UNIVERSIDAD NACIONAL EXPERIMENTAL “FRANCISCO DE MIRANDA” DPTO. DE FÍSICA Y MATEMÁTICA CÁTEDRA: ESTADÍSTICA TEMA Nº 2.

TEORÍA Y CÁLCULO DE PROBABILIDADES
ESPACIO MUESTRAL: Es el conjunto de todos los resultados posibles de un experimento estadístico y se denota por “S”.

Ej.:

- Lanzamiento de una moneda al aire

S = {cara, sello}

- Lanzar un dado al aire y ver el número que tiene la cara superior S = {1, 2, 3, 4, 5, 6} - Lanzar un dado al aire y ver si el número es par o none {par, none} S =

En algunos experimentos será de utilidad anotar sistemáticamente los elementos del espacio Muestral por medio de un Diagrama de Árbol. Por ejemplo: - Lanzar dos veces al aire una moneda Cara

Cara

Sello Cara

Sello

Sello

Entonces, el espacio muestral S = {CC, CS, SC, SS}

Lanzar una moneda al aire. 4. 5} . 4. C4. el espacio muestral S = {C1.Lanzar dos veces al aire una moneda S = {CC. S} EVENTO: Es un subconjunto del espacio muestral.Lanzar un dado al aire y ver el número que tiene la cara superior S = {1. SS} Evento A: Que ocurra al menos 1 vez cara SC} A: {CC. CS. CS. entonces lanzar un dado 1 2 3 Cara 4 5 6 Sello Entonces. 3. C2. 6} E2: {1. 5. 2. y si se obtiene cara. C5. 3.: . OPERACIONES CON EVENTOS: UNIÓN DE EVENTOS: Es el evento que está formado por todos los resultados contenidos en cualquiera de los dos eventos o en ambos. Se denota: A B (Resultado de A ó B). C6. INTERSECCIÓN DE EVENTOS: .. SC. 6} Evento 1: Escoger los números pares Evento 2: Escoger los números impares E1: {2. C3. Ej.

5} B: Números menores o iguales que 5 Entonces. 6. Complemento y Eventos Mutuamente excluyentes . 5. 10} y se definen los siguientes eventos: A: Números pares A: {2. 6. 10} B: {1. A B Ej. Intersección. 4. 5.Es el evento que está formado por los resultados contenidos en ambos eventos. 8. 5. 9} A y B no son mutuamente excluyentes porque si poseen elementos en común DIAGRAMA DE VENN: Es un gráfico que permite expresar la relación entre eventos y el espacio muestral correspondiente. 2. 2. 3.: Se tiene el siguiente Espacio Muestral S: {1. 3. Se denota: A’ (Complemento de A). 4} A’ = {1. 2. 8. 9. A B = {1. A continuación se presentan algunos diagramas que ilustran: Unión. 6. 8. es decir. 7. EVENTOS MUTUAMENTE EXCLUYENTES: Dos eventos son mutuamente excluyentes si no tienen elementos en común. 4. 3. 7. 4. 10} A B = {2. Se denota por: A B COMPLEMENTO DE UN EVENTO: Es el conjunto de resultados del Espacio Muestral que no están contenidos en el vento especificado. es decir. 3. 4. en A y B.

que mide la ocurrencia que se tiene de que llegue a ocurrir un evento específico que sea resultado de un experimento. También puede definirse como. Un número entre 0 y 1. . inclusive.A B A B A B A B A B A’ A A B A’ PROBABILIDAD: Es un número real que mide la posibilidad de que ocurra un resultado del Espacio Muestral cuando un experimento se lleva a cabo.

