Probabilidad Y Estadística

← Volver atrás
Probabilidad Y Estadística

Cursada: 56 hs

Examen: 8 hs

Total: 64 hs

Probabilidad Y Estadística

Profesor/a: Giselle Bottazzi

13/8/2024

Escrito por: Felipe Arce

Probabilidad y Estadística

Clase I - 13 de agosto de 2024

La primera clase volvimos a tener con la profesora que tuvimos en Matematica I, Por suerte su forma de enseñar fue genial y considero que fue la materia que mas aprendi el cuatrimestre anterior, lastimosamente este cuatrimestre no es presencial , Esperemos que La Desenvoltura de forma online sea la misma.

Unidad 1:

Probabilidad. Espacio muestral. Sucesos. Sucesos mutuamente excluyentes. Partición de un espacio muestral .Sucesos complementarios. Definición clásica de probabilidad.

¿Qué es la PROBABILIDAD?

La probabilidad es un número, que va del cero al uno y que mide el riesgo de ocurrencia. Ese número me indica el grado de riesgo que existe acerca de la ocurrencia de un suceso o evento, donde el valor cero indica imposibilidad de ocurrencia y el número uno indica absoluta certeza acerca de la ocurrencia de ese suceso o evento.

Tenemos que ver que suceso o evento se le puede calcular

Conceptos Basicos A tener en cuenta

Fenomeno Deterministico: Se sabe con toda certeza cual será su comportamiento.

Fenomeno Aleatorio o Probabilístico: No se puede afirmar con certeza cuál será su comportamiento.

Experimento : Proceso por medio del cual se obtiene una observación , Por ejemplo lanzar un dado para ver que va a salir.

Experimento: 1 Se observan tres automóviles en una salida de la autopista para ver si dan vuelta a la izquierda o a la derecha al final de de la rampa de salida.

Union = U Intersección = ∩

Todos los posibles resultados de dicho experimento son:

U={III,DII,IDI,IID,IDD,DID,DDI,DDD}U = \{III, DII, IDI, IID, IDD, DID, DDI, DDD\}

Donde D Representa hacia la derecha e “I” hacia la izquierda

Suceso Elemental o evento Simple: Cada uno de los posibles resultados, que no se pueden descomponer en otros más simples, da un experimento aleatorio.

Espacio Muestral: Es el conjunto que consta de todos los posibles sucesos elementales. Por lo general se denota con la letra U o S.

U={1,2,3,4,5,6} del experimento de lanzar una dadoU = \{1,2,3,4,5,6\} \text{ del experimento de lanzar una dado}
U={1,2} del experimento de lanzar una monedaU = \{1, 2\} \text{ del experimento de lanzar una moneda}

Suceso: Subconjunto del espacio muestral. Por ejemplo, que al lanzar un dado salga un número múltiplo de 3.

Suceso Imposible: Es el suceso que no contiene ningún suceso elemental. En conjunto vació lo representa

Partición de un Espacio Muestral

Son todas aquellas divisiones mutuamente excluyentes y colectivamente exhaustivas que se pueden realizar sobre un espacio muestral. Es por este motivo que puedo tener como máximo tantos particiones como eventos tenga el espacio muestral.

Dos eventos son mutuamente excluyentes cuando esos eventos son particiones de un mismo espacio muestral. En otras palabras, dos eventos A Y son mutuamente excluyentes si la ocurrencia de uno implica la no ocurrencia del otro.

Dos eventos son colectivamente excluyentes cuando en conjunto involucran a la totalidad del espacio muestral. Es decir, la unión de los conjuntos que los representan conforman el espacio muestral.

Dos eventos son colectivamente exhautivos cuando en conjunto involucran a la totalidad del espacio muestral. Es decir, la unión de los conjuntos que los representan conforman el espacio muestral.

Ejemplo:

Se arroja un dado y se observa el número que sale.

