Documentos de Académico
Documentos de Profesional
Documentos de Cultura
AZUL
Ingeniería:
Electromecánica
Materia:
Probabilidad y Estadísticas
Semestre: 3
Numero Control:
21500422
Alumna:
✓ Isis Kasteny Hernández
Reyes
Docente:
Zamora Garza Salvador
UNIDAD 2
PROBABILIDAD
Probabilidad de eventos
Espacio muestral
Ocurrencia de eventos
Permutaciones y combinaciones
Diagramas de árbol
Axiomas de probabilidad
Independencia y probabilidad
condicional
Teorema de Bayes.
Definición:
La probabilidad del evento es la probabilidad de que ocurra un resultado o evento específico. Lo opuesto
de un evento es un no evento. La probabilidad del evento también se conoce como probabilidad
pronosticada. La probabilidad del evento estima la probabilidad de que ocurra un evento, como sacar un
as de un mazo de cartas o producir una pieza no conforme. La probabilidad de un evento varía de 0
(imposible) a 1 (seguro).
Cada ejecución en un experimento se denomina ensayo. Por ejemplo, si lanza una moneda al aire 10 veces
y registra el número de caras, realiza 10 ensayos del experimento. Si los ensayos son independientes e
igual de probables, usted puede estimar la probabilidad del evento dividiendo el número de eventos entre
el número total de ensayos. Por ejemplo, si obtiene 6 caras en 10 lanzamientos de moneda, la
probabilidad estimada del evento (obtener caras) es:
Una probabilidad de evento acumulada estima la probabilidad de que ocurra un conjunto de eventos (por
ejemplo, la probabilidad de obtener 4 o menos al lanzar un dado, lo cual representa la suma de la
probabilidad de obtener 1, 2, 3 y 4).
Minitab almacena las probabilidades del evento en las siguientes columnas disponibles en la hoja
de trabajo. El nombre predeterminado de las columnas comienza con EPROB, seguido de un
número.
Calcular valores para nuevas observaciones
Elija Estadísticas > Regresión > Regresión logística ordinal o Estadísticas > Regresión >
Regresión logística nominal. Los siguientes pasos son iguales para ambos análisis.
En Respuesta, ingrese la respuesta. En Modelo, ingrese los predictores. En Predictores
categóricos (opcional), ingrese los factores.
Haga clic en Almacenamiento y marque Coeficientes. Haga clic en Aceptar en cada cuadro
de diálogo.
En la hoja de trabajo, escriba los valores para los cuales desea calcular las probabilidades
del evento en las columnas correspondientes de predictores directamente debajo de los
datos existentes. Debe escribir un valor en la columna de respuesta para cada fila
adicional de datos que ingrese, pero el valor de la respuesta no afectará los resultados.
Elija Estadísticas > Regresión > Regresión logística ordinal o Estadísticas > Regresión >
Regresión logística nominal.
Haga clic en Opciones.
Elija Estimaciones para modelo de validación e ingrese COEF1. Haga clic en Aceptar.
Haga clic en Almacenamiento.
En Ingrese el número de eventos, ingrese el número de valores distintos de la variable de
respuesta.
Marque Probabilidades del evento. Desmarque Coeficientes. Haga clic en Aceptar en cada
cuadro de diálogo.
Minitab almacena las probabilidades del evento en las siguientes columnas disponibles en la hoja
de trabajo. El nombre predeterminado de las columnas comienza con EPROB, seguido de un
número.
Eventos Independientes:
Los eventos pueden ser "independientes", lo que significa que cada evento no se ve afectado por ningún
otro evento.
¡Esta es una idea importante! Una moneda no "sabe" que cayó Cara antes ... cada lanzamiento de una
moneda es una cosa perfectamente aislada.
Eventos dependientes:
Pero los eventos también pueden ser "dependientes" ... lo que significa que pueden verse
afectados por eventos anteriores ...
En la teoría de probabilidades, el espacio muestral o espacio de muestreo (denotado E, S, Ω o U)
consiste en el conjunto de todos los posibles resultados individuales de un experimento
aleatorio. Por ejemplo, si el experimento consiste en lanzar dos monedas, el espacio de muestreo
es el conjunto {(cara, cara), (cara, cruz), (cruz, cara) y (cruz, cruz)}. Un evento o suceso es
cualquier subconjunto del espacio muestral, llamándose a los sucesos que contengan un único
elemento sucesos elementales. En el ejemplo, el suceso "sacar cara en el primer lanzamiento", o
{(cara, cara), (cara, cruz)}, estaría formado por los sucesos elementales {(cara, cara)} y {(cara,
cruz)}.
También podemos utilizar estas reglas para calcular probabilidades de combinaciones sin
independencia. La Regla 2G nos dice que la probabilidad de sacar una A, no regresar esta carta al
mazo y luego sacar un rey es 4/52 x 4/51 = 16/ 2,652. Pero, ¿cuál es la probabilidad de sacar un
A y un rey en cualquier orden? Es la probabilidad de sacar sea una A o un rey y luego sacar el
otro, considerando que se sacó el primero. Esa probabilidad, por la Regla 2, es 8/52 x 4/51 =
52/2,652. La diferencia entre este resultado y el previo, donde el orden fue especificado,
muestra por qué necesitamos determinar si estamos lidiando con combinaciones o permutaciones.
Las combinaciones son agrupaciones en las que el contenido importa, pero el orden no.
Eventos Dependientes:
Dos eventos son dependientes si el estado original de la situación cambia de un evento al otro, y
esto altera la probabilidad del segundo evento.
Los eventos dependientes ocurren cuando una acción elimina un resultado posible, y
el resultado no es devuelto antes de que suceda una segunda acción.
A esto se le llama elección sin devolución.
Ventajas
*Exhorta a los integrantes del equipo a ampliar su modo de pensar al crear soluciones.
*Mantiene a todo el equipo vinculado a las metas y submetas generales de una tarea. *Mueve al
equipo de planificación de la teoría al mundo real. Utilidades
*Descomponer cualquier meta general de modo gráfico, en fases u objetivos e incluso posibles
combinaciones.
¿Como se hace?
En el final de cada rama parcial se constituye a su vez un nudo el cual representa el final de
dicho suceso oh experimento
Axiomas de probabilidad
Los axiomas de probabilidad son proposiciones matemáticas referentes a la teoría de la
probabilidad, que no ameritan demostración. Los axiomas fueron establecidos en 1933 por el
matemático ruso Andrei Kolmogorov (1903-1987) en su obra Fundamentos de la Teoría de la
Probabilidad y sentaron las bases del estudio matemático de la probabilidad.
Al llevar a cabo un cierto experimento aleatorio ξ, el espacio muestral E es el con junto de todos
los resultados posibles del experimento, llamados también eventos. Un evento cualquiera se
denota como A y P(A) es la probabilidad de que ocurra. Entonces Kolmogorov estableció que:
La teoría de probabilidad está fundamentada en tan solo tres axiomas, pero antes de entrar en
detalles, es necesario establecer algunas definiciones básicas, así como algunas convenciones en
torno a la simbología que se utiliza en la probabilidad:
Experimento. Es cualquier acción o proceso que genere un resultado u observación. Por ejemplo,
lanzar una moneda al aire es un experimento (un proceso o acción) que puede traer como
resultado una cara o una cruz.
Evento (E). Un evento es un subconjunto del espacio muestral, es decir, cualquier número de
resultados posibles del experimento. Los eventos se suelen identificar con letras mayúsculas y
subíndices (como E1, E2, E3, etc.) o con letras diferentes (A, B, C…). Por ejemplo, que salga cara
al lanzar una moneda es un evento. Que salga cruz es otro evento diferente.
Probabilidad (P): Se trata de un valor numérico que se le asigna a un evento, y que indica el grado
de certeza que se tiene sobre la ocurrencia del mismo. Como regla general, mientras más seguro
se esté de que un evento (por ejemplo, E1) vaya a ocurrir, mayor será el valor de probabilidad
que se le asigne a dicho evento.
Conjuntos
Además de estas definiciones, también es útil recordar algunas operaciones relacionadas con los
conjuntos. La intersección entre dos conjuntos da como resultado un nuevo conjunto con los
elementos comunes a ambos, se denota con el símbolo ∩ y se lee “y”. Por otro lado, la unión entre
dos conjuntos es un nuevo conjunto con todos los elementos comunes y no comunes de ambos, se
representa con el símbolo ∪ y se lee “o”.
Ejemplo:
La expresión P(E1 ∪ E2) se lee “Probabilidad de que ocurra el evento E1 o el evento E2“
Axioma 1 de la Probabilidad
El primer axioma de probabilidad dice que, dado un experimento, la probabilidad de que ocurra
un evento cualquiera (E) debe ser un número real no negativo. Esto se expresa formalmente
como:
El axioma 1 representa la noción intuitiva de que no tiene sentido hablar de una probabilidad
negativa. También establece como límite inferior la probabilidad cero, la cual se asigna a un
evento imposible. Este último se define formalmente como cualquier resultado (o conjunto de
resultados) que no esté contenido en el espacio muestral del experimento.
Ejemplo:
Al lanzar un dado una sola vez, el espacio muestral estará formado, únicamente, por el conjunto
S={1, 2, 3, 4, 5, 6}. El primer axioma establece que la probabilidad de que salga cualquiera de los
resultados (4, por ejemplo) debe ser un número mayor que cero (P (4)>0). Por otro lado, la
probabilidad de que el resultado sea 7, el cual no forma parte del espacio muestral, es cero
(P(7)=0).
Nótese que el primer axioma no establece la magnitud de la probabilidad de los eventos posibles,
es decir, no establece cuál debe ser la probabilidad de que el lanzamiento del dado dé como
resultado, por ejemplo, 4. Solo especifica que debe ser algún número positivo.
Axioma 2 de la Probabilidad
El segundo axioma de probabilidad dice que, para todo experimento, la probabilidad del espacio
muestral es 1, o, formalmente:
Ejemplo:
Como se mencionó anteriormente, al lanzar una moneda solo hay dos posibles resultados: cara o
cruz, así que la probabilidad de que salga cara o cruz, según el axioma 2, es 1.
Si el primer axioma fija el límite inferior de la probabilidad en cero, el segundo axioma establece
su límite superior en 1. Esto se debe a que el espacio muestral es un evento seguro y su
probabilidad debe ser, por lo tanto, la máxima probabilidad posible.
Axioma 3 de la Probabilidad
Si los eventos E1, E2, …, En no tienen resultados en común (su intersección es un conjunto vacío),
se dice que son mutuamente excluyentes, ya que la ocurrencia de uno excluye la ocurrencia del
otro. El tercer axioma establece que la probabilidad de unión de eventos mutuamente
excluyentes es igual a la suma de las probabilidades de cada evento individual. Dicho de otra
forma:
Para el caso más sencillo de solo dos eventos mutuamente excluyentes (como en el caso del
lanzamiento de una moneda), el axioma 3 queda así formulado:
Este axioma formaliza la idea de que mientras más resultados posibles haya en un evento, más
probable será. Esto se desprende del hecho de que que la union de dos eventos mutuamente
excluyentes por definición debe contener la suma de todos los resultados en ambos eventos.
Aplicación de los Axiomas
Además de los ejemplos antes mencionados, los tres axiomas se pueden utilizar para construir y
demostrar teoremas útiles en la teoría de la probabilidad. Un ejemplo sencillo consiste en
determinar la relación entre las probabilidades de un evento cualquiera y su complemento.
Finalmente, como sabemos del primer axioma que P(Ec) debe ser una cantidad no negativa, se
concluye que la probabilidad de que ocurra un evento cualquiera, siempre será igual a 1 menos la
probabilidad de que el evento no ocurra, y que cualquiera de las dos probabilidades debe tener
un valor en el intervalo [0, 1].
La probabilidad condicional se calcula como el cociente entre la probabilidad conjunta y la
probabilidad marginal del evento impuesto como condición. Si en un área determinada tomamos al
azar un establecimiento agrícola entre aquellos que cultivan soja, la probabilidad de encontrar
que cultiva maíz es una probabilidad condicional. Se trata de la probabilidad de cultive maíz bajo
la condición de que el establecimiento sea uno que cultiva soja. Esta probabilidad toma el valor
de la frecuencia relativa de establecimientos que cultivan maíz entre todos los establecimientos
que cultivan soja en la población formada por todos los establecimientos del área en cuestión.
Dicha frecuencia relativa es igual al cociente entre la frecuencia relativa de establecimientos
que cultivan soja y maíz en toda la población y la frecuencia relativa de los establecimientos que
cultivan soja en toda la población. Como las dos últimas frecuencias relativas corresponden,
respectivamente, a los valores de la probabilidad conjunta de soja y maíz y de la probabilidad
marginal de soja, podemos escribir a la probabilidad condicional como el siguiente cociente:
Si se ajusta de manera correcta, las ganancias de una empresa aumentarán, ya que se podrá
determinar qué estrategias tienen más posibilidades de ser exitosas.
Se puede analizar la información de forma continua; eso sí, en el caso de que la variabilidad
entre datos esté elevada, entonces es recomendable implementar algunos métodos que
permitan encontrar las mejores soluciones.
Los estudios de decisión se ven beneficiados al aplicar el teorema de Bayes.
Es posible buscar y acumular información de todo tipo para entender y solucionar un
problema.
Debilidades del teorema
La fórmula es muy criticada, puesto que posee algunas limitaciones. Así se le critica que
solamente se puede aplicar si existen sucesos exhaustivos y disjuntos.
Los especialistas en estadística tradicional piensan que el teorema de Bayes no es del todo
exacto, pues creen que las únicas estadísticas correctas son las que están basadas en
experimentos repetibles, más no en condiciones relativas, como es el caso de las estadísticas
obtenidas mediante este teorema.
Este teorema busca determinar las probabilidades de que un suceso ocurra o no, analizando
algunas ocasiones un suceso anterior. Eso quiere decir que se analiza bastante información.
El teorema de Bayes es posible aplicarlo en todo tipo de áreas estudio, como en las inversiones
financieras, puesto que se requiere analizar todo tipo de escenarios, al igual que estudiar los
hechos pasados.
En las empresas, el teorema es eficaz al analizar el proceso productivo, puesto que existe la
opción de mejorarlo y eso se realiza mediante el estudio de las probabilidades. Asimismo, la
publicidad de una empresa es posible analizarla y mejorarla a través de la aplicación del teorema.
La fórmula propuesta por Bayes no se empleó con recurrencia durante el siglo XVIII y XIX,
pues en esa época el teorema no poseía una aplicación clara. Sin embargo, conforme
transcurrieron los años, su uso se empezó a implementar en diferentes ciencias, sobre todo con
los avances tecnológicos.
Es importante porque permite resolver problemas en los que existen una gran variedad de
probabilidades, siendo así fundamental en todas las ciencias, ya que se analizan los sucesos
pasados para determinar las probabilidades de los sucesos del futuro.
Un ejemplo sencillo del teorema de Bayes es: una persona posee tres cajas con pelotas. En la
caja 1 se encuentran diez pelotas, entre las cuales hay cuatro desinfladas; en la caja 2 están seis
pelotas, entre las cuales hay una desinflada; y en la caja 3 se encuentran ocho pelotas, estando
desinfladas tres. Si una persona recoge una pelota desinflada, ¿cuál sería la probabilidad de que
sea una perteneciente a la caja número 1?
C1 (Caja 1)
C2 (Caja 2)
C3 (Caja 3)
B (Pelotas no desinfladas)
F (Pelotas desinfladas)
Eso quiere decir que la probabilidad de que una persona tome una pelota desinfladas de la caja
número 1 es de 42,5%.
Un experimento o una
observación en un número
Es la probabilidad de El conjunto de todos los grande de ocasiones bajo
que ocurra un resultado posibles resultados condiciones similares.
o evento específico. individuales de un
experimento aleatorio.
2.2 Espacio
2.1 Probabilidad muestral 2.3 Ocurrencia
de eventos de eventos
Es determinar la
probabilidad que posee un Combinación es una
suceso comparada con la serie de elementos cuyo
probabilidad de otro. orden no es específico.
suceso similar
2.5Diagrama
2.7 Independencia y 2.6Axiomas de de árbol
probabilidad probabilidad
condicional