Documentos de Académico
Documentos de Profesional
Documentos de Cultura
139
25 – 29
30 – 34 En efectivo Aumente
35 – 39 Con tarjeta de Permanezca sin
Todos los Nacional
40 – 44 crédito cambios
resultado Importado
45 – 49 Con tarjeta de Disminuya
50 – 54 débito
55 - 59
Compuesto: es un evento que puede describirse con más de una característica. Es una
combinación de eventos simples. Ejemplo: el cliente de la concesionaria compre un
auto nacional y tenga 40 años o más.
El espacio muestral es el conjunto de todos los resultados posibles de un experimento, la
colección de todos los posibles eventos. La forma en que se subdivide el espacio muestral de-
pende del tipo de probabilidades que se va a determinar.
Estadística I
141
Hay varias formas alternativas de observar un espacio muestral:
Clasificación cruzada de los eventos en una tabla llamada tabla de contingencias o tabla
de probabilidad.
Representación gráfica de los diversos eventos como uniones o intersecciones de círcu-
los en un diagrama de Venn.
Una tabla de contingencia es aquella en la que las filas figuran todos los resultados posi-
bles de una de las características de la variable y en columnas todos los resultados posibles de
otra característica de la variable, y en cada celda figura los sucesos o eventos conjuntos.
La tabla de contingencias o probabilidades ofrece una representación clara del número de
posibles resultados de la variable pertinente, en especial si hay dos o más sucesos o eventos que
se consideran simultáneamente.
Autos vendidos
Origen
Nacional Importado
Total
(N) (I)
Edad
Menos de 40 (- 40) 24 6 30
Entre 40 y 50 19 15 34
Total 50 30 80
Un diagrama de Venn es una segunda forma de presentar un espacio muestral. Este dia-
grama. Es un diagrama asociado con la teoría de conjuntos de las matemáticas en el cual se des-
criben los eventos que pueden ocurrir en una observación o experimento en particular. Una figu-
ra cerrada representa el espacio muestral, mientras que porciones del área, dentro del espacio
representan eventos simples o compuestos particulares. En el diagrama se representan gráfica-
mente los eventos como “uniones” o “intersecciones” de círculos.
AB
B
A
AB
Esta figura representa un diagrama de Venn típico para una situación de dos variables, en
Estadística I
142
la cual cada variable tiene sólo dos sucesos o eventos (A y A’, B y B’). El círculo de la izquierda
(a cuadros) representa todos los eventos que son parte de A. El círculo de la derecha (a rayas)
representa todos los eventos que son parte de B. El área contenida dentro del círculo de A y el
círculo de B (área central), es la intersección de A y B (A B), porque es parte de A y también
parte de B. El área total de los dos círculos es la unión de A y B (A B) y contiene todos los
resultados que son sólo parte de A, sólo parte de B, o parte de ambos A y B, El área del diagrama
fuera de A B contiene los resultados que no son parte de A ni de B.
Autos vendidos
N y 40 o más
ø
N
I - 40
I
I y - 40
A
A
Suceso Suceso
imposible cierto
0,00 0,10 0,20 0,30 0,40 0,50 0,60 0,70 0,80 0,9 1,00
1 1 1/1=1
2 1 ½ = 0,5
3 2 2/3=0,66
… … …
n f f/n
f i/n i 1
0,8
0,6
0,4
0,2
0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29
ni
Definición Subjetiva
Las definiciones anteriores tienen como resultado valores de probabilidad objetivos. Pero
si contamos con poca o ninguna experiencia o información con la cual sustentar la probabilidad,
las definiciones anteriores no son aplicables. Sin embargo, es posible aproximarla en forma sub-
jetiva. En esencia, esto significa que un individuo evalúa las opiniones e información disponibles
y luego calcula o asigna la probabilidad. Esta probabilidad se denomina adecuadamente probabi-
lidad subjetiva. Razón por la cuál, varía en función de la persona que asigne la probabilidad.
Dado que en estas condiciones el valor de probabilidad es un juicio personal, a la defini-
ción subjetiva se lo conoce también como personalista.
La probabilidad subjetiva es particularmente útil al tomar decisiones en situaciones en
que no es posible utilizar las otras definiciones de probabilidad.
