ESTADSTICA Y

PROBABILIDADES
CAPTULO VI. PROBABILIDADES
Experimento: se denomina experimento a un
proceso de observacin o medicin cualquiera.
Deterministas: Son aquellos en donde no hay
incertidumbre acerca del resultado que ocurrir
cuando stos son repetidos varias veces.
Aleatorios: se caracterizan porque al repetirse
en condiciones anlogas indefinidamente
presentan resultados impredecibles de
antemano, dependen del azar y no pueden
pronosticarse con certidumbre.
DEFINICIONES BSICAS
Ejemplo: lanzar un dado
Ejemplos: Aleatorios
Tirar dardos en un blanco determinado
Lanzar una moneda
Lanzar un par de dados
Llegada de un OVNI
Ejemplos: Determinstico
Espacio muestral (S ): conjunto de todos los
resultados posibles de un experimento aleatorio.
Espacio muestral finito: Tiene un nmero finito
de posibles resultados.
Espacio muestral infinito: Tiene infinitos
sucesos elementales.

Evento o suceso: Cada uno de los posibles
subconjuntos del espacio muestral, cada uno de
los elementos de (S). Los denotaremos con A, B,
C, Al realizar el experimento aleatorio se dice
que se ha verificado el suceso A, si el resultado
obtenido pertenece a A.

Ejemplo: se lanza dos dados
1 2 3 4 5 6
6
5
4
3
2
1
Espacio muestral S=36
(1,1);(1;2);(1,3);(1,4);(1;5);(1,6)
(2,1);(2;2);(2,3);(2,4);(2,5);(2,6)
(3,1);(3;2);(3,3);(3,4);(3,5);(3,6)
(4,1);(4;2);(4,3);(4,4);(4;5);(4,6)
(5,1);(5;2);(5,3);(5,4);(5;5);(5,6)
(6,1);(6;2);(6,3);(6,4);(6;5);(6,6)
P(x+y=4)=3/36=1/12
x
y
P(x<y)=15/36=5/12
Eventos
P(x=y)=6/36=1/6
SUCESO SEGURO
Es aquel que ocurre siempre.
EJEMPLO : De una caja que tiene slo bolas rojas se
extrae una bola roja.
SUCESOS MUTUAMENTE EXCLUYENTES
Los sucesos A y B son mutuamente excluyentes si:
si ocurre A, no puede ocurrir B y si ocurre B no puede
ocurrir A
SUCESO IMPOSIBLE
Es aquel que no ocurre nunca
EJEMPLO: De una caja que tiene slo bolas rojas se
extrae una bola blanca.
Eventos no excluyentes
Sacar un 5 y una carta de espadas. Son eventos no excluyentes pues
podemos tomar un 5 de espadas.
Sacar una carta roja y una carta de corazones. Son eventos no excluyentes
pues las cartas de corazones son uno de los palos rojos.
Sacar un 9 y una carta negra. Son eventos no excluyentes pues podemos
tomar el 9 de espadas o el 9 de trboles
Eventos mutuamente excluyentes
Sacar una carta de corazones y
una carta de espadas. Son
eventos mutuamente
excluyentes, las cartas o son de
corazones o son de espadas.

Sacar una carta de trboles
roja. Son eventos mutuamente
excluyentes pues las cartas de
trboles son exclusivamente
negras.
Operaciones con eventos
Unin de eventos: Se denomina unin de los
eventos A y B, al evento (A U B) que consiste
de todos los resultados que pertenecen a A o a
B, o a ambos.
El evento (A U B) describe el evento de que
ocurre por lo menos uno de ellos
A
B
AUB
Interseccin de eventos: Se denomina
interseccin de los eventos A y B, al
evento (AB) que consiste de todos los
resultados que son comunes a A y a B
El evento (AB) describe el evento de que
ocurren ambos A y B
A
B
AB
U
Diferencia de eventos La diferencia del evento
A menos B es el evento A- B , que consiste de
todos los resultados que pertenecen al evento
A y no pertenecen al evento B
El evento A- B= AB
C
describe el evento de
que ocurre A y no ocurre B
A
B
A-B=AB
C
Eventos excluyentes: Dos eventos A y B
son mutuamente excluyentes o disjuntos, si
no tienen resultados en comn
(A
1
A
2
A
3
A
4
A
5
)=
Evento Complemento: El complemento de
un evento A se representa por A
C
y es el
evento que contiene todos los elementos
que no estn en A. El evento A
C
ocurre si
A no ocurre.

A
c
A

Definiciones de Probabilidad
Probabilidad Clasica o a priori (Laplace,
1812): Supongamos un espacio muestral finito
S = {a
1
, , a
N
} de manera que los a
i
son
sucesos elementales igualmente probables y
sea un suceso A = {a
1
, , a
k
} (N k).


