INSTITUTO UNIVERSITARIO METROPOLITANO DE

VILLAHERMOSA

MAESTRÍA EN PEDAGOGÍA

UNIDAD 4:
TEORÍA DE LA PROBABILIDAD

ALUMNA:
JUANA JIMÉNEZ ARIAS

CATEDRÁTICO:
ING. JORGE NAHUM SALAS RINCÓN

ASIGNATURA:
ESTADÍSTICA

07/OCTUBRE/2023
 INSTITUTO UNIVERSITARIO METROPOLITANO DE
VILLAHERMOSA

ÍNDICES

INTRODUCCIÓN 2
UNIDAD 4:
TEORÍA DE LA PROBABILIDAD 3
PROBABILIDAD SUBJETIVA 3
PROBABILIDAD FRECUENCIAL 4
ESPACIO MUESTRAL 5
EVENTO 5
EVENTOS MUTUAMENTE EXCLUYENTES Y EVENTOS INDEPENDIENTES 6
TABLAS DE PROBABILIDAD CONJUNTA. 8
PROBABILIDAD MARGINAL Y CONDICIONAL 9
INDEPENDENCIA ESTADÍSTICA 11
TEOREMA DE BAYES 12
CONCLUSIÓN 13
BIBLIOGRAFÍA 14

1
 INSTITUTO UNIVERSITARIO METROPOLITANO DE
VILLAHERMOSA

INTRODUCCIÓN

El concepto de probabilidad nace con el deseo del hombre de conocer con certeza
los eventos futuros.
Es por ello que el estudio de probabilidades surge como una herramienta utilizada
por los nobles para ganar en los juegos y pasatiempos de la época. El desarrollo de
estas herramientas fue asignado a los matemáticos de la corte.Con el tiempo estas
Las técnicas matemáticas se perfeccionaron y encontraron otros usos muy
diferentes para la que fueron creadas. Actualmente se continúo con el estudio de
nuevas metodologías que permitan maximizar el uso de la computación en el
estudio de las probabilidades disminuyendo, de este modo, los márgenes de error
en los cálculos.

2
 INSTITUTO UNIVERSITARIO METROPOLITANO DE
VILLAHERMOSA

UNIDAD 4:

TEORÍA DE LA PROBABILIDAD

PROBABILIDAD SUBJETIVA
Es aquella que se basa en la experiencia individual, donde la persona evalúa las
posibilidades y asigna los valores de acuerdo a los hechos previos que conoce.
Es posible vincular la probabilidad subjetiva a una frecuencia relativa o a una
conjetura. El sujeto mide el grado de probabilidad según la verosimilitud que le
otorga a cada resultado posible.
Es usada en situaciones más normales y no tanto en situaciones serias, como
podría ser un análisis de un reporte importante, o para tomar una decisión en una
empresa, sino que es especialmente usada en cosas de la vida cotidiana que no
tengan una trascendencia muy importante.
Entre las muchas probabilidades que se estudian en estadística, la probabilidad
subjetiva es la que más conectada está con el sentimiento humano antes que con
los datos o hechos, la probabilidad subjetiva puede ser muy influenciada con el
estado de ánimo o la fe de la persona.

EJEMPLOS:

1. ¿Es niño o niña? . La abuela de un bebe que está por nacer asegura que el
futuro bebé será una niña y no un niño, la abuela se basa en los antojos de la
madre, la forma del estómago de la madre y otras características que ella ha
podido observar durante el embarazo.
2. Probabilidad de lluvia: Un anciano de 70 años dice que es muy probable que
llueva simplemente observando algunos comportamientos de la naturaleza, a
pesar de que el día no parezca nublado el anciano está convencido que
lloverá, aspectos como el comportamiento de las aves volando hacia algún
lado o el sonido inusual de algunos anfibios le convencen de que hoy lloverá.
3. Probabilidad de ser contratado: Un joven creyente fue a una entrevista de
trabajo donde se encontró que habían otras 30 personas aplicando al mismo
puesto, a simple vista la probabilidad de ser contratado es muy baja, pero el
joven con confianza piensa que el trabajo será suyo.

3
 INSTITUTO UNIVERSITARIO METROPOLITANO DE
VILLAHERMOSA

PROBABILIDAD FRECUENCIAL

También conocida como probabilidad frecuentista, refiere a qué tan probable resulta
un suceso si un experimento se repite muchas veces. Puede entenderse como el
cociente entre la cantidad de casos favorables y la cantidad de casos posibles
cuando la cantidad de casos tiende al infinito.

La idea de probabilidad frecuencial se emplea cuando se trabaja con un número

muy elevado de repeticiones, apreciándose así la tendencia a largo plazo. Es
importante tener en cuenta que la asignación de los valores siempre está vinculada
al análisis de múltiples iteraciones: por eso es habitual que se recurra a
simulaciones computarizadas.

La utilidad de la probabilidad frecuencial suele ser debatida por los especialistas.

Hay expertos que consideran que el método no es empírico y que los criterios de
aleatoriedad que se manejan no son fiables.

El concepto de probabilidad frecuencial data de mediados del siglo XIX, aunque su

desarrollo formal tuvo lugar durante la primera mitad del 1900 por el economista Von
Mises, oriundo de Austria, quien planteó dos premisas para fundamentar la teoría:

● Regularidad estadística: si bien los resultados concretos se comportan de

manera un poco caótica, luego de someter un experimento a una gran
cantidad de iteraciones comenzamos a obtener algunos patrones de
resultados;
● La probabilidad debe considerarse objetiva: Von Mises señalaba que se
trata de un concepto que se puede medir y sustenta su afirmación en que los
fenómenos aleatorios cuenten con algunas características que los vuelven
únicos.

EJEMPLO:

LA MONEDA

Si lanzas 100 veces una moneda puede salir 40 veces cara y 60 cruz. Eso sí, este
resultado (que podría haber sido cualquier otro) no indica que la probabilidad de
cara sea del 40% y la probabilidad de salir cruz del 60%.

4
 INSTITUTO UNIVERSITARIO METROPOLITANO DE
VILLAHERMOSA

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}.

EVENTO

En la teoría de la probabilidad, un evento es un conjunto de resultados de un

experimento aleatorio. Por lo tanto, un evento puede ser un solo resultado o un
grupo de resultados de un experimento.

EJEMPLO:

LANZAMIENTO DE UN DADO

● Sacar el número 2.
● Sacar un número par (2, 4, 6).
● Sacar un número menor que 5 (1, 2, 3, 4).
● Sacar un número múltiplo de 3 (3,6)

5
 INSTITUTO UNIVERSITARIO METROPOLITANO DE
VILLAHERMOSA

EVENTOS MUTUAMENTE EXCLUYENTES Y EVENTOS

INDEPENDIENTES

EVENTOS MUTUAMENTE EXCLUYENTES

A y B son eventos mutuamente excluyentes si no pueden ocurrir al mismo tiempo.

Dicho de otra manera, si A ocurre, entonces B no puede ocurrir y viceversa. Esto
significa que A y B no comparten ningún resultado y P(A∩B)=0

Por ejemplo, supongamos que el espacio muestral S = {1, 2, 3, 4, 5, 6, 7, 8, 9, 10}.

Supongamos que A = {1, 2, 3, 4, 5}, B = {4, 5, 6, 7, 8}, y C = {7, 9}. A ∩ B = {4, 5}.

P(A∩B)= 2/10 y no es igual a cero. Por lo tanto, A y B no son mutuamente

excluyentes. A y C no tienen ningún número en común por lo que P(A∩C)=0. Por
lo tanto, A y C son mutuamente excluyentes.

Si no se sabe si A y B son mutuamente excluyentes, suponga que no lo son hasta

que pueda demostrar lo contrario. Los siguientes ejemplos ilustran estas
definiciones y términos.

EVENTOS INDEPENDIENTES

Dos eventos son independientes si uno de los siguientes es cierto:

● P(A|B)=P(A)
● P(B|A)=P(B)
● P(A∩B)=P(A)P(B)

Dos eventos A y B son independientes si el conocimiento de que uno ha ocurrido

no afecta la posibilidad de que ocurra el otro. Por ejemplo, los resultados de lanzar
dos veces un dado imparcial son eventos independientes. El resultado de la primera
lanzada no cambia la probabilidad del resultado de la segunda. Para demostrar que
dos eventos son independientes, debe mostrar solo una de las condiciones
anteriores. Si dos eventos NO son independientes, decimos que son dependientes.

6
 INSTITUTO UNIVERSITARIO METROPOLITANO DE
VILLAHERMOSA
El muestreo se puede hacer con reemplazo o sin reemplazo.

● Con reemplazo: si cada miembro de una población es reemplazado después

de ser elegido, entonces ese miembro tiene la posibilidad de ser elegido más
de una vez. Cuando el muestreo se hace con reemplazo, los eventos se
consideran independientes, lo que significa que el resultado de la primera
elección no cambiará las probabilidades de la segunda.
● Sin reemplazo: cuando el muestreo se hace sin reemplazo, cada miembro
de una población solo lo pueden seleccionar una vez. En este caso, las
probabilidades de la segunda elección se ven afectadas por el resultado de la
primera. Los eventos se consideran dependientes o no independientes.

EJEMPLO:

Tiene un mazo de cartas imparcial y bien mezclado de 52 cartas. Consta de cuatro

palos. Los palos son tréboles, diamantes, corazones y picas. Hay 13 cartas en cada
palo que consisten en 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, J (sota), Q (reina), K (rey) de ese
palo.

a. Muestreo con reemplazo:

Supongamos que elige tres cartas con reemplazo. La primera carta que elige de las
52 cartas es la Q de picas. Vuelve a poner esta carta, baraja las cartas y saca una
segunda carta del mazo de 52. Es el diez de tréboles. Vuelve a poner esta carta,
baraja las cartas y saca una tercera carta del mazo de 52. Esta vez, la carta es la Q
de picas de nuevo. Sus elecciones son {Q de picas, diez de tréboles, Q de picas}.
Ha sacado la Q de picas dos veces. Saca cada carta del mazo de 52 cartas.
b. Muestreo sin reemplazo:
Supongamos que elige tres cartas sin reemplazo. La primera carta que saca de las
52 cartas es la K de corazones. Pone esta carta a un lado y saca la segunda carta
de las 51 que quedan en el mazo. Es el tres de diamantes. Pone esta carta a un
lado y saca la tercera carta de las 50 restantes del mazo. La tercera carta es la J de
picas. Sus elecciones son {K de corazones, tres de diamantes, J de picas}. Como ha
escogido las cartas sin reemplazo, no puede escoger la misma carta dos veces. La
probabilidad de elegir el tres de diamantes se llama probabilidad condicional porque
está condicionada a lo que se haya elegido primero. Esto es cierto también para la
probabilidad de elegir la J de picas. La probabilidad de elegir la J de picas está
realmente condicionada a las dos elecciones anteriores.

7
 INSTITUTO UNIVERSITARIO METROPOLITANO DE
VILLAHERMOSA
TABLAS DE PROBABILIDAD CONJUNTA.
Dos o más eventos se pueden combinar en eventos conjuntos mediante el uso de
declaraciones “o” o declaraciones “y”.

La unión de dos eventos A y B es qué ocurre cualquiera de los eventos A o B, o

ambos; (las partes azul, rojo y morado del diagrama de Venn se muestran a la
derecha).

La Intersección de dos eventos A y B es que ambos eventos A y B ocurren; (la

superposición púrpura del diagrama de Venn se muestra a la derecha).

Probabilidad marginal significa la probabilidad de que ocurra un solo evento.

Probabilidad conjunta significa la probabilidad de que ocurra la unión o intersección

de múltiples eventos.

EJEMPLO:

En un grupo de 100 estudiantes, un total de 40 estudiantes toman Matemáticas, un

total de 20 estudiantes toman Historia y 10 estudiantes toman tanto Matemáticas
como Historia. (Tenga en cuenta que estos 10 alumnos ya se contabilizaron dos
veces como estudiantes de Matemáticas y estudiantes de Historia). Encuentra las
probabilidades marginales y articulares.

8
 INSTITUTO UNIVERSITARIO METROPOLITANO DE
VILLAHERMOSA
Solución

Probabilidades Marginales:

P (Matemáticas) = 40/100 = 0.4

P (Historial) = 20/100 = 0.2

Probabilidades articulares:

P (Matemáticas e Historia) = 10/100 = 0.1 (esta es la intersección de los dos

eventos)

P (Matemáticas o Historia) = 50/100 = 0.5 (esta es la unión de los dos eventos)

PROBABILIDAD MARGINAL Y CONDICIONAL

Es una medida estadística que indica la probabilidad de que ocurra un subconjunto

del conjunto total.

La probabilidad marginal es un número entre 0 y 1. De manera que cuanto más

grande sea la probabilidad marginal de un subconjunto, más probable será de que
suceda dicho subconjunto, por contra, cuanto menor sea la probabilidad marginal
menos probable será de que ocurra el subconjunto.

EJEMPLO:

Para analizar una carretera problemática, durante todos los días de un mes se anota
en una tabla de contingencia el tiempo del día y si se ha producido un atasco o no.
A partir de los datos, calcula las probabilidades marginales de atasco y de lluvia en
esta zona.

