Universidad Nacional de Trujillo

Facultad de Ciencias Físicas y Matemáticas

- AGRONOMÍA -

Curso: Estadística Aplicada

a la investigación educativa
y especialidad
Ing. Deivy Dionicio Rosado
[email protected]
Cel. 944221856
SEMANA 1: Introducción a la Teoría de Probabilidades.

Medidas Estadísticas:

 Definiciones Básicas.
 Definición de probabilidad y propiedades.
 Probabilidad condicional.
 Probabilidad total.
 Teorema de Bayes.

Ing. Dionicio Rosado Deivy Yosip 2

 DEFINICIONES
BÁSICAS

Ing. Dionicio Rosado Deivy Yosip 3

 Conceptos Básicos de Probabilidades

Definición Ejemplo

Experimento aleatorio: Ejemplo: El lanzamiento de un dado .

Es el conjunto de todas las pruebas de un experimento
que se realizan de manera aleatoria. De este experimento
se conocen los posibles resultados.
Cualquier acción cuyo resultado se registra como un
dato.

Espacio Muestral: Son todos los posibles resultados de En el lanzamiento de una moneda el espacio muestral es S=
un experimento aleatorio. Se denota por S (cara, sello) que son los posibles resultados del experimento.

Ing. Dionicio Rosado Deivy Yosip 4

Conceptos Básicos de Probabilidades

Definición Ejemplo

Punto muestral – Evento Elemental – Suceso En el lanzamiento de una moneda el espacio muestral
elemental : es S= (cara, sello), los puntos muestrales son e1= cara
Cada uno de los resultados posibles de un experimento E2 = sello
aleatorio.

Suceso Seguro:
Cuando son favorables todos los casos posibles.
La probabilidad de ocurrencia es 1.

Ganar un premio de la lotería si no ha comprado un

boleto.

Suceso imposible:
Cuando no existe posibilidad alguna de salir
favorecido.
Probabilidad de ocurrencia es cero.

Ing. Dionicio Rosado Deivy Yosip 5

Conceptos Básicos de Probabilidades

Definición Ejemplo

Ing. Dionicio Rosado Deivy Yosip 6

 Conjuntos y Eventos

W (S): Espacio Muestral: Todos los posibles

W (S) resultados elementales

s  S, resultado elemental
Á :Familia de todos los eventos posibles de S
B Æ  Á , luego  es un Evento
A
s  , luego  evento imposible
E

S  Á , luego S es el Evento Seguro

A y B  Á, luego son eventos
sW AB  Á; AB  Á; Ac  Á, son eventos

Ing. Dionicio Rosado Deivy Yosip 7

Diagrama de árbol:

Es una forma de representar los espacios muestrales a

partir de los puntos muestrales.
En el lanzamiento de 2 monedas se tiene:

cc Ω =𝑘𝑛
cx Ω: Estacio muestral
xc K: resultados del
experimento aleatorio
N: número de
xx
repeticiones.

Ing. Dionicio Rosado Deivy Yosip 8

 Regla de la Multiplicación

El Número de maneras diferentes

de elegir o sacar un elemento de
n2
del conjunto 1 que tiene n1 n1

elementos, luego un elemento de

un conjunto 2 que tiene n2
n2
elementos, ... , y finalmete un
elemto del k-ésimo conjunto que
tiene nk elemetos, en DONDE EL
n2
ORDEN COMO SE
SELECCIONA ES IMPORTANTE

n1* n2* ......* nk

Ing. Dionicio Rosado Deivy Yosip 9
 Permutaciones

Número de maneras distintas de sacar r

elementos de lote de n  CUANDO EL n n!
ORDEN IMPORTA : Pr =
Nota: Estudiar permutaciones con repetición ( n - r) !

n objetos

-----
1 2 3 4 r

Ing. Dionicio Rosado Deivy Yosip 10

 Combinacione
s

n!
Combinaciones( sin repetición): C(n,r) =
Número de maneras distintas de sacar r r!( n - r )!
elementos de lote de n  CUANDO EL
ORDEN NO IMPORTA

Nota : Estudiar combinaciones con repetición

C1(n,r)= (n+r-1)!/ r!(n-1)!

