Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Nota de Clase 4
Nota de Clase 4
CHILECITO
CARRERA:
TECNICATURA UNIVERSITARIA
EN ANÁLISIS DE ALIMENTOS
LICENCIATURA EN ENOLOGÍA
INGENIERÍA MECATRÓNICA
TOPOGRAFÍA
ESTADÍSTICA
AÑO: 2020
CAPITULO Nº 5
INTRODUCCION A LA PROBABILIDAD
Experimento aleatorio
Definimos experimento: como un proceso que genera resultados bien definidos. Ejemplos.
Por ejemplo: el sexo de un bebe recién nacido, sería un fenómeno aleatorio y su espacio
muestral seria:
S= (varón, mujer)
1
Dicho espacio muestral dos puntos muéstrales o eventos, es decir el evento que se varón o el
evento que sea mujer.
S= (cara, cruz)
S= (1, 2, 3, 4, 5, 6)
Reglas de conteo
Así vemos que son posibles cuatros resultados experimentales, en este caso no es difícil listar
a todos.
Regla de conteo para experimentos de etapas múltiples: si un experimento se puede
describir como una sucesión de k etapas, en la que hay n1 resultados posibles en la primera
etapa n2 en la segunda, etc., la cantidad total de resultados experimentales es igual a (n1). (n2
) ….. (nk).
Si el experimento de lanzar dos monedas se considera como una sucesión de primero lanzar
una moneda (n1 = 2) y luego lanzar la otra (n2= 2), podemos inferir de la regla de conteo que
hay (2).(2) = 4 resultados experimentales distintos, si ahora consideramos un experimentos
que consiste en el lanzamiento de seis monedas es (2). (2). (2). (2). (2). (2)= 64 resultados
experimentales distintos.
b) Combinaciones: una segunda regla de conteo que con frecuencia es de utilidad, permite
contar la cantidad de resultados experimentales cuando en un experimento se deben
seleccionar n objetos entre un conjunto de N objetos (por lo común más grande). Se llama
regla de conteo para combinaciones.
Regla de conteo para combinaciones
N!
CnN
n !( N n)!
2
La notación ! significa factorial.
5!
C25
2!(5 2)!
1 2 3 4 5
(1 2) (1 2 3)
120
12
10
c) Permutaciones: esta regla de conteo permite que uno pueda calcular el número de
resultado experiméntale al seleccionar n objetos de un conjunto de N objetos, donde es
importante el orden de selección. Si los mismos n objetos se seleccionan en otro orden se
considera que se trata de un resultado experimental distinto.
N!
PnN
( N n)!
3
d) Variaciones: esta regla de conteo permite que uno pueda calcular el número de formas en
los cuales se puede arreglar en orden un conjunto de objetos. Por ejemplo, si se va arreglar
un conjunto de seis libros en una estantería, ¿Cómo se puede determinar el número de formas
en que se puede arreglar los seis libros?
n! = n(n-1)…… (1)
n! = (6)(5)(4)(3)(2)(1)
n! = 720
Asignación de probabilidades
Los dos métodos más comunes son el clásico el de frecuencia relativa. Las probabilidades
asignadas deben satisfacer dos requerimientos básicos de probabilidad:
2. La suma de las probabilidades para los resultados experimentales debe ser igual a
uno.
El método de frecuencia relativa: es apropiado cuando se cuenta con datos para estimar la
proporción del tiempo en que ocurra el resultado experimental si el experimento se repite un
número de veces. Es un método de asignación a posteriori.
Ejemplo, considere un estudio de tiempo de espera en el departamento de rayos X de un
hospital local, el número de paciente que espera ser atendidos a la 9:00 hs.
Se registro durante 20 días sucesivos
4
Numero de paciente Número de días que ocurrió
0 2
1 5
2 6
3 4
4 3
Total=20
2
Con el método de frecuencia relativa, asignaremos un probabilidad de 0.10 al resultado
20
5
experimental de cero paciente en espera del servicio, 0.25 para el resultado de un
20
6 4 3
paciente en espera, 0.30 para dos, 0.20 para tres y 0.15 para cuatro
20 20 20
pacientes en espera.
Siempre que podamos identificar a todos los puntos muéstrales de un experimento y asignar
las probabilidades a cada uno, podemos calcular la probabilidad de un evento por medio de
la definición.
