Professional Documents
Culture Documents
Conceptos &
Aplicaciones
Probabilidad Bsica
Captulo 4
Chap. 5- 1
Objetivos de
Aprendizaje
1. Definir Probabilidad, Eventos y Espacio
Muestral
2. Explicar Cmo Asignar Probabilidades y
Usar las Reglas de Probabilidad
Chap. 5- 2
Definiciones
Chap. 5- 3
Qu es
Probabilidad?
1.
Valor numrico de la
posibilidad de que un
evento va a ocurrir
2.
3.
Evento Simple
Evento Conjunto
Evento Compuesto
Seguro
.5
Imposible
Chap. 5- 4
P(x) =
X
T
Chap. 5- 5
Definiciones
(cont)
Evento: es una coleccin de uno o ms
resultados considerados como un grupo.
ejs
Que una criatura sea varn o hembra
Que gane el partido X o Y la serie mundial
Que en los prximos dos exmenes obtengas
una nota de A
1999 Prentice-Hall, Inc.
Chap. 5- 6
Definiciones
(cont)
Un evento que no tiene oportunidad de
ocurrir (un evento imposible) tiene una
probabilidad de Cero (0).
Un evento que ocurrir con toda seguridad
(un evento seguro) tiene una probabilidad
de uno (1).
Chap. 5- 7
Definiciones
(cont)
Existen tres aproximaciones sujetas a
la probabilidad:
probabilidad clsica a priori
probabildad subjetiva
Chap. 5- 8
Definiciones
(cont)
Chap. 5- 9
Definiciones
(cont)
Chap. 5- 10
Definiciones
(cont)
Chap. 5- 11
Eventos y Espacio
Muestral
1. Evento Simple
2. Evento Conjunto
3. Espacio Muestral
Coleccin Completa de todos Eventos Posibles
Chap. 5- 12
Evento Simple
A: Mujer
B: Menor de 20, < 20 aos
C: Tiene 3 Tarjetas
D: Una Baraja roja de un
mazo (deck) de barajas (naipes)
E: El As de un mazo (deck) de barajas (naipes)
Chap. 5- 13
Evento Conjunto
A y B, : Mujer, menor de 20 aos
D y E, : Rojo, As de un mazo (deck) de cartas
Chap. 5- 14
Evento Compuesto
D o E: As o Baraja Roja de un mazo (deck)
de naipes
Chap. 5- 15
Propiedades de
Eventos
1.
2.
Mutuamente Excluyentes
Experimento:
2 Eventos que No Pueden Ocurrir al Mismo Tiempo.
Gnero
Se selecciona una persona y..
Ambos Hombre & Mujer en la misma persona
Observar
No Excluyentes:
2 Eventos que Pueden Ocurrir al Mismo
Tiempo
Dos personas seleccionadas y que sean uno
hombre la otra y mujer
Colectivamente Exhaustivos
1 Evento en el Espacio Muestral Tiene que Ocurrir
Hombre o Mujer
1984-1994 T/Maker Co.
Chap. 5- 16
Eventos Especiales
Evento Nulo
Evento Nulo
Chap. 5- 17
Visualizando el Espacio
Muestral
1.Listado
S = {Cara, Cruz}
2 Diagrama Venn
3.Tabla de Contingencia
4.Diagrama de rbol
Chap. 5- 18
DiagramaVenn
Evento: Mujer
Hombre
Resultado
Mujer
U
U = {H, M}
1999 Prentice-Hall, Inc.
Chap. 5- 19
Tabla de
Contingencia
Evento Conjunto: Mujer, Bajo Edad de 20
<20
Evento
Simple
>20
Total
Mujer
47
16
63
Hombre
45
22
67
Total
92
38
130
# Obs
Total
Chap. 5- 20
Diagrama de rbol
Eventos Posibles
<20
>20
<20
>20
Chap. 5- 21
Clculos de Tipos de
Probabilidades
1.
2.
3.
4.
5.
6.
Chap. 5- 22
Eventos Mutuamente
Excluyentes
e
Igual
de Probables
La frase clave
en la definicin
clsica de la
probabilidad son: mutuamente excluyentes e
igual de probables.
Dos eventos son mutuamente
excluyentes si no pueden ocurrir de
manera simultnea.
Dos eventos son igual de probables
cuando no hay razn para esperar que un
evento ocurra en lugar de otro.
1999 Prentice-Hall, Inc.
Chap. 5- 23
Eventos Mutuamente
Excluyentes
e
En el ejemplo
de de
la tabla
de contingencia
Igual
Probables
Chap. 5- 24
Independencia
Estadstica
Como corolario a lo antes dicho, los Eventos
son Estadsticamente Independientes si la
probabilidad que un evento ocurra no afecta
el que el otro ocurra, sin importar que el
primero haya ocurrido o no. Por ejemplo, si en
la tabla de contingencia seleccionamos un
(H>20) y si luego seleccionamos un (H<20) el
evento Gnero (H) no es afectado por el evento Edad
(>20 o <20) ni el orden en que ocurren.
Chap. 5- 25
Notacin
P (x): Se lee: la probabilidad del Evento X
Reunin:
: Se lee o : ej., :
A B : A o B
: Se lee Y : ej., : A B :A y B
Interseccin:
n(A) : Se lee el nmero de veces que A ocurre
Chap. 5- 26
1. Probabilidad de Evento
Simple
o Probabilidad Marginal
P(Evento) =
X
T
De100 Partes
Inspeccionadas,
Slo 2 Defectos!
