TEMA 2

EXPERIMENTOS ALEATORIOS
Y CLCULO DE PROBABILIDADES

EXPERIMENTOS: EJEMPLOS
Deterministas

Aleatorios

Calentar agua a
100C
vapor

Lanzar un dado

Soltar objeto

cae

Resultado ftbol

puntos
quiniela

Llegada del bus

a la parada

lneas

EXPERIMENTO ALEATORIO
Definicin 1.- Decimos que un experimento es
aleatorio si no podemos predecir su resultado.

Nota: A veces el no conocer en profundidad las

leyes del fenmeno, lo hacen aleatorio.

ESPACIO MUESTRAL.
SUCESOS

EJEMPLOS:

= {1, 2,3, 4,5, 6}

Quiniela = {1, X , 2}
Dado

Lnea del bus = {6 , 34 }

SUCESO ALEATORIO.
EJEMPLOS
EJEMPLOS:
Dado:

Quiniela:
A=Obtener puntuacin par A=Empatar
B=No ganar en
B=Obtener mltiplo de 3
casa
C=Obtener mltiplo de 5
C=Ningn equipo
obtenga puntos

SUCESOS ELEMENTALES.
SUCESOS COMPUESTOS (I)
Definicin 3.-Un suceso es elemental cuando
consta de un slo elemento del espacio
muestral. En caso contrario se llama suceso
compuesto.

SUCESOS ELEMENTALES
Y COMPUESTOS (II)
EJEMPLOS:
Dado:
A=Obtener puntuacin par
B=Obtener mltiplo de 3
C=Obtener mltiplo de 5
Elemental

Compuesto

A,B

Quiniela:
A=Empatar
B=No ganar en
casa
C=Ningn equipo
obtenga puntos
Elemental
Compuesto

A
B

SUCESOS COMPATIBLES E
INCOMPATIBLES
Definicin 4.- Dados dos sucesos de un
experimento aleatorio, diremos que son
compatibles si se pueden dar los dos al mismo
tiempo, y diremos que son incompatibles en
caso contrario.
Dado:
A=Obtener puntuacin par
B=Obtener mltiplo de 3
C=Obtener mltiplo de 5

A y C son incompatibles
A y B son compatibles

SUCESOS SEGURO E
IMPOSIBLE (I)
Definicin 5.- El suceso seguro es aquel
suceso aleatorio de un experimento que
se da siempre. Se denota por
Definicin 6.- Decimos que un suceso es
imposible cuando no puede darse en el
experimento. Se denota por

SUCESOS SEGURO E
IMPOSIBLE (II)
Dado:
A=Obtener puntuacin menor que 7
B=Obtener mltiplo de 7
A es suceso seguro, B es suceso imposible
Quiniela:
A=Algn equipo obtenga puntos
B=Ningn equipo obtenga puntos
A es suceso seguro, B es suceso imposible

SUCESO COMPLEMENTARIO
Definicin 7.- Dos sucesos son
complementarios si siempre que ocurra
uno, no se da el otro y al revs. Si
denotamos por A a un suceso, su
c
complementario ser denotado por A o A
Quiniela:
A=Algn equipo obtenga puntos
B=Ningn equipo obtenga puntos
A y B son sucesos complementarios

OPERACIONES CON
SUCESOS: DEFINICIONES

OPERACIONES CON
SUCESOS: PROPIEDADES

SISTEMA COMPLETO DE
SUCESOS
Definicin 11.- Si tenemos un conjunto
A1, A2,... An de sucesos incompatibles dos a
i j ) cumpliendo que
dos ( Ai A j =

A1 A2 An = le llamamos

sistema completo de sucesos (particin

de )
Encuesta:
A=ningn hermano
B=un hermano
C=dos hermanos
D=ms de dos hermanos

Los sucesos A, B, C y D
forman un sistema
completo de sucesos
(s.c.s.)

CLCULO DE
PROBABILIDADES

INTRODUCCIN

La idea de probabilidad surge por la necesidad

de medir la incertidumbre o verosimilitud que
posee cada suceso asociado a un experimento
aleatorio.

