Determinar la probabilidad condicional
De un conjunto de varios ejercicios extraídos de de la literatura de probabilidad de entre libros y sitios WEB se de termina la probabilidad condicional a partir de datos iniciales.
Lo datos iniciales pueden ser la frecuencias, las probabilidad de evento A y evento B así como la probabilidad de intersección entre ambos eventos o conjunto, con ello se determina la probabilidad condicional utilizando la fórmula que se cita más adelante.
Se presentan ejercicios probabilidad condicional
Se carga la librería knitr previa instalación con install.packages(“knitr”) que permite entre otras cosas, dar formato a las tablas de datos.
library(knitr)Extraído de (matemovil, n.d.)
\(P(A)=0.60\)
\(P(B)=0.40\)
\(P(A∩B)=0.18\)
Calcular:
\[P(A | B) = \frac{P(A \cap B)}{P(B)} = \frac{0.18}{0.40}=0.45\]
prob.A <- 0.60
prob.B <- 0.40
prob.A.Inter.B <- 0.18
prob.B.Inter.A <- prob.A.Inter.B # La mismaEntonces: P(A|B)
Prob.A.dado.B <- prob.A.Inter.B / prob.B
paste("La pobabilidad de que se de A dado B es: ", Prob.A.dado.B * 100, "%")## [1] "La pobabilidad de que se de A dado B es: 45 %"P(B|A)
\[ P(B | A) = \frac{P(B \cap A)}{P(A)} = \frac{0.18}{0.60}=0.3 \]
Entonces: P(B|A)
Prob.B.dado.A <- prob.B.Inter.A / prob.A
paste("La pobabilidad de que se de A dado B es: ", Prob.B.dado.A * 100, "%")## [1] "La pobabilidad de que se de A dado B es: 30 %"Ejercicio tomado del libro de (Walpole et al. 2007)
Se identifican las frecuencias de personas que trabajan y no trabajan hombre y mujeres en una ciudad pequeña X:
| Hombre | Empleado | Desempleado | Total |
|---|---|---|---|
| Hombre | 460 | 40 | 500 |
| Mujer | 140 | 260 | 400 |
| Total | 600 | 300 | 900 |
hombres.trabajan = 460
hombres.no.trabajan = 40
mujeres.trabajan = 140
mujeres.no.trabajan = 260
n.personas <- sum(hombres.trabajan, hombres.no.trabajan, mujeres.trabajan, mujeres.no.trabajan)
n.trabajan <- sum(hombres.trabajan, mujeres.trabajan)Construir un conjunto de datos con los totales usando funcion apply() que genera los márgenes totales por renglón y por columna.
La funciones cbind() agrega una nueva columna al conjunto de datos
La función rbind() agrega un nuevo renglón al conjunto de datos
datos <- data.frame(Empleado = c(hombres.trabajan, mujeres.trabajan), Desempleado = c(hombres.no.trabajan, mujeres.no.trabajan))
kable(datos, caption = "Personas que trabajan y no trabajan")| Empleado | Desempleado |
|---|---|
| 460 | 40 |
| 140 | 260 |
| Empleado | Desempleado |
|---|---|
| 460 | 40 |
| 140 | 260 |
datos <- cbind(datos, Total = apply(datos, 1, sum))
datos <- rbind(datos, apply(datos, 2, sum))
rownames(datos) <- c("Hombre", "Mujer", "Total")
kable(datos, caption = "Totales de personas (hombres y mujeres) que trabajan y no trabajan")| Empleado | Desempleado | Total | |
|---|---|---|---|
| Hombre | 460 | 40 | 500 |
| Mujer | 140 | 260 | 400 |
| Total | 600 | 300 | 900 |
| Empleado | Desempleado | Total | |
| Hombre | 460 | 40 | 500 |
| Mujer | 140 | 260 | 400 |
| Total | 600 | 300 | 900 |
