Capítulo 4

Capítulo 4:
Elementos de Teoría de la
Probabilidad
Profesor: Luis Benites
Paradoja del cumpleaños
https://www.youtube.com/watch?v=p_SWxgyeb-s
Estadística en la práctica
Programa del Curso
o CAP 1: ESTADÍSTICA DESCRIPTIVA (6h)
o CAP. 2: MEDIDAS ESTADÍSTICAS Y
PRESENTACIÓN DE DATOS
CUANTITATIVOS (6h)
o CAP. 3: ANÁLISIS DE REGRESIÓN LINEAL SIMPLE
Y CORRELACIÓN (6h)
o CAP. 4: ELEMENTOS DE LA TEORÍA DE
PROBABILIDAD (6h)
o CAP. 5: VARIABLES ALEATORIAS Y
DISTRIBUCIONES DE PROBABILIDAD(12h)
o CAP. 6: DISTRIBUCIONES MUESTRALES (6h)
CAP. 4: ELEMENTOS DE LA
TEORÍA DE PROBABILIDAD
• 4.1. Probabilidad
• 4.1.1. Conceptos básicos.
• 4.1.2. Definiciones de probabilidad.
• 4.1.3. Propiedades de la probabilidad
• 4.2 Principio de adición y multiplicación
• 4.3. Probabilidad Condicional e Independencia
• 4.3.1. Probabilidad condicional
• 4.3.2. Independencia probabilística
• 4.3.3. Probabilidad Total y Teorema de Bayes
Probabilidad
• Las decisiones en los negocios a menudo se basan en
el análisis de incertidumbres como las siguientes:
o ¿Cuáles son las probabilidades de que cambien las
ventas si se incrementan los precios?
o ¿Cuál es la probabilidad de que el nuevo método de
ensamble aumente la productividad?
o ¿Qué tan probable es que el proyecto termine a
tiempo?
o ¿Cuáles son las probabilidades de que la nueva
inversión sea rentable?
Probabilidad
• La probabilidad es una medida numérica de la
posibilidad de que ocurra un evento.
• Por tanto, las probabilidades se podrían usar como
medidas del grado de incertidumbre asociado con los
cuatro eventos citados antes.
• Si tuviéramos las probabilidades, podríamos determinar
la posibilidad de cada evento.
Experimento
• Un proceso que genera resultados de acuerdo a un
conjunto de condiciones. Para determinar la relación
entre condiciones y resultados, necesitamos estar en la
posibilidad de repetir o replicar el experimento.
Ejemplos:
• Dejar caer un dado desde cierta altura y registrar el
tiempo que tarda en caer al piso.
• Seleccionar una pieza e inspeccionarla.
• Lanzar un dado y registrar el resultado.
Experimentos
Determinísticos
Es aquel experimento que una vez estudiado por primera
vez, podemos predecirlo, es decir, saber lo que sucederá
antes de volver a realizar el experimento.
• Ejemplos:
o El hielo se funde cuando la temperatura sube de 0ºC.
o Al unir cloro con sodio se produce la sal común.
o Cuando mezclamos proporciones adecuadas de
hidrógeno y oxígeno, sabemos que tendremos por
resultado: agua.
Experimento no
determinístico
En estos experimentos no hay un resultado sino un conjunto
de resultados, por tanto es más difícil establecer una
correspondencia entre cambios en las condiciones y
cambios en los resultados.
Ejemplo:
Consumo e Ingreso disponible de las familias, si analizamos
datos de alguna encuesta grande, encontraremos que para
cada nivel de ingreso habrá familias con distintos niveles de
consumo. Sin embargo, trabajando sobre todos los ingresos
y consumos registrados, podremos distinguir una “tendencia”
creciente: a mayor ingreso mayor consumo. La relación no
es exacta, determinista, pero existe y es directa.
Experimento Aleatorio
•Denotado
por , es un experimento donde las condiciones no
determinan de manera unívoca un resultado pero sí permiten
establecer un conjunto de posibles resultados, de modo que
en sucesivas réplicas del experimento, los resultados o
grupos de resultados, se presentan con una frecuencia
relativa (o porcentual) estable.
Ejemplos
o Al lanzar una moneda (no trucada) al aire no podemos saber
si el resultado va a ser cara o cruz.
o Al lanzar un dado (no trucado) al aire no podemos saber cuál
va ha ser el resultado de entre los seis posibles.
o Al extraer una carta de una baraja española (sin mirar, sin
hacer trampas) no podemos cuál va ha ser el resultado de
entre los cuarenta y ocho posibles.
Espacio muestral y evento
• Espacio
Muestral S: Es el conjunto de posibles
resultados de un experimento aleatorio .
• Evento: Un subconjunto del espacio muestral. Los
eventos se suelen denotar con letras mayúsculas: A, B,
etc.
Ejemplos:
Experimento: Se lanza un dado y se observa el número
que aparece en la cara superior
Espacio muestral:
Evento: obtener número par:
Ejemplos
•Experimento:
Lanzar una moneda y observar el resultado
Espacio muestral:
Evento: Obtener “cara”
Experimento: Lanzar una moneda cuatro veces y contar el

