Probabilidad
Probabilidad
Probabilidad
EMPRESARIALES
CURSO: ESTADÍSTICA 1
Cap 3. Probabilidad
Lanzar un dado
Diagramas de árbol As
Cartas
Todo el rojas No es As
juego de
cartas Cartas As
negras
No es As
Variable aleatoria
Es una función definida sobre un espacio
muestra “S”, donde a cada evento del espacio
muestra le corresponde un número real:
X (ei) = xi
Una variable aleatoria puede ser:
Discreta: si el número de eventos posibles es
finito o numerablemente infinito en un intervalo.
Continua: si el número de eventos posibles es
infinito (no numerable) en un intervalo.
Dado un espacio muestra, se pueden definir
varias variables aleatorias sobre dicho espacio.
Ejemplo
Experimento: Lanzar dos monedas
Espacio muestra: S = {CC, CS, SC, SS}
Sobre ese espacio muestra se podrían definir
algunas variables aleatorias como por
ejemplo:
X= Número de caras
Y=Número de sellos
Z=2(Número de caras) + (Número de sellos)3
W=Número de caras - Número de sellos
¿qué tipos de variable serían las que hemos
definido aquí?
Probabilidad
Probabilidad es la medida 1 Seguro de
o valor numérico que repre ocurrir
0 Imposible
de ocurrir
Probabilidad
Existen tres aproximaciones sujetas a la
probabilidad (es decir 3 formas de asignar o
calcular la probabilidad de que algo ocurra):
Ejemplo.
Probabilidad empírica
Probabilidad subjetiva
Si existe poca o ninguna experiencia en la cual se pueda basar
una probabilidad, de todas formas puede obtenerse una
probabilidad en forma subjetiva. Fundamentalmente, esto
significa evaluar las opiniones disponibles y otra información
subjetiva para después estimar o asignar la probabilidad.
Atinadamente a este concepto se le denomina probabilidad
subjetiva.
La Probabilidad subjetiva es la posibilidad (probabilidad) de que
suceda un evento específico, asignado por una persona con
base en cualquier información de que disponga.
La precisión de una probabilidad subjetiva depende de la
habilidad o conocimiento que tenga una persona para juzgar
una determinada situación. Se basa en una combinación de las
experiencias pasadas de individuo, la opinión personal y el
análisis de una situación particular.
Probabilidad subjetiva
Ejemplos.
a) Si el experimento es lanzar una moneda. Los dos resultados posibles
del experimento son: Cara y sello. Si se definen los eventos:
M: Obtener cara
N: Obtener sello
M y N son eventos colectivamente exhaustivos, pues uno de ellos debe
ocurrir al lanzar una moneda.
b) Si el experimento es Elegir una carta de una baraja de 52 cartas. Si se
definen los eventos:
B: Obtener carta negra;
C: Obtener carta de diamante;
D: Obtener carta de corazón
B, C y D son eventos colectivamente exhaustivos, pues uno de ellos debe
ocurrir al Elegir una carta.
Por lo tanto……
Si un conjunto de eventos es
colectivamente exhaustivo y
los eventos son mutuamente
excluyentes, entonces la suma
de las Probabilidades es igual
a 1. Por ejemplo…
Si lanzamos un dado normal y definimos los
eventos:
A=obtener número mayor a 4
B=obtener número menor a 4
C=obtener 4
Si elegimos una carta de una baraja de 52
cartas (hay 26 cartas rojas y 26 cartas
negras) y definimos los eventos:
M=obtener una carta roja
J=obtener una carta negra
(se entiende que el evento J es complemento del
evento M)
REGLAS DE CONTEO
EN MUCHOS CASOS ES COMPLICADO
DETERMINAR EL NÚMERO DE POSIBLES
RESULTADOS Y DE ÉXITOS, QUE NOS
AYUDEN A CALCULAR LA PROBABILIDAD DE
UN EVENTO.
k 1 k 2 ... k n
Ejemplo: El menú de un restaurante tienen un precio
fijo para las cenas completas que consisten en un
aperitivo, un platillo principal, una bebida y un postre.
Se tiene la posibilidad de elegir entre 5 aperitivos, 10
platillos, tres bebidas y seis postres. Determinar el
número total de cenas posibles.
