Está en la página 1de 37

Capítulo 5.

Teoría de la
Probabilidad
• Aleatorización: Noción Intuitiva de
Probabilidad
• Definiciones y Conceptos
• Diagrama de Venn
• Teoría de la Probabilidad
• Reglas de Conteo
• Probabilidad Condicional e Independencia
• Reglas y Teoremas

1
Aleatorización: Noción Intuitiva de
Probabilidad
• Aleatorización con estructura conocida
– The Balanced Coin Tossing Study: heads or tails
– La idea de una frecuencia relativa estable después
de muchas pruebas (trials) esta en el corazón del
comportamiento aleatorio
• Aleatorización con estructura no conocida
– The Paper Cup Example
• La variabilidad entre los datos tiende a ser
mucho más grande para muestras pequeñas
que para muestras grandes
2
ALEATORIZACIÓN CON ESTRUCTURA
CONOCIDA
(Ejemplo: Proporciones de Múltiples de 3)

3
ALEATORIZACIÓN CON ESTRUCTURA
NO CONOCIDA
(Ejemplo: Proporciones de caídas-vaso de cartón)

4
Aleatorización: Noción Intuitiva de
Probabilidad
• Aleatorización en un universo finito
• En general, siempre y cuando exista un
mecanismo aleatorio en funcionamiento el
cual permanece el mismo para todas las
selecciones, la proporción de un evento
específico eventualmente se estabiliza a
un valor específico que se le llama
probabilidad del evento

5
Definiciones y Conceptos
• Probabilidad: valor específico de que un evento
ocurra (veremos definición completa más
adelante)
• Espacio Muestral (Sample Space): definido por
S, es el conjunto que incluye todos los valores
posibles de una población específica en una
selección aleatoria, listado de manera
mutualmente exclusiva y exaustiva
• Evento: cualquier subconjunto de un espacio
muestral (pg. 70)
• Espacios muestrales y eventos son
convenientemente representados por
Diagramas de Venn
6
Diagrama de VENN
• Diagrama que permite describir la
naturaleza de las relaciones entre
variables bajo estudio
• Útiles porque nos permiten visualizar
como las probabilidades de las variables
pueden ser combinadas

7
Diagrama de VENN
Ejemplo: Porcentaje de Nuevos
Trabajadores Durante el Periodo
1985-2000
Mujeres Hombres

Inmigrantes 9% 13 % 22 %

Blancos 42 % 15 % 57 %

Otros 14 % 7% 21 %

65 % 35 % 100 %
8
Diagrama de VENN
Ejemplo

Mujeres Blancos Otros

a) b)

9
c)
Diagrama de VENN
• Notaciones
• Conjunto: S
• Subconjunto: A, B
– A y B son subconjuntos de S (A y B estan contenidos en S)
– “es elemento de”
– Unión
– Intersección
– Nulidad
– Complemento
– Mutualmente exclusivo
– Exaustivo
• Ley Distributiva
• Ley DeMorgan

10
Teoría de la Probabilidad
• Una probabilidad es siempre una fracción entre
0y1
• Suponiendo un espacio muestral S, una
probabilidad es una función valorada
numericamente que asigna un número P(A) a
cada evento A de manera que los siguientes
axiomas aplican:
1. P(A) ≥ 0
2. P(S) = 1
3. Si A1, A2,... Ai es una secuencia de eventos
mutualmente exclusivos, entonces la probabilidad de
todos los eventos juntos es la suma de las
probabilidades individuales de cada evento. 11
Ejemplo 1:
Estado Civil de Desempleados
• Los datos en la tabla indican el 1997 2017
estado civil de desempleados
para los años 1997 y 2017.
Single 37 % 42 %
Suponiendo que usted conoce
a una persona desempleada
en 1997: Cuál es la Married 32 % 25 %
probabilidad aproximada de men
que la persona haya sido a)
Married 16 % 18 %
mujer casada? b) soltera?, c)
women
casada?. Responda las
mismas preguntas para el Widowed, 15 % 15 %
2017. divorced,
separated
TOTAL 100 % 100 %
12
Ejemplo 2:
Aleatorización y Probabilidad
Estudio sobre la prevalencia de factores de riesgo
asociados al SIDA en EEUU.
De la población normal: muestra aleatoria de 2,673
personas, edades de 18-75, números telefónicos
seleccionados al azar.
De la población de ciudades de alto riesgo: muestra
aleatoria de 8,263 personas, edades de 18-75, números
telefónicos seleccionados al azar.

