Clase 1: Espacios muestrales y eventos.
Axiomas de
y propiedades de la medida de
probabilidad. Interpretacion
probabilidad
Lina Mara Acosta Avena*
ASESORIAS: LUNES DE 4:00 pm - 6:00 pm. VIERNES DE
9:00 am - 11:00 am, B43-103
Escuela de Estadstica
Universidad Nacional de Colombia, Sede Medellin
[email protected]
*
Estudiante de la Maestra en Ciencias Estadstica
Estadstica I.
1
EVALUACION
en el horario de clases con una duracion
Todas los parciales y trabajos seran
de 50 minutos y 80 minutos, respectivamente (tener a la mano el da del tra
bajo la orden de impresion).
en la sala de sistemas del segundo piso del BLOQUE
Las evaluaciones seran
21.
Parcial I (10 %). Septiembre 3 y 4.
Trabajo I (10 %). Septiembre 10 y 11. Sobre Estadstica Descriptiva con
al
el paquete SAS. Leer el documento sobre la induccion
SAS (MOODLE).
Parcial II (15 %) . Octubre 1 y 2.
Parcial III (15 %). Octubre 15 y 16.
Estadstica I.
2
EVALUACION
Parcial IV (15 %). Octubre 31 y Noviembre 1.
Trabajo II (15 %). Noviembre 19 y 20. Sobre Pruebas de hipotesis
(en el
paquete SAS).
Parcial V (20 %). Noviembre 21 y 22.
Estadstica I.
3
SUPLETORIOS
la sala de sistemas del segundo piso del BLOQUE 21 a
Los supletorios seran
las 12:00 m
Supletorio Parcial I. Lunes 9 de septiembre.
Supletorio Parcial II. Lunes 7 de octubre.
Supletorio Parcial III. Lunes 21 de octubre
Supletorio Parcial IV. Miercoles 6 de noviembre
Supletorio Parcial V. Lunes 25 de noviembre.
Estadstica I.
4
DEFINICIONES
Experimento: Se entiende como cualquier procedimiento que genera datos
En otras palabras, un experimento es cualquier proceso que
o informacion.
produce un resultado.
Experimento aleatorio: Es aquel que proporciona diferentes resultados,
aun
cuando este es repetido bajo las misma condiciones experimentales.
En los experimentos aleatorios no se sabe de antemano su resultado pero si
se conocen los posibles resultados.
Estadstica I.
5
DEFINICIONES
Ejemplos
Seleccionar una o varias cartas de un mazo.
Obtener tipos de sangre de un individuo.
Lanzar al aire una moneda una o varias veces.
Estadstica I.
6
DEFINICIONES
Espacio muestral: El espacio muestral de un experimento aleatorio, denotado por S, es el conjunto de todos los posibles resultados de dicho experimento.
Ejemplos
Lanzar una moneda S = {cara, sello} o S = {C, S}
Lanzar dos monedas S = {CC, CS, SC, SS}
Estadstica I.
7
DEFINICIONES
Estadstica I.
8
DEFINICIONES
En un diagrama de arbol,
cada rama corresponde a un elemento del espacio
muestral.
Lanzar tres monedas S = {CCC, CCS, CSC, CSS, SCC, SCS, SSC, SSS}
Estadstica I.
9
DEFINICIONES
Estadstica I.
10
DEFINICIONES
Lanzar un dado cubico
S = {1, 2, 3, 4, 5, 6}
Lanzar dos dados cubicos
1
2
3
4
5
6
1
(1,1)
(2,1)
(3,1)
(4,1)
(5,1)
(6,1)
2
(1,2)
(2,2)
(3,2)
(4,2)
(5,2)
(6,2)
3
(1,3)
(2,3)
(3,3)
(4,3)
(5,3)
(6,3)
4
(1,4)
(2,4)
(3,4)
(4,4)
(5,4)
(6,4)
5
(1,5)
(2,5)
(3,5)
(4,5)
(5,5)
(6,5)
6
(1,6)
(2,6)
(3,6)
(4,6)
(5,6)
(6,6)
Estadstica I.
11
DEFINICIONES
diaria y se determina su du Selecionar un bombillo de la produccion
S = [0, )
racion.
Seleccionar un numero
del conjunto de los reales. S = (, )
De manera que el conjunto de todos los posibles resultados puede ser finito o
infinito (numerable o no numerable).
Estadstica I.
12
DEFINICIONES
Evento: Un evento del espacio muestral es un grupo de resultados con
tenidos en este
cuyos miembros tienen una caracterstica en comun
(se pueden
asociada a una pregunta de investigacion).
ver como la informacion
Usualmente se denotan con letras mayusculas.
El evento que contiene a ningun
resultado del espacio muestral se le llama
Evento vaco o nulo, denotado con la letra griega .
Estadstica I.
