Probabilidad y estadística

José Luis Poveda Macías
Ingeniero Físico
Maestro en Educación

Nociones de probabilidad
• Definición.
• Espacio muestral y eventos.
• Axiomas y teoremas.
• Eventos dependientes.
• Eventos independientes.

Reporte 1
• En equipos de 4 personas, se les entregará un dado
distinto.
• El experimento consiste en calcular el número de veces
que saldrán los valores divisibles entre 3. Éste es el
evento deseado o “éxito”.
• Anoten después de cada repetición el resultado
obtenido y si es el esperado.
• Tabulen, en intervalos acumulados de 10, el resultado
????? ??? ??????ó é????
obtenido:
???????????? ???????
É????
• Grafiquen la relación para
????????????
cada tanda de 10 acumulados.

A. Actividad introductoria

Reporte 1
??????? ??????????
• Ahora hallen la relación para
??????? ????????
un único experimento.
• ¿Es una estimación acertada? Analicen sus
resultados y saquen sus conclusiones al
respecto.
• Repitan el procedimiento con otro dado.

A. Actividad introductoria

Definición
• La probabilidad es la ciencia matemática que
estudia y modela los fenómenos aleatorios.

• Ajusta modelos deterministas a eventos que
no son predecibles con exactitud.
1. Definición

adj. propio del juego de dados 1. Significado de términos clave • Probabilidad: Del latín probabilitas. razón entre el número de casos favorables y el número de casos posibles. Dependiente de algún suceso fortuito • determinista. -atis En un proceso aleatorio. Perteneciente o relativo a los juegos de azar 2. adj. de determinismo: Teoría que supone que la evolución de los fenómenos naturales está completamente determinada por las condiciones iniciales . • aleatorio: del latín aleatorius.

¿Cómo es un fenómeno aleatorio? • Es un hecho del cual sus posible resultados son previsibles antes de efectuar el experimento. con las mismas condiciones iniciales. 1. no se puede predecir el resultado final antes de realizarlo. se pueden obtener resultados distintos. Definición . • Al repetir el experimento varias veces. • Sin embargo.

Es decir: ? ??? ? = ?→∞ ? • Donde f es la frecuencia relativa del resultado • s es el número de veces que ocurre un “éxito” • n es el número de repeticiones del experimento. Límite de una probabilidad • La probabilidad no es más que un límite cuando se repite un experimento infinitas veces. 1. Definición .

Definición . Definición clásica • Sea E un evento que puede ocurrir de s formas de un total de n maneras. Entonces su probabilidad se calcula: ? ?= ? • O dicho de otra forma: ????? ?????????? ?= ????? ???????? 1.

Espacio muestral • Recordemos la teoría de conjuntos: – El espacio muestral S es el conjunto de todos los resultados posibles para un experimento determinado. Espacio muestral y eventos . – Puede considerarse como el Universo (U) para el experimento que se está planteando. U 5 1 2 3 4 6 2.

El experimento es tirar un dado. 6} B= {4. – Estos son definidos en el problema que se quiere resolver. 6} 3 2. 4. 5. 6 A= {2. 1 U Evento A= Cae un número par. 2 5 Evento B= Cae un número 4 A B mayor o igual a 4. Evento – Es todo subconjunto existente en el espacio muestral del experimento. Espacio muestral y eventos .

• P(A) = Probabilidad de que ocurra el evento A. • Axioma 1: ? ≤ ?(?) ≤ ? – Si el evento tiene una probabilidad de cero. Axiomas • Muchos de los axiomas pueden comprobarse mediante Diagramas de Venn. • Axioma 2: ? ? = ? 3. Axiomas y teoremas . en caso de ser necesario. se dice que es un evento seguro. – Si el evento tiene una probabilidad de uno. se dice que es un evento imposible.

Axiomas • Axioma 3: Para eventos mutuamente excluyentes ?? ∩ ?? = ∅ para i ≠ j: ? ? ? ራ ?? = ෍ ?(?? ) ?=1 ?=1 • Desarrollándolo: ? ?1 ∪ ?2 ∪ … ∪ ?? = ? ?1 + ? ?2 + ⋯ + ?(?? ) 3. Axiomas y teoremas .

entonces ? ? ≤ ? ? • Sean A y B dos eventos cualesquiera: ? ? − ? = ? ? − ?(? ∩ ?) • Es importante notar que las propiedades de los Diagramas de Venn son aplicables en este caso. 3. Axiomas y teoremas . Teoremas • ? ?∁ = ? − ? ? • Sean A y B dos eventos cualesquiera: ? ? ∪ ? = ? ? + ? ? − ?(? ∩ ?) • Si A ⊆ B.

