Universidad Privada Antonio Guillermo Urrelo

CURSO: Estadstica Descriptiva e Inferencial

CARRERA PROFESIONAL: Administracin

Turstica:
Hotelera y
Gastronoma

DOCENTE: MSC. Aid Yanet Huamn Rivera

 PROBABILIDAD Y
DISTRIBUCIONES DE
PROBABILIDAD DISCRETAS

UNIDAD DE APRENDIZAJE N
02
 NOCIONES FUNDAMENTALES DE PROBABILIDAD

COMPETENCIA
El estudiante aplicar los fundamentos de la teora de la
Probabilidad en el clculo de probabilidades de
diferentes tipos de eventos.
 IMPORTANCIA DE PROBABILIDAD Y
ESTADISTICA
Son importantes porque:
Necesitamos tomar decisiones frente a la incertidumbre en
base a experimentos; para resolver problemas de ,
Administracin, Economa, Ingeniera etc.; y nos permiten
cuantificar la confianza en nuestras conclusiones.
Por ejemplo: Si un Administrador se encuentra con datos de un
proceso de produccin en el que se muestrean 100 artculos y se
encuentra que 10 estn defectuosos, entonces los elementos de
probabilidad permiten determinar que tan concluyente es la informacin
muestral con respecto a la naturaleza del proceso.
 EXPERIMENTO, ESPACIO MUESTRAL Y EVENTOS

ES CUALQUIER PROCESO O ACTIVIDAD QUE GENERE

RESULTADOS.

EXPERIMENTO ALEATORIO ES AQUEL QUE

PROPORCIONA DIFERENTES RESULTADOS AUN
CUANDO SE REPITA DE LA MISMA MANERA.
EJEMPLOS DE EXPERIMENTO

1. Lanzar una moneda.

2. Lanzar un dado.
3. Lanzar tres monedas simultneamente.
4. Registrar el sexo de la siguiente persona que nazca en
la clnica de esta ciudad.
ESPACIO MUESTRAL
EL ESPACIO MUESTRAL ES UN CONJUNTO FORMADO POR
TODOS LOS POSIBLES RESULTADOS DE UN EXPERIMENTO
ALEATORIO.

A cada elemento del espacio muestral se conoce como

punto muestral (elemento o miembro del espacio
muestral).

Notacin. El espacio muestral de un experimento se

denota por medio de la letra S. En algunas referencias
se usa la letra griega mayscula omega, , para
EJEMPLOS DE ESPACIO MUESTRAL

1. Cuando se lanza una moneda puede caer cara(c) o

sello(s). As, S = {c, s}.
2. Al lanzar un dado, puede caer cualquiera de sus seis
caras con 1, 2, 3, 4, 5 o 6 puntos. En este caso,
S={1,2,3,4,5,6}.
3. Si se lanzan tres monedas al mismo tiempo puede
ocurrir cualquiera de 8 resultados posibles. As que,
S={ccc, sss, css, ssc, scs, scc, ccs, csc}.
4. Al registrarse el sexo de la siguiente persona que nace
puede ocurrir hombre (h) o mujer (m). El espacio
muestral es S={h, m}.
EXPERIMENTO, ESPACIO MUESTRAL Y EVENTOS

A veces, los espacios muestrales tienen un

nmero grande o infinito de elementos. En
este caso es mejor usar una regla o
descripcin antes que enumerar(*) sus
elementos. Si los resultados posibles de un
experimento son el conjunto de individuos
en el mundo con ms de 1.60 m de estatura
que asisten a una universidad, el espacio
muestral se escribe as:
S = {x|x es un terrcola con ms de 1.60 m de
estatura que asiste a una universidad}
(*) Como ocurre con los conjuntos
EVENTOS

Un evento es un subconjunto del espacio muestral y

lo denotaremos por A, B, C, D, E, F, etc.
1. Al lanzar una moneda, vimos que S = {c, s}. Entonces el
evento A de que caiga sello es el subconjunto A = {s}.
Se cumple que A S.
2. Al lanzar un dado, puede definirse el evento B de que
ocurra una cara con nmero par. En este caso, B={2,4,6}.
Observemos que B es un subconjunto de S, B S.

Un suceso es todo elemento de un espacio muestral y lo

denotaremos por a, b, c, d, e, f,, 1, 2, 4,, etc.
IMPORTANTE
En casos extremos, un evento puede ser:
Un subconjunto que incluya todo el espacio muestral.

Un conjunto que no contenga elementos (llamado el evento

nulo, que se representa con ).

