Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
ELEMENTOS
DE
PROBABILIDAD
COMPARACIN
ENTRE
PROBABILIDAD
Y
ESTADSTICA
Probabilidad
5A 5R 5B
Estadstica
????
La probabilidad constituye
la base para el estudio de
los mtodos de la
ESTADISTICA
INFERENCIAL.-
Por ejemplo:
a)Cul es la probabilidad de que cambien las ventas si se
incrementan los precios?.b) Cul es la probabilidad de que un proyecto se termine a
tiempo?.c) Cul es la probabilidad de que una nueva inversin sea
rentable?.d) Cul es la probabilidad de que el nuevo mtodo de trabajo
aumente la productividad?.e) Etc.-
El estudio y
clculo de las probabilidades
se facilita mucho
si conocemos algo antes
de TEORA DE CONJUNTOS.-
VEAMOS ENTONCES LO
ELEMENTAL DE ESTE TEMA.-
TEORIA
TEORIA DE
DE
LOS
LOS
CONJUNTOS
CONJUNTOS
CONJUNTO
Es una coleccin bien
definida de objetos.
ELEMENTO
S
Son los objetos o cosas
de que esta formado
el conjunto
METODO DE
LISTA
METODO DE
LA REGLA
Conjunto Universal :
es el conjunto ms
extenso por el cual hay inters en un anlisis
dado. Se simboliza al conjunto universal con U.
Observamos aqu que hay una total coincidencia
entre lo que es una poblacin estadstica y el
conjunto universal.
Subconjunto :
decimos que A es un
subconjunto de B si cada elemento de A es
tambin un elemento de B. Observamos aqu que
muestra es un subconjunto del conjunto
poblacin. Por ejemplo si retomamos el ejemplo
anterior, si:
B = Susana, Lus
decimos que B es un subconjunto de A que esta formado
por;
A = Susana, Lus, Mara, Beatriz, Pedro
A = B
A = 1,2,3,4
decimos que
B = 1,2,3,4,5,6
A B
Conjunto vaco :
Operaciones con
conjuntos.
Veremos como pueden formarse nuevos
conjuntos realizando operaciones con ellos.
Los resultados de estas operaciones los
explicaremos por medio de los diagramas de
Venn , nombre que proviene del lgico ingles
John Venn (1834-1923), que fue quien creo esta
forma de representar conjuntos.
Por ejemplo:
U = 1,2,3,4,5
donde
U
1
A
2
3
4
A
A = 1,2,3
Llamamos
complemento
= 4,5
U
A
B
A B
U
B
A
Por ejemplo:
A = 1,2,3
B = 4,5,6
B = {3,4,5,6 }
U
A
A B = {1,2,3,4,5,6}
PROPIEDAD DISTRIBUTIVA
A (B U C) = ( A B) U
A U (B C) = (A U B)
(A C)
(A U C)
LEYES DE MORGAN
A U B =
A B
A B = A U
A = {1,2,3,4}
B = {3,4,5,6}
Calcular:
e) Complemento de A B.
7
9
10
A
1
3
5
4
Solucin
b)
A B = {1,2,3,4,5,6}
c)
A B = {3,4}
d)
A = {5,6,7,8,9,10}
e)
A B = {1,2,5,6,7,8,9,10}
Elaborar un diagrama de Venn para A y F.El conjunto de motores que tienen los dos tipos de defecto.El conjunto de motores que tiene por lo menos un tipo de defecto.El conjunto de motores que no tiene defectos.El conjunto de motores que tienen exactamente un tipo de
defecto.-
simblica para:
a)
b)
c)
d)
e)
Elaborar un diagrama de Venn para A y B.El conjunto de facturas que tienen los dos tipos de errores.El conjunto de facturas que tiene por lo menos un tipo de error.El conjunto de facturas que no tiene errores.El conjunto de facturas que tienen exactamente un tipo de error.-
para:
a)
b)
c)
d)
e)
Elaborar un diagrama de Venn para A y B.El conjunto de cermicas que tienen los dos tipos de fallas.El conjunto de cermicas que tiene por lo menos un tipo de falla.El conjunto de cermica que no tiene fallas.El conjunto de cermicas que tienen exactamente un tipo de falla.-
para:
a) Elaborar un diagrama de Venn para A y B.b) El conjunto de viviendas que tienen hijos en los dos tipos de
escolaridad.c) El conjunto de viviendas que tiene hijos por lo menos en un tipo
de escolaridad.d) El conjunto de viviendas que no tiene hijos en ninguna
escolaridad.e) El conjunto de viviendas que tienen hijos exactamente en un tipo
de escolaridad.-
simblica para:
a) Elaborar un diagrama de Venn para A y B.b) El conjunto de turistas que fueron a los dos lados.c) El conjunto de turistas que fueron por lo menos a uno de los dos
lugares.d) El conjunto de turistas que no fueron a ninguno de los dos
lugares.e) El conjunto de turistas que fueron exactamente a uno de los dos
lugares.-
simblica para:
a) Elaborar un diagrama de Venn para A y B.b) El conjunto de presos que tienen las dos enfermedades.c) El conjunto de presos que tiene por lo menos una de las dos
enfermedades.d) El conjunto de presos que no tienen ninguna de las dos
enfermedades.e) El conjunto de presos que tienen exactamente una de las dos
enfermedades.-
3.- Una empresa adquiere una nueva maquina que debe instalarse y
probarse antes de que este lista para su uso.- La empresa esta
segura de que no tardara mas de 7 das en instalarla y probarla.Sea A el evento se necesitaran mas de 4 das para que la maquina
este lista y B el evento se necesitaran menos de 6 das para que
la maquina este lista.a) Describa el evento que es complementario del evento A.b) Describa el evento que es la interseccin de los eventos A y B.c) Describa el evento que es la unin de los eventos A y B.d) son los eventos A y B mutuamente excluyentes?.e) son los eventos A y B colectivamente exhaustivos?.f) Demuestre que (A B) U ( A B) = B
g) Demuestre que A U ( A B) = A U B
Solucin
VISTO LO BASICO DE
TEORIA DE LOS
CONJUNTOS
PODEMOS AHORA
INTRODUCIRNOS
EN LO ELEMENTAL
DEL MUNDO DE LAS
PROBABILIDADES
La probabilidad
es 0 cuando el
evento nunca va
a ocurrir.-
La probabilidad es 1 cuando
el evento ocurrir con
seguridad.Se la explica siempre en %.-
Experimento
Aleatorio
ESPACIO
MUESTRAL
Lo simbolizamos
con S
Ejemplos:
Experimento aleatorio: tirar un dado al aire.
S = {1,2,3,4,5,6}
Experimento aleatorio: tirar una moneda al
aire
S= {cara, cruz}
EVENTO
EVENTO :: SON
SON
CADA
CADA UNO
UNO DE
DE LOS
LOS
RESULTADOS
RESULTADOS DEL
DEL
EXPERIMENTO
EXPERIMENTO
ALEATORIO
ALEATORIO
Pueden ser:
Simples o
Compuestos
Ejemplo
Ejemplo
Experimento
Experimentoaleatorio:
aleatorio:tirar
tirarun
undado
dadoal
alaire
aire
SS=={1,2,3,4,5,6}
{1,2,3,4,5,6}
Pr
Pr(Salga
(Salgaun
un4)
4)es
esun
unevento
eventosimple
simple
Pr
Pr(Salga
(Salgaun
unnmero
nmeropar)
par) es
esun
unevento
eventocompuesto
compuesto
TECNICAS
TECNICAS DE
DE
CONTEO
CONTEO
UTILES
UTILES EN
EN
PROBABILIDADES
PROBABILIDADES
REGLA DE LA MULTIPLICACIN.Si hay que hacer m operaciones y si las primeras se pueden hacer
de n1 formas y sin importarme como se hicieron las primeras la
segundas se pueden hacer de n2 formas y as sucesivamente para
las m operaciones, entonces la cantidad de operaciones que
podemos hacer ser:
n1 * n 2
* n3 * .. * nm
2 *
2 * 2
= 8 formas
Cuando son pocas las formas que pueden darse, se suele calcular
los eventos del espacio muestral por medio de un
DIAGRAMA DE ARBOL.-
1 ART.
2 ART
3 ART
EVENTOS
DDD
DDN
DND
DNN
NDD
NDN
NND
NNN
D
D
N
D
N
N
X-1
X-2
PERMUTACIONES Y COMBINACIONES.
Al seleccionar los elementos en los subconjuntos, la distincin
entre permutaciones y combinaciones depende si el orden de las
selecciones hace diferencia.- Si un orden es suficiente para
constituir otro subconjunto entonces se trata de permutaciones.Si dos subconjuntos se consideran iguales debido a que
simplemente se han reordenado los mismos elementos, entonces
se involucran combinaciones.Dado un conjunto de n elementos, el nmero de permutaciones,
cada uno de tamao r, se determina como, el nmero de
permutaciones de n elementos tomados r a la vez:
n!
nPr
=
( n - r) !
Cr
=
r ! (n - r) !
Ejemplos:
1.- Supongamos que hay que seleccionar dos letras de A,
B,
C,
D,
E y colocarlas en orden:Cuntas
permutaciones son posibles?.5P2
5!
