Estadstica para Administracin

4a Edicin
Captulo 4
Conceptos Bsicos de
Probabilidad
Business Statistics, A First Course (4e) 2006 Prentice-Hall, Inc.

Chap 4-1

Objetivos de Aprendizaje
En este captulo, usted aprender:

Los conceptos y definiciones de la Probabilidad

Bsica
Probabilidad Condicional
El uso del Teorema de Bayes para
probabilidades revisadas
Varias reglas de conteo

Business Statistics, A First Course (4e) 2006 Prentice-Hall, Inc.

Chap 4-2

Trminos Importantes

Probabilidad La posibilidad u oportunidad de

que un evento o acontecimiento incierto pueda
ocurrir (siempre estar entre 0 y 1)
Evento Cada resultado posible de una
variable
Evento Simple Un acontecimiento que puede
ser descrito por una sola caracterstica
Espacio Muestral El conjunto de todos los
posibles eventos

Business Statistics, A First Course (4e) 2006 Prentice-Hall, Inc.

Chap 4-3

Puntos de vista de la Probabilidad

Existen tres aproximaciones sujetas a la definicin de

probabilidad de un acontecimiento incierto:
1. Probabilidad clsica o a priori
probabilidad de ocurrencia

X
nmero de formas en las que el evento ocurre

T
numero total de resultados posibles

2. Probabilidad empirica
probabilidad de ocurrencia

nmero de resultados favorables observados

nmero total de resultados posibles

3. Probabilidad subjetiva
una opinin o juicio individual sobre la probabilidad de ocurrencia de un
evento

Business Statistics, A First Course (4e) 2006 Prentice-Hall, Inc.

Chap 4-4

Espacio Muestral
El Espacio Muestral es el conjunto de todos los
posibles eventos
Por ejemplo: Todas las 6 caras de un dado:

Por ejemplo: Todas las 52 cartas de un mazo

de poker:

Business Statistics, A First Course (4e) 2006 Prentice-Hall, Inc.

Chap 4-5

Eventos

Evento Simple

Complemento de un evento A (denotado A)

Un resultado de un espacio muestral con una caracterstica

Por ejemplo, Una carta roja de un mazo de cartas
Todos los resultados que no hacen parte del evento A
Por ejemplo, Todas las cartas que no son diamantes

Evento Conjunto

Involucra dos o ms caractersticas simultneamente

Por ejemplo, Un as que tambin es rojo de un mazo de cartas

Business Statistics, A First Course (4e) 2006 Prentice-Hall, Inc.

Chap 4-6

Visualizacin de Eventos

Tablas de Contingencia
Ases

Espacio
Muestral

24

26

Rojas

24

26

Diagramas de Arbol
Mazo
completo de
52 cartas

Total

Negras

Total

Otras

4
Ases

48

gras
e
n
s
Carta
Otras cartas
Ases
Cartas
rojas
Otras
cartas

Business Statistics, A First Course (4e) 2006 Prentice-Hall, Inc.

52
2

Espacio
Muestral

24
2
24
Chap 4-7

Visualizacin de Eventos

Diagramas de Venn

Sea A = ases

Sea B = cartas rojas

A B = as y roja

A U B = as o roja

Business Statistics, A First Course (4e) 2006 Prentice-Hall, Inc.

Chap 4-8

Eventos Mutuamente Excluyentes

Eventos Mutuamente excluyentes

Son eventos que no pueden ocurrir

simultneamente
ejemplo:

A = reina de diamante; B = reina de trbol

Los eventos A y B son mutuamente excluyentes

Business Statistics, A First Course (4e) 2006 Prentice-Hall, Inc.

Chap 4-9

Eventos Colectivamente Exhaustivos

Eventos colectivamente exhaustivos

Uno de los eventos debe ocurrir

El conjunto de eventos cubre la totalidad del espacio
muestral

ejemplo:
A = ases; B = cartas negras;
C = diamantes; D = corazones

Los eventos A, B, C y D son colectivamente exhaustivos

(pero no mutuamente excluyentes un as puede ser
tambin un corazn)
Los eventos B, C y D son colectivamente exhaustivos y
tambin mutuamente excluyentes

Business Statistics, A First Course (4e) 2006 Prentice-Hall, Inc.

Chap 4-10

Probabilidad

La Probabilidad es la medida
numrica de la verosimilitud de que
un evento pueda ocurrir

Cierto

La probabilidad de cualquier evento

debe estar entre 0 y 1, inclusive
0 P(A) 1

Para cualquier evento A

0.5

La suma de las probabilidades de todos los

eventos mutuamente excluyentes y
colectivamente exhaustivos es 1

P(A) P(B) P(C) 1

Si A, B, y C son mutuamente excluyentes

Improbable

y colectivamente exhaustivos
Business Statistics, A First Course (4e) 2006 Prentice-Hall, Inc.

