Académique Documents
Professionnel Documents
Culture Documents
PROBABILIDAD.
En ocasiones cuando se habla de probabilidad o posibilidad de que un evento ocurra,
se pierde la credibilidad acerca del evento en cuestin, pero es posible tener siempre
la certeza total en todo proyecto o actividad que se desea realizar?, es muy difcil
tenerla, debido a que el llevar a efecto un proyecto cualquiera por ms simple que este
sea, ste est sujeto a una gran diversidad de factores que afectan su ocurrencia,
entonces qu es lo ms aconsejable para predecir su ocurrencia?, la probabilidad es la
que nos ayuda en estos casos, ya que basndose en estadsticas, podemos cuantificar
la posibilidad de ocurrencia de los eventos y por consiguiente tomar una buena
decisin basados en esta informacin.
DEFINICIONES:
su
experiencia).
simplemente
puede
consistir
en
una
conjetura
inteligente
N.
Para clarificar lo antes dicho un ejemplo muy comn es el pronstico del tiempo,
muchos individuos como nosotros realizamos una prediccin personal de cmo sern
las condiciones climticas para el da, basadas ms en nuestra experiencia personal
pero que muchas veces sustentamos en experiencia de eventos pasados. La asignacin
de probabilidad subjetiva se dan generalmente cuando los eventos ocurren solo 1 vez y
a lo mximo unas cuantas veces ms.
Sin embargo en las organizaciones a pesar de que es comn tomar decisiones en base
a la probabilidad subjetiva la mayora de las veces esta se respalda con datos futuros
estadsticos.
PROPIEDADES BSICAS:
1. La probabilidad es positiva y menor o igual que 1.
0 p(A) 1
2. La probabilidad del suceso seguro es 1.
p(E) = 1
3. Si A y B son incompatibles, es decir A
p(A
B =
entonces:
B) = p(A) + p(B)
REGLAS DE LA ADICIN.
La regla de la adicin o regla de la suma establece que la probabilidad de ocurrencia de
cualquier evento en particular es igual a la suma de las probabilidades individuales, si
es que los eventos son mutuamente excluyentes, es decir, que dos no pueden ocurrir
al mismo tiempo.
P(A o B) = P(A) U P (B) = P(A) + P (B) si A y B son mutuamente excluyente. P(A o B) =
P(A) + P (B) P(A y B) si A y B son no excluyentes. Siendo: P(A) = probabilidad de
REGLA GENERAL.
Si A y B son dos eventos no mutuamente excluyentes (eventos intersecantes), es decir,
de modo que ocurra A o bien B o ambos a la vez (al mismo tiempo), entonces se aplica
la siguiente regla para calcular dicha probabilidad:
Ejemplo:
Solucin:
REGLA ESPECIAL
Si A y B son dos eventos mutuamente excluyentes (eventos no intersecantes), es decir,
si la ocurrencia de cualquiera de ellos excluye la del otro, no pueden ocurrir a la vez, o
cuando no tienen ningn punto muestral en comn
la siguiente regla para calcular dicha probabilidad:
entonces se aplica
Ejemplos
1) Sea A el suceso de sacar un As de una baraja estndar de 52 cartas y B sacar un Rey
de corazn rojo. Calcular la probabilidad de sacar un As o un Rey de corazn rojo en
una sola extraccin.
Solucin:
A y B son sucesos mutuamente excluyentes porque no es posible obtener ambos a la
vez.
Las probabilidades son:
Reemplazando
los
anteriores valores en
la
regla
particular
de
la
adicin
de
REGLA DE LA MULTIPLICACIN.
Hay ocasiones en las cuales es necesario obtener probabilidades de eventos que se
interceptan y son dependientes entre s, es decir, el segundo evento puede ocurrir tan
solo si el primero ha ocurrido, el tercero ocurre con probabilidad que depende de la de
los dos primeros, y as sucesivamente.
REGLA GENERAL.
