Está en la página 1de 6

PROBABILIDAD

casos favorables
casos posibles

Sean A y B sucesos posibles, dentro de un espacio muestral E, se pueden clasificar en:


Incompatibles (excluyentes o mutuamente excluyentes): A B =
En un mismo espacio muestral, la ocurrencia de uno de los sucesos excluye que ocurra el otro.
P(AUB)= P(A) + P(B)

Compatibles (no excluyentes): A B


En un mismo espacio muestral, la ocurrencia de uno de los sucesos no excluye que ocurra el otro.
P(AUB)= P(A) + P(B) - P(AB)

Compatibles condicionados: la ocurrencia de uno de los sucesos condiciona la ocurrencia del


otro suceso. P(AB)= P(A/B) . P(B) = P(B/A) . P(A)
Siendo P(A/B)= P(AB)/ P(B) P(B) es la condicin

Compatibles independientes: cada suceso posee su propio espacio muestral. La ocurrencia


de uno de los sucesos no condiciona la ocurrencia del otro suceso. P(AB)= P(A) . P(B)
Siendo P(A/B)= P(A) ^ P(B/A)= P(B)

1. Ejemplo de Sucesos incompatibles


De un mazo de 40 cartas Cul es la probabilidad de que salga un As de basto un As de espada?
P(As de basto)= 1/40
P(As de espada)= 1/40
P(Asb U Ase)= P(Asb) + P(Ase)
P(Asb U Ase)= 1/40 + 1/40
P(Asb U Ase)= 1/20
2. Ejemplo de Compatibles
Cul es la probabilidad de que salga un As de espada o cualquier otra carta de espada?
P(As de espada)= 1/40
P(Espada)= 10/40
P(Ase U E)= P(Ase) + P(E) - P(AseE)
P(Ase U E)= 1/40 + 10/40 - 1/40
P(Ase U E)= 1/4

3. Ejemplo de Compatibles condicionales


Cul es la probabilidad de que salga un As y que adems de espadas?

P(Ase/E)= P(Ase E)

P(Ase E)= P(E) . P(Ase/E)


P(Ase E)= 10/40 . 1/10
P(Ase E)= 1/40

P(E)

= 1
10

favorables P(Ase E)
favorables P(E)

4. Ejemplo de Compatibles independientes


Explicar con 2 bolsas que contengan 2 dados blancos y 1 negro en una, y 1 blanco y 3 negros
en la otra.
Qu probabilidad hay de que, si saco 1 dado de cada bolsa, ambos sean negros?
BOLSA 1 P(N)= 1/3
BOLSA 2 P(N)= 2/3
P(NB1 NB2)= P(NB1) . P(NB2)
= 1/3 . 2/3
P(NB1 NB2)= 3/8
5. Teorema de Bayes

EJ:
Un equipo de tres hombres A, B y C compiten en lanzamiento con arco y flecha. Por estadsticas
1

anteriores se sabe que cada vez que tiran tienen probabilidades de 6 , 4 y 3 respectivamente de
lograr el mejor puntaje. Si cada uno de ellos dispara una sola vez, calcular si uno de ellos lo logra:
Qu probabilidad hay de que haya sido A?
Que acierte exactamente uno de los tres tiradores lo denominaremos P(x=1)
Esto es una probabilidad condicional y el problema se resuelve por Teorema de Bayes:

P(

)=

P(A ( X = 1))

X=1

P ( A X =1) =

P( X = 1)
6
31

1 3 2
. .
6 4 3

1 3 2
. .
6 4 3
1 5 2
. .
4 6 3

+ 31 . 56 . 34

6
72
31
72

6
31

0,1935

6. Definicin axiomtica de probabilidad


Axioma 1: La probabilidad de que ocurra un suceso 'A' es un N real no negativo que es posible
asignar a un espacio muestral 'E' y a c/u de sus subconjuntos. P(A) 0
Axioma 2: La probabilidad de un suceso cierto es igual a la unidad, tomando como suceso cierto todo
lo que es posible asignar dentro de un espacio muestral. P(E) = 1
Axioma 3: La probabilidad del suceso, suma de 2 sucesos excluyentes, es igual a la suma de las
probabilidades de cada uno de ellos. A B = P(AUB)= P(A) + P(B)