U={1,2,3,4,5,6} del experimento de lanzar una dadoU = \{1,2,3,4,5,6\} \text{ del experimento de lanzar una dado}

Definimos los siguientes sucesos:

A={2,4,6} (sale un nuˊmero par)A = \{2, 4, 6\} \text{ (sale un número par)}
B={1,3,5} (sale un nuˊmero impar)B = \{1, 3, 5\} \text{ (sale un número impar)}
C={3,6} (sale un muˊltiplo de 3)C = \{3, 6\} \text{ (sale un múltiplo de 3)}

Los sucesos A y B son particiones de U, Ya que son mutuamente excluyentes y colectivamente exhaustivos

Mutuamente Excluyentes: Es uno o es el otro , se cumple que si es par no se cumple que es impar

Colectivamente exhaustivos: Porque si hago la union de todos los sucesos me da el total del universo

AB={2,4,6,1,3,5}=UA \cup B = \{2, 4, 6, 1, 3, 5\} = U
A unioˊn B={2,4,6,1,3,5}=universo\text{A unión B} = \{2, 4, 6, 1, 3, 5\} = \text{universo}
D=Que salga nuˊmero par y muˊltiplo de 3=AC={6}D = \text{Que salga número par y múltiplo de 3} = A \cap C = \{6\}

La conjunción de dos sucesos equivale a la intersección de los mismos

E=Que salga nuˊmero impar y muˊltiplo de 3=BC={3}E = \text{Que salga número impar y múltiplo de 3} = B \cap C = \{3\}
F=Que salga nuˊmero par o muˊltiplo de 3=AC={2,3,4,6}F = \text{Que salga número par o múltiplo de 3} = A \cup C = \{2, 3, 4, 6\}

El operador “o” equivale a la unión de los conjuntos.

G=Que salga nuˊmero impar o muˊltiplo de 3=BC={1,3,5,6}G = \text{Que salga número impar o múltiplo de 3} = B \cup C = \{1, 3, 5, 6\}

Como los sucesos son conjuntos pueden operarse como tales aplicando la unión la intersección, la diferencia, la diferencia simétrica y el complemento.

Representación grafica con diagramas de Venn.

Diagrama de Venn de los sucesos A Y B

Diagrama de Venn de los sucesos A y B

La región sombreada es A ∩ B (intersección) representan a los elementos que pertenecen al suceso A y al suceso B

Diagrama de Venn de los sucesos A intersección B
Diagrama de Venn de los sucesos A intersección B

La región sombreada es A U B (unión) representan a los elementos que pertenecen al suceso A y al suceso B o a ambos

Sucesos A Y B mutuamente excluyentes, Cuando ocurre uno de los sucesos, el otro no puede ocurrir.

Diagrama de Venn de los sucesos A intersección B
Diagrama de Venn de los sucesos A intersección B

La región sombreada es el complemento de A

Representa a los elementos que pertenecen al suceso A o bien al suceso B pero no a Ambos , osea que la intersección no es agregada

Pertenecen al suceso A o bien al suceso B pero no a Ambos

Concepto de Probabilidad. Propiedades.

Definición clasica de la probabilidad.

Espacio muestral comprobable “Todos los sucesos elementales tienen igual probabilidad de ocurrir”

Definición clásica de probabilidad

Sea un suceso aleatorio ( S ) definido en un espacio muestral ( U ) . La probabilidad de ocurrencia de ( S ) se define como el cociente entre los casos favorables al suceso aleatorio ( S ) y los casos posibles del experimento aleatorio.

P(S)=Casos favorables al sucesoCasos posibles del experimentoP(S) = \frac{\text{Casos favorables al suceso}}{\text{Casos posibles del experimento}}

P(S)=CFCPP(S) = \frac{CF}{CP}

Ejemplo

E4: Se arroja un dado y se observa el número que sale.

