Está en la página 1de 19

PROBABILIDADES

SUBJETIVAS Y SU
MEDICIÓN
I . C . C L AUDI A EL I S A ORI HUEL A L AG UNA
PROBAILIDAD
Es un método por el cual se obtiene la frecuencia de un
acontecimiento determinado mediante la realización de un
experimento aleatorio, del que se conocen todos los resultados
posibles. La probabilidad es un evento o suceso que puede ser
improbable, probable o seguro.
• Es aquella que la cual basa sus fundamentos un
en criterio experimental u objetivo ajeno al
sujeto decisor, es decir que proviene de
ensayos o pruebas. Para ello se emplean como
datos el número de casos favorables y número
PROBABILIDAD de casos posibles o el límite de una frecuencia
OBJETIVA relativa:

𝐶𝑎𝑠𝑜𝑠 𝑓𝑎𝑣𝑜𝑟𝑎𝑏𝑙𝑒𝑠
𝑃𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 =
𝐶𝑎𝑠𝑜𝑠 𝑝𝑜𝑠𝑖𝑏𝑙𝑒𝑠
• Es una forma de cuantificar por medio de
factores de ponderación individuales, la
probabilidad de que ocurra cierto evento,
cuando no es posible de cuantificar de otra
PROBABILIDAD manera más confiable.
SUBJETIVA
𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑒𝑣𝑒𝑛𝑡𝑜𝑠 (𝑛)
𝑃𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 =
𝑇𝑜𝑡𝑎𝑙 𝑑𝑒 𝑒𝑣𝑒𝑛𝑡𝑜𝑠 (𝑁)
PROBABILIDAD
CONDICIONAL, MARGINAL
• Se trabajan con tablas de contingencia es
posible determinar tres clases de
probabilidades:
– Conjunta
– Condicional
– Marginal
Las tres tienen como base la frecuencia relativa fr, la
cual es igual a:
𝑓𝑟𝑒𝑐𝑢𝑒𝑛𝑐𝑖𝑎 𝑎𝑏𝑠𝑜𝑙𝑢𝑡𝑎 (𝐹)
𝑓𝑟 =
𝑛ú𝑚𝑒𝑟𝑜 𝑡𝑜𝑡𝑎𝑙 𝑑𝑒 𝑑𝑎𝑡𝑜𝑠 (𝑁)
TABL AS DE
CONTINGENCIA

• Se emplean ´para registrar


Genero y analizar la relación entre
Hombre Mujer Total
/condición dos variables, e utiliza
cuando se hace el estudio
Fumador 28 32 60 de dos variables
• Para observar la diferencia
No fumador 25 20 45
entre las tres clases de
probabilidad se tendrá en
Total 53 52 105 cuenta una tabla de
contingencia.
• Ejemplo de tabla de
contingencia:
PROBABILIDAD
CONJUNTA Genero
Hombre Mujer Total
/condición

28 32 60
Son las Fumador = 0.266 = 0.305 = 0.571
105 105 105
probabilidades que
toman en cuenta
los eventos de 25 20 45
No fumador = 0.238 = 0.190 = 0.429
ambas variables de 105 105 105
estudio.
53 52 105
Total = 0.504 = 0.495 =1
105 105 105
PROBABILIDAD
MARGINAL
• Ocurre cuando el interés se centra en
determinar la probabilidad de los
eventos de una variable sin considerar
los eventos de la otra variable
PROBABILIDAD
Genero
Hombre Mujer CONDICIONAL
/condición
• Permite determinar la
probabilidad de que
28 32 ocurra un evento de una
Fumador = 0.528 = 0.615
53 52 variable, dado que ha
ocurrido un evento de
otra variable.
25 20
No fumador = 0.471 = 0.384 • Con la misma tabla de
53 52 contingencia se puede
determinar de dos
53 52 maneras el genero o la
Total =1 =1 condición de fumar.
53 52
Genero
Hombre Mujer Total
/condición

28 32 60
Fumador = 0.466 = 0.533 =1
60 60 60

25 20 45
No fumador = 0.555 = 0.444 =1
45 45 45
VARIABLE ALEATORIA
• Para su estudio, las variables
aleatorias se clasifican en:
Discretas: cuando su recorrido es
finito o infinito numerable, por lo
general van asociadas a experimentos
en los cuales se cuenta el número de
veces que se ha presentado un suceso o
donde el resultado es una puntuación
concreta. Los puntos del recorrido se
corresponden con saltos en la gráfica
de la función de distribución, que
corresponde al siguiente tipo de gráfica.
Continua: son aquellas en las que la
función de distribución es una función
continua. Se corresponde con el
siguiente tipo de gráfica:
Generalmente, se corresponden con
variables asociadas a experimentos en
los cuales la variable medida puede
tomar cualquier valor en un intervalo;
mediciones biométricas, por ejemplo.
Un caso particular dentro de las
variables aleatorias continuas y al cual
pertenecen todos los ejemplos
usualmente utilizados, son las
denominadas variables aleatorias
absolutamente continuas.
DISTRIBUCIÓN BINOMINAL
• Llamamos experiencia aleatoria dicotómica a aquella que sólo puede tener dos
posibles resultados A y A'. Usualmente A recibe el nombre de éxito, además
representaremos como 𝑝 = 𝑝(𝐴) 𝑦 𝑞 = 1 − 𝑝 = 𝑝(𝐴′).
• A la función de probabilidad de una variable aleatoria X resultado de contar el
número de éxitos al repetir n veces una experiencia aleatoria dicotómica con
probabilidad de éxito p la llamamos distribución binomial y la
representamos por
𝑩 (𝒏, 𝒑)
• Para esta distribución se verifica que, la variable X puede tomar los valores: 0,
1, 2, ... , n y que la variable toma cada uno de estos valores con probabilidad:
𝒏 𝒓 𝒏−𝒓
𝒑(𝑿 = 𝒓) = 𝒑 𝟏−𝒑
𝒓

