Professional Documents
Culture Documents
118
____________________________________________________________________________________________
DEF:
IP( A ∩ E )
IP( A / E ) = (**)
IP( E )
OBS:
Nota:
La probabilidad condicional es una probabilidad relativa del suceso A con
relación al suceso E.
____________________________________________________________________________________________
Departamento de Matemáticas Profesor Alejandro Fernández
Universidad Técnica Federico Santa María versión 1 Pág. 119
____________________________________________________________________________________________
IP ( A ∩ E ) A∩E
IP ( A / E ) = =
IP( E ) E
o
cardinalid ad de A ∩ E
IP ( A E ) =
cardinalid ad de E
o
número de maneras en que A y E pueden suceder
IP ( A E ) =
número de maneras en que E puede suceder
Ejercicio:
Hallar IP(A|E)
Solución:
Entonces
IP(A|E)=2/4= 1/2.
____________________________________________________________________________________________
Departamento de Matemáticas Profesor Alejandro Fernández
Universidad Técnica Federico Santa María versión 1 Pág. 120
____________________________________________________________________________________________
Teorema 1: IP ( E ∩ A ) = IP ( E ) IP ( A E )
Obs.
este teorema puede extenderse de la siguiente manera por inducción
matemática:
Ejercicios resueltos
1. Suponer que se tiene una caja (20 botellas) de Coca-Cola para la venta,
y se sabe que existen 10 que en su tapa traen un premio, determinar:
____________________________________________________________________________________________
Departamento de Matemáticas Profesor Alejandro Fernández
Universidad Técnica Federico Santa María versión 1 Pág. 121
____________________________________________________________________________________________
Solución:
S i n p r e m Si o i n p r e m i o C o n p r e m i o
2-b
S i n p r e m Ci o o n p r e m i o C o n p r e m i o
C o n p r e m S i io n p r e m i o
____________________________________________________________________________________________
Departamento de Matemáticas Profesor Alejandro Fernández
Universidad Técnica Federico Santa María versión 1 Pág. 122
____________________________________________________________________________________________
Solución
a- Sean los sucesos:
N = color negro
R = color rojo
b-
Existen 3 eventos cuyas probabilidades son
____________________________________________________________________________________________
Departamento de Matemáticas Profesor Alejandro Fernández
Universidad Técnica Federico Santa María versión 1 Pág. 123
____________________________________________________________________________________________
IP(A3|A1 ∩A2)
IP(A2|A1) IP(B3|A1 ∩A2)
bicicleta
IP(A1)0.5 IP(A3|B1 ∩A1)
IP(B2|A1)
IP(B3|B1 ∩A1)
IP(A3|A2 ∩B1)
IP(A2|B1)
IP(B3|A2 ∩B1)
bicicleta
IP(B1)0.5 IP(A3|B2 ∩B1)
IP(B2|B1)
IP(B3|B2 ∩B1)
IP(A1) = 90/100
IP(A2/A1) = 89/99
IP(A3/A1∩A2) = 88/98
IP(A1∩A2∩A3) = ((90•89•88)/(100•99•98))=0,73=73%
____________________________________________________________________________________________
Departamento de Matemáticas Profesor Alejandro Fernández
Universidad Técnica Federico Santa María versión 1 Pág. 124
____________________________________________________________________________________________
Es decir, se debe seguir por el árbol buscando las rutas que correspondan
al problema planteado y multiplicando las probabilidades en cada ruta y
como las rutas son eventos independientes se suman todos los tramos.
B = M ∩ B = ( A1 ∪ A2 ∪ An ) ∩ B
= ( A1 ∩ B) ∪ ( A2 ∩ B)∪∪( An ∩ B)
IP ( B ) = IP ( A1 ∩ B ) + IP ( A2 ∩ B ) + + IP ( An ∩ B )
IP ( B) = IP ( A1 ) IP ( B A1 ) + IP ( A2 ) IP ( B A2 )++IP ( An ) IP ( B An )
IP ( Ai ∩ B )
ΙΡ( Ai B ) =
IP ( B )
Teorema de Bayes
____________________________________________________________________________________________
Departamento de Matemáticas Profesor Alejandro Fernández
Universidad Técnica Federico Santa María versión 1 Pág. 125
____________________________________________________________________________________________
IP ( Ai ) IP ( B Ai )
ΙΡ( A i B ) =
IP ( A1 ) IP ( B A1 ) + IP ( A2 ) IP ( B A2 ) ++IP ( An ) IP ( B An )
Ejercicio:
Una persona puede viajar de 3 formas, bicicleta, auto y avión. Cada forma
de transporte tiene una probabilidad de tener un defecto en el sistema de
rodado y no llegar al destino del 3%, 4% y 5% respectivamente.