Ejemplo • Se ha seleccionado al azar una carta de una baraja de 52 cartas. Considera los eventos siguientes: A={corazón} y B={figura} a) Encuentra P(A). Axiomas y teoremas . P(B) y ?(? ∩ ?) b) ?(? ∪ ?) 3.

y hay uno por cada palo. Entonces. queena y rey. En total son 12. Axiomas y teoremas . Ejemplo a) Las cartas de figuras en las barajas son 3: jota. la probabilidad de que salga una figura es: ?ú???? ?? ??????? 12 ? ? ? = = = ?ú???? ?? ?????? 52 ?? 3.

espadas. Ejemplo a) En una baraja común existen 13 cartas de cada palo (corazones. tréboles). diamantes. Entonces. Axiomas y teoremas . la probabilidad de que salga un corazón es: ?ú???? ?? ????????? 13 ? ? ? = = = ?ú???? ?? ?????? 52 ? 3.

De los 13 corazones. Axiomas y teoremas . Por lo tanto: ?ú???? ?? ??????? 3 ? ?∩? = = ?ú???? ?? ?????? 52 3. Ejemplo a) Finalmente. se quiere conocer la probabilidad de que sea una carta de corazón con figura. sólo 3 son figuras.

la probabilidad de escoger una carta corazón o una carta figura. Entonces se puede calcular con el teorema de la adición: 1 3 3 22 ? ?∪? =? ? +? ? −? ?∩? = + − = 4 13 52 52 ?? = ?? A. Axiomas 3. Ejemplo b) Se quiere hallar ?(? ∪ ?). o lo que es lo mismo. Ejemplo y teoremas .

Eventos 4. A. – Diagramas de Venn – Combinaciones – Permutaciones – Diagramas de árbol – Adición y multiplicación. Eventos dependientes • Las técnicas de conteo son muy útiles para poder determinar la probabilidad de distintos eventos. Ejemplodependientes . • Recuerda examinar el problema para escoger la técnica más conveniente para resolverlo.

b) Una sea hombre y la otra. Ejemplo • Seis parejas casadas se encuentran en una habitación. Encuentra la probabilidad p de que: a) Estén casadas entre sí. mujer. Eventos 4. A. Ejemplodependientes . Dos personas se eligen al azar.

los casos posibles se calculan: 12 12 ∙ 11 = = 66 2 2∙1 a) Hay 6 parejas casadas. Ejemplodependientes . por lo tanto. Eventos 4. los casos favorables se determinan: 6 6 = 36 1 1 36 6 ?= = 66 11 A. entonces. es decir: 6 1 ?= = 66 11 b) Si uno es hombre y el otro mujer. Ejemplo Son 12 personas en total.

Actividadde conteo . Halla la probabilidad que de entre las primeras 4 canciones reproducidas: – Te gusten 2. 7. Después de escucharlo complete. – Te gusten 4. Fórmulas A2. – Te gusten 3. decides que te gustan 5 canciones. Actividad 2 • Supón que un disco que compraste tiene 13 canciones. El reproductor tiene una opción para aleatorizar el orden en que tocará las 13 canciones.

Eventos independientes . si lanzo un dado. son eventos independientes porque el resultado del dado no influye en la moneda. Eventos independientes • Los eventos independientes son aquellos en los que se considera que la ocurrencia de uno no afecta directamente que suceda el otro. • Por ejemplo. y luego tiro una moneda. 5.

• Si dos eventos son independientes: ? ? ∩ ? = ? ? ?(?) 7. puesto que en teoría el resultado anterior no afecta al siguiente. Fórmulas 5. también puede considerarse cada evento como independiente del otro. Es idéntico a cuando se efectúa el experimento con dados distintos. Eventos independientes • Si se realiza el experimento múltiples veces. Eventos independientes de conteo .

La probabilidad de que un componente funcione es pi. Eventos independientes . ¿cuál es la probabilidad de que el sistema funcione? 1 2 A B 3 … … n 5. 2. Ejemplo • Un sistema eléctrico en paralelo de n componentes independientes separados se muestra en la figura. …. n. con i = 1.

por lo menos. Ejemplo • Un sistema en paralelo funciona cuando. • ¿Existe alguna forma de tener un cálculo más sencillo? 5. es impráctico ya que existe una cantidad n de contactos que pueden funcionar. Eventos independientes . uno de los interruptores hace contacto. La opción más lógica sería decir: P{el sistema funcione} = P{un contacto funcione} + P{dos contactos funcionen} + … + P{todos los contactos funcionen} • Sin embargo.

obtenemos que: P{el sistema funcione} = 1 – P{el sistema no funcione} P{el sistema funcione} = 1 – P{ningún componente funcione} 1 2 A B 3 … … 5. Ejemplo Usemos otra perspectiva: • Una opción más sencilla es decir que el único caso que no me interesa es aquél en el que ninguno de los contactos esté funcionando. Utilizando la propiedad del complemento. Eventos independientes n .

