Beruflich Dokumente
Kultur Dokumente
TALLER
Conceptos básicos de probabilidad
Experimento aleatorio: Antes de su realización, conocemos de antemano todos sus posibles resultados,
pero no el resultado concreto que vamos a obtener, aunque se observan regularidades al repetir varias veces
el experimento.
Espacio muestral (S): El conjunto de todos los posibles resultados de un experimento aleatorio, normalmente
se representa por S. Por ejemplo, si lanzamos una moneda nuestro espacio muestral tiene 2 elementos y
coincide con S= {c, s} donde c=cara y s= sello.
Evento: Es un subconjunto del espacio muestral S. Esto implica que S también es un evento así como lo es el
conjunto vacío. Cualquier resultado individual también puede considerarse como un evento.
Se dice que dos eventos A y B, son mutuamente excluyentes si no pueden ocurrir juntos; es decir, la
intersección de A y B es el conjunto vacío.
Enfoques de probabilidad
Clásica: La probabilidad clásica es aquella que se toma de manera objetiva, puesto que se conoce el número
exacto de opciones a ocurrir y presenta un resultado exacto y que puede considerarse a priori.
- Probabilidad a Priori. La probabilidad de un evento A, P(A), es la medida del chance de que ese evento
ocurra. En este caso los resultados del experimento son igualmente probables. Este método fue desarrollado
por Laplace.
# de maneras que A puede ocurrir
P(A) = -------------------------------------------------
# total de resultados posibles
Ejemplo.
Se lanzan dos monedas al aire, ¿cuál es la probabilidad de que ambas sean cara (C)?
S = {CC, CS, SC, SS} A = {CC}
P (CC) = ¼
Frecuentista o Probabilidad a posteriori. En el caso que los eventos no poseen igual posibilidad de
ocurrencia, el problema de asignar las probabilidades ocurre a posteriori. El concepto de probabilidad a
posteriori lo desarrolla Richard Von Mises y se conoce también como de frecuencia relativa y es apropiado
cuando se tienen los datos para estimar la proporción del tiempo que ocurrirá el evento en el experimento si el
experimento se repite un número grande de veces y cuyos resultados no son exactos.
Frecuencia relativa: Supongamos que repetimos n veces un experimento, y sean A y B dos eventos
asociados con el experimento. Sean nA y nB el número de veces que el evento A y el B (respectivamente)
ocurrieron en las n repeticiones. Entonces, definimos fA = nA / n como la frecuencia relativa del evento A en las
n repeticiones del experimento.
La frecuencia relativa fA tiene las siguientes propiedades:
- 0 ≤ fA ≤ 1.
- fA = 1 si y sólo si A ocurre cada vez en las n repeticiones.
- fA = 0 si y sólo si A nunca ocurre en las n repeticiones.
- Si A y B son dos eventos mutuamente excluyentes (o sea con frecuencia conjunta 0), y si f(A U B) es la
frecuencia relativa asociada al evento A U B, entonces f(A U B) = fA + fB.
- fA, basada en la n repeticiones del experimento y considerada para una función de n, "converge" en
cierto sentido probabilístico a P(A) cuando n-->+∞. (Esto no es lo mismo que el concepto corriente de
convergencia que se encuentra en otra parte en matemáticas. En realidad, ésta no es una conclusión
matemática, sino simplemente un hecho empírico.) Lo importante de esta propiedad es que si un
experimento se realiza un gran número de veces, la frecuencia relativa con que ocurre un evento A
tiende a variar cada vez menos a medida que el número de repeticiones aumenta.
Subjetiva: esta probabilidad ocurre cuando no existen frecuencias ni sabemos el número de opciones a
ocurrir, por lo tanto es asignada de forma subjetiva por expertos en el área específica.
Axiomas de probabilidad: Sea E un experimento y S un espacio muestral asociado con E. Con cada evento
A asociamos un número real, designado con P(A) y llamado probabilidad de A, el cual satisface las siguientes
propiedades:
- 0 ≤ P(A) ≤1
- P(S) = 1
- Si A y B son dos eventos mutuamente excluyentes, P(A U B) = P(A) + P(B)
- Si AC es el evento complementario de A, entonces P(A) = 1 - P(AC)
- Si A y B son dos eventos cualesquiera, entonces P(A U B) = P(A) + P(B) - P(A ∩ B)
- Si S = Ai entonces P(S) = P(Ai) A : Partición
Ejemplos
1. Una empresa necesita aportes de sus socios para dos proyectos. La probabilidad de que los socios aporten
al proyecto A es del 30%, de que aporten al proyecto B es del 60% y de que aporten en ambos es del 8%
¿Qué probabilidad hay de que aporten al menos en un proyecto?