Ejemplo:
el lanzamiento de un auto nuevo:
probabilidad de éxito asignada por el diseñador del auto
probabilidad de éxito asignaba por el gerente comercial
Se usa en situaciones en las que no se puede determinar empíricamente la probabilidad de
diversos sucesos.
Estadística I
149
Definiciones de
Probabilidad
Objetivas Subjetiva
Menos de 40 (- 40) 24 6 30
Entre 40 y 50 19 15 34
Total 50 30 80
Estadística I
151
Si elegimos aleatoriamente un auto vendido, en este caso los sucesos:
Auto Nacional (N) o Auto Importado (I) son excluyentes (no se presentan si-
multáneamente).
Edad del comprador: Menos de 40 años, entre 40 y 50 o Más de 50 (+ de 50)
son excluyentes.
Auto Nacional (N) o Menos 40 años o menos (- 40) son compatibles (se pre-
sentan simultáneamente).
Auto Nacional (N) o Más de 50 años (+ de 50) son compatibles.
En una sola realización de un experimento aleatorio se denomina ocurrencia conjun-
ta de dos sucesos A y B, a su aparición simultánea. La ocurrencia conjunta se simboliza (A y
B), también denominada como suceso intersección.
Debe quedar claro a partir de esta definición, que en una sola realización de un experi-
mento la aparición simultánea de dos sucesos A y B no es posible si ellos son excluyentes.
Ejemplos:
En la selección de una venta:
los sucesos (N) e (I) son excluyentes, su ocurrencia conjunta nunca puede pre-
sentarse. Luego, en ese caso, la P( N e I) 0 .
Los sucesos Menos de 40 y Más de 50 son excluyentes, de modo que su ocu-
rrencia conjunta nunca puede suceder.
Por consiguiente la P( 40 y de 50) 0 .
en cambio los sucesos (N) o (+ de 50) son compatibles, así que puede presen-
tarse su ocurrencia conjunta. En ese caso la probabilidad se obtiene dividiendo
los casos favorables, que figuran en la celda de intersección de la columna (N)
con la fila (+ de 50) (7 autos vendidos), con los casos posibles, que son el
7
número total de ventas, igual a 80. De esa forma P( N y de 50)
80
REGLA DE LA ADICIÓN:
Se utiliza cuando se desea determinar la probabilidad de que ocurra un evento u otro o
ambos en una sola observación. Nos permite encontrar la probabilidad del evento “A ó B”: con-
sidera la ocurrencia de cualquiera de los eventos, evento A o evento B o ambos A y B
Probabilidad de que ocurra el evento A o el evento B: P(A B).
Para eventos mutuamente excluyentes: P(A B) = P(A o B) = P(A) + P(B)
Ejemplo:
Probabilidad de que al seleccionar una venta el comprador tenga menos de 40 años o
más 50 años
Estadística I
152
30 16 46
P(40 50) P 40 o 50
80 80 80
Para eventos compatibles, se resta a la suma de las probabilidades simples de los dos
eventos, la probabilidad de ocurrencia conjunta:
P(A B) = P(A o B) = P(A) + P(B) - P(A B) = P(A) + P(B) – P(A y B)
Ejemplo:
Probabilidad de que al seleccionar una venta el comprador tenga más de 50 años o el
auto sea importado
16 30 9 37
P(50 I) P 50 o I P(40) P(I) P(50 e I)
80 80 80 80
Regla general de la adición.
P(A B) = P(A o B) = P(A) + P(B) - P(A B)
Para sucesos mutuamente excluyentes:
P(A B) = 0
Entonces: P(A B) = P(A o B) = P(A) + P(B) - P(A B) = P(A) + P(B) - 0
En una sola realización de un experimento aleatorio, la probabilidad de ocurrencia de
un suceso A, o de un suceso B, o de ambos simultáneamente, se resuelve mediante la suma
de las probabilidades de ambos y la posterior resta de la probabilidad de su ocurrencia
conjunta.
