Beruflich Dokumente
Kultur Dokumente
Bárbara Villarroel O.
II Semestre - 2011
Probabilidad y Estadı́stica
Probabilidades
Unidades
1 Introducción.
2 Conceptos Básicos.
3 Definición de Probabilidad.
4 Probabilidad Condicional.
5 Independencia.
2 / 18
Probabilidad y Estadı́stica
Introducción
Introducción
Cuando se toman decisiones sobre resultados futuros que se conocen, la
única razón para que se cometa un error es que exista un error en el
análisis por parte del decisor. Esta situación se conoce como certidumbre
completa.
3 / 18
Probabilidad y Estadı́stica
Introducción
Por ejemplo, que los resultados de sus decisiones no sean favorables. Una
forma de hacerlo es medir el riesgo asociado a cada predicción; riesgo que
significa qué tantas posibilidades hay de que la decisión adoptada sea
errónea. Con esa información el decisor tomará la mejor determinación
y sólo queda esperar para saber si el resultado es o no favorable. Por más
cuidado que se tenga en el análisis, siempre existirá la posibilidad de que
el resultado sea desfavorable.
4 / 18
Probabilidad y Estadı́stica
Conceptos Básicos
Definiciones
Experimento Aleatorio
Un experimento aleatorio se caracteriza por:
5 / 18
Probabilidad y Estadı́stica
Conceptos Básicos
Espacio Muestral
Es el conjunto de todos los posibles resultados de un experimento
aleatorio. Se le suele simbolizar como Ω.
6 / 18
Probabilidad y Estadı́stica
Conceptos Básicos
Evento o Suceso
Cuando se tiene un experimento aleatorio, cualquier subconjunto del
espacio muestral Ω, recibe el nombre de evento o suceso
Se suele denotar a un evento o suceso por letras mayúsculas A, B, ... , Z
Sea A es un evento:
A = {1, 2, 3}
7 / 18
Probabilidad y Estadı́stica
Conceptos Básicos
Observación
Sean A y B eventos de Ω. Diremos que los eventos A y B son
mutuamente excluyentes si y sólo si, A ∩ B = φ
Gráficamente lo podemos representar de la siguiente forma:
8 / 18
Probabilidad y Estadı́stica
Defnición de Probabilidad
Introducción
9 / 18
Probabilidad y Estadı́stica
Defnición de Probabilidad
Definición Clásica
Definición
El enfoque clásico, proveniente de los juegos de azar o definición clásica
de Laplace, se emplea cuando el espacio muestral es finito y cada
elementos del espacio muestral es igualmente posible que ocurra
Laplace recogió esta idea y formuló la regla clásica del cuociente entre
casos favorables y casos posibles. Es decir:
#A Casos.F avorables
P (A) = =
#Ω Casos.P osibles
10 / 18
Probabilidad y Estadı́stica
Defnición de Probabilidad
Definición Axiomática
Definición
Sea Ω cualquier espacio muestral, y A cualquier evento de este. Se
denominará función de probabilidad sobre el espacio muestral Ω a P (A)
si satisface los siguientes axiomas:
11 / 18
Probabilidad y Estadı́stica
Defnición de Probabilidad
Axiomas
1 La probabilidad P (A) ≥ 0
2 P (Ω) = 1
3 Si para los eventos A1 , A2 , ..., donde Ai ∩ Aj = φ para todo i 6= j,
entonces:
12 / 18
Probabilidad y Estadı́stica
Defnición de Probabilidad
Propiedades
Sean A y B eventos de un espacio muestral Ω
1 P (φ) = 0
2 Para cualquier evento A ⊂ Ω, 0 ≤ P (A) ≤ 1
3 Para cualquier evento A, P (A) = 1 − P (Ac )
4 Sea A, B eventos cualquieras contenidos en Ω, entonces:
P (A ∪ B) = P (A) + P (B) − P (A ∩ B)
13 / 18
Probabilidad y Estadı́stica
Probabilidad Condicional
Introducción
En ocasiones se necesita obtener la probabilidad de un evento A y se
sabe que ocurrió otro evento B. La pregunta es : ¿Cuál es la probabilidad
que ocurra A si ya ha ocurrido B?. Por ejemplo, considere los siguientes
eventos, A: mañana usaras bufanda B: Mañana será un dı́a muy frı́o
¿Cuál es la probabilidad que mañana uses bufanda?.
Si mañana será un dı́a frı́o ¿Cuál es la probabilidad que uses bufanda?.
Son dos preguntas en las cuales intuitivamente la respuesta de la segunda
deberı́a ser mayor que la de la primera.
La probabilidad de que un evento A ocurra dado que un evento B ha
ocurrido se denomina probabilidad condicional de A dado B.
14 / 18
Probabilidad y Estadı́stica
Probabilidad Condicional
Definición
Sean A y B eventos. La probabilidad condicional de A dado B, denotada
por P (A/B), es:
P (A ∩ B
P (A/B) = , P (B) 6= 0
P (B)
15 / 18
Probabilidad y Estadı́stica
Probabilidad Condicional
Luego,
k
X
P (A) = P (A/Bi )P (Bi )
i=1
16 / 18
Probabilidad y Estadı́stica
Probabilidad Condicional
Teorema Bayes
Sean B1 , B2 , ..., Bk eventos que forman una partición de. Luego
P (Bj /A) esta dada por:
P (A/Bj )P (Bj )
P (Bj /A) = Pk , P (B) 6= 0
i=1 P (A/Bi )P (Bi )
17 / 18
Probabilidad y Estadı́stica
Independencia
Independencia Estadı́stica
Definición
Los eventos A y B son independientes si y sólo si
P (A ∩ B) = P (A) · P (B)
Teorema
Si A y B son eventos con P (B) 6= 0, entonces A y B son independientes
si y sólo si P (A/B) = P (A) .Por lo tanto A y B son independientes si la
ocurrencia de B no altera la probabilidad de A.
18 / 18