ESTADÍSTICA Y MÉTODOS CUANTITATIVOS I

GRADO EN ADMINISTRACIÓN Y DIRECCIÓN DE EMPRESAS

GRADO EN FINANZAS Y CONTABILIDAD

• MARCO CONTEXTUAL
• PREGUNTAS EMPRESARIALES
• TEMA 4. CONCEPTO DE PROBABILIDAD
• SUMARIO
• BIBLIOGRAFÍA BÁSICA Y COMPLEMENTARIA

Área de Métodos Cuantitativos para la Economía y la Empresa

Dpto. de Economía
1/53
ESTADÍSTICA Y MÉTODOS CUANTITATIVOS I

BLOQUE 1
ESTADÍSTICA DESCRIPTIVA

BLOQUE 2
TEORÍA DE LA PROBABILIDAD
Y DISTRIBUCIONES
PROBABILÍSTICAS

2/53
 T. 4:CONCEPTO DE PROBABILIDAD

PROBABILIDAD T.5:VARIABLES ALEATORIAS

T.6:MODELOS PROBABILISTICOS
PARTE 2

DISCRETOS

T.7:MODELOS PROBABILISTICOS
CONTINUOS

T.8:MUESTREO Y DISTRIBUCIONES
EN EL MUESTREO

3/53
 EN LOS TEMAS ANTERIORES
Con el tema anterior, finaliza la Parte I del
programa de esta asignatura, parte dedicada a la
Estadística Descriptiva.

Tras una primera aproximación al concepto de

Estadística, se han estudiado toda una serie de
medidas descriptivas que resumen las principales
características de la distribución de una variable.

Además, se ha dedicado un capítulo al Análisis de

Series Temporales y otro al estudio de los
Números Índices.
4/53
 PREGUNTAS EMPRESARIALES

Una empresa de nueva creación saca al mercado

dos nuevos productos, denominados A y B. La
probabilidad de que el producto A funcione se
estima en un 85%. La probabilidad de que
funcione el producto B se estima en un 75%. Y la
probabilidad de que ambos funcionen se estima es
de un 65%. ¿Cuál es la probabilidad de que la
empresa tenga éxito en el lanzamiento de alguno
de sus dos productos?

5/53
 TEMA 4
CONCEPTO DE PROBABILIDAD

Introducción. Fenómenos y Experimentos

1 Aleatorios

2 Sucesos y Espacio Muestral

Evolución histórica del concepto de

3 Probabilidad: clásica, frecuentista y subjetiva

4 Probabilidad Axiomática de Kolmogorov

6/53
 TEMA 10
CONCEPTO DE PROBABILIDAD
Teoremas derivados de los axiomas de
5 Probabilidad.

Probabilidad condicionada. Independencia de

6 sucesos.

Probabilidad compuesta. Regla de la

7 Multiplicación.

Teorema de la Probabilidad Total. Teorema de

8 Bayes.

7/53
1. Introducción. Fenómenos y experimentos aleatorios

Fenómeno: cualquier acontecimiento o hecho que

se percibe directamente por los sentidos

8/53
1. Introducción. Fenómenos y experimentos aleatorios

TIPOS DE FENÓMENOS:
DETERMINÍSTICO: aquél cuyo resultado se puede
predecir de antemano.
Ejemplos: resultado de una reacción química, de la ecuación y = x2

ALEATORIO: aquél cuyo resultado no se puede predecir

con exactitud, aunque al repetirlo se produzca bajo las
mismas condiciones.
Ejemplos: resultado del lanzamiento de una moneda al aire, o de
arrojar un dado.
La Teoría de la Probabilidad es la parte de la Estadística que
trata de caracterizar los fenómenos aleatorios.
9/53
 2. Sucesos y espacio muestral

Espacio Muestral (E): el conjunto de todos los posibles

resultados asociados a un experimento aleatorio.
El espacio muestral puede ser finito o infinito.

Ejemplos:
Experimento aleatorio: Lanzamiento de un dado una sola vez.