A={sale nuˊmero par}={2,4,6}A = \{\text{sale número par}\} = \{2,4,6\}

A={sale nuˊmero impar}={1,3,5}A = \{\text{sale número impar}\} = \{1,3,5\}

A={sale muˊltiplo de 3}={3,6}A = \{\text{sale múltiplo de 3}\} = \{3,6\}

Para calcular la probabilidad de que salga un numero par hacemos:

P(A)=Casos favorables al sucesoCasos posibles del experimento=36=0.5P(A) = \frac{\text{Casos favorables al suceso}}{\text{Casos posibles del experimento}} = \frac{3}{6} = 0.5

Para calcular la probabilidad de que salga un número impar

P(A)=Casos favorables al sucesoCasos posibles del experimento=36=0.5P(A) = \frac{\text{Casos favorables al suceso}}{\text{Casos posibles del experimento}} = \frac{3}{6} = 0.5

Para calcular la probabilidad de que salga un múltiplo de 3

P(A)=Casos favorables al sucesoCasos posibles del experimento=26=13P(A) = \frac{\text{Casos favorables al suceso}}{\text{Casos posibles del experimento}} = \frac{2}{6} = \frac{1}{3}

Para calcular la probabilidad de que no salga un número par:

P(Ac)=Casos favorables al sucesoCasos posibles del experimento=36=0.5P(A^c) = \frac{\text{Casos favorables al suceso}}{\text{Casos posibles del experimento}} = \frac{3}{6} = 0.5

Para calcular la probabilidad de que no salga un múltiplo de 3:

P(Ac)=Casos favorables al sucesoCasos posibles del experimento=46=23P(A^c) = \frac{\text{Casos favorables al suceso}}{\text{Casos posibles del experimento}} = \frac{4}{6} = \frac{2}{3}

Para calcular la probabilidad de que salga un número par o impar:

P(AB)=Casos favorables al sucesoCasos posibles del experimento=36+36=66=1P(A \cup B) = \frac{\text{Casos favorables al suceso}}{\text{Casos posibles del experimento}} = \frac{3}{6} + \frac{3}{6} = \frac{6}{6} = 1

P(AB)=Casos favorables al suceso par y muˊltiplo de 3Casos posibles del experimento=16P(A \cap B) = \frac{\text{Casos favorables al suceso par y múltiplo de 3}}{\text{Casos posibles del experimento}} = \frac{1}{6}

Axiomas de la probabilidad

La probabilidad se basa en tres axiomas fundamentales establecidos por el matemático Andrey Kolmogorov:

Axioma 1: La probabilidad de cualquier evento es un número no negativo.

P(A)0P(A) \geq 0

Axioma 2: La probabilidad del espacio muestral completo es 1.

P(U)=1P(U) = 1

Axioma 3: La probabilidad de la unión de eventos mutuamente excluyentes es la suma de sus probabilidades.

P(AB)=P(A)+P(B)P(A \cup B) = P(A) + P(B)
(si (A) y (B) son eventos mutuamente excluyentes)

Estos axiomas forman la base para el cálculo de probabilidades y para el desarrollo de modelos estadísticos y probabilísticos.

Ejemplo

En una pareja, cada uno de sus miembros posee genes para ojos castaños y para ojos azules. Teniendo en cuenta que cada uno tiene la misma probabilidad de aportar un gen para ojos castaños que para ojos azules y que el gen para ojos castaños es dominante, se desea obtener la probabilidad de que un hijo nacido de esta pareja tenga los ojos castaños.

Espacio muestral:

E=Genes que aporta cada padreE = \text{Genes que aporta cada padre}

Supongamos que los genes están representados como:

C=gen para ojos castan˜osC = \text{gen para ojos castaños}
A=gen para ojos azulesA = \text{gen para ojos azules}

Dado que cada padre puede aportar uno de los dos genes con igual probabilidad, y el gen para ojos castaños (C) es dominante sobre el gen para ojos azules (A), tenemos los siguientes posibles pares de genes para el hijo:

  • CCCC
  • CACA
  • ACAC
  • AAAA

Los pares de genes que resultan en ojos castaños son:

