Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 195 vistas

    Probabilidad Condicionada e Independencia

    Cargado por

    olga castillo
    El documento define la probabilidad condicional como la probabilidad de que ocurra un evento A sabiendo que ocurre otro evento B. No hay necesariamente una relación causal o temporal entre A y B. El teorema de Bayes permite calcular la probabilidad condicional invertida P(B|A) a partir de P(A|B) y las probabilidades marginales P(A) y P(B). Los eventos son independientes si la probabilidad de su intersección es igual al producto de sus probabilidades individuales.

    Copyright:

    © All Rights Reserved
    Descargue como PPTX, PDF, TXT o lea en línea desde Scribd

    Probabilidad Condicionada e Independencia

    Cargado por

    olga castillo
    195 vistas10 páginas
    El documento define la probabilidad condicional como la probabilidad de que ocurra un evento A sabiendo que ocurre otro evento B. No hay necesariamente una relación causal o temporal entre A y B. El teorema de Bayes permite calcular la probabilidad condicional invertida P(B|A) a partir de P(A|B) y las probabilidades marginales P(A) y P(B). Los eventos son independientes si la probabilidad de su intersección es igual al producto de sus probabilidades individuales.

    Descripción original:

    TEMATICA SEMANA TRES

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    PPTX, PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    El documento define la probabilidad condicional como la probabilidad de que ocurra un evento A sabiendo que ocurre otro evento B. No hay necesariamente una relación causal o temporal entre A y B. El teorema de Bayes permite calcular la probabilidad condicional invertida P(B|A) a partir de P(A|B) y las probabilidades marginales P(A) y P(B). Los eventos son independientes si la probabilidad de su intersección es igual al producto de sus probabilidades individuales.

    Copyright:

    © All Rights Reserved
    Descargue como PPTX, PDF, TXT o lea en línea desde Scribd
    Descargar como pptx, pdf o txt
    195 vistas10 páginas

    Probabilidad Condicionada e Independencia

    Cargado por

    olga castillo
    El documento define la probabilidad condicional como la probabilidad de que ocurra un evento A sabiendo que ocurre otro evento B. No hay necesariamente una relación causal o temporal entre A y B. El teorema de Bayes permite calcular la probabilidad condicional invertida P(B|A) a partir de P(A|B) y las probabilidades marginales P(A) y P(B). Los eventos son independientes si la probabilidad de su intersección es igual al producto de sus probabilidades individuales.

    Copyright:

    © All Rights Reserved
    Descargue como PPTX, PDF, TXT o lea en línea desde Scribd
    Descargar como pptx, pdf o txt
    Está en la página 1de 10

    Probabilidad condicionada e independencia

    Probabilidad condicionada es la probabilidad de que ocurra un evento A, sabiendo


    que tambin sucede otro evento B. La probabilidad condicional se escribe P(A|B), y se lee
    la probabilidad de A dado B.
    No tiene por qu haber una relacin causal o temporal entre A y B. A puede preceder en el
    tiempo a B, sucederlo o pueden ocurrir simultneamente. A puede causar B, viceversa o
    pueden no tener relacin causal. Las relaciones causales o temporales son nociones que
    no pertenecen al mbito de la probabilidad. Pueden desempear un papel o no
    dependiendo de la interpretacin que se le d a los eventos.
    El condicionamiento de probabilidades puede lograrse aplicando el teorema de Bayes
    DEFINICION
    Dado un espacio de probabilidad (,F,P) y dos eventos (o sucesos ) o la probabilidad
    condicional de A dado B esta definida como A,BEF

    Se puede interpretar como tomando como los mundos en los que B s y se cumple la fraccin en se
    cumple la fraccin que tambin se cumple A

