Você está na página 1de 11

CALCULO DE PROBABILIDADES

 El papel de la probabilidad

Para poder dar sentido a los datos debemos comprender la variabilidad aleatoria de estos. Sabemos que en los
datos de una muestra (muestrales) hay aleatoriedad debido a que las muestras son elegidas al azar, es por esto que
decimos que “las muestras varían aleatoriamente entre sí”.

Donde hay aleatoriedad hay incertidumbre, ya que los resultados de una muestra o de un proceso no se pueden
predecir con precisión absoluta. Un elemento clave para entender los datos es entender el grado de incertidumbre
que estos encierran.

La teoría de la probabilidad es el lenguaje matemático de la incertidumbre y la aleatoriedad. Con los teoremas y


los conceptos de la teoría de la probabilidad podremos especificar el grado de variación que debemos esperar en una
muestra y el probable grado de error en las predicciones. El lenguaje de la probabilidad es una manera de pensar en
la variabilidad.

Los datos por lo general están incompletos. Prácticamente ningún estudio de mercado incluye a todos los
consumidores potenciales. Nunca podremos estar seguros de que la inferencia es absolutamente correcta. Por
consiguiente, quienes utilizan los datos deberán considerar que casi siempre hay un cierto grado de incertidumbre.

La teoría estadística se vale de los resultados de la probabilidad para determinar la incertidumbre o grado de
error probable de una inferencia.

También podemos utilizar la teoría de la Inferencia Estadística para determinar si un cambio aparente en los
datos está fuera de toda variación aleatoria razonable.

El estudio de las probabilidades nos sirve como enlace entre la descripción y la presentación de la información
que se obtiene a partir de las muestras y la posibilidad de hacer inferencias a poblaciones más grandes.-

Podemos decir entonces que la probabilidad constituye la base para el estudio de los métodos de la
ESTADISTICA INFERENCIAL.-

COMPARACIÓN ENTRE PROBABILIDAD Y ESTADÍSTICA


Se ha dicho que “la probabilidad es el vehículo de la estadística”.- Es decir, que si no fuera por las leyes de la
probabilidad, la teoría de la estadística inferencial no sería posible.-

La probabilidad pregunta sobre la posibilidad de que ocurra algo específico cuando se conocen las
posibilidades, es decir se conoce la población

La estadística pide extraer una muestra, describirla y luego hacer inferencia sobre la población con base en la
información que se obtuvo de la muestra.-

El estudio y cálculo de las probabilidades se facilita mucho si conocemos algo antes de TEORÍA DE CONJUNTOS y
de TECNICAS DE CONTEO
 Teoría de los conjuntos:
Conjunto: es una colección bien definida de objetos. Por ejemplo, el curso de Estadística es un conjunto donde
los elementos son las personas que lo componen (Susana, Luís, Carla, María, Beatriz y Pedro). Los conjuntos se
simbolizan con letras mayúsculas.

Se puede describir de dos maneras diferentes:

– Método de lista A = í Susana, Luís, Carla, María, Beatriz, Pedro ý


– Método de la regla A = í x / x es un alumnos del curso de Estadística ý

Esto lo leemos como: “A es el conjunto de todas las x tales que x es un alumno de este curso de Estadística”.

Elementos: son los objetos o cosas de que está formado el conjunto. Los elementos de un conjunto se
simbolizan con letras minúsculas.

Conjunto Universal: es el conjunto más extenso por el cual hay interés en un análisis dado. Se simboliza al
conjunto universal con U. Hay una total coincidencia entre lo que es una “población estadística” y el conjunto
universal.

Subconjunto: decimos que A es un subconjunto de B si cada elemento de A es también un elemento de B.


Observamos aquí que “muestra” es un subconjunto del conjunto “población”. Por ejemplo:

B = í Susana, Luís ý es un subconjunto de A A = í Susana, Luís, María, Beatriz, Pedro ý

Conjuntos iguales: Dos conjuntos A y B son iguales si ambos contienen exactamente los mismos elementos.

