UNIVERSIDAD NORORIENTAL PRIVADA

“GRAN MARISCAL DE AYACUCHO”

FACULTAD DE CIENCIAS ECONOMICAS Y SOCIALES

ESCUELA DE ECONOMIA

ESTADISTICA II – T2S1301

Profesor: Integrantes:

Pablo Contreras Diana Andrade C.I: 27186235

Victor Gonzalez C.I: 26823333

Jesus Puentes 24889291

Puerto Ordaz, 7 de marzo de 2019

 Introducción

La estadística, al igual que las matemáticas, es algo que nos encontramos en

nuestras vidas cotidianas, día tras día, en nuestros pensamientos, en nuestras
ideas y ocurrencias, por eso, como cualquier otro tema que involucre nuestro
desempeño y tareas diarias, es necesario además de importante, conocer tras
fondo estos hechos que pueden o no llevarnos la correcta elección en una toma
de decisiones.

En este trabajo hablaremos sobre los principales temas de la materia Estadística

2, como lo son: el importante más conocido tema de las probabilidades, los
experimentos y sucesos aleatorios, la definición de espacio muestral, la
probabilidad condicional y demás tópicos de interés en materia; todo esto de una
manera teórica e introduciendo un poco a la práctica a través de ejemplos
resueltos y formulas necesarias para la resolución de estos ejercicios.
Definición de probabilidad

Las Probabilidades pertenecen a la rama de la matemática que estudia ciertos

experimentos llamados aleatorios, o sea regidos por el azar, en que se conocen
todos los resultados posibles, pero no es posible tener certeza de cuál será en
particular el resultado del experimento. Por ejemplo, experimentos aleatorios
cotidianos son el lanzamiento de una moneda, el lanzamiento de un dado,
extracción de una carta de un mazo de naipes.

Propiedades de la probabilidad

1. La suma de las probabilidades de un suceso y su contrario vale 1, por tanto la

probabilidad del suceso contrario es:

p(A) = 1 – p(A)

2. Probabilidad del suceso imposible es cero.

p(∅) 0

3. La probabilidad de la unión de dos sucesos es la suma de sus probabilidades

menos la probabilidad de su intersección.

p(A ∪ B) = p(A) + p(B) – p(A∩B)

4. Si un suceso está incluido en otro, su probabilidad es menor o igual a la de éste.

A ⊂ B ⇒ p(A) ≤ p(B)

Si A está incluido en B entonces la probabilidad de A es menor o igual que la

probabilidad de B.

5. Si A1, A2, ..., Ak son incompatibles dos a dos entonces:

p(A1 ∪ A2 ∪ ... ∪ Ak) = p(A1) + p(A2) + ... + p(Ak)

6 Si el espacio muestral E es finito y un suceso es S = {x1, x2, ..., xn} entonces:

p(S) = p(x1) + p(x2) + ... + p(xn)

Incertidumbre

Es "la imperfección en el conocimiento sobre el estado o los procesos de la

naturaleza" (FAO/Gobierno de Suecia, 1995). La incertidumbre estadística es "la
aleatoridad o el error proveniente de varias fuentes como las descritas al usar la
metodología estadística". La CTEP define el riesgo como "la probabilidad de que
pase algo malo." Note que en términos de teoría de decisiones, el riesgo es
definido como las pérdidas promedio o las pérdidas que se pronostican cuando
algo malo sucede.

Experimento aleatorio

Es la reproducción controlada de un fenómeno,1 existiendo incertidumbre sobre el

resultado que se obtendrá. Un experimento aleatorio bajo el mismo conjunto
aparente de condiciones iniciales, puede presentar resultados diferentes, es decir,
no se puede predecir o reproducir el resultado exacto de cada experiencia
particular.

