INTRODUCCION

La teora de la probabilidad proporciona la base para

la inferencia estadstica, debido a que la estadstica
inferencial, tiene entre sus objetivos cuantificar la
incertidumbre que caracteriza a todo proceso en el
que se avanza de lo particular a lo general. La
probabilidad es la posibilidad u oportunidad de que
suceda un evento particular.
 INTRODUCCION
La probabilidad se representa numricamente como un
valor entre cero y uno, inclusive. Describe la posibilidad
relativa (oportunidad) de que ocurra un evento.

Cuanto ms prxima se encuentre a 0, ms improbable

es que el evento suceda. Cuanto ms prxima se
encuentre a 1, ms seguro es que suceda.
 REGLAS DE CONTEO
Primer paso para la asignacin de probabilidades,
identificar y contar los resultados experimentales. Tres
reglas de conteo que resultan tiles.
Experimento: Proceso que genera resultados bien
definidos. Lanzar moneda, tirar un dado.
Espacio muestral: Conjunto de todos los resultado
experimentales.
S= (cara, cruz)
 EXPERIMENTO DE VARIAS ETAPAS
Primera regla de conteo.
Lanzar dos monedas , experimento de dos etapas:
S=((C,C), (C,CZ), (CZ,C), (CZ,CZ))
La regla de conteo permite determinar el nmero de
resultados sin listarlos:
Experimento= k etapas, en las que hay n1 resultados en
la primera etapa, n2 en la segunda, etc la cantidad
total de resultados es igual a (n1)(n2)(nk).
Dos monedas (n1=2) y (n2=2) regla de conteo =
(2)(2)=4
Seis monedas (2) (2) (2) (2) (2) (2)=64
 COMBINACIONES
Segunda regla de conteo.
Permite contar la cantidad de resultados
experimentales cuando en un experimento se deben de
seleccionar n objetos entre un conjunto de N objetos.
No importa el orden
N N!
( )
N
c n
n n!( N n)!
Donde

N ! N ( N 1)( N 2)....
n! n( n 1)( n 2)....
0! 1
 Inspeccin de calidad, al azar dos de cinco partes, ver si
hay defectos. Cuntas combinaciones de dos partes se
pueden seleccionar?

5 5!
c2 ( 2 ) 2!(5 2)!
5

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

( 2)(1)(3)(2)(1)
120
10
12
 Lotera emplea seleccin aleatoria de seis nmeros de
un grupo de 47 para determinar el ganador

47 47!
c6 ( 6 ) 6!(47 6)!
47

( 47)(46)(45)(44)(43)...

(6)(5)(4)(3)(2)...
10,737,573
 PERMUTACIONES
Tercera regla de conteo.
Permite calcular el nmero de resultados
experimentales al seleccionar n objetos de un conjunto
de N objetos, donde es importante el orden de
seleccin.

N N!
n!( )
N
P n
n ( N n)!
No solo es importante la combinacin AB
Sino el orden AB, BA
 Inspeccin de calidad, dos de cinco partes, ver si hay
defectos. Cuntas permutaciones de dos partes se
pueden seleccionar?

5!
P2 (5 2)!
5

(5)(4)(3)(2)(1)
(5)(4) 20
(3)(2)(1)
 REQUERIMIENTOS BSICOS PARA LA
ASIGNACIN DE PROBABILIDADES

0 P(i) 1

P(1) P(2) ... P(N ) 1

 MANERAS DE ASIGNAR
PROBABILIDADES A LOS SUCESOS

Existen tres maneras diferentes de asignar

probabilidades a los sucesos:

a) usando probabilidades subjetivas,

b) frecuencias relativas, y
c) probabilidades clsicas.
 Enfoques
a) Enfoque subjetivo:

Este enfoque es adecuado cuando solo hay una

oportunidad de ocurrencia del evento y ocurrir
no ocurrir esa sola vez. Es el grado de creencia
por parte de un individuo de que un evento ocurra
basado en toda la evidencia a su disposicin.
Tambin se le llama probabilidad personalista.

