2015

Curso de: INTERPRETACIN DE DATOS

UNIDAD 3 - PRINCIPIOS DE PROBABILIDAD

Autor: Sergio Nieves Vanegas

UNIVERSIDAD AUTNOMA DEL CARIBE | Barranquilla, Colombia |2015

Contenido
3. PRINCIPIOS DE PROBABILIDAD ............................................................................. 3
3.1. PROBABILIDAD ..................................................................................................... 3
3.1.1. Definicin formal ............................................................................................... 3
3.1.2. Definiciones de Probabilidad ............................................................................ 4
3.1.2.1. Modelo de frecuencias relativas ................................................................... 5
3.1.2.2. Modelo Subjetivo ........................................................................................... 5
3.1.2.3. Modelo clsico ............................................................................................... 5
3.1.3. Conceptos bsicos:........................................................................................... 6
3.1.4. Clases de Eventos y Teora de Conjunto ......................................................... 7
3.1.5. Reglas de la Probabilidad ................................................................................. 9
3.1.5.1. Regla Aditiva. ................................................................................................. 9
3.1.5.2. Regla Multiplicativa ...................................................................................... 10
3.2. PROBLEMAS RESUELTOS ................................................................................. 11
 UNIDAD 3

3. PRINCIPIOS DE PROBABILIDAD

3.1. PROBABILIDAD
La probabilidad est asociada al azar y teora de juegos, como una

medida de certidumbre o pronstico, en el uso cotidiano la

probabilidad hoy en da est inmersa en todos los campos como

economa, medicina, educacin, ingeniera, ciencias, poltica,

mercadeo, meteorologa, entre otras; y sus usos son como por

ejemplo: factibilidad de un negocio, probabilidad de lluvia o

tormentas para un da dado, favorabilidad de un candidato en unas

elecciones, probabilidad de recesin econmica de acuerdo a los

mercado internacionales, probabilidad de que la seleccin nacional

gane un campeonato mundial o clasifique a una instancia final, que

tan probable que el procedimiento quirrgico sea efectivo, riesgo de

contraer cierta bacteria o enfermedad ,etc. como se puede apreciar

la probabilidad est asociada a todos los campos del saber y por

ello es muy importante su estudio.

3.1.1. Definicin formal

La probabilidad es la medida numrica de la ocurrencia de un

evento, la cual se encuentra entre 0 y 1.

La probabilidad debe cumplir tres axiomas para garantizar que

exista la ocurrencia del evento junto con su asignacin numrica de

la ocurrencia de dicho evento:

Axioma 1: Para cualquier evento A, P(A) 0

Axioma 2: () = 1

Axioma 3: Si 1 , 2 , 3 , .. es un conjunto de eventos mutuamente

excluyentes, entonces: (1 2 3 . . ) =
=1 ( )

El axioma uno confirma que la probabilidad es un nmero positivo

y nunca su resultado puede ser inferior a cero, el segundo axioma

establece que la probabilidad de todo el espacio muestral de

experimento debe ser igual a uno o el 100% y el tercer axioma

garantiza que la probabilidad de que suceda por lo menos un evento

y no dos o ms al mismo tiempo es la suma de los hechos

individuales.

3.1.2. Definiciones de Probabilidad

Existen tres modelos que definen la probabilidad, a saber

3.1.2.1. Modelo de frecuencias relativas
Define la probabilidad de ocurrencia de un evento como:

() =

ste modelo se basa en las frecuencias relativas por lo tanto

asume que la suma de las probabilidades es igual a uno.

La principal desventaja del modelo de frecuencias relativas es

que se basa en datos histricos para poder calcular la

probabilidad de ocurrencia de un evento por lo tanto si dicho

evento no ha ocurrido o durante el proceso de recoleccin de los

datos se pierde parte de la informacin no se podr calcular la

probabilidad de dicho evento.

3.1.2.2. Modelo Subjetivo

ste modelo se aplica para determinar la probabilidad de eventos

que no han ocurrido en el pasado y no existen datos histricos

del mismo por lo tanto se recurren a sondeos, opiniones o

encuestas para calcular la probabilidad de ocurrencia del evento,

con la desventaja que dicho clculo es personal o subjetivo.

3.1.2.3. Modelo clsico

Define la probabilidad de ocurrencia de un evento como:

() =

ste modelo ms empleado puesto no se basa en datos

histricos ni asigna valores a las probabilidades de un evento

de manera subjetiva.

