Pgina 1 de 16

PROBABILIDADES.

Para extender los resultados de la muestra a la poblacin, es necesario utilizar la idea de modelo probabilstico. Cuando tomamos una muestra de una poblacin, nuestras conclusiones o inferencias acerca de la poblacin tienen un grado de incertidumbre. El objetivo de este captulo es presentar una introduccin a la teora de la probabilidad como fundamento para la inferencia estadstica, la que finalmente nos permitir tomar una decisin sobre nuestro problema. El lenguaje de Probabilidades. Definicin: Un experimento aleatorio es un proceso (repetible) cuyo resultado no se conoce de antemano. Si se repite un experimento aleatorio bajo las mismas condiciones y anotamos las frecuencias relativas de un suceso. Observaremos que estas tienden a estabilizarse alrededor de un nmero que est entre cero y uno. Este valor recibe el nombre de probabilidad.

Espacios Muestrales y Eventos. Sea el experimento aleatorio = lanzar una moneda tres veces. Podemos contar el nmero de resultados posibles de este experimento con un diagrama de rbol:
3o 2o 1
o

C C S C S C C S C S

C S

S S

o escribir los resultados como un conjunto: S = {CCC, CCS, CSC, CSS, SCC, SCS, SSC, SSS}.

Pgina 2 de 16

Definicin: Un espacio muestral es el conjunto de todos los valores posibles de un experimento aleatorio.

Ejemplo Escriba el espacio muestral S para los siguientes experimentos: a) Lanzar una moneda y se observa el lado visible. b) Lanzar dos dados y se registra los nmeros que aparecen en cada dado:
S = { (1,1) (2,1) (3,1) (4,1) (5,1) (6,1)

(1,2) (2,2) (3,2) (4,2) (5,2) (6,2)

(1,3) (2,3) (3,3) (4,3) (5,3) (6,3)

(1,4) (2,4) (3,4) (4,4) (5,4) (6,4)

(1,5) (2,5) (3,5) (4,5) (5,5) (6,5)

(1,6) (2,6) (3,6) (4,6) (5,6) (6,6)

c) Lanzar dos dados y anotar la suma de los valores. d) Tomar una muestra aleatoria de tamao 10 de un lote de piezas y contar cuntas tienen defectos. e) Seleccionar aleatoriamente un estudiante y anotar el tiempo que estudi estadstica en las ltimas 24 horas. f) El tiempo que espero la llegada de la micro en el paradero.

Definicin: Un evento suceso es cualquier subconjunto del espacio muestral S. Se dice que un suceso A ocurre si cualquiera de los elementos resultados en A ocurren.

Habitualmente se usan los diagramas de Venn, de la teora de conjuntos, para visualizar el espacio muestral y los eventos.

S A
.b .a

Pgina 3 de 16 Ejemplo Considere el experimento de lanzar dos dados y se registra los nmeros que aparecen en cada dado.
S = { (1,1) (2,1) (3,1) (4,1) (5,1) (6,1)

(1,2) (2,2) (3,2) (4,2) (5,2) (6,2)

(1,3) (2,3) (3,3) (4,3) (5,3) (6,3)

(1,4) (2,4) (3,4) (4,4) (5,4) (6,4)

(1,5) (2,5) (3,5) (4,5) (5,5) (6,5)

(1,6) (2,6) (3,6) (4,6) (5,6) (6,6)

Marque los resultados que corresponden a los siguientes eventos: a) Evento A = "No sale seis". b) Evento B = "Sale exactamente un seis". c) Evento C = "Salen exactamente dos seis". d) Evento D = Sale al menos un seis.

La unin de dos eventos, representada por A o B, se denota por:

"A or B" A B

AB

La interseccin de dos eventos, representado por A y B, se denota por:

"both A and B" A B

AB

El complemento de un evento, representado por no A, se denota por: A C

C

A A

Pgina 4 de 16

Definicin: Dos eventos A y B son disjuntos o mutuamente excluyentes si no tienen elementos en comn. As, si un evento ocurre, el otro no puede ocurrir.

