Está en la página 1de 51

Probabilidad

Es la posibilidad numerica de que ocurra un evento

Evento imposible

Evento seguro
P(evento seguro)= 1
P(evento imposible)= 0
Por lo tanto, 0 < P(Ei)< 1, donde Ei es algun evento

La probabilidad se expresa SOLO


en valores de 0 a 1!
..NO decimos 50% de
probabilidad! Sino que un evento
tiene una probabilidad de 0.5

Experimento Aleatorio
Es una accin o proceso que puede tener
distintos resultados posibles, y cuyo
resultado no se conoce hasta que se lleva a
cabo.
1.Todos lo resultados posibles son conocidos
2.Antes de realizar el experimento el
resultado es desconocido
3.Es posible repetir el experimento en
condicione ideales

Ejemplos:
*Tirar una moneda
*Tirar un dado
*Tirar un dado y una moneda
*Observacin de 3 semillas en un cierto
orden, cada una de las cuales puede
estar sana o bien enferma
*Medir la cantidad de milmetros de
lluvia cados
*Elegir un nmero al azar
*Un inspector de control de calidad
analiza lotes de 60 articulos cada uno

Espacio muestral
Se denomina espacio muestral al conjunto
que consiste de todos los resultados
posibles de un experimento aleatorio. Este
conjunto se denotar por . EL ESPACIO
MUESTRAL ESTA COMPUESTO DE PUNTOS
MUESTRALES O EVENTOS ELEMENTALES.
Al tirar un dado hay 6 posibles resultados:
= {1,2,3,4,5,6}

Evento
Es un subconjunto del espacio muestral.
Se utilizan las letras A, B, C... para denotar los eventos (salvo y )
EJEMPLOS:

En el experimento de tirar 1 moneda una vez


A: La moneda cae en Sol
B: La moneda cae en guila
.

2) En el experimento de tirar una moneda 2


veces, hay 4 posibles eventos:
A: La moneda cae en el primer tiro en Sol y en
el segundo en guila
B: La moneda cae en el primer tiro en Sol y en
el segundo en Sol
C: La moneda cae en el primer tiro en guila y
en el segundo en guila
D: La moneda cae en el primer tiro en guila y
en el segundo en Sol

SEAN E1 Y E2 DOS EVENTOS CUALQUIERA QUE SE


MUESTRAN EN EL ESPACIO MUESTRAL:
*EL EVENTO FORMADO POR TODOS LOS POSIBLES
RESULTADOS EN E1 O E2 O EN AMBOS, RECIBE EL
NOMBRE DE UNIN E1 Y E2 .
*EL EVENTO FORMADO POR TODOS LOS
RESULTADOS COMUNES TANTO A E1 COMO A E2
RECIBE EL NOMBRE DE INTERSECCION.
*SE DICE QUE LOS EVENTOS E1 Y E2 SON
MUTAMENTE EXCLUYENTES O DISJUNTOS SI NO
TIENEN RESULTADOS EN COMN.
*SI CUALQUIER RESULTADOS DE E2 TAMBIEN ES UN
RESULTADO DE E1, SE DICE QUE EL EVENTO E2 ESTA
CONTENIDO EN E1.
* EL COMPLEMENTO DE UN EVENTO E CON
RESPECTO AL ESPACIO MUESTRAL S, ES AQUEL

Por ejemplo, lanzar un dado.


Espacio muestral S={1,2,3,4,5,6}
Puntos muestrales: {1}, {2},{3},{4},{5} y{6}
Algunos eventos: A={1,2}, B={2,4,6}, C={1,3,5}
Evento seguro: S={1, 2, 3, 4 , 5, 6}
Evento imposible(vacio): ={ }
Evento complemento (evento contrario de A):=
{3,4,5,6}

EVENTOS MUTAMENTE EXCLUYENTES:


Dos eventos son mutuamente
excluyentes si no tienen elementos en
comn y por lo tanto la ocurrencia de
uno prohbe la ocurrencia del otro.
A={1,2}
B={2,4,6}
C={1,3,5}

OPERACIONES DE CONJUNTOS

OPERACIONES DE CONJUNTOS

OPERACIONES DE CONJUNTOS

1.
2.
3.
4.

Modelo
Modelo
Modelo
Modelo

de frecuencia relativa
de Clsico (a priori)
subjetivo
bayesiano (a posteriori)

El modelo de frecuencia relativa utiliza datos que


se han observado empricamente, registra la
frecuencia con la que ha ocurrido un evento de
inters en el pasado y estima la probabilidad
de que el evento ocurra nuevamente con base
en esos datos histricos.

