1 - <#> 1

Cpitulo 2

Conceptos de Probabilidad
y Aplicaciones

1 - <#> 2
Objetivos de Aprendizaje
Los estudiantes podrn:
Entender los fundamentos bsicos del
anlisis de probabilidad
Entender la diferencia entre eventos
mutualmente exclusivos y eventos
colectivamente exhaustivoss
Describir eventos estatisticamente
dependientes e independientes
Usar el teorema de Bayes para establecer
probabilidades posteriores
1 - <#> 3
Objetivos de Aprendizaje -
continuacin
Describir y proporcionar ejemplos de
variables aleatorias discretas y
continuas
Explicar la diferencia entre
distribuciones de probabilidad discretas
y continuas
Calcular valores esperados y varianzas
Usar la tabla Normal
1 - <#> 4
Introduccin
La vida no es cierta!
Tenemos que tratar con riesgos!

Una probabilidad es un enunciado
numrico sobre la posibilidad de que
un evento ocurra
1 - <#> 5
Enunciados Bsicos Sobre
Probabilidad
1. La probabilidad, P, de que cualquier
evento o estado natural ocurra es
mayor o igual a 0 y menor o igual
a1.
Esto es: 0 s P(evento) s 1
2. La suma de las probabilidades
simples para todos los posibles
resultados de una actividad debe
ser igual a 1.

1 - <#> 6
Ejemplo 2.1
La demanda de pintura blanca latex en la
compaa Diversey Paint and Supply todo
el tiempo ha sido 0, 1, 2, 3, o 4 galones por
da. (No hay otros resultados posibles;
cuando un resultado ocurre, no otro
puede ocurrir.) En los pasados 200 das,
las frecuencias de demanda son
representadas en la siguiente tabla:
1 - <#> 7
Ejemplo 2.1 - continuacin
Cantidad
Demandada
(Galones)
0
1
2
3
4

Nmero de Das


40
80
50
20
10
Total 200
Frecuencias de Demanda
1 - <#> 8
Ejemplo 2.1 - continuacin
Cantidad Frec.
Demanda (das)
0 40
1 80
2 50
3 20
4 10
Total das = 200
Probabilidad

(40/200) = 0.20
(80/200) = 0.40
(50/200) = 0.25
(20/200) = 0.10
(10/200) = 0.05
Total Prob = 1.00
Probabilidades de Demanda
1 - <#> 9
Tipos de Probabilidad
Probabilidad Objetiva :


Determinado por experimento u
observacin:
Probabilidad de obtener cara al lanzar
una moneda
Probabilidad de sacar espadas de un
baraja
ocurrencias o resultados de total Nmero
veces de Nmero
) (
=
evento P
que un evento ocurre
1 - <#> 10
Tipos de Probabilidad
Probabilidad subjetiva:
Basada en juicio
Determinada por:
Juicio de experto
Encuesta de opiniones
etc.

1 - <#> 11
Eventos Mutualmente Exclusivos
Se dice que los eventos son
mutualmente exclusivos si solo uno
de los eventos puede ocurrir en
cualquier intento


1 - <#> 12
Eventos Colectivamente
Exhaustivos
Se dice que los eventos son
colectivamente exhaustivos si la lista
de resultados incluye cada resultado
posible: cara y sello como posibles
resultados de lanzar una moneda.
1 - <#> 13
Ejemplo 2
Resultado
de Tiro
1
2
3
4
5
6
Probabilidad

1/6
1/6
1/6
1/6
1/6
1/6
Total = 1
Lanzar un dado
tiene seis
resultados
posibles
1 - <#> 14
Ejemplo 2a
Resultado
de Tiro = 5
Dado 1 Dado 2
1 4
2 3
3 2
4 1
Probabilidad


1/36
1/36
1/36
1/36

Que lanzar dos
dados resulte en
un total de cinco.
Hay un total de 36
resultados
posibles.
1 - <#> 15
Ejemplo 3
Sacar una espada y un
trbol
Sacar un mono y una
carta con nmero
Sacar un As y un 3
Sacar un trbol y una
que no sea trbol
Sacar un 5 de diamante
Sacar una carta roja y un
diamante
Si No