CCCC
CACA
ACAC

Como el gen para ojos castaños (C) es dominante, cualquier combinación que tenga al menos un gen para ojos castaños resultará en ojos castaños. Por lo tanto, las combinaciones que dan como resultado ojos castaños son:

CC,CA,ACCC, CA, AC

La probabilidad de que el hijo tenga ojos castaños es:

P(Ojos castan˜os)=Nuˊmero de combinaciones favorablesNuˊmero total de combinacionesP(\text{Ojos castaños}) = \frac{\text{Número de combinaciones favorables}}{\text{Número total de combinaciones}}

Existen 3 combinaciones favorables (CC, CA, AC) y 4 combinaciones posibles en total (CC, CA, AC, AA). Por lo tanto:

P(Ojos castan˜os)=34=0.75P(\text{Ojos castaños}) = \frac{3}{4} = 0.75

Así, la probabilidad de que un hijo nacido de esta pareja tenga ojos castaños es 0.75 o 75%.

Otro Ejemplo

Una mujer es portadora de hemofilia. Aunque la mujer no tenga la enfermedad, puede transmitirla a los hijos. Suponiendo que es igualmente probable que se transmita o no la enfermedad, obtendremos las probabilidades de los siguientes sucesos en tres hijos:

1. Ninguno tenga la enfermedad (Suceso A)

La probabilidad de que un hijo no tenga la enfermedad es

P(No enfermedad)=12P(\text{No enfermedad}) = \frac{1}{2}
. Si consideramos tres hijos, la probabilidad de que ninguno de ellos tenga la enfermedad se puede calcular como:

P(Ninguno tenga la enfermedad(Suceso A)o (A))=CFCP=18=0.125P(\text{Ninguno tenga la enfermedad(Suceso A)o (A)}) = \frac{CF}{CP} = \frac{1}{8} = 0.125

Donde: CF (Casos Favorables) = 1 (solo la trayectoria NNN corresponde a que ninguno tenga la enfermedad).

CP (Casos Posibles) = 8 las trayectorias posibles en total, ya que hay 2 posibilidades por hijo y 3 hijos:

232^3

2. Dos hijos tengan la enfermedad (Suceso B)

La probabilidad de que un hijo tenga la enfermedad es

P(Enfermedad)=12P(\text{Enfermedad}) = \frac{1}{2}

Las trayectorias posibles en las que exactamente dos hijos tengan la enfermedad son tres, por lo que la probabilidad es:

P(Dos hijos tengan la enfermedad(Suceso B)o (B))=CFCP=38=0.375P(\text{Dos hijos tengan la enfermedad(Suceso B)o (B)}) = \frac{CF}{CP} = \frac{3}{8} = 0.375

Donde:

CF (Casos Favorables) = 3 (las trayectorias SSN, SNS, y NSS corresponden a dos hijos con la enfermedad).

CP (Casos Posibles) = 8 (las trayectorias posibles en total).

3. Obtener las trayectorias para este experimento mediante un diagrama de árbol

Podemos representar este problema utilizando un diagrama de árbol para visualizar todas las posibles trayectorias del experimento. El diagrama de árbol para este experimento se puede construir de la siguiente manera:

Diagrama de árbol de hemofilia

En el diagrama de árbol, cada rama representa la probabilidad de que un hijo tenga o no tenga la enfermedad. Las trayectorias posibles son:

  • SSS : Todos los hijos tienen la enfermedad.\text{SSS : Todos los hijos tienen la enfermedad.}
  • SSN, SNS, NSS : Dos hijos tienen la enfermedad.\text{SSN, SNS, NSS : Dos hijos tienen la enfermedad.}
  • SNN, NSN, NNS : Un hijo tiene la enfermedad.\text{SNN, NSN, NNS : Un hijo tiene la enfermedad.}
  • NNN : Ninguˊn hijo tiene la enfermedad.\text{NNN : Ningún hijo tiene la enfermedad.}

El espacio muestral total es:

23=82^3 = 8
trayectorias.

Considerando el siguiente experimento, escribe su espacio muestral.

