Estadística I

Capítulo 4

Probabilidad Básica

Basic Business Statistics, 11e © 2009 Prentice-Hall, Inc. Chap 4-1

 Conceptos Básicos

n  Probabilidad – la posibilidad de que un evento

ocurra (siempre entre 0 y 1)

n  Evento Imposible – un evento que no tiene

posibilidad de ocurrir (p = 0)

n  Evento Seguro – un evento que ocurrirá con

toda seguridad (p = 1)

Basic Business Statistics, 11e © 2009 Prentice-Hall, Inc.. Chap 4-2

 Evaluando la Probabilidad

Existen 3 aproximaciones sujetas a la

probabilidad:
1. a priori -- basada en el conocimiento previo del proceso
X # de formas en las que el evento ocurre
Prob. de ocurrencia = =
T # total de resultados posibles
Cada
resultado
es 2. probabilidad empírica – se basa en datos observados
igualmente
probable # de formas en las que el evento ocurre
Prob. de ocurrencia # total de resultados posibles

3. probabilidad subjetiva

Se basa en la combinación de experiencias previas, oponiones

personales y el análisis de una situación en particular

Basic Business Statistics, 11e © 2009 Prentice-Hall, Inc.. Chap 4-3

 Ejemplo de Probabilidad a priori

Determine la probabilidad de seleccionar una cara

(Jack, Queen, or King) de una baraja de 52 cartas.

X número de cartas con cara

Probabilidad de Cara = =
T total de cartas

X 12 cartas con cara 3

= =
T 52 cartas 13

Basic Business Statistics, 11e © 2009 Prentice-Hall, Inc.. Chap 4-4

 Ejemplo de Probabilidad Empírica

Encuentre la probabilidad de seleccionar un hombre que

estudia estadística de la población descrita en la
siguiente tabla:

Esttudia No Estudia Total

Estadística Estadística
Hombre 84 145 229
Mujer 76 134 210
Total 160 279 439

# hombres estudian estadística 84

p = = = 0.191
total de personas 439

Basic Business Statistics, 11e © 2009 Prentice-Hall, Inc.. Chap 4-5

 Eventos

Cada posible resultado de una variable es un evento.

n  Evento Simple

n  Se describe por sus características singulares.
n  e.g., una carta roja de una baraja
n  Evento Conjunto
n  Un evento que tiene dos o mas características
n  e.g., Un as rojo de una baraja
n  Complemento de un Evento A (se denota A’)
n  Todos los eventos que no son parte de A
n  e.g., Todas las cartas que no son diamante

Basic Business Statistics, 11e © 2009 Prentice-Hall, Inc.. Chap 4-6

 Espacio Muestral
Es la colección de todos los eventos posibles.
Las 6 caras de un dado:

Las 52 cartas de una baraja:

Basic Business Statistics, 11e © 2009 Prentice-Hall, Inc.. Chap 4-7

 Visualizando Eventos

n  Tablas de Contingencia

As No es As Total

Negra 2 24 26
Roja 2 24 26

Total 4 48 52

n  Arboles de Decisión Espacio

As 2
Sample Muestral
negras
Space rtas
Baraja de Ca No es un As 24
52 cartas
Cartas
As 2
rojas
No es
un As 24
Basic Business Statistics, 11e © 2009 Prentice-Hall, Inc.. Chap 4-8
 Visualizando Eventos

n  Diagramas de Venn

n  Sea A = aces
n  Sea B = cartas rojas A ∩ B = as y roja

B
A U B = as o roja

Basic Business Statistics, 11e © 2009 Prentice-Hall, Inc.. Chap 4-9

 Definiciones: Probabilidad
Simple vs. Conjunta

n  Probabilidad simple se refiere a la probabilidad

de ocurrencia de un evento simple.
n  ej. P(Rey)
n  ej. P(Espada)

n  La probabilidad conjunta se refiere a la

probabilidad de ocurrencia que implica a dos o
más eventos. ej. P(Rey y Espada)

Basic Business Statistics, 11e © 2009 Prentice-Hall, Inc.. Chap 4-10

 Eventos Mutuamente Excluyentes

n Eventos que no pueden ocurrir simultáneamente.

a) Al tirar una moneda al aire, cara y cruz son
eventos mutuamente excluyentes. El resultado de
tirar una moneda al aire no puede ser al mismo
tiempo cara y cruz.

n  Sacar una carta de una baraja.

