Teora de probabilidad

Henry Lamos D
7/20/2014
Teora de Probabilidad y modelado
estadstico. Lamos H
1
Un panorama
Experimento aleatorio: es un experimento que
presenta las siguientes propiedades
1. Tiene al menos dos posibles resultados
2. el conjunto de resultados se conoce antes de
que el experimento se realice, y
3. puede repetirse bajo las mismas condiciones
7/20/2014 2
Teora de Probabilidad y modelado
estadstico. Lamos H
Espacio muestral
El conjunto de todos los posibles resultados o
estados de la naturaleza, de un experimento
aleatorio se llama espacio muestral.

ador experiment el para
relevante n informaci contienen que eventos aquellos a
elementos como tiene que conjunto un Es lgebra.
sucesos. ocasiones
en y eventos llaman se de os subconjunt Los
. denota Se

O
O
o
7/20/2014 3
Teora de Probabilidad y modelado
estadstico. Lamos H
Enfoques de la probabilidad
Probabilidad: posibilidad relativa de
que ocurra un evento.
La probabilidad de que un evento ocurra a
largo plazo se determina observando en
qu fraccin de tiempo sucedieron
eventos semejantes en el pasado:

nmero de veces que ocurri el evento
Prob del evento =
nmero total de observaciones
7/20/2014 4
Teora de Probabilidad y modelado
estadstico. Lamos H
Enfoques de la probabilidad
Probabilidad clsica se basa en la
consideracin de que los resultados de un
experimento son igualmente probables.
Utilizando el punto de vista clsico,
posibles resultados de total nmero
favorables resultados de nmero
= evento un de ad Probabilid
7/20/2014 5
Teora de Probabilidad y modelado
estadstico. Lamos H
Concepto de frecuencias relativas
1. Se lanza una moneda dos veces. El espacio muestral est
conformado por los sucesos elementales (C,C),
(C,S),(S,C),(S,S).
2. Una caja con N bombillas tiene r (r<N) unidades con
filamentos rotos. Estas se prueban una por una, hasta que
se encuentra una defectuosa.
a. Describir un espacio muestral para este experimento.
b. Suponga que las bombillas se prueban una por una, hasta
que se prueban todas las defectuosas. Describir el espacio
muestral
7/20/2014 6
Teora de Probabilidad y modelado
estadstico. Lamos H
Ejemplo
7/20/2014
Teora de Probabilidad y modelado
estadstico. Lamos H
1. Se lanza una moneda dos veces. El espacio
muestral est conformado por los sucesos
elementales (C,C), (C,S),(S,C),(S,S). A cada uno le
asignamos .
2. Se lanza una moneda n veces. El espacio muestral E
est conformado por los sucesos elementales
(x1,x2,.,.xn), en que cada xi o es C o es . A cada uno le
asignamos 1/2
3. Se lanza un nmero ilimitado veces. El fenmeno
aleatorio se representa por todas las sucesiones
(x1,x2,.,.xn,), en que cada xi o es C o es. El suceso
(C,x2,.,.xn,) se le asigna el p=1/2, (S,x2,.,.xn,) se le
asigna p=
7
Ejemplo
7/20/2014
Teora de Probabilidad y modelado
estadstico. Lamos H
3. El suceso (C,C,.,.xn,) se le asigna el p=1/4,
(C,S,.,.xn,) se le asigna p= , (S,C,.,.xn,) se le
asigna p= , (S,S,.,.xn,) se le asigna p= .
De esta manera queda definido un espacio muestral
con infinitos puntos y una ley de probabilidad en l.
Observacin. No basta tener el espacio muestral
descompuesto en sucesos elementales, incompatibles
entre s, para aplicar el principio de igualmente
probable de los suceso.
8
Ejemplo
7/20/2014
Teora de Probabilidad y modelado
estadstico. Lamos H
no o lado de cay moneda la s es tiene se
que n informaci la
Sea
}, }, , { }, { , {
} , , { } , , {
O C =
= = O
s c l
l s c lado de sello cara
9
EJEMPLO
A lo largo de su carrera, la profesora Juana ha
otorgado 200 calificaciones de 5 sobre 10
entre sus 5000 estudiantes. Cul es la
probabilidad de que un estudiante de su clase
en este semestre reciba un cinco?
Solucin. Aplicando el concepto de
frecuencias relativas, la probabilidad de un
cinco es
200 /5000 = 0.04
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 Colombia
vuelva al mundial en prxima convocatoria
del 2014 y estimar la probabilidad de que
ocurra un terremoto en BUCARAMANGA
este ao.
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)
EJEMPLO 3
Avianca-Taca acaba de proporcionar la
siguiente informacin de sus vuelos de
Bogot a Cartagena :
Llegada Frecuencia
Antes de tiempo 100
A tiempo 800
Demorado 75
Cancelado 25
Total 1000
EJEMPLO 3 continuacin
Si A es el evento de que un vuelo llegue
antes de tiempo, entonces
P(A) = 100 /1000 = 0.1.
Si B es el evento de que un vuelo llegue
demorado, entonces
P(B) = 75 /1000 = 0.075.
La probabilidad de que un vuelo llegue
antes de tiempo o demorado es
P(A o B) = P(A) + P(B) = .1 + .075 = 0.175.
Regla del complemento
La regla del complemento se utiliza para
determinar la probabilidad de que ocurra
un evento restando del nmero 1 la
probabilidad de que un evento no ocurra.
Si P(A) es la probabilidad del evento A y
P(~A) es el complemento de A, P(A) +
P(~A) = 1 o P(A) = 1 - P(~A).
Regla del complemento continuacin
Diagrama de Venn que ilustra la regla del
complemento
A
~A
EJEMPLO 4
Recuerde el ejemplo de Avianca_Taca
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.
EJEMPLO 4 continuacin
P(A o B) = 1 - P(C o D) = 1 - [.8 + .025] = .175
C
.8
D
.025
~(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)
Regla general de adicin
Diagrama de Venn que ilustra esta regla
A y B
A
B
EJEMPLO 5
En una muestra de 500 estudiantes, 320
dijeron tener un estreo, 175 dijeron
tener una TV y 100 dijeron tener ambos:
Estreo
320
Ambos
100
TV
175
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.
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.
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.
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).
EJEMPLO 6
Ecogas 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.
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.
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).
Cada vez que calculamos P(A|B), esencialmente estamos
calculando P(B) respecto al espacio muestral reducido
A, en vez del espacio muestral original S.
Supngase que se lanza dos dados.
Sean los sucesos A={(x1,x2)| x1>x2}
B={(x1,x2)| x1+x2=10}
Calcular P(A|B)
Calcular P(B|A)
Probabilidad condicional.
) (
) (
) | (
B P
B A P
B A P

=
Regla general de multiplicacin
La regla general de multiplicacin se
utiliza para determina la probabilidad
conjunta de que ocurran dos eventos y
establece: para dos eventos A y B, la
probabilidad conjunta que ambos
ocurran se encuentra multiplicando la
probabilidad de A por la probabilidad
condicional de B dado que A ocurri.
Regla general de multiplicacin
La probabilidad conjunta, P(A y B) est
dada por la siguiente frmula:
P(A y B) = P(A) * P(B|A)
o
P(A y B) = P(B) * P(A|B)
EJEMPLO 7
Admisiones de la UNAB de la divisin de
Ciencias Administrativas recolect la
siguiente informacin acerca de los
estudiantes de los programas:
Programa Hombre Mujer Total
Contabilidad 170 110 280
Ing. Financiera 120 100 220
Ing. Mercados 160 70 230
Administracin 150 120 270
Total 600 400 1000


EJEMPLO 7 continuacin
Si un estudiante se selecciona al azar, cul es
la probabilidad de que el estudiante sea mujer
del programa de contabilidad?
P(C y F) = 110 / 1000.
Dado que la estudiante es mujer, cul es la
probabilidad que est en el programa de
contabilidad? P(C|F) = [P(C y F)] / [P(F)] = [110
/ 1000] /[400 / 1000] = .275.
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.
EJEMPLO 8 continuacin
R1
B1
R2
B2
R2
B2
7/12
5/12
6/11
5/11
7/11
4/11
Mtodos combinatorios
7/20/2014
Teora de Probabilidad y modelado
estadstico. Lamos H
37
Teorema. Si una operacin consta de dos pasos, de los cuales el
primero se puede llevar a cabo en n1 maneras y para cada una de
stas el segundo se puede hacer de n2 maneras, entonces la
operacin se puede efectuar en n1x n2 maneras
Se lanza una moneda dos veces. Encuentre el
nmero de maneras diferentes posibles de
resultados. N1=2,n2=2, entonces n1x n2=4.
Resultados: (C,C), (C,S),(S,C),(S,S).

Mtodos combinatorios
7/20/2014
Teora de Probabilidad y modelado
estadstico. Lamos H
38
Hay situaciones donde los resultados son las maneras diferentes en
las que un grupo de objetos se pueden ordenar o arreglar.
Teorema. El nmero de permutaciones de n objetos
diferentes es n!
De cuntas maneras diferentes se pueden
presentar al pblico los onces jugadores titulares
de un equipo de futbol?
Mtodos combinatorios
7/20/2014
Teora de Probabilidad y modelado
estadstico. Lamos H
39
El nmero de permutaciones de las cuatro letras a,b,c,d es 24,
ahora se hace la pregunta cul es el nmero de permutaciones si
slo se tomarn dos de las cuatro letras?
O bien, si se toman las cuatro dos a la vez

es lavez a tomados
diferentes objetos de nes permutacio de nmero El
)! r n (
! n
P
r
n
r
n

=
De entre los 10 miembros del centro de estudio se sacan cuatro
nombres para los puestos de presidente, tesorero y secretario. De
cuntas maneras diferentes se puede hacer esto?
Mtodos combinatorios
7/20/2014
Teora de Probabilidad y modelado
estadstico. Lamos H
40

es y clase sima - k la de son
..., clase, segunda una de son clase, una de son
cuales los de objetos de nes permutacio de nmero El
! n ... ! n ! n
! n
n n .. n n n
n n
n
k 2 1
k 2 1 k
1 1
= + + +
De cuntas maneras se pueden colgar, una junta a la otra, dos
pinturas de Monet, tres pinturas de Gauguin y dos pintura de
Degas en la pared de un museo sin hacer distincin entre las
pinturas de los mismos artistas.?
es
! 2 ! 3 ! 2
! 7
7 n n n
k 2 1
= + +
Mtodos combinatorios
7/20/2014
Teora de Probabilidad y modelado
estadstico. Lamos H
41
n ,.. 2 , 1 , 0 r
)! r n ( ! r
! n
r
n
=

para ,
es vez la a tomados
diferentes objetos de nes combinacio de nmero El
En cuntas formas diferentes pueden seis lanzamientos de una
moneda producir dos caras y cuatro sellos?
La pregunta es lo mismo que preguntar de cuntas maneras
podemos seleccionar los dos lanzamientos, en los cuales ocurrirn
caras.
15
! 4 ! 2
! 6
C
6
2
= =
Mtodos combinatorios
7/20/2014
Teora de Probabilidad y modelado
estadstico. Lamos H
42
n ,.. 2 , 1 , 0 r
)! r n ( ! r
! n
r
n
=

para ,
es vez la a tomados
diferentes objetos de nes combinacio de nmero El
De cuntas maneras se puede dividir un de cuatro objetos en tres
subconjuntos que contengan, respetivamente, dos, uno y uno de los
objetos?
Sean a, b, c, d los objetos, por enumeracin: ab|c|d, ab|d|c ,ac|b|d,
ac|d|b, ad|c|b,bc||a|d, bc|d|a, bd|a|c, bd|c|a, cd|a|b,cd|b|a
! n ... ! n ! n
! n
n ,.., n , n
n
k 2 1 k 2 1
=
|
|
.
|

\
|
Mtodos combinatorios
7/20/2014
Teora de Probabilidad y modelado
estadstico. Lamos H
43
Se tienen los nmeros 1, 2 y 3, cuntos nmeros de 5 dgitos se
pueden forma a partir de los tres?
5
5
3
3 VR =
EJEMPLO 11
El entrenador Tomas tiene que elegir 5
jugadores entre los doce del equipo para
incluirlos en alineacin. Cuntos grupos
diferentes se pueden formar?


Suponga que el entrenador Tomas debe
clasificarlos en orden:
12P5 = (12!)/(12-5)! = 95,040.
12
5
12!
C 792
5!7!
= =
Teorema de Bayes
El teorema de Bayes se representa con la
frmula:
) | ( * ) ( ) | ( * ) (
) | ( * ) (
) | (
2 2 1 1
1 1
1
A B P A P A B P A P
A B P A P
B A P
+
=
EJEMPLO 9
La compaa Postobon 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 (A o B)
llen esta botella. Cul es la probabilidad de que la
botella mal llenada haya salido de la planta A?
EJEMPLO 9 continuacin

P(A |U) = [(.55)(.03)]/[(.55)(.03) +
(.45)(.04)] = .4783.
% de
produccin
total
% de
faltante en
botellas
A 55 3
B 45 4
Distribuciones probabilsticas discretas
EJEMPLO considere los datos que
corresponden al registro histrico de una
accin en la bolsa de Colombia
6-3
muestral. espacio del elemento cada
con real nmero un asocia que funcin una es aleatoria variable Una
ad. probabilid de medida muestral, espacio el o, experiment un Sea ) A ( P S c
Teora de Probabilidad y modelado
estadstico. Lamos H
49
20/07/2014
49
49
-10
0
10
20
30
40
50
1 55 109 163 217 271 325 379 433 487
Serie1
El precio de una accin de una empresa en
la bolsa de valores
Distribuciones probabilsticas
Una distribucin probabilstica es la
enumeracin de todos los resultados de un
experimento junto con las probabilidades
asociadas.
6-6
DIAGRAMA DE FLUJO

X
10000 2000
Pro 1/2
Y 10000 5000 1000
Probabi 2/3 1/6 1/6
Qu se puede decir sobre los
flujos X y Y del proyecto?

Caractersticas de una distribucin
porbabilstica
La probabilidad de un resultado siempre
debe estar entre 0 y 1.
La suma de todos los resultados
mutuamente excluyentes siempre es 1.
6-7
Variable aleatoria discreta
Una variable aleatoria discreta es una variable
que puede tomar slo ciertos valores
diferentes que son el resultado de la cuenta
de alguna caracterstica de inters.
El numero de elementos que puede asumir X
Puede ser finito o infinito contable.
EJEMPLO: sea X el nmero de caras obtenidas
al lanzar 3 veces una moneda.
Aqu los valores de X son x = 0, 1, 2, 3.
6-8
Valor esperado de una variable
aleatoria discreta
Promedio, a la larga, del valor de la variable
aleatoria.
es un promedio ponderado.
6-10
) ( = ) ( = i i x P x x E E
P(x) es la probabilidad de los
diferentes resultados x.
Varianza de una va discreta
La varianza de una distribucin discreta se
denota por la letra griega (sigma
cuadrada).
La desviacin estndar es la la raz cuadrada
de la varianza.
o
2
6-12
)] ( * ) [(
2 2
x P x o E =
EJEMPLO 2
Supngase que Usted
considera que los niveles
de inventario de su
empresa son ms altos
de lo necesario. Antes de
corregir la poltica de
inventarios, se registra en
nmero vendido cada da
por un periodo de 26
das
Cantidad vendida Numero De dias
2 4
3 7
4 8
5 5
6 1

6-14
Use los datos para estimar la distribucin de probabilidad de
ventas das.
Calcule la media y la varianza de la distribucin
EJEMPLO 2 continuacin
Distribucin probabilstica:
Cantidad vendida, X Probabilidad, P(X)
2 .16
3 .28
4 .32
5 .2
6 0.04


6-15
EJEMPLO 2 continuacin
04 . 0 * ) 18 . 3 6 ( 32 . 0 * ) 18 . 3 4 (
28 . 0 * ) 18 . 3 3 ( ) 16 . 0 ( * ) 18 . 3 2 ( ) var(
68 . 3
04 . 0 * ) 6 ( ) 2 )(. 5 ( ) 32 )(. 4 ( ) 28 )(. 3 ( ) 16 )(. 2 (
)] ( [ ) (
2 2
2 2 2
+
+ + = =
=
+ + + + =
E = =
X
x xP x E
o

6-16
Anlisis de decisiones. Profesor Henry
Lamos
59
59
Rendimiento en un ao por
inversin de 10 millones
Alternativas
de decisin
Mercado a
la alza
Mercado a
la baja
Acciones en
A
5000 -2000
Acciones en
B
1500 500
Cul tipo de accin se debe comprar?
Regla de decisin accin con el
mximo pago esperado
Anlisis de decisiones. Profesor Henry
Lamos
60
1100 4 . 0 500 6 . 0 1500 ) (
2200 4 . 0 ) 2000 ( 6 . 0 5000 ) (
2
1
= + =
= + =
a E
a E
20/07/2014

s s
s s
=
0
2 1 2
1 0 ,
) (
densidad
de funcin la tiene que continua aleatoria
variable una es ao un de periodo un en televisor
un utiliza a Bucaramang de familia una que horas, 100
de unidades en medida horas, de total nmero El 2.
x x
x x
x f
X
Un ejemplo
El retraso o adelanto (en minutos) de un vuelo de Avianca a
Bucaramanga es una variable aleatoria cuya densidad de
probabilidad est dada por para x que pertenece a (-6,6); f(x)=0 en
cualquier otra parte. Donde los valores negativos son indicativos
de que el vuelo llega adelantado y los valores positivos sealan
que el vuelo llega retrasado. Determine las probabilidades de que
uno de estos vuelos llegar
a) cuando menos dos minutos antes;
cuando menos un minuto retrasado;
entre uno y tres minutos antes;
exactamente cinco minutos tarde.
) 36 (
288
1
) (
2
x x f =
}
}

) =
=
dx x f x X Var
dx x xf X E
) ( ) (
) ( ) (
Continua Variable
2

Funcin de distribucin acumulativa

7/20/2014 Teora de Probabilidad. Lamos H

>
< s
< s
<
=
=
= s =
= s =
}

2 1
2 1
2
1
1 0
3
1
0 0
) (
2
1
,
6
1
, }, 2 , 1 , 0 {
) ( ) ( ) (
) ( ) ( ) (
x
x
x
x
x F
X
dx x xf x X P x F
x p x X P x F
X
x
x
si
si
si
si
3
1
ades probabilid con
continua o dscreta aleatoria, variable una Sea
65
Durante la ltima semana Mayerly ha recibido 3
propuestas matrimoniales de 3 hombres distintos y
debe escoger uno. Ha determinado que sus atributos
fsicos y emocionales son ms o menos los mismos, y
entonces elegir segn sus recursos financieros
El primero se llama Juan. Tiene un padre rico que sufre
del corazn. Mayerly calcula una probabilidad de 0.3
de que muera pronto y les herede 100000 UM . Si el
padre tiene una larga vida no recibir nada de l
Ejemplo 3.
66
El segundo pretendiente se llama Demetrio, que es
contador en la UIS. Mayerly estima una probabilidad de
0.6 de que Demetrio siga su carrera y una probabilidad
de 0.4 de que la deje y se dedique a la pintura y a los
hijos. Si contina con su trabajo, podra pasar a registro
de control, donde hay una probabilidad de 0.5 de ganar
40000 y de 0.5 de ganar 30000, o bien podra pasar a
tesorera donde ganara 40000 con probabilidad de 0.7
o 25000 con probabilidad 0.3. Si se dedica a la pintura y
a los hijos podra tener un trabajo de tiempo parcial por
20000 dictando clases.
67
El tercer pretendiente es Oscar, el cual slo
puede ofrecer a Mayerly su amor
incondicional y unos ahorros de 25000.
Con quin debe casarse Mayerli? Por qu?
Cul es el riesgo involucrado en la secuencia
ptima de decisiones?

Tomado de:
Gallagher. Watson. METODOS CUANTITATIVOS PARA LA TOMA DE DECISIONES EN ADMINISTRACIN.
McGraw Hill, Mxico, 1982
Anlisis de decisiones. Profesor Henry
Lamos
68
rboles de decisin:
Componentes y estructura:
ejemplo
Alternativa 1
Alternativa 2
Evento 1
P(Evento 1)
Evento 2
P(Evento 2)
Evento 3
P(Evento 3)
Pago 1
Pago 2
Pago 3
Pago 4
Punto de
decisin
69
Anlisis de decisiones.
Profesor Henry Lamos
rbol de decisin y el riesgo
Decisin
X P(X) E(X) var
Juan 100
0
0.30
0.70
30 2100
Demetrio 40
30
40
25
20
0.15
0.15
0.21
0.09
0.40
29,3 60,252
Oscar 25 1.00 25 0