: Los resultados posibles de un experimento aleatorio son: {a. sino va a ocurrir. Muchas veces se afirma: “Probablemente lloverá mañana” “La probabilidad de que llueva mañana es del 50%” DEFINICIÓN AXIOMÁTICA DE PROBABILIDAD: Sea S un Espacio Muestral cualquiera y E un evento cualquiera de S. respectivamente. 0 P(A) 1 Para hallar la Probabilidad de un evento se utilizará la siguiente fórmula clásica: Probabilidad Número de resultados favorables Número total de resultados Ej. se llamará función de Probabilidad sobre S a P(E) si se satisface: 1) P(E) 0 2) P(S) = 1 3) Para dos eventos E1 y E2 con E1 P(E1) + P(E2) E2 . se tiene que: P( E1 E2 ) = PROPIEDADES BÁSICAS DE LA PROBABILIDAD: La Probabilidad de un evento se encuentra entre los valores 0 y 1. b} El evento B: {b. 0. d} con Probabilidades 0.5. c.1. b. esto es: P(A) + P(A’) = 1 PROBABILIDAD DE UN EVENTO A: Es la suma de los pesos de todos los puntos muestrales de A. d} El evento C: {d} . 0.3. toma este valor cuando es seguro que ocurra. Al describir un suceso como Probable damos a entender que es posible.1. Sean: El evento A: {a. c.El término Probabilidad se emplea muy a menudo en conversaciones corrientes. o que es de esperarse o que es seguro. entonces su probabilidad es 0 (cero). La suma de las probabilidades de que un evento ocurra y no ocurra es igual a la unidad. 0.

6 REGLA ESPECIAL DE LA ADICIÓN: Para aplicar la regla especial de la Adición.4 = 0.1 + 0. ninguna de las otras caras (1. P(A B C) = P(A) + P(B) + P(C) REGLA GENERAL DE LA ADICIÓN: Para aplicar la regla general de la Adición. los cuales se conectan de manera que éste funcione si cualquiera de los dos componentes funcionan. Determine la probabilidad de que el sistema funcione.3 = 0. . los eventos no deben ser mutuamente excluyentes.32 . 5. la Regla General de la Adición indica que la Probabilidad de que ocurra uno u otro de los eventos es igual a la suma de sus Probabilidades menos la Probabilidad de que ocurran ambos” P(A B) = P(A) + P(B) – P(A B) Para tres eventos no excluyentes.1 P(A’) = 1 – P(A) = 1 – 0.P(A B Ej: Un sistema contiene dos componentes X y Y. Por ejemplo.1 = 0. P(A) = 0.40 y la de Y es P(Y) = 0. los eventos deben ser mutuamente excluyentes.80 y la probabilidad de que ambos funcionen es P(X Y) 0.P(A C) . Recuérdese que “mutuamente excluyentes” significa que cuando ocurre un evento ninguno de los otros puede ocurrir al mismo tiempo.Entonces. “Si dos eventos A y B son mutuamente excluyentes la Regla Especial de la Adición indica que la Probabilidad de que ocurra uno u otro de los eventos es igual a la suma de sus Probabilidades” P(A B) = P(A) + P(B) Para tres eventos mutuamente excluyentes.5 + 0.4 P(B) = 0. La probabilidad de que X funcione es P(X) = 0. 4. P(A B C) = P(A) + P(B) + P(C) . “Si se tienen dos eventos A y B que no son mutuamente excluyentes.P(A C) B) .3 + 0. al lanzar un dado y cae un “dos”. 3. 6) puede estar arriba al mismo tiempo.9 P(C) = 0.P(B C) .

80 – 0. Encuentre la probabilidad de que un avión llegue a tiempo dado que despegó a tiempo. entonces. de esta manera se tiene que: P(B/A) P(A B) P(A) La definición de Probabilidad Condicional puede extenderse para incluir cualquier número de eventos que se encuentren en el espacio muestral S.94 . P(A B) con P(A B)>0 P(B C/A) P(A B C) .El sistema trabaja si funciona X o Y o ambos. Sean A. La Probabilidad Condicional de B al ocurrir el evento A.82 y la de que despegue y llegue a tiempo es P(D A) = 0.88 PROBABILIDAD CONDICIONAL: A la Probabilidad de que un evento B ocurra cuando se sabe que algún otro evento A se ha presentado se llama Probabilidad Condicional y se escribe P(B/A).40 + 0. la de que llegue a tiempo es P(A) = 0. “Sean A y B dos eventos cualesquiera que se encuentran en un espacio muestral S de manera tal que P(A)>0. es el cociente de la probabilidad de A y B con respecto a la probabilidad de A”.83. B y C eventos de S. Se lee Probabilidad de B dado A.78 = P(D) 0. entonces: P(X o Y) = P(X P(X Y) = P(X) + P(Y) – P(X Y) Y) = 0.78. P(A/D) P(A D) 0.83 0.32 = 0. P(A) con P(A)>0 Ej: La probabilidad de que un vuelo de programación regular despegue a tiempo es P(D) = 0. entonces: P(C/A B) P(A B C) . Utilizando la fórmula de Probabilidad Condicional se tiene: La probabilidad de que llegue a tiempo dado que despegó a tiempo sería: P(A / D).

