Upload
alejandro-tullume-uceda
View
247
Download
4
Embed Size (px)
DESCRIPTION
Estadistica
Citation preview
17/05/2016
1
Facultad de Ingeniería – Ingeniería Civil
Estadística y Probabilidad
Estad. Rolando R. Romero Paredes
Estad. Rolando R. Romero Paredes
Logro de la sesión
• Utiliza un diagrama de árbol para organizar y evaluar
probabilidades.
• Conoce las técnicas de conteo.
17/05/2016
2
Estad. Rolando R. Romero Paredes
Técnicas de conteo
Para obtener el número total de los resultados, es necesario desarrollar algunas técnicas de conteo, las cuales son:
1. Principio fundamental de conteo
2. Diagramas de árbol.
3. Análisis combinatorio. 1. Permutaciones
2. Combinaciones
Estad. Rolando R. Romero Paredes
Diagrama de árbol
• El diagrama de árbol es una técnica gráficaempleada para enumerar todas las posibilidadeslógicas de una secuencia de eventos, donde cadaevento puede ocurrir en un número finito deveces.
• Ejemplo: Construir el diagrama que consiste enlanzar 2 monedas y observar lo que aparece en sulado superior.
17/05/2016
3
Estad. Rolando R. Romero Paredes
Ejercicio
•Construir el diagrama de árbol paraencontrar el total de posibles formas deevaluar el estado de 3 productos comodefectuoso o no defectuoso.
Estad. Rolando R. Romero Paredes
Análisis combinatorio.
• Los diagramas de árbol nos sirven para mostrar gráficamente elnúmero de resultados posibles de un fenómeno, pero estaordenación tiene un inconveniente, pues a medida queaumenta el número de objetos dicha ordenación se complica,por lo que hay que recurrir a otro proceso más sencillo paradeterminar el número total de resultados.
• Para ello existen otras técnicas tales como:• Principio fundamental de conteo.
• Permutaciones.
• Combinaciones.
17/05/2016
4
Estad. Rolando R. Romero Paredes
Análisis combinatorio - Principio fundamental de conteo.
• Si un evento puede realizarse de n1 formas diferentes, ysi, continuando el procedimiento, un segundo eventopuede realizarse de n2 formas diferentes, y si, despuésde efectuados, un tercer evento puede realizarse de n3formas diferentes, y así sucesivamente, entonces elnúmero de formas en que los eventos pueden realizarseen orden indicado es el producto de (n1) (n2) (n3)…
Estad. Rolando R. Romero Paredes
Ejemplos
• Ejemplo 1. Encontrar el total de posibles formas de
lanzar una moneda 10 veces.
• Ejemplo 2. En un parque hay una banca con 5 lugares, si
al parque asisten 5 hombres y 4 mujeres que son
amigos. ¿De cuántas maneras se pueden acomodar en
la banca?
17/05/2016
5
Estad. Rolando R. Romero Paredes
• Una permutación es una forma en la que pueden representarselos eventos, en la que el orden en que aparecen es muyimportante; por ejemplo con los números 1, 2 y 3 se puedenhacer los siguientes arreglos; 123, 132, 231, 213, 312 y 321,cada uno de ellos es una permutación de los dígitos 1, 2 y 3tomando los tres a la vez. Si sólo utilizamos dos de los tresdígitos tendríamos los siguientes arreglos; 12, 21, 13, 31, 23 y32 y cada uno de ellos representa cantidades distintas entre sí.
Análisis combinatorio - Permutaciones.
Estad. Rolando R. Romero Paredes
• Las permutaciones representan un arreglo ordenado de “r” objetos tomados de “n”, en donde r ≤ n.
• La fórmula para hallar el número de permutaciones es la siguiente:
• Donde:• n= número total de objetos.• r= es el número de objetos que se desea considerar de los “n”
disponibles.
Análisis combinatorio - Permutaciones.