Espacio muestral
En la teoría de probabilidades, el espacio muestral o espacio de muestreo
(denotado E, S, Ω o U) consiste en el conjunto de todos los posibles resultados de
un experimento aleatorio, junto con una estructura sobre el mismo
Podemos diferenciar entre dos tipos principales de espacios muestrales, cada uno
con subcategorías:
- Espacios muestrales discretos o numerables, que a su vez se dividen en:
- Espacios muestrales finitos.
- Espacios muestrales inifinitos numerables.
- Espacios muestrales continuos, que siempre son infinitos no numerables.
Suceso Aleatorio
Un Suceso Aleatorio (o Evento Aleatorio) es aquel conjunto dentro de los
resultados posibles (espacio muestral) de un experimento aleatorio.
Por otra parte, un suceso determinista (o evento determinista) es aquel del que se
puede conocer con seguridad su resultado previamente.
Ejemplos de Sucesos Aleatorios:
Veamos algunos ejemplos para entender mejor el concepto de suceso aleatorio:
Ejemplo 1: obtener un "5" al tirar un dado.
espacio muestral = {1, 2, 3, 4, 5, 6}
suceso aleatorio: obtener 5
Ejemplo 2: obtener un número par al tirar un dado.
espacio muestral = {1, 2, 3, 4, 5, 6}
suceso aleatorio: obtener 2, 4 o 6
Ejemplo 3: obtener un número mayor a 4 al tirar un dado.
espacio muestral = {1, 2, 3, 4, 5, 6}
suceso aleatorio: obtener 5 o 6
Ejemplo 4: salir un as de corazones al sacar una carta de la baraja de naipes
espacio muestral: {1 de rombos, 2 de corazones, 3 de tréboles...} (todas las cartas
posibles)
suceso aleatorio: salir el as de corazones
Por otra parte, como ejemplo de sucesos deterministas:
- Obtener un resultado menor de 7 al tirar un dado de seis caras
- Al elegir una persona al azar, que tenga una edad menor de 150 años
- Al elegir una persona al azar, que mida menos de 3 metros de altura
Operaciones de Sucesos Aleatorios
Unión: Dados dos sucesos aleatorios, A,BÌ E , se denomina suceso unión de A y B
al conjunto formado por todos los sucesos elementales que pertenecen a A o bien
pertenecen a B incluyendo los que están en ambos
simultáneamente, es decir

Como ejemplo, tenemos que la unión de un suceso cualquiera con su

complementario es el suceso seguro.
Volviendo al ejemplo del lanzamiento de un dado, si

el suceso unión de A y B es

Intersección: Dados dos sucesos aleatorios,

se denomina suceso intersección de A y B al conjunto formado por todos los
sucesos elementales que pertenecen a A y B a la vez, es decir,

A veces por comodidad se omite el símbolo Ç para denotar la intersección de

conjuntos, sobre todo cuando el número de conjuntos que intervienen en la
expresión es grande. En particular, podremos usar la siguiente notación como
equivalente a la intersección:

Un ejemplo de intersección es la de un suceso aleatorio cualquiera, A É E, con su

complementario, que es el suceso imposible.
Volviendo al ejemplo del dado, si

el suceso intersección de A y B es:

Diferencia: Dados dos sucesos aleatorios A,B Ì E, se llama suceso diferencia de A

y B, y se representa mediante A/B, o bien A-B, al suceso formado por todos los
sucesos elementales que pertenecen a A, pero no a B:

Por ejemplo, si

Obsérvese que el suceso contrario de un suceso A, puede escribirse como la

diferencia del suceso seguro menos éste, o sea,
Diferencia simétrica: Si A,B € E , se denomina suceso diferencia simétrica de A y
B, y se representa mediante ADB al suceso aleatorio formado por todos los
sucesos elementales que pertenecen a A y no a B, y los que están en B y no en A:

Por ejemplo, si

Diagrama de Venn
Los diagramas de Venn son esquemas usados en la teoría de conjuntos, tema de
interés en matemáticas, lógica de clases y razonamiento diagramático. Estos
diagramas muestran colecciones (conjuntos) de cosas (elementos) por medio de
líneas cerradas. La línea cerrada exterior abarca a todos los elementos bajo
consideración, el conjunto universal U. Los diagramas de Venn fueron ideados
hacia 1880 por John Venn.
Con los diagramas de Venn es posible representar las relaciones de intersección,
inclusión y disyunción sin cambiar la posición relativa de los conjuntos
Intersección
Dado que los conjuntos pueden tener elementos comunes, las regiones
encerradas por sus líneas límite se superponen. El conjunto de los elementos que
pertenecen simultáneamente a otros dos es la intersección de ambos.1

