You are on page 1of 9

UNIDAD III. Teora de Probabilidades.

01. Definicin de trminos.


Experimento: Es un conjunto de pruebas o la realizacin de un proceso para
generar resultados que no se conocen a priori, pero si se conocen todos los
resultados posibles.
Espacio Muestral: Es el conjunto de todos los resultados posibles de un
experimento. Se simboliza con la letra S. Ejemplo: En el lanzamiento de un dado
el espacio muestral es S = {1, 2, 3, 4, 5, 6}
Punto Muestral: Es cada uno de los resultados posibles de un experimento o bien
cada elemento del espacio muestral. Ejemplo: en el lanzamiento de una moneda
hay dos puntos mustrales E1=cara, E2=sello.
Evento o Suceso: Es una coleccin de puntos mustrales, o bien, los resultados
posibles que presentan una condicin dada al realizar un experimento.
Tipos de eventos:
Elementales:

Son

aquellos formados por un

nico

resultado

del

experimento.
Compuestos: Son aquellos formados por dos o ms sucesos simples o
elementales. Cualquier combinacin de eventos elementales. Ejemplos: Al
lanzar dos dados, el suceso compuesto viene dado porque la suma de sus
puntos debe ser un nmero par.
Seguros: Son aquellos que se verifican cada vez que se efecte el
experimento. Un evento seguro en el lanzamiento de los dos dados es que
la suma de sus puntos ser menor que trece.
Imposibles: Son aquellos que no se verifican nunca. Se denotan con el
smbolo .
Mutuamente Excluyentes: Son aquellos en que la verificacin de uno
implica la no verificacin del otro. Dos eventos son mutuamente excluyentes
si no tienen puntos mustrales en comn.

1 Lcda. M.Sc. Mara F. Mendoza E. ESTADSTICA I. Unidad III: Teora de probabilidades.


Recopilacin didctica de varios textos.

Solapados: Dos eventos A y B, son solapados si tienen puntos mustrales


comunes. Los puntos mustrales comunes de A y B forman un subconjunto
llamado Interseccin de A y B, y se representa por A B
Complementarios: Dos eventos A y B son complementarios si el segundo
contiene todos los puntos mustrales del espacio muestral que no estn en
el primero, son a su vez mutuamente excluyentes.
Independientes: Dos eventos A y B son independientes cuando la
ocurrencia de uno de ellos en una prueba, no afecta la probabilidad del otro
en cualquier otra prueba.
Dependientes: Dos o ms eventos son dependientes, cuando la verificacin
u ocurrencia de uno de ellos, determina o altera la ocurrencia de los otros
en un orden determinado.

02. Definir las probabilidades segn las tendencias.


Probabilidad de un Evento: La probabilidad de cualquier evento es igual a la
suma de las probabilidades de los puntos mustrales que forman el evento.
Dentro del estudio de la probabilidad existen tres tendencias conceptuales
diferentes:
1. Clsica.
2. Subjetiva.
2 Lcda. M.Sc. Mara F. Mendoza E. ESTADSTICA I. Unidad III: Teora de probabilidades.
Recopilacin didctica de varios textos.

3. De Frecuencia Relativa.
Clsica: El enfoque clsico o a priori de la probabilidad se basa en la
consideracin de que los resultados de un experimento son igualmente posibles.
Empleando el punto de vista clsico, la probabilidad de que suceda un evento se
calcula dividiendo el nmero de resultados favorables, entre el nmero de
resultados posibles.
En una probabilidad clsica, de un suceso o evento E, donde n es el total de
casos posibles, todos igualmente probables y X el nmero total de veces que
puede ocurrir E.
P = P (E) =