Los diagramas de Venn pueden usarse para representar gráficamente la lógica en que se
basa la regla de la adición. En la figura de la izquierda, la probabilidad de que ocurra A o B es
conceptualmente equivalente a la suma de la proporción del área incluida en A y B. En la figura
de la derecha, para eventos compatibles, algunos eventos han sido incluidos tanto en A como
en B; de esta manera, existe una superposición entre estos conjuntos de eventos. Cuando las áre-
as incluidas en A y B se suman, para eventos compatibles, el área de superposición se suma en
dos veces, por ello se debe restar P(A y B) a fin de corregir la duplicación en el área de intersec-
ción.
A Ay B
A
B
B
YB
Estadística I
153
4. SUCESOS INDEPENDIENTES Y CONDICIONALES. REGLA DE LA MULTIPLICA-
CIÓN
P 40
I
P(-40 e I)
PI
6
30
La probabilidad de un suceso B condicionado a la previa ocurrencia de un suceso o
evento particular A, se calcula dividiendo la cantidad de casos favorables a la ocurrencia
conjunta de los sucesos o eventos A y B por la cantidad de casos posibles de ocurrencia del
suceso o evento A. Ese cálculo también puede efectuarse dividiendo la probabilidad de la ocu-
rrencia conjunta por la probabilidad del suceso o evento condicionante (en este caso, el suceso o
evento I), es decir que
6
P 40 I P( 40 e I)
P(I)
80
30
6
30
80
P( B y A)
P B
A P( A)
a partir de lo cual, mediante un pasaje de términos, se verifica que P( A y B) P( A) P B A
Estadística I
154
del mismo modo que
P( A y B) P( B) P A B
REGLA DE LA MULTIPLICACIÓN
En dos (o más) realizaciones de un experimento, la probabilidad de ocurrencia de un su-
ceso A en primer lugar (simbolizado con A1) y de un suceso B en segundo lugar (simbolizado
con B2), ambos independientes entre sí, se obtiene aplicando la fórmula de la ocurrencia conjunta
para sucesos independientes
P( A y B ) P( A ) P( B )
1 2 1 2
30 34 34 30 51
80 79 80 79 158
Una variable aleatoria es un suceso o evento numérico cuyo valor se determina por
medio de un proceso aleatorio. Cuando a todos los posibles valores numéricos de una variable
aleatoria xi se le asignan valores de probabilidad, ya sea mediante un listado o una función ma-
temática el resultado es una distribución de probabilidad. La suma de las probabilidades de
todos los resultados numéricos posibles debe ser igual a 1. Valores de probabilidad individuales
pueden denotarse con el símbolo f(xi), lo que involucra el uso de una función matemática; con
P(xi = X), que advierte que la variable aleatoria puede tener varios valores específicos, o sim-
plemente con P(xi).
Las variables aleatorias se pueden clasificar en: discretas (surgen de un proceso de con-
teo) y continuas (surgen de un proceso de medición).
La distribución de probabilidad está constituida por el conjunto de todos los valores
de la variable aleatoria xi (x1, x2,…, xN), asociados con sus correspondientes probabilidades
pi (p1, p2,…, pN), tales que debe cumplirse la siguiente condición, a la que se denomina condi-
ción de cierre: que la suma de las probabilidades a lo largo del campo de variación de la
Estadística I
158
N
variable aleatoria sea igual a la unidad. Es decir que la pi 1 .
i 1
Nº de
Resultados Extracción
autos
posibles
1 2 3 nacionales
1 N N N 3
2 N N I 2
3 N I N 2
4 I N N 2
5 N I I 1
6 I N I 1
7 I I N 1
8 I I I 0
5 5 5 125
P( x i 3) PN P( N )P( N)
8 8 8 512
Estadística I
159
Distribución de probabilidad
Nº de autos 0,50
nacionales P(xi) 0,45
(xi) 0,40
0,35
0 27/512 = 0,0527
Probabilidad
0,30
1 135/512 = 0,2637 0,25
0,20
2 225/512 = 0,4395
0,15
3 125/512 = 0,2441 0,10
0,05
512/512 = 1
0,00
0 1 2 3
Nº de autos nacionales
Dentro de un intervalo Puede tomar sólo algu- Puede tomar cualquier valor
nos valores
Cálculo de la x
2
Probabilidad P( x x ) p P( x x x ) f ( x)dx A
i u u 1 i 2
x
1
Estadística I
162
De bastones De áreas
Gráfico
Función de
Denominación genérica Función de probabilidad
Densidad
P( x x ) A A A
xi=x3 P( xi x3 ) p1 p2 p3 xi=x3 i 3 1 2 3
1 135/512 162/512
2 225/512 387/512
3 125/512 512/512
512/512 = 1
Para poder resumir una distribución de probabilidad, se calculan sus características prin-
cipales: la media y el desvío estándar.
