República Bolivariana de Venezuela

Ministerio del poder popular para la educación

UNE “Rafael María Baralt”

Cabimas- Zulia

Programa administración: tributaria

Probabilidad.

Realizado por: Alvieliz Reyes 27.315.701

Sección: 32111

Sede: Cabimas
 Esquema:
1. Definiciones básicas:
 Experimento aleatorio.
 Espacio muestral (S)
 Eventos de probabilidad.
 Tipos de eventos de probabilidad.
2. Definiciones de probabilidad ( clásica, de frecuencia relativa y subjetiva)
3. Reglas del cálculo de probabilidad. Teorema de bayes.
 Desarrollo:
1. Definiciones básicas:
 Experimento aleatoria:
Un experimento aleatorio es una prueba que consiste en repetir
un fenómeno aleatorio con el objetivo de analizarlo y extraer
conclusiones sobre su comportamiento.
De la propia definición de experimento aleatorio, así como de la
definición de fenómeno aleatorio, deducimos que se trata del
estudio de situaciones dominadas por las leyes del azar.
No siempre que tratemos de realizar un experimento aleatorio,
vamos a poder experimentar de forma tangible. Por ejemplo,
imaginemos que queremos estudiar el comportamiento de una
moneda. La moneda es tangible, la podemos ver y tocar.
Lanzarla y comprobar el resultado (cara o cruz) nos corresponde
a nosotros. Ahora, supongamos el ejemplo del clima. No
podemos mover las nubes o cambiar las temperaturas. Al menos
de forma tangible.
 Espacio muestral:
El espacio muestral está formado por todos los posibles
resultados de un experimento aleatorio. Es decir, se compone de
todos y cada uno de los sucesos elementales.
El espacio muestral es una parte del espacio probabilístico. Como
su propio nombre indica, está formado por los elementos de la
muestra. Al contrario, el espacio probabilístico engloba todos los
elementos. Incluso aunque no salgan recogidos en la muestra.
Ejemplo:
Supongamos el caso de un dado con 6 caras. Enumeradas del 1
al 6 ¿Cuál sería el espacio muestral del experimento lanzar un
dado una sola vez?
 Ω = {1, 2, 3, 4, 5, 6}
¿Y si el experimento consiste en lanzar el dado dos veces?
Diferenciamos entre un dado rojo y un dado verde.
Ω = {1 y 1, 1 y 2, 1 y 3, 1 y 4, 1 y 5, 1 y 6, 2 y 1, 2 y 2, 2 y 3 … 6 y
6}
Es decir, que en el dado rojo salga un 1 y que en el dado verde
salga un 1, sería el primer suceso elemental. El segundo suceso
elemental consistiría en que en el dado rojo salga un 1 y en el
verde un 2. Así hasta un total de 36 sucesos elementales.

 Eventos en probabilidad:

Cuando decimos "Evento" nos referimos a uno (o más)

resultados.

Ejemplos:

 Obtener una Cara al lanzar una moneda es un evento

 Lanzar un "5" es un evento.

O un evento puede incluir varios resultados:

 Elegir un "Rey" de una baraja de cartas (cualquiera de los

4 Reyes) también es un evento
 Lanzar un "número par" (2, 4 o 6) es un evento

 Tipos de eventos en probabilidad:

 Eventos independientes:

Los eventos pueden ser "independientes", lo que significa

que cada evento no se ve afectado por ningún otro evento.
 Ejemplo:

Lanzas una moneda y aparece "Cara" tres veces... ¿cuál

es la probabilidad de que el próximo lanzamiento también
sea una "Cara"?

La probabilidad es simplemente 1/2 o 50% como en

CUALQUIER lanzamiento de la moneda.

 Eventos dependientes:

Pero los eventos también pueden ser dependientes... lo

que significa que pueden verse afectados por eventos
anteriores...

Ejemplos:

Tomar 2 cartas de un mazo

Después de tomar una carta del mazo, hay menos cartas

disponibles, ¡por lo que las probabilidades cambian!

Veamos las posibilidades de obtener un Rey.

Para la primera carta, la posibilidad de sacar un Rey es 4

de 52

Pero para la segunda carta:

o Si la primera carta era un Rey, entonces es menos

probable que la segunda carta sea un Rey, ya que
solo 3 de las 51 cartas restantes son Reyes.
o Si la primera carta no era un Rey, entonces es más
probable que la segunda carta sea un Rey, ya que 4
de las 51 cartas restantes son Rey.
  Mutuamente excluyentes:

Mutuamente Excluyentes quiere decir que no pueden

suceder al mismo tiempo.