n de xitos
X
= n total de casos posibles
n

Este planteamiento de la probabilidad es til cuando tratamos con juegos de


cartas, de dados, lanzamientos de monedas y cosas parecidas, pero tiene serios
problemas cuando intentamos aplicarlo a los problemas de toma de decisiones
menos previsibles, como los que encontramos en la administracin. El
planteamiento clsico de probabilidad supone un mundo que no existe. Supone
que no existen situaciones que son bastante improbables pero que podemos
concebir como reales. Sucesos como el que una moneda caiga parada, el que el
saln de clase se incendie mientras se analiza la probabilidad, cosas que son
extremadamente improbables, pero no imposibles. Sin embargo, el planteamiento
clsico supone que no existen.
Subjetiva: Las probabilidades subjetivas estn basadas en las creencias de las
personas que efectan la estimacin de probabilidad. De hecho, la probabilidad
subjetiva se puede definir como la probabilidad asignada a un evento por parte de
un individuo, basada en la evidencia que tenga disponible. Esta evidencia puede
presentarse en forma de frecuencia relativa, en presentacin de eventos pasados
o puede tratarse simplemente de una creencia meditada. Precisamente por su
carcter de subjetividad no se considera con validez cientfica, aunque en la vida
diaria es una de las ms comunes que se utilizan al no apoyarse ms que en el
sentido comn y los conocimientos previos, y no en resultados estadsticos.
3 Lcda. M.Sc. Mara F. Mendoza E. ESTADSTICA I. Unidad III: Teora de probabilidades.
Recopilacin didctica de varios textos.

Las asignaciones de probabilidad subjetiva se dan con ms frecuencia cuando los


eventos se presentan slo una vez o un nmero muy reducido de veces. Digamos
que usted tiene encomendada la tarea de entrevistar y elegir a un nuevo
trabajador social. Su poblacin se ha reducido a slo tres personas; cada una de
stas tiene buena apariencia, alto nivel de actividad, bastante confianza en s
misma, buen registro de logros pasados y buena disposicin para enfrentar los
retos que se presenten. Ejemplo Cules son las posibilidades de que cada
candidato se relacione exitosamente con los clientes? El responder a esta
pregunta y escoger a uno de los tres requerir que usted asigne una probabilidad
subjetiva al potencial de cada persona que solicita el puesto.
He aqu otro ejemplo ms de este tipo de asignacin de probabilidad. Un juez
debe decidir si permite la construccin de una planta de energa nuclear en un
lugar donde hay evidencias de que existe una falla geolgica. Debe preguntarse a
s mismo: Cul es la probabilidad de que ocurra un accidente nuclear grave en
este sitio? El hecho de que no exista una frecuencia relativa de presentacin de la
evidencia de accidentes anteriores en ese sitio, no es suficiente para liberarlo de
tomar la decisin. Debe utilizar su mejor sentido comn para determinar la
probabilidad subjetiva de que suceda un accidente nuclear.
De Frecuencia relativa: La probabilidad frecuentista se define como el lmite de la
proporcin o frecuencia relativa del suceso, bajo el supuesto de que n nmero de
observaciones o casos posibles crezca indefinidamente.

La tendencia de

frecuencia relativa define la probabilidad como:


1. La frecuencia relativa observada de un evento durante un gran nmero
de intentos; o
2. La fraccin de veces que un evento se presenta a la larga, cuando las
condiciones son estables.
Este mtodo utiliza la frecuencia relativa de las presentaciones pasadas de un
evento como probabilidad. Determinamos qu tan frecuentemente ha sucedido
algo en el pasado y usamos esa cifra para predecir la probabilidad de que suceda
de nuevo en el futuro.
4 Lcda. M.Sc. Mara F. Mendoza E. ESTADSTICA I. Unidad III: Teora de probabilidades.
Recopilacin didctica de varios textos.

Un ejemplo si lanzamos una de nuestras monedas no alteradas 300 veces. En la


figura de abajo se ilustra el resultado de esos 300 lanzamientos: podremos ver
que aunque la fraccin de caras est bastante lejos de 0.5 en los primeros cien
lanzamientos, parece que se estabiliza y tiende a 0.5 conforme aumenta el
nmero de lanzamientos. En lenguaje estadstico, diramos que la frecuencia
relativa se vuelve estable conforme la cantidad de lanzamientos crece (si
lanzamos la moneda siempre en las mismas condiciones). En consecuencia,
cuando utilizamos el planteamiento de frecuencia relativa para establecer
probabilidades, el nmero que obtenemos como probabilidad adquirir mayor
precisin a medida que aumenten las observaciones.

