Está en la página 1de 8

Estadstica y Muestreo

Licenciatura en Administracin FICES - UNSL

PROBABILIDAD Analizaremos los conceptos ms relevantes sobre la teora de la probabilidad, reconociendo la necesidad de su estudio como instrumento para medir la incertidumbre en el proceso inferencial y para la construccin de modelos probabilsticos que describan la realidad y su posterior anlisis. Podemos decir que en los experimentos aleatorios y slo en ellos, es posible hablar de Probabilidad. Se define como experimento a una serie de pruebas o ensayos que se realizan bajo condiciones similares, homogneas o uniformes. Podemos considerar que existen dos tipos de experimentos: 1. aquellos cuyo resultado es previsible y se llaman experimentos determinsticos

Ejemplo: qu ocurre si dejo caer una copa de cristal o si pongo a calentar agua en una vasija hasta los 100c? 2. aleatorios aquellos cuyo resultado no podemos predecir de antemano y se llaman experimentos

Ejemplo: lanzar una moneda para saber qu lado cae, o arrojar un dado. Consideraremos como experimento aleatorio el hecho de arrojar un dado para conocer los conceptos y definiciones fundamentales de probabilidad: Al conjunto de todos los resultados posibles de este experimento aleatorio se lo denomina espacio muestral y se representa con la letra S. Evento o Suceso de un experimento aleatorio es todo posible resultado del espacio muestral. Cada punto del espacio muestral se llama evento elemental Ejemplo: el dado tiene 6 eventos elementales en su espacio muestral. Un evento elemental es un evento y slo contiene un elemento del espacio muestral En un espacio muestral finito cualquier subconjunto de eventos elementales o combinacin de los mismos constituyen un evento compuesto En el ejemplo del dado, aparicin de un lado par al arrojarlo: Evento Simple

Evento Compuesto

Lic. Pavan Gladys / Lic. Giordano Agostina

Estadstica y Muestreo
Licenciatura en Administracin FICES - UNSL

El espacio muestral puede ser representado por: a) Diagrama de Venn: que representa grficamente los distintos eventos como uniones (AUB) o intersecciones (AB) de conjuntos o crculos.

b) rbol de decisin: donde se van desplegando en ramas y subramas los resultados posibles de un experimento aleatorio. Las probabilidades colocadas al final de las ramas iniciales representan las probabilidades marginales de cada evento y al final de las subramas la probabilidad conjunta para cada combinacin de eventos. Ejemplo al arrojar dos monedas simultneamente: S CS SC SS CC c) Tabla de contingencia: donde se asigna eventos apropiados a una tabla de clasificaciones cruzadas y nos proporciona una clara presentacin del nmero de resultados posibles de las variables relevantes. Ejemplo: color de cartas en una baraja de 52 cartas:

As No as Total

Rojo 2 24 26

Negro 2 24 26

Total 4 48 52

Evento simple aquel que responde a una sola caracterstica, ejemplo: carta roja, de l surge la probabilidad simple o marginal, que se obtiene de los totales marginales. Evento conjunto responde a dos caractersticas. Ejemplo: As rojo, de l surge una probabilidad conjunta, se obtiene del cuerpo de la tabla.

Teoras Probabilsticas
Introduccin En sus comienzos el clculo de la Probabilidad estaba slo relacionado con los juegos de azar, y se consideraba que todos los resultados de un juego tenan la misma probabilidad de ocurrir. Surgi as una importante obra del matemtico Laplace quien desarroll la Teora de las Probabilidades basada en los resultados de un experimento, donde los eventos tenan equiprobabilidad de ocurrencia.