Eventos independientes n . podemos decir que: ∁ ∁ ∁ ? ??????? = ? − ? ?? ∩ ?? ∩ ⋯ ∩ ?? ? ? ??????? = ? − ෑ(? − ?? ) ?=? 1 2 A B 3 … … 5. Ejemplo • Sea Ai es el evento en el que componente i funciona.

asegúrate que sea razonable suponer que todos los eventos son independientes entre sí! • ¡Una fórmula mal empleada puede provocar efectos catastróficos! 5. ¡Cuidado! • ¡Antes de aplicar la fórmula de independencia. Eventos independientes .

• Se pensaba que la probabilidad de que ocurriese un accidente era de una en 10 millones. ocurrió. Pennsilvania. • Dos válvulas = (teóricamente) 1 en 1 millón. 5. Three Mile Island. 28 de marzo de 1979 • En esa planta nuclear ocurrió un accidente nuclear en 1978. situada en Harrisburg. • Los estadísticos consideraron que había una probabilidad de 1 en 1. Eventos independientes .000 de cerrar una válvula de control de agua. Sin embargo.

Eventos independientes . los riesgos fueron subestimados. casi provocando una catástrofe nuclear. • Además. Three Mile Island • Sin embargo. • Por lo tanto. El trabajador no pudo haber intuido que ambas debían cerrarse al mismo tiempo si no le fue explicado. 5. la independencia no toma en cuenta los casos en que hay errores de juicio. las dos válvulas nunca habían sido cerradas.

Actividad 2 • De acuerdo con la Secretaría de Salud. 30% de las personas entre 18 y 25 años tienen alguna forma de enfermedad mental. – ¿Cuál es la probabilidad de que dos personas seleccionadas al azar de entre 18 y 25 años tengan alguna forma de enfermedad mental? – ¿Cuál es la probabilidad de que seis personas seleccionadas al azar de entre 18 y 25 años tengan alguna forma de enfermedad mental? – ¿Cuál es la probabilidad de que al menos una de seis personas seleccionadas al azar de entre 18 y 25 años tengan alguna forma de enfermedad mental? – ¿Sería inusual que de entre cuatro personas seleccionadas al azar de entre 18 y 25 años. ninguna tenga alguna forma de enfermedad mental? A2. Actividad .

Probabilidad y estadística José Luis Poveda Macías Ingeniero Físico Maestro en Educación .

Probabilidad condicional • Definición. • Ley de probabilidad total. . • Procesos estocásticos. • Teorema de Bayes.

Video Fuente: http://www.com/watch?v=AbepvfOaFhw& . Video: Monty Hall 1.youtube.

Definición • La probabilidad condicional implica la reducción intencionada del espacio muestra para determinar la probabilidad de un evento cuando ya ocurrió otro. B es el nuevo espacio muestral ? ∩ ? se convierte en los “casos favorables” 1. ?(? ∩ ?) ? ?? = ?(?) • Esto es. Definición . • Es decir. la probabilidad de que ocurra A si B ya sucedió.

Definición . Definición • Se utiliza la probabilidad condicional cuando: se quiere calcular la probabilidad y sólo se tiene información parcial al respecto se descubre que hay datos que son más relevantes para lo que nos interesa calcular (Estadística). 1.

Definición . Se selecciona un estudiante al azar. ¿cuál es la probabilidad de que haya reprobado química? c) ¿Cuál es la probabilidad de que el estudiante haya reprobado matemáticas o química? d) ¿Cuál es la probabilidad de que el estudiante no haya reprobado ni matemáticas ni química? 1. a) Si el estudiante reprobó química. Ejemplo • En cierta universidad. ¿cuál es la probabilidad de que haya reprobado matemáticas? b) Si el estudiante reprobó matemáticas. el 25% de los estudiantes reprobaron matemáticas. el 15% reprobaron química y el 10% reprobaron ambas.

es decir. ? ? ∩ ? = 0.15 ? 1.10 Aplicando la fórmula: ?(? ∩ ?) ? ?? = ?(?) 0.10 ? ? ?? = = 0. ? ? = 0.25. también haya tronado matemáticas. habiendo ya reprobado química. la probabilidad de que el estudiante. ? ? = 0. Ejemplo a) Se busca ?(?|?). Definición .15.

