Vous êtes sur la page 1sur 15

Teora de

Probabilidades
Probabilidades

Teora de Probabilidades

Introduccin
Sin tener en cuenta la profesin que se haya elegido, algo si es seguro: en
algn momento se han de tomar decisiones. Con mucha frecuencia eso
tendr que hacerse sin conocer todas las consecuencias de tales
decisiones. Por ejemplo, los inversionistas deben decidir sobre la
conveniencia de invertir en una accin en particular, con base a sus
expectativas sobre rendimientos futuros. Los empresarios, al decidir
comercializar un producto enfrentan la incertidumbre sobre la posibilidad de
xito. En cada caso, como sucede con la mayora de los asuntos
comerciales, se han de tomar decisiones sin toda la informacin pertinente.
Todo esfuerzo por reducir la incertidumbre el nivel de incertidumbre en el
proceso de toma de decisiones incrementar enormemente la probabilidad
de que se tomen decisiones ms inteligentes y bien informadas. El
propsito de este captulo es ilustrar las formas en las cuales puede
medirse la posibilidad o probabilidad de ocurrencia de eventos futuros. Al
mejorar la habilidad para juzgar la ocurrencia de eventos futuros, se puede
minimizar el riesgo y la especulacin arriesgada relacionados con el proceso
de toma de decisiones.

Historia de la Probabilidad

Jacob Bernoulli (1654 - 1705), Abraham de Moivre (1667 - 1754), el


reverendo Thomas Bayes (1702 - 1761) y Joseph Lagrange (1736 - 1813)
desarrollaron frmulas y tcnicas para el clculo de la probabilidad. En el
siglo XIX, Pierre Simon, marqus de Laplace (1749 - 1827), unific todas
estas primeras ideas y compil la primera teora general de la probabilidad.
La teora de la probabilidad fue aplicada con xito en las mesas de juego y,
lo que es ms importante, en problemas sociales y econmicos. La industria
de seguros requera un conocimiento preciso acerca de los riesgos de
prdida. Muchos centros de aprendizaje estudiaron la probabilidad como

2 Lic. Est. Sandra Cecilia Loaiza Chumacero


Probabilidades
una herramienta para el entendimiento de los fenmenos sociales. Nuestra
necesidad de tratar con la incertidumbre nos lleva a estudiar y utilizar la
teora de la probabilidad. Al organizar la informacin y considerarla de
manera sistemtica, seremos capaces de reconocer nuestras suposiciones,
comunicar razonamiento a otras personas y tomar decisiones ms slidas.

3 Lic. Est. Sandra Cecilia Loaiza Chumacero


Probabilidades

Teora de la Probabilidad
Estudio de fenmenos o experimentos puramente aleatorios o libres de
determinacin. En el estudio de la probabilidad interesa deducir las leyes
del azar y los resultados que estos determinan.
La probabilidad es la posibilidad numrica de que ocurra un evento es
medida por valores comprendidos entre 0 y 1. Entre mayor sea la
probabilidad de que ocurra un evento, su probabilidad asignada estar ms
prxima a 1. La probabilidad de una imposibilidad es 0.

P (evento cierto) = 1
P (evento imposible) =
0

En donde X es algn evento.

Experimento
Es la prueba o ensayo, es un proceso mediante el cual se obtienen un
resultado de una observacin.
Ejemplos:
1.- Lanzar un dado y observar el resultado
2.- Contar objetos defectuosos producidos diariamente por cierto proceso.
3.- Aplicar una encuesta para obtener opiniones.
4.- Resultados del examen de la I unidad en medidas descriptivas por parte
de un estudiante.

Espacio muestral
Es el conjunto de todos los resultados posibles de un experimentos se
denota por .
A cada elemento del espacio muestral se denomina punto muestral.

4 Lic. Est. Sandra Cecilia Loaiza Chumacero


Probabilidades

Clasificacin de los espacios muestrales


Los espacios muestrales se clasifican en:
1.- Discretos finitos: consiste de un nmero finito de elementos.
Lanzamiento de una moneda corriente 2 veces.
Seleccionar al azar sin orden 2 estudiantes de un total de
30 del aula.

2.- Discretos infinitos: consiste de un nmero infinito numerable de


elementos.
Numerables, cuando es posible asociar un numero
natural a cada resultado posible.
Lanzamiento de un dado corriente hasta obtener 6.

3.- Continuos: consiste de un nmero infinito no numerable de elementos.


Si el experimento aleatorio es medir la vida til en horas
de una marca de artefactos electrnicos, su espacio

muestral es:

1 x / t 0
x

Suceso o evento
Se llama suceso o evento a todo subconjunto del espacio muestral. A los
sucesos se les denota con las primeras letras maysculas del alfabeto.
Ejemplo:
Sea el experimento aleatorio seleccin de un alumno de acuerdo a su
rendimiento acadmico

Tipos de sucesos

5 Lic. Est. Sandra Cecilia Loaiza Chumacero


Probabilidades
1.- Sucesos independientes Son aquellos en que la ocurrencia de uno de
ellos, no depende de la ocurrencia del otro.
Ejemplo: Se tienen 2 urnas
A = tiene 3 bolas rojas
B= tiene 4 bolas rojas
Se saca una bola de una de las urnas, el resultado de la bola que se saco de
la urna A no influye en el resultado de la bola que se saco de la urna B.

2.- Sucesos dependientes Son aquellos en que la ocurrencia de uno de


ellos depende de la ocurrencia del otro.
Ejemplo: Se tiene 2 urnas A y B.
Urna A = 3 bolas rojas y 4 bolas negras
Urna B = 4 bolas rojas y 2 bolas negras.
Si se saca una bola roja de la urna A y se pone en la urna B, hay mayor
probabilidad de que el color que se saque de la urna B, sea rojo.

3.- Sucesos incompatibles o mutuamente excluyentes Son aquellos


que no pueden ocurrir al mismo tiempo simultneamente.
Ejemplo: La probabilidad de que al tirar un dado, aparezca un 3 y a la vez
un nmero par, es imposible, es decir son sucesos incompatibles.

4.- Sucesos compatibles Presentarse al mismo tiempo o


simultneamente.
Ejemplo: la probabilidad de que al tirar 2 dados aparezca un 2, es posible
es decir son sucesos compatibles: 1er dado puede aparecer 2 y 2do dado
tambin puede aparecer 2

6 Lic. Est. Sandra Cecilia Loaiza Chumacero


Probabilidades

Concepto Clsico De Probabilidad


Regla de Laplace. Si en un experimento aleatorio todos los sucesos
elementales son equiprobables, la probabilidad de un suceso A se obtiene
dividiendo el nmero de resultados que forman el suceso A entre el nmero
de resultados posibles. Si llamamos casos favorables a los resultados que
forman el suceso A y casos posibles a los resultados posibles del
experimento, tenemos:
Nmero de casos favorables A n A
P( A)
Nmero de resultados posibles
Ejemplo:
1.- Cul es la probabilidad de obtener 1 cara si arrojamos una moneda una
vez?

Nmero de Resultados Favorables


Prob
Nmero de Resultados Posibles

c
1
0. 5
c, s 2

2.- Cul es la probabilidad de obtener 1 cara si arrojamos una moneda tres


veces?
Nmero de Resultados Favorables
Prob
Nmero de Resultados Posibles

(css), ( scs), ( ssc)


3
0.375
(ccc), (ccs), (csc), (css ), ( scc), ( scs ), ( ssc), ( sss ) 8

7 Lic. Est. Sandra Cecilia Loaiza Chumacero


Probabilidades

Ejemplo:

Se examinaron las tarjetas de registros de 200 estudiantes en relacin a


ciertos idiomas. Se encontr que 100 estudiaban francs, 80 estudiaban
espaol y 60 ambos idiomas. Si este grupo de 200 estudiantes se
selecciona uno al azar, Cual es la probabilidad de que haya estudiado
francs o espaol?

Probabilidad subjetiva
Creencia personal, grado de confianza respecto a la ocurrencia de un
evento personalista
Ejemplos
Estimar la posibilidad de el resultado de la Final de la UEFA Europa
Liga entre dos equipos de Espaa, Atltico Madrid vs Athletic
Bilbao; la posibilidad de que el equipo Atltico Madrid gane.
Estimar la posibilidad de que usted obtenga una calificacin de 20
en el curso de Estadstica Descriptiva.

Reglas Bsicas de Probabilidad

1. 0 P(A) 1
La probabilidad de un evento tiene un valor de 0 a 1.

8 Lic. Est. Sandra Cecilia Loaiza Chumacero


Probabilidades
2. P(A) + P(A)=1
Si A es un evento definido en el espacio muestral , la
probabilidad de que no ocurra A se denota por A.

Ley de la suma o adicin (Adicin)


1. P(A o B)=P(A) + P(B), para eventos mutuamente
excluyentes.
La probabilidad de ocurrencia de algunos de ellos deber ser
igual a la suma de las probabilidades individuales.

2. P(A o B)=P(A)+P(B)-P(A y B), para eventos no


mutuamente excluyentes (Conjunta).
Si son no mutuamente excluyentes o compatibles entonces la
probabilidad de que ocurra el suceso A o el suceso B viene
dado por la formula:
La formula equivalente a la unin de 2 conjuntos que tienen
algunos elementos comunes.

Regla de la Multiplicacin
Este resultado en teora de probabilidad se denomina regla de multiplicacin o
llamada tambin la probabilidad de a interseccin. La probabilidad de que
ocurran los eventos A y B es igual a la probabilidad de la ocurrencia de uno de
ellos multiplicando por la probabilidad condicional. El propsito de la regla de la
multiplicacin es determinar la probabilidad del evento conjunto.
Es decir que para encontrar la probabilidad de A y B, simplemente se
multiplican sus respectivas probabilidades. El procedimiento exacto depende
de si A y B son dependientes o independientes.

9 Lic. Est. Sandra Cecilia Loaiza Chumacero


Probabilidades

1. P(A y B)=P(A) * P(B), para eventos independientes

Los eventos A y B son independientes si B


P ( A) P A . Es decir, la

probabilidad de A es la misma bien se considere o no A


P( B) P B .

2. P(A y B)= P(A) * P(B/A), para eventos no


independientes (Condicional).
Si los eventos son dependientes, entonces por definicin, se debe
considerar el primer evento al determinar la probabilidad del
segundo. Es decir, la probabilidad del evento B depende de la
condicin que A ya haya ocurrido. Se necesita del principio de
probabilidad condicional.

Ejemplo:

Un paquete contiene una mezcla de semillas de flores de distintos


colores, contiene cuatro semillas para flores rojas, tres para amarillas,
dos para moradas, y una para color naranja.
a) Si se selecciona una semilla de la mezcla, Cul es la probabilidad
de que sea roja o naranja?
b) Si se extraen dos semillas del paquete, cul es la probabilidad de
que ambas semillas sean amarillas?

Probabilidad Condicional
La probabilidad de que ocurra un evento dado que otro evento ya ha
ocurrido se llama probabilidad condicional.

PROBABILIDAD CONDICIONAL

La probabilidad de A dado B es igual a la


probabilidad de A y B dividida por la probabilidad de
10 Lic. B.
Est. Sandra Cecilia Loaiza Chumacero
Probabilidades

Ejemplo: Tenemos el espacio formado por los posibles nmeros al


tirar un dado de 6
caras: { 1, 2, 3, 4, 5, 6 }.
Sea E = { 2, 4, 6 }
Entonces la probabilidad P de sacar un 4 cuando ha ocurrido
previamente E es:

1 1

P4
P 4 E 6 6
1
E P E 3 1 3
6 2

Independencia Estadstica

Cuando el resultado de un evento no afecta la probabilidad de ocurrencia


de otro evento, se dice que los eventos son estadsticamente
independientes. La independencia estadstica se determina mediante la
ecuacin.

INDEPENDENCIA ESTADISTICA

Dos eventos A y B son estadsticamente


independientes si y solo si.

De esto se deduce que si A y B son independientes:

P(B | A) =P(B)

11 Lic. Est. Sandra Cecilia Loaiza Chumacero


Probabilidades
P(A | B) =P(A)
Es decir, que ocurra A no afecta a la probabilidad de que ocurra B y
viceversa.

Ejemplo:
Se tira una moneda 3 veces y sean las siguientes parejas de sucesos:
A = 1 tirada cara = {CCC, CCS, CSC, CSS}
B = 2 tirada cara = {CCC, CCS, SCC, SCS}
C = 2 caras seguidas = {CCS, SCC}

Qu pareja de sucesos son independientes?

En primer lugar definimos el espacio probabilstico con todas las tiradas


posibles:

S = {CCC, CCS, CSC, CSS, SCC, SCS, SSC, SSS}

Pareja A,B

Por tanto A y B son independientes.

Pareja B, C

Por tanto B y C no son independientes.

Pareja A, C

12 Lic. Est. Sandra Cecilia Loaiza Chumacero


Probabilidades
Por tanto A y C son independientes.

Probabilidad Total y Teorema de Bayes

Teorema de la Probabilidad Total

Sea A1, A2, .An un sistema completo de eventos tales que la


probabilidad de cada uno de ellos es distinta de cero, y sea B un evento
cualquier del que se conocen las probabilidades condicionales P(B/A i),
entonces la probabilidad del evento B viene dada por la expresin:

P B P A1 .P B P A2 .P B ............... P An .P B
A1 A2 An

n

Es decir: P B P Ai P B A
i 1 i

Ejemplo:
Tenemos 3 servidores de Internet para soportar bsquedas. El primero de
ellos soporta el 50% de las bsquedas, el segundo el 30% y el tercero el
20% restante. El 20% de las bsquedas en el primer servidor tardan ms de
un segundo. El 35% de las bsquedas en el segundo servidor tardan ms de
un segundo. El 8% de las bsquedas en el tercer servidor tardan ms de un
segundo.

Calcular la probabilidad de responder en ms de un segundo.

13 Lic. Est. Sandra Cecilia Loaiza Chumacero


Probabilidades

La probabilidad de que los servidores tarden ms de un segundo en las


bsquedas es de 0.221.

Teorema de Bayes

Sea A1, A2,.An un sistema completo de sucesos, tales que la probabilidad


de cada uno de ellos es distinta de cero, y sea B un suceso cualquiera del
que se conocen las probabilidades P (B/Ai), entonces de la probabilidad
P(A/Bi) vienen dada por la expresin:

TEOREMA DE BAYES

Donde:
P(Ai) = Probabilidad a priori
i

P(B/Ai) = Probabilidad condicional


i

P(B) = Probabilidad Total


P(Ai/B) = probabilidad aposteriori
i

14 Lic. Est. Sandra Cecilia Loaiza Chumacero


Probabilidades
Ejemplo:

Tres maquinas A, B y C producen el 45%, 30% y 25% respectivamente del


total de piezas producidas en una fbrica. Los porcentajes de produccin
defectuosa de estas maquinas son el 3%, 4% y 5% respectivamente.
Seleccionando una pieza al azar, calcular la probabilidad de que sea
defectuosa. Tomamos al zar, una pieza y resulta defectuosa, calcula la
probabilidad de haber sido producida por la maquina B. Qu maquina
tienen la mayor probabilidad de haber producido piezas defectuosas?

15 Lic. Est. Sandra Cecilia Loaiza Chumacero