Repaso de teoría de conjuntos
Fenómenos determinísticos vs. fenómenos aleatorios
Definición de probabilidad
Interpretación frecuentista y Bayesiana de la probabilidad
Espacio muestral, eventos
Sigma-álgebra
Medida de probabilidad, definición, propiedades
Axiomas de Kolmogorov
Probabilidad conjunta, marginal, condicional
Eventos independientes
Teorema de las probabilidades totales, teorema de Bayes
Técnicas de conteo: factorial, permutación, combinatoria
14. De este modo para un frecuentista, la definición de probabilidad sería: Definición: si un experimento que está sujeto al azar resulta de n formas igualmente probables y mutuamente excluyentes (es decir que ocurren bajo las mismas condiciones), y su n A de estos resultados tienen un atributo A , la probabilidad del atributo A es: Interpretación frecuentista de probabilidad
15.
16. Nota 1: A veces el futuro no se puede predecir y solo se puede calcular la probabilidad de que algo suceda. Nota 2: En el lanzamiento de un dado los resultados son mutuamente excluyentes y mutuamente probables. La probabilidad de obtener un 4 es 1/6. Esto no significa que en 6 tiradas tengamos necesariamente que obtener un 4. Nota 3: El desarrollo inicial de la teoría de probabilidades se asocia al estudio de los juegos de azar.
26. Sigma-algebra: motivación Cuando analizamos eventos aleatorios, generalmente no estamos interesados en Ω sino en un subconjunto E ∈ Ω. Cuando analizamos las probabilidades de ocurrencia del evento E, tambien nos interesan las probabilidades de la no ocurrencia del evento E. Además si nos interesa la probabilidad de ocurrencia de los eventos A 1 y A 2 también nos interesaría la probabilidad de su unión.
59. Ejemplo Una pareja planifica utilizando DemoProvera (confiabilidad = 99.7%/año) y condón de latex masculino (confiabilidad = 98%/año) simultáneamente. Si la probabilidad de quedar en embarazo al tener relaciones sin protección es del 85%/año, ¿cuál es la probabilidad de un embarazo no deseado? Porcentajes sacados de: http://en.wikipedia.org/wiki/Comparison_of_birth_control_methods
63. Ejemplo Suponga que se quiere diseñar el acueducto de un parque industrial que tendrá dos fábricas. Supongamos que existen dos niveles de demanda de agua: W 1 = 1 m 3 /min y W 2 = 2 m 3 /min. La probabilidad que cualquier fábrica requiera dichos niveles de demanda son 0.3 y 0.7 respectivamente (P(W 1 )=0.3, P(W 2 )=0.7). Dichos niveles de demanda de ambas fábricas son estádísticamente independientes. ¿Cuál es la combinación de niveles de demanda menos probable? más probable? Fabrica 1 Fabrica 2
64. P(W 1 W 1 ) = P(W 1 )P(W 1 )=0.3 x 0.3 = 0.09 2 P(W 1 W 2 ) = P(W 1 )P(W 1 )=0.3 x 0.7 = 0.21 3 P(W 2 W 1 ) = P(W 2 )P(W 1 )=0.7 x 0.3 = 0.21 3 P(W 2 W 2 ) = P(W 2 )P(W 2 )=0.7 x 0.7 = 0.49 4 1.00 Nivel total de demanda 0.42
65. Si los costos de instalación inicial y de ensanche son los siguientes: Costos de instalación inicial: Dos unidades = $2500 Tres unidades = $3000 Cuatro unidades = $4000 Costo de ensanche: Dos a tres unidades = $1200 Tres a cuatro unidades = $1500 Dos a cuatro unidades = $2000 Que capacidad inicial instalaría usted de modo que el costo total esperado del proyecto sea el mínimo?
82. Ejercicio Suponga que tenemos dos urnas: A y B. Las cuales se muestran en la figura. En A hay siete bolas rojas (red - R) y tres bolas blancas (white - W). En B hay una bola roja y nueve blancas. Se lanza una moneda. Si caen caras se saca una bola de la urna A y si cae en sellos se saca una bola de la urna B. Si se lanzó la moneda y se sacó una bola roja, cual es la probabilidad que esta bola provenga de la urna A?
90. Factorial en MATLAB FACTORIAL(N): como los números de doble precision solo almacenan 15 dígitos, la respuesta es exacta para N ≤ 21. Si N>21, la respuesta solo será aproximada.
