Probabilidad y Estadı́stica

Bárbara Villarroel O.

Universidad Andres Bello

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.

Pero la realidad casi nunca es totalmente predecible. Por lo tanto,

aunque el decisor haya hecho el análisis correcto, siempre hay factores
que no puede controlar y que influyen para que los resultados sean
imprevistos. Cuando prevalecen estas condiciones se dice que se trabaja
bajo incertidumbre y, por lo tanto, el decisor se ve obligado a asumir
riesgos.

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:

1 Antes de realizar el experimento no se conoce el particular resultado

de este.
2 Se puede describir el conjunto de todos los resultados posibles
3 Cuando se repite en un gran número de veces, aparece un modelo
definido de regularidad

Denotaremos Experimento Aleatorio por ε.

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.

Ejemplo: Si se lanza dos monedas al aire, el espacio muestral es:

Ω = {CC, CS, SC, SS}

Donde C:resultado cara y S: resultado sello.

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

Ejemplo:Se realiza el experimento de lanzar un dado. En este caso

Ω = {1, 2, 3, 4, 5, 6}

Sea A es un evento:

A = {1, 2, 3}

Donde A : El resultado de la cara del dado es menor o igual a 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

Basados en la experiencia, a cada evento se le asigna una medida de

qué tan factible es. Esta medida se refleja en un número en el intervalo
[0, 1]. Entre más factible sea el resultado, mayor es la medida que se le
asigna, la cual se denomina probabilidad.
Sea A un evento de Ω, denotaremos por P (A) a la probabilidad que
ocurra el evento A.

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

La definición anterior es empı́rica o experimental, sin embargo después de

establecer una forma de determinar la probabilidad experimental, se
pueden deducir leyes o propiedades de la probabilidad en forma lógica o
computacional bajo ciertas suposiciones llamados axiomas de la
probabilidad.

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:

P (A1 ∪ A2 ∪ ...) = P (A1 ) + P (A2 ) + ...

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

Teorema de la Probabilidad Total

Sean B1 , B2 , ..., Bk eventos que forman una partición de Ω es: decir
Bi ∩ Bj = φ para todo i 6= j
Sk
i=1 Bi = Ω

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

Dados los eventos A y B hay muchos casos en lo cuales si ocurre B no

influye sobre la ocurrencia de A, en estos casos se dice que A y B son
independientes.

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