S B A

Ejemplo Mutuamente excluyentes? En cada caso, determine si en la siguiente lista de eventos son mutuamente excluyentes: a) Un vendedor hace una venta: A = la venta excede $5 mil pesos. B = la venta excede $50 mil pesos. b) Un vendedor hace una venta: A = la venta es de menos de $5 mil pesos. B = la venta es de entre $10 mil y $50 mil pesos. C = la venta es de ms de $100 mil pesos.

Tcnicas de Conteo. Principio de la Multiplicacin. Si una decisin se puede tomar de m maneras y una vez tomada una de ellas, una segunda decisin es tomada de n maneras, entonces el nmero de maneras de tomar ambas decisiones es igual a m n. Ejemplo Supongamos que lanzamos un dado y una moneda, Cuntos resultados se pueden obtener? Respuesta: Al lanzar un dado tenemos 6 posibilidades, y al lanzar una moneda tenemos 2 posibilidades. Luego, los resultados posibles est dado por:

6 2 = 12

Pgina 5 de 16

Principio de la Adicin. Si dos decisiones son mutuamente excluyentes y la primera se puede tomar de m maneras y la segunda de n maneras, entonces una la otra se puede tomar de m+n maneras. Ejemplo En un viaje se debe decidir entre transporte por bus por tren. Si existen tres rutas para el bus y dos para el tren, Cuntas rutas disponibles existen para el viaje? Respuesta: Al realizar el viaje por bus tenemos 3 rutas disponibles, en cambio, al realizar el viaje por tren tenemos 2 rutas disponibles. Luego, los resultados posibles est dado por:

3+2=5

Arreglos. Un arreglo simple de n objetos diferentes tomados de k en k es una ordenacin de k objetos entre los n dados, de tal manera que estos grupos de k elementos difieran en algn elemento en el orden de colocacin. Permutaciones. Son los diferentes grupos que pueden formarse con los n objetos dados, de modo que intervengan todos los elementos en cada grupo y cuya diferencia est dada en el orden de colocacin.

El nmero de permutaciones distintas que pueden formarse con n objetos se obtiene mediante la frmula: P = 1 2 3 4 n = n! Ejemplo Listar el nmero de permutaciones con las letras: A, B y C. Respuesta: n=3 letras P = 3! = 6 Los resultados posibles son los siguientes: ABC ACB BAC BCA CAB CBA

Pgina 6 de 16 Ejemplo Un estudiante de Contador Pblico y Auditor pondr en la repisa de su cuarto seis libros de contabilidad, cinco de estadstica y dos de administracin. Los quiere colocar de manera que los de cada materia queden juntos. De cuntas formas lo puede hacer?

6! 5! 2! 3! = 1036800.
El nmero de permutaciones distintas que pueden formarse de n objetos tomando k cada
!

Respuesta:

vez, se obtiene mediante la frmula: P

= !

Ejemplo Listar todas las permutaciones posibles con dos de las letras A, B y C. Respuesta:
n=3 y k=2 P

Los resultados posibles son los siguientes: AB BA AC CA BC CB

= ! = 6

Permutaciones cuando no todos los objetos son diferentes. Supongamos que tenemos n objetos de los cuales n1 son del tipo 1, n2 son del tipo 2, n3 son del tipo 3, . , nk son del tipo k con n1+n2+n3+ + nk = n, entonces el nmero de permutaciones de estos objetos son:

P =

n! n ! n ! n ! n !

Ejemplo Cuntas permutaciones ESTADSTICA? Respuesta: Tenemos en total n=11 letras, las que se distribuyen de la siguiente manera: 1 letra E, 2 letras T, 2 letras A, 2 letras I, 2 letras S, 1 letra D y 1 letra C, luego, el nmero de permutaciones posibles est dado por: distintas pueden realizarse con las letras de la palabra

P =

11! = 2494800 1! 2! 2! 2! 2! 1! 1!

