Estadstica DEI

En un experimento aleatorio, cuando el nmero de

veces que se repite aumenta, la frecuencia relativa








=
=
n
A f lm A
n
A ocurre que veces de nmero
A f
n
n

) ( ) Pr(
: ad probabilid llamaremos que cantidad una hacia converge

) (
Tambin podemos entender la probabilidad como el
grado de certeza que se posee sobre un suceso, basada
en experiencias previas.

Dado un espacio muestral E, definimos la probabilidad
como una funcin, P, que asigna a un suceso A un valor
numrico P(A), verificando las siguientes reglas
(axiomas)




El tercer axioma se generaliza a cualquier nmero de
sucesos disjuntos:



| = + =
=
s s
B A B P A P B A P
E P
A P
si ) ( ) ( ) ( ) 3
1 ) ( ) 2
1 ) ( 0 ) 1

= =
=
|
|
.
|

\
|
s
i
i
s
i
i
A A
1 1
) Pr( Pr

Grficamente:

Estos axiomas no asignan probabilidades a sucesos, pero
facilitan el clculo de probabilidades de unos sucesos a
partir de la probabilidad de otros.



( )
) ( ) ( ) ( ) ( ) ( ) (
) ( ) ( ) (

) ( ) ( ) ( ) ( . 5
) ( ) ( ) (
) ( ) ( ) ( ) ( ) ( ) ( . 4
) ( ) ( B
) ( ) ( ) ( ) ( . 3
0 1 1 ) ( 1 ) ( 0 ) ( . 2
) ( ) ( 1 ) ( 1 ) ( . 1
B A P B A P B P B A P A P B A P
B A A B B A B A
B A P B P A P B A P
A B P B A P B P
A B P B A P B P B A P B P A B P
A B B A
A B P A P B P A B A B A A P A A Si
E P P E P
A P A P A A E A P A P
+ + =
=
+
+ =
+ =
+ = =
=
+ = = s _
= = = = =
+ = = =
| | |
Ejemplo: Faros de coche
Un fabricante de faros de coches controla con
regularidad la duracin y la intensidad de la luz
cuando son sometidos a elevada humedad y
temperatura. En la siguiente tabla se presentan las
probabilidades de tener un comportamiento
satisfactorio en cuanto a intensidad y duracin:



Intensidad
Duracin
Satisfactorio No satisfactorio.
Satisfactorio
0,9 0,023
No satisfactorio
0,062 0,015

Cul es la probabilidad de que la duracin de un faro
sea satisfactoria?


Cul es la probabilidad de que un faro tenga
intensidad satisfactoria o no tenga duracin
satisfactoria?
Estimacin de la probabilidad en la
prctica
Si un experimento cualquiera puede dar lugar a un nmero
finito de resultados posibles, y no hay razn que privilegie a
un resultado frente a otro. Calcularemos la probabilidad de
un suceso de la forma siguiente:
Dado un suceso compuesto A que contiene n sucesos
elementales, su probabilidad ser




elemental) suceso cada de dad (probabili
1

) (
) (
) (
n N posibles casos
n favorables casos
A P =
Ejemplos

Lanzamiento de una moneda:


Lanzamiento de un dado:

{ } 2 / 1 ) ( , = = C P X C E
{ } 6 / 1 ) 3 ( 6 , 5 , 4 , 3 , 2 , 1 = = P E
Equiprobabilidad
En ocasiones no es fcil determinar los sucesos
elementales contenidos en un suceso A:


En un lote de 9 computadoras hay 3 que son
defectuosos, el comprador del lote lo rechazar si al
inspeccionar dos de ellos elegidos al azar resultan ser
defectuosos


Combinatoria
Nos ayuda a calcular el nmero de reordenaciones de n
objetos tomados de k en k.

Sin
reemplazamiento
(o sin reposicin)
Con
reemplazamiento
(o con repeticin)
IMPORTA EL
ORDEN
Variaciones



NO IMPORTA EL
ORDEN
Combinaciones
( )
)! (
!
,
k n
n
k n P

=
k k
n
n VR =
|
|
.
|

\
|
=
k
n
k n C ) , (
|
|
.
|

\
|
+
=
k
k n
k n CR

1
) , (
Probabilidad condicionada
Centra el foco de atencin en el hecho que se sabe que
ha ocurrido el evento B.

Estamos indicando que el espacio muestral de inters
se ha reducido slo a aquellos resultados que
definen la ocurrencia del evento B.

Entonces P(A|B) mide la probabilidad relativa de A
con respecto al espacio reducido B.
) (
) (
9 / 5
9 / 2
5
2
) | (
B P
B A P
B A P

= = =
Probabilidad Condicionada
Concepto y propiedades



0 ) ( ,
) (
) (
) | ( . 3
0 ) | ( . 2
1 ) | ( . 1
>

=
= =
= c
B P
B P
B A P
B A P
B A P B A
B A P A B
|
Independencia de sucesos
Diremos que dos sucesos son independientes si el
conocimiento de la ocurrencia de uno no modifica la
probabilidad de ocurrencia del otro.
A y B son independientes si:

) ( ) | (
P(A)P(B) B)P(B) | P(A B) P(A
) ( ) | (
B P A B P
A P B A P
=
= =
=
Ejemplo
Una aplicacin del concepto de independencia es el clculo
de la fiabilidad de un sistema.
Se denomina fiabilidad de un sistema a la probabilidad
de que el sistema funcione correctamente.
Si la probabilidad de que un interruptor cualquiera est
cerrado es 0,99, cul es la probabilidad de que pase
corriente de A a B?

