Probabilidad

Experimento Aleatorio

EL trmino experimento aleatorio se utiliza en la

teora de la probabilidad para referirse a un proceso
cuyo resultado no es conocido de antemano con
certeza.
Suma de valores en el lanzamiento de 2 dados.
Probabilidad. 2

Ejemplos
Nmero de piezas defectuosas en una
muestra de 100 piezas.
Nmero de llamadas a una centralita
telefnica en un da.
Energa elctrica consumida en Madrid
durante un periodo de tiempo.

Probabilidad. 3

Espacio Muestral
Conjunto formado por todos los posibles
resultados de un experimento aleatorio.
DISCRETOS:
Lanzamiento de un DADO: S = {1,2,3,4,5,6}
Piezas defectuosas en una muestra de 100
S = {0,1,2,...,100}
Llamadas a una centralita durante un da
S = {0,1,2,3,...,}

CONTINUOS:

Energa consumida en Madrid: S={[0, )}

Probabilidad. 4

Suceso
Cualquier subconjunto del espacio muestral.
Obtener un nmero par al lanzar un dado
A = {2,4,6}
Observar menos de 5 piezas defectuosas en
una muestra de 100: B = {0,1,2,3,4,5}
Tener ms de 50 llamadas de telfono en una
hora : C = {51,52,...,}
Tener una demanda de energa elctrica entre
300 Mwh y 400 Mwh : D =(300,400)
Probabilidad. 5

Operaciones
Sean A y B dos subconjuntos de S
Unin
A B = {x : (x A) o (x B)}
Interseccin
A B = {x : (x A) y (x B)}
Complementario

A= {x : x A}
Probabilidad. 6

AB

AB

Probabilidad. 7

Propiedades
Dados tres sucesos A,B y C de un espacio muestral S
A B = B A
Conmutativa :
A B = B A
A ( B C ) = ( A B) C
Asociativa :
A ( B C ) = ( A B) C
A ( B C ) = ( A B) ( A C )
Distributiva :
A ( B C ) = ( A B) ( A C )
A B = A B
Leyes de Morgan :
A B = A B
Probabilidad. 8

Axiomas de Probabilidad
Dado un espacio muestral S, una funcin de probabilidad
asigna valores P(A) a cada suceso A S y satisface :
1.
0 P(A) 1
2.

P(S) = 1

3. Para una secuencia de sucesos A1,A2 ,K , An

que cumplen Ai A j = cuando i j
n

P(U Ai ) = i =1 P ( Ai )
n

i =1

Probabilidad. 9

Problema fundamental
Dado un espacio muestral discreto con resultados
A1, A2, ..., An , el experimento aleatorio queda
caracterizado si asignamos un valor P(Ai) no
negativo a cada resultado Ai que verifique
P(A1)+P( A2)+ ...+P(An)=1.
Ejemplo. Se lanza dos veces una moneda.
{XX,XC,CX,CC}
Se asigna probabilidad 1/4 a cada uno de los cuatro
resultados.
Es una asignacin correcta?
Probabilidad. 10

Propiedades elementales
1. P() = 0.
2. P( A) = 1 P ( A).
3. Si A B entonces P(A) P(B).
4. Para dos sucesos cualesquiera A, B S ,
P( A B) = P( A) + P( B) P( A B).
5. Para n sucesos A1,A2 ,...,An S ,
n

i =1

i =1

P (U Ai ) = P( Ai ) P( Ai A j ) +
n

i =1 j >i

n +1

+
+

L
P
A
A
A
P( A1 A2 L An )
(
)
(
1
)
i j k
i =1 j >i k > j

Probabilidad. 11

Asignacin de probabilidades
1. Clsica (Laplace): Equiprobabilidad
2. Frecuencialista (von Mises, 1931)
3. Subjetiva

Probabilidad. 12

Clsica: sucesos equiprobables

Sea un experimento con un nmero finito de
resultados excluyentes y equiprobables, la
probabilidad del suceso A es
N ( A)
P ( A) =
,
N

donde N es el nmero de resultados posibles

del experimento y N(A) el nmero de
resultados favorables al suceso A.
Probabilidad. 13

Ejemplos (equiprobabilidad)
Lanzamiento de una moneda. S={C,X}
P(C ) =

1
2

Lanzamiento de un dado. S={1,2,3,4,5,6}

P (" Nmero par" ) =

3 1
= .
6 2

Extraccin de una de las 40 cartas de la

baraja, S={1 Oros,2 Oros,...., Rey Bastos}
10 1
= .
P ( Bastos ) =
40 4
Probabilidad. 14

Lanzamiento de dos dados

1er Dado

2 Dado

1
2
3
4
5
6

1
(1,1)
(1,2)
(1,3)
(1,4)
(1,5)
(1,6)