13
Ejemplo 2:
Prevalencia de Factores de Riesgo
Asociados al SIDA en EEUU
Table 2.3 (Text page 57)
Grupo de riesgo Nacional Ciudades de alto riesgo
Porcentaje Número Porcentaje Número
Múltiple(s) compañero(s) 7.0 170 9.5 651
Compañero riesgoso 3.2 76 3.7 258
Recipiente de transfusión 2.3 55 2.1 144
Múltiple(s) compañero(s) y 1.7 41 3.0 209
compañero riesgoso
Múltiple(s) compañero(s) y 0.0 1 0.3 20
recipiente de transfusión
Compañero riesgoso y 0.2 4 0.3 19
recipiente de transfusión
Otros 0.7 16 0.7 51
No riesgo 84.9 2,045 80.4 14
5,539
Ejemplo 2:
HIV-Related Risk Groups
Consider the national percentages for HIV-related risk
groups given in Table 2.3 (pg. 57). A firm hires a new
worker after a national advertising campaign.
1) What is the probability that the worker falls in the
“risky partner” category?
2) What is the probability that the worker is in at least
one of the risk groups?
3) If the firm hires 1,000 workers, how many are
expected to be at risk if the 1,000 come from the
population at large?
4) If the firm hires 1,000 workers, how many are
expected to be at risk if the 1,000 come from high-risk
cities

15
Practice Problem 3:

Of 25 microcomputers available in a supply room, 10 have


circuit boards for a printer, 5 have circuit boards for a
modem, and 13 have neither type of board. Using P to
denote those that have printer boards and M to denote
those that have modem boards, symbolically denote the
following sets, and give the number of microcomputers in
each set.
a) Those that have both boards.
b) Those that have neither board.
c) Those that have printer boards only.
d) Those that have exactly one of the boards.

16
Reglas de Conteo
• Utilizadas para contar el número de
posibles resultados en una selección
aleatoria. Aplicables a cualquier fenómeno
aleatorio que provenga de un espacio
muestral finito en el cual todos los valores
tienen igual posibilidad de ser
seleccionados.
• Veamos algunos ejemplos (pg. 76)

17
Reglas de Conteo: Ejemplo
• Un supervisor examina 2 productos recién
manufacturados seleccionados de una
línea de producción. El primer producto
puede estar defectuoso o no defectuoso,
el segundo también. ¿Cuántas
resultados/arreglos posibles hay para este
caso?

18
Reglas de Conteo
• Si la primera actividad de un experimento
puede resultar en n1 posibles resultados y,
para cada uno de estos resultados, la
segunda actividad puede resultar en n2
posibles resultados, entonces hay n1n2
posibles resultados para las dos
actividades juntas.
– Diagrama de árbol

19
Reglas de Conteo
• Suponga que una empresa está tratando
de decidir en donde construir dos nuevas
plantas, una en el este y otra en el oeste.
Las posibilidades son 4 ciudades en el
este (A, B, C, D) y 2 ciudades en el oeste
(E y F). ¿En total, cuántas posibilidades
hay para ubicar las dos nuevas plantas?
– Encuentre la probabilidad de que la ciudad E
se selecciona.
20
Reglas de Conteo

• Regla de la Multiplicación
• Regla de la Permutación
• Regla de la Combinación
• Regla de la Partición