Pgina 7 de 16

Combinaciones. Una combinacin de n objetos diferentes tomados de k en k, es una seleccin de k objetos de los n dados sin tener en cuenta la ordenacin de los mismos (no pueden haber dos grupos con los mismos elementos). El nmero de combinaciones distintas que pueden formarse de n objetos tomando k cada vez, se obtiene mediante la frmula:

n ! C = = ! ! k

Ejemplo Listar todas las combinaciones posibles con dos de las letras A, B y C. Respuesta: n=3 y k=2
! 3 C = = !! = 3 2

Los resultados posibles son los siguientes: AB AC BC Ejemplo En una urna hay 50 esferas, de las cuales ocho son marcadas con premios. Una persona extrae de la urna un puado de cinco esferas. Determine de cuntas maneras se pueden sacar, si: Exactamente dos esferas estn marcadas. Por lo menos dos lo estn. Respuesta: Hay en total 42 esferas no premiadas y slo 8 premiadas. Por el principio multiplicativo, cada eleccin de dos esferas premiadas se asocia con una eleccin de 3 esferas no premiadas; as que los resultados son: 8 42 = 28 11480 = 321440. 2 3 8 42 8 42 8 42 8 42 + + + = 2 3 3 2 4 1 5 0 = 321440 + 48216 + 2940 + 56 = 372652.

a. b.

a. b.

Pgina 8 de 16

Reglas de Probabilidades. Para cualquier evento A, le asignamos el nmero P(A) llamado la probabilidad del evento A. Le asignamos una probabilidad a cada resultado en el espacio muestral, entre 0 y 1, tal que la suma de estas probabilidades es igual a 1, y La probabilidad de cualquier evento es la suma de las probabilidades de los resultados que hacen aquel evento.

Si los resultados del espacio muestral son equiprobables (igualmente probables), la probabilidad de un evento A es simplemente la proporcin de resultados de A en el espacio muestral.

Ley de Laplace :

nmero de resultados favorables a A casos favorables = nmero de resultados posibles casos posibles

Esta ley es la definicin de Probabilidad a priori o clsica

Ejemplo Asignando Probabilidades a eventos. Experimento = lanzar dos dados. Asuma que los 36 puntos en el espacio muestral son equiprobables. Cul es la probabilidad de los siguientes eventos?
S = { (1,1) (2,1) (3,1) (4,1) (5,1) (6,1)

(1,2) (2,2) (3,2) (4,2) (5,2) (6,2)

(1,3) (2,3) (3,3) (4,3) (5,3) (6,3)

(1,4) (2,4) (3,4) (4,4) (5,4) (6,4)

(1,5) (2,5) (3,5) (4,5) (5,5) (6,5)

(1,6) (2,6) (3,6) (4,6) (5,6) (6,6) P(A) =

a) Evento A = " No sale seis" b) Evento B = "Sale exactamente un seis" c) Evento C = "Salen exactamente dos seis" d) Evento D = "Sale al menos un seis" e) Compare 1 - P(A) con P(D). f)

P(B) = P(C) = P(D) =

Considere la suma de los valores de dos dados: Cul es la probabilidad de obtener una suma de 3? Cul es la probabilidad de obtener una suma de al menos 11?

Pgina 9 de 16 Ejemplo Dado cargado? Se sospecha que un dado est cargado en el sentido que tienden a salir nmero grandes. Queremos docimar la siguiente hiptesis:

H : El dado no est cargado( todas las caras tienen la misma probabilid ad) 0 H :El dado est cargadohacia los nmerosms grandes 1
Suponga que usted obtiene los datos al lanzar dos muestral es: S = { (1,1) (1,2) (1,3) (1,4) (1,5) (2,1) (2,2) (2,3) (2,4) (2,5) (3,1) (3,2) (3,3) (3,4) (3,5) (4,1) (4,2) (4,3) (4,4) (4,5) (5,1) (5,2) (5,3) (5,4) (5,5) (6,1) (6,2) (6,3) (6,4) (6,5) veces el dado. Entonces el espacio (1,6) (2,6) (3,6) (4,6) (5,6) (6,6)

Se sugiere la siguiente regla de decisin: rechazar H 0 si la suma de los dos dados es 11 o ms extremo. a) Cul es la direccin del extremo? b) Cul es el valor-p si al tirar los dados suman 11? c) Es ese resultado estadsticamente significativo al 5%?, Al 10%?

Reglas cuando asignamos probabilidades: 1. Cualquier probabilidad es siempre un valor numrico entre 0 y 1. La probabilidad es cero si el evento no puede ocurrir. La probabilidad es uno si el evento es seguro.

0 P( A) 1
2. Si sumamos las probabilidades de cada resultado individual en el espacio muestral, la probabilidad total tiene que ser uno.