Chap 4-11

Clculo de probabilidades
conjuntas y marginales

La probabilidad de un evento conjunto, A y B:

nmero de resultados favorables A y B
P( A y B)
nmero total de resultados posibles

Clculo de una probabilidad marginal (o simple):

P(A) P(A y B1 ) P(A y B 2 ) P(A y Bk )

Donde B1, B2, , Bk son eventos mutuamente excluyentes y

colectivamente exhaustivos

Business Statistics, A First Course (4e) 2006 Prentice-Hall, Inc.

Chap 4-12

Ejemplo de Probabilidad Conjunta

P(Rojo y As)

nmero de cartas que son rojas y ases 2

nmero total de cartas

52

Tipo

Color
Rojo

Negro

Total

As

Otras

24

24

48

Total

26

26

52

Business Statistics, A First Course (4e) 2006 Prentice-Hall, Inc.

Chap 4-13

Ejemplo de Probabilidad Marginal

P(As)
P( As y Roja ) P ( As y Negra )

Tipo

Color

2
2
4

52 52 52

Rojo

Negro

Total

As

Otras

24

24

48

Total

26

26

52

Business Statistics, A First Course (4e) 2006 Prentice-Hall, Inc.

Chap 4-14

Probabilidades conjuntas usando

tablas de contingencia
Evento
Evento

B1

B2

Total

A1

P(A1 y B1)

P(A1 y B2)

P(A1)

A2

P(A2 y B1)

P(A2 y B2)

P(A2)

Total

P(B1)

Probabilidades
Conjuntas
Business Statistics, A First Course (4e) 2006 Prentice-Hall, Inc.

P(B2)

Probabilidades Marginales (o
Simples)
Chap 4-15

Regla General de la Adicin

Regla General de la Adicin:
P(A o B) = P(A) + P(B) - P(A y B)
Si A y B son mutuamente excluyentes, entonces
P(A y B) = 0, por lo que la regla queda
simplificada as:
P(A o B) = P(A) + P(B)
Para eventos A y B mutuamente excluyentes
Business Statistics, A First Course (4e) 2006 Prentice-Hall, Inc.

Chap 4-16

Ejemplo de la regla de la Adicin

P(Roja o As) = P(Roja) +P(As) - P(Roja y As)
= 26/52 + 4/52 - 2/52 = 28/52

Tipo

Color
Rojo

Negro

Total

Ases

Otras

24

24

48

Total

26

26

52

Business Statistics, A First Course (4e) 2006 Prentice-Hall, Inc.

No se cuentan
las 2 cartas
que son rojas
y ases

Chap 4-17

Clculo de Probabilidades
Condicionales

Una probabilidad condicional es la probabilidad de un

evento, dado que otro evento ha ocurrido:

P(A y B)
P(A | B)
P(B)

La probabilidad
condicional de A dado
que B ya ocurri

P(A y B)
P(B | A)
P(A)

La probabilidad
condicional de B dado
que A ya ocurri

Donde P(A y B) = probabilidad conjunta de A y B

P(A) = probabilidad marginal de A
P(B) = probabilidad marginal de B
Business Statistics, A First Course (4e) 2006 Prentice-Hall, Inc.

Chap 4-18

Ejemplo de Probabilidad
Condicional

De un lote de autos usados, el 70% tiene aire

acondicionado (AC) y 40% tiene radio CD (CD).
El 20% de los autos tiene ambos servicios.
Cul es la probabilidad de que un auto tenga radioCD, dado que tiene aire acondicionado?
esto es, queremos encontrar P(CD | AC)

Business Statistics, A First Course (4e) 2006 Prentice-Hall, Inc.

Chap 4-19

Ejemplo de Probabilidad Condicional

(continuacin)

Del lote autos usados, 70% tiene aire acondicionado

(AC) y 40% tiene radio-CD (CD).
20% de los autos tiene ambos servicios.
CD

No CD

Total

AC

0.2

0.5

0.7

No AC

0.2

0.1

0.3

Total

0.4

0.6

1.0

P(CD y AC) 0.2

P(CD | AC)

0.2857
P(AC)
0.7
Business Statistics, A First Course (4e) 2006 Prentice-Hall, Inc.

Chap 4-20

Ejemplo de Probabilidad Condicional

(continuacin)

Dado AC, significa que solo podemos considerar la fila superior (70%
de los autos). De estos, 20% tienen radio-CD. 20% del 70% est
alrededor de 28.57%.

CD

No CD

Total

AC

0.2

0.5

0.7

No AC

0.2

0.1

0.3

Total

0.4

0.6

1.0

P(CD y AC) 0.2

P(CD | AC)

0.2857
P(AC)
0.7
Business Statistics, A First Course (4e) 2006 Prentice-Hall, Inc.

Chap 4-21

Uso de Arboles de Decisin

e CD
n
e
i
T

Dado AC o
no AC:
C
P(A

.7
0
)=

No t
iene

CD

AC
e
n
Tie
Todos
los
autos

No
ti

ene

AC

P(A
C

)=

e CD
n
e
i
T

0.3

Business Statistics, A First Course (4e) 2006 Prentice-Hall, Inc.

No t
iene
CD

.2
.7

.5
.7
.2
.3

.1
.3

P(AC y CD) = 0.2

P(AC y CD) = 0.5

P(AC y CD) = 0.2

P(AC y CD) = 0.1

Chap 4-22

Uso de Arboles de Decisin

Dado que
tienen radioCD o no:
Todos
los
autos

ne
e
i
T

No
ti

CD

ene
CD

e AC
n
e
i
T

P(C

0
=
)
D

P(C
D

.4

)=
0.6

Business Statistics, A First Course (4e) 2006 Prentice-Hall, Inc.

No t
iene
AC

e AC
n
e
i
T
No t
iene
AC

.2
.4

.2
.4
.5
.6

.1
.6

(continuacin)
P(CD y AC) = 0.2

P(CD y AC) = 0.2

P(CD y AC) = 0.5

P(CD y AC) = 0.1

Chap 4-23

Independencia Estadstica

Dos eventos son independientes si y

solo si:

P(A | B) P(A)

Los eventos A y B son independientes cuando la

probabilidad de un evento no se ve afectada por el
otro evento

Business Statistics, A First Course (4e) 2006 Prentice-Hall, Inc.

Chap 4-24

Regla de la Multiplicacin

La regla de la Multiplicacin para 2 eventos A y B:

P(A y B) P(A | B) P(B)

Nota: Si A y B son independientes: P(A | B) P(A)
Y la regla se simplifica como:

P(A y B) P(A) P(B)

Business Statistics, A First Course (4e) 2006 Prentice-Hall, Inc.

Chap 4-25

Probabilidad Marginal

Probabilidad Marginal para un evento A:

P(A) P(A | B1 ) P(B1 ) P(A | B 2 ) P(B 2 ) P(A | Bk ) P(Bk )

Donde B1, B2, , Bk son k eventos mutuamente

excluyentes y colectivamente exhaustivos

Business Statistics, A First Course (4e) 2006 Prentice-Hall, Inc.

Chap 4-26

Teorema de Bayes
El teorema de Bayes es usado para revisar probabilidades
calculadas previamente despus que se ha obtenido nueva
informacin acerca de los eventos en estudio

P(A | B i )P(B i )
P(B i | A)
P(A | B 1 )P(B 1 ) P(A | B 2 )P(B 2 ) P(A | B k )P(B k )

donde:
Bi =
A=

isimo evento de k eventos mutuamente

excluyentes y colectivamente exhaustivos
nuevo evento que podra impactar P(Bi)

Business Statistics, A First Course (4e) 2006 Prentice-Hall, Inc.

Chap 4-27

Ejemplo de Teorema de Bayes

Una compaa de perforacin petrolera ha estimado

en un 40% de probabilidad de encontrar nuevos
pozos.

Se planificaron pruebas detalladas para obtener ms

informacin. Historicamente, se ha obtenido xito en
un 60% de las pruebas planificadas de perforacin, y
fracaso en el 20% de las pruebas planificadas.

Dado que se han planificado pruebas de perforacin

para obtener informacin, cul es la probabilidad de
que se obtenga xito en la prueba?

Business Statistics, A First Course (4e) 2006 Prentice-Hall, Inc.

Chap 4-28

Ejemplo de Teorema de Bayes

(continuacin)

Sea S = prueba planificada exitosa

U = prueba planificada fallida

P(S) = 0.4 , P(U) = 0.6

Defina la prueba planificada como el evento D

Entonces, las Probabilidades Condicionales son:

P(D|S) = 0.6

(probabilidades a priori)

P(D|U) = 0.2

Objetivo a encontrar P(S|D)

Business Statistics, A First Course (4e) 2006 Prentice-Hall, Inc.