Uno de estos individuos se seleccionará al azar para que realice viaje a través del país para promover las ventajas de establecer industrias nuevas en la ciudad (Durango, México). Nos interesaremos en los eventos siguientes:
Entonces se elige a un hombre que trabaja (numerador de la fórmula de probabilidad condicional):
\(P(hombres.y.trabajan)=P(hombres∩trabajan)=n(hombres.trabajan)/n.personas∴\)
\(P(hombres∩trabajan)=460/900=0.51\)
La probabilidad de que que trabaje es:
\(P(trabajan)=n.trabajan/n.personas=600/900=0.66\)
y finalmente conforme la fórmula ¿cuál es la probabilidad de que se elija a una persona que sea hombre dado que trabaja?:
\(P(A | B) = \frac{P(A \cap B)}{P(B)}\)
\(P(hombres | trabajan) = \frac{P(hombres \cap trabajan)}{P(trabajan)} = 0.51 / 0.66 = 0.76\)
p.hombre.inter.trabajan <- hombres.trabajan / n.personas
p.trabaja <- n.trabajan / n.personas
p.hombre.dado.trabaja <- p.hombre.inter.trabajan / p.trabaja
paste("La probabilidad que se elija a una persona que sea hombre dado que trabaja es: ", round(p.hombre.dado.trabaja * 100,2), "%")## [1] "La probabilidad que se elija a una persona que sea hombre dado que trabaja es: 76.67 %"La probabilidad de que un vuelo programado normalmente salga a tiempo es \(P(S)=0.83\), la probabilidad de que llegue a tiempo es \(P(L)=0.82\) y la probabilidad de que salga y llegue a tiempo es \(P(S∩L)=0.78\)
\[ P(L | S) = \frac{P(L \cap S)}{P(S)} = \frac {0.78}{0.83} = 0.94 \]
prob.S <- 0.83
prob.L <- 0.82
prob.S.inter.L <- 0.78prob.L.dado.S <- prob.S.inter.L / prob.S
paste("La probabilidad de que un avión llegue a tiempo, dado que salió a tiempo es: ", round(prob.L.dado.S * 100, 2), "%")## [1] "La probabilidad de que un avión llegue a tiempo, dado que salió a tiempo es: 93.98 %"\[ P(S | L) = \frac{P(S \cap L)}{P(L)} = \frac {0.78}{0.82} = 0.95 \]
prob.S.dado.L <- prob.S.inter.L / prob.L
paste("La probabilidad de que un avión llegue a tiempo, dado que salió a tiempo es: ", round(prob.S.dado.L * 100, 2), "%")## [1] "La probabilidad de que un avión llegue a tiempo, dado que salió a tiempo es: 95.12 %"Una maestra de matemáticas hizo en su clase dos exámenes.
El 30% de la clase paso ambos exámenes,
El 45% de la clase paso el primer examen.
¿Qué porcentaje de aquellos que pasaron el primer examen también pasaron el segundo? Caso extraído de : (HotMath, n.d.)
\(P(Ex1∩Ex2)=0.30\)
\(P(Ex1)=0.45\) \(therefore\)
\[P(Ex2|Ex1) = \frac{P(Ex1 \cap Ex2)}{P(Ex1)} = \frac {0.30}{0.45} = 0.66\]
P.Ex1 <- 0.45
P.Ex1.inter.Ex2 <- 0.30
P.Ex2.dado.Ex1 <- P.Ex1.inter.Ex2 / P.Ex1
paste("El porcentaje de aquellos que pasaron el primer examen también pasaron el segundo es:", round(P.Ex2.dado.Ex1 * 100, 2), "%")## [1] "El porcentaje de aquellos que pasaron el primer examen también pasaron el segundo es: 66.67 %"paste("Dos tercios o aproximadamente el 66.7% de la clase paso el segundo examen.")## [1] "Dos tercios o aproximadamente el 66.7% de la clase paso el segundo examen."La siguiente es una clasificación, según el género y el nivel de escolaridad, de una muestra aleatoria de 200 adultos. ejercicio extraído de (Walpole, Myers, and Myers 2012).
