Unidad 4

Análisis de datos
Ingeniería en Administración
Unidad 4: Cálculo de probabilidades
Resultado de aprendizaje:

 Calcular probabilidades de sucesos aplicando las propiedades de probabilidad condicional,

sucesos independientes, conjunta, probabilidades totales y teorema de Bayes.

Introducción
Toda persona se ve enfrentada diariamente a tomar decisiones ante diversas
circunstancias, las cuales presentan diferentes escenarios o alternativas, que no son
predecibles a priori, es decir, el valor de los resultados de estas alternativas es variables.

El método con el cual medimos o predecimos la ocurrencia de una de estas

alternativas recibe el nombre de probabilidad.
Consideremos el caso de una empresa que está decidiendo la puesta de un nuevo
producto en el mercado, los directivos de la empresa están inciertos sobre cuál será la
aceptación por parte de los consumidores, o cual será la demanda de este producto.

Cómo se aprecia, existe imprecisión respecto al valor de la variable que se está

midiendo: ¿será aceptado este nuevo producto?, Si es aceptado, ¿cuáles serán los
niveles de demanda por este producto?

Otro caso que nos ayudará a comprender este concepto sería: Un jugador apuesta a la
ruleta en un casino, los resultados de esta prueba son que acierte con el número
seleccionado o no acierte.

Existen muchas situaciones en la vida cotidiana de un individuo en que está enfrentado

a resultados inciertos, por lo tanto, debe contar con una métrica que le permita predecir
cuáles serán los resultados de estos hechos. La medida con la cual se cuantificará la
incertidumbre recibe el nombre de probabilidades.
 Conceptos básicos
Concepto Definición Ejemplo

Experimento Es una prueba en la cual Lanzar un par de dados y observar los números que
pueden concretarse a lo muestran las caras superiores respectivas.
menos dos resultados
posibles, inciertos en
cuanto a cuál de ellos
puede ocurrir.

Evento o Subconjunto del espacio El conjunto de números que muestran las caras
suceso muestral. Es un conjunto superiores de los dados son pares. Este evento
de sucesos que presentan genera una serie de resultados que tienen un
cierta característica en elemento en común, este es: ambos números son
común. pares, y por lo tanto se obtiene el siguiente
conjunto: {(2,2) ; (2,4); (2,6) ; (4,2) ; (4,6) ; (6,2) ;
(6,4) ; (6,6)}

Espacio Corresponde al conjunto Está formado por todos los resultados posibles de
muestral (Ω) total de resultados o este experimento, que son 36.
sucesos asociados a un Ω={((1,1),(1,2),…,(6,5); (6,6)}
experimento aleatorio.

Observación: En muchas ocasiones se está interesado en la ocurrencia de dos o más

sucesos, por ejemplo, al lanzar un par de dados podría considerarse los siguientes
sucesos “A”: el resultado del dado es par y “B” el resultado de este dado es como
mínimo 4.

El conjunto de resultados posibles recibe el nombre de intersección de sucesos.

Definición de probabilidad
Suponga que tenemos que realizar un experimento estocástico (aleatorio), y nos
interesa la ocurrencia de un determinado resultado. El concepto de probabilidad
nos aporta una medida de la ocurrencia de este suceso en particular, por lo tanto,
la probabilidad es la medida de la verosimilitud dela ocurrencia de un suceso.
 Probabilidad: Es un valor que oscila en el intervalo de los números reales [0, 1], donde, si
toma el valor cero, indica la no ocurrencia de este suceso, por otra parte, si el valor es uno, entonces
este suceso ocurre con certeza. Cuanto más probables sean los sucesos, mayor será la probabilidad de
ocurrencia.

Axiomas de Probabilidad

1 La probabilidad asociada al espacio muestral Ω es uno, es decir: P

(Ω)=1

Este resultado es evidente ya que el espacio muestral colecciona a todos los resultados
posibles del experimento aleatorio.

Ejemplo 1: En una carrera, una persona apuesta a todos los caballos participantes. Es
obvio que la probabilidad de ganar es uno, debido a que al menos uno de los caballos en
quienes apostó ganará.