A = reina de diamante; B = reina de trébol
n  Los eventos A y B son mutuamente excluyentes

Basic Business Statistics, 11e © 2009 Prentice-Hall, Inc.. Chap 4-11

 Eventos Colectivamente Exhaustivos

n  Uno de los eventos debe ocurrir

n  El conjunto de eventos cubre todo el espacio
muestral

Ejemplo:
A = aces; B = cartas negras;
C = diamantes; D = corazones

n  Los eventos A, B, C y D son colectivamente

exhaustivos (pero no mutuamente excluyentes –
un as también puede ser corazón)
n  Los eventos B, C y D son colectivamente
exhaustivos y también mutuamente excluyentes

Basic Business Statistics, 11e © 2009 Prentice-Hall, Inc.. Chap 4-12

 Calculando Probabilidades

n  La probabilidad de un evento conjunto, A y B:

# de resultados que satisfacen A y B
P(A y B) =
# total de resultados posibles

n  Probabilidad marginal o simple:

P(A) = P(A y B1 ) + P(A y B2 ) +!+ P(A y Bk )

n  Donde B1, B2, …, Bk son k eventos mutuamente excluyentes
y colectivamente exhaustivos.

Basic Business Statistics, 11e © 2009 Prentice-Hall, Inc.. Chap 4-13

 Ejemplo de Probabilidad Conjunta

P(Rojo and As)

# cartas rojas y aces 2
= =
# total de cartas 52

Color
Tipo Rojo Negro Total
As 2 2 4
No-As 24 24 48
Total 26 26 52

Basic Business Statistics, 11e © 2009 Prentice-Hall, Inc.. Chap 4-14

 Ejemplo de Probabilidad Marginal

P(As)
2 2 4
= P(As y R oja) + P(As y Negra) = + =
52 52 52

Color
Tipo Rojo Negro Total
As 2 2 4
No-As 24 24 48
Total 26 26 52

Basic Business Statistics, 11e © 2009 Prentice-Hall, Inc.. Chap 4-15

 Probabilidades Marginal y Conjunta
en una Tabla de Contingencia

Evento
Evento B1 B2 Total
A1 P(A1 y B1) P(A1 y B2) P(A1)

A2 P(A2 y B1) P(A2 y B2) P(A2)

Total P(B1) P(B2) 1

Probabilidades Probabilidades Marginales

Conjuntas (Simples)
Basic Business Statistics, 11e © 2009 Prentice-Hall, Inc.. Chap 4-16
 Resumen
n  Probabilidad es la medición numérica
de que un evento ocurra. 1 Seguro

n  La probabilidad de cualquier evento

debe estar entre 0 y 1.
0 ≤ P(A) ≤ 1 Para cualquier evento A
n  La suma de las probabilidades de 0.5
todos los eventos mutuamente
excluyentes y colectivamente
exhaustivos es 1.
P(A) + P(B) + P(C) = 1
0 Imposible

Basic Business Statistics, 11e © 2009 Prentice-Hall, Inc.. Chap 4-17

 Regla General de la Adición

Regla General de la Adición:

P(A o B) = P(A) + P(B) - P(A y B)
Si A y B son mutuamente excluyentes,
entonces P(A y B) = 0, y la regla se simplica
a:

P(A o B) = P(A) + P(B)

Para eventos mutuamente
excluyentes A y B
Basic Business Statistics, 11e © 2009 Prentice-Hall, Inc.. Chap 4-18
 Ejemplo Regla General de la Adición

P(Rojo o As) = P(Rojo) +P(As) - P(Rojo y As)

= 26/52 + 4/52 - 2/52 = 28/52

Color
Tipo Rojo Negro Total
As 2 2 4
No-As 24 24 48
Total 26 26 52

Basic Business Statistics, 11e © 2009 Prentice-Hall, Inc.. Chap 4-19

 Cálculo de Probabilidades Condicionales
n  Una probabilidad condicional es la probabilidad
de un evento, dado que otro evento ha ocurrido
P(A y B) La probabilidad
P(A|B) = condicional de A dado
P(B) que B ha ocurrido

P(A y B) La probabilidad
P(B|A) = condicional de B dado
P(A) que A ha ocurrido

Donde P(A y B) = probabilidad conjunta de A y B

P(A) = probabilidad marginal de A
P(B) = probabilidad marginal de B
Basic Business Statistics, 11e © 2009 Prentice-Hall, Inc.. Chap 4-20
 Ejemplo de Probabilidad Condicional

n  De los carros en un autolote, 70% tienen aire

acondicionado (AC) y 40% tienen reproductor
de CD. 20% de los carros tienen ambos.

