Está en la página 1de 60

UNIVERSIDAD NACIONAL JOSÉ MARÍA

ARGUEDAS

CURSO ESTADISTICA
TEMA: PROBABILIDADES
PROBABILIDADES
Experimentos y Eventos

Es una medida numérica, en que grado se produce una situación, tiene un rango
Entre cero 0 y 1
Probabilidad
• Es la medida
numérica de la
posibilidad de que un
evento pueda ocurrir.
• Su valor está entre 0 y
1

Cierto
Imposible
0.5
1
0
50 %
0 %
100 %
Experimentos y Eventos
• ¿Cuál es la probabilidad de obtener una
cara, si arrojamos una moneda una
vez?
Posibles Resultados de Número
Favorables Resultados de Número
Prob
 
 
5 . 0
2
1
,
 
s c
c
Experimentos y Eventos
• ¿Cuál es la probabilidad de obtener 1
cara si arrojamos una moneda tres
veces?
Posibles Resultados de Número
Favorables Resultados de Número
Prob
 
 
375 . 0
8
3
) ( ), ( ), ( ), ( ), ( (csc), ), ( ), (
) ( ), ( ), (
 
sss ssc scs scc css ccs ccc
ssc scs css
C
S
C
C
C
C
C
S
S
S
S
S
S
C
ÁRBOL DE
PROBABILIDADES
Experimentos y Eventos
• ¿Si lanzamos 2 dados, cuál es la
probabilidad de obtener un puntaje de
7?
Posibles Resultados de Número
Favorables Resultados de Número
Prob
 
1667 . 0
36
6
6
) 1 , 6 ( ), 2 , 5 ( ), 3 , 4 ( ), 4 , 3 ( ), 5 , 2 ( ), 6 , 1 (
2
 
Experimentos y Eventos
• ¿Cuál es la probabilidad de sacar un as
al sacar un naipe de una baraja?
Posibles Resultados de Número
Favorables Resultados de Número
Prob
 
0769 . 0
13
1
52
4
Naipes 52
Espadas de As Diamantes, de As Tréboles, de As Corazones, de As
  
Definiciones
• Experimento
– Actividad que origina un evento.
– Proceso de hacer una observación y obtener un
resultado.
• Evento
– Uno o más de los posibles resultados de un
experimento.
• Espacio Muestral
– Colección de todos los posibles resultados de un
experimento.
Lanz. una moneda Cara, Sello.
Lanz. dos veces una monedas CC, CS, SC, SS
Sacar una carta (valor) 2, 2, ..., A (52)
Sacar una carta (color) Roja, Negra
Lanzar un dado. 1, 2, 3, 4, 5, 6
Jugar un partido Ganar, Empatar,
Perder
Inspeccionar una parte Defectuoso, Bueno

Experimento Espacio Muestral
Algunos principios de conteo
• Fórmula de la multiplicación: si hay m
modos de hacer una cosa y n formas de
hacer otra, existen m x n formas de hacer
ambas.
• EJEMPLO: Una persona tiene 10 camisas
y 8 corbatas. ¿Cuántos conjuntos de
camisas /corbatas tiene?
(10)(8) = 80.
5-37
Enfoques de la probabilidad
• Probabilidad clásica: se basa en la
consideración de que los resultados de un
experimento son igualmente posibles.
• Utilizando el punto de vista clásico,
posibles resultados de total número
favorables resultados de número
= evento un de ad Probabilid
5-4
• Frecuencia Relativa: La probabilidad de
que un evento ocurra a largo plazo se
determina observando en qué fracción de
tiempo sucedieron eventos semejantes en
el pasado.
nes observacio de total número
evento el ocurrió que veces de número
= evento del ad Probabilid
5-8
Enfoques de la probabilidad
• Probabilidad Subjetiva: La probabilidad de
que suceda un evento específico que asigna
una persona con base en cualquier
información disponible.
• Ejemplos de la probabilidad subjetiva son
estimar la probabilidad de que un equipo de
fútbol gane el campeonato este año.
5-10
Enfoques de la probabilidad
Clases de Eventos
• Eventos Mutuamente Excluyentes
– Dos o más eventos que no pueden ocurrir al mismo
tiempo.
– A: Reina de Corazones; B: Reina de Espadas
• Los eventos A y B son mutuamente excluyentes.
• Eventos No Mutuamente Excluyentes
– Dos o más eventos que si pueden ocurrir al mismo
tiempo.
– A: Naipes de Corazones; B: As
• Los eventos A y B no son mutuamente excluyentes.
• El As de Corazones
Mutuamente Excluyentes
Evento A Evento B
Espacio Muestral
No Mutuamente Excluyentes
Evento B Evento A
Reglas básicas de probabilidad
• Si los eventos son mutuamente excluyentes,
la ocurrencia de cualquier evento impide que
el otro evento ocurra.
5-11
Evento A Evento B
Regla de la Adición
• Si dos eventos A y B son mutuamente
excluyentes, la probabilidad de que ocurra
A o B es igual a la suma de sus
probabilidades respectivas:
• P(A o B) = P(A) + P(B)
• Probabilidad que al lanzar una moneda
salga cara o sello.