2 La probabilidad de un suceso o evento imposible es cero

Este resultado indica que no ocurrirá un suceso o evento dado.

Ejemplo 2: Se lanza un dado, los posibles resultados de este experimento genera el

siguiente espacio muestral {1, 2, 3, 4, S, 6}. Si se define el suceso E: obtener siete puntos
con el lanzamiento del dado, entonces P(E) = 0.
 3 La probabilidad de un suceso o evento variará entre 0 y 1

Es decir:

0 ≤ P (E) ≤ 1

4 Si A representa la no ocurrencia del suceso o evento A, además si (Ã)

U A = Ω, entonces P (Ã) = 1 - P (A)

Ejemplo 3: Se lanza un par de dados, y se define el suceso o evento A: la suma de los

puntos obtenidos es a lo menos 9. El espacio muestral puede ser representado por el
diagrama adjunto y como se aprecia está formado por 36 elementos.

Definamos el suceso o evento A: Suma de los puntos obtenidos al lanzar el par de dados
es a lo menos 9.

De acuerdo a la tabla de referencia hay 10 casos que son favorables al suceso A y por lo
tanto, P(A) = 10/36 y la probabilidad de obtener menos de 9 puntos es:

P(Ã) = 1 - P(A)

P(Ã) = 1 - 10/36

P(Ã) = 26/36

Este resultado se deduce del hecho

de que, al lanzar un par de dados, la
suma de puntos variará entre 2 y 12,
por lo que, el espacio muestral está
conformado por la unión de los
eventos o sucesos A y su complemento.
Criterios de Probabilidad
► Probabilidad Subjetiva: Es la probabilidad asignada a un evento o
suceso basándose en juicios, experiencias, información previa. Este método
de asignación puede estar influenciado por sesgos, debido a los gustos,
experticia u otros factores exógenos que posee quien la asigna.

Ejemplo: Considere las apuestas en una carrera de caballos. Si se cree que

la probabilidad que gane un caballo en particular es 40%, entonces se está
dando una opinión personal que es de 40 entre 100 que gane un caballo en
particular: Dada esta condición, si se apuestan 10 unidades monetarias por
este caballo, se considera justa esta apuesta si se ganan 4, y perder 6 en
otro caso. La probabilidad asignada a que gane un caballo en particular, es
personal, y su cuantía dependerá del conocimiento que posee el apostador
Existen tres del caballo en referencia.
criterios
para asignar ► Probabilidad Clásica (a priori): Si un experimento aleatorio produce n
la resultados mutuamente excluyentes e igualmente probables (todos los
probabilidad sucesos o resultados básicos) tienen igual probabilidad de ocurrencia, y si A
de es el conjunto de ellos que tienen un cierto atributo, denotemos con n(A)
ocurrencia el número de sucesos que pertenecen a A, entonces la probabilidad
de un asociada al suceso A es el cuociente entre n(A) y el número total de
sucesos del espacio muestral n, es decir:
suceso:
P(A) la probabilidad de que ocurra el suceso o evento A es:
P(A)=n(A)
P(A)= cardinalidad del conjunto A, dividida por la cardinalidad de Ω.

► Probabilidad Frecuentista (a posteriori): La probabilidad asignada a un

evento o suceso, P(E) es el número al que tiende la frecuencia relativa de
éste, cuando el número de repeticiones del fenómeno estocástico se hace
cada vez más grande.

Dada esta definición entonces la probabilidad del suceso o evento E es:

P(E) = (N° de veces que ocurre E)/(N° de veces que se realiza el
experimento).
Reglas de la Probabilidad

Sean A y B dos sucesos asociados al espacio muestral Ω. Se

Unión de Eventos
define la probabilidad de la unión de estos sucesos, como la
o Sucesos
probabilidad que ocurra el suceso A, ocurra el suceso B o bien
que ocurran ambos, lo que se denota:
P (A∪B) = P (A) + P (B) - P (A∩B)

Es la probabilidad que un suceso o evento ocurra dado que otro

Probabilidad suceso ha ocurrido con anterioridad.
Condicional Sean A y B dos sucesos o eventos asociados a un espacio
muestral Ω, la probabilidad que ocurra el suceso A dado que el
suceso B ocurrió, se denota como:
P (A/B) = P (A∩B) / P (B) ,siempre que P (B) > 0

Sucesos Sean A y B dos sucesos o eventos asociados a un espacio

Independientes muestral Ω, se dice que los sucesos A y B son independientes si
y sólo si:
P (A∩B) = P (A) * P (B).