Si Si
Si No
Si Si
No No
No No


Saque Mutualmente Colectivamente
Exclusivo Exhaustivo
1 - <#> 16
Probabilidad :
Mutualmente Exclusiva
P(evento A o evento B) =
P(evento A) + P(evento B)
o:
P(A o B) = P(A) + P(B)
i.e.,
P(espada o trbol) = P(espada) + P(trbol)
= 13/52 + 13/52
= 26/52 = 1/2 = 50%
1 - <#> 17
Probabilidad:
No Mutualmente Exclusiva
P(evento A o evento B) =
P(evento A) + P(evento B) -
P(evento A y evento B ambos
ocurriendo)

o
P(A o B) = P(A)+P(B) - P(A y B)
1 - <#> 18
P(A y B)
(Diagrama Venn)
P(A) P(B)
1 - <#> 19
P(A o B)
+
-
=
P(A) P(B) P(A y B)
P(A o B)
1 - <#> 20
Dependencia Estadstica
Eventos son ya sea
estadisticamente independientes (la
ocurrencia de un evento no tiene efecto en
la probabilidad de la ocurrencia de otro) o
estadisticamente dependientes (la
ocurrencia de un evento da informacin
sobre la ocurrencia de otro)
1 - <#> 21
Cules son Independientes?
(a) Su educacin
(b) Su nivel de ingresos
(a) Sacar una carta de Corazones de una baraja de
52 cartas
(b) Sacar una carta de Trboles de una baraja de 52
cartas
(a) La Universidad de Chile gana el campeonato
Nacional
(b) La Universidad de Chile gana la Copa
Intercontinental
1 - <#> 22
Probabilidades Eventos
Independientes
Probabilidad Marginal: la probabilidad de que un
evento ocurra:
[P(A)]
Probabilidad conjunta: la probabilidad de eventos
multiples independientes, oocurriendo al mismo
tiempo
P(AB) = P(A)*P(B)
Probabilidad condicional (para eventos
independientes):
la probabilidad de evento B dado que evento A
ha occurrido P(B|A) = P(B)
o, la probabilidad de evento A dado que evento
B ha occurrido P(A|B) = P(A)
1 - <#> 23
Probabilidad(A|B)
Eventos Independientes
P
(
B
)

P(A|B)
P(B|A)
1 - <#> 24
Eventos Estadisticamente
Independientes
1. P(bola negra sacada en
el primer intento)
P(N) = 0.30
(probabilidad marginal)
2. P(dos bolas verdes
sacadas)
P(VV) = P(V)*P(V) =
0.70*0.70 = 0.49
(probabilidad conjunta
para dos eventos
independientes)
Un balde
contiene 3 bolas
negras y siete
bolas verdes. Se
saca una bola del
balde, se vuelve a
poner, y se saca
una segunda bola
1 - <#> 25
Eventos Estadisticamente
Independientes - continuacin
1. P(bola negra sacada en segundo intento, la
primera fu verde)
P(N|V) = P(N) = 0.30
(probabilidad condicional)