Conjunto vacío: el conjunto que no contiene ningún elemento se llama conjunto vacío y se lo simboliza con Æ.
A = íÆý

 Operaciones con conjuntos

Los resultados de las operaciones entre conjuntos los explicaremos por medio de los diagramas de Venn. Por
ejemplo: U = í1,2,3,4,5ý donde A = í 1,2,3ý en un diagrama de Venn, será:

Complemento: de un subconjunto A del conjunto universal U, al conjunto que consta de todos los elementos
de U que no son elementos del conjunto A. Lo simbolizamos como: `A o también con A’.
Del ejemplo anterior: A = í4,5ý
Intersección: la intersección de dos conjuntos A y B es el conjunto que contiene todos los elementos de A y de
B, es decir que son los elementos comunes. Simbolizamos a la intersección con Ç
Conjuntos mutuamente excluyentes: son dos conjuntos A y B son que no tienen elementos en común.

A Ç B = í Æ ý
Unión: La unión de dos conjuntos A y B es el conjunto que consta de todos los elementos que son de A o de B
o de ambos. Se simboliza la unión con È . Por ejemplo:
A = {1,2,3,4 } B = {3,4,5,6 }
A È B = {1,2,3,4,5,6

 Técnicas de conteo útiles en probabilidades


En muchas de las decisiones empresariales y
comerciales, requieren que se cuente el número de subconjuntos que se pueden obtener de un conjunto.- Cuando
calculamos probabilidades, nos encontramos que necesitamos poder calcular el número de resultados posibles y
favorables a un evento, donde es imposible contarlos simplemente como en el caso de la tirada de un dado al aire.-
Para estos casos debemos recurrir a las llamadas técnicas de conteo.-
Vamos analizar cuatro técnicas de conteo que consideramos que son las que más se suelen presentar, son:

Regla de la multiplicación: “Si hay que hacer m operaciones y si las primeras se pueden hacer de n1 formas y sin
importarme como se hicieron las primeras la segundas se pueden hacer de n2 formas y así sucesivamente para las m
operaciones”, entonces la cantidad de operaciones que podemos hacer será: n1 * n2 *
n3 * ……….. * nm

Por ejemplo: Supongamos que estamos seleccionando en forma aleatoria a tres artículos de un proceso de
producción.- Se examina a cada uno de ellos y se le califica en defectuosos (D) y no defectuosos (N).-

Entonces: 2 * 2 * 2 = 8 formas

Cuando son pocas las formas que pueden darse, se suele calcular los eventos del espacio muestral por medio de un
DIAGRAMA DE ARBOL.-

Permutaciones y combinaciones:

Al seleccionar los elementos en los subconjuntos, la distinción entre permutaciones y combinaciones depende si el
orden de las selecciones hace diferencia.

Permutaciones: Si un orden es suficiente para constituir otro subconjunto


Combinaciones: Si dos subconjuntos se consideran iguales debido a que simplemente se han reordenado los mismos
elementos.

Dado un conjunto de n elementos, el número de permutaciones, cada uno de tamaño r, se determina como, el
número de permutaciones de n elementos tomados r a la vez:

n!
nPr = Por definición 0 ! = 1
( n - r) !
El número de combinaciones de n elementos tomados r a la vez es:

n !
nCr =
r ! (n - r) !

EL MUNDO DE LAS PROBABILIDADES

Aleatoriedad
estudio
PROBABILIDAD Se la explica siempre en %.-
Incertidumbre
es
es 1 cuando el evento ocurrirá
Posibilidad de que
con seguridad
ocurra un evento o Una proporción o fracción cuyo valor se
suceso específico. encuentra entre 0 y 1 inclusive.-
es 0 cuando el evento nunca va
a ocurrir

En el estudio de las probabilidades definimos:

Experimento: un proceso que genera resultados bien definidos.- Estos resultados no se pueden predecir
ciertamente con anterioridad. Ejemplos: Tirar un dado al aire.

