Академический Документы
Профессиональный Документы
Культура Документы
EVENTO SIMPLE:
Es el resultado de un experimento que no se puede descomponer en una combinacin de otros eventos.
Un conjunto S en el que se indiquen todos los posibles resultados de un experimento, se llama ESPACIO
MUESTRAL.
S=[C,C]
o bien
S=[0,1]
Cualquier subconjunto de S se denomina EVENTO.
PARA RESUMIR, podemos decir:
Pero, en este ltimo caso, puede CALCULARSE una cierta probabilidad que UN DETERMINADO RESULTADO
OCURRA.
Mediante la Teora de las Probabilidades se procura identificar con un nmero el grado de probabilidad de que se
presente un determinado suceso.
Es decir, ...llamaremos PROBABILIDAD a la posibilidad de ocurrencia de un determinado SUCESO
ALEATORIO... ...y trataremos de evaluar esa POSIBILIDAD mediante UN NUMERO.
Es decir, a probabilidad mide la frecuencia con la que aparece un resultado determinado cuando se realiza un
experimento.
Ejemplo: tiramos un dado al aire y queremos saber cual es la probabilidad de que salga un 2, o que salga un nmero
par, o que salga un nmero menor que 4.
El experimento tiene que ser aleatorio, es decir, que pueden presentarse diversos resultados, dentro de un conjunto
posible de soluciones, y esto an realizando el experimento en las mismas condiciones. Por lo tanto, a priori no se
conoce cual de los resultados se va a presentar:
Hay experimentos que no son aleatorios y por lo tanto no se les puede aplicar las reglas de la probabilidad.
Ejemplo: en lugar de tirar la moneda al aire, directamente seleccionamos la cara. Aqu no podemos hablar de
probabilidades, sino que ha sido un resultado determinado por uno mismo.
TRES ENFOQUES DE LA PROBABILIDAD: (clsico, emprico, subjetivo)
ENFOQUE CLSICO
Se utiliza cuando el espacio muestral tiene RESULTADOS IGUALMENTE PROBABLES (juegos de azar).
Se basa en el conocimiento a priori del proceso en estudio.
Se desarroll alrededor del estudio de los juegos de azar, donde se conoce de antemano todos los posibles
resultados.
EL ENFOQUE CLSICO DE LA PROBABILIDAD
Al hablar de probabilidad, nos estamos refiriendo siempre a SUCESOS ALEATORIOS (aquellos cuya ocurrencia no
puede ser predicha en forma categrica)
CONCEPTO DE PROBABILIDAD (Laplace - 1814)
La probabilidad de que ocurra un suceso aleatorio A, es igual al cociente entre el nmero de casos favorables a
dicho suceso, y el nmero total de casos posibles, cuando todos los casos son igualmente posibles.
Por lo tanto, la probabilidad de A, ser:
Donde:
P(A) =
(A)
N
A: suceso aleatorio
(A): nmero de casos favorables al suceso aleatorio
(a): nmero de casos contrarios desfavorables
N = (A) + (a) = nmero total de casos posibles
CARACTERSTICAS DE LA PROBABILIDAD
1. Es una fraccin propia (un nmero comprendido entre 0 y 1)
CERO: cuando el nmero de casos favorables sea cero, esto denota IMPOSIBILIDAD de ocurrencia del
suceso
UNO: cuando TODOS los casos posibles son tambin favorables, esto denota CERTEZA de ocurrencia del
suceso
NUNCA es superior a la UNIDAD ya que el nmero de casos favorables no puede ser superior al nmero de casos
posibles.
Los casos limites (0 y 1) no configuran una probabilidad, ya que no se puede hablar de SUCESOS ALEATORIOS
cuando los mismos son totalmente IMPOSIBLES o totalmente CIERTOS
Un valor de probabilidad muy cercano a CERO indica un suceso de muy difcil aparicin.
Un valor de probabilidad muy cercano a UNO indica un suceso de muy posible aparicin.
