sábado, 22 de marzo de 2014

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%.


viernes, 21 de marzo de 2014

Probabilidad condicional

Las probabilidades condicionadas se calculan una vez que se ha incorporado información adicional a la situación de partida:
Ejemplo: se tira 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.
Las probabilidades condicionadas se calculan aplicando la siguiente fórmula:

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 L 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 L 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 L 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).


jueves, 20 de marzo de 2014



Suma de Probabilidad


Si dos eventos A y B son mutuamente excluyentes, esta regla indica que la probabilidad de que ocurra uno u otro de los eventos, es igual a la suma de sus probabilidades.
P(A ó B) = P(A U B)
P(A U B) = P(A)+ P (B)
P(A ó B ó...ó Z) = P(A U B U...U Z)
P(A U B U...UZ)= P(A)+ P(B) +... P(Z)
REGLA GENERAL DE LA ADICIÓN
Cuando los eventos no son mutuamente excluyentes, la probabilidad de la ocurrencia conjunta de los dos eventos, se resta de la suma de las probabilidades de los dos eventos.
P(A ó B) = P(A) + P(B) - P(A y B)
En la teoría de conjuntos, la ocurrencia conjunta hace referencia a la intersección, por lo tanto:
P(A y B) = P(A ∩B)
Entonces: P(A U B) = P(A) + P(B) - P(A ∩ B)
Ejemplo:
La probabilidad que la siguiente persona que entre al salón sea un estudiantes y la probabilidad de que la siguiente persona sea un maestro. Si la probabilidad de que la persona sea un estudiante es 0,8 y la que sea un maestro es 0,1, entonces la probabilidad de que la persona sea un maestro o un estudiante es 0,8 + 0,1 = 0,9.

Multiplicación de probabilidades


Si se tienen varios eventos sucesivos e independientes entre sí, la probabilidad de que ocurran todos ellos a la vez corresponde a la multiplicación de las probabilidades de cada uno de los eventos.
Ejemplos: 
1. Si se responden al azar cuatro preguntas con cinco opciones cada una, ¿cuál es la probabilidad de acertar a todas?
 
La probabilidad de cada uno de estos eventos es: 
La probabilidad de acierto en cada una de las preguntas es 1/5. Por lo tanto, la probabilidad de acertar en las cuatro es:
P(A)= (1/5)(1/5)(1/5)(1/5) = 1/625
2. Suponiendo que la probabilidad de tener un hijo o una hija es ½, ¿cuál es la probabilidad de que al tener tres hijos, 2 solamente sean varones?
Si H representa el nacimiento de un hombre y M el de una mujer, tenemos los siguientes casos favorables:    HHM – HMH – MHH  

P(A)= (1/2)(1/2)(1/2) = 1/8

Probabilidad



Probabilidad

La probabilidad es una medición numérica que va de 0 a 1 de la posibilidad de que un evento ocurra. Si da cerca de 0 es improbable que ocurra el evento y si da cerca de uno es casi seguro que ocurra.
P (a): nº de resultados en que ocurra a
Nº de resultados posibles

Tipos de sucesos
  • Exhaustivo: se dice que dos o más sucesos son exhaustivos si se consideran todos los posibles resultados.
Simbólicamente: p (A o B o...) = 1
  • No exhaustivos: se dice que dos o más sucesos son exhaustivos si no cubren todos los posibles resultados.
  • Mutuamente excluyentes: sucesos que no pueden ocurrir en forma simultánea:
P(A y B) = 0 y p(A o B) = p(A) + p (B)
Ejemplo: hombres, mujeres
  • No mutuamente excluyentes: sucesos que pueden ocurrir en forma simultánea:
P (A o B) = p (A) + p (B) ? p (A y B)
Ejemplo: hombres, ojos cafés
  • Independientes: Sucesos cuya probabilidad no se ve afectada por la ocurrencia o no ocurrencia del otro :
P ( AI B ) = P ( A ); P ( BIA ) = P (B) Y P (A Y B) = P(A) P(B)
Ejemplo: sexo y color de ojos
  • Dependientes: sucesos cuya probabilidad cambia dependiendo de la ocurrencia o no ocurrencia del otro:
P ( AI B ) difiere de p (A); P ( BIA ) difiere de P(B);
Y P (A Y B)= P ( A ) P ( BIA )= P (B) P ( AI B )
Ejemplo: raza y color de ojos.

Probabilidad simple

Consiste en dividir el número de resultados que se necesita, entre el número total.
Ejemplo:
En una bolsa se tiene 87 canicas de las cuales 68 con de color verde, si se escoge una, ¿cual es la probabilidad de que esta sea verde?
Solución:

  • Divide la cantidad de formas de elegir una canica verde (68) por la cantidad total de canicas (87)
  • 68 ÷ 87 = 0.781609
  • Redondea a la precisión deseada (es decir 0.781609 redondeado a centésimos es 0.78)