Dado un evento A, el complemento de A se define como el evento formado por todos los
puntos muéstrales que no están en A, se representa con A´
En consecuencia, tenemos:
P (A)+ P (A´) = 1
5
Calculo de probabilidad mediante el complemento
P (A) = 1- P (A´)
Ejemplo: un gerente de ventas que, después de revisar los informes de ventas, dice que 80%
de los contactos con nuevos clientes no resultan en venta alguna. Si se define a A como el
evento de una venta y A´ el de no venta, lo que el gerente dice es que P (A´) = 0.80 al aplicar
la relación de probabilidad tenemos:
Podemos concluir que la probabilidad de que se haga una venta al entrar en contacto con un
nuevo cliente es 0.20
Ley aditiva
La ley aditiva es útil cuando se tienen dos eventos y se desea conocer la probabilidad de que
ocurra al menos uno de ellos o ambos.
Antes de presentar la ley aditiva, necesitamos analizar dos conceptos relacionados con la
combinación de eventos: dados dos eventos A y B, la unión de A y B se define como sigue:
Unión de eventos: la unión de A y B es el evento que contiene todos los puntos muéstrales
que pertenece a A o B o a ambos, la unión de A y B se representa A B
La ley aditiva es útil para calcular la probabilidad de la unión de dos eventos A U B, esta
ley se enuncia como sigue:
P( A B) P( A) P( B) P( A B)
Ejemplo: Se espera que cada trabajador termine a tiempo sus labores de trabajo, además de
que el producto armado pase una inspección final, a veces, algunos de los trabajadores no
pueden cumplir con los estándares de desempeño porque terminan sus trabajos tarde y / o
arman productos defectuosos. Al terminar un periodo de evolución de desempeño, el gerente
de producción vio que 5 de los 50 trabajadores habían terminado tarde su trabajo, que 6 de
los 50 habían armado productos defectuosos y que 2 habían terminado el trabajo tarde y
también habían armado productos defectuosos.
Sean:
6
P( A B) = el evento de que el trabajo se termina tarde y el armado
es defectuoso
5
P( A) 0.10
50
6
P( A) 0.12
50
2
P( A B) 0.04
50
El gerente de producción optó por asignar una mala calificación de desempeño al empleado
cuyo trabajo se representa tarde o fuera defectuoso, el evento de interés es A B . ¿Qué
probabilidad hay de que asigne una mala clasificación un empleado? Podemos escribir:
P( A B) P( A) P( B) P( A B)
Este cálculo indica una probabilidad de 0.18 de que un empleado elegido al azar reciba
una mala calificación de desempeño
Antes de terminar nuestra descripción de la ley aditiva, veamos un caso especial que surge
con los eventos mutuamente excluyentes.
Eventos mutuamente excluyentes: se dice que dos eventos son mutuamente excluyentes si
no tiene puntos muéstrales en común (no tienen intersección).
Esto es, los eventos A y B son mutuamente excluyentes si, cuando ocurre uno, el otro no
puede ocurrir es decir P( A B) 0 y la ley aditiva se puede expresar como sigue:
P( A B) P( A) P( B)
Probabilidad condicional
7
Ejemplo: veamos el caso de promoción de ofíciales, hombres y mujeres de policía, la fuerza
policial está formada de 1200 oficiales, 960 hombres y 240 mujeres. En los últimos dos años
fueron ascendidos 324 oficiales. En la tabla muestra los detalles de proporciones de oficiales
de hombres y mujeres.
Sean
Dividiendo los valores de los datos de la tabla entre el total de 1200 oficiales podemos
resumir la información disponible en los siguientes valores de probabilidad
288
P( M A) 0.24 la probabilidad de que un oficial
1200
seleccionado al azar sea hombre y también que sea ascendido.
672
P( M A) 0.56 la probabilidad de que un oficial
1200
seleccionado al azar sea hombre y también que no sea ascendido.
36
P(W A) 0.03 la probabilidad de que un oficial
1200
seleccionado al azar sea mujer y también que sea ascendido
204
P(W A) 0.17 la probabilidad de que un oficial
1200
seleccionado al azar sea mujer y también que no sea ascendido
8
Como cada uno de esos valores expresa la probabilidad de la intersección de dos eventos, las
probabilidades se llaman probabilidades conjuntas. La tabla se llama tabla de
probabilidad conjunta. Los valores en los márgenes de la tabla de probabilidad conjunta
muestra por separado las probabilidades de cada evento. Esto es, P (M)= 0.80, P (W)= 0.20,
P (A)=0.27 y P (A´)=0.73, esas probabilidades se llaman probabilidades marginales, se
determina sumando las probabilidades conjuntas de un mismo renglón o columna de esta
tabla. Por ejemplo, la probabilidad marginal de ser ascendido es P (A)= P (M ∩ A) + P (W
∩ A)= 0.24 + 0.03= 0.27.