# E = finito E={1, 2, 3, 4 , 5, 6}
Experimento aleatorio: Lanzamiento de una moneda hasta
obtener una cara.

# E = infinito E={C, XC, XXC, XXXC, …}

10/53
 2. Sucesos y espacio muestral
Suceso (A, B, C, …): cada uno de los posibles resultados
que pueden obtenerse en un experimento aleatorio, es
decir, cualquier subconjunto del espacio muestral.

Ejemplos:
Experimento aleatorio: Lanzamiento de un dado una sola vez.
Suceso A = obtener un resultado par A
E 1 2 4
A={2,4,6} 3 5 6
Experimento aleatorio: Lanzamiento de dos monedas una sola
vez. B XC CX
Suceso B = obtener al menos una cara XX
CC
B={CX, XC, CC} E
11/53
 2. Sucesos y espacio muestral

Tipos de sucesos.-

SUCESO SIMPLE O ELEMENTAL:

el que está formado por un solo elemento de E

Ej.: A = “sacar un 6 en el lanzamiento de un dado” = {6}

12/53
 2. Sucesos y espacio muestral

SUCESO COMPUESTO:
el que está formado por más de un suceso simple

Ej.: B = “obtener un número igual o superior a 3 en el

lanzamiento de un dado” = {3,4,5,6}

13/53
 2. Sucesos y espacio muestral

SUCESO IMPOSIBLE, NULO O VACÍO:

el que no contiene ningún resultado de E

Ej.: C = “sacar un 7 al lanzar un dado” = {Ø}

14/53
 2. Sucesos y espacio muestral

SUCESO SEGURO:
el que está formado por todos los resultados de E

Ej.: D = “obtener un número menor o igual que 10 en el

lanzamiento de un dado” = {1,2,3,4,5,6} = E

15/53
2. Sucesos y espacio muestral

UNIÓN DE SUCESOS

INTERSECCIÓN DE SUCESOS

DIFERENCIA DE SUCESOS
16/53
2. Sucesos y espacio muestral

UNIÓN DE SUCESOS

AB = {xE/ xA o xB}

A B

2 4 5
6

17/53
 2. Sucesos y espacio muestral

INTERSECCIÓN DE SUCESOS

AB = {xE/xA y xB}

A B

4
6

18/53
2. Sucesos y espacio muestral

DIFERENCIA DE SUCESOS

A-B = {xE/xA y xB}

A B

19/53
 2. Sucesos y espacio muestral

SUCESOS INCOMPATIBLES,
mutuamente exclusivos o excluyentes:

AB=Ø
SUCESOS COMPATIBLES :

AB≠Ø

SUCESO COMPLEMENTARIO DE A:

Ac = {xE/xA}
20/53
 2. Sucesos y espacio muestral

LEYES DE MORGAN:

* El suceso complementario de la unión de dos sucesos

A y B del mismo espacio muestral E es igual a la
intersección de los sucesos comlementarios de A y B.

(A  B)c=Ac  Bc
* El suceso complementario de la intersección de dos
sucesos A y B del mismo espacio muestral E es igual a la
unión de los sucesos complementarios de A y B.
(A  B)c=Ac  Bc
21/53
3. Evolución histórica del concepto de probabilidad:
clásica, frecuentista y subjetiva

CONCEPTO DE PROBABILIDAD
Durante la segunda mitad del s. XVII se inician los
primeros intentos científicos de medir la
probabilidad de un suceso. Los primeros estudios,
llevados a cabo principalmente por autores como
Pascal, Fermat o Bernouilli trataban de calcular las
probabilidades de éxito en los juegos de azar.

22/53
3. Evolución histórica del concepto de probabilidad:
clásica, frecuentista y subjetiva

La probabilidad representa la capacidad de

ocurrencia de un determinado suceso en un
experimento aleatorio.

Implica la posibilidad pero excluye la seguridad.

Se puede considerar como una medida de la

incertidumbre con valores comprendidos entre 0 y
1 (0 y 100%).

