PROBABILIDAD · CS II: Probabilidad pág. 4 Estas tres propiedades indican que disponemos de una...
Transcript of PROBABILIDAD · CS II: Probabilidad pág. 4 Estas tres propiedades indican que disponemos de una...
el blog de mate de aida. CS II: Probabilidad pág. 1
PROBABILIDAD
Experimentos aleatorios:
Experimentos aleatorios o de azar son aquellos cuyos resultados no se pueden predecir antes de su
realización. Son experimentos que no dan siempre el mismo resultado al repetirlos en las mismas
condiciones. Por ejemplo, tirar al aire un dado numerado.
Espacio muestral:
Se llama espacio muestral y se designa por la letra E al conjunto de todos los posibles resultados de un
experimento aleatorio, es importante definir el experimento, no es lo mismo el experimento sacar una
carta y mirar el palo (4 posibles resultados), que mirar el número (10 posibles en la baraja española).
Ejemplo: E = {1,2,3,4,5,6}.
Suceso:
Se llama suceso a cualquier subconjunto del espacio muestral E. Si el espacio muestral tiene n
elementos, se pueden formar exactamente 2n sucesos. Hay dos sucesos particulares, el suceso
imposible (∅) y el suceso seguro E.
Los sucesos formados sólo por un elemento (hay n) se llaman sucesos individuales o elementales.
P.E. si lanzamos un dado y miramos el número que sale hay 6 sucesos elementales, hay 26 = 64 posibles
sucesos, de los cuales alguno es:
A ={1,2} B ={2,3,5} C ={1,3,5,6}
Si tiro el dado y sale un 1 se cumple el suceso A y C en este caso, pero si sale 6 sólo se cumple el suceso
C.
Cualquier suceso que sea igual al espacio muestral E, se llama suceso seguro. (Es aquel que siempre se
verifica).
Cualquier suceso que sea igual al conjunto se llama suceso imposible y, por tanto, será un suceso que
no se produce nunca.
OPERACIONES CON SUCESOS
Sean los sucesos A y B; se dice que el suceso A está contenido en el suceso B, A B, si siempre que se
verifica A, también se verifica B.
Dados dos sucesos A y B, se llama suceso unión, y se designa por A U B, al suceso que se produce si se
verifica A ó B. Ejemplo: A: “salir par” y B:“salir mayor que 4”. Entonces, A = {2,4,6}, B = {5,6} y
AUB={2,4,5,6}.
A
B
2
4
65
31
E
el blog de mate de aida. CS II: Probabilidad pág. 2
Dados dos sucesos A y B, se llama suceso intersección, y se escribe por A B al suceso que se realiza
si se verifica A y B. Ejemplo: A:”salir par” y B: “salir mayor que 4”. Entonces, A = {2,4,6}, B = {5,6} y
AB = {6}.
A
B
2
4
65
31
E
Dado un suceso A, se llama suceso contrario o complementario del suceso A, y se designa por A ó cA ,
al suceso que se verifica siempre que no se produce A. Ejemplo: A: “salir par”. Entonces A = {2,4,6} y
A = {1,3,5}. Observación: el suceso seguro E y el suceso imposible son contrarios.
Dos sucesos son incompatibles si no se pueden verificar a la vez, es decir, A B = . Ejemplo: A: “salir
par”; B:”salir primo mayor que dos”. Entonces A = {2,4,6}, B = {3,5} y A B = . Por tanto, A y B son
incompatibles.
Diferencia de sucesos: Dados dos sucesos A y B, el suceso A menos B es el suceso que se verifica
cuando se realiza A y no se realiza B. Lo representaremos por A\B. Se verifica que A\B=A B .
