PROBABILIDAD Y ESTADISTICA

PROF.: Dra. Sonia Salvo Garrido

Unidad I: Probabilidad
1.0 Introduccin
Los primeros estudios sobre probabilidad tuvieron su origen en los
juegos de azar.
Por muchos aos las ideas de probabilidades estuvieron asociadas
a los juegos de azar, hasta que en el siglo XVIII los matemticos
Laplace y Gauss muestran que las probabilidades son tambin
aplicables a otras actividades.
La teora de probabilidades conocida hoy en da fue desarrollada
por el matemtico Kolmogorov quien en su paper titulado
Foundations of Theory of Probability, desarroll la teora
axiomtica de la probabilidad.
En esta unidad se presentar un modelo matemtico que recoja la
idea vaga de probabilidad que se tiene y le de un contexto preciso.
1.1 Conceptos Importantes
- Experimento Aleatorio: Un experimento es aleatorio si
satisface las siguientes condiciones:
i) No se conoce un resultado particular del experimento
antes de ejecutarlo.
ii) Se conocen todos los posibles resultados del experimento.
iii) El experimento se repite en idnticas condiciones.
Espacio Muestral (): Conjunto de resultados posibles al
desarrollar un experimento.
Experimento: es la ejecucin de algo en el cual se obtiene
un resultado.
Ejemplos:

1.- Lanzar una moneda honesta y observar su cara
superior.

2.- Lanzamiento de un dado honesto y observar su cara
superior.

3.- Contar el nmero de partculas radioactivas que emite
una fuente en un minuto.

4.- Medir el tiempo de vida til de una ampolleta.
Si tiene un nmero finito o infinito numerable de elementos, se dir
que es Discreto.

Si tiene como elementos todos los puntos de algn intervalo de la
recta real, se dir que es Continuo.
= {c, s}
= {1,2,, 6}
{ } 0 : > 9 e t t
=
Nmero finito
de elementos
= {0,1,2,}
Nmero infinito numerable
Nmero infinito no numerable
espacio muestral
E espacio muestral
A
A
SUCESO
SUCESO
COMPLEMENTO
E espacio muestral
A
B
INTERSECIN
E espacio muestral
A
B
UNIN
Evento o Suceso: Subconjunto cualquiera del espacio muestral.
Ejemplo: Observar las caras de dos dados al ser lanzados al aire.
El experimento consiste en lanzar dos dados al aire, por lo que el espacio muestral es:
} 6 , 1 ; 6 , 1 ); , {( = = = O j i j i
Este experimento tiene 36 eventos elementales. Se definen los siguientes eventos:
A
1
: La suma de los dos nmeros es divisible por tres.
A
2
: Los dos dados muestran el mismo nmero.
A
3
: El segundo nmero es el cuadrado del primero.
Evidentemente estos eventos son compuestos y se pueden describir:
etc.

)}, 4 , 2 {(
)} 4 , 2 ( ), 6 , 6 ( ), 5 , 5 ( ), 4 , 4 ( ), 3 , 3 ( ), 2 , 2 ( ), 1 , 1 {(
} : ) , {(
} : ) , {(
} 4 , 1 ; 3 : ) , {(
3 1
3 2
2
3
2
1
=
=
= O e =
= O e =
= = + O e =
A A
A A
i j j i A
j i j i A
n n j i j i A

Probabilidad: Es una funcin de conjunto, definida sobre una clase A

de subconjuntos del espacio muestral , tal que a un subconjunto
cualquiera A de A le asocia un nmero P(A), llamado probabilidad de
A, y que debe satisfacer los siguientes axiomas:
= = = |
.
|