Experimento:

  • Se elige un número natural al azar entre 1 y 5 al mismo tiempo que se elige un color entre rojo, verde, azul.

Espacio muestral:

  • {(1,rojo),(1,verde),(1,azul),(2,rojo),(2,verde),(2,azul),(3,rojo),(3,verde),(3,azul),(4,rojo),(4,verde),(4,azul),(5,rojo),(5,verde),(5,azul)}\{ (1, \text{rojo}), (1, \text{verde}), (1, \text{azul}), (2, \text{rojo}), (2, \text{verde}), (2, \text{azul}), (3, \text{rojo}), (3, \text{verde}), (3, \text{azul}), (4, \text{rojo}), (4, \text{verde}), (4, \text{azul}), (5, \text{rojo}), (5, \text{verde}), (5, \text{azul}) \}

Se le puede decir de dos formas diferentes:

#E = espacio muestral/universo\text{\#E = espacio muestral/universo}
#U = espacio muestral/universo\text{\#U = espacio muestral/universo}
#E = 15\text{\#E = 15}
#U = 15\text{\#U = 15}
Ejercicios
  1. Para cada uno de los siguientes experimentos, se pide definir el espacio muestral:
    1. Se analiza un tubo de ensayo con una muestra para detectar la presencia o ausencia de una molécula contaminante.
    2. Se seleccionaron sucesivamente dos artículos de una producción y se clasifica cada uno en NORMAL o DEFECTUOSO.
    3. Se arroja una moneda.
    4. Se seleccionaron dos billetes de una billetera que contiene: un billete de $10, uno de $50 y uno de $20. Considerar al experimento con y sin reposición.
    5. De una caja que contiene bolillas blancas y negras, se extraen sucesivamente hasta obtener dos bolillas blancas o cuatro bolillas cualesquiera.
  2. Describir por extensión los siguientes sucesos correspondientes a los experimentos aleatorios descriptos en el ítem b del ejercicio anterior.
  3. A = el primer artículo es defectuoso.

    B = al menos uno de los artículos es defectuoso.

    C = ambos artículos son defectuosos.

  4. Considerando el ítem 2, indicar el valor de verdad de las siguientes preposiciones:
    1. A ⊂ B (incluido) _______________________
    2. C ⊂ A (incluido) _______________________
    3. A ∩ C es un evento imposible _______________________
    4. El complemento de un evento imposible es verdadero _______________________
  5. Supongamos que se lanza una moneda tres veces y se observan las caras superiores registrando cara o cruz según corresponda.
    1. Establecer el espacio muestral de este experimento.
    2. Asignar una probabilidad a cada punto. ¿Se trata de un espacio de equiprobabilidad?
    3. Sea A el evento de observar exactamente una sola vez cara, y B, el evento de observar al menos una cara. Obtener los espacios muestrales de A y de B.
    4. A partir de las respuestas del ítem anterior, calcular: P(A), P(B).
  6. Describir por extensión los siguientes sucesos correspondientes a los experimentos aleatorios descriptos en el ítem b del ejercicio anterior.
  7. A = el primer artículo es defectuoso.

    B = al menos uno de los artículos es defectuoso.

    C = ambos artículos son defectuosos.

Clase II - 20 de agosto de 2024

Se inicia la clase Resolviendo los Ejercicios de la clase anterior

Ejercicios Resueltos
  1. Para cada uno de los siguientes experimentos, se pide definir el espacio muestral:
    1. Se analiza un tubo de ensayo con una muestra para detectar la presencia o ausencia de una molécula contaminante.
    2. #E={PRESENCIA,AUSENCIA}\#E = \{\text{PRESENCIA}, \text{AUSENCIA}\}
    3. Se seleccionaron sucesivamente dos artículos de una producción y se clasifica cada uno en NORMAL o DEFECTUOSO.
    4. #E={NN,ND,DD,DN}\#E = \{\text{NN}, \text{ND}, \text{DD}, \text{DN}\}
    5. Se arroja una moneda.
    6. #E={Cara,Cruz}\#E = \{\text{Cara}, \text{Cruz}\}
    7. Se seleccionaron dos billetes de una billetera que contiene: un billete de $10, uno de $50 y uno de $20. Considerar al experimento con y sin reposición.
    8. Sin reposición:

      #E={$10, $20$10, $50$50, $10$50, $20$20, $50}\#E = \left\{\begin{array}{ll} \text{\$10, \$20} \\ \text{\$10, \$50} \\ \text{\$50, \$10} \\ \text{\$50, \$20} \\ \text{\$20, \$50} \end{array}\right\}

      Con reposición:

      #E={$10, $10$10, $20$10, $50$20, $10$20, $20$20, $50$50, $10$50, $20$50, $50}\#E = \left\{\begin{array}{ll} \text{\$10, \$10} \\ \text{\$10, \$20} \\ \text{\$10, \$50} \\ \text{\$20, \$10} \\ \text{\$20, \$20} \\ \text{\$20, \$50} \\ \text{\$50, \$10} \\ \text{\$50, \$20} \\ \text{\$50, \$50} \end{array}\right\}
    9. De una caja que contiene bolillas blancas y negras, se extraen sucesivamente hasta obtener dos bolillas blancas o cuatro bolillas cualesquiera.
    10. #E={BBNBBBNBNBNBBNNBNNNBNNBBNBNNNNNNNNBNBNNN}\#E = \left\{\begin{array}{ll} \text{BB} \\ \text{NBB} \\ \text{BNB} \\ \text{NBNB} \\ \text{BNNB} \\ \text{NNNB} \\ \text{NNBB} \\ \text{NBNN} \\ \text{NNNN} \\ \text{NNBN} \\ \text{BNNN} \\ \end{array}\right\}
  2. Describir por extensión los siguientes sucesos correspondientes a los experimentos aleatorios descriptos en el ítem b del ejercicio anterior.
  3. A = el primer artículo es defectuoso.

    #A={DDDN}\#A = \left\{\begin{array}{ll} \text{DD} \\ \text{DN} \\ \end{array}\right\}

    B = al menos uno de los artículos es defectuoso.

    #B={DDDNND}\#B = \left\{\begin{array}{ll} \text{DD} \\ \text{DN} \\ \text{ND} \\ \end{array}\right\}

    C = ambos artículos son defectuosos.

    #C={DD}\#C = \left\{\begin{array}{ll} \text{DD} \\ \end{array}\right\}
  4. Considerando el ítem 2, indicar el valor de verdad de las siguientes preposiciones:
    1. A ⊂ B (incluido) ____________ V ___________
    2. C ⊂ A (incluido) ____________ V __________
    3. A ∩ C es un evento imposible ____________ F ___________
    4. El complemento de un evento imposible es verdadero ____________ V ___________
  5. Supongamos que se lanza una moneda tres veces y se observan las caras superiores registrando cara o cruz según corresponda.
    1. Establecer el espacio muestral de este experimento.
    2. 232^3
      #E={SSSCSSCCSCCCSCSCSCSCCSSC}\#E = \left\{\begin{array}{ll} \text{SSS} \\ \text{CSS} \\ \text{CCS} \\ \text{CCC} \\ \text{SCS} \\ \text{CSC} \\ \text{SCC} \\ \text{SSC} \\ \end{array}\right\}
    3. Asignar una probabilidad a cada punto. ¿Se trata de un espacio de equiprobabilidad?
    4. Equiprobabilidad es un concepto en probabilidad que significa que todos los resultados posibles de un experimento tienen la misma probabilidad de ocurrir.

      Por ejemplo, si lanzas una moneda justa, hay dos resultados posibles (cara o cruz), y ambos tienen la misma probabilidad de ocurrir, es decir, 50% o 0.5 para cada uno.

      De manera similar, al lanzar un dado justo de seis caras, cada número (1, 2, 3, 4, 5, 6) tiene una probabilidad de 1/6 de salir. En estos casos, se dice que los eventos son equiprobables.

