Está en la página 1de 35

TEORÍA DE PROBABILIDADES

CONCEPTOS BÁSICOS
El estudio de fenómenos de diversa naturaleza permite
clasificar éstos en dos grandes grupos:

a) Fenómenos determinísticos: aquellos en los cuales una


misma acción produce siempre el mismo efecto.

b) Fenómenos probabilísticos o aleatorios: aquellos en los


cuales no siempre puede predecirse con certeza el resultado
de una misma acción.
¿QUÉ ES INCERTIDUMBRE?

La falta de conocimiento cierto de las cosas es la mayor


fuente de ansiedad para el hombre y es natural su deseo de
remediarla. La carencia de certeza o de conocimiento cierto
de la ocurrencia de determinados eventos, lleva a correr
ciertos riesgos en las decisiones esto es incertidumbre y es
ahí donde el uso de las probabilidades es de gran ayuda para
minimizarlos.
EXPERIMENTO ALEATORIO (E)
Un experimento aleatorio o no determinístico es aquél que
pudiendo repetirse indefinidamente en condiciones análogas o
similares, puede presentar distintos resultados en cada
repetición particular.

Surgen dos supuestos

a) La experiencia se realiza bajo las mismas condiciones


b) El resultado de cada experimento no se puede predecir
ESPACIO MUESTRAL (S)
Es el conjunto no vacío formado por todos los resultados
posibles y razonables de un experimento aleatorio.

Clasificación

a) Finito: cuando el espacio muestral es un conjunto de


eventos numerable.
b) Infinito: cuando el espacio muestral es un conjunto
eventos no numerable.
Ejemplo:
Experimento: Se lanza un dado.
Espacio muestral = total de caras en que puede caer el dado, o sea
seis formas de interés:
S = { 1, 2, 3, 4, 5, 6 }
EJEMPLOS
EXPERIMENTO ALEATORIO ESPACIO MUESTRAL
a) Lanzar una moneda una vez. S= {c,s}
b) Se lanza una moneda 4 veces y se
S= {0,1,2,3,4}
cuenta el número de caras.

c) Se tira un dado hasta obtener un as S= {1, 21, 31, 41, 51, 61,
221,231,241,251….}

d) Se mide la temperatura durante el
S= [m,M]
próximo mes
Suceso o Evento
Es cualquier subconjunto de resultados posibles y razonables de
un experimento aleatorio.

Si en una realización del experimento aleatorio se satisfacen las


condiciones que definen un suceso, se dice que ha ocurrido
dicho suceso.

Tipos
a) Simples: son sucesos indivisibles; es decir, aquellos que están
compuestos por un solo punto muestral. Ejemplo: en el
experimento aleatorio lanzar un dado, cualquiera de los lados
del dado es un suceso simple.
b) Compuestos: son sucesos formados por dos o más
sucesos simples. Es cualquier subconjunto no unitario del
espacio muesral. Ejemplo: en el experimento aleatorio lanzar
un dado, el suceso “que salga un número par” es compuesto.

c) Imposible ( ):es aquel que no ocurre nunca; esto es, el conjunto


vacío. Por ejemplo, si al lanzar un dado común se puede
obtener un 7.

d) Contrario (A): es aquel que ocurre cuando no ocurre el suceso


A. Por ejemplo,
Si P (lluvia)= 0,40, entonces P (no lluvia)= 1-P (lluvia)= 0,60
Operaciones Básicas con Eventos Aleatorios
Ya que los eventos aleatorios son subconjuntos del conjunto Ω, espacio muestral,
se pueden aplicar las conocidas operaciones con conjuntos, a los eventos, como
son la unión, la intersección y la diferencia de eventos.

OPERACIÓN EXPRESION DESCRIPCION

UNION A B Unión de eventos originales: es el


evento que sucede si y solo si A sucede
o B sucede o ambos suceden
INTERSECCION A B Intersección de los eventos originales,
es el evento que sucede si y sólo si A y
B suceden simultáneamente.
DIFERENCIA A- B La diferencia de los eventos originales
A y B, es el evento que sucede solo en
A pero no en B.
Gráficamente estas operaciones se pueden representar a través de los
diagramas de Venn.
Sea Ω el espacio muestral y A y B eventos tal que A, B  Ω gráficamente
se puede expresar como:

A B

Los eventos A y B no tienen elementos del espacio muestral en común.


A B

Los eventos A y B tienen elementos del espacio muestral en común.


De acuerdo a lo indicado en las figuras 1 y 2, la unión de dos eventos se
presenta de dos formas diferentes: cuando los eventos son mutuamente
exclusivos (que no tienen elementos en común) y cuando entre los eventos
hay elementos comunes.