17/05/2016
6
Estad. Rolando R. Romero Paredes
• Ejemplo1. Hallar el número de permutaciones que se puedenformar con los números 2, 4, 6 y 8.
a. Si sólo se utilizan 2 de estos números.
b. Si sólo se utilizan 3 de estos números.
• Ejemplo 2. La mesa directiva de una escuela está integrada porun presidente, un secretario y un tesorero; para ocupar estospuestos existen 8 candidatos y cada uno de ellos puede ocuparuno de estos cargos. Determinar el número de formas distintascomo puede quedar integrada la mesa directiva.
Análisis combinatorio - Permutaciones.
Estad. Rolando R. Romero Paredes
Logro específico de aprendizaje:
Aplicar los fundamentos de la teoría de la probabilidad en la solución de problemas
que impliquen toma de decisiones.
17/05/2016
7
Estad. Rolando R. Romero Paredes
Probabilidades
Estad. Rolando R. Romero Paredes
Introducción
• En ingeniería, economía, finanzas, administración, medicina y otras
disciplinas encontramos problemas que requieren razonamiento
cuantitativo de fenómenos aleatorios.
• La base de este razonamiento es la teoría de las probabilidades.
17/05/2016
8
Estad. Rolando R. Romero Paredes
Objetivo
• Reconocer que la incertidumbre es una característica fundamental de
cualquier entorno en el que se toman las decisiones humanas.
• Aplicar la teoría de probabilidades para analizar y expresar las
incertidumbres de un evento y el entorno.
• Eliminar la sensación de “misterio” y “temor” en el uso de las
probabilidades.
Estad. Rolando R. Romero Paredes
ProbabilidadesEl Lenguaje de Incertidumbres
• ¿Por qué Probabilidades?
- Características del Entorno en el cual se toman decisiones:
incertidumbre
- Probabilidades es el lenguaje para describir y tratar la incertidumbre
17/05/2016
9
Estad. Rolando R. Romero Paredes
Enfrentar, entender y comunicarse claramente acerca de laincertidumbre es importante y requerido para:
• Análisis de riesgo, administración del riesgo y reducción del riesgo
• Evaluación de proyectos de inversión
• Control de calidad
• Mejoramiento Genético
• Análisis de sobrevivencia
• Teoría de colas, de juegos
• Sistemas de seguros
• Otros
Estad. Rolando R. Romero Paredes
Experimentos o fenómenos aleatorios
Son experimentos o fenómenos que dan lugar a varios resultados, sin que se pueda predecir con certeza cuál de éstos va a ser observado en larealización del mismo.
Ejemplos:
• Lanzamiento de una moneda o de un dado
• Precio petróleo
• Ventas mensuales de refrigeradoras
• Costos de Producción
• Número de accidentes de tránsito que se producen en una avenida principal
• Número de personas que acudirán a un supermercado
• La inflación del próximo mes
• El tiempo que tarda un avión en realizar un determinado vuelo
• El rating del noticiero de Cuarto Poder
• Las cotizaciones de las acciones más representativas de la Bolsa de Valores de Lima
-¿Qué otros ejemplos de fenómenos aleatorios a menudo enfrenta?
• . . .
17/05/2016
10
Estad. Rolando R. Romero Paredes
Espacio Muestral:
Es el conjunto formado por todos los posibles resultados de un experimento aleatorio.
Ejemplos:
1. Lanzar un dado: = {1, 2, 3, 4, 5, 6}
2. Extraer al azar un naipe:
={1T, 2T, 3T, ..., 13D}
(52 posibles resultados)
Estad. Rolando R. Romero Paredes
Espacio Muestral:
3. Plantar dos semillas y observar si cada una germina o no.
= {GG, NG, GN, NN}
4. Evaluar artículos en una línea de producción hasta encontrar el primer defectuoso:
= {D, ND, NND, NNND, ...}
5. Observar tiempo de vida útil de un celular (en horas):
=[0, )
6. El tiempo, con relación al calor, que hará durante tres días consecutivos :
={CCC, CCN, CNC, NCC, CNN, NCN, NNC, NNN}
17/05/2016
11
Estad. Rolando R. Romero Paredes
Eventos
Un evento es cualquier subconjunto del espacio muestral .
