NOCIONES

FUNDAMENTALES DE
PROBABILIDAD
OBJETIVO
El estudiante aplicar los fundamentos de la teora de la
Probabilidad en el clculo de probabilidades de diferentes tipos
de eventos.


IMPORTANCIA DE LA PROBABILIDAD Y ESTADSTICA
EXPERIMENTO, ESPACIO MUESTRAL Y EVENTOS
CONCEPTO DE PROBABILIDAD (TRES ENFOQUES)
AXIOMAS Y TEOREMAS DE PROBABILIDAD

ESPACIO FINITO EQUIPROBABLE

PROBABILIDAD CONDICIONAL

INDEPENDENCIA
PROBABILIDAD TOTAL

TEOREMA DE BAYES
TEMAS
IMPORTANCIA DE PROBABILIDAD Y
ESTADISTICA
Son importantes porque:
Necesitamos tomar decisiones frente a la incertidumbre en
base a experimentos; para resolver problemas de Ingeniera,
Administracin, Economa, etc; y nos permiten cuantificar la
fuerza o confianza en nuestras conclusiones.
Por ejemplo: Si un Ingeniero se encuentra con datos de un proceso de
produccin en el que se muestrean 100 artculos y se encuentra que 10
estn defectuosos, entonces los elementos de probabilidad permiten
determinar que tan concluyente es la informacin muestral con
respecto a la naturaleza del proceso.
Otro ejemplo: Para un fabricante tendr sentido preguntarse que
porcentaje de sus productos sern aceptados en el mercado.


EXPERIMENTO
ES CUALQUIER PROCESO O ACTIVIDAD QUE
GENERE RESULTADOS.
EXPERIMENTO ALEATORIO ES AQUEL QUE
PROPORCIONA DIFERENTES RESULTADOS AUN
CUANDO SE REPITA DE LA MISMA MANERA.
(Analice los 5 ejemplos posteriores)
EJEMPLOS DE EXPERIMENTO
1. Lanzar una moneda.
2. Lanzar un dado.
3. Lanzar tres monedas simultneamente.
4. Registrar el sexo de la siguiente persona
que nazca en la clnica de esta ciudad.
5. Lanzar una moneda. Si cae cara, se lanza
un dado; en caso contrario, se lanza
nuevamente la moneda.



EL ESPACIO MUESTRAL ES UN CONJUNTO FORMADO POR
TODOS LOS POSIBLES RESULTADOS DE UN EXPERIMENTO
ALEATORIO.

A cada elemento del espacio muestral se conoce
como punto muestral (elemento o miembro del
espacio muestral).

Notacin. El espacio muestral de un experimento se
denota por medio de la letra S. En algunas referencias
se usa la letra griega mayscula omega, O, para
representar el espacio muestral.
EJEMPLOS DE ESPACIO MUESTRAL
1. Cuando se lanza una moneda puede caer cara(c) o sello(s). As,
S = {c, s}.

2. Al lanzar un dado, puede caer cualquiera de sus seis caras con 1, 2,
3, 4, 5 o 6 puntos. En este caso, S={1,2,3,4,5,6}.
3. Si se lanzan tres monedas al mismo tiempo puede ocurrir
cualquiera de 8 resultados posibles. As que, S={aaa, sss, ass, ssa,
sas, saa, aas, asa}.

4. Al registrarse el sexo de la siguiente persona que nace puede
ocurrir hombre (h) o mujer (m). El espacio muestral es S={h, m}.
5. En el Ejemplo 5 de experimento, si en el primer lanzamiento cae
sol, entonces se lanza otra vez la moneda, dando lugar a las
siguientes posibilidades, ss, sa; pero si en el primer lanzamiento
ocurre guila, se lanza un dado, dando lugar a los puntos
muestrales a1, a2, a3, a4, a5, a6. Entonces el espacio muestral es
S={ss, sa, a1, a2, a3, a4, a5, a6}
Observe que en este Ejemplo de espacio muestral, cada elemento es
un par ordenado; en el Ejemplo 3, una terna ordenada. En general,
un punto muestral puede consistir de un k-tuple ordenado.