3!
= 20
BC
BA
CA
CB BD
CE
DE
DB
BE
CD
DA
EB
EA
DC
EC
ED
Probabilidad
Probabilidad
emprica
empricaoo
probabilidad
probabilidad
frecuencial
frecuencial
1) Dado un evento A
0 P (A) 1
2) Si S es el espacio muestral del
experimento
P (S) = 1
3)
Si A y B son eventos
mutuamente excluyentes
P (A U B) = P (A) + P (B)
Estos axiomas
se deben
cumplir al
asignar
probabilidad a
un evento por
cualquier
enfoque
PROBABILIDAD CLASICA O
A PRIORI O DE LAPLACE
Es apropiado para asignar probabilidad
cuando los resultados del experimento son
igualmente probables.- Surgi con los
juegos de azar.Por ejemplo,
Si son posibles n resultados
experimentales, una probabilidad de 1/n es
la que corresponde a cada evento.-
el
PROBABILIDAD EMPRICA O
FRECUENCIAL.Es apropiado para asignar probabilidad cuando
se cuenta con datos para estimar la proporcin
del tiempo en que ocurrir el resultado
experimental si el experimento se repite un
nmero grande de veces.Evidentemente podemos usar este enfoque
siempre que tengamos frecuencias.-
EJEMPLO DE PROBABILIDAD
FRECUENCIAL
Nde hijos de obreros de la
empresa
xi
Obreros
20
45
57
39
28
212
14
18 %
39
PROBABILIDAD SUBJETIVA
Es apropiado para asignar probabilidad
cuando se da un experimento en donde
no se puede aplicar ninguno de los dos
enfoques vistos, y asignamos
probabilidad en base al conocimiento del
hecho que tenemos.Por ejemplo: la probabilidad de que
maana llueva es del 70%.-
ALGUNAS
RELACIONES
BASICAS DE
PROBABILIDAD
COMPLEMENTO DE UN EVENTO
Dado un evento A, el complemento de A que simbolizamos con A,
es el que esta formado por todos los elementos que no estn en A.En un diagrama de Venn, ser:
Ejemplo
A
A
P (A) + P (A) = 1
P (A) = 1 - P (A)
excluyentes, es
decir no tienen entre ellos elementos en comn.-
Entonces
P (A U B) = P (A) + P (B)
A
Podemos decir
P (A U B) = P (A) + P (B) - P ( A B)
EJERCICIO PROPUESTO:
PROBABILIDADES
MARGINALES Y
CONJUNTAS
VEAMOS UN EJEMPLO:
Supongamos que una gran Empresa tiene 1200 empleados de los
cuales 960 son hombres y 240 mujeres.- En los ltimos dos aos
fueron Jerarquizados solamente 324 empleados de los cuales 288
son hombres.- Con esta informacin elaboramos la siguiente tabla:
HOMBRES
MUJERES
TOTAL
(A)
(H)
288
(M)
36
324
JERARQUIZADO
S
(B)
672
204
876
960
240
1200
NO
JERARQUIZADO
S
TOTAL
SOLUCION
876/1200 = 0,73
c) P (A H) =
%
d) P ( M B) =
%
73%
24
- 288/1200 =
83 %
240/1200 = 1200/1200
PROBABILIDA
PROBABILIDA
D
D
CONDICIONAL
CONDICIONAL
P (A B)
P ( A / B) =
P (B)
Siempre que P (B) > 0.-
LEY DE MULTIPLICACION
Se usa para determinar la probabilidad de
una interseccin de dos eventos.Esta ley se basa en la definicin de la
probabilidad condicional.-
EVENTOS INDEPENDIENTES
Un concepto bsico de la teora de la probabilidad de particular
importancia por sus aplicaciones a la estadstica es el
de
INDEPENDENCIA.-
P (A B) = P (A) * P (B)
De no darse esto, A y B no son independientes y decimos que los
eventos son dependientes.-
49 %.-
672 / 1200
672
960 / 1200
960
P (B / H) =
960
PARA RECORDAR:
NO
SE DEBEN CONFUNDIR ENTRE SI EL
CONCEPTO
DE
EVENTOS
MUTUAMENTE
EXCLUYENTES
CON
EL
DE
EVENTOS
INDEPENDIENTES.DOS EVENTOS CUYAS PROBABILIDADES SON
DISTINTAS DE CERO NO PUEDEN SER DE
MANERA
SIMULTANEA