Ejemplo:
• Experimento: Lanzar tres dados y anotar la suma de los puntos obtenidos:
={3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18}
Eventos:
A= Suma de puntos múltiplos de 5
B= Suma de puntos mayores que 12
A= {5, 10, 15}
B= {13, 14, 15, 16, 17, 18}
Estad. Rolando R. Romero Paredes
Tipos de Eventos
Experimento aleatorio: extraer al azar una carta de una baraja
Evento elemental:• Se llama así, a cada uno de los elementos del espacio muestral
• Ejemplo: sale un 3 de diamantes en la extracción de un naipe
Evento imposible: Ø
Ejemplo: Salga un 15 de diamantes en la extracción de un naipe
Evento seguro:
Ejemplo: Salga una de las 52 cartas del naipe
Evento contrario o complemento de un Evento: A’
Son todos los elementos de que no pertenecen a AEjemplo A: sale Diamante
A’ : todas las cartas que no son diamante
17/05/2016
12
Estad. Rolando R. Romero Paredes
A BDos eventos son mutuamente excluyentes si la
ocurrencia de un evento excluye la ocurrencia de
otro.A B =
Los eventos colectivamente exhaustivos son
aquellos que poseen la propiedad de que al
menos uno ellos debe ocurrir.A1
A1 A2 A3 = Ω
A2A3
Los eventos mutuamente excluyentes y
colectivamente exhaustivos son aquellos que:Ai Aj = i j, y
A1 A2 ... An = Ω
AB
C
A B = A C = B C =
y A B C = Ω
Eventos mutuamente excluyentes y colectivamente exhaustivos
Estad. Rolando R. Romero Paredes
Ejemplo 1
Experimento:
Anotar el número de televisores vendidos durante la últimasemana en una tienda de electrodomésticos
Eventos:
A= La ultima semana se vendió menos de 5 televisores
B= La última semana se vendió 25 televisores
C= La última semana se vendió 8 o mas televisores
17/05/2016
13
Estad. Rolando R. Romero Paredes
Ejemplo 1: continuación
1.Describa los eventos AUB, AUC y AC2.¿ Los eventos A y B son mutuamente excluyentes?3.Encuentre los eventos complementarios de A y C
= {0, 1, 2, 3, 4,…, N}, N=stock disponibleLos eventos A y B están formados por los eventos elementales: A = {0, 1, 2, 3, 4}B = {25} C= {8, 9, 10, …, N}
Estad. Rolando R. Romero Paredes
A partir de estos conjuntos, tenemos:
1.AUB = {0, 1, 2, 3, 4, 25}
AB = Ø
2.Al ser AB = Ø, los eventos A y B son mutuamente excluyentes.
3.El complemento de A es A´ = {5, 6, 7,…, N}
El complemento de C es C´ = {0,1, 2, 3, 4, 5, 6, 7}
AUC= ??
Ejemplo 1: continuación
17/05/2016
14
Estad. Rolando R. Romero Paredes
Estad. Rolando R. Romero Paredes28
Fundamentos de probabilidades
•En la vida real la posibilidad de que un evento suceda puede estar entre lo virtualmente
cierto y lo virtualmente imposible.
•La teoría de probabilidades ofrece un marco para asignar números reales a la posibilidad de
ocurrencia de diferentes eventos, de tal manera que sus posibilidades puedan ser
comparadas y evaluadas.
•Conceptualmente existen tres maneras de determinar la posibilidad de ocurrencia de un
evento:
•Probabilidad clásica a priori
• Probabilidad clásica empírica o frecuentista
•Probabilidad subjetiva
17/05/2016
15
Estad. Rolando R. Romero Paredes
Probabilidad clásica a priori
Depende de las características físicas del objeto en estudio y se basa en el conocimiento previo del
proceso.
