Sie sind auf Seite 1von 42

PROBABILIDAD Y

DISTRIBUCIÓN DE
1
PROBABILIDAD
INTERPRETACIÓN DE LA PROBABILIDAD

Ing. Fausto Redrován - 2017


2 Contenido

 Experimento estadístico
 Espacio muestral
 Eventos
 Probabilidad de Eventos
 Axiomas de Probabilidad
 Propiedades de la Probabilidad
 Regla aditiva
 Probabilidad Condicional
 Teorema de Multiplicación condicional, de independencia, de Bayes

Ing. Fausto Redrován - 2017


3
Experimento Estadístico

Ing. Fausto Redrován - 2017


4 Experimento Estadístico

 Es un procedimiento que se realiza con el propósito de


obtener observaciones para algún estudio de interés.
 Un experimento requiere realizar pruebas o ensayos
para obtener resultados.

Ing. Fausto Redrován - 2017


5 Experimento Estadístico
Características
 Se conocen todos los resultados posibles antes de realizar el
experimento.
 No se puede predecir el resultado de cada ensayo realizado
(propiedad de aleatoriedad)
 Debe poderse reproducir o repetir el experimento en condiciones
similares.
 Se puede establecer un patrón predecible a lo largo de muchas
ejecuciones del experimento. Esta propiedad se denomina
regularidad estadística.

Ing. Fausto Redrován - 2017


6 Experimento Estadístico
Ejemplos
 Lanzar un dado y observar el resultado obtenido.
 Medir la altura de una persona
 Observar el tipo de defecto de un artículo producido por una
fábrica

Ing. Fausto Redrován - 2017


7
Espacio Muestral

Ing. Fausto Redrován - 2017


8 Espacio Muestral

 El Espacio Muestral, representado con la letra S, es el conjunto de


todos los resultados posibles de un experimento.
 Cada elemento de S se denomina Punto Muestral.
 Según la naturaleza del experimento, los puntos muestrales pueden
determinar que S sea discreto o continuo.
 S es discreto si sus elementos pueden ponerse en correspondencia
con los números naturales. En este caso S puede ser finito o infinito.
 S es continuo si los resultados corresponden a algún intervalo de los
números reales. En este caso S es infinito por definición.

Ing. Fausto Redrován - 2017


9 Espacio Muestral
Ejemplos
 Experimento: Lanzar un dado y observar el resultado
Espacio Muestral: S={1, 2, 3, 4, 5, 6]
Propiedades de S: Discreto y finito
 Experimento: Elegir al azar dos artículos de un lote y observar la cantidad
de artículos defectuosos
Espacio Muestral: S={0, 1, 2}
Propiedades de S: Discreto y finito

Ing. Fausto Redrován - 2017


10 Espacio Muestral
Ejemplos
 Experimento: Lanzar un dado y contar la cantidad de intentos hasta
obtener como resultado el 6
Espacio Muestral: S={1, 2, 3, . . .}
Propiedades de S: Discreto e infinito
 Experimento: Medir el peso en gramos de un artículo elegido al azar
Espacio Muestral: S={x | x>0, x ϵ R}
Propiedades de S: Continuo (infinito por definición)

Ing. Fausto Redrován - 2017


11
Eventos

Ing. Fausto Redrován - 2017


12 Eventos

 Un evento es algún subconjunto del Espacio Muestral S.


 Se pueden usar letras mayúsculas para denotar eventos: A, B, . . .
 También se pueden usar índices E1, E2, . . .
Definiciones
 Evento nulo: No contiene resultados (sin puntos muestrales)
 Evento simple: Contiene un solo resultado (punto muestral)
 Eventos excluyentes: Eventos que no contienen resultados comunes

Ing. Fausto Redrován - 2017


13 Eventos
Ejemplo
 Experimento: Lanzar un dado y observar el resultado
Espacio Muestral: S = {1, 2, 3, 4, 5, 6}
 Describa el evento de interés:
A: el resultado es un número par
 Respuesta:
A = {2, 4, 6}
 Diagrama de Venn