número total de sellos obtenidos.
Espacio muestral:
Evento: Obtener más de dos sellos

Ejemplos
•Experimento:
Se fabrica un conjunto de artículos hasta producir
10 no defectuosos. Se cuenta el número total de artículos
manufacturados.
Espacio muestral:
Evento: Producir no más de dos defectuosos
Experimento: Medir en horas el tiempo de vida de un transistor

Espacio muestral:
Evento: El transistor no funciona más de cinco horas

Eventos
• Ocurrencia de un evento
Diremos que un evento A “ocurre” si el resultado del
experimento aleatorio es elemento de A.
• Evento Seguro
Es el espacio muestral S y siempre ocurre.
• Evento Imposible
Es el vacío y como no tiene elementos, nunca ocurre.
Eventos
• Eventos
Mutuamente Excluyentes: Dos eventos A y B
se dicen mutuamente excluyentes si carecen de
elementos comunes, o sea si y por tanto no pueden
ocurrir simultáneamente.
Evento A Evento B
Espacio
muestral S
Ejemplo
•Si en la población mayor de 23 años de edad se definen
los eventos
{Población analfabeta}
{Economistas}
Entonces porque no hay Economistas que sean

analfabetos por lo tanto y son mutuamente excluyentes
Definiciones de
Probabilidad
•Dado
un espacio muestral S, queremos cuantificar la
mayor o menor opción de presentarse (“ocurrir”) que tienen
sus eventos, de modo que podamos jerarquizarlos. La
medida de la opción que tiene un evento A será llamada
“probabilidad de A” y se denotará P(A).
Definición Clásica (de La Place)

Si un espacio muestral tiene elementos y un evento
tiene de estos elementos, la probabilidad de es:
Ejemplo
•Si una persona contesta al azar una pregunta de opción
múltiple con cinco opciones de respuesta, digamos a, b,
hasta e:
• Experimento:
Contestar al azar una pregunta
• Espacio muestral:
• Evento:
A={Acertar la respuesta}={a}
( 𝐴 ) = 𝑛 ( 𝐴 ) = 1 =0.20
𝑃
𝑛 (𝑆 ) 5
Definiciones de
Probabilidad
•Definición
frecuencial (de Von Mises)
La probabilidad de un evento es la frecuencia relativa con
que se presenta el evento en una serie grande de
repeticiones del experimento aleatorio. O sea, si un
experimento se repite veces y ocurre en de estas
repeticiones, entonces:
Ejemplo
Si la distribución del número de trabajadores (“tamaño de
la empresa) en las 80 empresas de metalmecánica de un
distrito es:
La probabilidad de
A=“La empresa tiene entre 4 y

8 trabajadores”
es
Definiciones de
Probabilidad
•Definición
axiomática (de Kolmogorov)
Sea S un espacio muestral asociado a un experimento
aleatorio . Una Probabilidad definida sobre los eventos de
S es una función (una regla de correspondencia) que a
cada evento A le asigna un número real, denotado P(A) y
llamado Probabilidad de A, de modo que se satisfacen los
axiomas:
1. P
2. Si es otro evento de S y disjunto con , entonces
Propiedades de la
Probabilidad
La teoría de la probabilidad es resultado del
estudio de las “leyes del azar”, esto es, se deduce
como consecuencia de un proceso de
derivaciones lógicas, de un análisis formal o
racional, a partir del cual se llega a descubrir
propiedades que luego serán herramientas del
análisis.
Propiedades de la
Probabilidad
•Es así que tenemos las siguientes propiedades:
• =0, pues
• Si A y B son eventos arbitrarios, entonces
• Si A y B son eventos tales que , entonces .

