You are on page 1of 52

3.

probabilidad
Tercera parte

INTRODUCCIN

Estadstica descriptiva :
Datos

en bruto organizados en una distribucin de frecuencias mediante tablas, grficas y diagramas. centrales y de dispersin

Algo que sucedi

Medidas

Inferencia Estadstica : hacer inferencias (afirmaciones) sobre una poblacin con base a determinada cantidad de observaciones, denominadas muestra

Algo que posiblemen te suceda

Conceptos bsicos

Variable aleatoria : funcin de valores reales definida


en un espacio muestral.

De qu manera? Una variable aleatoria transforma los eventos de un espacio muestral en eventos numricos.

Ejemplo: Evento = encuesta para conocer la preferencia de cierto candidato medio muestra El evento depor estudio no de la El nmero aleatoria. de votantes a favor
es la gente (elementos de la muestra) ni el orden el cual se obtuvieron las preferencias de cierto candidato o resultado, solamente puede tomar un nmero finito de valores con una probabilidad cero

Variable Aleatoria (VA)


VA Discreta
Si puede tomar un nmero finito o infinito contablement e de valores distintos

VA Continua Si puede
tomar cualquier valor en un intervalo

Porqu estudiamos la teora de la probabilidad en el curso de inferencia estadstica?

Necesitamos

la probabilidad de una muestra observada para hacer inferencias acerca de una poblacin. consideramos que las observaciones son frecuentemente clculos numricos (valores de VA discretas) y en general ocurren con mucha frecuencia en la prctica, es til disponer de las probabilidades para cada valor de una VA. conjunto de probabilidades se llama: DISTRIBUCIN DE PROBABILIDAD.

Si

Este

Una distribucin de probabilidad proporciona toda la gama de valores que se pueden presentar en un experimento. Como una distribucin de frecuencias relativas slo que en lugar de describir el pasado, describe la probabilidad de que un evento se presente en el futuro.
Si un fabricante de medicamentos afirma que cierto tratamiento permitir que el 80% de la poblacin baje de peso. La PROFECO quiz someta a prueba el tratamiento con una muestra de 6 personas. Si la afirmacin del fabricante es cierta, es casi imposible tener un resultado en el que nadie en la muestra pierda peso y es muy probable que 5 de cada 6 personas pierdan peso.

Distribuciones de probabilidad

Las distribuciones discretas son aquellas en las que la variable puede tomar un nmero determinado de valores.

Se puede representar por una frmula, una tabla o una grfica que indique las probabilidades p(y) correspondientes a cada uno de los valores de y.

Ejemplo: si se lanza una moneda al aire puede salir cara o cruz; si se tira un dado puede salir un nmero de 1 al 6; en una ruleta el nmero puede tomar un valor del 1 al 32.

Las distribuciones continuas son aquellas que presentan un nmero infinito de posibles soluciones:
Ejemplo: El peso medio de los alumnos de una clase puede tomar infinitos valores dentro de cierto intervalo (42,37 kg, 42,3764 kg, 42, 376541kg, etc); la esperanza media de vida de una poblacin (72,5 aos, 7,513 aos, 72, 51234 aos).

De qu manera se asignan probabilidades?

Se explicar mediante un ejemplo:


Un productor de Broadway tiene 3 bailarinas y 3 bailarines considerados los mejores del reparto. Desea elegir 2 bailarines para la presentacin estelar y decide seleccionarlos al azar para no introducir algn sesgo en su seleccin. Sea Y el nmero de bailarinas en su seleccin. Encontrar la distribucin de probabilidad para Y.

El productor puede escoger 2 de 6 bailarines de maneras. Por lo tanto S contiene 15 puntos muestrales con igual probabilidad, considerando un muestreo aleatorio. P(Ei) = 1 / 15 i=1,2,,15

Los valores de Y con probabilidad diferente de cero son: 0,1,2 El nmero de formas de seleccionar Y=0 bailarinas es: Ya que el productor tiene que trabajar 0 bailarinas y 2 bailarines: Evento Y=0 existen puntos muestrales. Por lo tanto:

De igual forma:

Nota:

Y=1 es el resultado ms probable, ya que existe mismo nmero de bailarinas que de bailarines.