El valor esperado de algún fenómeno aleatorio discreto se puede considerar como el pro-
medio de todos los valores posibles. Para obtener ésta medida resumen se calcula la esperanza
matemática.
La esperanza matemática de la variable aleatoria se obtiene efectuando la sumatoria de
los productos de los valores de la variable por su respectiva probabilidad, siempre que se cumpla
la condición de cierre.
La expresión de la fórmula de la esperanza matemática es diferente según se trate de una
variable aleatoria discreta o continua:
x p si secumple p 1
E( x ) E ( x) x f ( x) dx si secumple f ( x)dx 1
i i i
i 1
Si las probabilidad pi, en el caso discreto, se sustituyen por las frecuencias relativas fi/n,
Estadística I
165
siendo n la sumatoria de las frecuencias relativas, la esperanza matemática se reduce a la fórmu-
la:
fx , que es la media aritmética de x, de una muestra de tamaño n, en las que x aparece con
n
frecuencias relativas. Al crecer n las frecuencias relativas se acercan a las probabilidades pi. Así
podemos interpretar E(x) como la media de la población cuyo muestreo se consideraba.
Conceptualmente hablando, la esperanza matemática es una media aritmética en térmi-
nos teóricos o ideales. Se diferencia de la media aritmética x , en que ésta última es empírica y
real. Por eso puede efectuarse una distinción entre ambas diciendo que la esperanza matemática
se asimila a una media poblacional, por lo que puede escribirse E (x ) x , mientras que x es una
media muestral.
Otra forma adecuada de denominar a la esperanza matemática, es señalarla con la expre-
sión número esperado, lo cual, en algunos casos, suele resultar más sencillo y comprensible.
Propiedades de la Esperanza matemática:
Las propiedades de la Esperanza matemática se enuncian con facilidad si se recuerdan las
propiedades de la media aritmética. Las propiedades más importantes son las siguientes:
1. La esperanza matemática de la suma de una constante más una variable es igual a la
constante más la esperanza de la variable.
E (a xi ) a E (xi )
2. La esperanza matemática del producto de una constante por una variable es igual a
la constante por la esperanza de la variable.
E (axi ) aE (xi )
3. La esperanza matemática de la suma de dos variables es igual a la suma de sus res-
pectivas esperanzas matemáticas.
E (xi yi ) E (xi ) E ( yi )
Recordando que la varianza puede calcularse mediante una fórmula de trabajo, para el ca-
so discreto:
Estadística I
166
V (x ) xi2 pi E (x) 2
V ( x) 2
x
pudiéndose obtener el desvío estándar mediante la aplicación de la raíz cuadrada en las expresio-
nes indicadas precedentemente, es decir
DS ( x )
x
Nº de autos
nacionales P(xi) xi P(xi) xi2 P(xi)
(xi)
0 0,0527 0,0000 0,0000
1 1,8750 4,2188
E ( x ) 1,8750
PREGUNTAS TEORICAS
1. ¿Cómo son los sucesos A y B en el siguiente caso?
P(A)=P(AoB)-P(B)
a. dependientes b. compatibles c. excluyentes
2. Dos sucesos A y B son opuestos. La P(A)= 4/7. Si el experimento que los origina se rea-
lizara dos veces en condiciones de independencia, ¿cuál es la probabilidad de que aparez-
ca dos veces el suceso B? Calcule e indique el resultado.
Estadística I
167
3. Indique si en la siguiente distribución de probabilidad
a. faltan valores de la variable
b. sobran valores de la variable
c. no faltan ni sobran valores de la variable.
xi pi
5 1/16
8 3/16
9 5/16
11 3/8