      En resumen, la equiprobabilidad implica que ningún resultado tiene ventaja sobre los demás, y cada uno es igualmente probable. A lo que “Si”, se trata de un estado de equiprobabilidad.

    5. Sea A el evento de observar exactamente una sola vez cara, y B, el evento de observar al menos una cara. Obtener los espacios muestrales de A y de B.
    6. #A={CSSSCSSSC}(Cantidad de elementos: A=3)\#A = \left\{\begin{array}{ll} \text{CSS} \\ \text{SCS} \\ \text{SSC} \\ \end{array}\right\} \quad \text{(Cantidad de elementos: } |A| = 3\text{)}

      P(A)=Cantidad de FavorablesCantidad de Posibles=ATotal=38P(A) = \frac{\text{Cantidad de Favorables}}{\text{Cantidad de Posibles}} = \frac{|A|}{\text{Total}} = \frac{3}{\text{8}}

      #B={CSSCCSCCCSCSCSCSCCSSC}(Cantidad de elementos: B=7)\#B = \left\{\begin{array}{ll} \text{CSS} \\ \text{CCS} \\ \text{CCC} \\ \text{SCS} \\ \text{CSC} \\ \text{SCC} \\ \text{SSC} \\ \end{array}\right\} \quad \text{(Cantidad de elementos: } |B| = 7\text{)}

      P(B)=Cantidad de FavorablesCantidad de Posibles=BTotal=78P(B) = \frac{\text{Cantidad de Favorables}}{\text{Cantidad de Posibles}} = \frac{|B|}{\text{Total}} = \frac{7}{\text{8}}

    7. A partir de las respuestas del ítem anterior, calcular: P(A), P(B).
    8. #A={CSSSCSSSC}(Cantidad de elementos: A=3)\#A = \left\{\begin{array}{ll} \text{CSS} \\ \text{SCS} \\ \text{SSC} \\ \end{array}\right\} \quad \text{(Cantidad de elementos: } |A| = 3\text{)}

      P(A)=ATotal=38P(A) = \frac{|A|}{\text{Total}} = \frac{3}{8}
      Nota: Asumiendo que el total de elementos posibles es 8.

      #B={CSSCCSCCCSCSCSCSCCSSC}(Cantidad de elementos: B=7)\#B = \left\{\begin{array}{ll} \text{CSS} \\ \text{CCS} \\ \text{CCC} \\ \text{SCS} \\ \text{CSC} \\ \text{SCC} \\ \text{SSC} \\ \end{array}\right\} \quad \text{(Cantidad de elementos: } |B| = 7\text{)}

      P(B)=BTotal=78P(B) = \frac{|B|}{\text{Total}} = \frac{7}{8}
      Nota: Asumiendo que el total de elementos posibles es 8.

Unidad 2 y 3:

Unidad 2

Definición Axiomática de Probabilidad

La probabilidad es una medida que cuantifica la certeza o posibilidad de que ocurra un evento. La definición axiomática de probabilidad está basada en tres axiomas fundamentales propuestos por Andrey Kolmogorov. Estos axiomas establecen las propiedades básicas que debe cumplir una función de probabilidad:

  1. Axioma de No Negatividad: Para cualquier evento ( A ), la probabilidad de ( A ) es mayor o igual a 0, es decir:

    P(A)0P(A) \geq 0
  2. Axioma de Normalización: La probabilidad del espacio muestral completo es 1, es decir:

    P(Ω)=1P(\Omega) = 1
  3. Axioma de Adición: Para cualquier par de eventos mutuamente excluyentes ( A ) y ( B ), la probabilidad de la unión de ( A ) y ( B ) es la suma de sus probabilidades, es decir:

    P(AB)=P(A)+P(B)P(A \cup B) = P(A) + P(B)
    si
    AB=A \cap B = \emptyset

Consecuencias de la Definición

  • Probabilidad de la Intersección: La probabilidad de la intersección de dos eventos ( A ) y ( B ) puede ser calculada como

