viernes, 30 de octubre de 2015

2.7 VARIABLE ALEATORIA

1.-(Jay L. Devore,2008) señala que:
Para un espacio muestral dado S de algún experimento, una variable aleatoria (va, o rv, por sus siglas en inglés) es cualquier regla que asocia un número con cada resultado en S. En lenguaje matemático, una variable aleatoria es una función cuyo dominio es el espacio muestral y cuyo rango es el conjunto de números reales. pag.87

2.-( William Mendenhall, Robert J. Beaver y Bárbara M. Beaver, 2010) señalan que:

-Una variable x valuada numéricamente varía o cambia, dependiendo del resultado particular del experimento que se mida Una variable x es variable aleatoria si el valor que toma, correspondiente al resultado de un experimento, es una probabilidad o evento aleatorio.pag.163

Bibliografia

Probabilidad y estadística para ingeniería y ciencias
Jay L. Devore 2008 séptima edición CENGAGE learning
-introducción a la probabilidad y estadística                                 
William Mendenhall, Robert J. Beaver y Bárbara M. Beaver.
Décima tercera edición
2010 por Cengage Learning Editores, S.A. de C.V.,

Una Compañía de Cengage Learning, Inc. Pag.163

2.6 EVENTOS INDEPENDIENTES: REGLA DE BAYES.

1.-(Walpole.myers.myers,) señala que:
-La estadística bayesiana es un conjunto de herramientas que se utiliza en un tipo especial de inferencia estadística que se aplica en el análisis de datos experimentales en muchas situaciones prácticas de ciencia e ingeniería. La regla de Bayes es una de las normas mas importantes de la teoría de probabilidad, ya que es el fundamento de la inferencia Bayesiana,   pág.; 72

2.-( Mario f.triolo, 2009) señala que:

- Esta sección adicional estudia aplicaciones del teorema de Bayes
(O regla de Bayes), que se utiliza para revisar un valor de probabilidad con base en
Información adicional que se obtiene posteriormente. Revise el análisis, los ejemplos
y los ejercicios que describen las aplicaciones del teorema de Bayes en el
  CD-ROM.  Pág.; 190


3.-(Murray r.spiegel,1976)  señala que:
- Supóngase que .A1, Ar,..., An son sucesos mutuamente excluyentes cuya unión es elespacio

muestral ef, es decir uno de los sucesos debe ocurrir. Entonces si A es cualquier suceso  pag.9


Bibliografía:
-probabilidad y estadística para ingeniería y ciencias.Walpole.myers.myers
Novena edición,Pearson: pág.; 72
Estadística,Mario f.triolo

Décima edición
Pearson Addison Wesley. México, 2009, pág.; 190
--Probabilidad y estadística
Murray r.spiegel
Primera edicion
1976mcgraw-hill de mexico,s,a,de c.v  pag.9

2.5 LEY MULTIPLICATIVA

(Mario f.triolo, 2009) señala que:
Al multiplicar la fórmula de la definición 2.10 por P(A), obtenemos la siguiente regla
 Multiplicativa importante (o regla de producto), que nos permite calcular la probabilidad
   De que ocurran dos eventos.
Si en un experimento pueden ocurrir los eventos A y B, entonces
  P(A B) = P(A) P (B|A), siempre que P(A) > 0.
  Pág.; 64


(Wackerly.mendenhall.scheaffer,2007) señala que:

- Esta sección presenta la regla básica de la multiplicación, la cual se utiliza
Para calcular P(A y B), la probabilidad de que el suceso A ocurra en un primer ensayo
Y que el suceso B ocurra en un segundo ensayo. Si el resultado del primer suceso
A afecta de alguna forma la probabilidad del segundo suceso B, es importante
Ajustar la probabilidad de B para que refleje la ocurrencia del suceso A. La regla
Para el cálculo de P(A y B) se denomina regla de la multiplicación porque implica
Multiplicar la probabilidad del suceso A por la probabilidad del suceso B (donde la
 Probabilidad del suceso B se ajusta por el resultado del suceso A).
P(A y B) _ P (el suceso A ocurre en un primer ensayo y el suceso B ocurre en un  Segundo ensayo) .pág.; 159

