CONTENIDOS
• CONTENIDOS MÍNIMOS
1. ESTADÍSTICA DESCRIPITIVA
2. TEORIA DE PROBABILIDADES
3. VARIABLES ALEATORIAS
4. INTRODUCCIÓN Y TEORIA DE ERRORES
5. RAICES Y SISTEMA DE ECUACIONES
6. INTERPOLACIÓN
7. DIFERENCIACIÓN E INTEGRACIÓN NUMÉRICA
• CONTENIDOS ANALÍTICOS
1. ESTADISTICA DESCRIPTIVA
Definicion de estadística descriptiva, estadística analitica
Población y parámetro, muestra, distribuciones, presentación y organización de los datos,
Medidas de tendencia central.
Medidas de Dispersión
Correlación Lineal
Ejercicios
2. TEORIA DE PROBABILIDADES
Introduccion,
Probabilidad a priori, probabilidad de frecuencia
Teorema axiomatico de probabilidades.
Eventos y clases de eventos
Probabilidad condicional, Eventos independientes,
Teorema de multiplicación, teorema e bayes
Ejercicios
3. VARIABLES ALEATORIAS
Definición.
Función de distribucion acumulada
variables discretas, y variables continuas
Función de probabilidad
Función generatriz de variables aleatoias
Ejemplos y Ejercicios.
4. INTRODUCCIÓN Y TEORIA DE ERRORES
Introducción al análisis numérico
Concepto de error y su clasificación
Errores absolutos y relativos, cifras significativas.
Propagación del error.
Cálculo de error en las operaciones
6. RAICES DE ECUACIONES
Método de aproximaciones sucesivas.
Métodos que usan intervalos
Métodos sin intervalos
Métodos para solución de sistemas de ecuaciones lineales
Métodos para solución de sistemas de ecuaciones no lineales
Problemas
7 INTERPOLACIÓN
Introducción
Diferencias finitas
Fórmulas de interpolación de Newton.
Interpolación de Lagrange para puntos no uniformemente espaciados
Interpolación con splines
Aplicaciones
8. DIFERENCIACIÓN E INTEGRACIÓN NUMÉRICA
Diferenciación numérica
Métodos de integración de Newton Cotes
Integrales múltiples
Problemas
TEMA 2. PROBABILIDAD
EXPERIMENTO.- Es un proceso mediante el cual se obtiene un resultado de una observación. Un
experimento puede ser determinístico y no determinístico.
EXPERIMENTO DETERMINISTICO.- Un experimento es determinístico cuando el resultado de la
observación es determinada en forma precisa por las condiciones bajo las cuales se realiza dicho experimento.
EXPERIMENTO ALEATORIO O NO DETERMINÍSTICO.- Un experimento es aleatorio cuando los
resultados de la observación no se puede predecir con exactitud antes de realizar el experimento.
Ejemplo:
1. El número de estudiantes en la carrera de Ingeniería de Civil (Determinístico)
2. Lanzar un dado y observar el número que aparece en la cara superior (Aleatorio).
ESPACIO MUESTRAL.- Es el conjunto de todos los resultados de un experimento; en términos de
conjuntos, es un conjunto del espacio muestral (S).
En particular S y (conjunto vacío) son eventos. Al espacio muestral S se le llama evento seguro y a
evento imposible.
Ejemplo: Sea el experimento: lanzar un dado y observar el número que aparece en la cara superior. El
espacio muestral asociado a este experimento es:
S = 1, 2, 3, 4, 5, 6
Para este experimento podemos definir los siguientes eventos:
A : Observar un número impar. Entonces A = 1, 3, 5
B : Observar un número múltiplo de 2 B = 2, 4, 6
C : Observar un número menor que 4 C = 1, 2, 3
OPERACIONES CON EVENTOS.- Usando las operaciones con conjuntos, podemos formar nuevos eventos.
Estos eventos serán nuevamente subconjuntos del mismo espacio muestral de los eventos dados.
UNION DE EVENTOS.-
A B
AUB
Ejemplo: Un experimento consiste en lanzar un dado y observar el número que aparece en la cara superior.