ESTADSTICA
Siendo: N= poblacin; xi = variable; yi =frecuencia absoluta; fi =frecuencia relativa (yi/N)
7. Definir Media, Mediana, Moda y dispersin (desvo estndar).
Las medidas de posicin o valores de tendencia central -media, mediana y moda- representan los
valores caractersticos del conjunto observado.
Moda o modo:
Es el valor ms frecuente de la variable (la yi mayor).
Un conjunto puede ser unimodal (moda nica) y cabe suponer que la serie de frecuencias
corresponde a una poblacin homognea.
Si la grafica presenta ms de un mximo, se llama multimodal o plurimodal y corresponde a una
publicacin heterognea.
En cambio, la serie puede ser amodal cuando carece de moda o todos los valores tienen la misma
influencia.
Media aritmtica o valor medio:
Promedio aritmtico , la suma de todos los valores observados dividida por el total de observaciones.
La media no permite asegurar la homogeneidad al conjunto (moda-unimodal), es un concepto
matemtico de equilibrio (baricentro) donde todos los datos se encuentran en equilibrio matemtico.

Mediana:
Valor de la variable cierta que divide la serie de frecuencias en 2 partes iguales de individuos
observados, ordenados por valor creciente del atributo que los caracteriza. La posicin que ocupa la
mediana corresponde al total de los individuos observados dividido 2; o sea que el 50% de ellos posee
valores inferiores que la mediana, y el otro 50% posee valores superiores.
La mediana y la moda no dependen de los valores de la variable cierta (xi), sino de la cantidad u
ordenamiento de estos. Si el nmero de valores es impar, entonces me es el valor central. Si es par,
me est indeterminada por los extremos ms prximos a su posicin.
MEDIDAS DE DISPERSIN: indican como es la concentracin de datos alrededor de la media.
Dispersin o desvos:
Indican la distancia a la que se encuentran los correspondientes valores respecto del valor tomado
como referencia (alejamiento en magnitud y direccin). Las sumas de todas las desviaciones es igual a
cero, por la propiedad de los baricentros. Son la diferencia entre un valor cualquiera que puede tomar
la variable y el valor medio.
Varianza:
Representa la variabilidad que tienen los datos entre s, o sea, el rea de dispersin de los datos
tomando como centro el promedio. Es el promedio de los desvos elevados al cuadrado, multiplicados
por fi.

Dispersin, desvo tpico, desvo tipificado o desvo estndar:


Representa la variabilidad o la distancia de los datos en promedio respecto de la media. Un valor
grande de indica que la generalidad de los datos est alejada de la media, y un valor pequeo indica
que los datos estn concentrados en la proximidad. Pero su tamao es relativo, ya que depender de
las unidades de medicin de la variable.

Por eso se utiliza el coeficiente de variacin o dispersin relativa: indica en forma porcentual, si la
medida aritmtica es representativa de la serie de frecuencias. Si es < 5% la media aritmtica es
representativa de la serie; si 20% los datos estn dispersos y conviene fraccionar la observacin.

Dar ejemplo numrico utilizando 10 datos, donde se observe que la media no permite asegurar
la homogeneidad.
xi = Sueldo
fi
F
fi / N
1000
1
1
1/10
1500
2
3
1/5
2500
3 MO 6 ME 3/10
4000
2
8
1/5
5500
2
10
1/5
N= 10
1
media=

= 1000.1 + 1500.2 + 2500.3 + 4000.2 + 5500.2 = 3050


10
moda= MO= 250

mediana= ME= 1000, 1500, 1500, 2500, 2500, 2500, 4000, 5500= 2500 + 2500= 2500
2
Aplicar lo dicho anteriormente a una muestra que posea 5 intervalos de clase.
Una muestra de 100 lamparitas fue sometido a una prueba de duracin hasta que se
quemaron:
Duracin
(en miles de horas)
Cantidad de lamparitas

xi
[0.2; 0.4)
[0.4; 0.6)
[0.6; 0.8)
[0.8; 1.0)
[1.0; 1)

[0.2; 0.4)

[0.4; 0.6)

[0.6; 0.8)

[0.8; 1.0)

[1.0; 1)

15

35

10

25

15

xi1 + xi2
2

Frec.
absoluta

Frec.
acumulada

yi/N

ci
0.3
0.5
0.7
0.9
1.1

yi
15
35 MO
10
25
15
N=yi
100

Fai
15
50 ME
60
85
100

fi
0.15
0.35
0.1
0.25
0.15

MO=intervalo [0.4; 0.6)