Es uno u otro, pero no ambos

Ejemplos:

o Girar a la izquierda y a la derecha son mutuamente

excluyentes (no puedes hacer ambas cosas al
mismo tiempo)
o Cara y Escudo son mutuamente excluyentes
o Reyes y Ases son mutuamente excluyentes

2. Definiciones de probabilidad:

La probabilidad es la posibilidad de que suceda un fenómeno o un

hecho, dadas determinadas circunstancias. Se expresa como un
porcentaje.

 La probabilidad clásica: es una medida estadística que indica la

probabilidad de que suceda un evento. La probabilidad clásica es
igual al número de casos favorables de dicho evento dividido
entre el número total de casos posibles.

La probabilidad clásica también se conoce como probabilidad

teórica o probabilidad a priori.

La probabilidad clásica es un número entre 0 y 1. Cuanto más

probable de que ocurra un evento, mayor será la probabilidad
clásica, por contra, cuanto menos probable sea de que suceda un
evento, menor será el valor de la probabilidad clásica.

A diferencia de otros tipos de probabilidades, no hace falta hacer

ningún experimento para hallar la probabilidad clásica de un
evento, sino que se trata de un cálculo teórico.

Esta forma de calcular la probabilidad de un evento es una

aplicación de la regla de Laplace, enunciada inicialmente en 1812
por el matemático francés Pierre de Laplace (1749-1827).

Sea A un evento del cual queremos conocer su probabilidad de

ocurrencia P(A), entonces:

P(A) = número de casos favorables al evento A / número de

casos posibles

El resultado de esta operación es siempre un número positivo

entre 0 y 1. Si un evento tiene probabilidad 0 de ocurrir significa
que no pasará.

En cambio, si la probabilidad de ocurrencia es igual a 1, quiere

decir que sucederá de cualquier forma y en todo caso, la
probabilidad de que un suceso ocurra, sumada con la
probabilidad de que no ocurra, es igual a 1:

Evidentemente, en un dado legal, cualquiera de las 6 caras tiene

la misma probabilidad de salir, por lo tanto la probabilidad de
obtener una cara con 5 debe ser 1/6.
 Un detalle importante es el siguiente: para aplicar la regla de
Laplace el número de casos posibles tiene que ser finito, es decir,
debemos poder contarlos y obtener un número natural.

En el ejemplo del dado hay 6 casos posibles y un solo evento

favorable. Al conjunto de casos posibles se le denomina espacio
muestral.

Al aplicar la regla de Laplace es conveniente analizar

cuidadosamente el espacio muestral, incluyendo todos los
sucesos posibles, es decir, que debe estar completo y ordenado,
para que ningún suceso escape de ser contabilizado.

 De frecuencia relativa:

La definición clásica se ve limitada a situaciones en las que hay

un número finito de resultados igualmente probables.
Lamentablemente, hay situaciones prácticas que no son de este
tipo y la definición “a priori” no se puede aplicar.

Por ejemplo, si se pregunta por la probabilidad de que un

paciente se cure mediante cierto tratamiento médico, o la
probabilidad de que una determinada máquina produzca artículos
defectuosos, entonces no hay forma de introducir resultados
igualmente probables. Para responder a estas preguntas
podemos utilizar el enfoque empírico, en el cual para determinar
los valores de probabilidad se requiere de la observación y de la
recopilación de datos. La definición empírica se basa en la
frecuencia relativa de ocurrencia de un evento con respecto a un
gran número de repeticiones del experimento. En otras palabras,
la definición empírica se basa número de veces que ocurrió el
evento entre el número total de repeticiones del experimento.
También se le denomina a posteriori, ya que el resultado se
obtiene después de realizar el experimento un cierto número
grande de veces. Si queremos conocer la probabilidad del evento
A según este enfoque realizamos el experimento un gran número
de veces y contamos cuántas veces A ocurre. Con base en estos
resultados reales, P(A) se estima de la siguiente forma:

P(A)= número de veces que ocurrió A/ número de veces que

se repitió el experimento.

Este enfoque de probabilidad no implica ningún supuesto previo

de igualdad de probabilidades.

