ELEMENTOS DE PROBABILIDAD

Poblacin
N, ,
Estad. Inferencial
Probabilidad

Muestreo

Estad. Descriptiva
(Muestras)

ELEMENTOS DE PROBABILIDAD
En todo problema de investigacin intervienen
fenmenos que presentan dispersin. Para analizar
dichos problemas de manera que se incorpore esta
variabilidad en su anlisis, el investigador debe
utilizar una rama de las matemticas que trata de la
incertidumbre, denominada Teora de la probabilidad
La inferencia estadstica, parte de la estadstica, se
basa en los fundamentos de la teora de la
Probabilidad, rama de las matemticas que se
ocupan de los fenmenos que varan por efectos del
azar, o fenmenos aleatorios. Es decir, la
probabilidad es un argumento matemtico usado
para medir la posibilidad de ocurrencia de los
fenmenos aleatorios

EXPERIMENTOS, ESPACIOS MUESTRALES Y EVENTOS

INCERTIDUMBRE. Todo proceso que puede conducir a 2

ms resultados posibles; se denomina proceso incierto.
Ejemplo1. Un producto elaborado bajo ciertas
especificaciones de calidad puede o no cumplir
dichas especificaciones.
EXPERIMENTO ALEATORIO:()
Es todo proceso que se puede repetir indefinidamente y
que conduce a un resultado de los dos o ms resultados
posibles que genera el experimento
EJEMPLO1: De un conjunto de "n" probetas ensayadas
para determinar si cumplen con las epecificaciones
de calidad de un material, se determina el nmero de
probetas que cumplen dichas especificaciones.

Ms Ejemplos
EJEMPLO 2. Poner en funcionamiento una artefacto
elctrico hasta que falla y registrar el tiempo de
vida
Previo a la realizacin del Experimento (), no
podemos precisar cual ser el valor observado,
pero si podemos asumir un conjunto de
resultados posibles (incertidumbre).
Despus de la realizacin del experimento un
slo
valor
aparece
y
desaparece
la
incertidumbre.

ESPACIO MUESTRAL
ESPACIO MUESTRAL ():
Es el conjunto que incluye como elementos todos los resultados
posibles que se pueden generar al realizar un experimento
aleatorio. Cada uno de los resultados se denomina punto
muestral.
EJEMPLO 3: El espacio muestral asociado al Experimento 1
sera denotado de la manera siguiente:
= { 0,1,2,...,n}; n= Tamao de muestra
EJEMPLO 4: El espacio muestral asociado al experimento 2
Sera denotado de la siguiente manera:
= { t / tm < t < tM ; fR }

SUCESOS O EVENTOS
EVENTO: A un subconjunto de los posibles resultados
de un experimento se le denomina evento.
Notacin:
Evento: denota por : A, B, C, D, E, etc.
Elementos: con letras subindicadas: a1; a2;...
EVENTO SIMPLE:
Viene a ser un slo resultado del experimento, es
decir, un slo punto muestral, se denomina tambin
suceso
EVENTO COMPUESTO: Es el conjunto formado por 2
ms eventos simple (puntos muestrales).

EVENTOS ESPECIALES
EJEMPLO Sea el experimento: lanzar un dado normal y observar el nmero
que aparece en la cara superior.
El espacio muestral asociado a este experimento es:
= { 1, 2, 3, 4, 5, 6 }
Para este experimento podemos definir los siguientes eventos:
A: Observar un nmero par primo A={2}
B: Observar un nmero impar
B={1, 3, 5}
C: Observar un nmero par
C={2, 4, 6}
D: Observar un nmero < 4
D={1, 2, 3}
E: Observar un nmero < 7
E={1,2,3,4,5,6}
F: Observar un nmero > 6
F={ }
Evnto imposible ( ). No incluye ningn punto muestral.Ejemplo. F.
Evento cierto o seguro ( ).Incluye todos los puntos muestrales. Ejemplo.
Evento E.
Evento Complementario. Para un evento definido en , como B el evento
complementario es Bc = C, definidos anteriormente.
Eventos mutuamente excluyentes o incompatibles. Si no tienen ningn
punto muestral en comn, es decir no pueden ocurrir juntos. Ejemplo los
eventos B y C definidos anteriormente.
Eventos compatibles. Si al menos tiene algn punto muestral en comn, es
decir, pueden ocurrir juntos. Ejemplo los eventos B y D.
Eventos Colectivamente Exhaustivos. Cuando su unin produce el espacio
muestral. Ejemplo los eventos B y C definidos.

