19/10/2011
Probabilidades •En 1812 Pierre Simon Marquez de Laplace presenta
Históricamente, el propósito original de la teoría
de probabilidades se limitaba a la descripción y
estudios de juegos de azar.
•Girolamo Cardamo (1501-1576) fué el primero
enrelacionar probabilidades con juegos de azar.
Elaboró un horóscopo para Eduardo VI
pronosticando una larga vida. El rey murió al año
siguiente
•Galileo (1564-1642) trató varios problemas de
juegos de dados.
¿Qué es Probabilidad?
En forma muy simple, entenderemos como
probabilidad la cuantificación del grado de
incerteza (posibilidad) sobre la ocurrencia de un
resultado de cierto experimento. Un ejemplo de
ello es: “Al lanzar una moneda”, ¿ puedo apostar
a que sale cara y ganar?.
Dicha cuantificación la expresaremos en
cantidades numéricas mayores o iguales a cero y
menores o iguales a uno.
su Théorie Analytique de Probabilités presentó
muchas ideas, métodos y resultados acerca de la
teoría de probabilidades.
•El la última mitad del Siglo XIX la escuela Rusa
contribuyó enormemente al desarrollo de la teoría
con los trabajos de Chebychev, Liapunov y Markov.
• En el Siglo XX Borel inicia la conexión entre la tería
de probabilidades y la teoría matemática, teniendo
como seguidores a Khintchine, Kolmogorov, Slutsky,
Paul Levy y Fisher, siendo considerado este último
como el Padre de la Estadística Moderna.
Clásico, Frecuentista o Subjetivo?
•Clásico: Al realizar un experimento todos los
resultados (de este) tienen la misma posibilidad
de ocurrir.
•Frecuentista: Si repetimos infinitas veces un
experimento bajo las mismas condiciones
ambientales y tabulamos los resultados, la
columna de proporciones corresponde a las
probabilidades.
•Subjetivo: La probabilidad de un resultado es
asignado según el grado de certeza de un
individuo. Dos sujetos distintos asignan
probabilidades distintas.
1
 19/10/2011

Experimento Aleatorio, Espacio Muestral y

Evento. Axiomática
•Experimento Aleatorio (E): Es un experimento en el
cual no se puede predecir, con certeza, su resultado. P : Ω → [0,1]
•Espacio Muestral (Ω): Es el conjunto de todos los
resultados posibles de un experimento aleatorio. ω → P ({ω })
•Evento o Suceso: es cualquier subconjunto del Ax1 : P (Ω) = 1
espacio muestral.
•Evento Seguro: es aquel evento cuya probabilidad Ax 2 : P ( A) ≥ 0 ∀A ⊆ Ω
de ocurrencia es 1.
•Evento Imposible(Φ): es aquel evento cuya Ax 3 : P( A ∪ B ) = P ( A) + P ( B ), A y B disjuntos
probabilidad de ocurrencia es 0.

Propiedades ¿Como calcular una probabilidad?

Sean A y B eventos. Sea A un evento. Se define la probabilidad del evento
• 0 ≤ P ( A) ≤ 1 A como:
Casos Favorables para A # A
• P ( Ac ) = 1 − P ( A) P ( A) = =
• P (φ ) = 0 Casos Totales #Ω
En la clase de Estadística hay 6 mujeres y 23 varones
• P ( A ∪ B) = P( A) + P( B) − P ( A ∩ B)
Se ecoge al azar una persona para efectuarle una
• Si A ⊆ B ⇒ P ( A) ≤ P ( B ) interrogación oral. Indicar la probabilidad de que la
• Si A y B independientes : P ( A ∩ B ) = P ( A) × P( B ) personas seleccionada sea mujere. Sea A el suceso “sea
n n mujer”.
• A1 ,K , An eventos ⇒ P(U Ai ) ≤ ∑ P ( Ai ) 6
i =1 i =1 P( A) = = 0.206896551724
29

2
 19/10/2011

Probabilidad Condicional Diagrama de Árbol

Sean A y B dos eventos. Se define la probabilidad Una urna contiene dos fichas blancas (B) y tres fichas
condional de A dado B {P(A|B)} como: rojas (R). Se extraen dos fichas sin reposición. Describa
P( A ∩ B) el espacio muestral. P(B|B)
P( A | B) = , P( B) > 0
P( B)
P(B)
P(R|B)
La que debe satisfacer los axiomas 1, 2 y 3. Notemos
que al condicionar nuestro espacio muestral es ahora
B. Además si A y B son independientes P(A|B)=P(A). P(B|R)
P(R)
¿Con reposición?
P(R|R)

Teorema de Probabilidades Totales Teorema de Bayes

Suponga que estamos bajos las mismas condiciones
Sean B , A1 , K , An eventos, tales que A1 , K , An forman
del teorema de probabilidades totales. Nos interesa
una partición de Ω. Entonces la P ( B ) puede ser escrita poder calcular la probabilidad de que ocurra el i-ésimo
como : n
elemento de la partición dado que observamos la
P ( B) = ∑ P( B | Ai ) P( Ai ) ocurrencia del evento B:
i =1
P( B | Ai ) P( Ai )
Ejemplo: Un alumno acaba de matricularse en el IEB P( Ai | B) = n
La probabilidad que se reciba es de 0.85 si obtiene beca ∑ P( B | A j ) P( A j )
j =1
y 0.45 si no la obtiene. Si la probabilidad de obtener una
Si en el ejemplo anterior nos interesa conocer
beca es de 0.3 ¿Cuál es la probabilidad que este alumno
la probabilidad de que al postulante se le hubieran
se reciba?. Sea R=“se recibe” y B=“recibe beca”.
dado beca, sabiendo que se recibió.
P( R) = P( R | B) P( B) + P( R | B c ) P( B c ) = 0.85 * 0.3 + 0.45 * 0.57 = 0.57
P ( B | R ) = 0.85 * 0.3 / 0.57 = 0.447