92. Es el número de arreglos en un orden en particular de los elementos que forman un conjunto. De cuantas formas diferentes se pueden ubicar a, b y c? a b c a c b b a c b c a c a b c b a Permutación P(n,r) Para la primera posición se escoje cualquiera de las letras Para la segunda posición se puede escoger dos letras para la primera posición Para la última posición se escoje la letra restante En este caso tenemos 3x2x1 = 6 posibilidades
94. Combinatoria C(n,r) De los objetos de un conjunto, es una selección de estos sin importar el orden. Se divide por r ! ya que en cada combinación existen r ! permutaciones
95. Ejemplo Supongamos que el grupo de probabilidad y estadística está formado por 35 estudiantes. Cuantos grupos de tres estudiantes podrían formarse para hacer un trabajo? La solución es
96. Combinatoria vs Permutación La diferencia entre una permutación y una combinatoria es que en la primera el interés se centra en contar todas las posibles selecciones y todos los arreglos de estas, mientras que en la segunda el interés sólo recae en contar el número de selecciones diferentes. Ejemplo: abc y acb son diferentes permutaciones pero son iguales combinación de las letras
ain A, b
otin B quad quad Asubseteq B quad quad A cap B quad quad A cup B quad quad Asetminus B quad quad A riangle B quad quad Xsetminus A equiv A^c Tomadas de http://de.wikipedia.org/wiki/Mengendiagramm
La paradoja del falso positivo La magnitud de este problema es la mejor entendida en términos de probabilidades condicionales. Supongamos un grupo de personas de las que el 1\% sufre una cierta enfermedad, y el resto está bien. Escogiendo un individuo al azar: [P(enfermo) = 1\% = 0.01 ext{ y } P(sano) = 99\% = 0.99 ] Supongamos que aplicando una prueba a una persona que no tiene la enfermedad, hay una posibilidad del 1\% de conseguir un extbf{falso positivo}, esto es: [P(positivo|sano) = 1\% ext{ y } P(negativo|sano) = 99\%] Finalmente, supongamos que aplicando la prueba a una persona que tiene la enfermedad, hay una posibilidad del 1\% de un extbf{falso negativo}, esto es: [P(negativo|enfermo) = 1\% ext{ y } P(positivo|enfermo) = 99\%] Ahora, uno puede calcular lo siguiente: La fracción de individuos en el grupo que están sanos y dan negativo: [P( sano cap negativo) = P(sano) imes P(negativo|sano)=99\% imes 99\%=98.01\%] ******** La fracción de individuos en el grupo que están enfermos y dan positivo: [P( enfermo cap positivo) = P(enfermo) imes P(postivo|enfermo) = 1\% imes 99\% = 0.99\%] La fracción de individuos en el grupo que dan falso positivo: [P( sano cap positivo) = P(sano) imes P(postivo|sano) = 99\% imes 1\% = 0.99\%] La fracción de individuos en el grupo que dan falso negativo: [P( enfermo cap negativo) = P(enfermo) imes P(negativo|enfermo) = 1\% imes 1\% = 0.01\%] *** Además, la fracción de individuos en el grupo que dan positivo: egin{align*} P( positivo ) &= P ( sano cap positivo ) + P ( enfermo cap postivo )\ &= 0.99\% + 0.99\% = 1.98\% end{align*} Finalmente, la probabilidad de que un individuorealmente tenga la enfermedad, dado un resultado de la prueba positivo: egin{align*} P(enfermo|positivo) &= frac{P(enfermo cap positivo)}{P(positivo)}\ &=frac{0.99\%}{1.98\%}=50\% end{align*} En este ejemplo, debería ser fácil ver la diferencia entre las probabilidades condicionadas P (positivo | enfermo) (que es del 99\%) y P (enfermo | positivo) (que es del 50\%): la primera es la probabilidad de que un individuo enfermo de positivo en la prueba; la segunda es la probabilidad de que un individuo que da positivo en la prueba tenga realemnte la enfermedad. Con los números escogidos aquí, este último resultado probablemente sería considerado inaceptable: la mitad de la gente que da positivo en realidad está sana. ------------------------------------------------------------------------------------------------------------- La probabilidad de tener una enfermedad rara es de 0,001 (esto es $P(enfermo) = 0,001$). La probabilidad de que cuando el paciente está enfermo se acierte en el diagnóstico es de 0,99: (esto es $P(positivo|enfermo) = 0,99$). La probabilidad de falso positivo es de 0,05: (esto es $P(positivo|sano) = 0,05$). Pregunta: Me dicen que he dado positivo, ¿Qué probabilidad hay de que tenga la enfermedad? [P(enfermo|positivo)=frac{P(enfermo) imes P(positivo|enfermo)}{P(positivo)} ] [P(enfermo|positivo)= P(enfermo) imes frac{P(positivo|enfermo)}{P(enfermo) imes P(positivo|enfermo)+P(sano) imes P(positivo|sano)}] [P(enfermo|positivo)=frac{ 0,001 imes 0,99 }{0,001 imes 0,99+0,999 imes 0,05}= 0,019= 1,9\%]