Regla del complemento
• La regla del complemento se utiliza para
determinar la probabilidad de un evento,
conociendo su probabilidad de No Ocurrencia.
• Se obtiene restando del número 1 la
probabilidad de que No ocurra un evento.
• Si P(A) es la probabilidad del evento A y P(A
c
)
es el complemento de A,
– P(A) + P(A
c
) = 1
– P(A) = 1 – P(A
c
).
5-14
Complemento
Evento A
Complemento de A

A
c
Regla especial de la adición
• Si A y B son dos eventos que no son
mutuamente excluyentes, entonces
P(A o B) se calcula con la siguiente
fórmula:
• P(A o B) = P(A) + P(B) - P(A y B)
5-18
Regla especial de la Adición
Evento B Evento A
P(A o B) = P(A) + P(B) - P(A y B)
PROBABILIDADES
Independencia y Dependencia
Estadística
Independencia Estadística
• La presentación de un evento no tiene
efecto sobre la probabilidad de
presentación de cualquier otro evento.
– Probabilidad Marginal o Incondicional
– Probabilidad Conjunta
– Probabilidad Condicional
Dependencia estadística se presenta cuando un evento, influye en el otro evento
Por Ej.. Existe la probabilidad de contraer enfermedad cáncer de mamas, con
Mayor probabilidad más de mujeres que en hombres, entonces eln evento de tener
Cáncer de mamas, depende de ser hombre o mujer, entonces existe dependencia
estadística
Probabilidad Marginal
• Probabilidad simple de presentación de un
evento. P(A).
• Probabilidad de obtener un as.
• Probabilidad de obtener una carta de
corazones.
• Probabilidad de sacar una cara al lanzar
una moneda.
Probabilidad Conjunta
• Probabilidad de que dos o más eventos
independientes se presenten juntos o en
sucesión. P(AB) o P(A,B) o P(AyB).
• Probabilidad de sacar un as de corazones.
• Probabilidad de obtener tres caras al
lanzar una moneda tres veces.

5-23
Regla especial de
multiplicación
• La regla especial de multiplicación
requiere que dos eventos A y B sean
independientes.
• P(A y B) = P(A ∩ B)= P(A) * P(B).
5-24
Se multiplican las probabilidades de cada evento, se obtiene la probabilidad
Conjunta.
P(A
1
y B
2
) P(A
1
)
Total Evento
Tabla de Contingencia
P(A
2
y B
1
)
P(A
1
y B
1
)
Evento
Total 1
Probabilidad
Conjunta
Probabilidad Marginal (Simple)
A
1
A
2
B
1
B
2
P(B
1
) P(B
2
)
P(A
2
y B
2
) P(A
2
)
Tabla de Contingencia
Negro
Color
Tipo
Rojo Total
As 2 2 4
No As 24 24 48
Total 26 26 52
La probabilidad conjunta de sacar un as de color rojo es
2/52= 1/26
Tabla de Contingencia
Negro
Color
Tipo
Rojo Total
As 1/26 1/26 2/26
No As
6/13
6/13 12/13
Total 13/26
13/26 26/26
Escoger un artículo
¿Cuál es la Probabilidad?
P (A) = 6/10
P (D) = 5/10
P (C y B) = 1/10
P (A o D) =9/10
P (B y D) = 3/10
Evento
Evento C D Total
A 4 2 6
B 1 3 4
Total 5 5 10

A: Artículos en idioma español
B: Artículos en idioma inglés.
C: Artículos sobre estadística.
D: Artículos sobre gestión.
Solución
Las probabilidades son:
P (A) = 6/10
P (D) = 5/10
P (C y B) = 1/10
P (A o D) = 9/10
P (B y D) = 3/10
Evento
Evento C D Total
A 4 2 6
B 1 3 4
Total 5 5 10