REGLA DE CONTEO N°3
ESTA REGLA ESTÁ RELACIONADA CON EL CÁLCULO DEL
NÚMERO DE MANERAS EN LAS QUE UN CONJUNTO DE “n”
ELEMENTOS PUEDE ARREGLARSE EN ORDEN.
n ! n n 1 ... 1
donde n! se llama factorial de n. (Nota: 0!=1)
Hombre 38 28 22 88
Mujer 45 50 17 112
Total 83 78 39 200
Probabilidades usando Tablas de
contingencia
Independencia estadística y
Probabilidad condicional
Si dos eventos A y B son Independientes,
entonces la probabilidad de que ocurra A y
B, será:
P ( A y B ) P ( A).P ( B )
" Re gla especial de la multiplicaciòn"
Los Eventos A y B son Independientes
cuando la Probabilidad de un evento, B, no
es afectada por la ocurrencia de otro
Evento, A.
Independencia estadística y
Probabilidad condicional
La regla especial de la multiplicación se puede
generalizar a 2 o más eventos
independientes, diciendo que la probabilidad
de que ocurran conjuntamente N eventos
independientes, uno tras otro, es:
P( A y B) P( A).P( B | A) P( B).P( A | B)
P A y B
Probabilidad Condicional : P(A | B)
P(B)
Ejercicio. Una caja contiene 12 naranjas, tres de las
cuales están malogradas. Si seleccionamos al azar 5
naranjas:
a) ¿Cuál es la probabilidad de que dos de las naranjas
seleccionadas estén malogradas?
b) ¿Cuál es la probabilidad de que ninguna de las
naranjas seleccionadas esté malograda?
c) ¿Cuál es la probabilidad de que una de las naranjas
seleccionadas esté malograda?
b) ¿Cuál es la probabilidad de que tres de las naranjas
seleccionadas estén malogradas?
Más ideas sobre la “Probabilidad condicional”
Pongamos atención a los dos problemas siguientes:
Se pide: P(A\B)=?
Regla de la suma y multiplicación:
Particiones
Sean los eventos E1, E2, E3 ... ,EN una partición
del espacio muestra S, es decir, todos
mutuamente excluyentes, de tal forma que la
unión de todos conformen el espacio muestral S.
Sea además un evento E, perteneciente a S,
como se muestra (sombreado) en la figura
siguiente:
Particiones de S.
Entonces podemos decir:
P( E) = P( E i ) P( E \ E i)
Ejemplo. Aplicando la Regla de la suma
y multiplicación: Particiones
Una cartera de clientes es segmentada en
tres grupos: A, B y C. La cantidad de
clientes en cada grupo son 500, 400 y 100
respectivamente. El porcentaje de clientes
morosos en cada grupo es 1%, 2% y 3%
respectivamente.
Si selecciona un cliente al azar, ¿Cuál es la
probabilidad de que el cliente sea moroso?
Teorema de Bayes
Este teorema se utiliza para revisar probabilidades
previamente calculadas cuando se posee nueva
información.
P(A) P(B | A)
P(A | B)
P(A) P(B | A) P(A' ) P(B | A' )
Expresión general:
P(Bj | Ai )P( Ai )
P( Ai | Bj )
P(Bj | A1)P( A1 ) P(Bj | A2 )P( A2 ) ... P(Bj | Ak )P( Ak )
P(Bj | Ai )P( Ai )
P( Ai | Bj ) k
P(B | A )P( A )
i
j i i
Teorema de Bayes
Aunque esta expresión no es más que
una aplicación de las reglas de suma y
multiplicación de probabilidades, tiene
mucha importancia pues ha servido
para desarrollar la inferencia o
estimación bayesiana, que,
mediante el empleo de datos
experimentales llega a estimar
probabilidades subjetivas con buena
precisión.
Aplicando Teorema de Bayes
Una cartera de clientes es segmentada en
tres grupos: A, B y C. La cantidad de
clientes en cada grupo son 500, 400 y 100
respectivamente. El porcentaje de clientes
morosos en cada grupo es 1%, 2% y 3%
respectivamente.
Si selecciona un cliente al azar y resulta
que es moroso ¿Cuál es la probabilidad de
que el cliente sea del segmento C? ¿ y que
sea del segmento B? ¿y que sea del
segmento A?
Problema