A = {1; 2; 3; 4; 6; 12}
B = {1; 3; 5; 15}
U = {1; 2; 3; 4; 5; 6; 7; 8; 9; 10; 11; 12; 13; 14; 15; 16}

A = {x | x es divisor natural de 12}

B = {x | x es divisor natural de 15}
U = {x | x es natural menor o igual que 16}

Interseccion = 1, 3
Inclusión
Si todos los elementos de un conjunto son parte de los elementos de otro, se dice
que el primero es un subconjunto del segundo o que está incluido en el segundo.1
En los diagramas de Venn, todas las regiones de superposición posibles deben
ser representadas. Y, cuando hay regiones que no contienen elementos (regiones
vacías), la situación se indica anulándolas (con un color de fondo distinto).2

A = {1; 2; 3; 4; 6; 12}
B = {1; 2; 3; 6}
U = {1; 2; 3; 4; 5; 6; 7; 8; 9; 10; 11; 12}

A = {x | x es divisor natural de 12}

B = {x | x es divisor natural de 6}
U = {x | x es natural menor o igual que 12}

Disyuncion
Cuando los conjuntos no tienen elementos comunes, la región de superposición
queda vacía.

A = {2; 4; 6; 8}
B = {1; 3; 5; 7; 9}
U = {1; 2; 3; 4; 5; 6; 7; 8; 9; 10}

A = {x | x es par y de una cifra}

B = {x | x es impar y de una cifra}
U = {x | x es natural menor o igual que 10}

A la izquierda de los diagramas, las definiciones de los conjuntos por

enumeración y por comprensión.
Ejemplo
La relación entre eventos y el correspondiente espacio muestral se puede ilustrar
de forma gráfica utilizando diagramas de Venn. en un diagrama de Venn
representamos el espacio muestral como un rectángulo y los eventos con círculos
trazados dentro del rectángulo.
En la figura vemos que:

A ∩ B = regiones 1 y 2,
B ∩ C = regiones 1 y 3,
A U C = regiones 1, 2, 3, 4, 5 y 7,
B' ∩ A = regiones 4 y 7,
A ∩ B ∩ C = región 1,
(A U B) ∩ C' = regiones 2, 6 y 7,
y así sucesivamente.
La figura puede representar una situación donde seleccionamos una carta al azar
de una baraja ordinaria de 52 cartas y observamos si ocurren los siguientes
eventos:
A: la carta es roja,
B: la carta es el jack, la reina o el rey de diamantes,
C: la carta es un as.
El evento A ∩ C consiste sólo en los dos ases rojos.
Varios resultados que se derivan de las definiciones procedentes, y que se pueden
verificar de forma sencilla empleando diagramas de Venn, son los que siguen:
A∩ø=ø
AUø=A
A ∩ A' = ø
A U A' = S
S' = ø
ø' = S
(A')' = A
(A ∩ B)' = A U B
(A U B)' = A' ∩ B'

Probabilidad condicionada

Como la probabilidad está ligada a nuestra ignorancia sobre los resultados de la

experiencia, el hecho de que ocurra un suceso, puede cambiar la probabilidad de
los demás. El proceso de realizar la historia clínica, explorar y realizar pruebas
complementarias ilustra este principio.

La probabilidad de que ocurra el suceso A si ha ocurrido el suceso B se

denomina probabilidad condicionada y se define

Esta definición es consistente, es decir cumple los axiomas de probabilidad.

Cuando ocurre un suceso cambia el espacio muestral, por eso cambia la

probabilidad. A veces es más fácil calcular la probabilidad condicionada teniendo
en cuenta este cambio de espacio muestral.

Ejemplo:

Una urna contiene 10 bolas, de las cuales 3 son rojas, 5 verdes y 2 azules. Se
extraen al azar 3 bolas. Calcular la probabilidad de que la primera sea azul y los
otros dos verdes.

Definimos A1 = {la 1ª bola es azul}; A2 = {la 2ª bola es verde}; A3 = {la 3ª bola es

verde}

p(A1) = 2/10 aplicando la definición clásica de probabilidad, puesto que hay 10

bolas y 2 son verdes.

p(A2|A1) = 5/9; si la primera bola extraída es azul, en la urna quedan 9 bolas, 5 de

ellas verdes.

p(A3|A1 Ç A2) = 4/8; si la primera bola extraída es azul y la segunda verde en la

urna quedan 8 bolas, 4 de ellas verdes.
p(A1 Ç A2 Ç A3) = 2/10 x 5/9 x 4/8 = 1/18

Teorema de Bayes

El Teorema de Bayes es un procedimiento que nos permite expresar la

probabilidad condicional de un evento aleatorio A dado B, en términos de la
distribución de probabilidad del evento B dado A y la distribución de probabilidad
de solo A.

