Teoria 2 Probabilidad

r
Unidad I: Nociones de Probabilidad
to
di
CONTENIDOS
E
• Experimento aleatorio
F
D
• Probabilidad: Definición.
rP
• Probabilidad: Propiedades.
te
• Regla de la suma
as
• Sucesos excluyentes
M
• Regla del producto
in
• Sucesos independientes
• Probabilidad condicional
ed
• Regla del producto

at
re
PROF. LUIS ARENAS - DEPARTAMENTO DE ESTADÍSTICA - UNCO 147

r
to
Experimento Aleatorio
di
Llamamos experimento aleatorio a un experimento
E
en el cual, antes de realizarlo no se puede conocer
F
cuál será el resultado.
D
Sin embargo, si repetimos el experimento aleatorio un
rP
gran número de veces, existe una distribución regular
te
de los resultados.
Ejemplos
as
M
• Lanzar una moneda al aire El resultado
in
• Seleccionar una muestra aleatoria no se conoce

ed
• El resultado de un partido Brasil-Argent de antemano

at
re

r
to
Experimento Aleatorio
di
E
Observaciones
F
• Aleatorio no significa de “cualquier manera”, se
D
refiere a una clase de orden que solamente aparece
rP
dentro de muchas repeticiones.
te
• El comportamiento aleatorio o azaroso es
as
impredecible en pocas repeticiones pero regular y
predecible dentro muchas repeticiones.
M
• Esta regularidad que aparece en forma clara dentro
in
de muchas repeticiones es un hecho remarcable y es

ed
la base de la idea de probabilidad.

at
re

r
to
Espacio Muestra
di
Es el conjunto de todos los resultados posibles de un
E
experimento aleatorio y se lo simboliza con .
F
D
rP
Suceso Elemental
Es cada uno de los resultados posibles del experimento
te
aleatorio, es decir, es cada elemento del espacio
as
muestra, y se lo simboliza con ω.
M
Suceso
in
Es cualquier subconjunto del espacio muestra , o sea,

ed
es un subconjunto de los resultados posibles del

at
experimento.
re

r
to
Ejemplo: En el experimento aleatorio de lanzar un
di
dado y observar el resultado:
E
Espacio Muestra: = {1, 2, 3, 4, 5, 6}
F
D
Suceso Elemental: Hay 6 resultados posibles,
rP
cada uno es un suceso elemental:
te
ω1 = {1} ; ω2 = {2} ; ω3 = {3}
as
M
ω4 = {4} ; ω5 = {5} ; ω6 = {6}
in
Suceso: Se pueden definir varios sucesos por ej:

ed
A: Sale número par  A = {2, 4, 6}

at
B: Sale un número mayor que 4  B = {5, 6}

re

r
to
Suceso Unión: A  B
di
Dado dos sucesos A y B en , se define al suceso
E
unión de A y B al suceso que acontece cuando
F
ocurre A , ocurre B , u ocurren ambos.
D
rP
te
as
M
A B
in
ed
at

re

r
to
Suceso Intersección: A B
di
Dado dos sucesos A y B en , se define al suceso
E
intersección de A y B al suceso que ocurre cuando
F
D
ocurren A y B simultáneamente.
rP
te
as
M
in
ed

at
re

r
to
Suceso Complemento: Ā
di
Dado el suceso A en , se define al suceso
E
complemento de A al suceso que ocurre
F
D
cuando no ocurre A .
rP
te
Ā
as A
M
in
ed

at
re

r
to
Ejemplo
di
Considere el experimento aleatorio de extraer una
E
bolilla de una caja que contiene bolillas numeradas
F
de 1 a 8 y los sucesos A , B y C que se indican en
D
la siguiente representación de .
rP
te
as
M
in
ed

at
re

r
to
di
E
F
D
rP

te
as
¿Qué números conforman los siguientes sucesos?
M
• A B = { . . . . . . . . . } A B = { . . . . . . }
in
• A B C = { . . . } Ā ={...... }
ed
• Ā B = { . . . . . . }
at
re

