Académique Documents
Professionnel Documents
Culture Documents
Marco Iv
an Herrera Garca
Instituto Tecnol
ogico de Ciudad Victoria
16 de mayo de 2014
Probabilidad y Estad
stica
16 de mayo de 2014
1 / 31
Contenido
Desarrollo axiom
atico de la probabilidad.
Referencias
Probabilidad y Estad
stica
16 de mayo de 2014
2 / 31
Conceptos clave.
Probabilidad y Estad
stica
16 de mayo de 2014
3 / 31
Introduccion
Probabilidad y Estad
stica
16 de mayo de 2014
4 / 31
Introduccion
Ejemplo 1.
Una compa
na produce un detergente lquido que envasa en botellas de 500 ml,
las que son llenadas por una m
aquina.
Todas aquellas que contienen una cantidad mayor de 500 ml representan una
perdida para la compa
na y todas aquellas por debajo constituyen una perdida
para el consumidor.
Se ide
o un esquema donde se seleccionar
an 10 botellas del proceso de llenado,
cuatro veces durante el da y se determinar
a el contenido neto promedio.
El rango para que el proceso se considere bajo control se encuentra entre 498 y
502 ml. En caso que el valor no se encontrar
a entre este rango se detendr
a el
llenado se buscar
a la causa del problema.
Ambas situaciones tienen riesgos, la evaluaci
on de estos riesgos s
olo pueden
hacerse de manera efectiva a traves del uso de la probabilidad.
Probabilidad y Estad
stica
16 de mayo de 2014
5 / 31
1,2
2,2
3,2
4,2
5,2
6,2
1,3
2,3
3,3
4,3
5,3
6,3
1,4
2,4
3,4
4,4
5,4
6,4
1,5
2,5
3,5
4,5
5,5
6,5
1,6
2,6
3,6
4,6
5,6
6,6
Probabilidad y Estad
stica
16 de mayo de 2014
6 / 31
Observaciones:
El inter
es recae en los n
umeros que apareen cuando se tiran los dados.
Definici
on. Si un experimento que est
a sujeto al azar, resulta de n formas
igualmente probables y mutuamente excluyentes, y si nA de estos resultados
tiene un atributo A, la probabilidad de A es la porci
on de nA con respecto a n.
Probabilidad y Estad
stica
16 de mayo de 2014
7 / 31
En muchas situaciones pr
acticas, los posibles resultados de un experimento no
son igualmente probables. Por ejemplo, en una f
abrica las oportunidades de
observar una artculo defectuoso normalmente ser
a mucho m
as rara que observar
un articulo bueno.
En el caso anterior no es correcto estimar la probabilidad mediante el empleo de
la definici
on cl
asica. En lugar de esta, muchas ocasiones se emplea la
interpretaci
on de la probabilidad como una frecuencia relativa.
La interpretaci
on de una frecuencia relativa descansa en la idea de que un
experimento se efect
ua y se repite muchas veces, y pr
acticamente bajo las
mismas condiciones.
Probabilidad y Estad
stica
16 de mayo de 2014
8 / 31
Probabilidad y Estad
stica
16 de mayo de 2014
9 / 31
Unid. defectuosas
2
3
4
12
28
54
97
244
504
Frecuencia relativa
0.10
0.06
0.04
0.06
0.056
0.054
0.0485
0.0488
0.0504
Probabilidad y Estad
stica
16 de mayo de 2014
10 / 31
Definici
on.
Si un experimento se repite n veces bajo las mismas condiciones y nB de los
nB
resultados son favorables a un atributo B, el lmite de
conforme n se vuelva
n
grande, se define como la probabilidad del atributo B.
Probabilidad y Estad
stica
16 de mayo de 2014
11 / 31
Muchos fen
omenos no se presentan para repetici
on, pero a pesar de esto
requieren de una noci
on de probabilidad.
Por ejemplo la compa
na que asegur
o los Juegos Olmpicos de 1980 tuvo que
determinan, a priori, los riesgos de que los juegos no se efectuasen de la manera
en que se haban planeado. Otro ejemplo es cuando se aseguran contra robo o
da
no esculturas y pinturas cuyo valor es muy alto.
En ninguno de los dos ejemplos anteriores puede concebirse un experimento
susceptible de llevarse a cabo bajo condiciones similares. Por otra parte, muchas
de la afirmaciones que suelen formularse las personas de alg
un modo implican
probabilidad.
Probabilidad y Estad
stica
16 de mayo de 2014
12 / 31
Probabilidad y Estad
stica
16 de mayo de 2014
13 / 31
Probabilidad y Estad
stica
16 de mayo de 2014
14 / 31
Ejemplo 4.
