You are on page 1of 41

CURSO FINANZAS 211

ESTADISTICA DESCRIPTIVA

UNIDAD 3 PROBABILIDADES
PROF. LUIS M. BAQUERO ROSAS

CONTENIDO DEL MODULO


DEFINICION DE PROBABILIDAD EXPERIMENTOS Y ESPACIO MUESTRAL REGLAS DE PROBABILIDAD REGLAS DE ADICCION (SUMAR) REGLAS DE MULTIPLICACION EVENTOS INDEPENDIENTES Y DEPENDIENTES PROBABILIDAD CONDICIONAL TEOREMA DE BAYES EJEMPLOS Y EJERCICIOS DE PRACTICA

OBJETIVOS DEL MODULO


INTRODUCIR EL CONCEPTO DE PROBABILIDAD EXPLICAR LA IMPORTANCIA DE LA ESTADISTICA EN EL PROCESO DE TOMAR DECISIONES INTRODUCIR LOS FUNDAMENTOS MATEMATICOS DEL CALCULO DE LA PROBABILIDAD DEMOSTRAR Y UTILIZAR EL COMPUTADOR EN COMPUTO DE LA PROBABILIDAD DEMOSTRAR EL CONOCIMEINTO REALIZANDO EJERCICIOS DE PRACTICA

DEFINICIONES DE PROBABILIDAD

QUE ES PROBABILIDAD?
MEDIDA DE INCERTIDUMBRE DE LA OCURRENCIA DE UN EVENTO POSIBILIDAD DE OBSERVAR UN EVENTO UTIL EN EL PROCESO DE TOMAR DECISIONES

EJEMPLOS DE INCERTIDUMBRE

http://ciberconta.unizar.es/LECCION/probabil/INICIO.HTML

ENFOQUE CLASICO ENFOQUE FRECUENTISTA ENFOQUE BAYESIANO O SUBJETIVO ANXIOMA KOLMOGOROV

ENFOQUES DE LA PROBABILIDAD

DIAGRAMA DE ENFOQUES PROBABILISTICOS

http://ciberconta.unizar.es/LECCION/probabil/INICIO.HTML

PROBABILIDAD CLASICA
Nmero de resultados en los que se presenta el evento Nmero total de resultados posibles
Cada uno de los resultados debe ser igualmente posible Probabilidad a priori:
Monedas no Alteradas, Dados no cargados Mazos de barajas normales
http://www.southlink.com.ar/vap/PROBABILIDAD.htm

PROBABILIDAD FRECUENTISTA
Determinamos qu tan frecuente ha sucedido algo en el pasado y usamos esa cifra para predecir la probabilidad de que suceda de nuevo en el futuro.
La frecuencia relativa observada de un evento durante un gran nmero de intentos La fraccin de veces que un evento se presenta a la larga, cuando las condiciones son estables

PROBABILIDAD SUBJETIVA
Basadas en las creencias de las personas que efectan la estimacin La probabilidad asignada a un evento por parte de un individuo, basada en la evidencia que se tenga disponible Ms frecuencia cuando los eventos se presentan slo una vez o un nmero muy reducido de veces

ESPACIO MUESTRAL

ESPACIO MUESTRAL S
Es el conjunto formado por todos los posibles resultados de un experimento aleatorio. Ejemplos: En un dado, S={1,2,3,4,5,6} En una moneda, S={Cara, Cruz} En el Bingo S= {1,2,3..78}

EVENTOS ALEATOREOS
Llamamos, formalmente evento a cualquier subconjunto del espacio muestral. Un evento se realiza, cuando el resultado del experimento aleatorio es un elemento del evento. Son los que pueden dar lugar a varios resultados No es previsible enunciar con certeza cul de stos va a ser observado en la realizacin del experimento.

EJEMPLO ESPACIO MUESTRAL


Lanzar tres monedas.
S={(CCC),(CCX),(CXC),(XCC),(CXX), (XCX),(XXC),(XXX)}

Lanzar tres dados y anotar la suma de los puntos obtenidos.


S={3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18}

ESPACIO MUESTRAL
Extraccin de dos bolas de una urna que contiene cuatro bolas blancas y tres negras.

S={BB,BN,NN} El tiempo, con relacin a la lluvia, que har durante tres das consecutivos.
S={(LLL),(LLN),(LNL),(NLL),(LNN), (NLN),(NNL),(NNN)}

REGLAS DE PROBABILIDAD

REGLAS DE PROBABILIDAD
Hay algunos hechos fundamentales respecto a la probabilidad que se cumplen siempre: 1. 2. 3. 4.

P(A) 0 Mayor o igual a 0 P(S) = 1 Suma total 0 P(A) 1 Probabilidad total P(A B) = P(A) + P(B) si A y B son excluyentes

REGLAS DE PROBABILIDAD
P(A) Probabilidad de que el evento A suceda P(A o B) Probabilidad de que el evento A o B suceda
P (A o B) = P (A) + P (B)

P(A) + P(no A) = 1 = P(A) = 1 - P(no A)

REGLAS DE PROBABILIDAD
NO MUTUAMENTE EXCLUYENTES

P(A o B) = P(A) + P(B) - P(AB)


MUTUAMENTE EXCLUYENTES

P(A o B) = P(A) + P(B)


CUANDO OCURREN AMBOS EVENTOS

P(A y B) = P( AB) = P(A) P(B)

PROBABILIDAD Laplace
Todos los eventos elementales del espacio muestral S sean equiprobables La probabilidad del evento A es el coeficiente entre el nmero de resultados favorables a que ocurra el evento A en el experimento y el nmero de resultados posibles del experimento. Ejemplo:

En una baraja de 40 cartas, cul es la probabilidad de A?, Y de OROS?

EVENTOS A y B
Unin es el evento formado por todos los elementos de A y todos los elementos de B. Interseccin es el evento formado por todos los elementos que son, a la vez, de A y de B. Diferencia o complemento relativoA\B es el evento formado por todos los elementos de A que no son de B.

REGLAS DE PROBABILIDAD

P( vaco ) = 0 P(Ac) = 1- P(A) P(A \ B) = P(A) - P(A y B) P(A) menor o igual a 1 P(A B) = P(A) + P(B) - P(A y B) P(AB) = P( A ) + P( B ) - P( AB)

DIAGRAMA DE VENN

DIAGRAMA DE VENN
P ( A y B)

P (A)

P(B)

EJERCICIO DE PRACTICA

El grfico es la representacin de la interseccin

El grfico es la representacin de la unin


El grfico es la representacin de la diferencia

http://sipan.inictel.gob.pe/internet/av/venn.htm

REGLAS DE SUMA DE PROBABILIDADES

REGLAS DE LA SUMA
EVENTO MUTUAMENTE EXCLUYENTE

(A B) = P(A) + P(B)
EVENTO NO MUTUAMENTE EXCLUYENTE (A B) = P(A) + P(B) - P(A y B); P(AB) = P( A ) + P( B ) - P( AB)

EJEMPLO
EVENTO MUTUAMENTE EXCLUYENTE Extraer un naipe de un mazo, los eventos as (A) y rey (R) La probabilidad de extraer un as o un rey en una sola extraccin es:

P (A o R ) = P( A ) + P( R)

= 4/52 + 4/52 = 8/52 = 2/13

MULTIPLICACION DE PROBABILIDADES

REGLAS DE MULTIPLICACION

P(A y B) = P( AB) = P(A) P(B)


Ejemplo:

Si una moneda se lanza dos veces, la probabilidad de que ambos lanzamientos den por resultado cara es:

P(A y B) = P( AB) = P(A) P(B) = (1/2) . (1/2) = 1/4

PROBABILIDAD CONDICIONAL El conocimiento de que ha ocurrido el evento A modifica, en algunas ocasiones, la probabilidad del evento B. Los eventos en los que, conociendo que uno ha ocurrido, no se modifica la probabilidad del otro, decimos que son independientes, si se modifica, decimos que son dependientes entre s.

EVENTOS DEPENDIENTES E INDEPENDIENTES

DOS EVENTOS SON INDEPENDIENTES


Cuando la ocurrencia o no ocurrencia de uno de ellos NO tiene ningn efecto en la probabilidad de ocurrencia del otro

P(B/A) = P(B)
DOS EVENTOS SON DEPENDIENTES
Cuando la ocurrencia o no ocurrencia de uno de ellos afecta la probabilidad de ocurrencia del otro

P(B/A) P(B)

EVENTOS INDEPENDIENTES
A y B son independientes entre s Si la ocurrencia de uno de ellos no modifica la probabilidad del otro, es decir, si

P( B l A ) = P( B ) P( A l B ) = P( A )

EVENTOS DEPENDIENTES
A y B son dependientes entre s Si la ocurrencia de uno de ellos modifica la probabilidad del otro, es decir, si

P( B l A ) P( B ) P( A l B ) P( A )

PROBABILIDAD DEPENDIENTE

P (B/A) es la probabilidad de que se de el evento B condicionada a que se haya dado el evento A. P (B A) es la probabilidad del evento simultneo de A y de B P (A) es la probabilidad a priori del evento A

DEPENDENCIA ESTADISTICA
PROBABILIDAD CONDICIONAL

P(B l A) = P(BA) / P(A)


PROBABILIDAD CONJUNTA

P(BA) = P(B l A) x P(A) P(BA) = P(A l B) x P(B)

EVENTOS INDEPENDIENTES
Dos eventos A y B son independientes si se cumple: P( A B ) = P( A ) P( B ) Tres eventos A, B y C son independientes si se cumplen a la vez: P( A B ) = P( A ) P( B ) P( A C ) = P( A ) P( C ) P( B C ) = P( B ) P( C ) P( A B C ) = P( A ) P( B ) P( C )

EJEMPLO
Un 35% de los varones mayores de 40 aos estn casados. De los varones mayores de 40 aos y casados, un 30% tienen ms de 2 hijos (evento B condicionado al evento A).
Calcular la probabilidad de que un varn mayor de 40 aos est casado y tenga ms de 2 hijos (evento interseccin de A y B).
Por lo tanto: P (A) = 0.35 P (B/A) = 0.30 P (A B) = 0.35 * 0.30 = 0.105

Un 10.5% de los varones mayores de 40 aos estn casados y tienen ms de 2 hijos

TEOREMA DE BAYES
EN CONSTRUCCION