ASIGNATURA:

Estadística II

TEMA:
Actividad III

PARTICIPANTE:
Francisco Rodríguez De Jesús 16-10984

Facilitador:
Francisco Bobonagua Mercedes, M.A.

FECHA:
15/09/2019

RECINTO NAGUA
 TEMA I

Actividad 1. Realización de un resumen de la unidad (valor 2

puntos)
La primera actividad de este curso consiste en realizar un
resumen del tema "Introducción a las probabilidades", para
realizar esta actividad, le sugiero que leas y estudies el tema en
el libro de texto básico completo, luego haga una lista de los
conceptos claves de la unidad y elabore su resumen en torno a
ello.

Introducción a las probabilidades

1.1 Concepto e Importancia.

Son medidas numéricas de las posibilidades de que ocurra un evento. En cuanto a

la importancia, radica en que, mediante este recurso matemático, es posible
ajustar de la manera más exacta posible, los imponderables debidos al azar en los
más variados campos tanto de la ciencia como de la vida cotidiana.

1.2 Enfoques de probabilidades.

Enfoque clásico, a priori o de Laplace

Este enfoque define la probabilidad como un número, determinado de la siguiente

forma: P(A)= (n(A))/(n(S))

Dónde:

S = Cardinal del espacio maestral S del experimento.

N(A) = Cardinal del evento A.

La aplicación de este enfoque supone las siguientes condiciones:

Trabaja con espacios muéstrales finitos.

Los puntos de S deben ser igualmente importantes, esto es, igual peso específico.

Enfoque empírico, frecuencia o a posteriori

El enfoque empírico utiliza la frecuencia relativa como una aproximación al valor
de la probabilidad de un evento, esto se refiere a un valor empírico de la
probabilidad de ocurrencia del evento, la cual es un valor teórico resultante de un
cálculo matemático.

Es conveniente por lo tanto tener, presente el concepto de frecuencia, como la

cantidad de veces que ocurre un evento en un determinado periodo. Ahora bien,
las frecuencias pueden ser absolutas o relativas:

Frecuencia absoluta: Es el número de veces que se presenta un evento

determinado en un experimento.

Frecuencia relativa: Es la fracción o porción de veces que se presenta un evento

determinado en un experimento.

La frecuencia relativa para un evento A esta dada por:

fA: (frecuencia absoluta)/(número de ejecuciones del experimento)= (Número de

veces que ocurre A)/(Numero de ensayos)

fA: nA/n

P(A) = lim(n->inf)nA/n

Come se puede observar en la expresión anterior, la frecuencia relativa tiende a la

probabilidad de ocurrencia del evento en el límite, es decir cuando el experimento
se ejecuta un gran número de veces.

Enfoque matemático, axiomático o de Kolmogorov.

Este enfoque se presenta por medio de tres axiomas, los cuales son la
fundamentación d toda la teoría de probabilidad.

Axioma 1: 0 < = P(A) < = 1

Esto indica que la probabilidad de ocurrencia de un evento es un número, el cual

debe oscilar siempre entre 0 y 1, sin contradecir la definición dada por Laplace en
el enfoque clásico.

El extremo superior representa la certeza absoluta de la no ocurrencia del evento,

mientras que el inferior representa la certeza absoluta de la no ocurrencia del
evento. Cualquier otro valor entre 0 y 1 indica incertidumbre acerca de la
ocurrencia del evento.
Axioma 2:

P(S) = 1 P( ø ) = 0

P(S) representa la probabilidad de ocurrencia de algún resultado cuando se realiza

un experimento aleatorio, y de acuerdo con el axioma 1, esta probabilidad debe
ser 1. En consecuencia, la probabilidad del evento vacío debe ser 0.

Axioma 3: Si A y B son eventos mutuamente excluyentes, entonces la

probabilidad de su unión es la suma de sus probabilidades individuales.