Sean los eventos:
A : Observar un número impar
B : Observar un número mayor o igual a 4
Listar los elementos del evento A U B
Solución:
S = 1, 2, 3, 4, 5, 6
A = 1, 3, 5
B = 4, 5, 6
A U B = 1, 3, 4, 5, 6
INTERSECCIÓN DE EVENTOS.-
A B
A ∩B
Ejemplo: Un experimento consiste en lanzar un dado y observar el número que aparece en la cara superior.
Sean los eventos:
A : Observar un número mayor que 3
B : Observar un número par
Listar los elementos del evento A ∩ B
Solución: S = 1, 2, 3, 4, 5, 6
A = 4, 5, 6
B = 2, 4, 6
A ∩ B = 4, 6
DIFERENCIA DE EVENTOS.-
A B
A–B
Ejemplo: Un experimento consiste en lanzar tres monedas y observar el resultado. Sean los eventos:
A : Observar por lo menos una vez cara
B : Observar por lo menos dos veces cara
Listar los elementos del evento A – B
Solución:
S = ccc, ccs, csc, scc, css, scs, ssc, sss
A = ccc, ccs, csc, scc, css, scs, ssc
B = ccc, ccs, csc, scc
A – B = css, scs, ssc
COMPLEMENTO DE UN EVENTO.-
A
A1
Ejemplo: Un experimento consiste en lanzar un dado y observar el número que aparece en la cara superior.
Sean los eventos:
A : Observar los números pares
Listar los elementos del evento A1 = S – A
Solución:
S = 1, 2, 3, 4, 5, 6
A = 2, 4, 6
A1 = 1, 2, 3, 4, 5, 6 - 2, 4, 6 = 1, 3, 5
PROBABILIDAD DE UN EVENTO.- Dado un evento A, asociado a un experimento aleatorio, se llama
probabilidad de A, y se presenta por el símbolo P(A), al cociente se obtiene dividiendo el número de resultados
favorables para la ocurrencia del evento entre el número real total de posibilidades. Esta número total de
posibilidades esta dado por el número de elementos que tiene el espacio muestral.
Ejemplo: Sea el evento
A : Obtener un número par al lanzar un dado
B : 2, 4, 6
Luego P (A) = 3 = 0,5
5
DEFINICION.- La probabilidad mide la frecuencia con la que aparece un resultado determinado cuando se
realiza un experimento.
Ejemplo: tiramos un dado al aire y queremos saber cual es la probabilidad de que salga un 2, o que salga un
número par, o que salga un número menor que 4.
El experimento tiene que ser aleatorio, es decir, que pueden presentarse diversos resultados, dentro de un
conjunto posible de soluciones, y esto aún realizando el experimento en las mismas condiciones. Por lo tanto,
a priori no se conoce cual de los resultados se va a presentar:
Ejemplos: lanzamos una moneda al aire: el resultado puede ser cara o cruz, pero no sabemos de antemano cual
de ellos va a salir.
Suceso elemental: hace referencia a cada una de las posibles soluciones que se pueden presentar.
Ejemplo: al lanzar una moneda al aire, los sucesos elementales son la cara y la cruz. Al lanzar un dado, los
sucesos elementales son el 1, el 2, .., hasta el 6.
Suceso compuesto: es un subconjunto de sucesos elementales.
Ejemplo: lanzamos un dado y queremos que salga un número par. El suceso "numero par" es un suceso
compuesto, integrado por 3 sucesos elementales: el 2, el 4 y el 6
O, por ejemplo, jugamos a la ruleta y queremos que salga "menor o igual que 18". Este es un suceso compuesto
formado por 18 sucesos elementales (todos los números que van del 1 al 18).Al conjunto de todos los posibles
sucesos elementales lo denominamos espacio muestral. Cada experimento aleatorio tiene definido su espacio
muestral (es decir, un conjunto con todas las soluciones posibles).
Ejemplo: si tiramos una moneda al aíre una sola vez, el espacio muestral será cara o cruz.
Si el experimento consiste en lanzar una moneda al aire dos veces, entonces el espacio muestral estaría
formado por (cara-cara), (cara-cruz), (cruz-cara) y (cruz-cruz).
CÁLCULO DE PROBABILIDADES
Probabilidad
Como hemos comentado anteriormente, la probabilidad mide la mayor o menor posibilidad de que se dé un
determinado resultado (suceso) cuando se realiza un experimento aleatorio.