Ing. Fausto Redrován - 2017


14
Probabilidad de Eventos

Ing. Fausto Redrován - 2017


15 Probabilidad de Eventos

Definición de Probabilidad
 El valor de la probabilidad de un evento es una medida de la certeza de
su realización
 Sea A un evento, entonces P(A) mide la probabilidad de que el evento A
se realice
P(A)=0 es la certeza de que no se realizará
P(A)=1 es la certeza de que sí se realizará
P(A)=0.5 indica igual posibilidad de que se realice o no se realice

Ing. Fausto Redrován - 2017


16 Probabilidad de Eventos
Asignación de valores
1. Empírica
 Es la proporción de veces que un evento tuvo el resultado esperado
respecto al total de intentos realizados.
Ejemplo
 Se han realizado 20 ensayos en un experimento en condiciones similares.
 Cuatro ensayos tuvieron el resultado esperado.
 Entonces, la probabilidad que en el siguiente ensayo se obtenga el
resultado esperado tiene un valor aproximadamente: 4/20 = 0.2 = 20%

Ing. Fausto Redrován - 2017


17 Probabilidad de Eventos
Asignación de valores
2. Mediante modelos matemáticos
 Para muchas situaciones de interés puede construirse modelos
matemáticos con los cuales se puede determinar la probabilidad de
eventos.
3. Asignación clásica
 Su origen es la Teoría de Juegos. El valor de probabilidad de un evento es
la relación entre la cantidad de resultados que se consideran favorables
para el evento de interés, respecto al total de resultados posibles (Espacio
Muestral).

Ing. Fausto Redrován - 2017


18 Probabilidad de Eventos
Asignación de valores
Asignación clásica de Probabilidad de Eventos
Sean
S: Espacio muestral
A: Evento de interés .
Si N(S) y N(A) representan la cardinalidad (número de elementos)
Entonces la probabilidad del evento A es:

𝑁(𝐴)
𝑃 𝐴 =
𝑁(𝑆)

Ing. Fausto Redrován - 2017


19 Probabilidad de Eventos
Ejemplo
 Calcule la probabilidad que al lanzar una vez un dado y una moneda se
obtenga un número impar y sello
 Si c, s representan los valores cara y sello de la moneda, entonces el
espacio muestral es:
S = {(1,c),(2,c),(3,c),(4,c),(5,c),(6,c),(1,s),(2,s),(3,s),(4,s),(5,s),(6,s)}
 Mientras que el evento de interés es:
A = {(1,s),(3,s),(5,s)}
Respuesta:
𝑁(𝐴) 3 1
𝑃(𝐴) = = = = 0.25 = 25%
𝑁(𝑆) 12 4

Ing. Fausto Redrován - 2017


20 Probabilidad de Eventos
Ejercicio
 En un grupo de 15 personas, 7 leen la revista A, 5 leen la revista B y 6
ninguna revista.
a) Encuentre la probabilidad que al elegir al azar una persona, ésta lea al
menos una revista
b) Encuentre la probabilidad que al elegir al azar tres personas, dos lean
ambas revistas y una no lea revistas.

Ing. Fausto Redrován - 2017


21 Probabilidad de Eventos Simples

 Un Evento Simple incluye un solo punto muestral.


 Un evento cualquiera A de S puede considerarse entonces como la unión de sus
eventos simples.
Sean
S: Espacio muestral, con n puntos muestrales
A: Evento cualquiera de S con k puntos muestrales
E1, E2, . . ., Ek: Eventos simples incluidos en A
Entonces
𝑷(𝑨) = 𝑷(𝑬𝟏 ∪ 𝑬𝟐 ∪ … ∪ 𝑬𝒌 ) = 𝑷(𝑬𝟏 ) + 𝑷(𝑬𝟐 ) + . . . + 𝑷(𝑬𝒌 )
Si cada evento simple tiene igual probabilidad, entonces
𝟏
𝑷(𝑨) = 𝒌 𝒏
Ing. Fausto Redrován - 2017
22 Probabilidad de Eventos Simples
Ejemplo