Si A y B son dos eventos dependientes, es decir, si la ocurrencia de A afecta
la probabilidad de ocurrencia de B, entonces, dicha probabilidad se calcula empleando
la siguiente regla:
Nota:
La probabilidad del evento B, calculada bajo la suposicin de que el evento A ha
ocurrido, se denomina probabilidad condicional de B, dado A, y se denota por P (B/A).
Ejemplo
1) De una baraja estndar de 52 cartas sea A el suceso de sacar un As en la primera
extraccin y B sacar un As en la segunda extraccin. Calcular la probabilidad de sacar
dos Ases en dos extracciones sin devolver la carta extrada.
Solucin:
A y B son sucesos dependientes porque la ocurrencia de A afecta la probabilidad de
ocurrencia de B.
La probabilidad de que la primera carta sea un As es:
REGLA ESPECIAL.
Si A y B son dos eventos independientes, es decir, si el conocimiento de la incidencia
de uno de ellos no tiene efecto en la probabilidad de ocurrencia del otro, entonces,
para calcular la probabilidad de dichos eventos se aplica la siguiente regla:
TABLAS DE CONTINGENCIA.
A menudo los resultados de una encuesta son registrados en una tabla de dos
direcciones y utilizados para determinar diversas probabilidades. Las tablas de
contingencia son tablas para clasificar observaciones de una muestra, de acuerdo con
dos o ms caractersticas identificables, consiste en una tabulacin cruzada que
resume simultneamente dos variables de inters, as con la relacin entre estas, el
nivel de medicin puede ser nominal.
Ejemplo:
En un viaje organizado por Europa para 120 personas, 48 de los que van saben hablar
ingls, 36 saben hablar francs, y 12 de ellos hablan los dos idiomas.
Escogemos uno de los viajeros al azar.
b) Cul es la probabilidad de que le guste leer, sabiendo que le gusta ver la tele?
c) Cul es la probabilidad de que le guste leer?
Solucin:
Vamos a organizar la informacin en una tabla de contingencia, completando los datos
que faltan:
a) P no I
73
0,61
120
b) P L / T
32
0, 68
47
c) P L
92
23
0, 77
120 30
DIAGRAMA DE RBOL.
Es una grfica til para organizar clculos que implican varias etapas. Cada segmento
del rbol constituye una etapa del problema. Las ramas del rbol se ponderan por
medio de probabilidades.
Esta herramienta est fundamentada en el clculo de probabilidades condicionadas,
esto quiere decir que ocurra un evento A, sabiendo que tambin sucede otro
evento B. Un evento dependiente se define de la siguiente forma. Se dice que un
evento A es dependiente de otro B si para que ocurra A es necesario que ocurra el
evento B.
Un instrumento til dentro de la probabilidad condicional son las representaciones que
nos permiten analizar la problemtica de los eventos cuando estos ocurren uno
despus del otro. Concretamente estamos hablando de los diagramas de rbol. Este
est constituido de varias ramas, cada rama parte de un nodo que representa un
evento aleatorio diferente.
Hay que tener en cuenta: que la suma de probabilidades de las ramas de
cada nudo ha de dar 1 y/o 100%
Ejemplo.
El 1% de la poblacin de un determinado lugar padece una enfermedad. Para detectar
esta enfermedad se realiza una prueba de diagnstico. Esta prueba da positiva en el
97% de los pacientes que padecen la enfermedad; en el 98% de los individuos que no
Total: 1.0
P/Av L1 = 3% = 0.03%
P/Av L2 = 5% = 0.05%
P/Av L3 = 7% = 0.07%
P/Nav 1 = 97% = 0.97
P/Nav 2 = 95% = 0.95
P/Nav 3 = 93% = 0.93
PERMUTACIONES.
Una permutacin es cualquier distribucin de r objetos seleccionados de un solo
grupo de
interesa el lugar o posicin que ocupa cada uno de los elementos que constituyen
dicho arreglo.
SIN REPETICIN.
Permutaciones sin repeticin o permutaciones ordinarias de n elementos (de orden n)
son los distintos grupos de n elementos distintos que se pueden hacer, de forma que
dos grupos se diferencian nicamente en el orden de colocacin. Se representa por Pn.
