Unidad 2 Probabilidad

Ingeniera Elctrica
PROBABILIDAD Y ESTADSTICA
Ing. Manuel Daz Carvajal
.
.
Unidad 2. Probabilidad
2.1. Probabilidad de eventos.
2.2. Espacio muestral.
2.3. Ocurrencia de eventos.
2.4. Permutaciones y combinaciones.
2.5. Diagramas de rbol.
2.6. Axiomas de probabilidad.
2.7. Independencia y probabilidad condicional.
2.8. Teorema de Bayes.
Ingeniera Elctrica.- PROBABILIDAD Y ESTADSTICA.- Ing. Manuel Daz Carvajal

.
2.1 Probabilidad de eventos

El trmino probabilidad es un concepto vago que se usa en la vida
diaria para indicar cun posible es que se presente u ocurra un
evento en el futuro. Conocer algo o mucho del futuro nos
ayuda a tomar decisiones. Por ello es importante estudiar la
aplicacin de la probabilidad y cmo medirla, lo mismo que cmo
emplearla para hacer inferencias.
La probabilidad es el valor entre cero y uno, ambos inclusive,

que mide la factibilidad de que cierto resultado, al que
llamaremos evento, ocurra

.
0.9
ENFOQUES DE LA PROBABILIDAD
Hay dos enfoques para asignar probabilidades: el enfoque objetivo

y el subjetivo. Se llama enfoque objetivo porque detrs de l
existen fundamentos matemticos (tericos) para determinar la
probabilidad de un evento. En contraparte, el enfoque subjetivo se
basa en la experiencia o conocimiento del investigador.

.
El enfoque objetivo se divide a su vez en probabilidad clsica y

probabilidad emprica

.
Enfoque clsico
Se basa en la idea de que los resultados de un experimento son
igualmente posibles. Se calcula de la manera siguiente:
EJEMPLO
En una caja hay 10 pelotas, de las cuales cuatro son azules. Cul
es la probabilidad de que, sin ver, saques una pelota azul?
SOLUCIN
Sea A el evento de sacar una pelota azul de la caja. Como cada
pelota tiene la misma probabilidad de ser elegida, utilizamos el
enfoque clsico:
.
Por tanto, la probabilidad de sacar una pelota azul es de 0.4.
EJEMPLO
En una universidad 600 alumnos estudian en la escuela de
negocios (economa, administracin y relaciones internacionales,
entre otras carreras), 550 estudian en la escuela de ingeniera y
350 en la de humanidades.
a. Con esta informacin, construye una tabla de contingencia.
Determina la probabilidad de que un estudiante, elegido al

azar:
.
b. Estudie en la escuela de ingeniera.

c. Estudie en la escuela de humanidades.
d. Estudie en la escuela de ingeniera o de negocios.
SOLUCIN
Los eventos de este problema son:

N : estudia en la escuela de negocios.
I : estudia en la escuela de ingeniera.
H : estudia en la escuela de humanidades.

.
a. Realizamos la tabla de contingencia:
b. La probabilidad de que una persona estudie en la escuela de

ingeniera es:

.
c. La probabilidad de que una persona estudie en la escuela de

humanidades:
d. Por ltimo, la probabilidad de que una persona estudie en la

escuela de ingeniera o de negocios es:

.
Enfoque emprico
Este enfoque se basa principalmente en frecuencias relativas, esto
es, en el nmero de veces que ocurri cierto evento en el pasado, y
se calcula de esta manera:
Conforme el nmero de observaciones crece, el enfoque emprico

se acerca al valor del enfoque clsico.
EJEMPLO
Se lanza una moneda varias veces y se cuenta el nmero de veces
que cae sol. Conforme este experimento se repita ms veces,
llegaremos a que la probabilidad de que salga sol es de 0.5.
.
EJEMPLO
Una persona lanza un dado justo 40 veces y anota cuntas
veces sali cada nmero. Al terminar los lanzamientos, calcula
cada una de las probabilidades como el nmero de veces que
sali cada nmero dividido entre el nmero de lanzamientos
realizados; lleg a los resultados siguientes:
Si se hicieran ms
lanzamientos, llegaramos
a que la probabilidad para
cada cara del dado se
aproximara a 1/6, es
decir, 0.1667, resultado
que coincidira con el
enfoque clsico.
.
Enfoque subjetivo
Es cuando una persona asigna la probabilidad a cierto evento con
base en informacin disponible o en su experiencia.
EJEMPLO
Para determinar la probabilidad de que los Pumas de la UNAM
lleguen a la Final este ao nos basamos en el desempeo del
equipo en la presente campaa.
EJEMPLO
En muchas ocasiones, las empresas desean conocer la
probabilidad de que un nuevo producto tenga xito en el mercado.
Para ello recurren a la experiencia o conocimiento del negocio de
.
sus directivos o de sus vendedores. O bien, organizan grupos foco

(focus group), en los que las personas expresan el grado de
aceptacin del producto. De esta manera, se utiliza el criterio de
las personas para poder establecer la probabilidad de xito o de
fracaso.

