ANÁLISIS ESTADÍSTICO

SESIÓN 3: PROBABILIDAD
Contenido

ESTADISTICA INFERENCIAL

Términos en probabilidad.

Reglas de probabilidad.

Teorema de Bayes
ESTADÍSTICA INFERENCIAL
A la estadística descriptiva le concierne el resumen de datos recogidos de eventos pasados.
Ahora se presenta la segunda faceta de la estadística, a saber, el cálculo de la probabilidad de
que algo ocurra en el futuro.
Esta faceta de la estadística recibe el nombre de inferencia estadística o estadística inferencial.
 PROBABILIDAD
La probabilidad es la posibilidad numérica de
que ocurra un evento.
La probabilidad de un evento es medida por 𝑃 𝑒𝑣𝑒𝑛𝑡𝑜 𝑐𝑖𝑒𝑟𝑡𝑜 = 1
valores comprendidos entre 0 y 1.
𝑃 𝑒𝑣𝑒𝑛𝑡𝑜 𝑖𝑚𝑝𝑜𝑠𝑖𝑏𝑙𝑒 = 0
Entre mayor sea la probabilidad de que
ocurra un evento, su probabilidad asignada
estará más próxima a 1. 𝑃𝑜𝑟 𝑡𝑎𝑛𝑡𝑜, 0 ≤ 𝑃 𝐸𝑖 ≤ 1
La probabilidad de certeza es 1. 𝑑𝑜𝑛𝑑𝑒 𝐸𝑖 𝑒𝑠 𝑎𝑙𝑔ú𝑛 𝑒𝑣𝑒𝑛𝑡𝑜
La probabilidad de una imposibilidad es 0.
PROBABILIDAD - Ejemplos
Con
NO
seguridad
sucederá
sucederá

0.00 0.25 0.50 0.75 1.00

Posibilidad de Posibilidad que Posibilidad de Posibilidad que la Posibilidad de

que nuestro sol disminuya los que caiga cara selección Sub20 que llueva en
desaparezca índices de en un solo de Ecuador Guayaquil
este año delincuencia en lanzamiento quede Campeón este año
el país este año de una en el Mundial
en comparación moneda Argentina2023
al del año pasado
Conceptos básicos
 El proceso que produce un evento es
denominado experimento.

Experimento  Un experimento es toda acción bien

definida que conlleva a un resultado único
y bien definido.
Resultado –
Espacio  El conjunto de todos los posibles
Muestral resultados para un experimento es el
espacio muestral.

Evento  Cada uno de los elementos del espacio

muestral se denomina Evento o suceso
elemental.
 Conceptos básicos - Ejemplos
Resultado bien Espacio
Experimento Evento
definido muestral

• Lanzar un dado • Un número del 1 al • SS={1, 2, 3, 4, 5, 6} • Se observa un 2

6
• Lanzar una moneda • Cara o sello • SS={C, S} • Se observa cara

• Revisar un producto • El resultado es o (1) • SS={1, 2} • Se observa

para determinar si defectuoso o (2) no defectuoso
cumple con ciertas defectuoso
especificaciones de
fabricación
Conceptos básicos
Conceptos básicos - Ejemplos
Probabilidad: Conceptos básicos
Probabilidad: Conceptos básicos
Probabilidad: Conceptos básicos
ENFOQUES DE LA PROBABILIDAD
Enfoques de la
probabilidad