13
DEFINICIONES
Ejemplos
Se lanza un dado corriente dos veces consecutivas, sean los eventos
A: la suma de los resultados obtenidos es menor que 7
B: El segundo resultado es un numero primo
se tiene que
A = {(1, 1), (1, 2), (1, 3), (1, 4), (1, 5), (2, 1), (2, 2), (2, 3), (2, 4), (3, 1),
(3, 2), (3, 3), (4, 1), (4, 2), (5, 1)}
B = {(1, 1), (1, 2), (1, 3), (1, 5), (2, 1), (2, 2), (2, 3), (2, 5), (3, 1), (3, 2), (3, 3),
(3, 5), (4, 1), (4, 2), (4, 3), (4, 5), (5, 1), (5, 2), (5, 3), (6, 1), (6, 2), (6, 3), (6, 5)}
Estadstica I.
14
DEFINICIONES
diaria de una empresa se seleccionan aleatoriamente
De la produccion
tres artculos y se catalogan como defectuosos (D) o no defectuosos (N).
Sea A el evento que denota que hay exactamente dos defectuosos.
Determinar los elementos de A.
Estadstica I.
15
DEFINICIONES
Estadstica I.
16
DEFINICIONES
Al definir el espacio muestral como un conjunto, todas las operaciones basicas
de la teora de conjuntos es aplicable a los eventos. As podemos hablar de
interseccion,
complemento y contenencia.
union,
Estadstica I.
17
OPERACIONES ENTRE CONJUNTOS
Sean A y B dos eventos del espacio muestral S.
Es el evento formado por todos los posibles resultados en A o B o en
Union:
ambos. Se denota por A B.
Es el evento formado por todos los resultados comunes tanto
Interseccion:
en A como en B. Se denota por A B.
Estadstica I.
18
OPERACIONES ENTRE CONJUNTOS
Estadstica I.
19
OPERACIONES ENTRE CONJUNTOS
Complemento: El complemento de un evento A con respecto a el espacio
muestral S, es quel que contiene a todos los resultados de S que no se en0
cuentran en A. Se denota por A .
es un resultado de A,
Contenecia: Si cualquier resultado de B tambien
se dice que el evento B esta contenido en A. Se denota por B A.
Estadstica I.
20
OPERACIONES ENTRE CONJUNTOS
Estadstica I.
21
OPERACIONES ENTRE CONJUNTOS
Eventos excluyentes (disjuntos): Se dice que los eventos A y B son
excuyentes o disjuntos si no tienen resultados en comun,
esto es A B = .
En general si A1, A2, . . . , An son eventos de S, se dice que son mutuamente
excluyentes si Ai A j = para i 6= j, i, j = 1, 2, . . . , n.
Estadstica I.
22
OPERACIONES ENTRE CONJUNTOS
Estadstica I.
23
PROBABILIDAD
La probabilidad es un numero
Definicion:
real que mide la posibilidad de
que ocurra un resultado del espacio muestral, cuando el experimento se lleve
es un numero
a cabo. Por lo tanto, la probabilidad de un evento tambien
real
que mide la posibilidad colectiva de ocurrencia, de los resultados del evento
cuando se lleve a efecto el experimento.
La probabilidad se calcula como el numero
de casos favorables sobre el total.
Estadstica I.
24
PROBABILIDAD
de probabilidad: Sea S cualquier espacio muestral y sea A
Funcion
de probabilidad sobre el espacio
cualquier evento de este,
se llamara funcion
muestral S a P(A) si satisface los siguientes axiomas:
1. P(A) 0
2. P(S) = 1
3. Si para los eventos A1, A2, A3, . . . Ai A j = para todo i 6= j se tiene
P(A1 A2 . . .) = P(A1) + P(A2) + . . . =
P(Ai)
i=1
Estadstica I.
25
PROBABILIDAD
TEOREMA: Sean A, B y C eventos del espacio muestral S.
1. 0 P(A) 1
Dm:
A S = P() P(A) P(S) = 0 P(A) 1
0
2. P(A ) = 1 P(A)
Dm:
0
S = A A = P(S) = P(A A) = P(A ) + P(A)
0
0
0
= 1 = P(A A) = P(A ) + P(A) = P(A ) = 1 P(A)
Estadstica I.
26
PROBABILIDAD
3. Si A B entonces P(A) P(B)
Dm: Como A B entonces
B = A (B A) = P(B) = P(A) + P(B A) P(A)
= P(B) P(A)
4. P(A B) = P(A) + P(B) P(A B)
Dm:
0
A B = A (A B) = P(A B) = P(A) + P(B) P(A B)
Estadstica I.
27
PROBABILIDAD
5. P() = 0
Dm:
0
P() = 1 P( ) = 1 P(S) = 1 1 = 0
0
6. P(A B ) = P((A B) ) = 1 P(A B) por Leyes de De Morgan
7. P(A B C) = P(A) + P(B) + P(C) P(A B) P(A C) P(B C) +
P(A B C)
0
8. P(A B) = P(B) P(A B)
Estadstica I.