3.1.3. Conceptos bsicos:

Experimento: es todo proceso que genera resultados bien

definidos

Espacio muestral: es el conjunto de todos los posibles

resultados de un experimento

Puntos muestrales: son los resultados individuales que

componen el espacio muestral

Evento Hecho o suceso: es la denotacin por extensin o

comprensin de los resultados de un experimento, los cuales

pueden ser:

Evento cierto o certeza absoluta : es cuando la

probabilidad de ocurrencia de un evento es igual a 1 o

100%
 Evento verosmil: es cuando la probabilidad de

ocurrencia de un evento es mayor a 0.5 y menor que la

unidad. (0 < < 1)

Evento inverosmil: es cuando la probabilidad de

ocurrencia de un evento es mayor a cero y menor o

igual a 0.5. (0 < 0.5)

Evento imposible: es cuando la probabilidad de

ocurrencia de evento es cero o nula

3.1.4. Clases de Eventos y Teora de Conjunto

1. Eventos mutuamente excluyentes

La ocurrencia de un evento, anula la ocurrencia de otros eventos.

Ejemplo: al lanzar un dado si sale 2 anula la ocurrencia de los

otros resultados

2. Eventos compatibles

La ocurrencia de un evento A no afecta la ocurrencia de un

evento B y se pueden presentar simultneamente. Ejemplo: la

probabilidad de que un empleado obtenga un puntaje bajo en

una prueba no incide que sea graduado o no sea graduado de la

universidad.

3. Eventos dependientes.
 La ocurrencia de un segundo evento depende de la ocurrencia de

un primer evento, la ocurrencia de un tercer evento depende de

lo que ocurri en el primero y el tercero y as sucesivamente.

Cabe resaltar que en este tipo de eventos se establece la

seleccin con reemplazo y sin reemplazo, es decir sin reemplazo

es que se selecciona aleatoriamente un elemento del espacio

muestral y no se vuelve a incluir en el mismo y con reemplazo

es que se extrae un elemento se anota la caracterstica especifica

del estudio y se vuelve a incluir en el espacio muestral. Ejemplo:

se tiene una urna con 5 balotas de las cuales 2 tiene premios si

se hace una extraccin sin repeticin la escogencia de un premio

depende de cada seleccin, es as que si la primera escogencia

no arroja premio, la segunda extraccin depender de la

primera, hasta la quinta extraccin.

4. Eventos independientes

La ocurrencia de un evento no se ve afectada por la ocurrencia

de otros eventos. Ejemplo: la probabilidad de obtener doble seis

en el lanzamiento de dos dados son eventos totalmente

independientes puesto que la ocurrencia del primer dado no se

ve afectada por la ocurrencia del segundo dado.

5. Eventos complementarios
 Son todos los dems eventos que completen el espacio muestral,

se simboliza como ; ; , de tal forma que:

( ) + () = 1

Ejemplo: la probabilidad de encontrar en un lote un porcentaje

de piezas es defectuosas es del 12%, por lo tanto el

complemento ser el porcentaje de piezas sin ningn defecto es

de 88%.

6. Eventos colectivamente exhaustivos

Si los eventos son mutuamente excluyente, sern

colectivamente exhaustivos cuando ocurra uno de los eventos

del espacio muestral. Ejemplo: al lanzar un dado si no sale en

dicho lanzamiento tres, deber salir uno o dos o cuatro o cinco o

seis.

3.1.5. Reglas de la Probabilidad

Existen dos reglas en la teora de probabilidad las cuales

contienen las clases de eventos, estas son:

3.1.5.1. Regla Aditiva.

Emplea el conectivo lgico de la unin por lo tanto se aplica la

suma como operacin principal, los eventos en que se aplica

dicha regla son:

 Eventos mutuamente excluyentes

( ) = () + ()

( ) = () + () + ()

Y as para n eventos

Eventos compatibles

( ) = () + () ( )

( ) = () + () + () ( ) ( )

( ) + ( )

sta ltima se conoce como la regla de inclusin-exclusin y es

atribuida a Joseph Sylvester, pero en realidad se debe a

Abraham de Moivere.

