Probabilidad Estadística I

PROBABILIDAD
ESTADISTICA I, EST-133
UNIVERSIDAD MAYOR DE SAN ANDRES

Carrera de Informática - Matemáticas
Prof. Iván Aliaga C.
29 de junio de 2021
UMSA EST-133 29 de junio de 2021 1 / 41

¿Qué es la Probabilidad?
La probabilidad es una medida de la incertidumbre o certidumbre de un suceso o

sucesos como hechos o eventos que van a acontecer de tal manera que se debe
elegir aquel evento como la mejor decisión.
Explicación natural.
Hay poca probabilidad de obtener un producto defectuoso en este proceso de
fabricación.
Existe poca probabilidad de que el paciente sufra el síndrome de algeman.
Hay poca probabilidad de que el acusado sea culpable.
Es muy probable que se obtenga 5,4,1 al lanzar 3 dados.
En todas estas situaciones está presente la incertidumbre

Con frecuencia las decisiones deberán tomarse sin conocer toda la

información ni todas las consecuencias.
Los inversionistas deben decidir sobre la conveniencia de invertir en una acción
en particular, con base en sus expectativas sobre rendimientos futuros.
Los empresarios al decidir comercializar un producto se enfrentan a la
incertidumbre sobre la posibilidad de éxito. En comerciales, se han de tomar
decisiiones sin toda la información pertinente.

en ese contexto, la probabilidad entra en juego desempeñando el papel de

sustituto para la certeza, para el completo conocimiento.
Todo esfuerzo por reducir el nivel de incertidumbre en el proceso de toma
de decisiones incrementará enormemente la probabilidad de que se tomen las
decisiones más inteligentes y bien informadas.
al mejorar la habilidad para juzgar la ocurrencia de los eventos futuros, se
puede minimizar el riesgo y la especulación arriesgada relacionda con el
proceso de toma de decisiones.

La probabilidad es esencial en la Inferencia Estadística.

El concepto de probabilidad permite generalizar la información obtenida de lo
particular (muestra) a lo general (población), agregando un alto grado de
confianza en estas generalizaciones.
Por lo tanto, la probabilidad es una de las herramientas más
importantes de la inferencia estadística.

Definición
Probabilidad
Es una medida cuantitativa, establecida entre 0 y 1, de la posiblidad de ocurrencia
de un evento(suceso).
Observación
Entre mayor sea la probabilidad de que ocurra un evento, su probabilidad
asignada estará más proxima a 1.
La probabilidad de certeza es 1 (evento seguro).
La probabilidad de una imposibilidad es 0 (evento imposible).

Experimento
Experimento
Es un proceso mediante el cuál se obtiene un resultado o varios de una observación
Existen dos tipos de experimentos.

Experimento determinístico
Es un proceso mediante el cuál los resultados estan completamente determinados
antes de realizar el experimento.
Experimento Aleatorio
Es un proceso mediante el cuál los resultados no pueden estar completamente
determinados con exactitud antes de la realización del experimento.

Espacio Muestral
Espacio muestral
Un espacio muestral asociado a un experimento aleatorio es el resultado de todos
los resultados posibles de dicho experimento.
El espacio muestral asociado a un experimento aleatorio E se denota por Ω.

Ejemplo
Suponga que el experimento consiste en el lanzamiento de una moneda. Escriba el
espacio muestral.
Ω1 = {cara, sello, canto}
Ω2 = {cara, sello}

Espacio Muestral discreto
Espacio muestral discreto

Un espacio muestral es discreto si tiene un número de elementos finito o infinito
numerable de elementos
Espacio muestral contínuo

Un espacio muestral es contínuo si sus elementos no son numerables.