P(S) = 1
3. La probabilidad de que un evento A ocurra es uno menos la probabilidad de que el evento no ocurra.

P( A) = 1 P( AC )
4. Regla de la suma: La probabilidad de que un evento A o un evento B ocurra es la suma de sus probabilidades individuales menos la probabilidad de la interaccin.

P ( A o B) = P ( A B) = P ( A) + P (B) P ( A B)

Pgina 10 de 16

"A or B" A B

Si los dos eventos A y B son disjuntos, es decir, no tienen elementos en comn, entonces:

P( A o B) = P( A B) = P( A) + P(B)

Ejemplo Sexo y educacin. Suponga que se registra informacin sobre sexo y nivel de educacin de 200 adultos seleccionados al azar entre los residentes de la comuna de Talca Educacin Media 28 50

Sexo Hombre Mujer

Bsica 38 45

Universitaria 22 17

Considere los siguientes eventos: A="adulto seleccionado tiene educacin universitaria" B="adulto seleccionado es mujer" Cul es la probabilidad de que un adulto seleccionado aleatoriamente tenga educacin universitaria o sea mujer? Ejemplo Una compaa de construccin local present sus proyectos en dos propuestas. La compaa cree que tiene una probabilidad de 0,5 de ganar la primera propuesta, de 0,4 de ganar la segunda y una probabilidad de 0,2 de ganar ambos contratos. a) Cul es la probabilidad de que la compaa gane al menos un contrato, es decir, la probabilidad de ganar el primer contrato o el segundo o ambos? b) Dibuje un diagrama de Venn para mostrar los dos eventos: A= gana el primer contrato y B= gana el segundo contrato. c) Cul es la probabilidad de ganar el primer contrato pero no el segundo? d) Cul es la probabilidad de ganar el segundo contrato pero no el primero? e) Cul es la probabilidad de no ganar ningn contrato?

Pgina 11 de 16

Probabilidad Condicional. En ocasiones, el conjunto de todos los "resultados posibles" puede constituir un subconjunto del espacio muestral original.

A given B

original sample space B = updated sample space

A B

Definicin: La probabilidad condicional de que ocurra el evento A dado que el evento B ocurri est dada por:

P( A | B) =

P( A B) , donde P(B)

P(B) > 0

Nota: de esta relacin se deduce que podemos escribir la interseccin de otra manera usando la regla de la multiplicacin:

P ( A B) = P ( A)P (B | A) = P (B)P ( A | B)

Ejemplo El ao 2004 la Universidad de Talca tena 5453 estudiantes, en la tabla se muestra el detalle de la composicin. Total Mujeres Hombres Pregrado 2461 2848 5309 Postgrado 67 77 144 Total 2528 2925 5453 a) Cul es la probabilidad de que un estudiante elegido al azar sea un estudiante de postgrado? b) Cul es la probabilidad de que una mujer elegida al azar sea estudiante de postgrado? c) Es este contexto, d un ejemplo de eventos mutuamente excluyentes.

Pgina 12 de 16

Ejemplo Probabilidades condicionales. Escenario I Sea el experimento de lanzar un dado. El espacio muestral es S={1, 2, 3, 4, 5, 6}.

a) Cul es la probabilidad de obtener un dos? b) Suponga que sabemos que el resultado es par, Cul es ahora la probabilidad obtener un dos? Escenario II Sea el experimento de lanzar una moneda dos veces. El espacio muestral es S={CC, SC, CS, SS}. de

a) Cul es la probabilidad de que salga cara en el segundo lanzamiento? b) Cul es la probabilidad de que salga cara en el segundo lanzamiento dado que sali cara en el primer lanzamiento?

Pensemos

Compare los resultados en los dos escenarios En el segundo caso, la informacin no cambi la probabilidad buscada, es decir saber que "sali cara en el primer lanzamiento" no cambi la probabilidad de "que salga cara en el segundo lanzamiento". Esto es as porque los lanzamientos de la moneda son eventos independientes.

Definicin: Dos eventos A y B son independientes si:

P ( A | B) = P( A) , o

P (B | A) = P(B) .

Si saber que un evento ocurri no cambia la probabilidad de ocurrencia del otro evento, entonces los eventos son independientes. Si dos eventos A y B son independientes, entonces la regla de la multiplicacin:

P ( A B ) = P ( A )P ( B ) .

