Documentos de Académico
Documentos de Profesional
Documentos de Cultura
experimental
2
ÍNDICE
1. Introducción a la
Teoría de la
Probabilidad.
2. Probabilidad
condicionada.
Teorema de la
probabilidad
compuesta, teorema
de la probabilidad
total y teorema de
Bayes.
Independencia de
sucesos.
3
Introducción
Como ya hemos visto, la Estadística es una Ciencia con la que se pretende
buscar las regularidades existentes en el comportamiento de los datos
Recordad que la Estadística se puede clasificar en tres ramas:
Estadística Descriptiva
Cálculo de Probabilidades
Inferencia Estadística
4
Fenómenos aleatorios y sucesos
Experimento determinístico
Es aquel que repetido bajo
las mismas condiciones
siempre se obtienen los Características
mismos resultados.
1. Puede repetirse indefinidamente bajo
vs idénticas condiciones.
2. Cualquier modificación mínima de las
condiciones iniciales puede modificar
Experimento aleatorio completamente el resultado final del
Es aquel que repetido bajo experimento.
las mismas condiciones NO 3. Se puede dar el conjunto de los posibles
siempre se obtienen los resultados del experimento, pero no se
mismos resultados. puede predecir previamente un resultado
particular.
4. Si el experimento se repite un número
grande de veces, entonces aparece algún
modelo de regularidad estadística en los
resultados obtenidos.
5
Ejemplos de experimentos aleatorios (I)
Lanzar una moneda al aire
Lanzar dos monedas al aire
Lanzar dos dados simultáneamente
Contar el número de vehículos que llegan a una gasolinera.
Anotar el instante en el que se recibe una llamada telefónica a lo largo del
día.
6
Espacio muestral (E)
A cada uno de los posibles resultados del experimento aleatorio se le
denomina resultado elemental
Continuo
Cuando tiene un número infinito no numerable de elementos
8
Sucesos
Un suceso es cualquier subconjunto del espacio muestral.
Clasificación
Suceso elemental
Es cada uno de los resultados posibles del experimento aleatorio. Por lo que
un suceso elemental consta de un solo elemento del espacio muestral E
Suceso compuesto
Es el que consta de dos o más sucesos elementales
Suceso seguro
Es el que consta de todos los sucesos elementales del espacio muestral E. Es
por esto que lo llamaremos también E
Suceso imposible
Es el que no contiene ningún elemento del espacio muestral E y por tanto no
ocurrirá nunca. Lo denotaremos por Ø
9
Ejemplos de sucesos
Sea el experimento aleatorio consistente en lanzar al aire un
dado y anotar el resultado obtenido.
Los sucesos elementales son {1}, {2}, {3}, {4}, {5} y {6}
Ejemplo
Sea el experimento aleatorio “Contar el número de pedidos al contado en una
muestra aleatoria de 10 pedidos” y los sucesos:
A=“el número de pedidos al contado es minoría” A={0,1,2,3,4}
B=“el número de pedidos al contado es a lo sumo 6” B={0,1,2,3,4,5,6}
Observamos que A B pues todo suceso elemental de A también está en B
11
Operaciones
Igualdad de sucesos A = B
Dados los sucesos A y B diremos que son iguales, y lo denotaremos por
A = B, si siempre que ocurre A también ocurre B y siempre que ocurre B
también ocurre A.
Es decir se verifica que A B y B A
E
A B
Ejemplo
Sea el experimento aleatorio “Contar el número de pedidos al contado
en una muestra aleatoria de 10 pedidos” y los sucesos:
A=“el número de pedidos al contado es minoría” A={0,1,2,3,4}
B=“el número de pedidos al contado es a lo sumo 4” B={0,1,2,3,4}
Observamos que A = B pues todo suceso elemental de A también está
en B y viceversa
12
Operaciones
Unión de sucesos A B
Dados los sucesos A y B se define la unión de ambos sucesos como otro
suceso, que denotaremos por A B , formado por los resultados o
sucesos elementales pertenecientes a A, o B, o a los dos a la vez.
Es decir A B es el suceso que se presenta cuando ocurre A, ocurre B u
ocurren ambos
AB E
B
A
Ejemplo
Sea el experimento aleatorio “Contar el número de pedidos al contado
en una muestra aleatoria de 10 pedidos” y los sucesos:
A=“el número de pedidos es par” A={2,4,6,8,10}
B=“el número de pedidos al contado es a lo sumo 4” B={0,1,2,3,4}
A B = {0, 1, 2, 3, 4, 6, 8, 10} 13
Operaciones
Intersección de sucesos A ∩ B
Dados los sucesos A y B se define la intersección de ambos sucesos
como otro suceso, que denotaremos por A ∩ B , formado por los
resultados o sucesos elementales pertenecientes simultáneamente a A y
a B.