28
EJEMPLOS
1. Un total del 35 % de los estudiantes de la universidad Nacional de Colom inscritos en un curso de ingles,
el 7 % estan
inscritos en un
bia estan
y el 2 % estan inscritos en cursos de ingles
y aleman
curso de aleman
inscritos en cursos de ingles
(a) que porcentaje de estudiantes estan
pero no de aleman?
inscritos en ingles
ni aleman?
(b) que porcentaje de estudiantes no estan
Estadstica I.
29
EJEMPLOS
Solucion:
Sean los eventos
A : Estudiantes inscritos en el curso de aleman
I : Estudiantes inscritos en el curso de ingles
Se tiene que P(I) = 0,35 P(A) = 0,07 P(A I) = 0,02
0
preguntando por P(I A ) =?
(a) Estan
graficamente
se puede ver que I = (A I) (I A )
0
= P(I) = P(A I) + P(I A )
0
= P(I A ) = P(I) P(A I) = 0,35 0,02
0
preguntando por P(I A ) =?
(b) Estan
Estadstica I.
30
EJEMPLOS
P(I A ) = P((I A) )
= 1 P(I A)
por teorema parte 6 (leyes de De Morgan)
por teorema parte 2
= 1 [P(I) + P(A) P(I A)]
por teorema parte 4
= 1 [0,35 + 0,07 0,02]
= 0,6
Estadstica I.
31
EJEMPLOS
Estadstica I.
32
EJEMPLOS
2. La siguiente tabla presenta la historia de 940 productos de un proceso
de semi - conductores. Se elige al azar un producto. Sea
de fabricacion
yB
A el evento en que el producto tenga altos niveles de contaminacion
electronica.
el evento en que el producto paso por un proceso de revision
alta
Contaminacion
No
Si
electronica
Revison
No
Si
Total
514 68
582
112 246
358
Total
626
314
940
Estadstica I.
33
EJEMPLOS
Calcule la probabilidad de que el producto
(a) tenga altos niveles de contaminacion.
electronica.
(b) pase por un proceso de revision
y pase por un proceso de revision
(c) tenga altos nieveles de contaminacion
electronica.
y no pase por un proceso de re(d) tenga altos nieveles de contaminacion
electronica.
vision
Estadstica I.
34
EJEMPLOS
Solucion
(a) P(A) = 358
940 = 0,3809
314 = 0,3340
(b) P(B) = 940
246 = 0,2617
(c) P(A B) = 940
0
358 246 = 112 = 0,1191
(d) P(A B ) = P(A) P(A B) = 940
940
940
Estadstica I.
35
EJEMPLOS
3. Sean A y B eventos tales que P(A B) = 0,7 y P(B) = 0,2. Determinar
P(A) de tal forma que los eventos A y B sean mutuamente excluyentes.
Sln:
Si asuminos que A y B son mutuamentes excluyentes, se tiene que
P(A B) = P(A) + P(B) = 0,7 = P(A) + 0,2 = P(A) = 0,5
4. Suponga que A, B y C son eventos tales que P(A) = P(B) = P(C) = 0,3,
es la probabilidad de
P(A B) = P(C B) = 0,1 y P(A C) = 0. Cual
que almenos uno de los eventos ocurra?
Estadstica I.
36
EJEMPLOS
Sln:
Como A C = = A B C = = P(A B C) = 0
luego
P(A B C) = P(A) + P(B) + P(C) P(A B) P(A C) P(C B) + P(A B C)
= 0,3 + 0,3 + 0,3 0,1 0 0,1 0
= 0,7
5. Los eventos A, B, y C son tales que A B C y P(A) = 14 , P(B) = 12 y
0
P(C) = 34 . Calcule la probabilidad de P(A B C)
Estadstica I.
37
EJEMPLOS
Sln:
0
P(A B C) = P((A B ) C)
0
= P((A B) C)
por leyes de De Morgan
= P(C) P(C (A B)) por teorema parte 8
= P(C) P(A B)
= P(C) P(B)
3 1
=
4 2
1
=
4
Estadstica I.
38
EJEMPLOS
0
6. Sean A y B dos eventos, con P(A) = 12 y P(B ) = 14 . Pueden ser A y B
mutuamente excluyentes?.
Sln: Supongamos que A y B son mutuamente excluyentes, entonces
P(A B) = P(A) + P(B)
ahora P(A B) = 12 + 34 = 54 > 1
Note que al asumir que los eventos son mutuamente excluyentes nos conduce
a una probabilidad mayor que 1, por lo tanto A y B no pueden ser eventos
mutuamente excluyentes.
Estadstica I.
39
