Documentos de Académico
Documentos de Profesional
Documentos de Cultura
PROBABILIDAD Y ESTADÍSTICA
Módulo II
Unidad 3
¿Qué es la probabilidad?
Módulo
II
Unidad 3 Unidad 4
Hasta aquí, hemos estudiado diversos métodos que nos permiten recopilar, orga-
nizar, agrupar, analizar y presentar datos, para luego establecer algunas relacio-
nes entre datos.
En el presente módulo pasaremos de lo descriptivo (estadístico) a lo probable.
Y para poder materializar este objetivo, comenzaremos analizando lo que es un
experimento y las posibilidades de que algún suceso en particular se manifieste
cuando estamos realizando el mencionado ensayo.
¿De qué manera podemos asociar este conocimiento con nuestra labor en Siste-
mas?
El analista encontrará en esta materia las herramientas para diseñar diversos
modelos matemáticos que permitirán describir el comportamiento y/o el resul-
tado de investigaciones en el área de la física, la sociología, agricultura, marke-
ting, medicina y otras áreas del conocimiento.
Al igual que en el Módulo I, le acercaremos Actividades para la Facilitación de la
comprensión de los contenidos a través de propuestas de resolución de situaci o-
nes problemáticas.
Esperamos que usted desarrolle la capacidad y el ingenio para resolver una situa-
ción, y no solo el problema planteado. Es decir, no nos interesa tanto que llegue
al resultado como que desarrolle el razonamiento necesario para encarar la reso-
lución de las distintas situaciones.
Para lograr esto, usted cuenta con: explicaciones teóricas, ejemplos, en donde
puede ver cómo otros utilizan la teoría para resolver problemas y ejercicios re-
sueltos.
No incluimos las respuestas a las situaciones problemáticas porque esperamos
que sean disparadores de preguntas en foros y chats, a la vez que indicadores de
su avance y participación en los procesos de aprendizaje propuestos.
Como futuro analista de procesos complejos y no deterministas - y en muchos ca-
sos rodeados de incertidumbre - esta unidad se propone brindarle herramientas
que le permitan alcanzar las siguientes metas de aprendizaje:
Contenidos y Actividades
1. Probabilidad
http://www.zweigmedia.com/RealWorld/index.html
BIBLIOGRAFÍA OBLIGATORIA
http://www.zweigmedia.com/RealWorld/index.html
Lo/a invitamos ahora a comenzar con el estudio de los contenidos que conforman
esta unidad.
1. Probabilidad
Definición:
Ejemplo 1
En símbolos:
: velocidad; : tiempo; e : espacio, distancia
Ejemplo 2
En símbolos:
pi : precio del bien i; q i : cantidad demandada del bien i
En este caso:
qi a b pi para a 0 y b 0
1
Observación:
Definición: Decir que un fenómeno tiene un comportamiento lineal quiere de-
cir, que responderá a la formula de la ecuación de una recta que escribir como:
y a b x
Se llama experimento aleatorio o estocástico a aquel fenómeno
empírico que admite dos o más resultados posibles y en el cual no se
tienen elementos de juicio suficientes para poder predecir con exacti-
tud cuál o cuáles de ellosProbabilidad
ocurrirán y(siempre repitiendo
Estadística / Módulo IIel/experimen-
Unidad 3 / Pág.6
to con las mismas condiciones).
Denotaremos con el símbolo al experimento aleatorio
1: Observar la cantidad de autos azules que pasan por la calle durante una hora.
2 : Sembrar una semilla y medir la altura que alcanza la planta luego de transcu-
rridos 20 días.
3 : Medir el tiempo que transcurre hasta que vuelve a sonar el teléfono.
http://www.zweigmedia.com/RealWorld/index.html
Las siguientes actividades son una oportunidad para transferir los conceptos des-
arrollados a la resolución de una situación práctica y posible. También son una
Situación Problemática 1
Situación Problemática 2
Definición:
Ejemplo 3
Ejemplo 4
Ejemplo 5
Tenemos una caja que contiene 4 bolas negras y 4 bolas rojas, se extrae una bola
al azar. Entonces
: obtener una bola
E = {negra, roja}.
Los espacios muestrales que observamos en los ejemplos anteriores son finitos,
pero podemos encontrar espacios muestrales que tengan infinitos resultados. Por
ejemplo, la duración en horas de una lámpara podría variar en un intervalo conti-
nuo [0, 1000], donde hay infinitos puntos cada uno de los cuales representa un
determinado tiempo entre 0 hs y 1000 hs.
Otro caso sería el peso de varias personas tomado al azar de una población.
Situación Problemática 3
Definición:
En símbolos:
Ejemplo 6
Sea : lanzar un dado una vez. El espacio muestral será E = {1, 2, 3, 4, 5,6}.