2
(2,1)
(2,2)
(2,3)
(2,4)
(2,5)
(2,6)

3
(3,1)
(3,2)
(3,3)
(3,4)
(3,5)
(3,6)

4
(4,1)
(4,2)
(4,3)
(4,4)
(4,5)
(4,6)

5
(5,1)
(5,2)
(5,3)
(5,4)
(5,5)
(5,6)

6
(6,1)
(6,2)
(6,3)
(6,4)
(6,5)
(6,6)

P(suma 7) = 6/36 = 1/6

Probabilidad. 15

Urna: 2 Negras y 3 Blancas

2 Bola

1 Bola
B1
B1
B2
B3
N1
N2

B1,B2
B1,B3
B1,N1
B1,N2

B2
B3
B2,B1 B3,B1
B3,B2
B2,B3
B2,N1 B3,N1
B2,N2 B3,N2

N1
N2
N1,B1 N2,B1
N1,B2 N2,B2
N1,B3 N2,B3
N2,N1
N1,N2

Se extraen dos bolas al azar, una detrs de otra, sin

reposicin.
P(1 Blanca y 2 Negra) = 6/20 = 3/10
Probabilidad. 16

Urna: 2 Negras y 3 Blancas

2 Bola

1 Bola
B1
B2
B3
N1
N2

B1
B1,B1
B1,B2
B1,B3
B1,N1
B1,N2

B2
B2,B1
B2,B2
B2,B3
B2,N1
B2,N2

B3
B3,B1
B3,B2
B3,B3
B3,N1
B3,N2

N1
N1,B1
N1,B2
N1,B3
N1,N1
N1,N2

N2
N2,B1
N2,B2
N2,B3
N2,N1
N2,N2

Se extraen dos bolas al azar, una detrs de otra, con

reposicin.
P(1 Blanca y 2 Negra) = 6/25
Probabilidad. 17

Combinatoria: 5 objetos tomados de dos en dos

SIN REEMPLAZAMIENTO

IMPORTA
EL ORDEN

1
2
3
4
5

(1,2)
(1,3)
(1,4)
(1,5)

Primera extraccin
2
3
4
(2,1)
(3,1)
(4,1)
(3,2)
(4,2)
(2,3)
(4,3)
(2,4)
(3,4)
(2,5)
(3,5)
(4,5)

CON REEMPLAZAMIENTO

5
(5,1)
(5,2)
(5,3)
(5,4)

1
2
3
4
5

1
(1,1)
(1,2)
(1,3)
(1,4)
(1,5)

Primera Extraccin
2
3
4
(2,1)
(3,1)
(4,1)
(2,2)
(3,2)
(4,2)
(2,3)
(3,3)
(4,3)
(2,4)
(3,4)
(4,4)
(2,5)
(3,5)
(4,5)

Nmero = 20

NO IMPORTA
EL ORDEN

1
2
3
4
5

(1,2)
(1,3)
(1,4)
(1,5)

Nmero = 25

Primera extraccin
2
3
4

(2,3)
(2,4)
(2,5)

(3,4)
(3,5)
Nmero = 10

5
(5,1)
(5,2)
(5,3)
(5,4)
(5,5)

(4,5)

5
1
2
3
4
5

1
(1,1)
(1,2)
(1,3)
(1,4)
(1,5)

Primera extraccin
2
3
4
(2,2)
(2,3)
(2,4)
(2,5)

(3,3)
(3,4)
(3,5)

(4,4)
(4,5)

(5,5)

Nmero = 15

Probabilidad. 18

Combinatoria: Nmero posible de

reordenaciones de n objetos tomados de r en r
CON
REEMPLAZAM IENTO

IMPORTA
EL ORDEN

SIN
REEMPLAZAM IENTO
n!
( n r )!

NO IMPORTA
EL ORDEN

n

r

n + r 1

nr

Probabilidad. 19

1 - 6 - 21 - 29 - 33 -43

La primitiva. Se eligen 6 nmeros distintos del 1 al 49,

ambos inclusive.
Probabilidad de acertar los 6.
Probabilidad de acertar 5.
Probabilidad de acertar 4.
Probabilidad de no acertar ninguno.
Probabilidad de que salga un nmero concreto, por
ejemplo el nmero 1.
Probabilidad. 20

Primitiva
P(Acertar 6) =

1
1
=
= 0,000000072
49 13.983.816

6

6 43

4
2
13.545
= 0,00097
P(Acertar 4) = =
13.983.816
49

6

6 43

5
1
258
= 0,000018
P(Acertar 5) = =
13.983.816
49

6
43

6
6.096.454
= 0,44
P(Ninguno) = =
49 13.983.816

6

48

5
6
P(Salga el 1) = =
= 0,1224
49 49

6

Probabilidad. 21

 En una estacin de metro hay 5 pasajeros esperando a un

tren con 10 vagones, si cada pasajero elige un vagn al azar,
cul es la probabilidad de que todos elijan un vagn
diferente?