Experimento Aleatorio Es aquel que proporciona diferentes resultados aún cuando se repita siempre de la
misma manera. Ejemplo: tirada al aire de un dado

Ejemplo de Experimento y Experimento aleatorio

Si se mide la corriente que circula por un alambre de cobre delgado, lo que se está haciendo es un
Experimento.- Sin embargo, al repetir la medición durante varios días los resultados que se obtienen son un poco
diferentes debido a pequeñas variaciones en las variables que no están controladas en el experimento.- En
consecuencia, se dice que este experimento (así como muchos otros) tiene una componente aleatoria.

Sin importar con cuanto cuidado se diseñe y se realice un experimento, siempre se tendrá variaciones. Cuando
se incorpora la variación en el análisis, siempre pueden obtenerse conclusiones fundamentales de los resultados que
no se invaliden por la variación.

Los modelos y análisis que incluyen variación son muy diferentes de los modelos utilizados en otras áreas de la
ingeniería y la ciencia. La figura siguiente muestra las componentes importantes:
1. Primero se desarrolla un modelo matemático (o abstracción) del sistema físico. El modelo no necesita ser una
abstracción perfecta.

2. Dada una abstracción matemática válida por mediciones tomadas del sistema, el modelo puede emplearse para
comprender, describir y cuantificar aspectos importantes del sistema físico y predecir la respuesta del sistema a
diversas entradas.

La figura siguiente ilustra de manera gráfica un modelo que incorpora entradas no controlables (ruido), combinadas
con las entradas no controlables para producir la salida del sistema.-

Debido a la presencia de entradas no controlable, el empleo de las mismas especificaciones para las entradas
controlables no siempre darán como resultado las mismas salidas cada vez que se haga una medición sobre el
sistema.
La presencia de entradas no controlables traerá variaciones en las mediciones de corriente.
A menudo es difícil especular sobre la magnitud de las variaciones sin tener a la mano mediciones empíricas.
No obstante, con un número suficiente de éstas, es posible aproximar la magnitud de la variación y considerar el
efecto que tiene esta sobre el desempeño de otros dispositivos (como los amplificadores) en el circuito.
Para modelar y analizar un experimento aleatorio, primero debe comprenderse el conjunto de resultados
posibles del experimento.
Espacio muestral: Es el conjunto de todos los resultados de un experimento aleatorio. Lo simbolizamos con S.
Ejemplo: Experimento aleatorio: tirar una moneda al aire S= {cara, cruz}

Los que tienen un valor de probabilidad son los eventos:

Evento: son cada uno de los resultados del experimento aleatorio. Pueden ser: Simples o Compuestos

Ejemplo Experimento aleatorio: tirar un dado al aire S = {1,2,3,4,5,6}

Pr (Salga un 4) es un evento simple Pr (Salga un número par) es un evento compuesto

Para introducirnos en el mundo de las PROBABILIDADES, usaremos los conceptos básicos de teoría de
conjuntos y las operaciones entre conjuntos.-

Considérese un experimento donde se seleccionan dos componentes y se clasifican conforme cumplen o no


los requerimientos de temporización eléctrica del producto.- Un resultado posible de este experimento es que la
primera parte sea aceptable y la segunda no; esto se indica como AN.- Entonces nuestro espacio muestral será:

S = {AA, AN, NA, NN}

Donde la primera letra indica la clasificación de la primera parte, mientras que la segunda indica la clasificación
de la segunda parte.

En experimentos aleatorios que implican la selección de artículos de un lote, es necesario indicar si el artículo
seleccionado será colocado de nuevo o no, en el lote antes de seleccionar el siguiente.- Por ejemplo si el lote
contiene tres artículos a, b, c y el experimento consiste en seleccionar dos de ellos sin reemplazo, entonces el
espacio muestral será: S = {a b, a c, b a, b c, c a, }

Sin embargo, si los artículos se devuelven al lote antes de seleccionar el siguiente, el muestreo se hace con
reemplazo.- En este caso el espacio muestral será:

S = {a a, a b, a c, b a, b b, b c, c a, c b, c c}
Veremos probabilidad para espacios muestrales que tienen solo un conjunto finito ( o infinito contable) de
resultados posibles.-