A B

9801 , 0 99 , 0 B) a A de corriente pasar (
2
= = P
Aunque la fiabilidad de cada componente sea alta, si hay muchos
componentes la fiabilidad del sistema puede ser baja.
Para aumentar la fiabilidad podemos poner varios sistemas en paralelo.

1 S1 2


A B
3 S2 4
( ) ( ) ( )
( )
2% un en fiabilidad la aumentado Ha
9996 , 0 0199 , 0 1 B) a A de corriente P(pasar

0199 , 0 9801 , 0 1 ) ( 1

1 ) S S P( - 1

B) a A de corriente pasar P(no 1
) ( B) a A de corriente pasar (
2
1 1
2 1 2 1
2 1
= =

= = =

=

=
=
S P S P
S P S P
S S P P
Ley de la probabilidad total
Observa la siguiente figura:





Los conjuntos A1, A2, A3, A4, mutuamente excluyentes
y exhaustivos dividen al evento B en subconjuntos
mutuamente excluyentes
Mutuamente excluyentes: los eventos no coinciden.
Exhaustivos: su unin abarca todo el espacio
muestral.
Cada resultado en este espacio pertenece a uno y slo
uno de los eventos A1, A2, A3, A4.
Cada uno de los eventos Ai que intersectan a B, forman
los eventos
Obviamente (de la figura) estos eventos son
mutuamente excluyentes y abarcan a B.
Cada resultado en B pertenece a uno y slo uno de los
eventos Por lo que:
B =
. y , , ,
4 3 2 1
B A B A B A B A
. y , , ,
4 3 2 1
B A B A B A B A
.
4 3 2 1
B A B A B A B A


El cual es la unin de los eventos mutuamente
excluyentes. Por tanto:




La ltima ecuacin es un caso particular de la ley de
probabilidad total donde hay cuatro eventos
excluyentes y exhaustivos.

( ) ( ) ( ) ( ) B A B A B A B A B =
4 3 2 1
( ) ( ) ( ) ( ) ( )
) ( ) | ( ) ( ) | ( ) ( ) | ( ) ( ) | ( ) (
) ( ) | ( ) ( que a Debido
4 4 3 3 2 2 1 1
4 3 2 1
A P A B P A P A B P A P A B P A P A B P B P
A P A B P B A P
B A P B A P B A P B A P B P
i i i
+ + + =
=
+ + + =

La intuicin detrs de la probabilidad total es muy
simple.

Los eventos A1, A2, A3 y A4 parten al evento B en
piezas.

Se podra dibujar nuevamente la figura para tener
cualquier nmero de eventos Ai. Esto conduce al caso
general de la ley de la probabilidad total.

Ley de la probabilidad total
Si A1, A2,,An son eventos mutuamente excluyentes y
exhaustivos y B es cualquier evento, entonces



De manera equivalente, si ,


) ( ... ) ( ) (
1
B A P B A P B P
n
+ + =
i i
A A P cada para 0 ) ( =
) ( ) | ( ... ) ( ) | ( ) (
1 1 n n
A P A B P A P A B P B P + + =
Ejemplo
Clientes que compran cierta marca de automvil
pueden pedir un motor en cualquiera de tres tamaos.
De todos los automviles vendidos, 45% tiene el motor
ms pequeo, 35% tamao mediano y 20% ms
grande. Los automviles en una prueba de emisiones
dentro de los dos aos de su compra fallan 10% con el
motor ms pequeo, mientras que 12% de los de
tamao mediano y 15% de los de motor ms grande.
Cul es la probabilidad de que un automvil elegido
aleatoriamente pueda fallar en una prueba de
emisionde dentro de los dos primeros aos?
Diagrama de rbol para el ejemplo
Teorema de Bayes
Si A y B son dos eventos, en general .
La regla de Bayes proporciona una frmula que
permite calcular una de las probabilidades
condicionadas si se conoce la otra.
Supongamos que conocemos P(B|A) y queremos
calcular P(A|B)
La definicin de probabilidad condicional establece
que:



) | ( ) | ( B A P A B P =
) (
) (
) | (
B P
B A P
B A P

=
Supongamos que se conoce P(B|A) y que deseamos
calcular P(A|B).
Empezamos con la definicin de probabilidad
condicional:

Pero,

Sustituimos en la primera expresin y obtenemos:


La ltima expresin es esencialmente el teorema de
Bayes.



) (
) (
) | (
B P
B A P
B A P

=
) ( ) | ( ) ( A P A B P B A P =
) (
) ( ) | (
) | (
B P
A P A B P
B A P =



Donde P(B) es la probabilidad total.

Sean A1,A2,,An una coleccin de eventos
mutuamente excluyentes y exhaustivos y utilizando la
ley de la probabilidad total, sustituyendo a P(B) con la
expresin correspondiente, obtenemos finalmente la
expresin general del Teorema de Bayes que pasamos
a enunciar formalmente.

) (
) ( ) | (
) | (
B P
A P A B P
B A P =
Teorema de Bayes
Sean A1, A2,,An eventos mutuamente excluyentes y
exhaustivos con . Sea B cualquier
evento con . Entonces:


i i
A A P cada para 0 ) ( =
0 ) ( = B P

=
=
n
i
i i
k k
k
A P A B P
A P A B P
B A P
1
) ( ) | (
) ( ) | (
) | (
Ejemplo.
La proporcin de personas en una comunidad que
tienen cierta enfermedad es 0,05. Est disponible una
prueba para diagnosticar la enfermedad. Si una
persona la padece, la probabilidad de que la prueba d
positiva es 0,99. Si una persona no est enferma, la
probabilidad de que la prueba d una seal positiva es
0,01. Si una persona sale positiva en la prueba, cul es
la probabilidad de que la persona realmente est
enferma?