Observe que las distribuciones a, b, c y a, b, c son permutaciones diferentes. La
frmula para contar el nmero de diferentes permutaciones es:
nPr= n! /(n-r)!
Dnde:
n= representa el total de objetos.
r = representa el total de objetos seleccionados.
! = Factorial.
Ejemplo.
1) En una carrera hay 20 atletas. De cuantas maneras se pueden organizar en oro,
plata y bronce)
*Este es un ejemplo de permutacin, donde el orden en el cual los sucesos ocurren
importan, aplicamos lo que sabemos de permutaciones:
P(n,r)= n!/(n-r)! = 20x19x18x17!/17! = 20*19*18= 6840 maneras posibles de
organizarlos
CON REPETICIN.
COMBINACIONES.
Una combinacin es un arreglo donde el orden NO es importante, cualquier seleccin
se denomina combinacin. La notacin para las combinaciones es nCr que es la
cantidad de combinaciones de n elementos seleccionados, r a la vez.
SIN REPETICIN.
Combinaciones sin repeticin o combinaciones ordinarias de n elementos tomados de r
en n r (de orden r) son los distintos grupos de r elementos distintos que se pueden
hacer con los m elementos que tenemos, de forma que dos grupos se diferencian en
algn elemento y no en el orden de colocacin. Se representa:
Frmula:
nCr= n!/ [r!(n-r)!]
Dnde:
n= representa el total de objetos.
r = representa el total de objetos seleccionados.
! = Factorial.
Ejemplo.
Los organizadores de un partido de fut bol colegial, estn escogiendo a los rbitros de
los partidos, entre 12 rbitros elegibles se seleccionaron 5.
Cuntos equipos de 5 rbitros se pueden formar?
n=12
r=5
12C5=12!/ [5!(12-5)!]
12C5=12!/ (5!7!)
12C5=(12.11.10.9.8)/(5.4.3.2.1)
12C5=95,040/120
CON REPETICIN.
Combinaciones con repeticin de n elementos tomados de r en n r son los distintos
grupos de r elementos iguales o distintos que se pueden hacer con los n elementos
que tenemos, de forma que los grupos se diferencian en algn elemento y no en el
orden de colocacin. Las combinaciones con repeticin es igual que construir las
combinaciones sin repeticin con un elemento ms, considerando la misma frmula,
pero con el siguiente cambio:
nCRr= n!/ [r!(n-r)!]
Dnde:
n= representa el total de objetos que se repiten + r - 1
r = representa el total de objetos seleccionados.
! = Factorial.
Ejemplo.
Tenemos en una bolsa 4 bolas blancas y 4 bolas verdes. Sacamos tres bolas a la vez.
Cuntas formas habran de sacarlas?
Al sacar las bolas a la vez y no anotar el orden en el que salen, no influye el orden.
Puede haber repeticiones porque hay dos colores y tenemos que sacar tres bolas.
n=2
r=3
nCRr = n!/ [r!(n-r)!]
(2+3-1)C3=(2+3-1)!/ [3!((2+3-1)-3)!]
4C3=4!/ (3!(4-3)!)
4C3=4!/ (3!1!)
4C3=(4.3.2.1)/((3.2.1)(1))
4C3=4/1
4C3=4 Posibilidades, por ser nmeros tan pequeos podemos determinar que las
posibilidades son tres blancas, dos blancas y una verde, dos verdes y una blanca, tres
verdes.
DISTRIBUCIN DE PROBABILIDAD
Listado de todos los resultados de un experimento y la probabilidad asociada con cada
resultado.
Cmo generar una distribucin de probabilidad?
Ejemplo:
Suponga que le interesa el nmero de caras que aparecen en tres lanzamientos de una
moneda. Tal es el experimento. Los posibles resultados son: cero caras, una cara, dos
caras y tres caras. Cul es la distribucin de probabilidad del nmero de caras?
Solucin:
Hay ocho posibles resultados. En el primer lanzamiento puede aparecer una cara, una
cruz en el segundo lanzamiento y otra cruz en el tercer lanzamiento de la moneda. O
puede obtener cruz, cruz y cara, en ese orden. Para obtener los resultados del conteo
(5.8), aplique la frmula de la multiplicacin: (2)(2)(2), es decir, 8 posibles resultados.