21
Regla de la Multiplicación
• Si la primera asignación de un experimento
puede resultar en n1 posibles resultados y para
cada resultado, una segunda asignación puede
resultar en n2 posibles resultados, entonces
existen n1n2 posibles resultados para las dos
asignaciones juntas
• La Regla de la Multiplicación se extiende
también a más de dos asignaciones en una
secuencia
• El diagrama de árbol es útil para verificar la
regla de la multiplicación y para listar posibles
resultados
22
Regla de la Multiplicación
Utilizando el Diagrama de Árbol
• Supongamos que una empresa necesita decidir
en donde construir dos plantas nuevas, una en
el este y otra en el oeste. Existen cuatro
posibles ciudades (locaciones) al este y dos
posibles ciudades (locaciones) al oeste.
Utilizando la regla de la multiplicación,
encontramos que hay n1n2 = 4 x 2 = 8
posibilidades para localizar las dos plantas.
Veamos esta representación en un diagrama de
árbol...
23
Regla de la Multiplicación
• La Regla de la Multiplicación ayuda solamente a encontrar el número de
elementos en un espacio muestral. Todavia tenemos que asignar
probabilidades a estos elementos para completar nuestro modelo
probabilístico.
• Veamos la continuación al problema de decidir en donde construir dos
plantas nuevas (problema anterior):
Si las ocho posibilidades tienen igual probabilidad de ser seleccionadas,
encuentre la probabilidad de que la ciudad E es seleccionada.
Solución: La ciudad E puede ser seleccionada de cuatro maneras diferentes,
ya que hay cuatro posibles ciudades al este con las que puede formar pares.
Así que: P(E es seleccionada) = P(AE) + P(BE) + P(CE) + P(DE)
Cada uno de los 8 posibles resultados tiene una probabilidad de 1/8, ya que
los 8 eventos tienen igual posibilidad de ser seleccionados. Y ya que los ocho
eventos son mutualmente exclusivos:
P(E es seleccionada) = 1/8 + 1/8 + 1/8 + 1/8 = 1/2

24
Regla de la Multiplicación: Veamos
Otro Ejemplo
• Cinco motores (enumerados de 1 a 5) estan
disponibles para su uso, el motor 2 es
defectuoso. Motores 1 y 2 provienen del
proveedor I, Motores 3, 4 y 5 provienen del
proveedor II. Supongamos que dos motores son
seleccionados al azar para ser usados en un día
en particular. Denote A como el evento en que
el motor defectuoso es seleccionado y B el
evento en que al menos un motor viene del
proveedor I. Encuentre P(A) y P(B)
• Sugerencia: Empiece a resolver el problema
utilizando el correspondiente diagrama de árbol

25
Regla de la Permutación
• El número de arreglos ordenados o permutaciones de r objetos
seleccionados de n objetos distintos (r ≤ n) está dado por:
P rn = n(n - 1) ... (n – r + 1) = n!
(n - r)!
La idea básica de una permutación se puede pensar en términos de llenar espacios en
una linea con un objeto en cada espacio, con los objetos tomados uno a la vez de un
conjunto de n objetos distintos. El primer espacio se puede llenar de n maneras, pero el
segundo se puede llenar de (n-1) maneras solamente despues de que el primero se
llena. Así, de acuerdo a la Regla de la Multiplicación, los dos primeros espacios se
pueden llenar en n(n-1) maneras. Extendiendo este razonamiento a r espacios,
encontramos que el número de maneras de llenar todos los espacios r es:
n(n-1)... (n-r+1) = n! = Prn
(n - r)!

Recordemos que el Factorial de un número n! = n x (n-1) x (n-2) x (n-3) x...

26
Regla de la Permutación:
Ejemplo 1
• De entre 10 empleados, 3 son seleccionados para viajar a 3 plantas
en las afueras de la ciudad, plantas A, B y C. Las plantas estan en
ciudades diferentes, por lo tanto el orden de asignación de los
empleados a cada planta es una importante consideración. Por
ejemplo, el primer empleado seleccionado podrá ir a la planta A y el
segundo a la planta B. De cuántas maneras diferentes pueden ser
realizadas las asignaciones?
• Solución: Considerando que el orden de las asignaciones es
importante, el número de las posibles diferentes asignaciones es:

27
Regla de la Permutación:
Ejemplos
• Ejemplo 2. Una operación de ensamblaje en una planta
involucra 4 pasos, los cuales pueden ser realizados en
cualquier orden. Si se desea comparar los tiempos de
ensamblaje para cada posible orden de pasos, cuantos
posibles ordenes involucra el experimento?
• Ejemplo 3. Se le pide a un gerente que clasifique 4
divisiones de una firma con respecto a la habilidad de la
división para adaptarse a nuevas tecnologías. Las
divisiones se llaman D1, D2, D3 y D4. Asumiendo que las
divisiones se clasifican aleatoriamente, cuál es la
probabilidad de que D2 sea clasificada como la más
alta?

