Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Presentado por:
Presentado a:
Cesar Andrés Paz Suarez
Grupo: S6491
13 DE FEBRERO DE 2020
INSTITUCIÓN UNIVERSITARIA “ANTONIO JOSÉ CAMACHO”
Cali- valle del cauca
INSTITUCIÓN UNIVERSITARIA “ANTONIO JOSÉ CAMACHO”
TALLER PRIMER ENCUENTRO - ESTADÍSTICA APLICADA A LA SALUD OCUPACIONAL II
TALLER
Conceptos básicos de probabilidad
Experimento aleatorio: Antes de su realización, conocemos de antemano todos sus posibles resultados, pero no
el resultado concreto que vamos a obtener, aunque se observan regularidades al repetir varias veces el
experimento.
Espacio muestral (S): El conjunto de todos los posibles resultados de un experimento aleatorio, normalmente se
representa por S. Por ejemplo, si lanzamos una moneda nuestro espacio muestral tiene 2 elementos y coincide
con S= {c, s} donde c=cara y s= sello.
Evento: Es un subconjunto del espacio muestral S. Esto implica que S también es un evento así como lo es el
conjunto vacío. Cualquier resultado individual también puede considerarse como un evento.
Se dice que dos eventos A y B, son mutuamente excluyentes si no pueden ocurrir juntos; es decir, la intersección
de A y B es el conjunto vacío.
Enfoques de probabilidad
Clásica: La probabilidad clásica es aquella que se toma de manera objetiva, puesto que se conoce el número
exacto de opciones a ocurrir y presenta un resultado exacto y que puede considerarse a priori.
- Probabilidad a Priori. La probabilidad de un evento A, P(A), es la medida del chance de que ese evento ocurra.
En este caso los resultados del experimento son igualmente probables. Este método fue desarrollado por Laplace.
# de maneras que A puede ocurrir
P(A) = -------------------------------------------------
# total de resultados posibles
Ejemplo. Se lanzan dos monedas al aire, ¿cuál es la probabilidad de que ambas sean cara (C)?
S = {CC, CS, SC, SS} A = {CC}
P (CC) = ¼
Frecuentista o Probabilidad a posteriori. En el caso que los eventos no poseen igual posibilidad de ocurrencia, el
problema de asignar las probabilidades ocurre a posteriori. El concepto de probabilidad a posteriori lo desarrolla
Richard Von Mises y se conoce también como de frecuencia relativa y es apropiado cuando se tienen los datos
para estimar la proporción del tiempo que ocurrirá el evento en el experimento si el experimento se repite un
número grande de veces y cuyos resultados no son exactos.
Frecuencia relativa: Supongamos que repetimos n veces un experimento, y sean A y B dos eventos asociados
con el experimento. Sean nA y nB el número de veces que el evento A y el B (respectivamente) ocurrieron en las n
repeticiones. Entonces, definimos f A = nA / n como la frecuencia relativa del evento A en las n repeticiones del
experimento.
La frecuencia relativa fA tiene las siguientes propiedades:
- 0 ≤ fA ≤ 1.
- fA = 1 si y sólo si A ocurre cada vez en las n repeticiones.
- fA = 0 si y sólo si A nunca ocurre en las n repeticiones.
- Si A y B son dos eventos mutuamente excluyentes (o sea con frecuencia conjunta 0), y si f(A U B) es la
frecuencia relativa asociada al evento A U B, entonces f(A U B) = f A + fB.
- fA, basada en la n repeticiones del experimento y considerada para una función de n, "converge" en cierto
sentido probabilístico a P(A) cuando n-->+∞. (Esto no es lo mismo que el concepto corriente de
convergencia que se encuentra en otra parte en matemáticas. En realidad, ésta no es una conclusión
matemática, sino simplemente un hecho empírico.) Lo importante de esta propiedad es que si un
experimento se realiza un gran número de veces, la frecuencia relativa con que ocurre un evento A tiende
a variar cada vez menos a medida que el número de repeticiones aumenta.
Subjetiva: esta probabilidad ocurre cuando no existen frecuencias ni sabemos el número de opciones a ocurrir,
por lo tanto es asignada de forma subjetiva por expertos en el área específica.
Axiomas de probabilidad: Sea E un experimento y S un espacio muestral asociado con E. Con cada evento A
asociamos un número real, designado con P(A) y llamado probabilidad de A, el cual satisface las siguientes
propiedades:
- 0 ≤ P(A) ≤1
- P(S) = 1
- Si A y B son dos eventos mutuamente excluyentes, P(A U B) = P(A) + P(B)
- Si AC es el evento complementario de A, entonces P(A) = 1 - P(AC)
- Si A y B son dos eventos cualesquiera, entonces P(A U B) = P(A) + P(B) - P(A ∩ B)
- Si S = Ai entonces P(S) = P(Ai) A : Partición
Ejemplos
1. Una empresa necesita aportes de sus socios para dos proyectos. La probabilidad de que los socios aporten al
proyecto A es del 30%, de que aporten al proyecto B es del 60% y de que aporten en ambos es del 8% ¿Qué
probabilidad hay de que aporten al menos en un proyecto?
Solución: Al menos a 1 sería al proyecto A o al proyecto B o a ambos, esto se define como la unión de dos
conjuntos P(A U B) = P(A) + P (B) – P(A ∩ B) = 0.3 + 0.6 - 0.08 = 0.82
PROBABILIDAD MARGINAL Y CONJUNTA Una manera, muy usada en la práctica, para denominar la
probabilidad de un evento simple en un espacio muestral es como probabilidad simple o marginal, la cual hace
referencia a la probabilidad de un evento simple, y se denota con P(A), siendo A el evento simple en cuestión. El
nombre de probabilidad marginal se debe a que esta medida se puede obtener a partir de los totales marginales
de una tabla de contingencia.
Ejemplo:Si en un estudio se hace una encuesta a 800 alumnos de una universidad sobre el grado de satisfacción
con la carrera y el grado de satisfacción con el progreso en la misma. Los resultados de la encuesta se muestran
en la siguiente tabla.
La probabilidad de que un alumno se encuentre satisfecho con la carrera, es decir, la probabilidad de que ocurra
el evento A = “satisfecho con la carrera elegida” será igual al número de alumnos que están satisfechos (712)
divido por el número de total de alumnos encuestados (800), es decir, P(A) = 712/800 = 0.89. Esta es una
probabilidad marginal.
La denominación de probabilidad conjunta se utiliza para referirse a la probabilidad de ocurrencia de dos o más
eventos simples simultáneamente. Por ejemplo, si se usa los datos del ejemplo, la probabilidad de que ocurran
simultáneamente los siguientes eventos simples A = “el alumno está satisfecho con su carrera” y B = “el alumno
está satisfecho con su avance en la carrera” se calcula como el número de alumnos que se encuentran satisfechos
tanto con la carrera como con sus avances en la misma (362, que es donde se cruzan las dos opciones requeridas)
divido por el número total de alumnos encuestados (800), y se denota con P(A y B) o con P( A ∩ B ) puesto que
es una intersección y en esta caso es igual a 362/800 = 0.4525.
Observaciones:
1. Las definiciones dadas hasta ahora, son aplicables a situaciones donde el espacio muestral S se considera
formado por n puntos. Por ejemplo, en la encuesta de alumnos n= 800. Cada uno de estos puntos (empleados)
tiene probabilidad 1/n= 1/800 de ser elegido al azar.
2. Si el espacio muestral es particionado en r eventos, A 1, A2,…, Ar, que definen una característica como por
ejemplo “Satisfacción con la carrera”; y si en este mismo espacio se considera otra partición generada por s eventos
B1, B2,…, Bs, que definen otra característica como ser “Satisfacción con su progreso en la carrera”, entonces el
espacio muestral S queda particionado en r s subconjuntos. En el ejemplo de la encuesta, r = s = 2, y donde A 1 =
“Si está satisfecho con la carrera”, A2= “No está satisfecho con la carrera”, B1= “Si está satisfecho con su progreso”
y B2= “No está satisfecho con su progreso”, luego el espacio muestral queda dividido en 4 subconjuntos a saber
A1∩B1, A2∩B1, A1∩B2, A2∩B2, y sus respectivas probabilidades P[Ai∩Bj] = P[Ai y Bj], son las ya definidas
probabilidades conjuntas, mientras que las probabilidades de los eventos determinados por cada partición, es
decir, P[Ai] y P[Bj] son las probabilidades marginales correspondientes a la primera y segunda partición
respectivamente.
3. Si dos eventos no tienen puntos comunes, es decir, ellos no pueden ocurrir simultáneamente (no se cruzan),
entonces, se dice que son mutuamente excluyentes. Por otra parte, un conjunto de eventos se dice que son
colectivamente exhaustivos, si uno de ellos debe ocurrir necesariamente. Por ejemplo, A 1 y A2 son mutuamente
excluyentes y colectivamente exhaustivos, ¿Por qué? Porque son complementos ¿Lo son también A 1 y B2?