r
to
Cardinal de un suceso
di
Dado un suceso A se llama cardinal de A y se indica
E
#A a la cantidad de sucesos elementales ω que
F
componen el suceso A.
D
Ejemplo: En el siguiente  indique el cardinal de los
rP
siguientes sucesos:
te
as
M
in
ed
at
re

r
to
di
E
F
D
rP
te
as
• #Ω = . . . . . . . . . .
M
•#(A B) = . . . . . . . . . #(A B) = . . . . . .
in
• #(A B C) = . . . #Ā = . . . . . .
ed
• #(Ā B) = . . . . . .
at
re

r
to
Sucesos Excluyentes
di
Dos sucesos A y B de  que NO tienen elementos
E
en común se denominan sucesos excluyentes, es
F
decir, A y B son excluyentes si A B = 
D
rP
te
as
M
in
A B

ed
at
re

r
to
Sucesos No Excluyentes
di
Cuando dos sucesos A y B de  tienen elementos
E
en común se dice que NO SON excluyentes, es
F
decir, A y B no son excluyentes si A B ≠ .
D
rP
te
as
M
in
ed

at
re

r
to
Ejemplo
di
E
F
de 1 a 10 y los sucesos A, B y E que se indican en la
D
siguiente representación de .
rP
B
te
A 6
3 1
as
9
M 5 2 7 E
4
10
8

in
 A B . . .   A y B . . . . . . . excluyentes
ed
 A E . . .  A y E . . . . . . . excluyentes
at
 B E . . .  B y E . . . . . . . excluyentes
re

Definición Frecuencial: ejemplo
r
to
di
E s tim a c ió n d e la p ro b a b ilid a d d e c a ra
e n el experimento d e arrojar u n a m o n e d a
1
E
0, 9
0, 8
F
0, 7
0, 6
D
0, 5
0, 4
rP
0, 3
0, 2
0, 1
te
0
2 10 20 30 40 50 60 70 80 90 100 110 120 130 140 150 160 170 180 190 200
tamaño de muestra
• La proporción de caras es variable si hacemos pocos

as
M
lanzamientos.
• Al aumentar la cantidad de lanzamientos de la moneda la
in
proporción de caras se estabiliza en 0,5.

ed
• La proporción de caras tiende a la probabilidad teórica

at
de caras a medida que hacemos más lanzamientos.

re

r
to
Probabilidad: Definición Frecuencial
di
E
Se repite un experimento aleatorio una gran cantidad de
veces en iguales condiciones, y se observa la proporción
F
D
de veces que ocurre un resultado el interés: el suceso A.
rP
La frecuencia relativa hA del suceso A se estabiliza en un
te
valor que es la probabilidad teórica del suceso A.
as
La frecuencia relativa de A (hA) es la probabilidad
M
empírica del suceso A.
in
fA cantidad de veces que ocurre A

hA =
ed
=
n cant de veces que se repite el experimento
at
re

r
to
Probabilidad: Definición Frecuencial
di
E
converge
fA
F
hA =  P ( A)
D
n
rP
n∞ probabilidad
probabilidad teórica de A
te
empírica de A
as
M
La definición frecuencial establece que la
probabilidad de cualquier suceso es la proporción
in
de veces que el suceso ocurre en una larga serie de

ed
repeticiones del experimento aleatorio en las mismas

at
condiciones.
re

Ejemplo
r
to
di
E s tim a c ió n d e la p ro b a b ilid a d d e c a ra
e n el experimento d e arrojar u n a m o n e d a
1
E
0, 9
0, 8
F
0, 7
D
0, 6
0, 5
rP
0, 4
0, 3
0, 2
te
0, 1
as
2 10 20 30 40 50 60 70 80 90 100 110 120 130 140 150 160 170 180 190 200
tamaño de muestra
• La proporción de lanzamientos que dan cara converge a

M
0,5. Intuitivamente se toma 0,5 como la probabilidad de
in
cara.
• Una probabilidad de 0,5 significa que se espera que el
ed
suceso "ocurra la mitad de las veces en un gran número

at
de repeticiones del experiment aleatorio”.