Chap 4-29

Ejemplo del Teorma de Bayes

(continuacin)

Aplicando el Teorema de Bayes:

P(D | S)P(S)
P(S | D)
P(D | S)P(S) P(D | U)P(U)
(0.6)(0.4)

(0.6)(0.4) (0.2)(0.6)
0.24

0.667
0.24 0.12
Entonces la probabilidad revisada de xito, dado que se
planificaron pruebas, para una prueba particular es de 0.667
Business Statistics, A First Course (4e) 2006 Prentice-Hall, Inc.

Chap 4-30

Ejemplo de Teorema de Bayes

(continuacin)

Dado una prueba planificada de perforacin,

la probabilidad revisada de xito ha subido de
0.4 de la estimacin original a una
probabilidad de xito de 0.667

Evento

Prob.
A priori

Prob.
Condicional

Prob.
Conjunta

Prob.
Revisada

S (xito)

0.4

0.6

(0.4)(0.6) = 0.24

0.24/0.36 = 0.667

U (fracaso)

0.6

0.2

(0.6)(0.2) = 0.12

0.12/0.36 = 0.333

Suma = 0.36
Business Statistics, A First Course (4e) 2006 Prentice-Hall, Inc.

Chap 4-31

Reglas de Conteo

Reglas para conteo del nmero de resultados

posibles

Regla de Conteo 1:

Si uno cualquiera de k eventos mutuamente

excluyentes y colectivamente exhaustivos puede
ocurrir en cada uno de n ensayos, el nmero posible
de resultados es igual a

kn
Business Statistics, A First Course (4e) 2006 Prentice-Hall, Inc.

Chap 4-32

Reglas de Conteo
(continuacin)

Regla de Conteo 2:

Si hay k1 eventos en el primer ensayo, k2 eventos en

el segundo ensayo, y kn eventos en el nsimo
ensayo, el nmero de posibles resultados es

(k1)(k2)(kn)

Ejemplo:

Usted desea ir a un parque, comer en un restaurante, y ver

una pelcula. Si tiene disponibles 3 parques, 4 restaurantes,
y 6 salas de cine para escoger. De cuntas maneras
diferentes puede usted escoger donde ir?
Respuesta: (3)(4)(6) = 72 diferentes posibilidades

Business Statistics, A First Course (4e) 2006 Prentice-Hall, Inc.

Chap 4-33

Reglas de Conteo
(continuacin)

Regla de Conteo 3:

El nmero de maneras en que n elementos pueden

ser arreglados en orden es

n! = (n)(n 1)(1)

Ejemplo:

Su restaurante tiene 5 opciones de men para el almuerzo.

De cuntas maneras puede usted ordenar las opciones en
el men?
Respuesta: 5! = (5)(4)(3)(2)(1) = 120 diferentes
posibilidades

Business Statistics, A First Course (4e) 2006 Prentice-Hall, Inc.

Chap 4-34

Reglas de Conteo
(continuacin)

Regla de Conteo 4:

Permutaciones: Nmero de maneras de tomar X objetos

seleccionados de n objetos en orden es

Ejemplo:

n!
n Px
(n X)!

Su restaurante tiene 5 opciones de men, y tres son seleccionados

para das especficos. De cuntas maneras diferentes puede
estar ordenado el men especfico?
Respuesta: n Px

n!
5!
120

60 diferentes posibilidades
(n X)! (5 3)!
2

Business Statistics, A First Course (4e) 2006 Prentice-Hall, Inc.

Chap 4-35

Reglas de Conteo
(continuacin)

Regla de Conteo 5:

Combinaciones: El nmero de maneras de seleccionar X

objetos de n objetos, sin importar el orden, es

n!
n Cx
X! (n X)!

Ejemplo:

Su restaurante tiene 5 opciones de menu, y tres son seleccionados

para das especficos. Cuntas combinaciones diferentes hay,
ignorando el orden en el cual fueron seleccionados?
n!

5!

120

Respuesta: n C x X!(n X)! 3! (5 3)! (6)(2) 10 diferentes posibilidades

Business Statistics, A First Course (4e) 2006 Prentice-Hall, Inc.

Chap 4-36

Resumen del Captulo

Se discutieron los conceptos bsicos de probabilidad

Se examinaron las reglas bsicas de la probabilidad

Espacio muestral y eventos, tablas de contingencia, probabilidad

simple, y probabilidad conjunta
Regla General de la adicin, regla de la adicin para eventos
mutuamente excluyentes, regla para eventos colectivamente
exhaustivos

Se defini la probabilidad condicional

Independencia estadstica, probabilidad marginal, rboles de decisin, y

la regla de la multiplicacin

Se discuti el teorema de Bayes

Se examinaron las reglas de conteo

Business Statistics, A First Course (4e) 2006 Prentice-Hall, Inc.

Chap 4-37