Professional Documents
Culture Documents
3
Definiciones
Probabilidad: valor entre cero y uno, inclusive,
que describe la posibilidad relativa de que ocurra
un evento.
Experimento: proceso que conduce a la
ocurrencia de una de varias observaciones
posibles.
Resultado: lo que resulta en particular de un
experimento.
Evento: conjunto de uno o ms resultados de un
experimento.
4
Enfoques de la probabilidad
Probabilidad clsica se basa en la
consideracin de que los resultados de un
experimento son igualmente posibles.
Utilizando el punto de vista clsico,
5
EJEMPLO 1
Considere el experimento de lanzar dos
monedas al mismo tiempo.
El espacio muestral S = {HH, HT, TH,
TT}
Considere el evento de una cara.
Probabilidad de una cara = 2/4 = 1/2.
6
Eventos mutuamente
excluyentes
Eventos mutuamente excluyentes: la
ocurrencia de cualquier evento implica que
ningn otro puede ocurrir al mismo
tiempo.
En el EJEMPLO 1, los cuatro resultados
posibles son mutuamente excluyentes.
7
Eventos colectivamente
exhaustivos
Colectivamente exhaustivos: por lo
menos uno de los eventos debe ocurrir
cuando se realiza un experimento.
En el EJEMPLO 1, los cuatro resultados
posibles son colectivamente exhaustivos.
En otras palabras, la suma de las
probabilidades es = 1 (.25 + .25 + .25 +
.25).
8
Concepto de frecuencias
relativas
La probabilidad de que un evento ocurra a
largo plazo se determina observando en
qu fraccin de tiempo sucedieron eventos
semejantes en el pasado:
9
EJEMPLO 2
A lo largo de su carrera, la profesora Jones
ha otorgado 186 calificaciones de A entre
sus 1200 estudiantes. Cul es la
probabilidad de que un estudiante de su
clase en este semestre reciba una A?
Aplicando el concepto de frecuencias
relativas, la probabilidad de una A es
186 /1200 = 0.155
10
Probabilidad subjetiva
Probabilidad subjetiva: la posibilidad
(probabilidad) de que suceda un evento
especfico que asigna una persona con base
en cualquier informacin disponible.
Ejemplos de la probabilidad subjetiva son
estimar la probabilidad de que los Pumas
ganen el Torneo de apertura el prximo
ao y estimar la probabilidad de que ocurra
un terremoto en la Ciudad de Mxico este
ao.
11
Reglas bsicas de probabilidad
Si los eventos son mutuamente excluyentes,
la ocurrencia de cualquier evento impide
que otro eventos ocurra.
Reglas de adicin: si dos eventos A y B
son mutuamente excluyentes, la regla
especial de adicin indica que la
probabilidad de que ocurra A o B es igual
a la suma de sus probabilidades
respectivas:
P(A o B) = P(A) + P(B)
12
EJEMPLO 3
Mexicana de Aviacin acaba de proporcionar la
siguiente informacin de sus vuelos de
Monterrey a la Ciudad de Mxico:
Llegada Frecuencia
Antes de tiempo 100
A tiempo 800
Demorado 75
Cancelado 25
Total 1000
13
EJEMPLO 3 continuacin
15
Regla del complemento
continuacin
Diagrama de Venn que ilustra la regla del
complemento
A ~A
16
Regla general de adicin
Si A y B son dos eventos que no son
mutuamente excluyentes, entonces
P(A o B) se calcula con la siguiente
frmula:
P(A o B) = P(A) + P(B) - P(A y B)
17
EJEMPLO 4
Recuerde el EJEMPLO 3.
Si C es el evento de que un vuelo llegue a
tiempo, entonces P(C) = 800 /1000 = 0.8.
Si D es el evento de que un vuelo sea cancelado,
entonces
P(D) = 25 /1000 = 0.025.
Utilice la regla del complemento para mostrar
que la probabilidad de que el vuelo llegue antes
de tiempo (A) o demorado (B) es 0.175.
18
5-17
EJEMPLO 4 continuacin
D
C
.025
.8
~(C o D) = (A o B)
.175
Regla general de adicin
Si A y B son dos eventos que no son
mutuamente excluyentes, entonces
P(A o B) se calcula con la siguiente
frmula:
P(A o B) = P(A) + P(B) - P(A y B)
20
5-19
AyB
A
5-16
EJEMPLO 4
Recuerde el EJEMPLO 3.
Si C es el evento de que un vuelo llegue a tiempo,
entonces P(C) = 800 /1000 = 0.8.
Si D es el evento de que un vuelo sea cancelado,
entonces
P(D) = 25 /1000 = 0.025.