Es decir A ∩ B es el suceso que se presenta cuando A y B ocurren a la
vez
E
B
A
A∩B
Ejemplo
Sea el experimento aleatorio “Contar el número de pedidos al contado
en una muestra aleatoria de 10 pedidos” y los sucesos:
A=“el número de pedidos es par” A={2,4,6,8,10}
B=“el número de pedidos al contado es a lo sumo 4” B={0,1,2,3,4}
A ∩ B = {2,4} 14
Operaciones
Sucesos disjuntos, incompatibles o excluyentes
Dados los sucesos A y B diremos que son disjuntos, incompatibles o
mutuamente excluyentes si su intersección es el conjunto vacío (A ∩ B= Ø )
Es decir, que no tienen ningún suceso elemental en común
E
B
A
Ejemplo
Sea el experimento aleatorio “Contar el número de pedidos al contado en una
muestra aleatoria de 10 pedidos” y los sucesos:
A=“el número de pedidos es par” A={2,4,6,8,10}
B=“el número de pedidos es impar” B={1,3,5,7,9}
A ∩ B = Ø por lo son sucesos disjuntos, incompatibles o excluyentes
15
Operaciones
Sistema exhaustivo de sucesos
Si los sucesos A1, A2, A3, … y An son tales que su unión es el espacio
muestral E ,diremos que forman un sistema exhaustivo de sucesos.
Es decir A1 A2 A3 … An =E E
Ejemplo
Sea el experimento aleatorio “Contar el número de pedidos al contado
en una muestra aleatoria de 10 pedidos” y los sucesos:
A1 =“el número de pedidos es par” A1 ={2,4,6,8,10}
A2 =“el número de pedidos es menor que 4” A2 ={0,1,2,3}
A3 =“el número de pedidos es mayor que 3” A3 ={4,5,6,7,8,9,10}
A1 A2 A3 =E, luego A1, A2, A3 forman un Sistema Exhaustivo de
16
sucesos
Operaciones
Sistema completo de sucesos
Si los sucesos A1, A2, A3, … y An forman un sistema exhaustivo de sucesos y los
sucesos son disjuntos dos a dos, se dice entonces que forman un Sistema
Completo de Sucesos.
E
Es decir A1 A2 A3 … An = E
y Ai ∩ Aj =Ø i,j=1,2, … n
Ejemplo
Sea el experimento aleatorio “Contar el número de pedidos al contado en una
muestra aleatoria de 10 pedidos” y los sucesos:
A1 =“el número de pedidos es par” A1 ={2,4,6,8,10}
A2 =“el número de pedidos es menor que 4” A2 ={0,1,2,3}
A3 =“el número de pedidos es mayor que 3” A3 ={4,5,6,7,8,9,10}
Ejemplo
Sea el experimento aleatorio “Contar el número de pedidos al contado en
una muestra aleatoria de 10 pedidos” y los sucesos:
A=“el número de pedidos es par” A={2,4,6,8,10}
A ={0,1,3,5,7,9} 18
Operaciones
Diferencia de sucesos A - B
Dados los sucesos A y B se define la diferencia de ambos sucesos como
otro suceso, que denotaremos por A - B , formado por los resultados o
sucesos elementales pertenecientes A y que no pertenecen a B.
Es decir A - B es el suceso que se presenta cuando ocurre A y no ocurre B
También puede verse como: A B A B
E
B
A
A-B
Ejemplo
Sea el experimento aleatorio “Contar el número de pedidos al contado en
una muestra aleatoria de 10 pedidos” y los sucesos:
A=“el número de pedidos es par” A={2,4,6,8,10}
B=“el número de pedidos al contado es a lo sumo 4” B={0,1,2,3,4}
19
A - B = {6,8,10}
Operaciones
Diferencia simétrica de sucesos A B
Dados los sucesos A y B se define la diferencia simétrica de ambos
sucesos como otro suceso, que denotaremos por A B , formado por los
resultados o sucesos elementales pertenecientes A , o a B, pero que no
pertenezcan simultáneamente a ambos.