A veces, los espacios muestrales tienen un
nmero grande o infinito de elementos. En
este caso es mejor usar una regla o
descripcin antes que enumerar(*) sus
elementos. Si los resultados posibles de un
experimento son el conjunto de individuos
en el mundo con ms de 1.60 m de
estatura que asisten a una universidad, el
espacio muestral se escribe as:
S = {x|x es un terrcola con ms de 1.60 m de estatura
que asiste a una universidad}
(*) Como ocurre con los conjuntos
Un evento es un subconjunto del espacio muestral y lo
denotaremos por A, B, C, D, E, F, etc.
1. Al lanzar una moneda, vimos que S = {a, s}. Entonces
el evento A de que caiga sol es el subconjunto A =
{s}. Se cumple que A c S.
2. Al lanzar un dado, puede definirse el evento B de que
ocurra una cara con nmero par. En este caso,
B={2,4,6}. Observemos que B es un subconjunto de S,
B c S.
ACTIVIDAD PARA EL ESTUDIANTE. Para los Ejemplos 3, 4
y 5 de espacio muestral, defina algn evento,
basndose en los dos anteriores.
Un suceso es todo elemento de un espacio muestral y
lo denotaremos por a, b, c, d, e, f,, 1, 2, 4,, etc.
IMPORTANTE
En casos extremos, un evento puede ser:

Un subconjunto que incluya todo el espacio
muestral.

Un conjunto que no contenga elementos (llamado
el evento nulo, que se representa con C).

Puesto que los eventos son subconjuntos, son
aplicables a ellos todas las operaciones y
resultados de la teora de conjuntos.
ACTIVIDAD PARA EL ESTUDIANTE
1. Un experimento consiste en registrar la fecha de
cumpleaos de la siguiente persona que pase por el pasillo*
1.a) Escriba el espacio muestral
1.b) Defina un posible evento.
1.c) Imagine un experimento y descrbalo, defina el espacio
muestral as como posibles eventos respecto al mismo
experimento.
2. REVISIN BIBLIOGRFICA.
Es posible definir ms de un espacio muestral sobre un
experimento?. Explique ampliamente o ejemplifique.
MS CONCEPTOS SOBRE EVENTOS

Se dice que dos eventos son mutuamente excluyentes si
uno de ellos y slo uno puede tener lugar cuando se ejecuta
(una vez) el experimento.
(En otros trminos: Dos eventos E
1
y E
2
, tales que E
1
E
2
=C, se dice que son mutuamente
excluyentes)

Se dice que una coleccin de eventos E
1
, E
2
, , E
k
, es
mutuamente excluyente si E
i
E
j
= C, donde las i=j toman
valores desde 1 hasta k.
(Es decir todos los pares de eventos deben ser mutuamente excluyentes para que la coleccin entera
tambin lo sea)

Se dice que una coleccin de eventos E
1
, E
2
, , E
k
, es
exhaustiva si E
1
E
2
E
k
=S.


*ACLARACIN. Estas ltimas tres definiciones sern de gran utilidad para enunciar el teorema de
probabilidad total previo al teorema de Bayes que veremos posteriormente
EJEMPLOS:
Cul es la probabilidad de aprobar Estadstica?

Cul es la probabilidad de no encontrarme un atasco en la
combi cuando voy a clase?

Todos los das nos hacemos preguntas sobre probabilidad e
incluso los que hayis visto poco de la materia en cursos
anteriores, tenis una idea intuitiva lo suficientemente
correcta para lo que necesitamos de ella en este curso.
Tema : Probabilidad 15 Estadstica. U.N.C.
Nociones de probabilidad
Tipo de
Servicio
N
Turistas
%
Clase A 39 35.45
Clase B 41 37.27
Clase C 30 27.27
Total 110 100.00
Clsica: Probabilidad de un evento es la
razn entre el nmero de casos (sucesos)
favorables y el nmero total de casos
(sucesos) posibles; lo que hace que estos
sucesos sean igualmente posibles.



Frecuentista (objetiva): Probabilidad de un
evento es la frecuencia relativa (%) de veces
que ocurrira el evento al realizar un
experimento repetidas veces.

Subjetiva (bayesiana): Grado de certeza que
se posee sobre un evento. Es personal.

En los tres tipos de definiciones aparece el
concepto de evento. Vamos a recordar qu
son y algunas operaciones que se pueden
realizar con eventos.

| |
posibles casos de nmero
A evento al favorables casos de nmero
) (
) (
= =
O
=
n
n
N
A N
A P
A
CONTEO DE PUNTOS DE LA MUESTRA
En muchos casos debemos ser capaces de resolver un problema
de probabilidad mediante el conteo del nmero de puntos en el espacio
muestral sin listar cada elemento. El principio fundamental del conteo
se denomina regla de multiplicacin, se establece como sigue:

TEOREMA 1.- Si una operacin se puede llevar a cabo en n
1
formas,
y si para cada una de ests se puede realizar una segunda
operacin en n
2
formas, entonces las dos operaciones se pueden
ejecutar juntas de n
1
n
2
formas.
Ejemplo 1: Cuntos puntos muestrales hay en el espacio muestral cuando se
lanza una vez un par de dados?
Solucin: El primer dado puede caer en cualquiera de n
1
=6 maneras. Para cada
una de esas 6 maneras el segundo dado tambin puede caer en n
2
=6 formas.
Por tanto, el par de dados puede caer en:
n
1
n
2
= (6)(6) = 36 formas posibles
TEOREMA 2.- Si una operacin se puede ejecutar en n
1
formas, y si
para cada una de ests se puede llevar a cabo una segunda
operacin en n
2
formas, y para cada una de las primeras dos se
puede realizar una tercera operacin en n
3
formas, y as
sucesivamente, entonces la serie de k operaciones se puede
realizar en: n
1
n
2
,,n
k
formas.
Ejemplo 2: Cuntos almuerzos que consisten en una sopa, emparedado, postre y
una bebida son posibles si podemos seleccionar de 4 sopas, 3 tipos de
emparedados, 5 postres y 4 bebidas?
Solucin: Como n
1
=4, n
2
=3, n
3
=5, n
4
=4, hay:
n
1
x n
2
x n
3
x n
4
= 4x3x5x4 = 240 diferentes maneras de elegir un almuerzo.
Con frecuencia nos interesamos en un espacio muestral que contiene como
elementos a todas las posibles ordenaciones o arreglos de un grupo de
objetos. Por ejemplo, podemos querer saber cuntos arreglos diferentes
son posibles para sentar a seis personas alrededor de una mesa, o
podemos preguntar cuantas ordenaciones diferentes son posibles para
sacar dos billetes de lotera de un total de 20. Los diferentes arreglos se
llaman permutaciones.
Definicin.- Una permutacin es un arreglo de todo o parte de
un conjunto de objetos.
TEOREMA 3.- El nmero de permutaciones de n objetos distintos
es n!.
Ejemplo 3: El nmero de permutaciones de 4 letras a, b, c, d ser:4! = 24 arreglos
distintos.
TEOREMA 4.- El nmero de permutaciones de n objetos distintos
tomados de r a la vez es:

n
P
r
=n! / (n-r)!.
Ejemplo 4: Se sacan dos billetes de lotera de 20 para un primer y un segundo
premio. Encuentre el nmero de puntos muestrales en el espacio S.
Solucin: El nmero total de puntos de la muestra es:
20P2 = 20! / (20 2)! = 380 maneras distintas en las que se
puede extraer los billetes.
TEOREMA 5.- El nmero de permutaciones de n objetos distintos
arreglados en un crculo es: (n - 1)!.
TEOREMA 6.- El nmero de permutaciones distintas de n cosas de
las que n
1
son de una clase, n
2
de una segunda clase, , nk de una
k-sima clase es:
n! / (n
1
! n
2
!...n
k
!)
TEOREMA 7.- El nmero de formas de partir un conjunto de n
objetos en r celdas con n1 elementos en la primera celda, n2
elementos en la segunda, y as sucesivamente, es:

Donde n1+n2+n3++nk =n
TEOREMA 8.- El nmero de combinaciones (sin importar el orden)
de n objetos distintos tomados de r a la vez es:

Tema : Probabilidad 20 Estadstica. U.N.C.
Eventos
Cuando se realiza un experimento aleatorio diversos resultados son posibles. El
conjunto de todos los resultados posibles se llama espacio muestral (S).

Se llama evento a un subconjunto de dichos resultados.

Se llama suceso a todo elemento del espacio muestral.

Se llama evento contrario (complementario) de un evento A, A, al formado por
los elementos que no estn en A

Se llama evento unin de A y B, AUB, al formado por los resultados
experimentales que estn en A o en B (incluyendo los que estn en ambos.

Se llama evento interseccin de A y B, AB o simplemente AB, al formado por
los elementos que estn en A y B
S espacio muestral
S espacio muestral
A
A
S espacio muestral
A
B
S espacio muestral
A
B
S espacio muestral
A
B
UNIN INTERS
.
Tema : Probabilidad 21 Estadstica. U.N.C.
Se llama probabilidad a cualquier funcin, P, que asigna a cada
evento A un valor numrico P(A), verificando las siguientes
reglas (axiomas)

P(S)=1



0P(A) 1
P(AUB)=P(A)+P(B) si AB=
es el conjunto vaco.

