Sesión de aprendizaje Planifica Textos argumentativo.docx
LEYES_DE_PROBABILIDAD.pptx
1.
2. Leyes de probabilidad:
Las relaciones que se dan entre los eventos al ser
aplicadas las operaciones que se presentaron, se facilitan
y comprenden mejor haciendo uso de los axiomas y
teoremas de probabilidad (Leyes de Probabilidad).
Axioma: Es una verdad evidente que no requiere
demostración.
Teorema: Es una verdad que requiere ser demostrada.
3. Axioma 1:
Sea S un espacio muestral cualquiera y A un evento, tal que A S, entonces se
cumple que
0 P(A) 1
esto significa que la probabilidad de cualquier evento no puede ser más grande
que uno, ni ser menor que cero. Si es igual a 1 se llama evento seguro, y cuando
es cero se llama evento imposible.
P(A)
___________________________________
-2 -1 0 1 2
4. Axioma 2:
La probabilidad del espacio muestral S es un evento seguro y
es uno:
P(S) = 1
Ejemplo.-
Experimento.- Se lanza un dado.
Si A = S, es decir si el evento A coincide o es igual al espacio
muestral, entonces:
1
)
(
)
(
)
(
)
(
)
(
S
N
S
N
S
N
A
N
A
P
5. Teorema 1:
Si es el conjunto vacío, entonces la probabilidad de es
igual a cero:
Ejemplos:
Una persona que quiere ganar la lotería nacional, pero no
compra boleto.
Que aparezca un siete al lanzar un dado.
Que una persona viva 250 años.
En estos casos los eventos son vacíos.
0
)
(
0
)
(
)
(
)
(
S
N
S
N
N
P
6. Axioma 3:
Sea S un espacio muestral cualquiera y sean A y B
dos eventos tales que: A S, B S y A B = , es
decir, dos eventos mutuamente excluyentes,
entonces
P(A B) = P(A) + P(B)
7. Ejemplo:
Experimento: “Se lanzan dos monedas”.
Espacio muestral: S = { ss, aa, sa, as}, N(S) = 4
Sean los eventos:
A: “Caen dos soles exactamente”.
B: “Cae un sol exactamente”.
Los elementos de A y B son: A = { ss }, B = {sa, as}.
Se puede ver que para A B = (vacío, no hay elementos
en común), por lo que los eventos son mutuamente
excluyentes o disjuntos, por tanto
P(A B) = P(A) + P(B)
8. ( ) 1
( )
( ) 4
( ) 2
( )
( ) 4
1 2 3
( ) ( ) ( )
4 4 4
N A
P A
N
N B
P B
N
P A B P A P B
Continuación del ejemplo:
9. Axioma 4:
Sean A1, A2, A3, A4, ..., An; eventos mutuamente
excluyentes:
P(A1 A2 A3 A4, ... An) = P(A1) + P(A2) + P(A3) + P(A4) + ...+ P(An)
Este axioma dice que la probabilidad de varios
eventos mutuamente excluyentes (que no tienen
elementos en común), es igual a la suma de sus
probabilidades.
10. Si los eventos no son mutuamente excluyentes entonces
para n eventos seria:
Continuación:
1 2 1 2
1 2
( ... ) ( ) ( ) ... ( )
( ) ( ) ... ( ... )
n n
n n
i j i j k k
i j i j k
P A A A P A P A P A
P A A P A A A P A A A
11. Ejemplo:
Experimento: “Se lanza un dado”.
Sean los eventos:
A: “Que al lanzar un dado salga el 2 o el 4”.
B: “Que al lanzar un dado salga un número mayor a 4”.
C: “Que salga el 1 o 3”.
