PROBABILIDAD

Introducción:

Inferencia estadística: sacar conclusiones para toda una población a partir de

unos datos (una muestra)

Incertidumbre: No se tiene certeza de lo que va a ocurrir, por ejemplo un

paciente en una cirugía puede que se le quite o no se le quite la enfermedad.

Tipos de probabilidad
Objetiva:
- Clásica o a priori: calculados a través de razonamiento abstracto
- Casos favorables entre posibles
- Probabilidad(Xi) = Casos favorables/casos posibles
Subjetiva:
- No depende de la repetitividad de un suceso
- Puede calcular cualquier evento
- Probabilidad de descubrir una cura para el cáncer en los próximos 10
años
- Muy popular pero no aceptada por estadísticos tradicionales
Elementos de probabilidades
Espacio muestral: S
Conjunto que sus elementos representan los resultados posibles de un
experimento
Evento: E
Es un subconjunto del espacio muestral
Probabilidad marginal: La probabilidad de ocurrencia de un solo evento
Probabilidad conjunta: La probabilidad de ocurrencia de 2 o más eventos
Probabilidad condicional: La probabilidad de ocurrencia de un evento
condicionada a otro que se conoce
Probabilidad dependiente: La probabilidad de ocurrencia de un evento que
se encuentra condicionada por el anterior

Axiomas
Teoremas

Aquí es muy importante el concepto de suma de las probabilidades

individuales, que sean mutuamente excluyentes y que la probabilidad sea
igual a 0
Ejemplo: Supongamos que una universidad tiene tres facultades, medicina,
odontología y enfermería. La probabilidad de estudiar cada una de ellas se
define de la siguiente manera:
P(M) = 0.40
P(E) = 0.35
P(O) = ¿?
Si quiero saber cuál es la probabilidad de estudiar odontología, sigo la regla
de los axiomas, que dice que “La probabilidad de todo el espacio muestral es
igual a 1”, sumo las probabilidades de estudiar medicina y enfermería, a ese
resultado le resto 1 y ese será la probabilidad de estudiar odontología.
P(O) = (P(M) + P(E)) – 1
= (0.40 + 0.35) – 1
= 0.75 – 1
= 0.25
*La probabilidad de estudiar odontología es del 0.25

P(MUE) = P(M) + P(E)

*La probabilidad de estudiar medicina o enfermería es igual a la suma de la
probabilidad de estudiar medicina y la probabilidad de estudiar enfermería
(probabilidades individuales)

Ejemplo:
La probabilidad de estudiar medicina, enfermería y estudiar odontología:
P(M) = 0.40
P(E) = 0.35
P(O) = 0.25
En cada uno de estos casos, hay hombres y mujeres, yo quiero saber la
probabilidad de que alguien sea mujer o estudie odontología, entonces:
P(MUO) = P(M) + (O)
Pero como hay mujeres que estudian odontología, y yo no debo contarlas
dos veces, entonces tengo que restar las mujeres que estudian odontología
P(MUO) = P(M) + (O) – P(MnO)

Cuando se dice que un evento es independiente puedo pensar en los dados,

uno no depende del otro en ningún momento.
Entonces si yo quiero sacar 6 en los dos dados al mismo tiempo, la
probabilidad de esto se haría de la siguiente forma;
P(AnB) = P(A) * P(B)
P(AnB) = P(6) * P(6) = 36
*Esto me dice que la probabilidad de sacar 6 en los dos dados
simultáneamente es de 1/36
Para hacer este ejercicio, se debe tener claro cuándo un evento es
dependiente o independiente, eso se denota en la siguiente tabla

Ejemplo: En una bolsa, tengo 100 pelotas de diferentes colores que están
distribuidas de la siguiente forma:
Rojas: 50
Amarillas: 20
Azules: 12
Verdes: 18
¿Cuál es la probabilidad de elegir una bola roja?
P(Xi) = Casos favorables/Casos posibles
= 50/100
Cuando otra persona se dispone a sacar una pelota, ¿Cuál es la probabilidad
de que esta sea amarilla?
P(Xi) = Casos favorables/Casos posibles
= 20/99
*Aquí hay que tener en cuenta que como ya se sacó una pelota roja, la
muestra disminuye y hay que tenerlo en cuenta
Cuando otra persona se dispone a sacar una pelota, ¿Cuál es la probabilidad
de que esta sea roja?
P(Xi) = Casos favorables/Casos posibles
= 49/98
Cuando otra persona se dispone a sacar una pelota, ¿Cuál es la probabilidad
de que esta sea azul?
P(Xi) = Casos favorables/Casos posibles
= 12/97
Tomando este ejemplo, vamos a explicar el teorema 4, dice así:
P(RnAnAnRnAz) = P(R)*P(A/R)*P(R/RnA)*P(Az/RnAnR)