    P(AB)=P(A)+P(B)P(AB)P(A \cap B) = P(A) + P(B) - P(A \cup B)
  • Probabilidad del Complemento: La probabilidad del complemento de un evento ( A ) se define como

    P(Ac)=1P(A)P(A^c) = 1 - P(A)
  • Probabilidad Condicional: La probabilidad condicional de ( A ) dado ( B ) se define como

    P(AB)=P(AB)P(B)P(A|B) = \frac{P(A \cap B)}{P(B)}
    , siempre que ( P(B) > 0 ).

Probabilidad Condicional

La probabilidad condicional se utiliza para calcular la probabilidad de un evento dado que otro evento ha ocurrido. Se denota como ( P(A|B) ) y se calcula utilizando la fórmula:

P(AB)=P(AB)P(B)P(A|B) = \frac{P(A \cap B)}{P(B)}

(Nota: Este tema se abordará en detalle en la Unidad 3).

Teorema de la Probabilidad Total

\sum
es el símbolo de la sumatoria.

El símbolo

\sum
representa la sumatoria en matemáticas, que es una operación que consiste en sumar una secuencia de números o términos. Es una forma compacta de expresar la suma de muchos términos, y es especialmente útil en matemáticas, estadísticas, y muchas otras disciplinas.

Notación

En su forma más general, la notación de la sumatoria es:

i=mnai\sum_{i=m}^{n} a_i

  • \sum
    es el símbolo de la sumatoria.
  • i es el índice de suma, que indica la variable sobre la cual se suman los términos.
  • m es el índice inferior, que indica el valor inicial del índice de suma.
  • n es el índice superior, que indica el valor final del índice de suma.
  • a_i es la expresión que se suma para cada valor del índice i.

Ejemplo

Si queremos sumar los números del 1 al 5, podemos escribirlo como:

i=15i\sum_{i=1}^{5} i

Esto significa que debemos sumar

ii
desde
i=1i=1
hasta
i=5i=5
, lo cual es igual a:

1+2+3+4+5=151 + 2 + 3 + 4 + 5 = 15

Uso en Fórmulas

En el contexto de la probabilidad, la sumatoria se usa para sumar probabilidades condicionales, esperanzas matemáticas, y otros cálculos que involucran una serie de eventos o valores. Por ejemplo, el Teorema de la Probabilidad Total utiliza la sumatoria para calcular la probabilidad total de un evento

AA
basado en una partición del espacio muestral:

P(A)=i=1nP(ABi)P(Bi)P(A) = \sum_{i=1}^{n} P(A \mid B_i) \cdot P(B_i)

Aquí, se suman las probabilidades de

AA
dado cada
BiB_i
multiplicadas por la probabilidad de
BiB_i
, para obtener la probabilidad total de
AA
.

El Teorema de la Probabilidad Total permite calcular la probabilidad de un evento considerando una partición del espacio muestral en eventos disjuntos. Si

B1,B2,,BnB_1, B_2, \ldots, B_n
son eventos que forman una partición del espacio muestral, entonces:

P(A)=i=1nP(ABi)P(Bi)P(A) = \sum_{i=1}^{n} P(A \mid B_i) \cdot P(B_i)

P(A)=i=1nP(ABi)P(Bi)P(A) = \sum_{i=1}^{n} P(A|B_i) \cdot P(B_i)

(Nota: Este tema se abordará en detalle en la Unidad 3).

Teorema de Bayes

El Teorema de Bayes es una aplicación de la probabilidad condicional que permite actualizar la probabilidad de un evento basado en nueva evidencia. Se expresa como:

P(BiA)=P(ABi)P(Bi)j=1nP(ABj)P(Bj)P(B_i|A) = \frac{P(A|B_i) \cdot P(B_i)}{\sum_{j=1}^{n} P(A|B_j) \cdot P(B_j)}

(Nota: Este tema se abordará en detalle en la Unidad 3).