Lic. Pavan Gladys / Lic. Giordano Agostina

Estadstica y Muestreo
Licenciatura en Administracin FICES - UNSL

El clculo de la probabilidad es la teora matemtica que construye modelos para la descripcin y anlisis de experimentos aleatorios. Un experimento se realiza un cierto nmero de veces bajo las mismas condiciones de experimentacin y su resultado no puede preverse cuando se realiza slo una vez. Pero que si se lleva a cabo n veces, los resultados del experimento respondern a una Ley de comportamiento regular y previsible. La Teora de Probabilidades tuvo un desarrollo histrico hasta llegar a la axiomatizacin con la que se logra sintetizar una definicin de probabilidad: Todo nmero que cumpla con los tres axiomas de Probabilidad es una Probabilidad, y permite medir la probabilidad como resulte ms conveniente, siempre que se respeten los axiomas. Teora Axiomtica de la Probabilidad: en un experimento aleatorio, la probabilidad de un evento A, es el valor numrico P(A) que satisface los tres axiomas siguientes: I. II. Positividad: Si A es un evento, entonces la P(A) > = 0 para todo A. Es decir la probabilidad es un nmero no negativo. Certeza: Si S es el conjunto de todos los resultado posibles de un experimento aleatorio, entonces la P(S)=1. Ejemplo: al arrojar un dado: Aplicando la definicin clsica de Probabilidad:

P (salga lado 1) = P (1) = 1/6 P (salga lado 2) = P (2) = 1/6 P (salga lado 3) = P (3) = 1/6 P (salga lado 4) = P (4) = 1/6 P (salga lado 5) = P (5) = 1/6 P (salga lado 6) = P (6) = 1/6 III. De la suma: Si A1, A2, A3.son eventos que se excluyen mutuamente en una sucesin finita o infinita, entonces P (A1U A2U A3) = P(A1) + P(A2) + P(A3)

De los tres axiomas enunciados previamente en la Teora Axiomtica, se desprenden tres consecuencias importantes a considerar: 1) Primera consecuencia: As como existe el espacio muestral, que es el conjunto de todos los resultados posibles de un experimento aleatorio o evento cierto, llamado en la teora de conjunto: Conjunto Universal ( ), tambin existe un conjunto que no tiene ningn elemento o resultado posible, llamado Conjunto Vaco y simbolizamos. Ej.: la posibilidad de obtener el lado 7 u otro valor > que el lado 6 al arrojar un dado, es aquel que no tiene ningn resultado favorable dentro del espacio muestral. P () = 0 El conjunto vaco tambin es un evento llamado evento imposible, y es un subconjunto del espacio muestral que no contiene ningn elemento. Lic. Pavan Gladys / Lic. Giordano Agostina 3

Estadstica y Muestreo
Licenciatura en Administracin FICES - UNSL

2) Segunda consecuencia: Evento complemento (Ac) de un evento A: es el evento que consiste en todos los resultados que no contiene el evento A. Por definicin A y Ac son eventos mutuamente excluyentes: P (A o Ac) = P (A Ac) = P (A) + P (Ac) = 1 P (Ac) = 1 - P (A) 3) Tercera consecuencia: La probabilidad es un nmero que vara entre 0 y 1, ya que considera las dos situaciones extremas: Evento Imposible: P() = 0 Evento Cierto: P(S)= 1 Los axiomas caracterizan a la probabilidad pero no me permiten su clculo es entonces necesario conocer las teoras o enfoques que nos permitirn calcularla. Las tres teoras o enfoques fundamentales para el clculo de Probabilidad son: A. Teora o enfoque Clsica o a priori o enfoque terico . La limitacin de ste enfoque es que debemos conocer a priori el proceso involucrado y esto no es sencillo que ocurra por eso nos remitimos a ejemplos de los juegos de azar ; establece que la probabilidad de que ocurra un evento (A), ser igual a la cantidad de casos favorables a dicho evento (A), sobre el total de resultados igualmente posibles (N). P(A) = casos favorables /casos posibles Ej.: extraer un as de una baraja de 52 cartas: P(as)=4/52 No puede aplicarse este enfoque cuando: 3. los eventos de un espacio muestral no son igualmente probables. por otra parte, si el nmero de elementos del espacio muestral constituyen una infinidad de puntos no numerables o innumerables A/N se transforma en un infinitsimo difcil de emplear en los clculos. B. Teora o enfoque Frecuencial o clsico emprico: Von Mises expresa que si se repite un experimento aleatorio un nmero bastante grande de veces, la probabilidad de un evento, puede considerarse como la frecuencia relativa observada en un nmero suficientemente grande de observaciones. Supongamos que realizamos el experimento de tirar una moneda al aire un nmero n muy grande de veces; cada resultado individual del mismo ser impredecible porque la obtencin de cara o cruz depende slo del azar. Es lgico pensar que si arrojamos 100 veces la moneda, los resultados promedios o globales mostrarn una sorprendente regularidad. La probabilidad de la faz cara estar dada por el cociente entre la cantidad de veces que la moneda cay en esa posicin y la cantidad n (100) de veces que se la arroj. El nmero de veces que se presenta un evento es la frecuencia absoluta (fi) y la frecuencia relativa (f = fi/n) representa la proporcin de veces que aparece un evento en particular, en las n repeticiones del experimento. Ej.: si en 40 de las 100 veces que lanzamos la moneda sali cara, la P (cara) = 40/100 = 0.40 . La experiencia demuestra que la frecuencia relativa tiende a estabilizarse para grandes valores de n. Entonces, puede establecerse una Ley de comportamiento de los fenmenos aleatorios por medio de muchas repeticiones del experimento. Lic. Pavan Gladys / Lic. Giordano Agostina 4