Objetivo Subjetivo

Parte de
Probabilidad
Probabilidad clásica información
empírica
disponible

Se sustenta en las
Se basa en resultados
frecuencias
igualmente probables
relativas
 ENFOQUES DE LA PROBABILIDAD
Modelo de frecuencia relativa
/ Probabilidad empírica
(a posteriori)
Utiliza datos que han
observado empíricamente,
registra la frecuencia con que
ha ocurrido algún evento en el
pasado y estima la
probabilidad de que el evento
ocurra nuevamente con base
en estos datos históricos .
Problema común: resulta
cuando se hacen estimaciones
con un número insuficiente de
observaciones
𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑣𝑒𝑐𝑒𝑠 𝑞𝑢𝑒 ℎ𝑎 𝑜𝑐𝑢𝑟𝑟𝑖𝑑𝑜 𝑒𝑙 𝑒𝑣𝑒𝑛𝑡𝑜 𝑒𝑛 𝑒𝑙 𝑝𝑎𝑠𝑎𝑑𝑜
𝑃 𝐸 =
𝑁ú𝑚𝑒𝑟𝑜 𝑡𝑜𝑡𝑎𝑙 𝑑𝑒 𝑜𝑏𝑠𝑒𝑟𝑣𝑎𝑐𝑖𝑜𝑛𝑒𝑠
Modelo subjetivo
En muchos casos los datos
pasados no se encuentran
disponibles. Por tanto, no es
posible calcular la
probabilidad a partir del
desempeño anterior.
Alternativa: estimar la
probabilidad en base en
nuestro mejor criterio.
El modelo subjetivo: es con
base a la mejor evidencia
disponible.
Se utiliza cuando se desea
asignar la probabilidad a un
evento que nunca ha ocurrido.
Modelo clásico (a priori)
Parte del supuesto de que los
resultados de un experimento
son igualmente posibles
Es el que se relaciona con
mayor frecuencia con las
apuestas y juego al azar.
La probabilidad clásica implica
la determinación de la
probabilidad de algún evento
a priori (antes del hecho).
𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑟𝑒𝑠𝑢𝑙𝑡𝑎𝑑𝑜𝑠 𝑓𝑎𝑣𝑜𝑟𝑎𝑏𝑙𝑒𝑠
𝑃 𝐸 =
𝑁ú𝑚𝑒𝑟𝑜 𝑡𝑜𝑡𝑎𝑙 𝑑𝑒 𝑝𝑜𝑠𝑖𝑏𝑙𝑒𝑠 𝑟𝑒𝑠𝑢𝑙𝑡𝑎𝑑𝑜𝑠
Mutuamente excluyente Colectivamente exhaustivo
El hecho de que un evento se presente significa que ninguno de Por lo menos uno de los eventos debe ocurrir cuando
los demás eventos puede ocurrir al mismo tiempo. se lleva a cabo un experimento.

El concepto de conjuntos mutuamente excluyentes se Si un experimento incluye un conjunto de eventos con

presentó en el estudio de las distribuciones de todo tipo de resultados posibles, como los eventos “un
frecuencias. número par” y “un número impar” en el experimento
del lanzamiento del dado, entonces el conjunto de
Recordemos que creamos clases de tal manera que un
eventos es colectivamente exhaustivo
evento particular se incluyera en una sola de las clases
y que no hubiera superposición entre ellas. Por lo En el experimento del lanzamiento del dado, cada
tanto, sólo uno de varios eventos puede presentarse en resultado será par o impar. Por consiguiente, el
cierto momento. conjunto es colectivamente exhaustivo.
La variable género da origen a resultados mutuamente
excluyentes: hombre y mujer. Un empleado Si el conjunto de eventos es colectivamente exhaustivo
seleccionado al azar es hombre o mujer, pero no puede y los eventos son mutuamente excluyentes, la suma de
tener ambos géneros. las probabilidades es 1.
Una pieza fabricada es aceptable o no lo es. La pieza no
puede ser aceptable e inaceptable al mismo tiempo. En
una muestra de piezas fabricadas, el evento de
seleccionar una pieza no aceptable y el evento de
seleccionar una pieza aceptable son mutuamente
excluyentes
Conceptos básicos - Ejemplos
Lanzamiento de una moneda: La probabilidad de que al menos uno de los eventos que está en el
espacio muestral ocurra es igual a 1.
Lanzamiento de un dado: Si se lanza un dado, el resultado debe ser un número entre 1 y 6.
Debido a que esto es una certeza puede decirse que:

෍ 𝑃 𝐸𝑖 = 1
Probabilidad Ley de los grandes Probabilidad
empírica números clásica

En una gran cantidad de intentos, la Experimento: lanzamiento de

probabilidad empírica de un evento se
aproximará a su probabilidad real. una moneda

SS ={C, S}

Evento: que salga cara

No. De resultados favorables: 1

No. De resultados totales: 2

1
𝑃(𝑞𝑢𝑒 𝑠𝑎𝑙𝑔𝑎 𝑐𝑎𝑟𝑎) = = 0.50
2
Reglas para calcular probabilidades
Regla especial de la adición:
Condición: Sean mutuamente excluyentes

En caso de 2 eventos: P(A o B) = P(A) + P(B)

En caso de 3 eventos: P(A o B o C) = P(A) + P(B) + P(C)
Reglas para calcular probabilidades
Regla del complemento:
P(A) = 1 - P(~A)
Se emplea para determinar la probabilidad de que un evento ocurra restando de 1 la
probabilidad de un evento que no ha ocurrido.
Reglas para calcular probabilidades
Regla general de la adición:
Los resultados de un experimento pueden no
ser mutuamente excluyente.