\
|
>
= O
i
j i i i
i
j i A A A P A P
A P
P
. , ), (
0 ) (
1 ) (



| Ax.3
Ax.2
Ax.1
Definicin de probabilidad
A es una clase especfica, una -lgebra, que incluye al
conjunto , al espacio muestral y es cerrada bajo uniones e
intersecciones numerables de sus conjuntos.
La formulacin de los axiomas de probabilidad completa la
descripcin matemtica de un experimento aleatorio, que
consta de tres elementos fundamentales: un espacio
muestral , una -lgebra de eventos A, y la funcin de
probabilidad P.
La terna ordenada (, A, P) constituye un espacio de
probabilidad asociado a un experimento aleatorio.
En todo experimento aleatorio, el espacio muestral juega
el papel de conjunto universal de manera que todos los
complementos son tomados con respecto a .
1.3 Axiomas de Probabilidad
Teorema 1.2 : Sean A y B dos eventos arbitrarios


( ) ( ) ( )
B A P B P A P B A P
+ =
) (
Teorema 1.1: Sean A y B dos eventos arbitrarios
( )
( ) ( )
( ) ( ) ( )
( ) ( ) B P A P B A
B A P A P B A P B A
A P A P A
P
C
C
s _
= O _
= O _
=
entonces , Si d)
entonces , y Sean c)
1 entonces , Si b)
0 a) |
Teorema 1. 3 : Dado un espacio muestral
O
y
cualquier evento O
c
A


( ) ( )
=
=
k
i
i
A P A P
1


donde k i A
i
,... 1 ,
=
son eventos elementales distintos y

k
i
i
A A
1
=
=

Conclusiones
Los Axiomas Ax1, Ax2 y Ax3 y sus resultados obtenidos,
definen las propiedades de una medida de probabilidad, las
cuales son consistentes con nuestra nocin intuitiva.
El Teorema 1.3 da una caracterizacin de los eventos
compuestos mediante eventos elementales, lo que facilita en
gran medida el clculo de probabilidades, sobre todo en
aquellos casos en que es finito.
muestral. espacio del elementos
de nmero el es y de elementos de nmero el es donde

: es evento cualquier para ad probabilid La
) ( ) (
) (
) (
) (
O
O
=
O c -
n A A n
n
A n
A P
A
Ejemplo:
En una ciudad se publican tres peridicos A, B, C. El 30%
de la poblacin lee A, el 20% lee B y el 15% lee C; el
12% lee A y B, el 9% A y C, el 6% B y C y finalmente el
3% lee los tres peridicos. Se pide:
a)Porcentaje de personas que leen al menos uno de los
tres peridicos.
b) Porcentaje que lee slo A.
c) Porcentaje que leen B o C, pero no A.
d) Porcentaje de personas que leen A o bien, no leen ni B
ni C.
1.4 Probabilidad Condicional, Independencia.
A veces se sabe que un evento determinado ocurre y basndose en
esta informacin, se quiere averiguar cul es la probabilidad de otro
evento.
Probabilidad Condicional: Sean dos eventos A y B, la probabilidad
condicional de que A ocurra, dado que ha ocurrido B, es:
0 ) ( , 0 ) / (
0 ) ( ,
) (
) (
) / (
= =
> =
B P B A P
B P
B P
B A P
B A P
si
si

Las probabilidades Condicionales satisfacen los axiomas de probabilidad.

) (
) (
) | (
B P
AB P
B A P =
E espacio muestral
A
B
Intuir la probabilidad condicionada
B
A
P(A) = 0,25
P(B) = 0,10
P(AB) = 0,10
B
A
Probabilidad de A sabiendo que ha pasado B?
P(A|B)=1
P(A|B)=0,8
P(A) = 0,25
P(B) = 0,10
P(AB) = 0,08
Intuir la probabilidad condicionada
A
B
A
B
Probabilidad de A sabiendo que ha pasado B?
P(A|B)=0,05
P(A|B)=0
P(A) = 0,25
P(B) = 0,10
P(AB) = 0,005
P(A) = 0,25
P(B) = 0,10
P(AB) = 0
Ejemplo:

Un circuito electrnico consta de dos subsistemas, A y
B. A partir de una serie de pruebas se supone las
siguientes probabilidades:
P (A falle) = 0.2; P (B falle slo) = 0.15; P (A y B fallen) =
0.12.
Calcular:
a) P (A falle/B ha fallado)
b) P (A falle slo)
c) P (A falle/ B no ha fallado)
d) P (A no falle/ B no ha fallado)