Una dificultad implicada en el planteamiento de frecuencia relativa es que la gente


a menudo la utiliza sin evaluar el nmero suficiente de resultados.

Notacin:
P(A y B) o P (A B) se denomina Probabilidad Conjunta de A y B;
P(A) se llama Probabilidad Marginal de A;
P (B A) es la Probabilidad Condicional de B respecto a A.
Probabilidad: Se llama probabilidad a una funcin que asigna a cada suceso A de
un especio muestral S un nmero real, P(A) (se lee probabilidad de A), cumpliendo
los siguientes tres axiomas:
5 Lcda. M.Sc. Mara F. Mendoza E. ESTADSTICA I. Unidad III: Teora de probabilidades.
Recopilacin didctica de varios textos.

1. La probabilidad de cualquier suceso del espacio muestral es un nmero


mayor o igual que cero y menor o igual que 1, es decir, 0 P(A) 1
2. La probabilidad del suceso seguro es 1, esto es, P(S) =1.
3. Si A y B son dos eventos mutuamente excluyentes o incompatibles, A B =
entonces P(A U B) = P(A) + P(B)
Propiedades: Dados dos sucesos cualesquiera, A y B, se verifica:
1. P() =0
2. Si A ( B entonces P(A) P(B)
3. P(Ac) = 1 P(A) (Probabilidad del Suceso Complementario)

03. Enumerar y Calcular los Mtodos de Conteo: Combinaciones y


Permutaciones.
1) Si cualquiera de los eventos k mutuamente excluyentes pueden
ocurrir en cada uno de los n ensayos, el nmero de posibles
resultados es igual a kn.
Ejemplo: Suponga que se lanza una moneda al aire 5 veces Cul es el
nmero de resultados posibles diferentes? (La secuencia de caras y sellos)
Solucin: Si se lanza una moneda al aire (tiene dos lados) cinco veces, el
resultado es 25 = 2.2.2.2.2 = 32
2) Si hay K1 eventos en el primer ensayo, K 2 eventos en el segundo
ensayo,, Kn eventos en el n-simo ensayo, entonces el nmero de
resultados posibles es K1 . k2 . . . kn
Ejemplo: Un departamento estatal de vehculos automotores desea saber
cuntos nmeros de placas estn disponibles, estando las placas
constituidas por 3 letras seguidas de 3 nmeros.
Solucin: nmeros (0 hasta el 9) 10 opciones.
Letras (a hasta la z) 26 opciones.
(26)(26)(26)(10)(10)(10) = 17.576.000
3) El nmero de maneras en el que las n cosas pueden arreglarse en
orden es n! = n . (n-1) . (n-2) . 1
Ejemplo: Si un conjunto de libros de 6 textos se colocan en una repisa. De
cuntas maneras o formas es posible ordenar estos 6 libros textos?
Solucin: n!= 6!= (6). (5). (4). (3). (2). (1)=720 maneras
4) Permutaciones: El nmero de maneras para arreglar X objetos
seleccionados de n objetos en orden es
6 Lcda. M.Sc. Mara F. Mendoza E. ESTADSTICA I. Unidad III: Teora de probabilidades.
Recopilacin didctica de varios textos.

X n n!
Pn X!. X

( n X )!

Ejemplo: Se tienen 6 libros de textos pero slo hay espacio para 4 libros en
la repisa. De cuntas maneras es posible acomodar estos libros en la
repisa de manera ordenada?
6!

6.5.4.3.2!