Evento, suceso
Evento
Es cualquier subconjunto del espacio muestral
Estos pueden ser denotados por letras mayusculas tales como: A, B, C, A1 , A2 ,

etc.
Suceso
Es todo elemento de un espacio muestral.
Estos pueden ser denotados por letras minusculas tales como: a, b, c, etc.
Nota
A = {w }
El evento A puede tener un solo elemento o suceso, un evento puede tener varios
sucesos. Los conjuntos Ω y ∅ o ∅ son eventos llamados evento seguro y evento
imposible.
Ocurrencia de un evento
Ocurrencia
Un evento ocurre si uno cualesquiera de sus elementos es el resultado del
experimento.
Un problema interesante es poder contar el número de elementos que tiene un

conjunto. El problema no tiene dificultad cuando los elementos están a la vista.
sin embargo, esto no siempre es así.

Ejemplos
Sea A el conjunto de número de dos dígitos distintos formados a partir de los
dígitos 1, 2 y 3.
A = {12, 13, 21, 23, 31, 32}, #A = 6
Sea B el conjunto de las diagonales de un heptágono.
B = {P1 P3 , P1 P4 , P1 P5 , P1 P6 , P2 P4 , P2 P5 , P2 P6
P2 P7 , P3 P5 , P3 P6 , P3 P7 , P4 P6 , P4 P7 , P5 P7 }
#B = 14
Sea C el conjunto de todas los anagramas de la palabra ARI.
C = {ARI, AIR, IAR, RAI, RIA, IRA}; #C = 6
Sea D el conjunto de todos los números de tres dígitos todos distintos formados
por los dígitos 1, 2, 3, 4, 5, 6, 7, 8.
D = {123, 124, 125, . . . , 875, 876}; #D = 336

Principios fundamentales del conteo.
Lema 1
Se considera los conjuntos A = {a1 , a2 , . . . , am } y B = {b1 , b2 , . . . , bn } se pueden
formar m · n pares ordenados (ai , bj ) donde ai ∈ A y bj ∈ B.
Ejemplo. Se tiene tres ciudades X , Y y Z , existen cuatro vias que llegan de X a

Y y cinco vias que llegan de Y hasta Z . Partiendo de X y pasando por Y , de
cuantas maneras o formas podemos llegar hasta Z ?.

Sean
A: ‘El conjunto de vias que llegan de X hasta Y’ y
B: ‘El conjunto de vias que llegan de Y hasta Z’:
A = {a1 , a2 , a3 , a4 } y B = {b1 , b2 , b3 , b4 , b5 } el número de pares ordenados o
modos de viajar desde X hasta Z es:
4 · 5 = 20

Lema 2
El número de pares ordenados (ai , aj ) tal que:
ai ∈ A = {a1 , a2 , . . . , am }; aj ∈ A = {a1 , a2 , . . . , am } y ai ̸= aj para i ̸= j
es: m · (m − 1)
Ejemplo
Cuantos números con dos dígitos distintos podemos formar con los dígitos
1, 2, 3, 4, 5, 6, 7, 8.
Cada número puede ser considerado como un par de dígitos (a, b) donde
a ∈ 1, 2, . . . , 8, b ∈ 1, 2, . . . , 8 y a ̸= b, entonces el resultado es: 8 · 7 = 56.

Consideración 1
Se consideran r conjuntos
A = {a1 , a2 , . . . , an1 }; #A = n1
B = {b1 , b2 , . . . , bn2 }; #B = n2
..
.
Z = {b1 , b2 , . . . , bnr }; #Z = nr
Entonces, el número de r-tuplas ordenadas (secuencias de r elementos) del tipo:
(ai , bj , . . . , zp )
Donde ai ∈ A, bj ∈ B . . . zp ∈ Z es:
n1 · n2 ·, . . . , ·nr

Ejemplo
Una moneda es lanzada 3 veces. Cuál es el número de secuencias posibles de cara
o sello?
Sol
Se quiere el número de tripletas ordenadas (a, b, c) donde:
a ∈ {C , S}, b ∈ {C , S} y c ∈ {C , S}, luego, el resultado esperado es:
2·2·2=8

Consideración 2
Se considera un conjunto A con m elementos (m ≥ 2), entonces el número de
r-tuplas (secuencias con r elementos) formadas con elementos distintos dos a dos
de A es:
m · (m − 1) · (m − 2) · . . . · (m − (r − 1))
| {z }
r factores