Se basa en que todos los eventos elementales de un espacio muestral finito son:
• Igualmente probables
• Mutuamente excluyentes
• Colectivamente exhaustivos
En este caso, la probabilidad del evento A es el cociente entre el número de resultados favorables a la ocurrencia del evento A y el número de resultados posibles.
P(A)= #(A)
#()
Estad. Rolando R. Romero Paredes
Probabilidad clásica a priori
Ejemplos:
1. Se lanza un dado y se observa el número que sale. ¿Cuál es la probabilidad de que salga un
número par?
• ={1, 2, 3, 4, 5, 6}
• A= Sale número par
• P(A)=3/6= 1/2
2. Se sabe que en determinada urbanización viven 120 familias, de los cuales 90 son propietarios y
el resto inquilinos. Si se escoge una familia al azar ¿cual es la probabilidad de que sea inquilino?
17/05/2016
16
Estad. Rolando R. Romero Paredes
Probabilidad clásica empírica
La asignación de probabilidades a los eventos de interés se basan en la información
observada y no en el conocimiento previo del proceso.
• La probabilidad de ocurrencia de un evento se determina por observación del número de veces que
eventos similares ocurrieron en el pasado (frecuencia relativa).
• De manera similar que el enfoque clásico, la probabilidad de ocurrencia de un evento A en este caso viene
dada por:
P(A)= # de veces que ocurre A
• # de observaciones
Estad. Rolando R. Romero Paredes
Axiomas de probabilidad
1. P(Ω) = 1
2. P(A) 0
3. Si para E1, E2, ....
se cumple que Ei Ej = , para toda i j, entonces:
P(E1 E2 ....)= P(E1) + P(E2) + ...
Sea Ω el espacio de eventos de un experimento, y A un evento cualquiera de Ω.
17/05/2016
17
Estad. Rolando R. Romero Paredes
Teoremas derivados de los axiomas
1. 0 P(A) 1, para cualquier A Ω
2. Si A= Ω → P(A)=1
3. Si A= → P(A) = 0
4. Si Ω =A+A´ → P(A´)=1-P(A)
5. Si A y B pertenecen a Ω, se cumple que:
P( A B ) = P(A) + P(B) - P( A B )
6. Si A y B son ev´s mutuamente excluyentes i.e. A B= →
P( A B ) = P(A) + P(B)
7. Ley de Morgan
1. P(A B)´=1 - P(A B) = P(A´B´)
2. P(A B )´= 1 - P(AB) = P(A´ B´)
Sea Ω el espacio de eventos de un experimento, y A un evento cualquiera de Ω.
Estad. Rolando R. Romero Paredes
Resolver 1
•Dados los sucesivos mutuamente exclusivos A yB con P(A)=0.28 y P(B)=0.54.•Calcular• P( A´ );• P( B´ );• P(A B);• P(A U B) ;• P(A B´);• P(A´ B´).
17/05/2016
18
Estad. Rolando R. Romero Paredes
• Entre los 80 directivos de una compañía hay 48casados, 35 son graduados de escuelas superioresy 22 de los 48 casados también son graduados. Sise elige uno de estos directivos para que asista auna convención ¿ cuál es la probabilidad de que lapersona elegida no sea casado ni graduado ?
Resolver 2
Estad. Rolando R. Romero Paredes
• Mensualmente una oficina de bolsa estudia dos grupos de industrias y clasifica las compañías individualescomo de poco riesgo o de riesgo moderado a elevado. En un informe reciente publicó sus averiguacionessobre 13 cías de la industria aeroespacial y 27 fabricantes de alimentos con los resultados globales resumidoscomo sigue:
• Si una persona elige al azar una de estas compañías para invertir en sus acciones, U y R denotan los sucesosde que la compañía que elija es de poco riesgo o de riesgo moderado a elevado, en tanto que A y F denotanlos sucesos de que elija una compañía Aeroespacial o un fabricante de Alimentos, determinar las siguientesprobabilidades:
a. P ( U )
b. P ( R )
c. P ( A U R)
d. P ( A R)
Resolver 3
Poco riesgoRiesgo moderado
a elevado
Aeroespacial 4 9
Alimentos 16 11
17/05/2016
19
Estad. Rolando R. Romero Paredes
Probabilidad ClásicaEjemplos:
1. Un pizzería puede medir la probabilidad de que el tiempo deentrega de una pizza sea mayor que 30 minutos observando, enrelación al total de entregas hechas en el último mes, laproporción de veces en que el tiempo de entrega fue mayor que30 minutos.