| Escolaridad | Hombre | Mujer |
|---|---|---|
| Primaria | 38 | 45 |
| Secundaria | 28 | 40 |
| Universidad | 27 | 22 |
Si se elige una persona al azar de este grupo, ¿cuál es la probabilidad de que…
la persona sea hombre, dado que su escolaridad es de secundaria?;
\[ P(Hombre | Secundaria ) = \frac{P(Hombre \cap Secundaria)}{P(Secundaria)} = \frac{0.14}{0.34}=0.41 \]
la persona tenga un grado universitario,dado que es mujer?;
\[P(Universidad | Mujer) = \frac{P(Universidad) \cap P(Mujer) }{P(Mujer)}= \frac{0.11}{0.535}=0.20\]
Al menos 200 palabras
¿Qué es la probabilidad condicional? ¿Cómo se utiliza?, en eventos relacionados ¿Cual es la fórmula? Algunas ideas de los ejercicios y el significado de su probabilidad de cada ejercicio?
La probabilidad condicional se trata de la probabilidad que existe de que un suceso A ocurra conociendo que también ocurre un suceso B. Se denomina probabilidad condicional debido a que ambos eventos dependen de entre ellos, por ejemplo: ¿qué probabilidad hay de que ocurra A mientras ocurre B?. De esta forma, las probabilidades de que A suceda dependen directamente de que B suceda o no. Este es básicamente el funcionamiento de la probabilidad condicional, son eventos de cuyas probabilidades dependen de otros eventos y esto se denota por: \(P(A|B)\) pero como tal, la formula que se usa para calcular las probabilidades es:
\[P(A | B) = \frac{P(A \cap B)}{P(B)}\]
Una vez dicho esto, tal como vimos en los ejercicios de este caso, esto tiene múltiples utilidades en la vida diaria para obtener información de eventos que ocurren en nuestro entorno o conocer las probabilidades que se tenían antes de que un suceso ocurriera. Ahora más que nunca, vemos una amplia relación entre la probabilidad y la estadística, debido a que por medio de la probabilidad condicional podemos adquirir datos estadísticos que como sabemos, dependiendo del área que se estudia, obtendremos tales o cuales datos, por ejemplo los ejercicios que realizamos en este caso, todas son posibles situaciones que pueden llegar a darse en la vida de cualquiera de nosotros, por lo tanto, la probabilidad condicional no puede ayudar tanto a prevenir riesgos, estudiar fenómenos naturales, animales y un sinfín más de eventos.
Anderson, David R., Dennis J. Sweeney, and Thomas A. Williams. 2008. Estadística Para Administración y Economía. 10th ed. Australia • Brasil • Corea • España • Estados Unidos • Japón • México • Reino Unido • Singapur: Cengage Learning,.
Benítez Morales, Alejandro. n.d. “Probabilidad y Estadística, Apuntes Digitales.” http://cidecame.uaeh.edu.mx/lcc/mapa/PROYECTO/libro19/index.html.
Cevallos, Lorenzo, Jorge Zambrano, Maikel Leyva, Yudelnabis, and Florentin Smarandache. 2018. Enfoque Didáctico de La Teoría de Conjuntos y Probabilidades. Guayaquil, Guayas, Ecuador: Asociación Latinoamericana de Ciencias Neutrosóficas Facultad de Ciencias Matemáticas y Físicas Universidad de Guayaquil.
HotMath. n.d. “HotMath.” https://www.varsitytutors.com/hotmath/hotmath_help/spanish/topics/conditional-probability.
matemovil. n.d. “Probabilidad Condicional, Ejercicios Resueltos.” https://matemovil.com/probabilidad-condicional-ejercicios-resueltos/.
Walpole, Ronald E., Raymond H. Myers, and Sharon L. Myers. 2012. Probabilidad y Estadística Para Ingeniería y Ciencias. Novena Edición. México: Pearson.
Walpole, Ronald E., Raymond H. Myers, Sharon L. Myers, and Keying Ye. 2007. Probabilidad y Estadística Para Ingeniería y Ciencias. Octava Edición. México: Pearson Education.