Los elementos de A, B y C son
A = {2, 4}, N(A) = 2
B = {5, 6}, N(B) = 2
C = {1, 3} , N(C) = 2
12. Continuación:
Como A, B y C son mutuamente excluyentes, ya que:
A B = {}, A C = { }, B C = { }
Por axioma 4:
P(A B C) = P(A) + P(B) + P(C)
( ) 2
( )
( ) 6
( ) 2
( )
( ) 6
( ) 2
( )
( ) 6
2 2 2 6
( ) ( ) ( ) ( ) 1
6 6 6 6
N A
P A
N
N B
P B
N
N C
P C
N
P A B C P A P B P C
13. Teorema2: Ley aditiva de la
probabilidad.
Sean A y B dos eventos no excluyentes, A B ,
entonces:
P(A B) = P(A) + P(B) - P(A B)
15. Ejemplo:
Experimento.- “Se lanza un dado y una moneda”.
S = {1s, 2s, 3s, 4s, 5s, 6s, 1a, 2a, 3a, 4a, 5a, 6a }
N(S) = 12
Evento A: “Que aparezcan el número 2 o 3 con sol”.
Evento B: “Que aparezcan números pares con sol”.
A = { 2s, 3s }, N(A) = 2
B = { 2s, 4s, 6s } N(B) = 3
A B = { 2s } N(A B ) = 1
3
1
12
1
12
3
12
2
)
(
)
(
)
(
)
(
B
A
P
B
P
A
P
B
A
P
16. Teorema 3:
Sea A un evento cualquiera y S un espacio
muestral, tal que A S, si Ac es el complemento
del evento A, entonces la probabilidad de Ac es
igual a 1 menos la probabilidad de A, es decir
P(Ac) = 1 – P(A)
17. Ejemplo:
Experimento.- “Se lanza un dado y una moneda”.
S = {1s, 2s, 3s, 4s, 5s, 6s, 1a, 2a, 3a, 4a, 5a, 6a }
N(S) = 12
Evento A: “Que aparezcan el número 2 o 3 con sol”.
Evento B: “Que aparezcan números pares con sol”.
A = { 2s, 3s }, N(A) = 2
B = { 2s, 4s, 6s } N(B) = 3
Ac = { 1s, 4s, 5s, 6s, 1a, 2a, 3a, 4a, 5a, 6a }
Bc = { 1s, 3s, 5s, 1a, 2a, 3a, 4a, 5a, 6a }
12
9
12
3
1
)
(
1
)
(
12
10
12
2
1
)
(
1
)
(
B
P
B
P
A
P
A
P
C
c
18. Probabilidad condicional:
Sea A un evento arbitrario de un espacio
muestral S, con P(E) > 0. La probabilidad de
que un evento A suceda una vez que E ha
sucedido o en otras palabras, la probabilidad
condicional de A dado E, se define como:
)
(
)
(
)
/
(
E
P
E
A
P
E
A
P
19. Eventos independientes
Se dice que los eventos A y E son independientes si se
cumplen:
Si no se cumplen, se dice que los eventos son
dependientes.
)
(
)
(
)
(
)
(
)
/
(
)
(
)
/
(
B
P
A
P
B
A
P
E
P
A
E
P
A
P
E
A
P
20. Probabilidad condicional:
Ley Multiplicativa de la Probabilidad.
Ya que (A E) = (E A) y despejamos a P(A E), se tiene
que la probabilidad de la intersección es:
)
A
P(
)
E/A
P(
)
(
)
/
(
)
(
)
(
)
(
)
/
(
)
(
)
(
)
/
(
E
P
E
A
P
E
A
P
A
P
A
E
P
A
E
P
E
P
E
A
P
E
A
P
21. Probabilidad condicional:
Si A y B son independientes:
P(E)P(A)
)
A
P(
)
E/A
P(
)
(
)
(
)
(
)
/
(
)
(
E
P
A
P
E
P
E
A
P
E
A
P
)
(
)
(
)
(
)
(
)
(
)
(
)
/
(
)
(
)
(
)
(
)
(
)
(
)
(
)
/
(
E
P
A
P
A
P
E
P
A
P
A
E
P
A
E
P
A
P
E
P
E
P
A
P
E
P
E
A
P
E
A
P
22. Ejemplo:
Experimento: “Lanzar un dado”.
