13/10/2013

1
ESTADSTICA
Leccin 3
Probabilidad
1
13/10/2013
2
Introduccin
Probabilidad: Mecanismo por medio del
cual pueden estudiarse fenmenos
aleatorios, cuando se comparan con los
deterministas
Experimento aleatorio, no se puede predecir
el resultado que se va a obtener al realizar el
experimento (Lanzar una moneda al aire)
Experimento determinista, se puede
determinar el resultado final (Calcular el
tiempo de cada de un objeto al ser lanzado
desde una altura determinada)
El estudio de la probabilidad es crucial en la
aplicacin de la inferencia estadstica
Con que probabilidad una muestra
representa la poblacin? 2
13/10/2013
3
Probabilidad, definicin clsica
Si un experimento que est sujeto al azar, resulta de n
formas igualmente probables y mutuamente
excluyentes, y si n
A
de esos resultados tienen un
atributo A, la probabilidad de A es la proporcin de n
A

con respecto a n
Ejemplo probabilidad de sacar cara o cruz es el 50%
Probabilidad de sacar un nmero del 1 a al 6 con un dado
es 1/6
Probabilidad de sacar 7 tirando dos dados es 6/36
3
13/10/2013
4
Probabilidad como frecuencia relativa
En muchas ocasiones, los posibles resultados
de un experimento no son equiprobables
En estos casos se emplea la interpretacin de la
probabilidad como frecuencia relativa
4
Este idea se basa en repetir
muchas veces un experimento
bajo las mismas condiciones
La probabilidad de que ocurra
cierto atributo se representa por la
frecuencia relativa de los
resultados que posee dicho
atributo
Conforme aumenta la repeticin
del experimento la frecuencia
relativa se acerca al verdadero
valor de la probabilidad.
13/10/2013
5
Probabilidad como frecuencia relativa
Ejemplo
Experimento aleatorio. Se lanza una moneda al aire y
se mide la frecuencia relativa de sacar cara
0 100 200 300 400 500 600 700 800 900 1000
0.4
0.5
0.6
0.7
0.8
0.9
1
Nmero de lanzamientos
F
r
e
c
u
e
n
c
i
a
0 1000 2000 3000 4000 5000 6000 7000 8000 9000 10000
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
Nmero de lanzamientos
F
r
e
c
u
e
n
c
i
a
5
13/10/2013
6
Probabilidad como frecuencia relativa
Ejemplo. En un proceso de fabricacin se desea calcular la
probabilidad de artculos defectuosos
Se toma una serie de muestras y se observa el nmero de
artculos defectuosos
N de Unidades
muestreadas
N de unidades
defectuosas
Frecuencia relativa
20 2 0.10
50 3 0.06
100 4 0.04
200 12 0.06
500 28 0.056
1000 54 0.054
2000 97 0.0485
5000 244 0.0488
10000 504 0.0504
6
13/10/2013
7
Probabilidad - definiciones
Espacio muestral: El conjunto de todos los posibles
resultados de un experimento aleatorio
Puede ser finito, infinito numerable o infinito no
numerable
Espacio muestral discreto
Los resultados que se pueden obtener son discretos
Espacio muestral continuo
Los resultados pueden tomar cualquier valor dentro de un
intervalo
Evento: Es un grupo de resultados contenidos en el
espacio muestral, cuyos miembros tienen una
caracterstica comn
7
13/10/2013
8
8
Probabilidad Espacios Muestrales
Ejemplos de Espacios Muestrales (EM)

1) EM
1
: Si x=% de gases contaminantes, los posibles
resultados en E
1
son



2) EM
2
: Si x=N en la cara superior, los posibles
resultados en E2 son


3) EM
3
: Si x=peso ganado, y=estatura ganada; los
posibles resultados en E3 son


{ } 6 5, 4, 3, 2, 1, x / x =
{ } 0 y ; x - / y) (x; > s s
{ } 100 x 0 x / s s
13/10/2013
9
9
Del ejemplo anterior
1) En EM
1
algunos eventos son


2) En EM
2
algunos eventos son A=N
par, B=N impar, C=N 4.

3) En EM
3
algunos eventos son


donde B es un evento simple

{ } 6 5, 4, 3, 2, 1, x x / =
{ } 0 y x - / y) (x; > s s ;
{ } 100 x 0 x / s s
{ } 5 x 0 x / s s = A
{ } 0 2 x 10 x / s s = B
{ } 0 y 3 x / y) (x; = > = ; 0 A { } 3) ; 00 (-1 = B
Probabilidad Eventos
13/10/2013
10
Probabilidad - Eventos
Ejemplo de evento
Se lanzan dos dados. El subconjunto de los valores que
suma 7 es un evento, el subconjunto de valores de suma
4 o menos es otro evento
1 2 3 4 5 6
1 x x x x x x
2 x x x x x x
3 x x x x x x
4 x x x x x x
5 x x x x x x
6 x x x x x x
Evento 7
Evento 4
10
13/10/2013
11
Probabilidad Teora de conjuntos
Para operar con eventos definimos estos segn la teora de
conjuntos
Sean dos eventos de un espacio muestral E
1
y E
2

El evento que no tiene ningn resultado se denomina evento nulo o
vaco C
El evento formado por todos los posibles resultados de E
1
o E
2
recibe el
nombre de unin

El evento formado por todos los elementos comunes de ambos recibe el
nombre de interseccin

Se dice que ambos eventos son mutuamente excluyentes o disjuntos
si no tienen ningn elemento en comn

Si cualquier resultado de E
2
tambin es un resultado de E
1
, se dice que
el evento E
2
est contenido en E
1
,

El complemento de un evento respecto al espacio muestral S, es aquel
que contiene todos los elementos de S que no estn en E,

E
1 2
E E c
C =
2 1
E E
2 1
E E
2 1
E E
11
13/10/2013
12
12
Probabilidad Teora de conjuntos
E espacio muestral
S espacio muestral
E

E
2
S espacio muestral
E
1
S espacio muestral
E
1
E
2
E espacio muestral
E
1
E
2
UNIN
E espacio muestral
E
1
E
2
INTERS.
Diagramas de Venn
Sirven para representar eventos dentro del espacio
muestral
13/10/2013
13
13
1) E: Lanzar un dado y observar el nmero en la cara
superior.
EM= {1, 2, 3, 4, 5, 6}
A={4}, B=N impar={1, 3, 5}
(AB) =C (A y B son excluyentes)
Ejemplos:



2) E: Determinar si una persona porta o no un arma
blanca.
EM= {si, no}
A={si}, B={no}
(AB) =C (A y B son excluyentes)
Probabilidad Teora de conjuntos
13/10/2013
14
Probabilidad Teora de conjuntos
La probabilidad es un nmero que mide la
posibilidad de que ocurra un evento.
Si S es un espacio muestral y E un evento de este, la funcin
de probabilidad se denota como P(E) y satisface los siguientes
axiomas
P(E)s1
P(S)=1
o Si, para los eventos E
1
, E
2
,E
3
,. E
i
E
j
=C, entonces:
P(E
1
UE
2
U)=P(E
1
)+P(E
2
)+.
Teorema: P(C)=0
Teorema: Para cualquier EcS, 0sP(E)s1
Teorema(Regla de adicin de probabilidades):
B) P(A P(B) P(A) B) P(A + =
14
13/10/2013
15
15
Probabilidad Teora de conjuntos

P(E)=1 (suceso seguro)





0 P(A) 1

P(AUB) = P(A) + P(B) si AB =
es el conjunto vaco.

Podemos imaginarnos que la probabilidad de un
subconjunto como el tamao relativo con respecto al total
(suceso seguro)
E espacio muestral
100%
B
E espacio muestral
A
13/10/2013
16
Probabilidad conjunta y marginal
Probabilidad conjunta, es la probabilidad de que un individuo
posea dos atributos, por ejemplo hombre que fume:
(A
1
B
1
)=n
11
/n De forma ms general P(A
i
B
j
)=n
ij
/n




B
1
B
2

A
1
n
11
n
12

A
2
n
21
n
22

=
=
n
1 i
j i j
) B P(A ) P(B
16
Probabilidad marginal, se ignoran una o ms caractersticas
del espacio muestral: P(A2)=(n
21
+n
21
/n).
De forma ms general P(Ai)=En
ij
/n.
Tambin se puedes expresa en funcin de la probabilidad
conjunta
Dado un espacio muestral, este se divide
en los eventos disjuntos A
1
(fumador), A
2

no fumador) y B
1
(Hombre) y B
2
(Mujer)
13/10/2013
17
Probabilidad condicional
Probabilidad condicional, es la probabilidad de un
determinado evento A
i
dado que se ha producido
otro B
j,
por ejemplo se elige aleatoriamente una
mujer, Cal es la probabilidad de que sea
fumadora?
( )
22 12 12 2 1
n n / n ) B | P(A + =

=
=
n
1 i
ij ij j i
n / n ) B | P(A
17
A
E espacio muestral
B
) (
) (
) | (
B P
B A P
B A P

=
13/10/2013
18
Probabilidad condicional
De forma equivalente

=
=
n
1 i
ij
ij
j i
/n n
/n n
) B | P(A

=
= =
n
1 i
ij j ij j i
/n n ) P(B /n; n ) B P(A
0 ) P(B ,
) P(B
) B P(A
) B | P(A
j
j
j i
j i
> =

0 ) P(A ,
) P(A
) B P(A
) A | P(B
i
i
j i
i j
> =

18
13/10/2013
19
19
B
A
P(A) = 0,25
P(B) = 0,10
P(AB) = 0,10
B
A
Probabilidad de A sabiendo que ha pasado B?
P(A|B)=1
P(A|B)=0,8
P(A) = 0,25
P(B) = 0,10
P(AB) = 0,08
Probabilidad condicional: Ejemplo
13/10/2013
20
20
A
B
A
B
Probabilidad de A sabiendo que ha pasado B?
P(A|B)=0,05
P(A|B)=0
P(A) = 0,25
P(B) = 0,10
P(AB) = 0,005
P(A) = 0,25
P(B) = 0,10
P(AB) = 0
Probabilidad condicional: Ejemplo
13/10/2013
21
Probabilidad condicional
Ejemplo
A los lectores de una ciudad se les hizo una encuesta con
el propsito de determinar el nmero de lectores de Time y
Newsweek.
20% leen el Times, 16% leen el Newsweek y el 1% lee
ambos
Si se selecciona aleatoriamente un lector del Times Qu
probabilidad hay de que lea el Newsweek?

0,05 0,01/0,2 A) | P(B
1% B) P(A 16%, P(B) 20%, P(A)
= =
= = =
21
13/10/2013
22
22
Probabilidad condicional
Ejemplo:
E: se lanzan 2 dados y se observan los nmeros en las caras superiores.
EM= {(1,1) (1,2) (1,3).....(6,6)}
A= La suma de los nmeros de las caras superiores es 4. A ={(1,3) (3,1)
(2,2)}





Se pide: Determinar probabilidad de A
SOLUCIN:
N de elementos en EM= 36; N de elementos en A= 3
P(A)=3/36=0,083 (8,3%)
13/10/2013
23
23
Ejemplo:
Una persona tiene 20 lpices en su bolso, 4 de los cuales no
funcionan, si tiene que firmar una carta y saca al azar un lpiz
del bolso, cul es la probabilidad de que saque un lpiz
bueno?.
Solucin:
E: Sacar un lpiz del bolso.
EM= {L1, L2, L3, L4, L5, L6, L7, L8, L9, L10, L11, L12, L13,
L14, L15, L16, L17, L18, L19, L20}
A= Sacar un lpiz bueno.
N de elementos en EM= 20; N de elementos en A= 16;
P(A)=16/20= 0,8 (80%)
Probabilidad condicional
13/10/2013
24
Probabilidad condicional
Dados dos eventos A y B

Tambin se puede expresar como


Esta definicin puede extenderse a cualquier
nmero de eventos. Por ejemplo, se puede
demostrar que para tres eventos A, B y C
P(B)
B) P(A
B) | P(A

=
A) | P(A)P(B B) | P(B)P(A B) P(A = =
C) P(B
C) B P(A
C) B | P(A

=
24
13/10/2013
25
Eventos estadsticamente independientes
Sean A y B dos eventos cualesquiera de un espacio
muestral S. El evento A es estadsticamente
independiente de B si P(A|B)=P(A)






De lo que se deduce que el evento B es
estadsticamente independiente de A
A) | P(B P(B)
A) | P(A)P(B P(A)P(B) A); | P(A)P(B B) P(A
P(A)P(B) B) P(A ;
P(B)
B) P(A
P(A) B) | P(A
=
= =
= = =

