Tema 10.

Conceptos básicos de
probabilidad
1. Introducción
2. Definiciones previas
3. Enfoques y conceptos básicos de probabilidad
4. Teorema del producto
• Probabilidad condicional (condicionada)
• Probabilidad de la intersección
• Independencia de sucesos

1
1. Introducción

2
 Introducción
Razones para su estudio en Psicología
• Es fundamental en el proceso de inferencia estadística
(diapositiva siguiente)
• Experiencias en la investigación y en la vida en que se
pueden producir resultados diferentes y no podemos
predecir con certeza cuál se producirá
• Selección de muestras

3
 Introducción
Proceso de inferencia estadística
extraída
MUESTRA POBLACIÓN

descrita
descrita

inferencia
ESTADÍSTICO PARÁMETRO
(calculado) (desconocido)
Cálculo de
Probabilidades
4
2. Definiciones previas

5
 Experimento aleatorio
• Un experimento aleatorio (en adelante, exp. a.) simple es una
acción o procedimiento con las siguientes características:
1. Tiene un conjunto definido de dos o más resultados
posibles, que son conocidos con anterioridad
2. Su resultado no se puede predecir (hay factores aleatorios
que influyen en el resultado)
3. Puede repetirse teóricamente cuantas veces queramos en
condiciones idénticas
Ejemplos
• Lanzar dos monedas al aire para ver el resultado
• Elegir aleatoriamente un alumno para conocer su opinión sobre la legalización
de la droga
• Observar la camada de una rata alimentada con cierta droga para ver el nº de
crías
• Introducir una rata en un laberinto en forma de T para ver que dirección toma6
 Espacio muestral (E)
• Conjunto de todos los resultados posibles de un experimento
aleatorio
Ejemplo
Exp. a. : “Lanzar un dado”; E={1 , 2 , 3 , 4 , 5 , 6}
Exp. a. : “Lanzar dos monedas”; E ={CC , CX , XC , XX}
Exp. a : “Elegir aleatoriamente un alumno de clase para ver si es
partidario de la legalización de la droga”; E ={SI , NO}
Exp. a : “Observar la camada de una rata alimentada con cierta
droga para ver el nº de crías”; E = {1, 2, 3,…….}
Exp. a : “Introducir una rata en un laberinto en forma de T”;
 si interesa la dirección que toma: E1={D , I}
 si interesa el tiempo que tarda E2= (0<tiempo<∞) 7
 Espacio muestral (E)
Tipos de espacio muestral
• DISCRETO
 Finito
Constituido por un número finito de elementos
Exp .a. : “Tirar un dado”; E={1 , 2 , 3 , 4 , 5 , 6}
 Infinito
Constituido por un número infinito pero numerable de elementos
Exp. a. : “Introducir una rata en un laberinto hasta que elija D”;
E = {D , ID , IID , IIID , IIIID. …}
• CONTINUO
Constituido por un número infinito no numerable de elementos
Exp. a: “Introducir una rata en un laberinto en forma de T para
ver el tiempo que tarda en recorrerlo”; E=(0, ∞) 8
 Sucesos
Definición
• Un suceso es cualquier subconjunto de un espacio muestral
Exp. a.: “Elegir aleatoriamente un alumno para ver la calificación
obtenida en antropología”
E ={Ss , A , Nt , Sb}
S1= {A }; S2= {Nt , Sb}; S3 ={Ss , A , N , Sb}
Exp. a.: “Elegir aleatoriamente un psicólogo para ver los años
de experiencia”
E ={1 , 2 , 3 , 4 , …, 50}
S1= {1 }; S2= {1 , 5 , 8}; S3= {10 , 12 , 13 , … , 50}

• Decimos que un suceso ocurre o se verifica cuando al realizar el

experimento aleatorio tiene lugar alguno de sus elementos 9
 Sucesos
Tipos
• Elemental: constituido por un único elemento
Exp. a. : “Elegir aleatoriamente un alumno para ver la
calificación obtenida en antropología”
S1= {Ap }
• Compuesto: constituido por más de un elemento
S2= {Nt , Sb}
• Seguro: constituido por todos los elementos del espacio muestral
S3 ={Ss , Ap , Nt , Sb}
• Imposible (Ø): constituido por elementos que no pertenecen al
espacio muestral
10
 Álgebra de sucesos
Unión de sucesos (A  B)
La unión de dos sucesos es un subconjunto del E formado por los
sucesos elementales que pertenecen a A a B ó a ambos (“O”)
Exp. a: “Día de la semana en que sale un alumno ” y
A = {J , V , S }; B = {V , S , D}; C = {L}