EJEMPLOS.
1. Asumiendo que durante el ao anterior en un
hospital local hubieron 50 nacimientos de los
cuales 32 de los recin nacidos fueron nias. El
modelo de frecuencia relativa revela que la
probabilidad de que en el siguiente nacimiento (o
un nacimiento elegido al azar) sea una nia es:
2. Colecta de fauna en un bosque:

En el modelo clsico (a priori) se conoce el


total de posibles resultados, se considera un
espacio muestral equiprobable y la
probabilidad de un evento se calcula:

EJEMPLOS.
1. Probabilidad de sacar 3 en el lanzamiento
de un dado:

2. Probabilidad de un as de una baraja:

TECNICAS DE CONTEO
REGLA MN: Considere un experimento
compuesto en el que la primer etapa se puede
realizar en m formas y, para cada una de
estas, la segunda etapa se puede lograr en n
formas, entonces hay mn formas para relizar
dicho experimento. Estilo (3), color (4)
REGLA MN extendida: si un experimento se
realiza en k etapas, con n1 en la primera etapa
hasta nk etapas entonces hay n1,n2,n3...nk
formas de realizar el experimento

TECNICAS DE CONTEO
PERMUTACIONES:

COMBINACIONES:

TECNICAS DE CONTEO
TANTO LAS PERMUTACIONES Y LAS
COMBINACIONES SON ARREGLOS SIN
REPETICION, ESTO ES QUE DESPUES DE
ELEGIDO UN ELEMENTO, ESTE YA NO
PUEDE VOLVER A SER ELEGIDO. SI SE
PERMITE LA DUPLICACION DE ALGUN
ELEMENTO, SE UTILIZARIA LA
ESCOGIENDA MUTIPLE DE CONTEO
nMr=nr

DADOS LOS CONJUNTOS FINITOS CON


ELEMENTOS DIFERENTES A={a1,a2,,an}
Y B={b1, b2,, bm}, SE QUIERE SABER
CUANTAS PAREJAS DIFERENTES SE
PUEDEN FORMAR CON SUS ELEMENTOS,
SI SE COLOCA PRIMERO UN ELEMENTO DE
CONJUNTO A, SEGUIDO DE UN ELEMENTO
DE CONJUNTO B. EL TOTAL DE ARREGLOS
SERA:
(n)*(m)

SEAN A1, A2, Am DIFERENTES TIPOS DE


ARREGLO QUE PUEDEN OCURRIR DE LAS
SIGUIENTES FORMAS n1, n2, n3nm,
ENTONCES EL TOTAL DE ARREGLOS DE
TODOS LOS m TIPOS OCURRIRAN DE:
n1+n2++nm

Diagrama de rbol
Nos sirve para representar Todos los
eventos sencillos que conforman a Todos
los posibles resultados de un experimento
conformado por dos o mas pasos.
La suma de las probabilidades de todos los
eventos de un espacio muestral = 1

Resultado del Dado 1


del Dado 2

1
2
3
4
5
6

(1,1)
(1,2)
(1,3)
(1,4)
(1,5)
(1,6)

1/36
1/36
1/36
1/36
1/36
1/36

1
2
3
4
5
6

(2,1)
(2,2)
(2,3)
(2,4)
(2,5)
(2,6)

1/36
1/36
1/36
1/36
1/36
1/36

1
2
3
4
5
6

(3.1)
(3,2)
(3,3)
(3,4)
(3,5)
(3,6)

1
2
3
4
5
6

(4,1)
(4,2)
(4,3)
(4,4)
(4,5)
(4,6)

1
2
3
4
5
6

(5,1)
(5,2)
(5,3)
(5,4)
(5,5)
(5,6)

1/36
1/36
1/36
1/36
1/36
1/36

1
2
3
4
5
6

(6,1)
(6,2)
(6,3)
(6,4)
(6,5)
(6,6)

1/36
1/36
1/36
1/36
1/36
1/36

Resultado

1/36
1/36
1/36
1/36
1/36
1/36
1/36
1/36
1/36
1/36
1/36
1/36

OPERACIONES CON EVENTOS


EVENTOS INDEPENDIENTES:
Dos eventos son independientes
cuando la ocurrencia de uno no afecta
en nada la ocurrencia del otro.
(Muestreo con reemplazo)
EVENTOS DEPENDIENTES:
Dos eventos son dependientes cuando
la ocurencia de uno esta condicionada
por el otro.