Chap. 5- 27
Probabilidades
Marginales
De la Tabla de Contingencia podemos obtener
las siguientes Probabilidades Marginales:
n ( H 20)
22
P ( H 20)
.1692 16.92%
n (U )
130
n( M 20)
47
P ( M 20)
.3615 36.15%
n (U )
130
63
n( M )
P(M )
.3937 39.38%
130
n(U )
38
n( 20)
P ( 20)
.2923 29.23%
130
n(U )
1999 Prentice-Hall, Inc.
Chap. 5- 28
2. Probabilidad
Condicional
Cuando se calculan probabilidades usando
un subconjunto del conjunto universal como
el denominador, el resultado es una
Probabilidad Condicional.
( A B)
P( A | B)
;B0
( B)
Se lee; la probabilidad del evento A dado B
1999 Prentice-Hall, Inc.
Chap. 5- 29
2. Probabilidad
Condicional
De la tabla de contingencia podemos ver los
siguientes ejemplos;
P( M 20) n( M 20) 47
P( M 20 | 20)
.5108 51.08%
P( 20)
n( 20)
92
La probabilidad de que sea Mujer menor de 20 dado que es del subconjunto
de menores de 20
P( H 20) n( H 20) 22
P( H 20 | 20)
.5789 57.89%
P( 20)
n( 20)
38
La probabilidad de que sea Hombre mayor de 20 dado de que sea del
subconjunto de mayores de 20
1999 Prentice-Hall, Inc.
Chap. 5- 30
3. Probabilidad Conjunta
Eventos No Excluyentes
La Probabilidad conjunta proporciona la probabilidad
de ocurrencia conjunta o simultnea de dos eventos
o caractersticas en un ente u objeto. En otras
palabras seleccionamos un solo objeto a la vez del
Conjunto Universal y observamos la ocurrencia de dos
caractersticas a la vez.
n( A B )
P( A B)
n(U )
1999 Prentice-Hall, Inc.
Chap. 5- 31
3. Probabilidad
Conjunta
Por ejemplo en la tabla de contingencia sera
que seleccionemos una persona que sea Hombre y
<20 a la vez.
P ( H 20) n( H 20) 22
P ( H 20)
(U )
n(U )
130
.1692 16.92%
Chap. 5- 32
4. Eventos No
Excluyentes
Dos eventos no son mutuamente excluyentes si uno
o el otro pueden ocurrir de forma independiente y
tambien simultanea. Por ejemplo, en la tabla de
contingencia vimos que una persona seleccionada al
Azar del universo puede ser >20 o Mujer o ambos.
Bajo esta condicin si al seleccionar un objeto del
universo si nos interesa ver si es A o B, pero si A y B
pueden ocurrir a la vez tenemos entonces la
siguiente regla:
1999 Prentice-Hall, Inc.
Chap. 5- 33
4. Eventos No Excluyentes
La Regla de Adicin
P( A B) P( A) P( B) P( A B)
La probabilidad de que A o B ocurran es igual a la suma de sus
probabilidades marginales menos la probabilidad de que ocurran
a la vez.
Chap. 5- 34
4. Eventos No Excluyentes
La Regla de Adicin
Por ejemplo, de la tabla de contingencia, la
probabilidad de que la persona sea Mujer o >20,
sera:
n(u ) n(u )
n(u )
130 130 130
85
.6538 65.38%
130
Chap. 5- 35
5. Probabilidad de
Eventos Excluyentes
P ( A B ) P ( A) P ( B )
1999 Prentice-Hall, Inc.
Chap. 5- 36
5. Probabilidad de
Eventos Excluyentes
En la Tabla de Contingencia vemos que la
caractersticas (H) y (M) son excluyentes. As que si
seleccionamos una persona del universo la
probabilidad de que esta sea Hombre o Mujer sera
P( H M ) P( H ) P( M )
n( H ) n( M 67 63 130
1
n(U ) n(U ) 130 130 130
o 100%
1999 Prentice-Hall, Inc.
Chap. 5- 37
6. Probabilidad de
Eventos Independientes
Chap. 5- 38
6. Probabilidad de
Eventos Independientes
La regla para dos eventos independientes es
P ( A B ) P ( A) P ( B )
Esto es la probabilidad de que los eventos A y B
ocurran a la vez es igual al producto de sus
probabilidades individuales o marginales.
Chap. 5- 39
6. Probabilidad de
Eventos Independientes
Ejemplos:
1. Si seleccionamos dos personas a la vez, Cul es la
probabilidad de que ambos sean Hombres?
67
67
P( H H ) P( H ) P( H )
(.51)(.51)
130 130
.2601 26.01%
P ( 20 M ) P( 20) P ( M )
130 130
Chap. 5- 40
El Complemento de un
Evento
Para todo Evento existe su Complemento. En
trminos de probabilidades, el complento de un
evento es la probabilidad de que este no ocurra.
En notacin el Complemento de A se denota .
La probabilidad de , es P()= 1-P(A)
Por ejemplo, de la tabla de contingencia si
__
P(H)=.5153, entonces P H 1 P H =1-.5153=.4847 o 48.47%
Esto quiere decir que la probabilidad de que no sea
__
es uno menos la probabilidad de que lo
Hombre H
sea.
1999 Prentice-Hall, Inc.
Chap. 5- 41