4. A partir de la definición de probabilidad conjunta, y considerando que el número de alumnos que presentan la
característica A1= “están satisfechos con la carrera” se obtiene sumando el número de alumnos que pertenecen al
evento (A1∩B1) y al evento (A1∩B2), entonces se verifica que: P[A1] = P[A1∩B1] + P[A1∩B2].
Y entonces se debe observar que el numerador es la P[A y B]= P[A∩B] y el denominador es P[B].
A partir de esta última observación surge naturalmente la definición formal del concepto de Probabilidad
Condicional para dos eventos cualesquiera A y B, como:
La comparación de los valores obtenidos de P[A/B] con P[A] en el ejemplo revela cierta información importante:
el conocimiento del progreso en la carrera afecta la predicción de la satisfacción con la carrera elegida. Por lo
tanto, desde una perspectiva estadística se puede establecer que estos eventos están asociados de alguna
manera. Esto lleva a definir uno de los conceptos más importantes de la estadística y que es el concepto de
Independencia Estadística de la siguiente manera: Dos eventos A y B se dice que son independientes
estadísticamente si P[A/B]=P[A] o P[B/A]=P[B] o P[A∩B]=P[A]P[B]. Es decir que el conocimiento de la ocurrencia
de B no afecta a la P[A].
TALLER DESARROLLO
A continuación, se presentan tres ejercicios los cuales deben resolverse y enviarse previamente en la
plataforma en PDF, según lo indicado en la agenda para el primer encuentro.
Ejercicio #1 Considere experimento de lanzar un dado no alterado en una ocasión, para este caso:
1. Describa el espacio muestral asociado a este experimentó.
S= {1,2,3,4,5,6}
4. Calcule la probabilidad del evento: obtener un número menor que cinco en el lanzamiento.
P(A)=(1,2,3,4)= {4/6}
P(A)= (1,2,3,4) = 0,666
5. Indique si la siguiente afirmación es falsa o verdadera: Los eventos simples de este experimento son
independientes. (Verdadera)
6. Pruebe que la suma de los eventos excluyentes que componen el espacio muestral da como resultado 1.
La probabilidad de que ocurra un resultado dentro del espacio muestral es de 0,1666 y al sumar este
resultado 6 veces dará 0,999 y este se puede aproximar a 1
Ejercicio #2 Cooper Realty es una empresa pequeña de bienes raíces que se especializa en inmuebles
habitacionales. Recientemente les ha interesado determinar la posibilidad de que una de sus propiedades se venda
dentro de cierto tiempo. Un análisis de las ventas de 800 casas, efectuada por esa empresa en años pasados,
arrojó los datos siguientes:
A= “MÁS DE 90 DÍAS”
P(A) = 200/800 = 0.25 x 100= 25%
La probabilidad que de una casa se vende en más de 90 días es del 25%
8. Determine la probabilidad de que una casa se venda en más de 90 días y cueste más de 150 millones.
P( A ∩ B )= {10/800}
P( A ∩ B )= 0,0125 x 100= 1,25%
R/ la probabilidad de que una casa se venda en más de 90 días y cueste más de 150 millones es del
1,25%
9. Suponiendo que se acaba de firmar un contrato para anunciar una casa cuyo precio inicial es menor de 50
millones, ¿Cuál es la probabilidad de que Cooper Realty tarde más de 90 días en
venderla? (probabilidad condicional)
P( A ∩ B )= {10/800}
P( A )= {200/800)
10. Suponiendo que Cooper Realty tardó de 31 a 90 días en vender una casa, ¿Cuál es la probabilidad de que
cuyo precio inicial sea entre 100 y 150 millones? (probabilidad condicional)
P( B ∩ A )= {280/800}
P( B )= {500/800)
R/ la probabilidad de que cuyo precio inicial sea entre 100 y 150 millones es del 56%
Ejercicio #3
11. Una caja contiene ocho artículos en buen estado y tres defectuosos, se extraen dos de ellos de manera
consecutiva, calcule La probabilidad de que los dos artículos sean defectuosos
Siendo B los artículos en buen estado y D los artículos defectuosos, en la caja hay 8 B y 3 D
P(2D) = P(DD)= 3/11 x 2/10 = 0,054