6
360
Solucin: P 4 (6 4)!
2!
Nota: Muchas veces no nos interesa el orden de los resultados, sino slo el

nmero de maneras en las que X objetos pueden seleccionarse a partir de


n cosas, sin consideracin de orden. Esta regla se llama la regla de
Combinaciones.
5) Combinaciones: El nmero de maneras de seleccionar X objetos a partir
de n objetos; sin considerar el orden, es igual a:
n

CX

n!
X !( n X )!

Ejemplo: Se tienen 6 bolitas de colores y se desean extraer 4 bolitas. De


cuntas maneras es posible extraer las bolas? (El orden es irrelevante)
6!

6.5.4!

30

6
Solucin: C 4 4!(6 4)! 4! 2! 2 15 .

04. Enunciar los Teoremas de probabilidades.


Regla general de adicin: la regla general de adicin se utiliza para combinar
eventos que no son mutuamente excluyentes, esto es, dado dos eventos
cualesquiera A y B se tiene que:
P(A o B) = P(A B) = P(A) + P(B) P(A B)
Probabilidad Condicional: Probabilidad de un evento dado que otro evento ya
ocurri. Dado dos sucesos cualesquiera, A y B, la probabilidad de A condicionada
a B viene dada por:
7 Lcda. M.Sc. Mara F. Mendoza E. ESTADSTICA I. Unidad III: Teora de probabilidades.
Recopilacin didctica de varios textos.

P( A | B)

P ( A B)
P( B)

donde P(B) > 0.


Regla general de multiplicacin: Se utiliza para determinar la probabilidad
conjunta de que ocurran dos eventos dependientes.
P ( A y B ) P ( A B ) P ( A | B ).P ( B )

Regla especial de multiplicacin: Si hay dos eventos independientes A y B, la


probabilidad de que ocurran A y B se obtienen al multiplicar las dos probabilidades,
esto es,
P(A y B) = P(A) . P(B)
Observacin: Para determinar si A y B son independientes:
1. A y B son independientes P(A \ B) = P(A)
2. A y B son independientes P(A y B) = P(A) . P(B)
Es necesario clarificar un poco ms la diferencia entre sucesos mutuamente
excluyentes y sucesos independientes:
a) En el primero se tiene un solo dado, una baraja; en el segundo son dos o
ms dados o barajas.
b) En el primero se extrae una sola carta, es decir, se espera la presentacin
de un suceso; en el segundo se espera la presentacin de dos o ms
sucesos.
Diagrama de Venn: Este diagrama permite visualizar los elementos del espacio
muestral, mediante crculos, cuadrados o cualquier forma geomtrica. (Ejemplos)
Diagrama de rbol: Es una representacin grfica que permite visualizar un
experimento de pasos mltiples. (Ejemplos)
Teorema de la Probabilidad Total: Dado un suceso B y una particin,

A1, A2,, An , del espacio muestral, con P(Ai) > 0 para todo i, se verifica:
8 Lcda. M.Sc. Mara F. Mendoza E. ESTADSTICA I. Unidad III: Teora de probabilidades.
Recopilacin didctica de varios textos.

P(B )

P(B | A i ). P(Ai)

i 1

Este esquema muestra una particin S constituida por 5 sucesos, {A1, A2, A3, A4, A5}, y el
efecto de dicha particin sobre el suceso B (en gris)

05. Enunciar el Teorema de Bayes.


Supngase que B1, B2 ,, Bk son sucesos mutuamente excluyentes cuya unin es
el espacio muestral S, es decir, uno de los sucesos debe ocurrir. Entonces si A es
cualquier suceso tenemos:
P( Bi | A)

P( A | Bi ).P( Bi )
P( A | B1 ) P( B1) P( A | B2 ) P( B2 ) P( A | Bk ) P( Bk )

Esto nos permite hallar las probabilidades de los diferentes sucesos Bi que
pueden causar la ocurrencia de A.

9 Lcda. M.Sc. Mara F. Mendoza E. ESTADSTICA I. Unidad III: Teora de probabilidades.


Recopilacin didctica de varios textos.

You might also like