Estadstica y Distribuciones Probabilsticas Sergio Nieves Vanegas

PROBABILIDAD

Introduccin

La probabilidad est asociada al azar y teora de juegos, como una medida de
certidumbre o pronstico, en el uso cotidiano la probabilidad hoy en da est
inmersa en todos los campos como economa, medicina, educacin, ingeniera,
ciencias, poltica, mercadeo, meteorologa, entre otras; y sus usos son como por
ejemplo: factibilidad de un negocio, probabilidad de lluvia o tormentas para un da
dado, favorabilidad de un candidato en unas elecciones, probabilidad de recesin
econmica de acuerdo a los mercado internacionales, probabilidad de que la
seleccin nacional gane un campeonato mundial o clasifique a una instancia final,
que tan probable que el procedimiento quirrgico sea efectivo, riesgo de contraer
cierta bacteria o enfermedad ,etc. como se puede apreciar la probabilidad est
asociada a todos los campos del saber y por ello es muy importante su estudio.

Definicin formal

La probabilidad es la medida numrica de la ocurrencia de un evento, la cual se
encuentra entre 0 y 1.
La probabilidad debe cumplir tres axiomas para garantizar que exista la ocurrencia
del evento junto con su asignacin numrica de la ocurrencia de dicho evento:

Axioma 1: Para cualquier evento A, P(A)
Axioma 2:
Axioma 3: Si

es un conjunto de eventos mutuamente excluyentes,

entonces:

El axioma uno confirma que la probabilidad es un nmero positivo y nunca su
resultado puede ser inferior a cero, el segundo axioma establece que la
probabilidad de todo el espacio muestral de experimento debe ser igual a uno o el
100% y el tercer axioma garantiza que la probabilidad de que suceda por lo menos
un evento y no dos o ms al mismo tiempo es la suma de los hechos individuales





Estadstica y Distribuciones Probabilsticas Sergio Nieves Vanegas

Definiciones de probabilidad

Existen tres modelos que definen la probabilidad, a saber

1. Modelo de frecuencias relativas
Define la probabilidad de ocurrencia de un evento como:




ste modelo se basa en las frecuencias relativas por lo tanto asume que la
suma de las probabilidades es igual a uno.
La principal desventaja del modelo de frecuencias relativas es que se basa en
datos histricos para poder calcular la probabilidad de ocurrencia de un evento
por lo tanto si dicho evento no ha ocurrido o durante el proceso de recoleccin
de los datos se pierde parte de la informacin no se podr calcular la
probabilidad de dicho evento.
2. Modelo Subjetivo
ste modelo se aplica para determinar la probabilidad de eventos que no han
ocurrido en el pasado y no existen datos histricos del mismo por lo tanto se
recurren a sondeos, opiniones o encuestas para calcular la probabilidad de
ocurrencia del evento, con la desventaja que dicho clculo es personal o
subjetivo.

3. Modelo clsico
Define la probabilidad de ocurrencia de un evento como:






ste modelo ms empleado puesto no se basa en datos histricos ni asigna
valores a las probabilidades de un evento de manera subjetiva.






Estadstica y Distribuciones Probabilsticas Sergio Nieves Vanegas

Conceptos bsicos:

Experimento: es todo proceso que genera resultados bien definidos
Espacio muestral: es el conjunto de todos los posibles resultados de un
experimento
Puntos muestrales: son los resultados individuales que componen el
espacio muestral
Evento. Hecho o suceso: es la denotacin por extensin o comprensin de
los resultados de un experimento, los cuales pueden ser:
Evento cierto o certeza absoluta : es cuando la probabilidad de
ocurrencia de un evento es igual a 1 o 100%
Evento verosmil: es cuando la probabilidad de ocurrencia de un
evento es mayor a 0.5 y menor que la unidad.
Evento inverosmil: es cuando la probabilidad de ocurrencia de un
evento es mayor a cero y menor o igual a 0.5.
Evento imposible: es cuando la probabilidad de ocurrencia de
evento es cero o nula