2. “El 65% cree que el Congreso no defiende intereses ciudadanos”(El Comercio, p. A8 28/04/13, Muestra: 1000 personas mayoresde 18 años – IPSOS Apoyo, Opinión y Mercado)
Estad. Rolando R. Romero Paredes
Si A y B son dos eventos en , y P(A) 0, entonces la probabilidad condicional de B dado A será:
P(B/A) = P(A B) / P(A)
Como se aprecia en el diagrama P(B/A) es la proporción del área compartida por los dos eventos –P(AB)– con respecto al área del evento condicionador –P(A) –En cierto sentido, todas las probabilidades son condicionales a como definamos el evento universal .
P(A/ ) = P(A ) / P( ) = P(A) / 1 = P(A)
Si sabemos que A ha ocurrido, entonces A se convierte en el evento seguro, y podemos re-normalizar la probabilidad de cada uno de los otros eventos.
Probabilidad condicional
P(A B)
P(A)
17/05/2016
20
Estad. Rolando R. Romero Paredes
Muchas decisiones en nuestra vida diaria son gobernadas por el sentido común y la experiencia, quenos prestan un gran servicio; me refiero al tipo de decisiones que tienen que ver con la incertidumbre,es decir, situaciones en las que no tenemos toda la información disponible para tomar decisiones.
Por ejemplo, cuando conducimos al trabajo no contamos con el dato de cual es el porcentaje deaccidentes a determinada hora del día, y a pesar de no tener ese dato elegimos la velocidad a la queconduciremos, la distancia que guardaremos con respecto al carro de adelante y otras mil decisionesque están basadas solo en nuestra experiencia de los pocos accidentes que hemos visto y en algunoscasos sufrido personalmente o escuchado o leído en las noticias
A pesar de esta información incompleta lo hacemos muy bien, el cerebro parece muy bueno paraevaluar de manera aproximada las probabilidad condicionales. Es decir, a cada instante tomamosdecisiones en función de la nueva información que nos llega:
P(A|B) Probabilidad de que ocurra el evento A dado que ya ocurrió el evento B.
Probabilidad condicional
Estad. Rolando R. Romero Paredes
Escenario:
• De todas las empresas familiares el 70% no llega a
superar la segunda generación. El 30% pasa a la
segunda generación
• Y del 30% sobreviviente solo la mitad llega a la tercera
generación (Suplemento Empleos p. 2, El Comercio,
08/07/07)
17/05/2016
21
Estad. Rolando R. Romero Paredes
NegroColor
Tipo Rojo Total
As 2 2 4
No-As 24 24 48
Total 26 26 52
Espacio muestral reducido
P(As/naipe rojo)= P(As y naipe rojo) = 2/52 = 2/26P(naipe rojo) 26/52
Ejemplo 2:Experimento aleatorio: Extraer al azar una carta de la baraja
Se quiere encontrar la probabilidad de que la carta sea un As dado que el naipe extraído esrojo.
Estad. Rolando R. Romero Paredes
De la definición de probabilidad condicional se deriva el concepto de independencia
Si dos eventos A y B son independientes, en el sentido intuitivo, la ocurrencia de A no debería afectar la ocurrencia de B, es decir:
P(B/A) = P(B) o P(A B)/ P(A) = P(B)
Despejando:
P(A B) = P(A)* P(B)
Luego se define que dos eventos son independientes si la probabilidad de que ambos ocurran simultáneamente es igual al producto de las probabilidades de que ambos ocurran separadamente.
