Temas a desarrollar

Probabilidad. Experimento aleatorio, espacio muestral, variable aleatoria. Probabilidad condicional. Sucesos mutuamente excluyentes e independientes. Variable aleatoria. Esperanza y varianza de una variable aleatoria. Distribucin de probabilidad.

Material Preparado por Olga S. Filippini y Hugo Delfino

Las teoras matemticas, sobre todo las relacionadas con fenmenos naturales, a los que se trata de entender para luego poder predecir, se construyen siempre a partir de conceptos intuitivos, suficientemente claros para que puedan ser aplicados en las primeras etapa de la teora, pero no suficientemente rigurosos para que queden a salvo de objeciones cuando la misma alcanza cierto grado de desarrollo. Se hace necesario, entonces, revisar los fundamentos, precisar las definiciones y dar, si es posible, una construccin axiomtica.
Material Preparado por Olga S. Filippini y Hugo Delfino

Sin embargo, para comenzar a estudiar una teora, no siempre el camino axiomtico es el mas recomendable. Los axiomas son elaborados por quienes conocen muy bien la teora, y su verdadero sentido se comprende con facilidad cuando se est familiarizado con el tema. Es mejor empezar por definiciones tal vez no muy exactas y con ejemplos simples, pero substanciales, para poder comprender luego el verdadero sentido de los axiomas, y para que los mismos aparezcan de manera natural como expresin sinttica y firme de conocimientos ya adquiridos.
Material Preparado por Olga S. Filippini y Hugo Delfino

 Probabilidad: Es un valor comprendido entre 0 y 1, incluidos estos dos valores, que describe la posibilidad de ocurrencia de un evento. Experimento: Cualquier proceso que produce un resultado. Determinstico: Ante la repeticin del mismo se obtiene siempre el mismo resultado. Aleatorio: Repitiendo el experimento en idnticas condiciones se obtienen distintos resultados. Punto muestral Resultado: Es un resultado particular de un experimento. Evento: Es una coleccin de uno o mas resultados de un experimento.
Material Preparado por Olga S. Filippini y Hugo Delfino

 Evento o Suceso Aleatorio: Es una coleccin de uno o mas resultados de un experimento. E1=Sacar un 5 al tirar un dado E2=Sacar un nmero par al tirar un dado. E3=Sacar un nmero menor que 7 al tirar un dado=EVENTO CIERTO E4=Sacar un nmero mayor que 6 al tirar un dado=EVENTO IMPOSIBLE
Material Preparado por Olga S. Filippini y Hugo Delfino

 Sucesos mutuamente excluyentes:

Sucesos colectivamente exhaustivos

Dos sucesos A y B son mutuamente excluyentes cuando la ocurrencia de uno de ellos impide la ocurrencia del otro. P(AB)=P(AyB)=P(AB)=0 Dos sucesos A y B son colectivamente exhaustivos cuando al menos uno de ellos deba ocurrir siempre que se realiza el experimento. Dicho en otras palabras, deber cumplirse que la suma de las probabilidades de todos los sucesos deber ser igual a 1.
Material Preparado por Olga S. Filippini y Hugo Delfino

4-3

Espacio muestral: Es el conjunto de todos los posibles resultados de un experimento. Suele representarse con la letra S. Puede visualizarse a travs de Listas Conjunto de posibles resultados al tirar un dado={1;2;3;4;5;6} Diagramas de rbol Conjunto de posibles resultados al tirar dos monedas C C S C S S
Material Preparado por Olga S. Filippini y Hugo Delfino

4-3

Tablas rejilla Conjunto de posibles resultados al tirar un dado rojo y uno azul 11 12 13 14 15 16 21 22 23 24 25 26 31 32 33 34 35 36 41 42 43 44 45 46 51 52 53 54 55 56 61 62 63 64 65 66

Material Preparado por Olga S. Filippini y Hugo Delfino

4-3

Conjuntos ( Diagramas de Venn) Se pretende representar a las mujeres, a los universitarios pero es necesario tener en cuenta que existen mujeres universitarias. A mujeres B

universitarios

Mujeres universitarias
Material Preparado por Olga S. Filippini y Hugo Delfino

 Tablas de doble entrada Cuando se tienen dos o mas variables con dos o mas categoras cada una, por ejemplo hombres y mujeres, Ingenieros Agrnomos y Licenciados en Economa y Administracin Agraria.

M H

Ing.Agr. 40 60 100

Lic.Ec. y Adm. 25 30 55

65 90 155

Recordemos cuales son los totales marginales y el gran total.

