Unidad III:

Introduccin a la
Teora de las
Probabilidades
Asignatura: MTODOS ESTADSTICOS ESTADSTICA PARA ADMINISTRADORES
Profesora: Lic. Paula Macat
Ao: 2017
INTRODUCCIN
Todos los das tomamos decisiones cuyos resultados estn en el reino de lo desconocido, pero
no las tomamos a ciegas, imaginar las PROBABILIDADES de varios resultados posibles nos
ayuda a decidirnos por la opcin correcta.
Incluso sin saberlo confiamos en una clase especial de clculo, el clculo de la probabilidad
de sucesos especficos, como a la teora de la probabilidad se la ha llamado.
Los juicios probabilsticos son parte de nuestra vida diaria: Considere por ejemplo cmo
cancelamos el planeado da de campo o cambiamos hacia el interior de la casa la celebracin
de fin de cursos cuando la probabilidad de lluvia es muy alta, cmo se contina con los
preparativos de una boda o introducimos un nuevo producto cuando el xito parece ms
probable que el fracaso.
Sin duda han escuchado comentarios como los siguientes:
No tengo chance de aprobar el examen de la clase de maana.
El juez de lnea revole una moneda para saber quin comienza el juego, cada jugador tiene
chance de 50 contra 50 de sacar primero.
Qu tan probable es, nos preguntamos, que el alza de precios reduzca las ventas, que el nuevo
proceso eleve la productividad, que la fusin de empresas aumente las utilidades, que una
inspeccin localice partes defectuosas o que la reduccin de impuestos ponga fin a la recesin?
Cules son las probabilidades de encontrar formas de vida en otros planetas, de que haya
guerra nuclear en este siglo o de la eleccin de nuestro candidato?
INTRODUCCIN

La estadstica como disciplina puede verse como una gua a lo desconocido.

Es de sorprenderse que toda la estadstica analtica se construya sobre la
teora de la probabilidad? Como sugiere el origen latino de la palabra
(probabilis quiere decir probable o como verdad), la teora nos ayuda a
hallar la verdad probable cuando no podemos saberla con certeza.

Debemos ser pacientes, el contenido de este captulo

puede parecer muy desligado de las aplicaciones
comerciales y econmicas, pero resultar ser la base
misma del desarrollo, en captulos posteriores, de
una serie de tcnicas estadsticas que se utilizan
mucho y con xito para resolver problemas que se
presentan en estos campos.
CONCEPTOS FUNDAMENTALES

EXPERIMENTO ALEATORIO
Definicin:
Un proceso o experimento aleatorio es un proceso repetible del que se conoce
el conjunto de resultados posibles, pero no puede predecirse con seguridad un
resultado exacto. Sin embargo hay un patrn de comportamiento predecible en
el largo plazo, tal como que la frecuencia relativa de un resultado dado se
acerque a un valor constante. Comnmente se lo denomina con E.

Arrojar una moneda es un ejemplo de un proceso o experimento aleatorio.

CONCEPTOS FUNDAMENTALES

ESPACIO MUESTRAL
Definicin:
Un espacio muestral o conjunto de resultados posibles es el conjunto de
todos los sucesos elementales de un proceso o experimento aleatorio.
Comnmente se lo denomina con S y se lo puede representar con una lista, un
rbol, un intervalo de valores.

Ejemplos:
1. E= Lanzar una moneda una vez
S={C, X}
Obs: en cualquier lanzamiento de moneda debe ocurrir uno (y slo uno) de
los resultados mostrados.
CONCEPTOS FUNDAMENTALES
Ejemplos:
2. E= Tirar un dado una vez
S={1,2,3,4,5,6}
#S= 6 Primera Segunda
tirada tirada
3. E= Lanzar una moneda dos veces
C
S= {CC, CX, XC, XX} C
X
#S= 4
C
X
X
4. E= tirar un dado dos veces
S= {(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)}
#S= 36
CONCEPTOS FUNDAMENTALES
Ejemplos:
Primera Segunda Tercera
5. E= Lanzar una moneda tres veces tirada tirada tirada
C C
S= {CCC, CCX, CXC, CXX, XCC, XCX, XXC, XXX} C X
#S= 8 X C
X
C C
X X
X C
X

6. E= Seleccionar un estudiante al azar y registrar el tiempo que dedic a estudiar

Estadstica en las ltimas 24 hs.
S= [0,24]
Obs: notar que en este caso el espacio muestral es infinito no numerable.
CONCEPTOS FUNDAMENTALES

EVENTOS O SUCESOS ALEATORIOS

Definicin:
Un evento o suceso aleatorio es cualquier subconjunto del espacio muestral S.
Se dice que ha ocurrido un evento A si, al repetirse una vez el experimento
aleatorio, ocurre cualquiera de los resultados de A.
Hay dos tipos de sucesos. Cualquiera de los resultados bsicos del experimento
aleatorio se llama suceso simple y la combinacin de dos o ms de ellos es un
suceso compuesto.