 ¿Cual es la probabilidad que al lanzar un dado se obtenga un


número par?
Respuesta:
S = {1, 2, 3, 4, 5, 6}
A = {2, 4, 6} Evento de interés
E1 = {2}, E2 = {4}, E3 = {6} Eventos simples incluidos en el evento A
Entonces
1
𝑃 𝐴 = 𝑃 𝐸1 ∪ 𝐸2 ∪ 𝐸3 = 𝑃 𝐸1 + 𝑃 𝐸2 + 𝑃 𝐸3 = 3 = 0,5
6

Ing. Fausto Redrován - 2017


Axiomas de Probabilidad de
23
Eventos

Ing. Fausto Redrován - 2017


24 Axiomas de Probabilidad de Eventos

 En esta sección se introduce la formalidad matemática necesaria para


fundamentar la Teoría de la Probabilidad de Eventos.
Sea
S: Espacio muestral
E: Evento de S
P(E): Probabilidad del evento E
ℝ: Conjunto de los reales
Sea P una función que asocia a cada evento E de S un número real:
P: 𝑆→ℝ
𝐸 → 𝑃 𝐸 , 𝑑𝑜𝑚 𝑃 = 𝑆, 𝑟𝑔 𝑃 = [0,1]

Ing. Fausto Redrován - 2017


25 Axiomas de Probabilidad de Eventos

Axiomas
1. 𝑃 𝐸 ≥ 0
2. 𝑃 𝑆 = 1
3. 𝐸1 , 𝐸2 𝜖 𝑆 ∧ 𝐸1 ∩ 𝐸2 = ∅ ⇒ 𝑃(𝐸1 ∪ 𝐸2 ) = 𝑃(𝐸1 ) + 𝑃(𝐸2 )

El axioma 3 se refiere a eventos mutuamente excluyentes.

Ing. Fausto Redrován - 2017


Propiedades de la Probabilidad de
26
Eventos

Ing. Fausto Redrován - 2017


27 Propiedades de la Probabilidad de Eventos

a) Probabilidad de Evento Nulo: 𝑃 ∅ = 0


b) Probabilidad de Evento Complemento: 𝑃 𝐸 𝐶 = 1 − 𝑃(𝐸)
c) Probabilidad de Eventos Incluidos: Si A ⊆ B, entonces P A ≤ P(B)
d) La probabilidad de un Evento está entre 0 y 1: 0 ≤ 𝑃 𝐸 ≤ 1
e) Probabilidad de la diferencia de Eventos:
𝑃 𝐴 − 𝐵 = 𝑃 𝐴 − 𝑃 𝐴 ∩ 𝐵 = 𝑃 𝐴 ∩ 𝐵𝐶
f) Regla aditiva de probabilidad de Eventos:
𝑃 𝐴∪𝐵 = 𝑃 𝐴 +𝑃 𝐵 −𝑃 𝐴∩𝐵

Ing. Fausto Redrován - 2017


28 Propiedades de la Probabilidad de Eventos
Ejemplo
 Si la probabilidad que un estudiante apruebe Álgebra Lineal es 0.7, la probabilidad
que apruebe Inglés es 0.8 y la probabilidad que apruebe ambas materias es 0.6
¿Cuál es la probabilidad que el estudiante apruebe al menos una de estas dos
materias?
Respuesta:
Sean los eventos
A: El estudiante aprueba Álgebra Lineal
B: El estudiantes aprueba Ingles
A ∩ B: El estudiante aprueba ambas materias
S: Conjunto de todos los estudiantes
A y B no son eventos excluyentes, entonces, por la Regla Aditiva de Probabilidad se
tiene:
𝑃(𝐴 ∪ 𝐵) = 𝑃(𝐴) + 𝑃(𝐵) – 𝑃(𝐴 ∩ 𝐵) = 0.7 + 0.8 – 0.6 = 0.9

Ing. Fausto Redrován - 2017


29
Ejercicios

Ing. Fausto Redrován - 2017


30 Ejercicios

1. Un taller de mantenimiento tiene tres técnicos: A, B, C. Cierto día, dos


empresas X, Y requieren un técnico cada una. Describa el conjunto de
posibles asignaciones si cada técnico puede ir solamente a una empresa.
2. En el ejercicio anterior, suponga que el mismo técnico debe ir primero a la
empresa X y luego a la empresa Y. Describa el conjunto de posibles
asignaciones.
3. Hay tres paralelos para el curso de Cálculo Diferencial y tres paralelos para
Algebra Lineal. Un estudiante desea tomar ambos cursos. Escriba el
conjunto de posibles asignaciones.
4. En un curso preuniversitario los exámenes solían contener 20 preguntas y
cada una con cinco opciones. ¿De cuantas formas diferentes se podía
contestar el examen?

