Probabilidad y estadstica

TEORIA DE LA PROBABILIDAD

Sesin 6

Equipo Docente
INTRODUCCION
LOGRO DE LA SESIN:

Al trmino de la sesin, el

estudiante calcula probabilidades,

tomando en cuenta el tipo de

probabilidad requerido, identificando

el experimento aleatorio y sus

eventos asociados.
CONTENIDO

Probabilidad.

Experimento Aleatorio.

Espacio Muestral.

Evento y Algebra de eventos.

Probabilidad Condicional.

Teorema de la multiplicacin.

Teorema de Bayes.
 TEORA DE LA PROBABILIDAD

En muchas oportunidades nos hemos encontrado con afirmaciones donde no existe 100%
de certeza sobre la aparicin o realizacin de un hecho o fenmeno. EJEMPLOS:

Cul es la probabilidad de ganar en el juego

Ganagol?

Cul es la probabilidad de que el nmero de

ingresantes a UPN aumente?

Cul es la probabilidad de que el nmero de

artculos producidos salgan defectuosos?

Cul es la probabilidad de obtener una nota

aprobatoria en el curso de Probabilidad y
En estos ejemplos se puede apreciar que el resultado final no se
conoce con exactitud o certeza, existe por lo tanto
INCERTIDUMBRE.

La necesidad de tener suficiente poder para manejar la

incertidumbre obliga a estudiar y usar la teora de la probabilidad.
TEORIA DE LA PROBABILIDAD

PROBABILIDADES:

Las probabilidades se ocupan de los denominados fenmenos o

experimentos.

EXPERIMENTO:

Se llama experimento al conjunto de acciones, reales o imaginarias,

realizadas con la finalidad de obtener resultados.
1. EXPERIMENTOS NO ALEATORIOS:
Son aquellos cuyo resultado del experimento se
conoce con anterioridad y que puede describirse
por una frmula matemtica, fsica o qumica.
Ejemplos:
Soltar una piedra en el aire.
Lanzar una pelota en una tina con agua, etc.

2. EXPERIMENTOS ALEATORIOS:
Son aquellos cuyos resultados del experimento no
pueden predecirse con exactitud antes de realizar el
experimento.
Ejemplos:
Lanzar una moneda y observar la cara superior.
Lanzar un dado y observar el nmero que aparece.
DEFINIC
IONES:
1.1 EXPERIMENTO ALEATORIO ():

Es un proceso de observacin, donde el resultado no se puede predecir

y slo es posible conocerlo una vez que sucede o se da.

EJEMPLO 1:
= Lanzamiento de un dado y su puntaje obtenido
Resultado: Existe margen de duda en el resultado exacto,
pues es posible que ste aparezca 1, 2, 3, 4, 5 6.
Luego el experimento es aleatorio.
1.2. ESPACIO MUESTRAL
Dado un experimento aleatorio , se llama espacio muestral de , denotado
por , al conjunto de todos los resultados posibles del experimento.

= w1, w2, ........, wn

= Lanzamiento de un dado y su puntaje

obtenido

= 1, 2, 3, 4, 5, 6 n() = 6

Cada w1 es un punto muestral, que corresponde a un resultado del

experimento.
1.3. SUCESO O EVENTO (A, B, C, .. )

Un suceso o evento de un experimento aleatorio , es cualquier subconjunto

del espacio muestral . Es aquel conjunto que contiene resultados de un
experimento aleatorio que tienen una caracterstica particular.
Si A A es un evento en

EJEMPLO 1:

Sea A = {El resultado es un nmero par al lanzar un dado}

Entonces, A = {w / w es par} = {2,4,6}

: Se le llama evento nulo o vacio (imposible)

: Evento cierto o seguro (siempre sucede)
Experimento:
Anotar el resultado de dos partidos
de ftbol jugados por los
estudiantes de una universidad
(G: partido
Los posibles ganado,
resultados son: E: Partido PARTIDO 2

empatado y P: partido perdido)PARTIDO 1

G
G
GG
E
GE
P
GP
E EG EE EP
P PG PE PP
El espacio muestral:

= {GG, GE, GP, EG, EE, EP, PG, PE, PP}

Algunos eventos o sucesos serian:
Evento A = Los dos partidos se ganaron.