 Bibliografía:
-probabilidad y estadística para ingeniería y ciencias
Walpole.myers.myers
Novena edición,Pearson: pág.; 64
estadística,Mario f.triolo,Décima edición
Pearson Addison Wesley. México, 2009
estadística matemática con aplicaciones
Wackerly.mendenhall.scheaffer

Séptima edición, 2007cengage learning. Pag.159

2.4 PROBABILIDAD CONDICIONAL: DEPENDIENTE, INDEPENDIENTE

Probabilidad condicional

1.    Según (Murray R.,  Larry J. 2009)
“Si E1 y E2 son dos eventos, la probabilidad de que ocurra E2, dado que E1 ha ocurrido, se denota Pr{E2|E1} o Pr{E2 dado E1} y se conoce como la probabilidad condicional de E2 dado que E1 ha ocurrido. Si la ocurrencia o no ocurrencia de E1 no afecta la probabilidad de ocurrencia de E2, entonces Pr {E2|E} = Pr{E2} y se dice que E1 y E2 son eventos independientes, de lo contrario se dice que son eventos dependientes. Si se denota con E1E2 el evento de que “tanto E1 como E2 ocurran”, evento al que suele llamarse evento compuesto, entonces Pr{E1E2} _ Pr{E1} Pr{E2_E1} (1)
En particular, Pr{E1E2} _ Pr{E1} Pr{E2} para eventos independientes (2)
Para tres eventos E1, E2 y E3, tenemos Pr{E1E2E3} _ Pr{E1} Pr{E2_E1} Pr{E3_E1E2} (3) Es decir, la probabilidad de que ocurra E1, E2 y E3 es igual a (la probabilidad de E1) × (la probabilidad de E2 dado que E1 ha ocurrido) × (la probabilidad de E3 dado que E1 y E2 han ocurrido). En particular, Pr{E1E2E3} _ Pr{E1} Pr{E2} Pr{E3} para eventos independientes (4) En general, si E1, E2, E3, . . . , En son n eventos independientes que tienen probabilidades p1, p2, p3, . . . , pn, entonces la probabilidad de que ocurra E1 y E2 y E3 y . . . En es p1p2p3 . . . pn. (pág. 140).

(Murray R. S., Larry J. S. 2009). “ESTADÍSTICA”. (4° ed.). México: McGraw-Hill/INTERAMERICANA.
Probabilidad condicional

1.    De acuerdo a (RONALD E. WALPOLE, RAYMOND H. MYERS, SHARON L. MYERS Y KEYING YE., 2012).
“La probabilidad de que ocurra un evento B cuando se sabe que ya ocurrio algún evento A se llama probabilidad condicional y se denota con P(B|A). El simbolo P(B|A) por lo general se lee como “la probabilidad de que ocurra B, dado que ocurrio A”, o simplemente,
“la probabilidad de B, dado A.(pág. 62).

Definición

“La probabilidad condicional de B, dado A, que se denota con P(B|A), se define como P (B |A) = P (A B ) P (A), siempre que P(A) > 0” (pág. 63).
(RONALD E. WALPOLE, RAYMOND H. MYERS, SHARON L. MYERS Y KEYING YE., 2012).”Probabilidad y estadística para ingeniería y ciencias”. (9 ed.). México :PEARSON EDUCACIÓN
Definición de independiente
1.    (RONALD E. WALPOLE, RAYMOND H. MYERS, SHARON L. MYERS Y KEYING YE., 2012)Señalan que:
“Dos eventos A y B son independientes si y solo si
P(B|A) = P(B) o P(A|B) = P(A),
si se asume la existencia de probabilidad condicional. De otra forma, A y B son dependientes.” (pág.65)
“Se dice que dos eventos A y B son independientes si se cumple cualquiera de los siguientes
casos:
P(A B) = P(A),
P(B A) = P(B),
P(A B) = P(A)P(B).
De otro modo, se dice que los eventos son dependientes.” (pág. 53).

