ESTADISTICA INFERENCIAL

PARA PSICOLOGO (EST- 228)

Escuela de Psicología

Profesor: Joel A. Patiño de los Santos.

Estudiante:

1. Sandy Herrera 100274475

Sección: 01

Sandy Herrera
 INTRODUCCION A LA TEORIA DE PROBABILIDAD

1-¿Qué es una Probabilidad?

Es una medida de la certidumbre asociada a un suceso o evento futuro y suele expresarse

como un número entre 0 y 1 (o entre 0 % y 100 %).
Una forma tradicional de estimar algunas probabilidades sería obtener la frecuencia de un
acontecimiento determinado mediante la realización de experimentos aleatorios, de los que se
conocen todos los resultados posibles, bajo condiciones suficientemente estables.
En el ejemplo de lanzar una moneda, los sucesos elementales serían: “Sacar una cruz” o “Sacar
una cara”. Si la moneda no está trucada, la probabilidad de que ocurra cada suceso elemental
es la misma. Por lo tanto, la probabilidad de que salga cruz es 1/2.

2-¿Por qué se estudia la Probabilidad?

El estudio dela Probabilidad se usa extensamente en áreas como la estadística, la física,

la matemática, las ciencias, la administración, contaduría, economía y la filosofía para sacar
conclusiones sobre la probabilidad discreta de sucesos potenciales y la mecánica subyacente
discreta de sistemas complejos, por lo tanto es la rama de las matemáticas que estudia, mide o
determina los experimentos o fenómenos aleatorios.

3-¿Enfoque de la Probabilidad?

El enfoque clásico es aplicado cuando todos los resultados son igualmente probables y no
pueden ocurrir al mismo tiempo.
Si queremos conocer la probabilidad del evento A según este enfoque debemos calcular el
siguiente cociente:

N(A) P(A) = ------------- N(S)

Donde: N(A): resultados elementales posibles son favorables en el evento A

N(S): posibles resultados en el espacio muestral

EJEMPLOS 1) En un mazo de cartas bien barajadas que contiene 4 ases y 48 cartas de otro tipo,
la probabilidad de obtener un as (A) en una sola extracción es

N(A) 4 1

P(A) = ------ = ----- = ---- N(S) 52 13

2) El experimento es lanzar un dado. ¿Cuál es la probabilidad de que caiga un dos hacia arriba?
P (caiga 2) = 1 = .166
4-Concepto de Frecuencia Relativa.
Este enfoque permite determinar la probabilidad con base en la proporción de veces que
ocurre un resultado favorable en cierto número experimentos. No implica ningún supuesto
previo de igualdad de probabilidades.

A este enfoque se le denomina también enfoque empírico debido a que para determinar los
valores de probabilidad se requiere de la observación y de la recopilación de datos. También se
le denomina a posteriori, ya que el resultado se obtiene después de realizar el experimento un
cierto número de veces.
Si queremos conocer la probabilidad del evento A según este enfoque debemos calcular el
siguiente cociente:

Número de observaciones de A n(A)

P(A) = -------------------------------------- = -------

Tamaño de la muestra n
EJEMPLOS
1) Antes de incluir la cobertura para ciertos tipos de problemas dentales en pólizas de seguros
médicos para adultos con empleo, una compañía de seguros desea determinar la probabilidad
de ocurrencia de esa clase de problemas, para que pueda fijarse la prima de seguros de
acuerdo con esas cifras. Por ello, un especialista en estadística recopila datos para 10,000
adultos que se encuentran en las categorías de edad apropiadas y encuentra que 100 de ellos
han experimentado el problema dental específico durante el año anterior. Por ello, la
probabilidad de ocurrencia es:

100
P(A) = --------------- = 0.01, o 1%
10,000

2) Se sabe que una moneda está cargada. Para determinar la probabilidad de que caiga águila
se lanza 60 veces la moneda al aire, de las cuales 25 veces cayó águila. Si aplicamos la fórmula:

P (cae águila) = 25 = 0.41

----------
60
5-Eventos o Sucesos aleatorios.

Es un subconjunto de un espacio muestral, es decir, un conjunto de posibles resultados que se

pueden dar en un experimento aleatorio. En teoría de la probabilidad a cada evento aleatorio
se le puede asignar una medida de probabilidad, y el conjunto de todos los sucesos aleatorios
constituye una σ-álgebra de conjuntos.
6-Espacio muestral

El espacio muestral es el conjunto de todos los posibles resultados de un experimento

aleatorio y se suele representar como E (o bien como omega, Ω, del alfabeto griego).

Por ejemplo, cuando lanzamos una moneda, ¿cuáles son todos los posibles resultados que
podemos obtener? Que salga cara o cruz, ¿verdad? En total son dos posibles resultados, por lo
que el espacio muestral tiene 2 elementos.

E = {cara, cruz}

Y si lanzamos un dado, tenemos en total 6 posibles resultados que pueden salir. Por lo tanto el
espacio muestral sería de 6 elementos.

E = {1, 2, 3, 4, 5, 6}.

