Escuela de Matemáticas
Estadística
Profesora: Eliana Bonalde
Estadística I
Unidad II
e-mail: [email protected]
Probabilidad
El desarrollo inicial de la probabilidad se relaciona a los juegos de azar, en general, la probabilidad es un mecanismo
por el cual pueden estudiarse sucesos aleatorios. Vamos a introducir algunas definiciones relacionadas con la
probabilidad.
Experimento aleatorio
Es aquel que puede producir resultados diferentes, aún cuando se repita siempre de la misma manera.
Para hacer el modelo de un experimento aleatorio y analizarlo, es necesario entender el conjunto de los
resultados posibles del experimento.
Espacio muestral
Es el conjunto de todos los resultados posibles de un experimento aleatorio.
Es frecuente definir el espacio muestral
con base en los objetivos del análisis.
Ejemplo
Experimento aleatorio: Reservaciones canceladas en un vuelo de un avión que cuenta con 36 puestos disponibles
para pasajeros.
Espacio muestral:
• Si se quiere estudiar el número de reservaciones canceladas, entonces el espacio muestral es cualquier entero
positivo no mayor que el número de asientos disponibles para pasajeros: {0, 1, 2, 3, 4, …, 34, 35, 36}
• Si el interés es estudiar las cancelaciones que se hicieron en el tiempo determinado para el reembolso del
dinero, entonces el espacio muestral podría ser:
{con devolución, sin devolución}.
• Si el único objetivo del análisis es ver si hay cancelaciones o no, el espacio muestral podría ser:
{sí, no}
Ejemplo
Con respecto a los resultados de un espacio muestral, se puede estar particularmente interesado en un
subconjunto de éstos.
Evento
Subconjunto del espacio muestral de un experimento.
Los elementos de este subconjunto
tienen alguna característica en común.
Con frecuencias tenemos interés en describir nuevos eventos a partir de combinaciones de los eventos
existentes. Como los eventos son subconjuntos, vamos a utilizar mucha de las operaciones básicas entre
ellos; para complementar y/o refrescar la memoria se dan las siguientes definiciones.
Evento nulo o vacío
Evento que contiene a ningún resultado del espacio muestral.
Sean dos eventos que se encuentran en un espacio muestral dado denotado por S.
Evento contenido en otro
Si cualquier resultado de también es resultado de , se dice que el evento está contenido en
Unión
Evento formado por todos los posibles resultados que están contenidos en cualquiera de los dos eventos,
o en los dos.
Intersección
Evento formado por todos los resultados comunes en los dos eventos.
Complemento
Es el conjunto de resultados del espacio muestral que no están en el evento.
Ejemplo
𝐴 𝐵 𝐴∪𝐵 𝐴 𝐵 𝐴 𝐵 𝐴∩𝐵
𝐴 𝐵 𝐴 𝐵 (𝐴 ∩ 𝐶)′
(𝐴 ∪ 𝐵) ∩ 𝐶
𝐶 𝐶
Espacio muestral S con los elementos A, B y C (Diagramas de Venn)
Eventos excluyentes o disjuntos
Se dice que dos conjuntos son mutuamente excluyentes si no tienen resultados en común.
Leyes de Morgan
Ejemplo
Un modelo de las mediciones del tiempo necesario para completar una reacción química podría ser el
espacio muestral . Sean
Ejemplo
Diagramas de árbol
Los espacios muestrales también pueden describirse gráficamente con diagramas de árbol. Cuando un espacio
muestral puede construirse en varios pasos o etapas, cada una de las 𝑛1 formas de completar el primer paso
puede representarse como la rama de un árbol. Cada una de las formas de completar el segundo paso puede
representarse como 𝑛2 ramas que empiezan en los extremos de las ramas originales, y así sucesivamente.
Ejemplo
Cada mensaje en un sistema de comunicación digital se clasifica de acuerdo a si recibe dentro del tiempo
especificado por el diseño del sistema. Si se clasifican tres mensajes, use un diagrama de árbol para
representar el espacio muestral de los resultados posibles.
Medida de la probabilidad
El conjunto de todos los posibles resultados de un experimento aleatorio puede ser finito, infinito numerable o
infinito no numerable.
Espacio muestral discreto
Un espacio muestral es discreto si contiene un número finito (o contablemente infinito) de resultados. Si
su resultado puede ponerse en una correspondencia uno a uno con el conjunto de los enteros positivos.
Espacio muestral continuo
Un espacio muestral es continuo si sus resultados consisten de un intervalo de los número reales.
Se introduce la probabilidad únicamente para los espacios
muestrales discreto; esto nos permite simplificar los
conceptos; y el no uso de las matemáticas avanzadas.
La probabilidad es un número real que mide la posibilidad de que ocurra un resultado del espacio muestral
cuando el experimento se lleve a cabo, ya que con frecuencia resulta conveniente cuantificar la veracidad, o
posibilidad, de que ocurrirá un resultado de un experimento aleatorio.
La veracidad o factibilidad de un resultado se cuantifica asignando un número del intervalo [0, 1] al resultado
(o un porcentaje de 0 a 100%). Los números más altos indican que el resultado es más factible que los
números más bajos. Un “cero” indica que un resultado no ocurrirá. Un "uno“ indica que un resultado ocurrirá
con certeza.
Siempre que un espacio muestral conste de N resultados posibles que son igualmente factibles, la
probabilidad de cada resultado es 1/N.
Probabilidad de un evento E
Para un espacio muestral discreto S de cardinalidad finita y tal que todos los elementos de S tienen las
mismas probabilidades de ocurrir, la probabilidad de un evento E, denotada por P(E), es igual a
Otra interpretación de la probabilidad se basa en el modelo conceptual de repetir en varias ocasiones el
experimento aleatorio. La probabilidad de un resultado se interpreta como el valor límite de la proporción de
veces que ocurre el resultado en n repeticiones del experimento aleatorio cuando n se incrementa sin
restricciones.
Aquí proporcionamos una interpretación de la probabilidad a través de la frecuencia relativa. La proporción, o
frecuencia relativa, de las repeticiones del experimento que producen el resultado es la probabilidad de que ese
evento ocurra. Las probabilidades se eligen de tal forma que la suma de las probabilidades de todos los resultados
de un experimento se acumulen hasta uno.
Ejemplo
Para un espacio muestral discreto, la probabilidad de un evento, denotada por P(E), es igual a la suma de las
probabilidades de los resultados en E.
Ejemplo
Axiomas de probabilidad
A continuación se da la definición axiomática de la probabilidad, que reúne un conjunto de axiomas que deben
satisfacer las probabilidades de cualquier experimento aleatorio.
Sea S cualquier espacio muestral y E cualquier evento de éste.
Los axiomas no determinan las probabilidades; las probabilidades se asignan con base en nuestro conocimiento
del sistema bajo estudio. Sin embargo, los axiomas permiten calcular con facilidad las probabilidades de algunos
eventos a partir del conocimiento de las probabilidades de otros eventos.
Como consecuencia de estos tres axiomas, tenemos
Regla de adición de probabilidades
Sea S un espacio muestral que contiene a cualesquiera dos eventos A y B, entonces
Si A y B son evento mutuamente excluyentes, entonces
Ejemplo
Unión de tres eventos que no son excluyentes
Para una colección de eventos mutuamente excluyentes, como la intersección entre ellos es vacía, tenemos
que la probabilidad de sus uniones es:
Ejemplo
Probabilidad condicional
Tenemos interés en determinar la probabilidad de un evento A dado que ha ocurrido B.
Ejemplo
Suponga que elegimos aleatoriamente una mujer adulta. ¿Cuál es la probabilidad de que fume?
El evento F está condicionado a la previa ocurrencia del evento M.
H M F Fumador
F n11 n12 N No fumador
H Hombre
N n21 n22 M Mujer
Una vez que el evento mujer ha ocurrido, éste reemplaza a S como el espacio muestral de interés. Por lo tanto, la
probabilidad de tener un fumador es el número de mujeres que fuman (n12) sobre el número total de éstas (n12+ n22).
Ejemplo
Funcionalmente
defectuosas F Imperfecciones superficiales
F’ Sin imperfecciones superficiales
5%
D Funcionalmente defectuosas
25%
Funcionalmente Sin Imperfecciones
defectuosas superficiales
90%
10%
Imperfecciones
superficiales
Ejemplo
A los habitantes de Bucaramanga se les hizo una encuesta con el propósito de determinar el número de usuarios de
Facebook y Twitter. Los resultados fueron los siguientes: 20% usa Facebook, 16% usa Twitter y un 1% usa los dos.
• Si se selecciona al azar un usuario de Facebook, ¿cuál es la probabilidad de que use también Twitter?
• Si se selecciona al azar un usuario de Twitter, ¿cuál es la probabilidad de que use también Facebook?
P(A)=0.2
A Facebook
P(B)=0.16
B Twitter
P(A∩B)=0.01
Ejemplo
Probabilidad condicional
La probabilidad condicional de un evento B dado un evento A, denotada como P(B|A), es
La relación anterior puede escribirse como un producto, lo que da como resultado la regla de la
multiplicación de probabilidades, la cual proporciona una expresión general de la probabilidad de la
intersección de dos eventos.
Regla de multiplicación
Ejemplo
Ejemplo
A Corriente baja
B Sometida a alta temperatura P(B)=0.05
P(A|B)=0.7
Ejemplo
Muchas instituciones bancarias emplean modelos computarizados de crédito con el propósito de dar un
determinado puntaje a todas las solicitudes de préstamo, para decidir cuándo se otorga el crédito. Suponga
que el 3% de todos los préstamos que se otorgan presentan problemas de incumplimiento de pago y que si
una persona cumple con sus pagos, la probabilidad de recibir una puntuación favorable es de un 80%. Si el 85%
de todas las solicitudes reciben puntuaciones favorables por los modelos computarizados y se les otorga el
préstamo, determinar la probabilidad de que una solicitud que recibe una puntuación favorable y a la que se le
otorga el crédito, no presente ningún problema para el pago de éste.
A Incumplimiento de pago P(A)=0.03
B Puntuación favorable P(B)=0.85
P(B|A’)=0.8
A’ Cumplimiento de pago P(A’)=0.97
P(A’|B)=?
A A’
Partición de un evento en dos subconjuntos que son mutuamente excluyentes.
𝐴∩𝐵 B puede expresarse como la unión de la parte B que está en A y la parte B que
𝐴′ ∩ 𝐵
está en A’.
B
Regla de probabilidad total
Sean A y B dos eventos cualesquiera
𝐸1 𝐸2
B 𝐸3
𝐵 ∩ 𝐸1
𝐵 ∩ 𝐸2
𝐵 ∩ 𝐸3 𝐸4
𝐵 ∩ 𝐸4
El resultado anterior, se puede ampliar para una colección de conjuntos mutuamente excluyentes y exhaustivos.
Ejemplo
La probabilidad requerida depende de si el chip estuvo o no expuesto a niveles altos de contaminación.
Niveles altos Sin niveles
de altos de
contaminación contaminación A Niveles altos de contaminación P(A)=0.20
A’ Sin niveles altos de contaminación P(B)=0.80
F F Falla
P(F|A)=0.10
A A’ P(F|A’)=0.005
Ejemplo
Eventos independientes
Al considerar la probabilidad de algún evento B, dada la ocurrencia de otro evento A, siempre se implica que las
probabilidades de A y B de alguna manera son dependiente entre sí. Es decir, la información con respecto a la
ocurrencia de A, afectará a la probabilidad de B. Supóngase que la ocurrencia de A no tiene ningún efecto sobre
la probabilidad de B, es decir, la probabilidad de P(B|A) podría ser igual a P(B).
Ejemplo
Considere una gasolinera con seis bombas enumeradas, y sea Ei el evento en que un cliente selecciona al azar
utilizar la bomba i. i=1,2,3,4,5,6.
Sea:
P(E1)=P(E6)=0.10 A={2,4,6}
P(E2)=P(E5)=0.15 B={1,2,3}
P(E3)=P(E4)=0.25 C={2,3,4,5}
Eventos independientes
Dos eventos son independientes si es verdadero cualquiera de los siguientes enunciados:
La tercera parte de la definición anterior se puede ampliar a tres o más conjuntos, y extender el concepto de
independencia estadística.
Los eventos E1, E2, … En son independientes si y solo si la probabilidad de la intersección de cualquiera de
ellos es igual al producto de sus respectivas probabilidades.
Ejemplo
Ejemplo
Ejemplo
Ejemplo
Teorema de Bayes
El siguiente resultado permite llevar a cabo un cambio en el orden en el que se consideran los eventos en la
probabilidad condicional. Es decir, podemos relacionar la probabilidad de que un evento B ocurra sabiendo que
ocurrió A, con la probabilidad de que ocurra lo contrario, es decir, que ocurra A dado B.
Teorema de Bayes
Sean B1, B2, …, Bj un conjunto de eventos mutuamente excluyentes y exhaustivos con probabilidades
previas y . Sea A cualquier otro evento para el cual , entonces
De la primera a la segunda expresión, nos apoyamos en el uso de la probabilidad condicional; de la segunda a
la tercera expresión, en el uso de la regla de la multiplicación en el numerador y la ley de la probabilidad total
en el denominador.
Demostración
Probabilidad condicional
A
𝐴 ∩ 𝐵1
Regla de la multiplicación 𝐴 ∩ 𝐵2
𝐴 ∩ 𝐵3
𝐴 ∩ 𝐵4
Ley de la probabilidad total
Ejemplo
D padece
D’ No padece
S Positivo
N Negativo
P(N|D’)= 0.95
P(S|D)= 0.99
P(D)= 0.0001
P(D|S)=?
D D’
S S
N N
Mientras existan relativamente pocos eventos en la repartición, se puede utilizar un diagrama de árbol como
base para calcular probabilidades posteriores sin jamás referirse de manera explícita al teorema de Bayes.
Ejemplo
F Fumador
F’ No fumador
C Cancer
P(C|F)= 0.9
P(C|F’)= 0.05
P(F)= 0.45
P(F’)= 1-0.45=0.55
P(F|C)=?