28
Regla de la Combinación
• Teorema: El número de subconjuntos distintos o
combinaciones, de tamaño r que puede ser
seleccionado de n objetos distintos (r ≤ n) es:

• Prueba del Teorema:


El número de subconjuntos ordenados de tamaño r,
seleccionado de n objetos distintos esta dado por . El
número de subconjuntos no ordenados de tamaño r es
dado por .
• Dado que cualquier conjunto particular de r objetos
puede ser ordenado entre ellos mismos en maneras,
entonces

29
Regla de la Combinación:
Ejemplos
• Suponga que 3 empleados son
seleccionados de un total de 10 para
visitar una planta nueva. De cuantas
maneras se puede realizar la selección?
• Refiriendonos al ejemplo anterior. Si 2 de
los 10 empleados son mujeres y 8 con
hombres, cual es la probabilidad de que
exactamente una mujer sea seleccionada
entre los 3?

30
Regla de la Partición
• Teorema: El número de maneras de partir n
objetos distintos en k grupos conteniendo n1, n2,
n3,..., nk objetos, respectivamente, es:

• Ejemplo: Supongamos que 10 empleados


deben ser divididos en 3 trabajos, de manera
que 3 empleados van al trabajo I, 4 van al
trabajo II y 3 van al trabajo III. En cuantas
maneras se pueden asignar empleados a los
trabajos?

31
Probabilidad Condicional

32
Probabilidad Condicional

• Ejemplo 2: De 5 motores, de los cuales uno es


defectuoso, 2 motores se seleccionan al azar para su
uso en un día cualquiera. Encuentre la probabilidad de
que el segundo motor seleccionado es no defectuoso,
dado que el primer motor seleccionado es no defectuoso.

33
Independencia
• Dos eventos A y B son independientes si
P(A/B) = P(A)
o, P(B/A) = P(B)
Esto es equivalente a decir que
P(AB) = P(A) P(B)
• Ejemplo: Suponga que un supervisor debe seleccionar
un trabajador de entre un total de 4 trabajadores
disponibles, enumerados 1, 2, 3, y 4. El supervisor
selecciona el trabajador aleatoriamente. Denote A como
el evento en que el trabajador 1 o 2 es seleccionado, B
el evento en que el trabajador 1 o 3 es seleccionado, y C
el evento en que el trabajador 1 es seleccionado. Son A
y B independientes? Son A y C independientes?
34
Reglas de Probabilidad
• Regla de Bayes: está basada en la noción
de una partición del espacio muestral. Se
dice que los eventos B1, B2,…,Bk parten
un espacio muestral si dos condiciones
existen:
– Bi Bj =ɸ para cualquier par i y j ( denota el
conjunto nulo)
– B1U B2U …U Bk=S

35
Reglas de Probabilidad
• Regla de Bayes:
– Ejemplos:
• el juego de llantas de un almacenaje de partes
para autos se puede partir de acuerdo a
proveedores,
• los empleados de una firma se pueden partir de
acuerdo a nivel de educación.
• La idea central de la partición es que un
evento A puede ser definido como la unión
de eventos mutualmente exclusivos AB1 y
AB2 36
Reglas de Probabilidad
• Regla de Bayes:
– Ejemplo: Una compañía compra llantas de
dos proveedores, 1 y 2. El proveedor 1
presenta registros de entrega de llantas
defectuosas de 10%, mientras que el
proveedor 2 presenta 5% de llantas
defectuosas. Suponga que el 40% del
suministro actual viene del proveedor 1. Si
una llanta se toma de este suministro y se
observa que es defectuosa, encuentre la
probabilidad de que esta viene del proveedor
37
1.