MUTUAMENTE
EXCLUYENTES E INDEPENDIENTES ENTRE SI.SI
OCURRE
UNO
DE
LOS
EVENTOS
MUTUAMENTE EXCLUYENTES, EL OTRO NO
SUCEDE, ASI QUE LA PROBABILIDAD DE QUE
OCURRA EL OTRO EVENTO SE REDUCE A
CERO.EN
CONSECUENCIA
SON
DEPENDIENTES.-
VEAMOS UN
EJEMPLO COMPLETO
DE APLICACIN.-
EDAD
A.- menos
de
30 aos
ESTADO CIVIL
S.- soltero
C.- casado
TOTAL
77
14
91
B.- 30 aos
o ms
28
21
49
TOTAL
105
35
140
49/140 = 0,35
65 %
35 %
75%
25%
55 %.-
55 %.-
o tambin
P (S A) = P (S) P (A/S) = 105/140 * 77/ 105 =
= 77/140 = 0,55
55 %
77/140
77
91/140
91
= 0, 4875 49 %.Luego
P ( S A)
P (A) * P (B)
VEAMOS UN
EJEMPLO COMPLETO
DE APLICACIN.Cuando nos dan la tabla de
probabilidad.-
TEOREMA DE
PROBABILIDAD
TOTAL
Se da un cierto evento A y
observamos que:
E1
E2
A = (E1 A) U (E2 A)
P (B) = 0,40
C = no la modificaron
P ( C/A) = 0,30
P (C/B) = 0,10
0,18
+
+
0,40 * 0,10
0,04 = 0,22 22%
TEOREMA DE BAYES.Del teorema de probabilidad total podemos hacer una ampliacin.Supongamos que ahora se elige una vivienda al azar y se encuentra
que no fue modificada.- Cul es la probabilidad de que se haya
adjudicado a gente de Bajos Recursos?.Observamos que esta pregunta no es ms que una probabilidad
condicional,
P (A C)
P (A/C) = -------------------P (C)
Sabemos que el numerador no es ms que una interseccin que
como conocemos de antemano ciertas probabilidades, aplicamos el
Teorema de la multiplicacin y el denominador no es ms que la
probabilidad total que calculamos antes.Por lo tanto nos queda,
P (A C)
P (A) P (C/A)
0,60 * 0,30
P( C)
0,22
0,18
= ------------ = 0,8182 82 %
0,22
Esto es lo que conocemos como TEOREMA DE BAYES.-
j = 1,2,3..k.-
VEAMOS UN
EJEMPLO
DE
APLICACION:
P(B2)
P(A/B2)
a) P (A ) = P(B1) * P(A/B1) +
=
=
0.60
0.05
P(B2) * P(A/B2)
0,40 * 0,10
0,60 *
0,04
0,03
0,07 7%
0,05 =
b)
P (B1)
* P (A/B1)
P( B1 / A) =
=
P (B1) * P (A/B1)
0,40 *
P (B2) * P (A/B2)
0,10
= 0,5714 69 %
0,40 * 0,10 + 0,60 * 0,05
P ( T/Q) = 0,67
P (T/Q) = 0,20
P (Q) * P ( T/Q)
=
P (T)
0,60 * 0,67
=
P (T)
P (T)
0,482
0,60 * 0,67
P (Q/T) =
= 0,834
0,482
EJERCICIOS PROPUESTOS
1.- En cierta planta de montaje, tres mquinas B1. B2, B3,
montan 30,0%, 45,0% y 25% de los productos
respectivamente.- Se sabe por experiencia pasada que
2%, 3% y 2% de los productos ensamblados por cada
mquina, respectivamente tienen defectos.Ahora suponga que se selecciona de forma aleatoria un
producto terminado:
a) Cul es la probabilidad de que ste defectuoso?.b) Cul es la probabilidad de que si es defectuoso, este
ensamblado por la mquina B3?.Solucin
Respuestas: a) 0,0245
b) 0,2041
VARIADOS
e) P (A U B)
g) P (A U B)
Solucin
Un defecto en los bujes.Un defecto en un eje o en un buje.Solo uno de los tipos de defectos.Ningn defecto en los ejes o en los bujes.Solucin
EJERCICIOS PROPUESTOS:
1.- De
100 estudiantes que terminaron un
postgrado de Estadstica, 20 eran ejecutivos.Diez obtuvieron A en el curso y tres de estos eran
ejecutivos.- Supongamos que B representa a los
ejecutivos.Suponga que el estudiante seleccionado al azar
es ejecutivo.a) Muestre estos hechos en un diagrama de
Venn.b) Se desea conocer la probabilidad de que el
estudiante obtuviera una A.Solucin
T
2
Total
Buenas
320
14
334
Malas
80
36
116
Total
400
50
450