re

Ejemplo
r
to
La siguiente tabla presenta información estadística sobre
di
la performance de Leonel Messi al patear penales.
E
F
D
rP
te
Fuente
as
M
https://es.wikipedia.org/wiki/Anexo:Estad%C3%ADsticas_de_Lionel_Messi#Penaltis.
Fecha de acceso 23-03-19
in
a. ¿Cuál es la probabilidad de que Messi convierta un

tiro penal jugando para Barcelona?
ed
fA 51
hA = = = 0 ,7846  P(convertir penal en Barcelona)
at
n 65
re

Ejemplo
r
to
La siguiente tabla presenta información estadística sobre
di
la performance de Leonel Messi al patear penales.
E
F
D
rP
te
Fuente
as
M
https://es.wikipedia.org/wiki/Anexo:Estad%C3%ADsticas_de_Lionel_Messi#Penaltis.
Fecha de acceso 23-03-19
in
b. ¿Cuál es la probabilidad de que Messi convierta un

tiro penal jugando para Argentina?
ed
f A 16
hA = = = 0 ,8888  P(convertir penal en Argentina)
at
n 18
re

r
Espacio muestra equiprobable
to
di
Un espacio muestra  se dice equiprobable cuando todos
E
los sucesos elementales ω tienen la misma probabilidad de
ocurrencia.
F
D
Ejemplo:
rP
Extraer una carta de un naipe español y observar el ¨palo¨
Espacio Muestra: = {copa, oro, espada, basto}
te
Es un espacio muestra equiprobable?
as
M
Ejemplo:
Extraer una carta de un naipe español y observar si sale o
in
no un As.
ed
Espacio Muestra:  = {As , no As}

at
Es un espacio muestra equiprobable?

re

r
Probabilidad: Definición Clásica
to
di
Dado un espacio muestra equiprobable Ω y un
E
suceso A, (A incluido en Ω), la probabilidad de
F
ocurrencia de ese suceso es igual al cociente entre
D
el número de resultados favorables al suceso A y el
rP
número total de resultados posibles del experimento
te
as
número de resultados favorables a A
P(A) = M
número de resultados posibles
in
cardinal de A = # A
P(A) =
ed
cardinal de  # 
at
re

r
to
Ejemplo
di
E
F
de 1 a 10 y los sucesos A, B y E que se indican en la
D
siguiente representación de .
rP
B
te
A 6
3 1
as
9
M 5 2 7 E
4
10
8

in
 P(A) = . . . P(B) = . . . P(E) = . . .

ed
 P(A B) = . . . P(A B) = . . .

at
 P(A E) = . . . P(No E ) = . . .

re

r
to
Propiedades de la Probabilidad
di
1. La probabilidad de un suceso es un número
E
entre 0 y 1. Simbólicamente: 0 ≤P(A)≤ 1
F
D
rP
Aumento de probabilidad
te
as
M
0 0,5 1
in
A tiene igual
ed
probabilidad de
at
ocurrir o no
re

r
to
2. Un suceso con una probabilidad de 0 no ocurre
di
nunca y lo llamamos suceso imposible,
E
simbólicamente: P() = 0
F
D
rP
te
as
M
0 0,5 1
in
A no
ed
ocurrirá
at
re

r
to
3. En cada repetición del experimento aleatorio
di
obtenemos uno de los resultados posibles,
E
resulta entonces que la probabilidad del espacio
muestra es 1. Un suceso con probabilidad 1
F
D
ocurre siempre y se denomina suceso cierto o
rP
seguro. Simbólicamente: P() = 1.
te
as
M
in
0 0,5 1
ed
A no A sí
at
ocurrirá ocurrirá
re

r
to
4. La probabilidad de que un suceso no ocurra es 1
di
E
menos la probabilidad de que este suceso sí
ocurra. Simbólicamente: P(Ā) = 1 - P(A)
F
D
rP
5. Si los sucesos A y B son excluyentes, la
probabilidad de que ocurra A  B es la
te
suma de sus respectivas probabilidades.
as
M
Simbólicamente:
in
P(AB) = P(A) + P(B), si AB =