Ejemplo:
Si E= tirar un dado una vez, el espacio muestral sera:
S= {1,2,3,4,5,6}
Definimos el evento A como resultado impar. Entonces el evento
A={1,3,5} es un subconjunto de S.
Si se tira el dado y sale 1, entonces ocurri el evento A. Si se tira el
dado y sale 6 entonces el evento A no ocurri.
RELACIONES ENTRE EVENTOS

UNIN DE DOS EVENTOS

Definicin:
La unin de dos eventos, representada por A o B, matemticamente se escribe
AUB, contiene los resultados que estn en el evento A o en el evento B o en
ambos. A veces al evento A o B se lo identifica con al menos uno de los dos
eventos ha ocurrido. Corresponde a la zona sombreada del siguiente diagrama de
Venn:
RELACIONES ENTRE EVENTOS

INTERSECCIN DE DOS EVENTOS

Definicin:
La interseccin de dos eventos, representada por A y B, matemticamente se
escribe A B, est formada slo por aquellos resultados que estn en ambos
eventos, en el A y en el B. A menudo se la palabra ambos para describir la
interseccin de dos eventos. Corresponde a la zona sombreada del siguiente
diagrama de Venn:
RELACIONES ENTRE EVENTOS

COMPLEMENTO DE UN EVENTO
Definicin:
El complemento de un evento A, representado por no A, matemticamente se
escribe Ac, est formado por todos los resultados que no estn en el evento A.
Todo evento A tiene un nico evento complementario Ac en S. Corresponde a la
zona sombreada del siguiente diagrama de Venn:
RELACIONES ENTRE EVENTOS

EVENTOS MUTUAMENTE EXCLUYENTES

Definicin:
Dos eventos A y B son mutuamente excluyentes, disjuntos o incompatibles si no
tienen resultados en comn. As, si uno de ellos ocurre, el otro no puede ocurrir.

Ejemplo:
Continuando con el experimento aleatorio E= tirar un dado una vez, el espacio
muestral sera: S= {1,2,3,4,5,6}.
Definimos el evento A como resultado impar. Entonces el evento A={1,3,5}.
Sea B el evento resultado par, entonces B={2,4,6}.
A y B son disjuntos o mutuamente excluyentes pues la ocurrencia de uno impide
la ocurrencia del otro. Notar que A y B no tienen resultados en comn.
RELACIONES ENTRE EVENTOS

EVENTOS MUTUAMENTE EXCLUYENTES

Si A y B son disjuntos o mutuamente excluyentes, en notacin matemtica
escribiramos A B= , donde representa interseccin y representa el
conjunto vaco: el conjunto que no contiene resultados.
Los eventos disjuntos se pueden representar con diagramas de Venn:
QU ES LA PROBABILIDAD?

EL MTODO CLSICO PROBABILIDAD CLSICA

EL MTODO EMPRICO PROBABILIDAD FRECUENTISTA

EL MTODO SUBJETIVO PROBABILIDAD SUBJETIVA

QU ES LA PROBABILIDAD?
EL MTODO CLSICO

El mtodo para determinar la probabilidad se llama mtodo clsico porque

fue usado por los creadores de la teora de la probabilidad, como Pierre Simon
de Laplace (1749-1827).
Su mtodo se apoya por entero en el razonamiento abstracto, no efecta
experimentos reales porque la lgica se considera suficiente para dar todas
las respuestas.
Como lo vio Laplace, si un experimento hipottico puede tener N resultados
bsicos igualmente probables, y si n de estos resultados fueran favorables al
evento A, entonces la probabilidad de este suceso: P(A), es igual a la razn
entre n y N.
Definicin:
P(A)= nde resultados bsicos igualmente probables y favorables al suceso A = n
nde resultados bsicos posibles igualmente probables N
QU ES LA PROBABILIDAD?
EL MTODO CLSICO

Qu fcil! El mtodo clsico permite determinar valores de probabilidad slo

por razonamiento, sin que en realidad se lance una moneda al aire, se tire un
dado o algo por el estilo.
Sin embargo, hay personas que tienen dificultad con esta definicin de
probabilidad, pues al especificar resultados bsicos igualmente probables
utiliza la definicin de probabilidad para definir la probabilidad!
Adems, para ciertos experimentos aleatorios repetibles (como lanzar una
moneda arreglada, tirar un dado cargado o muestrear la calidad de
artculos que salen de una lnea de produccin), ningn razonamiento podr
descubrir jams los valores de probabilidad para los diversos resultados
posibles. En tales casos, las asignaciones numricas (asignaciones de
probabilidades) requieren de experiencia.
 QU ES LA PROBABILIDAD?
EL MTODO EMPRICO

Para contrarrestar las crticas al mtodo clsico, muchos prefieren pensar que los
valores de probabilidad se derivan de la experiencia que, cuanto mayor, mejor.
Sugieren que la probabilidad de un suceso se considere igual a la frecuencia relativa
con la que se haya observado en el pasado, sobre el curso de un gran nmero de
experimentos.
Este uso de la palabra probabilidad basada en la interpretacin de la frecuencia
relativa, se aplica a situaciones en las que las condiciones son exactamente repetibles.
Definicin:
P(A)= n de veces que el suceso A ocurri en el pasado durante un gran nde experimentos
nmximo de veces que el suceso A pudo haber ocurrido durante estos experimentos
QU ES LA PROBABILIDAD?
EL MTODO SUBJETIVO
El enfoque de las frecuencias relativas para definir probabilidades, se aplica en
situaciones que se pueden pensar como repetibles bajo condiciones semejantes.
Algunas situaciones no son de este tipo.
Si estamos planeando una fiesta al aire libre para el prximo sbado a la tarde, cul
es la probabilidad de que llueva? Dos equipos de ftbol, Central y Newells, juegan la
final de un torneo cul es la probabilidad de que gane Central? Muchas personas
especulan sobre la probabilidad de que este ao ocurra una recesin econmica o de
que la General Motors tenga prdidas el prximo verano
En estas situaciones, una persona puede usar sus propias experiencias y
conocimientos para asignar una probabilidad al suceso. Tales probabilidades no se
basan en deducciones lgicas ni en observaciones repetidas de sucesos reales, es
decir, en experiencia histrica.
Tales probabilidades se llaman probabilidades personales o subjetivas, representan
el grado de creencia personal en la ocurrencia del suceso. En opinin de algunos
tericos de la probabilidad, esos valores no sirven en absoluto, pero es un hecho que
las estimaciones subjetivas de las probabilidades para varios resultados de
experimentos nicos juegan un papel importante en millones de decisiones que se
toman todos los das.
REGLAS DE PROBABILIDAD
REGLAS BSICAS
para asignar probabilidades a eventos

0 < P(A) < 1. Una probabilidad es siempre un nmero entre cero y uno. La
probabilidad es cero si es suceso no puede ocurrir (suceso imposible). La
probabilidad es uno si el suceso ocurre con seguridad.
P(S)= 1. Si sumamos las probabilidades de cada uno de los resultados
individuales del espacio muestral, la probabilidad total es uno.
P(A)= 1 P(Ac). Llamada regla del complemento. Cualquier evento y su
complemento son conjuntos disjuntos, si los unimos tendremos el espacio
muestral S, cuya probabilidad es uno. As que la probabilidad del evento y su
complemento suman uno.
REGLAS DE PROBABILIDAD

REGLA DE LA SUMA
P(AUB)= P(A) + P(B) P(A B)
Si A y B son eventos disjuntos, entonces: P(AUB)= P(A) + P(B)

Ejemplos en apunte (pg. 72)

PROBABILIDAD CONDICIONAL

Consideremos el experimento aleatorio E=tirar un dado una vez. El espacio

muestral de este experimento es S={1,2,3,4,5,6} y cada uno de los seis
resultados posibles es igualmente probable.
La probabilidad de obtener 1 es 1/6. Pero supongamos que se sabe que el
resultado fue un nmero impar, cul es ahora la probabilidad de 1?
Dado que el resultado fue impar, no seguiremos considerando el espacio
muestral original como el conjunto de resultados posibles. Hay slo tres
resultados posibles en el espacio muestral actualizado, {1,3,5}.
Cada uno de estos tres resultados es igualmente posible, as que la
probabilidad actualizada es 1/3. Lo que acabamos de calcular es una
probabilidad condicional, la probabilidad de que haya ocurrido el evento
A={1}, dado que ocurri el evento B=resultado impar={1,3,5}, representada
por la expresin P(A/B).
PROBABILIDAD CONDICIONAL

Definicin:
La probabilidad condicional del evento A dado que el evento B ya ha ocurrido es:
P(A/B)= P(A B) donde P(B) > 0
P(B)

A travs de un Diagrama de Venn se representa el suceso A/B de la siguiente

manera:
PROBABILIDAD CONDICIONAL
SUCESOS INDEPENDIENTES

Si saber que el evento B ha ocurrido no cambia la probabilidad de ocurrencia del

evento A, es decir, P(A/B)=P(A), decimos que los dos eventos son
independientes.

Definicin:
Dos eventos A y B son independientes si:
P(A/B)=P(A) o si P(B/A)=P(B)
REGLAS DE PROBABILIDAD

REGLA DE LA MULTIPLICACIN
P(A B)= P(A). P(B/A) o P(A B)= P(B). P(A/B)
Si A y B son eventos independientes, entonces: P(A B)= P(A).P(B)

Ejemplos en apunte (pg. 77)