Clases de Eventos y teora de conjunto

1. Eventos mutuamente excluyentes
La ocurrencia de un evento, anula la ocurrencia de otros eventos. Ejemplo: al
lanzar un dado si sale 2 anula la ocurrencia de los otros resultados
2. Eventos compatibles
La ocurrencia de un evento A no afecta la ocurrencia de un evento B y se
pueden presentar simultneamente. Ejemplo: la probabilidad de que un
empleado obtenga un puntaje bajo en una prueba no incide que sea graduado
o no sea graduado de la universidad.
3. Eventos dependientes.
La ocurrencia de un segundo evento depende de la ocurrencia de un primer
evento, la ocurrencia de un tercer evento depende de lo que ocurri en el
primero y el tercero y as sucesivamente. Cabe resaltar que en este tipo de
eventos se establece la seleccin con reemplazo y sin reemplazo, es decir sin
reemplazo es que se selecciona aleatoriamente un elemento del espacio
muestral y no se vuelve a incluir en el mismo y con reemplazo es que se extrae
un elemento se anota la caracterstica especifica del estudio y se vuelve a
incluir en el espacio muestral. Ejemplo: se tiene una urna con 5 balotas de las
cuales 2 tiene premios si se hace una extraccin sin repeticin la escogencia de
Estadstica y Distribuciones Probabilsticas Sergio Nieves Vanegas

un premio depende de cada seleccin, es as que si la primera escogencia no
arroja premio, la segunda extraccin depender de la primera, hasta la quinta
extraccin.
4. Eventos independientes
La ocurrencia de un evento no se ve afectada por la ocurrencia de otros
eventos. Ejemplo: la probabilidad de obtener doble seis en el lanzamiento de
dos dados son eventos totalmente independientes puesto que la ocurrencia
del primer dado no se ve afectada por la ocurrencia del segundo dado.
5. Eventos complementarios
Son todos los dems eventos que completen el espacio muestral, se simboliza
como

, de tal forma que:

Ejemplo: la probabilidad de encontrar en un lote un porcentaje de piezas es
defectuosas es del 12%, por lo tanto el complemento ser el porcentaje de
piezas sin ningn defecto es de 88%.
6. Eventos colectivamente exhaustivos
Si los eventos son mutuamente excluyente, sern colectivamente exhaustivos
cuando ocurra uno de los eventos del espacio muestral. Ejemplo: al lanzar un
dado si no sale en dicho lanzamiento tres, deber salir uno o dos o cuatro o
cinco o seis.


Conceptos bsicos de teora de conjuntos

La teora de conjunto est ligada a la probabilidad, puesto se basa en sus
operaciones, propiedades y axiomas.











Estadstica y Distribuciones Probabilsticas Sergio Nieves Vanegas

Reglas de la Probabilidad

Existen dos reglas en la teora de probabilidad las cuales contienen las clases de
eventos, estas son:

Regla Aditiva.

Emplea el conectivo lgico de la unin por lo tanto se aplica la suma como
operacin principal, los eventos en que se aplica dicha regla son:

Eventos mutuamente excluyentes




Y as para n eventos

Eventos compatibles






sta ltima se conoce como la regla de inclusin-exclusin y es atribuida a
Joseph Sylvester, pero en realidad se debe a Abraham de Moivere.

Regla Multiplicativa

Emplea el conectivo lgico y (), de la interseccin, por lo cual el producto es la
operacin en estos eventos:

Eventos independientes



Y as para n eventos


Estadstica y Distribuciones Probabilsticas Sergio Nieves Vanegas


Eventos dependientes

Y as para n eventos


Probabilidad Condicional

Es la probabilidad de que ocurra un segundo evento B si ya ocurri un primer
evento A, se basan en eventos dependientes y de la frmula de eventos
dependientes con un simple despeje se desprende la siguiente frmula:

Teorema de Bayes


El teorema de Bayes basa la probabilidad de un evento condicionado por la
ocurrencia de otro suceso, el teorema se debe al matemtico y reverendo
ingls Thomas Bayes (1702-1761), Bayes fue un pionero en el clculo de
probabilidades de manera inductiva y se le atribuye las bases para la inferencia
estadstica, lo que se conoce hoy en da como Estadstica Bayesana, su
teorema tiene aplicaciones en el campo de los test para dopaje y la prueba de
efectividad de medicamentos y tratamientos clnicos hasta el sistema de
deteccin del famoso spam en el campo informtico.