25
13/10/2013
26
Eventos estadsticamente independientes
Los eventos A
1
, A
2
,, A
k
son estadsticamente
independientes si y slo si la probabilidad
conjunta de cualesquiera 2,3,,k de ellos es igual
al producto de sus respectivas probabilidades
marginales
Por ejemplo los eventos A,B y C son
estadsticamente independientes s y slo s

C) P(A)P(B)P( C) B P(A
P(B)P(C) C) P(B
P(A)P(C) C) P(A
P(A)P(B) B) P(A
=
=
=
=

26
13/10/2013
27
Eventos estadsticamente independientes
Ejemplo
Un sistema consta de tres componentes, si uno de ellos
falla, el sistema no funciona. La probabilidad de que falle
uno de ellos es del 0.1%. Se supone que el
funcionamiento de cada componente es independiente
del de los dems.
o Cul es la probabilidad de que el sistema funcione
correctamente?
( )
99,7% P(F)
0.997 0.999 ) C )P( B )P( A P( P(F)
0.001 P(C) 0.001; P(B) 0.001; P(A)
3
=
= = =
= = =
27
13/10/2013
28
28
A
1
A
2
A
3
A
4
P(A) = P(suceso seguro) =
= P(A
1
) + P(A
2
) + P(A
3
) + P(A
4
) =1

Suceso
seguro
A
1
A
2
A
3
A
4
Sistema exhaustivo y excluyente de sucesos
Sea una coleccin de sucesos A1, A2, A3, A4 , tales que
la unin de todos ellos forman el espacio muestral, y sus
intersecciones son disjuntas (P(A
i
A
j
)=0; ij)


13/10/2013
29
Sistema exhaustivo y excluyente de sucesos
29
A
1
A
2
A
3
A
4
B
Todo suceso B, puede ser descompuesto en componentes de
dicho sistema: B = (BA1) U (BA2 ) U ( BA3 ) U ( BA4 )

Podemos por tanto descomponer el problema B en
subproblemas ms simples.
Suceso
seguro
A
1
A
2
A
3
A
4
B

B

B

B

13/10/2013
30
Teorema de la probabilidad total
30
Si conocemos la probabilidad de B en cada uno de los
componentes de un sistema exhaustivo y excluyente de sucesos,
entonces podemos calcular la probabilidad de B.
Suceso
seguro
A
1
A
2
A
3
A
4
B

B

B

B

P(A
1
)
P(A
2
)
P(A
3
)
P(A
4
)
P(B|A
1
)
P(B|A
2
)
P(B|A
3
)
P(B|A
4
)
13/10/2013
31
31
Ejemplo I
En este aula el 70% de los alumnos son mujeres. De ellas
el 10% son fumadoras. De los hombres, son fumadores el
20%.
Qu porcentaje de fumadores hay?
Teorema de la probabilidad total
Solucin:
Aplicamos el teorema de Probabilidad
Total ya que Hombres y mujeres forman
un sistema exhaustivo y excluyente de
sucesos
P(F) = P(MF) + P(HF) =
P(M)P(F|M) + P(H)P(F|H) =
= 0,7 x 0,1 + 0,3 x 0,2 = 0,13 =13%
Los caminos a travs de nodos representan intersecciones
Las bifurcaciones representan uniones disjuntas
13/10/2013
32
32
Teorema de la probabilidad total
Ejemplo 2
Cul es la probabilidad de tener un accidente
domstico?
El 20% del tiempo que se est en una casa transcurre en la cocina, el
10% en el bao y el resto entre el saln y el dormitorio. Por otro lado la
probabilidad de tener un accidente domstico estando en la cocina es de
0,30 de tenerlo estando en el bao es de 0,20 y de tenerlo fuera de
ambos de 0,10.
P(A) = P(AC) + P(AB) + P(AR) =
P(C)P(A|C) + P(B)P(A|B) + P(R)P(A|R)
=0,2 x 0,3 + 0,1 x 0,2 + 0,7 x 0,1 = 0,15 =
15%
SOLUCIN:
Aplicamos el teorema de Probabilidad Total ya que
Cocina, Bao y saln-Dormitorio forman un sistema
exhaustivo y excluyente de sucesos
13/10/2013
33
33
Ejemplo 3
Teorema de la probabilidad total
En un centro hospitalario hay dos quirfanos. El 1 se usa el 75% de
veces para operar. En el 1 la frec. de infeccin es del 5% y en el 2
del 10%.
Qu probabilidad de infeccin hay?
SOLUCIN:
Aplicamos el teorema de Probabilidad Total ya
que los dos quirfanos forman un sistema
exhaustivo y excluyente de sucesos
P(I) = P(Q1I) + P(Q2I)