A = {GG}

Evento B = Por lo menos una de los dos partidos fueron empatados.

B = {GE, EG, EE, EP, PE}

Evento C = A lo ms uno de los dos partidos fueron perdidos

C = {GG, GE, GP, EG, EE, EP, PG, PE}

Evento D = Ningn de los tres partidos fueron ganados.

D={ }
EJEMPLO 3:

Experimento:
Examinar los resultados de lanzar 3 monedas

Espacio muestral (): Probabilidad:

Todos los posibles resultados Probabilidad de que la primera
= { ccc, ccs, csc, css, sss, ssc, scs, scc} moneda sea cara.
n() = 8
P(A) = 4/8= 0.5 = 50%.
Evento:
A = La primera moneda es cara
A = {ccc, ccs, csc, css}
n(A) = 4
TIPO DE EVENTOS:

1. EVENTO SEGURO O SUCESO UNIVERSAL

Es un evento que tiene 100% de probabilidad de ocurrencia. (si o si debe

ocurrir).
Ejemplo:
Nos encontramos en la fbrica de Coca Cola, en la lnea de produccin de
bebidas gaseosas en latas:
B = Seleccin de un envase y que ste sea de lata.

2. EVENTO IMPOSIBLE

Es un evento que NUNCA ocurrir

Ejemplo:
B = Seleccin de un envase y que ste sea de vidrio.
TIPO DE EVENTOS:

3. EVENTO COMPLEMENTARIO

Es el complemento del evento A y se denota por (se lee NO "A") y

significa que el evento no ocurre.

Ejemplo:
Sea A = Persona con ttulo profesional universitario.
Entonces el complemento ser:
= Persona sin ttulo profesional universitario.
TIPO DE EVENTOS:

4. EVENTO MUTUAMENTE EXCLUYENTES

Dos eventos A y B son mutuamente excluyentes o disjuntos si = ;

es decir si A y B no tienen elementos en comn.
Ejemplo:
La pieza no puede ser aceptable e inaceptable al mismo tiempo. En una
muestra de piezas fabricadas, el evento de seleccionar una pieza no
aceptable y el evento de seleccionar una pieza aceptable son mutuamente
excluyentes.
TIPO DE EVENTOS:

5. EVENTOS INDEPENDIENTES

Dos eventos son independientes si ambos no tienen ninguna relacin entre s;

es decir, si la ocurrencia de uno de ellos, no influye en la ocurrencia del otro.

Ejemplo:
Sean los eventos
X = Primer alumno apruebe el examen de Probabilidad y Estadstica.
Y = Segundo alumno apruebe el examen de Probabilidad y Estadstica.

X e Y son independientes porque al ocurrir el evento X, ste no influye para

que el evento Y ocurra.
CALCULO DE LA PROBABILIDAD

Es un nmero entre 0 y 1 inclusive, que

1 Seguro
mide la posibilidad de ocurrencia de un
evento especfico, y que es resultado de un
experimento.

.5
0 P[OCURRA UN EVENTO] 1

0 Imposible
ENFOQUES DE LA
PROBABILIDAD
A) ENFOQUE DE LA PROBABILIDAD CLSICA
De acuerdo con el punto de vista clsico, la probabilidad de un evento que se
est llevando a cabo se calcula dividiendo el nmero de resultados favorables
entre el nmero de posibles resultados:

n A
P A =
Nmero de resultados favorables
=
Nmero total de posibles resultados n

Ejemplo 1: Si se lanza un dado, Cul es la probabilidad que el resultado sea un

nmero par?

A
1 2 3
3 = = 0.5
6
4
6
5
B) CONCEPTO DE FRECUENCIA RELATIVA
Probabilidad de un evento (o suceso), es la frecuencia relativa, (%) de
veces que ocurrira el evento (o suceso) al realizar un experimento repetidas
veces.