OPERACIONES CON EVENTOS

La Unin de eventos que no son


mutuamente excluyentes
A
5

B
3

1
6

= {1,2,3,4,5,6}
A={1,3,5}
B={1,2,3}
P(A)=3/6
P(B)=3/6

En este caso, los eventos A y B tienen elementos en comn (hay


interseccin; por lo que se les denomina EVENTOS QUE NO SON
EXCLUYENTES. Pueden ocurrir ambos eventos al mismo
Hay que RESTAR la probabilidad de
tiempo.
la interseccin! Ya que al SUMAR
las probabilidades de los eventos A
y B=
estoy
= (3/6 + 3/6 ) 2/6 = 4/6
2/3 tomando en cuenta al 3 y
al 1 dos veces! Y slo hay que
tomarlo en cuenta una vez

Eventos mutuamente excluyentes

Evento C: Observar un nmero


par
C={2,4,6}
P(C)= 3/6
5

4
1

Evento B: Observar un nmero


primo
D={3, 5}
P(D)= 2/6

En este caso, los eventos C y D NO tienen elementos en comn ( NO hay


interseccin;
). NO ocurren nunca al mismo tiempo! La P(C
D)= 0
En este caso,
P(C

D)= P(C) + P(D)


= 3/6 + 2/6
= 5/6

Cuando los eventos


son mutuamente
excluyentes, la unin
de esos eventos es la
suma de cada una de

Ahora vamos a considerar otro experimento: tirar 2 dados.

Hay 36 posibles eventos (36 posibles resultados al tirar dos dados).


S= { (1,1);(1,2); (1,3);(1, 4);(1,5);(1,6);(2,1);(2,2)............(6,1);(6,2);(6,3);
(6,4);(6,5);(6,6)}

Volviendo al experimento del tiro de los dos dados, consideremos


los siguientes eventos:
Evento A: Los dos dados caen el mismo nmero
Evento B: Los dos dados caen en nmeros que suman siete
Evento C: Los dados dados caen en nmeros que suman 8 o 10
A= { (1,1); (2,2); (3,3); (4,4); (5,5); (6,6)}
1/6

P(A)= 6/36 =

B= { (1,6); (2,5); (3,4); (4,3); (5,2); (6,1)}


1/6

P(B)= 6/36 =

C= { (2,6); (3,5); (4,4); (5,3); (6,2); (4,6); (5,5), (6,4)}


4/18

P(C)=8/36 =

Caso 1: Imagina que ganas si los dos dados caen en el mismo


nmero o si los dos dados suman siete.
Como son eventos mutuamente excluyentes, la probabilidad de que

Caso 2: Imagina que ganas si los dos dados caen en el mismo nmero
O si los dos dados suman ocho o diez
P(A U C= P(A) + P(C) P(A C) = 1/6 + 4/18 1/18=
6/18 = 1/3

Hay que tomar en cuenta la interseccin de


los eventos A y C : los dados caen en el
mismo nmero Y suman ocho o diez

NOTA:
La palabra O denota la UNIN de dos eventos.
La palabra Y denota la INTERSECCIN de dos eventos.

Pero ahora vamos a considerar otro experimento:


Extraer dos canicas de una bolsa negra.
Las canicas son 2 rojas, 1 azul, 1 amarilla y una verde

Problema: Se extraen dos canicas de la bolsa negra UNA POR UNA SIN
REGRESAR A LA BOLSA y con los ojos vendados. No se sabe el
resultado hasta haber extrado las dos canicas. Ganas $100 si sacas
una canica roja y una azul
Cul es la probabilidad de ganar?
Vamos a denominar Evento X al evento de sacar una canica roja y una
azul una por una de una bolsa negra, sin ver y sin regresar a la bolsa.
Para que ocurra este evento, slo hay dos maneras (posibles
escenarios):
Escenario 1: RA) La primer canica extrada es roja y la segunda es azul
Escenario 2: AR) La primer canica extrada es azul y la segunda es roja
Vamos a hacer primero un diagrama de rbol para facilitar el

Para el experimento de
sacar dos canicas, una
por una, sin ver y sin
regresar a la bolsa, hay
20 posibles resultados,
cada uno con una
probabilidad de 1/20
Escenario 1 Para el escenario 1
(RA) hay dos
resultados de los 20
posibles
Escenario 1

P(RA)=2/20= 1/10

Para el escenario 2
(AR) hay dos
Escenario 2 resultados de los 20
Escenario 2 posibles
P(AR)=2/20= 1/10

Como gano los $ 100 si sale primero la canica roja y luego la azul O si sale
primero la canica azul y luego la roja, entonces:
P(X)= 1/10 + 1/10 = 2/10 = 1/5
Vamos a ver otra manera de llegar al mismo resultado sin diagrama de
rbol:
Para el escenario 1, primero saco la canica roja y luego saco la azul.
La probabilidad de que en la primera extraccin saque una canica roja es 2/5

La probabilidad de que en la segunda extraccin saque una canica azul es 1/4

El espacio muestral se ha reducido! Ya he sacado


una canica de la bolsa en la primer extraccin!

