Documente Academic
Documente Profesional
Documente Cultură
Probabilidades
Teoría de Probabilidades
Introducción
Sin tener en cuenta la profesión que se haya elegido, algo si es seguro: en algún momento se
han de tomar decisiones. Con mucha frecuencia eso tendrá que hacerse sin conocer todas las
consecuencias de tales decisiones. Por ejemplo, los inversionistas deben decidir sobre la
conveniencia de invertir en una acción en particular, con base a sus expectativas sobre
rendimientos futuros. Los empresarios, al decidir comercializar un producto enfrentan la
incertidumbre sobre la posibilidad de éxito. En cada caso, como sucede con la mayoría de los
asuntos comerciales, se han de tomar decisiones sin toda la información pertinente. Todo
esfuerzo por reducir la incertidumbre el nivel de incertidumbre en el proceso de toma de
decisiones incrementará enormemente la probabilidad de que se tomen decisiones más
inteligentes y bien informadas. El propósito de este capítulo es ilustrar las formas en las cuales
puede medirse la posibilidad o probabilidad de ocurrencia de eventos futuros. Al mejorar la
habilidad para juzgar la ocurrencia de eventos futuros, se puede minimizar el riesgo y la
especulación arriesgada relacionados con el proceso de toma de decisiones.
Historia de la Probabilidad
Jacob Bernoulli (1654 - 1705), Abraham de Moivre (1667 - 1754), el reverendo Thomas Bayes
(1702 - 1761) y Joseph Lagrange (1736 - 1813) desarrollaron fórmulas y técnicas para el cálculo
de la probabilidad. En el siglo XIX, Pierre Simon, marqués de Laplace (1749 - 1827), unificó
todas estas primeras ideas y compiló la primera teoría general de la probabilidad. La teoría de
la probabilidad fue aplicada con éxito en las mesas de juego y, lo que es más importante, en
problemas sociales y económicos. La industria de seguros requería un conocimiento preciso
acerca de los riesgos de pérdida. Muchos centros de aprendizaje estudiaron la probabilidad
como una herramienta para el entendimiento de los fenómenos sociales. Nuestra necesidad
de tratar con la incertidumbre nos lleva a estudiar y utilizar la teoría de la probabilidad. Al
organizar la información y considerarla de manera sistemática, seremos capaces de reconocer
Teoría de la Probabilidad
Estudio de fenómenos o experimentos puramente aleatorios o libres de determinación. En el
estudio de la probabilidad interesa deducir las leyes del azar y los resultados que estos
determinan.
La probabilidad es la posibilidad numérica de que ocurra un evento es medida por valores
comprendidos entre 0 y 1. Entre mayor sea la probabilidad de que ocurra un evento, su
probabilidad asignada estará más próxima a 1. La probabilidad de una imposibilidad es 0.
P (evento cierto) = 1
P (evento imposible) = 0
Experimento
Es la prueba o ensayo, es un proceso mediante el cual se obtienen un resultado de una
observación.
Ejemplos:
1.- Lanzar un dado y observar el resultado
2.- Contar objetos defectuosos producidos diariamente por cierto proceso.
3.- Aplicar una encuesta para obtener opiniones.
4.- Resultados del examen de la I unidad en medidas descriptivas por parte de un estudiante.
Espacio muestral
Es el conjunto de todos los resultados posibles de un experimentos se denota por .
A cada elemento del espacio muestral se denomina punto muestral.
1 x / t 0
x
Suceso o evento
Se llama suceso o evento a todo subconjunto del espacio muestral. A los sucesos se les denota
con las primeras letras mayúsculas del alfabeto.
Ejemplo:
Sea el experimento aleatorio “selección de un alumno de acuerdo a su rendimiento
académico”
Tipos de sucesos
1.- Sucesos independientes Son aquellos en que la ocurrencia de uno de ellos, no depende de
la ocurrencia del otro.
Ejemplo: Se tienen 2 urnas
A = tiene 3 bolas rojas
B= tiene 4 bolas rojas
3.- Sucesos incompatibles o mutuamente excluyentes Son aquellos que no pueden ocurrir al
mismo tiempo simultáneamente.
Ejemplo: La probabilidad de que al tirar un dado, aparezca un 3 y a la vez un número par, es
imposible, es decir son sucesos incompatibles.
c
1
0. 5
c, s 2
2.- ¿Cuál es la probabilidad de obtener 1 cara si arrojamos una moneda tres veces?
Número de Resultados Favorables
Prob
Número de Resultados Posibles
Probabilidad subjetiva
7 Est. Sandra Cecilia Loaiza Chumacero
Probabilidades
Creencia personal, grado de confianza respecto a la ocurrencia de un evento personalista.
El método subjetivo se emplea cuando el método de frecuencia relativa y el método
clásico no pueden aplicar en todos aquellos caso donde se quiere evaluar probabilidades
En los casos en que no es posible tener datos de frecuencia relativa. En el juego de ajedrez
los dos jugadores nunca antes se habían enfrentado, por lo que no se tienen antecedentes
(no hay datos de frecuencia relativa).
En los casos anteriores, debe recurrirse a una opinión subjetiva para estimar el valor de
probabilidad.