Estadstica y Muestreo
Licenciatura en Administracin FICES - UNSL

Si definimos A = salida de cara, su frecuencia relativa f(A) vara ampliamente para pequeos valores de n; pero al aumentar n (nmero de repeticiones) la proporcin de caras de la moneda se va estabilizando alrededor de un cierto valor lmite muy prximo a o lo que es lo mismo 0.50 Esto llev a Von Mises a enunciar la teora frecuencial de la probabilidad: Podemos asociar un nmero P(A) a cada evento que ha surgido de la realizacin de un experimento aleatorio, de manera que la frecuencia relativa de A (fA) ser aproximadamente igual a P(A) si se considera un gran nmero de repeticiones del experimento. Al vincularse la P(A) y la fA se establece una relacin entre una situacin de experimentacin real (fA) y un modelo conceptual o ideal P (A). Slo es posible aplicar esta teora para experimentos que se pueden repetir indefinidamente, con la duda de la magnitud que n debe tener, para llegar a la regularidad estadstica.

C. Teora o Enfoque Subjetivo: En este enfoque la probabilidad depende del juicio y representa el grado
en que uno cree que ocurrir o no un evento. La probabilidades subjetivas tambin se describen como corazonadas o conjeturas educadas.

Regla de la Suma o Ley Aditiva para la Probabilidad


Si se consideran eventos que se excluyen mutuamente porque son eventos que no pueden presentarse al mismo tiempo o no tienen elementos en comn. P (1) o P (2) o P (3) o P (4) o P (5) o P (6)=1 P (1) + P (2) + P (3) + P (4) + P (5) + P (6)=1 AUB ser igual al conjunto combinado de los eventos elementales favorables a A, a B o a ambos, llamado unin de dos eventos A o B, donde aplicaremos el Principio de Probabilidad Total, relacionado con la suma de eventos: (o es igual a + o U), y que puede expresarse como la probabilidad de que aparezca en forma indistinta cualquiera de dos o ms eventos mutuamente excluyente, siendo igual a la suma de las probabilidades individuales de los mismos. Aqu los eventos A y B no pueden presentarse juntos y por lo tanto la P(A Lic. Pavan Gladys / Lic. Giordano Agostina 5

Estadstica y Muestreo
Licenciatura en Administracin FICES - UNSL

B) es nula o igual a cero. P(A o B) = P (AUB) = P(A +B) = P(A) + P(B) Ej.: encontrar la probabilidad de que al seleccionar una carta sea copa o espada de una baraja de 40. Si los eventos no son mutuamente excluyentes es decir aquellos que tienen resultados en comn o que pueden presentarse simultneamente: Aparece un tercer trmino que resta una vez la probabilidad de la interseccin, que de otro modo sera sumado dos veces. Eventos no mutuamente excluyentes: son aquellos eventos que pueden ocurrir al mismo tiempo. Dado dos o ms eventos no mutuamente excluyentes la probabilidad que ocurra uno cualquiera de ellos es igual a la suma de sus respectivas probabilidades P (A o B) = P (AUB) = P (A+B) = P (A) + P (B) P (A y B) Ej.: la probabilidad de que al extraer una carta de una baraja sea copa o as.