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

PROBABILIDAD CONJUNTA Probabilidad que

mide la posibilidad de que dos o más eventos
sucedan simultáneamente.
Reglas para calcular probabilidades
Reglas de la multiplicación:
Regla especial de la multiplicación: La regla especial de la multiplicación requiere que dos
eventos, A y B, sean independientes, y lo son si el hecho de que uno ocurra no altera la
probabilidad de que el otro suceda.
Ejemplo: supongamos que se lanzan al aire dos monedas. El resultado del lanzamiento de una
moneda (cara o cruz) no se altera por el resultado de cualquier moneda lanzada previamente
(cara o cruz).

Para dos eventos independientes: P(A ∩ B) = P(A)*P(B)

Para tres eventos independentes: P(A ∩ B ∩ C) = P(A)P(B)P(C)
Reglas para calcular probabilidades
Reglas de la multiplicación:
Regla general de la multiplicación: Si dos eventos no son independientes, se dice que son
dependientes
PROBABILIDAD CONDICIONAL Probabilidad de que un evento en particular ocurra, dado que
otro evento haya acontecido.

P(A y B) = P(A)*P(B|A)
P(A y B y C) = P(A)*P(B|A)*P(C|A y B)

Se supone que este experimento se lleve a cabo sin reemplazo

Reglas para calcular probabilidades
Regla general de la multiplicación:
“Se saca una lata del refrigerador”
P(que sea una lata de refresco dietético)=3/10
P(que sea una lata de refresco normal) = 7/10
Luego, se elige una segunda lata del refrigerador sin
devolver la primera.
P(la segunda lata sea de refresco dietético):
Depende de que la primera lo haya sido o no
2/9, si la primera bebida es dietética (sólo dos latas de
refresco dietético quedan en el refrigerador).
3/9, si la primera lata elegida es normal (los tres
refrescos aún están en el refrigerador).
REGLAS DE PROBABILIDADES
REGLAS DE PROBABILIDADES
PROBABILIDAD CONDICIONAL
PROBABILIDAD CONDICIONAL
PROBABILIDAD CONDICIONAL
PROBABILIDAD CONDICIONAL
LEY DE PROBABILIDAD TOTAL
LEY DE PROBABILIDAD TOTAL
LEY DE PROBABILIDAD TOTAL
LEY DE PROBABILIDAD TOTAL
TEOREMA DE BAYES – Inversión de las
condiciones
TEOREMA DE BAYES
TEOREMA DE BAYES

Los eventos A1 y A2 son mutuamente excluyentes y colectivamente exhaustivos.

Ai se refiere al evento A1 o a A2.
De ahí que en este caso A1 y A2 sean complementos
TEOREMA DE BAYES
Ejemplo: Suponga que 5% de la población de Umen, un país ficticio del Tercer mundo, tiene una
enfermedad propia del país.
Sea A1 el evento “padece la enfermedad” y A2 el evento “no padece la enfermedad”
P (A1) : P(padece la enfermedad) = 0.05
Se lee: la probabilidad de que el individuo elegido padezca la enfermedad es de 0.05.
Es una probabilidad a priori. Se le da este nombre, porque la probabilidad se asigna antes de
obtener los datos empíricos.
P (A2) : P(No padece la enfermedad) = 0.95
(también probabilidad a priori)
Se lee: la probabilidad de que el individuo elegido NO padezca la enfermedad es de 0.95.
Teorema de Bayes
Existe una técnica de diagnóstico para detectar la enfermedad, pero no es muy precisa.

Sea B el evento “la prueba revela la presencia de la enfermedad”

Suponga que la evidencia histórica muestra que si una persona padece realmente la
enfermedad, la probabilidad de que la prueba indique su presencia es de 0.90.
P(B/A1) = 0.90
Suponga la probabilidad de que la prueba indique la presencia de la enfermedad en una persona
que en realidad no la padece es de 0.15.
P(B/A2) = 0.15
Teorema de Bayes
Elija al azar a una persona de Umen y aplique la prueba.

Los resultados indican que la enfermedad está presente (B)

¿Cuál es la probabilidad de que la persona en realidad padezca la enfermedad (A1)?
P(padece la enfermedad | la prueba resulta positiva) = ???
P(A1|B) =???

Esta probabilidad que se va a calcular, es una probabilidad a posteriori

PROBABILIDAD A POSTERIORI Probabilidad revisada a partir de información adicional
TEROEMA DE BAYES

De esta forma, la probabilidad de que una persona padezca la enfermedad, dado que la prueba
fue positiva, es de 0.24.

¿Cómo interpreta el resultado?

Si selecciona al azar a una persona de la población, la probabilidad de que se encuentre

enferma es de 0.05. Si se le somete a la prueba y resulta positiva, la probabilidad de que la
persona padezca realmente la enfermedad se incrementa cinco veces, de 0.05 a 0.24
TEOREMA DE BAYES
Con la notación anterior, los cálculos del problema de Umen se resume en: