ESTADISTICA INDUSTRIAL

UNIDAD I: INTRODUCCION A LA TEORIA DE PROBABILIDAD.

¿Qué es probabilidad?
La probabilidad es simplemente qué tan posible es que ocurra un evento
determinado. Cuando no estamos seguros del resultado de un evento, podemos
hablar de la probabilidad de ciertos resultados: qué tan común es que ocurran.
Al análisis de los eventos gobernados por la probabilidad se le llama estadística.
Por ejemplo: la probabilidad mide la posibilidad de que salga "cara" cuando lanzamos
una moneda, o la posibilidad de que salga 5 cuando lanzamos un dado.

¿Por qué se estudia la probabilidad?

La Probabilidad propone modelos para los fenómenos aleatorios, es decir,
los que se pueden predecir con certeza, y estudia sus consecuencias lógicas.

Enfoques de la probabilidad.
Enfoque clásico, a priori o de Laplace
Este enfoque define la probabilidad como un número, determinado de la siguiente
forma: P(A)= (n(A))/(n(S))
Dónde:
S = Cardinal del espacio maestral S del experimento.
N(A) = Cardinal del evento A.
La aplicación de este enfoque supone las siguientes condiciones:
Trabaja con espacios muéstrales finitos.
Los puntos de S deben ser igualmente importantes, esto es, igual peso específico.
Enfoque empírico, frecuencia o a posteriori
El enfoque empírico utiliza la frecuencia relativa como una aproximación al valor de la
probabilidad de un evento, esto se refiere a un valor empírico de la probabilidad de
ocurrencia del evento, la cual es un valor teórico resultante de un cálculo matemático.
Es conveniente por lo tanto tener, presente el concepto de frecuencia, como la
cantidad de veces que ocurre un evento en un determinado periodo. Ahora bien, las
frecuencias pueden ser absolutas o relativas:
Frecuencia absoluta: Es el número de veces que se presenta un evento determinado
en un experimento.
Frecuencia relativa: Es la fracción o porción de veces que se presenta un evento
determinado en un experimento.
La frecuencia relativa para un evento A esta dada por:
fA: (frecuencia absoluta)/(número de ejecuciones del experimento)= (Número de
veces que ocurre A)/(Numero de ensayos)
fA: nA/n
P(A) = lim(n->inf)nA/n
Como se puede observar en la expresión anterior, la frecuencia relativa tiende a la
probabilidad de ocurrencia del evento en el límite, es decir cuando el experimento se
ejecuta un gran número de veces.
Enfoque matemático, axiomático o de Kolmogorov
Este enfoque se presenta por medio de tres axiomas, los cuales son la fundamentación
d toda la teoría de probabilidad.
Axioma 1: 0 < = P(A) < = 1
Esto indica que la probabilidad de ocurrencia de un evento es un número, el cual debe
oscilar siempre entre 0 y 1, sin contradecir la definición dada por Laplace en el enfoque
clásico.
El extremo superior representa la certeza absoluta de la no ocurrencia del evento,
mientras que el inferior representa la certeza absoluta de la no ocurrencia del evento.
Cualquier otro valor entre 0 y 1 indica incertidumbre acerca de la ocurrencia del
evento.
Axioma 2: P(S) = 1 P( ø ) = 0
P(S) representa la probabilidad de ocurrencia de algún resultado cuando se realiza un
experimento aleatorio, y de acuerdo con el axioma 1, esta probabilidad debe ser 1. En
consecuencia, la probabilidad del evento vacío debe ser 0.
Axioma 3: Si A y B son eventos mutuamente excluyentes, entonces la probabilidad de
su unión es la suma de sus probabilidades individuales.
P(A U B) = P(A) + P(B)
La expresión anterior es generalizable a más de dos eventos, así:
P(A1 U A2 U A3 U … U An ) = P(A1) + P(A2) + P(A3) + … + P(An)

Probabilidad clásica y concepto de frecuencia relativa.