Ing. Dionicio Rosado Deivy Yosip 11

 DEFINICIÓN DE
PROBABILIDAD Y
PROPIEDADES

Ing. Dionicio Rosado Deivy Yosip 12

Definición de Probabilidad

 Es una característica que interviene en todo trabajo experimental.

 Es la creencia que se tiene de la ocurrencia de un suceso.

Probabilidad

A priori A posteriori

Cuando no se dispone previamente de los datos del El método a priori se conoce

comportamiento de un experimento, hay que también como de frecuencia
recurrir al concepto matemático de probabilidad y relativa y es apropiado cuando se
hacer uso de los métodos de conteo entre ellos tienen los datos para estimar la
fundamentalmente de la teoría combinatoria proporción del tiempo que
ocurrirá el evento en el
experimento si el experimento se
repite un número grande de veces.

Ing. Dionicio Rosado Deivy Yosip 13

Definición de Probabilidad
• Probabilidad es una medida de la incertidumbre
(Estimación de la probabilidad)
• Teórica - “A Priori”
– Pr (Ai) = n / N
• n = número de posible formas en que“Ai” puede ser
observado
• N = número total de resultados posibles
• Histórica (empírica-frecuencia) - “A Posteriori”
– Pr (Ai) = n/N
• n = número de veces que ocurrio “Ai”
• N = número total de observaciones
• Subjetiva
– La “Opinión de un Experto”

Ing. Dionicio Rosado Deivy Yosip 14

Definición de Probabilidad

Noción intuitiva:

P(A) = Resultados favorables al evento A

Resultados posibles

Noción frecuentista:

Sea N: N° total de veces que se realiza un

experimento
NA: N° total de veces que ocurre A

P(A) =

Ing. Dionicio Rosado Deivy Yosip 15

Probabilidad y eventos

Sea una Distribución de Probabilidad P,

función que asigna a cada sub-conjunto
razonable de  un valor entre 0 y 1.

Sea  2 colección de eventos

razonables de  (-álgebra)
P: [0;1]
Modelo de Probabilidad= (, , P)

Ing. Dionicio Rosado Deivy Yosip 16

Probabilidad y eventos
Definición Ejemplo

Sucesos Mutuamente excluyentes: Ejemplo: La probabilidad de obtener un 3 o un 6, en el

lanzamiento de un dado.

Suceso A= obtener un 3
Suceso B= obtener un 6

P(A)= 1/6
P(B)=1/6
P(AoB) = P(AUB) = 1/6+1/6 = 2/6 =1/3
Significa que un solo evento o suceso puede ocurrir.
No pueden ocurrir ambos al mismo tiempo.
P=P1+P2+P3+…….Pn
P(AoB)= P(A)+P(B)
P(AoBoC) = P(A)+P(B)+P(C))

Ing. Dionicio Rosado Deivy Yosip 17

 Probabilidad y eventos
Definición Ejemplo

Sucesos Colectivamente Exhaustivos: ¿Cuál es la probabilidad de sacar un as o un

corazón de una baraja?

   
los sucesos as y corazón pueden suceder al
mismo tiempo pues podemos extraer un as de
corazones. Por lo que, as y corazón no son
eventos mutuamente excluyentes. Por eso, la
ecuación correcta de probabilidad de uno o mas
de los dos eventos que no son mutuamente
excluyentes se modifica como sigue:
 P(A ó B) = P(A) + P(B) - P(AB)
    Aplicando la ecuación antes mencionada, la
P(AUB)= p(A) + p(B) – p(AꓵB) probabilidad de sacar un as ó un corazón se
obtiene como:

     P(As ó Corazón) = P(As) + P(Corazón) – P(As

de Corazón)

Ing. Dionicio Rosado Deivy Yosip 18

 Conjuntos vs. Eventos

Teoría Conjuntos Teoría Probabilidades

SW Universo Espacio Muestral
Á Conjunto Potencia Familia Clases de Eventos

AÁ A subconjunto de S A es un Evento

s A s es elemento de A Ocurre el evento A
 Conjunto vacío Evento Imposible
S Universo Evento Seguro
AB A unión B Evento A o Evento B
AB A intersección B Evento A y Evento B
Ac Complemento de A Evento no-A
AB A es subconjunto de B A implica B
AB=  A y B son disjuntos A y B mutuamente excluyentes
Ing. Dionicio Rosado Deivy Yosip 19
Propiedades y Axiomática

Axioma 1: P(A)  0
Axioma 2: P() = 1

Suponiendo que A1, A2,..... son

eventos
mutuamente excluyentes

Axioma 3: P(Ai) = P(Ai)

Ing. Dionicio Rosado Deivy Yosip 20
 Propiedades

1. P() = 0
2. P(A)  1
3. P(AC) = 1 - P(A)
4. Si A  B  P(A)  P(B)
5. P(AB) = P(A) + P(B) - P(AB)
6. P(Ai)   P(Ai)
7. Si A  B  P(B-A) = P(B) - P(AB)

Ing. Dionicio Rosado Deivy Yosip 21

 PROBABILIDAD Y
CONDICIONAL

Ing. Dionicio Rosado Deivy Yosip 22

 Espacio Muestral Finito

Sea S = {s1, s2, s3, ...., sN } Espacio Muestral Finito

Ei = {si} i =1,..N Evento Elemental

N
 Ei = S
i
Mutuamente excluyentes de a pares

Aplicando los axiomas se tiene

1. P(Ei) = fi > 0 i =1, 2, 3, .. , N;

N

2. P( i Ei) = 1  S fi = 1
3. Como Ei  Ej = 0  i  j  P(Ei  Ej)=P(Ei) + P(Ej)

Ing. Dionicio Rosado Deivy Yosip 23

Regla de la Multiplicación:

Definición Ejemplo

Sucesos Independientes:
Dos eventos E1,E2, son independientes Se lanzan 2 dados simultáneamente. Uno azul y uno
cuando la ocurrencia o no ocurrencia de uno rojo. ¿Cuál es la probabilidad de que A≥ 4 y R≤ 2 ?
de ellos en una prueba, no afecta la
Solución:
probabilidad del otro en cualquier otra
prueba. Construir el espacio muestral

P(E1∩E2) = P(E1 y E2) = P(E1).P(E2)

P(V≥4)= 18/36 = 1/2

P(R≤2)=12/36=1/3
P(V∩R)=1/2.1/3=1/6

Ing. Dionicio Rosado Deivy Yosip 24

Regla de la Multiplicación:

Definición Ejemplo

Sucesos Dependientes: Una caja contiene 5 bolas blancas y 3 negras. Se hace

Dos sucesos son dependientes o una primera extracción y sale una bola blanca.
eventos compuestos, si la ¿Cuál es la probabilidad de que en una extracción sin
reemplazo salga otra bola blanca?
ocurrencia o nó de un evento
afecta la probabilidad de otros
eventos en otras pruebas.
La probabilidad de un siguiente
suceso depende del anterior
Primera extracción:
P=p1.p2.p3……..pn
P(B)=5/8
Segunda extracción:
P(B)= 5 . 4 = 5
8 7 14

Ing. Dionicio Rosado Deivy Yosip 25

 Probabilidad Condicional

Sean A, B dos sucesos tal que P(B) > 0.

