Probabilidad
Contenido
1. Contenidos
2. Introducción
3. ¿Qué es la probabilidad?
4.Métodos para asignar
probabilidades Reglas de adición para
calcular probabilidades
Regla de la multiplicación para calcular
probabilidades 7.Diagramas de árbol
8. Teorema de Bayes
9. Principios de conteo
2
1.
Contenidos
1. Contenidos
• Definir los términos probabilidad, experimento,
evento y resultado.
• Asignar probabilidades utilizando el método clásico,
empírico o subjetivo.
• Calcular probabilidades mediante las reglas de la
adición.
• Calcular probabilidades mediante las reglas de
multiplicación.
• Calcular probabilidades por medio de una
tabla de contingencia.
• Calcular probabilidades con base en el
teorema de Bayes.
• Determinar el número de resultados por medio del
principio de conteo.
2.
Introducción
2. Introducción
• , hemos estado viendo conceptos de estadística
descriptiva con el fin de resumir datos recabados de
eventos pasados.
• Ahora se presenta la segunda faceta de la estadística.
• Recibe el nombre de inferencia estadística o
estadística inferencial.
• Consiste en calcular la probabilidad de que algo
ocurra en el futuro.
• La teoría de la probabilidad (también conocida como la
ciencia de la incertidumbre), resulta útil para hacer
esta evaluación.
• Su aplicación permite a quien toma decisiones analizar los
riesgos y reducirlos al mínimo (ej. al lanzar al
4
mercado un nuevo producto).
3. ¿Qué es la
probabilidad?
3. ¿Qué es la probabilidad?
Probabilidad
Valor entre cero y uno, inclusive, que describe la posibilidad relativa
(oportunidad o casualidad) de que un evento suceda.
• Cuanto más se aproxime una probabilidad a 0 (cero), más improbable será
que el evento suceda.
• Cuanto más próxima se encuentre la probabilidad a 1, más seguro será
que suceda.
A veces, la probabilidad se un evento se expresa utilizando el término
oportunidades o
posibilidades.
Por ejemplo, si alguien dice que las oportunidades son ‘cinco a dos’ de que un
evento suceda, significa que en un total de siete ensayos (5+2), el evento
ocurrirá cinco veces y no sucederá dos veces. Así, utilizando las oportunidades se
puede
Así, lascalcular la probabilidad
oportunidades de queael
oposibilidades evento
favor ocurra
de un como
evento son5/(5
x a+y ,2)laoprobabilidad
5/7.
del evento es x /(x + y ).
3. ¿Qué es la probabilidad?
En el estudio de la probabilidad se utilizan tres palabras
clave:
Experimento
Proceso que induce a que ocurra una y solo una de
varias posibles observaciones.
Resultado
Ocurrencia particular de un
experimento. Evento
Conjunto de uno o más resultados de un experimento.
3. ¿Qué es la probabilidad?
Ejempl
o:
En el caso del experimento del lanzamiento de un
dado,
• Hay 6 posibles resultados.
• Existen varios posibles eventos.
4. Métodos para
asignar
probabilidades
4. Métodos para asignar probabilidades
• En esta sección se describen tres formas de
asignar una probabilidad a un evento: clásica,
empírica y subjetiva.
• Los métodos clásico y empírico son objetivos y se
basan en datos e información.
• El método subjetivo se basa en la creencia o
estimación de una persona acerca de
la probabilidad de un evento.
4. Métodos para asignar
probabilidades
4. Métodos para asignar probabilidades
Probabilidad Clásica
• Parte del supuesto de que los resultados de un
experimento son igualmente posibles.
• ¿Dónde se aplica? Juegos de azar (cartas, dados,
loteria, etc.)
• De acuerdo con el punto de vista clásico, la
probabilidad de un evento se calcula:
Probabilidad de un evento = Número de resultados favorables
Número total de posibles resultados
4. Métodos para asignar probabilidades
Ejemplo
Considere el experimento de lanzar un dado.
¿Cuál es la probabilidad del evento ‘cae un
número par’?
Los posibles resultados son:
Hay tres resultados ‘favorables’ (dos, cuatro y seis) en el
conjunto de seis resultados igualmente posibles. Por
consiguiente,
Probabilidad de un número par == 0,5
4. Métodos para asignar probabilidades
Otros conceptos de conjuntos
• Mutuamente excluyente: el hecho de que un evento se presente
significa que ninguno de los demás puede ocurrir al mismo tiempo (ej. la
variable ‘género’ da origen a resultados mutuamente excluyentes: hombre y
mujer).
• Colectivamente exhaustivo: por lo menos uno de los eventos debe
ocurrir cuando se lleva a cabo un experimento. (ej. si un experimento
incluye un conjunto de eventos con todo tipo de resultados posibles, como
los eventos ‘un número par’ y ‘un número impar’ en el experimento del
lanzamiento del dado).
Si el conjunto de eventos es colectivamente exhaustivo y los eventos son
mutuamente excluyentes, la suma de probabilidades es 1.
4. Métodos para asignar probabilidades
Probabilidad Empírica
• Segundo tipo de probabilidad objetiva.
• Se basa en el número de veces que ocurre el evento como
proporción del número de intentos conocidos.
• Por tanto, la probabilidad de un evento representa una fracción de los
sucesos similares en el pasado.
• La fórmula para determinar la probabilidad empírica es:
Probabilidad empírica = Número de veces que el evento ocurre
Número total de observaciones
• El método empírico de la probabilidad se basa en la llamada ley de los
grandes números (en una gran cantidad de intentos, la probabilidad
empírica de un evento se aproximará a us probabilidad real).
• Por tanto, la clave para determinar de forma empírica consiste en que
una mayor cantidad de observaciones proporcionará un cálculo más
preciso de la probabilidad.
4. Métodos para asignar probabilidades
Ejemplo - Ley de los grandes números
• Supongamos que lanzamos una moneda.
• El resultado de cada lanzamiento es cara o cruz.
• Si lanzamos la moneda una sola vez, la probabilidad empírica de las
caras es cero o uno.
• Si lanzamos la moneda una gran cantidad de veces, la probabilidad del
resultado de las caras se aproximará a 0,5.
• Veámoslo en la siguiente tabla:
• La primera columna indica el número de veces que lanzamos la moneda; la
segunda columna indica el número de veces que salen caras; la tercera
columna indica la frecuencia relativa de las caras (es decir, número de
caras número
entre divididode
ensayos). 1
4
4. Métodos para asignar probabilidades
Ejemplo - Probabilidad Empírica
El 1 de febrero de 2003 explotó el transbordador espacial
Columbia, que fue el segundo desastre en 113 misiones
espaciales de la NASA. Con base en esta información,
¿cuál es la probabilidad de que una futura misión
concluya con éxito?
Probabilidad de un vuelo exitoso = P(A)Número
= Número de vuelos
total de vuelos
exitosos
113−2
P(A) = 113 =
111
= 0,
113 98
Este resultado sirve como aproximación de la
probabilidad. En otras palabras, por experiencia, la
probabilidad que una futura misión del transbordador
espacial concluya con éxito es de 0,98.
15
4. Métodos para asignar probabilidades
Probabilidad Subjetiva
• Es posible aproximar la probabilidad en forma
subjetiva si se cuenta con poca o
ninguna experiencia o información.
• Es decir, un individuo evalúa las opiniones e
información disponibles y, luego, calcula o
asigna la probabilidad.
16
Reglas de adición para
calcular probabilidades
5. Reglas de adición para calcular
probabilidades
Regla especial de la adición
• Los eventos deben ser mutuamente excluyentes (es decir, cuando
un evento ocurre, ninguno de los demás eventos puede ocurrir al mismo
tiempo).
• Si dos eventos A y B son mutuamente excluyentes, la regla especial de
la adición establece que la probabilidad de que ocurre uno u otro es
igual a la suma de sus probabilidades.
• Esta regla se expresa mediante la siguiente fórmula:
P(A o B) = P(A) + P(B)
5. Reglas de adición para calcular
probabilidades
Ejemplo
En un un supermercado encontramos bolsas de papas para asar al microondas. Encontramos que la gran
mayoría de ellas contienen el peso correcto, sin embargo al haber papas de mayor o menor tamaño puede
ocurrir que un paquete pesa más o menos. Una revisión de 4000 paquetes que se llenaron hace unos días
arrojó los siguientes datos:
¿Cuál es la probabilidad de que un paquete en particular pese menos o más?
El resultado ‘pesa menos’ es el evento A; el resultado ‘pesa más’ es el evento C. Al aplicar
la regla especial de la adición se tiene:
P(A o C ) = P(A) + P(C ) = 0, 025 + 0, 075 = 0, 10
Aclaración: Observe que los eventos son mutuamente excluyentes, lo cual significa que un paquete no
puede pesar menos, tener el peso satisfactorio y pesar más al mismo tiempo. También son colectivamente
exhaustivos, es decir, que un paquete seleccionado debe pesar menos, tener un peso satisfactorio o pesar
más.
5. Reglas de adición para calcular
probabilidades
Regla de complemento
La probabilidad de que una bolsa de papas pese menos, P(A), más la probabilidad de que no sea una
bolsa con menos peso, P( ∼ A), que se lee no A, debe ser, por lógica, igual a 1.
Esta expresión puede reformularse de la siguiente manera:
Regla del Complemento = P(A) = 1 − P( ∼ A)
La regla del complemento se emplea para determinar la probabilidad de que un evento ocurra
restando de 1 la probabilidad de un evento que no ha ocurrido.
Esta regla es útil porque a veces es más fácil calcular la probabilidad de que un evento suceda
determinando la probabilidad de que no suceda y restando el resultado de 1.
19
5. Reglas de adición para calcular
probabilidades
Ejemplo
Refiriéndonos al ejemplo de las bolsas de papas, la probabilidad de que una bolsa
de papas pese menos de 0,025 y la probabilidad de que pese más de 0,075.
Aplique la regla del complemento para demostrar que la probabilidad de una
bolsa con un peso satisfactorio es de 0,900.
La probabilidad de que la bolsa no tenga un peso satisfactorio es
igual a la suma de la probabilidad de tener mayor peso más la de
tener menos.
Es decir, P(A o C ) = P(A) + P(C ) = 0, 025 + 0, 075 = 0, 100
La bolsa tiene un peso satisfactorio si no tiene menos ni más peso;
así que
P(B) = 1 − [P(A) + P(C )] = 1 − [0, 025 + 0, 075] = 0, 900.
Gráficamente quedaría:
20
5. Reglas de adición para calcular
probabilidades
Regla general de la adición
• La regla general de la adición se usa cuando los eventos/experimentos no
son mutuamente excluyentes.
• Por tanto, la probabilidad de que dos o más eventos sucedan
simultáneamente se denomina probabilidad conjunta.
• Para calcular esta probabilidad utilizamos la siguiente fórmula:
P(A o B) = P(A) + P(B) − P(A y B)
• En el caso de la expresión P(A o B), la letra ‘o’ sugiere que puede ocurrir
A o puede ocurrir B. Esto también incluye la posibilidad de que A y B
ocurran.
• Al comparar las reglas general y especial de la adición, la diferencia que
importa consiste en determinar si los eventos son mutuamente excluyentes.
Si lo son, entonces la probabilidad conjunta P(A y B) es 0 (cero) y se
podría aplicar la regla especial de la adición.
• De lo contrario, tome en cuenta la probabilidad conjunta y aplique la
regla general de la adición.
21
5. Reglas de adición para calcular
probabilidades
Ejemplo
¿Cuál es la probabilidad de que una carta elegida al azar de una baraja
convencional sea rey o de corazones?
P(A o B) = P(A) + P(B) − P(A y B) = 4/52 + 13/52 − 1/52 = 16/52 = 0,
3077
Si representamos estos resultados, que no son mutuamente excluyentes:
22
Regla de la
multiplicación para
calcular probabilidades
6. Regla de la multiplicación para calcular
probabilidades
• La regla de multiplicación se aplica cuando 2 o
más eventos ocurren de forma simultánea.
• La regla especial de multiplicación hace
referencia a los eventos (A y B) que
son independientes.
• Independencia: si un evento ocurre, no tiene
ningún efecto sobre la probabilidad de
que otro evento acontezca.
• La regla especial de la multiplicación sería:
P(A y B) = P(A) · P(B)
6. Regla de la multiplicación para calcular
probabilidades
Ejemplo
Por experiencia, la empresa de neumáticos Michelin
sabe que la probabilidad de que una llanta XB-70 rinde
60.000km antes de quedar lisa o falle es de 0,95. A
cualquier llanta que no dure los 60.000km se le hacen
arreglos. Usted adquiere cuatro llantas XB-70. ¿Cuál es
la probabilidad de que las cuatro llantas tengan una
duración de al menos 60.000km?
(0, 95) · (0, 95) · (0, 95) · (0, 95) = 0, 8145
6. Regla de la multiplicación para calcular
probabilidades
• La regla general de la multiplicación hace
referencia a los eventos que no son
independientes, es decir son
dependientes.
• Por tanto, definimos la probabilidad condicional
como la probabilidad de que un evento en
particular ocurra, dado que otro evento
haya acontecido.
P(A y B) = P(A)P(B|A)
6. Regla de la multiplicación para calcular
probabilidades
Ejemplo
La junta directiva de Tarbell Industries consta de 8 hombres y cuatro mujeres.
Un comité de cuatro miembros será elegido al azar para llevar a cabo una
búsqueda, en todo el país, del nuevo presidente de la compañía.
• ¿Cuál es la probabilidad de que los cuatro miembros del comité de
búsqueda sean mujeres?
( 124 ) · ( 3 ) · ( 2 ) · ( 1 ) =11 24 10= 9 11880
0, 002
• ¿Cuál es la probabilidad de que los cuatro miembros del comité de
búsqueda sean hombres?
( 128 ) · ( 7 ) · ( 6 ) · ( 5 ) =111680 10
= 0, 9 11880
1414
• ¿Las probabilidades de los eventos descritos en los puntos anteriores
suman 1? Explique su respuesta.
No , porque existen otras probabilidades, como tres mujeres y un
hombre.
7.Diagramas de
árbol
7.Diagramas de
árbol
• Un diagrama de árbol es una gráfica que ayuda en
la organización y en el cálculo de
probabilidades en problemas con varios
pasos/etapas.
• Cada etapa del problema está representado por una
rama del árbol.
• Cada rama está etiquetada con las probabilidades.
7.Diagramas de
árbol
Ejemplo de diagrama de árbol que muestra la edad y el número de películas 28
vistas.
8. Teorema de
Bayes
8.Teorema de Bayes
• El siglo XVIII, el reverendo Thomas Bayes, un ministro presbiteriano
inglés, planteó esta pregunta: ‘¿Dios realmente existe?’.
• Dado su interés en las matemáticas, intentó crear una fórmula para llegar
a la probabilidad de que Dios existiera con base en la evidencia disponible
de la Tierra.
• Más tarde, Pierre-Simon Laplace perfeccionó el trabajo de Bayes y le
dio el nombre de Teorema de Bayes, que es el siguiente:
𝑃 ( 𝐴𝑖 ) ∙ 𝑃 ( 𝐵∨ 𝐴 𝑖 )
𝑃 ( 𝐴𝑖|𝐵 ) =
𝑃 ( 𝐴1 ) ∙ 𝑃 ( 𝐵| 𝐴 1 ) + 𝑃 ( 𝐴2 ) ∙( 𝐵∨ 𝐴2 )
• Probabilidad Priori. Es la probabilidad inicial que está basada en el
nivel de información actual.