7-Un suceso es cualquier subconjunto del espacio muestral. Por ejemplo, “sacar cara” en el
lanzamiento de una moneda, “sacar el número 5” o “sacar un número primo” en el
lanzamiento de un dado son sucesos.

Veamos cuál sería el espacio muestral en el primer apartado de nuestro ejercicio.

¿Cuáles son todos los posibles resultados? Nos referimos a los números de las bolas, que son
los números del 11 al 20.

Nuestro espacio muestral tiene 10 elementos:

E = {11, 12, 13, 14, 15, 16, 17, 18, 19, 20}

Y el suceso por el que nos preguntan es “obtener un número primo”.

Ahora, ¿cómo calculamos la probabilidad de este suceso?

Cuando todos los sucesos elementales tienen las misma probabilidad de ocurrir, la
probabilidad de un suceso cualquiera A se define como el cociente entre el número de casos
favorables y el número de casos posibles. Esta es la Ley de Laplace.
8-Espacio muestral

Es el conjunto de todos los posibles resultados de una experiencia aleatoria, lo

representaremos por E (o bien por la letra griega Ω).

Espacio muestral de una moneda:

E = {C, X}.

Espacio muestral de un dado:

E = {1, 2, 3, 4, 5, 6}.

Ejemplos de espacios muéstrales

1. Una bolsa contiene bolas blancas y negras. Se extraen sucesivamente tres bolas.

E = {(b,b,b); (b,b,n); (b,n,b); (n,b,b); (b,n,n); (n,b,n); (n,n ,b); (n, n,n)}

2. El suceso A = {extraer tres bolas del mismo color}.

A = {(b,b,b); (n, n,n)}

3. El suceso B = {extraer al menos una bola blanca}.

B= {(b,b,b); (b,b,n); (b,n,b); (n,b,b); (b,n,n); (n,b,n); (n,n ,b)}

4. El suceso C = {extraer una sola bola negra}.

C = {(b,b,n); (b,n,b); (n,b,b)}

9-Sucesos Mutuamente excluyentes

Los eventos mutuamente excluyentes son dos resultados de un evento que no pueden ocurrir
al mismo tiempo.

 Sacar una carta de un mazo estándar y que salga un as y un rey son eventos
mutuamente excluyentes, ya que no pueden ocurrir los dos al mismo tiempo.

 Sin embargo, sacar una carta roja y rey no son eventos mutuamente excluyentes, ya
que puedes sacar perfectamente un rey rojo.

Todos los eventos complementarios son mutuamente excluyentes, pero todos los eventos
mutuamente excluyentes no son necesariamente complementarios.

10-Sucesos no Mutuamente excluyentes

Se dice que dos o más eventos no son mutuamente excluyentes, si la ocurrencia de uno de
ellos no impide la ocurrencia del otro. Esto es, los dos eventos pueden ocurrir en forma
simultánea.
La probabilidad de que algún evento de un conjunto de eventos no mutuamente excluyentes
ocurra es igual a la suma de las probabilidades de los eventos simples, menos la probabilidad
de que ambos ocurran simultáneamente(A o B) = P(A) + P(B) – P(AB)
11-Sucesos Independientes.

Dos sucesos son independientes cuando él la probabilidad de uno de ellos no depende para
nada de que se haya verificado el otro.

Ejemplo 1: Sacamos una carta de una baraja, la miramos y la introducimos de nuevo en la

baraja. Barajamos y sacamos una segunda carta. Los sucesos "sacar la primera carta" y "sacar
la segunda carta" son independientes, pues no influye para nada lo que hayamos obtenido en
la primera carta.

Ejemplo 2: Sacamos una carta de una baraja, la miramos y la dejamos fuera de la baraja.
Barajamos y sacamos una segunda carta. Los sucesos "sacar la primera carta" y "sacar la
segunda carta" son dependientes, ya que la extracción de la primera carta influye en lo que
saquemos en la segunda (pues la baraja dispone de una carta menos).

En el ejemplo 1 hablamos de una extracción con reemplazamiento (pues volvemos a

reemplazar la carta extraída), mientras que en el ejemplo 2 se habla de extracción sin
reemplazamiento.

12-Sucesos Dependientes

Dos eventos son dependientes si el resultado del primer evento es el resultado del segundo
evento, así como la probabilidad es cambiada.

Ejemplo:
Supongamos que tenemos 5 canicas azules y 5 canicas rojas en una bolsa. Sacamos una canica,
que puede ser azul o rojo. Ahora quedan 9 en la bolsa. ¿Cuál es la probabilidad de que la
segunda canica sea roja?

Depende. Si la cartografía fue, en la bolsa, tenemos 4 canicas rojas de 9, así como la

probabilidad de sacar una canica roja en la segunda oportunidad es de 4/9. Sin embargo, si
todavía no hay información básica sobre el tema, todavía hay 5 canicas rojas en la bolsa y la
probabilidad de sacar una canica roja de la bolsa es de 5/9.

La segunda oportunidad es un evento dependiente. Depende de lo que paso en la primera

oportunidad.