La probabilidad clásica o teórica se aplica cuando cada evento simple del espacio
muestral tiene la misma probabilidad de ocurrir.

Fórmula para obtener la probabilidad clásica o teórica:

EJEMPLO: ¿Cuál es la probabilidad de obtener un número mayor que 3, en el

lanzamiento de un dado? Si E: 4, 5, 6, entonces el número de resultados favorables es
n (E) = 3.
Si S: 1, 2, 3, 4, 5, 6, entonces el número total de resultados posibles es (S) = 6.
Por lo tanto:

0.5
La frecuencia relativa es una medida estadística que se calcula como el cociente de
la frecuencia absoluta de algún valor de la población/muestra (fi) entre el total de
valores que componen la población/muestra (N).
Para calcular la frecuencia relativa antes es necesario calcular la frecuencia absoluta.
Sin ella no podríamos obtener la frecuencia relativa. La frecuencia relativa se
representa con las letras hi y su fórmula de cálculo es la siguiente:

hi = Frecuencia relativa de la observación i-ésima

fi = Frecuencia absoluta de la observación i-ésima
N = Número total de observaciones de la muestra

Eventos o sucesos aleatorios.

Un evento es un subconjunto del espacio muestral de un experimento aleatorio. Los
eventos normalmente se denotan con las letras mayúsculas A, B, C; y tienen la
característica de ser subconjuntos de S ((A, B, C) S).
Son ejemplos de eventos:
La moneda señaló cara.
El partido resulto en empate.
El químico reaccionó en 1.73 segundos.
La velocidad en el punto máximo fue de 30 m/s.
El dado marcó el número 4.

Espacios muéstrales.
El espacio muestral de un experimento aleatorio es el conjunto formado por todos los
resultados posibles (sucesos elementales) y se representa por la letra E.

Sucesos no mutuamente excluyentes.

Se consideran eventos mutuamente no excluyentes a todos aquellos sucesos que
tienen la capacidad de ocurrir de manera simultánea en una experimentación. La
ocurrencia de alguno de ellos no supone la no ocurrencia del otro.

Sucesos independientes.
Dados dos sucesos, se dice que son independientes si la presencia del uno no
influye en la probabilidad del otro
Ejemplo: Sacamos una carta de una baraja, la miramos y la introducimos de nuevo en
la baraja. Barajamos y sacamos una segunda carta. Los sucesos "sacar la primera carta"
y "sacar la segunda carta" son independientes, pues no influye para nada lo que
hayamos obtenido en la primera carta.

Sucesos dependientes.
Con los eventos dependientes, las probabilidades de eventos posteriores son
diferentes a las que serían si hubieran ocurrido por sí solos.
Ejemplo: Sacamos una carta de una baraja, la miramos y la dejamos fuera de la baraja.
Barajamos y sacamos una segunda carta. Los sucesos "sacar la primera carta" y "sacar
la segunda carta" son dependientes, ya que la extracción de la primera carta influye en
lo que saquemos en la segunda (pues la baraja dispone de una carta menos).

Reglas básicas de la probabilidad.

Los tres métodos para calcular las probabilidades son la regla de la adición,
la regla de la multiplicación y la distribución binomial.

Regla de la suma o adición y regla de la multiplicación.

La regla de adición o regla de la suma, establece que si tenemos un evento A y un
evento B, la probabilidad de que ocurra el evento A o el evento B se calcula de la
siguiente manera:
Fórmula
P(A⋃B) = P(A) + P(B) − P(A⋂B)
Donde:
 P(A) : probabilidad de que ocurra el evento A.
 P(B) : probabilidad de que ocurra el evento B.
 P(A⋃B) : probabilidad de que ocurra el evento A o el evento B.
 P(A⋂B) : probabilidad de que ocurra el evento A y el evento B a la vez.

