UNIVERSIDAD NACIONAL JOS MARA

ARGUEDAS

CURSO ESTADISTICA
TEMA: PROBABILIDADES
PROBABILIDADES
Experimentos y Eventos

Es una medida numrica, en que grado se produce una situacin, tiene un rango
Entre cero 0 y 1
Probabilidad
Es la medida
numrica de la
posibilidad de que un
evento pueda ocurrir.
Su valor est entre 0 y
1

Cierto
Imposible
0.5
1
0
50 %
0 %
100 %
Experimentos y Eventos
Cul es la probabilidad de obtener una
cara, si arrojamos una moneda una
vez?
Posibles Resultados de Nmero
Favorables Resultados de Nmero
Prob


5 . 0
2
1
,

s c
c
Experimentos y Eventos
Cul es la probabilidad de obtener 1
cara si arrojamos una moneda tres
veces?
Posibles Resultados de Nmero
Favorables Resultados de Nmero
Prob


375 . 0
8
3
) ( ), ( ), ( ), ( ), ( (csc), ), ( ), (
) ( ), ( ), (

sss ssc scs scc css ccs ccc
ssc scs css
C
S
C
C
C
C
C
S
S
S
S
S
S
C
RBOL DE
PROBABILIDADES
Experimentos y Eventos
Si lanzamos 2 dados, cul es la
probabilidad de obtener un puntaje de
7?
Posibles Resultados de Nmero
Favorables Resultados de Nmero
Prob

1667 . 0
36
6
6
) 1 , 6 ( ), 2 , 5 ( ), 3 , 4 ( ), 4 , 3 ( ), 5 , 2 ( ), 6 , 1 (
2

Experimentos y Eventos
Cul es la probabilidad de sacar un as
al sacar un naipe de una baraja?
Posibles Resultados de Nmero
Favorables Resultados de Nmero
Prob

0769 . 0
13
1
52
4
Naipes 52
Espadas de As Diamantes, de As Trboles, de As Corazones, de As

Definiciones
Experimento
Actividad que origina un evento.
Proceso de hacer una observacin y obtener un
resultado.
Evento
Uno o ms de los posibles resultados de un
experimento.
Espacio Muestral
Coleccin de todos los posibles resultados de un
experimento.
Lanz. una moneda Cara, Sello.
Lanz. dos veces una monedas CC, CS, SC, SS
Sacar una carta (valor) 2, 2, ..., A (52)
Sacar una carta (color) Roja, Negra
Lanzar un dado. 1, 2, 3, 4, 5, 6
Jugar un partido Ganar, Empatar,
Perder
Inspeccionar una parte Defectuoso, Bueno

Experimento Espacio Muestral
Algunos principios de conteo
Frmula de la multiplicacin: si hay m
modos de hacer una cosa y n formas de
hacer otra, existen m x n formas de hacer
ambas.
EJEMPLO: Una persona tiene 10 camisas
y 8 corbatas. Cuntos conjuntos de
camisas /corbatas tiene?
(10)(8) = 80.
5-37
Enfoques de la probabilidad
Probabilidad clsica: se basa en la
consideracin de que los resultados de un
experimento son igualmente posibles.
Utilizando el punto de vista clsico,
posibles resultados de total nmero
favorables resultados de nmero
= evento un de ad Probabilid
5-4
Frecuencia Relativa: La probabilidad de
que un evento ocurra a largo plazo se
determina observando en qu fraccin de
tiempo sucedieron eventos semejantes en
el pasado.
nes observacio de total nmero
evento el ocurri que veces de nmero
= evento del ad Probabilid
5-8
Enfoques de la probabilidad
Probabilidad Subjetiva: La probabilidad de
que suceda un evento especfico que asigna
una persona con base en cualquier
informacin disponible.
Ejemplos de la probabilidad subjetiva son
estimar la probabilidad de que un equipo de
ftbol gane el campeonato este ao.
5-10
Enfoques de la probabilidad
Clases de Eventos
Eventos Mutuamente Excluyentes
Dos o ms eventos que no pueden ocurrir al mismo
tiempo.
A: Reina de Corazones; B: Reina de Espadas
Los eventos A y B son mutuamente excluyentes.
Eventos No Mutuamente Excluyentes
Dos o ms eventos que si pueden ocurrir al mismo
tiempo.
A: Naipes de Corazones; B: As
Los eventos A y B no son mutuamente excluyentes.
El As de Corazones
Mutuamente Excluyentes
Evento A Evento B
Espacio Muestral
No Mutuamente Excluyentes
Evento B Evento A
Reglas bsicas de probabilidad
Si los eventos son mutuamente excluyentes,
la ocurrencia de cualquier evento impide que
el otro evento ocurra.
5-11
Evento A Evento B
Regla de la Adicin
Si dos eventos A y B son mutuamente
excluyentes, la probabilidad de que ocurra
A o B es igual a la suma de sus
probabilidades respectivas:
P(A o B) = P(A) + P(B)
Probabilidad que al lanzar una moneda
salga cara o sello.

Regla del complemento
La regla del complemento se utiliza para
determinar la probabilidad de un evento,
conociendo su probabilidad de No Ocurrencia.
Se obtiene restando del nmero 1 la
probabilidad de que No ocurra un evento.
Si P(A) es la probabilidad del evento A y P(A
c
)
es el complemento de A,
P(A) + P(A
c
) = 1
P(A) = 1 P(A
c
).
5-14
Complemento
Evento A
Complemento de A

A
c
Regla especial de la adicin
Si A y B son dos eventos que no son
mutuamente excluyentes, entonces
P(A o B) se calcula con la siguiente
frmula:
P(A o B) = P(A) + P(B) - P(A y B)
5-18
Regla especial de la Adicin
Evento B Evento A
P(A o B) = P(A) + P(B) - P(A y B)
PROBABILIDADES
Independencia y Dependencia
Estadstica
Independencia Estadstica
La presentacin de un evento no tiene
efecto sobre la probabilidad de
presentacin de cualquier otro evento.
Probabilidad Marginal o Incondicional
Probabilidad Conjunta
Probabilidad Condicional
Dependencia estadstica se presenta cuando un evento, influye en el otro evento
Por Ej.. Existe la probabilidad de contraer enfermedad cncer de mamas, con
Mayor probabilidad ms de mujeres que en hombres, entonces eln evento de tener
Cncer de mamas, depende de ser hombre o mujer, entonces existe dependencia
estadstica
Probabilidad Marginal
Probabilidad simple de presentacin de un
evento. P(A).
Probabilidad de obtener un as.
Probabilidad de obtener una carta de
corazones.
Probabilidad de sacar una cara al lanzar
una moneda.
Probabilidad Conjunta
Probabilidad de que dos o ms eventos
independientes se presenten juntos o en
sucesin. P(AB) o P(A,B) o P(AyB).
Probabilidad de sacar un as de corazones.
Probabilidad de obtener tres caras al
lanzar una moneda tres veces.

5-23
Regla especial de
multiplicacin
La regla especial de multiplicacin
requiere que dos eventos A y B sean
independientes.
P(A y B) = P(A B)= P(A) * P(B).
5-24
Se multiplican las probabilidades de cada evento, se obtiene la probabilidad
Conjunta.
P(A
1
y B
2
) P(A
1
)
Total Evento
Tabla de Contingencia
P(A
2
y B
1
)
P(A
1
y B
1
)
Evento
Total 1
Probabilidad
Conjunta
Probabilidad Marginal (Simple)
A
1
A
2
B
1
B
2
P(B
1
) P(B
2
)
P(A
2
y B
2
) P(A
2
)
Tabla de Contingencia
Negro
Color
Tipo
Rojo Total
As 2 2 4
No As 24 24 48
Total 26 26 52
La probabilidad conjunta de sacar un as de color rojo es
2/52= 1/26
Tabla de Contingencia
Negro
Color
Tipo
Rojo Total
As 1/26 1/26 2/26
No As
6/13
6/13 12/13
Total 13/26
13/26 26/26
Escoger un artculo
Cul es la Probabilidad?
P (A) = 6/10
P (D) = 5/10
P (C y B) = 1/10
P (A o D) =9/10
P (B y D) = 3/10
Evento
Evento C D Total
A 4 2 6
B 1 3 4
Total 5 5 10

A: Artculos en idioma espaol
B: Artculos en idioma ingls.
C: Artculos sobre estadstica.
D: Artculos sobre gestin.
Solucin
Las probabilidades son:
P (A) = 6/10
P (D) = 5/10
P (C y B) = 1/10
P (A o D) = 9/10
P (B y D) = 3/10
Evento
Evento C D Total
A 4 2 6
B 1 3 4
Total 5 5 10

Probabilidad Condicional
Probabilidad condicional es la
probabilidad de que ocurra un evento en
particular, dado que otro evento ya ocurri.
P(A|B). Probabilidad de A dado B.
En el caso de eventos independientes,
como el evento B no influye en el evento A:
P(A|B) = P(A)
(Sirve para demostrar A y B son independientes)

5-27
En este caso, la prob. De B,
No me interesa
Dependencia Estadstica
Cuando la probabilidad de que se
presente algn evento depende o se ve
afectada por la presentacin de algn otro
evento.
Probabilidad Condicional
Probabilidad Conjunta
Probabilidad Marginal
Color: C
Grises: G
Puntos: P
Rayas: R
P(P|C) = 3/4
P(P,C) = 3/10
P(C) = 4/10
4
3
10
4
10
3
) (
) , (
) | (
C P
C P P
C P P
Probabilidad Condicional
P(R|C) = 1/4
P(R,C) = 1/10
P(C) = 4/10
4
1
10
4
10
1
) (
) , (
) | (
C P
C R P
C R P
P(P|G) = 2/6 = 1/3
P(P,G) = 2/10
P(G) = 6/10
3
1
10
6
10
2
) (
) , (
) | (
G P
G P P
G P P
P(G|P) = 2/5
P(G,P) = 2/10
P(P) = 5/10
5
2
10
5
10
2
) (
) , (
) | (
P P
P G P
P G P
P(C|R) = 1/5
P(C,R) = 1/10
P(R) = 5/10
5
1
10
5
10
1
) (
) , (
) | (
R P
R C P
R C P
Probabilidad Condicional
(Dependencia Estadstica)
) (
) , (
) | (
A P
A B P
A B P
) (
) , (
) | (
B P
B A P
B A P
Donde la probabilidad conjunta es igual, pero no la prob. condicional
Probabilidad Conjunta
(Dependencia Estadstica)
) ( * ) | ( ) , ( A P A B P A B P
) ( * ) | ( ) , ( B P B A P B A P
P(C,R) = P(C|R)*P(R) = 1/5 * 5/10 = 1/10
P(C,P) = P(C|P)*P(P) = 3/5 * 5/10 = 3/10
) ( * ) | ( ) , ( B P B A P B A P
Probabilidad Marginal
(Dependencia Estadstica)
Suma de las probabilidades de TODOS
los eventos CONJUNTOS en los que se
presenta el evento sencillo.
P(C,R) = P(C|R)*P(R) = 1/5 * 5/10 = 1/10
P(C,P) = P(C|P)*P(P) = 3/5 * 5/10 = 3/10
P(C) = P(C,R) + P(C,P) = 1/10 + 3/10 = 4/10
Ejercicio
Cul es la probabilidad?
P (A|D) =
P (C|B) = 1/4
Son C y B
independientes?
Evento
Evento C D Total
A 4 2 6
B 1 3 4
Total 5 5 10

A: Artculos en idioma espaol
B: Artculos en idioma ingls.
C: Artculos sobre estadstica.
D: Artculos sobre gestin.
5
2
10
6
P(A)
4
1
10
5
P(C)
4
1
10
4
10
1
P(B)
B) y P(C
B) | P(C
5
2
10
5
10
2
P(D)
D) y P(A
D) | P(A



Evento
Evento C D Total
A 4 2 6
B 1 3 4
Total 5 5 10

Tipos de Probabilidades
Condiciones de
Dependencia
Estadstica
Condiciones de
Independencia
Estadstica
Tipos de
Probabilidad
Smbolo
Marginal P ( A ) P ( A ) P (ABi)
Condicional P ( A|B ) P ( A ) P (A,B) / P ( B )
Conjunta P ( A,B ) P ( A ) x P (B) P (A | B) x P (B )
Teorema de Bayes
Revisin de Probabilidades
Posibilidades
a priori
Informacin
Nueva
Teorema
de Bayes
Posibilidades
posteriores
) (
) , (
) | (
A P
A B P
A B P
Teorema de Bayes
En un pueblo alejado, 5% de la poblacin padece una
enfermedad originaria de dicho lugar. A priori podemos
afirmar que la probabilidad de que una persona
seleccionada al azar padezca la enfermedad es 5%, y
de que no la padezca es 95%.
Existe una prueba de diagnstico para detectar la
enfermedad.
Si una persona tiene la enfermedad, la prueba sale positiva en
90% de los casos.
La estadstica muestra adems que en 15% de los casos, a
pesar de que la persona no padeca la enfermedad, la prueba
sali positiva.
Si escogemos a una persona, y al hacerle la prueba de
diagnstico, sta sale positiva, Cul es la probabilidad
de que la persona tenga realmente la enfermedad?

P(E)
P(no E)
P(P|E)
P(N|E)
P(P|noE)
P(N|noE)
24 . 0
1875 . 0
0450 . 0
) (
) , (
) | (
P P
P E P
P E P
P(E,P)=0.05x0.90=0.0450
P(E,N)=0.05x0.10=0.0050
P(noE,P)=0.95x0.15=0.1425
P(noE,N)=0.95x0.85=0.8075
0.0450 +
0.1425
0.1875
Teorema de Bayes
Una manufacturera recibe embarques de piezas de dos
proveedores. El 65% de las piezas adquiridas provienen
del proveedor 1 y el 35% restante del proveedor 2.
Segn la estadstica existente, de las 100 ltimas piezas
recibidas del proveedor 1, 98 estuvieron buenas y 2
estuvieron malas. En el caso del proveedor 2, 95 piezas
de 100 estuvieron buenas y 5 fueron malas. Suponga
que una de las piezas recibidas de los dos proveedores
est mala, cul es la probabilidad que provenga del
proveedor 1? Cul es la probabilidad que provenga del
proveedor 2?
P(1)
P(2)
P(B|1)
P(M|1)
P(B|2)
P(M|2)
4262 . 0
0305 . 0
0130 . 0
) (
) , 1 (
) | 1 (
M P
M P
M P
P(1,B)=0.65x0.98=0.6370
P(1,M)=0.65x0.02=0.0130
P(2,B)=0.35x0.95=0.3325
P(2,M)=0.35x0.05=0.0175
0.0130 +
0.0175
0.0305
5738 . 0
0305 . 0
0175 . 0
) (
) , 2 (
) | 2 (
M P
M P
M P
Tabla de Excel
) (
) , 1 (
) | 1 (
M P
M P
M P
) (
) , 2 (
) | 2 (
M P
M P
M P
Pr. Marginal Pr. Condicional Pr. Conjunta
Evento P(Evento) P(Mala|Evento) P(Evento,Mala)
Proveedor 1 0.65 0.02 0.0130 P(1,Mala)
Proveedor 2 0.35 0.05 0.0175 P(2,Mala)
0.0305 P(Mala)
P(1|M) 0.4262
P(2|M) 0.5738
Teorema de Bayes
En una fbrica existe una mquina que produce
automticamente engranajes. Si la mquina est
correctamente calibrada producir 90% de piezas
buenas. Si est mal calibrada producir slo 40% de
piezas buenas. La experiencia pasada indica que el 70%
de los trabajos de calibracin dan buenos resultados.
Luego de un trabajo de mantenimiento, la mquina
produce 3 engranajes buenos, como las primeras tres
piezas.
Se desea conocer la probabilidad revisada que la
calibracin halla sido buena?
P(C)
P(NC)
P(B|C)
P(BB|C)
P(BBB|C)
P(C,BBB)=0.70x(0.90)
3
=0.5103
P(NC,BBB)=0.30x(0.40)
3
=0.0192
9637 . 0
5295 . 0
5103 . 0
) (
) , (
) | (
BBB P
BBB C P
BBB C P
0.5103 +
0.0192
0.5295
Tabla de Excel
) (
) , (
) | (
BBB P
BBB Calibrada P
BBB Calibrada P
) (
) , Calibrada No (
) | Calibrada No (
BBB P
BBB P
BBB P
Pr. Marginal Pr. Condicional Pr. Condicional Pr. Conjunta
Evento P(Evento) P(B|Evento) P(BBB|Evento) P(Evento,BBB)
Calibrada 0.70 0.90 0.7290 0.5103 P(Calibrada, BBB)
No Calibrada 0.30 0.40 0.0640 0.0192 P(No Calibrada, BBB)
0.5295 P(BBB)
P(Calibrada|BBB) 0.9637
P(No Calibrada|BBB) 0.0363
GRACIAS