Esto constituye una TAUTOLOGIA: incluir en la definicin el trmino que se desea definir. (Crculo vicioso)
Pero a pesar de todos los defectos de la definicin clsica, que han motivado que hoy se la haya dejado de lado
como definicin de probabilidad, nos ha servido como regla prctica para el clculo de probabilidades.
Volvamos a la simbologa de la frmula clsica de probabilidad:
( A) + ( a ) = N
Probabilidad que ocurra el suceso "A" y su contrario "a"
P ( A) =
( A)
P (a) =
P ( A) + P ( a ) =
( A)
N
(a)
N
(a )
N
( A) + ( a )
N
N
N
=1
Considera la frecuencia (relativa) de ocurrencia de un determinado suceso con respecto a un gran nmero de
ensayos repetidos
Se basa en la informacin previamente obtenida (datos histricos).
Se basa en la frecuencia con que se ha obtenido determinado resultado en un gran nmero de pruebas o ensayos,
todos ellos repetidos en las mismas condiciones.
En este caso es necesario tener en cuenta que:
la probabilidad obtenida, es una estimacin de su valor real,
cuanto mayor es el nmero de ensayos, mejor ser dicha estimacin,
la probabilidad as obtenida es vlida en un conjunto de condiciones idnticas a aqullas en las que
se obtuvieron los datos.
10
11
12
Numero de casos
Frecuencia relativa
Probabilidad constante
y la
Esto ltimo tiene gran importancia, dado que en Estadstica, la mayora de las veces se trabaja con frecuencias
relativas y no con probabilidades a priori.
La importancia de la LEY DE LOS GRANDES NMEROS radica en que, cuando el nmero de individuos analizados
es lo suficientemente grande, tiende a darnos un ENLACE con la Teora de la Probabilidad.
Una escuela moderna (Von Mises) define a la probabilidad como el lmite al que tiende la frecuencia relativa cuando
el nmero de pruebas tiende a infinito.
ENFOQUE SUBJETIVO
Utiliza estimaciones personales de la probabilidad, basadas en el grado de confianza del analista.
Es una evaluacin personal de la posibilidad de que ocurra un determinado suceso.
(Kazmier Pg. 74)
Tanto el enfoque clsico como el de la Frecuencia Relativa producen valores de probabilidad objetivos, en el sentido
que sealan la tasa relativa de ocurrencia de un evento a largo plazo.
El enfoque subjetivo es particularmente apropiado cuando slo existe una probabilidad de que el evento ocurra, y se
da el caso de que ocurra o no esa nica vez...
De acuerdo con el enfoque subjetivo, la probabilidad de un evento es el grado de confianza que una persona tiene de
que el evento ocurra, con base a toda la evidencia que tiene disponible.
Debido que el valor de probabilidad es un juicio personal, al enfoque subjetivo se lo llama tambin enfoque
personalista.
SUCESOS o EVENTOS (Stevenson y Berenson-Levine)
Los resultados de un experimento se conocen como SUCESOS ( o EVENTOS).
Experimento: Cualquier acto que puede repetirse en igualdad de condiciones.
SUCESO SIMPLE o ELEMENTAL
Es aqul que se puede describir con una caracterstica nica
Cada forma posible de un acontecimiento (sacar una carta de un mazo; arrojar un dado)
ESPACIO MUESTRAL
Es la coleccin o conjunto de todos los SUCESOS posibles de un experimento.
Experimento o muestra son trminos que se emplean indistintamente para hacer referencia al proceso de realizacin
de observaciones.
Si consideramos el conjunto de un mazo de cartas espaolas de 40 naipes el ESPACIO MUESTRAL est
conformado por las 40 cartas.
Dicho espacio muestral, est formado por diversos eventos, segn la forma en que sea clasificado, as tendremos:
por palo tendremos 4 eventos (oro, copa, espada, basto)
por nmero tendremos 10 eventos (1,2,...,7,10,11,12)
por figura tendremos 2 eventos (figura y no figura)
COMBINACIN DE SUCESOS ELEMENTALES
Se satisface con cualquiera de los sucesos elementales que lo satisfagan, por ejemplo: sacar un 5 consta de cuatro
sucesos elementales, pues el cinco puede ser de cada uno de los palos.