E A L B A  B = {J , V , S , D}
V
J D
S AE=E
X AØ=A
M
11
 Álgebra de sucesos
Intersección de sucesos (A ∩
LaB )
intersección de dos sucesos es un subconjunto del E formado
por los sucesos elementales que pertenecen simultáneamente a
ambos sucesos (“Y”)

E A L B A ∩ B = {V , S }
V
J D
S A∩E=A
X A∩Ø=Ø
M

12
 Álgebra de sucesos
Mutua exclusividad (disjuntos)
Dos sucesos son mutuamente E A X C
exclusivos o disjuntos cuando no
J V
tienen elementos en común L
S
A∩C=Ø M D

Sucesos complementarios ( S )
E Es el subconjunto de E integrado
A L D por los sucesos elementales no
V incluidos en ese suceso
J S X
M A A  E
A  L, M , X , D A A   13
 Álgebra de sucesos
Diferencia de sucesos (S1-S2)
Subconjunto de E integrado por los sucesos que pertenecen al
primero pero no al segundo

M B M
E A E B
A V
V
J D D
S J S

X L X L

A - B = {J } B - A = {D}

14
3. Enfoques y conceptos básicos
de probabilidad

15
 Concepto de probabilidad
• Hace referencia a cómo los experimentos aleatorios con
resultados inciertos comienzan a tener resultados previsibles
(sometidos a leyes) al repetirse un número muy grande de veces
• Es un concepto ideal, puesto que se refiere a las frecuencias con
las que ocurrirían las cosas en el caso de que los experimentos se
repitieran un número infinito de veces en las mismas condiciones
• No garantiza lo que ocurrirá en cada una de las realizaciones
individuales concretas del experimento
• La probabilidad de un suceso es un número que cuantifica
en términos relativos las opciones de verificación de un
suceso (se expresa en tanto por uno)
• Enfoques de la probabilidad: clásico o “a priori”, frecuentista o
“a posteriori” y formal o axiomático
16
 Enfoque clásico o “a priori”
• Sea un experimento aleatorio y su espacio muestral asociado (E),
la probabilidad de que ocurra cualquier suceso (Si) perteneciente
a E se define como
la frecuencia relativa del suceso en el espacio muestral

nº de elementos del suceso (casos favorables)

P(Si) =
nº total de elementos de E (casos posibles)

• Todos los elementos de E tienen las mismas opciones de ocurrir

al realizar el experimento aleatorio (resultados equiprobables)
• Debemos conocer todo el E (debe ser finito) y debemos conocer
todos los elementos de Si
17
Enfoque frecuentista o “a posteriori”
• La probabilidad de un suceso se define como el límite de la
frecuencia relativa de apariciones del suceso cuando el número
de repeticiones del experimento aleatorio tiende a infinito

Ni
P ( S i )  lim
N  N

donde N es el nº de veces que realizamos el experimento aleatorio

Ni es la frecuencia del suceso Si (nº de veces que ocurre Si)

• En teoría, el número de repeticiones debe ser infinitamente grande

• En la práctica, la frecuencia relativa del suceso se estabiliza muy
pronto basta con realizar el experimento aleatorio un
número relativamente pequeño de veces de veces
18
 Enfoques de la probabilidad
Ejemplo Exp. a.: “Tirar una moneda al aire”

Enfoque clásico
P (Cara) = 1/2 = 0’5 Resultados favorables: 1
Resultados posibles : 2
P (Cruz) = 1/2 = 0’5
Enfoque frecuentista
0,6 0,6 0,6
0,5 0,5 0,5
0,4 0,4 0,4
0,3 0,3 0,3
0,2 0,2 0,2
0,1 0,1 0,1
0 0 0
C X C X C X
100 veces 500 veces 2000 veces 19
 Enfoque formal o axiomático
• Sea un experimento aleatorio y su espacio muestral
asociado (E), la probabilidad de que ocurra cualquier
suceso perteneciente a E es un nº real que cumple los
siguientes axiomas
Axioma 1
0 ≤ P(A)
Axioma 2
P (E) = 1
Axioma 3
P (AB) = P(A) + P(B),
si A y B son disjuntos o mutuamente exclusivos
[(A  B) = ] 20
 Enfoque formal o axiomático
• De los axiomas anteriores se derivan los siguientes
teoremas
Teorema 1:
0  P ( A)  1
Teorema 2:
P ( A)  1  P ( A)

Teorema 3:
P ()  0
Teorema 4:
P ( A  B )  P ( A)  P ( B )  P ( A  B ),
siendo A y B dos sucesos cualesquiera de E 21
3. Teorema del producto

22
 Probabilidad condicional
• Sea un experimento aleatorio y su espacio muestral asociado (E)
y sean dos sucesos A y B pertenecientes a E,
la probabilidad condicional de A supuesto B [P (A|B)] es la
probabilidad de ocurra A suponiendo que ya ha ocurrido B

P( A  B)
P( A | B) 
P( B)
Ejemplo
De un grupo de 100 pacientes, 60 realizan una terapia y, pasado
un tiempo, 40 de ellos mejoran; de los que no realizan la terapia
también mejoran 30. Si elegimos aleatoriamente un paciente y es
de los que ha mejorado, ¿cuál es la probabilidad de que sea de los
que ha realizado la terapia? 23
 Probabilidad condicional
Ejemplo (cont.)
TERAPIA
SI NO A = “Realizar una terapia”
MEJORA

SI 40 30 70 B = “Mejorar”
NO 20 10 30
¿P(A|B)?
60 40 100
P (A) = 60/100 = 0’6
P( A  B) P (B) = 70/100 = 0’7
P( A | B)  P (A  B) = 40/100 = 0’4
P( B)
P(A|B) = 0’4/0’7 = 0’57
24
 Probabilidad de la intersección
• Sea un experimento aleatorio y su espacio muestral asociado (E)
y sean dos sucesos A y B pertenecientes a E,
la probabilidad de la intersección [P (A  B)] es la probabilidad
de ocurran simultáneamente A y B

P( A  B) P( A  B)  P( A | B) * P( B)
P( A | B) 
P( B)
P ( B  A) P( B  A)  P ( B | A) * P ( A)
P ( B | A) 
P ( A)

P ( A  B )  P ( B  A)  P ( A | B) * P ( B )  P ( B | A) * P ( A)

25
 Probabilidad de la intersección
Ejemplo
En una clase hay dos grupos de amigos (G1 y G2); el primero está
formado por 3 niñas y 2 niños y el segundo por 2 niñas y 8 niños.
Elegimos aleatoriamente uno de los grupos y a uno de los alumnos
de dicho grupo. 1. ¿Cuál es la probabilidad de que sea niño y
pertenezca al grupo 1? 2. ¿Cuál es la probabilidad de que sea niño?
A: “Ser niño”; G1: “pertenecer al grupo 1” G2: “pertenecer al grupo 2”

1. P (A  G1) = P (A|G1)*P (G1)

P (G1) =1/2; P (A|G1) = 2/5; P (A  G1) = 2/5 * 1/2
2. P (A) = P [(A  G1)  (A  G2)] = [P (A  G1) + P (A  G2)]
= P (A|G1)*P (G1) + P (A|G2)*P (G2) = 2/5 * 1/2 + 8/10 * 1/2
26
disjuntos
 Independencia de sucesos
• Dos sucesos son independientes si se verifica que la ocurrencia
de uno no afecta a la probabilidad de la ocurrencia del otro
P ( A | B )  P ( A)
Ejemplos
1. Queremos formar un número de 2 dígitos; A = “primer dígito par”;
B = “segundo dígito par”. A y B sucesos independientes
2. Queremos formar con los 20 alumnos de una clase grupos de trabajo
de 2 alumnos; A = “primer elemento varón”; B = “segundo
elemento mujer”. A y B sucesos dependientes
• La probabilidad de verificación simultánea de dos sucesos
independientes es igual al producto de sus probabilidades simples
P( A  B)  P( A) * P ( B ) 27
Independencia y mutua exclusividad
A, B DISJUNTOS (MUTUAMENTE EXCLUSIVOS)
 (AB) =   P (AB) = 0
A, B INDEPNDIENTES
 P(AB) = P(A) P(B)
A, B DISJUNTOS  NO SON INDEPENDIENTES
(DEPENDIENTES)
A, B INDEPENDIENTES  NO SON DISJUNTOS

INDEPENDIENTES
A, B NO DISJUNTOS
DEPENDIENTES

DISJUNTOS
A, B DEPENDIENTES
NO DISJUNTOS 28
 Resumen unión e intersección
Unión
• Se verifica el suceso unión si ocurren A ó B ó ambos
• P (A  B)
A y B cualquier suceso: P (A  B) = P (A) + P (B) – P (AB)
A y B disjuntos: P (A  B) = P (A) + P (B)

Intersección
• Se verifica el suceso intersección si ocurren A y B a la vez
P (A  B)
A y B independientes: P (A  B) = P (A) * P (B)
A y B dependientes: P (A  B) = P (B) * P (A|B)
= P (A) * P (B|A) 29