n  Cuál es la probabilidad de que un carro tenga

reproductor de CD, dado que tenga AC?

i.e., queremos encontrar P(CD | AC)

Basic Business Statistics, 11e © 2009 Prentice-Hall, Inc.. Chap 4-21

 Ejemplo de Probabilidad Condicional
n  De los carros de un autolote, 70% tienen aire
acondicionado (AC) y 40% tienen reproductor de CD.
20% tienen ambos.
CD No CD Total
AC 0.2 0.5 0.7
No AC 0.2 0.1 0.3
Total 0.4 0.6 1.0

P(CD y AC) 0.2

P(CD|AC) = = = 0.2857
P(AC) 0.7
Basic Business Statistics, 11e © 2009 Prentice-Hall, Inc.. Chap 4-22
 Usando Arboles de Decisión
.2
Dado AC o e CD .7 P(AC y CD) = 0.2
Tien
no AC:
No t
ie
CD ne .5 P(AC y CD ) = 0.5

.7
Todos Probabilidades
Condicionales
los
Autos .2
CD .3 P(AC’ y CD) = 0.2
e
Tien

No t
ie
CD ne .1 P(AC’ y CD ) = 0.1
Basic Business Statistics, 11e © 2009 Prentice-Hall, Inc..
.3 Chap 4-23
 Usando Arboles de Decisión
.2
A C .4 P(CD y AC) = 0.2
Dado CD o Tien
e
no CD:
No t
iene P(CD y AC ) = 0.2
AC .2
Todos .4
Probabilidades
los Condicionales
autos .5
A C .6 P(CD y AC) = 0.5
e
Tien

No t
iene
AC .1 P(CD’ y AC ) = 0.1
Basic Business Statistics, 11e © 2009 Prentice-Hall, Inc..
.6 Chap 4-24
 Independencia
n  Dos eventos son independentes si y
sólo si:

P(A | B) = P(A)
n  Los eventos A y B son independientes cuando la
probabilidad de un evento no es afectada por el
hecho de que otro evento ha ocurrido.

Basic Business Statistics, 11e © 2009 Prentice-Hall, Inc.. Chap 4-25

 Regla de la Multiplicación

n  Regla de la multiplicación para dos eventos A

y B:
P(A y B) = P(A|B)P(B)

Nota: Si A y B son independientes, entonces P(A | B) = P(A)

Y la regla de la multiplicación se simplifica a:

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

Basic Business Statistics, 11e © 2009 Prentice-Hall, Inc.. Chap 4-26

 Probabilidad Marginal

n  Probabilidad Marginal para el evento A:

P(A) = P(A | B1)P(B1) + P(A | B2 )P(B2 ) +  + P(A | Bk )P(Bk )

n  Donde B1, B2, …, Bk son k eventos mutuamente

excluyentes y colectivamente exhaustivos.

Basic Business Statistics, 11e © 2009 Prentice-Hall, Inc.. Chap 4-27

 Teorema de Bayes

n  El teorema de Bayes se utiliza para revisar

probabilidades previamente calculadas cuando
se posee nueva información.
n  Desarrollado por el Reverendo Thomas Bayes
en el siglo XVIII
n  Es una extensión de la probabilidad
condicional.

Basic Business Statistics, 11e © 2009 Prentice-Hall, Inc.. Chap 4-28

 Teorema de Bayes

P(A | B i )P(B i )
P(B i | A) =
P(A | B 1 )P(B 1 ) + P(A | B 2 )P(B 2 ) + ⋅ ⋅ ⋅ + P(A | B k )P(B k )

n  Donde:
Bi = i-ésimo de k eventos m.e. y c.e.
A = nuevo evento que pueden tener un impacto P(Bi)

Basic Business Statistics, 11e © 2009 Prentice-Hall, Inc.. Chap 4-29

 Ejemplo Teorema de Bayes
n  Una empresa de perforaciones ha estimado un
40% de posibilidad de extraer petróleo de un
nuevo pozo.
n  Una prueba detallada ha sido programada para
tener mas información. Historicamente, 60% de
los pozos con éxito han tenido pruebas detalladas,
y 20% de pozos sin éxito han tenido pruebas
detalladas.
n  Dado que este pozo ha sido programado para una
prueba detallada, cuál es la probabilidad de que el
pozo tenga éxito?
Basic Business Statistics, 11e © 2009 Prentice-Hall, Inc.. Chap 4-30
 Ejemplo Teorema de Bayes
n  Dado que S = pozo con éxito
U = pozo sin éxito
n  P(S) = 0.4 , P(U) = 0.6 (probabilidades previas)
n  Definamos el evento prueba detallada como D
n  Probabilidades condicionales:
P(D|S) = 0.6 P(D|U) = 0.2
n  El objetivo es encontrar P(S|D)