.
2.2 Espacio muestral

Un experimento aleatorio es aquel que proporciona diferentes
resultados aun cuando se repita siempre de la misma manera.
El conjunto de los posibles resultados de un experimento aleatorio

recibe el nombre de espacio muestral del experimento. El espacio
muestral se denota con la letra S.
Cada resultado en un espacio muestral se llama elemento o

miembro del espacio muestral, o simplemente punto muestral. Si
el espacio muestral tiene un nmero finito de elementos, podemos
listar los miembros separados por comas, y encerrarlos en
parntesis. De esta forma el espacio muestral S, de los resultados
posibles cuando se lanza al aire una moneda, se puede escribir
.
S={H,T}, donde H y T corresponden a caras y cruces,

respectivamente.
EJEMPLO
Considere el experimento de lanzar un dado. Si nos interesamos en
el nmero que muestra en la cara superior, el espacio muestral
sera:
S1 = {1, 2, 3, 4, 5, 6}
Si nos interesamos slo en si el nmero es par o impar, el espacio

muestral es simplemente:
S2 = {par, impar}

.
Este ejemplo ilustra el hecho de que se puede usar ms de un

espacio muestral para describir los resultados de un experimento.
En este caso S1 proporciona ms informacin que S2. Si sabemos
cul elemento en S1 tiene lugar, podemos decir cual resultado
ocurre en S2, no obstante, el conocimiento de lo que pasa en S2 no
es de ayuda en la determinacin de cual elemento en S1 ocurre. En
general, se desea utilizar un espacio muestral que d la mayor
informacin acerca de los resultados del experimento.
EJEMPLO
Supngase que se analiza un cilindro de aire, para detectar la
presencia de una molcula rara. Los resultados posibles de este
experimento pueden resumirse simplemente como {s} o {no}, lo
que depende de si el cilindro seleccionado contiene o no la
molcula. Es as como en este ejemplo el espacio muestral slo
.
contiene dos resultados posibles, S= {s, no}
EJEMPLO
Considrese un experimento donde se seleccionan dos
componentes y se clasifican conforme cumplen o no los
requerimientos de temporizacin elctrica del producto. Un
resultado de este experimento es que la primera parte sea
aceptable, y la segunda, no; esto se denotar como AN. Si se
emplea esta notacin, entonces puede representarse el espacio
muestral del experimento como el conjunto:
S = {AA, AN, NA, NN}

.
Donde la primera letra de cada par indica la clasificacin de la

primera parte, mientras que la segunda seala la clasificacin de
la segunda parte.
La mejor representacin de un espacio muestral depende de los

objetivos que se persiguen. Si slo se tiene inters en el nmero de
artculos aceptables obtenidos en la muestra, entonces el espacio
muestral puede resumirse as: S = {2, 1, 0}. En esta
representacin, se pierden los detalles sobre qu seleccin es la
que no cumple con los requisitos.
En experimentos aleatorios que implican la seleccin de artculos

de un lote, es necesario indicar si el artculo seleccionado ser
colocado de nuevo, o no, en el lote antes de seleccionar el
siguiente. Por ejemplo, si el lote contiene tres artculos {a, b, c} y
.
el experimento consiste en seleccionar dos de ellos sin remplazo,

entonces el espacio muestral puede representarse como S = {ab, ac,
ba, bc, ca, cb}. Sin embargo, si los artculos se devuelven al lote
antes de seleccionar el siguiente, el muestreo se denomina con
remplazo. En esta caso, los resultados posibles son S = {aa, ab, ac,
ba, bb, bc, ca, cb, cc}.
EJEMPLO
Un experimento donde cada hora se selecciona una parte
moldeada por inyeccin, y se mide con exactitud la longitud, el
espacio muestral es mucho ms difcil de describir. En este caso, el
espacio muestral es un subconjunto de todos los nmeros reales. El
estudio de este tipo de experimentos se pospondr hasta la
siguiente unidad.

.
EJEMPLO
Considrese un experimento en el que, cada diez minutos, se
verifica el volumen de llenado de las latas de refresco de una
mquina llenadora automtica, con la finalidad de determinar si
las latas cumplen con las especificaciones de volumen que deben
de contener. La evaluacin contina hasta encontrar una lata que
no cumpla con las especificaciones.
Si s denota el hecho de que la lata cumple con las especificaciones,

y n, de que no cumple con ellas, entonces cada resultado del
espacio muestral puede representarse como una secuencia de estas
letras. Dado que el experimento termina cuando la lata no cumple
con las especificaciones, la secuencia de letras formadas por una
cadena de eses seguida por una n.

.
Con esto, el espacio muestral puede representarse como:
S = {n, sn, ssn, sssn, ssssn, y as sucesivamente}
Este espacio muestral tiene un nmero infinito de resultados

posibles.
Los espacios muestrales con un nmero grande o infinito de puntos

muestrales se describe mejor mediante un enunciado o regla. Por
ejemplo, si los resultados posibles de un experimento son el
conjunto de ciudades en el mundo con una poblacin de ms de un
milln, nuestro espacio muestral se describe:

.
S = {x|x es una ciudad con una poblacin de ms de un milln}
Que se lee S es el conjunto de todas las x tales que x es una ciudad

con una poblacin de ms de un milln. La barra vertical se lee
tal que. De manera similar, si S es el conjunto de todos los
puntos (x, y) sobre la frontera o el interior de un crculo de radio 2
con centro en el origen, escribimos:
S = {(x,y)|x2 + y2<= 4}
Si describimos el espacio muestral mediante el mtodo de la regla o

listando los elementos depender del problema especfico en
cuestin. El mtodo de la regla tiene ventajas prcticas en particular
para los muchos experimentos donde un listado se vuelve una tarea
tediosa.
.
En algunos experimentos, el resultado final puede depender de los

resultados intermedios.
EJEMPLO
Considrese el experimento que consiste en seleccionar un
componente electrnico y clasificarlo segn cumple o no los
requerimientos de temporizacin del producto. Si el componente es
aceptable, entonces solo se asienta este hecho. Si no es aceptable,
se registra el hecho y luego se clasifica el resultado de la
temporizacin en una de cuatro categoras, las cuales se indican
con los cdigos a, b, c o d. De este modo, el conjunto de todos los
resultados posibles de este experimento puede describirse como:
S = {A, Na, Nb, Nc, Nd}

.
En este captulo se introduce la probabilidad para espacios

muestrales que tienen slo un conjunto finito (o infinito) de
resultados. La restriccin sobre estos espacios muestrales permite
simplificar los conceptos y la presentacin sin hacer uso de muchas
matemticas.
Un espacio muestral es discreto si est formado por un conjunto

finito (o infinito contable) de resultados.

.
2.3 Ocurrencia de eventos

Un evento es un subconjunto del espacio muestral de un
experimento aleatorio.
Para cualquier experimento dado podemos estar interesados en la

ocurrencia de ciertos eventos ms que en el resultado de un
elemento especfico en el espacio muestral.
Para cada evento asignamos una coleccin de puntos muestrales,

que constituye un subconjunto del espacio muestral. Ese
subconjunto representa la totalidad de los elementos para los que el
evento es cierto.

.
La composicin de eventos se presenta cuando se realizan

operaciones para calcular la probabilidad de que ocurran dos o ms
eventos.
Definicin y representacin de eventos

Para determinar esa probabilidad retomaremos lo aprendido acerca
de la teora de conjuntos.
Probabilidad de la unin
Sean dos eventos A y B. La probabilidad de la unin de estos
eventos, P(A B), se define como la probabilidad de que ocurra A,
la probabilidad de que ocurra B, o bien, la probabilidad de que
ocurran ambos eventos, es decir,

.
lo cual, representado en diagrama de Venn, se grafica como en la

figura 1.
Como puedes observar en la

figura 1, en la teora de
conjuntos A y B reciben el
nombre de conjuntos, en
tanto que en la teora de la
probabilidad se llaman
eventos.

.
Probabilidad de la interseccin
Sean dos eventos A y B. La probabilidad de que ocurra la
interseccin de estos eventos, P(A B), se define como la
probabilidad de que ocurra A y de que se presente B, lo cual,
representado en diagrama de Venn, queda como en la figura 2.

.
Probabilidad del complemento

Sea el evento A. La regla del complemento establece que la
probabilidad de que ocurra A ms la probabilidad de que no ocurra
A, P(Ac), es igual a 1, es decir:

.
Probabilidad de eventos disjuntos o mutuamente excluyentes

Sean dos eventos A y B, tales que son mutuamente excluyentes. La
probabilidad de que ocurran los dos al mismo tiempo es cero, esto
es:

.
Probabilidad de la diferencia
Sean dos eventos A y B. La probabilidad de que ocurra el evento A,
pero que no ocurra el evento B se calcula como:

.
EJEMPLO:
Supn que tienes dos eventos A y B y sabes que:
0.1
SOLUCIN
Al aplicar las frmulas que hemos visto se obtiene:

.
Regla de la adicin para eventos no excluyentes

Sean dos eventos A y B. La probabilidad de la unin de estos
eventos, P(A B), se define como la probabilidad de que ocurra A,
de que ocurra B, o de que ocurran ambos eventos, es decir,

.
EJEMPLO:
En cierta escuela se hace un estudio sobre el porcentaje de aprobacin
en dos materias coco: Clculo y Estadstica. El estudio muestra que la
probabilidad de que un estudiante apruebe Estadstica es de 0.6, de que
apruebe Clculo es de 0.55 y de que apruebe ambas es de 0.35. Cul es
la probabilidad de que un alumno apruebe Estadstica o Clculo?
SOLUCIN
Sean los eventos:
M: aprobar Estadstica
F: aprobar Clculo
cuyas probabilidades son:
Por consiguiente, la probabilidad de que un alumno apruebe Estadstica

o Clculo es:

.
Regla de la adicin para eventos disjuntos o mutuamente

excluyentes
Sean dos eventos A y B, tales que son mutuamente excluyentes, es
decir, la probabilidad de que ocurran los dos al mismo tiempo es
cero, P(A B) = 0. Por tanto, la probabilidad de la unin se calcula
como:

.
EJEMPLO:
En el rea de recursos humanos de una empresa se han recibido 500
solicitudes de empleo. Se sabe que 325 son de mujeres y el resto de
hombres. Cul es la probabilidad de que al tomar una solicitud al azar
provenga de un hombre o de una mujer?
SOLUCIN
Sean los eventos:
M: solicitante mujer
H: solicitante hombre
cuyas probabilidades son:
Entonces, para calcular la probabilidad de que al azar se tome la

solicitud proveniente un hombre o de una mujer es:
es decir, es la probabilidad del evento seguro.

.
Independencia de eventos
Dos eventos son independientes si el que ocurra uno de ellos no
influye en la probabilidad de que ocurra el otro, es decir,
De otra manera, los eventos son dependientes.
EJEMPLO:
Se tiene una baraja y se toma una carta. Sean los eventos:
A: se observa un as
B: se observa una carta negra
y las probabilidades asociadas a cada evento son:
Los eventos A y B son independientes?

.
SOLUCIN

.
2.4 Permutaciones y Combinaciones

En matemticas una Permutacin es la variacin del orden o de la
disposicin de los elementos de un conjunto.
EJEMPLO:

.
Se llaman Permutaciones de n objetos a las diferentes maneras en

que se pueden ordenar esos n objetos; todas las Permutaciones
constan de los mismos n elementos, pero se consideran diferentes,
por el orden en que se colocan estos, lo que significa que el orden s
importa. Siendo su notacin Pn.
Para calcular el nmero de Permutaciones que se pueden formar

con los n objetos, se hacen las siguientes consideraciones: la
eleccin del primer objeto se puede hacer de n maneras diferentes;
la eleccin del segundo objeto se puede hacer de (n1) maneras
diferentes,..., y la eleccin del n-esimo objeto slo se puede hacer
de una manera; esto es:

.
Para el ejemplo anterior, primero determinamos #A=3 por lo que

buscamos determinar cuntas Permutaciones diferentes se pueden
hacer con los elementos de A, esto es P3.
P3 = 3! = 3 x 2 x 1 x 1 = 6, que son las diferentes maneras en que

pueden ordenarse los 3 elementos del conjunto A.
EJEMPLO:
En una asamblea de colonos se presentaron 4 candidatos para ocupar

los puestos de Presidente, Secretario, Tesorero y Vocal; por lo que se
votar quien de los 4 candidatos ocupa cada uno de los puestos del
comit representativo de los colonos. De cuantas maneras diferentes se
puede integrar el comit?

.
El conjunto C de estudio est integrado por 4 candidatos por lo que

#C=4, dado que cada uno de los candidatos puede ocupar un puesto
diferente haciendo que el comit sea diferente, se establece que el orden
s importa, por lo que el nmero de comits diferentes es
P4 = 4! = 4 x 3 x 2 x 1 x 1 = 24. Esto es, existen 24 comits diferentes
que pueden ser elegidos por la asamblea de colonos con los 4
candidatos.
Ahora bien, en el concepto de Permutacin se ha considerado que

se toman todos los elementos del conjunto y no se repite ninguno
de estos elementos, pero esto no siempre es as, por lo que
analizaremos las Permutaciones de n elementos distintos tomando
solo una parte de ellos (un subconjunto r) la cual se expresa como
nPr.