Ejemplo:
La probabilidad de que un día cualquiera, Carlos almuerce pollo frito es de 0,4. La
probabilidad de que almuerce hamburguesa es de 0,3; mientras que la probabilidad de
que almuerce pollo frito y hamburguesa el mismo día es de 0,1. Calcula la probabilidad
de que un día cualquiera, Carlos almuerce pollo frito o hamburguesa.
Solución:
Definimos nuestras probabilidades:
 Probabilidad de que Carlos almuerce pollo frito: P(A) = 0,4.
 Probabilidad de que Carlos almuerce hamburguesa: P(B) = 0,3.
 Probabilidad de que Carlos almuerce pollo frito y hamburguesa el mismo
día: P(A⋂B) = 0,1.
 Probabilidad de que Carlos almuerce pollo frito o hamburguesa:
P(A⋃B) = ?
Ahora, aplicamos nuestra fórmula:
P(A⋃B) = P(A) + P(B) − P(A⋂B)
P(A⋃B) = 0,4 + 0,3 − 0,1
P(A⋃B) = 0,6

La regla de la multiplicación o regla del producto, permite encontrar la probabilidad de

que ocurra el evento A y el evento B al mismo tiempo (probabilidad conjunta). Esta
regla depende de si los eventos son dependientes o independientes.
Eventos dependientes
Dos eventos A y B son dependientes, si la ocurrencia de uno de ellos afecta la
ocurrencia del otro. Para eventos dependientes, la regla de la multiplicación establece
que:
Ejemplo:
Una caja contiene 2 canicas azules y 3 rojas. Si se extraen dos canicas al azar sin
reposición, ¿cuál es la probabilidad de que las dos sean azules?
Solución:
Dado que las canicas serán extraídas de la misma caja, y que las canicas que se
extraigan, no serán devueltas a la caja (no hay reposición), entonces, se trata de
eventos dependientes.
 Evento A: obtener una canica azul en la primera extracción.
 Evento B: obtener una canica azul en la segunda extracción.
Por la regla de la multiplicación, sabemos que:

Eventos independientes
Dos eventos A y B son independientes, si la ocurrencia de uno de ellos no afecta la
ocurrencia del otro, es decir, cuando los eventos A y B no están relacionados. Para
eventos independientes, la regla de la multiplicación establece que:

Esto se debe, a que en los eventos independientes, la ocurrencia de un evento, no

afecta a la ocurrencia del otro:

Ejemplo:
En un colegio, la probabilidad de que un alumno seleccionado al azar hable inglés es de
0,20; mientras que la probabilidad de que un alumno juegue fútbol es de 0,80.
El hecho de que un alumno hable inglés, no afecta en nada que juegue fútbol; por lo
tanto, se trata de eventos independientes.
 Evento A: que el alumno hable inglés. P(A) = 0,20.
 Evento B: que el alumno juegue fútbol. P(B) = 0,80.

Usamos la regla de la multiplicación para eventos independientes:

Diagramas de árbol, Teorema de Bayes.

Un diagrama de árbol es una representación gráfica de los
posibles resultados de un experimento que tiene varios pasos.
Nos permite calcular la probabilidad de que ocurra un evento
de una manera muy sencilla.
Aquí tenemos un clásico diagrama de árbol, en el cual
graficamos los posibles resultados de un experimento que
consiste en lanzar una moneda y un dado:

El teorema de Bayes es utilizado para calcular la probabilidad de un suceso, teniendo

información de antemano sobre ese suceso.
Podemos calcular la probabilidad de un suceso A, sabiendo además que ese A cumple
cierta característica que condiciona su probabilidad. El teorema de Bayes entiende la
probabilidad de forma inversa al teorema de la probabilidad total. El teorema de la
probabilidad total hace inferencia sobre un suceso B, a partir de los resultados de los
sucesos A. Por su parte, Bayes calcula la probabilidad de A condicionado a B.