17/05/2016
22
Estad. Rolando R. Romero Paredes
Consecuencias:
• Si los eventos A y B son independientes, entonces:
• A y Bc son independientes,
• Ac y B son independientes,
• Ac y Bc son independientes.
ACB AB ABC
ACBC
A B
Estad. Rolando R. Romero Paredes
Ejemplo
• Un televidente ve de manera independiente los programas A y B. La probabilidad de que vea el
programa A es 0.2 y de que vea el programa B es 0.3, hallar la probabilidad de que:
• vea los dos programas
• no vea ninguno de los dos programas
• vea alguno de los dos programas
• vea sólo el programa A
• vea sólo el programa B
• vea sólo uno de los dos programas
17/05/2016
23
Estad. Rolando R. Romero Paredes
Ejemplo• Sean los eventos A y B
• vea los dos programas
• no vea ninguno de los dos programas
}{
}{
BprogramaelveaB
AprogramaelveaA
06.03.02.0)()()() BPAPBAPa
56.07.08.0)()()() CCCC BPAPBAPb
, P(A)=0.2
, P(A)=0.3
Estad. Rolando R. Romero Paredes
Ejemplo• vea alguno de los dos programasc) P(AB)= P(A) + P(B) – P(AB)
=0.2+ 0.3 - 0.06= 0.44 ; también
• vea sólo el programa A
44.056.01
)(1))((1)()
CCC BAPBAPBAPc
14.07.02.0
)()()()()
CC BPAPBAPBAPd
17/05/2016
24
Estad. Rolando R. Romero Paredes
Ejemplo
• vea sólo el programa B
• vea sólo uno de los dos programas
24.08.03.0
)()()()()
CC APBPABPABPe
38.024.014.0
)()()]()[()
BAPBAPBABAPf
Estad. Rolando R. Romero Paredes
Regla de la multiplicación
Sean A y B dos eventos, entonces:
P(A B) = P(B/A)P(A)
En el caso particular en que A y B son eventos independientes,
se tiene que:
P(A B) = P(A)P(B)
17/05/2016
25
Estad. Rolando R. Romero Paredes
Ejemplo:
• De las casas de 25 o más años en Chiclayo, el 60.3% son de clase media y de
ellos se sabe que 30.8% se ha remodelado. Calcular la probabilidad de que una
casa seleccionada al azar, sea de clase media y se haya remodelado.
• Solución: Sean los eventos M= casas de clase media y R= casa remodelada
• P (M R)= P(R/M)x P(M) = 0.308x 0.603=?????
Estad. Rolando R. Romero Paredes
Partición del espacio muestral
Los eventos A1, A2, …, Ak constituyen una partición del espaciomuestral , si son mutuamente excluyentes y colectivamente exhaustivos. Es decir:
• Ai Aj = Ø, para todo ij
• A1 A2 … Ak = ( ó i P(Ai) = 1 )
A1 A2Ak
17/05/2016
26
Estad. Rolando R. Romero Paredes
Regla de la probabilidad total
1 2
1
Si k eventos: , ,..., constituyen una partición
del espacio muestral ,entonces, para cualquier
evento B en ,
( ) ( ) ( / )
k
k
i i
i
A A A
P B P A P B A
B
A1 A2 Ak ...
Estad. Rolando R. Romero Paredes
Ejemplo 1
Un ensamblador de computadoras usa monitores que provienen detres proveedores P1, P2 y P3. De 2000 monitores recibidos 1000provienen de P1 y 600 de P2. De experiencias pasadas, elensamblador sabe que los porcentajes de monitores defectuososque provienen de P1, P2 y P3 son respectivamente 3%, 4%, y 5%.
Si se elige una computadora al azar,
• ¿Cuál es la probabilidad de que tenga un monitor defectuoso?
