Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Empírico
Subjetivo
Supongamos que las notas de 20 alumnos de primer curso de economía son las
siguientes:
1,2,8,5,8,3,8,5,6,10,5,7,9,4,10,2,7,6,5,10.
Por tanto, tenemos:
Xi fi hi
1 1 5%
2 2 10%
3 1 5%
4 1 5%
5 4 20%
6 2 10%
7 2 10%
8 3 15%
9 1 5%
10 3 15%
∑ 20 100%
N = 20
fi = Frecuencia relativa (número de veces que se repite el suceso, en este caso la nota
del examen).
Para elaborar la tabla de frecuencias, los valores se ordenan de menor a mayor, pero
en este caso dado que la variable es continua y podría tomar cualquier valor de un
espacio continuo infinitesimal, hay que agrupar las variables por intervalos.
Xi fi hi
∑ 15 100%
hi = Frecuencia relativa (proporción que representa el valor i-ésimo en la muestra).
Probabilidad de un evento
P(E) = CF / CP
Ejemplos
En una caja hay una pelota azul, una verde, una roja, una amarilla y una negra.
¿Cuál es la probabilidad de que, al sacar con los ojos cerrados una pelota de la caja,
esta sea amarilla?
Solución
El evento “E” es sacar una pelota de la caja con los ojos cerrados (si se hace con
los ojos abiertos la probabilidad es 1) y que esta sea amarilla. Solo hay un caso
favorable, dado que solo hay una pelota amarilla. Los casos posibles son 5, puesto que
hay 5 pelotas en la caja.
Observación
Solución
Discretos
Los espacios discretos son espacios numerables, en ellos el conjunto de
sucesos sucesos elementales es finito o infinito numerable. En consecuencia, la
probabilidad para cada uno de los eventos elementales se puede por un número
real con. Estos números satisfacen la relación:
Sucesos independientes
En teoría de probabilidades, se dice que dos sucesos
aleatorios son independientes entre sí cuando la probabilidad de cada uno de ellos no
está influida porque el otro suceso ocurra o no, es decir, cuando ambos sucesos no
están relacionados.
Dos sucesos son independientes si la probabilidad de que ocurran ambos
simultáneamente es igual al producto de las probabilidades de que ocurra cada uno de
ellos, es decir, sí.
Motivación de la definición
Sean y dos sucesos tales que, intuitivamente A es independiente de B si la
probabilidad de A condicionada por B es igual a la probabilidad de A. Es decir, si:
De la propia definición de probabilidad condicionada:
Se deduce que y dado que deducimos trivialmente que Si el suceso A es
independiente del suceso B, automáticamente el suceso B es independiente de A.
Propiedades
La independencia de sucesos es algo muy importante para la estadística y
es condición necesaria en multitud de teoremas. Por ejemplo, una de las primeras
propiedades que se deriva de la definición de sucesos independientes es que si dos
sucesos son independientes entre sí, la probabilidad de la intersección es igual al
producto de las probabilidades.
Dos eventos son independientes si el resultado del segundo evento no es
afectado por el resultado del primer evento. Si A y B son eventos independientes,
la probabilidad de que ambos eventos ocurran es el producto de las probabilidades de
los eventos individuales.
Ejemplo
Una caja contiene 4 canicas rojas, 3 canicas verdes y 2 canicas azules. Una
canica es eliminada de la caja y luego reemplazada. Otra canica se saca de la caja.
¿Cuál es la probabilidad de que la primera canica sea azul y la segunda canica sea
verde?
Sucesos dependientes
Ejemplo
Una caja contiene 4 canicas rojas, 3 canicas verdes y 2 canicas azules. Una
canica es eliminada de la caja y no es reemplazada. Otra canica se saca de la caja. ¿Cuál
es la probabilidad de que la primera canica sea azul y la segunda canica sea verde?
Regla de Laplace
Regla de la adición
La regla de la adición o regla de la suma establece que la probabilidad de
ocurrencia de cualquier evento en particular es igual a la suma de las probabilidades
individuales, si es que los eventos son mutuamente excluyentes, es decir, que dos no
pueden ocurrir al mismo tiempo.