.
Debido a que el nmero de objetos est siendo organizado no puede

exceder la cantidad total disponible de los n objetos del conjunto
esto es n > r y su frmula es:
EJEMPLO:
Una baraja inglesa consta de 52 cartas y una mano de pker de 5 de
ellas las cuales se reparten al azar y sin repeticin ya que se considera
una baraja legal. Cuntas selecciones diferentes son posibles?
Respuesta: El conjunto de barajas B es de #B=52 por lo que n=52, de

las cuales se reparten en cada mano r=5, considerando que el orden s
importa, se considera una permutacin del tipo nPr por lo que la
formula queda de la siguiente manera:

.
Por lo que se pueden realizar 311,875,200 selecciones diferentes.
PERMUTACIONES CIRCULARES
Se llaman Permutaciones Circulares de n objetos a las diferentes

maneras en que se pueden colocar n objetos alrededor de un
circulo; en este tipo de permutaciones, lo que importa son las
posiciones relativas de los objetos con respecto a ellos mismos y no
las posiciones absolutas de los objetos en el crculo.

.
Si hablamos de permutacin circular estamos haciendo referencia a

un caso particular de la permutacin ordinaria. Las permutaciones
circulares se aplican a conjuntos que se ordenan de forma circular,
ya que no tienen ni principio ni final, o sea que no hay primer ni
ltimo trmino, por encontrarse todos los elementos en una lnea
cerrada.
Para hallar el nmero de permutaciones circulares que se pueden

formar con n objetos diferentes de un conjunto, es necesario
considerar fija la posicin de un elemento, los n1 elementos
restantes podrn cambiar de lugar de (n1)! maneras distintas
tomando as todas las posiciones sobre la circunferencia relativa al
primer punto, la cual se expresa como PCn.

.
Existen n permutaciones lineales que, al ser colocadas en crculo,

conducen a una misma permutacin circular, porque cada objeto
queda en la misma posicin relativa respecto a los (n1) objetos
restantes; de manera que por cada permutacin circular hay n
permutaciones lineales equivalentes. Para calcular el numero de
permutaciones circulares de n objetos, se divide el numero de
permutaciones lineales de n objetos entre las n permutaciones
equivalentes:
Frmula:

.
EJEMPLO:
De cuantas formas distintas se puede acomodar una reunin de 7

personas alrededor de una mesa redonda?
Respuesta:
El conjunto de personas P es de #P=7 por lo que n=7, dado que el
acomodo es circular y cada acomodo genera un orden diferente se
considera una permutacin circular PC7 por lo que la formula queda de
la siguiente manera:
720 formas diferentes.

.
PERMUTACIONES CON REPETICIONES

Cuando hablamos de Permutaciones con Repeticin nos referimos a que
hay un elemento o ms de uno que se repiten. Se llaman permutaciones
de n| objetos, con r| grupos de objetos iguales de manera que los
n1|objetos iguales entres si, los n2| objetos iguales entre si hasta los nr|
objetos iguales entre s, al permutarse entre ellos por grupo, no pueden
distinguirse unos de otros, la cual se expresa como nPn1,n2...nr|
Para calcular el nmero de permutaciones distinguibles de n| objetos, se

divide el nmero de permutaciones lineales de los n| objetos entre las n1!|
permutaciones equivalentes, entre las n2!| permutaciones equivalentes y
hasta las nr!| permutaciones equivalentes.

.
EJEMPLO:
Cuntas permutaciones distintas pueden formarse con todas las letras
de la palabra ESTADISTICAS?

.
COMBINACIONES
En matemticas una combinacin es un arreglo de los elementos de
un conjunto donde el orden no es importante. En el caso de
combinaciones tenemos en cuenta los elementos que tiene el
conjunto independientemente de la ordenacin que stos tengan.
EJEMPLO:

.
Si se tiene un conjunto de n| objetos diferentes, las combinaciones son

subconjuntos de r| objetos, en donde una combinacin es distinta de otra
si difiere en al menos un elemento, sin importar el orden de estos. Siendo
su notacin nCr|
Para calcular el nmero de combinaciones de r| objetos que se pueden

formar con los n| objetos disponibles, se considera la frmula:
Para el ejemplo anterior, consideramos que #A=5|, por lo que n=5| y se

desean integrar subconjuntos de tamao r=3|, debido a que el orden no
importa, estas se consideran combinaciones de tipo .5C3| por lo que el
clculo es:

.
EJEMPLO:
Un grupo de natacin est integrado por 7 nadadores de los cuales el
entrenador debe seleccionar a 5 para integrar el equipo que competir
en la olimpiadas, considerando que todos tienen el mismo nivel
competitivo, cuntos equipos diferentes puede integrar el entrenador
para participar en la olimpiada?.
Solucin: Considere el conjunto de los nadadores n=7| de los cuales

deben seleccionarse solo r=5| para integrar el equipo, dado que el orden
no importa, se considera una combinacin de tipo .7C5| por lo que la
frmula queda:

.
2.5 Diagramas de rbol

El 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. La secuencia de los pasos en el diagrama va de
izquierda a derecha. Cada uno de los puntos en el extremo derecho
del rbol representa un resultado experimental y cada trayectoria a
travs del rbol, desde el nodo ms a la izquierda hasta uno de los
nodos en el extremo derecho del rbol, muestra una secuencia nica
de resultados.
El Diagrama de rbol, es la representacin grfica de un producto

cartesiano de la Teora de Conjuntos, y se utiliza como herramienta
para desarrollar esta operacin. Este concepto es muy til, en
particular, para razonar problemas combinatorios.
.
Para construir un diagrama de rbol partiendo de la Teora de

Conjuntos establecemos dos conjuntos, resultado de un
experimento que sigue los siguientes pasos:
EJEMPLO:

.

.
El experimento tiene 4 resultados posibles, esto es 4 pares

ordenados o tuplas que pueden ocurrir una vez realizado el
experimento.
Para productos cartesianos de ms de dos conjuntos, las tuplas

estarn formadas por ms de dos elementos, y en estos se suelen
nombrar del siguiente modo. Para 3 elementos 3-tupla, tripla,
tripleta, terna o triada, para 4 elementos 4-tupla o cudrupla, para 5
elementos 5-tupla o quntupla, para 6 elementos 6-tupla o sixtupla,
para 7 elementos 7-tupla o septupla, para 8 elementos 8-tupla o
octupla, para 9 elementos 9-tupla y asi sucesivamente

.
EJEMPLO:
Considere un juego de azar donde se lanza primero una moneda y

despus un dado, donde la cara vale 1 y cruz vale 2 los cuales se
multiplican por el resultado del dado observado, resuelva:
a. Construya un diagrama de rbol y determine los pares

ordenados
b. Determine el conjunto del producto cartesiano o cruz
c. Determine el Espacio Muestral
Solucin:

.

.

.
2.6 Axiomas de Probabilidad

Ya que se ha definido la probabilidad de un evento es posible
reunir las hiptesis realizadas hasta el momento con respecto a las
probabilidades en un conjunto de axiomas que deben satisfacer las
probabilidades de cualquier experimento aleatorio. Los axiomas
aseguran que las probabilidades asignadas en un experimento
pueden interpretarse como frecuencias relativas, y que son
consistentes con el conocimiento intuitivo de las relaciones entre
frecuencias relativas. Por ejemplo: si el evento A est contenido en
el evento B, entonces debe tenerse que P(A) <= P(B).
Los axiomas no determinan las probabilidades; stas se asignan

con base en el conocimiento que se tiene del sistema estudiado. Sin
embargo, los axiomas facilitan el clculo de las probabilidades de
.
algunos eventos a partir del conocimiento de las probabilidades de

otros.
Los axiomas y sus consecuencias restringen las asignaciones de

probabilidades de una manera que permite interpretar stas como
frecuencias relativas sin inconsistencias.

.
La propiedad 0<=P(E)<=1 equivale al requisito de que la

frecuencia relativa debe ser un nmero entre 0 y 1.
La propiedad P(S)=1 es una consecuencia del hecho de que un

resultado del espacio muestral ocurre en cada prueba de un
experimento. En consecuencia la frecuencia relativa de S es 1.
La propiedad 3 implica que si los eventos E1 y E2 no tienen

resultados en comn (son mutuamente excluyentes), entonces la
frecuencia relativa de los resultados E1E2 es la suma de las
frecuencias relativas de los resultados en E1 y E2.
Los axiomas anteriores implican los siguientes resultados.

.
Si la frecuencia relativa del evento E es 0.4, la interpretacin de la

frecuencia relativa de E es 0.6. Por otra parte, si el evento E1 est
contenido en el evento E2 entonces;

.

.

.
2.7 Independencia y Probabilidad Condicional

INDEPENDENCIA
El concepto de independencia es una relacin muy importante entre

eventos, y se utiliza en todo el texto. Una relacin de exclusin
mutua entre dos eventos se basa nicamente en los resultados que
forman los eventos. Sin embargo, una relacin de independencia
depende del modelo de probabilidad usado para el experimento
aleatorio. Frecuentemente se supone la relacin de independencia
como parte del experimento aleatorio que describe el sistema fsico
estudiado.

.
EJEMPLO:
Un fabricante necesita que los diseos de un nuevo producto sean
evaluados por clientes en potencia, con la finalidad de tener los
comentarios de stos en etapas muy tempranas del ciclo de diseo. Con
base en datos histricos, si dos clientes evalan el producto y deciden,
de manera independiente, que les gusta, entonces el espacio muestral y
las probabilidades pueden modelarse de la siguiente forma:

.
Se hace la suposicin implcita de que cada cliente toma de manera

independiente la decisin de aprobar o modificar el diseo del producto.
Despus se calcul la probabilidad del resultado (aprobado, aprobado)

como el producto de las probabilidades de que cada cliente apruebe el
diseo. Esto es, (0.2)(0.2)=0.4, de acuerdo con la propiedad 3 dada en
la definicin de independencia.