Puesto que los eventos son subconjuntos, son

aplicables a ellos todas las operaciones y
resultados de la teora de conjuntos.
MS CONCEPTOS SOBRE EVENTOS

Se dice que dos eventos son mutuamente excluyentes si uno de ellos

y slo uno puede tener lugar cuando se ejecuta (una vez) el
experimento.
(En otros trminos: Dos eventos E1 y E2, tales que E1E2=, se dice que son mutuamente excluyentes)

Se dice que una coleccin de eventos E1, E2, , Ek, es mutuamente

excluyente si Ei Ej = , donde las ij toman valores desde 1 hasta k.
(Es decir todos los pares de eventos deben ser mutuamente excluyentes para que la coleccin entera tambin lo sea)

Se dice que una coleccin de eventos E1, E2, , Ek, es exhaustiva si

E1E2 Ek=S.

*ACLARACIN. Estas ltimas tres definiciones sern de gran utilidad para enunciar el teorema de probabilidad total previo al
teorema de Bayes que veremos posteriormente
CONCEPTOS BSICOS DE PROBABILIDAD

EJEMPLOS:
Cul es la probabilidad de aprobar Estadstica?

Cul es la probabilidad de no encontrarme un atasco en

la combi 34 cuando voy a clase?

Todos los das nos hacemos preguntas sobre probabilidad

e incluso los que han visto poco de la materia en cursos
anteriores, tienen una idea intuitiva lo suficientemente
correcta para lo que necesitamos de ella en este curso.
Tipo de N %
Servicio Turistas Clsica: Probabilidad de un evento es la
razn entre el nmero de casos (sucesos)
Clase A 39 35.45 favorables y el nmero total de casos
(sucesos) posibles; lo que hace que estos
sucesos sean igualmente posibles.
Clase B 41 37.27
N ( A) n A nmero de casos favorables al evento A
Clase C 30 27.27 P A
N ( ) n nmero de casos posibles
Total 110 100.0
0 Frecuentista (objetiva): Probabilidad de un
evento es la frecuencia relativa (%) de
veces que ocurrira el evento al realizar
un experimento repetidas veces.

Subjetiva (bayesiana): Grado de certeza

que se posee sobre un evento. Es
personal.

En los tres tipos de definiciones aparece el

concepto de evento. Vamos a recordar
qu son y algunas operaciones que se
pueden realizar con eventos.
CONTEO DE PUNTOS DE LA MUESTRA

En muchos casos debemos ser capaces de resolver un

problema de probabilidad mediante el conteo del
nmero de puntos en el espacio muestral sin listar cada
elemento. El principio fundamental del conteo se
denomina regla de multiplicacin, se establece como
sigue:
TEOREMA 1.- Si una operacin se puede llevar a cabo
en n1 formas, y si para cada una de ests se puede
realizar una segunda operacin en n2 formas, entonces
las dos operaciones se pueden ejecutar juntas de n1n2
formas.
CONTEO DE PUNTOS DE LA MUESTRA
Ejemplo 1: Cuntos puntos muestrales hay en el espacio muestral cuando
se lanza una vez un par de dados?
Solucin: El primer dado puede caer en cualquiera de n1=6 maneras. Para
cada una de esas 6 maneras el segundo dado tambin puede caer en n2=6
formas. Por tanto, el par de dados puede caer en:
n1n2 = (6)(6) = 36 formas posibles

TEOREMA 2.- Si una operacin se puede ejecutar en n1 formas, y si para

cada una de ests se puede llevar a cabo una segunda operacin en n2
formas, y para cada una de las primeras dos se puede realizar una tercera
operacin en n3 formas, y as sucesivamente, entonces la serie de k
operaciones se puede realizar en: n1n2 ,,nk formas.
CONTEO DE PUNTOS DE LA MUESTRA

Ejemplo 2: Cuntos almuerzos que consisten en una sopa, emparedado,

postre y una bebida son posibles si podemos seleccionar de 4 sopas, 3 tipos
de emparedados, 5 postres y 4 bebidas?
Solucin: Como n1=4, n2=3, n3=5, n4=4, hay:
n1 x n2 x n3 x n4 = 4x3x5x4 = 240 diferentes maneras de elegir un almuerzo.
Con frecuencia nos interesamos en un espacio muestral que contiene como
elementos a todas las posibles ordenaciones o arreglos de un grupo de
objetos. Por ejemplo, podemos querer saber cuntos arreglos diferentes son
posibles para sentar a seis personas alrededor de una mesa, o podemos
preguntar cuantas ordenaciones diferentes son posibles para sacar dos
billetes de lotera de un total de 20. Los diferentes arreglos se llaman
permutaciones.
CONTEO DE PUNTOS DE LA MUESTRA

Definicin.- Una permutacin es un arreglo de todo o

parte de un conjunto de objetos.
TEOREMA 3.- El nmero de permutaciones de n objetos
distintos es n!.
Ejemplo 3: El nmero de permutaciones de 4 letras a, b,
c, d ser:4! = 24 arreglos distintos.
TEOREMA 4.- El nmero de permutaciones de n objetos
distintos tomados de r a la vez es:
n Pr=n! / (n-r)!.
CONTEO DE PUNTOS DE LA MUESTRA

