LA PROBABILIDAD Y LA ESTADISTICA

La probabilidad y la estadstica estn relacionadas en una forma importante. La

probabilidad se emplea como herramienta; permite evaluar la confiabilidad de las
conclusiones acerca de la poblacin cuando slo se tenga informacin muestral.
Ejemplo:
Cuando lanzamos al aire una sola moneda, veremos cara (H) o cruz (T). Si
lanzamos la moneda varias veces al aire, va a generar un nmero infinitamente
grande de caras o cruces, es decir, toda la poblacin. Qu aspecto tiene esta
poblacin? Si la moneda es imparcial, entonces la poblacin debe contener
50% de H y 50% de T. Ahora lance al aire la moneda una vez ms. Cul es
la probabilidad de que resulte una cara? Probablemente se dira que la
probabilidad es 1/2.
Otro caso sera que no es del todo seguro que la moneda sea imparcial, esto
es, no sabe con certeza si la composicin de la poblacin es 50-50 y decide
hacer un experimento sencillo. Lanza al aire la moneda 10^n veces y observa
10 caras consecutivas. Se puede concluir que la moneda es imparcial? Es
probable que no, porque si as fuera, observar 10 caras en fi la sera muy
improbable; esto es, la probabilidad sera muy pequea. Es ms probable
que la moneda est cargada.

I. EVENTOS Y EL ESPACIO MUESTRAL

1. Experimento
Un experimento es el proceso mediante el cual se obtiene una observacin
(o medicin). Es decir, si obtienen datos al observar ya sea eventos no
controlados en la naturaleza o situaciones controladas en un laboratorio, se
usa el trmino experimento para describir cualquiera de los dos mtodos de
recoleccin de datos.
Ejemplo:
Registrar la calificacin de un examen
Medir la cantidad de lluvia diaria
Entrevistar a un dueo de casa para obtener su opinin sobre un
reglamento para distribuir por zonas un rea verde
Probar una tarjeta de circuito impreso para determinar si es un
producto defectuoso aceptable.
Lanzar al aire una moneda y observar el lado que aparece.
2. Evento simple
Cuando se realiza un experimento, lo que observamos es un resultado llamado
evento simple, con frecuencia denotado por la mayscula E con un subndice.
Un evento simple, entonces es el resultado que se observa en una sola
repeticin del experimento.
 Ejemplo:
Experimento: Lance un dado y observe el nmero que aparece en la
cara superior. Haga una lista de los eventos sencillos del experimento.
Solucin:
Evento E1: observar un 1 Evento E4: observar un 4
Evento E2: observar un 2 Evento E5: observar un 5
Evento E3: observar un 3 Evento E6: observar un 6

Conclusin: Ahora podemos definir un evento como un conjunto de eventos

sencillos, a menudo denotado por una letra mayscula.

3. Eventos mutuamente excluyentes

Dos eventos son mutuamente excluyentes si, cuando ocurre un evento,
los otros no pueden ocurrir y viceversa. El conjunto de todos los eventos
sencillos se denomina espacio muestral S.

4. Diagramas para visualizar un experimento:

- Diagrama de Venn:
Representa el espacio muestral que contiene todos los eventos sencillos,
representados por puntos marcados. Como un evento es un conjunto de
uno o ms eventos sencillos, los puntos apropiados estn circulados y
marcados con la letra del evento. Para el experimento de lanzar al aire un
dado, el espacio muestral es S= {E1, E2, E3, E4, E5, E6} o bien, de un
modo ms simple, S = {1, 2, 3, 4, 5, 6}. Los eventos A= {1, 3, 5} y B =
{1, 2, 3} estn circulados en el diagrama de Venn.

- Diagrama de rbol
Cuando hacemos uso de un diagrama de rbol, debemos de tener en
cuenta que cada nivel de ramificacin sucesivo del rbol, corresponde a
un paso requerido para generar el resultado final.