N ( A) 10 9 8 7 6
=
= 0.3024
P ( A) =
5
N
10

De un lote con 100 piezas se toman al azar 10, si todas las

piezas elegidas son buenas se acepta el lote y se rechaza en
caso contrario. Cul es la probabilidad de aceptar un lote
con 10 piezas defectuosas?
100 100!
90
90!
=
N =
; N ( A) = =
10 10! 90!
10 80!10!
N ( A) 90! 90! 90 89 L 81
=
=
= 0.330
P ( A) =
N
80! 100! 100 99 L 91

Probabilidad. 22

Cumpleaos
Probabilidad de que en un grupo de r = 25 personas
haya al menos dos con el mismo cumpleaos.
1

... 365

A1

A2

... Ar

r
A = " No haya ninguna coincidencia"
365 (365 - 1) L (365 r + 1)
P ( A) =
365 r
P( A ) = 1 - P(A) ,
r = 25 P( A ) = 0.578
Probabilidad. 23

Probabilidad y Frecuencia Relativa

La probabilidad P(A) de un suceso A es el
lmite
nA
P( A) = lim
n n

dnde nA es el nmero de veces que ha

ocurrido A al repetir el experimento n veces
en idnticas condiciones.
Probabilidad. 24

N de Caras / N de Lanzam ientos

Frecuencia relativa de caras

1,00

0,50

0,00
0

50

100

150

200

N de lanzam iento

Probabilidad. 25

Total sorteos 1.380 (2000 - 104; 2001 - 74)

Probabilidad. 26

Probabilidad. 27

Probabilidad Condicionada
Fumadores
(F)
No Fumadores
(N)
TOTAL

Mujeres
(M)

Hombres
(H)

TOTAL

0,12

0,18

0,30

0,39

0,31

0,70

0,51

0,49

1,00

0,18

P ( F | H ) = 0,45 = 0,40

P ( F ) = 0,30

0,12
= 0,22
P( F | M ) =
0,55

Probabilidad. 28

Probabilidad Condicionada
Definicin. Sea B un suceso con probabilidad
distinta de cero, se define probabilidad del
suceso A dado B a:
P( A B)
P( A | B) =
.
P( B)

Probabilidad. 29

Utilidad
Actualizar probabilidad del suceso A en
funcin de la informacin disponible I
P(A|I) = P(AI)/P(I)
Clculo de la interseccin de sucesos
P(A B) = P(A|B)P(B)
Clculo de probabilidad de un suceso
P ( A) = P (( A B ) ( A B))
= P( A | B) P( B) + P( A | B) P( B)
Probabilidad. 30

Ejemplo Urna
Probabilidad de 1 Blanca y 2 Negra
Sin reemplazamiento:
P(B1 N2) = P(B1) P(N2| B1)
= (3/5)(2/4) = 3/10
Con reemplazamiento:
P(B1 N2) = P(B1) P(N2| B1)
= (3/5)(2/5) = 6/25
Probabilidad. 31

Cumpleaos
Probabilidad de que en un grupo de r = 25 personas
haya al menos dos con el mismo cumpleaos.
1

... 365

A1

Br = " No haya ninguna coincidencia en r "

A2

... Ar

P(Br ) = P(B1 ) P( B2 | A1 ) P( B3 | A1 A2 ) L P( Br | A1 A2 L Ar 1 )
365 1 365 2
365 r + 1

L
365
365
365
P( Br ) = 1 - P(Br ) ,
r = 25 P( Br ) = 0.578
= 1

Probabilidad. 32

Ejemplo

Urna U1

Urna U2

Se elige una urna al azar y se extrae una bola: P(Blanca) ?

P( B) = P( B | U 1) P(U 1) + P( B | U 2) P(U 2)
3 1 1 1 17
= + =
= 0.425
5 2 4 2 40
Probabilidad. 33

Ejemplo (cont.)

Urna U1

Urna U2

Se toma al azar una bola de U1 y se mete en U2. Se extrae

una bola de U2: P(Blanca) ?