Ej. Si un equipo de administracin piensa que hay

una probabilidad de 0.35 de que un nuevo
producto tenga xito en el mercado.
 Enfoques
b) La probabilidad relativa o emprica La probabilidad de
que un evento ocurra representa una fraccin de los
eventos similares que sucedieron en el pasado

P = Nmero de veces que el evento ocurre

Nmero total de observaciones

La clave para determinar probabilidades de forma emprica

consiste en que una mayor cantidad de observaciones
proporcionarn un clculo ms preciso de la probabilidad.
 Enfoques
Ejemplo
Supongamos que lanzamos una moneda comn. El resultado
de cada lanzamiento es cara o cruz. Si lanza la moneda una
sola vez, la probabilidad emprica de las caras es cero o uno.
Si lanzamos la moneda una gran cantidad de veces, la
probabilidad del resultado de las caras se aproximar a 0.5
Ejemplo

La probabilidad se determina sobre la base de la

proporcin de veces en que ocurren un
resultado favorable en un nmero de
observaciones experimentos (se basa en datos
histricos).
Si una empresa de asesora presenta 100
propuestas y se aceptan 20, la probabilidad de
que una propuesta futura tenga xito se puede
estimar en
20/100 es decir en 0.20. (enfoque objetivo).
 Nmero de
Nmero de
das que Probabilidad
pacientes en
ocurri el
espera
resultado
0 2 2/20 0.10

1 5 5/20 0.25

2 6 6/20 0.30

3 4 4/20 0.20

4 3 3/20 0.15

TOTAL 20 1.00
 Enfoques
c) La probabilidad clsica parte del supuesto de que
los resultados de un experimento son igualmente
posibles permite la determinacin de los valores de
la probabilidad antes de observar cualquier evento
P (E) = Numero de resultados favorables
Numero total de posibles resultados
Ejemplo
Considere el experimento de lanzar un dado. Cul es la
probabilidad del evento cae un nmero par de puntos?
Hay tres resultados favorables (2, 4 y 6) en el conjunto de
seis resultados igualmente posibles.
P = 3 / 6 = 0.5
 Sea:
E el evento complementario de E

La probabilidad de no ocurrencia del evento E

est dado por:
nh
q p(E )
n
Por tanto:

p q 1 p( A) p( A) 1
Evento cierto:

h
p 1
n
Por lo tanto: 0 p 1
Lanzar moneda= cara , cruz
Dados= P(1)= 1/6, P(2)= 1/6. = 1
 EVENTO SUCESO
Subconjunto del espacio muestral, que puede ser desde
un punto del espacio muestral hasta el espacio muestral
completo. Por Ej.

En el lanzamiento de un dado: que el resultado sea un

nmero par: E ={2,4,6}.

El complemento del evento E incluye todos los

eventos que no son parte del evento E. Est dado por el
smbolo E.
PROBABILIDAD EN VARIOS EVENTOS
a)Eventos mutuamente excluyentes:
Se da cuando ambos eventos no pueden ocurrir al
mismo tiempo.(si ocurre un evento el otro no puede
ocurrir, aunque ambos tienen la probabilidad).
Ejemplo: Moneda (cara escudo), Ganar perder,
Hombre mujer, Da noche, Encendido apagado.

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

Tambin se les llama eventos incompatibles.
Ejemplo: Determinar la probabilidad de sacar un as,
un rey un 10 de una baraja.
P = 4/52 + 4/52 + 4/52 = 12/52 = 3/13
b) Eventos no mutuamente excluyentes:
En este caso si pueden ocurrir eventos al
mismo tiempo. Ejemplo: probabilidad de
sacar un 10 o un corazn o un 10 de
corazones
P (A B)= P (A)+ P (B)-P (AB)

4/52+13/52-1/52
1/13+1/4-1/52=4/13
b) Ejemplo
Supongamos que se selecciona una muestra de 200 turistas que visitaron Florida
durante 1ao, la encuesta revel que 120 turistas fueron a Disney World y 100 a Busch
Gardens, cerca de Tampa.
Cul es la probabilidad de que una persona seleccionada haya visitado Disney World o
Busch Gardens?

La probabilidad de seleccionar un turista que haya ido a Disney World es de 0.60, que se
determina mediante la divisin 120/200. De manera similar, la probabilidad de que un
turista vaya a Busch Gardens es de 0.50. La suma de estas probabilidades es de 1.10.
Sin embargo, sabemos que esta probabilidad no puede ser mayor que 1.