La probabilidad de A condicionada a la
ocurrencia de B, denotada como P(A/B) :
P(A/B) = P(AB)
P(B)
Propiedades:
1. P(A/B)  0
2. P( /B) = 1
3. P(Ai/B) =  P(Ai/B) con Ai Aj =  ,  i, j : i j

Ing. Dionicio Rosado Deivy Yosip 26

 Probabilidad Condicional

Centra el foco de atención en el

W hecho que se sabe que han ocurrido
el evento B

A Estamos indicando que el espacio

muestral de interés se ha “reducido”
sólo a aquellos resultados que
definen la ocurrencia del evento B
B
Entonces, P(A | B) “mide” la
probabilidad relativa de A con
respecto al espacio reducido B

Ing. Dionicio Rosado Deivy Yosip 27

 Probabilidad Condicional

También se ha encontrado que el Se ha encontrado que el 25%

5% de la piezas que no tienen de las piezas con fallas
fallas superficiales son superficiales son
funcionalmente defectuosas funcionalmente defectuosas

Por lo tanto el 90% Se sabe que el 10% de las

no tienen fallas 100% piezas piezas manufacturadas
visibles en la Manufacturadas tienen fallas visibles en la
superficie. superficie.

Evento A = { pieza funcionalmente defectuosa}

B = { pieza tiene una falla visible en la
superficie}

P( A dadoIng.B) = P(A | B) ?
Dionicio Rosado Deivy Yosip 28
 Casos Probabilidad Condicional

P(A  B ) P()
A Si A  B =   P(A | B) = = =0
B P(B) P(B)

P(A  B ) P(A)
A Si A  B = A  P(A | B) = =  P(A)
B P(B) P(B)

A P(A  B ) P(B)
B Si A  B = B  P(A | B) = = =1
P(B) P(B)

P(A  B )
A Si A  B    P(A | B) = =
B P(B)
Ing. Dionicio Rosado Deivy Yosip 29
 PROBABILIDAD
TOTAL Y REGLA DE
BAYES

Ing. Dionicio Rosado Deivy Yosip 30

 Probabilidad Total

Sean B1, B2,....,Bn eventos

mutuamente excluyentes : P( )= 1
Entonces
P(A) =

Consecuencia (Regla de Bayes):

P(Bi/A) = P(A/Bi) P(Bi)
P(A)

Ing. Dionicio Rosado Deivy Yosip 31

 Probabilidad Total

B1 B2 B5
A Equipo AB1
Fallado
AB2
AB4
AB3 Equipo
B4 Manufacturado
B3 en Planta B2

 Sean B1, B2,....,Bn eventos mutuamente excluyentes

n
P(  i =1
Bi ) = 1
n

 Entonces P(A) = å
i =1
P(A | B ) P(B ) i i

Ing. Dionicio Rosado Deivy Yosip 32

 Regla de Bayes

Supongamos de que se elige aleatoriamente un Equipo y se

encuentra que está fallado. ¿cuál es la probabilidad que sea
manufacturado en Planta B3 ?

• Se pide P(B3 | A); pero sólo se conoce P(A  Bi), i = 1, 2, 3, .. , k

• Sabemos que P(A  Bi) = P( A | Bi ) P(Bi) = P(Bi | A) P(A)

P (Bi) P (A | Bi )
P (Bi | A ) = BiBj = ; i  j
å P (Bi) P (A | Bi )
 j   j Bi = S

Ing. Dionicio Rosado Deivy Yosip 33

 Probabilidad Multiplicativa

Ley Multiplicativa:

siempre que:

Ing. Dionicio Rosado Deivy Yosip 34

Bibliografía:

Estadística y muestreo. Ciro Martínez

Bencardino. Ecoe Ediciones.

Estadística Elemental: Lo esencial.

Johnson/Kuby.Cengage Learning.10ª.Edición.

Estadística I. José Hugo Chourio. Editorial

Biosfera.

Manual de Estadística Inductiva. Jaime

Serret Moreno-Gil. ESIC Editorial.
Ing. Dionicio Rosado Deivy Yosip 35