Métodos Estadísticos

para Investigaciones
Sociales
NOCIONES DE
PROBABILIDAD
 OBJETIVOS

Al finalizar, el participante será capaz de:

1. Aplicar los conceptos de experimento, espacio

muestral y evento.
2. Discutir los principios para asignar
probabilidad.
3. Utilizar las reglas de probabilidad para plantear
y resolver un problema real.
 CONTENIDO

1. Importancia de las probabilidades

2. Conceptos básicos
3. Probabilidad
4. Reglas de Probabilidad
3.1 Regla de la Adición
3.2 Regla de la Multiplicación
3.3 Teorema de Bayes
 Importancia de las Probabilidades

Las probabilidades están presentes en nuestras

vidas más a menudo de que podríamos
sospechar. Todos tenemos una gran intuición
probabilística.
Por ejemplo, en días lluviosos, fríos y con mucha
humedad es alta la probabilidad de coger un
resfrío. Si ingerimos alimentos en lugares poco
higiénicos, en ambulantes es muy probable que
contraigamos una infección estomacal.
Importancia de las Probabilidades

¿Cómo es la probabilidad de ganar el premio mayor

en Tinka?. Muy baja, pues hay muchas alternativas
en juego. Pero aún sabiendo esto, compramos uno
que otro número. La decisión creo yo que es racional.
Si escuchamos una predicción de 20% que habrá
lluvia y Ud. tiene planeado un paseo al campo con la
familia. ¿Qué hace?. Lo mas racional es que cancele
su paseo y se quede en su casa viendo un video.
Importancia de las Probabilidades
 Conceptos básicos

(A) Experimento: Ejecución voluntaria de un

fenómeno.
Se caracteriza por:
a) Tener varios resultados posibles
b) Existir incertidumbre sobre el resultado
Ejemplos:
• Lanzar una moneda
• Seleccionar de un lote un foco de luz
• Extraer una muestra de sangre a una
persona
(B) Espacio Muestral: Conjunto de todos los resultados posibles
de un experimento. Se simboliza por  (omega).

Ejemplos:
Lanzar una moneda
 = {cara, sello}
Seleccionar de un lote, un foco de luz.
 ={adecuado, inadecuado}
Extraer una muestra de sangre a una persona.
 = {grupo sanguíneo}
Ejemplo:
Se lanzan tres monedas simultáneamente. Los ochos resultados
posibles de este experimento pueden detallarse de manera conveniente
mediante un diagrama de árbol:
Primera Segunda Tercera Resultado
Moneda Moneda Moneda Posible

C C CCC
C S CCS
S C CSC
S CSS
C C SCC
S S SCS
S C SSC
S SSS
 ={CCC, CCS, CSC, CSS, SCC, SCS, SSC, SSS}
(C) Suceso: subconjunto del espacio muestral,
seleccionado de acuerdo a una condición. Se
representan por letras latinas mayúsculas.
Ejemplo:
Se lanzan dos dados. El espacio muestral de
este experimento es:
= { (1,1) (1,2) (1,3) (1,4) (1,5) (1,6)
(2,1) (2,2) (2,3) (2,4) (2,5) (2,6)
(3,1) (3,2) (3,3) (3,4) (3,5) (3,6)
(4,1) (4,2) (4,3) (4,4) (4,5) (4,6)
(5,1) (5,2) (5,3) (5,4) (5,5) (5,6)
(6,1) (6,2) (6,3) (6,4) (6,5) (6,6) }
Podemos considerar los siguientes sucesos:
A: la suma de puntajes es 7, es decir
A={(1,6) (2,5) (3,4) (4,3) (5,2) (6,1)}

B: la suma de puntajes es 11, es decir

B={(5,6) (6,5)}

C: la suma de puntajes es 7 u 11, es decir

C={(1,6) (2,5) (3,4) (4,3) (5,2) (6,1) (5,6) (6,5)}
 Probabilidad
(A) Concepto: Ponderación asignada a cada punto
muestral que mide la verosimilitud de su ocurrencia.
(B) Principios para asignar probabilidad:
a) La probabilidad de cada punto muestral debe
estar entre 0 y 1
b) La suma de las probabilidades de todos los
puntos muestrales deben ser iguales a 1.
0 0,5 1
Tan probable
Improbable Probable
como improbable
Ejemplos:

1. Se lanza una moneda

={cara, sello}
P(cara) = 0,5 P(sello) = 0,5
2. Se lanzan 3 monedas
 = {CCC, CCS, CSC, SCC, CSS, SCS, SSC, SSS}
1/8 1/8 1/8 1/8 1/8 1/8 1/8 1/8
A: obtener exactamente 2 caras
A = {CCS, CSC, SCC}
1/8 + 1/8 + 1/8
P(A) = 3/8
(C) Conclusiones: De acuerdo a la definición de
probabilidad de un suceso y a los dos
principios, tenemos las siguientes
conclusiones:

(1º) P() = 1

(2º) P( ) = 0

(3º) P(A´) = 1 - P(A)

PROBABILIDAD DEL PUNTO ESTADISTICO

... Quien emplea la estadística aplicada,

prefiere pensar en la probabilidad como el
número de veces en las que, se presentará
determinada situación si una experiencia
fuera repetida indefinidamente en
situaciones de naturaleza repetitiva o que
pudiera concebirse de esa manera ...
 7.4 Reglas de probabilidad
7.4.1 Regla de la Adición

A B

U
(A B)
U
P(AUB) = P(A) + P(B) - P(A B)
Ejemplo:
Un cliente ingresa a una panadería. La probabilidad
de que compre (a) pan es 0,60 (b) leche 0,50, y c)
pan y leche es 0,30 ¿Cuál es la probabilidad de que
compre pan, leche o ambos?.
Datos
P(P) = 0,60
P(L) = 0,50
U
P (P L) = 0,30
U
(P L)
P(PUL) = P(P) + P(L) -
P(PUL) = 0,60 + 0,50 - 0,30
P(PUL) = 0,80
Regla de adición para sucesos
mutuamente excluyentes

Dos sucesos son mutuamente excluyentes, si no

tienen elementos comunes

A B  P(AUB) = P(A) + P(B)

Si : (A B) = 
U
U
Por lo tanto : P(A B) = 0
Ejemplo:

Se extrae una carta de una baraja. ¿Cuál es la

probabilidad de que sea un as o un rey?

P(AUR) = P(A) + P(R)

4
P(A) = 4 4
52 = 
52 52
4
P(R) = 8
52 =
52
7.4.2 Probabilidad Condicional
Ejemplo 1: Se dispone de 11 Hojas de Registro
Laboral, pertenecientes a trabajadores masculinos
y femeninos agrupados por el turno en que labora.

Sexo M F
Turno (Masculino) (Femenino) Total
D (Día) 5 3 8
N (Noche) 1 2 3
Total 6 5 11

a) ¿Cuál es la probabilidad de extraer una Hoja de

Registro Laboral perteneciente a un trabajador que
labora en el día? 8
P(D) =
11
b)¿Cuál es la probabilidad de extraer una Hoja de
Registro Laboral perteneciente a un trabajador que
labora en el día y que sea mujer?
3
P(D  F) =
11

c) Dado que la Hoja de Registro Laboral perteneciente

a un trabajador que labora en el día, ¿cuál es la
probabilidad que sea mujer?
3
P(F )=
D 8
Derivación de la fórmula:

P(F  D)
P(F )=
D P(D)

3
comprobando: P(F ) = 11
D 8
11
3
P(F ) =
D 8
 Aplicación:
La probabilidad de que el personal administrativo
que labora en una empresa, llegue tarde el día
lunes es 0,50 y la probabilidad de que llegue
retrasado los días lunes y martes es 0,20. Dado
que cierto trabajador llegó tarde el día lunes, ¿cuál
es la probabilidad de que llegue tarde el día
siguiente?.
P(TL ) = 0,50 T P(TM  TL )
P( M )=
TL P(TL )
P(TL  TM ) = 0,20
0,20
= = 0,40
0,50
7.4.3 Regla de la Multiplicación

A partir de

P(A  B)
P(B ) 
A P(A)

Se despeja
P(A  B)  P(A)  P B ( A)
 Aplicación:

Se sabe que en un lote de discos duros de 50

unidades, hay 4 que no están adecuadamente
embalados. Si se extraen al azar 2 discos
duros, uno a continuación del otro, ¿cuál es la
probabilidad de que ambos se encuentren mal
embalados?

4
P(D1 ) 
50
(D
P(D1  D 2 )  P(D1 )  P 2
D1
)
3 4 3 12
P(D 2 )  =  
D1 49 50 49 2450
Ejercicio
En una población de pacientes hospitalizados, la
probabilidad de que uno de ellos, elegido
aleatoriamente tenga problemas cardiacos es 0,35.
La probabilidad de que un paciente con problemas
cardiacos sea un fumador es de 0,86. ¿Cuál es la
probabilidad de que el paciente elegido al azar de
entre la población sea fumador y tenga problemas
cardiacos?
Regla de la multiplicación para
sucesos independientes.
Los sucesos A y B se consideran independientes
cuando la ocurrencia de uno no influye sobre la
probabilidad de ocurrencia del otro; esto significa
que, independientemente de que A haya ocurrido o
no, la probabilidad asignada a B es siempre la misma.

