SUCESOS DETERMINISTAS Y ALEATORIOS

Cuando realizamos un experimento,

diremos que es:

 Determinista: dadas unas

condiciones iniciales, el
resultado es siempre el
mismo.

 Aleatorio: dadas unas

condiciones iniciales,
conocemos el conjunto
de resultados posibles,
pero NO el resultado final.
 CONCEPCIÓN CLÁSICA DE LA PROBABILIDAD
 Un experimento que está sujeto al azar con n posibles
resultados equiprobables y mutuamente excluyentes y nA es la
cantidad de sucesos que presentan la característica A
entonces la probabilidad de que suceda A es:
P(A) = nA/n
 Ejemplos:

 Con una baraja española, al sacar una carta ¿cuál es la probabilidad

de sacar un número menor o igual que 3?
12/40=3/10

 Al lanzar un dado perfectamente equilibrado, ¿cuál es la probabilidad

de sacar un número impar?
3/6=1/2

¿Qué hacemos si los sucesos no son equiprobables?

 CONCEPCIÓN FRECUENTISTA DE LA PROBABILIDAD

La probabilidad de un suceso es la frecuencia relativa de veces

que ocurriría el suceso al realizar un experimento repetidas veces.

CLASIFICACION OMS CLASIFICACION OMS

NORMAL
Frecuencia Porcentaje
Válidos NORMAL 469 46,9% OSTEOPENIA
OSTEOPENIA 467 46,7%
OSTEOPOROSIS OSTEOPOROSIS
64 6,4%
Total 1000 100,0
0 10 20 30 40 50
Porcentaje
 P(Normal)=0,469
 P(Osteopenia)=0,467
 P(Osteoporosis)=0,064

¿Y si el experimento no puede repetirse “demasiadas” veces?

 Control de calidad (tipo destructivo)
 Eventos poco frecuentes (asegurar unos juegos alímpicos)
 CONCEPCIÓN SUBJETIVA DE LA PROBABILIDAD

 Subjetiva: Grado de certeza que se posee sobre un suceso.

Es personal y se puede formular, por ejemplo, en términos de
apuestas:

Ejemplo: Dos individuos apuestan 5 euros por el equipo A y 12

euros por el equipo B, respectivamente, entonces
 La probabilidad de que gane A es 5/(5+12)
 La probabilidad de que gane B es 12/(5+12)

En todas las definiciones nos referimos a sucesos.

Recordemos qué son y qué las operaciones típicas.
 Sucesos E espacio muestral
 Suceso es cada posibles resultados de un experimento aleatorio

 El conjunto de todos los resultados posibles es el espacio muestral (E)

 Se llama suceso a un subconjunto del espacio muestral

 Dado un suceso A, el suceso contrario (complementario), A’ (ó AC), es E espacio muestral

el formado por los elementos que no están en A

 Se llama suceso unión de A y B, AUB, al formado por los resultados

A
experimentales que están en A o en B (incluyendo los que están en A’
ambos.

 Se llama suceso intersección de A y B, A∩B (o simplemente AB), al

formado por los elementos que están en A y B
E espacio muestral
E espacio muestral E espacio muestral
A
UNIÓN INTERS.
A A
B
B B
Ejemplo 1: En el experimento aleatorio
“lanzar un dado” el espacio muestral es
{1,2,3,4,5,6}

Algunos eventos:
 Sacar un número impar: A={1,3,5}
 Sacar un número primo: B={2,3,5}
 Sacar un número que no sea impar: A’={2,4,6}

 Sacar un número primo no impar: B ∩ A’={2}

Ejemplo 2: En el experimento aleatorio “lanzar una moneda
y un dado” el espacio muestral es
{{1,C}, {1,S}, {2,C}, {2,S}, {3,C}, {3,S},
{4,C}, {4,S}, {5,C}, {5,S}, {6,C}, {6,S}}
Algunos eventos:
 Sacar sello y un número par: A={{2,S}, {4,S}, {6, S}}
 Sacar cara B={{1,C}, {2,C}, {3,C}, {4,C}, {5,C}, {6,C}}
 Sacar un número par
D={{2,C}, {2,S}, {4,C}, {4,S}, {6,C}, {6,S}}
 Sacar cara o un número par
B U C= {{2,C}, {2,S}, {4,C}, {4,S}, {6,C}, {6,S}, {1,C}, {3,C}, {5,C}}
 Sacar cara y un número par
B ∩ C= {{2,C}, {4,C}, {6,C}}
Definición axiomática de probabilidad

 Se llama probabilidad a cualquier función P que asigna a

cada suceso A un valor numérico P(A) y que verifica las
siguientes reglas (axiomas) E espacio muestral
100%
 P(E)=1 (E es el evento seguro)

 0≤P(A) ≤1
E espacio muestral

 P(AUB)=P(A)+P(B) si A∩B=Ø B
A
 Ø es el conjunto vacío.
Probabilidad condicionada
 Se llama probabilidad de A condicionada a B, o
probabilidad de A suponiendo que ha sucedido B:
E espacio muestral
Concepción
P( A  B) clásica:
P( A | B)  A
¿casos
P( B) B
posibles?
¿casos
favorables?
 Error frecuente:
 No confunda probabilidad condicionada con intersección.
 En ambos medimos efectivamente la intersección, pero…
 En P(A∩B) con respecto a P(E)=1
 En P(A|B) con respecto a P(B)
Intuir la probabilidad condicionada
A A

B
B

P(A) = 0,25 P(A) = 0,25

P(B) = 0,10 P(B) = 0,10
P(A∩B) = 0,10 P(A∩B) = 0,08

¿Probabilidad de A sabiendo que ha pasado B?