Ejemplo 2: La siguiente tabla muestra el nmero de ingresantes a la

Facultad de Negocios de la UPN- Trujillo - 2016, segn carrera profesional.

Nro de % de ingresantes
Facultad de Negocios
ingresantes (fi) (hi%)
Administracin 405 33.75
Adm. y negocios internacionales 385 32.08
Admistracin y marketing 185 15.42
Economa 125 10.42
Gastronoma 100 8.33
Total 1200 100%

21
Ejemplo 3:

: Extraccin de una carta de 52 naipes

Cul es la probabilidad de que?

A. Sea espada

B. Sea menor de 9

C. Sea 13

SOLUCIN:

A. Sea espada:

P [A] = n(A) / n()

= 13/52 = 0.25 25%

B. Sea menor de 9:
8 cartas son menores que 9, por lo tanto el total de cartas es
igual a 32 (8*4)
P [B] = n(B) / n() = 32/52
= 0.6153 61.53%

C. Sea 13:
Hay 4 cartas de valor 13.
(el 13 , el 13 , el 13 y el 13 )
P [C] = n(C) / n() = 4/52
= 0.0769 7.69%
ALGEBRA DE EVENTOS

OPERACIONES CON EVENTOS.- Dados los eventos A y B

a) UNIN: La unin o reunin de A y B, que se denota AUB, es el evento

AUB={w / w A w B}

A B
1 Regla de Adicin

La Regla de Adicin nos da la forma de calcular la probabilidad de

que ocurra el evento A B ambos.

a) Si los eventos son Dependientes b) Si los eventos son Independientes

o relacionados

A B A B

P ( A U B )= P (A) + P( B ) P ( A B) P ( A U B ) = P (A) + P( B )
26
Los eventos A y B son eventos cualquiera Los eventos A y B son
mutuamente excluyentes
b) INTERSECCIN: La interseccin de A y B, que se denota AB, es el evento

AB = {w / w A y w B}

( )
=
()

A B

2 Regla de Multiplicacin

La Regla de Multiplicacin nos da la forma de calcular la probabilidad

de la interseccin de dos eventos.

a) Si los eventos son Dependientes b) Si los eventos son Independientes

o relacionados

A B A B

P ( A B )= P (A) P ( B / A )
P ( A B )= P (B) P ( A / B ) P ( A B ) = P (A) P ( B )
28
Observacin.-
Si AB = , se dice que A y B son eventos mutuamente
excluyentes incompatibles disjuntos.

B

A
c) COMPLEMENTO : El complemento de A, que se denota por A , se
define como el evento formado por los elementos de que no
estn en A. Tambin se le denomina evento opuesto o contrario.

A ={w / w A}

A A
PROBABILIDAD CONDICIONAL

Se denota por P(A / B), donde / significa condicionado, dado, sabiendo que,
si se sabe, etc.
Se utiliza para calcular la probabilidad de un evento que est condicionado a
un subconjunto del espacio muestral.
Se define de la siguiente manera:

( )
() = , () > 0
()
La probabilidad de que ocurra un evento dado que otro evento ya
ha ocurrido se llama Probabilidad Condicional

a) Si los eventos son Dependientes b) Si los eventos son Independientes

o relacionados

A B A B

P(A/B) = P ( A B ) / P (B) P ( A / B ) = P (A)

P ( B / A ) = P ( A B ) / P (A) P ( B / A ) = P (B)
EJEMPLO: Los resultados de una encuesta efectuada entre 100 personas,
dio como resultado la opinin que les merece el servicio de transporte
urbano en provincias. Los datos se consignan en el siguiente cuadro (las
personas se clasifican previamente en Peruanos y Extranjeros).

Opinin Bueno Regular Malo No opinan

Total
Nacionalidad (B) (R) (M) (N)
Peruanos (P) 8 38 30 4 80
Extranjeros( E ) 4 5 10 1 20
Total 12 43 40 5 100

A PARTIR DE LA TABLA MOSTRADA CALCULAR LAS SIGUIENTES PROBABILIDADES:

a. Cul es la probabilidad de que la persona seleccionada sea peruana?