Probabilidad de la interseccin: Esta probabilidad es
frecuentemente ms utilizada, ya que generalmente la
probabilidad condicional aparece como dato, por lo
tanto para cualquier par de eventos A
1
y A
2
:
) ( ) / ( ) (
1 1 2 2 1
A P A A P A A P =
segunda. la de resultado el y primera
la de resultado el describe condiciona que evento El etapas. dos en
eventos de sucesin una como do interpreta ser puede donde
2
1
2 1
A
A
A A
Ejemplo
En Temuco, la probabilidad de que llueva el primero de Julio es 0.5. Si
llueve el da 1 de Julio, la probabilidad que llueva al da siguiente es 0.8.
Cul es la probabilidad que llueva los dos primeros das de Julio?
4 . 0 5 . 0 8 . 0 ) ( ) / ( ) (
:
:
:
1 1 2 2 1
2 1
2
1
= = = J P J J P J J P
J J
J
J

ad probabilid tiene Julio". de 2 y 1 da el Llueve " evento el Entonces
Julio" de 2 da el llueve "
Julio" de 1 da el llueve "
: eventos los Sean
Ejemplo:
Una caja contiene dos bolas blancas y tres negras. Una bola se
selecciona al azar y enseguida se extrae la otra de las restantes. Cul
es la probabilidad que la primera sea negra y la segunda blanca?.
Cul es la probabilidad que la segunda sea blanca?
Definimos los siguientes eventos:
A: la primera bola es negra
B: la segunda bola es blanca
Tenemos entonces que P(A)=3/5 y la segunda extraccin depende
de lo que haya sucedido en la primera extraccin. Si la primera fue
negra, restan dos blancas y dos negras para la segunda extraccin.
As, de acuerdo a nuestra notacin P(B/A)=2/4 y luego
P(AB) = P(B/A)P(A) = 2/4 x 3/5 = 3/10
Para la segunda pregunta, notemos que B = (AB) U (A
c
B) y por
Ax.3
P(B) = P(AB) + P(A
c
B) = 2/4 x 3/5 + 1/4 x 2/5 = 2/5
Ejemplo: Tarea
Una caja de fusibles contiene 20 unidades, de los cuales 5 son
defectuosas. Si tres de estos fusibles son tomados al azar, en sucesin
y sin reemplazo.
a)Cul es la probabilidad de que los tres sean defectuosos?
b) Si en cada uno de las dos primeras se extrajo un defectuoso, cul
es la probabilidad de que el tercero extrado sea bueno?.
c)Si los dos primeros estaban buenos, Cul es la probabilidad de que
el tercero extrado sea defectuoso?
d)Cul es la probabilidad que los dos primeros sean buenos y el
tercero defectuoso?
Considerando los siguientes eventos:
A = El primer fusible extrado es defectuoso.
B = El segundo fusible extrado es defectuoso.
C = El tercer fusible extrado es defectuoso.

Del enunciado tenemos P(A) = 5/20, P(B/A) = 4/19 y P(C /AB) = 3/18
Para (a) notemos que la probabilidad que los tres sean defectuosos
corresponde a la probabilidad de la interseccin de los sucesos recin
definidos; esto es. P(ABC), aplicando la regla del producto y
reemplazando los valores correspondientes tenemos
P(ABC) = P(C /AB) P(B/A) P(A) = 3/18 x 4/19 x 5/20 = 0.0087
La pregunta (b) es una probabilidad condicional y corresponde a:
P(C
c
/AB) = 1 P(C /AB) = 1 3/18 = 15/18 = 0.83
Para la parte (c) tenemos que:
P(C / A
c
B
c
) = 5/18 = 0.277
Finalmente, la probabilidad de que los primeros sean buenos y el tercero
defectuoso est dada por

P(A
c
B
c
C
c
) = P(C / A
c
B
c
) P(B
c
/A
c
) P(A
c
) = 0.15
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.
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
) + ( BA
4
)