Puedes imaginar la probabilidad de un subconjunto como el
tamao relativo con respecto al total (evento seguro)
Definicin de probabilidad
S espacio muestral
100%
B
S espacio muestral
A
Tema : Probabilidad 22 Estadstica. U.N.C.
A
Probabilidad condicionada
Se llama probabilidad de A condicionada a B, o
probabilidad de A sabiendo que pasa B:
) (
) (
) | (
B P
B A P
B A P

=
S espacio muestral
B
Error frecuentsimo:
No confundas probabilidad condicionada con
interseccin.
En ambos medimos efectivamente la interseccin,
pero
En P(AB) con respecto a P(S)=1
En P(A|B) con respecto a P(B)

Tema : Probabilidad 23 Estadstica. U.N.C.
Cualquier problema de probabilidad puede resolverse en
teora mediante aplicacin de los axiomas. Sin embargo,
es ms cmodo conocer algunas reglas de clculo:

P(A) = 1 - P(A)

P(AUB) = P(A) + P(B) - P(AB)

P(AB) = P(A) P(B|A)

= P(B) P(A|B)

Prob. de que pasen A y B es la prob. de A y que tambin pase B sabiendo
que pas A.
Algunas reglas de clculo prcticas
Tema : Probabilidad 24
Dos sucesos son independientes si el que ocurra
uno, no aade informacin sobre el otro.

A es independiente de B

P(A|B) = P(A)

P(AB) = P(A) P(B)
Independencia de sucesos
Tema 4: Probabilidad 25
Ejemplo (I)
Se ha repetido en 110 ocasiones el experimento de
elegir a un Turista de una poblacin muy grande. El
resultado est en la tabla.
Cul es la probabilidad de que un Turista utilice el
servicio Clase B?
P(Clase B)=41/110=0,373=37,3%
Nocin frecuentista de probabilidad

Tipo de Servicio
Procedencia
Total Cajamarca Otros
clase A 33 6 39
clase B 35 6 41
clase C 26 4 30
Total 94 16 110
Tema : Probabilidad 26
Ejemplo (II)
Probabilidad de usar Clase B u Clase C?
P(Clase B u Clase C)=41/110+30/110=0,6454
Son eventos disjuntos
Clase B Clase C=

Probabilidad de ser de Cajamarca o usar Clase A?
P(Cajamarca U Clase A)=94/110+39/110-33/110=0,5818
No son eventos disjuntos

Probabilidad de un turista clase A? (entindase)
P(clase A)=33/110=0,30
P(clase A)=1-P(clase A)=1-P(Clase BU clase C) =1-0,70=0,30
Tipo de Servicio
Procedencia
Total Cajamarca Otros
clase A 33 6 39
clase B 35 6 41
clase C 26 4 30
Total 94 16 110
Tema : Probabilidad 27
Ejemplo (III)
Si es Cajamarquino probabilidad de Clase A?
P(clase A|Cajamarca)=33/94=0,3511

Probabilidad de Cajamarca y clase B?
P(Cajamarca Clase B) = 35/110=0,32

Otra forma:
32 , 0 110 / 35
94
35
110
94
) / ( ) ( ) (
= = =
= = Cajamarca ClaseB P Cajamarca P ClaseB Cajamarca P
Tipo de Servicio
Procedencia
Total Cajamarca Otros
clase A 33 6 39
clase B 35 6 41
clase C 26 4 30
Total 94 16 110
Tema : Probabilidad 28
Ejemplo (IV)
Son independientes Cajamarca y Clase B?
Una forma de hacerlo
P(Clase B)=41/110=0,3727
P(Clase B|Cajamarca)=35/94=0,3723
La probabilidad del servicio Clase B es mayor sin tener en cuenta si es de
cajamarca. Aade informacin extra. No son independientes!

Otra forma?
P(Cajamarca Clase B) = 35/110 = 0,318181
P(Cajamarca) P(Clase B)= (94/110) x (41/110) = 0,3185123
La probabilidad de la interseccin no es el producto de probabilidades. No
son independientes.
Tipo de Servicio
Procedencia
Total Cajamarca Otros
clase A 33 6 39
clase B 35 6 41
clase C 26 4 30
Total 94 16 110
Tema : Probabilidad 29
Sistema exhaustivo y excluyente
de eventos
A
1
A
2
A
3
A
4
Son una coleccin de eventos

A
1
, A
2
, A
3
, A
4


Tales que la unin de todos ellos forman
el espacio muestral, y sus intersecciones
son disjuntas.

Recordis cmo formar intervalos en
tablas de frecuencias?
Evento
seguro
A
1
A
2
A
3
A
4
Tema : Probabilidad 30
Divide y vencers
A
1
A
2
A
3
A
4
B
Todo suceso B, puede ser descompuesto
en componentes de dicho sistema.