Esa fórmula se lee así: La probabilidad de que una pelota salga roja, luego
amarilla, luego roja y la siguiente azul, es igual a la probabilidad de que salga
roja por la probabilidad de que salga amarilla dado que la primera salió roja,
por la probabilidad de que salga roja dado que salió una roja y una amarilla,
por la probabilidad de que salga azul dado que salieron una roja, una amarilla
y una roja.
*Las probabilidades son diferentes porque disminuye el espacio muestral,
esto solo se cumple si las bolas no se devuelven a la bolsa
Eso se lee así: La probabilidad de que salga A por la probabilidad de que salga
B, dado que salió A por La probabilidad de que salga C dado que salió A y B
por la probabilidad de D, dado que salió A y B y C…
Ese “/” se lee: dado que

Tiene que haber elementos en común para realizar este teorema, tiene que
haber intersección para realizar este teorema.
Ejemplo: ¿Cuál es la probabilidad de elegir una estudiante mujer dado que
estudia enfermería?
Ahí está poniendo como condición que la persona estudie enfermería
P (MnE)
P(M/E) ¿ P (B)

*Hago transposición de términos

P(M/E) = P(E) * P(M/E)

Para este teorema, voy a usar este diagrama como ejemplo, distribuyendolo
de la siguiente forma:
A1 = Medicina
A3 = Enfermería
A4= Odontología
Círculo Azul = Hombres
Si yo quiero saber cuáles son los hombres en total, entonces;
Aquí la “n” se lee como intersección
H= (A1nH) + (A3nH) + (A4nH)
Si quiero saber cuál es la probabilidad de ser hombre, entonces;
P(H)= P(A1nH) + P(A3nH) + P(A4nH)
Aquí se despeja utilizando el teorema 5,
= P(A1) * P(H/A1) + P(A3)* P(H/A3) + P(A4) * P(H/A4)
Siguiendo con el ejemplo anterior, quiero saber cuál es la probabilidad de
escoger una mujer, entonces;
Pongo las probabilidades de cada una de las facultades donde hay mujeres:
P(M)= P(MnMed) + P(MnE) + P(MnO)
Despejo:
= P(Med) * P(M/Med) + P(E) * P(M/E) + P(O) * P(M/O)
 TEOREMA DE BAYES

Algunas personas pueden ser falsos positivos o falsos negativos

NO ENTENDÍ BIEN LO DE ESPECIFICIDAD Y SENSIBILIDAD
Este teorema se parece al teorema 6, pero en este caso suponemos que ya
tenemos la información que estábamos buscando en el circulo azul, ahora
queremos saber cuál es su probabilidad
Ejemplo:
La probabilidad de que un estudiante estudie para el parcial de biometría es
del 90%
P(E) = 0.90
La probabilidad de que gane el parcial dado que estudió es del 90%
P(G/E) = 0.90
La probabilidad de que gane el parcial sin haber estudiado es del 1%
P(G/€) = 0.01
1. ¿Cuál es la probabilidad de no haber estudiado?
P(€) = 0.10
2. ¿Cuál es la probabilidad de estudiar y ganar?
Son eventos dependientes, debemos buscar un teorema que nos permita
resolverlo, en este caso el teorema 5

P(EnG) = P(E) * P(G/E)

= 0.81
3. ¿Cuál es la probabilidad de no haber estudiado y no ganar?
P(€n₲) = P(€) * P(₲/€)
= 0.10 * 0.99
= 9.9%
4. ¿Cuál es la probabilidad de ganar?
P(G) = P(EnG) + P(€nG)
= 0.81 + 0.001
= 0.811
= 81.1%
5. ¿Cuál es la probabilidad de que alguien que haya ganado haya
estudiado?
P ( EnG)
P(E/G)= P(G)
 0.91
= 0.811
= 0.9987

6. ¿Cuál es la probabilidad de ganar y estudiar?

P(GuE) = P(G) + P(E) – P(GnE)
= 0.811 + 0.90 – 0.81
= 0.901
= 90.1%
GRÁFICAS DE PROBABILIDADES

- Diagrama de Venn
- Tabulación
- Árbol de decisiones
*Todos deben tener un título y una fuente de información
Tenemos un cuadro que corresponde al espacio muestral
 DISTRIBUCIÓN DE PROBABILIDADES
Introducción
Distribución de probabilidades discreta binomial
Solo es buscar