Ejemplo:

Antes de incluir la cobertura para cierto tipo de problema dental C

en pólizas de seguros médicos para adultos, una compañía de
seguros desea determinar la probabilidad de ocurrencia de esta
clase de problemas, para que pueda fijarse la prima de seguros
de acuerdo con esas cifras. Por ello, un especialista en
estadística recopila datos preguntando a 10,000 adultos que se
encuentran en las categorías de edad apropiadas y encuentra
que 100 de ellos han experimentado el problema dental
específico durante el año anterior. Según los datos recopilados,
¿cuál es la probabilidad de que un adulto tenga este tipo de
problema dental durante el periodo de un año?

Respuesta:

Notemos que el especialista estudia 10,000 adultos para

determinar cuántos de ellos tuvieron el problema dental C en el
año anterior. O sea, el especialista repitió el experimento de
preguntar a un adulto si había tenido el problema dental C el año
anterior 10,000 veces y obtuvo 100 respuestas afirmativas a su
 pregunta. Por ello, la probabilidad de ocurrencia de C en un
adulto durante el periodo de un año es.

P(C): n(c) / (s)

P (C): 100 / 1000

P (C): 0.01

P (C): 1%.

 Definición subjetiva:

Esta definición de probabilidad se diferencia de los dos enfoques

anteriores, debido a que tanto el enfoque clásico como el de
frecuencia relativa producen valores objetivos de probabilidad. El
enfoque subjetivo define la probabilidad de un evento a base del
grado de confianza que una persona tiene de que el evento
ocurra, teniendo en cuenta toda la evidencia que tiene disponible,
fundamentado en la intuición, opiniones, creencias personales y
otra información indirecta relevante.

Debido a que el valor de la probabilidad es un juicio personal, al

enfoque subjetivo se le denomina también como enfoque
personalista. El enfoque subjetivo no depende de la repetitividad
de ningún evento y permite calcular la probabilidad de sucesos
únicos. Por ejemplo, ¿cuál es la probabilidad de que un edificio
colapse ante un terremoto? Este evento puede que ocurra o que
nunca ocurra, pero es lógico pensar que no podemos repetir los
terremotos un número grande de veces y contar el número de
veces que el edificio colapsa para calcular esa probabilidad. Sin
embargo, un especialista en el área puede asignar una
 probabilidad basada en su juicio de toda la información relevante
a la que pueda tener acceso.

Ejemplo:

Un analista deportivo afirma que Estados Unidos tiene una

probabilidad de 90% de ganar la medalla de oro en baloncesto en
las próximas olimpiadas. Notemos que esta probabilidad está
basada en la confianza que el analista tiene de que el evento
ocurra, con base en toda la evidencia que tiene disponible.

3. Reglas del cálculo de probabilidad:

 Teorema de bayes:

El teorema de Bayes es utilizado para calcular la probabilidad de

un suceso, teniendo información de antemano sobre ese suceso.

En la fórmula presentada, B es el suceso sobre el que tenemos

información previa y A(n) son los distintos sucesos
condicionados. En la parte del numerador tenemos la
probabilidad condicionada, y en la parte de abajo la probabilidad
total. En cualquier caso, aunque la fórmula parezca un poco
abstracta, es muy sencilla.

Ejemplo:
 Supongamos que en un grupo de personas tenemos aquel
segmento que gusta de la naturaleza, que imaginemos que es el
30%, mientras que al 70% no le gusta la naturaleza.

Asimismo, sabemos que la probabilidad de que a alguien que le

guste la naturaleza también le guste hacer deporte es del 60%.
En cambio, si a la persona no le gusta la naturaleza, la
probabilidad de que le guste el deporte es del 35%.

Dada esta información, podemos hallemos la probabilidad de que

a alguien del grupo le guste hacer deporte.

Primero, hallaremos dos probabilidades conjuntas, multiplicando

las probabilidades:

 Le gusta la naturaleza y hacer deporte: 0,3*0,6=0,18

 No le gusta la naturaleza, pero sí hacer deporte: 0,7*0,35=0,245

Sumando ambas tenemos: 0,245+0,18=0,425

Es decir, la probabilidad de que a alguien del grupo le guste

hacer deporte es del 42,5%.

Luego, podemos aplicar el teorema de Bayes frente a la pregunta

→ Si a un individuo del grupo le gusta hacer deporte, ¿cuál es la
probabilidad de que le guste la naturaleza?

(0,3*0,6)/0,425=0,4235 = 42,35%

Asimismo, si a una persona del grupo le gusta el deporte ¿Cuál

es la probabilidad de que no le guste la naturaleza?

(0,7*0,35)/0,425 = 57,65%