2. P(bola verde sacada en segundo intento, la
primera fu verde)
P(V|V) = 0.70
(probabilidad condicional)
1 - <#> 26
Probabilidades Eventos
Dependientes
Probabilidad Marginal: probabilidad de
que un evento ocurra P(A)
Probabilidad Conditional (para eventos
dependientes:
La probabilidad de evento B dado que evento
A ha occurrido P(B|A) = P(AB)/P(A)
la probabilidad de evento A dado que evento
B ha occurrido P(A|B) = P(AB)/P(B)
1 - <#> 27
Probabilidad(A|B)
/
P(A|B) = P(AB)/P(B)
P(AB) P(B) P(A)
1 - <#> 28
Probabilidad(B|A)
P(B|A) = P(AB)/P(A)
/
P(AB) P(B)
P(A)
1 - <#> 29
Eventos Estadisticamente
Dependientes
Suponga que una urna
contiene 10 bolas con las
siguientes descripciones:
4 son blancas (B) y con
letras (L)
2 son blancas (B) y con
nmeros N
3 son amarillas (A) y con
letras (L)
1 es amarilla (A) y con
nmero (N)
Entonces::
P(BL) = 4/10 = 0.40
P(BN) = 2/10 = 0.20
P(B) = 6/10 = 0.60
P(AL) = 3/10 = 0.3
P(AN) = 1/10 = 0.1
P(A) = 4/10 = 0.4
1 - <#> 30
Eventos Estadisticamente
Dependientes - Continuacin
Entonces:
P(L|A) = P(AL)/P(A)
= 0.3/0.4 = 0.75
P(A|L) = P(AL)/P(L)
= 0.3/0.7 = 0.43

P(B|L) = P(BL)/P(L)
= 0.4/0.7 = 0.57
1 - <#> 31
Probabilidades Conjuntas,
Eventos Dependientes
Su corredor de acciones le informa que si el
mercado de valores alcanza el nivel de 10,500
puntos en Enero, hay una probabilidad del 70%
de que la accin de Tubeless Electronics se
incremente en valor. Su propio sentimento es
de que hay solo un 40% de posibilidad de que el
mercado alcance 10,500 puntos en Enero.
Cul es la probabilidad de que ambos el mercado
de acciones alcance 10,500 puntos, y de que el
precio de la accin de Tubeless se incrementar
en valor?
1 - <#> 32
Probabilidades Conjuntas, Eventos
Dependientes - continuacin
Entonces:

P(MT) =P(T|M)P(M)
= (0.70)(0.40)
= 0.28
Deje que M represente el
evento de que el
mercado de acciones
alcance el nivel de
10,500 puntos, y T
represente el evento de
que la accin de
Tubeless se incremente.
1 - <#> 33
Revisin de Probabilidades:
Teorema de Bayes
El Teorema de Bayes puede ser usado para
calcular las probabilidades revisadas o
probabilidsdes posteriores
Probabilidades
Anteriores
Proceso de
Bayes
Probabilidades
Posteriores
Nueva
Informacin
1 - <#> 34
Forma General del Teorema
de Bayes


A evento el de o complement A donde
) ( ) | ( ) ( ) | (
) ( ) | (
) | (

) (
) (
) | (
=
+
=
=
A P A B P A P A B P
A P A B P
B A P
or
B P
AB P
B A P
legtimo". no " dado un es A evento el entonces
, legtimo" " dado un es A evento el s ejemplo, Por
1 - <#> 35
Probabilidades Posteriores
Una tasa contiene dos dados identicos en
apariencia. Uno, sin embargo, es legtimo (no
cargado), el otro es ilegtimo (est cargado). La
probabilidad de tirar un 3 en el dado legtimo es
1/6 o 0.166. La probabilidad de tirar el mismo
nmero en el dado ilegtimo es 0.60.
No tenemos idea de cual dado es legal o ilegal,
pero seleccionamos uno al azar y lo tiramos. El
resultado es un 3.
Cul es la probabilidad de que el dado tirado fu
el legtimo?
1 - <#> 36
Probabilidades Posteriores
Continuacin
Sabemos que:
P(legtimo) = 0.50 P(cargado) = 0.50
Y:
P(3|legtimo) = 0.166 P(3|cargado) = 0.60
Entonces:
P(3 y legtimo) = P(3|legtimo)P(legtimo)
= (0.166)(0.50)
= 0.083
P(3 y cargado) = P(3|cargado)P(cargado)
= (0.60)(0.50)
= 0.300
1 - <#> 37
Probabilidades Posteriores
Continuacin
Un 3 puede ocurrir en combinacin con el
estado dado legtimo o en combinacin
con el estado dado cargado. La suma de
sus probabilidades da la probabilidad
incondicional o marginal de un 3 en una
tirada:
P(3) = 0.083 + 0.0300 = 0.383.
Entonces, la probabilidad de que el dado
tirado fu el legtimo esta dada por:

0.22
0.383
0.083
P(3)
3) y P(Legtimo
3) | P(Legtimo = = =
1 - <#> 38
Ms Revisiones de Probabilidad
Para obtener ms informacin sobre
si el dado tirado es legtimo o
cargado, tiremoslo otra vez.
Dado de que ahora hemos tirado dos
3s, Cul es la probabilidad de que
dado tirado es el legtimo?
1 - <#> 39
Ms Revisiones de
Probabilidad - continuacin
P(legtimo) = 0.50, P(cargado) = 0.50 como antes
P(3,3|legtimo) = (0.166)(0.166) = 0.027
P(3,3|cargado) = (0.60)(0.60) = 0.36
P(3,3 y legtimo) = P(3,3|legtimo)P(legtimo)
= (0.027)(0.05)
= 0.013
P(3,3 y cargado) = P(3,3|cargado)P(cargado)
= (0.36)(0.5)
= 0.18
P(3,3) = 0.013 + 0.18 = 0.193

1 - <#> 40
Ms Revisiones de
Probabilidad - continuacin
933 . 0
0.193
0.18

P(3,3)
Cargado) y P(3,3
3,3) | P(Cargado
067 . 0
0.193
0.013

P(3,3)
Legtimo) y P(3,3
3,3) | P(Legtimo
= =
=
= =
=
1 - <#> 41
Para dar la comparacin final:

P(legtimo|3) = 0.22
P(cargado|3) = 0.78

P(legtimo|3,3) = 0.067
P(cargado|3,3) = 0.933
Ms Revisiones de Probabilidad
- continuacin
1 - <#> 42
Variables Aleatorias
Variable Aleatoria Discreta puede asumir
solo un juego de valores finito o limitado-
i.e., el nmero de automoviles vendidos
en un ao

Variable Aleatoria Continua puede
asumir cualquiera de un infinito juego de
valores- i.e., temperatura, vida del
producto
1 - <#> 43
Variables Aleatorias (Nmericas)

Experimento Resultado Variable Aleatoria Rango de
Variable
Aleatoria
Inventariar 50
rboles navideos
Nmero de
arboles vendidos
X = nmero de
arboles vendidos
0,1,2,, 50
Inspeccionar 600
artculos
Nmero
aceptable
Y = nmero
aceptable
0,1,2,,
600
Mandar
5,000 cartas
de ventas
Nmero de
gente que
responde
Z = nmero de
Gente que responde
0,1,2,,
5,000
Construir un
edificio de
apartamentos
%completo
Despues de 4
meses
R = %completo
despues de 4 meses
0
s
R
s
100
Probar la
vida de un
foco
(minutos)
Foco
dura - hasta
80,000
minutos
S = tiempo que el foco
dura

0
s
S
s
80,000

1 - <#> 44
Variables aleatorias (No-
nmericas)
Experimento Resultado Variable
Aleatoria
Rango de
Variable
Aleatoria
Estudiantes
responden a un
questionario
Fuertemente de acuerdo (FA)
De acuerdo (A)
Neutral (N)
No de acuerdo (NDA)
Fuertemente no de acuerdo (FDA)
X = 5 si FA
4 si A
3 si N
2 si NDA
1 si FDA
1,2,3,4,5
Una mquina es
inspeccionada
Defectiva
No defectiva
Y = 0 si defectiva
1 si no defectiva
0,1
Consumidores
responden como
les gusta un
producto
Buena
Promedio
Pobre
Z = 3 si buena
2 si promedio
1 si pobre
1,2,3

1 - <#> 45
Distribuciones de Probabilidad
Tabla 2.4
Resultado X Nmero
Respuestas
P(X)
SA 5 10 0.10
A 4 20 0.20
N 3 30 0.30
D 2 30 0.30
SD 1 10 0.10
D

0.00
0.05
0.10
0.15
0.20
0.25
0.30
1 2 3 4 5
Figura 2.5
Funcin de
Probabilidad
1 - <#> 46
Valor Esperado de una Distribucin
de Probabilidad Discreta

=
=
n
i
i i
) X ( P X ) X ( E
1
2.9
) 1 . 0 )( 1 ( ) 3 . 0 )( 2 (
) 3 . 0 )( 3 ( ) 2 . 0 )( 4 ( ) 1 . 0 )( 5 (
) ( ) (
) ( ) ( ) (
) ( ) (
5 5 4 4
3 3 2 2 1 1
5
1
=
+ +
+ + =
+ +
+ + =
=

=
X P X X P X
X P X X P X X P X
X P X X E
i
i
i
1 - <#> 47
Varianza de una Distribucin de
Probabilidad Discreta
( ) | | ( )
i
n
i
i
X P X E X

=
=
1
2
2
o
( ) ( ) ( ) ( )
( ) ( )
29 . 1
0.361 0.243 0.003 0.242 - 0.44
) 1 . 0 ( ) 9 . 2 1 (
) 3 . 0 ( 2.9) - (2 3 . 0 9 . 2 3
2 . 0 9 . 2 4 1 . 0 9 . 2 5
2
2
2
2 2
2
=
+ + + =
+
+ +
+ = o
1 - <#> 48
Distribucin Binomia
Suposiciones:
1. Intentos siguen un proceso
Bernoulli dos posibles resultados
2. Probabilidades se mantienen igual
de un intento a otro
3. Intentos son estadisticamente
independientes
4. Nmero de intentos es un entero
positivo
1 - <#> 49
Distribucin Binomia
r n r
q p

=
r)! - (n r!
n!

Probabilidad de r xitos
en n intentos
n = nmero de intentos
r = nmero de xitos
p = probabilidad de xito
q = probabilidad de falla
1 - <#> 50
Distribucin Binomia
) 1 (
2
p np
np
=
=
o

1 - <#> 51
0.00
0.05
0.10
0.15
0.20
0.25
0.30
0.35
1 2 3 4 5 6
(r) Nmero de xitos
P
(
r
)
N = 5, p = 0.50
Distribucin Binomia
1 - <#> 52
Distribucin de Probabilidad de
Variable Aleatoria Continua
Funcin de Densidad de Probabilidad -
f(X)

5 5.05 5.1 5.15 5.2 5.25 5.3 5.35 5.4
Distribucin Normal
2
2
) ( 2 / 1
2
1
) (
o

t o

=
X
e X f
1 - <#> 53
Distribucin Normal para diferentes
valores de
0
30 40 50 60 70
=50 =60 =40
1 - <#> 54
0 0.5 1 1.5 2
Distribucin Normal para
diferentes valores de o
o=0.1
o=0.2 o=0.3
= 1
1 - <#> 55
Tres Areas Comunes Abajo
de la Curva
Tres distribuciones normales con
diferentes reas
1 - <#> 56
Tres Areas Comunes Abajo
de la Curva
Tres
distribuciones
normales con
diferentes
reas
1 - <#> 57
La Relacin Entre
Z y X
55 70 85 100 115 130 145
-3
-2 -1 0 1 2 3
o

=
x
Z
=100
o=15
1 - <#> 58
Ejemplo: Haynes Construction
Company Fig. 2.12
1 - <#> 59
Ejemplo: Haynes Construction
Company Fig. 2.13
1 - <#> 60
Ejemplo: Haynes Construction
Company Fig. 2.14
1 - <#> 61
La Distribucin Exponencial
Negativa
0
1
2
3
4
5
6
0 0.2 0.4 0.6 0.8 1 1.2
x
e ) X ( f

=
=5
Valoe esperado = 1/
Varianza = 1/
2

1 - <#> 62
La Distribucin Poisson
0.00
0.05
0.10
0.15
0.20
0.25
0.30
1 2 3 4 5 6 7 8 9
=2
Valor esperado =
Varianza =
! X
e
) X ( P
x