• Para cualquier evento A se cumple
Ejercicio 1
•En la construcción de una prueba de rendimiento, se
construye un ítem o pregunta de respuesta tipo Verdadero
o Falso de modo que si se contesta al azar, la probabilidad
de acertar es “” y la equivocarse es “”. ¿Cuáles de los
siguientes valores de y son formalmente correctos?
a) y
b) y
Ejercicio 1
• resultados posibles son:
Los
Entonces el espacio muestral es
Que puede escribirse como
Por lo tanto
.
Pero luego
Es una igualdad que debe cumplirse para que la asignación de probabilidades sea
correcta.
Ejercicio 2
Los artículos provenientes de una línea de producción se
clasifican en defectuosos (D) o no defectuosos (N). Se
observan los artículos y se anotan su condición. Este
proceso se continúa hasta que se produzcan dos
artículos defectuosos o se hayan verificado tres artículos,
cualesquiera que ocurra primero. Describir el espacio
muestral para este experimento.
Ejercicio 3
Un dado está "cargado", de modo que al lanzarlo y observar
la cara que muestra en su lado superior, cada número tiene
una opción de presentarse proporcional a dicho número.
a) Halle la distribución de probabilidades compatible con esta
información.
b) Halle la probabilidad de que al lanzar el dado ocurra un
número par.
c) Halle la probabilidad de que al lanzar el dado ocurra un
número primo (es un número natural mayor que 1 que tiene únicamente dos
divisores distintos: él mismo y el 1).
d) Halle la probabilidad de que al lanzar el dado ocurra un
número par o un número primo.
2. P
Ejercicio 3 a)
3. Si es otro evento de S y disjunto con ,
entonces
• y de los datos se tiene que

para
donde es la constante de proporcionalidad.
Además como , aplicando el axioma 2 y sucesivas veces el axioma 3 se

tiene:
Despejando se obtiene y la asignación o distribución de probabilidades es:

para
Ejercicio 3
Un dado está "cargado", de modo que al lanzarlo y observar
la cara que muestra en su lado superior, cada número tiene
una opción de presentarse proporcional a dicho número.
a) Halle la distribución de probabilidades compatible con esta
información.
b) Halle la probabilidad de que al lanzar el dado ocurra un
número par.
c) Halle la probabilidad de que al lanzar el dado ocurra un
número primo (es un número natural mayor que 1 que tiene únicamente dos
divisores distintos: él mismo y el 1).
d) Halle la probabilidad de que al lanzar el dado ocurra un
número par o un número primo.
Principio de adición
•
Si un evento designado como ocurre
de maneras diferentes y otro evento
ocurre de maneras diferentes,
entonces o (en sentido excluyente)
ocurre de formas diferentes.
En el principio de adición, o bien ocurre
un caso o bien ocurre el otro caso, mas
nunca pueden ocurrir simultáneamente.
Ejemplo 1
• desea viajar de Chiclayo a Tumbes y tienen a sus disposición 2
Ana
líneas aéreas y 5 líneas terrestres ¿De cuántas maneras distintas
puede realizar ese viaje?
Solución:
Ana puede elegir viajar por aire o por tierra; pero evidentemente, no
puede elegir viajar por ambas vías (terrestre y aérea)
simultáneamente.
Tenemos los siguientes eventos
Para viajar por aire tenemos 2 líneas disponibles