Ejemplo.
Una experiencia aleatoria consiste en preguntar a tres
personas distintas, elegidas al azar, si son partidarias
o no de consumir un determinado producto.
a) Escribe el espacio muestral asociado a dicho
experimento, utilizando la letra "s" para las
respuestas afirmativas y "n" para las negativas.
b) Qu elementos del espacio muestral anterior
constituyen el evento " al menos dos de las personas
son partidarias de consumir el producto"?
c) Describe el evento contrario de "ms de una
persona es partidaria de consumir el producto"

SOLUCIN

MEDIDA DE LA PROBABILIDAD
Si ": es un experimento aleatorio
: Espacio muestral
A: Evento definido en .
P(A): Probabilidad de ocurrencia del evento A.
Si: A, es el evento imposible
P(A) = 0.
A, es el evento Seguro
P(A) = 1.
A, es el evento incierto
0 < P(A) < 1.
En consecuencia para un evento cualquiera "A"
definido en un espacio muestral "", asociado a un
experimento "", se tiene:
0 P(A) 1.

CALCULO DE PROBABILIDAD DE 1 EVENTO

CRITERIO CLASICO O APRIORI.
"Si en un experimento a realizar pueden ocurrir n resultados
igualmente probables y mutuamente excluyentes, y de stos nA
resultados favorecen la ocurrencia del evento A, entonces"
nA
No. de resultados favorables al evento A
P(A) = ---- = -----------------------------------------------------n
No. de resultados posibles al realizar
EJEMPLO: Sea: = lanzamiento de un dado insesgado una vez y

registro del nmero que aparece en la cara superior.

= { 1,2,3,4,5,6 }
Sea A: aparece un nmero par, entonces A={2,4,6}
P(A) = ?
n = 6, nA= 3; si asumimos resultados igualmente probables
P(A) = nA/n = 3/6 = 0.5
P(A) = 50%

Criterio aposteriori o de la frecuencia relativa

"Si despus de realizar n veces un experimento simple bajo las mismas
condiciones, nA veces ocurri el evento A ( nA<n ), entonces una
estimacin de P(A) es " :
P(A) nA/n (frecuencia relativa)
Ejemplo. Al ensayar la resistencia de 10 probetas de aluminio, se hallaron los
siguientes resultados:
----------------------------------------------------------------Resistencia(lib/pie2) No. Prob. Frec.Relat.(hi)
----------------------------------------------------------------A < 160
3
0.3
160 B 200
5
0.5
C > 200
2
0.2
----------------------------------------------------------------Total
10
1.0
----------------------------------------------------------------Donde A, B y C, son eventos definidos como sigue:
A C = N de Probetas que no cumplen las especificaciones
B = N de probetas que cumplen con las especificaciones
P(B) = ?
N = 10, Nb= 5
P(B) = Nb/N = 5/10 = 0.5 = 50%

CRITERIO SUBJETIVO (EXPERTOS)

Cuando no se puede determinar la

probabilidad de ocurrencia de un evento
utilizando los dos criterios anteriores, se
recurre a la determinacin en base al
criterio de una persona experta dentro de
un campo especfico.
Ejemplo. Un Gelogo puede predecir aprox.
El predominio del tipo de suelo en un rea
local, si conoce la geologa local.