DEFINICIN EMPRICA (I)

EJEMPLO:Anotamos el nmero de caras en N lanzamientos
de una moneda y calculamos su frecuencia relativa
Interpretacin frecuentista de la
probabilidad

91

81

71

61

51

41

31

21

11

0,5

frecuencia
relativa

DEFINICIN EMPRICA (II)

Definicin.- Cuando se repite un experimento n veces
y se observa el nmero de ocurrencias, k, de un
determinado suceso A ; llamaremos probabilidad de
ste a su frecuencia relativa

P ( A) = k / n
Ley de los grandes nmeros (Bernouilli)

PROPIEDADES DE LA
DEFINICIN EMPRICA.
La frecuencia relativa del suceso seguro es 1.
La frecuencia relativa de cualquier suceso es
no negativa
La frecuencia relativa de la unin de dos
sucesos incompatibles es la suma de las
frecuencias de ambos.

REGLA DE LAPLACE

Dado: A=par, B=mltiplo de 5, entonces

P ( A) =

3
6

P( B) =

1
6

Nota: Es la primera definicin formal que se

dio, pero tiene muchas limitaciones.

TCNICAS PARA CONTAR.

Exhaustivas: Escribir todos los resultados posibles.
A veces son tiles los diagramas de rbol.

No exhaustivas: Contar los resultados sabiendo la

caracterstica que cumplen. A veces es muy til la
Combinatoria: permutaciones, variaciones,...

TCNICAS PARA CONTAR.

EJEMPLOS.
Exhaustivo: Suma de los puntos obtenidos al
lanzar dos dados. En particular, 10 puntos.
No exhaustivo:
Parte numrica de la matrcula de un coche. En
particular, las que empiezan y terminan en 2
Posibles fechas de cumpleaos en una clase de
n personas.

DEFINICIN AXIOMTICA
DE PROBABILIDAD (I).
Esta definicin fue dada por Kolmogorov en el
siglo XX.
Enuncia tres axiomas que se basan en propiedades
de la probabilidad emprica (frecuencia relativa).
Axioma 1.- Para cada suceso A, su
probabilidad es un nmero entre 0 y 1

0 P( A) 1

DEFINICIN AXIOMTICA
DE PROBABILIDAD (II).
Axioma 2.- La probabilidad del suceso
seguro es 1

P ( ) = 1

Axioma 3.- Si A y B son dos sucesos

incompatibles, la probabilidad de la unin

P( A B) = P( A) + P( B)

PROPIEDADES DE LA
PROBABILIDAD.
A partir de la definicin axiomtica de probabilidad
se pueden demostrar propiedades de sucesos, como:

Probabilidad del suceso complementario.

Probabilidad de la unin finita de incompatibles.
Justificacin de la regla de Laplace.
Probabilidad de la unin de dos sucesos.
Probabilidad de la diferencia de sucesos

PROBABILIDAD DEL
SUCESO COMPLEMENTARIO
Ejemplo: Probabilidad de que en una clase de n
personas haya al menos 2 con la misma fecha de
cumpleaos.

10

20

30

40

50

.117 .411 .706 .891 .970 .994

Para n=22, p=0.476, para n=23, p=0.507

60

PROBABILIDAD
CONDICIONADA (I)
Probabilidad de un suceso, sabiendo que otro
ha ocurrido.
Ejemplo: Dado
Calcular la probabilidad de que haya salido el 3, si
nos dicen que el nmero obtenido es mltiplo de 3.
Qu ocurre si repetimos el experimento n
veces y usamos la definicin frecuentista de
probabilidad?

PROBABILIDAD
CONDICIONADA (II)
Definicin 12.- La probabilidad de que
ocurra un suceso A condicionado a que otro
suceso B con probabilidad no nula haya
ocurrido es

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

La probabilidad de la interseccin de sucesos es:

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

PROBABILIDAD
CONDICIONADA. EJEMPLO
Sorteo no equitativo: En una clase de 27
alumnos, el AMPA sortea un premio en la fiesta
de fin de curso. Cada alumno tiene un nmero
asignado.
Se coge una bolsa con 27 bolas y se extrae
una al azar.
Se cogen bolas numeradas del 0 al 9 y se
realiza una extraccin en dos pasos. En el
primero se extraen una de las bolas 0, 1 y
2. En el segundo se extrae una de entre
todas las bolas.