• Si contiene un monitor defectuoso, ¿cuál es la probabilidad deque este haya sido proveído por P3?.
17/05/2016
27
Estad. Rolando R. Romero Paredes
Ejemplo
B=monitor defectuoso, P(B)=??
P1
P2
P3
0.5
0.3
0.2
0.03
0.04
0.05
0.97
0.96
0.95
P(Ai)P(B/Ai)
0.5x0.03=0.015
0.3x0.04=0.012
0.2x0.05=0.01
P(B)=∑P(Ai)P(B/Ai)=0.037
D
D’
D
D’D
D’
Estad. Rolando R. Romero Paredes
Teorema de Bayes
Información
Nueva
Probabilidades
a priori
Teorema
de Bayes
Probabilidades
a posteriori
El teorema de Bayes establece la relación más importante en la teoría deprobabilidades y es la base para la revisión de la asignación de probabilidades, ala luz de información adicional.
Este teorema se deriva fácilmente del concepto de probabilidad condicional.
17/05/2016
28
Estad. Rolando R. Romero Paredes
Teorema de Bayes
1 2
1
Si k eventos: , ,..., constituyen una partición
del espacio muestral ,entonces, para cualquier
evento B en , tal que ( ) 0
( ) ( / )( / )
( ) ( / )
k
i ii k
i i
i
A A A
P B
P A P B AP A B
P A P B A
B
A1 A2 Ak ...
Estad. Rolando R. Romero Paredes
Teorema de Bayes
• El Teorema de Bayes es un método que utiliza la probabilidad
revisada con base en información adicional.
• Se calcula utilizando la siguiente fórmula:
)/()()/()(
)/()()|(
2211
111
ABPAPABPAP
ABPAPBAP
17/05/2016
29
Estad. Rolando R. Romero Paredes
Ejemplo 1: Supongamos que una extraña enfermedad infecciosa afecta a uno de cada 1000 habitantes de una población
Y supongamos que existe una prueba fiable pero no infalible para diagnosticar si una persona ha contraído la enfermedad
Estad. Rolando R. Romero Paredes
Sean los eventos:• A: El paciente padece de la enfermedad
• B: El resultado del diagnóstico del paciente es positivo
• P(A)=0.001, P(B/A)=0.99
• P(B/A’)= 0.02 (Probabilidad de un falso positivo)
• P(A/B)= ???
• Calculando la probabilidad de que el paciente padezca de la enfermedad dado que el resultado salió positivo:
• P(A/B)=P(A y B)/P(B)
• P(B)=P(A)P(B/A)+ P(A’)P(B/A’)=0.02097
• P(A/B) = P(A)P(B/A) = 0.00099 =0.0472
P(A)P(B/A)+ P(A’)P(B/A’) 0.02097
A
A’
0.001
0.999
B
B’
0.99
0.01
0.02
0.98
B
B’
P(Ai)P(B/Ai)
0.001x0.99=0.00099
0.001x0.01=0.00001
0.999x0.02=0.01998
0.999x0.98=0.97902
17/05/2016
30
Estad. Rolando R. Romero Paredes
A A’
B 0.00099 0.01998 0.02097 P(B)
B’ 0.00001 0.97902 0.97903 P(B’)
0.001 0.999 1
P(A) P(A’)
ENFERMEDAD NO ENFERMEDAD Total
RESULTADO POSITIVO 1 20 21
RESULTADO NEGATIVO 0 979 979
Total 1 999 1000
La tabla muestra lo que pasa en un grupo de 1000 pacientes. En media solo 21 pacientes darán positivo y solo 1padecerá de la enfermedad, los 20 falsos positivos se encontrarán en el gran grupo de no afectados.
Estad. Rolando R. Romero Paredes
Ejemplo 2
El parte meteorológico para Puno ha anunciado tres posibilidades para el fin de semana:a) Que llueva: probabilidad del 50% (Evento A1).b) Que nieve: probabilidad del 30% (Evento A2).c) Que haya niebla: probabilidad del 20% (Evento A3).