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

La expresión anterior es generalizable a más de dos eventos, así:

P(A1 U A2 U A3 U … U An ) = P(A1) + P(A2) + P(A3) + … + P(An)

1.3 Eventos y sus probabilidades.

Un evento es una colección de puntos muestrales, los cuales se clasifican en:

Evento cierto.- Un evento es cierto o seguro si se realiza siempre. Ejemplo: Al

introducirnos en el mar, en condiciones normales, es seguro que nos mojaremos.

Evento imposible.- Un evento es imposible si nunca se realiza. Al lanzar un dado

una sola vez, es imposible que salga un 10

Evento probable o aleatorio.- Un evento es aleatorio si no se puede precisar de

antemano el resultado.

En cuanto a sus probabilidades, están las siguientes:

Probabilidad empírica.- Si E es un evento que puede ocurrir cuando se realiza un

experimento, entonces la probabilidad empírica del evento E, que a veces se le

denomina definición de frecuencia relativa de la probabilidad.

Probabilidad teórica.- Si todos los resultados en un espacio muestral S finito son

igualmente probables, y E es un evento en ese espacio muestral, entonces la
probabilidad teórica del evento E está dada por la siguiente fórmula, que a veces
se le denomina la definición clásica de la probabilidad, expuesta por Pierre
Laplace en su famosa Teoría analítica de la probabilidad publicada en 1812.
1.4 Experimento, técnicas de conteo y asignación de
probabilidades: Multiplicación, combinaciones y permutaciones.

En el estudio de la probabilidad, definimos un experimento como un proceso que

genera resultados bien definidos. En cualquier repetición siempre de un
experimento, ocurrirá uno y solo uno de los posibles resultados experimentales. A
continuación vemos algunos ejemplos de experimentos y sus resultados.

Reglas de conteo, combinaciones, permutaciones

Es un paso necesario en la asignación de probabilidades es poder identificar y

contar los resultados experimentales.

Regla de conteo para experimentos de etapas múltiples

Si un experimento se puede describir como una sucesión de K etapas, en las que

hay n1 resultados posibles de la primera etapa, n2 en la segunda, etc.., la
cantidad total de resultados experimentales es igual a (n1),(n2)......(nK).

Si el experimento de lanzar dos monedas se considera como una sucesión de

primero lanzar una moneda (n1=2) y luego lanzar la otra (n2=2), podemos inferir
de la regla de conteo que hay (2)(2)=4 resultados experimentales distintos. Como
se observa, hay S={(H,H),(H,T),(T,H),(T,T)}. El número de resultados
experimentales en un experimento que consiste en el lanzamiento d seis monedas
es (2)(2)(2)(2)(2)(2)=64

Combinaciones

Una segunda regla de conteo que con frecuencia es de utilidad, permite contar la
cantidad de resultados experimentales cuando en un experimento se deben
seleccionar r objetos entre un conjunto de n objetos (por lo común más grande).
Se llama regla de conteo para combinaciones. El orden de los objetos
seleccionados no es importante en el orden.

Regla de conteo para combinaciones

La cantidad de combinaciones de n objetos tomados r a la vez es

1.5 Relaciones básicas de probabilidad: Complemento de un
evento y ley de adición.

Complemento de un evento.

Si el evento A es un subconjunto de un espacio muestral S, el complemento de A

contiene los elementos de S que no son miembros de A. El símbolo para el
complemento de un evento es A.

Ley de adición.

Establece que si dos eventos A y B son mutuamente excluyentes la probabilidad

de que uno u otro evento ocurran es igual a la suma de sus probabilidades.

1.6 Probabilidad condicional: eventos independientes y ley de

multiplicación.

Eventos independientes.

Dos eventos son independientes si el resultado del segundo evento no es afectado

por el resultado del primer evento. Si A y B son eventos independientes, la
probabilidad de que ambos eventos ocurran es el producto de las probabilidades
de los eventos individuales.

Ley de multiplicación.

Establece que la probabilidad de ocurrencia de dos o más eventos

estadísticamente independientes es igual al producto de sus probabilidades
individuales.

1.7 Teorema de Bayes: Método tabular y diagrama del árbol.

La regla de Bayes es solo una técnica para calcular probabilidades condicionales,

y como regla de probabilidad es indiscutible así como su validez. A partir de un
conjunto de probabilidades llamadas "a priori" o "sin corregir", calcula un conjunto
de probabilidades "a posteriori" o "corregidas" que no son más que una
modificación de las primeras ante la evidencia de que un determinado suceso ha
ocurrido.

Para aclarar estos conceptos, observemos a continuación la diferencia entre el

planteo de probabilidad condicional realizado hasta este momento y el de Bayes.
Cuando nosotros escribimos:
P(B|A) decimos que esto es la probabilidad de que habiendo ocurrido el suceso A,
ocurra B. Probabilidad condicional.

El planteo que hace la Regla de Bayes es: el suceso B ha ocurrido, cual es la

probabilidad de que provenga de A. Que A sea causa de B. O sea debo hallar
P(A|B).

De una manera más general podemos decir: El evento B ha ocurrido, cual es la

probabilidad de que haya sido generado por el suceso A 1, el A2, etc.; causas
posibles y excluyentes entre sí.

Sabemos que:
P(Ai ∩ B)
P(B|Ai ) =
P(Ai )
P(Ai ∩ B)
P(Ai |B) =
P(B)
De lo que se deduce:
P(Ai |B) × P(B) = P(B|Ai ) × P(Ai )
P(B|Ai ) × P(Ai )
P(Ai |B) = … (α)
P(B)

Método del Diagrama:

En algunas oportunidades con el objeto de sintetizar la información, antes de

encarar la resolución de un problema de Bayes, puede convenir la realización de
una gráfica o diagrama como se verá a continuación.

Método del Árbol: P(B|A1 )

P(B´|A1 )

P(A1 ) P(B|A2 )

P(A2 ) P(B´|A2 )
Ω
...

P(B|An )
P(An )
P(B´|An )
Método Tabular:

Probabilidade
Sucesos Probabilidade s Probabilidade Probabilidades
s Previas Condicionales s Conjuntas Posteriores

P(B|A1 ) × P(A1 )
A1 P(A1 ) P(B|A1 ) P(A1 ) × P(B|A1 )
P(B)

P(A2 ) P(B|A2 ) × P(A2 )

A2 P(A2 ) P(B|A2 ) × P(B|A2 )
P(B)

P(A3 ) P(B|A3 ) × P(A3 )

A3 P(A3 ) P(B|A3 ) × P(B|A3 )
P(B)
...

...

...

...

...
P(An ) P(B|An ) × P(An )
An P(An ) P(B|An ) × P(B|An )
P(B)

Sumatori
a 1 P(B) 1

Si no tienes experiencia elaborando resúmenes, la información en

el siguiente linc te ayudará a elaborar un buen resumen.
Probabilidades

La probabilidad es una medida numérica de la posibilidad de que ocurra un

evento. Por tanto, las probabilidades son una medida del grado de incertidumbre
asociado con cada uno de los eventos previamente enunciados. Si cuenta con las
probabilidades, tiene la capacidad de determinar la posibilidad de ocurrencia que
tiene cada evento.

La importancia de la probabilidad radica en que, mediante este recurso

matemático, es posible ajustar de la manera más exacta posible los
imponderables debidos al azar en los más variados campos tanto de la ciencia
como de la vida cotidiana.
Los valores de probabilidad se encuentran en una escala de 0 a 1. Los valores
cercanos a 0 indican que las posibilidades de que ocurra un evento son muy
pocas. Los cercanos a 1 indican que es casi seguro que ocurra un evento.

Reglas de conteo, combinaciones y permutaciones

Al asignar probabilidades es necesario saber identificar y contar los resultados

experimentales. A continuación tres reglas de conteo que son muy utilizadas.

Experimentos de pasos múltiples La primera regla de conteo sirve para

experimentos de pasos múltiples. Considere un experimento que consiste en
lanzar dos monedas.