Este teorema es de mucha utilidad, ya que gracias a él podemos relacionar la

probabilidad de que un evento A ocurra sabiendo que ocurrió B, con la
probabilidad de que ocurra lo contrario, es decir, que ocurra B dado A.

Primero, para una mayor compresión de este teorema, son necesarias algunas
nociones básicas de teoría de probabilidad, especialmente el teorema de la
multiplicación para probabilidad condicional, el cual establece que

Para E y A eventos arbitrarios de un espacio muestral S.

Y la definición de particiones, la cual nos dice que si tenemos A1, A2,…, An

eventos de un espacio muestral S, estos formarán una partición de S, si los Ai son
mutuamente exclusivos y su unión es S.

Teniendo esto, sea B otro evento. Entonces podemos ver a B como

Donde las Ai intersectadas con B son eventos mutuamente exclusivos.

Y en consecuencia
Luego, aplicando el teorema de la multiplicación

Por otra parte, la probabilidad condicional de Ai dado B se define por

Sustituyendo de manera adecuada tenemos que para cualquier i

Ejemplo:

Tres cajas contienen bolas blancas y negras. La composición de cada una de ellas
es la siguiente: U1 = {3B, 1N}, U2 = {2B, 2N}, U3 = {1B, 3N}.
Se elige al azar una de las cajas y se extrae de ella una bola al azar la cual resulta
ser blanca. ¿Cuál es la caja con mayor probabilidad de haber sido elegida?

Solución

Mediante U1, U2 y U3, representaremos también la caja elegida.

Estos sucesos constituyen una partición de S y se verifica que P(U1) = P(U2) =

P(U3) = 1/3 ya que que la elección de la caja es al azar.

Si B={la bola extraída es blanca}, tendremos P(B|U1) = 3/4 , P(B|U2) = 2/4 ,

P(B|U3) = 1/4 .

Lo que deseamos obtener es la probabilidad de que la bola haya sido sacada de la

caja Ui sabiendo que dicha bola fue blanca, es decir, P(Ui |B), y ver cuál de los
tres valores fue el más alto para conocer de cuál caja ha sido más probable la
extracción de la bola blanca.

Aplicando el teorema de Bayes a la primera de las cajas:

Y para las otras dos:

P(U2|B) = 2/6 y P(U3|B) = 1/6.

Luego, la primera de las cajas es la que tiene una mayor probabilidad de haber
sido elegida para la extracción de la bola blanca.
La regla de la adición o regla de la suma establece que la probabilidad de
ocurrencia de cualquier evento en particular es igual a la suma de las
probabilidades individuales, si es que los eventos son mutuamente excluyentes, es
decir, que dos no pueden ocurrir al mismo tiempo.
Entonces, si A y B son mutuamente excluyentes,
P(A o B) = P(A) U P(B) = P(A) + P(B)
Si A y B no son mutuamente excluyentes,
P(A o B) = P(A) + P(B) − P(A y B)
Siendo: P(A) = probabilidad de ocurrencia del evento A, P(B) = probabilidad de
ocurrencia del evento B, y P(A y B) = probabilidad de ocurrencia simultánea de los
eventos A y B.
La regla de la multiplicación establece que la probabilidad de ocurrencia de dos o
más eventos estadísticamente independientes es igual al producto de sus
probabilidades individuales.
P (A y B) = P (A B) = P (A) P (B) si A y B son independientes.
P (A y B) = P (A B) = P (A) P (B|A) si A y B son dependientes.
siendo P (B|A) la probabilidad de que ocurra B habiéndose dado o verificado el
evento A.
La Regla de Laplace establece que:

 La probabilidad de ocurrencia de un suceso imposible es 0.

 La probabilidad de ocurrencia de un suceso seguro es 1, es decir, P(A) = 1.
Para aplicar la regla de Laplace es necesario que los experimentos den lugar a
sucesos equiprobables, es decir, que todos tengan o posean la misma
probabilidad.

 La probabilidad de que ocurra un suceso se calcula así:

P(A) = Nº de casos favorables / Nº de resultados posibles
Esto significa que: la probabilidad del evento A es igual al cociente del número de
casos favorables (los casos dónde sucede A) sobre el total de casos posibles.
La probabilidad de ocurrencia de una combinación específica de eventos
independientes y mutuamente excluyentes se determina con la distribución
binomial, que es aquella donde hay solo dos posibilidades, que se suelen designar
como éxito y fracaso.