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

k i
A E P A P
A E P A P
E A P
A E P A P E P
E
j i A A A
A A A
k
j
j j
i i
i
k
i
i i
j i i
k
i
k
, 1 ,
) / ( ) (
) / ( ) (
) / (
) / ( ) ( ) (
.
, , ,
1
1
1
2 1
= =
=
= = O =
O

=
=

tiene se 1.4 Teorema del s condicione mismas las Bajo
Bayes) (de

: tiene se
evento cualquier para Entonces y decir, es
, de particin una forman eventos los que Supongamos
total). ad probabilid la (de
1.5. Teorema
1.4. Teorema
|

Ejemplo: En este aula el 70% de los alumnos son varones. De ellos el 10%
son fumadores. De las mujeres, son fumadoras el 20%.
Qu porcentaje de fumadores hay en total?
P(F) = P(FH) + P(FM)

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

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

= 0,13 =13%

Se elige a un individuo al azar y resulta
fumador. Cul es la probabilidad de que sea un hombre?
P(H|F) = P(F H)/P(F)
= P(F|H) P(H) / P(F)
= 0,1 x 0,7 / 0,13
= 0,54 = 54%
Mujeres
Varones
fumadores
T. Prob. Total.
Hombres y mujeres forman
Un Sist. Exh. Excl.
De sucesos
T. Bayes
Expresin del problema en forma de rbol
Estudiante
Mujer
No fuma
Hombre
Fuma
No fuma
Fuma
0,7
0,1
0,2
0,3
0,8
0,9
P(F) = 0,7 x 0,1 + 0,3x0,2
P(H | F) = 0,1x0,7/P(F)
Los caminos a travs de nodos
representan intersecciones.

Las bifurcaciones representan
uniones disjuntas.

Podis resolver los problemas
usando la tcnica de vuestra
preferencia.
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 =
A E P A P
A E P A P
E A P
k
j
j j
i i
i
) / ( ) (
) / ( ) (
) / (
1
=

=

tiene se 1.4 Teorema del condiciones mismas las Bajo
Bayes) (de 1.5. Teorema
Ejemplo
El gerente de una empresa regional dispone de dos autos; uno
proporcionado por la empresa y el otro de su propiedad. La probabilidad
que utilice su auto es 2/5 y la probabilidad que utilice el auto de la empresa
es 3/5. Adems se sabe que el gerente llega a tiempo a las reuniones de la
empresa con probabilidad de 1/5 y que se utiliza el auto de la empresa, la
probabilidad de llegar a tiempo a esas reuniones es 1/4. Cul es la
probabilidad que llegue a tiempo a una reunin dado que utiliz su propio
auto?. Dado que el gerente lleg a tiempo a la reunin, Cul es la
probabilidad que haya utilizado el auto de la empresa?
Definamos los siguientes eventos:
A: el gerente utiliza auto propio.
B: el gerente utiliza auto proporcionado por la empresa.
C: el gerente llega a tiempo a las reuniones.

Tenemos entonces de acuerdo al enunciado que: P(A) = 2/5, P(B)=3/5,
P(C) = 1/5 y P(C/B) = 1/4
La primera pregunta corresponde a P(C/A). Del teorema de la probabilidad
total tenemos
P(C) = P(C /A) P(A) + P(C/B) P(B), de donde
P(C

/A) = [P(C) P(C/B)P(B)] / P(A) = [1/5 (1/4 x 3/5)] / (2/5) = 1/8

La segunda corresponde a P(

B/C) y es una aplicacin directa del teorema
de Bayes. En efecto:
P(B/C) = [P(C/B) P(B)] / [P(C/B) P(B) + P(C/A) P(A)
= [1/4 x 3/5] / [(1/4 x 3/5) + (1/8 x 2/5)] = 3/4
Dos sucesos son independientes si el que ocurra uno
no aade informacin sobre el otro. En lenguaje probabilstico:

A indep. B P(A|B) = P(A)


Dicho de otra forma:

A indep. B P(AB) = P(A) P(B)
Sistema exhaustivo y excluyente de sucesos
A
1
A
2
A
3
A
4
Son una coleccin de sucesos