Estadstica y Distribuciones Probabilsticas Sergio Nieves Vanegas

El teorema:

Sea

un conjunto de eventos mutuamente excluyentes y

exhaustivos, entonces para cualquier evento B con y para todo
K= 1,2,, n, se cumple que:

Si se observa el denominador en dicha frmula conduce a la ley de
probabilidad total, la cual versa:
Sea

un conjunto de eventos mutuamente excluyentes y

exhaustivos, entonces para cualquier evento B, se cumple que:

Ejemplo:

Una fbrica tiene cuatro mquina, las cuales producen 400 unidades, 300, 200 y
100 unidades respectivamente, la gerencia sabe por experiencia que el porcentaje
de piezas defectuosas de cada una es de 3%, 2%, 1% y 4% correspondientemente,
si se procede a extraer una pieza del total producido, determine la probabilidad de
que
a. La pieza sea defectuosa
b. Si la pieza es defectuosa cul maquina la produjo?

Solucin.

Se deben identificar los eventos, por tanto:
Produccin:
Mquina A = 400 unidades;
Mquina B = 300 unidades
Mquina C= 200 unidades;
Mquina F = 100 unidades;
Total 1000 unidades; Total= 0.1=100%
El porcentaje de piezas defectuosas producidas por cada una de las mquinas son:
Estadstica y Distribuciones Probabilsticas Sergio Nieves Vanegas

Sea D el evento de la pieza defectuosa, entonces:

Mquina A = 3%;
Mquina B = 2%;
Mquina C= 1%;
Mquina F= 4%;

a. Para determinar la probabilidad de que la pieza extrada sea defectuosa debe
considerarse. La probabilidad de que haya sido producida por alguna de las
mquinas, es decir por la mquina A o B o C o D, para ello se debe aplicar el
principio de la probabilidad total, puesto la pieza defectuosa pudo haber salido de
A o B o C o D, por tanto:





Reemplazando se tiene que:






La probabilidad de que la pieza escogida sea defectuosa es de 2.4%












Estadstica y Distribuciones Probabilsticas Sergio Nieves Vanegas

Anlisis Combinatorio

Las tcnicas de conteo permiten encontrar el espacio muestral de un experimento
de una manera simple, se dividen en:

1. Permutaciones.
Es un arreglo de elementos que implican orden en la disposicin de los
elementos, las permutaciones se dividen en:
Simple: es cuando se permuta todo el conjunto

Ejemplo: De cuntas formas se pueden ubicar a cuatro personas en
igual nmero de puestos?

Solucin: Claramente es una permutacin puesto que implica orden
Con una repeticin: se repite un elemento del conjunto

Con dos o ms repeticiones: se repiten dos o ms elementos del
conjunto.

Variaciones: se permuta solo una parte del conjunto

Con repeticin: Admite la repeticin de los elementos muestrales ms
de una vez.

Circular: se pueden disponer en un crculo los elementos de un
conjunto.

Estadstica y Distribuciones Probabilsticas Sergio Nieves Vanegas


2. Combinaciones
Es un arreglo de elementos que no implica orden en su disposicin. La
denotacin de las combinaciones es

, se dividen en:
Sin repeticin:
Es una combinacin de elementos que no admite repeticin de los
mismos.