lle g a 0 .9 6
a u to 0 .3 n o lle g a 0 .0 4
lle g a 0 .9 5
a v ió n 0 .2
n o lle g a 0 .0 5
IP ( Bicicleta ) IP ( B Bicicleta )
ΙΡ
( Bicicleta B) =
IP ( Bicicleta ) IP ( B Bicicleta ) + IP ( Auto ) IP ( B Auto ) + IP ( Avión ) IP ( B Avión )
Ι Ρ
( Bicicleta B ) =
( 0.5)( 0.03 )
( 0.5)( 0.03 ) + ( 0.3)( 0.04 ) + ( 0.2 )( 0.05 )
15
IP(bicicleta/B) =0,4054 =
37
____________________________________________________________________________________________
Departamento de Matemáticas Profesor Alejandro Fernández
Universidad Técnica Federico Santa María versión 1 Pág. 126
____________________________________________________________________________________________
1.3.- Independencia
IP( A ∩ B ) = P( A) P( B )
Ejercicios Propuestos
____________________________________________________________________________________________
Departamento de Matemáticas Profesor Alejandro Fernández
Universidad Técnica Federico Santa María versión 1 Pág. 127
____________________________________________________________________________________________
____________________________________________________________________________________________
Departamento de Matemáticas Profesor Alejandro Fernández
Universidad Técnica Federico Santa María versión 1 Pág. 128
____________________________________________________________________________________________
____________________________________________________________________________________________
Departamento de Matemáticas Profesor Alejandro Fernández
Universidad Técnica Federico Santa María versión 1 Pág. 129
____________________________________________________________________________________________
____________________________________________________________________________________________
Departamento de Matemáticas Profesor Alejandro Fernández
Universidad Técnica Federico Santa María versión 1 Pág. 130
____________________________________________________________________________________________
____________________________________________________________________________________________
Departamento de Matemáticas Profesor Alejandro Fernández
Universidad Técnica Federico Santa María versión 1 Pág. 131
____________________________________________________________________________________________
β σ
u
na - a
lg
eb
raa
s
u
na - a
lg
eb
raa
→[ 0,1]
p i : ℜX ⊆ IR
Tal que
(X ( M ) = x i ) = Ι Ρ
x i ∈ℜX → p i = p(x i ) = Ι Ρ (X = x i )
____________________________________________________________________________________________
Departamento de Matemáticas Profesor Alejandro Fernández
Universidad Técnica Federico Santa María versión 1 Pág. 132
____________________________________________________________________________________________
a) 1 ≥ p( x i ) ≥ 0 ∀x i ∈ℜX
b) ∑p( x ) =1
∀x i
i
Obs.
En la expresión la igualdad siguiente se verifica sólo en forma notacional
IP(X( M ) = x i ) = IP(X = x i )
2.2 Función de Distribución (FX(x)).
Sea X una v.a.d. con función de cuantía (f.c.) p(xi). Se define la Función
de Distribución como :
→[ 0,1]
F : ΙR
x → FX (x) = IP ( X ≤ x ) = ∑p( x i )
∀x i ≤x
1) Fx(-∞) = 0.
2) Fx(∞) = 1.
3) Fx es no decreciente.
4) Fx es contínua por la derecha.
2.3 Esperanza (IE[X]).
ΙE[ X ] = ∑x i p i
∀x i
Observación :
____________________________________________________________________________________________
Departamento de Matemáticas Profesor Alejandro Fernández
Universidad Técnica Federico Santa María versión 1 Pág. 133
____________________________________________________________________________________________
µ n [ ]
= IE X n = ∑ x in ⋅ p( x i )
∀x i
Sea X una v.a.d. con f.c. pi (xi). Se define el momento centrado en la IE[X]
de orden n ∈N como :
α n [
=IE ( Χ − IE [ Χ] )
n
] = ∑( x i - IE[ Χ] ) ⋅ p(x i )
n
∀x i
[
V ( Χ) =α2 =Ε ( Χ−Ε[ Χ] ) ] =Ε[ Χ −2ΧΕ [ Χ] +( Ε[ Χ] ) ]
2 2 2
[ 2
]
∴V ( Χ) =Ε Χ −( Ε[ Χ] ) =µ2 −( µ1 )
2 2
>0
PROPIEDADES
____________________________________________________________________________________________
Departamento de Matemáticas Profesor Alejandro Fernández
Universidad Técnica Federico Santa María versión 1 Pág. 134
____________________________________________________________________________________________
∀ a,b ctes.
n n
11. IE ∑α i X i = ∑α i IE ( X i ) ∀X i v.a. y ∀ αi con i=1,2......n
i =1 i =1
constantes.
n
n
12. V ∑ i i = ∑
α X α iV ( X i ) + 2∑ α iα j Cov ( X i , X j ) ****************
i =1 i =1 i< j
____________________________________________________________________________________________
Departamento de Matemáticas Profesor Alejandro Fernández
Universidad Técnica Federico Santa María versión 1 Pág. 135
____________________________________________________________________________________________
1 xi =as i
px( i ) =
0 i ≠s ai x
0 is< ia x
FX ( x) =
1 i s≥ ia x
____________________________________________________________________________________________
Departamento de Matemáticas Profesor Alejandro Fernández
Universidad Técnica Federico Santa María versión 1 Pág. 136
____________________________________________________________________________________________
a
Gráficamente :
E[X] = 1⋅ a + 0⋅ b = a
V(X) = 1⋅ a2 + 0⋅ b2 - (a)2 = 0
____________________________________________________________________________________________
Departamento de Matemáticas Profesor Alejandro Fernández
Universidad Técnica Federico Santa María versión 1 Pág. 137
____________________________________________________________________________________________
3.1.3.- Aplicación
q six = 0
i
pi =p(x)i = p xi ( 1− p ) I {0,1}(x)=
1-x
i p si i x= 1
i
0 e.t.o.c .
Donde IB(x) se conoce como la función indicatriz:
1 si∈ xB
I B ( x) =
0 xsi∉ B
____________________________________________________________________________________________
Departamento de Matemáticas Profesor Alejandro Fernández
Universidad Técnica Federico Santa María versión 1 Pág. 138
____________________________________________________________________________________________
xi
0 si <i 0 x
F(x x=∑) pi = q s≤ xii < 10
-∞
p + q = 1 is≥ 1i x
Y gráficamente tiene la forma :
____________________________________________________________________________________________
Departamento de Matemáticas Profesor Alejandro Fernández
Universidad Técnica Federico Santa María versión 1 Pág. 139
____________________________________________________________________________________________
[ ]
V(X) = Ε X 2 −( Ε[ X ] ) =02 ⋅q +12 ⋅ p −( p ) = p ⋅q
2 2
3.2.3.- Ejemplo.
Suponga que tiene una caja que contiene fichas rojas y azules. Se sabe
que al extraer al azar una ficha la probabilidad de que esta sea roja es
del 20%.
De este ejemplo Ud. puede definir la v.a.d. X como "La ficha es roja".
Por lo tanto, los valores que puede tomar X están dados por su recorrido
ℜX={0,1}; xi=0 si la ficha no es roja y xi=1 si lo es.
____________________________________________________________________________________________
Departamento de Matemáticas Profesor Alejandro Fernández
Universidad Técnica Federico Santa María versión 1 Pág. 140
____________________________________________________________________________________________
0.8 x= 0s i
i
0 t o. ce. .
Obs.
Para no restringir los valores de X a {0,1}, es posible plantear una
generalización para la distribución de BERNOULLI, y en consecuencia,
para valores de a y b distintos de 0 y 1 tenemos:
q xsi= a
( xi − b) ( xi -a) i
p (xi ) = q ⋅ + p ⋅ I {ab,}(x)=
i p sii = bx
( a-b) ( b-a) 0 t.eo c. .
____________________________________________________________________________________________
Departamento de Matemáticas Profesor Alejandro Fernández
Universidad Técnica Federico Santa María versión 1 Pág. 141
____________________________________________________________________________________________
ℜX = 0,1,2,..,n
Entonces:
n
En total hay
k
elementos de obtener k éxitos en las n extracciones debido
a que no importa el orden. Entonces, podemos ver que la función de
cuantía para "xi", número de exitos, es :
n
p(x i ) = P(X = x i ) = p xi
(1 - p ) n - xi
I {0 ,1, 2 ,3,...., n} ( x i )
xi
____________________________________________________________________________________________
Departamento de Matemáticas Profesor Alejandro Fernández
Universidad Técnica Federico Santa María versión 1 Pág. 142
____________________________________________________________________________________________
nn
n xi n−xi nn
p∑ (xi)= ∑ p q (p+= q) = 1
xxi=0 xi=0 i
Conociendo la f.c. se puede deducir la función de distribución de X :
n
FX (
x) =P
(
X ≤
x) = ∑
∀
xi ≤
x
xi
x =o x x =1 x
____________________________________________________________________________________________
Departamento de Matemáticas Profesor Alejandro Fernández
Universidad Técnica Federico Santa María versión 1 Pág. 143
____________________________________________________________________________________________
1.- Supóngase que los artículos que salen de una línea de produccíón
se clasifican como defectuosos (D) o no defectuosos (N).
M={DDD,DDN,DND,NDD,NND,NDN,DNN,NNN}
____________________________________________________________________________________________
Departamento de Matemáticas Profesor Alejandro Fernández
Universidad Técnica Federico Santa María versión 1 Pág. 144
____________________________________________________________________________________________
____________________________________________________________________________________________
Departamento de Matemáticas Profesor Alejandro Fernández
Universidad Técnica Federico Santa María versión 1 Pág. 145
____________________________________________________________________________________________
X Bin (25;0,15)
42
x −x2 5 5
=
1− ∑ (0,1 ) (0,8 ) 5 5
x=0 x
= 1- 0,6821 = 0,3179
____________________________________________________________________________________________
Departamento de Matemáticas Profesor Alejandro Fernández
Universidad Técnica Federico Santa María versión 1 Pág. 146
____________________________________________________________________________________________
Esto se debe al hecho de que se distingue como casos posibles a todas las
combinaciones que se puedan hacer para obtener una muestra de n
elementos de un número total de N1+N2. Esto es :
Ν 1 + Ν 2
n
Y los casos favorables están dados por el producto entre las combinaciones
de obtener xi éxitos y n-xi fracasos. Esto es :
N1 N2
xi n-xi
3.4.1.- La Esperanza es
nN
E[X]= 1 Donde N= N1 + N2
N
3.4.2.- La Varianza
n N 1 N 2 (N - n)
V( X ) =
N 2 ( N -1)
____________________________________________________________________________________________
Departamento de Matemáticas Profesor Alejandro Fernández
Universidad Técnica Federico Santa María versión 1 Pág. 147
____________________________________________________________________________________________
3.4.3.- Ejemplo
IP(1A)=IP(1A/C1)*IP(C1)+IP(1A/C2)*IP(C2)+IP(1A/C3)*IP(C3)
donde
IP(C1) = 0,07592 IP(A/C1) = 267/1078
IP(C2) = 0,32595 IP(A/C2) = 32/99
IP(C3) = 0,59813 IP(A/C3) = 3/10
p(1− p) si ∈xΝ
xi − 1
i p(x) = i
0 e.t o. c. .
____________________________________________________________________________________________
Departamento de Matemáticas Profesor Alejandro Fernández
Universidad Técnica Federico Santa María versión 1 Pág. 148
____________________________________________________________________________________________
Esto es gráficamente :
Pi
p *
p*q *
p * q² *
1 2 3
Xi
Es posible demostrar que satisface las dos condiciones que debe cumplir
una función de cuantía y que ya fueron descritas.
Observación:
∞
1
∑q i converge a
1- q
para un q ∈ (−1,1)
i =1
____________________________________________________________________________________________
Departamento de Matemáticas Profesor Alejandro Fernández
Universidad Técnica Federico Santa María versión 1 Pág. 149
____________________________________________________________________________________________
3.5.2.- La Varianza es
q
[ ]
V(X)=Ε X 2 − ( Ε [ X ] ) =
2
p2
____________________________________________________________________________________________
Departamento de Matemáticas Profesor Alejandro Fernández