Estadística

DRA FLORENCIA JAUREGUIBERRY

UNIVERSIDAD NACIONAL DE RÍO NEGRO

INGENIERÍA EN BIOTECNOLOGÍA-INGENIERÍA EN ALIMENTOS – TECNICATURA EN ENOLOGÍA

UNIDAD 2 - CLASE 1
Unidad 2
Experimento Aleatorio. Espacio muestral. Sucesos (eventos).
Arboles de probabilidad.
Definiciones de probabilidad: clásica, frecuencial y axiomática.
Propiedades deducidas de la función de probabilidad.
Regla aditiva.
Probabilidad condicional.
Regla multiplicativa. Independencia de sucesos.
Fórmula de Bayes.
Definiciones
Experimento: actividad o proceso que origina datos (eventos)
Espacio muestral (S): es el conjunto de todos los posibles resultados/eventos de un
experimento. (descartamos la posibilidad de que haya infinitos resultados)
Ejemplo:
Experimento: lanzamiento de una moneda
Espacio muestral S={Cara, Ceca};
Experimento: lanzamiento de un dado
Número en la cara superior: Espacio muestral 1 S=
Números pares: Espacio muestral 2 S=
 Diagrama de árbol
Primer Segundo
Experimento: se lanza una resultado resultado
moneda. Si sale cara, se
vuelve a lanzar. Si sale ceca, Cara
se lanza un dado Cara
Ceca
1
2
3
S={CaCa, CaCe, Ce1, Ce2, Ce3, Ce4, Ce5, Ce6}
Ceca
4
5
6
Eventos y propiedades
Evento: subconjunto del espacio muestral
Dado el espacio muestral S = {t | t ≥ 0}, donde t es la vida en años de cierto componente electrónico,
el evento A de que el componente falle antes de que finalice el quinto año es el subconjunto A = {t | 0
≤ t < 5}.
El complemento de un evento A respecto de S es el subconjunto de todos los elementos de S que no
están en A. Denotamos el complemento de A mediante el simbolo A´.
La intersección de dos eventos A y B, que se denota con el simbolo A ∩ B, es el evento que contiene
todos los elementos que son comunes a A y a B.
Dos eventos A y B son mutuamente excluyentes o disjuntos si A ∩ B = ϕ; es decir, si A y B no tienen
elementos en común.
La unión de dos eventos A y B, que se denota con el símbolo A ∪ B, es el evento que contiene todos
los elementos que pertenecen a A o a B, o a ambos.
Diagramas de Venn
𝐴𝑈𝐶 =
𝐵′ ⋂𝐴 =
𝐴∩𝐵∩𝐶 =
𝐴 ∪ 𝐵 ∩ 𝐶′ =
Resultados
Definiciones clásica y frecuencial
Definición clásica o a priori

Definición frecuencial o empírica

Probabilidad se basa en datos observados: La frecuencia relativa observada de un evento
durante un gran número de intentos. La fracción de veces que un evento se presenta a la larga,
cuando las condiciones son estables
A medida que el número de intentos crece, la frecuencia relativa se vuelve más estable
Probabilidad axiomática
Probabilidad: valor numérico que representa la posibilidad de que ocurra algo (un evento)
◦ Toma valores entre 0 y 1
◦ Evento imposible tiene probabilidad 0
◦ Evento seguro tiene probabilidad 1

La probabilidad de un evento A es la suma de los pesos de todos los puntos muestrales en A.

Por lo tanto,
0 ≤ P(A) ≤ 1, P(ϕ) = 0 y P(S) = 1
Si A1, A2, A3,… es una serie de eventos mutuamente excluyentes, entonces
P(A1 ∪ A2 ∪ A3 ∪ …) = P(A1) + P(A2) + P(A3) + …
Ejemplo
Una moneda se lanza dos veces. ¿Cual es la probabilidad de que ocurra al menos una cara?
El espacio muestral para este experimento es S = {HH, HT, TH, TT}
Si la moneda esta balanceada, cada uno de estos resultados tendrá las mismas probabilidades
de ocurrir. Por lo tanto, asignamos una probabilidad de ω a cada uno de los posibles resultados.
Entonces, 4ω = 1 o ω = 1/4.
Si A representa el evento de que ocurra al menos una cara (H), entonces
A = {HH ,HT, TH }
P (A) = ¼+¼+¼ = ¾
Regla de adición
Regla general de adición
Si A y B son dos eventos, entonces P(A ∪ B) = P(A) + P(B) – P(A ∩ B).