Propiedades de las Probabilidades

Probabilidad Bivariante

Suponga que se realiza un experimento y el principal interés se centra en dos grupos

diferentes de sucesos. Sean A1, A2,...,Ak y B1,B2,...,Br sucesos, tales que, tanto los Ai
como los Bj son excluyentes y colectivamente exhaustivos.

Suponga, además, que cualquier suceso Ai puede ocurrir conjuntamente con cualquier
suceso Bj, de modo que el suceso Ai∩Bj puede tener lugar, entonces estas
intersecciones son los resultados elementales del experimento, y que se denominan
bivariantes y sus probabilidades se llaman conjuntas.
 Probabilidad Marginal

Para calcular esta probabilidad, debe fijarse un nivel de uno de los sucesos y sumar
sobre todos los niveles del otro suceso, es decir:

P(Fi)=P(Fi∩E1 ∪ Fi∩E2 ∪ Fi∩E3)

P(Fi)=P(Fi∩E1)+P(Fi∩E2)+P(Fi∩E3)

Puesto que los sucesos E1, E2 y E3 son disjuntos.

Del mismo modo puede obtenerse:

P(Ei)=P(Ei∩F1 ∪ Ei∩F2 ∪ Ei∩F3)

P(Ei)=P(Ei∩F1)+P(Ei∩F2)+P(Ei∩F3)

Puesto que los sucesos F1, F2 y F3 son disjuntos.

Teorema de Probabilidad Total

Sean A1, A2,........Ak sucesos disjuntos y colectivamente exhaustivos que constituyen
una partición del espacio muestral Ω. Sea B otro suceso en Ω por lo que puede tener
intersección no vacía con todos los Ai, para ¡ = 1, 2,….K, entonces:

Ejemplo: En una industria se trabaja a tres turnos, y se sabe que el 40%, el 35% y el 25%
se registran en el primer, segundo y tercer turno respectivamente. También se sabe que
el 2%, 3% y 4% son los porcentajes de unidades defectuosas para cada turno
respectivamente. Suponga que un inspector hace un control de calidad y elige un
artículo de la producción total, sin distinguir de qué turno proviene.
¿Cuál es la probabilidad de que el artículo sea defectuoso?

Sea Ti: el suceso turno i para i= 1, 2, 3. Sea D: el suceso artículo defectuoso, entonces:

Este teorema nos da la posibilidad de estimar la probabilidad de obtener un artículo

defectuoso, cuando no conocemos su procedencia. En este caso la probabilidad que el
artículo sea defectuoso, al no saber de qué turno proviene es de un 2,85%.

Suponga que se conoce la calidad del artículo, y se está interesado en conocer la

probabilidad que éste proceda de un turno determinado, esto es, necesitamos calcular
P(Ti/D).

Para dar respuesta a esta pregunta, se enuncia el siguiente teorema.

Teorema de Bayes (Thomas Bayes clérigo inglés, 1702 –

1761)
Sean E1,E2,…,Ek, k sucesos o eventos mutuamente excluyentes y colectivamente
exhaustivos. Sea A otro suceso cualquiera, de modo que A puede ser parte de todos los
Ei, entonces:

El teorema de Bayes proporciona un procedimiento para la modificación de la

valoración de la probabilidad cuando se dispone de información adicional. Entonces,
aplicando este teorema, es posible revisar las probabilidades a priori y obtener
probabilidades a posteriori.

La interpretación más importante de este teorema, se basa en el uso de las

probabilidades subjetivas.

Con referencia al ejemplo anterior:

¿Cuál es la probabilidad de que el artículo provenga del turno 2, sabiendo que es
defectuoso?

Nos interesa calcular P(T2/D)

Existe una probabilidad de 36,84% que el artículo provenga del segundo turno, sabiendo
que es defectuoso. Siguiendo el mismo procedimiento, se puede calcular: