ESTADÍSTICA Y

PROBABILIDAD

Probabilidad
 ¿Cuál es la probabilidad de aprobar Bioestadística?

 ¿Cuál es la probabilidad de no encontrarme un atasco cuando voy

a clase?

 En este tema vamos a:

 Ver qué entendemos por probabilidad.
 Mostar algunas reglas de cálculo.

2
 Nociones de probabilidad
 Frecuentista (objetiva): Probabilidad de un suceso es la
frecuencia relativa (%) de veces que ocurriría el suceso
al realizar un experimento repetidas veces.

 Subjetiva (bayesiana): Grado de certeza que se posee sobre

un suceso. Es personal.

En ambos tipos de definiciones aparece el concepto de

suceso. Vamos a ver qué son y algunas operaciones que se
pueden realizar con sucesos.

3
 Sucesos E espacio muestral
 Cuando se realiza un experimento aleatorio diversos resultados son
posibles. El conjunto de todos los resultados posibles se llama espacio
muestral (E).

 Se llama suceso a un subconjunto de dichos resultados.

 Se llama suceso contrario (complementario) de un suceso A, A’, al

formado por los elementos que no están en A E espacio muestral

 Se llama suceso unión de A y B, AUB, al formado por los resultados A

experimentales que están en A o en B (incluyendo los que están en
ambos. A’

 Se llama suceso intersección de A y B, A∩B o simplemente AB, al

formado por los elementos que están en A y B
E espacio muestral
E espacio muestral E espacio muestral
A
UNIÓN INTERS.
A A
B
B B

4
Definición de probabilidad
 Se llama probabilidad a cualquier función, P, que asigna a
cada suceso A un valor numérico P(A), verificando las
siguientes reglas (axiomas)
E espacio muestral
 P(E)=1 100%

E espacio muestral
 0≤P(A) ≤1 A
 P(AUB)=P(A)+P(B) si A∩B=Ø B

 Ø es el conjunto vacío.

5
 EJEMPLOS
P(A)=3/9=1/3
P(A)=?
E espacio muestral
P(B)=5/9P(B)=?
A P(AUB)=6/9=2/3
P(AUB)=?
P(AB)=?
P(AB)=2/9 P(A)=3/9=1/3
P(A)=?
B P(A’)=?
P(A’)=6/9=2/3 E espacio muestral
P(B)=?
P(B)=2/9
P(B’)=4/9
P(B’)=? A
P(AUB)=3/9=1/3
P(AUB)=?
B
P(AB)=2/9
P(AB)=?
P(A’)=?
P(A’)=6/9=2/3
E espacio muestral
P(A)=3/9=1/3
P(A)=? P(B’)=7/9
P(B’)=?
P(B)=2/9
P(B)=?
A P(AUB)=5/9
P(AUB)=?
B
P(AB)=0P(AB)=?
P(A’)=6/9=2/3
P(A’)=?
P(B’)=7/9
P(B’)=?
6
Probabilidad condicionada
 Se llama probabilidad de A condicionada a B, o
probabilidad de A sabiendo que pasa B:
E espacio muestral

P(A Ç B)
P(A | B) = A
P(B) B

 Error frecuentíiiiiiisimo:
 Confundir la probabilidad condicionada con intersección.
 En ambos medimos efectivamente la intersección, pero…
 En P(A∩B) con respecto a P(E)=1
 En P(A|B) con respecto a P(B)

7
 EJEMPLOS
P(A)=3/9=1/3
E espacio muestral
P(B)=5/9
A P(AUB)=6/9=2/3
P(AB)=2/9 P(A)=3/9=1/3
B P(A’)=6/9=2/3 E espacio muestral
P(B)=2/9
P(B’)=4/9 A
P(AUB)=3/9=1/3
P(A|B)=? P(B|A)=2/3
P(A|B)=2/5 P(B|A)=? P(AB)=2/9
B
P(A’)=6/9=2/3
P(A)=3/9=1/3
E espacio muestral
P(B’)=7/9
P(B)=2/9 P(A|B)=? P(B|A)=2/3
P(A|B)=1 P(B|A)=?
A P(AUB)=5/9
B
P(AB)=0
P(A’)=6/9=2/3
P(B’)=7/9
P(A|B)=? P(B|A)=0
P(A|B)=0 P(B|A)=?
8
Algunas reglas de cálculo prácticas
 Cualquier problema de probabilidad puede
resolverse en teoría mediante aplicación de los
axiomas. Sin embargo, es más cómodo conocer
algunas reglas de cálculo:

 P(A’) = 1 - P(A)

 P(AUB) = P(A) + P(B) - P(AB)

 P(AB) = P(A) P(B|A)

= P(B) P(A|B)

 Prob. de que pasen A y B es la prob. de A y que también pase B

sabiendo que pasó A.
Tema 4:Probabilidad 9
Independencia de sucesos

 Dos sucesos son independientes si el que

ocurra uno, no añade información sobre el
otro.

 A es independiente de B

 P(A|B) = P(A)

 P(AB) = P(A) P(B)

10
Hagamos algunas cuentas….

11
 VARIABLES ALEATORIAS
Consideremos el experimento que se lleva a cabo en un tambo de la región el
cual consiste en tomar tres muestras de leche de distintos termos para determinar
si posee o no brucelosis.

POSIBLES RESULTADOS
Ω={ +++, +- -, + + - ,- - + , + - + , - + - , - + + ,- - -}

Donde el evento elemental “+++” indica que las tres muestras tienen brucelosis. El
evento elemental “ +-+” indica que la primer y tercer muestra tienen brucelosis
mientras la segunda no.

PODEMOS DEFINIR UNA VARIABLE X

X= “numero de muestras con presencia de brucelosis”, así

X=0, 1, 2 o 3

12
 VARIABLES ALEATORIAS
Una Variable Aleatoria es una función que asigna números
reales a eventos que forman parte de un espacio muestral.

+++
+- -
0 P(X=0)
++-
--+ 1
+-+
2
-+-
-++ 3
---
X
E R
13
 DISTRIBUCIONES DE PROBABILIDAD
Las Variables Aleatorias tienen asociada una medida de
probabilidad. Las variables aleatorias pueden ser discretas
o continuas. Si retomamos el ejemplo de la brucelosis:
40%

35%

30%

25%

20%

15%

10%

5%

0%
0 1 2 3

Función de densidad
R de una variable
aleatoria Discreta
14
DISTRIBUCIONES DE PROBABILIDAD
Función de densidad (V. Continuas)
 Definición
 Es una función no negativa de integral 1.
 Piénsalo como la generalización del
histograma con frecuencias relativas para
variables continuas.

 ¿Para qué lo voy a usar?

 Nunca lo vas a usar directamente.
 Sus valores no representan probabilidades.

15
¿Para qué sirve la función de densidad?
 Muchos procesos aleatorios vienen descritos por variables de forma
que son conocidas las probabilidades en intervalos.

 La integral definida de la función de densidad en dichos intervalos

coincide con la probabilidad de los mismos.

 Es decir, identificamos la probabilidad de un intervalo con el área bajo

la función de densidad.

16
PROBABILIDAD DE UN EVENTO o SUCESO

Donde F
representa la
función de
distribución
acumulada.

La
probabilidad
es igual al
valor del área
bajo la curva
entre x1 y x2.

17
Características de las distribuciones de probabilidades
o funciones de densidad.

R
18
Características de las distribuciones de probabilidades
o funciones de densidad.

19
Valor esperado y varianza de una v.a. X
 Valor esperado
 Se representa mediante E[X] ó μ
 Es el equivalente a la media
 Más detalles: Ver libro.

 Varianza
 Se representa mediante VAR[X] o σ2
 Es el equivalente a la varianza
 Se llama desviación típica a σ
 Más detalles: Ver libro.

20
Valor esperado y varianza de una v.a. X

21
Valor esperado y varianza de una v.a. X

22
Algunos modelos de variables aleatorias y sus
distribuciones.
 Hay v.a. que aparecen con frecuencia en las Ciencias
Agropecuarias.
 Experimentos dicotómicos.(presencia/ausencia de enfermedades)
 Bernoulli

 Contar éxitos en experimentos dicotómicos repetidos:

 Binomial
 Poisson (sucesos raros)

 Y en otras muchas ocasiones…

 Distribución normal (gaussiana, campana,…)

23
¿Qué hemos visto?
 Álgebra de sucesos
 Unión, intersección, complemento
 Probabilidad
 Nociones
 Frecuentista
 Subjetiva o Bayesiana
 Axiomas
 Probabilidad condicionada
 Reglas de cálculo
 Complementario, Unión, Intersección
 Variable Aleatoria
 Funciones de distribución de probabilidad
 Variable aleatoria discreta: función de probabilidad.
 Variable aleatoria continua: función de densidad
 Calculo de probabilidad como asociación del valor de área.
 Características de las funciones de densidad y de las
funciones de probabilidad: Esperanza y Varianza de
variables aleatorias.
24