Ing. Fausto Redrován - 2017


31 Ejercicios

5. Sean A, B eventos de S, tales que


𝑃 𝐴 = 0.35, 𝑃(𝐵𝑐 ) = 0.27, 𝑃(𝐴𝑐 ∩ 𝐵) = 0.59
Calcule:
a) 𝑃(𝐴 ∩ 𝐵)
b) 𝑃(𝐴 ∪ 𝐵)
c) 𝑃(𝐴 ∪ 𝐵𝑐 )
d) 𝑃(𝐴𝑐 ∪ 𝐵𝑐 )

Ing. Fausto Redrován - 2017


32 Ejercicios

6. En una fábrica hay cinco motores, de los cuales tres están defectuosos. Calcule la
probabilidad que al elegir dos motores al azar,
a) Ambos estén en buen estado
b) Solamente uno esté en buen estado
c) Al menos uno esté en buen estado
7. En una encuesta en la ciudad se ha hallado que:
La probabilidad que una familia tenga TV es 0.7
La probabilidad que una familia tenga reproductor de DVD es 0.4
La probabilidad que una familia tenga TV pero no tenga reproductor de DVD es 0.36
Calcule la probabilidad que una familia tenga ni TV ni reproductor de DVD
a) Use una representación tabular
b) Use únicamente reglas de probabilidad

Ing. Fausto Redrován - 2017


33
Probabilidad Condicional

Ing. Fausto Redrován - 2017


34 Probabilidad Condicional

Se usa palabras como “Halle probabilidad dado que, si se sabe que”, etc. Es
decir, se calcula la probabilidad conociendo la probabilidad de un evento
previo.
 𝑃 𝐴/𝐸 → Probabilidad del evento A dado que ocurrió el evento E

𝑃(𝐴 ∩ 𝐸) 𝑁 𝐴 ∩ 𝐸
𝑃 𝐴/𝐸 = =
𝑃(𝐸) 𝑁 𝐸
 También se la conoce como probabilidad reducida.
 Ya se conoce el resultado de la probabilidad de E.

Ing. Fausto Redrován - 2017


35 Teorema de Multiplicación Condicional

𝑃 𝐴 ∩ 𝐸 = 𝑃(𝐸) ∙ 𝑃(𝐴/𝐸)
 Esto ocurre cuando los eventos son dependientes:
 Se requiere que suceda el evento E para que ocurra el evento A.
 Generalización del teorema:
 Sean 𝐴1, 𝐴2, … 𝐴𝑛 eventos:

𝑃 𝐴1 ∩ 𝐴2 ∩ ⋯ ∩ 𝐴𝑛 = 𝑃(𝐴1 ) ∙ 𝑃(𝐴2 /𝐴1 ) ∙ 𝑃(𝐴3 /𝐴1 ∩ 𝐴2 ) ∙∙∙∙ 𝑃(𝐴𝑛 /𝐴1 ∩ 𝐴2 ∩ ⋯ ∩ 𝐴𝑛 )

Ing. Fausto Redrován - 2017


36 Teorema de Independencia

𝑃 𝐴 ∩ 𝐸 = 𝑃(𝐴) ∙ 𝑃(𝐸)
Esto es A y E son eventos independientes:
Para que ocurra A no tiene absolutamente que
ocurrir E, es decir:
𝑃 𝐴/𝐸 = 𝑃(𝐴)