DEFINICION AXIOMATICA DE PROBABILIDAD

Sea : Experimento aleatorio
: Espacio muestral asociado.
A: Un evento definido sobre .
P(A): Funcin de valor real Normada a la que se
denomina probabilidad del evento A o probabilidad
de A si cumple con las siguientes axiomas:
AXIOMA 1: 0 p(A) 1, para cada evento A de .
AXIOMA 2: P() = 1.
AXIOMA 3: Para 2 eventos A y B definidos en ,
mutuamente
excluyentes:
P(AUB) = P(A) + P(B)

ASIGNACION DE PROBABILIDADES
Si un experimento se realiza n veces bajo las
mismas condiciones y el espacio muestral
consiste nicamente de los sucesos elementales
E1, E2,....En
P(E1) + P(E2) + ... + P(En) = 1
(*)
- Entonces podemos asignar cualquier nmero
arbitrario no negativo para las probabilidades de
stos sucesos simples siempre que satisfaga (*)
(enfoque aposteriori subjetivo).
- Si suponemos probabilidades iguales para todos
los sucesos simples ( Espacio muestral finito
Equiprobable), entonces:
P(Ei) = 1/n i = 1,2,3,..,n (Enfoque Apriori)

Probabilidad de un evento
" La probabilidad de un evento es la suma de
las probabilidades asignadas a los puntos
muestrales con los cuales el evento est
asociado".
As sea A un suceso tal que:
A = { E1, E2,...,Ek }
P(A) = P(E1) + P(E2) + ... + P(Ek)
= P(Ei); para todo i=1,,k

TEOREMAS SOBRE PROBABILIDADES

TEOREMA 1: Si el evento A est incluido en B, ambos
definidos en
P(A) P(B)
P(B-A) = P(B) - P(A)
TEOREMA 2: P() = 0; donde es el evento
imposible.
TEOREMA 3: Si Ac es el evento complementario de A,
entonces: P(Ac) = 1 - p(A)
TEOREMA 4: Si A y B son eventos definidos en ,
entonces:
P(A) = p(AB) + p(ABc)
TEOREMA 5. Sean A y B dos sucesos cualesquiera
definidos en , tal como se muestra en el diagrama
siguiente
P(AB) = P(A) + P(B) - P(AB)

Ejemplo.
Un Ingeniero est dando inicio a dos nuevos proyectos,
existe alguna incertidumbre acerca del tiempo para
completar cada proyecto. En un ao cada proyecto puede
ser:
Definitivamente completado = A
Cuestionablemente completado= B.
Definitivamente incompleto= C.
a) Describir el espacio muestral para el estado de
completamiento de los 2 proyectos al finalizar el ao
b) Asumiendo que el espacio muestral definido en a) es
equiprobable, determinar la probabilidad de que exactamente
un proyecto sea terminado en un ao.
c) Bajo el mismo supuesto de (b) determinar la probabilidad de
que un proyecto cualquiera o ambos sean definitivamente
completados en un ao.
d) Repetir el problema bajo el supuesto de que P(A) = 0.9,
P(B) = 0.07, y P(C) = 0.03.

SOLUCIN
Sea = Evaluacin de los 2 proyectos y la determinacin del
estado de ambos proyectos al finalizar el ao.
a) = { AA, AB, AC, BA, BB, BC, CA, CB, CC }
n( ) = (estad. alternativos de cada proyecto)No. Proyectos =9
= { w1, w2, w3, ..., w9 } ; wi = Punto. muestral es
equiprobable.
Cada wi tiene la misma probabilidad de ocurrir.
p(wi) = 1/9 i= 1,9
P(AA) = p(A)p(A) = (1/9); (indep. de eventos)

b) E1 = exactamente un proyecto sea completado al finalizar el ao

= { AB, AC, BA, CA }
n(E1) = 4
P(E1) = n(E1)/n( ) = 4/9
c) E2 = un proyecto o ambas sean completados al finalizar un ao
= { AA, AB, AC, BA, CA }
n(E2) = 5
P(E2) = 5/9