Ejemplos
Estimar la posibilidad del resultado de la Final de la UEFA Europa Liga entre dos
equipos de España, Atlético Madrid vs Athletic Bilbao; la posibilidad de que el
equipo Atlético Madrid gane.
Estimar la posibilidad de que usted obtenga una calificación de 20 en el curso de
Estadística Descriptiva.
Matriz de probabilidad
A su vez, cada variable se divide en el número necesario de estratos o categorías que forman la
investigación, después se sustituyen los valores reales correspondientes a la intersección de las dos
variables para, finalmente, realizar la sumatoria de columna y renglón de cada estrato o categoría,
dando como resultados los valores marginales.
Ejemplo:
Tabla 3.
Definición Axiomática
Sea Ω el espacio muestral asociado a un experimento aleatorio. La probabilidad de cualquier
evento A de Ω, es el número real P(A) que satisface los siguientes axiomas:
1. P(A) ≥ 0, para todo evento A.
2. P(Ω)= 1
3. Si los eventos A1, A2, ..., Ak son mutuamente excluyentes o sea si:
Propiedades de Probabilidad
1.- Para cualquier evento A, P(A)’ = 1- P(A) ,
Demostración:
A Ս A’ = Ω además A y A’ son mutuamente excluyentes y por los axiomas 2 y 3
Demostración
= Entonces
Demostración
Demostración
Regla de la Multiplicación
Este resultado en teoría de probabilidad se denomina regla de multiplicación o llamada también la
probabilidad de a intersección. La probabilidad de que ocurran los eventos A y B es igual a la
probabilidad de la ocurrencia de uno de ellos multiplicando por la probabilidad condicional. El
propósito de la regla de la multiplicación es determinar la probabilidad 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.
Ejemplo:
Un paquete contiene una mezcla de semillas de flores de distintos colores, contiene cuatro
semillas para flores rojas, tres para amarillas, dos para moradas, y una para color naranja.
a) Si se selecciona una semilla de la mezcla, ¿Cuál es la probabilidad de que sea roja o
naranja?
b) Si se extraen dos semillas del paquete, ¿cuál es la probabilidad de que ambas
semillas sean amarillas?
Probabilidad Condicional
La probabilidad de que ocurra un evento dado que otro evento ya ha ocurrido se llama
probabilidad condicional.
PROBABILIDAD CONDICIONAL
Ejemplo: Tenemos el espacio formado por los posibles números al tirar un dado de 6
caras: { 1, 2, 3, 4, 5, 6 }.
Sea E = { 2, 4, 6 }
Entonces la probabilidad P de sacar un 4 cuando ha ocurrido previamente E es:
1 1
P 4 E 6 6 1
P
4
E
P E
3 1 3
6 2
Independencia Estadística
INDEPENDENCIA ESTADISTICA
P(B | A) =P(B)
P(A | B) =P(A)
Es decir, que ocurra A no afecta a la probabilidad de que ocurra B y viceversa.
Ejemplo:
Se tira una moneda 3 veces y sean las siguientes parejas de sucesos:
A = 1ª tirada cara = {CCC, CCS, CSC, CSS}
B = 2ª tirada cara = {CCC, CCS, SCC, SCS}
C = 2 caras seguidas = {CCS, SCC}
En primer lugar definimos el espacio probabilístico con todas las tiradas posibles:
Pareja A,B
n
Es decir: P B P Ai P B A
i 1 i
Ejemplo:
Tenemos 3 servidores de Internet para soportar búsquedas. El primero de ellos soporta el 50%
de las búsquedas, el segundo el 30% y el tercero el 20% restante. El 20% de las búsquedas en
el primer servidor tardan más de un segundo. El 35% de las búsquedas en el segundo servidor
tardan más de un segundo. El 8% de las búsquedas en el tercer servidor tardan más de un
segundo.
La probabilidad de que los servidores tarden más de un segundo en las búsquedas es de 0.221.
Teorema de Bayes
Sea A1, A2,….An un sistema completo de sucesos, tales que la probabilidad de cada uno de ellos
TEOREMA DE BAYES
es distinta de cero, y sea B un suceso cualquiera del que se conocen las probabilidades P
(B/Ai), entonces
Donde:de la probabilidad P(A/Bi) vienen dada por la expresión:
Donde:
P(A
P(Aii)) == Probabilidad
Probabilidad aa priori
priori
P(B/A
P(B/Aii)) == Probabilidad
Probabilidad condicional
condicional
P(B)
P(B) == Probabilidad
Probabilidad Total
Total
P(A
P(Aii/B)
/B) == probabilidad
probabilidad aposteriori
aposteriori
16 Est. Sandra Cecilia Loaiza Chumacero
Probabilidades
Tres máquinas A, B y C producen el 45%, 30% y 25% respectivamente del total de piezas
producidas en una fábrica. Los porcentajes de producción defectuosa de estas máquinas son el
3%, 4% y 5% respectivamente. Seleccionando una pieza al azar:
a) calcular la probabilidad de que sea defectuosa.
b) Tomamos al azar, una pieza y resulta defectuosa, calcular la probabilidad de haber sido
producida por la máquina B.
c) ¿Qué máquina tienen la mayor probabilidad de haber producido piezas defectuosas?