Material Preparado por Olga S. Filippini y Hugo Delfino

4-4

TIP OS DE P ROB AB ILIDAD

P ROB AB ILIDAD OB JETIVA

PROB AB ILIDAD SUB JETIVA

P ROB AB ILIDAD CLASICA

PROB AB ILIDAD EMPIRICA

DEF INICION SUB JETIVA

DEF INICION CLASICA

DEF INICION FRECUENCIAL

Material Preparado por Olga S. Filippini y Hugo Delfino

Nmero de resultados favorables Probabilid ad de un evento = Nmero de resultados posibles

Se basa en que todos los resultados son igualmente probables o equiprobables. Mutuamente excluyentes Colectivamente exhaustivos

Ejemplo: Sea el experimento de tirar dos monedas a la vez El espacio muestral ser S = {CC, CS, SC, SS} Consideremos el evento de que salga una sola cara. Probabilidad de una sola cara = {CS, SC}/{CC, CS, SC, SS}=
Material Preparado por Olga S. Filippini y Hugo Delfino

= 2/4 = = 0,5.

 Cuando los resultados no son equiprobables la probabilidad de ocurrencia de un evento se determina por observacin del nmero de veces que eventos similares ocurrieron en el pasado. (frecuencia relativa)
Probabilid ad de un evento = Nmero de veces que el evento ocurri en el pasado Nmero de observacio nes

Ejemplo: Sea el experimento de estudiar una droga que cura cierta enfermedad en vacunos enfermos. Se aplic a 1000 vacunos y se curaron 700. El espacio muestral ser S = {curado; no curado} Consideremos el evento de que el vacuno se cure. Probabilidad de curado = 700/1000=0,7
Material Preparado por Olga S. Filippini y Hugo Delfino

 Cuando no se tienen datos para ningn tipo de clculo, ni posibilidad de efectuar repetidamente el experimento, se recurre a un experto, quien de acuerdo a su buen saber y entender estimar la probabilidad.
Ejemplos:

Calcular la probabilidad de que un tenista gane un campeonato

Calcular la probabilidad de que un club de futbol salga campen Calcular la probabilidad de que el precio de las acciones de una compaa se incremente en dos aos.
Material Preparado por Olga S. Filippini y Hugo Delfino

 Independientemente de que definicin de probabilidad utilicemos, siempre se debern cumplir los siguientes tres axiomas.
Axiomas: Axioma 1: La probabilidad de un evento existe y es un nmero mayor o igual a cero Axioma 2: La probabilidad de todo el espacio muestral es 1. Axioma 3: Si dos eventos A y B son mutuamente excluyentes

0 P ( A)

P(S)=1

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

Material Preparado por Olga S. Filippini y Hugo Delfino

Material Preparado por Olga S. Filippini y Hugo Delfino

 Si A y B son dos sucesos no mutuamente excluyentes, luego la probabilidad de la unin entre ambos est dada por la siguiente frmula. P(A B) = P(A) + P(B) - P(A B)
A and B B

Si A y B son dos sucesos mutuamente excluyentes, se cumple: P(A B) = P(A) + P(B)

Material Preparado por Olga S. Filippini y Hugo Delfino

Un experimento genera un espacio muestral que contiene ocho sucesos E1,...,E8 con p(Ei)=1/8, i=1,...,8. Los sucesos A y B se definen as: A= {E1,E4,E6} B= {E3,E4,E5,E6,E7} Encuentre: (a) P(A) (b) P()

A E1
a) P(A)= 3/8

E4 E6

E3 E5 E7

E1

E8

(b) P()= 5/8

(c) P(A U B)= P(A) + P(B) P(AB)

P(A U B)= 3/8 + 5/8 2/8= 6/8= 0,75

(c) P(A U B)

resultado que es muy fcil verificar visualmente en el diagrama.

Material Preparado por Olga S. Filippini y Hugo Delfino

 Dos eventos A y B son independientes cuando se cumple que la probabilidad conjunta es igual al producto de las probabilidades marginales.