Con repeticin:

Al momento de plantear y dar solucin a los problemas de anlisis combinatorio,
se debe establecer si la disposicin de los elementos implica orden o no, de tal
forma que si implica orden se trata de una permutacin, de lo contrario ser una
combinacin.

Teorema fundamental del conteo

Cuando existen varias caractersticas que pueden variar de un experimento y la
cantidad total de resultado es el producto de las posibles

s caractersticas de los
elementos muestrales











Estadstica y Distribuciones Probabilsticas Sergio Nieves Vanegas

Problemas Resueltos.

1. La siguiente tabla muestra tres procesos de produccin de cierta empresa,
detallando el nmero de piezas defectuosas y no defectuosas que se seleccionaron
aleatoriamente de un lote en el ltimo mes, los datos se detallan a continuacin:
Defectuosa Sin defectos Total
Proceso A 6 (0.07) 4 (0.04) 10 (0.12)
Proceso B 15 (0.18) 32 (0.38) 47(0.56)
Proceso C 12 (0.14) 15(0.18) 27(0.32)
Total 33(0.39) 51(0.61) 84(1.00)

Si se extrae una pieza al azar determine:
a. La probabilidad del proceso A
b. La probabilidad de que la pieza sea defectuosa
c. La probabilidad de que sea defectuosa y del proceso B
d. La probabilidad de que sea defectuosa si es producida bajo el proceso A
e. La probabilidad de que sea defectuosa pero no provenga del proceso B
f. La probabilidad de que siendo no defectuosa no sea del proceso C
g. Son independientes los eventos defectuosa y proceso A
Solucin.
Al definir los eventos se tiene:
Evento A: proceso de produccin A
Evento B: proceso de produccin B
Evento C: proceso de produccin C
Evento D: Pieza defectuosa
Evento

: Pieza no defectuosa
Las probabilidades son:
a.

b.

Estadstica y Distribuciones Probabilsticas Sergio Nieves Vanegas

c.

d.

e.

f.

g. Para que los eventos A y D sean defectuosos deben cumplir que:





Por lo tanto los eventos no son independientes.

2. Se realiz un estudio para determinar la incidencia del porcentaje de piezas con
algn defecto en los turnos de da y de noche, se seleccion una muestra aleatoria
de 500 piezas, de las cuales 300 correspondan al turno diurno, los cuales al final
del turno arrojaban un total de 130 piezas con contraccin, mientras que el turno
nocturno 90 piezas no presentaron ninguna contraccin. El ingeniero de planta
desea determinar al seleccionar aleatoriamente una pieza, las siguientes
probabilidades.
a. Que una pieza tenga contraccin dado que provenga del turno diurno
b. Que una pieza sin contraccin y sea del turno nocturno
c. De que la pieza tenga contraccin
d. De que la pieza no tenga contraccin si fue producida por el turno nocturno
e. Del turno nocturno
f. De que la pieza tenga contraccin o del turno diurno
g. De que la pieza no tenga contraccin o del turno nocturno
h. Son independientes los eventos contraccin y el turno diurno?
i. Interprete los resultados

Estadstica y Distribuciones Probabilsticas Sergio Nieves Vanegas

Solucin.
Es conveniente construir una tabla de contingencia o cruzada que se convertir en una
tabla de probabilidad.
Turno Diurno (D) Turno Nocturno (N) Total
Contraccin (C) 130 (0.26) 110 (0.22) 240 (0.48)
Sin contraccin (

) 170 (0.34) 90 (0.18) 260 (0.52)

Total 300 (0.6) 200 (0.4) 500 (1)


a.

b.

c.

d.

e.

f.

g.

h.

0.26
Por lo tanto los eventos C y D no son independientes
i. El porcentaje de piezas con alguna contraccin es mayor en el turno nocturno
(55%), que en el turno matutino (43.34%), lo que debe indicarle al ingeniero jefe
plantear los das de descanso o el desempeo de los empleados en las jornadas
nocturna. Muy a pesar de que el porcentaje de piezas con contraccin es mayor en
el turno de da.