Tema III

PROBABILIDADES

Fernando Silva Viamonte

1

Hasta ahora la ESTADISTICA estaba constituida slo por

datos. Faltaba otra componente muy importante para que se

convirtiera en ciencia ...

Datos

Probabilidad

 Cul es la probabilidad de aprobar la materia de Mtodos Cuantitativos? Cul es la probabilidad de no encontrarme un atasco en la Prez cuando voy a clases? Todos los das nos hacemos preguntas sobre probabilidad e incluso los que han visto poco de la materia en cursos anteriores, tienen una idea intuitiva lo suficientemente correcta para lo que necesitamos de ella en este curso. En este tema vamos a:
Recordar qu entendemos por probabilidad. Recordar algunas reglas de clculo. Ver cmo aparecen las probabilidades en CC. Sociales Aplicarlo a algunos conceptos nuevos de inters en CC. Sociales y de la Organizacin
Pruebas diagnsticas.

La teora de la probabilidad

Es una disciplina matemtica que fundamenta la Estadstica

como una lgica y una metodologa para la medicin y el estudio de la incertidumbre en la planeacin e interpretacin de la observacin y la

experimentacin.

Girolamo Cardano Fsico italiano, 1501-1576.

Galileo Galilei Fsico y astrnomo italiano, 1564-1642.

Haban hecho clculos de probabilidades numricas, de diversas combinaciones de dados.

5

Pero las races de la Teora de la probabilidad se encuentran en los juegos de azar.

Los inicios de la probabilidad, como teora matemtica, pueden rastrearse en la correspondencia que sostuvo Pascal con Fermat, en la dcada de 1650.

Blaise Pascal
Matemtico, fsico, filsofo y telogo francs, 1623-1662.

Pierre de Fermat
Jurista y matemtico francs, 1601-1665.
7

Christian Huygens Gemetra, fsico, astrnomo holnds, 1629-1695.

Tambin los orgenes de la

teora de la probabilidad se encuentran en un corto artculo escrito por l en 1657.

Estos trabajos tempranos de Fermat, Pascal y Huygens no abordan problemas de estadstica inferencial, o confirmatoria, ni van ms all de los juegos de azar, que eran sus intereses inmediatos.

Jacob Bernoulli
Matemtico suizo 1654-1705 Es considerado el iniciador de la teora

de la probabilidad.

Introduce lo que hoy se conoce como la primera ley de los grandes nmeros.

10

Entre los siglos XVIII y XIX, la Estadstica se propag a travs de diversas disciplinas: la astronoma y la geodesia, la psicologa, la biologa, hasta las ciencias sociales.

Y tambin profundiz en el conocimiento del rol de la probabilidad, siendo desplazada la analoga de los juegos de azar, por modelos probabilsticos para efectuar medidas bajo incertidumbre.

De este modo se llega a los inicios de la inferencia estadstica, cuyo dominio de aplicacin se extiende gradualmente, desde fines de este perodo.

11

Abraham De Moivre Matemtico francs, 1667-1754

Efectu estudios sobre la ley de

probabilidad binomial, y formul una aproximacin para muestras grandes, considerada la primera formulacin de la ley de probabilidad normal, entre 1718 a 1730.

12

Thomas Bayes
Ministro presbiteriano y matemtico, 1702 1761. En 1764 se public su trabajo Ensayo sobre la Resolucin de un Problema en la Doctrina del Azar pstumamente. Ignorado por sus contemporneos,

tuvo poca influencia sobre el desarrollo

temprano de la Estadstica. Sus contenidos sirvieron, casi dos siglos despus, para grabar su nombre en la moderna inferencia bayesiana.

13

Pierre Simon Laplace

Matemtico francs, 1749-1827. Contribuy en muchos temas estadsticos, como profundizar la aplicacin de la probabilidad a la inferencia, la obtencin de una curva de errores, llegando a la formulacin de la ley de probabilidad normal, entre 1774 a

1781.
14

Karl Gauss Matemtico, astrnomo, fsico alemn, 1773-1855.

Tambin contribuy al mtodo

de los mnimos cuadrados.

Desemboc en la ley de probabilidad normal independientemente de Laplace, como descripcin probabilstica del error, pero encontr su asociacin con el

mtodo de mnimos
cuadrados.
15

Adolphe Quetelet
Matemtico, meteorlogo, astrnomo, estadstico, socilogo belga, 1781-1840. Se le ha llamado el padre de la Estadstica moderna, por observar

la extraordinaria regularidad con que

se reproducan ciertos fenmenos sociales, como crmenes o suicidios. 1835. Argumenta que esas regularidades slo pueden ser encontradas mediante el uso de tcnicas estadsticas. Ajust distribuciones de probabilidad a datos empricos.

16

Simen Denis Poisson Matemtico y fsico francs, 1781-1840. Public en 1837 el germen de dos elementos asociados a su nombre: La distribucin de Poisson.

La generalizacin de la ley de
los grandes nmeros de Bernoulli.

17

Frecuentista (objetiva): Probabilidad de un suceso es la frecuencia relativa (%) de veces que ocurrira el suceso al realizar un experimento repetidas veces. Clsica (Apriori): La probabilidad de un suceso se puede conocer antes de realizar el experimento.

Nociones de probabilidad

Subjetiva (bayesiana): Grado de certeza que se posee sobre un suceso. Es personal.

En ambos tipos de definiciones aparece el concepto de suceso. Vamos a recordar qu son y algunas operaciones que se pueden realizar con sucesos.

18

Sucesos Cuando se realiza un experimento aleatorio diversos resultados son posibles. El

conjunto de todos los resultados posibles se llama espacio muestral (E). Se llama suceso a un subconjunto de dichos resultados. Se llama suceso contrario (complementario) de un suceso A, A, al formado por los elementos que no estn en A Se llama suceso unin de A y B, AUB, al formado por los resultados experimentales que estn en A o en B (incluyendo los que estn en ambos. Se llama suceso interseccin de A y B, AB o simplemente AB, al formado por los elementos que estn en A y B

E espacio muestral

E espacio muestral
A A

E espacio muestral E espacio muestral UNIN A B E espacio muestral INTERS. A B

19

Definicin de probabilidad
Se llama probabilidad a cualquier funcin, P, que asigna a cada suceso A un valor numrico P(A), verificando las siguientes reglas (axiomas)
E espacio muestral

P(E)=1

100%

E espacio muestral

0P(A) 1 P(AUB)=P(A)+P(B) si AB=

es el conjunto vaco.

20

Probabilidad condicionada
Se llama probabilidad de A condicionada a B, o probabilidad de A sabiendo que pasa B:
E espacio muestral

P( A B) P( A | B) P( B)

A B

Error frecuentiiiiiisimo:

No confundan probabilidad condicionada con interseccin. En ambos medimos efectivamente la interseccin, pero

En P(AB) con respecto a P(E)=1 En P(A|B) con respecto a P(B)

21

Intuir la probabilidad condicionada

A A

P(A) = 0,25 P(B) = 0,10 P(AB) = 0,10

P(A) = 0,25 P(B) = 0,10 P(AB) = 0,08

Probabilidad de A sabiendo que ha pasado B?

P(A|B)=1

P(A|B)=0,8
22

Intuir la probabilidad condicionada

A A

B B

P(A) = 0,25 P(B) = 0,10 P(AB) = 0,005

P(A) = 0,25 P(B) = 0,10 P(AB) = 0

Probabilidad de A sabiendo que ha pasado B?

P(A|B)=0,05

P(A|B)=0
23

Algunas reglas de clculo prcticas

Cualquier problema de probabilidad puede resolverse en teora mediante aplicacin de los axiomas. Sin embargo, es ms cmodo conocer algunas reglas de clculo:
P(A) = 1 - P(A)

P(AUB) = P(A) + P(B) - P(A B)

P(A B) = P(A) P(B|A)

= P(B) P(A|B)
Prob. de que pasen A y B es la prob. de A y que tambin pase B sabiendo que pas A. Teorema de la multiplicacin de probabilidades
24

Independencia de sucesos
Dos sucesos son independientes si el que ocurra uno, no aade informacin sobre el otro.
A es independiente de B

P(A|B) = P(A)
P(A B) = P(A) P(B)

25

Puntuacin de satisfaccin

Ejemplo (I)

Ocupacin
Administrador Abogado Comunicador Ingeniero Total

Menos de 50
5 10 15 6 36

50 - 60
4 8 3 5 20

60 - 70
6 11 4 10 31

70 - 80
3 5 11 12 31

80 90
1 6 1 2 10

Total
19 40 34 35 128

Se realizo un estudio sobre satisfaccin en el trabajo para cuatro profesiones. La satisfaccin se midi en una escala de 0 a 100.
Cul es la probabilidad de elegir un abogado?
P(Abogado)=40/128=0,3125=31,25%
Nocin frecuentista de probabilidad

26

Ejemplo (II)
Ocupacin Administrador Abogado Comunicador Ingeniero Total

Puntuacin de satisfaccin
Menos de 50 5 10 15 6 36 50 - 60 4 8 3 5 20 60 - 70 6 11 4 10 31 70 - 80 3 5 11 12 31 80 90 1 6 1 2 10 Total 19 40 34 35 128

Probabilidad de ser administrador o tener una satisfaccin de 80 - 90? Probabilidad de ser ingeniero y tener una satisfaccin menor a 50?

27

Sistema exhaustivo y excluyente de sucesos

Son una coleccin de sucesos

A1

A2

A1, A2, A3, A4

Tales que la unin de todos ellos forman el espacio muestral, y sus intersecciones son disjuntas. Recordar cmo formar intervalos en tablas de frecuencias? A1

A3

A4 Suceso seguro

A2 A3 A4
28

Divide y vencers
Todo suceso B, puede ser descompuesto en componentes de dicho sistema.

A1

A2 B = (BA1) U (BA2 ) U ( BA3 ) U ( BA4 )

B A1

B B
B B

A3

A4

Suceso seguro

A2 A3 A4

Nos permite descomponer el problema B en subproblemas ms simples. Creanme . Funciona.

29

Teorema de la probabilidad total

A1 A2 Si conocemos la probabilidad de B en cada uno de los componentes de un sistema exhaustivo y excluyente de sucesos, entonces podemos calcular la probabilidad de B. B P(B|A1) P(A1) Suceso seguro

A1 P(B|A2)
A2 A3 P(B|A3)

B B B B

P(A2)
P(A3)

A3

A4

P(A4) P(B) = P(BA1) + P(BA2 ) + P( BA3 ) + P( BA4 )

=P(A1) P(B|A1) + P(A2) P(B|A2)+

A4

P(B|A4)

30

Ejemplo (I): En esta aula el 70% de los alumnos son mujeres. De ellas el 10% son fumadoras. De los hombres, son fumadores el 20%.
T. Prob. Total. Hombres y mujeres forman un sist. Exh. Excl. de sucesos 0,1 Mujer 0,9 No fuma Fuma

0,7 Qu porcentaje de fumadores hay?

P(F) = P(MF) + P(HF)

Estudiante
0,3 0,2 Fuma

= P(M)P(F|M) + P(H)P(F|H)
=0,7 x 0,1 + 0,3 x 0,2 = 0,13 =13%
Los caminos a travs de nodos representan intersecciones. Las bifurcaciones representan uniones disjuntas. 0,8 No fuma
31

Hombre

Teorema de Bayes
A1
A2 Si conocemos la probabilidad de B en cada uno de los componentes de un sistema exhaustivo y excluyente de sucesos, entonces si ocurre B, podemos calcular la probabilidad (a posteriori) de ocurrencia de cada Ai.
P(Ai|B) P(B Ai) P(B)

A3

A4
donde P(B) se puede calcular usando el teorema de la probabilidad total:

P(B)=P(BA1) + P(BA2 ) + P( BA3 ) + ( BA4 ) =P(B|A1) P(A1) + P(B|A2) P(A2) +

32

Ejemplo (II): En este aula el 70% de los alumnos son mujeres. De ellas el 10% son fumadoras. De los varones, son fumadores el 20%. Qu porcentaje de fumadores hay? P(F) = =0,7 x 0,1 + 0,3 x 0,2 = 0,13
(Resuelto antes)

Se elije a un individuo al azar y es fumador Probabilidad de que sea un hombre?

0,7 Estudiante

0,1 Mujer 0,9

Fuma

No fuma

P( H F ) P( H ) P( F | H ) P( H | F ) P( F ) P( F ) 0,3 0,2 0,46 0,13

0,3 Hombre

0,2

Fuma

0,8

No fuma
33

Qu hemos visto?
lgebra de sucesos
Unin, interseccin, complemento

Probabilidad
Nociones
Frecuentista Subjetiva o Bayesiana

Axiomas Probabilidad condicionada Reglas de clculo

Complementario, Unin, Interseccin

Independencia de sucesos Sistema exhaustivo y excluyente de sucesos

Teorema probabilidad total. Teorema de Bayes

34