Si queremos mostrar los resultados grficamente: Considerando el ancho de cada barra de una unidad, entonces el rea de una barra es igual a la probabilidad de que Y tome el valor sobre el cual la barra este centrada. Histograma de probabilidad Distribucin de probabilidad

P(y )

3/5

1/5 0 0 1 2

El mtodo ms conveniente para representar distribuciones de probabilidad discreta es por medio de una frmula. Para el ejemplo sera:

Nota: la suma de las probabilidades asignadas a todos los valores distintos que puede tomar la VA discreta tiene que ser 1

En

resumen, para toda distribucin de probabilidad de una VA discreta debe cumplirse: 0 < p(y) < 1 para toda y y p(y) =1 donde la sumatoria se toma sobre todos los valores de y con probabilidad diferente de cero.

1.

2.

. Nota

importante:

.Las

distribuciones de probabilidad son MODELOS tericos para la distribucin emprica de datos asociados a una poblacin real. este modelo terico es una representacin exacta de la realidad entonces la distribucin terica es igual a la emprica.

.Si

Distribuciones discretas: Bernouilli


Es aquel modelo que sigue un experimento que se realiza una sola vez y que puede tener dos soluciones: acierto o fracaso:

Cuando es acierto la variable toma el valor 1 Cuando es fracaso la variable toma el valor 0
Ejemplo:

Probabilidad de salir cara al lanzar una moneda al aire (sale cara o no sale); probabilidad de ser admitido en una universidad (te admiten o no te admiten); probabilidad de acertar una quiniela (aciertas o no aciertas)

Al haber nicamente dos soluciones se trata de sucesos complementarios:


A la probabilidad de xito se le denomina "p" A la probabilidad de fracaso se le denomina "q"

Verificndose que:

p+q=1

Ejemplo: Probabilidad de salir cara al lanzar una moneda al aire:


Probabilidad de que salga cara: p = 0.5 Probabilidad de que no salga cara: q = 0.5 p + q = 0.5 + 0.5 = 1

Probabilidad de ser admitido en la universidad:


Probabilidad de ser admitido: p = 0.25 Probabilidad de no ser admitido: q = 0.75 p + q = 0.25 + 0.75 = 1

Probabilidad de acertar una quiniela:


Probabilidad de acertar: p = 0.00001 Probabilidad de no acertar: q = 0.99999 p + q = 0.00001 + 0.99999 = 1

Distribuciones discretas: Binomial

Las distribucin binomial parte de la distribucin de Bernouilli: La distribucin de Bernouilli se aplica cuando se realiza una sola vez un experimento que tiene nicamente dos posibles resultados (xito o fracaso), por lo que la variable slo puede tomar dos valores: el 1 y el 0 La distribucin binomial se aplica cuando se realizan un nmero n veces el experimento de Bernouilli, siendo cada ensayo independiente del anterior. La variable puede tomar valores entre:

0: si todos los experimentos han sido fracaso n: si todos los experimentos han sido xitos

Ejemplo: se tira una moneda 10 veces: cuantas caras salen? Si no ha salido ninguna la variable toma el valor 0; si han salido dos caras la variable toma el valor 2; si todas han sido cara la variable toma el valor 10. La distribucin de probabilidad de este tipo de distribucin sigue el siguiente modelo:

Donde n = nmero de ensayos k = nmero de aciertos p = P(k) = probabilidad asociada al xito/acierto

Cul es la probabilidad de obtener 6 caras al lanzar una moneda 10 veces?


"

k " es el nmero de aciertos. En este ejemplo " k " es igual a 6 (en cada acierto decamos que la variable toma el valor 1: como son 6 aciertos, entonces k = 6) n" es el nmero de ensayos. En nuestro ejemplo son 10

" "

p " es la probabilidad de xito, es decir, que salga "cara" al lanzar la moneda. Por lo tanto p = 0.5

La frmula quedara:

Luego, P (x = 6) = 0.205 Es decir, se tiene una probabilidad del 20.5% de obtener 6 caras al lanzar 10 veces una moneda.

Ejercicio en clase:

Cul es la probabilidad de obtener cuatro veces el nmero 3 al lanzar un dado ocho veces?

Solucin:

si se quiere calcular cul es la probabilidad de obtener cuatro veces el nmero 3 al lanzar un dado ocho veces

" k " (nmero de aciertos) toma el valor 4 " n" toma el valor 8 p " (probabilidad de que salga un 3 al tirar el dado) es 1 / 6 (= 0,1666)

La frmula queda:

Luego, P (x = 4) = 0,026 Es decir, se tiene una probabilidad del 2.6% de obtener cuatro veces el nmeros 3 al tirar un dado 8 veces.

Volaris tiene 5 vuelos diarios de Toluca TLC a Monterrey MTY . Suponga que la probabilidad de que cualquier vuelo llegue tarde sea de 0.20. Cul es la probabilidad de que ninguno de los vuelos llegue tarde hoy? Cul es la probabilidad de que exactamente uno de los vuelos llegue tarde hoy?

Distribuciones discretas: poisson

Las distribucin de Poisson parte de la distribucin binomial: Cuando en una distribucin binomial se realiza el experimento un nmero "n" muy elevado de veces y la probabilidad de xito "p" en cada ensayo es reducida, entonces se aplica el modelo de distribucin de Poisson: Se tiene que cumplir que:
" "

p " < 0.10 p * n " < 10

Donde: n = nmero de veces que se realiza el experimento. p = probabilidad de xito en cada ensayo

La

distribucin de Poisson sigue el siguiente modelo:

Explicando
El "

este modelo:

nmero "e" es 2.71828

" = n * p (es decir, el nmero de veces " n " que se realiza el experimento multiplicado por la probabilidad " p " de xito en cada ensayo) k " es el nmero de xito cuya probabilidad se est calculando

"

Ejemplo:

La probabilidad de tener un accidente de trfico es de 0.02 cada vez que se viaja, si se realizan 300 viajes, cual es la probabilidad de tener 3 accidentes? Como la probabilidad " p " es menor que 0.1, y el producto " n * p " es menor que 10, entonces aplicamos el modelo de distribucin de Poisson.

Luego, P (x = 3) = 0.0892 Por lo tanto, la probabilidad de tener 3 accidentes de trfico en 300 viajes es del 8,9%

Ejercicio en clase:

La

probabilidad de que un nio nazca pelirrojo es de 0.012. Cul es la probabilidad de que entre 800 recin nacidos haya 5 pelirrojos?

Solucin: La probabilidad de que un nio nazca pelirrojo es de 0.012. Cul es la probabilidad de que entre 800 recin nacidos haya 5 pelirrojos?

Luego, P (x = 5) = 0.04602 Por lo tanto, la probabilidad de que haya 5 pelirrojos entre 800 recin nacidos es del 4,6%.

Distribuciones discretas: Hipergeomtrica

Las distribucin hipergeomtrica es el modelo que se aplica en experimentos del siguiente tipo:
En una urna hay bolas de dos colores (blancas y negras), cul es la probabilidad de que al sacar 2 bolas las dos sean blancas?

Son experimentos donde, al igual que en la distribucin binomial, en cada ensayo hay tan slo dos posibles resultados: xito o fracaso, de acuerdo al ejemplo, sale bola blanca o no sale. Pero se diferencia de la distribucin binomial en que los distintos ensayos son dependientes entre s:
Si en una urna con 5 bolas blancas y 3 negras en un primer ensayo saco una bola blanca, en el segundo ensayo hay una bola blanca menos por lo que las probabilidades son diferentes (hay dependencia entre los distintos ensayos).

La distribucin hipergeomtrica sigue el siguiente modelo:

Donde:

Explicando el modelo mediante el ejemplo:


N:

es el nmero total de bolas en la urna es el nmero total de bolas blancas es el nmero total de bolas negras

N1: N2: k:

es el nmero de bolas blancas cuya probabilidad se est calculando es el nmero de ensayos que se realiza

n:

Resumen: El nmero de xitos en una muestra aleatoria de tamao n que se selecciona de N artculos de los que k se denominan xito y N-k fracaso.

Ejemplo:

En una urna hay 7 bolas blancas y 5 negras. Se sacan 4 bolas Cul es la probabilidad de que 3 sean blancas? N = 12; N1 = 7; N2 = 5; k = 3; n = 4

Entonces:

Si aplicamos el modelo:

Por lo tanto, P (x = 3) = 0,3535. Es decir, la probabilidad de sacar 3 bolas blancas es del 35.3%.

Pero este modelo no slo se utiliza con experimentos con bolas, sino que tambin se aplica con experimentos similares. Hacer el ejercicio:

En una fiesta hay 20 personas: 14 casadas y 6 solteras. Se eligen 3 personas al azar Cul es la probabilidad de que las 3 sean solteras?

Solucin: En una fiesta hay 20 personas: 14 casadas y 6 solteras. Se eligen 3 personas al azar Cul es la probabilidad de que las 3 sean solteras?

Por lo tanto, P (x = 3) = 0.0175. Es decir, la probabilidad de que las 3 personas sean solteras es tan slo del 1.75%.

Distribuciones discretas: multinomial

La distribucin multinomial es similar a la distribucin binomial, con la diferencia de que en lugar de dos posibles resultados en cada ensayo, puede haber mltiples resultados:

Ejemplo de distribucin binomial: a unas elecciones se presentaron 2 partidos polticos: el PRO obtuvo un 70% de los votos y el PRA el 30% restante. Cul es la probabilidad de que al elegir 5 ciudadanos al azar, 4 de ellos hallan votado al PRA? Ejemplo de distribucin multinomial: a esas elecciones se presentaron 4 partidos polticos: el PRO obtuvo un 40% de los votos, el PRA el 30%, el MUMU el 20% y el LALA el 10% restante. Cul es la probabilidad de que al elegir 5 ciudadanos al azar, 3 hayan votado al PRO, 1 al MUMU y 1 al LALA?

La distribucin multinomial sigue el siguiente modelo:

Donde:
X1 n:

= x1: indica que el suceso X1 aparezca x1 veces (en el ejemplo, que el partido PRO lo hayan votado 3 personas) indica el nmero de veces que se ha repetido el suceso (en el ejemplo, 5 veces) es factorial de n (en el ejemplo: 5 * 4 * 3 * 2 * 1) es la probabilidad del suceso X1 (en el ejemplo, el 40%)

n!: p1:

Ejemplo:

Luego: P = 0.0256 Es decir, que la probabilidad de que las 5 personas elegidas hayan votado de esta manera es tan slo del 2.56% Nota: 0! = 1

Ejercicio en clase: En una fiesta, el 20% de los asistentes son espaoles, el 30% franceses, el 40% italiano y el 10% portugueses. En un pequeo grupo se han reunido 4 invitados: cual es la probabilidad de que 2 sean espaoles y 2 italianos?

Solucin: En una fiesta, el 20% de los asistentes son espaoles, el 30% franceses, el 40% italiano y el 10% portugueses. En un pequeo grupo se han reunido 4 invitados: cual es la probabilidad de que 2 sean espaoles y 2 italianos? Aplicamos el modelo:

Luego P = 0,0384 Por lo tanto, la probabilidad de que el grupo est formado por personas de estos pases es tan slo del 3,84%.

Distribuciones discretas: Multihipergeomtrica


La

distribucin multihipergeomtrica es similar a la distribucin hipergeomtrica, con la diferencia de que en la urna, en lugar de haber nicamente bolas de dos colores, hay bolas de diferentes colores.

Ejemplo: en una urna hay 7 bolas blancas, 3 verdes y 4 amarillas: cul es la probabilidad de que al extraer 3 bolas sea cada una de un color distinto?

La distribucin multihipergeomtrica sigue el siguiente modelo:

Donde:
X1

= x1: indica que el suceso X1 aparezca x1 veces (en el ejemplo, que una de las bolas sea blanca) indica el nmero de bolas blancas que hay en la urna (en el ejemplo, 7 bolas) es el nmero total de bolas en la urna (en el ejemplo, 14 bolas) es el nmero total de bolas que se extraen (en el ejemplo, 3 bolas)

N1: N: n:

Ejemplo: en una urna hay 7 bolas blancas, 3 verdes y 4 amarillas: cul es la probabilidad de que al extraer 3 bolas sea cada una de un color distinto?

Luego: P = 0.2307 Es decir, que la probabilidad de sacar una bola de cada color es del 23.07%.

Ejercicio en clase:

En

una caja de lpices hay 10 de color amarillo, 3 de color azul y 4 de color rojo. Se extraen 7 lpices, cual es la probabilidad de que 5 sean amarillos y 2 rojos?

Solucin: En una caja de lpices hay 10 de color amarillo, 3 de color azul y 4 de color rojo. Se extraen 7 lpices, cual es la probabilidad de que 5 sean amarillos y 2 rojos? Aplicamos el modelo:

Luego P = 0.0777

Por lo tanto, la probabilidad de que los 5 lpices sean de los colores indicados es del 7.77%.

Distribuciones continuas: Uniforme


La

distribucin uniforme es aquella que puede tomar cualquier valor dentro de un intervalo, todos ellos con la misma probabilidad. una distribucin continua porque puede tomar cualquier valor y no nicamente un nmero determinado (como ocurre en las distribuciones discretas).

Es

Ejemplo: el precio medio del litro de gasolina durante el prximo ao se estima que puede oscilar entre $140 y $160. Podra ser, por tanto, de $143, o de $143.4, o de $143.45, o de $143.455, etc. Hay infinitas probabilidad. posibilidades, todas ellas con la misma

Su funcin de densidad, aquella que nos permite conocer la probabilidad que tiene cada punto del intervalo, viene definida por:

Donde:

b: es el extremo superior (en el ejemplo, $160) a: es el extremo inferior (en el ejemplo, $140)

Por lo tanto, la funcin de distribucin del ejemplo sera:

Es decir, que el valor final est entre $140 y $141 tiene un 5% de probabilidad, que est entre $141 y $142, otro 5%, etc. El valor medio de esta distribucin se calcula:

En el ejemplo:

Por lo tanto, el precio medio esperado de la gasolina para el prximo ao es de $150.

Ejercicio en clase

El

volumen de precipitaciones estimado para el prximo ao en la ciudad de Guadalajara va a oscilar entre 400 y 500 litros por metro cuadrado. Calcular la funcin de distribucin y la precipitacin media esperada.

Solucin El volumen de precipitaciones estimado para el prximo ao en la ciudad de Guadalajara va a oscilar entre 400 y 500 litros por metro cuadrado. Calcular la funcin de distribucin y la precipitacin media esperada:

Es decir, que el volumen de precipitaciones est entre 400 y 401 litros tiene un 1% de probabilidades; que est entre 401 y 402 litros, otro 1%, etc. El valor medio esperado es:

Es decir, la precipitacin media estimada en Gdl para el prximo ao es de 450 litros.

Ejercicios en clase

1. La rapidez con la que las compaas de servicios resuelven problemas es de suma importancia. Telefnica Company afirma que es capaz de resolver 70% de los problemas de los clientes el mismo da que se reportan. Suponer que los 15 casos que se reportaron hoy son representativos de todas las quejas:

Cuntos problemas esperara que se resolvieran el da de hoy? Cul es la probabilidad de que 10 problemas se resuelvan el da de hoy? Y de que ms de 10 problemas se resuelvan el da de hoy?

2. OXXO vende una lnea exclusiva de productos alimenticios congelados marca Findus. El Director de MKT afirma que 20% de los clientes que visitan una sucursal realizan compras de por lo menos $50. Suponer que se consideran 15 clientes como muestra representativa: Cuntos de estos clientes esperara que hiciera una compra de al menos $50? Cul es la probabilidad de que por lo menos 5 clientes hagan una compra de por lo menos $50? Cul es la probabilidad de que por lo menos un cliente haga una compra de por lo menos $50?

3. Kolzak Outlet acaba de recibir un cargamento de 10 reproductores de DVD. Poco despus de recibirlo, el fabricante se comunic para reportar un envo de 3 unidades defectuosas. El gerente de operaciones decidi probar 2 de los 10 repoductores de DVD que recibi. Cul es la probabilidad de que ninguno de los 2 reproductores de DVD que se probaron est defectuoso? Suponga que las muestras no tienen reemplazo.

4. Costco Mexico tiene 15 unidades de entrega. De estos 15 camiones, 6 presentan problemas con los frenos. En forma aleatoria se seleccionaron 5 camiones. Cul es la probabilidad de que 2 de los camiones probados presenten frenos defectuosos?

5. Se calcula que 0.5% de quienes se comunican al departamento de customer service de Dell Inc. Escuchar un tono de lnea ocupada. Cul es la proabilidad de que las 1,200 personas que se comunicaron hoy, por lo menos 5 hayan escuchado un tono de lnea ocupada?

6. El gerente de crditos de Banamex, empricamente calcula que la probabilidad de que un solicitante no pague un prstamo inicial es de 0.025. El mes pasado realiz 40 prstamos:

Cul es la probabilidad de que no se paguen 3 prstamos? Cul es la probabilidad de que por lo menos no se paguen 3 prstamos?

7. Colgate Palmolive Inc. Recin cre una nueva pasta sabor a miel. sta fue probada por un grupo de diez personas. Seis de ellas dijeron que les gustaba el nuevo sabor y las cuatro restantes indicaron que definitivamente no les gusto el nuevo sabor. Cuatro de las diez personas se seleccionan para que participen en una entrevista de fondo. Entre quienes fueron elegidos para la entrevista. Cul es la probabilidad de que a dos les haya gustado el nuevo sabor, y a dos no?