La explicacin es que muchos turistas visitaron ambas atracciones tursticas y se les ha

contado dos veces.

Una revisin de las respuestas de la encuesta revel que 60 de los 200 encuestados
visit, en realidad, ambas atracciones tursticas.
Por consiguiente:
P(Disney o Busch) = P(Disney) + P(Busch) - P(tanto Disney como Busch)
= 0.60 + 0.50 - 0.30 = 0.80
Ensambladora 50 empleados, 5 de los 50
terminaron tarde su trabajo, 6 de los 50 haban
armado productos defectuosos y 2 haban
terminado tarde y armado mal.
P (A B)= P (A)+ P (B)-P (AB)
5/50+6/50-2/50
0.10+0.12-0.04=0.18

La probabilidad de que un empleado elegido al

azar reciba una mala calificacin de desempeo es
0.18
30% de los empleados salieron por no estar
satisfechos con el salario, 20% por sus actividades
y 12 % por ambas cosas. Cul es la probabilidad
que haya salido por sueldo, actividad o ambas?
P (A B)= P (A)+ P (B)-P (AB)
0.30+0.20-0.12=0.38

La probabilidad de que un empleado salga por

motivos de sueldo o trabajo es 0.38
c) Eventos independientes:
Ej. Cuando la ocurrencia de un evento, no
tiene efecto sobre la probabilidad de
ocurrencia del otro.
Al lanzar una moneda varias veces la
probabilidad de que caiga cara la primera
vez, no afecta la probabilidad de que caiga
escudo las siguientes veces

P (A y B) = (A B) = P (A) *P (B)
En este tipo de eventos se da reemplazo de los eventos ya
escogidos anteriormente.
Por ejemplo si tenemos en un saco cinco bolas blancas y tres
bolas negras, encontrar la probabilidad de que al efectuar 2
extracciones las dos sean bolas blancas, si ocurre un
reemplazo.
P = 5/8 * 5/8 = 25/64
1 bola blanca y 1 bola negra
P=5/8 * 3/8 = 15/64
En una gasolinera 80% de los clientes usan tarjeta de
crdito, cul es la probabilidad que los dos clientes
siguientes usen tarjeta de crdito?
P(A)P(B)= (0.80)(0.80)= 0.64
d) Eventos dependientes:
En este tipo no se da reemplazo de lo ya escogido. Se
da cuando la ocurrencia no de uno de los eventos
afecta la probabilidad de ocurrencia del otro. Por Ej.
Sacar dos cartas sin reemplazo de una baraja.

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

P (A B) =P (A | B)*P(B)
(La raya vertical significa dado que)
 Considerar el ejemplo anterior si no ocurre
reemplazo.
2 bolas blancas, sin remplazo
P = 5/8 * 4/7 = 20/56 = 5/14
En un diario 84% de las familias reciben el peridico. La
probabilidad de que tambin se suscriban a la revista es
de 0.75 (evento que depende de la suscripcin al
peridico). cul es la probabilidad que la familia se
suscriba a las dos ediciones?
0.84 (0.75) = 0.63
63% de las familias se suscribirn a las dos ediciones.
 Tabla de contingencia o tabulacin cruzada
Tabulacin cruzada que resume simultneamente dos variables de inters, as
como la relacin entre stas
Promovido No promovido Total
Hombres 288 672 960
Mujeres 36 204 240
TOTAL 324 876 1200

P(M B) 288 0.24 Probabilidad de que un oficial sea hombre y

1200 se promueva
P(M Bc) 672 0.56 Probabilidad de que un oficial sea hombre y
1200 no se promueva
P(W B) 36 0.03 Probabilidad de que un oficial sea mujer y se
1200 promueva
P(W Bc) 204 0.17 Probabilidad de que un oficial sea mujer y no
1200 se promueva
 Tabla de probabilidad conjunta
Promovido No promovido Total
Hombres 0.24 0.56 0.80
Mujeres 0.03 0.17 0.20
TOTAL 0.27 0.73 1.00