Ejemplo: A: “salir par” y B: “salir mayor que 4”. Entonces: A = {2,4,6}, B = {5,6} y A\B = {2,4}.
el blog de mate de aida. CS II: Probabilidad pág. 3
Propiedades de las operaciones con sucesos:
Cualesquiera tres sucesos A, B, C, verifican las siguientes propiedades:
Unión Intersección Unión e intersección
Asociativa (AUB)UC=AU(BUC) (AB)C=A(BC) Simplificativas:
AU(BA)=A
A(BUA)=A
Conmutativa AUB=BUA AB=BA
Idempotente AUA=A AA=A
De complementación AUAC=E AAC= Distributivas:
AU(BC)=(AUB)(AUC)
A(BUC)=(AB)U (AC)
Elemento neutro AU=A AE=A
Elemento absorvente A=
Leyes de Morgan BUAAUB BUABA
Ley de los grandes números:
Consideremos una experiencia aleatoria que pueda ser repetida un elevado número de veces en
condiciones uniformes. Empíricamente, se comprueba que la frecuencia relativa fr(A) de un suceso se
estabiliza para valores crecientes de n (porque al ser el denominador cada vez más grande, le afectan
menos las fluctuaciones del numerador).
Por regularidades estadísticas de los fenómenos aleatorios entenderemos, pues, la estabilización de las
frecuencias relativas de los sucesos ligados a ellos, al repetirse dichos fenómenos un elevado número de
veces.
La idea de regularidad sugiere que si repitiésemos la experiencia un número infinito de veces, las
frecuencias relativas alcanzarían un determinado valor teórico. Esto permite asignar a cada suceso
ligado a un experimento un nº entre 0 y 1 tal que la frecuencia relativa de A, en una larga serie de
repeticiones del experimento, se aproxime a dicho número p, que se designa como probabilidad de A.
Esto se llama ley de los grandes números.
Es decir: si realizamos N veces un experimento aleatorio y el suceso A ocurre nA veces, se define:
An : Frecuencia absoluta del suceso A.
N
nA : Frecuencia relativa del suceso A.
Definimos la probabilidad de que A ocurra como el límite de su frecuencia relativa cuando N tiende a
infinito: N
nAP A
N lim)(
DEFINICIÓN AXIOMÁTICA DE PROBABILIDAD
Llamamos función de probabilidad a toda aplicación P definida entre el espacio de sucesos y el conjunto
de los números reales, tal que a todo suceso A, le asocia un número real P(A), al que llamamos
probabilidad del suceso A, cumpliendo, por definición, las siguientes propiedades (axiomas):
1. 0 P(A) 1, para todo suceso A.
2. La probabilidad del suceso seguro es uno: P(E) = 1. (Probabilidad total).
3. Si A y B son sucesos incompatibles (AB = ): P(AUB) = P(A) + P(B).
el blog de mate de aida. CS II: Probabilidad pág. 4
Estas tres propiedades indican que disponemos de una cantidad total de probabilidad igual a 1 que
tenemos que repartir aditivamente entre los distintos sucesos.
Propiedades de la probabilidad:
1º. )(1)( APAP
2º. P() = 0
3º. Si A y B son dos sucesos tales que AB entonces:
P(A) P(B) y P(B-A) = P(B) - P(A)
4º. Si A y B son sucesos compatibles (AB), entonces:
P (A U B) = P (A) + P (B) – P (AB)
(A U B = sacar A ó sacar B).
5º. Si A y B son sucesos incompatibles (AB), entonces:
P (AUB) = P (A) + P (B)
6º. Si el espacio muestral es finito y un suceso A se compone de n sucesos elementales se cumple:
A = {x1, x2, ... , xn} → P (A) = P (x1) + P (x2) + … + P (xn)
7º. P (AC ∪ BC) = 1 - P (A ∩ B) y P (AC ∩ BC) = 1 - P (A ∪ B)
(Se deducen de las leyes de Morgan.)
8º. Sea A y B dos sucesos cualesquiera P (A) = P (A ∩ B) + P (A ∩ BC) ya que
B = (A ∩ B) ∪ (A ∩ BC) con (A ∩ B) y (A ∩ BC) incompatibles.
NOTA: Es útil recordar esta regla P (al menos una ….) + P (ninguna…) = 1
Ejemplo 1: Si se lanza una moneda tres veces, ¿cuál es la probabilidad de obtener tres caras?