Un diagrama de árbol es una representación gráfica que permite visualizar un

experimento de pasos múltiples. En la figura 4.2 aparece un diagrama de árbol
para el experimento del lanza- miento de dos monedas. La secuencia de los pasos
en el diagrama va de izquierda a derecha.

Asignación de probabilidades

Ahora verá cómo asignar probabilidades a los resultados experimentales. Los tres
métodos comúnmente son el método clásico, el método de la frecuencia relativa y
el método subjetivos. Sin importar el método que se use, es necesario satisfacer
los requerimientos básicos para la asignación de probabilidades.

Probabilidades para el proyecto KP&L

Para continuar con el análisis del proyecto KP&L hay que hallar las probabilidades
de los nueve resultados experimentales enumerados en la tabla 4.1. De acuerdo
con la experiencia, los administrativos incluyen que los resultados experimentales
no son todos igualmente posibles. Por tanto, no emplean el método clásico de
asignación de probabilidades.

Eventos y sus probabilidades

En la introducción de este capítulo el término evento fue aplicado tal como se usa
en el lengua- je cotidiano. Después, en la sección 4.1 se presentó el concepto de
experimento y de los correspondientes resultados experimentales o puntos
muéstrales. Puntos muéstrales y eventos son la base para el estudio de la
probabilidad.
Complemento de un evento

Dado un evento A, el complemento de A se define como el evento que consta de

todos los puntos muéstrales que no están en A. El complemento de A se denota

Ac. Al diagrama de la figura 4.4 se le llama diagrama de Venn e ilustra el concepto

del complemento.

La ley de la adición

La ley de la adición sirve para determinar la probabilidad de que ocurra por lo

menos uno de dos eventos. Es decir, si A y B son eventos, nos interesa hallar la
probabilidad de que ocurra el evento A o el B o ambos.

Probabilidad condicional

Con frecuencia, en la probabilidad de un evento influye el hecho de que un evento

relacionado con él ya haya ocurrido. Suponga que tiene un evento A cuya
probabilidad es P(A). Si obtiene información nueva y sabe que un evento
relacionado con él, denotado por B, ya ha ocurrido, deseará aprovechar esta
información y volver a calcular la probabilidad del evento A.

Eventos independientes

En el ejemplo anterior, P(A) 􏰂 0.27, P(A | M) 􏰂 0.30 y P(A | W) 􏰂 0.15. Es claro

que a la pro- habilidad de ser promovido (evento A) le afecta o le influye el que el
oficial sea un hombre o una mujer. En concreto, como P(A | M) 􏰂 P(A) los eventos
A y M son eventos dependientes. Es decir, a la probabilidad del evento A (ser
promovido) la altera o le afecta saber que se da el evento M (que el agente sea
hombre). De manera similar, como P(A | W) 􏰂 P(A), los eventos A y W son
eventos dependientes. Pero, si la probabilidad de un evento A no cambia por la
existencia del evento M —es decir, si P(A | M) 􏰂 P(A)—, entonces los eventos A y
M son eventos independientes. Esto lleva a la definición de la independencia de
dos eventos.

Ley de la multiplicación

Mientras que la ley de las suma de probabilidades sirve para calcular la

probabilidad de la unión de dos eventos, la ley de la multiplicación es útil para
calcular la probabilidad de la intersección de dos eventos. La ley de la
multiplicación se basa en la definición de probabilidad condicional. Al despejar en
las ecuaciones (4.7) y (4.8) P(A 􏰂 B), se obtiene la ley de la multiplicación.
Teorema de Bayes

En el estudio de la probabilidad condicional vio que revisar las probabilidades

cuando se obtiene más información es parte importante del análisis de
probabilidades. Por lo general, se suele iniciar el análisis con una estimación de
probabilidad inicial o probabilidad previa de los eventos que interesan. Después,
de fuentes como una muestra, una información especial o una prueba del
producto, se obtiene más información sobre estos eventos.