Ing. Fausto Redrován - 2017


37 Teorema de Independencia
Taller

 Se lanza 2 dados. Si la suma es 6, halle la probabilidad de


que uno de los dados sea 2.
 Una urna contiene 7 bolas rojas y 3 blancas. Se sacan 3 bolas
de la urna una tras otra. Halle la probabilidad de que las 2
primeras sean rojas y la tercera blanca. (Sin reposición)
 Problema de multiplicación condicional
𝐴 = {𝑡𝑒𝑛𝑒𝑟 𝑛𝑖ñ𝑜𝑠 𝑑𝑒 𝑎𝑚𝑏𝑜𝑠 𝑠𝑒𝑥𝑜𝑠}
𝐵 = {𝑡𝑒𝑛𝑒𝑟 𝑎 𝑙𝑜 𝑠𝑢𝑚𝑜 𝑢𝑛 𝑛𝑖ñ𝑜} (como máximo un niño)
 Pruebe que A y B son independientes si la familia tiene 3 hijos
 Pruebe que A y B son dependientes si la familia tiene 2 hijos

Ing. Fausto Redrován - 2017


38 Procesos estocásticos

 Una sucesión de experimentos aleatorios finitos cuyos


resultados se pueden representar en un diagrama de
árbol.

Ing. Fausto Redrován - 2017


39 Procesos estocásticos
Ejemplo
 Se tienen 3 cajas cuyos contenidos son:
 Caja I: 10 lámparas con 4 defectuosas
 Caja II: 6 lámparas con 1 defectuosa
 Caja III: 8 lámparas con 3 defectuosas
 Se escoge una caja al azar y luego se extrae una lámpara ¿Cuál es
la probabilidad que la lámpara sea defectuosa?
Respuesta:
 Esto tiene 2 experimentos aleatorios:
 Escoger la caja. Cada una con la misma probabilidad de ser
elegida al azar, es decir, de 1/3 (1 de 3 cajas)
 Escoger la lámpara.

Ing. Fausto Redrován - 2017


40 Procesos estocásticos
Ejemplo
Sean:
 Urna A: Contiene 3 bolas rojas y 2 blancas
 Urna B: Contiene 2 bolas rojas y 5 blancas
 Se selecciona una urna al azar; se saca una bola y se coloca en la otra urna;
luego se saca una bola de la segunda urna. Halle la probabilidad que las bolas
extraídas sean del mismo color.
Respuesta:
 Hay una sucesión de experimentos, conviene utilizar un diagrama de árbol
 Selecciono urna
 Selecciono primera bola
 Selecciono segunda bola

Ing. Fausto Redrován - 2017


41 Procesos estocásticos
Ejemplo
Sean:
 Urna A: Contiene 3 bolas rojas y 2 blancas
 Urna B: Contiene 2 bolas rojas y 5 blancas
 Se selecciona una urna al azar; se saca una bola y se coloca en la otra urna;
luego se saca una bola de la segunda urna. Halle la probabilidad que las bolas
extraídas sean del mismo color.
Respuesta:
 Hay una sucesión de experimentos, conviene utilizar un diagrama de árbol
 Selecciono urna
 Selecciono primera bola
 Selecciono segunda bola

Ing. Fausto Redrován - 2017


42 Teorema de Bayes
 Si uno tiene un conjunto y una partición de este conjunto. Para que sea
una partición, cada una de estas partes deben ser disjuntas (mutuamente
excluyentes).
𝑛

𝐴𝑖 = 𝑆
𝑖=1

𝐴𝑖 ∩ 𝐴𝑗 = ∅; ∀𝑖 ≠ 𝑗
 Suponga que 𝐴1, 𝐴2, … 𝐴𝑛 son eventos que forman una partición del
conjunto S, y sea B cualquier otro evento, entonces:
𝑃(𝐴𝑖 ) ∙ 𝑃(𝐵/𝐴𝑖 )
𝑃(𝐴𝑖 /𝐵) = 𝑛
𝑖=1 𝑃 𝐴𝑖 𝑃(𝐵/ 𝐴𝑖 )

𝑃(𝐴𝑖 ) ∙ 𝑃(𝐵/𝐴𝑖 )
𝑃(𝐴𝑖 /𝐵) =
𝑃 𝐴1 𝑃(𝐵/𝐴𝑖 ) + 𝑃 𝐴1 𝑃(𝐵/𝐴𝑖 ) + ⋯ + 𝑃 𝐴𝑛 𝑃(𝐵/𝐴𝑛 )
Ing. Fausto Redrován - 2017