ME=intervalo [0.4; 0.6)

ci . f i
0.045
0.175
0.07
0.225
0.165
0.68

ei
-0.38
-0.18
0.02
0.22
0.42

ei
0.1444
0.0324
1/2500
0.0484
0.1764

ei. fi
0.02
0.01134
1/25000
0.0121
0.02646
= ei.fi
0.06994

0.26

8. Que es una variable aleatoria? cuando se dice que es discreta y cuando continua?
A diferencia de las variables ciertas que llevan asociada una frecuencia de ocurrencia, las variables aleatorias
llevan asociada una probabilidad de ocurrencia. Con las variables ciertas se calcula una vez realizado el
experimento (a posteriori) y con las variables aleatorias se calcula antes (a priori).
La variable aleatoria permite pasar de los resultados experimentales, a una funcin numrica de los
resultados. El valor numrico de la variable aleatoria depende del resultado del experimento. Entonces, una
variable aleatoria X es una regla bien definida para asignar valores numricos a todos los resultados
posibles de un experimento, regla por la que a c/u de los resultados de un experimento se le asocia un
nmero: los pares ordenados (x; P(x)) dan la distribucin de la variable aleatoria.
X
x1
x2
x3

xn
P(x)
P(x1) P(x2) P(x3) P(xn)
Es variable porque son posibles diferentes valores numricos. Es aleatoria porque el valor observado depende
de cul de los posibles resultados experimentales aparezca y, adems, porque involucra la probabilidad de los
resultados del espacio muestral. Es una funcin de valor real definida sobre el espacio muestral, de manera
que transforma todos los posibles resultados del espacio muestral en cantidades numricas.
Discreta:
Es cuando el nmero de valores que puede tomar es contable, ya sea finito o infinito (Ej: cantidad de unidades
defectuosas, vehculos que arriban o parten, personas, etc.)
Continua:
Es cuando puede tomar cualquier valor numrico en un intervalo o conjunto de intervalos (Ej: escalas de
medicin de tiempo, peso, distancia, etc.)
Calcular la esperanza matemtica y decir para que sirve..
Esperanza matemtica, valor esperado o media:
Valor promedio de una variable aleatoria despus de infinitas observaciones.
n

E(x)= = xi . Pi
i=1

E(x) > 0 beneficioso para el apostador


E(x) < 0 beneficioso para la banca
E(x) = 0 equitativo para ambos

Defina las tres medidas de posicin y explique su utilidad.


Esperanza matemtica, valor esperado o media
Varianza:
Valor esperado del cuadrado de las desviaciones de la variable aleatoria respecto de su
esperanza matemtica. Mide aleatoriedad misma de la variable, porque indica cun dispersa
puede ser la distribucin. Se la indica:
n

V(x)= = [(ri - ) P(ri)]


i=1
n

V(x)= = [(ei. P(ri)]


i=1

Desvo estndar, desvo tpico o dispersin:


Valor que mide la dispersin de los valores que toma la variable respecto de la esperanza
matemtica.
D(x)= =
Si se tiene una bolsa con tres bolillos negras y una blanca, totalmente indistinguibles al tacto,
proponer un ejemplo numrico de variable aleatoria discreta asociado a ello y resolverlo.
1 bolillero 3 negras
1 blanca
4 bolas
se extraen 2 bolillas c/ reposicin
si saca 2 negras= premio $10
en cualquier otro caso= pierde $2
P(gana) = P(2N)
P(2N)= P(1N) . P(1N)
= 3/4 . 3/4
P(2N)= 9/16
P(no gana)= 1 - P(gana)
= 1 - 9/16
P(no gana)= 7/16
xi
$10 - $2= $8
-$2

P(xi)
9/16
7/16
16/16

E(x)= 8 . 9/16 - 2 . 7/16


E(x)= 29/8 esto significa que es favorable para el apostador
Para que sea equitativo la E(x)= 0, para ello hay que determinar el valor de la apuesta:
E(x)= 0
(10 - Ap) . 9/16 - (Ap) . 7/16 = 0
90/16 - 9/16 Ap - 7/16Ap = 0
- Ap = 90/16
Ap = $5.62