INSTITUTO TECNOLGICO DE MATEHUALA

PROBABILIDAD Y ESTADSTICA DESCRIPTIVA

INGENIERA EN GESTIN EMPRESARIAL
3 SEMESTRE

GRUPO B

UNIDAD ll: INTRODUCCIN A LA PROBABILIDAD Y VALOR ESPERADO

Resumen
ALUMNA: JAZMN ESMERALDA CORONEL MORENO
DOCENTE: MARGARITA CORONADO OROZCO
MATEHUALA S.L.P., A 29 DE OCTUBRE DE 2016

OBJETIVO 3
INTRODUCCIN

A LA PROBABILIDAD

OBJETIVO 3 INTRODUCCIN A LA PROBABILIDAD.

DEFINICIN Y EXPRESIN.
La probabilidad y la estadstica estn relacionadas en una forma importante. La probabilidad se
emplea como herramienta; permite que usted evale la confiabilidad de sus conclusiones acerca
de la poblacin cuando tenga slo informacin muestral.
EVENTOS Y EL ESPACIO MUESTRAL
Se obtienen datos al observar ya sea eventos no controlados en la naturaleza o situaciones
controladas en un laboratorio. Usamos el trmino experimento para describir cualquiera de los
dos mtodos de recoleccin de datos.
Definicin. Un experimento es el proceso mediante el cual se obtiene una observacin (o
medicin).
La observacin o medicin generada por un experimento puede o no producir un valor numrico.
A continuacin veamos algunos ejemplos de experimentos:
Registrar la calificacin de un examen
Medir la cantidad de lluvia diaria

 Entrevistar a un dueo de casa para obtener su opinin sobre un reglamento para distribuir por
zonas un rea verde
Probar una tarjeta de circuito impreso para determinar si es un producto defectuoso o
aceptable.
Lanzar al aire una moneda y observar el lado que aparece.
Cuando se realiza un experimento, lo que observamos es un resultado
llamado evento simple, con frecuencia denotado por la mayscula E con
un subndice.
Definicin. Un evento simple es el resultado que se observa en una
sola repeticin del experimento.
Definicin. Evento como un conjunto de eventos sencillos, a menudo denotado por una letra
mayscula. Definicin Un evento es un conjunto de eventos sencillos.
A veces, cuando ocurre un evento, significa que no puede ocurrir otro. Definicin Dos eventos
son mutuamente excluyentes si, cuando ocurre un evento, los otros no pueden ocurrir y
viceversa.
Definicin. El conjunto de todos los eventos sencillos se denomina espacio muestral, S.

CLCULO DE PROBABILIDADES CON EL USO DE EVENTOS SENCILLOS

La probabilidad de un evento A es una medida de nuestra creencia de que el evento A ocurrir.
Una manera prctica de interpretar esta medida es con el concepto de frecuencia relativa.
Recuerde que si un experimento se realiza n veces, entonces la frecuencia relativa de un suceso
particular, por ejemplo A, es donde la frecuencia es el nmero de veces que ocurri el evento A.
Si hacemos que el nmero n de repeticiones del experimento se haga cada vez ms grande
(n), en ltima instancia se genera toda la poblacin. En sta, la frecuencia relativa del evento
A se define como la probabilidad del evento A; esto es,
Como P(A) se comporta como una frecuencia relativa, P(A) debe ser una proporcin que se
encuentre entre 0 y 1; P(A)= 0 si el evento A nunca ocurre, y P(A)= 1 si el evento A siempre
ocurre. Cuanto ms cercano sea P(A) a 1, es ms probable que A ocurra.
REQUISITOS PARA PROBABILIDADES DE UN EVENTO SIMPLE
Cada probabilidad debe estar entre 0 y 1.
La suma de las probabilidades de todos los eventos sencillos en S igual a 1.
Cuando es posible escribir los eventos sencillos asociados con un experimento y determinar sus
probabilidades respectivas, podemos hallar la probabilidad de un evento A si sumamos las
probabilidades de todos los eventos sencillos contenidos en el evento A.
Definicin. La probabilidad de un evento A es igual a la suma de las probabilidades de los
eventos sencillos contenidos en A.

CLCULO DE LA PROBABILIDAD DE UN EVENTO

1. Haga una lista de todos los eventos sencillos del espacio muestral.
2. Asigne una probabilidad apropiada a cada evento simple.
3. Determine cules eventos sencillos resultan en el evento de inters.
4. Sume las probabilidades de los eventos sencillos que resulten en el evento de inters.
En su clculo, usted siempre debe tener cuidado de satisfacer estas dos condiciones:
Incluir todos los eventos sencillos en el mismo espacio.
Asignar probabilidades realistas a los eventos sencillos.
Cuando el espacio muestral es grande, es fcil de omitir sin intencin algunos de los eventos
sencillos. Si esto ocurre, o si sus probabilidades asignadas son errneas, sus respuestas no
sern tiles en la prctica.
Una forma de determinar el nmero requerido de eventos sencillos es usar las reglas de conteo
presentadas en la siguiente seccin opcional. Estas reglas se pueden usar para resolver
problemas ms complejos, que generalmente comprenden un gran nmero de eventos sencillos.

