PROBABILIDADES Y ESTADISTICA

PROBABILIDADES

Ing. Julio Bernal

 ESTADISTICA APLICADA

PROBABILIDADES
(parte III)

Ing. Julio Bernal

RELACIONES ENTRE EVENTOS
 Principios de Probabilidad

Tabla de
Introducción a
Relaciones entre Reglas de Contingencia y Probabilidad
las
eventos Probabilidad Tabla de Condicional
Probabilidades
Probabilidad

Modelo de Eventos
Teorema de
Frecuencia Mutuamente Multiplicación
Bayes
Relativa Excluyentes

Eventos
Modelo de
Colectivamente Adición
Subjetivo
Exhaustivos

Modelo de Eventos
Clásico Independientes

Eventos
Complementarios
 CONCEPTO

• Una comprensión total de la probabilidad no puede adquirirse

sin un entendimiento de las formas como pueden relacionarse
los eventos.
• Un conjunto es toda reunión de objetos. Con frecuencia es de
utilidad identificar cómo pueden relacionarse los conjuntos entre
sí.
• Se asume que se han identificado dos conjuntos A y B. Cada
uno contiene numerosos elementos. Es completamente posible
que algunos elementos estén en ambos conjuntos.
 INTERSECCIÓN ENTRE «A» Y «B»

Definición
• Es el conjunto de todos los elementos comunes que están tanto
en A y en B.
• Se escribe AB y se lee como "A intersección B", consta de
los elementos que son comunes tanto a A como a B.
• Para que ocurra AB, tanto "A como B" deben ocurrir.
 INTERSECCIÓN ENTRE «A» Y «B»
Ejemplo
El conjunto A = estudiantes de estadística, y el conjunto B=
estudiantes de economía. Aquellos estudiantes que están en ambos
conjuntos son los especialistas en economía de la clase de
estadística. Tales estudiantes constituyen la intersección entre A y B.

A B
Todos los Todos los
estudiantes de la especialistas en
clase de estadística economía

(AB) "A intersección B" especialistas en

economía en la clase de estadística
 UNIÓN DE A Y B

Definición
• Es el conjunto de todos los elementos que están en A o en B o
en ambos.
• Se escribe AB y se lee como "A unión B".
• Para que un elemento esté en AB, sólo necesita estar en el
conjunto A o en el conjunto B o en ambos.
La unión de dos eventos
Ejemplo
Como se ve en la figura, todos los estudiantes que están en la
clase de estadística (conjunto A), sin tener en cuenta su
especialización, y todos los especialistas en economía (conjunto
B), sin tener en cuenta si están en la clase de estadística, son
elementos de AB.
 EVENTOS MUTUAMENTE EXCLUYENTES

Definición
• Dos eventos A y B, son mutuamente excluyentes o disjuntos,
si la ocurrencia de uno prohíbe la ocurrencia del otro.
• Es decir, si A y B no tiene elementos comunes, no pueden
ocurrir juntos, esto es si AB=.
Ejemplo
Un ejemplo clásico de eventos mutuamente excluyentes es el
de sacar una cara o un sello al lanzar una moneda una vez. Si
se obtiene una cara, no puede ocurrir un sello.
EVENTOS COLECTIVAMENTE EXHAUSTIVOS

Definición
Los eventos colectivamente exhaustivos constan de todos los
posibles resultados de un experimento y constituyen su espacio
muestral.
Ejemplo
Los eventos colectivamente exhaustivos de lanzar un dado son 1,
2, 3, 4, 5 y 6. Además, debido a que existe la certeza de que uno
de estos eventos ocurrirá, su probabilidad combinada será igual a
uno:
P (1 o 2 o 3 o 4 o 5 o 6) = 1
 EVENTOS INDEPENDIENTES

Definición
Eventos independientes son eventos en los que la ocurrencia de
uno no tiene nada que ver con la ocurrencia del otro.
Ejemplo
El resultado de un lanzamiento de una moneda y un dado. El
resultado del lanzamiento de una moneda no afecta al dado. Dos
lanzamientos de una moneda también son eventos
independientes.
 EVENTOS COMPLEMENTARIOS

Definición
• Eventos complementarios son los eventos en los que si un
evento no ocurre, el otro debe ocurrir.
• Es decir, el complemento de A, es el suceso que ocurre si solo
si A no ocurre.
• El complemento de A se escribe como A , y se denomina "no
A"
 EVENTOS COMPLEMENTARIOS

Ejemplo
Si un evento A es lanzar un número par con
A un dado (2, 4 o 6), el
complemento es lanzar un número impar (1, 3, o 5). Si no se
obtiene un número par, se debe obtener un número impar.

P A  ( A) 1

P A 1  A
LAS DOS REGLAS DE LA PROBABILIDAD
 Principios de Probabilidad

Tabla de
Introducción a
Relaciones entre Reglas de Contingencia y Probabilidad
las
eventos Probabilidad Tabla de Condicional
Probabilidades
Probabilidad

Modelo de Eventos
Teorema de
Frecuencia Mutuamente Multiplicación
Bayes
Relativa Excluyentes

Eventos
Modelo de
Colectivamente Adición
Subjetivo
Exhaustivos

Modelo de Eventos
Clásico Independientes

Eventos
Complementarios
 1. CONCEPTO

• Existen dos reglas básicas que deben seguirse para calcular

la probabilidad de eventos más complejos: las reglas de la
multiplicación y las reglas de la adición. Cada una se utiliza
para propósitos específicos.
• Las reglas de la multiplicación se utiliza para determinar la
probabilidad de que "A y B”, P(AB).
• Las reglas de la adición se utiliza para calcular la
probabilidad de "A o B”, P(AB).
 2. REGLAS DE LA MULTIPLICACIÓN

Definición
• El propósito de la reglas de la multiplicación o reglas multiplicativas es
determinar la probabilidad de la ocurrencia conjunta de A y B.
• Simbólicamente se representa P(AB) y
• Se lee "probabilidad de A intersección B”.
 REGLAS DE LA MULTIPLICACIÓN
1 Primera regla de la multiplicación
Si los eventos A y B son independientes entonces la:

Probabilidad de eventos independientes A y B : PA  B  PA PB 

Ejemplo
La probabilidad de los dos eventos independientes de sacar un 3
con un dado y una cara con una moneda es:
P (3cara) = P(3) * P(cara) = (1/6) * (1/2) = 1/12
 REGLAS DE LA MULTIPLICACIÓN
2 Segunda regla de la multiplicación
Si los eventos son dependientes, entonces, por definición, se debe
considerar el primer evento al determinar la probabilidad del segundo,
es decir, la probabilidad del evento B depende de la condición que A
ya haya ocurrido
A y B son dependientes entonces:

Probabilidad de eventos dependient es A y B :

PA  B  PA P B A
Si los eventos AB y BA son equivalentes entonces:

P A  B   P B  A  P B  P A B 
 Ejemplo

De la tabla de probabilidad para King Dynamics, tabla 2, se

observa que la probabilidad marginal de la primera fila muestra
claramente que P(M) = 0.60, sin considerar si el trabajador es
miembro administrativo, de línea o auxiliar. Sin embargo, la
probabilidad conjunta de que sea hombre y miembro administrativo
se observa como P(MS) = 0.24.
También se puede calcular esta probabilidad utilizando la formula
P(AB) = P(A) * P(BA)

Entonces
P(MS) = P(M) * P(SM) = P(M) PS  M 
PS  M  0.24 PM 
PS M    0.40
PM  0.60

P(MS) = P(M) * P(SM) = (0.60) * (0.40) =0.24

 3. REGLAS DE LA ADICIÓN

Definición
• Se utiliza las reglas de la adición o regla aditivas para
determinarla probabilidad de que ocurra un evento u otro
(o ambos).
• Simbólicamente se representa P(AB).
• Se lee "probabilidad de A unión B”.+

El procedimiento exacto depende de si los eventos A y B son o no

mutuamente excluyentes.
 3. REGLAS DE LA ADICIÓN (CONT.)
3.1 Primera regla de la adición
Si A y B son eventos cualesquiera o no son mutuamente excluyentes,
entones:
Probabilidad del evento A o B : PA  B   PA  P B   P A  B 
SS

A B
AB

Ejemplo
La probabilidad de sacar un “as” (A) o una de las 13 cartas de “corazones”
(C) de una baraja es:
P(AC) = P(A) + P(C) – P(AC)= (4/52) + 13/52 - (1/52) = 16/52.
Los eventos A y C, no son mutuamente excluyentes, debido a que ambos
ocurren si se sacara el As de Corazones.
 3. REGLAS DE LA ADICIÓN (CONT.)

3.2 Segunda regla de la adición

Si A y B son eventos mutuamente excluyentes, P(AB)=0, entones:
Probabilidad del evento A o B : P A  B   P A  P B 

SS

A B

Ejemplo
La probabilidad de sacar un “as” (A) o un “rey” (R) en una sola extracción
(los eventos “as” y “rey” son mutuamente excluyentes) es:
P(AR) = P(A) + P(R) = (4/52) + 4/52 = 8/52.
TABLA DE CONTINGENCIA,
TABLA DE PROBABILIDAD
Y PROBABILIDAD
CONDICIONAL
 Principios de Probabilidad

Tabla de
Introducción a
Relaciones entre Reglas de Contingencia y Probabilidad
las
eventos Probabilidad Tabla de Condicional
Probabilidades
Probabilidad

Modelo de Eventos
Teorema de
Frecuencia Mutuamente Multiplicación
Bayes
Relativa Excluyentes

Eventos
Modelo de
Colectivamente Adición
Subjetivo
Exhaustivos

Modelo de Eventos
Clásico Independientes

Eventos
Complementarios
• Las tablas de contingencia y las tablas de
probabilidad son útiles al calcular la probabilidad de
eventos.
• Regresando al ejemplo de King Dynamics, se supone
que la tabla de contingencia para todos los 500
empleados aparece en la tabla 1
 TABLA DE CONTINGENCIA

Tabla 1. Tabla de contingencia de King Dynamics

Clasificación de los empleados
Genero
Administrativo Línea Auxiliar Total
Hombres 120 150 30 300
Mujeres 50 140 10 200
Total 170 290 40 500

La tabla muestra por ejemplo que de los 170 miembros del personal
administrativo, 120 son hombres y 50 son mujeres.
 TABLA DE PROBABILIDAD
Tabla 2. Tabla de probabilidad de King

Clasificación de los empleados

Genero Administrativo (S) Línea (L) Auxiliar (A) Total
Hombres(M) 120/500=0.24 150/500=0.30 30/500=0.06 300/500=0.60

Mujeres(W) 50/500=0.10 140/500=0.28 10/500=0.02 200/500=0.40

Total 170/500=0.34 290/500=0.58 40/500=0.08 500/500=1.00

Probabilidades marginales son los totales de filas y columnas

Ejemplo: P(L)=0.58 y P(M)=0.60.
Probabilidades conjuntas en las celdas de la estructura principal
de la tabla de probabilidad.
Ejemplo: P(M  S)=0.24.
 PROBABILIDAD CONDICIONAL
Definición
• Se utiliza cuando los eventos son dependientes.
• Es la probabilidad de que el evento A ocurra, dado que (ó a
condición de que) el evento B ya ha ocurrido.
• Se denota como P(A | B ) y se lee la “Probabilidad de A dado B”

PA  B 
Probabilid ad condicional de A dado B PA B  
PB 

Ejemplo
Se desea calcular la probabilidad de que el trabajador sea hombre (M)
dado que es un miembro del personal administrativo (S), entonces P(M|S)
es:
P M  S  0.24
P M S    0.71
P S  0.34
Hombre
Personal Administrativo
TAREA A PRESENTAR – TRABAJO EN GRUPO
EL TEOREMA DE BAYES
 Principios de Probabilidad

Tabla de
Introducción a
Relaciones entre Reglas de Contingencia y Probabilidad
las
eventos Probabilidad Tabla de Condicional
Probabilidades
Probabilidad

Modelo de Eventos
Teorema de
Frecuencia Mutuamente Multiplicación
Bayes
Relativa Excluyentes

Eventos
Modelo de
Colectivamente Adición
Subjetivo
Exhaustivos

Modelo de Eventos
Clásico Independientes

Eventos
Complementarios
 2. TEOREMA DE BAYES
Definición
Si los eventos B1,B2,.…,Bk constituyen una partición del espacio
muestral SS, donde P(Bi)≠0 para i=1,2,…,k, entonces para cualquier
evento A de SS es tal que P(A)≥0 y r=1,2,…,k.

PBr P A 
 Br  P Br  A  Br 
P
A  k 
k
   
 PBi  A  PBi P A Bi 
i 1 i 1  
Ejemplo
Una compañía utiliza dos máquinas para producir su producto. La máquina A produce
el 60% de la producción total y la máquina B produce el 40% restante. Además, el 2%
de las unidades producidas por A son defectuosas (D), mientras que B tiene una tasa
de defectos del 4%.
Si una máquina se selecciona aleatoriamente y dado que se elige un producto
defectuoso ¿Cuál será la probabilidad que el producto provino de la máquina A? , Es
decir: P(AD)=?
 2. TEOREMA DE BAYES (CONT.)

Fig. 5.2 Diagrama del árbol para el ejemplo de Bayes

P(DA)=0.98
P(AD)= P(A) P(DA) = (0.60) (0.98) = 0.588
P(A)=0.60
P(DA)=0.02 P(AD)= P(A) P(DA) = (0.60) (0.02) = 0.012

P(DB)=0.96
P(B)=0.40 P(BD)= P(B) P(DB) = (0.40) (0.96) = 0.384

P(DB)=0.04
P(BD)=P(B)P(DB) = (0.40) (0.04) = 0.016

Probabilidades Probabilidades Probabilidades

marginales condicionales conjuntas
 2. TEOREMA DE BAYES (CONT.)

P A  D 
Por definición de la probabilidad condicional:  
PA
D

P D 


Por el teorema de la probabilidad total:

P D   P A  D  P B  D 

 P AP D A PB PD B 

Por el teorema de Bayes:
PA  D  PA  D 
 
PA
D

PD 

PA  D  PB  D 

PA  
0.012
D 0.012  0.016
0.429