La probabilidad siempre esta comprendido
entre 0 y 1
Probabilidad frecuentista
La definicin frecuentista consiste en definir la
probabilidad como el lmite cuando n tiende a
infinito de la proporcin o frecuencia relativa del
suceso.

La definicin frecuentista de probabilidad se
llama tambin probabilidad a posteriori ya que
slo damos la probabilidad de un suceso
despus de repetir y observar un gran nmero
de veces el experimento aleatorio. Algunos
autores las llaman probabilidades tericas.
n f h n f h
10 6 0,60 110 56 0,51
20 8 0,40 120 63 0,53
30 14 0,47 130 61 0,47
40 19 0,48 140 72 0,51
50 25 0,50 150 75 0,50
60 31 0,52 160 78 0,49
70 38 0,54 170 83 0,49
80 43 0,54 180 89 0,49
90 46 0,51 190 95 0,50
100 51 0,51 200 101 0,50
Ejemplo: se arroja una moneda n veces
Juega la ruletea
Simulacion
de dados
Probabilidad subjetiva o Bayesiana
Es el grado de creencia o juicio personal

Se trata por tanto de un juicio personal o
individual y es posible por tanto que,
diferentes observadores tengan distintos
grados de creencia sobre los posibles
resultados, igualmente vlidos.

Probabilidad axiomtica
La definicin axiomtica de la probabilidad es
quizs la ms simple de todas las definiciones
y la menos controvertida ya que est basada
en un conjunto de axiomas que establecen los
requisitos mnimos para dar una definicin de
probabilidad.

La ventaja de esta definicin es que permite un
desarrollo riguroso y matemtico de la
probabilidad. Fue introducida por A. N.
Kolmogorov y aceptada por estadsticos y
matemticos en general.
Axiomas de la probabilidad
Axioma 1. 0 P(A)1
Axioma 2. P(S)=1
Axioma 3. P(AUB)=P(A)+P(B); cuando
AB=
Consecuencias de los axiomas de probabilidad
Propiedad 1. p(A
c
) = 1 - p(A)
Propiedad 2. p() = 0 .

Propiedad 4.
Propiedad 3.
Ejemplo:
Experimento: Se lanzan dos monedas
= { ss, cc, sc, cs}
N() = 4
Sean:
A: el evento de que al lanzar un par de monedas
caigan dos sellos exactamente
B: el evento de que al lanzar un par de monedas
caiga un sello exactamente.
Los elementos de A y B son
A = { ss }
B = {sc, cs}
Se puede ver que A B = , no hay elementos en
comn, por lo que los eventos son mutuamente
exclusivos o disjuntos, por tanto
P(A B) = P(A) + P(B)=1/4+2/4=3/4
PROBABILIDAD CONDICIONAL
Se llama probabilidad de A condicionada a B, o probabilidad de A
sabiendo que pasa B:
E espacio muestral
A
B
Eventos Independientes:
Se dice que los eventos A y B son
independientes si se cumplen:









Si no se cumplen, se dice que los eventos son
dependientes.
) ( ) ( ) (
) ( ) / (
) ( ) / (
B P A P B A P
B P A B P
A P B A P

Ejemplo
100 recin nacidos en un maternidad de Hunuco
55 fueron mujeres y 45 hombres
La probabilidad de ser mujer fue de 55/100 = 0.55
La probabilidad de ser hombre fue de 45/100=0.45
Cul es la probabilidad de que los siguientes
tres nacimientos sean mujeres?
Son eventos mutuamente excluyentes, por lo
tanto se multiplican las probabilidades
individuales.
0.55 x 0.55 x 0.55 = 0.1664 = 16.64%
Sistema exhaustivo y excluyente de sucesos
A
1
A
2
A
3
A
4
Son una coleccin de sucesos

A
1
, A
2
, A
3
, A
4



Tales que la unin de todos ellos
forman el espacio muestral, y sus
intersecciones son disjuntas.


A
1
A
2
A
3
A
4
B
Todo suceso B, puede ser descompuesto en
componentes de dicho sistema.
B = (BA
1
) U (BA
2
) U ( BA
3
) U ( BA
4
)
Nos permite descomponer el problema B en
subproblemas ms simples..
Teorema de la probabilidad total
A
1
A
2
A
3
A
4
B
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.

P(B) = P(BA
1
) + P(BA
2
) + P( BA
3
) + ( BA
4
)
=P(B|A1) P(A1) + P(B|A2) P(A2) +
Mujeres
Varones
Ejemplo: En esta aula el 70% de los alumnos son
mujeres. De ellas el 10% son fumadoras. De los
varones, son fumadores el 20%.
T. Prob. Total.
Hombres y mujeres forman
Un Sist. Exh. Exaustivo
De sucesos
Qu porcentaje de fumadores hay en total?
P(F) = P(FM) + P(FH)

= P(F|M) P(M) + P(F|H) P(H)

= 0,1 x 0,7 +0,2 x 0,3 = 0,13 =13%
70%
30%
20%
10%
30
Expresin del problema en forma de rbol
Estudiante
Mujer
No fuma
Hombre
Fuma
No fuma
Fuma
0,7
0,1
0,2
0,3
0,8
0,9
P(F) = 0,7 x 0,1 + 0,3x0,2
P(H | F) = (0,3x0,2)/P(F)
Los caminos a travs de
nodos representan
intersecciones.

Las bifurcaciones representan
uniones disjuntas.

Teorema de Bayes
A
1
A
2
A
3
A
4
B
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 A
i
.

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

P(B)=P(BA
1
) + P(BA
2
) + P( BA
3
) + ( BA
4
)

=P(B|A
1
) P(A
1
) + P(B|A
2
) P(A
2
) +
P(B)
Ai) P(B
B) | P(Ai

Problemas
1. Para obtener licencia para conducir, es necesario
aprobar tanto el examen terico como el prctico. Se
sabe que la probabilidad que un alumno apruebe la
parte terica es 0.68, la de que apruebe la parte
prctica es 0.72 y la de que haya aprobado alguna de
las dos partes es 0.82. Si se elige un alumno al azar,
cul es la probabilidad de que apruebe el examen para
obtener licencia?
X 0.68-X 0.72-X
T
P
=0.68
=0.72



1.4-X=0.82
X=0.58
2. Una caja contiene 8 bolas rojas, 4 azules y 6
verdes. Se extraen 3 bolas al azar y se desea
saber:
a) La probabilidad de que las tres sean rojas.
b) La probabilidad de que dos sean rojas y una
verde.
c) La probabilidad de que dos sean azules y la
otra de otro color.
d) La probabilidad de que todas sean de distinto
color.
e) La probabilidad de que todas sean del mismo
color.

6/18
8/18
4/18
5/17
8/17
4/17
6/17
7/17
4/17
6/17
8/17
3/17
4/16
8/16
4/16
5/16
7/16
3/16
5/16
8/16
4/16
5/16
7/16
4/16
6/16
6/16
4/16
6/16
7/16
3/16
5/16
8/16
3/16
6/16
7/16
3/16
6/16
8/16
2/16
8
6
4
a. Las tres sean rojas
8/18
7/17
6/16
b. Dos rojas y una verde
8/18
7/17
6/16
6/18
8/17 7/16
6/18
8/18
4/18
4/17
4/17
6/17
8/17
3/17
3/16
3/16
3/16
3/16
6/16
8/16
c) La probabilidad de que dos sean azules y la
otra de otro color.
6/18
8/18
4/18
8/17
4/17
6/17
4/17
6/17
8/17
8/16
4/16
4/16
6/16
8/16
6/16
d) La probabilidad de que todas sean de distinto
color.
6/18
8/18
4/18
5/17
7/17
3/17
4/16
6/16
2/16
e) La probabilidad de que todas sean del mismo
color.
0.6
0.2
A B
P(A)=0.2+0.6=0.8
3. Sabiendo que p(AB)=0.6 y que p(AB
c
)=0.2,
se pide calcular la probabiliadad de A =0.8
A
B
4. La probabilidad de cara de dos monedas son
0.4 y 0.7. Calcular la probabilidad de que al
lanzar las dos monedas salga slo una cara.
Repetir el ejercicio considerando que las
monedas estn bien construidas.
0.4
0.7
0.7
0.3
0.3
0.6
0.5
0.5
0.5
0.5
0.5
0.5
4. Dos maquinas A y B han producido
respectivamente, 100 y 200 piezas. Se sabe
que A produce un 5% de piezas defectuosas
y B un 6%. Se toma una pieza y se pide:
a) Probabilidad de que sea defectuosa.
b) Sabiendo que es defectuosa, probabilidad
de que proceda de la primera mquina.
1/3
5
6
95
94
2/3
M1
M2

D
D
D
C
D
C
P(D)=1/3x0.05+2/3x0.06=0.0567
5. Sea la urna U (2A, 3N, 4R). Extraemos tres
bolas, una a continuacin de la otra. La primera
es negra, la segunda no se mira y la tercera es
Amarilla. Hallar la probabilidad de que la
segunda sea roja.

3/9
2/8
4/8
2/7
2/8
2/7
1/7
6. Consideremos una moneda trucada de tal forma que la
probabilidad de cara P(C)=0.3. Si se arroja la moneda 4
veces, calclense las probabilidades de los siguientes
sucesos: a) Cuatro caras. B) Dos cruces. c) En las dos
primeras tiradas han de salir cruces y en las restantes caras.
d) Al menos tres caras.
e) Mas de una cara y menos de tres.
0.7
0.3
0.3
0.3
0.3
0.7
0.7
0.7
0.7
0.7
0.7
0.7
0.3
0.3
0.3
0.3
0.3
0.3
0.3
0.3
0.3
0.7
0.7
0.7
0.3
0.3
0.7
0.7
0.7
0.7