.
PROBABILIDAD CONDICIONAL
A menudo sucede que un evento influye en que se presente u

ocurra otro. Esto recibe el nombre de probabilidad condicional, que
se define como la probabilidad de que el evento A ocurra, puesto
que ya se present el evento B. La probabilidad condicional se
calcula como sigue:
A este tipo de probabilidad condicional se le conoce como a priori,

ya que sucede un evento y se quiere conocer la probabilidad de su
efecto.

.
Cuando se determina una probabilidad condicional el espacio

muestral se reduce, es decir, como ocurri el evento B, entonces
el nuevo espacio muestral tiene la caracterstica del evento B.
A partir de la frmula para calcular la probabilidad condicional se

deduce que:

.
A este resultado se le conoce como la ley de la multiplicacin.
Tambin se puede comprobar la independencia de eventos

(recuerda que hay independencia de eventos cuando el que ocurra
uno de ellos no influye en que se presente otro), siempre que se
cumpla que:

.
EJEMPLO:
Retomemos el ejemplo de la universidad, cuya poblacin es de 1500
estudiantes, de los cuales 850 estudian alguna licenciatura y 650 alguna
ingeniera. Determina la probabilidad de que un alumno elegido al azar:
a. Estudie ingenieria, puesto que es hombre.

b. Si estudia alguna licenciatura, entonces es mujer.
Solucin
a. Probabilidad de que un alumno elegido al azar estudia ingeniera,
puesto que es hombre:

.
La tabla de contingencia respectiva es la siguiente:

.
Y el rbol de probabilidad es:
De modo que la probabilidad de que un alumno elegido al azar estudie

ingeniera, puesto que es hombre, es de 54.54%.
.
b. La probabilidad de que un alumno elegido al azar estudie

licenciatura sea mujer es decir
En el caso del rbol de probabilidad, como no lo tenemos por tipo de

carrera, entonces podemos hacer dos cosas:
.
i. Elaborar un nuevo rbol de probabilidad, en el que la primera rama

sea el tipo de carrera.
ii. Los que estudian licenciatura pueden calcularse como:
pues consideramos tanto a los hombres como a las mujeres que estudian
una licenciatura.

.

.
2.8 Teorema de Bayes.

Thomas Bayes (Inglaterra 1702-1761) fue un telogo protestante
que dedic gran parte de su vida a demostrar la existencia de dios
para quienes no crean. En su afn por probar mediante mtodos
matemticos que dios es la nica causa de todo lo que existe dio
con una frmula que hoy en da resulta muy til y que se conoce
como teorema deBayes.
El teorema de Bayes sirve para calcular la probabilidad condicional

a posteriori. En otras palabras, sirve para determinar la probabilidad
de una de las causas, puesto que ya se observ el efecto, y se
calcula de la manera siguiente:

.
donde Bj es la causa j y A es el efecto, y Bi es la causa i, donde

i = 1, 2, 3, ..., n.
Utilizando la ley de la multiplicacin tenemos que:
De esta manera llegamos a la definicin de probabilidad

condicional. Es importante sealar que el denominador del teorema
de Bayes se conoce como probabilidad total.

.
Este teorema tiene las caractersticas siguientes:
La frmula del teorema de Bayes muchas veces impresiona, pero

en realidad es fcil de usar, como se advierte en el ejemplo que
sigue.
EJEMPLO:
En Mxico, las ventas de automviles se distribuyen de la manera
siguiente:
20% son Nissan
14% son Volkswagen
El resto es de otras marcas

.
Adems, cuando el auto es Nissan, tiene una probabilidad de 73% de ser

robado; si es Volkswagen, tiene una probabilidad de 9% de ser robado,
y 18% de ser robado si es de otras marcas.
a. Cul es la probabilidad de que se roben un auto?

b. Si se han robado un auto, cul es la probabilidad de que sea un
Volkswagen?
Solucin
Determinamos los eventos y sus respectivas probabilidades, as como el
rbol de probabilidad correspondiente:

.
El rbol de probabilidad queda de la siguiente manera:

.
a. En este inciso debemos calcular la probabilidad total, que se

refiere a los autos robados, sin importar la marca, que queda como
se muestra en este rbol de probabilidad:

.