23/53
3. Evolución histórica del concepto de probabilidad:
clásica, frecuentista y subjetiva
TRES ENFOQUES PARA ASIGNAR LA
PROBABILIDAD A UN SUCESO

Enfoque de Enfoque de Enfoque de

LAPLACE VON MISES FINETTI

Probabilidad Probabilidad Probabilidad

Clásica o a Frecuentista o Subjetiva
Priori a Posteriori
24/53
3. Evolución histórica del concepto de probabilidad:
clásica, frecuentista y subjetiva

Enfoque de LAPLACE: Probabilidad Clásica o a priori

La primera definición de probabilidad surge del estudio de
los posibles resultados que pueden producirse en los juegos
de azar. Fue dada por Laplace en 1812.

nº de casos favorables de A
P (A ) 
nº de casos posibles de A
Limitaciones: La definición clásica de probabilidad de
Laplace es válida en un espacio muestral finito, con sucesos
elementales igualmente probables, y con resultados del
experimento aleatorio conocidos.
25/53
3. Evolución histórica del concepto de probabilidad:
clásica, frecuentista y subjetiva

Enfoque de VON MISES:

Probabilidad Frecuentista o a posterior
La probabilidad de un suceso A del espacio muestral E es el
número al que tiende a estabilizarse la frecuencia de
ocurrencia de dicho suceso, cuando el experimento aleatorio
se repite un número indefinido de veces bajo las mismas
condiciones.
nA nº de veces que se obtiene el suceso A
P (A )  lim  lim
N  N N  nº de veces que se repite el experimento

Limitación: Este enfoque no puede utilizarse en

fenómenos no experimentales.
26/53
3. Evolución histórica del concepto de probabilidad:
clásica, frecuentista y subjetiva

Enfoque de FINETTI:
Probabilidad Subjetiva

La probabilidad de un suceso A será el

valor que una persona o grupo de
personas asigna conforme a los
conocimientos que posee del fenómeno,
con independencia de que éste pueda
repetirse o no.

27/53
 4. Probabilidad axiomática de Kolmogorov

Definición.-
La probabilidad axiomática de Kolmogorov (1933)
es una función P que a cada suceso del espacio
muestral E le asigna un número real en el
intervalo [0,1]

P: E ----> [0,1]

28/53
 4. Probabilidad axiomática de Kolmogorov

Y que cumple los siguientes tres axiomas:

AXIOMA 1 DE NO NEGATIVIDAD: P(A)  0  A  E

AXIOMA 2 DE CERTEZA: P(E) = 1

AXIOMA 3 DE ADITIVIDAD:
A  B =   P(A  B) = P(A) + P(B) A, B  E
Este axioma se puede generalizar al caso infinito:
Ai  Aj =   P(A1  A2 ...  A) =
P(A1) + P(A2) + ... + P(A) Ai  E
29/53
5.Teoremas derivados de los axiomas de probabilidad

TEOREMA 1.-

P(AC ) = 1– P(A) AE

TEOREMA 2.-

P() = 0

30/53
5.Teoremas derivados de los axiomas de probabilidad

TEOREMA 3.-

A  B  P(A)  P(B)  A, B  E

TEOREMA 4.-

P(A)  1 AE

31/53
5.Teoremas derivados de los axiomas de probabilidad

TEOREMA 5.-

A  B    P(A  B) = P(A) + P(B) – P(A  B)

 A, B  E

TEOREMA 6.-
P(A  B  C) = P(A) + P(B) + P(C) – P(A  B) –
P(A  C) – P(B  C) + P(A  B  C)
 A, B, C  E

32/53
 Ejercicios aclaratorios

1. Una empresa fabricante de vehículos turismos está

realizando un estudio sobre el sistema de seguridad que
lleva incorporado un determinado modelo que van a lanzar
próximamente al mercado.
Según pruebas realizadas, consideran que la probabilidad de
que en un choque frontal, falle el airbag del conductor es
del 4%; la probabilidad de que falle el airbag del copiloto es
del 6% y la probabilidad de que fallen los dos, es del 2%.
Que falle un airbag es independiente de que falle el otro. Si
la probabilidad de que falle alguno de los dos airbags es
superior al 7%, el modelo deberá ser revisado y no podrá
salir al mercado. Se pide:
Calcular la probabilidad de que el modelo no salga al
mercado.
33/53
 Ejercicios aclaratorios

Solución:

Calcular la probabilidad de que el modelo no salga al

mercado equivale a obtener la probabilidad de que falle
algún airbag, lo que supone calcular la probabilidad de un
suceso unión de otros dos: que falle el airbag del conductor
y que falle el airbag del copiloto.