Evento A: “Que al lanzar el dado caiga 3”.
Evento E: “Que al lanzar un dado salga un impar”.
Encontrar la probabilidad de que al lanzar un dado
se obtenga un 3 dado que se obtuvo un impar.
S = {1,2,3,4,5,6}
A = {3}, E = { 1,3,5}, (AE) = {3}, P(A) = 1/6
3
1
3
6
6
1
6
3
6
1
x
x
E
P
E
A
P
E
A
P
23. Otra forma de calcular las probabilidades de la
intersección y las probabilidades condicionales,
de dos eventos A y B, tal que:
A AC = S
B BC = S
es elaborando primero la tabla de número de
elementos de los eventos y después la tabla de
sus probabilidades.
24. B Bc Total
A A B A Bc A
Ac Ac B Ac Bc Ac
Total B Bc S
Se tienen los eventos A y B y sus complementos Ac,
Bc
25. B Bc Total
A N(A B) N(A Bc) N(A)
Ac N(Ac B) N(Ac Bc) N(Ac)
Total N(B) N(Bc) N(S)
Tabla de número de elementos de A, B y sus
complementos Ac, Bc
26. B Bc Total
A P(AB) P(ABc) P(A)
Ac P(AcB) P(AcBc) P(Ac)
Total P(B) P(Bc) P( Ω)
Tabla de probabilidades de A, B, Ac, Bc y sus
intersecciones
28. Ejemplo:
En cierta ciudad, las mujeres representan el 50% de la
población y los hombres el otro 50%. Se sabe que el 20% de
las mujeres y el 5% de hombres están sin trabajo. Un
economista estudia la situación de empleo, elige al azar una
persona desempleada. Si la población total es de 8000
personas,
¿ Cuál es la probabilidad de que la persona escogida sea ?:
a).- Mujer.
b).- Hombre.
c).- Mujer dado que está empleado.
d).- Desempleado dado que es hombre.
e).- Empleado dado que es mujer.
29. Solución:
Sean los eventos:
M: “Que sea Mujer”.
H: “Que sea Hombre”.
D: “Que sea Desempleado”.
E: “Que sea Empleado”
Tabla de elementos de los eventos M, H, D, E Y S.
Desempleados : D Empleados: E Total
Mujeres: M 800 3200
4000
Hombres: H 200 3800 4000
Total 1000 7000 8000
30. D E Total
M 800/8000 = 0.1 3200/8000= 0.4 4000/8000= 0.5
H 200/8000= 0.025 3800/8000= 0.475 4000/8000= 0.5
Total 1000/8000= 0.125 7000/8000= 0.875 8000/8000= 1
Tabla de probabilidades:
34. Ley multiplicativa:
1 2 3 1 2 1 3 1 2 1 2 1
( ... ) ( ) ( ) ( )... ( ... )
k k k
P A A A A P A P A A P A A A P A A A A
1 2 3 1 2 3
( ... ) ( ) ( ) ( )... ( )
k k
P A A A A P A P A P A P A
INDEPENDENCIA DE n EVENTOS
35. Probabilidad total:
Sean A1, A2, A3..., An eventos disjuntos
(mutuamente excluyentes), que forman una partición
de S. Esto es Ai Aj = para toda i y toda j, y
además
S = A1 A2 A3 An
A1
A2
A3
A4
A5
A6
An
36. Y sea E otro evento tal que E S y E Ai
A1
A2
A3
A4
A5
A6
An
E
E
37. Entonces:
E = S E = (A1 A2 A3 An) E
= (A1 E) (A2 E) (A3 E) (An
E)
Al aplicar la función de probabilidad a ambos eventos,
se tiene que:
P(E) = P(A1E) + P(A2E) +P(A3E) ++P(An E)
Ya que (Ai E) es ajeno a (Aj E) para i ≠ j
38. Como (Ai E) = (E Ai) entonces
P(Ai E) = P(E Ai) = P(E/Ai) P(Ai)
Entonces la probabilidad completa de E es:
P(E) = P(E/A1) P(A1) + P(E/A2) P(A2) + P(E/A3)P(A3)+...+ P(E/An) P(An)
39. Ejemplo:
En una pequeña empresa de tejidos, la producción se obtiene
con tres máquinas hiladoras M1, M2 y M3 que producen
respectivamente 50%, 30% y el 20% del número total de
artículos.