PROBABILIDAD CONDICIONAL
El concepto de Probabilidad Condicional surge cuando
se quiere obtener la probabilidad de un evento A, y se
tiene conocimiento que ya ocurri otro evento B
relacionado al primero y se denota con P[A|B] la cual se
lee como probabilidad de A dado B.y se define:
P(A/B) = P(AB)/P(B); P(B) > 0
Una pregunta que podra hacerse el lector es sobre la
necesidad de introducir este concepto. Para obtener una
respuesta a este interrogante, al menos intuitivamente,
supongamos se quiere conocer la probabilidad del
evento A = llover y se sabe que se present el evento
B = est nublado. Intuitivamente se percibe que la P[A]
aumentar si se sabe que ocurri B ya que ambos
eventos estn relacionados.

Probabilidad Condicional

AB

B: Espacio muestral restringido.

Ejemplo.
Los resultados de 266 muestras de aire se clasifican de acuerdo con la presencia de molculas raras. Sean A: el evento formado
por todas las muestras en las que se encuentra presente la molcula rara 1, y B: el evento formado por todas las
muestras de aire donde est presente la molcula 2. Al utilizar los resultados que aparecen en la tabla, se tiene
que:
Molcula 2
Presente
No
Si
Total

Molcula 1 Presente
No
212
18
230

Total
Si
24
12
36

p(molcula 2 presente /molcula 1 presente)

p(A/B)= P(AB)/P(B) = [(12/266)/(30/266)] = 12/30
Ntese que, en este ejemplo, las cuatro siguientes probabilidades son diferentes:
p(A)= 36/266
p(B)= 30/266

p(A/B)= 12/30
p(B/A)= 12/36

236
30
266

REGLA DE LA MULTIPLICACION DE EVENTOS

De la definicin de probabilidad condicional

Se deduce que la probabilidad de ocurrencia
del evento conjunto AB es:

P(AB) = P(A)P(B/A), o tambin

P(AB) = P(B)P(A/B)
Para 3 eventos A, B, C, se tiene:
P(ABC) = P(A) P`[(BC)/A],
P(ABC) = P(A) P(B/A) P[C/(AB)]

INDEPENDENCIA ESTADISTICA
Se dice que dos eventos A y B son

independientes si, y slo si, cualquiera de las

siguientes proposiciones es verdadera:
P(A/B) = P(A)
P(B/A) = P(B)
P(AB) = P(A) P(B)
Para tres eventos: A, B y C; independientes

entre si, se tiene:

P(ABC) = P(A) P(B) P( C )

Ejemplo
De un lote de 12 artculos, 4 de los cuales son defectuosos (D) y el
resto buenos (B), se selecciona aleatoriamente 3 artculos
secuencialmente i)sin sustitucin ii) con sustitucin, y de cada uno
se registra su condicin. Determinar:
a
El espacio muestral que genera este experimento.
b
La probabilidad de que ningn artculo sea defectuoso.
c
La probabilidad de que a lo ms un artculo de los tres
seleccionados sea defectuoso.
d
La probabilidad de que los dos primeros artculos
seleccionados sean
defectuosos.
Solucin
a) : Seleccionar 3 artculos sin reposicin y determinar su condicin
Cada prueba puede terminar en dos resultados posibles: Bueno (B)
Defectuoso (D).
El nmero de elementos de , es n() = (2)3
El espacio muestral
= {B1B2B3, B1B2D3, B1D2B3, D1B2B3, B1D2D3, D1B2D3,
D1D2B3, D1D2D3}

Ejemplo (continuac.)
b) Si la seleccin es sin sustitucin:

E = Ninguno de los tres artculos seleccionados es defectuoso.

