Cap 4 Trad

Estadística para
Administración y Economía
6ta Edición
Capítulo 4
Probabilidad
Statistics for Business and Economics, 6e © 2007 Pearson Education, Inc. Chap 4-1
Objetivos del Capítulo
Después de completar este capítulo, usted deberá ser
capaz de:
 Explicar los conceptos y definiciones básicas de
probabilidad
 Usar un diagrama de Venn o un diagrama de árbol para
ilustrar probabilidades simples

 Aplicar las reglas conocidas de probabilidad
 Calcular probabilidades condicionales
 Determinar si dos eventos son estadísticamente
independientes
 Aplicar el Teorema de Bayes
Términos importantes
 Experimento Aleatorio – un proceso que conduce a un

resultado incierto
 Resultado básico – uno de los posibles resultados de
un experimento aleatorio
 Espacio Muestral – la colección de todos los posibles
resultados de un experimento aleatorio
 Evento – cualquier subconjunto de resultados básicos
provenientes del espacio muestral
Términos Importantes
(continuación)
 Intersección de Eventos – Si A y B son dos eventos en

un espacio muestral S, entonces la intersección A ∩ B
es el conjunto de todas los resultados en S que
pertenecen tanto a A como a B
A AB B
(continuación)
 A y B son Eventos Mutuamente Excluyentes si no

tienen resultados básicos en común (no tienen
elementos comunes). Es decir, A ∩ B =  : la
intersección es el conjunto vacío
S
A B
(continuación)
 Unión de Eventos – Si A y B son dos eventos en un

espacio muestral S, entonces A U B, la unión de A y B,
es el conjunto de todos los resultados en S que
pertenecen a A, a B o a ambos.
S El área total
sombreada
A B representa
AUB
(continuación)
 Los eventos E1, E2, … Ek se llaman Colectivamente

Exhaustivos si: E1 U E2 U . . . U Ek = S
La unión de los eventos cubren completamente el
espacio muestral
 El Complemento de un evento A es el conjunto de
todos los resultados básicos en el espacio muestral que
no pertenecen a A.
 El complemento de A se escribe A
S
A
A
Ejemplos
Sea el experimento: Lanzar un dado y anotar
el resultado.
El Espacio Muestral será: S = { 1, 2, 3, 4, 5, 6 }
Sea A el evento “El número resultante es par”

Sea B el evento “El número resultante es al menos 4”
Entonces A = { 2, 4, 6 } y B = { 4, 5, 6 }
Ejemplos
(continuación)
S = {1, 2, 3, 4, 5, 6} A = {2, 4, 6} B = {4, 5, 6}
Complementos:
A  {1, 3, 5} B  {1, 2, 3}
Intersecciones:
A  B  {4, 6} A  B  {5}
Uniones:
A  B  {2, 4, 5, 6}
A  A  {1, 2, 3, 4, 5, 6}  S
Ejemplos
(continuación
S = {1, 2, 3, 4, 5, 6} A = {2, 4, 6} B = {4, 5, 6}
 Mutuamente excluyentes:
 A y B no son mutuamente excluyentes
 Los resultados 4 y 6 son comunes a ambos
 Colectivamente exhaustivos:
 A y B no son colectivamente exhaustivos
 La unión A U B no contiene 1 o 3
Probabilidad
 Probabilidad – Medida de la 1 Cierto

ocurrencia de un evento
incierto (la probabilidad de
un evento es un número
real entre 0 y 1)
.5
0 ≤ P(A) ≤ 1
Para cualquier evento A
0 Imposible
Cálculo de Probabilidades
 Hay tres enfoques para calcular la probabilidad de
un evento incierto:
1. Probabilidad clásica
NA número de resultados que satisfacen el evento
Probabilidad de A  
N número total de resultados en el espacio muestral
 Se asume que todos los resultados del espacio muestral tienen la

misma probabilidad de ocurrir
Conteo de los posibles resultados
 Use la fórmula de combinaciones para determinar

el número de combinaciones de n objetos tomados
k a la vez
nn!
C  k
k! (n  k)!
 donde
 n! = n(n-1)(n-2)…(1)
 0! = 1 por definición
Cálculo de Probabilidades
Tres enfoques (continuación)
2. probabilidad como frecuencia relativa
nA número de eventos en la población que satisfacen el evento A