P(A|B)=1 P(A|B)=0,8
Intuir la probabilidad condicionada
A A

B
B

P(A) = 0,25 P(A) = 0,25

P(B) = 0,10 P(B) = 0,10
P(A∩B) = 0,005 P(A∩B) = 0
¿Probabilidad de A sabiendo que ha pasado B?
P(A|B)=0,05 P(A|B)=0
 Los problema de probabilidad pueden
resolverse a partir de los axiomas, pero es
más cómodo si usas algunas reglas de
cálculo:
 P(A’) = 1 - P(A)

 P(E)=1, P(Ø)=0

 P(AUB) = P(A) + P(B) - P(A ∩ B)

(Generaliza esta expresión para 3 o más (n) eventos. Utiliza una notación adecuada)

 P(A ∩ B) = P(A) P(B|A) = P(B) P(A|B)

 P(A∩B∩C)= P(A) P(B|A) P(C|A∩B)

(Esta es la regla de la multiplicación. Generaliza esta expresión para 4 o más (n) eventos Utiliza una notación adecuada)
 Ejemplo: considerar el siguiente sistema de filtros junto con la
probabilidad de que cada el filtro funcione correctamente.
Calcular la probabilidad de que el sistema filtre correctamente:
P(A)=0,9

P(B)=0,8 P(C)=0,7

P(A U (B∩C)) = P(A)+P(B∩C)-P(A∩B∩C)=P(A)+P(B)P(C)-P(A)P(B)P(C)

= 0,9 + 0,8 x 0,7 - 0,9 x 0,8 x 0,7 = 0,956

Ejemplo: Tenemos en un cajón dos tipos de analgésicos: 20 de tipo A

y 10 de tipo B. Si cogemos tres analgésicos al azar
¿cuál es la probabilidad de los tres sean de tipo A?

Llamamos Ai = el i-ésimo analgésico extraído es de tipo A.

P(A1∩A2∩A3)= P(A1)P(A2|A1)P(A3|A1∩A2) = (20/30)(19/29)(18/28)=0,28079
Independencia de sucesos

 Dos sucesos son independientes si el que

ocurra uno no añade información sobre el otro.

 A es independiente de B

 P(A|B) = P(A)

 P(A ∩ B) = P(A) P(B)

 Recuento
Ejemplo (I) MENOPAUSIA
NO SI Total
CLASIFICACION NORMAL 189 280 469
OMS OSTEOPENIA 108 359 467
OSTEOPOROSIS 6 58 64
Total 303 697 1000

 Se ha repetido en 1000 ocasiones el experimento

de elegir a una mujer de una población muy
grande. El resultado está en la tabla.
 ¿Cuál es la probabilidad de que una mujer tenga
osteoporosis?
 P(Osteoporosis)=64/1000=0,064=6,4%
 Coincide con la noción frecuentista de probabilidad
 P(osteoporosis)=P(osteoporosis y menopausia)+P(osteoporosis y No menopausia)
 Es la probabilidad marginal (de la ostporosis. respecto de la
menopausia) ó probabilidad total.
 Recuento
Ejemplo (II) MENOPAUSIA
NO SI Total
CLASIFICACION NORMAL 189 280 469
OMS OSTEOPENIA 108 359 467
OSTEOPOROSIS 6 58 64
Total 303 697 1000
 ¿Probabilidad de tener osteopenia u osteoporosis?
 P(OsteopeniaUOsteoporosis)=467/1000+64/1000=0,531
 Son sucesos disjuntos
 Osteopenia ∩ Osteoporosis=Ø

 ¿Probabilidad de tener osteoporosis o menopausia?

 P(OsteoporosisUMenopausia)=64/1000+697/1000-58/1000=0,703
 No son sucesos disjuntos

 ¿Probabilidad de una mujer sin osteoporosis o menopausia?

 P(Normal)=469/1000=0,469
 P(Normal)=1-P(Normal’)=1-P(OsteopeniaUOsteoporosis) =1-0,531=0,469
 Recuento

Ejemplo (III) MENOPAUSIA

NO SI Total
CLASIFICACION NORMAL 189 280 469
OMS OSTEOPENIA 108 359 467
OSTEOPOROSIS 6 58 64
Total 303 697 1000

 Si es menopáusica… ¿probabilidad de osteoporosis?

 P(Osteoporosis|Menopausia)=58/697=0,098

 ¿Probabilidad de menopausia y osteoporosis?