INDEPENDENCIA DE
SUCESOS
Definicin 13.- Dados dos sucesos A y B
con probabilidades no nulas, decimos que
son independientes si

P ( A / B ) = P( A) y P ( B / A) = P( B )
En estos sucesos se puede calcular cmodamente
la probabilidad de la interseccin.

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

INDEPENDENCIA DE
SUCESOS. EJEMPLOS
Ejemplo: Calcular la probabilidad de que al
sumar la puntuacin obtenida en el lanzamiento
de dos dados, obtengamos un 10.

INTERSECCIN DE MS DE
DOS SUCESOS
Sucesos no independientes:

P( A1 A2 An ) =
= P( An / A1 A2 An 1 ) P( A2 / A1 ) P( A1 )
Regla de la multiplicacin.
Sucesos independientes:

P( A1 A2 An ) = P ( A1 ) P( A2 ) P( An )

PROBABILIDAD TOTAL (I)

Teorema 1.- Dado un sistema completo de
sucesos A1, A2,...,An la probabilidad de un
suceso S es

P( S ) = P( A1 ) P( S / A1 ) + P( A2 ) P( S / A2 ) + + P( An ) P( S / An )

PROBABILIDAD TOTAL (II)

Ejemplo: Supongamos que en un centro educativo la
altura del 4% de alumnos y del 1% de las alumnas
es superior a 1.80 metros. Adems el 60% de
estudiantes es mujer. Encontrar la probabilidad de
coger a un estudiante de altura superior a 1.80
metros.
S=altura superior a 1.80
M=ser mujer
H=ser hombre

P(S/M)=0.01
P(S/H)=0.04
P(M)=0.6

P(S)=P(S/M)P(M)+P(S/H)P(H)=0.022

TEOREMA DE BAYES (I)

Teorema 2.- Dado un sistema completo de
sucesos A1, A2,...,An y un suceso cualquiera S
con probabilidad no nula

P ( Ai S )
P ( Ai / S ) =
=
P( S )

P ( S / Ai ) P( Ai )
n

P( S / A ) P( A )
j =1

con P(Ai) la probabilidad a priori de Ai y

P(Ai/S) la probabilidad a posteriori de Ai.

TEOREMA DE BAYES (II)

Ejemplo 1: En el ejemplo anterior, calcular la
probabilidad de que el estudiante escogido fuera
mujer sabiendo que meda ms de 1.80.

P( S / M ) P( M ) 3
P( M / S ) =
= = 0.27
P( S )
11

TEOREMA DE BAYES (III)

Ejemplo 2:
Se administra una prueba para detectar usuarios

de drogas.
Prevalencia en la poblacin: 3%
Detecta el 95% de los usuarios (sensitividad)
Cuando se administra a alguien que no la usa,
da negativa en el 98% de los casos
(especificidad).
La prueba di positiva, cul es la probabilidad
de que la persona use drogas?

TEOREMA DE BAYES (IV)

P( Usa) = .03
P( Prueba + / Usa) = .95
P( Prueba - /No usa) = .98
Queremos saber P( Usa | Prueba +)

TEOREMA DE BAYES (V)

Diagrama de rbol

Selecciono una persona

.03

.97

Usa
.95
Prueba
+

No Usa
.05
Prueba
-

cul es la probabilidad de
haber pasado por aqu?

.02
Prueba
+

.98
Prueba
-

Si estoy aqu o aqu,

TEOREMA DE BAYES (VI)

P(Usa y Pr ueba+)
=
P(Pr ueba+)
P(Pr ueba + / Usa)iP(Usa)
=
P(Pr ueba + / Usa)iP(Usa) + P(Pr ueba + / No Usa)iP(No Usa)
0.03 0.95
=
0.03 0.95 + 0.97 0.02

P(Usa / Pr ueba+) =