Para viajar por tierra tenemos 5 líneas disponibles
Por lo tanto, Ana puede realizar el viaje de maneras diferentes.
Principio de multiplicación
• posee 3 camisas, 3 pantalones y 2 pares de zapatos, todas prendas
Elvis
diferentes. ¿De cuántas maneras distintas puede lucir una vestimenta
constituida por camisa, pantalón y zapatos?
Solución: Elvis tenia tres maneras distintas
Tenemos los siguientes eventos de elegir la camisas y para cada
una de las tres maneras había 3
formas de escoger el pantalón
que da un total de 9 formas y
para cada una de estas 9 maneras
Camisas Pantalones Zapatos existen dos maneras de escoger
un par de zapatos, por ello el total

de formas de vestirse se obtiene
multiplicando los valores dados
3 ×
3 × 2 ¿
18 maneras diferentes
•
¿Cuántos números pares de la forma pueden escribirse con los dígitos 1, 2, 5,
6, 7, 8 y 9 si las cifras pueden repetirse y la cifra de decena es impar?
Solución:
Tenemos los siguientes eventos
Centena Decena Unidad
1 1
2 2
5 5
6 6
7 7
8 8
9 9
7 ×
4 ×
3 ¿
84 números
Pares distintos
¿Cuántos números enteros impares positivos menores que 10000 puede
formarse usando las cifras 9, 6, 3 y 0?
Solución:
Los números menores que 10000 pueden ser números con 1 cifra, con 2, con
3 o con 4 cifras por lo que debemos considerar esos casos separadamente.
Luego el número 1 cifra 2 cifras 3 cifras 4 cifras

total de enteros
impares cumple
la condición: 3 33 303 3003
9 69 639 6339
9 96 966
Se ha aplicado el principio 9 99
de multiplicación para
cada caso y luego hemos ×2 + 3
2 + 3 ×4 × 2 + 4
sumado aplicando
el principio de adición 6 24 96
Ejemplo
Probabilidad Condicional e
Independencia
•Con
frecuencia, la probabilidad de un evento se ve influida
por la ocurrencia de otro evento relacionado.
Suponga que tenemos un evento con probabilidad . Si
obtenemos nueva información y vemos que ha ocurrido un
evento relacionado, representado por B y quisiéramos
aprovechar esta información para calcular una nueva
probabilidad para A.
Esta nueva probabilidad del evento A se llama probabilidad
condicional y se escribe como P(A|B) y se lee como “la
probabilidad de A dado B”.
Ejercicio 4
• partir
A del siguiente "cuadro de doble entrada“
Si ="La persona tiene alto nivel de Autoritarismo" y ="La persona tiene entre
18 y 30 años". Halle y compare con . ¿Si una persona proviene de esta
población que edad esperaría encontrar? ¿Cambiaría su respuesta si supiera
además que la persona es muy autoritaria?
Ejercicio 4
•Aplicando
la definición clásica de probabilidad, tenemos
que y dividiendo todas las frecuencias del cuadro entre
obtenemos un cuadro de probabilidades o “Tabla de
contingencia” de la forma:
Ejercicio 5
• Una empresa tiene problemas con la atención a sus clientes y para
saber más al respecto, realizó una encuesta entre ellos. Entre otras
cosas se preguntó acerca de los eventos: A = "El cliente está
conforme con la atención recibida” y B = "El cliente regresaría a la
empresa una vez más”. Se tiene parte de la tabulación de las
respuestas a estas preguntas por parte de los 90 clientes
encuestados:
() ()
() 6
() 21 30 51
36
A=“El cliente está conforme con la atención recibida”
B=“El cliente regresaría a la empresa una vez más”
Ejercicio 5
•a) Calcule , y .
b) Halle la probabilidad condicional de que un cliente
regrese si tuvo buena atención.
c) Halle la probabilidad de que un cliente regrese dado
que no recibió buena atención.
d) Un cliente nuevo resultó mal atendido ¿Qué
pronosticaría sobre su posible regreso?
e) Ud. sabe de un cliente, que no participó de la muestra,
que no ha regresado por la empresa ¿Diría que fue
bien atendido? Use probabilidades para justificar su
respuesta.
Ejercicio 5
• Una empresa tiene problemas con la atención a sus clientes y para saber
más al respecto, realizó una encuesta entre ellos. Entre otras cosas se
preguntó acerca de los eventos: A = "El cliente está conforme con la
atención recibida” y B = "El cliente regresaría a la empresa una vez más”.
Se tiene parte de la tabulación de las respuestas a estas preguntas por
parte de los 90 clientes encuestados:
()
() 6
() 21 30 () 51
36
a) Calcule , y .
Ejercicio 5
()
() 6
() 21 30 () 51
36
b) Halle la probabilidad condicional de que un cliente regrese si
tuvo buena atención.
Ejercicio 5
()
() 6
() 21 30 () 51
36
c) Halle la probabilidad de que un cliente regrese dado que no
recibió buena atención.
Ejercicio 5
()
() 6
() 21 30 () 51
36
d) Un cliente nuevo resultó mal atendido ¿Qué pronosticaría sobre
su posible regreso?
Ejercicio 5
()
() 6
() 21 30 () 51
36
d) Ud. sabe de un cliente, que no participó de la muestra, que no ha
regresado por la empresa ¿Diría que fue bien atendido? Use
probabilidades para justificar su respuesta.
Independencia
•Probabilidad
Condicional
Dados dos eventos A y B, tales que , definimos la
Probabilidad Condicional de dado , denotada , mediante:
Regla del Producto

