ASIGNACIÓN DE PROBABILIDADES A

RESULTADOS EXPERIMENTALES. EVENTOS

Y SUS PROBABILIDADES. RELACIONES
BÁSICAS DE PROBABILIDAD.
INTEGRANTES
MENDOCILLA LARA WENDY
TORRES MUÑOZ JANDO
ANGELES BARDALES JORGE
TORRES ABANTO NELSON
INTRODUCCION A LA
PROBABILIDAD
 LA PROBABILIDAD
La probabilidad es una medida numérica
de la posibilidad de que un evento ocurra.

Por tanto, las probabilidades podrían

utilizarse como medidas del grado de
incertidumbre asociado con los cuatro
eventos listados antes. Si las probabilidades
estuvieran disponibles, podríamos determinar
la posibilidad de que ocurra cada evento.

La probabilidad es importante en la toma de

decisiones debido a que proporciona una
manera de medir, expresar y analizar las
incertidumbres asociadas con eventos futuros.
 LA PROBABILIDAD CON MEDIDA NUMERICA
DE LA POSIBILIDAD DE
OCURRENCIA
POSIBILIDAD CRECIENTE DE OCURRENCIA

0 0,5 1

La ocurrencia del evento es igualmente

probable que improbable
• La probabilidad es una medida numérica de que un evento ocurra.
• Los valores de probabilidad de se asignan siempre en una escala de la 0 a1.
• la probabilidad cercana a 0 indica que un evento es muy poco probable que
ocurra .
• La probabilidad cercana a 1 indica que es casi seguro que un evento ocurra.
• la probabilidad de 0.5 indica que la ocurrencia del evento es tan probable de
que ocurra como de que no ocurra.
 ESPACIO
MUESTRAL

El conjunto de todos los

resultados
EXPERIMENTO experimentales posibles.
Cada resultado
El primer paso en el
análisis de un experimental específico
experimento en también se conoce como
particular es definir punto muestral y es un
Cualquier proceso que detalladamente los elemento del espacio
genera resultados bien resultados maestral.
definidos. En una sola experimentales. Al
repetición de un definir todos los
experimento ocurrirá uno resultados
y solo uno de los experimentales posibles,
resultados identificamos el espacio
experimentales posibles. muestral
 EJEMPLO

CUANDO HAYAMOS DEFINIDO TODOS LOS RESULTADOS

EXPERIMENTALES POSIBLES, HABREMOS IDENTIFICADO EL
ESPACIO MUESTRA
 ASIGNACIÓN DE PROBABILIDADES A
RESULTADOS EXPERIMENTALES
Una vez comprendido lo que es un experimento y el espacio maestral, veamos
ahora cómo se determinan las probabilidades para los resultados experimentales.

La probabilidad de un resultado experimental es una medida numérica de la

posibilidad de que ese resultado experimental ocurra. Cuando se asignan
probabilidades a los resultados experimentales, se debe cumplir con dos
requerimientos básicos de probabilidad.

Para cada resultado experimental Ei. 0 ≤ P(Ei)≥ 1

 PARA ASIGNAR VALORES DE PROBABILIDAD A LOS
RESULTADOS EXPERIMENTALES SE USAN VARIOS MÉTODOS :
 Consideremos de nuevo el experimento
de lanzar una moneda. En cualquier
lanzamiento observaremos uno de dos
resultados experimentales: cara o cruz.
Un supuesto razonable es que los dos
resultados posibles tienen igual
probabilidad de ocurrir.

Por tanto, como uno de los dos

resultados igualmente probables
es una cara, por lógica debemos
concluir que la probabilidad de
observar una cara es 1/2, o 0.50.

Todos los resultados del experimento son igualmente probables.