Unidad 2 Probabilidad

Transféré par

Informations du document

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

Unidad 2 Probabilidad

Transféré par

Droits d'auteur :

Formats disponibles

Ingeniera Elctrica

Ingeniera Elctrica.- PROBABILIDAD Y ESTADSTICA.- Ing. Manuel Daz Carvajal

2.1 Probabilidad de eventos

La probabilidad es el valor entre cero y uno, ambos inclusive,

Ingeniera Elctrica.- PROBABILIDAD Y ESTADSTICA.- Ing. Manuel Daz Carvajal

Hay dos enfoques para asignar probabilidades: el enfoque objetivo

Ingeniera Elctrica.- PROBABILIDAD Y ESTADSTICA.- Ing. Manuel Daz Carvajal

El enfoque objetivo se divide a su vez en probabilidad clsica y

Ingeniera Elctrica.- PROBABILIDAD Y ESTADSTICA.- Ing. Manuel Daz Carvajal

Por tanto, la probabilidad de sacar una pelota azul es de 0.4.

a. Con esta informacin, construye una tabla de contingencia.

Determina la probabilidad de que un estudiante, elegido al

b. Estudie en la escuela de ingeniera.

Los eventos de este problema son:

I : estudia en la escuela de ingeniera.

H : estudia en la escuela de humanidades.

Ingeniera Elctrica.- PROBABILIDAD Y ESTADSTICA.- Ing. Manuel Daz Carvajal

a. Realizamos la tabla de contingencia:

b. La probabilidad de que una persona estudie en la escuela de

Ingeniera Elctrica.- PROBABILIDAD Y ESTADSTICA.- Ing. Manuel Daz Carvajal

c. La probabilidad de que una persona estudie en la escuela de

d. Por ltimo, la probabilidad de que una persona estudie en la

Ingeniera Elctrica.- PROBABILIDAD Y ESTADSTICA.- Ing. Manuel Daz Carvajal

Conforme el nmero de observaciones crece, el enfoque emprico

sus directivos o de sus vendedores. O bien, organizan grupos foco

Ingeniera Elctrica.- PROBABILIDAD Y ESTADSTICA.- Ing. Manuel Daz Carvajal

2.2 Espacio muestral

El conjunto de los posibles resultados de un experimento aleatorio

Cada resultado en un espacio muestral se llama elemento o

S={H,T}, donde H y T corresponden a caras y cruces,

Si nos interesamos slo en si el nmero es par o impar, el espacio

Ingeniera Elctrica.- PROBABILIDAD Y ESTADSTICA.- Ing. Manuel Daz Carvajal

Este ejemplo ilustra el hecho de que se puede usar ms de un

contiene dos resultados posibles, S= {s, no}

S = {AA, AN, NA, NN}

Ingeniera Elctrica.- PROBABILIDAD Y ESTADSTICA.- Ing. Manuel Daz Carvajal

Donde la primera letra de cada par indica la clasificacin de la

La mejor representacin de un espacio muestral depende de los

En experimentos aleatorios que implican la seleccin de artculos

el experimento consiste en seleccionar dos de ellos sin remplazo,

Ingeniera Elctrica.- PROBABILIDAD Y ESTADSTICA.- Ing. Manuel Daz Carvajal

Si s denota el hecho de que la lata cumple con las especificaciones,

Ingeniera Elctrica.- PROBABILIDAD Y ESTADSTICA.- Ing. Manuel Daz Carvajal

Con esto, el espacio muestral puede representarse como:

S = {n, sn, ssn, sssn, ssssn, y as sucesivamente}

Este espacio muestral tiene un nmero infinito de resultados

Los espacios muestrales con un nmero grande o infinito de puntos

Ingeniera Elctrica.- PROBABILIDAD Y ESTADSTICA.- Ing. Manuel Daz Carvajal

S = {x|x es una ciudad con una poblacin de ms de un milln}

Que se lee S es el conjunto de todas las x tales que x es una ciudad

Si describimos el espacio muestral mediante el mtodo de la regla o

En algunos experimentos, el resultado final puede depender de los

S = {A, Na, Nb, Nc, Nd}

Ingeniera Elctrica.- PROBABILIDAD Y ESTADSTICA.- Ing. Manuel Daz Carvajal

En este captulo se introduce la probabilidad para espacios

Un espacio muestral es discreto si est formado por un conjunto

Ingeniera Elctrica.- PROBABILIDAD Y ESTADSTICA.- Ing. Manuel Daz Carvajal

2.3 Ocurrencia de eventos

Para cualquier experimento dado podemos estar interesados en la

Para cada evento asignamos una coleccin de puntos muestrales,

Ingeniera Elctrica.- PROBABILIDAD Y ESTADSTICA.- Ing. Manuel Daz Carvajal

La composicin de eventos se presenta cuando se realizan

Definicin y representacin de eventos

Ingeniera Elctrica.- PROBABILIDAD Y ESTADSTICA.- Ing. Manuel Daz Carvajal