Supongamos que nos interesa observar cuando salen números múltiplos de 3. En-
tonces el suceso A será:
A = {3, 6}
Ahora supongamos que nos interesa observar cuando salen menores a cuatro. En-
tonces el suceso B será:
B = {1, 2, 3, 4}
Suceso simple o elemental. Aquel suceso que está compuesto por un solo
elemento del espacio muestral.
Suceso nulo o imposible. Aquel suceso que es vacío, o sea no tiene ele-
mentos.
Suceso compuesto. Aquel suceso que está compuesto por más de un ele-
mento del espacio muestral.
Ejemplo 7
Una caja contiene 1 bolilla azul, 1 bolilla blanca y 1 bolillas roja. Se selecciona al
azar una bolilla.
El experimento consiste en seleccionar una bolilla y observar el color.
El espacio muestral está formado por todas las bolillas posibles de ser selecciona-
das.
E: {azul; blanca; roja}
A = {blanca}
Suceso Seguro
Supongamos que C es que aparezca una bolilla blanca o una bolilla roja o
una bolilla azul. Entonces,
Suceso Compuesto
En símbolos: 0
2- Si el suceso aleatorio es un conjunto vacío, a la probabilidad de
ocurrencia del suceso aleatorio se le asigna el valor 0.
En símbolos: Si entonces 0
En símbolos: Si entonces 1
4- La probabilidad de ocurrencia del complemento de un suceso es
igual a uno menos la probabilidad de ocurrencia del suceso .
En símbolos: 1
suceso necesariamente es 0 1
k
n
Ejemplo 8
Una caja contiene 3 bolillas azules, 2 bolillas blancas y 5 bolillas rojas. Se seleccio-
na al azar una bolilla.
a) ¿Cuál es la probabilidad de que la bolilla seleccionada sea azul?
b) ¿Cuál es la probabilidad de que la bolilla no sea azul?
Solución:
El experimento consiste en seleccionar una bolilla y observar el color.
El espacio muestral está formado por todas las bolillas posibles de ser selecciona-
das.
E: {azul; azul; azul; blanca; blanca; roja; roja; roja; roja; roja}
Desafíe su comprensión…
Situación Problemática 4
Situación Problemática 5
Situación Problemática 6
Ejemplo 9
Solución:
Si es posible considerar que 700 observaciones son suficientes como para que
se cumpla el principio de estabilidad de la frecuencia relativa, entonces la pro-
babilidad de encontrar una lámpara defectuosa en un día es
0,15
Si uno lanzara una moneda 1000 veces y marcara cuando sale cara con un pa-
lote y cuando sale ceca con otro, aproximadamente aparecerán 500 caras y 500
500
cecas, con lo cual la frecuencia relativa de cara será y la de ceca será
1000
500
.
1000
Situación Problemática 7
Sabiendo que las probabilidades de los resultados A,B,D y E son los que se
muestran en la siguiente tabla, y que la probabilidad de que ocurra F es tres ve-
ces mayor que la de C, completar el cuadro.
Resultado A B C D E F
Probabilidad 0.25 0.25 0.15 0.10
B
A
AB
A B
AB
A B
AB
A B
AB
(AB) +
( AB ) + ( A B ) + ( A B ) = n
A: (AB) +
( AB ) = (A)
B: (AB) +
( A B ) = (B)
nal de A :
( A B) + ( A B ) = ( A )
nal de B :
( AB ) + ( A B ) = (B )
A A
B (AB) ( A B) (B)
B ( AB ) ( A B ) (B )
(A) (A)
Ejemplo 11
Solución:
MC: Suceso “persona mujer y que vive en Capital Federal”. Suceso Conjunto.
Supongamos que un espacio muestral está formado por un numero finito n de su-
cesos elementales y no hay motivo para suponer cuál de ellos pueda ocurrir con
mayor frecuencia que el resto, entonces la probabilidad de cada uno de estos suce-
1
sos elementales es n .
Dado estos casos, se puede aplicar lo que llamamos regla de Laplace para averi-
guar las probabilidades de los sucesos compuestos. Supongamos un suceso com-
puesto compuesto por k sucesos elementales donde tiene, una probabilidad igual a
k
n (regla de Laplace).
Si tuviésemos motivos para pensar que algún suceso puede darse con mayor fre-
cuencia que otro o bien cuando el espacio muestral es infinito, no podemos aplicar
esta regla.
b) En el caso que no podamos usar la regla de Laplace, pero contamos con in-
formación estadística sobre la frecuencia relativa en la que aparecen los dis-
tintos sucesos, podemos entonces obtener una estimación frecuencial de las
probabilidades.
En cada uno de estos modos las propiedades de la probabilidad son las mismas
(vea los Axiomas del cálculo de probabilidad)
1, 5, 4, 2, 3, 4, 1, 3, 4, 5
Podemos afirmar que una variable aleatoria es una variable cuyos valores depen-
den del resultado de un experimento aleatorio. Frecuentemente el resultado de un
experimento se expresa de forma numérica y, en consecuencia, tal resultado es
una variable aleatoria. Por ejemplo, observar la altura de un colectivo de indivi-
duos.
