PROBABILIDAD

Ing. Luis Ricardo Prez Aguilar

INTRODUCCIN
Sin tener en cuenta la profesin, algo s es seguro: en algn momento se han de tomar decisiones. Con frecuencia sin conocer las consecuencias que traern tales decisiones. Todo esfuerzo por reducir el nivel de incertidumbre en el proceso de toma de decisiones incrementar enormemente la probabilidad de que se tomen decisiones ms inteligentes y bien formadas.

INTRODUCCIN
En la actualidad vemos que la teora de la probabilidad ocupa un lugar muy importante en muchos asuntos. Los seguros y las prcticas actuariales se basan firmemente en los principios de la teora de la probabilidad. La probabilidad tambin juega un papel muy importante en la estimacin del nmero de unidades defectuosas en un proceso de fabricacin.

DEFINICIN
La probabilidad es la posibilidad numrica (entre 0 y 1) de que ocurra un evento. La probabilidad es medida por valores comprendidos entre 0 y 1. Entre mayor sea la probabilidad de que ocurra un evento, su probabilidad asignada estar prxima a 1. La probabilidad de certeza es 1. La probabilidad de una imposibilidad es 0.

DEFINICIN

En donde Ei es algn evento La probabilidad de que se apruebe este curso sin estudiar, est muy cerca de _____

EXPERIMENTO
El proceso que produce un evento es denominado experimento. Un experimento es toda accin bien definida que conlleva a un resultado nico bien definido. Y en cada una de las repeticiones del experimento, habr uno y slo uno de los posibles resultados experimentales. Ejemplo: Lanzar un dado es un experimento. Un resultado bien definido es un nmero de 1 a 6.

EXPERIMENTO
Experimento
Lanzar una moneda Tomar una pieza para inspeccionarla Realizar una llamada de ventas Jugar un partido de futbol

Resultado experimental
Cara, cruz Con defecto, sin defecto Hay compra, no hay compra Ganar, perder, empatar

ESPACIO MUESTRAL
El conjunto de todos los posibles resultados para un experimento es el espacio muestral. En otras palabras, es el conjunto de todos los resultados experimentales.

El espacio muestral para lanzar un dado es SS = (1,2,3,4,5,6)

Mientras que el espacio muestral para el experimento de lanzar una moneda al aire es: SS = (guila, sol)

ESPACIO MUESTRAL
La probabilidad de que al menos uno de los eventos que estn en el espacio muestral ocurra es igual a 1. si se lanza un dado, el resultado debe ser un nmero entre 1 y 6. Debido a que esto es una certeza puede decirse que =

Reglas de conteo, combinaciones y permutaciones

Al asignar probabilidades es necesario saber identificar y contar los resultados experimentales.

Existen tres reglas de conteo que son muy utilizadas:

Experimentos de pasos mltiples Combinaciones Permutaciones

Experimentos de pasos mltiples

Un experimento se describe como una sucesin de k pasos en los que hay n1 resultados posibles en el primer paso, n2 para el segundo y as en lo sucesivo, entonces el nmero total de resultados experimentales es (n1)(n2)(nk). Ejemplo: El experimento de lanzar dos monedas es un experimento de dos pasos: el paso 1 es lanzar la primera moneda y el paso 2 es lanzar la segunda moneda. Si se emple H para denotar cara y T para denotar cruz, (H,H) ser el resultado experimental en el que se tiene cara en la primer moneda y cara en la segunda.

Experimentos de pasos mltiples

El espacio muestral (SS) en este experimento del lanzamiento de monedas ser el siguiente: SS= , , , , , , (, ) Por tanto hay cuatro resultados experimentales. En este caso es fcil enumerar todos los resultados experimentales. Si considera el experimento del lanzamiento de dos monedas como la sucesin de lanzar primero una moneda (n1=2) y despus lanzar la otra (n2=2), siguiendo la regla de conteo (2)(2)=4, entonces hay cuatro resultados distintos.

El nmero de resultados experimentales de seis monedas es (2)(2)(2)(2)(2)(2) = 64

Experimentos de pasos mltiples

Un diagrama de rbol es una representacin grfica que permite visualizar un experimento de pasos mltiples.
Paso 1 Primera moneda Paso 2 Segunda moneda Resultado Experimental (puntos muestrales)

(H,H)

(H,T)

(T,H)

(T,T)

Combinaciones
Permite contar el nmero de resultados experimentales cuando el experimento consiste en seleccionar n objetos de un conjunto (usualmente mayor) de N objetos.

N N! C n n!( N n)!
N n

Permutaciones
Es la tercer regla de conteo, la cual permite calcular el nmero de resultados experimentales cuando se seleccionan n objetos de un conjunto de N objetos y el orden de seleccin es relevante. El nmero de permutaciones de N objetos tomados de n en n est dado por:

N N! P n! n ( N n)!
N n

EVENTO
Un evento muestrales. es una coleccin de puntos

PROBABILIDAD DE UN EVENTO La probabilidad de cualquier evento es igual a la suma de las probabilidades de los puntos muestrales que forman el evento.

LAS DOS REGLAS DE LA PROBABILIDAD

Existen dos reglas bsicas que deben seguirse para calcular la probabilidad de eventos ms complejos. Regla de multiplicacin Regla de adicin Cada una se utiliza para propsitos especficos.

Regla de la multiplicacin
El propsito de la regla de la multiplicacin es determinar las probabilidades del evento conjunto . Es decir, que para encontrar la probabilidad de A y B, simplemente se multiplican sus respectivas probabilidades.
El procedimiento exacto depende de si A y B son dependientes o independientes. Los eventos A y B son independientes si = (). Es decir, la probabilidad de A es la misma bien se considere o no el evento B. De igual forma, si A y B son independientes, si = ().

Regla de la multiplicacin
Para eventos independientes la probabilidad de dos eventos se vuelve:

Ejemplo: La probabilidad de los dos eventos independientes de sacar un 3 con un dado y una cara con una moneda es:

Regla de la multiplicacin
Ejemplo: La probabilidad de sacar una carta de las 13 de corazones de una baraja de 52 cartas y de sacar un nmero para con un dado es

Regla de la multiplicacin
Si los eventos son dependientes, entonces, por definicin, se debe considerar al primer evento al determinar la probabilidad del segundo. Es decir, la probabilidad del evento B depende de la condicin que A ya haya ocurrido:

Regla de la adicin
La regla de la adicin se utiliza para determinar la probabilidad de A o B, ( )
Probabilidad del evento A o B (cuando los eventos no son mutuamente excluyentes):

A y B no son mutuamente excluyentes si ambos pueden ocurrir al mismo tiempo.

Regla de la adicin
Ejemplo: La probabilidad de sacar un as o una de las 13 cartas de corazones de una baraja es + . Los eventos A y B no son mutuamente excluyentes, debido a que ambos ocurren si se sacara el as de corazones. Por tanto, + = + =
La razn por la cual se debe restar la probabilidad conjunta cuando los eventos son mutuamente excluyentes es para evitar el doble conteo.

TEOREMA DE BAYES

SURGIMIENTO
El reverendo Thomas Bayes (1702-1761) desarroll un concepto til al calcular ciertas probabilidades.

VARIABLES ALEATORIAS Y DISTRIBUCIONES DE PROBABILIDAD

Variable aleatoria
Es una variable cuyo valor es el resultado de un evento aleatorio.
Se supone que se lanza una moneda tres veces y se anota el nmero de caras que se obtienen. Los posibles resultados son 0 caras, 1 cara, 2 caras o 3 caras. La variable aleatoria es el nmero de caras que se obtienen, y los posibles resultados son los valores de la variable aleatoria.

Variable aleatoria
Una variables aleatoria puede ser: discreta o continua.
Variable aleatoria discreta Puede asumir slo ciertos valores, con frecuencia nmeros enteros, y resulta principalmente del conteo.

El nmero de caras en el experimento del lanzamiento de la moneda es un ejemplo de una variable aleatoria discreta.

Variable aleatoria
Variable aleatoria continua Resulta principalmente de la medicin y puede tomar cualquier valor, al menos dentro de un rango dado.
La estatura de los clientes en una tienda de ropa, los ingresos de los empleados en un centro comercial local y el tiempo transcurrido entre la llegada de cada cliente a la biblioteca. En cada caso, la variable aleatoria puede medirse con cualquier valor, incluyendo fracciones de la unidad.

Distribucin de probabilidad
Es un despliegue de todos los posibles resultados de un experimento junto con las probabilidades de cada resultado.
Es una lista de todos los resultados posibles de algn experimento y de la probabilidad relacionada con cada resultado

Distribucin de probabilidad
Ejemplo: La probabilidad de lanzar una moneda tres veces y de obtener (1) ninguna cara es 1/8, (2) 1 cara es 3/8, (3) 2 caras es 3/8, (4) 3 caras es 1/8. Las probabilidades suman 1.

Media y Varianza de la distribucin discreta

As como se puede calcular la media de un conjunto de datos, tambin se puede determinar la media de una distribucin de probabilidad.
La media aritmtica de una distribucin de probabilidad se llama el valor esperado E(X), y se halla multiplicando cada resultado posible por su probabilidad y sumando los resultados tal como sigue:

Media y Varianza de la distribucin discreta

Con el ejemplo de lanzar un dado, en la siguiente tabla en las dos primeras columnas se muestra la distribucin de probabilidad. La columna 3 ilustra el clculo del valor esperado para el experimento utilizando la frmula anterior.
Cada resultado se multiplica por su respectiva probabilidad, y los resultados se suman, produciendo = = . . Esto sugiere que si se lanza un dado se puede esperar obtener 3.5? Difcilmente. Significa que si se promedian los resultados de los lanzamientos del dado (tericamente, un nmero infinito), se obtendr 3.5

Media y Varianza de la distribucin discreta

Media y Varianza de la distribucin discreta

Valor Esperado:
El valor esperado de una variable aleatoria discreta es la media ponderada de todos los posibles resultados en los cuales los pesos son las probabilidades respectivas de tales resultados.

Media y Varianza de la distribucin discreta

La varianza de una distribucin de probabilidad es conceptualmente la misma que la varianza de un conjunto de datos. Es el promedio de las desviaciones al cuadrado con respecto a la media:

Media y Varianza de la distribucin discreta