Estadística 1

PROBABILIDAD
Joffre Sánchez C.
 CONJUNTOS

Intersección de conjuntos….
U

Todos los elementos comunes entre dos eventos

Unión de conjuntos…. U
Todos los elementos que pertenecen a los dos eventos

Complemento de un conjunto….
Conjunto de todos los elementos de S que no están en el evento

Conjuntos mutuamente excluyentes

Conjuntos sin elementos comunes entre sí; es decir con
intersección vacía

Cardinalidad de un conjunto
Cantidad de elementos
 EVENTOS

Experimento Aleatorio
Experimento del cual no se pueden predecir sus resultados
Espacio muestral S
El conjunto de todos los resultados posibles de un experimento
Evento Elemental
Cada uno de los elementos del espacio muestral
Evento Aleatorio E
Subconjunto del espacio muestral S
Eventos mutuamente excluyentes
Eventos que no tienen elementos en común
 CONTEO

Regla de multiplicación
La cantidad de elementos de un espacio muestral que se define
por la ocurrencia de varios eventos será el resultado de multiplicar
la cantidad de elementos de cada uno de los eventos

E1=n1
E2=n2
E3=n3
.
.
.
Ex=nx
S=n1*n2*n3…*nx
 CONTEO
Permutación
- Es un arreglo de todo o una parte de un conjunto de objetos
(el orden importa)
- Un conjunto de objetos se puede permutar de n! formas
- El número de permutaciones distintas de n objetos tomando r a
la vez esta dado por

nPr = n!/(n-r)!

- Si se quiere permutar n elementos de manera circular la

cantidad de permutaciones posibles viene dada por (n-1)!

- El número de permutaciones distintas de n cosas de las que n1

son de una clase , n2 son de una segunda clase, … , nk son de
una k-ésima clase es

n!/n1! n2!n3!...nk!
 CONTEO

Combinación
- Se seleccionan r objetos de n, sin importar el orden

- El número de combinaciones de n objetos distintos tomando r a

la vez esta dado por

nCr = n!/(n-r)!*r!
 PROBABILIDAD
Probabilidad de un Evento P(A)
Número entre 0 y 1 que indica las posibilidades que tiene de ocurrir cuando se
realiza un experimento aleatorio
𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑐𝑎𝑠𝑜𝑠 𝑓𝑎𝑣𝑜𝑟𝑎𝑏𝑙𝑒𝑠 𝑝𝑎𝑟𝑎 𝐴
𝑃 𝐴 =
𝑁ú𝑚𝑒𝑟𝑜𝑑𝑒 𝑐𝑎𝑠𝑜𝑠 𝑝𝑜𝑠𝑖𝑏𝑙𝑒𝑠

Axiomas
𝑃 𝑆 =1

0 ≤ 𝑃(𝐴) ≤ 1

Si A y B son mutuamente excluyentes 𝑃 𝐴∪𝐵 =𝑃 𝐴 +𝑃 𝐵

( Generalización hasta n)
 PROBABILIDAD
Propiedades

𝑷 𝑬𝟐 ∩ 𝑬𝒄𝟏 = 𝑷 𝑬𝟐 − 𝑷(𝑬𝟏 ∩ 𝑬𝟐 )

Reglas Aditivas

𝑷 𝑨 ∪ 𝑩 = 𝑷 𝑨 + 𝑷 𝑩 − 𝑷(𝑨 ∩ 𝑩)
Para tres eventos…
𝑷 𝑨 ∪ 𝑩 ∪ 𝑪 = 𝑷 𝑨 + 𝑷 𝑩 + 𝑷(𝑪) − 𝑷(𝑨 ∩ 𝑩)
−𝑷 𝑨 ∩ 𝑪 − 𝑷 𝑩 ∩ 𝑪 + 𝐏(𝐀 ∩ 𝑩 ∩ 𝑪)
 PROBABILIDAD CONDICIONAL
Sean los eventos A y B del espacio muestral S
Se dice que la probabilidad de que un evento B ocurra dado que ya ocurrió un
evento A y se denota como:

P(B/A)= P(AB)/P(A)

Si A y B son dependientes P(AB)=P(A)*P(B/A)

Condicionado a la Unión de eventos mutuamente excluyentes

P(E1⏐ E1∪E2 ) = P(E1) / [P(E1) + P(E2)]
 PROBABILIDAD
Eventos Independientes
Dos eventos A y B son independientes, si y solo sí la probabilidad de A no
se ve afectada por lo que suceda en B

P(AB)= P(A)P(B)

Si A y B son independientes…

P(B/A)= P(B) y P(A/B)= P(A)

Si A y B son independientes, B y C son independientes y finalmente A y C

son independientes, no necesariamente

P(E1∩E2∩E3) ≠ P(E1) P(E2)P(E3)

Por tanto:

P(E1∩E2∩E3) = P(E1)P(E2⏐E1)P(E3⏐E1∩E2).
 PROBABILIDAD TOTAL
Sean el espacio muestral S donde se han definido los eventos mutuamente
excluyentes B1, B2, B3, . . . Bk, de tal manera que:

B1B2B3. . . Bk=S

Y se define el evento A de tal manera que:

A= (AB1)  (AB2)  (AB3) . . .  (ABk)

Entonces

P(A)= P(AB1)  (AB2)  (AB3) . . .  (ABk)

Por tanto
𝒌 𝒌
𝑷 𝑨 = 𝒊=𝟏 𝑷 𝑩𝒊 ∩ 𝑨 = 𝒊=𝟏 𝑷(𝑩𝒊 ) 𝑷 𝑨 𝑩𝒊
 PROBABILIDAD
Regla de Bayes
Sean el espacio muestral S donde se han definido los eventos mutuamente excluyentes
B1, B2, B3, . . . Bk, de tal manera que:

B1B2B3. . . Bk=S

Y se define el evento A de tal manera que:

A= (AB1)  (AB2)  (AB3) . . .  (ABk)

Entonces
𝑷 𝑩𝒓 𝑷 𝑨 𝑩𝒓
𝑷 𝑩𝒓 𝑨 = 𝒌
𝒊=𝟏 𝑷 𝑩𝒊 𝑷 𝑨 𝑩𝒊
PROBABILIDAD