Ejemplos
Cuatro atletas participan de una corrida, cuantos resultados existen para los
1°, 2°, 3° lugares?.
Sol
El resultado consta de una triple ordenada (a, b, c) donde a representa el
atleta que llego en 1° lugar, b el que llego en segundo lugar y c el que llego
en tercer lugar.
a, b, c pertenece al conjunto de los atletas y a ̸= b, a ̸= c yb ̸= c, luego, el
número de resultados posibles es:
4 · 3 · 2 = 24

Ejemplo
Una persona lanza una moneda sucesivamente hasta que ocurran dos caras
consecutivas, o cuatro lanzamientos hechos, o que ocurran lo primero, cuantas
secuencias de resultados posibles hay?.

Consecuencias del principio fundamental del contaje
Arreglos con repetición

Sea M un conjunto con m elementos, esto es. M = {a1 , a2 , . . . , am }, es llamado
arreglos con repetición de los m elementos tomados de r a r , a toda r-tupla
ordenada (secuencia de tamaño r ) formada con los elementos de M no
necesariamente distintos.
Por lo tanto el número de arreglos con repetición de m elementos tomados r a r
es:
(AR)m,r = m · m · . . . · m = mr

Ejemplo
Una urna contiene una bola roja (R), una blanca (B) y una azul (A), una bola es
extraida y se observa su color y despues es devuelta a la urna, ensequida otra bola
es extraída y observada su color, cuantas secuencias de colores son observadas?.
Sol
Cada secuencia es un par ordenado de colores (x , y ) donde x , y ∈ M = {R, B, A}
luego:
3·3=9

Arreglos
Sea M un conjunto con m elementos, esto es M = {a1 , a2 , . . . , am }, se llama
arreglos de los m elementos tomados de r a r , (1 ≤ r ≤ m) a cualquier r-tupla
(secuencia de r elementos) formada con los elementos de M todos distintos.
El número de arregos Am,r sera:
Am,r = m · (m − 1) · (m − 2) · . . . · (m − (r − 1))
| {z }
r factores
Ejemplo
En una baraja de 52, 3 cartas son retiradas sucesivamente y sin reposición,
cuantas secuencias de cartas son posibles de obtener?.
Sol Notamos que cada resultado es una tripleta ordenada de cartas x , y , z donde
x es la 1° carta extraída, y es 2° e z es la 3°. Observamos que x , y , z son todas
distintas visto que la extración es hecha sin reposición.
Luego, el número de cartas posibles son: A52,3 = 52 · 51 · 50 = 132600
Permutaciones
Permutaciones
Sea M un conjunto con m elementos, esto es, M = {a1 , a2 , . . . , am } se llama
permutación de los m elementos a todo arreglo en el que r = m.
Pm = Am,m
Pm = m · (m − 1) · (m − 2) · . . . · 2 · 1
Ejemplo De cuantas formas 5 personas pueden quedar en una sola fila?

Sol
Se no ta que cada forma de quedar en una fila, es una permutación de las 5
personas, el numero de permutaciones sera:
P5 = 5 · 4 · 3 · 2 · 1 = 120

Permutaciones
Con el fin de simplifiar los factores se tiene una definición muy importante.
Factorial
Sea m un número entero no negativo (m ∈ N), se define el factorial de m como:
m! = m · (m − 1) · (m − 2) · . . . 3 · 2 · 1
1! = 1
0! = 1

Permutaciones
Las fórmulas del número de arreglos y del número de permutaciones, tambien
pueden ser simplificadas con notación factorial.
Pm = m · (m − 1) · . . . · 3 · 2 · 1 = m!
m!
Am,r = m · (m − 1) · . . . · (m − r + 1) =
(m − r )!
En particular:
P1 = 1
1! = 1
Pm = m! ∀m ∈ N
Am,1 = m ∀m ∈ N
m!
Am,r = ∀m ∈ N, ∀r ∈ N, r ≤ m
(m − r )!