La probabilidad de que ocurra el escenario 1 (sacar en la primera


extraccin una canica roja y en la segunda extraccin una azul) es:
P(R1 A2)= (2/5) (1/4) = 2/20 = 1/10
Ahora vamos a considerar el Escenario 2, primero saco la canica azul y
luego saco la roja.
La probabilidad de que en la primera extraccin saque una canica azul es
1/5

La probabilidad de que en la segunda extraccin saque una canica roja es


2/4
El espacio muestral se ha reducido! Ya he sacado
una canica de la bolsa en la primer extraccin!
La probabilidad de que ocurra el escenario 2 (sacar en la primera
extraccin una canica azul y en la segunda extraccin una roja) es:
P(R1 A2)= (1/5) (2/4) = 2/20 = 1/10

Y como gano los $ 100 si sale primero la canica roja y luego la azul O
si sale primero la canica azul y luego la roja, entonces:

Por lo tanto:
Si el problema con el que estoy trabajando implica un muestreo SIN
Remplazo, TENGO que considerar el cambio en el Espacio muestral
Si en el problema que implica Muestreo Sin Remplazo ya se est
especficando el orden de los eventos (el escenario), SLO considero
ESE escenario
(Gano si ocurre SLO ese escenario)
Si en el problema que implica Muestreo Sin Remplazo, NO se est
especificando el orden de los eventos (el escenario), entonces
considero TODOS los posibles escenarios.
(Gano si ocurre cualquiera de los escenarios)

Probabilidad Condicional
Es la probabilidad de que ocurra un evento cuando
ya ha ocurrido otro antes.
Por ejemplo:
Vamos a considerar al evento A I R: que salga una
canica azul dado que ya he extrado una roja.
R: Sacar una canica roja en la primer extraccin P(R)=
2/5
A: Sacar una canica azul en la segunda extraccin
P(A)= 1/4

Nota que:

<

P(A I

R)
La probabilidad
de que salga
una canica roja
en la primera
extraccin Y una
canica azul en la
segunda
extraccin

La
Probabilidad
de que salga
una canica
roja en la
primer

LaProbabilidad
de que salga
una canica azul
en la segunda
extraccin

1/4
La probabilidad
de que salga
una canica azul
DADO QUE ya
sali una canica
roja
P (A I R) = (2/5) (1/4) = 1/4
(2/5)

Se divide entre P (R) para tomar


slo en cuenta la probabilidad
de A una vez que ya ha ocurrido
R y se ha reducido el espacio
muestral!

80% de los alumnos estudi para el


exmen
75% de los alumnos aprob el examen
15% de los alumnos no estudi para el
examen y no lo aprob.

En este ejemplo quedan definidas las siguientes


probabilidades:
*P(A) probabilidad de que un alumno cualquiera apruebe
*P(B) probabilidad de que un alumno cualquiera estudie
*P(A/B) probabilidad de que un alumno que estudi
apruebe
*P(B/A) probabilidad de que un alumno que aprob haya
estudiado
*P(A/ BC) probabilidad de que un alumno que no estudi
apruebe
*P(B/ AC) probabilidad de que un alumno que no aprob
haya estudiado
*P( AC/B) probabilidad de que un alumno que estudi no
apruebe
*P( BC/A) probabilidad de que un alumno que aprob no
haya estudiado

EVENTOS MUTAMENTE
EXCLUYENTES Y COLECTIVAMENTE
EXHAUSTIVOS.
Constan de todos los posibles resultados de un
experimento y constituyen el espacio muestral.
Particiones del espacio muestral.

Experimento: Extraer un dulce de una bolsita


de crackups suaves y rasposos
Uva
(U)

Limn
(Lo)

Fresa
(F)

Naranja
(N)

Lima
(La)

Total

Suave (S)

38

Rasposo
(R)

10

11

13

46

Total
18
12
P(U) = 18/84 P(Lo)=12/84
P(La)=12/84

20
22
P(F)=20/84

12
P(N)=22/84

84

Busquen este
par de
fracciones en la
P(S)= 38/84
P(R)= 46/84
tabla de
contingencia.
Cul es la probabilidad de que sea de Uva y Suave? Seguro as les
quedar ms
clara la
diferencia entre
ySuave?
y dado que
Cul es la probabilidad de que sea de Uva dado que es

Se asume que Dunham Manufecturing utiliza


dos maquinas para producir su producto. La
maquina A produce el 60% de la produccin
total, y la maquina B produce el restante 40%.
El 2% de las unidades producidas por A son
defectuosas mientras B tiene 4%.
Cul es la probabilidad de que un producto lo
haya producido la maquina A dado que esta
defectuoso?
Cul es la probabilidad de que un producto lo
haya producido la maquina A dado que no esta
defectuoso?

AXIOMAS DE PROBABILIDAD (KOLMOGOROV, 1937)

TEOREMAS DE PROBABILIDAD.