P[P] = n(P) / n() = 80/100

= 0.80 80%

b. Cul es la probabilidad de que la persona seleccionada opine que el servicio del

transporte urbano en provincias es bueno?

P[B] = n(B) / n() = 12/100

= 0.12 12%

c. Cul es la probabilidad de que la persona seleccionada sea extranjero y

opine que el servicio de transporte urbano es regular?

P [E R] = n(E R) / n() = 5/100 = 0.05 0.5%

d. Cul es la probabilidad de que la persona seleccionada sea peruano o
opine que el servicio de transporte urbano en provincias es malo?

P [P M] = P [P] + P [M] - P[P M]

= 80/100 + 40/100 30/100

= 90/100 = 0.90 90%

e. Cul es la probabilidad de que la persona seleccionada opine que el servicio

de transporte urbano en provincias es malo o es regular?

P [M R] = P [M] + P [R]

= 40/100 + 43/100

= 83/100= 0.83 83%

f. Si se sabe que la persona seleccionada es extranjera. Cul es la probabilidad de
que opine que el transporte urbano en provincias es bueno?

P[B / E] = n(B E) / n(E) = 4/20 = 0.20 o 20 %

g. Cul es la probabilidad de que la persona sea peruana, puesto que la opinin

fue que el transporte urbano en provincia es regular?

P [P / R] = n(P R) / n(R) = 38/43 = 0.8837 88.37%

INDEPENDENCIA DE EVENTOS

Dos eventos son independientes si el que ocurra uno, no aade

informacin sobre el otro. Es decir, la ocurrencia de uno no influye
en la ocurrencia del otro

A es independiente de B

P(A|B) = P(A)

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

MULTIPLICACION DE PROBABILIDADES
De lo anterior

( ) ( )
() = () =
() ()

= . = . ()
 TEOREMA DE BAYES

Este es el TEOREMA ms importante en el clculo de probabilidades.

Para conocer este teorema se deben conocer previamente algunas
definiciones:

A. PARTICION:
Se llama particin al conjunto de eventos del espacio muestral , que
cumple con 2 caractersticas:
a. U Ai = (los eventos son colectivamente exhaustivos)
b. Ai = (los eventos son mutuamente excluyentes)

U Ai =
A1 A2 A3 A4

Ai =
B. PROBABILIDAD TOTAL:

Si A1, A2, , An es una particin de y B es un subconjunto

cualquiera dentro de , entonces:
A1 A2 A3 A4 B

(A1B) (A2B) (A3B) (A4B)

P(B) = P(Ai).P(B/Ai)
TEOREMA DE BAYES: Si A1, A2, , An es una particin de y B es
un subconjunto cualquiera dentro de , entonces, la probabilidad de
que ocurra un evento Ai, cuando el evento B ha ocurrido es:

A1 A2 A3 A4

(A1/B)

P( Ai ) P( B / Ai )
P( Ai / B) =
P( B)
Ejemplo de Aplicacin:

En una lnea de produccin hay dos procesos, A y B. En el proceso A hay un

20% de defectuosos y en B hay 25%. En una muestra de 300 productos hay
200 del proceso A y 100 del B.

(a) Si se extrae un producto al azar, hallar

la probabilidad que sea defectuoso.

(b) Si al extraer el producto result

defectuoso, halle la probabilidad de
que sea del proceso A.
SOLUCIN: Sean los siguientes
eventos:
A = el producto es del proceso A

B = el producto es del proceso B

D = el producto es defectuoso
= el producto es no defectuoso

(a) Si se extrae un producto al
azar, hallar la probabilidad
D
que sea defectuoso.A
D
Debemos calcular P(D). D
B

D
= . / + . /
200 100 65
= 0.20 + 0.25 = = 0.2167 = 21.67%
300 300 300
(b) Si al extraer el producto result defectuoso, halle la probabilidad de
que sea del proceso A.

/ 200300 0.20
/ = = = 0.615 = 61.5%
0.2167