Probabilidad de Laplace:
Si tenemos un espacio muestral E formado por sucesos elementales (casos) equiprobables (tienen la
misma probabilidad) y llamamos casos favorables de un suceso A al número de sus sucesos elementales,
es decir, al número de casos en que es un éxito y casos posibles al número total de casos posibles, se
define la probabilidad de Laplace de la siguiente forma: “La probabilidad P(A) de un suceso A, es el
cociente entre el número de casos favorables y el número de casos posibles”:
posiblescasosdenúmero
AafavorablescasosdenúmeroAP )(
el blog de mate de aida. CS II: Probabilidad pág. 5
No siempre se puede utilizar la ley anterior, por ejemplo en instrumentos irregulares (dado trucado,
chincheta etc...) o cuando los sucesos no son equiprobables (tirar dos dados y sumar sus caras, sacar
una baraja y mirar cuando es figura etc.…).
Ejemplo 2: Por ejemplo: Sea el suceso A: “sacar múltiplo de tres”, en el lanzamiento de un dado de seis
caras numeradas del 1 al 6. ¿Cuál es la probabilidad del suceso A?
Casos posibles: E={1,2,3,4,5,6}.
Casos favorables: A={3,6}.
6
2)( AP
Ejemplo 3: En una baraja de 40 cartas, halla:
a) P[as] b) P[oros]
a) 1,040
4)(
cartasdetotalnúmero
asesdenúmeroasP ;
b) 25,040
10)(
cartasdetotalnúmero
orosdenúmeroorosP
Ejemplo 4: En una baraja hemos suprimido varias cartas. Entre las que quedan se dan las siguientes
probabilidades de ser extraídas: P[Rey] = 0,15; P[bastos] = 0,3; P[carta que no sea rey ni bastos] = 0,6.
a) ¿Está entre ellas el rey de bastos?
b) ¿Cuántas cartas hay?
a) El suceso “ni rey ni bastos” es el suceso complementario de “rey o bastos”, pues
BRBR .
b) P[ni rey ni bastos] = 0,6 P[rey o bastos] = P[rey bastos] = 1 – 0,6 = 0,4
P[rey bastos] = P[rey] + P[bastos] – P[rey bastos]
Sustituyendo:
05,0][][3,015,04,0 bastosreyPbastosreyP
Por tanto, el rey de bastos está y su probabilidad es: 20
105,0
bastosdereyP
b) Como la probabilidad de extraer cada una de las cartas de una baraja es la misma, si en este
montón la probabilidad de sacar el rey de bastos es 1/20, es porque hay 20 cartas.
PROBABILIDAD CONDICIONADA
Se llama probabilidad condicionada del suceso A, respecto al suceso B, y se simboliza por P(A/B), al
cociente:
)(
)()/(
BP
BAPBAP
con P(B)0.
(Es la probabilidad de que se realice A sabiendo que se ha realizado B).
Se dice que A y B son independientes cuando P (A/B) = P (A), en este caso si aplicamos la definición:
P (A ∩ B) = P (A) · P (B)
Es importante no confundir sucesos incompatibles (no se pueden producir a la vez A ∩ B = ∅, por lo
tanto P (A ∩ B) = 0 y P (A ∪ B) = P (A) + P (B) ), con sucesos independientes P (A ∩ B) = P (A) · P (B).
el blog de mate de aida. CS II: Probabilidad pág. 6
Ejemplo 5: En el experimento aleatorio de lanzar tres monedas, si A={sacar dos caras}, su probabilidad
es 8
3)( AP , pues los casos favorables son tres: CCX, CXC, XCC, siendo los casos posibles 8: CCC, CCX,
CXC, XCC, XXC, XCX, CXX y XXX. Por tanto, ahora, la probabilidad del suceso A, sabiendo que ha
ocurrido B={hay, como mínimo una cruz} (que llamaremos suceso A condicionado con B y se escribe A/B),
sería:
)(
)(
8
78
3
7
3)/(
BP
BAPBAP
Estrategias para estudiar probabilidades
Un experimento aleatorio compuesto es el que está formado por varios experimentos simples o que se
puede descomponer en varios experimentos más simples.
Siempre que tengamos que resolver un problema de un experimento compuesto, lo descomponemos en
los experimentos simples correspondientes. En este tipo de problemas tenemos estrategias distintas:
Diagrama de árbol:
Un árbol de probabilidades es un diagrama en árbol, de forma que en cada rama escribimos su
probabilidad, que es la probabilidad de un experimento simple. Un camino es un conjunto de ramas que
nos lleva desde el principio hasta el final.