Dos o más sucesos pertenecientes a un mismo Espacio Muestral son sucesos inde-
pendiente sí, y sólo si la presentación de uno de ellos no modifica el valor de la
probabilidad del o de los otros.
En símbolos:
P A/ B PA
y
P B/ A PB
P AB PA PB
Para k sucesos,
P A1 A2 A3 ... Ak P A1 P A2 P A3 ...P Ak
Ejemplo 12
Solución
Hay que calcular la probabilidad conjunta de que ocurra el suceso A y que ocurra el
suceso B y que ocurra C-
pero
P A 1 PA 1 0,04 0,96
PB 1 PB 1 0,11 0,89
PC 1 PC 1 0,08 0,92
Luego,
P ABC 0,96 0,89 0,92 0,786048
Los casos favorables a que ocurra alguno de los dos sucesos, el suceso A o el suce-
so B (o incluyente) son, utilizando los totales conjuntos ya estudiados, todos los A
que se presentan con B más todos A que se presentan sin B más todos los B que se
presentan sin A, y los casos posibles son los n elementos del espacio muestral, lue-
go
AB AB AB
PA B
n
AB AB AB AB AB
PA B
n
Recordemos que
AB AB A
AB AB B
Entonces,
A B AB
P A B
n
Luego,
A B AB
PA B
n n n
Por lo tanto, concluimos que la probabilidad de que se presente alguno de los dos
sucesos, el suceso A o el suceso B (o ambos), es igual a la suma de las probabilida-
des marginales menos la probabilidad conjunta.
PA B PA PB P AB
P A B P A PB 2 P AB
Veámoslo en un ejemplo.
Ejemplo 13
Esto se refiere a las formas en que pueden arreglarse los elementos de un conjun-
to.
V43 4 3 12
AB, AC, AD, BC, BD, CD, BA, CA, DA, CB, DB, DC
La formula es:
Pn n!
Pr r! n - r !.r !
n!
Cnr
n - r !.r !
4! 4.3.2.1 12
C42 6
4 - 2 !.2 ! 2.1.2.1 2
Situación Problemática 8
Se saca una bolilla al azar de una urna que contiene 6 bolillas rojas, 4
bolillas blancas y 5 bolillas azules. Determine la probabilidad de que:
a- Sea roja
b- Sea blanca
c- Sea azul
d- No sea roja
e- Sea roja o blanca
Situación Problemática 9
Situación Problemática 10
Distribución binomial
En la realidad nos encontramos muchas veces con hechos que presentan dos as-
pectos que podríamos calificar de éxito o fracaso.
Por ejemplo: un examen puede aprobarse o no aprobarse, un hijo puede nacer mu-
jer o varón, una persona puede ser agresiva o no agresiva, un libro puede haberse
leído o no, etc.
Pr Cnr p r q n r
Esta fórmula define una distribución aleatoria de variables discretas cuya descrip-
ción debemos a Jaques Bernouilli y que se llama Distribución Binomial.
2 6 2 2 4
1 1 6! 1 1 6.5.4.3.2.1 1 1 30 1 1
P2 C62 0,234
2 2 4!2! 2 2 4.3.2.1.2.1 4 16 2 4 16
2
a b a2 2 a b b2
n
p q pn Cn1 p q n 1
Cn2 p 2 q n 2
... q n
y los valores de las combinaciones Cn1 , Cn2 , Cn3 , etc. se llaman coeficientes binomia-
les.
Así por ejemplo, si queremos saber cuál es la probabilidad de obtener 3 caras tiran-
do 5 monedas, como p=q=0,5 hacemos la expansión correspondiente:
5
p q p5 5 p 4 q 10 p3 q 2 10 p 2 q3 5 p q4 q5
3 2
3 2 1 1 1 1 10
10 p q 10 10 0,31
2 2 8 4 32
Esperanza Matemática
Sabemos que cuando una variable aleatoria o sea al azar, puede tomar solo un con-
junto finito de valores, es decir valores que son números enteros (por ejemplo,
cantidad de hijos en una familia, caras de un dado, etc.) hablamos de una variable
discreta.
En este caso, la distribución de probabilidad de que una familia tenga 2 o más hijos
y una probabilidad de que tenga más de 2 hijos y menos de tres. Siempre que te-
nemos una variable aleatoria discreta en la que haya valores de x1 a xn la serie de
las probabilidades de ocurrencia para los n valores es igual a 1, es decir que:
p x1 p x2 p x3 ... p xn 1
E X X p X
430
E X X p X 3,58
120
Por ejemplo, supongamos que tenemos una urna con 19 bolillas blancas y 1 negra
y que la probabilidad de sacar una bolilla blanca es de 0,95 y la de sacar una bolilla
negra 0,05. Por lo tanto, según la distribución binomial, la probabilidad de tener r
bolillas negras en la muestra es, si n=20, p=0,05
Cierre de la Unidad