Basic Business Statistics, 11e © 2009 Prentice-Hall, Inc.. Chap 4-31

 Ejemplo Teorema de Bayes

Aplicando el teorema:
P(D | S)P(S)
P(S | D) =
P(D | S)P(S) + P(D | U)P(U)
(0.6)(0.4)
=
(0.6)(0.4) + (0.2)(0.6)
0.24
= = 0.667
0.24 + 0.12
Por lo que la probabilidad revisada de tener éxito, dado
que el pozo ha sido programado para una prueba
detallada, es 0.667
Basic Business Statistics, 11e © 2009 Prentice-Hall, Inc.. Chap 4-32
 Ejemplo Teorema de Bayes

n  Dada la prueba detallada, la probabilidad

revisada de tener éxito aumentó a 0.667 del
estimado original de 0.40.

Prob. Prob. Prob. Prob.

Evento Previa Condicional Conjunta Revisada
S (éxito) 0.4 0.6 (0.4)(0.6) = 0.24 0.24/0.36 = 0.667
U (sin éxito) 0.6 0.2 (0.6)(0.2) = 0.12 0.12/0.36 = 0.333

Suma = 0.36

Basic Business Statistics, 11e © 2009 Prentice-Hall, Inc.. Chap 4-33

 Reglas de Conteo

n  Reglas de conteo para el número posible de

resultados.
n  Regla de Conteo 1:
n  Si cualquiera de los eventos k mutuamente
excluyentes y colectivamente exhaustivos pueden
ocurrir en cada uno de los ensayos n, el número de
posibles resultados es igual a n
k
n  Ejemplo
n  Si se tira un dado 3 veces, entonces hay 63 = 216 posibles
resultados.

Basic Business Statistics, 11e © 2009 Prentice-Hall, Inc.. Chap 4-34

 Reglas de Conteo

n  Regla de Conteo 2:

n  Si hay k1 eventos en el primer intento, k2 eventos en
el segundo intento, … and kn eventos en el enésimo
intento, el número posible de resultados es:

(k1)(k2)…(kn)
n  Ejemplo:
n  Quiere ir a un parque, comer en un restaurante, y ver una
película. Hay opción a 3 parques, 4 restaurantes, y 6
películas. Cuántas combinaciones posibles existen?
n  Respuesta: (3)(4)(6) = 72 posibilidades diferentes

Basic Business Statistics, 11e © 2009 Prentice-Hall, Inc.. Chap 4-35

 Reglas de Conteo

n  Regla de Conteo 3:

n  El número de maneras en el que las “n” cosas
pueden arreglarse en orden es:
n! = (n)(n – 1)…(1)
n  Ejemplo:
n  Tiene 5 libros para colocar en un estante. De cuántas
maneras diferentes pueden estos libros colocarse en el
estante?

n  Respuesta: 5! = (5)(4)(3)(2)(1) = 120 posibilidades

diferentes

Basic Business Statistics, 11e © 2009 Prentice-Hall, Inc.. Chap 4-36

 Reglas de Conteo

n  Regla de Conteo 4:

n  Permutaciones: El número de maneras para arreglar
X objetos seleccionados de “n” objetos en orden es:
n!
n Px =
n  Ejemplo: (n − X)!
n  Tiene 5 libros y 3 serán colocados en el estante. De cuantas
maneras diferentes pueden ordenarse en el estante?
n  Respuesta: 60 posibilidades diferentes.
n! 5! 120
n Px = = = = 60
(n − X)! (5 − 3)! 2

Basic Business Statistics, 11e © 2009 Prentice-Hall, Inc.. Chap 4-37

 Reglas de Conteo
n  Regla de Conteo 5:
n  Combinaciones: El número de maneras de seleccionar
X objetos a partir de “n” objetos, sin considerar el
orden, es igual a
n!
n Cx =
X!(n − X)!
n  Ejemplo:
Tiene 5 libros y se seleccionarán 3 para leer. Cuántas
n 

combinaciones diferentes existen, ignorando el orden de

selección?
Respuesta:
n! 5! 120
n Cx = = = = 10
X!(n − X)! 3! (5 − 3)! (6)(2) posibilidades diferentes

Basic Business Statistics, 11e © 2009 Prentice-Hall, Inc.. Chap 4-38