Utilice la regla del complemento para mostrar que
la probabilidad de que el vuelo llegue antes de
tiempo (A) o demorado (B) es 0.175.
5-17
EJEMPLO 4 continuacin
D
C
.025
.8
~(C o D) = (A o B)
.175
5-18
AyB
A
5-20
EJEMPLO 5
En una muestra de 500 estudiantes, 320
dijeron tener un estreo, 175 dijeron tener
una TV y 100 dijeron tener ambos:
TV
175
Ambos
Estreo 100
320
5-21
EJEMPLO 5 continuacin
Si un estudiante es seleccionado
aleatoriamente, cul es la probabilidad de
que tenga slo un estreo, slo una TV y
uno de cada uno?
P(S) = 320 /500 = .64.
P(T) = 175 /500 = .35.
P(S y T) = 100 /500 = .20.
5-22
EJEMPLO 5 continuacin
Si un estudiante es seleccionado
aleatoriamente, cul es la probabilidad de
que tenga un estreo o una TV en su
habitacin?
P(S o T) = P(S) + P(T) - P(S y T)
= .64 +.35 - .20 = .79.
5-23
Probabilidad conjunta
Probabilidad conjunta es una probabilidad
que mide la posibilidad de que dos o ms
eventos ocurran juntos. Un ejemplo sera el
hecho de que un estudiante tenga tanto un
estreo como una TV en su habitacin.
5-24
Regla especial de
multiplicacin
La regla especial de multiplicacin
requiere que dos eventos A y B sean
independientes.
Dos eventos A y B son independientes si la
ocurrencia de una no afecta la
probabililidad de ocurrencia del otro.
La regla especial se escribe:
P(A y B) = P(A) * P(B).
5-25
EJEMPLO 6
Chris posee dos inventarios independientes
uno de otro. La probabilidad de que el
inventario A aumente su valor el prximo
ao es .5. La probabilidad de que el B
aumente el suyo es .7.
Cul es la probabilidad de que ambos
aumenten su valor el prximo ao?
P(A y B) = (.5)(.7) = .35.
5-26
EJEMPLO 6 continuacin
Cul es la probabilidad de que al menos
uno aumente su valor el prximo ao (esto
implica que cualquiera de los dos o ambos
aumenten)?
As, P(al menos uno) = (.5)(.3) + (.5)(.7) +
(.7)(.5) = .85.
5-27
Probabilidad condicional
Probabilidad condicional es la
probabilidad de que ocurra un evento en
particular, dado que ocurri otro evento.
Nota: la probabilidad de que ocurra el
evento A dado que ya ocurri B se denota
como
P(A|B).
5-28
EJEMPLO 7
La directora de la escuela de administracin
en Guadalajara recolect la siguiente
informacin acerca de los estudiantes de
licenciatura del colegio:
rea Hombre Mujer Total
EJEMPLO 7 continuacin
Diagrama de rbol
El diagrama de rbol es muy til para
visualizar las probabilidades condicional y
conjunta y en particular para el anlisis de
decisiones administrativas que involucran
varias etapas.
EJEMPLO 8: una bolsa contiene 7 fichas
rojas (R) y 5 azules (B), se escogen 2 fichas,
una despus de la otra sin reemplazo.
Construya el diagrama de rbol con esta
informacin.
5-33
EJEMPLO 8 continuacin
6/11 R2
7/12 R1
5/11 B2
7/11 R2
5/12 B1
4/11 B2
5-34
Teorema de Bayes
El teorema de Bayes se representa con la
frmula:
P( A1) * P( B | A1)
P( A1 | B)
P( A1) * P( B | A1) P( A2) * P( B | A2)
5-35
EJEMPLO 9
La compaa AguaFon ha recibido varias
quejas debido a que sus botellas no van bien
llenas. Una queja fue recibida hoy pero el
gerente de produccin no puede identificar
cul de las dos plantas Tehuacn (A o B) llen
esta botella. Cul es la probabilidad de que la
botella mal llenada haya salido de la planta
A?
5-36
EJEMPLO 9 continuacin
% de % de
produccin faltante en
total botellas
A 55 3
B 45 4
Principios de conteo
Combinacin: el nmero de modos para
elegir r objetos de un grupo de n objetos sin
considerar el orden.
n!
nCr
r !(n r ) !
5-40
EJEMPLO 11
El entrenador Topete tiene que elegir 5
jugadores entre los doce del equipo para
incluirlos en alineacin. Cuntos grupos
diferentes se pueden formar?
12C5 = (12!)/[5!(12-5)!] =792
47