Combinaciones
Combinaciones
Sea M un conjunto con m elementos, esto es, M = {a1 , a2 , . . . , am } llamamos
combinaciones de los m elementos, tomados de r a r , a los subconjuntos de M
constituidos de r elementos
El número de combinaciones de r es:

m m!
Cm,r = = , ∀m, r ∈ N, r < m.
r r !(m − r )!
Algunas propiedades.
1 Cm,m = 1
2 Cm,0 = 1
3 C0,0 = 1

Combinaciones
Ejemplo
Se desea formar una comisión de tres miembros y se dispone de diez funcionarios,
cuantas comisiones pueden ser formadas?.
Sol
Cada comisión es un subconjutno de tres elementos (dentro de cada comisión no
importa el orden de los elementos) luego el número de comisiones es:
10 10!

C10,3 = = = 120
3 3!7!

Permutaciones con elementos repetidos
El número de permutaciones de n objetos de los cuales n1 son de una clase 1, n2

son de una clase 2, . . ., nr son de una clase r con n1 + n2 + . . . + nr = n, el
número de permutaciones con elementos repetidos es:
n!
Pnn1 ,n2 ,...,nr =
n1 !n2 ! . . . nr !
Es fácil observar que:
Pn1,1,...,1 = n!

Permutaciones con elementos repetidos
Ejemplo:
Cuantos anagramas existen de la palabra ANALITICA?
A, A, A =⇒ elementos repetidos



=⇒ elementos repetidos

I, I




N
se tiene =


 L
T





C

Luego n = 9, n1 = 3, n2 = 2, n3 = 1, n4 = 1, n5 = 1, n6 = 1:
9!
P93,2,1,1,1,1 = = 30240
3!2!1!1!1!1!

Enfoques de la Probabilidad
Existen 4 enfoques del concepto de probabilidad:

1 El enfoque subjetivo
2 El enfoque frecuentista o de frecuencia relativa
3 El enfoque clásico
4 El enfoque axiomático o desarrollo axiomático

Enfoque subjetivo
Enfoque subjetivo
Corresponde a la asignacion de una probabilidad basado en el grado de creencia o
experiencia personal que se tenga respecto a de la ocurrencia de un evento.
Ejemplo
Tengo un 75 % de probabilidad de aprobar la asignatura.
La probabilidad de que vuelva una mujer a ser elegida como presidente de
Bolivia.

Enfoque de frecuencia relativa
Enfoque frecuentista
Utiliza datos que se han observado empíricamente, registra la frecuencia con que
ha ocurrido algún evento en el pasado y estima la probabilidad de que el
evento ocurra nuevamente con base en estos datos históricos. La probabilidad
relativa se determina mediante:
N° de veces que ha ocurrido el evento en el pasado
P(E ) =
N° total de observaciones

Enfoque Clásico
Enfoque Clásico
El modelo clásico es el más difundido para el cálculo de probabilidad y está
bassado en el cociente entre todas las formas posibles en eque puede ocurrir un
evento A y todos los posibles resultados del espacio muestral Ω, igualmente
posibles, es decir:
N° de formas en las que puede ocurrir un evento
P(A) =
N° total de posibles resultados

Enfoque Axiomático
Enfoque axiomático
La probabilidad es una función, real valuada, definida sobre la clase de todos los
subconjuntos del espacio muestral Ω, tal que, a un subconjunto cualquiera de A
de Ω asocia un número denotado por P(A) llamado probabilidad de A y que debe
satisfacer los siguientes axiomas.
Axioma 1 P(Ω) = 1
Axioma 2 P(A) ≥ 0
∞
S∞ X
Axioma 3 P( i=1 Ai ) = P(Ai ) para toda sucesión disjunta de eventos
i=1
A1 , A2 , . . .

Algebra de eventos
Algebra
Sean A y B eventos de Ω
Subevento A ⊂ B, esto es si w ∈ A =⇒ w ∈ B.
Igualdad A y B son iguales (A = B), si A ⊂ B y B ⊂ A.
Complemento El complemento de A es Ac o A a: Ac = {w ∈ Ω/w ∈
/ A}
Unión A ∪ B = {w ∈ Ω/w ∈ A ∨ w ∈ B}.
Intersección A ∩ B = {w ∈ Ω/w ∈ A ∧ w ∈ B}.
Diferencia A − B = {w ∈ Ω/w ∈ A ∧ w ∈ / B}.
Diferencia simétrica A∆B = A − B ∪ B − A.
Leyes distributivas
A ∩ (B ∪ C ) = (A ∩ B) ∪ (A ∩ C )
A ∪ (B ∩ C ) = (A ∪ B) ∩ (A ∪ C )
Leyes Morgan
(A ∩ B)c = Ac ∪ B c
(A ∪ B)c = Ac ∩ B c

Enfoque Axiomático
De los tres axiomas obtenemos las siguientes consecuencias:

Sean A y B dos eventos cualesquiera de Ω.
1 P(∅) = 0.
2 P(Ac ) = 1 − P(A).
3 P(Ac ∩ B) = P(B) − P(A ∩ B)
4 P(A ∪ B) = P(A) + P(B) − P(A ∩ B).
5 Si A ⊆ B entonces P(A) ≤ P(B).
6 P(A) = P(A1 ) + P(A2 ) + . . . + P(Ak ) donde A1 , A2 , . . . , Ak forman una
partición del conjunto A es decir:
Sk
A= i=1
Ai
Ai ∩ Aj = ∅, ∀i ̸= j.

Eventos Mutuamente Excluyentes o disjuntos
Eventos mutuamente excluyentes o disjuntos

Dos eventos A y B ⊂ Ω son mutamente exluyentes si no pueden ocurrir juntos .
A∩B =∅
Nota Si A y B son disjuntos ⇐⇒ A ∩ B = ∅.

Eventos colectivamente exhaustivos
Eventos colectivamente exhaustivos

Una colección de n eventos A1 , A2 , . . . , An , Ai ⊂ Ω, ∀i = 1, . . . , n, son
colectivamente exhaustivos si la unión de todos los eventos es igual al espacio
muestral.
[n
A1 ∪ A2 ∪ . . . ∪ An = Ai = Ω
i=1

Ejemplos
1. Tres caballos A, B, y C intervienen en una carrera. A tiene el doble de

posiblidad de ganar que B y B tiene el doble de ganar que C , ¿Cuáles son las
respectivas probabilidades de ganar?¿Cuál es la probabilidad de que el caballo
B o C ganen?.
2. Una clase consta de 10 hombres y 20 mujeres de los cuales la mitad de los
hombres y la mitad de las mujeres tienen ojos claros, Hallar la probabilidad
que una persona escogida al azar sea un hombre o tenga los ojos claros.
3 1 1
3. Sea A y B eventos con P(A) = , P(B) = y P(A ∩ B) = hallar,
8 2 4
P(A ∪ B), P(Ac ), P(B c ), P(Ac ∩ B c ), P(A ∩ B c ) y P(B ∩ Ac ).

Ejemplos
4. Si A y B son eventos mutuamente excluyentes y colectivamente exhaustivos,

¿Son Ac y B c mutuamente excluyentes?, ¿Son Ac y B c colectivamente
exhaustivos?.
5. Si A, B son eventos mutuamente excluyentes pero no colectivamente
exhasutivos son Ac , B c colectivamente exhaustivos?
6. La probabilidad que una señora reciba a lo más 5 llamadas telefónicas en un
día es 20 % y por lo menos 9 llamadas en un día es 50 %. ¿Cuál es la
probabilidad que la Sra. reciba 6, 7 u 8 llamadas en un día?
7. Dados los eventos A, B, C si P(A) = 0,4, P(A) = 0,3, P(A ∩ B) = 0,1,
calcular la probabilidad de:
a) Ac ∩ B.
b) A∆B.
c) (A ∪ B)c .