Entonces, si A y B son mutuamente excluyentes,
P(A o B) = P(A) U P(B) = P(A) + P(B)
Si A y B no son mutuamente excluyentes,
P(A o B) = P(A) + P(B) − P(A y B)
Siendo: P(A) = probabilidad de ocurrencia del evento A, P(B) = probabilidad de
ocurrencia del evento B, y P(A y B) = probabilidad de ocurrencia simultánea de los
eventos A y B.
Regla de la multiplicación
La regla de la multiplicación establece que la probabilidad de ocurrencia de dos
o más eventos estadísticamente independientes es igual al producto de sus
probabilidades individuales.
P (A y B) = P (A B) = P (A) P (B) si A y B son independientes.
P (A y B) = P (A B) = P (A) P (B|A) si A y B son dependientes.
Siendo P (B|A) la probabilidad de que ocurra B habiéndose dado o verificado el evento
A.
Un lote contiene "100" objetos de los cuales "20" son defectuosos. Los objetos
son seleccionados uno después del otro para ver si ellos son defectuosos. Suponga que
dos objetos son seleccionados sin reemplazo (significa que el objeto que se selecciona
al azar se deja por fuera del lote). ¿Cuál es la probabilidad de que los dos objetos
seleccionados sean defectuosos?
Solución:
Sea los eventos
A1 = {primer objeto defectuoso}, A2 {segundo objeto defectuoso}
Entonces dos objetos seleccionados serán defectuosos, cuando ocurre el evento A1∩
A2 que es la intersección entre los eventos A1 y A2. De la información dada se tiene
que:
P (A1) = 20/100; P (A2/A1) = 19/99
Así probabilidad de que los dos objetos seleccionados sean defectuosos es
Ahora suponga que selecciona un tercer objeto, entonces la probabilidad de que los
tres objetos seleccionados sean defectuosos es
Diagrama de árbol
Un diagrama de árbol o árbol de probabilidad es una herramienta que se
utiliza para determinar si en realidad en el cálculo de muchas probabilidades se
requiere conocer el número de objetos que forman parte del espacio muestral, estos
se pueden determinar con la construcción de un diagrama de árbol.
El diagrama de árbol es una representación gráfica de los posibles resultados
del experimento, el cual consta de una serie de pasos, donde cada uno de estos tiene
un número infinito de maneras de ser llevado a cabo. Se utiliza en los problemas de
conteo y probabilidad.
Para la construcción de un diagrama en árbol se partirá poniendo una rama
para cada una de las posibilidades, acompañada de su probabilidad. Cada una de estas
ramas se conoce como rama de primera generación.
En el final de cada rama de primera generación se constituye, un nudo del cual
parten nuevas ramas conocidas como ramas de segunda generación, según las
posibilidades del siguiente paso, salvo si el nudo representa un posible final del
experimento (nudo final).
Hay que tener en cuenta que la construcción de un árbol no depende de tener
el mismo número de ramas de segunda generación que salen de cada rama de primera
generación y que la suma de probabilidades de las ramas de cada nudo ha de dar 1.
Existe un principio sencillo de los diagramas de árbol que hace que éstos sean
mucho más útiles para los cálculos rápidos de probabilidad: multiplicamos las
probabilidades si se trata de ramas adyacentes (contiguas), el ejemplo de alumna de la
primera facultad, o bien las sumamos si se trata de ramas separadas que emergen de
un mismo punto, el ejemplo de encontrar un alumno.
Ejemplos
Una universidad está formada por tres facultades:
El teorema de Bayes
El teorema de Bayes, en la teoría de la probabilidad, es una proposición
planteada por el matemático inglés Thomas Bayes (1702-1761)1 en 1763,2 que expresa
la probabilidad condicional de un evento aleatorio A dado B en términos de la
distribución de probabilidad condicional del evento B dado A y la distribución de
probabilidad marginal de sólo A.
En términos más generales y menos matemáticos, el teorema de Bayes es de
enorme relevancia puesto que vincula la probabilidad de A dado B con la probabilidad
de B dado A. Es decir, por ejemplo, que sabiendo la probabilidad de tener un dolor de
cabeza dado que se tiene gripe, se podría saber (si se tiene algún dato más), la
probabilidad de tener gripe si se tiene un dolor de cabeza. Muestra este sencillo
ejemplo la alta relevancia del teorema en cuestión para la ciencia en todas sus ramas,
puesto que tiene vinculación íntima con la comprensión de la probabilidad de aspectos
causales dados los efectos observados.