Permite reconstruir la probabilidad de a partir de la
probabilidad condicional y de la probabilidad del evento
condicionante
Ejercicio 6
La probabilidad de que un alumno apruebe
la primera práctica de Estadística es 75% y
la probabilidad de que luego apruebe la
segunda práctica es 90%. ¿Cuál es la
probabilidad de que un alumno apruebe
ambas prácticas? ¿Ocurrirá esto último?
Ejercicio 6
• probabilidad de que un alumno apruebe la primera práctica de
La
Estadística es 75% y la probabilidad de que luego apruebe la segunda
práctica es 90%. ¿Cuál es la probabilidad de que un alumno apruebe
ambas prácticas? ¿Ocurrirá esto último?
Sean los siguientes eventos

A=“Alumno aprueba la PC1” y B=“Alumno aprueba la PC2”
Del enunciado tenemos y ;
nos piden
De la regla del producto:
Por lo tanto si ocurrirá la doble aprobación

Independencia
•Independencia
Probabilística
A veces sucede que tenemos elementos para concluir que
un evento A no es "condicionante" de otro evento B, es decir,
que la ocurrencia de A no afecta las posibilidades de B, y por
tanto la probabilidad de éste no se altera, esto es, ocurre
que y se puede considerar que “B es independiente de A”.
En este contexto, si reemplazamos en la Regla del Producto
tenemos:
Por razones de conveniencia matemática, la definición del

concepto de independencia probabilística usa la última
igualdad.
Independencia
•
Independencia
Dos eventos y se dicen independientes si y sólo se cumple:
Observaciones:
a) Esta definición se extiende inductivamente al caso de tres o más
eventos.
b) Se demuestra que si y son independientes, también lo son sus
complementos y en general todos los eventos de la serie , , , .
Ejercicio 7
La fuerza policial de una ciudad metropolitana esta
formada por 1200 oficiales, 960 hombres y 240 mujeres.
En los últimos dos años fueron ascendidos 324 oficiales.
La siguiente tabla muestra el detalle de las promociones
Hombres Mujeres Totales

Ascendidos 288 36 324
No ascendidos 672 204 876
Totales 960 240 1200
Ejercicio 7
Después de revisar el registro de promociones, un comité
de oficiales mujeres interpuso una demanda por
discriminación, con base en que 288 oficiales hombres
habían recibido ascenso, mientras que solo 36 oficiales
mujeres habían sido promovidas. La administración dijo
que la cantidad relativamente baja de ascensos de oficiales
mujeres no se debía a la discriminación, sino a la cantidad
relativamente reducida de oficiales mujeres en la fuerza
policial.
•
• , y.
• Es claro que a la probabilidad de ser promovido (evento A)
le afecta o le influye el que el oficial sea un hombre o una
mujer. Como
• Pero, si la probabilidad de un evento A no cambia por la
existencia del evento M, es decir, si P(A | M) =P(A),
entonces los eventos A y M son eventos independientes.
Ejercicio 8
Teorema de Bayes
- Por lo general, se suele iniciar el análisis
con una estimación de probabilidad inicial o
probabilidad previa de los eventos que
interesan.
- Después, de fuentes como una muestra,