    INTERPRETACION Se puede interpretar como, tomando los mundos en los que B se cumple, la
    fraccin en los que tambin se cumple A. Si el evento B es, por ejemplo, tener la gripe, y el P(A/B)
    PROPIEDADES
    RESULTADOS BASICOS SOBRE PROBABILIDAD
    .
    CONDICIONAL
    Estudiaremos en esta seccin algunas propiedades sencillas pero fundamentales de la probabilidad
    condicional.
    Proposicin Para cualquier coleccin finita de eventos A1, . . . , A n se tiene
    P(A1 A2 An) = P(A1)P(A2|A1) P(An|A1 A2 An1) siempre que P(A1
    A2 An1) > 0.
    Demostracin. Como
    t P(A1) P(A1 A2) P(A1 A2 An1) > 0
    odas las probabilidades condicionales que aparecen estn bien definidas. Si escribimos explcitamente el
    segundo miembro de la igualdad obtenemos
    P(A1) P(A1 A2) P(A1) P(A1 A2 A3) P(A1 A2) P(A1 An) P(A1 An1) y
    simplificando se obtiene el primer miembro de la igualdad. Como ejemplo consideremos el siguiente
    problema. 1. Se extraen sin reposicin tres cartas de un juego completo de barajas. Calcule la probabilidad
    de que ninguna sea trbol. I Sea
    Ai : la i-exima carta no es trbol. Queremos calcular P(A1 A2 A3) = P(A1)P(A2|A1)P(A3|A1 A2) =
    39 52 38 51 37 50 = 0.4135
    EL TEOREMA DE BAYES
    El otro resultado fundamental sobre probabilidad condicional se conoce como el Teorema de
    Bayes y es til en situaciones en las cuales se conocen probabilidades de la forma P(A|Bi) y
    P(Bi) y se desea determinar P(Bi |A)
    Proposicin 3.3 (Teorema de Bayes) Sea B1, B2, . . . una particin finita o numerable de y
    sea A un evento cualquiera con P(A) > 0. Entonces
    P(Bi |A) = P(A|Bi)P(Bi)
    [P j P(A|Bj )P(Bj )
    Demostracin. Por la definicin de probabilidad condicional tenemos:
    P(Bi |A) = (A Bi) P(A)
    P(A Bi) = P(A|Bi)P(Bi)
    P(A) = X j P(A|Bj )P(Bj )
    EJEMPLOS
    1. De cien pacientes en un hospital con una cierta enfermedad se escogen diez para usar un
    tratamiento que aumenta la probabilidad de sanar de 0.50 a 0.75. Si posteriormente un doctor
    encuentra a un paciente curado, cual es la probabilidad de que haya recibido el tratamiento?
    I Sean
    C: el paciente esta curado.
    T: el paciente recibi el tratamiento.
    A partir de la informacin dada obtenemos,
    P(T) = 10 100 = 0.1; P(T c ) = 90 100 = 0.9;
    P(C|T) = 0.75; P(C|T c ) = 0.50.

    Usando el Teorema de Bayes P(T|C) = P(C|T)P(T) P


    P =(CIT)P(T) + P(C|Tc)P(Tc)
    (0.75)(0.1)
    (0.75)(0.1) + (0.5)(0.9) = 1
    7
    EVENTOS INDEPENDIENTES
    En los ejemplos que hemos considerado en relacin al concepto de probabilidad condicional,
    hemos visto que en ciertos casos, cuando la ocurrencia del evento A no aporta informacin
    respecto a la ocurrencia o no del evento B, se tiene
    P(B|A) = P(B). En este caso decimos que B es independiente de A. Ahora bien, como
    P(B|A) = P(B A) P(A) , podemos expresar la relacin anterior en la forma siguiente, que es
    simtrica en ambos sucesos:
    P(A B) = P(A)P(B). (3.5) Observamos adems que (3.5) es valida aun cuando A o B sean
    sucesos de probabilidad nula. Usaremos esta relacin como definicin.
    Definicin 3.2 Dos eventos A y B son independientes si vale (3.5). Es fcil verificar que y
    son independientes de cualquier evento. Proposicin 3.4 Si A y B son independientes, tambin
    lo son: a) A y Bc , b) Ac y Bc . Demostracin. Veamos b), la demostracin de a) es similar.
    EJEMPLOS
    P(A c B c ) = P((A B) c ) 1 P(A B)
    1 P(A) P(B) + P(A B)
    1 P(A) P(B) + P(A)P(B)
    [1 P(A)][1 P(B)]
    P(A c )P(B
    EVENTOS INDEPENDIENTES
    Dos eventos A y B son independientes si la ocurrencia de cualquiera de los dos no
    afecta la probabilidad de la ocurrencia
    DEFINICIN: Dos eventos A y B son independientes si y solo si la probabilidad de la
    interseccin es igual a la probabilidad de A y B
    P (A\B) = P (A) * P (B)
    EJEMPLO 1:
    Se lanza una moneda 3 veces y se supone que los 8 resultados posibles son igualmente
    probables.
    {SSS, SSA, SAS, ASS, SAA, ASA, AAS, AAA}

    Si A es el evento de que un sol ocurra en cada uno de los primeros lanzamientos B es el evento
    de un guila ocurren en el tercer lanzamiento C es el evento que exactamente dos cruces
    ocurran en tres lanzamientos. Demuestre que:

    a) Los eventos A y B son independientes


    b) Los eventos B y C son independientes
    A= SSS, SSA
    B= SSA, SAA, ASA, AAA
    C= SAA, ASA, AAS, AAA
    0.125=0.25*0.5
    0.125=0.125
    0.375=0.5*0.5
    0.375=0.375
    Encuentre las probabilidades de obtener
    a) Tres caras en 3 lanzamientos aleatorios de una moneda balanceada
    b) Se obtienen 4 seises y despus otro nmero en 5 lanzamientos aleatorios de un
    dado balanceado

    *1/2*1/2*1/2= 1/8
    P (A)= 1/8= 0.125
    P (B)= 1/6 * 1/6 * 1/6 * 1/6= 0.00077*5/6=0.00064

    También podría gustarte