AB E
B
A
B-A A-B
Ejemplo
Sea el experimento aleatorio “Contar el número de pedidos al contado en
una muestra aleatoria de 10 pedidos” y los sucesos:
A=“el número de pedidos es par” A={2,4,6,8,10}
B=“el número de pedidos al contado es a lo sumo 4” B={0,1,2,3,4}
A B = {0,1,3,6,8,10}
20
Propiedades de las operaciones con sucesos
1 E E A A
2 E AE A A A AE
E A A A A A
3 Propiedad idempotente A A A A A A
4 Propiedad conmutativa A BB A A BB A
5 Propiedad asociativa A B C A B C
A B C A B C
6 Propiedad distributiva A B C A B A C
A B C A B A C
7 Propiedad simplificativa A A B A A A B A
8 Leyes de Morgan A B A B A B A B
21
Probabilidad. Definiciones
Introducción
Todos poseemos un concepto intuitivo del término
Probabilidad. Con toda seguridad responderemos a
estas preguntas:
• ¿Cuál es la probabilidad de obtener cara en el lanzamiento
de una moneda?
• ¿Qué probabilidad tengo de aprobar si me he estudiado la
mitad del temario?
• ¿Qué probabilidad existe de acertar un número entero
entre 1 y 10?
22
Probabilidad. Definiciones
Introducción
Una vez introducidos los conceptos de experimento aleatorio,
sucesos, etc. , nos va a interesar una medida numérica de la
posibilidad de que ocurra un suceso A cuando se realiza un
experimento aleatorio.
A esta medida la llamaremos probabilidad del suceso A y la
representaremos por P(A).
23
Probabilidad. Definiciones
Recordatorio
• La probabilidad tiene sentido en experimentos
aleatorios
• Mide la posibilidad de ocurrencia de un suceso
• Es una medida numérica comprendida entre 0 y 1
24
Definiciones de Probabilidades (I)
Clásica (A priori)
Sean E un espacio muestral finito, en el que cada suceso elemental tiene la
misma probabilidad de ocurrir. Se define la probabilidad del suceso A
como:
Casos Favorables
P(A) =
Casos Posibles
Que es conocida como Regla de Laplace (1900)
Propiedades:
• 0 P(A) 1
• P(E) = 1
• La probabilidad de la unión de varios sucesos excluyentes es igual a la suma
de las probabilidades de cada uno de los sucesos P(A1A2 … Ar ) = P(A1) +
P(A2) + …+ P(Ar)
25
Ejemplo
n(E)=6
n(A)=3
n(B)=2
26
Definición de probabilidad (II)
Frecuentista ( a posteriori )
n( A)
P( A) lim
n n
donde n(A) es el número de veces que ha
aparecido el suceso A en las n repeticiones del
experimento.
27
ENFOQUE OBJETIVO A POSTERIORI
Definimos PROBABILIDAD DEL SUCESO A, P(A), en un espacio muestral finito y
compuesto de sucesos elementales distintos, como
29
Definición de probabilidad (III)
Subjetiva
La probabilidad subjetiva representa un juicio
personal sobre el resultado de un experimento
aleatorio, pudiendo ser muy diferente del juicio
personal o probabilidad subjetiva asignada por otra
persona.
30
Definición de probabilidad (IV)
Axiomática
Sea un espacio probabilístico (E,, P), donde E es el espacio
muestral, es un -álgebra de sucesos y P : A [0,1] cumple
los siguientes axiomas (de Kolmogorov):
• Axioma 1: P(A)≥0
• Axioma 2: P(E)=1
• Axioma 3: Si A1,A2 … An es un conjunto de sucesos incompatibles,
entonces:
P Ai P(Ai )
iI iI
donde I , con I finito o infinito numerable
31
Propiedades
32
Probabilidad condicionada
Sea un espacio probabilístico (E,, P), y A y B dos sucesos
pertenecientes a . Se define la probabilidad de A
condicionada a B, o probabilidad de A sabiendo que ha
ocurrido B como: (siempre que P(B)>0)
E
P( A B) B
P( A | B) A
P( B)
Nota importante
• No debemos confundir probabilidad condicionada con la
probabilidad de la intersección.