9
 INSTITUTO UNIVERSITARIO METROPOLITANO DE
VILLAHERMOSA
Para calcular la probabilidad marginal de un subconjunto de datos simplemente se
debe aplicar la siguiente regla:

Para calcular la probabilidad marginal de un subconjunto simplemente tienes

que sumar todas las veces que se ha producido dicho subconjunto y dividir
entre el número total de datos.

Por ejemplo, en este caso, se han registrado 6 días con atasco cuando había sol y 8
días con atasco cuando había lluvia, y el número total de observaciones es 30. Por
lo tanto, la probabilidad marginal de que haya un atasco es:

De modo que casi la mitad de los días habrá un atasco en la carretera.

Por otro lado, para sacar la probabilidad marginal de lluvia tenemos que aplicar el
mismo procedimiento, esto es, sumar todas las ocasiones en las que ha llovido y
dividir entre el número total de observaciones:

INDEPENDENCIA ESTADÍSTICA

Dos variables estadísticas son estadísticamente independientes cuando el

comportamiento estadístico de una de ellas no se ve afectado por los valores que
toma la otra; esto es cuando las relativas de las distribuciones condicionadas no se
ven afectadas por la condición, y coinciden en todos los casos con las frecuencias
relativas marginales.

Esta definición puede hacerse más operativa, a través de la caracterización

siguiente:Dos variables son estadísticamente independientes cuando para todos los
pares de valores se cumple que la frecuencia relativa conjunta es igual al producto
de las frecuencias relativas marginales:

10
 INSTITUTO UNIVERSITARIO METROPOLITANO DE
VILLAHERMOSA

para todo i,j :

Por ejemplo:

comprobemos si se cumple:

para el primer par 1,1 tendríamos: que cumple

para el segundo par 1,2 tendríamos que cumple

lo comprobaríamos hasta el último…

para el último par 3,3, tendríamos que cumple ,

por tanto X e Y son estadísticamente INDEPENDIENTES.

11
 INSTITUTO UNIVERSITARIO METROPOLITANO DE
VILLAHERMOSA
TEOREMA DE BAYES

Es un método simple para calcular las probabilidades de los sucesos de una

partición.

Este teorema fue redactado por el matemático británico Thomas Bayes (1702-1761)
y se dio a conocer en su publicación póstuma Essay Towards Solving a Problem in
the Doctrine of Chances (1764). Bayes fue socio de la Royal Society y a partir de su
obra se desarrolló lo que se conoce como inferencia bayesiana, rama de la
estadística en la que se utilizan observaciones para inferir la probabilidad de que un
teorema (o hipótesis) sea cierto.

EJEMPLO:

En una heladería venden helados en tarrina y en cono, siendo la cantidad de

tarrinas un 60% del total. Cada forma de helado viene en dos sabores: fresa y
vainilla. Hay un 20% de tarrinas de fresa y el resto de tarrinas son de vainilla. En los
conos, la mitad son de fresa y la otra mitad de vainilla. Si una persona llega a la
tienda y coge un helado al azar, calcula la probabilidad de que coja un helado de
fresa (ya sea tarrina o cono).

12
 INSTITUTO UNIVERSITARIO METROPOLITANO DE
VILLAHERMOSA
CONCLUSIÓN

Hoy en día no existe investigación alguna, en cualquier terreno, que no la considere

y la aplique, y se ha incorporado con naturalidad a los procesos analíticos de la
física, la química, la medicina y, por supuesto, la economía.
Los principios de la probabilidad ayudan a unir los mundos de la estadística
descriptiva y la inferencia estadística.
Los elementos básicos de la teoría de la probabilidad son los resultados de un
experimento aleatorio. Un experimento es un ensayo o juego que puede constar de
uno o más intentos y cuyo resultado es la ocurrencia de uno, y sólo uno de los
varios resultados posibles y no se sabe cual ocurrirá.
Si bien el concepto de experimento aleatorio es, en principio, ambiguo, al recordar
que la definición pascaliana se originó en el estudio de los juegos de azar, puede
decirse que un experimento aleatorio tanto puede ser una de las repeticiones de
algún juego de azar como cualquier otra cosa que, no siendo precisamente un
juego, esté sujeta a las reglas del azar, de modo que el resultado que se puede
presentar en sus realizaciones se encuentra sujeto a las condiciones de
incertidumbre propias de la aleatoriedad.

13
 INSTITUTO UNIVERSITARIO METROPOLITANO DE
VILLAHERMOSA
BIBLIOGRAFÍA

RONALD E. WALPOLE, RAYMOND H. MYERS, SHARON L. MYERS Y

KEYING YE. (2012). Probabilidad y estadística para ingeniería y

ciencias. PEARSON EDUCACIÓN.

14