Frecuentemente, el interés recae en describir eventos nuevos a partir de combinaciones de eventos existentes.
Ya que los eventos son subconjuntos, entonces es posible utilizar las operaciones básicas de conjuntos, como hemos
visto, uniones, intersecciones y complementos, para formar otros eventos de interés, y otro tema que es
imprescindible conocer para el cálculo de las probabilidades es lo que se refiere a las Técnicas de conteo, como ya
vimos.-

Se estudian diferentes enfoques para determinar la probabilidad de ocurrencia de ciertos fenómenos


aleatorios

Probabilidad clásica o a priori o de Laplace

Probabilidad empírica o probabilidad frecuencial

Probabilidad subjetiva

Estableció tres axiomas para tener en cuenta en la asignación de probabilidad de un evento

1. Dado un evento A
0 ≤ P (A) ≤ 1
2. Si S es el espacio muestral del experimento
Estos axiomas se deben cumplir al asignar
P (S) = 1
3. Si A y B son eventos mutuamente excluyentes probabilidad a un evento por cualquier enfoque
P (A U B) = P (A) + P (B)

 PROBABILIDAD CLASICA O A PRIORI O DE LAPLACE


Es apropiado para asignar probabilidad cuando los resultados del experimento son igualmente probables. Por
ejemplo,
Si son posibles N resultados experimentales, una probabilidad de 1/N es la que corresponde a cada evento.-
Una probabilidad por el enfoque clásico se calcula de la siguiente manera, supongamos tener el evento A:

Número de formas en que puede


P (A) = ocurrir el evento A
Número total de resultados posibles
Ejemplo: Se lanza un dado al aire.- ¿Cuál es la probabilidad de que se de un 5?
1
P (5) = = 0,167 Æ 17 %
6
 PROBABILIDAD EMPÍRICA O FRECUENCIAL
Es apropiado para asignar probabilidad cuando se cuenta con datos para estimar la proporción del tiempo en
que ocurrirá el resultado experimental si el experimento se repite un número grande de veces.- Se basa en el
principio de regularidad estadística.-
Evidentemente podemos usar este enfoque siempre que tengamos frecuencias.-
Una probabilidad por el enfoque frecuencial se calcula de la siguiente manera, supongamos tener el evento A:

Número de veces que puede


P(A)= ocurrir el evento A en el pasado
Número total de observaciones
Ejemplo:

 PROBABILIDAD SUBJETIVA

Es apropiado para asignar probabilidad cuando se da un experimento en donde no se puede aplicar ninguno
de los dos enfoques vistos, y asignamos probabilidad en base al conocimiento del hecho que tenemos.-
Por ejemplo: la probabilidad de que mañana llueva es del 70%.-

ALGUNAS RELACIONES BASICAS DE PROBABILIDAD

 COMPLEMENTO DE UN EVENTO

Dado un evento A, el complemento de A que simbolizamos con A’, es el que esta formado por todos los elementos
que no están en A.- En un diagrama de Venn, será:

Ejemplo Un Ingeniero de una empresa sostiene que la probabilidad de no


S A’ descomponerse ninguna máquina este mes es de 0,80.- La probabilidad de
descomponerse una máquina será: P (A’) = 1 - P (A) = 1 - 0,80 = 0,20
A El evento A y A’ son mutuamente excluyentes, entonces:

P (A) + P (A’) = P (S) pero P (A) + P (A’) = 1

despejando nos queda; P (A’) = 1 - P (A)


 LEY ADITIVA O TEOREMA DE LA SUMA

Es útil cuando se tiene dos eventos y se desea conocer la probabilidad de que ocurra al menos uno de ellos.
Dado los eventos A y B nos interesa conocer la probabilidad de que suceda A o el evento B o ambos.- Se expresa
como P (A U B)
Para poder aplicar la ley aditiva debemos conocer como son los eventos A y B:

si P (A U B) = P (A) + P (B)

Son mutuamente
excluyentes? no P (A U B) = P (A) + P (B) - P ( A ∩ B)

PROBABILIDADES MARGINALES Y CONJUNTAS


Si tenemos información como para elaborar una tabla de contingencia, observamos que tenemos frecuencias
absolutas marginales y frecuencias absolutas conjuntas. De aquí que podemos entonces calcular Probabilidades
Marginales y Conjuntas.