Pgina 13 de 16

Pensemos

Considere el experimento de lanzar una moneda 6 veces. 1. Cul de las siguientes secuencias tiene mayor probabilidad? (a) SCSCCS 2. (b) CCCSSS (c) CCCCCC

Si observamos SSSSSS, en el siguiente lanzamiento ser ms probable que salga una cara o un sello.

Ejemplo SERNAC realiza una encuesta acerca de la calidad del servicio de reparacin de automviles en 86 talleres: Atencin Taller Buena Regular Autorizado 18 6 No autorizado 34 28 a) Cul es la probabilidad de que un taller elegido al azar d una buena atencin? b) Cul es la probabilidad de que un taller elegido al azar sea no autorizado? c) Cul es la probabilidad de que un taller elegido al azar sea no autorizado y d una buena atencin? d) Cul es la probabilidad de que los talleres no autorizados den una buena atencin? e) Son los eventos "no autorizado" y "buena atencin" disjuntos? f) Son los eventos " no autorizado " y "buena atencin" independientes?

g) Si fueran independientes, Cuntos talleres no autorizados que dan buena atencin esperara encontrar?

Nota:

P ( A B) = P ( B ) P( A | B)
Generalizacin: Sea A1, A2, A3, An n sucesos tales que

P > 0 , entonces:

PA A A A = PA P A A P A A A . . . PA A A A A

Pgina 14 de 16

Ejemplo Una caja con 10 fichas, de las cuales 4 son blancas y 6 son rojas. Se sacan al azar 3 fichas sin reemplazo. a) Cul es la probabilidad de que las 3 fichas sean blancas? b) Cul es la probabilidad de que la primera ficha sea roja y las dos siguientes sean blancas? c) Cul es la probabilidad de sacar la segunda ficha roja en la tercera extraccin? Respuesta: Sea Ai={ Sale ficha blanca en la i-sima extraccin } a) PA A A = PA PA A PA A A =

=
b)

4 3 2 = 0,033 10 9 8

P A A = P PA PA A =

=
c)

6 4 3 = 0,1000 10 9 8

PA A A = PA A + P A = = P P PA + P P PA =

4 6 3 6 4 3 + = 0,20 10 9 8 10 9 8

Pgina 15 de 16

Definicin: Los sucesos B1, B2, B3, , Bk constituyen una particin del espacio muestral S si: i. ii. iii.

B i B B = i j B B B B = S

Teorema de la Probabilidad Total: Sea B1, B2, B3, , Bk una particin del espacio muestral S y sea A un suceso en S, entonces:

PA = PAB PB

Ejemplo Una caja tiene 15 pelotas de tenis de las cuales nueve son nuevas. Para el primer juego se toman tres pelotas al azar las que despus del juego se devuelven a la caja. Para el segundo juego tambin se tomen tres pelotas al azar. Calcule la probabilidad de que todas las pelotas elegidas para el segundo juego sean nuevas. Respuesta: Sea Ai={ Se sacan i pelotas nuevas en el primer juego } i=0, 1, 2, 3. B={ Se sacan 3 pelotas nuevas en el segundo juego } Se pide:

PB = PBA PA + PBA PA + PBA PA + PBA PA = =

0,089

Pgina 16 de 16

Teorema de Bayes: Sea B1, B2, B3, , Bk una particin del espacio muestral S y sea A un suceso en S, entonces:

P =

PAB PB PAB PB

Ejemplo Tres mquinas A, B, C producen respectivamente 60%, 30% y 10% del nmero total de artculos de una fbrica. Los porcentajes de desperfectos de produccin de estas mquinas son respectivamente 2%, 3% y 4%. Si se selecciona un artculo al azar y resulta defectuoso, Cul es la probabilidad de que el artculo haya sido producido por la mquina B? Respuesta: Sean A={el artculo se produce en la mquina A} B={el artculo se produce en la mquina B} C={el artculo se produce en la mquina C} D={el artculo es defectuoso}

P ( D / B ) P ( B) = P( D / A) P( A) + P( D / B) P( B) + P( D / C ) P(C ) 0,03 0,30 0,009 = = = 0,36 0,02 0,60 + 0,03 0,30 + 0,04 0,10 0,025 P( B / D) =