Para ilustrar la traslaci
on de un grado de creencia en probabilidad, considere la
siguiente situaci
on: se pregunta a dos ingenieros petroleros, A y B, su opini
on acerca
de la posibilidad de descubrir petr
oleo en un determinado sitio. La respuesta de A es
que el est
a seguro, en un 80 %, de que se encontrar
a petr
oleo mientras que B lo esta
en un 70 %. El porcentaje dado por los ingenieros es una medida de la creencia de
estos, con respecto al descubrimiento de petr
oleo. De esta manera se pueden asignar
distintas medidas de creencia a la misma proposici
on.
Pero que significado tienen realmente el 80 % y 70 %?
Probabilidad y Estad
stica
16 de mayo de 2014
15 / 31
Ejemplo 4. (Continuaci
on...)
La interpretaci
on com
un es la siguiente, el ingeniero A piensa apostar ocho a dos
(por ejemplo $8 contra $2 o cualquier otra cantidad de dolares que se encuentre en la
misma porci
on) a que el petr
oleo sera descubierto en ese sitio. De manera similar, B
cree que es mejor apostar siete a tres (es decir, $7 contra $3) para el mismo
resultado. De esta manera, las probabilidades subjetivas de A y B se definen como
8
7
las proporciones 8+2
y 7+3
respectivamente. En general si las apuestas en favor de
c
una afirmaci
on son de c a d, la probabilidad de esta es
.
c+d
Probabilidad y Estad
stica
16 de mayo de 2014
16 / 31
El n
umero de reservaciones no canceladas para un vuelo tendra un espacio
muestral con cualquier entero positivo no mayor que el n
umero de asientos en el
avi
on.
El n
umero de llegadas a un servicio cuenta con un espacio muestral infinito
numerable, dado que es posible colocar los resultados en una correspondencia uno a
uno con los enteros positivos, que constituyen un conjunto infinito pero numerable.
La duraci
on de un determinado componente constituye un espacio muestral
infinito innumerable, dado que
esta puede ser cualquier n
umero real positivo.
Probabilidad y Estad
stica
16 de mayo de 2014
17 / 31
Figura : Clasificaci
on de los n
umeros.
Probabilidad y Estad
stica
16 de mayo de 2014
18 / 31
Probabilidad y Estad
stica
16 de mayo de 2014
19 / 31
Probabilidad y Estad
stica
16 de mayo de 2014
20 / 31
Probabilidad y Estad
stica
16 de mayo de 2014
21 / 31
Ejemplo 5.
Considerese el experimento de lanzar un dado; el espacio muestral es S(1, 2, 3, 4, 5, 6).
Se definen los eventos E1 = (2, 4, 6), E2 = (1, 3) y E3 = (2, 4). Es f
acil verificar que:
E1 E2 = (1, 2, 3, 4, 6)
E1 E3 = (2, 4)
E1 E2 =
E1 E2 = (2, 4, 5, 6)
E3 (E1 E2 )
E1 E3 = (6)
Probabilidad y Estad
stica
16 de mayo de 2014
22 / 31
AE
Marco Herrera (ITCV)
Probabilidad y Estad
stica
16 de mayo de 2014
23 / 31
La probabilidad es un n
umero real que mide la posibilidad de que ocurra un
resultado del espacio muestral, cuando el experimento se lleve a cabo.
La probabilidad de un evento tambien es un n
umero real que mide la posibilidad
colectiva, de ocurrencia, de los resultados del evento cuando se lleve a efecto el
experimento.
Probabilidad y Estad
stica
16 de mayo de 2014
24 / 31
Definici
on axiom
atica de la probabilidad.
Sean S cualquier espacio muestral y E cualquier evento de este. Se llamar
a funci
on
de probabilidad sobre el espacio muestral S a P(E) si satisface los siguientes
axiomas:
1
P (E) 0
P (S) = 1
Probabilidad y Estad
stica
16 de mayo de 2014
25 / 31
Probabilidad y Estad
stica
16 de mayo de 2014
26 / 31
Demostraci
on de algunas consecuencias de estos tres axiomas.
1
Teorema 1
P () = 0.
Demostraci
on:
S=S
S = .
Por el axioma 3,
P (S = P (S) + P ();
pero por el axioma 2, P (S) = 1 , y de esta manera P () = 0
Probabilidad y Estad
stica
16 de mayo de 2014
27 / 31
Teorema 2
Demostraci
on: Por el axioma 1, P (E) 0; de aqu que s
olo es necesario probar
que P (E) 1.
EE =S
EE =
Probabilidad y Estad
stica
16 de mayo de 2014
28 / 31
Probabilidad y Estad
stica
16 de mayo de 2014
29 / 31
Probabilidad y Estad
stica
16 de mayo de 2014
30 / 31
Referencias
Probabilidad y Estad
stica
16 de mayo de 2014
31 / 31