B = (BA
1
) U (BA
2
) U ( BA
3
) U ( BA
4
)
Nos permite descomponer el problema B en
subproblemas ms simples. Creedme . Funciona.
Suceso
seguro
A
1
A
2
A
3
A
4
B

B

B

B

Tema : Probabilidad 31
Teorema de la probabilidad total
A
1
A
2
A
3
A
4
B
Si conocemos la probabilidad de B en cada uno de
los componentes de un sistema exhaustivo y
excluyente de sucesos, entonces

podemos calcular la probabilidad de B.

P(B) = P(BA
1
) + P(BA
2
) + P( BA
3
) + P( BA
4
)

=P(A
1
) P(B|A
1
) + P(A
2
) P(B|A
2
)+

Suceso
seguro
A
1
A
2
A
3
A
4
B

B

B

B

P(A
1
)
P(A
2
)
P(A
3
)
P(A
4
)
P(B|A
1
)
P(B|A
2
)
P(B|A
3
)
P(B|A
4
)
Tema : Probabilidad 32
Ejemplo (I): En un aula el 70% de los alumnos son mujeres.
De ellas el 10% son fumadoras. De los hombres, son
fumadores el 20%.



Qu porcentaje de fumadores hay?
P(F) = P(MF) + P(HF)

= P(M)P(F|M) + P(H)P(F|H)

=0,7 x 0,1 + 0,3 x 0,2

= 0,13 =13%

T. Prob. Total.
Hombres y mujeres forman un sist. Exh. Excl. de
sucesos
Estudiante
Mujer
No fuma
Hombre
Fuma
No fuma
Fuma
0,7
0,1
0,2
0,3
0,8
0,9
Los caminos a travs de nodos representan
intersecciones.

Las bifurcaciones representan uniones disjuntas.
Tema : Probabilidad 33
Teorema de Bayes
A
1
A
2
A
3
A
4
B
Si conocemos la probabilidad de B en
cada uno de los componentes de un
sistema exhaustivo y excluyente de
sucesos, entonces

si ocurre B, podemos calcular la
probabilidad (a posteriori) de
ocurrencia de cada A
i
.

donde P(B) se puede calcular usando el teorema de la probabilidad total:

P(B)=P(BA
1
) + P(BA
2
) + P( BA
3
) + ( BA
4
)

=P(B|A
1
) P(A
1
) + P(B|A
2
) P(A
2
) +
P(B)
Ai) P(B
B) | P(Ai =
Tema : Probabilidad 34
Ejemplo (II): En un aula el 70% de los alumnos son mujeres. De ellas el 10% son
fumadoras. De los varones, son fumadores el 20%.

Qu porcentaje de fumadores hay?
P(F) = =0,7 x 0,1 + 0,3 x 0,2 = 0,13
(Resuelto antes)

Se elije a un individuo al azar y es fumador
Probabilidad de que sea un hombre?



Estudiante
Mujer
No fuma
Hombre
Fuma
No fuma
Fuma
0,7
0,1
0,2
0,3
0,8
0,9
46 , 0
13 , 0
2 , 0 3 , 0
) (
) | ( ) (
) (
) (
) | (
=

=
=

=
F P
H F P H P
F P
F H P
F H P
Tema : Probabilidad 35
Ejemplo

Un procesador para computadores puede provenir de
cualquiera de tres fabricantes con probabilidades:
p1 = 0,25 ; p2 = 0,50 ; p3 = 0,25.
Las probabilidades de que un procesador funcione
correctamente durante 10.000 horas es 0,1; 0,2 y 0,4
respectivamente para los 3 fabricantes:

i) Calcular la probabilidad de que un procesador elegido al
azar funcione durante 10.000 horas.

ii) Si el procesador funcion correctamente durante el
perodo de 10.000 horas cul es la probabilidad de que haya
provenido del 3er fabricante?

Tema : Probabilidad 36
Solucin
i) P(C) =

= 0,1*0,25 + 0,2*0,5 + 0,4*0,25
= 0,225.

ii) P(F3/C) = P(C/F3) P(F3) / P(C)

= 0,4 * 0,25 /0,225
= 0,444.

Tema : Probabilidad 37
Qu hemos visto?
Experimento, espacio muestral, evento y suceso.
Probabilidad
Nociones
Clsica
Frecuentista
Subjetiva o Bayesiana
Axiomas
Probabilidad condicionada
Reglas de clculo
Complementario, Unin, Interseccin
Independencia de sucesos
Sistema exhaustivo y excluyente de sucesos
Teorema probabilidad total.
Teorema de Bayes
Pruebas diagnsticas
A priori: Incidencia, prevalencia.
Eficacia de la prueba: Sensibilidad, especificidad.
A posteriori: ndices predictivos.