Probabilidad Condicional
• Probabilidad condicional es la
probabilidad de que ocurra un evento en
particular, dado que otro evento ya ocurrió.
P(A|B). Probabilidad de A “dado” B.
• En el caso de eventos independientes,
como el evento B no influye en el evento A:
P(A|B) = P(A)
(Sirve para demostrar A y B son independientes)

5-27
En este caso, la prob. De B,
No me interesa
Dependencia Estadística
• Cuando la probabilidad de que se
presente algún evento depende o se ve
afectada por la presentación de algún otro
evento.
– Probabilidad Condicional
– Probabilidad Conjunta
– Probabilidad Marginal
Color: C
Grises: G
Puntos: P
Rayas: R
• P(P|C) = 3/4
– P(P,C) = 3/10
– P(C) = 4/10
4
3
10
4
10
3
) (
) , (
) | (   
C P
C P P
C P P
Probabilidad Condicional
• P(R|C) = 1/4
– P(R,C) = 1/10
– P(C) = 4/10
4
1
10
4
10
1
) (
) , (
) | (   
C P
C R P
C R P
• P(P|G) = 2/6 = 1/3
– P(P,G) = 2/10
– P(G) = 6/10
3
1
10
6
10
2
) (
) , (
) | (   
G P
G P P
G P P
• P(G|P) = 2/5
– P(G,P) = 2/10
– P(P) = 5/10
5
2
10
5
10
2
) (
) , (
) | (   
P P
P G P
P G P
• P(C|R) = 1/5
– P(C,R) = 1/10
– P(R) = 5/10
5
1
10
5
10
1
) (
) , (
) | (   
R P
R C P
R C P
Probabilidad Condicional
(Dependencia Estadística)
) (
) , (
) | (
A P
A B P
A B P 
) (
) , (
) | (
B P
B A P
B A P 
Donde la probabilidad conjunta es igual, pero no la prob. condicional
Probabilidad Conjunta
(Dependencia Estadística)
) ( * ) | ( ) , ( A P A B P A B P 
) ( * ) | ( ) , ( B P B A P B A P 
• P(C,R) = P(C|R)*P(R) = 1/5 * 5/10 = 1/10
• P(C,P) = P(C|P)*P(P) = 3/5 * 5/10 = 3/10
) ( * ) | ( ) , ( B P B A P B A P 
Probabilidad Marginal
(Dependencia Estadística)
• Suma de las probabilidades de TODOS
los eventos CONJUNTOS en los que se
presenta el evento sencillo.
• P(C,R) = P(C|R)*P(R) = 1/5 * 5/10 = 1/10
• P(C,P) = P(C|P)*P(P) = 3/5 * 5/10 = 3/10
P(C) = P(C,R) + P(C,P) = 1/10 + 3/10 = 4/10
Ejercicio
¿Cuál es la probabilidad?
P (A|D) =
P (C|B) = 1/4
Son C y B
independientes?
Evento
Evento C D Total
A 4 2 6
B 1 3 4
Total 5 5 10

A: Artículos en idioma español
B: Artículos en idioma inglés.
C: Artículos sobre estadística.
D: Artículos sobre gestión.
5
2
10
6
P(A)
4
1
10
5
P(C)
4
1
10
4
10
1
P(B)
B) y P(C
B) | P(C
5
2
10
5
10
2
P(D)
D) y P(A
D) | P(A
   
  
  
Evento
Evento C D Total
A 4 2 6
B 1 3 4
Total 5 5 10

Tipos de Probabilidades
Condiciones de
Dependencia
Estadística
Condiciones de
Independencia
Estadística
Tipos de
Probabilidad
Símbolo
Marginal P ( A ) P ( A )  P (ABi)
Condicional P ( A|B ) P ( A ) P (A,B) / P ( B )
Conjunta P ( A,B ) P ( A ) x P (B) P (A | B) x P (B )
Teorema de Bayes
Revisión de Probabilidades
Posibilidades
a priori
Información
Nueva
Teorema
de Bayes
Posibilidades
posteriores
) (
) , (
) | (
A P
A B P
A B P 
Teorema de Bayes
• En un pueblo alejado, 5% de la población padece una
enfermedad originaria de dicho lugar. A priori podemos
afirmar que la probabilidad de que una persona
seleccionada al azar padezca la enfermedad es 5%, y
de que no la padezca es 95%.
• Existe una prueba de diagnóstico para detectar la
enfermedad.
– Si una persona tiene la enfermedad, la prueba sale positiva en
90% de los casos.
– La estadística muestra además que en 15% de los casos, a
pesar de que la persona no padecía la enfermedad, la prueba
salió positiva.
• Si escogemos a una persona, y al hacerle la prueba de
diagnóstico, ésta sale positiva, ¿Cuál es la probabilidad
de que la persona tenga realmente la enfermedad?