La probabilidad toma valores entre 0 y 1 (o expresados en tanto por ciento, entre 0% y 100%):
El valor cero corresponde al suceso imposible: lanzamos un dado al aire y la probabilidad de que salga el
número 7 es cero.
El valor uno corresponde al suceso seguro: lanzamos un dado al aire y la probabilidad de que salga cualquier
número del 1 al 6 es igual a uno (100%).
El resto de sucesos tendrá probabilidades entre cero y uno: que será tanto mayor cuanto más probable sea
que dicho suceso tenga lugar.
Probabilidad a Priori.
A la regla de Laplace también se le denomina "probabilidad a priori", ya que para aplicarla hay que conocer
antes de realizar el experimento cuales son los posibles resultados y saber que todos tienen las mismas
probabilidades.
Para poder aplicar la Regla de Laplace el experimento aleatorio tiene que cumplir dos requisitos:
a) El número de resultados posibles (sucesos) tiene que ser finito. Si hubiera infinitos resultados, al aplicar
la regla "casos favorables / casos posibles" el cociente siempre sería cero.
b) Todos los sucesos tienen que tener la misma probabilidad. Si al lanzar un dado, algunas caras tuvieran
mayor probabilidad de salir que otras, no podríamos aplicar esta regla.
La Regla de Laplace: define la probabilidad de un suceso como el cociente entre casos favorables y casos
posibles.
P(A) = Casos favorables / casos posibles
Donde A es el suceso
NA Casos favorables
N casos posibles
NA
P(A) = ---------------
N
Veamos algunos ejemplos:
Ejemplo1 Calcular la probabilidad de que al lanzar un dado salga el número 2:
A = { muestre 2 }
NA El caso favorable es tan sólo uno (que salga el dos), 1
N casos posibles son seis (puede salir cualquier número del uno al seis).
Por lo tanto reemplazando en la fórmula:
P(A) = 1 / 6 = 0,166 (o lo que es lo mismo, 16,6%)
Ejemplo2 Probabilidad de que al lanzar un dado salga un número par: en este caso los casos favorables
son tres (que salga el dos, el cuatro o el seis), mientras que los casos posibles siguen siendo seis. Por lo tanto:
P(A) = 3 / 6 = 0,50 (o lo que es lo mismo, 50%)
Ejemplo3 Probabilidad de que al lanzar un dado salga un número menor que 5: en este caso tenemos
cuatro casos favorables (que salga el uno, el dos, el tres o el cuatro), frente a los seis casos posibles. Por lo
tanto:
P(A) = 4 / 6 = 0,666 (o lo que es lo mismo, 66,6%)
Ejemplo4 Probabilidad de que nos toque el "premio mayor" de Navidad: tan sólo un caso favorable, el
número que jugamos (¡qué triste...¡), frente a 100.000 casos posibles. Por lo tanto:
P(A) = 1 / 100.000 = 0,00001 (o lo que es lo mismo, 0,001%)
Merece la pena ...... Por cierto, tiene la misma probabilidad el número 45.264, que el número 00001, pero
¿cuál de los dos comprarías?
Probabilidad de frecuencia o a posteriori.
Para calcular la probabilidad a posteriori se acude a otro modelo de cálculo de probabilidades que se basa en
la experiencia (modelo frecuentista):
Cuando se realiza un experimento aleatorio un número muy elevado de veces, las probabilidades de los
diversos posibles sucesos empiezan a converger hacia valores determinados, que son sus respectivas
probabilidades.
Ejemplo1: si lanzo una vez una moneda al aire y sale "cara", quiere decir que el suceso "cara" ha aparecido el
100% de las veces y el suceso "cruz" el 0%.
Si lanzo diez veces la moneda al aire, es posible que el suceso "cara" salga 7 veces y el suceso "cruz" las 3
restantes. En este caso, la probabilidad del suceso "cara" ya no sería del 100%, sino que se habría reducido al
70%.
Si repito este experimento un número elevado de veces, lo normal es que las probabilidades de los sucesos
"cara" y "cruz" se vayan aproximando al 50% cada una. Este 50% será la probabilidad de estos sucesos según
el modelo frecuentista.
En este modelo ya no será necesario que el número de soluciones sea finito, ni que todos los sucesos tengan
la misma probabilidad.
Ejemplo2: si la moneda que utilizamos en el ejemplo anterior fuera defectuosa (o estuviera trucada), es posible
que al repetir dicho experimento un número elevado de veces, la "cara" saliera con una frecuencia, por
ejemplo, del 65% y la "cruz" del 35%. Estos valores serían las probabilidades de estos dos sucesos según el
modelo frecuentista.
A esta definición de la probabilidad se le denomina probabilidad a posteriori, ya que tan sólo repitiendo un
experimento un número elevado de veces podremos saber cual es la probabilidad de cada suceso.
TEORIA AXIOMATICA DE PROBABILIDADES:
El conjunto de todos los resultados posibles de un experimento recibe el nombre de ESPACIO DE
MUESTREO y se denota por S.
Cualquier subconjunto de un espacio de muestreo recibe el nombre de EVENTO. Los eventos se utilizan
denotando las letras mayúsculas del abecedario.
Una clase de eventos recibe el nombre de ESPACIO DE EVENTOS y se denota por a
Ejemplo:
Experimento: Arrojar un dado
S = {1,2,3,4,5,6}
A = {1,2,3}
Definición:
La FUNCIÓN DE PROBABILIDAD es una función con dominio un espacio de eventos (algebra de
eventos) y codominio el conjunto de números reales, tal que se cumplen los tres siguientes axiomas:
Axioma1: De positividad
Si Ai
Axioma 2: De certidumbre
P(s) = 1
Axioma 3: De Union
TEOREMAS:
T1: Suceso vacío: Sea ᴓ el evento vacío, luego P(ᴓ ) = 0
T2: Sucesos complementarios: la probabilidad de un suceso complementario a un suceso (A) es igual a 1 -
P(A)
Sea A a y A el complemento de A, luego P(A) = 1- p(A)
Ejemplo: lanzamos un dado al aire. el suceso (A) es que salga un número par, luego su complementario, suceso
(B), es que salga un número impar.
La probabilidad del suceso (A) es igual a :
P(A) = 3 / 6 = 0,50
Luego, la probabilidad del suceso (B) es igual a:
P(B) = 1 - P(A) = 1 - 0,50 = 0,50
Se puede comprobar aplicando la regla de "casos favorables / casos posibles":
P(B) = 3 / 6 = 0,50
T3: Un evento puede estar contenido en otro: entonces, la probabilidad del primer evento será menor que
la del evento que lo contiene.
Sean A y B a y sea A C B, Luego P(A) <= P(B)
Ejemplo: lanzamos un dado y analizamos dos sucesos: a) que salga el número 6, y b) que salga un número
par. Dijimos que el suceso a) está contenido en el suceso b).
P(A) = 1/6 = 0,166
P(B) = 3 / 6 = 0,50
Por lo tanto, podemos ver que la probabilidad del suceso contenido, suceso a), es menor que la probabilidad
del suceso que lo contiene, suceso b).
T4: Diferencia: Sean A y B a , luego P(A-B) = P(A) – P(A B)
T5: Unión de dos o más eventos: la probabilidad de la unión de dos sucesos es igual a la suma de las
probabilidades individuales de los dos sucesos que se unen, menos la probabilidad del suceso intersección
Sean A y B dos eventos cualesquiera que pertenecen a, luego:
P(A U B) = P(A) + P(B) – P(A B)
Ejemplo: lanzamos un dado al aire y analizamos dos sucesos: a) que salga número par, y b) que el resultado
sea mayor que 3. El suceso unión estaría formado por los siguientes resultados: el 2, el 4, el 5 y el 6.
P(A) = 3 / 6 = 0,50
P(B) = 3 / 6 = 0,50
P (A B) = 2 / 6 = 0,33
Por lo tanto,
P (A U B) = (0,50 + 0,50) - 0,33 = 0,666
PROBABILIDAD CONDICIONAL
Las probabilidades condicionadas se calculan una vez que se ha incorporado información adicional a la situación
de partida. Sean A y B dos eventos cualesquiera definidos en un espacio de muestreo S, la probabilidad condicional
de B dado A, denotada por P(B/A) se define por la siguiente fórmula:
Ejemplo: Se lanza un dado y sabemos que la probabilidad de que salga un 2 es 1/6 (probabilidad a priori). Si
incorporamos nueva información (por ejemplo, alguien nos dice que el resultado ha sido un número par) entonces la
probabilidad de que el resultado sea el 2 ya no es 1/6.
Donde:
P (B/A) es la probabilidad de que se de el suceso B condicionada a que se haya dado el suceso A.
P (B A) es la probabilidad del suceso simultáneo de A y de B
P (A) es la probabilidad a priori del suceso A
En el ejemplo que hemos visto:
P (B/A) es la probabilidad de que salga el número 2 (suceso B) condicionada a que haya salido un número par (suceso
A).
P (B A) es la probabilidad de que salga el dos y número par.
P (A) es la probabilidad a priori de que salga un número par.
Por lo tanto:
P (B A) = 1/6
P (A) = 1/2
P (B/A) = (1/6) / (1/2) = 1/3
Luego, la probabilidad de que salga el número 2, si ya sabemos que ha salido un número par, es de 1/3 (mayor que su
probabilidad a priori de 1/6).
Ejemplo:
En un estudio sanitario se ha llegado a la conclusión de que la probabilidad de que una persona sufra problemas
coronarios (suceso B) es el 0,10 (probabilidad a priori).
Además, la probabilidad de que una persona sufra problemas de obesidad (suceso A) es el 0,25 y la probabilidad de
que una persona sufra a la vez problemas de obesidad y coronarios (suceso intersección de A y B) es del 0,05.
Calcular la probabilidad de que una persona sufra problemas coronarios si está obesa (probabilidad condicionada
P(B/A)).
P (B A) = 0,05
P (A) = 0,25
P (B/A) = 0,05 / 0,25 = 0,20
Por lo tanto, la probabilidad condicionada es superior a la probabilidad a priori. No siempre esto es así, a veces la
probabilidad condicionada es igual a la probabilidad a priori o menor.
Ejemplo: probabilidad de que al tirar un dado salga el número 2, condicionada a que haya salido un número impar.
La probabilidad condicionada es en este caso cero, frente a una probabilidad a priori de 1/6.
PROBABILIDAD COMPUESTA
La probabilidad compuesta (o regla de multiplicación de probabilidades) se deriva de la probabilidad condicionada:
La probabilidad de que se den simultáneamente dos sucesos (suceso intersección de A y B) es igual a la probabilidad
a priori del suceso A multiplicada por la probabilidad del suceso B condicionada al cumplimiento del suceso A.
La fórmula para calcular esta probabilidad compuesta es:
Ejemplo : Estudiamos el suceso A (porcentaje de varones mayores de 40 años casados) y el suceso B (varones
mayores de 40 años con más de 2 hijos) y obtenemos la siguiente información:
Un 35% de los varones mayores de 40 años están casados.
De los varones mayores de 40 años y casados, un 30% tienen más de 2 hijos (suceso B condicionado al suceso A).
Calcular la probabilidad de que un varón mayor de 40 años esté casado y tenga más de 2 hijos (suceso
intersección de A y B).
Por lo tanto:
P (A) = 0,35
P (B/A) = 0,30
P (A B) = 0,35 * 0,30 = 0,105
Es decir, un 10,5% de los varones mayores de 40 años están casados y tienen más de 2 hijos.
Ejemplo: Estudiamos el suceso A (alumnos que hablan inglés) y el suceso B (alumnos que hablan alemán) y obtenemos
la siguiente información:
Un 50% de los alumnos hablan inglés.
De los alumnos que hablan inglés, un 20% hablan también alemán (suceso B condicionado al suceso A).
Calcular la probabilidad de que un alumno hable inglés y alemán (suceso intersección de A y B).
Por lo tanto:
P (A) = 0,50
P (B/A) = 0,20
P (A B) = 0,50 * 0,20 = 0,10
Es decir, un 10% de los alumnos hablan inglés y alemán.
TEOREMA DE LA PROBABILIDAD TOTAL
El Teorema de la probabilidad total nos permite calcular la probabilidad de un suceso a partir de probabilidades
condicionadas:
Ejemplo: supongamos que si llueve la probabilidad de que ocurra un accidentes es x% y si hace buen tiempo dicha
probabilidad es y%. Este teorema nos permite deducir cuál es la probabilidad de que ocurra un accidente si conocemos
la probabilidad de que llueva y la probabilidad de que haga buen tiempo.
La fórmula para calcular esta probabilidad es:
Es decir, la probabilidad de que ocurra el suceso B (en nuestro ejemplo, que ocurra un accidente) es igual a la
suma de multiplicar cada una de las probabilidades condicionadas de este suceso con los diferentes sucesos A
(probabilidad de un accidente cuando llueve y cuando hace buen tiempo) por la probabilidad de cada suceso A.
Para que este teorema se pueda aplicar hace falta cumplir un requisito:
Los sucesos A tienen que formar un sistema completo, es decir, que contemplen todas las posibilidades (la suma
de sus probabilidades debe ser el 100%).
Ejemplo: al tirar una moneda, el suceso "salir cara" y el suceso "salir cruz" forman un sistema completo, no hay más
alternativas: la suma de sus probabilidades es el 100%
Ejemplo: al tirar un dado, que salga el 1, el 2, el 3, o el 4 no forman un sistema completo, ya que no contempla todas
las opciones (podría salir el 5 o el 6). En este caso no se podría aplicar el teorema de la probabilidad total.
Ejercicio 1º: En un saquito hay papeletas de tres colores, con las siguientes probabilidades de ser elegidas:
a) Amarilla: probabilidad del 50%.
b) Verde: probabilidad del 30%
c) Roja: probabilidad del 20%.
Según el color de la papeleta elegida, podrás participar en diferentes sorteos. Así, si la papeleta elegida es:
a) Amarilla: participas en un sorteo con una probabilidad de ganar del 40%.
b) Verde: participas en otro sorteo con una probabilidad de ganar del 60%
c) Roja: participas en un tercer sorteo con una probabilidad de ganar del 80%.
Con esta información, ¿qué probabilidad tienes de ganar el sorteo en el que participes?:
1.- Las tres papeletas forman un sistema completo: sus probabilidades suman 100%
2.- Aplicamos la fórmula:
Luego,
P (B) = (0,50 * 0,40) + (0,30 * 0,60) + (0,20 * 0,80) = 0,54
Por tanto, la probabilidad de que ganes el sorteo es del 54%.
Ejercicio 2º: Van a cambiar a tu jefe y se barajan diversos candidatos:
a) Carlos, con una probabilidad del 60%
b) Juan, con una probabilidad del 30%
c) Luis, con una probabilidad del 10%
En función de quien sea tu próximo jefe, la probabilidad de que te suban el sueldo es la siguiente:
a) Si sale Carlos: la probabilidad de que te suban el sueldo es del 5%.
b) Si sale Juan: la probabilidad de que te suban el sueldo es del 20%.
c) Si sale Luis: la probabilidad de que te suban el sueldo es del 60%.
En definitiva, ¿cual es la probabilidad de que te suban el sueldo?:
1.- Los tres candidatos forman un sistema completo
2.- Aplicamos la fórmula:
P (B) = (0,60 * 0,05) + (0,30 * 0,20) + (0,10 * 0,60) = 0,15
Por tanto, la probabilidad de que te suban el sueldo es del 15%. Lo llevas claro amigo...
TEOREMA DE BAYES
El Teorema de Bayes viene a seguir el proceso inverso al que hemos visto en el Teorema de la probabilidad total:
Teorema de la probabilidad total: a partir de las probabilidades del suceso A (probabilidad de que llueva o de que
haga buen tiempo) deducimos la probabilidad del suceso B (que ocurra un accidente).
Teorema de Bayes: a partir de que ha ocurrido el suceso B (ha ocurrido un accidente) deducimos las probabilidades
del suceso A (¿estaba lloviendo o hacía buen tiempo?).
La fórmula del Teorema de Bayes es:
Tratar de explicar estar fórmula con palabras es un galimatías, así que vamos a intentar explicarla con un ejemplo. De
todos modos, antes de entrar en el ejercicio, recordar que este teorema también exige que el suceso A forme un
sistema completo.
Ejercicio 1º: El parte meteorológico ha anunciado tres posibilidades para el fin de semana:
a) Que llueva: probabilidad del 50%.
b) Que nieve: probabilidad del 30%
c) Que haya niebla: probabilidad del 20%.
Según estos posibles estados meteorológicos, la posibilidad de que ocurra un accidente es la siguiente:
a) Si llueve: probabilidad de accidente del 10%.
b) Si nieva: probabilidad de accidente del 20%
c) Si hay niebla: probabilidad de accidente del 5%.
Resulta que efectivamente ocurre un accidente y como no estabamos en la ciudad no sabemos que tiempo hizo (nevó,
llovío o hubo niebla). El teorema de Bayes nos permite calcular estas probabilidades:
Las probabilidades que manejamos antes de conocer que ha ocurrido un accidente se denominan "probabilidades a
priori" (lluvia con el 60%, nieve con el 30% y niebla con el 10%).
Una vez que incorporamos la información de que ha ocurrido un accidente, las probabilidades del suceso A cambian:
son probabilidades condicionadas P (A/B), que se denominan "probabilidades a posteriori".
Vamos a aplicar la fórmula:
a) Probabilidad de que estuviera lloviendo:
La probabilidad de que efectivamente estuviera lloviendo el día del accidente (probabilidad a posteriori) es del 71,4%.
b) Probabilidad de que estuviera nevando:
La probabilidad de que estuviera nevando es del 21,4%.
c) Probabilidad de que hubiera niebla:
La probabilidad de que hubiera niebla es del 7,1%.
INDEPENDENCIA DE SUCESOS
Dos sucesos son independientes entre sí, si la ocurrencia de uno de ellos no afecta para nada a la ocurrencia del
otro:
Ejemplo: el suceso estatura de los alumnos de una clase y el color del pelo son independientes: el que un alumno sea
más o menos alto no va a influir en el color de su cabello, ni viceversa.
Para que dos sucesos sean independientes tienen que verificar al menos una de las siguientes condiciones:
P (B/A) = P (B) es decir, que la probabilidad de que se de el suceso B, condicionada a que previamente se haya dado
el suceso A, es exactamente igual a la probabilidad de B.
Ejemplo: la probabilidad de que al tirar una moneda salga cara (suceso B), condicionada a que haga buen tiempo
(suceso A), es igual a la propia probabilidad del suceso B.
P (A/B) = P (A) es decir, que la probabilidad de que se de el suceso A, condicionada a que previamente se haya dado
el suceso B, es exactamente igual a la probabilidad de A.
Ejemplo: la probabilidad de que haga buen tiempo (suceso A), condicionada a que al tirar una moneda salga cara
(suceso B), es igual a la propia probabilidad del suceso A.
P (A B) = P (A) * P (B) es decir, que la probabilidad de que se de el suceso conjunto A y B es exactamente igual a
la probabilidad del suceso A multiplicada por la probabilidsad del suceso B.
Ejemplo: la probabilidad de que haga buen tiempo (suceso A) y salga cara al tirar una moneda (suceso B), es igual a
la probabilidad del suceso A multiplicada por la probabilidad del suceso B
Si el suceso A es independiente del suceso B, entonces el suceso B también es independiente del suceso A.
Ejemplo 1º: analicemos dos sucesos:
Suceso A: la probabilidad de que haga buen tiempo es del 0,4
Suceso B: la probabilidad de tener un accidente es del 0,1
Suceso intersección: la probabilidad de que haga buen tiempo y tener un accidente es del 0,08
Veamos si se cumple alguna de las condiciones señaladas:
P (B/A) = P (A B) / P (A) = 0,08 / 0,4 = 0,2 (que no es igual a P (B))
P (A/B) = P (A B) / P (B) = 0,08 / 0,6 = 0,133 (que no es igual a P (A))
P (A B) = 0,08 (que no es igual a P (A) multiplicado por P (B))
Por lo tanto, no se cumple ninguna de las tres condiciones señaladas por lo que estos dos sucesos no son
independientes, sino que existe algún grado de dependencia entre ellos.
Ejemplo 2º: analicemos dos sucesos:
Suceso A: la probabilidad de que haga buen tiempo es del 0,4
Suceso B: la probabilidad de salir cara al lanzar una moneda es del 0,5
Suceso intersección: la probabilidad de que haga buen tiempo y que salga cara es 0,2
Veamos si se cumple alguna de las condiciones señaladas:
P (B/A) = P (A B) / P (A) = 0,2 / 0,4 = 0,5 (igual que P (B))
P (A/B) = P (A B) / P (B) = 0,2 / 0,6 = 0,4 (igual que P (A))
P (A B) = 0,2 (igual a P (A) multiplicado por P (B))
Por lo tanto, estos dos sucesos sí son independientes .
