16-05-2014 Probabilidad PDF

Probabilidad y Estadstica
Marco Iv
an Herrera Garca
Instituto Tecnol
ogico de Ciudad Victoria
16 de mayo de 2014
Marco Herrera (ITCV)
Probabilidad y Estad
stica
16 de mayo de 2014
1 / 31
Contenido
Fundamentos de la teora de la probabilidad

Conceptos clave.
Introducci
on.
Interpretaciones de la probabilidad.
La definici
on cl
asica de probabilidad.
Definici
on de probabilidad como frecuencia relativa.
Interpretaci
on subjetiva de la probabilidad.
Desarrollo axiom
atico de la probabilidad.
Referencias
stica
16 de mayo de 2014
2 / 31
Conceptos clave.
Inferencia estadstica, es la obtenci

on de conclusiones basadas en los datos
experimentales.
Experimento, describe cualquier proceso que genere un conjunto de datos. Un
ejemplo simple de experimento estadstico es el lanzamiento al aire de una
moneda.
Poblaci
on. Es la colecci
on de toda la posible informaci
on que caracterza a un
fen
omeno.
Espacio muestral, es el conjunto de todos los resultados posibles de un
experimento estadstico. Posibles muestras que se pueden extraer de una
poblaci
on mediante una determinada tecnica de muestreo.
Evento, es un subconjunto de un espacio muestral.
Elemento o punto muestral, es cada resultado en un espacio muestral.
stica
16 de mayo de 2014
3 / 31
Introduccion
La probabilidad es un mecanismo por medio del cual pueden estudiarse sucesos

aleatorios, cuando estos se comparan con los fen
omenos determinsticos.
Sin una adecuada comprensi
on de las leyes b
asicas de la probabilidad, es difcil
utilizar la metodologa estadstica de manera efectiva.
Interpretaciones de la probabilidad: cl
asica, de frecuencia relativa y subjetiva.
Las dos primeras se basan en la repetici
on de experimentos realizados bajo las
mismas condiciones (ej. el lanzamiento de una moneda) y el u
ltimo representa
una medida del grado de creencia con respecto a una proposici
on (ej. la creaci
on
de una nueva empresa tendr
a exito).
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.
stica
16 de mayo de 2014
5 / 31
La definicion clasica de probabilidad
El desarrollo inicial de la probabilidad se asocia con los juegos de azar.

Ejemplo 2.
Considerese dos dados que se distingan y que no est
an cargados.
1,1
2,1
3,1
4,1
5,1
6,1
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
Cuadro : Posibles resultados que aparecen cuando se lanzan dos dados.
stica
16 de mayo de 2014
6 / 31
La definicion clasica de probabilidad
Observaciones:
El inter
es recae en los n
umeros que apareen cuando se tiran los dados.
Los 36 resultados son mutuamente excluyentes debido a que no pueden aparecer

m
as de una par en forma simult
anea.
Puede pensarse de manera intuitiva que la probabilidad de obtener un par de

6
n
umeros cuya suma sea 7 es 36
.
El resultado anterior se obtiene u

nicamente despu
es de efectuar el experimento
6
muchas veces. La porci
on 36
no significa que en 6 tiradas, forzosamente una
dar
a como resultado siete.
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.
stica
16 de mayo de 2014
7 / 31
Definicion de probabilidad como frecuencia relativa
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.
stica
16 de mayo de 2014
8 / 31
Cada vez que un experimento se lleva a cabo, se observa un resultado. Conforme

aumenta la repetici
on del experimento, la frecuencia relativa de los resultados
favorables se aproxima al valor verdadero de la probabilidad para este atributo.
Ejemplo 3.
Sup
ongase que se desea determinar la proporci
on de artculos defectuosos en un
proceso de fabricaci
on. Para llevar a cabo lo anterior, se muestra un determinado
n
umero de artculos; cada observaci
on constituye un experimento. Los procesos
pueden clasificarse como defectuosos o no defectuosos. Si el proceso de
fabricaci
on es estable, y asegura as las condiciones uniformes, al aumentar el
n
umero de artculos muestreados, la frecuencia relativa de artculos defectuosos
con respecto al n
umero de unidades muestreadas se aproximar
a cada vez m
as a
la verdadera porci
on de artculos defectuosos.
stica
16 de mayo de 2014
9 / 31