 P(Menop ∩ Osteoporosis) = 58/1000=0,058

 Otra forma:

P( Menop  Osteoporosis )  P( Menop)  P(Osteoporosis | Menop) 

697 58
   58 / 1000  0,058
1000 697
 Recuento

Ejemplo (IV) MENOPAUSIA

NO SI Total
CLASIFICACION NORMAL 189 280 469
OMS OSTEOPENIA 108 359 467
OSTEOPOROSIS 6 58 64
Total 303 697 1000

 ¿Son independientes menopausia y osteoporosis?

 Una forma de hacerlo
 P(Osteoporosis)=64/1000=0,064
 P(Osteoporosis|Menopausia)=58/697=0,098
 La probabilidad de tener osteoporosis es mayor si ha pasado la
menopausia. Añade información extra. ¡No son independientes!

 ¿Otra forma?
 P(Menop ∩ Osteoporosis) = 58/1000 = 0,058
 P(Menop) P(Osteoporosis)= (697/1000) x (64/1000) = 0,045
 La probabilidad de la intersección no es el producto de probabilidades. No
son independientes.
Partición disjunta del espacio muestral
Es una colección de sucesos

A1 A2 A1, A2, A3, A4…

tal que la unión de todos ellos forman

el espacio muestral, y sus intersecciones
son disjuntas.

¿Recordáis cómo formar intervalos en tablas

de frecuencias?
A1
A3 A4
A2
Suceso
seguro
A3

A4
 Divide y vencerás
Todo suceso B, puede ser descompuesto en
sus componentes respecto de la partición
A1 A2 disjunta

B = (B∩A1) U (B∩A2 ) U ( B∩A3 ) U ( B∩A4 )

B
A1 B

A2 B
A3 A4 Suceso
seguro
A3 B

A4 B
Descomponemos el problema B en
subproblemas más simples.
 Teorema de la probabilidad total
Si conocemos la probabilidad de B en cada una de las
A1 A2 componentes de una partición disjunta del espacio
muestral, entonces…

… podemos calcular la probabilidad de B.

P(B|A1)
B A1 B
P(A1)
P(B|A2)
A2 B
Suceso P(A2)
A3 A4 seguro P(B|A3)
P(A3) A3 B
P(A4) P(B|A4)
A4 B
P(B) = P(B∩A1) + P(B∩A2) + P(B∩A3) + P( B∩A4)

= P(A1)P(B|A1) + P(A2)P(B|A2)+ P(A3) P(B|A3) + P(A4) P(B|A4)

 Ejemplo (I): En este aula el 70% de los alumnos son mujeres. De
ellas el 10% son fumadoras. De los hombres, son fumadores el
20%. Prob. Total. Hombres y mujeres forman una partición disjunta

Mujer
Fuman Fuma
Hombre 0,1

 ¿Qué porcentaje de fumadores hay?

Mujer
 P(F) = P(M∩F) + P(H∩F) 0,7 0,9
No fuma
= P(M)P(F|M) + P(H)P(F|H)
Estudiante
=0,7 x 0,1 + 0,3 x 0,2

= 0,13 =13% 0,3 0,2

Fuma
Hombre

0,8
•Los caminos a través de nodos representan intersecciones. No fuma

•Las bifurcaciones representan uniones disjuntas.

Teorema de Bayes
Si conocemos la probabilidad de B en
cada una de las componentes de una
A1 A2 partición disjunta del espacio muestral,
entonces…

…si ocurre B, podemos calcular la

probabilidad (a posteriori) de ocurrencia
B de cada Ai.

P(B Ai )
P(Ai |B) 
A3 A4 P(B)

donde P(B) se puede calcular usando el teorema de la probabilidad total:

P(B) = P(B∩A1) + P(B∩A2 ) + P( B∩A3 ) + ( B∩A4 )

= = P(A1)P(B|A1) + P(A2)P(B|A2)+ P(A3) P(B|A3) + P(A4) P(B|A4)

Ejemplo (II): En este aula el 70% de los alumnos son mujeres.
De ellas el 10% son fumadoras. De los varones, son
fumadores el 20%.
Mujer
Fuman
Hombre Fuma
0,1
 Se elije a un individuo al azar y es… fumador
¿Probabilidad de que sea un hombre? 0,7 Mujer
0,9
No fuma
P( H  F ) P( H )  P( F | H ) Estudiante
P( H | F )   
P( F ) P( F )
0,2
P( H )  P( F | H ) 0,3 Fuma
 
P( H )  P( F | H )  P( M )  P( F | M ) Hombre
0,3  0, 2 0,3  0, 2
   0, 46
0,3  0, 2  0,7  0,1 0,13 0,8
No fuma
¿Qué hemos visto?

 Álgebra de sucesos
 Unión, intersección, complemento
 Probabilidad
 Definiciones
 Clásica
 Frecuentista
 Subjetiva
 Axiomática.
 Probabilidad condicionada
 Reglas de cálculo
 Complementario, Unión, Intersección
 Independencia de sucesos
 Particiones disjuntas del espacio muestral
 Teorema probabilidad total.
 Teorema de Bayes