Probabilidad Condicional
Utilizaremos la notacin P(A/B) para representar la probabilidad condicional del evento A dado que el evento B ha ocurrido; corresponde a un clculo especial de probabilidad y aparece en aquellas situaciones en donde las probabilidades asignadas a varios eventos dependen de lo que se conozca de la situacin experimental cuando se hace dicha asignacin. Aqu la forma de la informacin ha ocurrido un evento B afecta la probabilidad asignada al evento A. Es decir, conocemos, de antemano, que se ha producido uno de ellos (el evento B) y nos interesa la probabilidad de que se verifique el otro evento (A) Para calcular esta probabilidad aplicamos la definicin clsica (casos favorables sobre casos posibles) teniendo en cuenta ahora que el espacio probabilstico ya no es S, sino que se ha reducido. Cuando los resultados son igualmente probables, el clculo de probabilidad condicional puede estar basado en la intuicin, pero cuando los experimentos son ms complicados, sin embargo, la intuicin puede fallarnos, y deseamos tener una definicin general de probabilidad condicional que genere respuestas intuitivas en problemas simples. El diagrama de Venn y la siguiente ecuacin, sugieren la definicin adecuada: ( ) En la ecuacin la probabilidad de probabilidades, en donde el numerador dos eventos (A y B), en tanto que el evento condicionante B; A ocurrir, s y interseccin ocurri. Tambin se puede considerar la Lic. Pavan Gladys / Lic. Giordano Agostina ( ( ) condicional se expresa como una relacin es la probabilidad de la interseccin de los denominador es la probabilidad del slo s, uno de los resultados de la )

probabilidad condicional en la siguiente 6

Estadstica y Muestreo
Licenciatura en Administracin FICES - UNSL

tabla de contingencia con una muestra de 30 participantes a un curso de capacitacin

Tema/segmento clientes Revestimientos Nuevos productos TOTAL

Arquitectos 12 8 20

Pintores 6 4 10

Total 18 12 30

Ej.: supongamos que queremos encontrar, conociendo que se trata de un arquitecto, cul es la probabilidad que concurra al curso de Revestimientos? P (A)= concurra al curso de revestimiento P (B)= sea arquitecto P (A/B) = P (A*B) / P (B) Teniendo en cuenta que la probabilidad se calcula como el cociente entre resultados favorables y resultados posibles, tendremos: ( ) La definicin de probabilidad condicional, produce el siguiente resultado, obtenido por pasaje de trminos: ( ) ( ) ( ) ( )

Esta regla es importante porque con frecuencia es el caso en el que se desea calcular la P (A y B) y se considera como una regla de la multiplicacin y es muy til cuando el experimento consta de varias etapas sucesivas. Existen muchos casos en que la probabilidad de A condicionada a B (P(A/B)) coincide con la probabilidad de A y casos donde la probabilidad de B condicionada a A coincide con la probabilidad de B P (A/B) = P (A) P (B/A) = P (B) En estos casos diremos que los eventos A y B son estadsticamente independientes, lo que significa que la aparicin de un evento no ejerce influencia sobre la probabilidad de aparicin del otro. As como definimos un principio o Teorema de la suma de eventos, para el clculo de probabilidades, analizaremos ahora el: Principio de Probabilidad Compuesta, que est relacionado con el producto de eventos, en donde (y) es igual a (*)(producto), y define la probabilidad de la aparicin simultnea o conjunta de dos o ms eventos; aqu el experimento aleatorio puede realizarse con reposicin originando eventos independientes lo que significa que la aparicin de un evento no ejerce influencia sobre la probabilidad de aparicin del otro y es igual al producto de sus Lic. Pavan Gladys / Lic. Giordano Agostina 7

Estadstica y Muestreo
Licenciatura en Administracin FICES - UNSL

probabilidades individuales. En la segunda extraccin el resultado no depende del resultado de la primera extraccin, ya que su espacio probabilstico no se ha modificado. ( ) ( ) ( ) ( )

Los Eventos dependientes se dan, cuando el resultado de la segunda extraccin depende del resultado de la primera, realizando las extracciones sin reposicin.
( ) ( ) ( ) ( ) ( )

Lic. Pavan Gladys / Lic. Giordano Agostina