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 probabildiad 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.
La probabilidad y la estadística están relacionadas en una forma importante. La probabilidad se emplea como herramienta; permite que se evalúe la confiabilidad de las conclusiones acerca de la población cuando tenga sólo información muestral (Mendenhall, Beaver, and Beaver 2010).
Por otra parte, la probabilidad indica el grado de certidumbre o certeza de un suceso o fenómeno estudiado, en la investigación científica existen muchos fenómenos en los cuales es necesario determinar la probabilidad de que un evento ocurra o dejen de ocurrir, para lo cual el estudio de este campo, es necesario, además tiene aplicaciones muy importantes en investigación; dado que es base para la inferencia estadística que permite el estudio de muestras con el objetivo de inferir o extrapolar características de estas a una población.(benitez_morales_probabilidad_nodate?)
Un axioma de probabilidad es el componente principal de un sistema de condiciones que deben cumplirse y junto con las pautas de inferencia especifican un sistema deductivo, para que una función determinada sobre un conjunto de eventos determine sus probabilidades.
Existe un conjunto de axiomas que fueron formulados por el matemático ruso Kolmogórov. Por lo que se les denomina axiomas de Kolmogórov.(cevallos_enfoque_2018?)
La probabilidad de un evento E no es negativa y debe ser menor o igua a 1
0<p(E)<10<p(E)<1
Significa que al determinar una probabilidad sobre cualquier evento siempre es cero o superior y menor o gual a uno.
Ejemplo: Pensar en la probabilidad de que llueva el dia de hoy: es probable que no llueva, probabilidad igual a cero; es probable que llueva en 0.50 o del 50%; y de que sea seguro que llueva 1 o 100%.
La probabilidad de un evento seguro es igual a 1 y se denota
P(EventoSeguro)=1P(EventoSeguro)=1
Significa que al determinar una probabilidad sobre cualquier evento siempre es cero o superior y menor o gual a uno.
Ejemplo: Pensar en la probabilidad de que llueva el dia de hoy: es probable que no llueva, probabilidad igual a cero; es probable que llueva en 0.50 o del 50%; y de que sea seguro que llueva 1 o 100%.
La probabilidad de un evento seguro es igual a 1 y se denota
P(EventoSeguro)=1P(EventoSeguro)=1
Ejemplo: En la mano cerrada se tienen dos monedas de a peso Mexicano, si es abre el puño y se extrae una moneda, ¿que tan probable es que sea de a un peso?. La probabilidad es de 1 o del 100% porque es indudable que al sacar la moneda sea de a un peso y únicamente sea a 1 un peso .
Si dos eventos son mutuamente excluyentes, la probabilidad de obtener A o B es igual a la probabilidad de obtener A más la probabilidad de obtener B.
P(A∪B)=P(A)+P(B)P(A∪B)=P(A)+P(B)
Ejemplo. si se lanz una moneda al aire, ¿cuál es la probabilidad de que caiga águila o sello?. en ambos casos 1/2 o 0.5 o el 50% de que al caer la moneda, la cara arriba sea sello o águila.P(sello)=1/2P(sello)=1/2P(aguila)=1/2P(aguila)=1/2P(sello∪aguila)=P(sello)+P(aguila)=1/2+1/2=1P(sello∪aguila)=P(sello)+P(aguila)=1/2+1/2=1En general se puede decir que la suma de las probabilidades de todos los posibles eventos mutuamente excluyentes es igual a 1.
∑i=1nP(E)=P(E1)+P(E2)+P(E3)+….P(En)=1)∑i=1nP(E)=P(E1)+P(E2)+P(E3)+….P(En)=1)
## Axioma 3 Si A es un evento cualquiera de un experimento aleatorio y A’ es el complemento de A, entonces:P(A)=XP(A)=XP(A)′=1−P(A)=1−XP(A)′=1−P(A)=1−Xo también senpuede expresar matemáticamente como:P(A)∁=1−P(A)=1−XP(A)∁=1−P(A)=1−XEjemplo: Si de un total de personas existen un 60% del género femenino, ¿cuál es el complemento de ese subconjunto? y ¿su probabilidad?.P(mujeres)=0.60P(mujeres)=0.60P(mujeres)′=1−0.60=0.40P(mujeres)′=1−0.60=0.40o el 40% es el complemento del subconjunto mujeres.
Suponiendo que P(A) y P(B) representan las probabilidades para los dos eventos A y B, entonces P(A∪B) significa la probabilidad de que ocurran A o B. Entonces la P(A∪B)≠0
Si no hay elementos en común entre un conjunto A y B entonces se dice que la probabilidad de la intesección entre ambos es cero P(A∩B)=0
En dado caso de que si existan elementos en común entre un subconjunto A y B ∴
P(A∪B)=P(A)+P(B)−P(A∩B)P(A∪B)=P(A)+P(B)−P(A∩B)
El cálculo de las probabilidades se determina en el entendido de que si se conoce el número de casos de un subconjunto y el número total de casos del universo, la probabilidad es determinando la frecuencia relativa.
P(conjunto)=casos/nP(conjunto)=casos/n
siendo casos la frecuencia y n el total de elementos de un universo.