Solución
Al menos a 1 sería al proyecto A o al proyecto B o a ambos, esto se define como la unión de dos conjuntos
Una manera, muy usada en la práctica, para denominar la probabilidad de un evento simple en un espacio
muestral es como probabilidad simple o marginal, la cual hace referencia a la probabilidad de un evento
simple, y se denota con P(A), siendo A el evento simple en cuestión. El nombre de probabilidad marginal se
debe a que esta medida se puede obtener a partir de los totales marginales de una tabla de contingencia.
Ejemplo
Si en un estudio se hace una encuesta a 800 alumnos de una universidad sobre el grado de satisfacción con
la carrera y el grado de satisfacción con el progreso en la misma. Los resultados de la encuesta se muestran
en la siguiente tabla.
La probabilidad de que un alumno se encuentre satisfecho con la carrera, es decir, la probabilidad de que
ocurra el evento A = “satisfecho con la carrera elegida” será igual al número de alumnos que están satisfechos
(712) divido por el número de total de alumnos encuestados (800), es decir, P(A) = 712/800 = 0.89. Esta es
una probabilidad marginal.
Observaciones:
1. Las definiciones dadas hasta ahora, son aplicables a situaciones donde el espacio muestral S se considera
formado por n puntos. Por ejemplo, en la encuesta de alumnos n= 800. Cada uno de estos puntos
(empleados) tiene probabilidad 1/n= 1/800 de ser elegido al azar.
2. Si el espacio muestral es particionado en r eventos, A 1, A2,…, Ar, que definen una característica como por
ejemplo “Satisfacción con la carrera”; y si en este mismo espacio se considera otra partición generada por s
eventos B1, B2,…, Bs, que definen otra característica como ser “Satisfacción con su progreso en la carrera”,
entonces el espacio muestral S queda particionado en rs subconjuntos. En el ejemplo de la encuesta, r = s = 2,
y donde A1 = “Si está satisfecho con la carrera”, A 2= “No está satisfecho con la carrera”, B 1= “Si está satisfecho
con su progreso” y B2= “No está satisfecho con su progreso”, luego el espacio muestral queda dividido en 4
subconjuntos a saber A1∩B1, A2∩B1, A1∩B2, A2∩B2, y sus respectivas probabilidades P[Ai∩Bj] = P[Ai y Bj], son
las ya definidas probabilidades conjuntas, mientras que las probabilidades de los eventos determinados por
cada partición, es decir, P[Ai] y P[Bj] son las probabilidades marginales correspondientes a la primera y
segunda partición respectivamente.
3. Si dos eventos no tienen puntos comunes, es decir, ellos no pueden ocurrir simultáneamente (no se
cruzan), entonces, se dice que son mutuamente excluyentes. Por otra parte, un conjunto de eventos se dice
que son colectivamente exhaustivos, si uno de ellos debe ocurrir necesariamente. Por ejemplo, A 1 y A2 son
mutuamente excluyentes y colectivamente exhaustivos, ¿Por qué? Porque son complementos ¿Lo son
también A1 y B2?
4. A partir de la definición de probabilidad conjunta, y considerando que el número de alumnos que presentan
la característica A1= “están satisfechos con la carrera” se obtiene sumando el número de alumnos que
pertenecen al evento (A1∩B1) y al evento (A1∩B2), entonces se verifica que: P[A1] = P[A1∩B1] + P[A1∩B2].
La comparación de los valores obtenidos de P[A/B] con P[A] en el ejemplo revela cierta información
importante: el conocimiento del progreso en la carrera afecta la predicción de la satisfacción con la carrera
elegida. Por lo tanto, desde una perspectiva estadística se puede establecer que estos eventos están
asociados de alguna manera. Esto lleva a definir uno de los conceptos más importantes de la estadística y
que es el concepto de Independencia Estadística de la siguiente manera:
Ejercicio #1
Considere experimento de lanzar un dado no alterado en una ocasión, para este caso:
Ejercicio #2
Cooper Realty es una empresa pequeña de bienes raíces que se especializa en inmuebles habitacionales.
Recientemente les ha interesado determinar la posibilidad de que una de sus propiedades se venda dentro de
cierto tiempo. Un análisis de las ventas de 800 casas, efectuada por esa empresa en años pasados, arrojó los
datos siguientes:
Ejercicio #3
11. Una caja contiene ocho artículos en buen estado y tres defectuosos, se extraen dos de ellos de
manera consecutiva, calcule La probabilidad de que los dos artículos sean defectuosos
Ejercicio #4 (distribución de probabilidad binomial)
Considere el caso de un jugador de baloncesto con una efectividad de encestar del 60% en disparos desde
la línea de tiros libres. Si en un partido le dan la oportunidad de cobrar una falta técnica y realizar cinco
lanzamientos seguidos desde la línea de tiros libres.