P(E)
P(no E)
P(P|E)
P(N|E)
P(P|noE)
P(N|noE)
24 . 0
1875 . 0
0450 . 0
) (
) , (
) | (   
P P
P E P
P E P
P(E,P)=0.05x0.90=0.0450
P(E,N)=0.05x0.10=0.0050
P(noE,P)=0.95x0.15=0.1425
P(noE,N)=0.95x0.85=0.8075
0.0450 +
0.1425
0.1875
Teorema de Bayes
• Una manufacturera recibe embarques de piezas de dos
proveedores. El 65% de las piezas adquiridas provienen
del proveedor 1 y el 35% restante del proveedor 2.
Según la estadística existente, de las 100 últimas piezas
recibidas del proveedor 1, 98 estuvieron buenas y 2
estuvieron malas. En el caso del proveedor 2, 95 piezas
de 100 estuvieron buenas y 5 fueron malas. Suponga
que una de las piezas recibidas de los dos proveedores
está mala, ¿cuál es la probabilidad que provenga del
proveedor 1? ¿Cuál es la probabilidad que provenga del
proveedor 2?
P(1)
P(2)
P(B|1)
P(M|1)
P(B|2)
P(M|2)
4262 . 0
0305 . 0
0130 . 0
) (
) , 1 (
) | 1 (   
M P
M P
M P
P(1,B)=0.65x0.98=0.6370
P(1,M)=0.65x0.02=0.0130
P(2,B)=0.35x0.95=0.3325
P(2,M)=0.35x0.05=0.0175
0.0130 +
0.0175
0.0305
5738 . 0
0305 . 0
0175 . 0
) (
) , 2 (
) | 2 (   
M P
M P
M P
Tabla de Excel
) (
) , 1 (
) | 1 (
M P
M P
M P 
) (
) , 2 (
) | 2 (
M P
M P
M P 
Pr. Marginal Pr. Condicional Pr. Conjunta
Evento P(Evento) P(Mala|Evento) P(Evento,Mala)
Proveedor 1 0.65 0.02 0.0130 P(1,Mala)
Proveedor 2 0.35 0.05 0.0175 P(2,Mala)
0.0305 P(Mala)
P(1|M) 0.4262
P(2|M) 0.5738
Teorema de Bayes
• En una fábrica existe una máquina que produce
automáticamente engranajes. Si la máquina está
correctamente calibrada producirá 90% de piezas
buenas. Si está mal calibrada producirá sólo 40% de
piezas buenas. La experiencia pasada indica que el 70%
de los trabajos de calibración dan buenos resultados.
Luego de un trabajo de mantenimiento, la máquina
produce 3 engranajes buenos, como las primeras tres
piezas.
• Se desea conocer la probabilidad revisada que la
calibración halla sido buena?
P(C)
P(NC)
P(B|C)
P(BB|C)
P(BBB|C)
P(C,BBB)=0.70x(0.90)
3
=0.5103
P(NC,BBB)=0.30x(0.40)
3
=0.0192
9637 . 0
5295 . 0
5103 . 0
) (
) , (
) | (   
BBB P
BBB C P
BBB C P
0.5103 +
0.0192
0.5295
Tabla de Excel
) (
) , (
) | (
BBB P
BBB Calibrada P
BBB Calibrada P 
) (
) , Calibrada No (
) | Calibrada No (
BBB P
BBB P
BBB P 
Pr. Marginal Pr. Condicional Pr. Condicional Pr. Conjunta
Evento P(Evento) P(B|Evento) P(BBB|Evento) P(Evento,BBB)
Calibrada 0.70 0.90 0.7290 0.5103 P(Calibrada, BBB)
No Calibrada 0.30 0.40 0.0640 0.0192 P(No Calibrada, BBB)
0.5295 P(BBB)
P(Calibrada|BBB) 0.9637
P(No Calibrada|BBB) 0.0363
GRACIAS