1.2 TCNICAS DE CONTEO.

REGLAS TILES DE CONTEO (OPCIONAL)
Suponga que un experimento comprende un gran nmero N de eventos simples y que usted
sabe que todos esos eventos son igualmente probables. Entonces cada evento simple tiene una
probabilidad 1/N y la probabilidad de un evento A se puede calcular como

donde nA es el nmero de eventos simples que resultan en el evento A. En esta seccin,

presentamos tres reglas sencillas que se pueden usar para contar ya sea N, el nmero de
eventos simples del espacio muestral, o nA, el nmero de eventos simples del evento A. Una vez
que haya obtenido estas cuentas, puede hallar P(A) sin en realidad hacer una lista de todos los
eventos simples.

LA REGLA mn
Considere un experimento que se realiza en dos etapas. Si la primera etapa se puede efectuar
en m formas y, para cada una de stas, la segunda etapa se puede lograr en n formas, entonces
hay mn formas para efectuar el experimento.
LA REGLA mn EXTENDIDA
Si un experimento se realiza en k etapas, con n1 formas para efectuar la primera etapa, n2
formas para efectuar la segunda etapa, . . . , y nk formas para efectuar la k-sima etapa,
entonces el nmero de formas para efectuar el experimento es n1n2n3 . nk

OBJETIVO 4
EVENTOS
MUTUAMENTE
EXCLUYENTES Y NO
EXCLUYENTES.

OBJETIVO 4. EVENTOS MUTUAMENTE EXCLUYENTES Y NO

EXCLUYENTES.
Cuando dos eventos A y B son mutuamente excluyentes, entonces P(A B) = 0 y la Regla de
la adicin se simplifica a P(A B) = P(A) + P(B)
La segunda regla se refiere a complementos de eventos, que A y Ac son mutuamente
excluyentes y que A Ac = S, todo el espacio muestral. Se deduce que P(A) + P(Ac) = 1 y P(Ac)
= 1 - P(A)
REGLA PARA COMPLEMENTOS
P(Ac ) = 1 P(A)
Un compaa de exploracin petrolera planea perforar dos pozos de exploracin. Se emplea
evidencia del pasado para tener acceso a los posibles resultados de la tabla 2.4.

Encuentre P(A B) y P(B C). Solucin Por su definicin, los eventos A, B y C son mutuamente
excluyentes en forma conjunta porque el suceso de un evento impide que ocurra cualquiera de
los otros dos. Por tanto,
P(A B) = P(A) + P(B) = .80 + .18 = .98 y P(B C) = P(B) + P(C) = 0.18 + 0.02 = 0.20
El evento A B se puede describir como el evento de que a lo sumo un pozo produce petrleo o
gas, y B C describe el evento de que al menos un pozo produce gas o petrleo.

OBJETIVO 5
EVENTOS
INDEPENDIENTES,
DEPENDIENTES Y
PROBABILIDAD
CONDICIONAL.

OBJETIVO 5 EVENTOS INDEPENDIENTES, DEPENDIENTES Y

PROBABILIDAD CONDICIONAL.
INDEPENDENCIA, PROBABILIDAD CONDICIONAL Y LA REGLA DE LA MULTIPLICACIN
Hay una regla de la probabilidad que se puede usar para calcular la probabilidad de la
interseccin de varios eventos, pero esta regla depende del importante concepto estadstico de
eventos independientes o dependientes.
Definicin. Se dice que dos eventos, A y B, son independientes si y slo si la probabilidad del
evento B no est influenciada o cambiada por el suceso del evento A, o viceversa.
1.4 REGLAS DE MULTIPLICACIN
REGLA GENERAL DE LA MULTIPLICACIN
La probabilidad de que A y B ocurran cuando el experimento se realiza es P(A B) = P(A)P(B|A)
o P(A B) = P(B)P(A|B)
A veces es necesario usar la Regla de la multiplicacin en una forma ligeramente diferente, de
modo que se puede calcular la probabilidad condicional, P(A|B). Slo reacomode los trminos
de la Regla de la multiplicacin.
PROBABILIDADES CONDICIONALES
La probabilidad condicional del evento A, dado que el evento B ha ocurrido, es

La probabilidad condicional del evento B, dado que el evento A ha ocurrido, es

Cuando dos eventos son independientes, es decir, si la probabilidad del evento B es igual, ya sea
que el evento A haya o no haya ocurrido, entonces el evento A no afecta al evento B y entonces
P(B|A) = P(B) Ahora se puede simplificar la Regla de la multiplicacin.