1. Hay dos resultados posibles mutuamente excluyentes en cada ensayo u

observación.
 2. La serie de ensayos u observaciones constituyen eventos independientes.
3. La probabilidad de éxito permanece constante de ensayo a ensayo, es decir
el proceso es estacionario.

Ejercicios
4. Determine cuál es la probabilidad de obtener 2 caras y un sello

La probabilidad de que salga cara. Sello y cara

CCC

CC
CCS

C
CSC

CS
CSS

SCC
SC
SCS
S
SSC
SS

SSS

En este grafico podemos ver cuáles son todos los resultados posibles si lanzamos
la moneda tres veces que son las cantidades de veces que tendría que lanzar la
moneda pasar obtener los resultados que se me están preguntado, pero en mi
lanzamiento tengo dos variables que son cara y sello por lo cual me deja una
probabilidad 50% (todas las probabilidades siempre tienen que dar 1) esto lo
llevaremos a numero reales lo cual seria 0.5 que esto se convertiría en la
probabilidad de que salga cara o salga sello. por lo cual para calcular para calcular
la pregunta en este caso tenemos que el elevar nuestras probabilidades por la
cantidad de lanzamientos que son necesario para obtener el resultado deseado.

El cual se representaría así:

(0.5) ^3 = 0.125

El cual para llevarlo a porcentaje hay que multiplicarlo por 100

Entonces seria

(0.125) x (100) = 12.5 %

Y esta seria nuestra respuesta para ambas preguntas porque para calcular la
probabilidad en ambos casos son las mismas variables y se necesitarían las
mismas cantidades de lanzamientos para obtener los resultados preguntados.

5. Se lanza un dado y una moneda simultáneamente:

Elabore:

La tabla de sucesos.

Determinar la probabilidad de que salga (5, C) y (5, S).

Lo podemos graficar de varias maneras, pero en este caso lo graficaremos

de 2 maneras.

Figura 1:

Dado Moneda
 1 2 3 4 5 6 c s

1 1

2 2

c 3 3 s

4 4

5 5

6 6
6

Figura 2:

1 2 3 4 5 6

C S C S C S C S C S C S

En ambas graficas podemos observar que tenemos 12 probables resultados.

Sabemos que la probabilidad siempre tiene que ser igual 1 y tenemos 12 posibles
resultados que hacemos dividimos la cantidad de posibles resultados con 1 y eso
nos dará la probabilidad porcentual de que caiga un de los objetivos deseados:

1/12 = 0.083333333

(0.083333) x (100) = 8.3333%

Esa es la probabilidad (8.3333% ) que tenemos de que la moneda y el dado
coincidan en los resultado (5, S) y (5, C).

Pero si tenemos en cuenta que:

un dado tiene6 caras podemos calcular probabilidad de caiga cualquiera de esos

números en un lanzamiento al igual que lo podemos determinar con la moneda la
cual solo tiene 2 posibles resultados y al ser un solo lanzamiento podemos
determinar la probabilidad de ese lanzamiento simultaneo simplemente
multiplicando las probabilidades de ambos en un solo lanzamiento tomando los
datos ya obtenidos:

Dado: 1/6 = 0.166666666667

Moneda: 1/2 = 0.50

(0.166666667) x (0.50) = 0.08333333333

(0.083333) x (100) = 8.3333%

Multiplicamos probabilidades las cual nos dio el mismo resultado ya antes visto.
 Conclusión

Podemos concluir que, como anteriormente hemos dicho, las estadísticas en sí,
son fundamentales para todo el mundo, desde el médico, el abogado, el
economista hasta el ingeniero, es decir abarca todas las ramas profesionales, es
por eso que se ha hecho de ella, una materia obligatoria en casi todos los planes
de estudios de la educación superior y media. El uso y conocimiento de la
estadística puede ser la diferencia entre salvar una vida o no, llevar tu empresa al
éxito o al fracaso, de construir un edificio seguro o no; por eso esta demás decir
que la conclusión es que la estadística, abarcando todos sus temas, es una de las
materias más importantes que podremos ver en nuestras vidas, por eso es de
suma importancia conocerla tanto teórica como prácticamente.