Las probabilidades marginales se calculan con los valores que se ubican en los margenes; y como los valores del
cuerpo de la tabla son valores conjuntos, podemos calcular con ellos probabilidades conjuntas, cada valor me indica
una interseccion de ambos.

Es evidente que en estos casos calculamos las probabilidades aplicando el enfoque frecuencial.
Ejemplo:
Supongamos que la Empresa Textil Texas está formado por 1200 empleados de los cuales 960 son hombres y
240 mujeres.- En los últimos dos años fueron ascendidos de funciones solamente 324 empleados de los cuales 288
son hombres.- Con esta información elaboramos la siguiente tabla:
Supongamos seleccionar un empleado al azar. ¿Cuál es la probabilidad de que: HOMBRES MUJERES
TOTAL
(H) (M)
a) Sea una Mujer.
P (M) = 240/1200 = 0,20 ⇒ 20% (A) 288
b) Sea uno No Ascendido. 36 324
ASCENDIDOS
P (B) = 876/1200 = 0,73 ⇒ 73%
c) Sea un Hombre y Ascendido. (B) 672
204 876
P (A ⋂ H) = 288 / 1200 = 0,24 ⇒ 24 % NO ASCENDIDOS
d) Sea una Mujer y No ascendida.
P ( M ∩ B) = 204 / 1200 = 0,17 ⇒ 17 % TOTAL 960 240 1200
Se selecciona un empleado al
azar;
a) ¿Cuál es la probabilidad de que sea un Hombre o Un Ascendido?
P (H U A) = P (H) + P (A) - P (H ∩ A) =
= 960/1200 + 324/1200 - 288/1200 =
= 996/1200 = 0,83 ⇒ 83 %

b) ¿Cuál es la probabilidad que este sea una mujer o No ascendida?


P (M U B) = P (M) + P (B) - P (M ∩ B) =
= 240/1200 + 876/1200 - 204/1200 =
= 1152/1200 = 0.96 96%

c) ¿Cuál es la probabilidad de que sea un Hombre o una Mujer?


P (H U M) = 960/1200 + 240/1200 =
= 1200/1200 = 1,00

PROBABILIDAD CONDICIONAL E INDEPENDENCIA


Con frecuencia, la probabilidad de un evento se ve influida por la ocurrencia de otro evento relacionado
Se escribe P (A / B) y se lee “Probabilidad de A dado B” o también “Probabilidad de que habiéndose dado B se
de A”
La probabilidad condicional p (a / b) se puede calcular como:
La relación entre la probabilidad conjunta de A y B y la probabilidad marginal del evento que se dio, es decir
P (A ∩ B)
P ( A / B) =
P (B)

También podemos calcular una Probabilidad Condicional en función del espacio muestral del evento que ya se
dio de antemano.
Veamos esto en nuestro ejemplo:
a) Por definición, será:
P (B ∩ H) 672 / 1200 672
P (B / H) = ------------------ = ------------------ = -------- = 0,70 ⇒ 70 %
P (H) 960 / 1200 960
b) Con espacio muestral reducido será:
672
P (B / H) = -------------- = 0,70 ⇒ 70 %
960

 LEY DE MULTIPLICACION
Se usa para determinar la probabilidad de una intersección de dos eventos. Esta ley se basa en la definición de la
probabilidad condicional.
De la fórmula de probabilidad condicional despejamos P (A ∩ B) y entonces tendremos:
P (A ∩ B) = P (B) * P ( A / B) o también P (A ∩ B) = P (A) * P ( B / A)

 EVENTOS INDEPENDIENTES

Es un concepto básico de la teoría de la probabilidad de particular importancia por sus aplicaciones a la estadística
Si tenemos dos eventos A y B, la idea de independencia estadística es que la ocurrencia del evento A no cambia la
probabilidad de que el evento B suceda, entonces, será:
P (A ∩ B) = P (A) * P (B)
De no darse esto, A y B no son independientes y decimos que los eventos son dependientes.
Dado dos eventos A y B independientes, recordemos que en el caso de probabilidades condicionadas
P (A/B) = P (A) y también P (B/A) = P (B)
Porque:
P (A ∩ B) P (A) * P (B)
P ( A / B) = ---------------- = ------------------------- = P (A)
P (B) P (B)