Ejemplo: En el caso del ejemplo de las 100 personas y existen 40 hombres, ¿Cuál es la probabilidad de elegir a una persona y que ésta se del género masculino?:
P(hombres)=casosn=40n=0.40P(hombres)=casosn=40n=0.40
La probabilidad de elegir a una persona del género masculino dentro de un conjunto de 100 personas es del 40%
De acuerdo a (benitez_morales_probabilidad_nodate?) se conoce como probabilidad condicional a la probabilidad de que se dé un suceso A, conociendo, que también se da un suceso B
En el libro de (mendenhall_introduccion_2010?) se menciona que la probabilidad de un evento A, dado que el evento B ha ocurrido, se denomina probabilidad condicional de A, dado que B ha ocurrido, denotada por
P(A|B)P(A|B)
La fórmula de la probabilidad condicional está dada por la división de la probabilidad de la intersección de dos conjuntos o eventos entre la probabilidad del segundo evento o del segundo conjunto; se muestra de la siguiente manera:
P(A|B)=P(A∩B)P(B)P(A|B)=P(A∩B)P(B)
ó bien por el contrario
P(B|A)=P(B∩A)P(A)P(B|A)=P(B∩A)P(A)
Siempre y cuando en ambos casos la P(B)≠0 y P(A)≠0
Ejemplo: Se sabe que el 50% de la población fuma y que el 10% fuma y es hipertensa. ¿Cuál es la probabilidad de que un hipertenso sea fumador? o ¿Cuál es la probabilidad de que una persona sea hipertensa dado que es fumador?, se entiende que dado que sea fumador.(anderson_estadistica_2008?)
A={hipertensos}A={hipertensos}
B={fumadores}B={fumadores}
Se busca encontrar: P(A | B) = \text{hipertenso dado que sea fumador}P(A | B) = ?
B={fumadores}∴P(B)=0.50
P(A∩B)={hipertenso.y.fumador}=0.10
∴
P(A|B)=P(B∩A)P(A)=0.100.50=0.20∴
La probabilidad de que se elija a una persona que sea hipertensa dado que es fumador es de 0.20 o del 20%
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)
## Warning: package 'knitr' was built under R version 4.0.5Extraído de (matemovil, n.d.)
P(A)=0.60 P(B)=0.40
P(A∩B)=0.18
Calcular:
P(A|B) P(A|B)=P(A∩B)P(B)=0.180.40=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)=P(B∩A)P(A)=0.180.60=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")| Personas que trabajan y no trabajan | |
|---|---|
| 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")| 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 |
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:
se elige a un hombre y el elegido tiene empleo o trabajo. 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.y.trabajan)=P(hombres∩trabajan)=n(hombres.trabajan)/n.personas∴
P(hombres∩trabajan)=460/900=0.51P(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)=P(A∩B)P(B)
P(hombres|trabajan)=P(hombres∩trabajan)P(trabajan)=0.51/0.66=0.76
El siguiente bloque de código realiza las operaciones
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
La probabilidad de que un avión llegue a tiempo, dado que salió a tiempo es: P(L|S)=P(L∩S)P(S)=0.780.83=0.94
Se inicializan variables
prob.S <- 0.83
prob.L <- 0.82
prob.S.inter.L <- 0.78Se determina la probabilidad condicional
prob.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 %"La probabilidad de que un avión haya salido a tiempo, dado que llegó a tiempo es: P(S|L)=P(S∩L)P(L)=0.780.82=0.95
Determinamos la probabilidad condicional
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)=P(Ex1∩Ex2)P(Ex1)=0.300.45=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)=P(Hombre∩Secundaria)P(Secundaria)=0.140.34=0.41
la persona tenga un grado universitario,dado que es mujer?; P(Universidad|Mujer)=P(Universidad)∩P(Mujer)P(Mujer)=0.110.535=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 es toda aquella que se conoce como probabilidad condicional a la probabilidad de que se dé un suceso A, conociendo, que también se da un suceso B osea que dependiendo de un punto puede afectara a otro tipo efecto domino por ejemplo si llueve cual es la probabilidad de que mañana llueva pero con granizo a eso se refiere la probabilidad condicional de hecho es facil de entender, incluso esta en nuestras vidas cotidianas a veces hacemos cosas que pueden llegar a afectar en un futuro o hace que se den mas probabilidades de que ocurrra algo, se utiliza tomando datos de un punto A y un punto B como ya he mencionado antes, B saldra afectado por el punto A., simplemente nos referimos a que si tu haces alguna cosa mal y lleva un proceso cadena, automaticamente afectara el paso siguiente, esto se da mucho en las empresas que producen arneses para carro, si hay alguna falla durante el proceso, afectarias todo el plan de la semana ya que afectas tiempos, calculos y principalmente la produccion, es mayor mente posible que te salgan menos productos terminados que mayor productos terminados si tienes alguna falla.
en cuanto a los ejercicios por ejemplo en el de probabilidad de vuelo nos dice que cual es la probabilidad de que un avion llegue a tiempo dado que salio a tiempo pues ahi nos esta dando el punto A y B, que A seria el tiempo de salida y B seria que el avion llegue a tiempo ahi nos esta dando claramente que un punto afecta al otro a eso se le llama probabilidad condicional.
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.