13-Reglas Básicas de la Probabilidad:

Existen tres reglas fundamentales para resolver problemas en donde se desea determinar la
probabilidad de un suceso si se conocen las probabilidades de otros sucesos que están
relacionados con él.
Estas dos reglas son: Regla dela Adición ,Probabilidad Condicional y Regla de la Multiplicación o
Probabilidad Conjunta .
es.slideshare.net
Reglas de la Suma

Regla de la adición. La regla de la adición o regla de la suma establece que la probabilidad de

ocurrencia de cualquier evento en particular es igual a la suma de
las probabilidades individuales, si es que los eventos son mutuamente excluyentes, es decir,
que dos no pueden ocurrir al mismo tiempo.

EJEMPLO
Entonces, si A y B son mutuamente excluyentes,
P(A o B) = P(A) U P(B) = P(A) + P(B)
Si A y B no son mutuamente excluyentes,
P(A o B) = P(A) + P(B) − P(A y B)
Siendo: P(A) = probabilidad de ocurrencia del evento A, P(B) = probabilidad de ocurrencia del
evento B, y P(A y B) = probabilidad de ocurrencia simultánea de los eventos A y B.
Otra forma de verlo, sería expresar la probabilidad de sucesos mutuamente no excluyentes
mediante el sumatorio de las probabilidades de un evento determinado en función de otros
eventos:
P (x)= Ʃ/y P(x, y)= Ʃ/y Ʃ/y P(Y) P(x/y)

Regla de la multiplicación

La regla de la multiplicación establece que la probabilidad de ocurrencia de dos o más eventos

estadísticamente independientes es igual al producto de sus probabilidades individuales.
P (A y B) = P (A B) = P (A) P (B) si A y B son independientes.
P (A y B) = P (A B) = P (A) P (B|A) si A y B son dependientes.
siendo P (B|A) la probabilidad de que ocurra B habiéndose dado o verificado el evento A.
Un lote contiene "100" objetos de los cuales "20" son defectuosos. Los objetos son
seleccionados uno después del otro para ver si ellos son defectuosos. Suponga que dos objetos
son seleccionados sin reemplazo (significa que el objeto que se selecciona al azar se deja por
fuera del lote). ¿Cuál es la probabilidad de que los dos objetos seleccionados sean
defectuosos?
Solución:
Sea los eventos
A1 = {primer objeto defectuoso}, A2 {segundo objeto defectuoso}
Entonces dos objetos seleccionados serán defectuosos, cuando ocurre el evento A1∩ A2 que
es la intersección entre los eventos A1 y A2. De la información dada se tiene que:
P (A1) = 20/100; P (A2/A1) = 19/99
14-Diagrama de Arbol

Un diagrama de árbol o árbol de probabilidad es una herramienta que se utiliza para

determinar si en realidad en el cálculo de muchas probabilidades se requiere conocer el
número de objetos que forman parte del espacio muestral, estos se pueden determinar con la
construcción de un diagrama de árbol.
El diagrama de árbol es una representación gráfica de los posibles resultados del experimento,
el cual consta de una serie de pasos, donde cada uno de estos tiene un número infinito de
maneras de ser llevado a cabo. Se utiliza en los problemas de conteo y probabilidad.
Ejemplos
Una universidad está formada por tres facultades:

 La 1ª con el 50% de estudiantes.

 La 2ª con el 25% de estudiantes.
 La 3ª con el 25% de estudiantes.
Las mujeres están repartidas uniformemente, siendo un 60% del total en cada
facultad.

¿Probabilidad de encontrar una alumna de la primera facultad?

 ¿Probabilidad de encontrar un alumno varón?

15-Teoremas de Baye

El teorema de Bayes, en la teoría de la probabilidad, es una proposición planteada por el

matemático inglés Thomas Bayes (1702-1761)1 en 1763,2 que expresa la probabilidad
condicional de un evento aleatorio A dado B en términos de la distribución de probabilidad
condicional del evento B dado A y la distribución de probabilidad marginal de sólo A.
En términos más generales y menos matemáticos, el teorema de Bayes es de enorme
relevancia puesto que vincula la probabilidad de A dado B con la probabilidad de B dado A. Es
decir, por ejemplo, que sabiendo la probabilidad de tener un dolor de cabeza dado que se
tiene gripe, se podría saber (si se tiene algún dato más), la probabilidad de tener gripe si se
tiene un dolor de cabeza. Muestra este sencillo ejemplo la alta relevancia del teorema en
cuestión para la ciencia en todas sus ramas, puesto que tiene vinculación íntima con la
comprensión de la probabilidad de aspectos causales dados los efectos observados.

Sea {A1, A2,…Ai,…An} un conjunto de sucesos mutuamente excluyentes y exhaustivos, y

tales que la probabilidad de cada uno de ellos es distinta de cero (0). Sea B un suceso
cualquiera del que se conocen las probabilidades condicionales. Entonces, la
P(B/Ai) probabilidad viene dada por la expresión:

P(Ai/B)= P(B/Ai)P(Ai)
P(B)