Para ilustrar la interpretaci
on de la probabilidad como frecuencia relativa se
simul
o en una computadora un proceso de muestreo de n unidades, suponiendo que
el proceso de fabricaci
on produca un 5 % de artculos defectuosos. Para cada n se
observ
o el n
umero de unidades defectuosas; los resultados se dan en la siguiente tabla
para valores de n entre 20 y 10000.
Unid. muestreadas (n)
20
50
100
200
500
1000
2000
5000
10000
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
Cuadro : Resultados de un experimento simulador en computadora.
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.
stica
16 de mayo de 2014
11 / 31
Interpretacion subjetiva de la probabilidad
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.
stica
16 de mayo de 2014
12 / 31
Cuando se dice probablemente el embarque llegar

a ma
nana, o cuando un
corredor de bolsa asesora a un cliente sobre la posible alza de una acci
on, se
est
a sugiriendo alguna idea de probabilidad de ocurrencia de las afirmaciones
anteriores.
Para los ejemplos anteriores, la interpretaci
on de la probabilidad no puede tener
su fundamento en la frecuencia de ocurrencia. La probabilidad se interpreta
como el grado de creencia o de convicci
on con respecto a la ocurrencia de una
afirmaci
on. En este contexto, la probabilidad representa un juicio personal
acerca de un fen
omeno impredecible. Est
a interpretaci
on de la probabilidad se
conoce como subjetiva o personal.
stica
16 de mayo de 2014
13 / 31
Es importante hacer hincapie en que la probabilidad subjetiva tambien puede

aplicarse a experimentos repetitivos. Por ejemplo, un jugador de blackjack
puede, en un momento dado, decidir tomar otra carta y hacer caso omiso de su
experiencia previa, debido a que cree que esto aumentar
a sus oportunidades de
ganar la mano.
En otro ejemplo, el capit
an de un equipo de futbol puede pedir cara cuando la
moneda se lance al aire, debido a que esa es su creencia con respecto al resultado
de arrojarla.
Con base a tales aplicaciones, la probabilidad subjetiva es considerada por
muchos m
as general que las otras dos interpretaciones.
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 %?
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
stica
16 de mayo de 2014
16 / 31
Desarrollo axiomatico de la probabilidad
Para formalizar la definici

on de probabilidad, a traves de un conjunto de
axiomas, se repasar
an los conceptos b
asicos de la teora de conjuntos (o eventos),
sobre los cuales se fundamenta la definici
on formal de probabilidad.
Espacio muestral , es el conjunto de todos los posibles resultados de un
experimento aleatorio. Considerese los siguientes experimentos:
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.
stica
16 de mayo de 2014
17 / 31

Se dice que un espacio muestral es discreto si su resultado puede ponerse en
una correspondencia uno a uno con el conjunto de los enteros positivos.
Se dice que un espacio muestral es continuo si sus resultados consisten de un
intervalo de n
umero reales.
Figura : Clasificaci
on de los n
umeros.
stica
16 de mayo de 2014
18 / 31
Un evento del espacio muestral es un grupo de resultados contenidos en este,

cuyos miembros tienen una caracterstica en com
un. Por caracterstica com
un
debe entenderse que u
nicamente un grupo de resultados en particular satisface la
caracterstica y los restantes, contenidos en el espacio muestral, no.
Tomando en cuenta los experimentos mencionados:
Un gerente de cierta lnea a

erea desea saber si el n
umero de reservaciones sin
cancelar es menor a cinco.
Un comprador de bateras desea saber si

estas tendr
an una operaci
on normal
mayor de 40 horas.
El evento que contiene a ning

un resultado del espacio muestral recibe el nombre
de evento nulo o vaco.
stica
16 de mayo de 2014
19 / 31
a) El evento formado por todos los

posibles resultados en E1 o E2 o en
ambos, recibe el nombre de la
uni
on de E1 y E2 y se denota por
E1 E2 .
b) El evento formado por todos los
resultados comunes tanto a E1
como a E2 recibe el nombre de
intersecci
on de E1 y E2 y se
denota por E1 E2 .
c) Se dice que los eventos E1 y E2
son mutuamente excluyentes o
disjuntos si no tienen resultados
en com
un; en otras palabras
E1 E2 = evento vaco.
Figura : Diagramas de Venn.
stica
16 de mayo de 2014
20 / 31

d) S cualquier resultado de E2
tambien es un resultado de E1 , se
dice que el evento E2
est
a contenido en E1 , y se denota
por E2 E1 . Dicho de otra
manera E2 es un subconjunto de
E1 .
e) El complemento de un evento E
con respecto al espacio muestral S,
es aquel que contiene a todos los
resultados de S que no se
encuentran en E, y se denota por
E.
f) La diferencia de un evento E1
con un evento E2 est
a formada por
todos los elementos que esten
u
nicamente en E1 .
Figura : Diagramas de Venn.
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)
stica
16 de mayo de 2014
22 / 31

Tarea 7.
Consideremos el espacio muestral S = {x | x es un n
umero dgito}, esto es
S = 0, 1, 2, 3, 4, 5, 6, 7, 8, 9. Se definen los siguientes eventos: A = (2, 3, 5, 7),
B = (2, 4, 6, 8), C = (1, 2, 3, 4, 5), D = (8, 4, 6, 2), E = (5, 7, 2, 4) y F = (9, 8, 7, 6).
Efectuar las siguientes operaciones con conjuntos:
AD
ED
C F
DB
EF
C A
BF
Figura : Diagrama de Venn para A B.
AE
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.
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
Si, para los eventos E1 , E2 , E3 , ...,

Ei Ej = para toda i 6= j, entonces
P (E1 E2 ...) = P (E1 ) + P (E2 ) + ...
stica
16 de mayo de 2014
25 / 31
Las probabilidades exhiben las caractersticas de las porciones, en las que la

probabilidad es un n
umero entre cero y uno, y dado que es forzoso que ocurra un
resultado cuando se lleva a efecto un experimento, la probabilidad de S es uno.
Si no hay ning
un resultado en com
un entre dos eventos E1 y E2 , la probabilidad
de que ocurra E1 o E2 es igual a la proporci
on de veces que ocurre E1 m
as la
proporci
on de veces que ocurra E2 .
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
stica
16 de mayo de 2014
27 / 31
Teorema 2
Para cualquier evento E S, 0 P (E) 1
Demostraci
on: Por el axioma 1, P (E) 0; de aqu que s
olo es necesario probar
que P (E) 1.
EE =S
EE =
Por los axioma 2 y 3,

P (E E) = P (E) + P (E) = P (S) = 1;
dado que P (E) 0, P (E) 1.
stica
16 de mayo de 2014
28 / 31
Teorema 3 Sea S un espacio muestral que contiene a cualesquiera dos eventos

A y B ; entonces,
P (A B) = P (A) + P (B) P (A B)
La demostraci
on formal del teorema es intuitivamente razonable ya que P (A) y
P (B) reflejan el n
umero de veces en que ocurrir
an los resultados de A y B,
respectivamente. Sin embargo, los resultados comunes ser
an contados dos veces
con la necesitada de restar la porci
on de la suma de P (A) y P (B). El teorema se
reduce al axioma 3 cuando los eventos son disjuntos (mutuamente excluyentes).
stica
16 de mayo de 2014
29 / 31

Ejemplo 5.
Un sistema contiene dos componentes A y B, y se conecta de manera que este
funciona si cualesquiera de las componentes funciona. Se sabe que la probabilidad de
A funciones es P (A) = 0,9 y la de B es P (B) = 0,8 y la probabilidad de ambos es
P (A B) = 0,72. Determinar la probabilidad de que el sistema funcione.
La probabilidad de que el sistema trabaje es igual a la probabilidad de la uni
on entre
A y B ; es esta manera,
P (A B) = P (A) + P (B) P (A B) = 0,9 + 0,8 0,72 = 0,98.
Figura : Diagrama de Venn.

stica
16 de mayo de 2014
30 / 31
Referencias
George C. Canavos, Probabilidad y Estadstica. Aplicaciones y Metodos,

primera edici
on, McGraw-Hill/Interamericana, Mexico, 1988.
stica
16 de mayo de 2014
31 / 31

16-05-2014 Probabilidad PDF

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

16-05-2014 Probabilidad PDF

Transféré par

Droits d'auteur :

Formats disponibles

Probabilidad y Estadstica

Marco Herrera (ITCV)

Fundamentos de la teora de la probabilidad

Marco Herrera (ITCV)

Inferencia estadstica, es la obtenci

Marco Herrera (ITCV)

La probabilidad es un mecanismo por medio del cual pueden estudiarse sucesos

Marco Herrera (ITCV)

Marco Herrera (ITCV)

La definicion clasica de probabilidad

El desarrollo inicial de la probabilidad se asocia con los juegos de azar.

Cuadro : Posibles resultados que aparecen cuando se lanzan dos dados.

Marco Herrera (ITCV)

La definicion clasica de probabilidad

Los 36 resultados son mutuamente excluyentes debido a que no pueden aparecer

Puede pensarse de manera intuitiva que la probabilidad de obtener un par de

El resultado anterior se obtiene u

Marco Herrera (ITCV)

Definicion de probabilidad como frecuencia relativa

Marco Herrera (ITCV)

Definicion de probabilidad como frecuencia relativa

Cada vez que un experimento se lleva a cabo, se observa un resultado. Conforme

Marco Herrera (ITCV)

Definicion de probabilidad como frecuencia relativa

Cuadro : Resultados de un experimento simulador en computadora.

Marco Herrera (ITCV)

Definicion de probabilidad como frecuencia relativa

Marco Herrera (ITCV)

Interpretacion subjetiva de la probabilidad

Marco Herrera (ITCV)

Interpretacion subjetiva de la probabilidad

Cuando se dice probablemente el embarque llegar

Marco Herrera (ITCV)

Interpretacion subjetiva de la probabilidad

Es importante hacer hincapie en que la probabilidad subjetiva tambien puede

Marco Herrera (ITCV)

Interpretacion subjetiva de la probabilidad

Marco Herrera (ITCV)

Interpretacion subjetiva de la probabilidad

Marco Herrera (ITCV)

Desarrollo axiomatico de la probabilidad

Para formalizar la definici

Marco Herrera (ITCV)

Desarrollo axiomatico de la probabilidad

Marco Herrera (ITCV)

Desarrollo axiomatico de la probabilidad

Un evento del espacio muestral es un grupo de resultados contenidos en este,

Un gerente de cierta lnea a

Un comprador de bateras desea saber si

El evento que contiene a ning

Marco Herrera (ITCV)

Desarrollo axiomatico de la probabilidad

a) El evento formado por todos los

Desarrollo axiomatico de la probabilidad

Figura : Diagramas de Venn.

Desarrollo axiomatico de la probabilidad

Marco Herrera (ITCV)

Desarrollo axiomatico de la probabilidad

Figura : Diagrama de Venn para A B.

Desarrollo axiomatico de la probabilidad

Marco Herrera (ITCV)

Desarrollo axiomatico de la probabilidad

Si, para los eventos E1 , E2 , E3 , ...,