La probabilidad de un camino es igual al producto de las probabilidades de sus ramas y la probabilidad
de varios caminos es igual a la suma de las probabilidades de cada uno de ellos.
Ejemplo 6: Tenemos una urna A con 2 bolas rojas y tres verdes y otra urna B con 5 bolas rojas y 4
verdes. Elegimos una urna al azar y de ella extraemos una bola. Haz el árbol de probabilidades y calcula
la probabilidad de que la bola extraída sea roja.
48,090
43
9
5
2
1
5
2
2
1)( rojaP
Diagrama cartesiano:
Un diagrama cartesiano es una tabla de doble entrada que nos da todas las posibilidades que se pueden
obtener al realizar un experimento compuesto por dos pruebas.
Ejemplo 7: Lanzamos dos dados de seis caras numeradas del 1 al 6 y queremos saber la suma de puntos.
Representa el diagrama cartesiano y calcula la probabilidad de obtener suma 9.
el blog de mate de aida. CS II: Probabilidad pág. 7
1 2 3 4 5 6
1 2 3 4 5 6 7
2 3 4 5 6 7 8
3 4 5 6 7 8 9
4 5 6 7 8 9 10
5 6 7 8 9 19 11
6 7 8 9 10 11 12
11,036
4)9( SumaP
Tabla de contingencia:
Llamamos variables cualitativas a aquellas cuyo resultado es un valor o categoría de entre un conjunto
finito de respuestas posibles. El sexo, el estado civil o el grupo sanguíneo son ejemplos de variables
cualitativas.
Cuando se analizan variables cualitativas es habitual representar en tablas las frecuencias de casos
observados para cada una de las diferentes categorías de las variables, las cuales se denominan tablas
de contingencia.
Se incluye una última fila y columna con los totales parciales.
Es, por tanto, una tabla que nos permite organizar los elementos de una población según dos
características. Se llama de contingencia porque en ella se presentan todas las posibilidades o
contingencias.
Ejemplo 8: En un centro de bachillerato de 800 alumnos, sabemos que hay 420 chicas de las que 310
practican deporte y que 105 chicos no practican deporte.
a) Haz la tabla de contingencia.
b) ¿Quiénes llevan una vida más sana, los chicos o las chicas?
Chicas Chicos Total
Practican deporte 310 275 585
No practican deporte 110 105 215
Total 420 380 800
P(que una chica practique deporte) = 420
310 = 0,74
P(que un chico practique deporte) = 380
275 = 0,72
Ejemplo 9: Se sigue la pista, durante un año, a 100000 motos de tres marcas distintas: SETA, FLOR y
AVE. Unas han tenido algún accidente serio (AC) y otras no (NO AC). Los resultados se reparten como
aparece en la tabla, que empezamos completando con las sumas parciales y con la suma total.
el blog de mate de aida. CS II: Probabilidad pág. 8
SETA FLOR AVE
AC 400 200 400 1000
NO AC 49600 19800 29600 99000
50000 20000 30000 100000
Si entre las mil motos que han tenido un accidente AC, elegimos una al azar, es fácil hallar las
probabilidades condicionadas:
P (SETA/AC) = 1000
400 = 0,4
(Sabiendo que ha tenido un accidente, ¿cuál es la probabilidad de que sea SETA?)
Análogamente:
P(FLOR/AC) = 1000
200 = 0,2; P(AVE/AC) =
1000
400 = 0,4
También se puede calcular la probabilidad de que una moto de cierta marca tenga un accidente:
P(AC/SETA) = 50000
400 = 0,008; P(AC/FLOR) =
20000
200 = 0,010; P(AC/AVE) =
30000
400 = 0,0133
Estos resultados hacen ver que la marca más segura es SETA y la menos, AVE. Comparando estas
probabilidades condicionadas con la probabilidad total, P(AC) = 100000
1000 = 0,01, vemos que los sucesos
FLOR y AC son independientes, mientras que SETA y AVE no son independientes con AC.