P(B )  P(B)
A
Entonces,

 P(A  B)  P(A)  P(B)

Ejemplo:

¿Cuál es la probabilidad de que en una familia con

dos hijos, ambos sean varones?

P(V1 )  0,5 P(V1  V2 )  P(V1 )  P(V2 )

P(V2 )  0,5
= (0,5) (0,5)

P(V1  V2 )  0,25
7.4.4 El teorema de Bayes
Consiste en una partición de la probabilidad total.
Ejemplo 1:
La Compañía de Seguros JL ha desarrollado un
novedoso seguro médico familiar. De acuerdo con
una investigación hecha en el mercado, la
probabilidad de que el producto tenga éxito es 0,80
si una compañía competidora no introduce un plan
similar en el mercado, en tanto que la probabilidad
de éxito es 0,30 si la empresa competidora lanza al
mercado un seguro similar. Además, la compañía JL
estima que hay una probabilidad de 0,40 de que la
firma competidora comercialice el producto.
Dado que el producto de la Compañía JL tuvo éxito,
¿cuál es la probabilidad de que la firma competidora
haya comercializado su novedoso plan de seguro?
Solución:

P(C) = probabilidad de que la compañía

competidora comercialice el producto,
P(C´) = probabilidad de que la compañía
competidora no comercialice el
producto,
P(E) = probabilidad de que el plan de seguro
familiar de la compañía JL tenga éxito.
P. Marginal P. Condicional P. Conjunta

P(E/C) = 0,30 P(C  E) = 0,40 0,30 = 0,12

P(E/C´) = 0,80 P (C '

 E) = 0,60  0,80 = 0,48

P. Total P(E) = 0,60

 Luego, de acuerdo con el Teorema de Bayes

P(C  E)
P(C )=
E P(C  E) + P(C '  E)

0.12 0.12
   0.20
0.12  0.48 0.60

La probabilidad que la compañía de seguros haya

participado en el mercado, dado que JL tuvo éxito
es de 0,20.
Ejemplo 2:
El Gerente de Imagen Institucional está considerando
comprar un lote de 10000 unidades USB de un
proveedor nacional. El fabricante de estos equipos
estima la proporción de equipos defectuosas en el lote,
en la siguiente forma.
Proporción de Probabilidad
piezas defectuosas () P()
1 = 0,10 P(1) = 0,20
2 = 0,15 P(2) = 0,30
3 = 0,25 P(3) = 0,50
Esto significa que el proveedor no está seguro
acerca de la proporción de equipos defectuosos
en el lote, sin embargo, basándose en
experiencias anteriores, cree que hay una
probabilidad de 0,20 de que el lote tenga 10% de
piezas defectuosas, una probabilidad de 0,30 de
que tenga 15%. Y finalmente, de 0,50 de que
tenga 25% de piezas defectuosas. Supongamos
que elige una unidad USB al azar en el lote:
A) ¿Cuál es la probabilidad de qué esta sea
defectuosa?
B) Dado que la unidad USB resultó defectuosa,
¿cuál es la probabilidad de que el lote tenga
25% de piezas defectuosas?
P. Marginal P. Condicional P. Conjunta

P(D/1)= 0,10
1=0,10 P( 1  D) = 0,20  0,10 = 0,0200

P(D/2)= 0,15
P(2) = 0,30  =0,15
2 P( 2  D) = 0,30  0,15 = 0,045

P(D/3)= 0,25
3=0,25 P( 3  D) = 0,50  0,25 = 0,1250
P(D) = 0,1900
 Respuesta A:
Hay tres maneras posibles de obtener un USB
defectuoso del lote. Por lo tanto, la probabilidad
de obtener una unidad defectuosa, cualquiera que
se la tasa porcentual de defectuosos 10, 15 ó 25
es:

P( D)  P(1  D)  P( 2  D)  P( 3  D)

 0,0200  0,0450  0,1250

 0,19
Respuesta B:

De acuerdo con el Teorema de Bayes, la

probabilidad de que el lote contenga 25% de
piezas defectuosas, dado que la unidad elegida
es defectuosa, es:

P( 3  D) 0.1250
P( 3 / D)    0.6579
P( D) 0.1900
 COMUNICACIÓN PERMANENTE CON LA ESCUELA

Correo de la Escuela del INEI

enei@inei.gob.pe

Área de Campus Virtual

Campus.virtual@inei.gob.pe

Para poder atenderte mejor puedes contactarnos al 433-3127 anexo 102-103 o

escribirnos a: enei@inei.gob.pe

Pasaje Hernán Velarde 285 Lima (Altura cuadra 1 y 2 de la Av Arequipa)