ed
at
re

r
to
6. Si los sucesos no son excluyentes, entonces la
di
probabilidad de que ocurra A B es:
E
F
P(AB) = P(A) + P(B) - P(AB), si AB ≠
D
rP
Regla de la suma
te
as
M
in
ed
at
re

r
to
Probabilidad de Condicional
di
E
F
D
rP
te
as
M
in
ed
at
re

r
to
Probabilidad de Condicional
di
El punto clave del ejemplo es que se puede mejorar la
E
estimación de que haya una erupción si se utiliza la
F
D
información que han ocurrido temblores.
rP
Se tiene que ajustar la probabilidad del suceso B
te
(erupción) teniendo en cuenta que ha ocurrido el
as
suceso A (temblores).
M
La probabilidad del suceso B sabiendo (dado) que ha
ocurrido el suceso A, se llama probabilidad
in
condicional.
ed
at
re

r
to
di
E
A B
F

D
rP
Si A ha ocurrido estamos restringidos a los resultados
de A.
te
Tenemos interés en los resultados de B que también
as
están en A, es decir, los resultados que están en A B.
M
La probabilidad de que ocurra B dado ha ocurrido A
in
se obtiene entonces dividiendo el área de A  B con el

área de A:
ed
area(AB ) P(A B)

B( )
P A = =
at
area(A) P(A)
re

r
to
Resumiendo:
di
( ) P( A B)
( ) P( A B )
E
P B = P A =
A B
F
P ( A) P(B)
D
rP
Sucesos independientes
te
Dos sucesos A y B se dicen independientes si la
as
ocurrencia de uno de ellos no afecta ni modifica la
probabilidad de ocurrencia del otro.
M
in
Si A y B son independientes entonces se verifica que:

ed
• P( A B) = P(A )P(B)

at
• P(A/B) = P(A) y P(B/A) = P(B)

re

r
to
Probabilidad del suceso Intersección
di
Despejando a partir de la fórmula de probabilidad
E
condicional, la probabilidad de la intersección de
F
dos sucesos es:
D
( ) P( A  B)
rP
P B =
A P ( A)
te
as
P( A  B ) = P(A )  P (B /A )
M
in
Regla del producto

ed
at
re

r
Cálculo de probabilidades
to
di
En general para calcular probabilidades se utiliza:
E
La definición clásica, o la definición frecuencial de
F
D
probabilidad.
rP
 Cuando interesa hallar la probabilidad de la unión
te
de dos sucesos se aplica la regla de la suma.
as
 Hay que chequear si los sucesos son excluyentes
M
Cuando interesa hallar la probabilidad de la
in
intersección de dos sucesos se aplica la regla del

ed
producto.
at
 Hay que chequear si los sucesos son independientes.

re

Teoria 2 Probabilidad

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Teoria 2 Probabilidad

Cargado por

Copyright:

Formatos disponibles

r

Unidad I: Nociones de Probabilidad

• Regla del producto

PROF. LUIS ARENAS - DEPARTAMENTO DE ESTADÍSTICA - UNCO 147

• Seleccionar una muestra aleatoria no se conoce

• El resultado de un partido Brasil-Argent de antemano

PROF. LUIS ARENAS - DEPARTAMENTO DE ESTADÍSTICA - UNCO 148

de muchas repeticiones es un hecho remarcable y es

la base de la idea de probabilidad.