Vemos, en las probabilidades marginales, que el 80% de la policía son hombres, que 20%
son mujeres, que el 27% de todos los oficiales recibieron ascenso y que el 73% no lo
recibieron.
288
P( A / B)
960
288
P ( A / B ) 1200
960
1200
0.24
P( A / B)
0.80
P ( A / B ) 0.30
9
P(A/M) se pude calcular como 0.24/0.80, que 0.24 es la probabilidad conjunta de A y M esto
288
es, P( M A) 0.24 y que 0.80 es la probabilidad marginal de que un oficial
1200
seleccionado al azar, esto es P (M)= 0.80. Así la probabilidad condicional P(A/M) se puede
calcular como la relación de la probabilidad conjunta, P( A M ) entre la probabilidad
marginal P (M).
P( A M ) 0.24
P( A / M ) 0.30
P( M ) 0.80
El hecho de que se pueda calcular las probabilidades condicionales como la relación de una
probabilidad conjunta entre una probabilidad marginal justifica la siguiente ecuación general
de los cálculos de probabilidad condicional para dos eventos, A y B.
P( A M )
P( A / B)
P( B)
o sea
P( B A)
P( B / A)
P( A)
P( A W ) 0.03
P( A / W ) 0.15
P(W ) 0.20
¿A qué conclusiones llega usted? la probabilidad de una promoción, dado que el oficial es
hombre es de 0.30, el doble de la probabilidad de 0.15 de una promoción, dado que el oficial
es mujer. El empleo de la probabilidad condicional no demuestra por si mismo que exista
discriminación en este caso, los valores de la probabilidad si respalda la demanda presentada
por las oficiales mujeres.
Eventos independientes
En especial, cuando la P (A/M) ≠ P (A), diríamos que los eventos A y M son dependientes.
Esto es, la probabilidad de evento A (ascenso) se altera o cambia por conocer que ocurrió en
el evento M (el oficial es hombre). Igualmente, con P (A/W) ≠ P (A), diríamos que los
eventos A Y W son dependientes. Sin embargo, si no cambia la probabilidad del evento A
por la ocurrencia del evento M, esto es, la P (A/M) = P (A) diríamos que A y M son eventos
10
independientes. Esta situación de lugar a la siguiente definición de la independencia entre
dos eventos.
Eventos independientes
Dos eventos, A Y B son independientes si
P (A/B) = P(A)
o sea
P (B/A) = P (B)
Ley multiplicativa
Ley multiplicativa
P( A B) P( B)* P( A / B)
O también
P( A B) P( A)* P( B / A)
Suponga que en el departamento de circulación de un diario se sabe que el 84% de las familias
de una determinada colonia tiene una suscripción para recibir el periódico de lunes a sábados,
D represente el evento de una familia tiene tal tipo de suscripción, P(D)= 0.84. Se sabe que
a la probabilidad de que una familia, también se suscriba a la edición dominical (evento S)
es de 0.75, esto es, P(S/D) = 0.75 ¿cuál es la probabilidad de que la suscripción de una familia
incluya tanto a la edición dominical como a la de lunes a sábados? Con la ley multiplicativa
calculamos P (S ∩ D) =como sigue:
Sabemos ahora que el 63% de la familia tiene una suscripción de las ediciones dominical y
entre semana.
Antes de termina esta sección, estudiaremos el caso de la ley multiplicativa cuando los
eventos implicados en ella son independientes
P( A B) P( A)* P( B)
11
Para calcular la probabilidad de la intersección de dos eventos independientes, tan solo se
multiplica las probabilidades correspondientes. Observe que la ley multiplicativa para
eventos independientes representa otro método para determinar si A y B son independiente,
esto es, si P( A B) P( A)* P( B) , entonces A y B son independientes, si
P( A B) P( A)* P( B) entonces A y B son dependientes.
Como una aplicación de la ley multiplicativa para eventos independientes, veamos el caso de
un gerente de una gasolinera que sabe, por su experiencia, que el 80% de sus clientes usan
tarjeta de créditos al comprar gasolina. ¿Cuál es la probabilidad de que los dos clientes
siguientes que compre gasolina usen tarjeta de créditos? Si hacemos que
12