• Probabilidad Posteriori. Es la probabilidad que se revisa a
partir de información adicional.
• Probabilidad Es la probabilidad de B en la hipotesis
29
7.Teorema de Bayes
Ejemplo
• Suponga que un 5 % de la población de Umen (país ficticio del Tercer Mundo), tiene una
enfermedad propia del país.
• Sea A1 el evento ‘padece la enfermedad’ y A2 el evento ‘no padece la enfermedad’.
• Por lo tanto, si selecciona al azar a una persona de Umen, la probabilidad de que el individuo
elegido padezca la enfermedad es de 0,05 o P(A1 ) = 0, 05. Esta probabilidad
recibe el nombre de probabilidad a priori. Se le da este nombre porque la
probabilidad se asigna antes de obtener los datos empíricos.
• Por ende, la probabilidad a priori de que una persona no padezca la enfermedad es de
0,95 [P(A2 ) = 0, 95], que se calcula mediante la resta 1 − 0, 05.
• Existe una técnica de diagnóstico para detectar la enfermedad, pero no es muy precisa. Sea B el
evento ‘la prueba revela la presencia de la enfermedad’. Suponga que la evidencia
histórica muestra que si una persona padece realmente la enfermedad, la
probabilidad de que la prueba indique su presencia es de 0,90.
• De acuerdo con las definiciones de probabilidad condicional que se establecieron en este tema,
dicho enunciado se expresa de la siguiente manera:
P(B|A1 ) = 0, 90
• Suponga que la probabilidad de que la prueba indique la presencia de la enfermedad en una persona
que en realidad no la padece es de 0,15.
P(B|A2 ) = 0, 15
• Elija al azar a una persona de Umen y aplique la prueba. Los resultados indican que la
enfermedad está presente.
• ¿Cuál es la probabilidad de que la persona en realidad la padezca? Lo que desea saber, en forma
simbólica, es P(A1 |B), que se interpreta de la siguiente manera: P(padece la 3
P(A 1 |B) = P(A1 )·P(B|A 1 ) = (0,05)·(0,90) = 0,0450 = 0,
enfermedad|la prueba resulta
P(A 1 )·P(B|A positiva).
1 )+P(A 2 )·P(B|A 2 )
La probabilidad P(A1 |B) recibe
(0,05)·(0,90)+(0,95)·(0,15) 0,1875 el nombre de 0
7.Teorema de Bayes
P(A1 )·P(B|A1 )
P(A1|B) = P(A 1 ) ·P(B|A1 )+P(A2 )·P(B|A2 ) =
(0,05)·(0,90)
(0,05)·(0,90)+(0,95)·(0,15) =
0,0450
= 0,
0,1875
24
• Así que la probabilidad de que una persona padezca la enfermedad, dado
que la prueba fue positiva, es de 0,24.
• ¿Cómo se interpreta el resultado?
• Si se selecciona al azar a una persona de la población, la probabilidad de
que esté enferma es de 0,05.
• Si se le somete a la prueba y resulta positiva, la probabilidad de que la
persona padezca realmente la enfermedad se incrementa cinco veces, de
0,05 a 0,24.
• Con la notación anterior, los cálculos del problema de Umen se resumen
en la siguiente tabla:
31
9. Principios de
conteo
9. Principios de conteo
Fórmula de la multiplicación
Si hay m formas de hacer una cosa y n formas de hacer
otra, hay
m · n formas de hacer ambas.
9. Principios de conteo
Permutación
Se aplica para determinar el número posible de
disposiciones cuando solo hay un grupo de objetos.
donde,
• n representa el total de objetos;
• r representa el total de objetos seleccionados.
9. Principios de conteo
Combinación
Si el orden de los objetos seleccionados no es importante,
cualquier selección se denomina combinación. El
número de combinaciones siempre es menor que el
número de permutaciones.
= n!
nCr
r !(n−r )!
