B) = P(B) * P(A|B)

2001 Alfaomega Grupo Editor

5-30

EJEMPLO 7

La directora de la escuela de administracin en Miami recolect la siguiente informacin acerca de los estudiantes de licenciatura del colegio:
rea Contabilidad Finanzas Mercadotecnia Administracin Total Hombre 170 120 160 150 600 Mujer 110 100 70 120 400 Total 280 220 230 270 1000

2001 Alfaomega Grupo Editor

5-31

EJEMPLO 7

continuacin

Si un estudiante se selecciona al azar, cul es la probabilidad de que el estudiante sea mujer del rea de contabilidad? P(A y F) = 110 / 1000. Dado que la estudiante es mujer, cul es la probabilidad que est en el rea de contabilidad? P(A|F) = [P(A y F)] / [P(F)] = [110 / 1000] /[400 / 1000] = .275.
2001 Alfaomega Grupo Editor

5-32

Diagrama de rbol

El diagrama de rbol es muy til para visualizar las probabilidades condicional y conjunta y en particular para el anlisis de decisiones administrativas que involucran varias etapas. EJEMPLO 8: una bolsa contiene 7 fichas rojas (R) y 5 azules (B), se escogen 2 fichas, una despus de la otra sin reemplazo. Construya el diagrama de rbol con esta informacin.
2001 Alfaomega Grupo Editor

5-33

EJEMPLO 8

continuacin

6/11
7/12 R1 5/11 7/11 5/12 B1 4/11

R2

B2

R2
B2

2001 Alfaomega Grupo Editor

5-34

Teorema de Bayes

El teorema de Bayes se representa con la frmula:


P( A1) * P( B | A1) P( A1 | B) P( A1) * P( B | A1) P( A2) * P( B | A2)

2001 Alfaomega Grupo Editor

5-35

EJEMPLO 9

La compaa Duff Beer ha recibido varias quejas debido a que sus botellas no van bien llenas. Una queja fue recibida hoy pero el gerente de produccin no puede identificar cul de las dos plantas Springfield (A o B) llen esta botella. Cul es la probabilidad de que la botella mal llenada haya salido de la planta A?

2001 Alfaomega Grupo Editor

5-36

EJEMPLO 9

continuacin

A B

% de % de produccin faltante en total botellas 55 3 45 4

P(A |U) = [(.55)(.03)]/[(.55)(.03) + (.45)(.04)] = .4783.


2001 Alfaomega Grupo Editor

5-37

Algunos principios de conteo

Frmula de la multiplicacin: si hay m modos de hacer una cosa y n formas de hacer otra, existen m x n formas de hacer ambas. EJEMPLO 10: el doctor Delong tiene 10 camisas y 8 corbatas. Cuntos conjuntos de camisas /corbatas tiene? (10)(8) = 80.
2001 Alfaomega Grupo Editor

5-38

Algunos principios de conteo

Permutacin: un arreglo de r objetos seleccionados a partir de un grupo nico de n objetos posibles.

n! n Pr (n r ) !
Nota: el orden del arreglo es importante en las permutaciones.

2001 Alfaomega Grupo Editor

5-39

Principios de conteo

Combinacin: el nmero de modos para elegir r objetos de un grupo de n objetos sin considerar el orden.

n! nCr r !( n r ) !

2001 Alfaomega Grupo Editor

5-40

EJEMPLO 11

El entrenador Thompson tiene que elegir 5 jugadores entre los doce del equipo para incluirlos en alineacin. Cuntos grupos diferentes se pueden formar? 12C5 = (12!)/[5!(12-5)!] =792 Suponga que el entrenador Thompson debe clasificarlos en orden: 12P5 = (12!)/(12-5)! = 95,040.
2001 Alfaomega Grupo Editor