10 ? ? ?? = = 0. Ejemplo b) Ahora se solicita ?(?|?). la probabilidad de que el estudiante. Definición . es decir. Aplicando la fórmula: ?(? ∩ ?) ? ?? = ?(?) 0. también haya tronado química. habiendo ya reprobado matemáticas.25 ? 1.

Esto se halla con la fórmula: ∁ ? ?∪? =?−? ?∪? = 1 − 0.10 = ?. ?? 1.25 + 0. o sea.30 = ?. ?? d) Se desea obtener a todos aquellos estudiantes que no se encuentran definidos dentro de A y B. (? ∪ ?)∁ . Ejemplo c) Esto implica utilizar la regla de la adición: ? ? ∪ ? = ? ? + ? ? − ?(? ∩ ?) ? ? ∪ ? = 0.15 − 0. Definición .

– Si las primeras 2 cartas son espadas. ¿cuál es la probabilidad de que las siguientes 3 cartas también sean espadas? – Si las primeras 3 cartas son todas de espadas. ¿cuál es la probabilidad de que la siguiente carta sea también una espada? A2. una a la vez. ¿cuál es la probabilidad de que las 2 cartas siguientes sean también espadas? – Si las primeras 4 cartas son todas de espadas. Actividad 2 • Se reparten cartas. Actividad . de una baraja de 52 cartas.

Procesos estocásticos • Es una sucesión finita de experimentos en donde cada experimento tiene resultados con probabilidades dadas. Procesos estocásticos . • No tiene que ser una repetición del mismo experimento. • Los diagramas de árbol rotulados son utilizados para resolverlos fácilmente. 2.

de los cuales 3 están defectuosos. – La caja Y tiene 6 focos. encuentre la probabilidad de que provenga de la caja Z. a) Encuentre la probabilidad p de que el bombillo no esté defectuoso. de los cuales 1 está defectuoso. – La caja Z tiene 8 focos. Procesos estocásticos . • Se escoge una caja al azar y luego se selecciona un foco de la caja. 2. b) Si el bombillo no está defectuoso. de los cuales 4 están defectuosos. Ejemplo • Supón que se te dan 3 cajas: – La caja X tiene 10 focos.

5 3. 2. Este proceso se repite para las otras cajas. se tiene una probabilidad de = de 10 5 tomar un foco defectuoso. 3 2. Por lo tanto. 1. El primero consiste en seleccionar una caja al azar. la probabilidad de 3 escoger un foco funcional es de . Ejemplo • Empecemos por determinar las probabilidades de cada experimento. 4 2 Si se escoge X. El segundo experimento depende de la caja elegida. Procesos estocásticos . la probabilidad para cada una de ellas es 1 . Puesto que todas las cajas tienen la misma probabilidad de ser elegidas.

Experimento 2 Experimento 1 2 D 5 X 3 5 N 1 3 • Cada ramal debe sumar 1 Inicio 1 D • Considerar si los experimentos 1 6 son al azar o existe algún sesgo. 3 D 8 Z 5 2. 8 N . se dibuja un diagrama de árbol donde se ponen todas las opciones existentes para el problema. Ejemplo • Una vez planteadas las probabilidades. 3 Y 5 • Es posible calcular la 1 6 N probabilidad total de un evento 3 ocurrido en el segundo experimento. Procesos estocásticos.

Ejemplo a) Noten que las tres trayectorias principales son mutuamente excluyentes. Procesos estocásticos 8 N .686 3 5 3 6 3 8 360 2 5 D X 3 1 5 N 3 1 1 6 D 5 3 Y 6 1 N 3 3 8 D 5 Z 2. si ocurre el primer experimento y el segundo experimento. y luego consideramos que hay 3 casos posibles. obtendremos la probabilidad de seleccionar un foco no defectuoso: 1 3 1 5 1 5 247 ?=? ? = ∙ + ∙ + ∙ = ≈ 0. Por lo tanto.

o sea. queremos saber si provino de la caja Z. Procesos estocásticos . ?(? ∩ ?). 2 1 5 5 5 D ? ?∩? = ∙ = 3 3 8 24 1 X Ahora aplicamos la fórmula de probabilidad 5 N 3 1 condicional 1 6 D ?(? ∩ ?) 5/24 5 ? ?? = = = ?. ya que sabiendo que el foco no es defectuoso. Ya tenemos la probabilidad de que no sea defectuoso. Ahora necesitamos la probabilidad de que no sea defectuoso y que salga de la caja Z. ??? 3 Y 6 ?(?) 247/360 1 N 3 3 8 D 5 Z 8 N 2. Ejemplo b) Es un caso de probabilidad condicional.