P (A ∩ B) P (A) * P (B)
P ( B / A) = ---------------- = ----------------------- = P (B)
P (A) P (A)
Si no se cumple lo que estamos afirmando entonces A y B son eventos dependientes.
En resumen..
REGLA DE LA MULTIPLICACION
si P (A ∩ B) = P (A) * P (B)

Son eventos
independientes? no P (A ∩ B) = P (A) * P ( B / A)
IMPORTANTE!!!
• NO SE DEBEN CONFUNDIR ENTRE SI EL CONCEPTO DE EVENTOS MUTUAMENTE EXCLUYENTES CON EL DE
EVENTOS INDEPENDIENTES.

• DOS EVENTOS CUYAS PROBABILIDADES SON DISTINTAS DE CERO NO PUEDEN SER DE MANERA
SIMULTANEA MUTUAMENTE EXCLUYENTES E INDEPENDIENTES ENTRE SI.

• SI OCURRE UNO DE LOS EVENTOS MUTUAMENTE EXCLUYENTES, EL OTRO NO SUCEDE, ASI QUE LA
PROBABILIDAD DE QUE OCURRA EL OTRO EVENTO SE REDUCE A CERO. EN CONSECUENCIA SON
DEPENDIENTES.

TEOREMA DE PROBABILIDAD TOTAL


Supongamos poder dividir el espacio muestral en dos eventos que
llamamos E1 y E2
Se da un cierto evento A asociado a él y observamos que:
A = (E1 ∩ A) U (E2 ∩ A)
Como cada una de estas situaciones planteadas son mutuamente
excluyentes, por el 3º axioma de probabilidad, será:
P (A) = P (E1 ∩ A) + P (E2 ∩ A)
Pero por regla de la multiplicación sabemos que lo expresado es
P (A) = P (E1) P (A/E1) + P (E2) P (A/E2)
Veamos un ejemplo:
Una Cía. Compra neumáticos de dos proveedores I y II.- El proveedor I tiene un antecedente de suministrar con 10 %
de defectos, en tanto que el proveedor II, tiene una tasa de solo el 5% de defectos.- Supóngase que el 40% de las
existencias actuales vinieron del proveedor I. Si se toma una llanta de esa existencia ¿ calcular la probabilidad de que
la llanta sea defectuosa?.-
Solucion:
Sea A = el evento de que el neumático sea defectuoso.
Sea Bi el evento en el que un neumático lo haya vendido el proveedor i = I, II y nótese que B1 y B2 forman una
partición del experimento que consiste en seleccionar un neumático.- Entonces tenemos como dato:
P (B1) = 0.40 P (B2) = 0.60
P (A/B1) = 0.10 P (A/B2) = 0.05
P (A ) = P(B1) * P(A/B1) + P(B2) * P(A/B2)
= 0,40 * 0,10 + 0,60 * 0,05 =
= 0,04 + 0,03
= 0,07 Æ 7%

TEOREMA DE BAYES
P (Aj) * P (B / Aj)
P ( Aj / B) = ---------------------------------- Donde j = 1,2,3………..k.
∑ P(Aj) P (B/Aj)

Supongamos que ahora se elige un neumático al azar y se encuentra que es defectuoso.- ¿Cuál es la probabilidad de
que sea provisto por el Proveedor 1?

Observamos que esta pregunta no es más que una probabilidad condicional,

P (A ∩ B1) Aplicamos el Teorema de la multiplicación


P (B1/A) = --------------------
P (A) Probabilidad Total

P (A ∩ B1) P (B1) P (A/B1) 0,40 * 0,10 0,04


P (B1/A) = ----------------- = --------------------- = -------------------- = ------------ = 0,5714 Æ 57 %
P (A) P( A) 0,07 0,07

El proveedor I tiene mayor probabilidad de haber surtido el neumático defectuoso que el proveedor II.