COMPLEMENTO de un SUCESO
Son todos los resultados del Espacio muestral que no forman parte del suceso considerado.
Si el suceso es ORO, sus complementos (No ORO), son los dems palos
B
b
A
(AB)
(Ab)
(A)
a
(aB)
(ab)
(a)
(B)
(b)
N
Figura
No Figura
Oros
3
7
10
No ORO
9
21
30
12
28
40
Los casilleros interiores del cuadro se refieren a eventos que comprenden dos o ms sucesos (As de oro, Rey de
copas, etc.)
Se trata de sucesos conjuntos (compatibles) y que pueden ocurrir en forma simultnea.
Los sucesos conjuntos se corresponden a los casilleros interiores del cuadro de contingencias o al espacio de
interseccin de dos sucesos dentro del diagrama de Venn.
A partir del Diagrama, se llega a distintas expresiones para determinar el nmero de casos favorables a la aparicin
de un determinado evento:
(A) = (AB) + (Ab)
y en forma general:
(A) = (AB1)+(AB2)+(AB3)+.....+(ABn)
Donde los Bi son sucesos o eventos mutuamente excluyentes (incompatibles) y colectivamente exhaustivos
(2) DIAGRAMA DE VENN
Es una representacin grfica de los sucesos en la que el espacio muestral est representado por un rectngulo y los
eventos que suceden en el espacio muestral se representan como partes de dicho rectngulo.
FIGURA
ORO
3
7
9
21
3 Figura de oro
FIGURA
10
ORO
no FIGURA
7 No figura de oro
9 Figura de no oro
FIGURA
no ORO
30
no FIGURA
21 No figura de no oro
PROBABILIDADES PARA EL CASO DE SUCESOS COMPATIBLES CONJUNTOS
Trabajando con el DIAGRAMA DE CONTINGENCIAS,
A
(AB)
(Ab)
(A)
B
b
a
(aB)
(ab)
(a)
(B)
(b)
N
Se pueden obtener:
PROBABILIDAD SIMPLE O MARGINAL (Berenson)
Corresponde a la probabilidad clsica. Corresponde a eventos simples.
Los mrgenes del cuadro indican las probabilidades de aparicin de eventos simple.
Considerando el suceso A, y aplicando el criterio de LAPLACE, podemos hacer:
P(A) =
(A) ( AB ) + ( Ab )
=
= P(AB) + P( Ab )
N
N
1
2
3
4
5
6
(1,1)
(2,1)
(3,1)
...
...
...
(1,2)
(2,2)
(3,2)
(1,3) (1,4)
(2,3) (2,4)
(3,3) ...
(1,5)
(2,5)
...
(1,6)
(2,6)
...
6
, simplemente contando los sucesos que cumplen con la condicin
36
9
b) A=3 puntos mximo en cada dado P(A) =
36
6
c) A=2 nmeros iguales P(A) =
36
a) A=7 puntos
P(A) =
N = 6 2 = 36
y para a) especificar cules cumplen con la condicin
En el caso de sucesos mutuamente excluyentes, no hay valores para los casilleros interiores del diagrama de
contingencias.
El siguiente es un caso de sucesos colectivamente exhaustivos:
P(F N) = 12/40 + 28/40 = 40/40
P(AoBoC) =
=
=
=
=
=
P(AoBoC) =
N
N
N
N
N
N
N
(A) (C) (A C) (B) (A B ) (aBC) (A BC) (A BC)
+
+
N
N
N
N
N
N
N
N
(A) (C) (A C) (B) (A B ) (BC ) (A BC)
+
+
N
N
N
N
N
N
N
(A) (B) (C) (A B ) (A C) (BC ) (A BC)
+
+
+
N
N
N
N
N
N
N
B
(A)
b
(Ab)
N
B
(ABC)
(ABc)
(AbC)
c
C
(Abc)
(aBc)
(abC)
(abc)
(AB)
(aB)
(a)
b
(ab)
(aBC)
P(AB) =
P(AB) =
(AB)
= P(BA)
N
PROBABILIDAD CONDICIONAL
Es la probabilidad que se presente un suceso, dado que el otro evento ya se ha presentado.