La unión de dos sucesos es otro suceso que ocurre cuando

se produce alguno de los dos sucesos cuya unión se está
considerando y también cuando ocurren ambos.

34/53
 Ejercicios aclaratorios

Sucesos del e.m. E:

- Sea A el suceso “fallo del airbag del conductor”.
- Sea B el suceso “fallo del airbag del copiloto”.

La probabilidad del suceso:

P(modelo no salga al mercado) = P(falle algún airbag) =

P(AB) = P(A) + P(B) – P(AB) =

P(falle airbag conductor) + P(falle airbag copiloto) –

P(fallen los dos) =

0,04 + 0,06 – 0,02= 0,08 (8%)

35/53
 Ejercicios aclaratorios

2. En una determinada empresa dedicada a la producción

de cierta orquídea están muy preocupados por la situación
de sus cultivos, debido a la excesiva aparición de lluvias y
al efecto de huracanes. Han decidido acudir a un experto
en meteorología, el cual les ha comentado lo siguiente:
La probabilidad de que llueva próximamente en esa región
es del 40%; la probabilidad de que llueva o haya huracanes
es del 65%; y la probabilidad de que no se produzcan
huracanes es del 55%.
¿Cuál es la probabilidad de que llueva y haya huracanes al
mismo tiempo?

36/53
 Ejercicios aclaratorios

Solución:

- Sea A el suceso “que llueva”.

- Sea B el suceso “que se produzcan huracanes”.

P(A) = 0.40
P(A  B) = 0.65
P(Bc) = 0.55

Hemos de calcular la probabilidad de que llueva y se

produzcan huracanes a la vez, es decir, la P(A  B).

37/53
 Ejercicios aclaratorios

Sabemos que:
P(A  B) = P(A) + P(B) - P(A  B) y
P(Bc) = 1 – P(B)

Por tanto:
P(A  B) = P(A) + P(B) - P(A  B) y
P(B) = 1 – P(Bc)

Sustituyendo:

P(A  B) = 0.40 + (1 - 0.55) - 0.65 =0.20 (20%)

38/53
6. Probabilidad condicionada. Independencia de sucesos

SUCESOS DEPENDENTES E INDEPENDIENTES

Dos sucesos son dependientes si la presencia de uno

de ellos reduce el espacio muestral.

En caso contrario diremos que son independientes.

39/53
6. Probabilidad condicionada. Independencia de sucesos

PROBABILIDAD CONDICIONADA

Si A y B son dos sucesos del mismo espacio

muestral E y son dependientes, la probabilidad de
que suceda A, condicionado a que B se haya
producido se define como:

P A  B 
P A B   , con PB   0
PB 

40/53
6. Probabilidad condicionada. Independencia de sucesos

Ejemplo:
Experimento Aleatorio= “Lanzamiento de un dado”.

Sucesos: A1 = “Obtener un 4”  P(A1) = 1/6.

A2 = “Obtener un 4 sabiendo que el resultado es

un número par” 

P A1  par  1/6

PA2   PA1 / par     1/3
P par  3/6
41/53
6. Probabilidad condicionada. Independencia de sucesos

INDEPENDENCIA DE SUCESOS
A y B son dos sucesos independientes si y solo si:
P(A  B) = P(A)  P(B)

PROPIEDADES: Si A y B son sucesos independientes:

AC y B son independientes
P(A/B) = P(A)
A y BC son independientes
P(B/A) = P(B)
AC y BC son independientes
42/53
6. Probabilidad condicionada. Independencia de sucesos

Definición.-

A, B, C son tres sucesos mutuamente independientes

si:
P(A  B  C) = P(A) P(B) P(C)

y además, son independientes dos a dos, es decir:

P(A  B) = P(A)  P(B)

P( B  C) = P(B)  P(C)
P (A  C) = P(A)  P(C)
43/53
7. Probabilidad compuesta. Regla de la Multiplicación

REGLA DE LA MULTIPLICACIÓN:
para n sucesos dependientes

P (A  B) = P (A)  P (B / A) = P (B)  P( A / B)

P (A  B  C) = P (A)  P (B / A)  P (C / AB)
...