Los porcentajes de productos
defectuosos producidos por
estas máquinas son 3%, 4% y
5%. Si se selecciona un
artículo al azar, ¿Cuál es la
probabilidad de que el
artículo sea defectuoso?
42. P(D) = 0.015 + 0.012 + 0.01 = 0.037
P(M1) = 0.50
P(D/M1) = 0.03
M1
D P(M1) x P(D/M1) = 0.5 x 0.03 =
0.015
ND
P(ND/M1) =
0.97
P(M2) = 0.30
P(D/M2) = 0.04
M2
D P(M2) x P(D/M2) = 0.3 x 0.04 =
0.012
ND
P(ND/M2) =
0.96
P(M3) = 0.20
P(D/M3) = 0.05
M3
D P(M1) x P(D/M1) = 0.2 x 0.05 =
0.01
ND
P(ND/M3) =
0.95
43. Teorema de bayes:
Supóngase que A1, A2, A3,...,An es una partición de
un espacio muestral S. En cada caso P(Ai) ≠ 0. La
partición es tal que A1, A2, A3,...,An, son eventos
mutuamente excluyentes. Sea E cualquier evento,
entonces para cualquier Ai,
)
/
(
)
(
)
/
(
)
(
)
/
(
)
(
)
/
(
)
(
)
/
(
2
2
1
1 n
n
I
i
i
A
E
P
A
P
A
E
P
A
P
A
E
P
A
P
A
E
P
A
P
E
A
P
45. Ejemplo:
En una pequeña empresa de tejidos, la producción se obtiene
con tres máquinas hiladoras M1, M2 y M3 que producen
respectivamente 50%, 30% y el 20% del número total de
artículos.
Los porcentajes de productos
defectuosos producidos por
estas máquinas son 3%, 4% y
5%. Si se selecciona un
artículo al azar, ¿Cuál es la
probabilidad de que el
artículo sea defectuoso?
46. Solución:
Sea
D: “Que el artículo sea defectuoso”.
ND: “Que el artículo no sea defectuoso”.
M1: “Que haya sido producido por la máquina 1”.
M2: “Que haya sido producido por la máquina 2”.
M3: “Que haya sido producido por la máquina 3”.
P(M1) = .50 P(D/M1) = .03
P(M2) = .30 P(D/M2) = .04
P(M3) = .20 P(D/M3) = .05
47. P(D) = 0.015 + 0.012 + 0.01 = 0.037
P(M1) = 0.50
P(D/M1) = 0.03
M1
D P(M1) x P(D/M1) = 0.5 x 0.03 =
0.015
ND
P(ND/M1) =
0.97
P(M2) = 0.30
P(D/M2) = 0.04
M2
D P(M2) x P(D/M2) = 0.3 x 0.04 =
0.012
ND
P(ND/M2) =
0.96
P(M3) = 0.20
P(D/M3) = 0.05
M3
D P(M1) x P(D/M1) = 0.2 x 0.05 = 0.01
ND
P(ND/M3) =
0.95
48. Continuación:
Por teorema de Bayes se tiene:
La probabilidad de que el artículo defectuoso se haya
producido en la M1 es del 40.54%
4054
.
037
.
)
03
)(.
50
(.
)
(
)
/
(
)
(
)
/
(
)
(
)
/
(
)
(
)
/
(
)
(
)
/
(
)
(
)
/
(
1
1
3
3
2
2
1
1
1
1
1
D
P
M
D
P
M
P
M
D
P
M
P
M
D
P
M
P
M
D
P
M
P
M
D
P
M
P
D
M
P