P(B/A) P(B A) 12 84 1 = = = 0.REGLA MULTIPLICATIVA: Si en un experimento pueden ocurrir los eventos A y B. entonces: P(A B) = P(A) P(B/A) = P(B) P(A/B) EVENTOS ESTADÍSTICAMENTE INDEPENDIENTES: Dos eventos A y B son estadísticamente independientes si se cumple: i) ii) iii) P(A / B) = P(A) P(B / A) = P(B) P(A B) = P(A) x P(B) Si hay dos eventos independientes A y B.33 36 84 P(A) 3 Por otro lado se tiene que: P(B/A) = P(B) = 0.43 y P(A/B) = P(A) = 0. la Probabilidad de que ocurran A y B se obtiene al multiplicar ambas probabilidades.33 Trabajando con P(A/B) P(A B) P(B) 12 84 28 84 3 7 0. Dos eventos son independientes si el resultado de un segundo evento no depende del resultado del primero.43 . P(A y B) = P(A B) = P(A) P(B) Ej: A continuación se presenta el resultado obtenido al analizar 84 muestras de aire con la finalidad de detectar dos moléculas raras: Molécula 1 Presente SI Total 24 56 12 28 36 84 Molécula 2 Presente NO SI Total NO 32 16 48 Sea A: el evento donde todas las muestras de aire contienen la molécula 1 Sea B: el evento donde todas las muestras de aire contienen la molécula 2 Entonces: P(A) = 36 / 84 y P(B) = 28 / 84 Así mismo.

Finalmente.45. seleccionado al azar.… BK una partición de S. el 90% lo tenía mientras que únicamente el 5% de los no fumadores lo padecía. Si la proporción de fumadores es 0. P(A B) = P(A) x P(B) = 1 3 3 7 1 7 En conclusión A y B son independientes. Supóngase que en un centro médico. entonces: i 1 P(Bj /A) P(Bj ) P(A/B j ) k P(Bi ) P(A/Bi ) i 1 S B5 B1 B4 A B3 B2 Ej: Durante los últimos años se ha escrito mucho sobre la posible relación entre el fumar y el cáncer pulmonar. con k P(B i ) 1. de todos los fumadores de quienes se sospeche que tenían cáncer pulmonar. Sea A un evento del Espacio Muestral S y B1. B2. sea fumador? Sea B1: el evento en que el paciente es Fumador B2: el evento en que el paciente es No fumador A: el evento en que el paciente tiene cáncer pulmonar . A primera vista no es más que una aplicación de las probabilidades condicionales. TEOREMA DE BAYES: Desarrollado por Thomas Bayes (1700) y es un teorema clave en el desarrollo de la Inferencia Estadística en la que se emplea la interpretación subjetiva de la Probabilidad. ¿Cuál es la probabilidad de que un paciente con cáncer pulmonar.

Además.9364 .55 0.90 0. P(B1/A) P(B1 ) P(A/B1 ) P(B1 ) P(A/B1 ) P(B 2 ) P(A/B 2 ) P(B1/A) 0.05.45 0.Se sabe que. P(B1) = 0.05 0.55. P(B 1 / A). es decir. Se desea determinar la probabilidad a posteriori de seleccionar un fumador puesto que el paciente tiene cáncer pulmonar.45 y P(B2) = 0.45 0. P(A / B1) = 0.90 y P(A / B2) = 0.90 0.