PROBABILIDADES

1
Concepto de Población o Universo. es el conjunto total de
unidades estadísticas elementales que al investigador le
interesa conocer.
Muestra: Subconjunto de unidades estadísticas elementales
extraído de la población objeto de estudio.
Relación entre la Probabilidad, la Estadística y la Investigación.
La estadística forma parte esencial de una investigación porque
los datos obtenidos de un experimento (muestra) deben
clasificarse, organizarse y analizarse para extraer toda la
información posible y con base en ésta, generalizar el
comportamiento observado.
Entonces, será posible: tomar decisiones, probar hipótesis etc.
respecto al comportamiento de la población objeto de estudio.
La probabilidad interviene en el proceso porque los modelos de
medición que utiliza la estadística son fundamentalmente
probabilísticos.
2
Diseño de Experimentos: Es importante al realizar
investigación, diseñar y planificar la forma de hacerlo.
Debe haber una idea clara de:
qué se va a medir, como se va a medir y en qué
condiciones se va a medir; con el objeto de que se
cumplan los requisitos necesarios para utilizar un
método estadístico que facilite el análisis y permita
fundamentar la toma de decisiones.
Si no se diseña el proceso desde el principio el
investigador podría llevarse la sorpresa de que todo
su trabajo no es apto para ser manejado
estadísticamente y entonces perder su valor ante la
falta de un fundamento matemático sólido.
3
Relación entre la Estadística y la Probabilidad
Los fenómenos en la naturaleza pueden clasificarse
como determinísticos o como aleatorios.
Sin embargo, la mayoría de los fenómenos que ocurren en el
universo, son aleatorios, (=se producen de una forma o de otra,
dependiendo de las circunstancias del momento, sin que el
investigador pueda controlar todas las variables que influyen en
el resultado).
Por esta razón, los modelos matemáticos que podrían explicar
un determinado fenómeno, se fundamentan en
las leyes de la probabilidad. Así que es necesario que el
investigador tenga una idea clara de cómo ocurren los procesos
aleatorios y las leyes que rigen su comportamiento, para que
sea capaz de obtener mejores resultados en su trabajo.

4
Experimento:
Es cualquier proceso o acción que genera
observaciones y que puede ser repetible.
Por ejemplo:
• arrojar un dado una vez
• arrojar un dado dos veces
• seleccionar un individuo y registrar su peso
• seleccionar una muestra de alimento balanceado
elaborado por una empresa para hacer un
control de calidad
• seleccionar un día al azar y registrar el Nº de
veces que se enferma un individuo en un período
de tiempo determinado.
5
 Experimentos

Determinísticos Aleatorios
Es cualquier proceso que repetido mas Es aquel cuyo resultado NO SE PUEDE
de una vez GENERA UN RESULTADO PREDECIR, es un proceso que puede
INEQUÍVOCO Y QUE SE PUEDE repetirse bajo las mismas condiciones mas
de una vez y que genera un conjunto de
PREDECIR.
datos, resultados que dependerán del azar.
Ej: registrar la trayectoria que seguirá un CADA RESULTADO POSIBLE DE LOS
objeto que se cae de una mesa. EXPERIMENTOS ALEATORIOS TENDRÁ
ASOCIADA UNA PROBABILIDAD.
6
ESPACIO MUESTRAL (denotado con “U” o
“S”según la bibliografía):
Es el conjunto de todos los resultados posibles
de un experimento aleatorio. (O bien es el
número de resultados totales, obtenidos al
realizar un experimento al azar).

7
EJEMPLO1 : U = edades de los alumnos
de la clase de estadística. El espacio
muestral sería:
U= {18, 19, 20, 21, 22, 23, 25…..}

Ejemplo 2: Al tirar un dado, el número de

resultados posibles es: 1, 2, 3, 4, 5 y 6 que,
como espacio muestral se representan
como el conjunto
U= {1,2,3,4,5,6}.

PUNTO MUESTRAL: es cada uno de los

elementos del espacio muestral.
8
SUCESO ALEATORIO (= evento)(A ó B ó C ó S etc…)
Es cualquier subconjunto del espacio muestral,
correspondiente a un experimento aleatorio.