Ejemplos del uso o aplicación

1.    De acuerdo a ( Wackerly, Dennis D./, William Mendenhall III/ Richard L. Scheaffer , 2010)
“Considere los siguientes eventos en el tiro de un solo dado:
A: observar un número impar.
B: observar un número par.
C: observar un 1 o 2.
a ¿A y B son eventos independientes?
b ¿A y C son eventos independientes?
Solución a Para decidir si A y B son independientes, debemos ver si satisfacen las condiciones de
En este ejemplo, P(A) = 1/2, P(B) = 1/2 y P(C) = 1/3. Como A
B = P (A_B) = 0 y es evidente que P(A_B) P(A). Los eventos A y B son dependientes.
b ¿A y C son independientes? Observe que P(A_C) = 1/2 y, como antes, P(A) = 1/2. Por
tanto, P(A_C) = P(A) y A y C son independientes” (pág.54).



2.    Según (Murray R.,  Larry J. 2009)
Supóngase que una caja contiene 3 pelotas blancas y 2 pelotas negras. Sea E1 el evento “la primera pelota que se saca es negra” y E2 el evento “la segunda pelota que se saca es negra”, donde las pelotas no se vuelvan a colocar en la caja una vez sacadas. Aquí E1 y E2 son eventos dependientes.
La probabilidad de que la primera pelota que se extraiga sea negra es Pr {E1}= 2/(3 +2) = 2/5. La probabilidad de que la segunda pelota que se extraiga sea negra, dado que la primera pelota que se extrajo fue negra, es Pr {E2|E1} = 1/(3 +1) _ 1/4. Por lo tanto, la probabilidad de que las dos pelotas que se extraigan sean negras es
Pr {E1E2} = Pr {E1} Pr {E2|E1} =2/5*1/4=1/10||” (pág. 141).

1.    (Jay devoré, 2008)señala que:                                                                                                                                                            
“En el experimento del lanzamiento de un dado de la página 62 señalamos que P(B|A) =
2/5, mientras que P (B) = 1/3. Es decir, P (B|A) P(B), lo cual indica que B depende de
A. Consideremos ahora un experimento en el que se sacan 2 cartas, una después de la
Otra, de una baraja ordinaria, con reemplazo. Los eventos se defi non como
A: la primera carta es un as,
B: la segunda carta es una espada.
Como la primera carta se reemplaza, nuestro espacio muestral para la primera y segunda
Cartas consta de 52 cartas, que contienen 4 ases y 13 espadas. Entonces,
P (B |A) =1352=14y P (B) =1352=14


Es decir, P (B|A) = P (B). Cuando esto es cierto, se dice que los eventos A y B son   independientes.”(pág. 77).

 (Jay devoré, 2008 ). “Probabilidad y estadística para ingeniería y ciencias”. (7° ed.).cengage learning editores s. a de C.V

2.3 PROBABILIDAD CON TÉCNICAS DE CONTEO: AXIOMAS, TEOREMAS.

AXIOMA

1.    Segun ( Wackerly, Dennis D./, William Mendenhall III/ Richard L. Scheaffer , 2010)

“Axioma 1: P(A) ≥ 0.
Axioma 2: P(S) = 1.
Axioma 3: Si A1, A2, A3,… forman una secuencia de eventos por pares mutuamente excluyentes en S (es decir, Ai  Aj = si i j), entonces
P (A1 A2 A3 ….,) = Σi=1 P (Ai )”(pág.30).

LOS AXIOMAS DE LA PROBABILIDAD

2.    De  acuerdo a (MURRAY R. S., 1976)

“Supóngase que tenemos un espacio muestral . Si  es discreto todos los subconjuntos corresponden a sucesos y recíprocamente, pero si es continuo solamente subconjuntos especiales (llamados medibles) corresponden a sucesos. A cada suceso A en la clase C de sucesos asociamos un número real P (A), es decir P es una función de valor real definida en f. Así P se llama la función de probabilidad, y P(A) la probabilidad del suceso A, si se satisfacen los axiomas siguientes:
Axioma 1. Para cada suceso A en la clase C P(A) > 0
Axioma 2. Para el suceso cierto o seguro   en la clase C  P () = 1
Axioma 3. Para cualquier número de sucesos mutuamente excluyentes A1, B2,. . . en  la clase C
P (A1 u A2 u...) = P (A1) + P (A2) +…, En particular, para solo dos sucesos mutuamente excluyentes A1, A2,
P (A1 U A2 ) = P(A1) +P(A2)”(pág.6).