Definición.- Se dice que dos eventos A y B son mutuamente exclusivos,


cuando no pueden ocurrir simultáneamente, es decir, A  B = , lo que
ocurre en la fig. 1.
Ejemplo:
Experimento: Se lanza un dado.
Espacio muestral = total de caras en que puede caer el dado, o sea seis
formas de interés:
S = { 1,2,3,4,5,6 }, N(S) = 6

Sean A, B, C los eventos:


A: Que caiga un número impar = { 1, 3, 5 } ,
N(A) = 3
B: Que caiga un número mayor de 2 y menor que 5 = { 3, 4 }, N(B) = 2
C: Que caiga un número par = { 2, 4, 6 } ,
N(C) = 3
B S
A
1
3
4
5
2 C
6

A B = { 1, 3, 5 } { 3, 4 } = {1,3,4,5}, N(A B) = 4


A  C = { 1, 3, 5 } { 2,4,6 } = {1,2,3,4,5,6}=S, N(A C) = N(S) = 6
B
S

A 3
4
C

A  B={ 1, 3, 5 }  { 3, 4 } = {3}, N(AB) = 1


A  C={ 1, 3, 5 }  { 2,4,6 } = {}, N(A  C) = N{) = 0
S
B
A
1
3
5

A – B = ={ 1, 3, 5 } - { 3, 4 } = { 1, 5 }, N(A – B) = 2
A – C = { 1, 3, 5 } - { 2,4,6 } = { 1,3,5 } = A, N( A – C) = N(A) = 3
B – C = { 3, 4 } - { 2,4,6 } = { 3 }, N(B-C) = 1
S
B
1
A 3
4
5
C
2
6

Ac = { 2, 4, 6} = C N(Ac ) = N( C )= 3
Bc = {1, 2, 5, 6 } N(Bc ) = 4
Cc = {1, 3, 5 } = A N(Cc ) = N(A) = 3
CONCEPTO DE PROBABILIDAD

Los experimentos aleatorios producen resultados inciertos y


la probabilidad es una medida de la incertidumbre. Sin
embargo, la incertidumbre es de naturaleza muy diferente
según lo sea el experimento. No existe un acuerdo total entre
los estudiosos de la probabilidad al respecto, por lo que se
pueden identificar tres grandes enfoques del pensamiento
probabilístico. A continuación, se exponen los principios
generales de cada una de éstos, sin tomar partido a favor de
alguno en particular.
Enfoque Clásico o a priori
Está basado en el concepto de equiprobabilidad del espacio
muestral y fue introducido por Laplace. El cálculo de la
probabilidad bajo la concepción clásica, se realiza mediante la
siguiente regla.

Regla de Laplace:
La probabilidad de un suceso A es igual al cociente del número
de casos favorables al suceso, sobre el número total de casos
posibles.
N de casos favorables al suceso A
P ( A) 
N de casos posibles
Ejemplo:
Experimento: Se lanzan dos monedas
Ω = { ss, cc, sc, cs}
N(Ω) = 4

Sean:
A: el evento de que al lanzar un par de monedas caigan dos secas exactamente
B: el evento de que al lanzar un par de monedas caiga una cara exactamente.

Los elementos de A y B son


A = { ss }
B = {sc, cs}

P (A) = ¼
P(B)= 2/4
Enfoque Frecuentista o a posteriori
Esta Ley propuesta por Bernoulli, plantea que la frecuencia
relativa de un suceso tiende a estabilizarse en torno a un
número, a medida que el número de pruebas del experimento
crece indefinidamente. Así bajo la concepción frecuentista, si
se repite un experimento indefinidamente, la probabilidad de
un suceso A es un número ideal al que se aproxima su
frecuencia relativa cuando el total de repeticiones tiende a
infinito.
 NA 
P( A)  lim  
N 
 N 
Siendo NA la frecuencia absoluta del suceso A.
Definición Axiomática de Kolmogorov
Dado un experimento aleatorio cualquiera (E) que tiene
asociado un espacio muestral (S), se llama probabilidad P
(A) que asigna a cada suceso o evento (A) un número real. Tal
que satisfaga con las siguientes propiedades o axiomas:
Axioma 1: 0  P( A)  1
Axioma 2: P(S)=1
Axioma 3: Si dos sucesos A y B son mutuamente excluyentes
(mex) entonces P (AUB)=P(A) +P(B)
Axioma 4: Si A1, A2,…,A4 son sucesos o eventos mex dos a
dos entonces, P( n A )  P( A )  P( A )  ...  P( A )  n P( A )
U i 1 2 4  i
i 1 i 1 ,
conocida como regla aditiva para sucesos o eventos mex.
Teoremas Fundamentales
Teorema 1
Si A es el conjunto vacio entonces su probabilidad es cero.
Es decir, P ( )  0

Teorema 2
Si A es un evento y A su complemento, entonces,
P ( A)  1  P ( A)

Teorema 3
Si A  B P ( A)  P ( B)

Por ser todo conjunto subconjunto de si mismo.