Ejemplo 4: Se sacan dos billetes de lotera de 20 para

un primer y un segundo premio. Encuentre el nmero
de puntos muestrales en el espacio S.
Solucin: El nmero total de puntos de la muestra es:
20P2 = 20! / (20 2)! = 380 maneras distintas en las
que se puede extraer los billetes.
TEOREMA 5.- El nmero de permutaciones de n objetos
distintos arreglados en un crculo es: (n - 1)!.
CONTEO DE PUNTOS DE LA MUESTRA

TEOREMA 6.- El nmero de permutaciones distintas de n

cosas de las que n1 son de una clase, n2 de una segunda
clase, , nk de una k-sima clase es:
n! / (n1! n2!...nk!)
TEOREMA 7.- El nmero de formas de partir un
conjunto de n objetos en r celdas con n1 elementos
en la primera celda, n2 elementos en la segunda, y
as sucesivamente, es: n! / (n1! n2!...nr!)
Donde n1+n2+n3++nr =n
CONTEO DE PUNTOS DE LA MUESTRA

TEOREMA 8.- El nmero de combinaciones (sin importar

el orden) de n objetos distintos tomados de r a la vez
es: n! / r ! (n-r!)
EVENTOS
Cuando se realiza un experimento aleatorio diversos resultados son posibles. El
conjunto de todos los resultados posibles se llama espacio muestral (S).

S espacio muestral
Se llama evento a un subconjunto de dichos resultados.

Se llama suceso a todo elemento del espacio muestral.

Se llama evento contrario (complementario) de un evento A, A, al formado por

los elementos que no estn en A

Se llama evento unin de A y B, AUB, al formado por los resultados

S espacio muestral experimentales que estn en A o en B (incluyendo los que estn en ambos.

Se llama evento interseccin de A y B, AB o simplemente AB, al formado por

A los elementos que estn en A y B
A S espacio muestral S espacio muestral

UNIN
A A INTERSECCI
N .
B B
DEFINICIN DE PROBABILIDAD

Se llama probabilidad a cualquier funcin, P, que asigna a cada

evento A un valor numrico P(A), verificando las siguientes reglas
(axiomas) S espacio muestral
100%
P(S)=1
S espacio muestral

0P(A) 1 B
P(AUB)=P(A)+P(B) si AB=
es el conjunto vaco.
PROBABILIDAD CONDICIONADA
ALGUNAS REGLAS DE CLCULO PRCTICAS

Cualquier problema de probabilidad puede resolverse en

teora mediante aplicacin de los axiomas. Sin embargo, es
ms cmodo conocer algunas reglas de clculo:

P(A) = 1 - P(A)

P(AUB) = P(A) + P(B) - P(AB)

P(AB) = P(A) P(B|A)

= P(B) P(A|B)
INDEPENDENCIA DE EVENTOS

Dos sucesos son independientes si el que ocurra uno,

no aade informacin sobre el otro.

A es independiente de B

P(A|B) = P(A)

P(AB) = P(A) P(B)

Ejemplo (I)
Ejemplo (II)
Ejemplo (III)
Ejemplo (IV)
SISTEMA EXHAUSTIVO Y EXCLUYENTE DE EVENTOS
DIVIDE Y VENCERS
TEOREMA DE LA PROBABILIDAD TOTAL
Ejemplo (IV)

Un procesador para computadores puede provenir de cualquiera de

tres fabricantes con probabilidades:
p1 = 0,25 ; p2 = 0,50 ; p3 = 0,25.
Las probabilidades de que un procesador funcione correctamente
durante 10.000 horas es 0,1; 0,2 y 0,4 respectivamente para los 3
fabricantes:

i) Calcular la probabilidad de que un procesador elegido al azar

funcione durante 10.000 horas.

ii) Si el procesador funcion correctamente durante el perodo de

10.000 horas cul es la probabilidad de que haya provenido del 3er
fabricante?
SOLUCIN

i) P(C) =

= 0,1*0,25 + 0,2*0,5 + 0,4*0,25

= 0,225.

ii) P(F3/C) = P(C/F3) P(F3) / P(C)

= 0,4 * 0,25 /0,225

= 0,444.
QU HEMOS VISTO?
Experimento, espacio muestral, evento y suceso.
Probabilidad
Nociones
Clsica
Frecuentista
Subjetiva o Bayesiana
Axiomas
Probabilidad condicionada
Reglas de clculo
Complementario, Unin, Interseccin
Independencia de sucesos
Sistema exhaustivo y excluyente de sucesos
Teorema probabilidad total.
Teorema de Bayes.