PROF. LUIS ARENAS - DEPARTAMENTO DE ESTADÍSTICA - UNCO 149

Es cualquier subconjunto del espacio muestra , o sea,

es un subconjunto de los resultados posibles del

PROF. LUIS ARENAS - DEPARTAMENTO DE ESTADÍSTICA - UNCO 150

Suceso: Se pueden definir varios sucesos por ej:

A: Sale número par  A = {2, 4, 6}

B: Sale un número mayor que 4  B = {5, 6}

PROF. LUIS ARENAS - DEPARTAMENTO DE ESTADÍSTICA - UNCO 151

PROF. LUIS ARENAS - DEPARTAMENTO DE ESTADÍSTICA - UNCO 152

PROF. LUIS ARENAS - DEPARTAMENTO DE ESTADÍSTICA - UNCO 153

PROF. LUIS ARENAS - DEPARTAMENTO DE ESTADÍSTICA - UNCO 154

PROF. LUIS ARENAS - DEPARTAMENTO DE ESTADÍSTICA - UNCO 155

PROF. LUIS ARENAS - DEPARTAMENTO DE ESTADÍSTICA - UNCO 156

PROF. LUIS ARENAS - DEPARTAMENTO DE ESTADÍSTICA - UNCO 157

PROF. LUIS ARENAS - DEPARTAMENTO DE ESTADÍSTICA - UNCO 158

PROF. LUIS ARENAS - DEPARTAMENTO DE ESTADÍSTICA - UNCO 159

PROF. LUIS ARENAS - DEPARTAMENTO DE ESTADÍSTICA - UNCO 160

PROF. LUIS ARENAS - DEPARTAMENTO DE ESTADÍSTICA - UNCO 161

• La proporción de caras es variable si hacemos pocos

proporción de caras se estabiliza en 0,5.

• La proporción de caras tiende a la probabilidad teórica

de caras a medida que hacemos más lanzamientos.

PROF. LUIS ARENAS - DEPARTAMENTO DE ESTADÍSTICA - UNCO 162

fA cantidad de veces que ocurre A

PROF. LUIS ARENAS - DEPARTAMENTO DE ESTADÍSTICA - UNCO 163

de veces que el suceso ocurre en una larga serie de

repeticiones del experimento aleatorio en las mismas

PROF. LUIS ARENAS - DEPARTAMENTO DE ESTADÍSTICA - UNCO 164

• La proporción de lanzamientos que dan cara converge a

suceso "ocurra la mitad de las veces en un gran número

de repeticiones del experiment aleatorio”.

PROF. LUIS ARENAS - DEPARTAMENTO DE ESTADÍSTICA - UNCO 165

a. ¿Cuál es la probabilidad de que Messi convierta un

PROF. LUIS ARENAS - DEPARTAMENTO DE ESTADÍSTICA - UNCO 166

b. ¿Cuál es la probabilidad de que Messi convierta un

PROF. LUIS ARENAS - DEPARTAMENTO DE ESTADÍSTICA - UNCO 167

Espacio Muestra:  = {As , no As}

Es un espacio muestra equiprobable?

PROF. LUIS ARENAS - DEPARTAMENTO DE ESTADÍSTICA - UNCO 168

PROF. LUIS ARENAS - DEPARTAMENTO DE ESTADÍSTICA - UNCO 169

 P(A) = . . . P(B) = . . . P(E) = . . .

 P(A B) = . . . P(A B) = . . .

 P(A E) = . . . P(No E ) = . . .

PROF. LUIS ARENAS - DEPARTAMENTO DE ESTADÍSTICA - UNCO 170

PROF. LUIS ARENAS - DEPARTAMENTO DE ESTADÍSTICA - UNCO 171

PROF. LUIS ARENAS - DEPARTAMENTO DE ESTADÍSTICA - UNCO 172

PROF. LUIS ARENAS - DEPARTAMENTO DE ESTADÍSTICA - UNCO 173

P(AB) = P(A) + P(B), si AB =

PROF. LUIS ARENAS - DEPARTAMENTO DE ESTADÍSTICA - UNCO 174

PROF. LUIS ARENAS - DEPARTAMENTO DE ESTADÍSTICA - UNCO 175

PROF. LUIS ARENAS - DEPARTAMENTO DE ESTADÍSTICA - UNCO 176

PROF. LUIS ARENAS - DEPARTAMENTO DE ESTADÍSTICA - UNCO 177

se obtiene entonces dividiendo el área de A  B con el

area(AB ) P(A B)

PROF. LUIS ARENAS - DEPARTAMENTO DE ESTADÍSTICA - UNCO 178