Por ejemplo, si dentro del experimento

aleatorio especificamos que el evento E1 es el
número de puntos que son múltiplos de 3, al
tirar el dado, tendremos que:
E1 = {3, 6}
Suceso seguro: Es el suceso formado por todos los
sucesos elementales.
9
 Suceso aleatorio (S)
Ej: U= edades de los estudiantes de
Bioestadística
Los sucesos aleatorios podrían ser:
S1 = { 19, 20, 21}
S2 = { 20 }
S3 = {18, 23, 25}
S4 = { 18, 25, 18, 18 }

10
 DEFINICIÓN DE PROBABILIDAD
La probabilidad de un suceso A, es el
cociente entre el nº de resultados favorables
al suceso A (m) y el nº de resultados posibles
del experimento (n).

P(A)= nº de casos favorables (m)

nº de casos posibles (n)
P(A) = m / n
Donde “n”, se interpreta como el Nº de veces
que se repite el experimento aleatorio
11
Probabilidad: es también “cualquier función
P, que asigna a cada evento ó suceso “A” un
valor numérico P(A)”,
P(U) = 1
Se lee como:
La probabilidad del
U
total, U, es igual a 1.

12
• La probabilidad de un suceso por ej: P(A), siempre
será un nº mayor o igual que cero y menor o igual
que 1

2) 0  P (A)  1,
(para cualquier suceso ó
evento A)
13
14
Ejemplo: sea el experimento (E)
“arrojar la moneda dos veces”

Llamando C a obtener cara y X a la

obtención de cruz, obtenemos el
siguiente espacio muestral:

U={(CC),(CX),(XC),(XX)}

15
 Sobre este experimento se definen los
sucesos aleatorios

A= “se obtiene al menos una cara”,

A=[( C,C); (X,C); (C,X)]

B= “se obtienen dos caras”,

entonces: B[(C,C)]

16
17
RELACIONES ENTRE SUCESOS: sean A y B dos sucesos
EL SUCESO SUMA (A+B): ES AQUEL QUE OCURRE SI A Ó B
Ó AMBOS SUCESOS OCURREN, denotado también como (AUB)
Es el suceso
formado por
todos los
elementos
de A y
todos los
elementos de B
(color verde oscuro).
18
Ejemplo: sea el experimento E “arrojar un dado” y
U=[1,2 3,4,5,6]

 Se definen sobre el experimento los siguientes

sucesos:
 A= “sale un número par” A= [2,4,6]
 B= “ sale un número impar” B=[1,3,5]
 C= “sale un número menor que 4” C=[1,2,3]
Ej: EL SUCESO SUMA [A+C]:
A+C = [1,2,3,4,6]

19
Suceso producto o intersección: (A.B)
denotado también como AB

•Es el suceso que ocurre si A y B ocurren

simultáneamente.
Está formado
por elementos
que están en A
y en B.

20
 Para el ej. del dado:
BC ó B.C = “que salga un número
impar y menor que 4”
Se expresa como:

B.C = [1,3]

21
 Probabilidad del Complemento de un Suceso:
Si P(A) es la probabilidad de que ocurra un evento
A (color verde), entonces la probabilidad de que
NO ocurra el evento A es P(A' ) = 1 - P(A)
veamos esto en
un diagrama
de Venn

22
3) Si un evento o suceso, no tiene elementos,
entonces, P(ø) = 0, esto es la Probabilidad de un
evento ó suceso vacío

P() = 0, donde  es el
conjunto vacío

23
4) Eventos ó sucesos Mutuamente Excluyentes
(m.e.):
los sucesos A y B son
m.e. , si NO
contienen
elementos en
común, o sea que
la intersección de A
y B es el conjunto
vacío ().

P (AUB) = P(A) + P(B) cuando AB = 

24
Suceso Imposible: es aquel que NO ocurre cuando
se efectúa el experimento se denota con Ø. Son
dos sucesos excluyentes

Para el ej del dado: A= “sale un número par”

A= [2,4,6]
B= “ sale un número impar” B=[1,3,5]
A.B = Ø ¿por qué?

25
5) Sucesos NO MUTUAMENTE EXCLUYENTES
Dados dos sucesos A y B (subconjuntos de un
espacio muestral (U) de cierto experimento
aleatorio), la probabilidad de que ocurra (A) ó (B)
ó ambos, está expresada en la siguiente
Ley de Probabilidad Total:

26
Recordatorio:
P(AB), denota la posibilidad de que ocurran
ambos sucesos simultáneamente, es decir (A) Y
(B).

P(AUB), denota la posibilidad de que ocurra (A) ó

(B)

27
 PROBABILIDAD CONDICIONADA
Hasta ahora hemos visto el concepto de probabilidad
partiendo de que la única información que tenemos
sobre el experimento es el espacio muestral.
Sin embargo, en ocasiones se conoce que un
determinado suceso ha ocurrido. ¿Modificará esta
información adicional la probabilidad de que ocurra
otro suceso?. Veremos que generalmente sí.
A partir de esta idea surge la idea de probabilidad
condicional, que se define como : la probabilidad de
que ocurra A si antes ha ocurrido B (ver sigte
diapositiva):
28
 PROBABILIDAD CONDICIONAL:
Se llama probabilidad de A condicionada a B, ó
probabilidad de A, dado que ocurrió B:
P(A/B) = P(AB)
P(B)
Sean A y B dos eventos definidos en un mismo espacio muestral (U),
donde P(B)> 0; entonces la probabilidad condicional de A dado B, se
denota por P(A/B)

29
NO CONFUNDIR

PROBABILIDAD CONDICIONAL CON

INTERSECCIÓN !!!!!!
En ambos medimos efectivamente una
intersección pero….
En P(AB) con respecto a P(U) = 1
 en P(A/B) con respecto a la P(B)

30
 Sucesos independientes:
 Dos sucesos son independientes si el que ocurra uno
de ellos NO añade información sobre el otro

Si “A” es independiente de “B” la

probabilidad condicional
P(A/B) = P(A)
P(AB)= P(A) . P(B)

31
Ej: Durante un experimento se repitió 1000 veces elegir
un bovino de una población.

Clasificación Vacunados TOTAL

NO SI
Vaca 189 280 469
Vaquillona 108 359 467
Novillo 6 58 64
TOTAL 303 697 1000

32
1- ¿Cuál es la probabilidad de que el
individuo seleccionado sea novillo?
P(novillo) = 64 / 1000= 0,064 = 6,4%

2- ¿ Cuál es la Probabilidad de que sea

vaquillona o novillo?
P( vaquillona U novillo) = 467/1000 +
64/1000 = 0,531
son sucesos disjuntos
vaquillonas  novillos = 
33
3- ¿Cuál es la probabilidad de que sea
novillo ó vacunado?
P( novillo U vacunado) = 64/1000 +
697/1000 – 58/1000 = 0,703

4- ¿Cuál es la Probabilidad de ser vaca?

P(vaca) = 469/1000 = 0,469
P(vaca) = 1- P(vaca’) = 1 – P(vaquillona U
novillo) = 1 – 0531 = 0,469
34
5- si es vacunado…¿Cuál es la
probabilidad de que sea novillo?

P( Novillo / Vacunado) = 58/ 697 =

0,098

6- ¿Cuál es la probabilidad de ser

vacunado y novillo?
P( vacunado  novillo) = 58/1000 =
0,058
35
7- Es independiente ser vacunado y ser
novillo?
Una manera de hacerlo es:
P(novillo)= 64/1000 = 0,064
P(novillo/vacunado) = 58/697 = 0,098
La probabilidad de ser novillo es mayor se
además es vacunado. Añade información
extra, por lo tanto… NO SON
INDEPENDIENTES

36
OTRA MANERA DE HACERLO ES:
P(vacunado novillo) = 58/1000 = 0,058

P(vacunado) x P(novillo) = (697/1000) x

(64/1000) = 0,045
La probabilidad de la intersección no es igual al
producto de las probabilidades, por esto NO SON
INDEPENDIENTES

37