II. CLCULO DE PROBABILIDADES CON EL USO DE EVENTOS

SENCILLOS
1. Frecuencia relativa
La probabilidad de un evento A es una medida de nuestra creencia de que el
evento A ocurrir. Una manera prctica de interpretar esta medida es con el
concepto de frecuencia relativa. Si si un experimento se realiza n veces,
entonces la frecuencia relativa de un suceso particular, por ejemplo, A, es
Frecuencia relativa: Frecuencia
n
 Dnde:
n es el nmero de eventos que ocurri el evento A.
2. Probabilidad de un evento
Es la frecuencia relativa del evento A, donde la frecuencia es el nmero de
veces que ocurri el evento A. Si hacemos que el nmero de repeticiones del
experimento se haga ms grande (n->oo), en ltima instancia se genera toda
la poblacin, entonces tenemos:

P(A)= lim

- Requisitos para probabilidades de eventos simples:

o Cada probabilidad debe de estar entre ero y uno.
o La suma de probabilidades de todos los eventos sencillos en S es igual
a 1.

La probabilidad de un evento A es igual a la suma de las probabilidades de los

eventos sencillos contenidos en A.

III. REGLAS TILES DE CONTEO

Si un experimento comprende un gran nmero N de eventos simples y todos estos
eventos son igualmente probables, entonces cada evento simple tiene la probabilidad
1/N y la probabilidad de un evento A se puede calcular como:

1. La regla mn
Considere un experimento que se realiza en dos etapas. Si la primera etapa se
puede efectuar en m formas y, para cada una de stas, la segunda etapa se
puede lograr en n formas, entonces hay mn formas para efectuar el
experimento.

2. La regla mn extendida
Si un experimento se realiza en k etapas, con n1 formas para efectuar la
primera etapa, n2 formas para efectuar la segunda etapa, . . ., y nk formas para
efectuar la k-sima etapa, entonces el nmero de formas para efectuar el
experimento es:
1 2 3 nk

3. Una regla de conteo para permutaciones

El nmero de formas en que podemos acomodar n objetos distintos,
tomndolos una cantidad r a la vez, es:
 4. Regla de conteo para combinaciones
El nmero de combinaciones distintas de n objetos distintos que se puede formar,
tomando r de ellos a un tiempo, es:

El nmero de combinaciones y el nmero de permutaciones estn

relacionados:

Se puede ver que resulta cuando se divide el nmero de permutaciones

entre r!, el nmero de formas de reacomodar cada grupo distinto de r objetos
escogidos de entre el total n.

IV. RELACIONES DE EVENTO Y REGLAS DE PROBABILIDAD

Hay veces en que el evento de inters se puede formar como una combinacin de
algunos otros eventos. Sean A y B dos eventos definidos en el espacio muestral S.
Aqu hay tres relaciones importantes entre eventos.
Unin
La unin entre los eventos Ay B, denotada por A U B, es el evento en que
ocurren A o B.
Interseccin
La interseccin de eventos A y B, denotada por A B, es el evento en
que ocurren A y B.
Complemento
El complemento de un evento A, denotado por , es el evento en que
A no ocurre.

1. Clculo de probabilidades para uniones y complementos

Cuando podemos escribir el evento de inters en la forma de una unin, un
complemento o una interseccin, hay reglas de probabilidad especiales que
pueden simplificar nuestros clculos. A continuacin, presentaremos las
siguientes reglas:
 - Regla de la adiccin
Dados dos eventos, A y B, la probabilidad de su unin, A U B, es igual a:
( ) = () + () ( )

Cuando dos eventos son mutuamente excluyentes o disjuntos significa que

cuando ocurre uno, el otro no puede darse y viceversa. Esto significa que la
probabilidad de que ambos ocurran, debe de ser cero.

Entonces tenemos que: cuando dos eventos son mutuamente excluyentes: 7

( ) = () + ()

- Regla para complementos

Aqu tenemos que: = , todo el espacio muestral. Se deduce que:
() + ( ) = 1 ( ) = 1 ()

2. Independencia, probabilidad condicional y regla de la multiplicacin

- eventos independientes
Se dice que dos eventos, A y B, son independientes si y slo si la
probabilidad del evento B no est influenciada o cambiada por el suceso
del evento A, o viceversa.
Ejemplo:
Al tirar un solo dado dos veces y tenemos los siguientes eventos:
A: observar un 2 en el primer tiro
 B: observar un 2 en el segundo tiro

Si el dado es imparcial, la probabilidad del evento A es P(A) = 1/6.