Teorema 4: “POSTULADO DE PROBABILIDAD TOTAL”
Sean A y B dos sucesos mutuamente No Excluyentes de un espacio
muestral (S), entonces,
P ( A  B )  P ( A)  P( B )  P ( A  B )

Si A y B son m.e, entontes P( A  B)  0

Luego P ( A  B)  P( A)  P( B )

Ejemplo:
Se extrae una carta de un mazo de 52. Hallar la probabilidad de que sea:
a) Trébol o corazón b) Trébol o figura

b) P (T ó C) = P (T) +P(C) = 13/52+ 13/52 = 0,5


c) P (T ó F )=P(T) + P (F) – P(T y F) = 13/52+ 12/52 – 3/52
Ley de Probabilidad Condicional
Sea S un espacio muestral asociado a un experimento aleatorio.
Sean Ay B dos sucesos cualesquiera de S, tales que P(B) = 0. Se
define la probabilidad condicional de A dado B, P(A/B), como:

P( A  B)
P( A / B) 
P( B)
Ejemplo:
Se extrae una carta de un mazo de 40. Calcular la probabilidad de
que habiendo sido espada sea el as.
P(as/espada) = P(as y espada)/P(espada) =(1/40) / (10/40) = 0,1
Ley Multiplicativa para Sucesos o Eventos Independientes.
Sea S un espacio muestral asociado a un experimento aleatorio.
Sean A y B sucesos de S. Se dice que A y B son sucesos
independientes si y sólo si:
P ( A / B )  P ( A) P ( A  B)  P ( A).P ( B )

Ejemplo:
Se tira un dado dos veces. Calcular la probabilidad de que
habiendo aparecido un as en la primera tirada, salga un seis en la
segunda.
P(seia/as) = P(seis) = 1/6
Ley Multiplicativa para Sucesos o Eventos Dependientes:
“Postulado de Probabilidad Compuesta”.

Partiendo de la definición de probabilidad condicional, podemos


obtener la probabilidad de la intersección mediante la siguiente
regla:
P ( A  B )  P ( A).P ( B / A)

Considerando que P (B/A) = P (B)

En el caso de la intersección de tres sucesos,

P ( A  B  C )  P ( A).P ( B / A).P(C / A  B )
Ejemplos:

1) Se extrae una carta de un mazo de 52. Hallar la probabilidad de obtener


una figura de pique.
P(F y P) = P(F). P(P/F) =12/52 . 3/12 = 0,06

2) Se extrae dos cartas sin reposición de un mazo de 52. Hallar la


probabilidad de que la primera sea un as y la segunda no.
P(A y A) = P(A). P(A/A) =4/52 . 48/51 = 0,07
TEOREMA DE BAYES

Sean A1, A2, A3..., An eventos disjuntos (mutuamente


excluyentes), que forman una partición de Ω. Esto es Ai 
Aj =  para toda i y toda j, y además
Ω = A1  A2  A3  An

A2
A5
A3
A1 A4

A6

An
Y sea E otro evento tal que B  Ω y E  Ai  

A2
A5
A3
A1 A4

B
A6

An

En dónde B se denomina efecto y Ai causa

B
Se quiere calcular la siguiente probabilidad: la probabilidad
de que habiendo sucedido el efceto B, haya actuado una
determinada causa Ai.

Bajo estas condiciones, la fórmula de Bayes está dada por:

P( Ai ).P( B / Ai )
P ( Ai / B ) 
∑ P ( Aj ).P ( B / Aj )
Ejemplo.-
En una pequeña empresa de tejidos se obtiene su producción con
tres máquinas hiladoras M1, M2 y M3 que producen
respectivamente 50%, 30% y el 20% del número total de
artículos producidos.
Los porcentajes de productos defectuosos producidos por estas
máquinas son 3%, 4% y 5%. Si se selecciona un artículo al azar,
que resulta defectuoso. Determinar la probabilidad de que haya
sido producida por M2
P(D/M1)=0.03
D P(M1)*P(D/M1)=0.5*0.03=0.015
P(M1)=0.5 M1
ND
P(ND/M1)=0.97

P(D/M2)=0.04 P(M2)*P(D/M2)=0.3*0.04=0.012
D
P(M2)=0.3 M2
P(ND/M2)=0.96 ND

P(D/M3)=0.05
P(M1)*P(D/M1)=0.2*0.05=0.01
D
P(M3)=0.2 M3
ND
P(ND/M3)=0.95
P(D) =0 .015+0.012+.01=0.037
Sea
P(D) = P(D/M1) P(M1) + P(D/M2) P(M2) + P(D/M3) P(M3)
= 0.03(0.50) + 0.04(0.30) + 0.05(0.20) = 0.037
Por lo tanto:

P(M2 /D) = P(M2). P(D/ M2) / P(D)


= 0.04(0.30) / 0,037

También podría gustarte