Experimentos compuestos
Hay experiencias en las que fácilmente se pueden distinguir varias etapas. Se llaman pruebas
compuestas y su estudio se simplifica mucho calculando las probabilidades de sus componentes.
Dos pruebas son independientes cuando el resultado de una no influye en la otra. En caso contrario se
llaman dependientes.
Ejemplo: Lanzamos una moneda y un dado. Es evidente que son independientes.
Ejemplo: Sacamos dos cartas de la baraja. El resultado de la primera si influye en la segunda (por
ejemplo, si en la primera sacamos AS, es menos probable que lo saquemos en la segunda). Son
dependientes.
Experimentos independientes:
Sean A y B dos sucesos; se dice que B es independiente de A si se verifica:
P(B) = P(B/A), supuesto P(A) 0
En consecuencia, si dos sucesos son independientes se verifica:
)()·()( BPAPBAP
Ejemplo 10: De una baraja española de 40 cartas sacamos, primero una, la devolvemos y luego sacamos
otra. Sean los sucesos A: “sacar oros” y B: “sacar copas”. ¿Cómo son los sucesos A y B, dependientes o
independientes? ¿Cuál es la probabilidad de sacar primero oros y después copas?
el blog de mate de aida. CS II: Probabilidad pág. 9
Los sucesos A y B son independientes ya que, al haber devolución en la segunda extracción, tenemos las
mismas cartas que en la primera extracción.
0625,040
10
40
10)()·()( BPAPBAP
Experimentos dependientes: (Probabilidad compuesta o teorema del producto)
Dos experimentos son dependientes cuando el resultado del primero influye en las probabilidades de los
sucesos del segundo. Las probabilidades de sucesos compuestos se obtienen así:
12121 /·ª2ª1 SSPSPenySenSP , es decir:
P[S1 en 1ª] · P[S2 en 2ª sabiendo que ocurrió S1 en 1ª]
Si se encadenan más de dos experimentos dependientes, las probabilidades de los sucesos compuestos
se obtienen análogamente. Por ejemplo, para tres pruebas:
21312121 /·/·ª3ª2ª1 ySSSPSSPSPenySenySenSP
Esta fórmula se puede generalizar para n3 y se llama ley de probabilidad compuesta.
Es el estudio de la probabilidad de un camino de un árbol, que, como ya sabemos calcular, es el producto
de las ramas que componen el camino.
Ejemplo 11: En un baile en el que el 30 % de las chicas rubias tienen ojos negros, ¿cuál es la
probabilidad de sacar a bailar, al azar, a una rubia de ojos negros, si el 40 % de las chicas del baile son
rubias?
R=”rubia”; N=”ojos negros”.
5
2
100
40)( RP ;
10
3
100
30)/( RNP
25
3
10
3
5
2)/()·()( RNPRPNRP
Ejemplo 12: Tenemos un cofre y sabemos que tiene 25 monedas de oro y 75 de plata. ¿Cuál es la
probabilidad de sacar del cofre tres monedas de oro sin devolución?
Sean los sucesos A: “sacar moneda de oro la primera”, B: “sacar moneda de oro la segunda” y C: “sacar
moneda de oro la tercera”.
el blog de mate de aida. CS II: Probabilidad pág. 10
014,098
23
99
24
100
25)/()·/()·()( BACPABPAPCBAP
Probabilidad total:
Si A1, A2, …, An son sucesos incompatibles del experimento E tales que EAn
i
i
1
, entonces, la
probabilidad de cualquier suceso S, se calcula mediante la expresión:
P(S) = P(A1) · P(S/A1) + P(A2) · P(S/A2) + … + P(An) · P(S/An)
P(S) se llama probabilidad total.
La demostración es sencilla teniendo en cuenta que:
S = (S ∩ A1) ∪ (S ∩ A2) ∪ ... ∪ (S ∩ An ) Siendo todos incompatibles, por lo tanto:
P (S) = P (S ∩ A1 ) + P (S ∩ A2 ) +......+ P (S ∩An ) =
= P (A1) · P (S / A1) + P (A2) · P (S / A2) +......+ P (An) · P (S / An )
Ejemplo 13: Probamos tres vacunas A1, A2, A3 en 100 personas: la vacuna A1, en 30; la A2, en 20; y la
A3, en 50. Pasado el tiempo adecuado, observamos que del grupo A1, 23 no han contraído la enfermedad;
del A2, 17, y del A3, 39. ¿Qué probabilidad tenemos de que elegida una persona al azar esté sana?