P( B) = P( B | B1) P( B1) + P( B | N1) P( N1)

2 3 1 2 8
= + =
= 0.32
5 5 5 5 25

Probabilidad. 34

Independencia
Si el conocimiento de la ocurrencia de un suceso B cambia
la probabilidad de que ocurra otro A, se dice que A y B son
dependientes, en ese caso P(A|B) P(A).
Cuando el suceso A es independiente de B, la ocurrencia de
B no cambia la probabilidad de A, es decir P(A|B) = P(A).
Como P(A|B) = P(AB)/P(B),
A y B son independientes P(AB) = P(A) P(B)

Probabilidad. 35

Lanzamiento de dos monedas

S = {CC, CX, XC,XX}
Hiptesis:
Monedas equilibradas: P(C) = P(X)
Independientes

P (CC) = P(C) P(C) = (1/2)(1/2) = 1/4

P (CX) = P(C) P(X) = (1/2)(1/2) = 1/4
P (XC) = P(X) P(C) = (1/2)(1/2) = 1/4
P (XX) = P(X) P(X) = (1/2)(1/2) = 1/4
Probabilidad. 36

Independencia (3 o ms sucesos)
Tres sucesos A, B y C son independientes si
P(A B C) = P(A) P(B) P(C)
P(A B) = P(A) P(B)
P(A C) = P(A) P(C)
P(B C) = P(B) P(C)

Los sucesos A1 , A2 , ..., An

son independientes si
cualquier subconjunto Ai1, Ai2, ..., Aik, cumple
P(Ai1Ai2... Aik) = P(Ai1)P( Ai2)...P(Aik)
Probabilidad. 37

Probabilidad Total
B1
B6

B2
B7

B3 B4

B5

A B
9 B
10
B
8

Particin.
B1,B2 ,...,Bn : B j S
Bi B j = , i j
B1 B2 L Bn = S

P ( A) = P ( A S )
= P[ A ( B1 B2 L Bn )]

= P[( A B1 ) ( A B2 ) L ( A Bn )]

= P( A B1 ) + P ( A B2 ) + L + P ( A Bn )
P ( A) = P ( A | B1 ) P ( B1 ) + P ( A | B2 ) P ( B2 ) + L P ( A | Bn ) P( Bn )

Probabilidad. 38

Teorema de Bayes
Sea B1 ,B2 ,...,Bn una particin del espacio S
tal que P(B j ) > 0, para j = 1,2 ,...,n y sea A
cualquier suceso con P(A) > 0, entonces
para cualquier Bi :
P(Bi|A) =

P(A|Bi )P(Bi )
n

P(A|B
j =1

)P(B j )
Probabilidad. 39

Ejemplo (Bayes)
M-1

M-2

M-3

5% D

20 % D

10 % D

200 p/h

100 p/h

100 p/h

ALMACN
El porcentaje de piezas defectuosas fabricadas por tres
mquinas es 5%, 20% y 10%. La primera fabrica 200 piezas
por hora y las otras dos 100 piezas por hora. Todas las piezas
fabricadas se llevan a un almacn. Al final del da se toma
una pieza del almacn y es defectuosa, cul es la
probabilidad de que proceda de M-1? Probabilidad. 40

P( M 1 | D) =

P( D | M 1 ) P( M 1 )
P( D | M 1 ) P( M 1 ) + P( D | M 2 ) P( M 2 ) + P( D | M 3 ) P( M 3 )
=

0.05 0.5
= 0.25
0.05 0.5 + 0.20 0.25 + 0.10 0.25

P( D | M 2 ) P( M 2 )
P( M 2 | D) =
P( D | M 1 ) P( M 1 ) + P( D | M 2 ) P( M 2 ) + P( D | M 3 ) P( M 3 )
=

P( M 3 | D) =

0.20 0.25
= 0.50
0.05 0.5 + 0.20 0.25 + 0.10 0.25

P( D | M 3 ) P( M 3 )
P( D | M 1 ) P( M 1 ) + P( D | M 2 ) P( M 2 ) + P( D | M 3 ) P( M 3 )
=

0.10 0.25
= 0.25
0.05 0.5 + 0.20 0.25 + 0.10 0.25

P( M 1 | D) + P( M 2 | D) + P( M 3 | D) = 1
Probabilidad. 41

Si una persona es portadora del virus A, un anlisis de

sangre lo detecta el 99% de las veces. Sin embargo, el test
tambin proporciona falsos positivos, indicando la
presencia del virus en el 3% de personas sanas. Si slo 5 de
cada 1000 personas tienen el virus, cul es la probabilidad
de que una persona tenga el virus realmente si el anlisis ha
dado positivo?

V =" Tener el Virus"

S =" El anlisis es positivo"
P (V S )
P ( S | V ) P (V )
P (V | S ) =
=
P( S )
P ( S | V ) P (V ) + P ( S | V ) P (V )
0.99 0.005
=
= 0.142
0.99 0.005 + 0.03 0.995
Probabilidad. 42

Ejemplo Virus
(Aplicado a 1.000.000 personas)
NEGATIVO
POSITIVO
Total

SANOS
965.150
29.850
995.000

ENFERMOS
50
4.950
5.000

Total
965.200
34.800
1.000.000

Entre los 34.800 que han dado positivo, slo

4.950 tienen el virus
P(V|S) = 4.950/34.800 = 0.142
Probabilidad. 43