LA REGLA DE LA MULTIPLICACIN PARA EVENTOS INDEPENDIENTES

Si dos eventos A y B son independientes, la probabilidad de que ocurran A y B es
P(A B) = P(A)P(B)
Del mismo modo, si A, B y C son eventos mutuamente independientes (todos los pares de
eventos son independientes), entonces la probabilidad de que A, B y C ocurran es
P(A B C) = P(A) P(B) P(C)
Cmo se puede verificar si los dos eventos son independientes o dependientes? La solucin
ms fcil es redefinir el concepto de independencia en un modo ms formal.
VERIFICACIN DE INDEPENDENCIA
Se dice que dos eventos A y B son independientes si y slo si
P(A B) = P(A) P(B) o bien, P(B|A) = P(B)
De otro modo, se dice que los eventos son dependientes.

OBJETIVO 6

OBJETIVO 6 TEOREMA DE BAYES.

REGLA DE BAYES (OPCIONAL)
Daltonismo Reconsideremos el experimento referente a daltonismo.
Observe que los dos eventos:
B: la persona seleccionada es un hombre
BC: la persona seleccionada es una mujer tomados juntos conforman el espacio muestral S,
formado de hombres y mujeres. Como los daltnicos pueden ser hombres o mujeres, el evento A,
que es que una persona sea daltnica, est formado de los eventos simples que estn en A y
adems en B y de los eventos simples que estn en A y adems en BC. Como estas dos
intersecciones son mutuamente excluyentes, se puede escribir el evento A como
A = (A B) (A BC) y P(A) = P(A B) + P(A BC) = .04 + .002 = .042
Suponga ahora que el espacio muestral se puede dividir en k subpoblaciones, S1, S2, S3, . . . ,
Sk, que, al igual que en el ejemplo de daltonismo, son mutuamente excluyentes y exhaustivos;
esto es, tomados juntos conforman todo el espacio muestral. De un modo semejante, se puede
expresar un evento A como
A = (A S1) (A S2) (A S3) (A Sk)
Entonces
P(A) = P(A S1) + P(A S2) + P(A S3) + + P(A Sk)
Esto est ilustrado para k = 3 en la figura 2.14.
Fig. 2.14 Descomposicin del evento A

Se puede avanzar un paso ms y usar la Regla de la

multiplicacin para escribir P(A Si) como P(Si)P(A|Si),
para i = 1, 2, . . . , k. El resultado se conoce como la Ley
de probabilidad total.
LEY DE PROBABILIDAD TOTAL
Dado un conjunto de eventos S1, S2, S3, . . . , Sk que son
mutuamente excluyentes y exhaustivos y un evento A, la
probabilidad del evento A se puede expresar como P(A) =
P(S1)P(A|S1) + P(S2)P(A|S2) + P(S3)P(A|S3) + +
P(Sk)P(A|Sk)
Con frecuencia es necesario hallar la probabilidad incondicional de un evento B, dado que un
evento A ha ocurrido.
Un falso positivo es el evento de que el examen sea positivo para una condicin determinada,
dado que la persona no tiene la condicin. Un falso negativo es el evento de que el examen sea
negativo para una condicin determinada, dado que la persona tiene la condicin. Se pueden
evaluar estas probabilidades condicionales usando una frmula derivada por el probabilista
Thomas Bayes.

El experimento comprende seleccionar una muestra de entre una de k subpoblaciones que sean
mutuamente excluyentes y exhaustivas. Cada una de estas subpoblaciones, denotada por S1,
S2, . . . , Sk, tiene una probabilidad de seleccin P(S1), P(S2), P(S3), . . . , P(Sk), llamadas
probabilidades previas. Se observa un evento A en la seleccin.
Cul es la probabilidad de que la muestra provino de la subpoblacin Si, dado que A ha
ocurrido?
De la seccin 2.6 se sabe que P(Si|A) = [P(A Si)]/P(A), que se puede reescribir como P(Si|A) =
[P(Si)P(A|Si)]/P(A). Usando la Ley de probabilidad total para reescribir P(A), tenemos

Es frecuente que estas nuevas probabilidades se conozcan como probabilidades posteriores, es

decir, probabilidades de las subpoblaciones (tambin llamadas estados de naturaleza) que se
han actualizado despus de observar la informacin muestral contenido en el evento A. Bayes
sugiri que si las probabilidades previas son desconocidas, se pueden tomar como 1/k, lo cual
implica que cada uno de los eventos S1 a Sk es igualmente probable.
REGLA DE BAYES
Con S1, S2, . . . , Sk representemos k subpoblaciones mutuamente excluyentes y exhaustivas
con probabilidades previas P(S1), P(S2), . . . , P(Sk). Si ocurre un evento A, la probabilidad
posterior de Si dada A es la probabilidad condicional

La probabilidad es muy importante ya que

mediante este recurso matemtico, es posible
ajustar de la manera ms exacta posible los
imponderables debidos al azar en los ms
variados campos tanto de la ciencia como de
la vida cotidiana.
Es una estrategia mediante la cual se intenta
estimar la frecuencia con la que se obtiene un
cierto resultado en el marco de una
experiencia en la que se conocen todos los
resultados posibles.