probabilidad de A  
n número total de eventos en la población
 El límite de la proporción de veces que un evento A ocurre en un número grande de
ensayos, n
3. probabilidad subjetiva
una opinión o creencia individual acerca de la probabilidad de la
ocurrencia del evento A
Postulados de Probabilidad
1. Si A es cualquier evento en el espacio muestral S,
0  P(A)  1
2. Sea A un evento en S, y sea Oi cualquier resultado
básico. Entonces
P(A)  P(O1 )  P(O 2 )  P(O3 )  ...  P(O n )
3. P(S) = 1
Reglas de Probabilidad
 La Regla del Complemento:

P(A)  1 P(A) i.e., P(A)  P(A)  1
 La Regla de la Adición:
 La probabilidad de la unión de dos eventos es
P(A  B)  P(A)  P(B)  P(A  B)
Probabilidad Condicional
 Se llama probabilidad condicional a la
probabilidad de que ocurra un evento, dado
que otro evento ha ocurrido:
P(A  B) La probabilidad
P(A | B)  condicional de que
P(B) ocurra A, dado que
ocurrió B
P(A  B) La probabilidad
P(B | A)  condicional de que
P(A) ocurra B, dado que
ocurrió A
Probabilidad Condicional: Ejemplo
 De todos los autos de un lote, 70% tienen aire

acondicionado (AC) y 40% tienen reproductor
de CD (CD). 20% tienen ambos.
 Cuál es la probabilidad de que un auto tenga

un reproductor de CD, dado que tiene aire
acondicionado?
es decir, calcularemos P(CD | AC)
Ejemplo de Probabilidad Condicional
(continuación)
 De los autos de un lote, 70% tienen aire acondicionado
(AC) y 40% tienen reproductor de CD (CD).
20% de los autos tienen ambos.
CD No CD Total
AC .2 .5 .7
No AC .2 .1 .3
Total .4 .6 1.0
P(CD  AC) .2
P(CD | AC)    .2857
P(AC) .7
Ejemplo de Probabilidad Condicional
(continuación)
 Dado AC, consideramos la fila superior (70% de los autos). De estos,
20% tienen reproductor de CD. 20% de 70% es 28.57%.
CD No CD Total
AC .2 .5 .7
No AC .2 .1 .3
Total .4 .6 1.0
P(CD  AC) .2
P(CD | AC)    .2857
P(AC) .7
Regla de la Multiplicación
 Regla de la Multiplicación para dos eventos A y B:
P(A  B)  P(A | B) P(B)

 También:
P(A  B)  P(B | A) P(A)
Independencia Estadística
 Dos eventos son estadísticamente
independientes si y sólo si:
P(A  B)  P(A) P(B)
 Los eventos A y B son independientes cuando la probabilidad
de un evento no se ve afectada por la ocurrencia del otro
evento
 Si A y B son independientes, entonces
P(A | B)  P(A) Si P(B)>0
P(B | A)  P(B) Si P(A)>0
Ejemplo de Independencia Estadística
 De los autos de un lote de autos usados, 70% tienen
aire acondicionado (AC) y 40% tienen reproductor de
CD (CD); 20% de los autos tienen ambos.
CD No CD Total
AC .2 .5 .7
No AC .2 .1 .3
Total .4 .6 1.0
 Son los eventos AC y CD estadísticamente independientes?
Ejemplo de Independencia Estadística
(continuación)
CD No CD Total
AC .2 .5 .7
No AC .2 .1 .3
Total .4 .6 1.0
P(AC ∩ CD) = 0.2
P(AC) = 0.7
P(AC)P(CD) = (0.7)(0.4) = 0.28
P(CD) = 0.4
P(AC ∩ CD) = 0.2 ≠ P(AC)P(CD) = 0.28

Los dos eventos no son estadísticamente independientes
Probabilidades Conjuntas y Marginales
 La probabilidad de un evento conjunto, A ∩ B:

número de resultados que satisfacen A y B
P(A  B) 
número total de resultados
 Cálculo de la probabilidad marginal:
P(A)  P(A  B1 )  P(A  B 2 )    P(A  Bk )