Estos resultados se listan enseguida.
Observe que el resultado cero caras ocurre slo una vez; una cara ocurre tres
veces; dos caras, tres veces, y el resultado tres caras ocurre una sola vez. Es
decir, cero caras se present una de ocho veces. Por consiguiente, la probabilidad de
cero caras es de un octavo; la probabilidad de una cara es de tres octavos, etc. Como
uno de estos resultados debe suceder, el total de probabilidades de todos los eventos
posibles es 1.000. Esto siempre se cumple.
Presentacin grfica del nmero de caras que resultan de tres lanzamientos de una
moneda y la probabilidad correspondiente
Distribucin de probabilidad de los eventos relativos a cero, una, dos y tres caras en
tres lanzamientos de una moneda
Si pesa cuatro lingotes de acero, los pesos pueden ser de 2 492 libras, 2 497
libras, 2 506 libras, etc. El peso es una variable aleatoria.
VARIABLE ALEATORIA
Cantidad que resulta de un experimento que, por azar, puede adoptar diferentes
valores.
Variable aleatoria discreta
Una variable aleatoria discreta adopta slo cierto nmero de valores separados. Si hay
100 empleados, el recuento de la cantidad de ausentes el lunes slo puede ser 0, 1, 2,
3, , 100. Una variable discreta suele ser resultado de contar algo. Por definicin:
VARIABLE ALEATORIA DISCRETA
Variable aleatoria que adopta slo valores claramente separados. A veces, una variable
aleatoria discreta asume valores fraccionarios o decimales. Estos valores deben estar
separados: debe haber cierta distancia entre ellos. Por ejemplo, las calificaciones de
los jueces por destreza tcnica y formas artsticas en una competencia de patinaje
artstico son valores decimales, como 7.2, 8.9 y 9.7. Dichos valores son discretos, pues
hay una distancia entre calificaciones de 8.3 y 8.4. Una calificacin no puede tener un
valor de 8.34 o de 8.347, por ejemplo.
Variable aleatoria continua
Por otra parte, si la variable aleatoria es continua, es una distribucin de probabilidad
continua. Si mide algo, como la anchura de una recmara, la estatura de una persona
o la presin de la llanta de un automvil, se trata de una variable aleatoria
continua. Se puede suponer una infinidad de valores, con ciertas limitaciones. Por
ejemplo:
Los tiempos de los vuelos comerciales entre Atlanta y Los ngeles son de 4.67
horas, 5.13 horas, etc. La variable aleatoria es la cantidad de horas.
Por lgica, si organiza un conjunto de posibles valores de una variable aleatoria en una
distribucin de probabilidad, el resultado es una distribucin de probabilidad. As,
cul es la diferencia entre una distribucin de probabilidad y una variable aleatoria?
Una variable aleatoria representa el resultado particular de un experimento. Una
distribucin de probabilidad representa todos los posibles resultados, as como la
correspondiente probabilidad.
Cul dira que es la diferencia entre los dos tipos de distribuciones? Por lo general,
una distribucin discreta es el resultado de contar algo, como:
El nmero de caras que se presentan en tres lanzamientos de una moneda.
El nmero de estudiantes que obtienen A en clase.
Las distribuciones continuas son el resultado de algn tipo de medicin, como:
La duracin de cada cancin en el ltimo lbum de Tim McGraw.
El peso de cada estudiante de esta clase.
Media, varianza y desviacin estndar de una distribucin de probabilidad
MEDIA DE UNA DISTRIBUCIN DE PROBABILIDAD
Ejemplo
John Ragsdale vende automviles nuevos en Pelican Ford. Por lo general, John vende la
mayor cantidad de automviles el sbado. Ide la siguiente distribucin de
probabilidades de la cantidad de automviles que espera vender un sbado
determinado.
Cmo interpretar una media de 2.1? Este valor indica que, a lo largo de una gran
cantidad de sbados, John Ragsdale espera vender un promedio de 2.1 automviles
por da.