Probabilidad Estadística I

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Probabilidad Estadística I

Cargado por

Copyright:

Formatos disponibles

PROBABILIDAD

UNIVERSIDAD MAYOR DE SAN ANDRES

UMSA EST-133 29 de junio de 2021 1 / 41

La probabilidad es una medida de la incertidumbre o certidumbre de un suceso o

UMSA EST-133 29 de junio de 2021 2 / 41

Con frecuencia las decisiones deberán tomarse sin conocer toda la

UMSA EST-133 29 de junio de 2021 3 / 41

en ese contexto, la probabilidad entra en juego desempeñando el papel de

UMSA EST-133 29 de junio de 2021 4 / 41

La probabilidad es esencial en la Inferencia Estadística.

UMSA EST-133 29 de junio de 2021 5 / 41

UMSA EST-133 29 de junio de 2021 6 / 41

Existen dos tipos de experimentos.

UMSA EST-133 29 de junio de 2021 7 / 41

El espacio muestral asociado a un experimento aleatorio E se denota por Ω.

UMSA EST-133 29 de junio de 2021 8 / 41

Espacio muestral discreto

Espacio muestral contínuo

UMSA EST-133 29 de junio de 2021 9 / 41

Estos pueden ser denotados por letras mayusculas tales como: A, B, C, A1 , A2 ,

Un problema interesante es poder contar el número de elementos que tiene un

UMSA EST-133 29 de junio de 2021 11 / 41

D = {123, 124, 125, . . . , 875, 876}; #D = 336

UMSA EST-133 29 de junio de 2021 12 / 41

Ejemplo. Se tiene tres ciudades X , Y y Z , existen cuatro vias que llegan de X a

UMSA EST-133 29 de junio de 2021 13 / 41

UMSA EST-133 29 de junio de 2021 14 / 41

ai ∈ A = {a1 , a2 , . . . , am }; aj ∈ A = {a1 , a2 , . . . , am } y ai ̸= aj para i ̸= j

UMSA EST-133 29 de junio de 2021 15 / 41

Entonces, el número de r-tuplas ordenadas (secuencias de r elementos) del tipo:

UMSA EST-133 29 de junio de 2021 16 / 41

UMSA EST-133 29 de junio de 2021 17 / 41

UMSA EST-133 29 de junio de 2021 18 / 41

UMSA EST-133 29 de junio de 2021 19 / 41

UMSA EST-133 29 de junio de 2021 20 / 41

Arreglos con repetición

UMSA EST-133 29 de junio de 2021 21 / 41

UMSA EST-133 29 de junio de 2021 22 / 41

Ejemplo De cuantas formas 5 personas pueden quedar en una sola fila?

UMSA EST-133 29 de junio de 2021 24 / 41

UMSA EST-133 29 de junio de 2021 25 / 41

UMSA EST-133 29 de junio de 2021 26 / 41

UMSA EST-133 29 de junio de 2021 27 / 41

UMSA EST-133 29 de junio de 2021 28 / 41

El número de permutaciones de n objetos de los cuales n1 son de una clase 1, n2

Es fácil observar que:

UMSA EST-133 29 de junio de 2021 29 / 41

A, A, A =⇒ elementos repetidos

UMSA EST-133 29 de junio de 2021 30 / 41

Existen 4 enfoques del concepto de probabilidad:

UMSA EST-133 29 de junio de 2021 31 / 41

UMSA EST-133 29 de junio de 2021 32 / 41

UMSA EST-133 29 de junio de 2021 33 / 41

UMSA EST-133 29 de junio de 2021 34 / 41

UMSA EST-133 29 de junio de 2021 35 / 41

UMSA EST-133 29 de junio de 2021 36 / 41

De los tres axiomas obtenemos las siguientes consecuencias:

UMSA EST-133 29 de junio de 2021 37 / 41

Eventos mutuamente excluyentes o disjuntos

Nota Si A y B son disjuntos ⇐⇒ A ∩ B = ∅.

UMSA EST-133 29 de junio de 2021 38 / 41

Eventos colectivamente exhaustivos