P (A1  A2  ...  An) = P (A1)  P (A2 / A1) 

P (A3 / A1A2)  ...  P (An /A1 A2 ... An-1)
44/53
7. Probabilidad compuesta. Regla de la Multiplicación

Ejemplo:
Tenemos una urna con 2 bolas blancas, 3 bolas negras y 4
bolas verdes. Si extraemos 3 bolas sin reemplazarlas, una
vez extraídas, ¿cuál es la probabilidad de que las bolas
obtenidas sean: la primera verde, la segunda negra y la
tercera blanca?

Sucesos: Sea B el suceso “obtener una bola blanca”.

Sea N el suceso “obtener una bola negra”.
Sea V el suceso “obtener una bola verde”.
P (V  N  B) = P (V)  P (N / V)  P (B / V N)=
(4/9)  (3/8)  (2/7) = 0.047 (4.7%)
45/53
8. Teorema de la Probabilidad Total y Teorema de Bayes

Hipótesis:

Dado un conjunto de sucesos A1, A2, ... , An que

forman una partición finita del e.m. E, es decir:

- La unión de todos ellos es igual al espacio muestral

(Ai = E) y

- Son incompatibles dos a dos (Ai  Aj =  i  j)

46/53
8. Teorema de la Probabilidad Total y Teorema de Bayes

Si B es un suceso cualquiera de E y se suponen

conocidas las probabilidades P(B/Ai) i,

TEOREMA DE LA TEOREMA DE
PROBABILIDAD TOTAL BAYES
47/53
8. Teorema de la Probabilidad Total y Teorema de Bayes

TEOREMA DE LA PROBABILIDAD TOTAL

n
P B    P B Ai   P Ai 
i 1

48/53
8. Teorema de la Probabilidad Total y Teorema de Bayes

TEOREMA DE BAYES

P B Ai   P Ai 
P Ai B   n
 P B Ai   P Ai 
i 1

49/53
 Ejercicios aclaratorios

En un polígono industrial se hallan ubicadas tres empresas

dedicadas a la fabricación de muebles de madera. La
plantilla de la empresa nº1 es de 50 trabajadores, la de la
empresa nº2 es de 65 trabajadores y la empresa nº3 tiene
un total de 45 empleados.
Sabiendo que el porcentaje de accidentes calificados
como laborales producidos en el último año es del 3%,
2.5% y 4% de sus respectivas plantillas. Determinar las
siguientes probabilidades:
a) Habiéndose producido un accidente, sea calificado
como laboral.
b) Habiéndose producido un accidente calificado como
laboral , haya sido en la empresa nº 2.
50/53
 Ejercicios aclaratorios

Solución: E1 E2 E3

Sucesos del e.m. E:

Sea E1 “la empresa nº 1”. L
Sea E2 “la empresa nº2”.
Sea E3 “la empresa nº3”.
Sea L el suceso “accidente calificado como laboral”.

Tenemos que:
P(E1)=50/160=0.31; P(E2)=65/160=0.41; P(E3)=45/160=0.28.

Por otro lado,

P(L/E1)= 0.03; P(L/E2)= 0.025; P(L/E3)= 0.04.

51/53
 Ejercicios aclaratorios. Solución

a) 3
P L    P L Ei   P Ei  
i 1

P (L / E 1) * P (E 1)  P (L / E 2) * P (E 2)  P (L / E 3) * P (E 3) 
0.03 * 0.31  0.025 * 0.41  0.04 * 0.28  0.03

b)
P (L / E 2) * P (E 2) 0.025 * 0.41
P E 2 / L   3
  0.34
0.03
 P (L / Ei ) * P (Ei )
i 1

52/53
 BIBLIOGRAFÍA BÁSICA
Novales, A., (1997): Estadística y Econometría. Mc
Graw Hill.
Casas Sánchez, J.M., García Pérez, C., Rivera
Galicia, L.F. y Zamora Sanz, A.I., (1998):
Problemas de Estadística Descriptiva,
Probabilidad e Inferencia, Madrid, Ed. Pirámide.

BIBLIOGRAFÍA COMPLEMENTARIA
Cánavos, G. C., (1992): Probabilidad y Estadística:
aplicaciones y métodos, Madrid, Ed. McGraw-Hill.

53/53