P(B| M) P(M B) 0.24 0.30 Probabilidad de promocin

P(M) 0.80 para un hombre
P(B| W) P(W B) 0.03 0.15 Probabilidad de promocin
P(W) 0.20 para una mujer
Ejemplo:
Cul es la probabilidad de que se obtengan dos caras
seguidas al lanzar una moneda tres veces. Un mtodo
para calcular la probabilidad en una situacin as es usar
un diagrama de rbol.
0.5 Cara = 0.125

0.5 Cara 0.5

Cruz = 0.125
Cara 0.5 0.5 Cara = 0.125
0.5
Cruz 0.5
Cruz = 0.125
Moneda
0.5 Cara = 0.125
0.5
0.5 Cara 0.5
Cruz = 0.125
Cruz 0.5 0.5 Cara = 0.125
Cruz 0.5
Cruz = 0.125
 Teorema de Bayes
Revisar las probabilidades cuando se obtiene nueva
informacin
Se inicia con anlisis de estimaciones inciales o
probabilidad previa
De fuentes confiables se obtiene informacin adicional
Se actualiza los valores de la probabilidad previa
calculando las probabilidades posteriores o revisadas
Empresa manufacturera que recibe embarques de partes
de dos proveedores. En la actualidad 65% de las partes
compradas son del proveedor 1, y el resto son del
proveedor 2. Por lo tanto:
P(A1) = 0.65 y P(A2)= 0.35
 La calidad de las partes compradas vara con la fuente de
suministro, con base en los datos histricos la probabilidades de
recibir partes malas (B):
P(B |A1) = 0.02 P(B |A2) = 0.05
Eventos Probabilidades Probabilidades Probabilidad Probabilidades
Ai previas condicionales conjunta posteriores
P(Ai) P(B|Ai) P(AiB) P(Ai|B)

Parte proveedor 0.65 0.02 0.013 0.013/0.0305

1 (A1) 0.4262
Parte proveedor 0.35 0.05 0.0175 0.0174/0.0305
2 (A2) 0.5738
1.00 P(B)=0.0305 1.00

Comenzamos con una probabilidad de 0.65 de que una parte

seleccionada al azar fuera del proveedor 1, dada la informacin que
es mala, la probabilidad que sea del proveedor 1 disminuye a 0.4262,
de hecho, si es mala, hay mayor probabilidad que sea del proveedor
2, 0.5738
 Probabilidad Probabilidad Probabilidad
Inicial Condicionante Conjunta

P (D1|A1) = 0.02
D1 P(A1 y D1 ) = P(A1)*P(D1|A1) = 0.65 * 0.02 = 0.013
P(A1) = 0.65
A1
D2 P(A1 y D2 ) = P(A1)*P(D2|A1) = 0.65 * 0.98 = 0.637
P (D2|A1) = 0.98
Calidad
P(D1|A2) = 0.05
D1 P(A2 y D1 ) = P(A2)*P(D1|A2) = 0.35 * 0.05 = 0.0175
A2
P(A2) = 0.35
D2 P(A2 y D2 ) = P(A2)*P(D2|A2) = 0.35 * 0.95 = 0.335
P (D2|A2) = 0.95

La probabilidad de que la pieza defectuosa sea de A2 =

P(Ai|B) : Posterior P(A2|D1 ) = P(A2)*P(D1|A2) / P(A1)*P(D1|A1) + P(A2)*P(D1|A2)

P(Ai) : Inicial
P(B|Ai) : Condicionante
P(A2|D1 ) = 0.35 * 0.05 / 0.013 + 0.0175 = 0.175 / 0.0305
K : eventos P(A2|D1 ) = 0.5738
 Revisin avanzada: llevar a cabo el experimento una segunda vez,
una segunda revisin de probabilidad Cules son las
probabilidades revisadas ms a fondo?
P(B |A1) = 0.02 P(B |A2) = 0.05
Eventos Probabilidade Probabilidades Probabilidad Probabilidades
Ai s previas condicionales conjunta posteriores P(Ai|B)
P(Ai) P(B|Ai) P(AiB)

Parte proveedor 0.65 (0.02)(0.02) 0.00026 0.00026/0.001125

1 (A1) 0.004 0.23
Parte proveedor 0.35 (0.05)(0.05) 0.000875 0.000875/0.001125
2 (A2) 0.0025 0.77
1.00 P(B)=0.001125 1.00

Hay mayor probabilidad que sea del proveedor 2, 0.77