• En ambos medimos la intersección, pero…
• En P(A∩B) con respecto a P(E)
• En P(A|B) con respecto a P(B)
33
Ejemplo:
La probabilidad de obtener un 2 (suceso B)
E 1 A 2 B cambia si lo condicionamos al suceso “Se ha
obtenido un número par” (suceso A)
3 4
1 1
5 6 P( B) P( B / A)
6 3
34
Teorema de la probabilidad compuesta
n n 1
P Ai = P(A1 )P(A 2 |A1 )P(A 3 |A1 A2 ) P(A n | Ai )
i 1 i 1
35
Teorema de la probabilidad total
36
Recordemos qué es un Sistema Completo de Sucesos
A1 A2 A3
Son una colección de sucesos, por ejemplo
formada por A1, A2, y A3, tales que la unión de
todos ellos forman el espacio muestral, y sus
intersecciones son disjuntas dos a dos.
Veamos como todo suceso B , puede ser descompuesto en sucesos del sistema
completo de sucesos.
A1 A2 A3
37
Teorema de la Probabilidad Total
Si conocemos la probabilidad de B en cada uno de los componentes de un sistema
completo de sucesos, entonces, …, podemos calcular la probabilidad de B.
A1 A2 A3 B
P(B/A1)
A1
P( /A1)
P(A1)
B
B
P(B/A2)
P(A2) A2
P( /A2)
B∩A1 B∩A2 B∩A3
P(A3)
B = (B∩A1) U (B∩A2 ) U ( B∩A3 ) B
P(B/A3)
A3
P( /A3)
P(B) = P(B∩A1) + P(B∩A2 ) + P( B∩A3 ) = P(A1) P(B|A1) + P(A2) P(B|A2)+ P(A3) P(B|A3)
38
TEOREMA DE LA PROBABILIDAD TOTAL
Sea A1 , A2 ,..., Anun sistema completo de sucesos. Entonces para cualquier suceso B, cuyas
probabilidades condicionadas son conocidas, se verifica que:
P ( B ) P ( B Ai ) P ( Ai ) P ( B / Ai )
Ejemplo: Una compañía aseguradora conoce las
probabilidades de que se registre un accidente según
A1 A2 A3 A4 el sexo. Por tanto la probabilidad de que se registre
un accidente es:
P( Accidente / Hombre) 0.18
B
P( Accidente / Mujer) 0.14
P( Hombre) 0.48
P( Mujer) 0.52
Luego, P( Accidente) 0.48 0.18 0.52 0.14
0.0864 0.0728 0.1592
Ejemplo (I): En esta aula el 70% de los alumnos son mujeres. De ellas el
10% son fumadoras. De los hombres, son fumadores el 20%.
41
Ejemplo (continuación): Se elije a un individuo al azar y resulta ser fumador
¿Cuál es la probabilidad de que sea un hombre?
Fuma
0,1
Teorema de BAYES
Mujer
0,9 P( H F )
0,7 P( H | F )
No fuma P( F )
Estudiante P( H ) P( F | H )
P( F )
0,3 0,2
Fuma 0,3 0, 2
Hombre 0, 46
0,13
0,8
No fuma
42
TEOREMA DE BAYES
Sea A , A ,..., A
1 2 n un sistema completo de sucesos tal que P ( Ai ) 0 . Entonces para
cualquier suceso B, cuyas probabilidades condicionadas son conocidas, se verifica que:
P( B Ai ) P( Ai ) P( B / Ai )
P( Ai / B)
P( B) P( A j ) P( B / A j )
A1 P ( B / A1 ) Ejemplo: Una compañía aseguradora conoce las
probabilidades de que se registre un accidente según el sexo.
P ( B / A1 ) Sabiendo que ha habido un accidente, la probabilidad de que
A2 P( B / A2 )
lo haya cometido un hombre es:
P( B / A2 ) P ( Accidente / Hombre) 0.18
E P ( B / A3 )
A3 P ( Accidente / Mujer) 0.14
P ( B / A3 )
P ( Hombre) 0.48, P ( Mujer) 0.52
0.48 0.18
P( B / An ) P ( Hombre / Accidente) 0.5427.
An 0.1592
P( B / An ) De igual forma, P ( Mujer / Accidente) 0.4573.
Independencia de sucesos
• FORMALMENTE
• Definición: los sucesos A y B son independientes
si P(A/B) = P(A) o equivalentemente si P(B/A)=P(B)
• Teorema: los sucesos A y B son independientes si
y sólo si P(A∩B)=P(A)P(B)
44
INDEPENDENCIA DE SUCESOS
Dos sucesos A y B son independientes si se verifica una cualquiera de las siguientes
condiciones equivalentes:
1. P (B/A) = P(B), si P(A) > 0.
2. P (A/B) = P(A), si P(B) > 0.
3. P (A B) = P(A) P(B).