Introduccin al calculo

de probabilidades

Definiciones
A = evento (definido en anlisis de datos como una
variable)
Espacio muestral = conjunto de todos los resultados
individuales posibles (a1, a2, a3, , an). Todo posible
valor de A esta incluido una y solo una vez
ai = estado o resultado puntual del evento (definido
en anlisis de datos como valores). Cada a i es
mutuamente excluyente
P(A=ai) = probabilidad de que el valor de ai del
evento A ocurra

Ejemplo 1
A = evento = Resultado de tirar un
dado de 6 caras
Espacio muestral= posibles
resultados =1,2,3,4,5,6.
P(A=1)=1/6= 0.16666

Ejemplo 2

Evento Estado marital

Espacio muestra: casada,
previamente casada y nunca casada
P (nunca casada):
(5499/132773)=0.4143

Propiedad de
Probabilidades (1)
Dado un evento con n resultados mutuamente
excluyentes (que no puede ocurrir al mismo
momento): a1,a2.., entonces:
La probabilidad de cualquier evento es un
numero no negativo:
P(A=a1)0
La suma de las probabilidades de todos los
resultados mutuamente excluyentes es 1
P(A=a1)+P(A=a2)+..+(A=an)=1

Propiedad de
Probabilidades (2)
Dados dos estados mutuamente
excluyentes, ai y aj se tiene:
La probabilidades de que ocurra ai y aj
es:
P(A=ai A=aj) = P(A=ai aj)
=P(A=ai)+P(A=aj)
La probabilidad de que ocurra
simultneamente ai y aj es:
P(A=Ai Y A=aj) = P(A=aiA=aj) = 0

Regla de adicin (1)

Eventos complementarios:
La probabilidad del evento A=a1 es igual a
1
menos
la
probabilidad
de
su
complemento, que se escribe como :
P ()= 1-P(A)
P() + P(A) =1
Los
eventos
complementarios
son
mutuamente excluyentes.

Concepto de
Probabilidad
La probabilidad nos da una medida
de incertidumbre asociada con la
ocurrencia de un evento
Como podemos calcular las
probabilidades
1. Probabilidad clsica
2. Probabilidad de frecuencia relativa
3. Probabilidad subjetiva

1.- PROBABILIDAD
CLSICA
Se aplica cuando hay formulas que
determinen las probabilidades de todo
Si un evento puede ocurrir de N formas
posibles (o tomas N valores) y cada una es
igualmente probable, la probabilidad de
todo es 1/N.
Se pueden hacer operaciones matemticas
para determinar la probabilidad terica de
un evento o de combinaciones de eventos.

Probabilidades Clsicas:
ejemplo
Si lanzamos una moneda al aire
(evento A) se tiene solo dos
posibilidades de cada estado es 50%.
Pero si lanzamos dos monedas al
mismo tiempo (evento combinado E),
tenemos 4 estados posibles: CC, CS,
SC, SS.
Entonces la probabilidad de obtener
dos caras (evento combinado CC) es
P(CC)==0.25

 Lamentablemente nada en la
vida obedece a reglas
matemticas o probabilidades
fijas y predeterminadas

La alternativa es medir que tan

probables son las cosas

2.- PROBABILIDAD DE
FRECUENCIAS RELATIVAS
Representa una medicin emprica
de la probabilidad de los estados de
un evento
1. Repetimos un evento A una gran
cantidad de veces N(N)
2. Medimos con que frecuencia ocurre
cada valor aj es decir la frecuencia
relativa observada de la ocurrencia de
cada estado ai=(nj/N)
3. Entonces nj/N ser aproximadamente
igual a la probabilidad del estado de

Frecuencia relativa:
ejemplo (1)
Seguiremos con el ejemplo de
lanzamiento conjunto de dos
monedas
Lanzamos al aire dos monedas juntas
un totalFrecuencia
de 100 veces
Posibles
Pr (E1)=Pr(CC)
22/100 = 0.220.25

resultados
E1

22

E2

28

E3

23

E4

27

Total

100

No sale exactamente 0.25

porque el numero de intentos
no es suficiente alto

Frecuencia relativa:
ejemplo (1)
Incrementamos el numero de
repeticiones a 10,000 veces:
Posibles
resultados

Frecuencia
s

E1=CC

2 410

E2=CS

2 582

E3=SC

2 404

E4=SS

2 604

Total

10 000

Pr(E1)=Pr
(CC)=m/n
2410/10 000=
0.2410.25
No olvidar que
estrictamente
hablando, m/n es solo
una estimacin de
P(E)

3.- PROBABILIDAD
SUBJETIVA
La probabilidad mide la confianza que un
individuo tiene en la certeza de una
proporcin determinada.
Este concepto se aplica usualmente al
querer
calcular la probabilidad de un
evento que solo puede ocurrir una vez.
Dado que no hay forma de medir la
probabilidad por regla matemtica o por
observacin,
usamos
al
estimacin
personal de alguien.

Probabilidad subjetiva:
ejemplo
P(evento)= creencia de las personas
basadas en la experiencias pasadas,
intuicin, etc.
Probabilidad que el Per clasifique al
mundial de Brasil 2014.
Probabilidad que Nadine Heredia sea
elegida presidente del Per en las
siguientes elecciones.

De estos tres enfoques, en el

anlisis de datos se trabaja
con el concento de
probabilidad observada por
frecuencia relativa
Este ser el enfoque que
usaremos para calcular
probabilidades en la clase

Calculo de la probabilidad de un
evento
En una muestra, la probabilidad se
calcula
como
el
numero
de
individuos con las caracterstica de
inters dividida entre el numero total
de individuos
Ejemplos
P(Sexo=M)= Total de varones/Total
de individuos

Cuando se tiene una

variable
Es fcil calcular la probabilidad de
cada evento

Sin embargo, los clculos cambian al

tener dos eventos o variables
Frecuencia de uso de
cocana

Masculino

Femenin
o

Tota
l

(A):1-19 veces

32

39

(B):20-99 veces

18

20

38

25

34

75

36

111

(C): 100 a +veces

Total

En estos casos habr 3 tipos de probabilidades:

conjuntas, marginales y condicionales.

Algo de nomenclatura
Cuando estudiamos 2 eventos juntos,
estos pueden ocurrir en varias
formas.
P(A y B)= P(A y B ocurran
simultneamente)
P(AB)
Tambin conocida como probabilidad
conjunta
P(A o B)= P(A o B, al menos una ocurra)
P(AB)

A.- Probabilidades conjuntas

Probabilidad de que un individuo
posea dos caractersticas al mismo
tiempo, cada una correspondiente a
un tabla de 2 variables
Frecuencia de
uso de cocana

Masculi
no

Femeni
no

Tota
l

(A):1-19 veces

32

39

(B):20-99 veces

18

20

38

(C): 100 a +veces

25

34

Total

75

36

111

Cual es la
probabilidad de que
un individuo haya
consumido cocana
100 veces o mas
durante su vida y
que sea de sexo
masculino

P(M y C) = P(M C)= 25/111= 0.225

B.-Probabilidades
marginales
Son las probabilidades calculadas para cada
variable por separado
P(M)= hombres/total de individuo = 75/111
= 0.6757
Frecuencia de
uso de cocana

Masculi
no

Femeni
no

Tota
l

(A):1-19 veces

32

39

(B):20-99 veces

18

20

38

(C): 100 a +veces

25

34

Total

75

36

111

Probabilidades marginales como

suma de probabilidades conjuntas

Dada una variable A que puede

desglosarse en m categoras A1, A2,
Aj.Am
Y otra variable B que puede
desglosarse
en
n
categoras
designadas por B1,B2,..Bj.Bm
La probabilidad marginal conjunta de
Aj a travs de todas las categoras de
B

Ejemplo
Considerando el ejemplo de la clase
de genero y consumo de cocaina,
Frecuencia de
Masculi Femeni Tota
tenemos:
uso de cocana

no
(A1)

no
(A2)

1-19 veces (B1)

32

39

20-99 veces (B2)

18

20

38

100 a +veces
(B3)

25

34

Cual es la
probabilidad
de que un
individuo sea
del sexo
masculino

Total
75
36
111
P(A1)=P(A1B1)
P(A1)=P(AiBj) = P(A1B1) + P(A1B2) + P(A1B3)
=(32/111) + (18/111) + (25/111)
=0.2883 + 0.1622 + 0.2252
P(A2) = 0.6757

C.Probabilidades
condicionales
Cuando se calcula probabilidades dentro de un
subgrupo solamente
El subgrupo se convierte en el nuevo denominador
El resultado es una probabilidad condicional sujeta
a la pertenencia a ese sub-grupo

Cual es la probabilidad
de que un individuo
haya consumido cocana
100 veces o mas
durante su vida dado
que es de sexo
masculino

Frecuencia de
uso de cocana

Masculi
no
(A1)

Femeni
no
(A2)

Tota
l

1-19 veces (B1)

32

39

20-99 veces (B2)

18

20

38

100 a +veces
(B3)

25

34

Total

75

36

111

Otra forma de calcularla

La probabilidad condicional P(C|M),
tambin se puede calcular a partir de
la probabilidad marginal P(M) y la
probabilidad conjunta P(MC)
Ejemplo anterior
P(C|M)= P(MC)/ P(M)
=(25/111)/(75/111)=25/75

Independencia estadstica entre

eventos (1)
Ocurre si la pertenencia a un
subconjunto
B
no
altera
la
probabilidad de un evento A: probabilidad
del evento A dado el evento B

P(A|B)=P(A)

La probabilidad condicional es igual a

la
probabilidad
marginal
:
la
probabilidad de que ocurra A es la
misma dentro del subgrupo B y
dentro de toda la poblacin.

Independencia estadstica entre

eventos (2)
La ocurrencia de B no altera la
probabilidad de A: A es
independiente de B y por
antonomasia B es independiente de
A
Si B es un evento dicotomico,
independencia implica tambin que:
P(A)=P(A|B)=P(A|~B)

Ejemplo: es el uso frecuente de

cocana independiente del sexo?
Frecuencia de
uso de cocana

masculi
no

femenin
o

Total

(A)1-19 veces

32

39

(B)20-99 veces

18

20

38

(C) 100 a +
veces

25

34

Total

75

36

111

25/75=33%

9/36=25%

34/111=31%

Eventos mutuamente
excluyentes
Dos
eventos
o
variables
son
mutuamente excluyentes si y solo si
la probabilidad de su resultado
conjunto es igual a cero
P(A=ai y B=bj)=0

Por ejemplo
A= ser hombre
B=tener cncer de cuello uterino

Usando diagrama de Venn

(1)
Dos eventos son mutualmente
excluyentes si los subconjuntos de su
ocurrencia no se intersectan
Ejemplo
Evento A= ser de sexo masculino
Evento B=estar embarazada

A y B son
mutuamen
te
excluyente

Usando diagrama de Venn

(2)
Eventos que no son mutuamente
excluyentes
Ejemplo:
Evento A=que la carta sea un As
Evento B=que la carta sea de espadas

A y B no
son
mutuament
e
excluyentes

Regla de adicin (2)

Dados dos eventos M y C la
probabilidad de que ocurra el evento
M, el evento C o ambos es igual a:
La probabilidad del evento M mas la
probabilidad del evento C, menos la
probabilidad
de
que
ocurran
simultneamente
P(MC)= P(M) + P(C) P(MC)

Regla de adicin (2):

ejemplo
Frecuencia de uso
de cocana

Masculin
o
(M)

Femenin
o (F)

Total

1-19 veces (A)

32

39

20-99 veces (B)

18

20

38

100 a + veces (C)

25

34

total

75

36

111

P(MC) = P(M) + P(C) P(MC)

P(MUC)=75/111 + 34/111 - 25/111
P(MUC)= (75+34-25)111= 84/111 = 0.767