A
1
, A
2
, A
3
, A
4



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


Ejemplo
Sean A y B dos sucesos independientes, entonces A y B
c
son
independientes. En efecto:
) ( ) (
)] ( 1 )[ (
) ( ) ( ) (
) ( ) ( ) (
c
c
B P A P
B P A P
B P A P A P
B A P A P B A P
=
=
=
=




As, de acuerdo a la definicin de independencia entre eventos, A y B
c

son independientes.
Ejemplo
La probabilidad que un estudiante estudie para un examen final
es 0.20. Si estudia, la probabilidad de que apruebe el examen es
0.80 en tanto que si no estudia, la probabilidad es de slo 0.50.
Cul es la probabilidad que dicho estudiante apruebe su
examen final?. Dado que aprob su examen, Cul es la
probabilidad que l haya estudiado?.

Consideremos los siguientes eventos:
A: el estudiante estudia para el examen.
B: el estudiante aprueba el examen.

Del enunciado tenemos que: P(A) = 0.20, P(B/A)=0.80, P(B/A
c
)
= 0.50. La primera pregunta corresponde a la probabilidad de que B
ocurra; esto es:

P(B) = P(B /A) P(A) + P(B/A
c
) P(A
c
) = 0.56

reemplazando los valores correspondientes. Notemos que los
eventos A y B no son independientes.
Por otra parte, la probabilidad que el estudiante haya estudiado,
dado que aprob su examen esta dada por:

P(A/B) = P(AB) / P(B) = P(B/A)P(A) / P(B) = (0.8 x 0.2) / 0.56 = 0.286
Ejemplo
Se extrae una carta al azar de un juego de naipes de 52 cartas.
Dado que la carta extrada es un mono, nos interesa determinar
la probabilidad que dicha carta sea de corazn.
Consideremos los eventos:
A: la carta extrada es de corazn
B: la carta extrada es un mono
En trminos probabilsticos, la pregunta corresponde a la
probabilidad condicional de A dado B as:
ntes. independie son mono" " y
corazn" " eventos los y que lo por ) ( ) / ( , 25 . 0 52 / 13 ) (
25 . 0
4
1
52 / 12
52 / 3
) (
) (
) / (
A P B A P A P
B P
B A P
B A P
= = =
= = = =

Ejemplo
Se usa un interruptor para cortar un flujo cuando este alcanza un
cierto nivel de profundidad en un estanque. La confiabilidad del
interruptor (probabilidad que trabaje cuando debe) se supone de
0.9. Un segundo tipo de interruptor es puesto en paralelo y su
confiabilidad es 0.7. Los interruptores trabajan en forma
independiente.
a)Cul es la confiabilidad de la combinacin de los interruptores?
b)Cul es la probabilidad, que cuando el flujo alcance el nivel de
profundidad slo trabaje el primer interruptor?
c)Cul es la probabilidad que cuando se alcance el nivel, slo uno
de los interruptores trabaje?
Considerando los siguientes eventos:
A
1
= Primer interruptor trabaja.
A
2
= Segundo interruptor trabaja.

a) La confiabilidad del sistema est dada por la probabilidad del
evento al menos uno de los dos interruptores trabaja, que
corresponde a la probabilidad del evento A
1
U A
2

97 . 0 7 . 0 9 . 0 7 . 0 9 . 0
) ( ) ( ) ( ) (
) ( ) ( ) ( ) (
2 1 2 1
2 1 2 1 2 1
= + =
+ + =
+ =

A P A P A P A P
A A P A P A P A A P
b) Se debe determinar la probabilidad de A
1
A
2
c
, que corresponde al
evento que el interruptor 1 trabaje y el 2 no.
27 . 0 )] ( 1 )[ ( ) ( ) ( ) (
2 1 2 1 2 1
= = + = A P A P A P A P A A P
c c

c) Definamos los eventos:

A: Slo trabaja el interruptor 1 = A
1
A
2
c
B: Slo trabaja el interruptor 2 = A
1
c
A
2

34 . 0 7 . 0 1 . 0 3 . 0 9 . 0
) ( ) ( ) ( ) ( ) (
2 1 2 1
= + =
+ = + =

A A P A A P B P A P B A P
c c