Según estos posibles estados meteorológicos, la posibilidad de que ocurra un accidente es la siguiente:
a) Si llueve: probabilidad de accidente del 20%.b) Si nieva: probabilidad de accidente del 10%c) Si hay niebla: probabilidad de accidente del 5%.
Si ocurrió un accidente (Evento B):1. ¿Cuál es la probabilidad de que haya llovido?2. ¿Cuál es la probabilidad de que haya nevado?3. ¿Cuál es la probabilidad de que haya habido neblina?
17/05/2016
31
Estad. Rolando R. Romero Paredes
A1
A2
A3
0.5
0.3
0.2
0.20
0.10
0.05
0.80
0.90
0.95
P(Ai)P(B/Ai)
0.5x0.20=0.1
0.3x0.10=0.03
0.2x0.05=0.01Calculando la probabilidad de que el accidente haya sucedido en un día de lluvia:
P(A1/B)=???
P(B)=∑P(Ai)P(B/Ai)=0.14P(A1/B)=P(A1)P(B/A1) = 0.1 =0.714
∑P(Ai)P(B/Ai) 0.14
0.3
B
B’
B
B’
B
B’
Estad. Rolando R. Romero Paredes
Ejercicio 1
• Una embotelladora de refresco de cola
recibió varias denuncias acerca del bajo
contenido de sus botellas. Una denuncia
fue recibida hoy, pero el gerente de
producción no puede identificar cuál de las
dos plantas en Aguascalientes (A o B) llenó
estas botellas. ¿Cuál es la probabilidad de
que las botellas defectuosas provengan de
la planta A?
• La siguiente tabla resume laexperiencia de producción de dichaembotelladora:
Planta % del total
de
producción
% de
botellas
defectuosas
A 55 3
B 45 4
17/05/2016
32
Estad. Rolando R. Romero Paredes
Ejercicio 2
• Una fábrica de ladrillos produce 5000 unidades por hora. La máquina A produce 3000 de estos ladrillos, de los que el 2% son defectuosos. La máquina B produce los 2000 restantes, de los que se sabe que el 4% son defectuosos. Determinar:• La probabilidad de que un ladrillo elegido al azar sea
defectuoso.
• Si el ladrillo seleccionado es defectuoso, ¿qué probabilidad hay de que proceda de la máquina A? ¿y de la máquina B?
Estad. Rolando R. Romero Paredes
Ejercicio 3
• En un proyecto de construcción de una autopista, hayvarios inversionistas. El 20% realiza sus inversiones víainternet, un 80% consulta InfoInversWeb. De losinversionistas que no realizan sus depósitos vía internet,solo el 20% consulta InfoInversWeb. Se pide:• Obtener la probabilidad de que un inversionista, elegido al azar,
consulte InfoInversWeb.
• Si se elige al azar un inversor y resulta que consultaInfoInversWeb, ¿Cuál es la probabilidad de que realiceoperaciones vía internet?
17/05/2016
33
Estad. Rolando R. Romero Paredes
Ejercicio 4
Del récord pasado se conoce que cierta máquina que producetornillos trabaja correctamente 90% del tiempo. Si la máquina notrabaja correctamente, el 5% de los tornillos producidos, sondefectuosos. En caso contrario, solo el 1% es defectuoso. Si seescoge aleatoriamente un tornillo producido ¿cuál es laprobabilidad de que este sea:
a. Defectuoso
b. Si es defectuoso provenga de la máquina que no trabajacorrectamente.
c. Provenga de la máquina que trabaja correctamente si se conoce quees un tornillo bueno?
Estad. Rolando R. Romero Paredes
Resumen
• Introducción
• Definiciones básicas.
• Algebra de eventos.
• Fundamentos de probabilidades.
• Probabilidad condicional e independencia.
• Regla general de la multiplicación.
• Teorema de Bayes.
• Problemas aplicativos.
17/05/2016
34
Estad. Rolando R. Romero Paredes