Considere la probabilidad del evento B. Ya sea que el evento A haya
ocurrido o no haya ocurrido, la probabilidad de observar un 2 en el
segundo tiro todava es 1/6. Se puede decir:

P (B dado que A ocurri) =1/6

P (B dado que A no ocurri) = 1/6

Como la probabilidad del evento B no ha cambiado por el suceso del

evento A, decimos que A y B son eventos independientes.

- Regla general de la multiplicacin

La probabilidad de que A y B ocurran cuando el experimento se realiza
es:
( ) = ()(|)

( ) = ()(|)

- Probabilidades condicionales
la probabilidad condicional del evento A, dado que el evento B ha
ocurrido, es:
( )
(|) = () 0
()
( )
(|) = ()) 0
()

- Regla de la multiplicacin para eventos independientes

Si dos eventos A y B son independientes, la probabilidad de que ocurran
A y B es:
( ) = ()()

Del mismo modo, si A, B y C son eventos mutuamente independientes

(todos los pares de eventos son independientes), entonces la probabilidad
de que A, B y C ocurran es:
( ) = ()()()
Ejemplo:
Un equipo de ftbol interviene en dos periodos de tiempo extra durante
un juego determinado, de modo que hay tres tiros de monedas al aire. Si
 la moneda es imparcial, cul es la probabilidad de que pierdan los tres
tiros?
Solucin:
Si la moneda es imparcial, el evento se puede describir en tres pasos:
A: perder el primer tiro
B: perder el segundo tiro
C: perder el tercer tiro
Como los tiros son independientes y como P(gana) = P(pierde) =.5 para
cualquiera de los tres tiros:
( ) = ()()() = (. 5)(. 5)(. 5) = .125

- Verificacin de independencia
Se dice que dos eventos A y B son independientes si y slo si:
( ) = ()()
O bien
(|) = ()

De otro modo, se dice que los eventos son dependientes.

V. POBLACIONES DE EVENTOS Y REGLAS DE PROBABILIDAD

1. Ley de la probabilidad total
Dado un conjunto de eventos S1, S2, S3, . . ., Sk que son mutuamente
excluyentes y exhaustivos y un evento A, la probabilidad del evento A se
puede expresar como:
P(A) = P(S1) P(A|S1) +P(S2) P(A|S2) + P(S3) P(A|S3) ++ P(Sk)P(A|Sk)
Ejemplo:
Los zapatos tenis ya no son slo para jvenes. De hecho, casi todos los adultos
tienen varios pares de ellos. La tabla siguiente, da la fraccin de adultos
estadounidenses de 20 aos de edad o ms que tienen cinco o ms pares de
zapatos tenis en buen estado, junto con la fraccin de adultos estadounidenses
de 20 aos o ms en cada uno de los cinco grupos de edad. Usar la Ley de
probabilidad total para determinar la probabilidad incondicional de un adulto
de 20 aos de edad o ms que tenga cinco o ms pares de zapatos tenis en
buen estado.
 Solucin:
Sea A el evento de que una persona seleccionada al azar de entre la poblacin
de adultos estadounidenses de 18 aos de edad y ms tenga cinco o ms pares
de zapatos tenis en buen estado. Con G1, G2, . . ., G5 represente el evento de
que la persona seleccionada pertenezca a cada uno de los cinco grupos de
edades, respectivamente. Como los cinco grupos son exhaustivos, se puede
escribir el evento A como:

Usando la Ley de probabilidad total, se puede hallar la probabilidad de A

como:

De las probabilidades de la tabla dada:

2. Regla de Bayes
Con S1, S2, . . ., Sk representemos k subpoblaciones mutuamente excluyentes
y exhaustivas con probabilidades previas P(S1), P(S2), . . ., P(Sk). Si ocurre
un evento A, la probabilidad posterior de Si dada A es la probabilidad
condicional:

VI. VARIABLES ALEATORIAS DISCRETAS Y SUS DISTRIBUCIONES DE

PROBABILIDAD
Una variable x valuada numricamente vara o cambia, dependiendo del resultado
particular del experimento que se mida. Por ejemplo, suponga que se tira un dado y
se mide x, el nmero observado en la cara superior. La variable x puede tomar
cualquiera de seis valores: 1, 2, 3, 4, 5, 6, dependiendo del resultado aleatorio del
experimento. Por esta razn, la variable x se conoce como variable aleatoria.
Por ende, se puede definir que una variable x es variable aleatoria si el valor que toma,
correspondiente al resultado de un experimento, es una probabilidad o evento
aleatorio.
Ejemplos de variables aleatorias:
- x=Nmero de defectos en una pieza de mueble seleccionada al azar
- x =Calificacin de examen de aptitud escolar (SAT) para un solicitando
universitario seleccionado al azar
- x =Nmero de llamadas telefnicas recibidas por una lnea directa de
intervencin en crisis durante un periodo seleccionado al azar.

1. Distribuciones de probabilidad
La distribucin de probabilidad para una variable aleatoria discreta es una
frmula, tabla o grfica que da los posibles valores de x, y la probabilidad p(x)
asociada con cada valor de x.
Los valores de x representan eventos numricos mutuamente excluyentes.
Sumar p(x)
sobre todos los valores de x es equivalente a sumar las probabilidades de todos
los eventos simples y por tanto es igual a 1.
- Requisitos para una distribucin de probabilidad discreta
Se debe de cumplir lo siguiente:

2. La media y desviacin estndar para una variable aleatoria discreta

La distribucin de probabilidad para una variable aleatoria discreta luce muy
semejante a la distribucin de frecuencia relativa vista en el captulo 1. La
diferencia es que la distribucin de frecuencia relativa describe una muestra
de n mediciones, en tanto que la distribucin de probabilidad se construye
como un modelo para toda la poblacin de mediciones. As como la media
y la desviacin estndar S midieron el centro y dispersin de los datos
muestrales, usted puede calcular medidas similares para describir el centro y
dispersin de la poblacin. La media poblacional, que mide el valor promedio
de x en la poblacin, tambin se denomina valor esperado de la variable
aleatoria x. Es el valor que se esperara observar en promedio si el
experimento se repite una y otra vez. La frmula para calcular la media
poblacional es ms fcil de entender.
- Valor esperado
Sea x una variable aleatoria discreta con distribucin de probabilidad p(x).
La media o valor esperado de x est dada como:
 Donde los elementos se suman sobre todos los valores de la variable
aleatoria x.

- Varianza
Sea x una variable aleatoria discreta con distribucin de probabilidad p(x)
y media m. La varianza de x es:

Donde la sumatoria es sobre todos los valores de la variable aleatoria x.

- Desviacin estndar
La desviacin estndar de una variable aleatoria x es igual a la raz
cuadrada positiva de su varianza.
Ejemplo:
Una tienda de electrnica vende un modelo particular de computadora
porttil. Hay slo cuatro computadoras en existencia y la gerente se
pregunta cul ser la demanda de hoy para este modelo particular. Ella se
entera en el departamento de marketing de que la distribucin de
probabilidad para x, la demanda diaria para la laptop, es como se muestra
en la tabla. Encuentre la media, varianza y desviacin estndar de x. Es
probable que cinco o ms clientes deseen comprar una laptop hoy?

Solucin

La tabla muestra los valores de x y p(x), junto con los trminos

individuales empleados en las frmulas para . La suma de los
valores en la tercera columna es:
 Grafico 01: histograma de la distribucin de probabilidad

En la grfica de la distribucin de probabilidad mostrada, podemos ver como la

distribucin tiene ms o menos la forma de montculo, aproximadamente 95% de
todas las mediciones deben estar a no ms de dos desviaciones estndar de la media,
es decir:

Como x = 5 est fuera de este intervalo, se puede decir que es improbable que cinco
o ms clientes deseen comprar una laptop hoy. De hecho, P (x >= 5) es exactamente
.05, o sea 1 vez en 20.
Bibliografa
Mendenhall, W., Beaver, R., & Beaver, B. (2010). Introduccin a la probabilidad Y Estadstica.
Ciudad de Mxico: CENGAGE LEARNING.