Si (n) resultados son posibles, una probabilidad de 1/n se asigna a cada
resultado.
 EJEMPLO :
Experimento: Tirar un dado
Resultados del experimento: 1,2,3,4,5,6
S= 1,2,3,4,5,6
P(1) = 1/6
P(2) = 1/6
P(3) = 1/6
P(4) = 1/6
P(5) = 1/6
P(6) = 1/6
Asigna probabilidades basadas en
experimentación o datos históricos.

EJEMPLO :

De 400 clientes se tienen los siguientes

datos históricos 100 compraron
realmente el producto y 300 no lo
compraron. En consecuencia, se usa la
frecuencia relativa como un estimado de
la probabilidad 100/400=0.25
compran, 300/400=0.75 no compran
EJEMPLO PROYECTO DE KP&L: LA GERENCIA DECIDIÓ EFECTUAR UN ESTUDIO
DE LOS TIEMPOS DE TERMINACIÓN DE PROYECTOS SIMILARES REALIZADOS POR
KP&L DURANTE LOS TRES AÑOS PASADOS.
 El método subjetivo de asignar probabilidades es el más
apropiado cuando no podemos suponer de manera realista
que los resultados experimentales son igualmente probables y
cuando se cuenta con pocos datos relevantes.

Cuando se utiliza el método subjetivo para asignar

probabilidades a los resultados experimentales, podemos
utilizar cualquier información disponible, como nuestra
experiencia o intuición
 EVENTOS Y SUS PROBABILIDADES
DEFINICIÓN: Un evento es una colección de puntos muéstrales (resultados experimentales).

C = El evento de que el proyecto se termine en 10

meses o menos (<= 10)
C = {(2,6), (2,7), (2,8), (3,6), (3,7), (4,6)} =.70

L = El evento de que el proyecto se termine en menos

de 10 meses (< 10)
L = {(2,6), (2,7), (3,6)}=.40

M = El evento de que el proyecto se termine en más de

10 meses (> 10)
M = {(3,8), (4,7), (4,8)} =.30
EVENTOS MUTUAMENTE
EXCLUYENTES
DOS O MAS EVENTOS QUE NO
PUEDEN OCURRIR AL MISMO
TIEMPO
A: Reina de Corazones ; B:Reina de
Espadas
Los eventos A y B son mutuamente
excluyentes
EVENTOS NO MUTUAMENTE
EXCLUYENTES
DOS O MAS EVENTOS QUE SI
PUEDEN OCURRIR AL MISMO
TIEMPO
A: Naipes de Corazones ; B: As
Los eventos A y B no son mutuamente
excluyentes
El As de Corazones
 RELACIONES BASICAS
DE PROBABILIDAD
COMPLEMENTO DE UN EVENTO
• El Complemento De Un Evento A Es Definido Como El Evento Consistente De Todos
Los Puntos Muestrales Que No Están En A.
• El Complemento De A Se Denota Por Ac.

• El Diagrama De Venn Abajo Ilustra El Concepto De Complemento.

 LEY DE LA ADICIÓN
• La Unión De Dos Eventos A Y B Es El Evento Que Contiene Todos Los
Puntos Muestrales Que Están En A Y B O En Ambos.
• La Unión Se Denota Por A È B.
• La Unión De A Y B Se Ilustra Abajo.
 PROBABILIDAD CONDICIONAL

• EN MUCHAS SITUACIONES DE PROBABILIDAD ES IMPORTANTE DETERMINAR

LA PROBABILIDAD DE UN EVENTO CUANDO SE SABE QUE OTRO EVENTO
RELACIONADO HA OCURRIDO. SUPONGA QUE TENEMOS UN EVENTO A
CON PROBABILIDAD P(A) Y QUE SE OBTIENE INFORMACIÓN NUEVA O NOS
ENTERAMOS DE QUE HA OCURRIDO OTRO EVENTO, LLAMADO B.
• SI A GUARDA UNA RELACIÓN CON B, QUERREMOS APROVECHAR ESTA
INFORMACIÓN AL CALCULAR UNA PROBABILIDAD NUEVA O REVISADA
PARA EL EVENTO A.
 LEY DE LA MULTIPLICACIÓN

• La Ley De La Multiplicación Se Puede Utilizar Para Determinar La

Probabilidad De La Intersección De Dos Eventos.
• La Ley De La Multiplicación Se Deriva De La Definición De Probabilidad
Condicional.
 TEOREMA DE BAYES

• A Menudo Iniciamos El Análisis Probabilístico Con Probabilidades A Priori O

Iniciales.
• Luego, De Una Muestra, Reporte Especial, O Una Prueba De Producto Obtenemos
Información Adicional.
• Dadas Esta Información, Calculamos Las Probabilidades A Posteriori O Revisadas.
• El Teorema De Bayes Provee Los Medios Para Revisar Las Probabilidades A
Priori.

Aplicación
Probabilidades Nueva Probabilidades
del teorema
a priori Información A Posteriori
de Bayes’
 EJEMPLO: L. S. CLOTHIERS
Un Centro Comercial Propuesto Dara Una Fuerte Competencia A Los
Negocios Como L. S. Clothiers. Si El Centro Comercial Es Construido, El Dueño
De L. S. Clothiers Siente Que Lo Mejor Sera Relocalizarse.
El Centro Comercial No Puede Ser Construido A Menos Que Un
Cambio De Uso Del Suelo Se Apruebe Por El Cabildo. El Consejo De
Planeación Debe Hacer Primero Una Recomendación, A Favor O Encontra Del
Cambio Del Uso Del Suelo, Dirigida Al Cabildo. Sea
A1 = El Cabildo Aprueba El Cambio De Uso Del Suelo
A2 = El Cabildos Desaprueba El Cambio Del Uso Del Suelo
• Probabilidades A Priori
Usando Juicio Subjetivo: P(A1) = .7, P(A2) = .3
 EJEMPLO: L. S. CLOTHIERS
• Nueva Información
El Consejo De Planeación A Recomendado En Contra Del Cambio
De Uso Del Suelo. Sea B El Evento De Una Recomendación Negativa Por
El Consejo De Planeación
Dado Que B A Ocurrido, ¿Debería L.S. Clothiers Revisar Las
Probabilidades Que El Cabildo Apruebe O Desapruebe El Cambio De
Uso Del Suelo?
• Probabilidades Condicionales
La Historia Pasada Con El Consejo De Planeación Indica Lo Siguiente
P(B|A1) = .2 P(B|A2) = .9
 EJEMPLO: L. S. CLOTHIERS
• DIAGRAMA DE ÁRBOL

P(B|A1) = 0.2 P(A1  B) = 0.14

P(A1) = 0.7

P(Bc|A1) = 0.8 P(A1  Bc) = 0.56

P(B|A2) = 0.9 P(A2  B) = 0.27

P(A2) = 0.3

P(Bc|A2) = 0.1 P(A2  Bc) = 0.03

 TEOREMA DE BAYES

• Para Encontrar Las Probabilidades Posteriores De Que El Evento Ai

Ocurra Dado Que El Evento B Ha Ocurrido Aplicamos El Teorema
De Bayes.

P ( Ai ) P ( B| Ai )
P ( Ai | B ) 
P ( A1 ) P ( B| A1 )  P ( A2 ) P ( B| A2 ) ...  P ( An ) P ( B| An )

• El Teorema De Bayes Es Aplicable Cuando Los Eventos Por Los

Cuales Queremos Calcular Las Probabilidades Posteriores Son
Mutuamente Exclusivas Y Su Unión Es El Total Del Espacio Muestral
 EJEMPLO: L. S. CLOTHIERS
• PROBABILIDADES A POSTERIORI
DADAS LAS RECOMENDACIONES DEL CONSEJO DE PLANEACIÓN DE NO
APROBAR EL CAMBIO DE USOS DEL SUELO, REVISAMOS LAS PROBABILIDADES A
PRIORI COMO SIGUE:

P ( A1 ) P ( B| A1 ) (. 7)(. 2)
P ( A1| B )  
P ( A1 ) P ( B| A1 )  P ( A2 ) P ( B| A2 ) (. 7)(. 2)  (.3)(.9) = 0.34

• CONCLUSIÓN
LA RECOMENDACIÓN DEL CONSEJO DE PLANEACIÓN ES UNA BUENA
NOTICIA PARA L. S. CLOTHIERS. LA PROBABILIDAD POSTERIOR DE QUE EL
CABILDO APRUEBE EL CAMBIO DE USO DEL SUELO ES DE .34 CONTRA UNA
PROBABILIDAD A PRIORI DE .70
 METODOLOGÍA TABULAR

• PASO 1 : Preparar Las Tres Columnas Siguientes:

Columna 1 - Los Eventos Mutuamente Excluyentes Para Los

Cuales Se Desean Calcular Las Probabilidades Posteriores.
Columna 2 - La Probabilidades Previas De Los Eventos.
Columna 3 - La Probabilidades Condicionales De La
Nueva Información, Dado Cada Evento.
 METODOLOGÍA TABULAR

(1) (2) (3) (4) (5)

PROBABILIDADES PROBABILIDADES
EVENTOS A PRIORI CONDICIONALES

AI P(AI) P(B|AI)

A1 .7 .2
A2 .3 .9
1.0
 METODOLOGÍA TABULAR
• PASO 2 En La Columna 4, Calcule Las Probailidades
Conjuntas De Cada Evento Y La Nueva Información
Usando La Ley Multiplicativa.

Multiplicar Las Probabilidades A Priori En La Columna 2

Por Las Correspondientes Probabilidades Condicionales

En La Columna 3. Esto Es, P(ai IB) = P(ai) P(b|ai).

 METODOLOGÍA TABULAR

(1) (2) (3) (4) (5)

PROB PROB PROB
EVENTOS A PRIORI CONDICIONALES CONJUNTAS
AI P(AI) P(B|AI) P(AI I B)

A1 .7 .2 .14
A2 .3 .9 .27
1.0
 METODOLOGÍA TABULAR
• Paso 3
Sume Las Probabilidades Conjuntas En La Columna 4. La Suma Es La
Probabilidad De La Nueva Información P(B).
Vemos Que Hay Un .14 De Probabilidad De Que El Cabildo Apruebe El
Cambio De Uso Del Suelo Y Una Recomendación Negativa Por El
Consejo De Planeación. Hay Un .27 De Probabilidad Que El Cabildo
Desapruebe El Cambio Del Uso Del Suelo Y Una Recomendación
Negativa Del Consejo De Planeación.
La Suma .14 + .27 Muestra La Probabilidad Total De .41 De Una
Recomendación Negativa Del Consejo De Planeación.
 METODOLOGÍA TABULAR

(1) (2) (3) (4) (5)

PROB PROB PROB PROB
EVENTOS A PRIORI CONDICIONALES CONJUNTAS
AI P(AI) P(B|AI) P(AI I B)

A1 .7 .2 .14
A2 .3 .9 .27
1.0 P(B) = .41
 METODOLOGÍA TABULAR
• Paso 4 En La Columna 5, Calcule Las Probabilidades Posteriores
Usando La Relación Básica De Probabilidad Condicional.

P( Ai  B)
P( Ai | B) 
P( B)

Note Que Las Probabilidades Conjuntas P(ai Ib) Están En La

Columna 4 Y La Probabilidad P(b) Es La Suma De La Columna 4.
 METODOLOGÍA TABULAR
(1) (2) (3) (4) (5)
PROB PROB PROB PROB
EVENTOS A PRIORI CONDICIONALES CONJUNTAS APOSTERIORI

AI P(AI) P(B|AI) P(AI I B) P(AI |B)

A1 .7 .2 .14 .3415
A2 .3 .9 .27 .6585

1.0 P(B) = .41 1.0000