Donde B1, B2, …, Bk son k eventos mutuamente excluyentes
y colectivamente exhaustivos
Teorema de Bayes
P(A | E i )P(E i )
P(E i | A) 
P(A)
P(A | E i )P(E i )

P(A | E 1 )P(E 1 )  P(A | E 2 )P(E 2 )    P(A | E k )P(E k )
 donde:
Ei = i-ésimo evento de k eventos mutuamente
excluyentes y colectivamente exhaustivos
A = nuevo evento que impactará P(Ei)
Ejemplo del Teorema de Bayes
 Una compañía perforadora ha estimado una
probabilidad de 40% de hallar petróleo en un pozo
nuevo.
 Se ha programado una prueba detallada para obtener
mayor información. Históricamente, 60% de los pozos
exitosos han tenido pruebas detalladas, y 20% de los
pozos no exitosos han tenido pruebas detalladas.
 Dado que este pozo ha sido programado para una
prueba detallada, se debe calcular la probabilidad de
que el pozo sea exitoso.
(continuación)
 Sean los eventos: E = pozo exitoso

N = pozo no exitoso
 P(E) = .4 , P(N) = .6 (probabilidades previas)
 El evento de la prueba detallada es D
 Las probabilidades condicionales son:
P(D|E) = 0.6, P(D|N) = 0.2
 El objetivo es calcular P(E|D)
(continuación)
Aplicando el Teorema de Bayes:
P(D | E)P(E)
P(E | D) 
P(D | E)P(E)  P(D | N)P(N)
(0.6)(0.4)

(0.6)(0.4)  (0.2)(0.6)
0.24
  0.667
0.24  0.12
Así la probabilidad posterior de éxito (de la estimación original de

0.4), dado que este pozo ha sido programado para una prueba
detallada, es 0.667
Resumen del Capítulo
 Conceptos básicos de Probabilidad
 Espacio muestral, eventos, intersección y unión de eventos,
eventos mutuamente excluyentes y colectivamente
exhaustivos, complementos.
 Reglas básicas de Probabilidad
 Regla del Complemento, Regla de la Adición, Regla de la
Multiplicación.
 Probabilidades condicionales, conjuntas y marginales
 Independencia estadística
 Teorema de Bayes

Cap 4 Trad

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Cap 4 Trad

Cargado por

Copyright:

Formatos disponibles

Estadística para

ilustrar probabilidades simples

 Calcular probabilidades condicionales

 Determinar si dos eventos son estadísticamente

 Experimento Aleatorio – un proceso que conduce a un

 Intersección de Eventos – Si A y B son dos eventos en

 A y B son Eventos Mutuamente Excluyentes si no

 Unión de Eventos – Si A y B son dos eventos en un

 Los eventos E1, E2, … Ek se llaman Colectivamente

El Espacio Muestral será: S = { 1, 2, 3, 4, 5, 6 }

Sea A el evento “El número resultante es par”

S = {1, 2, 3, 4, 5, 6} A = {2, 4, 6} B = {4, 5, 6}

S = {1, 2, 3, 4, 5, 6} A = {2, 4, 6} B = {4, 5, 6}

 Probabilidad – Medida de la 1 Cierto

 Se asume que todos los resultados del espacio muestral tienen la

 Use la fórmula de combinaciones para determinar

nA número de eventos en la población que satisfacen el evento A

P(A)  P(O1 )  P(O 2 )  P(O3 )  ...  P(O n )

 La Regla del Complemento:

P(A  B)  P(A)  P(B)  P(A  B)

 De todos los autos de un lote, 70% tienen aire

 Cuál es la probabilidad de que un auto tenga

 Regla de la Multiplicación para dos eventos A y B:

P(A  B)  P(A | B) P(B)

P(A  B)  P(B | A) P(A)

P(B | A)  P(B) Si P(A)>0

 Son los eventos AC y CD estadísticamente independientes?

P(AC ∩ CD) = 0.2 ≠ P(AC)P(CD) = 0.28

 La probabilidad de un evento conjunto, A ∩ B:

 Cálculo de la probabilidad marginal:

P(A)  P(A  B1 )  P(A  B 2 )    P(A  Bk )

 Sean los eventos: E = pozo exitoso

Aplicando el Teorema de Bayes:

Así la probabilidad posterior de éxito (de la estimación original de

También podría gustarte