Cada rama principal se puede considerar como un subconjunto (o eventos) mutuamente excluyente: A1 A2 A3 A1 E E A2 E A3 E S • En el segundo esquema tenemos que: ? = ? ∩ ? = ? ∩ ?? ∪ ?? ∪ … ∪ ?? = ? ∩ ?? ∪ ? ∩ ?? ∪ ⋯ ∪ (? ∩ ?? ) A. Ejemplo de probabilidad total . Ley 3. Ley de probabilidad total • Remitámonos de nuevo al ejemplo anterior.

obtenemos que: ? ? ∩ ?? = ? ?? ?(?|?? ) • Aplicando la fórmula: ? ? = ? ?? ? ?|?? + ? ?? ? ?|?? + ⋯ ? ?? ?(?|?? ) ? ? ? = ෍ ? ?? ?(?|?? ) ?=? que. en realidad. es la fórmula que aplicamos en el ejemplo. Ley de probabilidad total • Ahora. A. con la fórmula de probabilidad condicional. Ley 3. Ejemplo de probabilidad total .

A1 Consiste en la división de la probabilidad E total con respecto a la rama que nos interesa. es aplicada intuitivamente cuando se tienen que calcular probabilidades con diagramas de árbol. A2 Es un caso particular de probabilidad E condicional. Teorema 4. Teorema de Bayes • Es otra fórmula que es muy útil pero. sobre todo. A3 E A. Ejemplo de Bayes . También se mostró en el ejemplo.

Ak. …. que forman una partición con S. y E es un evento cualquiera. Teorema 4. An. Si aplicamos lo antes visto en la fórmula de probabilidad condicional: ?(?? ∩?) ? ?? ?(?|?? ) ? ?? ? = = ?(?) ?(?) Si consideramos la fórmula obtenida para calcular la probabilidad total de E: ? ?? ?(?|?? ) ? ?? ? = σ? ?=? ? ?? ?(?|?? ) A. Teorema de Bayes • Tenemos los eventos A1. …. Ejemplo de Bayes . A2.

¿Cuál es la probabilidad de que sea de tercer año si tiene auto? 7. de los cuales el 10% posee un auto. 4) 10% de estudiantes de cuarto año. de los cuales el 40% posee un auto. de los cuales el 60% posee un auto. Teorema de deBayes conteo . 2) 40% de estudiantes de segundo año. 3) 20% de estudiantes de tercer año. Ejemplo • Supongamos que un dormitorio estudiantil en una universidad está conformado por: 1) 30% de estudiantes de primer año. de los cuales el 20% posee un auto. Fórmulas 4.

20% Noten que la intersección está marcada 40% T en la probabilidad total anterior. y se determinan los eventos útiles.25 N 8 = = 32% 25 4.10 0. ?? 40% B 80% N b) Se busca la probabilidad de ?(?|?).20 20% + 0.60 = ?.10 + 0. 10% T Nos interesa T (evento tiene auto) A 90% a) La probabilidad total es: N ? ? 30% T = 0.40 + 0.40 0. Teorema de Bayes .20)(0. Ejemplo • Se traza el diagrama de árbol respectivo.40) ? ?? = = D 40% ?(?) 0. C 60% 10% N Por el teorema de Bayes: 60% T ? ? ?(?|?) (0.20 0.30 0.

50% viajan por negocios en tanto que 60% de quienes llegan en aviones privados y 90% de quienes llegan en otros aviones comerciales viajan por negocios. – llegue en un avión privado. Actividad 2 • De los viajeros que llegan a un pequeño aeropuerto. dado que vuela en un avión comercial? 7. – viaje por negocio en un avión privado?. dado que la persona viaja por negocios?. De quienes viajan en líneas aéreas importantes. 30% en aviones de propiedad privada y el resto en aviones comerciales que no pertenecen a una línea aérea importante. Suponga que seleccionamos al azar una persona que llega a este aeropuerto. Actividadde conteo . Fórmulas A2. 60% vuelan en líneas aéreas importantes. ¿Cuál es la probabilidad de que la persona – viaje por negocios?. – viaja por negocio.