E = { B1B2B3 }
P(E)=P(B1B2B3) = P(B1)P(B2/B1)P(B3/B1B2) = ( 8/12 ) (7/11) ( 6/10)
= 0.254 = 25.4%.
Si la seleccin es con sustitucin:
En este caso los eventos Bi; i=1,2,3; son independientes.
E
= { B1B2B3 }
P(E) = P(B1B2B3) = P(B1)P(B2)P(B3) = ( 8/12 ) (8/12) ( 8/12)
= 0.00463 = 0.463%
c) Si la seleccin es sin sustitucin:
F = A lo ms uno de los 3 artculos seleccionados sea defectuoso
F = { B1B2B3, B1B2D3, B1D2B3,D1B2B3 }
P(F) = p[B1B2B3 U B1B2D3 U B1D2B3 U D1B2B3]
= P(B1)P(B2/B1)P(B3/B1B2)+ P(B1)P(B2/B1)P(D3/B1B2)+
P(B1)P(D2/B1)P(B3/B1D2)+ (D1)P(B2/D1)P(B3/D1B2).
= (8/12)(7/11)(6/10)+ (8/12)(7/11)(4/10)+(8/12)(4/11)(7/10)
+ (4/12)(8/11)(7/10).
p(F) = 0.764 = 76.4%

TEOREMA DE LA PROBABILIDAD TOTAL

Formalmente, consideremos n eventos, mutuamente excluyentes y colectivamente exhaustivos: B1, B2, ...,
Bn.(Ver Graf.). Tales eventos se dice que forman una particin del espacio muestral
Entonces si A es un evento definido en
donde:
ABi, i, son eventos mutuamente excluyentes como se puede observar en el siguiente
grfico:
A

B1

B2

AB1

AB2

B3

AB3

. . .

Bn

.. .

ABn

P(A) = in=1 P(A/ Bi )P( Bi ) (Teorema de las probabilidades totales)

TEOREMA DE BAYES
Hace referencia a aquellas situaciones donde una vez producido un suceso A. se trata de calcular si el mismo es
debido a una causa B1, B2, ..., Bn.
Consideremos de nuevo la situacin descrita en el Teorema de la Probabilidad Total, y formulemos la siguiente
pregunta:
"Si el evento A ha ocurrido, cul es la probabilidad de que su ocurrencia haya sido causada por la ocurrencia de un
Bi?
Para evaluar esta probabilidad aplicamos:

P( Bi / A)

P( Bi ) P( A / Bi )
n

P( B ) P( A / B )
i

; i=1,,n

P(Bi/A) es la probabilidad de ocurrencia del suceso Bi dado que ocurri A.

EJEMPLO
El aire contaminado en una ciudad es causado
principalmente por la industria y el escape
automovilstico. En los prximos 5 aos, la
probabilidad de controlar estas dos fuentes de
contaminacin son 75% y 80%, respectivamente.
Asumir que si slo una de las dos fuentes es
suficientemente controlada, la probabilidad de causar
contaminacin del aire a un nivel aceptable es 80%.
a) Cul es la probabilidad de un control suficiente de
la contaminacin del aire en los prximos 5 aos?.
b) Si en los prximos 5 aos, el nivel de
contaminacin del aire no es suficientemente
controlado, cul es la probabilidad de que esto sea
causado enteramente por la falla del control del
escape automovilstico ?.

SOLUCION
Asumiendo independencia estadstica entre: (I) Control
de la Industria y (A) Control de Escape Automovilstico,
entonces:
p(AI) = 0.6 x 0.75 = 0.45
p(AI') = 0.6 x 0.25 = 0.15
p(A'I) = 0.4 x 0.25 = 0.39
p(A'I')= 0.4 x 0.25 = 0.10
Sea E = Evento control de la contaminacin del aire:
a. P(E)=
p(AI)p(E/AI)+p(AI')p(E/AI')+p(A'I)p(E/A'I)+p(A'I')p(E/A'I')
= 0.45x1.0 + 0.15x0.80+0.30x0.8 + 0.10x 0
= 0.81 = 81%
b.p(A'I/E') = [p(A'I)p(E'/A'I)]/p(E') = [0.30x0.20]/0.19
= 0.32 = 32%.