3.1.5.2. Regla Multiplicativa

Emplea el conectivo lgico y (), de la interseccin, por lo cual

el producto es la operacin en estos eventos:

Eventos independientes

( ) = () ()

( ) = () () ()
 Y as para n eventos

Eventos dependientes

( ) = ()()

( ) = ()()( )

Y as para n eventos

3.2. PROBLEMAS RESUELTOS

1. En una encuesta llevada a cabo en cierta ciudad sobre el futuro de

la economa de 2000 encuestados, 800 sienten un futuro excelente,
600 bueno, 400 regular y 200 psimo.

a. Diga el espacio muestral

b. Calcule la probabilidad de que el futuro sea psimo
c. Calcule la probabilidad de que el futuro sea por lo menos bueno

Solucin:

800 600 400 200

a. = {2000 , 2000 , 2000 , 2000}

200
b. = = 0.001
2000

600 400 200 1200

c. = 2000 + 2000 + 2000 = = 0.6 = 60%
2000
2. En una oficina hay 17 hombres y 18 Mujeres. Si se eligen
seguidamente 2 empleados de esa oficina, cul es la probabilidad de
que:

a. Los dos sean hombres

b. Sean dos mujeres
c. Sea un hombre y una mujer.

Solucin

a. 17/35*16/34
b. 18/35*17/34
c. 17/35*18/34 +18/35*17/34 =18/35

3. El gerente de una entidad financiera recolecta datos sobre 1000 de

los clientes. De los 600 hombres, 400 tienen al menos un crdito, de
las 400 mujeres, 300 tienen al menos un crdito. 100 de los hombres
presentan mora. Mientras que 150 de las mujeres presentan una mora
en sus productos. El gerente desea determinar la probabilidad que al
seleccionar un cliente al azar este sea:

a. Una mujer con un crdito

b. Una mujer con mora
c. Un hombre con mora

Solucin:
Primeramente se declaran los eventos:
400
M: probabilidad de que sea mujer: () =
1000
 600
H: Probabilidad de que se hombre: () = 1000

C: probabilidad de que tenga un crdito. Estas probabilidades

dependen del gnero

S: probabilidad de que tenga mora. Estas probabilidades dependen

del gnero

Claramente estos son eventos dependientes, ya que la ocurrencia

de un evento se ve afectada por la ocurrencia (o no) de otros
eventos. Por lo tanto se tiene que:

a. ( ) = ()(/)

400 300
= 400 = 0.30 = 30%
1000

b. ( ) = ()(/)

400 150
= 400 = 0.15 = 15%
1000

c. ( ) = ()(/)

600 100
= 600 = 0.10 = 10%
1000
 PROBLEMAS PROPUESTOS

1. En una clase hay 17 Hombres y 18 Mujeres. Si se eligen 2

estudiantes de esa clase. Cul es la probabilidad de:

a. Los dos sean chicos

b. Sean dos chicas
c. Sea un chico y una chica.

2. En cierta multinacional, el 60% de las piezas fabricadas requieren

un aditamento especial A, el 80% de las piezas un aditamento B y
50% de todas las piezas requieren ambos aditamentos para su
produccin. Al elegir una pieza al azar la probabilidad de que
requiera exactamente un aditamento es de:

3. El gerente del Banco Acme recolecta datos sobre 100 de sus

clientes. De los 60 hombres, 40 tienen tarjeta de crdito. De las 40
mujeres, 30 tienen tarjeta de crdito. Diez de los hombres tienen
saldos vencidos, mientras que 15 de las mujeres tienen saldos
vencidos. El gerente de crdito desea determinar la probabilidad de
que un cliente seleccionado al azar sea:
a. Una mujer con tarjeta de crdito
b. Una mujer con saldo vencido
c. Un hombre sin saldo

4. Durante el ao anterior las ventas en solo KUKOS han sido bajas

durante 16 semanas, considerables durante 27 semanas y altas el
resto de las semanas. Cul es la probabilidad de que las ventas de
esta semana sean:?
 a. Considerables
b. Bajas
c. Altas
d. Por lo menos considerables
5. La siguiente tabla muestra el nmero de computadores vendidos
diariamente por una tienda minorista
Nmero de computadores vendidos Nmero de das
0 12
1 43
2 18
3 20
4 25

Determine la probabilidad de que el nmero de computadores que

se vendan hoy sea:
a. 2
b. Ms de tres
c. Ms de uno
d. Por lo menos uno