Estad´ıstica
Tema 3: C´
alculo de Probabilidades
Unidad 1: Introducci´
on y Concepto
´
Area de Estad´ıstica e Investigaci´on Operativa Licesio J. Rodr´ıguez-Arag´on Octubre 2010 Contenidos . . . 2 Definici´on de Probabilidad 3 Experimento Aleatorio . . . 4 Suceso. . . 5 Definici´on Cl´asica . . . 6 Definici´on Frecuentista. . . 7 Definici´on Subjetiva. . . 8 Axiomas y Propiedades . . . 9 Probabilidad Condicionada 10 Probabilidad Condicionada . . . 11
Regla del Producto . . . 12
Problema I . . . 13
Teorema de la Probabilidad Total . . . 14
Problema II . . . 15
Contenidos
Definici´on de Probabilidad
– Experimento Aleatorio, Definici´on Cl´asica, Definici´on Frecuentista, Definici´on Subjetiva.
Probabilidad Condicionada. Teorema de la Probabilidad Total. Teorema de Bayes.
En un Experimento Aleatorio, las condiciones experimentales determinan el comportamiento probabil´ıstico de los resultados observables.
Licesio J. Rodr´ıguez-Arag´on Tema 3, Unidad 1 – 2 / 16
Definici´
on de Probabilidad
3 / 16
Experimento Aleatorio
En la naturaleza, podemos distinguir entre dos tipos de Experimentos:
Experimento Determin´ıstico: El resultado se encuentra predeterminado por las condiciones en
las que se verifica el experimento.
Experimento Aleatorio: El resultado no se puede predecir con certeza.
Para cada experimento, E que realicemos se define el espacio muestral, S,como el conjunto de todos los posibles resultados de E.
Ejemplo: El lanzamiento de un dado,
S = {1, 2, 3, 4, 5, 6}
Suceso
Un suceso A es un conjunto de resultados posibles de un experimento E. A ⊂ S
Cada resultado recogido en el espacio muestral es un suceso elemental.
Si se toman varios resultados del espacio muestral, formamos un suceso compuesto. Diremos que dos sucesos A y B son excluyentes si no pueden ocurrir simult´aneamente.
A ∩ B = ∅
Licesio J. Rodr´ıguez-Arag´on Tema 3, Unidad 1 – 5 / 16
Definici´on Cl´asica
Dado un espacio muestral S, con n sucesos elementales y excluyentes, la probabilidad de un suceso A se define como la relaci´on entre los casos favorables y los casos posibles:
P(A) = Casos Favorables Casos Posibles =
nA
n .
Siendo nA el n´umero de resultados que constituyen A.
0 ≤ P(A) ≤ 1 P(S) = 1 P(∅) = 0
Si A y B son excluyentes, P(A ∪ B) = P(A) + P(B)
Definici´on Frecuentista
Esta interpretaci´on se aplica a sucesos que se pueden repetir indefinidamente y bajo las mismas condiciones.
Dado el experimento E y el suceso A, llamaremos probabilidad de A, P(A), al l´ımite de la frecuencia relativa fA cuando el n´umero de veces que repetimos el experimento, n, tiende a infinito:
P(A) = lim
n→∞
nA
n = limn→∞fA.
En este caso n es el n´umero de veces que se repite el experimento bajo las mismas condiciones. Licesio J. Rodr´ıguez-Arag´on Tema 3, Unidad 1 – 7 / 16
Definici´on Subjetiva
Medida del grado de creencia que se tiene acerca de un suceso de inter´es. Se puede aplicar en cualquier situaci´on en la que exista una opini´on. Al recibir nueva informaci´on, las probabilidades establecidas, cambian.
Podemos definir la probabilidad de un suceso, como la medida del grado de creencia que tiene una persona en un momento preciso acerca de la ocurrencia de un suceso.
Requiere de un calibrado.
Axiomas y Propiedades
Axiomas:
P(A) ≥ 0 P(S) = 1
P(A1∪ A2∪ . . . ) = P(A1) + P(A2) + . . . ,
siendo A1,A2, . . . excluyentes dos a dos.
Propiedades:
P(Ac) = 1− P(A) P(∅) = 0
P(A ∪ B) = P(A)+ P(B)− P(A ∩ B) P(A) ≤ P(B), para A ⊂ B
P(A ∩ B) ≤ P(A ∪ B)
P(B − A) = P(B)− P(A), para A ⊂ B
Licesio J. Rodr´ıguez-Arag´on Tema 3, Unidad 1 – 9 / 16
Probabilidad Condicionada
10 / 16
Probabilidad Condicionada
Supongamos que estamos interesados en el suceso A, cuya probabilidad de ocurrencia definimos como P(A), y nos informan de la ocurrencia del suceso B. ¿Cambian nuestras creencias acerca de la
ocurrencia del suceso A.
¿Son A y B independientes?
Siendo B un suceso tal que P(B) > 0, para cualquier otro suceso A denominaremos Probabilidad Condicionadade A respecto de B:
P(A|B) = P(A ∩ B) P(B) =
nAyB
nB
Regla del Producto
Si A1,A2, . . . ,Ak son un conjunto de sucesos tales que, P(A1∩ A2∩ · · · ∩ Ak) > 0, entonces,
P(A1∩ A2∩ · · · ∩ Ak) = P(A1) · P(A2|A1) · P(A3|A1∩ A2) · . . .
. . .P(Ak|A1∩ A2∩ · · · ∩ Ak−1)
Licesio J. Rodr´ıguez-Arag´on Tema 3, Unidad 1 – 12 / 16
Problema I
Supongamos que tres m´aquinas, M1, M2 y M3 fabrican piezas con una producci´on de 300, 450 y 600 piezas por hora respectivamente.
Sabemos que los porcentajes de piezas defectuosas que fabrica cada m´aquina son el 2%, 3.5% y el 2.5% respectivamente.
Las piezas fabricadas se almacenan de forma conjunta en el mismo almac´en. ¿Cu´al es la probabilidad de elegir al azar una pieza defectuosa?
P(D)
Teorema de la Probabilidad Total
Si A1,A2, . . . ,Ak son un conjunto de sucesos exhaustivo, k [ i=1 Ai = S, y mutuamente excluyente, Ai∩ Aj = ∅ ∀i 6= j, entonces ∀B ⊂ S: P(B) = k X i=1 P(B|Ai) · P(Ai)
Licesio J. Rodr´ıguez-Arag´on Tema 3, Unidad 1 – 14 / 16
Problema II
Una empresa desarrolladora de antivirus nos proporciona la siguiente informaci´on para juzgar las ventajas de su producto estrella:
Si un ordenador est´a infectado, I, lo cual ocurre seg´un ellos en un 1% de las ocasiones, el test antivirus ser´a positivo (infecci´on), T+
, en el 99% de las ocasiones.
Si un ordenador no est´a infectado, Ic, lo cual ocurre en un 99% de las ocasiones, el test del antivirus
ser´a positivo (infecci´on), T+
, en el 5% de las ocasiones. ¿Son estos valores adecuados?
Teorema de Bayes
Si A1,A2, . . . ,Ak son un conjunto exhaustivo y mutuamente excluyente de sucesos.
Sea B un suceso del que conocemos las probabilidades:
P(B|Ai), ∀i = 1, . . . , n
Entonces se verifica ∀j = 1, . . . , n:
P(Aj|B) =
P(B|Aj) · P(Aj)
Pk
i=1P(B|Ai) · P(Ai)
Probabilidades “a priori”: P(Ai)
Probabilidades “a posteriori”: P(Ai|B)
Verosimilitudes: P(B|Ai)
