ESTADSTICA E INTR.

A LA ECONOMETRA
Curso 2008-2009

UNIDAD TEMTICA II:

TEORA DE LA PROBABILIDAD
Tema 6. Concepto de Probabilidad
Notas y resmenes de clase

Estructura del captulo

6.1. Fenmenos aleatorios.

6.2. Definiciones de probabilidad: clsica, frecuencial y subjetiva.
6.3. Definicin axiomtica de probabilidad y propiedades.
6.4. Probabilidad condicionada.
6.5. Independencia de sucesos.
6.6. Teorema de la probabilidad total y de Bayes.

6.1. Fenmenos aleatorios

El Clculo de Probabilidades surge en la
Francia del siglo XVII, merced a la labor
realizada por matemticos franceses como
Pascal y Fermat que realizan el primer estudio
sistemtico de un juego de azar, desarrollando
un mtodo para calcular las probabilidades de
las apuestas en juegos de azar.
Posteriormente, a lo largo de los siglos XVIII y XIX, los
cientficos se dieron cuenta de que hechos como el sexo de un
beb al nacer, que un navo naufrague en una travesa o la edad de
fallecimiento de una persona son fenmenos aleatorios similares
a los observados en los juegos de azar y pueden analizarse con las
mismas tcnicas.

6.1. Fenmenos aleatorios

fenmeno

Acontecimiento o hecho que se percibe directamente por

los sentidos
1. Permiten la repeticin experimental
Relacin aleatoria o estocstica

determinista

y = 5 2x + e

Relacin
determinista
y = 5 2x

2. Permiten la observacin de otros similares

aleatorio
3. Otros
EXPERIMENTO
ALEATORIO

6.1. Fenmenos aleatorios

Experimento
aleatorio

Cualquier experimento en el que no se puede

predecir de antemano el resultado del mismo

ESPACIO
MUESTRAL

Conjunto formado por todos los posibles

resultados de un experimento aleatorio

SUCESOS o
EVENTOS

Cualquier subconjunto del espacio muestral

Es un acontecimiento que ocurrir o no,
dependiendo del azar

6.1. Fenmenos aleatorios

PROBABILIDAD
Medida numrica, entre 0 y 1, que se asigna a un evento de un
fenmeno aleatorio para reflejar la incertidumbre con que dicho
evento se manifiesta o pueda manifestarse

TEORA DE LA PROBABILIDAD
Caracterizar el espacio muestral y asignar
probabilidades a los sucesos que lo forman
Constituye la base de la Estadstica, ya que
las inferencias que hagamos sobre la poblacin
se movern dentro de unos mrgenes de error
controlado, el cual ser medido en trminos de
probabilidad.

En el fondo, la teora de
probabilidad es slo
sentido comn expresado
en nmeros
Pierre Simn Laplace
(1749-1827)

6.2. Probabilidad clsica

JUEGOS DE AZAR
9Conocemos todos los posibles resultados
9Los resultados son igualmente posibles
9Son mutuamente excluyentes

P(A) =

N resultados favorables a A
N resultados posibles

Ejemplos:
Probabilidad de que salga al menos 1 cara al lanzar dos monedas
Probabilidad que obtener nmero par al lanzar un dado correcto
Probabilidad de obtener al menos 1 cruz al lanzar tres monedas

6.2.

Probabilidad frecuencial o a posteriori

La Probabilidad de un evento A es el lmite experimental de su frecuencia

P(A) = lmite experimental de ni / n

n

es decir, el lmite de las frecuencias

relativas de la ocurrencia de A
cuando el experimento se repite un
nmero indefinido de veces bajo las
mismas condiciones

Convergencia a 1/2 de la frecuencia relativa del

nmero de caras obtenido en lanzamientos sucesivos
de una moneda (simulacin en ordenador).

6.2.

Probabilidad subjetiva

Grado de creencia o de conviccin

con respecto a la ocurrencia de una
afirmacin. Depende de su estado de
informacin.

6.3. Definicin axiomtica de probabilidad y propiedades

Finito / infinito no numerable / infinito numerable

ESPACIO
MUESTRAL ()

Suceso imposible

Discreto / continuo

Suceso que no ocurre nunca ()

EVENTO Suceso seguro

O
Suceso simple o elemental

Suceso que ocurre siempre ()

SUCESO Suceso compuesto

Grupo de resultados contenidos

en el espacio muestral cuyos
elementos tienen una
caracterstica comn

Cada uno de los elementos de

6.3. Definicin axiomtica de probabilidad y propiedades

Operaciones con sucesos: Sean A y B
El suceso A U B se verifica cuando ocurre uno de los dos o ambos
El suceso AB: se verifica cuando ocurren simultneamente A y B
El suceso A-B: se verifica cuando ocurre A y no B
El suceso A , contrario de A, se verifica cuando no ocurre A

6.3. Definicin axiomtica de probabilidad y propiedades

Operaciones con sucesos: Sean A y B
Dos sucesos A y B, se llaman incompatibles cuando no tienen ningn
elemento comn.
AB = (A y B son disjuntos)
Por lo tanto, no ocurren simultneamente
leyes de De Morgan
El suceso contrario de la unin de dos sucesos es la interseccin de sus
sucesos contrarios
El suceso contrario de la interseccin de dos sucesos es la unin de sus
sucesos contrarios:

6.3. Definicin axiomtica de probabilidad y propiedades

Kolmogorov (1933) Sea el espacio muestral de cierto experimento
aleatorio. La Probabilidad es una funcin que transforma sucesos
del espacio muestral en nmeros reales que estn entre 0 y 1, que
verifica:
1. Cualquiera que sea el suceso A,

P(A)0

2. La probabilidad total es 1,

P()=1

3. Si dos sucesos son incompatibles, la probabilidad de su unin es

igual a la suma de sus probabilidades
Si AB = P(AUB)=P(A)+P(B)
Esta definicin no dice cmo asignar las probabilidades ni siquiera a los
sucesos elementales. Solo dice que cualquier asignacin que hagamos
debe verificar estos tres axiomas para que pueda llamarse Probabilidad.

6.3. Definicin axiomtica de probabilidad y propiedades

PROPIEDADES:

1. P()=0
2. La probabilidad del complementario de un suceso A es
P(A)=1-P(A)
3. La probabilidad de todo suceso A es un nmero entre 0 y 1:
0P(A) 1
4. Si dos sucesos son tales que A B, entonces

P(A) <P(B)

6.3. Definicin axiomtica de probabilidad y propiedades

5. Regla de la adicin: Si dos sucesos no son incompatibles, la
probabilidad de su unin debe calcularse por la siguiente regla:

P(AUB)=P(A)+P(B)-P(AB)

A
B
AB

AB

AB

6.3. Definicin axiomtica de probabilidad y propiedades

6. Particin finita: Ai, i=1, ..., n

i=n

U
Ai =
i=1

Ai Aj =

ij
A1

i=n

i=n

P()=P( i=1
U Ai )=
P(A
)
=
1
i
i=1

A2 A3

An

6.4. Probabilidad condicionada

Probabilidad de que ocurra el evento A bajo el supuesto de que haya
ocurrido el evento B
Ej.Lanzamiento de un dado:

Ej.Seguros:

Probabilidad de obtener seis

Probabilidad de tener un accidente

Probabilidad de obtener seis sabiendo

que el resultado ha sido par

Probabilidad de tener un accidente UN HOMBRE

MENOR DE 25 AOS

P(A/B) = P (A B ) / P(B)
Vamos a profundizar en estos conceptos por medio de la definicin
frecuencialista de probabilidad

6.4. Probabilidad condicionada

Tabla de contingencia
gnero/tipo administrativo
hombre
mujer
total

lnea auxiliar total

120
50
170

150
140
290

30 300
10 200
40 500

Tabla de probabilidades

Frecuencias
conjuntas

Frecuencias
marginales

gnero/tipo administrativo lnea auxiliar total

hombre
mujer
total

0,24 0,3
0,1 0,28
0,34 0,58

0,06 0,6
0,02 0,4
0,08
1

P(hombre y administrativo) = 120/500

prob. conjunta

P(hombre)

300/500

prob. marginal

P(administrativo) = 170/500

prob. marginal

P(hombre / administrativo ) = 120/170 = 0,70

prob. condicional

6.4. Probabilidad condicionada

B1 B2 ... Bj ... Bk total
A1

n11 n12

n1j

n1k

n1*

A2
...
Ai
...
Al

n21 n22

n2j

n2k

n2*

Prob. Conjunta
P ( Ai Bj ) = nij / n
Prob. Marginal

ni1 ni2

nij

nik

ni*

nl1 nl2
total n*1 n*2

nlj
n*j

nlk
n*k

nl*

P ( Ai ) = ni* / n
P ( Bj ) = n*j / n

ni* = j nij

Prob. Condicionada

n*j = i nij

P ( Ai / Bj ) = nij / n*j = P ( Ai Bj )/P(Bj )

6.4. Probabilidad condicionada

P ( A B)
P(A / B)=

P ( A B)
P(B / A)=

P(B )

P(A )

REGLA DE LA MULTIPLICACIN
P ( A B ) = P(A) P ( B / A ) = P ( B ) P (A /B )
P ( A B C ) = P(A) P ( B/ A) P (C / A B )

6.5. Independencia de sucesos

Dos eventos A y B, , son independientes si
P(A)=P(A/B) y P(B)=P(B/A)
P ( A B ) = P(A) P(B)
Los eventos A ,B y C, , son mutuamente independientes si
P ( A B C ) = P(A) P(B) P(C)
P ( A B ) = P(A) P(B)
P ( A C ) = P(A) P(C)
P ( B C ) = P(B) P(C)

6.6.

Bj
A Bj

B1

Teorema de la Probabilidad Total

Bk

Si B1, B2 ,..., Bk constituyen una

particin finita del espacio muestral,
U Bi =

Bi Bj = ij

A = (A B1) U (A B2) ...U (A Bk)

P(A) = P ( A Bi ) = P (Bi) P(A/Bi )

6.6.

Bj
A Bj

B1

Teorema de Bayes
Bk

TEOREMA DE BAYES

P(Bj /A) =

P (Bj )P(A/B j)

P (Bi) P(A/Bi )

Bibliografa

Novales (1996), captulo 4

http://thales.cica.es/rd/Recursos/rd98/Matematicas/28/matematicas-28.html
http://thales.cica.es/rd/Recursos/rd99/ed99-0278-01/indice.html