Axiomas de probabilidad

3.    (Montgomery, D; Runger, G., 2002) Señalan que:
“La probabilidad es un número que se asigna a cada miembro de una colección de eventos de un experimento aleatorio y que satisface las siguientes propiedades.
Si S es el espacio muestral y E  es cualquier evento del experimento aleatorio,
(1)  P(S)=1
(2)  0≤P(E)≤1
(3)  Para dos eventos E1 y E2 con E1 E2=0, P (E1 U E2)= P (E1)+P (E2).
Los axiomas y sus consecuencias restringen las asignaciones de probabilidades de una manera que permite interpretar estas como frecuencias relativas sin inconsistencias.  La propiedad 0≤P (E)≤1 equivale  al requisito de que la frecuencia relativa debe ser un numero entre cero y uno. La propiedad P(S)=1 es una consecuencia  del hecho de que un resultado del espacio muestral ocurre cada prueba de un experimento. En consecuencia, la frecuencia relativa de S es uno. La propiedad (3) implica que si los eventos  E1 y E2 no tienen resultados en común, entonces la frecuencia relativa de los resultados con E1 U E2 es la suma de las frecuencias  relativas de los resultados E1 y E2.
las axiomas anteriores implican los siguientes resultados. Las deducciones se dejan como  ejercicios al término de esta sección. Ahora, P (0)=0 y para cualquier E, P (E´)=1 –P(E)
Si la frecuencia relativa del evento E es 0.4, la interpretación de la frecuencia relativa implica que la frecuencia relativa de E´es  0.6. Por parte, si el evento E1 está contenido en el evento E2, entonces P(E1)≤P(E2)” (pág. 66).
Teoremas
1.    Según  (MURRAY R. S., 1976)

“De los teoremas anteriores podemos demostrar varios teoremas sobre probabilidad que son importantes en el estudio posterior.
Teorema 7-14: Si A 1 A2 entonces P(A1 ≤ P(A2) y P(A2-A1) = P(A2) - P(A1).
Teorema 1-15: Para cada suceso A
0≤P(A) ≤1
Es decir la probabilidad de un suceso está entre 0 y 1
Teorema 1-16: P (0)=0
Es decir el suceso imposible tiene probabilidad cero.
Teorema 1-17: Si A´ es el complemento de A entonces

P (A´)=1-P(A)
Teorema 1-18: Si A = A1 UA 2 U. . .U An y A1, A2,. . ., An son sucesos mutuamente excluyentes, entonces

P(A)= P(A1) + P(A2) +… + P(An)
En particular si A= el espacio muestral, entonces
P (A1) +P(A2)+...+P(4n) = 1

Teorema 1-19: Si A y B son dos sucesos cualesquier,  entonces
P(A U B) = P(A) + P(B) - P(A∩B)
Generalizando, si A1, A2, A3 son tres sucesos cualesquiera, entonces
P (A1U A2UA2) =P (A1) + P (A2) + P (A3)
- P (A1∩A2) – P (A2 ∩ A3) – P (A3∩A1)
+ P (A1∩A2∩A3)

Teorema 1-20: Para dos sucesos A y B
P(A) = P (A∩B)+P(A∩B´)
Teorema 1-21: Si un suceso A debe resultar en uno de los sucesos mutuamente excluyentes A1, A2,...,An, entonces
P (A) = P(A ∩ A1) + P(A∩A2)+… + P(A ∩ An)” (pág.7).
 

Lista de referencia
·         (Wackerly, Dennis D./, William Mendenhall III/ Richard L. Scheaffer 2010).” Estadística matemática con aplicaciones”. (7 ed.). Cengage Learning Editores, S.A. de C.V.,
·         (Murray R. S., Larry J. S. 2009). “ESTADÍSTICA”. (4° ed.). México: McGraw-Hill/INTERAMERICANA.
·         Montgomery, D; Runger, G. “Probabilidad y Estadística aplicadas a la ingeniería”. 2ª. Edición. Limusa. México. 2002