Probabilidad Condicional es la probabilidad de ocurrencia de un evento en particular, dado que otro evento ha ocurrido. La probabilidad condicional de el evento A dado que el evento B ha ocurrido se escribe P(A|B).
Material Preparado por Olga S. Filippini y Hugo Delfino

PROBABILIDAD CONDICIONAL

 Dados dos eventos A y B la probabilidad conjunta de que ambos sucedan se calcula segn la siguiente frmula:
P(A B) = P(A)*P(B|A) = P(B A) = P(B)*P(A|B)

Si los eventos A y B son independientes la probabilidad conjunta de que ambos sucedan se calcula segn la siguiente frmula:
P(A B) = P(B A) = P(A)*P(B) = P(B)*P(A)
Material Preparado por Olga S. Filippini y Hugo Delfino

Un experimento genera un espacio muestral que contiene ocho sucesos E1,...,E8 con p(Ei)=1/8, i=1,...,8. Los sucesos A y B se definen as: A= {E1,E4,E6} B= {E3,E4,E5,E6,E7}

A E1 E2
(a) No, porque AB0

E6

E4

E3 E7 E5 E8

Resolver: (a) Son los sucesos A y B mutuamente excluyentes? Por qu? (b) Son los sucesos A y B independientes? Por qu? (C) P(AB) (d) P(A/B)

(b) No, porque P(A)*P(B) P(AB) (c) P(AB) = 2/8= 0,25 3/8 * 5/8 2/8

(d) P(A/B)= P(AB) / P(B)= (2/8) / (5/8)= 2/5

Esto puede verse en el diagrama, ya que saber que B ocurri, reduce nuestro espacio muestral a los cinco elementos de B. Y de ellos, slo dos pertenecen a A.
Material Preparado por Olga S. Filippini y Hugo Delfino

Dos candidatos a los consejos de administracin A y B, compiten por el control de una corporacin. Las probabilidades de ganar de estos candidatos son 0,7 y 0,3, respectivamente. Si gana A, la probabilidad de introducir un nuevo producto es 0,8; si gana B, la correspondiente probabilidad es 0,4. Demuestre que, antes de las elecciones, la probabilidad de que sea introducido un nuevo producto es 0,68. Sugerencias: Recordar probabilidad condicional y probabilidad conjunta Considerar todo el espacio muestral

P(NB)

P(NA)

Solucin: P(N)= P(NA) + P(NB) P(N)= P(N/A)*P(A) + P(N/B)*P(B) P(N)= 0,8*0,7 + 0,4*0,3= 0,68
Material Preparado por Olga S. Filippini y Hugo Delfino

Datos: P(A)= 0,7 P(B)= 0,3

P(N/A)= 0,8 P(N/B)= 0,4

El 34% de los rboles de un bosque tienen ms de 15 aos. El 54% son de la variedad A. De los de la variedad A, el 7% tiene ms de 15 aos. Si se elige un rbol al azar,

a) Cul es la probabilidad de que tenga ms de 15 aos y sea de la variedad A? b) Cul es la probabilidad de que teniendo menos de 15 aos, sea de la variedad A? Sugerencias: Recordar probabilidad condicional y probabilidad conjunta Considerar tablas de contingencia Datos:

A 0,0378 0,5022 0,3022 0,1578 0,34 0,66

+ 15

-15

0,54 0,46 1

Solucin: a) P(+15A)= P(+15/A)*P(A) = 0,07*0,54= 0,0378 b) P(A/-15)= P(A-15) / P(-15) = 0,5022 / 0,66= 0,76

P(+15)= 0,34 P(+15/A)= 0,07

P(A)= 0,54

Material Preparado por Olga S. Filippini y Hugo Delfino

El 70% del ganado es inyectado con una vacuna para combatir una enfermedad grave. La probabilidad de recuperarse de la enfermedad es 1 en 20 si no ha habido tratamiento y de 1 en 5 si hubo tratamiento. Si un animal infectada se recupera, cul es la probabilidad de que haya recibido la vacuna preventiva? Sugerencias: Recordar probabilidad condicional y probabilidad conjunta Regla del producto.

Incgnita: P( I /R )

Datos: P( I )= 0,7 P( )= 0,3

P( R / I )= 0,2 P( R / )= 0,05

P (I I R ) P (R I I ) P (I / R ) = = = P (R ) P (R I I ) + P (R I I ) P ( R / I ) * P (I ) 0 ,2 * 0 ,7 = = = 0 ,9 0 ,2 * 0 ,7 + 0 ,05 * 0 ,3 P ( R / I ) * P (I ) + P ( R / I ) * P (I )
Material Preparado por Olga S. Filippini y Hugo Delfino

Dado un experimento aleatorio y su correspondiente espacio muestral se denomina variable aleatoria a la funcin que asigna a cada elemento del espacio muestral un nmero real.
Ejemplo: Si se define la variable aleatoria X=nmero de caras obtenidas al arrojar dos monedas Rx Qu valores puede tomar x? S

X : S R / X (s ) = x

SS CC SC CS

0 2 1

X(CS)=X(SC)=1 Se denomina recorrido Rx al conjunto de valores que puede tomar la variable. X(CC)=2

X(SS)=0

Material Preparado por Olga S. Filippini y Hugo Delfino

Una variable aleatoria es discreta cuando toma un nmero contable de valores.Entonces entre dos valores consecutivos de una variable aleatoria discreta no hay ningn nmero que pertenezca al recorrido de la variable Rx={X1;X2;,Xn,} donde cada Xi es un valor de la v.a. En general , estos valores no sern igualmente probables, sino que cada X tendr asignada una probabilidad. Luego, para caracterizar una variable aleatoria discreta es necesario conocer su recorrido y la probabilidad de cada elemento del recorrido

Material Preparado por Olga S. Filippini y Hugo Delfino

Sigamos con el ejemplo X= Cantidad de caras al tirar dos monedas P(X=0)= P(SS)= P(X=1)= P(SC;CS)= P(X=2)= P(CC)=
Funcin de distribucin de probabilidad
P(X) 0,5

Propiedades 1) P(Xi)0 Xi

0,25

2)
0 1 2 X

Xi Ri

P ( Xi ) = 1

Material Preparado por Olga S. Filippini y Hugo Delfino

Una variable es continua en un intervalo cuando puede tomar cualquier valor perteneciente al intervalo. En general definiremos variables aleatorias continuas cuando las experiencias consistan en medir peso, altura, longitud, tiempo, temperatura, etc. En este caso se define (en lugar de la funcin de distribucin) una funcin de densidad de probabilidad que tiene las siguientes propiedades

1) f(x)0 XR
2)
+

f ( x ) dx = 1
b a

3 )a < b P ( a x b ) =

f ( x ) dx

Material Preparado por Olga S. Filippini y Hugo Delfino

La esperanza es un parmetro de la distribucin. Es una medida de tendencia central.

=E X =

x i R x

xi p xi

Si X es discreta

=E X =

x f x dx

Si X es continua

Material Preparado por Olga S. Filippini y Hugo Delfino

La esperanza E(x) no es un resultado que esperararamos cuando X se observa slo una vez. Pero si observramos un gran nmero de observaciones independientes de X el promedio de esos resultados estar cerca de E(x). Ejemplo: En una operacin comercial se puede obtener una utilidad de $1000 o sufrir una prdida de $500. Si la probabilidad de una utilidad es de 0,6, demuestre que la utilidad esperada en dicha operacin es de $400. Primero definimos la variable aleatoria X= utilidad en operacin comercial

= E( X ) =

x i R x

xi p( xi )

E(X)=1000*0,6+(-500)*0,4 E(X)=400
Material Preparado por Olga S. Filippini y Hugo Delfino

Sean X e Y variables aleatorias y c una constante perteneciente a los reales: 2) E (X+c ) = E(X) + c 4) E (X+Y) = E(X) + E(Y) 6) Si X e Y son independientes E (XY) = E(X) * E(Y)
Material Preparado por Olga S. Filippini y Hugo Delfino

1) E (c ) = c

3) E (cX) = c E(X)

5) E (X-Y) = E(X) - E(Y)

La variancia es un parmetro de la distribucin. Es

una medida de dispersin de los valores de x alrededor de E(X)

Material Preparado por Olga S. Filippini y Hugo Delfino

Sean X e Y variables aleatorias y c una constante perteneciente a los reales: 2) V (X+c ) = V(X) 1) V (c ) = 0

4) Si X e Y son independientes V (X+Y) = V(X) + V(Y) 5) Si X e Y son independientes V (X-Y) = V(X) + V(Y)
Material Preparado por Olga S. Filippini y Hugo Delfino

3) V (cX) = c2 V(X)

P A1 B

P A1

P A1 P B A1 P B A1 P A2 P B A2

Material Preparado por Olga S. Filippini y Hugo Delfino

 Permutaciones: Algunos arreglos de r objetos seleccionados de n posibles objetos.

n r

Nota: El orden de los arreglos es importante en las permutaciones.

n = nr !

Material Preparado por Olga S. Filippini y Hugo Delfino

 Combinaciones: El nmero de formas de elegir r objetos de un grupo de n objetos sin considerar el orden.

n nC r = r nr

Material Preparado por Olga S. Filippini y Hugo Delfino