S=”personas sanas”.
P(S) = P(A1) · P(S/A1) + P(A2) · P(S/A2) + P(A3) · P(S/A3) = 79,050
39
100
50
20
17
100
20
30
23
100
30
Teorema de Bayes:
Si A1, A2, …, An son sucesos incompatibles del experimento E tales que EAn
i
i
1
, y S un suceso
cualquiera, al que se puede llegar pasando por los sucesos A1, A2, …, An,,, ¿cuál es la probabilidad de que
haya sido pasando por Ai (probabilidad de que se verifique Ai condicionado a S)?
))·P(S/AP(A ))·P(S/AP(A))·P(S/AP(A
)P(S/A)P(A/S)P(A
nn2211
iii
el blog de mate de aida. CS II: Probabilidad pág. 11
P(S)
S)P(A/S)P(A i
i
Las probabilidades )P(Ai se llaman a priori porque son conocidas.
Las probabilidades )P(B/Ai se llaman verosimilitudes, por ser creíbles, ya que no ofrecen ninguna
duda.
Las probabilidades /B)P(Ai se llaman a posteriori porque son las que tenemos que calcular.
Ejemplo 14: Probamos tres vacunas A1, A2, A3 en 100 personas: la vacuna A1, en 30; la A2, en 20; y la
A3, en 50. Pasado el tiempo adecuado, observamos que del grupo A1, 23 no han contraído la enfermedad;
del A2, 17, y del A3, 39.
Si elegimos una persona al azar y está sana, ¿qué probabilidad tenemos de que proceda del grupo A3?
49,0))·P(S/AP(A))·P(S/AP(A))·P(S/AP(A
)P(S/A)P(A/S)P(A
332211
33
3
Ejemplo 15: Tres máquinas M1, M2, M3 producen el 45 %, el 30 % y el 25 %, respectivamente, del total
de las piezas producidas en una fábrica. Los porcentajes de producción defectuosa de estas máquinas
son del 3 %, 4 % y 5 %.
A) Seleccionamos una pieza al azar, calcula la probabilidad de que sea defectuosa.
B) Tomamos, al azar, una pieza, y resulta ser defectuosa, calcula la probabilidad de que haya
sido producida por la máquina M2.
Solución:
D = la pieza es defectuosa
N = la pieza no es defectuosa
A)
0,0380,25·0,050,30·0,040,45·0,03 ))·P(D/MP(M))·P(D/MP(M))·P(D/MP(MP(D) 332211
el blog de mate de aida. CS II: Probabilidad pág. 12
B) Utilizando el teorema de Bayes:
))·P(D/MP(M))·P(D/MP(M))·P(D/MP(M
)P(D/M)P(M/D)P(M
332211
222
316,0380
120
·0,0525,0·0,0430,00,45·0,03
04,00,30
C) 355,0380
135
·0,0525,0·0,0430,00,45·0,03
03,00,45)/( 1
DMP
329,0380
125
·0,0525,0·0,0430,00,45·0,03
05,00,25)/( 3
DMP
La máquina con mayor probabilidad de haber producido la pieza defectuosa es M1.
Ejemplo 16: Tenemos tres urnas: U1 con 3 bolas rojas y 5 negras, U2 con 2 bolas rojas y 1 negra; y U3
con 2 bolas rojas y 3 negras. Escogemos una urna al azar y extraemos una bola. Si la bola ha sido roja,
¿cuál es la probabilidad de haber sido extraída de la urna U1?
Solución:
R = sacar bola roja
N = sacar bola negra
Utilizando el teorema de Bayes:
))·P(R/UP(U))·P(R/UP(U))·P(R/UP(U
)P(R/U)P(U/R)P(U
332211
111
260,0
173
45
·(2/5))3/1(·(2/3))3/1()(1/3)·(3/8
8/31/3