Eventos mutuamente excluyentes P(A ∩ B)=0, entonces: P(A o B)=P(A)+P(B)

Probabilidad condicional
Probabilidad condicional: probabilidad de un evento A, dado que ya ocurrió un evento B
P(A|B)=P(A ∩ B)/P(B), con P(A)>0

P(Bariloche|Mujer)=
P(Bariloche ∩ Mujer)/P(Mujer)=15/45=0.333
P(Mujer|Bariloche)=
P(Bariloche ∩ Mujer)/P(Bariloche)=15/40=0.375
Ejemplo
La probabilidad de que un vuelo programado normalmente salga a tiempo es P(D) = 0.83, la
probabilidad de que llegue a tiempo es P(A) = 0.82 y la probabilidad de que salga y llegue a
tiempo es P(D ∩ A) = 0.78. Calcule la probabilidad de que un avión: a) llegue a tiempo, dado que
salió a tiempo; y b) salió a tiempo, dado que llego a tiempo.
a) La probabilidad de que un avión llegue a tiempo, dado que salió a tiempo es

b) La probabilidad de que un avión haya salido a tiempo, dado que llego a tiempo es
Independencia de sucesos
Dos eventos, A y B son estadísticamente independientes si y sólo si
P(A|B)=P(A) o P(B|A)=P(B)

Ejemplo:
P(Bariloche/Mujer)=0.33 ≠ P(Bariloche)=0.4
=> son estadísticamente dependientes
Ejemplo
Roca Regina Allen Total
Casa 1 10 5 16
Carrera 2 20 10 32
Cine 4 40 20 64
Total 7 70 35 112

P(Casa|Roca)=
P(Casa)=
=> ¿son estadísticamente dependientes o independientes?
Regla de multiplicación
Regla general de multiplicación
Si en un experimento pueden ocurrir los eventos A y B, entonces
P(A ∩ B)= P(A|B)xP(B)=P(B|A)xP(A), con P(A)>0

P(Bariloche ∩ Mujer)=0.33333x0.45=0.15 o P(Bariloche ∩ Mujer)=15/100=0.15

P(Mujer ∩ Bariloche)=0.375*0.40=0.15

Regla de multiplicación para eventos independientes, P(A|B)=P(A), entonces:

P(A ∩ B)= P(A)xP(B)
P(Casa ∩ Roca)= P(Casa)xP(Roca)=0.143x0.0625=0.0089
o P(Casa ∩ Roca)=1/112=0.0089
Teorema/Regla de Bayes
Si los eventos B1, B2,..., Bk constituyen una partición del espacio muestral S, donde P(Bi) ≠ 0
para i = 1, 2,...,k, entonces, para cualquier evento A en S, tal que P(A) ≠ 0
Teorema de Bayes P(A1/B1)=
P(B1|A1)xP(A1)
P(B1|A1)xP(A1)+P(B1|A2)xP(A2)

Si sucede B1. ¿Cual es la probabilidad de que dado B1, ocurra A1? => P(A1|B1)?

P(B1/A1)
B1 P(A1 ∩ B1) = P(B1|A1)xP(A1)=P(A1|B1) P(B1)

P(A1) A1
P(B2/A1) B2
P(B1/A2)
B1 P(A2 ∩ B1) = P(B1|A2)xP(A2)=P(A2|B1) P(B1)
P(A2)
A2
P(B2/A2) B2
Teorema de Bayes - derivación:
P(A1 ∩ B1)
P(A1/B1)=  por definición de probabilidad condicional
P(B1)

P(B1|A1)xP(A1)
=  regla de multiplicación [P(A1 ∩ B1)=P(A1|B1)xP(B1)=P(B1|A1)xP(A1)]
P(B1)

P(B1|A1)xP(A1)
= reformulación de probabilidad simple
P(A1∩B1)+P(A2∩B1)

P(B1|A1)xP(A1)
P(A1/B1)= regla de multiplicación [P(A2 ∩ B1)=P(B1|A2)xP(A2)]
P(B1|A1)xP(A1)+P(B1|A2)xP(A2)
Ejemplo: Teorema de Bayes
Probabilidad de enfermedad (A1) =0,03
Probabilidad de no enfermedad (A2)=0,97
Prueba positiva (B1) o negativa (B2)
Prob prueba positiva (B1) dado que tiene la enfermedad (A1)=P(B1|A1)=0,9
Prob prueba positiva (B1) dado que no tiene la enfermedad (A2)=P(B1|A2)=0,02
P(A1|B1)??
Teorema de Bayes
P(A1) =0,03
P(A2)=0,97
P(B1|A1)=0,9
P(B1|A2)=0,02
P(B1|A1)P(A1)
P(A1|B1)=
P(B1|A1)P(A1)+P(B1|A2)P(A2)

0,9x0,03
P(A1|B1)= =0,582
0,9x0,03+0,02 0,97