una información especial o una prueba del
producto, se obtiene más información sobre
estos eventos.
Teorema de Bayes
Dada esta nueva información, se modifican o revisan los
valores de probabilidad mediante el cálculo de
probabilidades revisadas a las que se les conoce como
probabilidades posteriores.
El teorema de Bayes es un medio para calcular estas

probabilidades.
Teorema de Bayes
Considere
una fábrica que compra piezas de dos proveedores. Sea el evento
la pieza proviene del proveedor 1 y el evento la pieza proviene del
proveedor 2. De las piezas que compra la fábrica, 65% proviene del proveedor
1 y 35% restante proviene del proveedor 2. La calidad de las piezas compradas
varía de acuerdo con el proveedor. Por experiencia, sabe que la calidad de los
dos proveedores es como muestra la tabla. Si G denota el evento la pieza está
buena y B denota el evento la pieza está mala.
Porcentaje de Porcentaje de Total

piezas buenas piezas malas
Proveedor 1 98 2 100
Total 193 7 200
Árbol de probabilidad
Porcentaje de Porcentaje de Total
piezas buenas piezas malas
Total 193 7 200
Ejemplo
Suponga ahora que las piezas de los dos proveedores se emplean en el proceso de
fabricación de esta empresa y que una máquina se descompone al tratar de procesar
una pieza mala. Dada la información de que la pieza está mala ¿cuál es la probabilidad
de que sea del proveedor 1 y cuál es la probabilidad de que sea del proveedor 2? Para
responder estas preguntas aplique el teorema de Bayes usando la información del árbol
de probabilidad
Teorema de Bayes
Suponga ahora que las piezas de los dos proveedores se emplean en
el proceso de fabricación de esta empresa y que una máquina se
descompone al tratar de procesar una pieza mala. Dada la información
de que la pieza está mala, ¿cuál es la probabilidad de que sea del
proveedor 1 y cuál es la probabilidad de que sea del proveedor 2?
Teorema de Bayes
• El
teorema de Bayes es aplicable cuando los eventos para
los que se quiere calcular la probabilidad revisada son
mutuamente excluyentes y su unión es todo el espacio
muestral. En el caso de n eventos mutuamente excluyentes ,
cuya unión sea todo el espacio muestral, el teorema de
Bayes aplica para calcular cualquiera de las probabilidades
posteriores como se muestra a continuación
Ejercicio 9
Ante una pregunta de opción múltiple con 5 opciones, el
examinado puede saber la respuesta, no saberla en
absoluto o tener dudas. Si no sabe marca al azar y si tiene
dudas, después de un análisis de opciones puede reducir
las mismas a las 3 más plausibles, una de las cuales es la
correcta. Datos previos indican que el 55% sabe la
respuesta y el 15% no la sabe en absoluto.
a) ¿Qué proporción de aciertos se espera en esta
pregunta?
b) Un examinado acertó en la pregunta ¿Sabrá
verdaderamente la respuesta?

Capítulo 4

Cargado por

Copyright:

Formatos disponibles

Capítulo 4

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Capítulo 4

Cargado por

Copyright:

Formatos disponibles

Capítulo 4:

Evento: Obtener “cara”

Experimento: Lanzar una moneda cuatro veces y contar el

Evento: Obtener más de dos sellos

Evento: Producir no más de dos defectuosos

Experimento: Medir en horas el tiempo de vida de un transistor

Evento: El transistor no funciona más de cinco horas

Entonces porque no hay Economistas que sean

Definición Clásica (de La Place)

A=“La empresa tiene entre 4 y

• Si A y B son eventos arbitrarios, entonces

• Si A y B son eventos tales que , entonces .

Entonces el espacio muestral es

Que puede escribirse como

• y de los datos se tiene que

Además como , aplicando el axioma 2 y sucesivas veces el axioma 3 se

Despejando se obtiene y la asignación o distribución de probabilidades es:

Para viajar por aire tenemos 2 líneas disponibles

Luego el número 1 cifra 2 cifras 3 cifras 4 cifras

Regla del Producto

Sean los siguientes eventos

Por lo tanto si ocurrirá la doble aprobación

Por razones de conveniencia matemática, la definición del

Hombres Mujeres Totales

- Después, de fuentes como una muestra,

El teorema de Bayes es un medio para calcular estas

Porcentaje de Porcentaje de Total

También podría gustarte