Siendo que:

• 𝒏 = 𝒏ú𝒎𝒆𝒓𝒐 𝒅𝒆 𝒑𝒓𝒖𝒆𝒃𝒂𝒔
• 𝒌 = 𝒓 = 𝒏ú𝒎𝒆𝒓𝒐 𝒅𝒆 𝒆𝒙𝒊𝒕𝒐𝒔
• 𝒑 = 𝒑𝒓𝒐𝒃𝒂𝒃𝒊𝒖𝒍𝒊𝒅𝒂𝒅 𝒅𝒆 é𝒙𝒊𝒕𝒐
• 𝒒 = 𝟏 − 𝒑 = 𝒑𝒓𝒐𝒃𝒂𝒃𝒊𝒍𝒊𝒅𝒂𝒅 𝒅𝒆 𝒇𝒓𝒂𝒄𝒂𝒔𝒐
PROCESO DE BERNOULLI
• En muchas oportunidades un experimento consiste en ensayos repetidos y estos se pueden
clasificar en éxito o no éxito dependiendo de lo que se este evaluando en cada uno de los
ensayos. Un ejemplo de esto es cuando se verifican el estado de las frutas y se las separa en
frutas que están disponibles para la venta o las que no dependiendo si están defectuosas o no.
A estos procesos de los llama procesos de Bernoulli.
• Un proceso de Bernoulli tiene las siguientes propiedades:
– El experimento se trata de la repetición de ensayos. La cantidad de ensayos es n.
– Cada uno de los ensayos que se realiza se pueden clasificar en éxitos o no éxitos.
– Cada uno de los ensayos son independientes, es decir, no dependen del ensayo anterior.
– La probabilidad de que suceda un éxito es constante y a esta se la llama p, mientras que
la probabilidad de no éxito también se mantiene constante y es q=1-p
EXITO
p

FRACASO
p EXITO
q
EXITO p EXITO
p
q FRACASO
q FRACASO
p
q EXITO
p EXITO
FRACASO q
FRACASO
FRACASO p
q
EXITO

q
FRACASO
• Cuando se trata de procesos de Bernoulli existen 5 variables asociadas que son la variable
aleatoria de Bernoulli, la binomial, hipergeométrica, geométrica y la de Pascal.
EJEMPLO DE DISTRIBUCIÓN BINOMINAL O DE BERNOULLI

• Un jugador encesta por probabilidad 0.55. Calcula la probabilidad de que al tirar 6 veces enceste:
• 𝑩(𝒏, 𝒑) = (𝟔, 𝟎. 𝟓𝟓)
• 𝒏= 𝟔
• 𝒑 = 𝟎. 𝟓𝟓
• 𝒒 = 𝟏 − 𝒑 = 𝟏 − 𝟎. 𝟓𝟓 = 𝟎. 𝟒𝟓

a) 4 veces
𝒏 𝒓
• 𝒑(𝑿 = 𝒓) = 𝒑 𝟏 − 𝒑 𝒏−𝒓
𝒓
𝟔
• 𝒑(𝑿 = 𝟒) = 𝟎. 𝟓𝟓𝟒 𝟏 − 𝟎. 𝟓𝟓 𝟔−𝟒
= 𝟏𝟓 ∙ 𝟎. 𝟓𝟓𝟒 ∙ 𝟎. 𝟒𝟓𝟐 = 𝟎. 𝟐𝟕𝟕𝟗
𝟒
𝟔
• = 𝟔 𝒔𝒉𝒊𝒇𝒕nCr 𝟒 = 𝟏𝟓
𝟒
b) Todas las veces
𝒏 𝒓
• 𝑷(𝑿 = 𝒓) = 𝒑 𝟏 − 𝒑 𝒏−𝒓
𝒓
𝟔
• P(𝑿 = 𝟔) = 𝟎. 𝟓𝟓𝟔 𝟏 − 𝟎. 𝟓𝟓 𝟔−𝟔 = 𝟏 ∙ 𝟎. 𝟓𝟓𝟔 ∙ 𝟎. 𝟒𝟓𝟎 = 𝟎. 𝟎𝟐𝟕𝟔𝟖
𝟔
𝟔
• = 𝟔 𝒔𝒉𝒊𝒇𝒕nCr 𝟔 = 𝟏
𝟔

c) Ninguna vez
𝒏 𝒓
• 𝑷(𝑿 = 𝒓) = 𝒑 𝟏 − 𝒑 𝒏−𝒓
𝒓
𝟔
• P(𝑿 = 𝟎) = 𝟎. 𝟓𝟓𝟎 𝟏 − 𝟎. 𝟓𝟓 𝟔−𝟎
= 𝟏 ∙ 𝟎. 𝟓𝟓𝟎 ∙ 𝟎. 𝟒𝟓𝟔 = 𝟎. 𝟎𝟎𝟖𝟑𝟎
𝟎
𝟔
• = 𝟔 𝒔𝒉𝒊𝒇𝒕nCr 𝟎 = 𝟏
𝟎