= P(Q1)P(I|Q1) + P(Q2)P(I|Q2)
=0,75 x 0,05 + 0,25 x 0,1 = 0,0625 =
6,25%
13/10/2013
34
Teorema de Bayes
Sean A
1
, A
2
,., A
n
eventos mutuamente excluyentes, de
los cuales uno debe ocurrir, entonces:

n , 1,2, j ,
) A | )P(B P(A
) A | )P(B P(A
B) | P(A
n
1 j
j j
j j
j
= =

=
34
A
1
A
2
A
3
A
4
B
Dada la probabilidad de que ocurra un suceso B en
cada uno de los componentes de un sistema
exhaustivo y excluyente de sucesos, entonces
puede determinarse la probabilidad (a posteriori) de
ocurrencia de cada Ai.
donde P(A) se puede calcular usando el
teorema de la probabilidad total:
P(B)=P(BA
1
) + P(BA
2
) + P(BA
3
) +
P(BA
4
)

=P(B|A
1
) P(A
1
) + P(B|A
2
) P(A
2
) +
( )
P(B)
A B P
B) | P(A
j
j

=
13/10/2013
35
Teorema de Bayes
Ejemplo 1
Se hace un estudio en un centro mdico, se comprueba que el
90% de los fumadores de los que se sospechaba que tenan
cncer lo tena, mientras que el 5% de los no fumadores lo
padeca. Si la proporcin de fumadores es de 0.45 Cul es la
probabilidad de que un paciente con cncer pulmonar elegido al
azar sea fumador?
B representa el evento paciente con cncer y A
1
y A
2
los
eventos paciente fumador y no fumador
Aplicando el teorema de Bayes
0.9364
0.05 0.55 0.9 0.45
0.9 0.45
B) | P(A
) A | )P(B P(A ) A | )P(B P(A
) A | )P(B P(A
B) | P(A
1
2 2 1 1
1 1
1
=
+

=
+
=
35
13/10/2013
36
36
Teorema de Bayes
Ejemplo 2
En este aula el 70% de los alumnos son mujeres. De ellas
el 10% son fumadoras. De los varones, son fumadores el
20%.
1. Qu porcentaje de fumadores hay?
2. Se elije a un individuo al azar y es fumador
Probabilidad de que sea un hombre?
SOLUCIN:
1) P(F) = 0,7 x 0,1 + 0,3 x 0,2 = 0,13
(Resuelto antes)

2)
0,46
0,13
0,2 0,3
P(F)
H) | P(F P(H)
P(F)
F) P(H
F) | P(H =

=
13/10/2013
37
37
Teorema de Bayes
Ejemplo 3
En un centro hay dos quirfanos. El 1 se usa el 75% de veces
para operar. En el 1 la frecuencia de infeccin es del 5% y en el
2 del 10%.
1) Qu probabilidad exista de que se produzca una infeccin?
Si se ha producido una infeccin
2) Qu probabilidad hay de que sea en el Q1?

SOLUCIN

1) P(I) = 0,0625= 6,25% (ejemplo anterior)


2)

0,6
0,0625
0,05 0,75
P(I)
Q1) | P(I P(Q1)
P(I)
I) P(Q1
I) | P(Q1 =

=
13/10/2013
38
38
Ejemplo 4
El 20% del tiempo que se est en una casa transcurre en la cocina, el
10% en el bao y el resto entre el saln y el dormitorio. Por otro lado la
probabilidad de tener un accidente domstico estando en la cocina es
de 0,30 de tenerlo estando en el bao es de 0,20 y de tenerlo fuera de
ambos de 0,10.



















Teorema de Bayes
Solucin
1. P(A) = 0,15 (ya calculado)

2. 0,4
0,15
0,30 0,20
P(A)
C) | P(A P(C)
P(A)
A) P(C
A) | P(C =

=
1. Cual es la probabilidad de que se
produzca un accidente domstico?
2. Se ha producido un accidente, cul es la
probabilidad de que haya sido en la cocina?