Su expresin, de acuerdo a lo visto en la Probabilidad Compuesta, es:
P( B
(AB)
(A)
Esta expresin indica la probabilidad que se presente B si es que el suceso A se ha presentado previamente.
En el numerador se indican los casos favorables a la aparicin del suceso conjunto AB
En el denominador se indican la cantidad de casos favorables a la aparicin del suceso A ( entre los cuales se
encuentra el suceso AB
Por lo tanto (A) es el nmero total de casos posibles
El universo total (N), ha quedado restringido a los A, dentro de los cuales esta AB
El resultado del cociente es una fraccin propia, asimilable a la probabilidad, es decir:
0 < P(B/A) < 1
puesto que:
En la probabilidad condicional, se han reducido el nmero total de casos posibles (N), considerando solamente
aquellos casos que resultan favorables al evento A
En consecuencia, sabiendo que A se produjo, se debe calcular la probabilidad que se haya producido
conjuntamente con el suceso B
Si en la expresin de la Probabilidad Condicional planteada ms arriba, dividimos el numerador y el denominador por
el total de casos posibles N, tenemos:
P( B
(AB)
(AB)
N = P(AB) = Probabilidad compuesta
=
=
(A)
(A)
P(A)
Probabilidad marginal
N
Entonces, la PROBABILIDAD CONDICIONAL puede obtenerse dividiendo la Probabilidad Conjunta que se desea
considerar por la Probabilidad. Marginal apropiada.
Continuando con el desarrollo, agregamos un ltimo cociente:
P( B
(AB)
P(AB)
(AB)
N = P(AB) =
=
=
(A)
(A)
P(A)
P(AB) + P(Ab)
N
P(B) P A
Llegando finalmente a la expresin general de la Probabilidad Condicional:
P( B
( B)
P(B) P A + P(B) P A
( B)
( B)
Y TAMBIN
P( A / B) =
P( A) P( B / A)
P( A) P( B / A) + P(a ) P( B / a )
10
INDEPENDENCIA ESTADSTICA
En trminos de probabilidad, dos sucesos aleatorios son Estadsticamente Independientes, cuando la
presentacin previa de uno de ellos no afecta a la probabilidad de presentacin del otro suceso.
Si el conocimiento previo de la ocurrencia de un suceso no afecta la probabilidad de ocurrencia del otro suceso, se
dice que estos sucesos son Estadsticamente Independientes (Berenson).
CONDICIN DE INDEPENDENCIA ESTADSTICA
Los sucesos A y B son estadsticamente independientes, s y slo s: P(B/A) = (PB) o bien: P(A/B) = (PA)
o tambin, por la Probabilidad Compuesta, para el caso de sucesos independiente, cuando: P(AB) = (PA) . P(B)
FORMAS DE REPRESENTAR LAS PROBABILIDADES
DIAGRAMA DE PROBABILIDADES
Si a cada casillero del DIAGRAMA DE CONTINGENCIAS se lo divide por el total de casos posibles (N), se obtiene el
Diagrama de Probabilidades siguiente:
B
b
A
P(AB)
P(Ab)
P(A)
a
P(aB)
P(ab)
P(a)
P(B)
P(b)
1
secuenciales.
Las probabilidades al final de las ramas iniciales corresponden a las probabilidades marginales, mientras que las
colocadas al final de cada uno de las cuatro sub-ramas representan las probabilidades conjuntas para cada
combinacin
En los Diagramas de rbol, los sucesos conjuntos son los nudos correspondientes a la segunda prueba en
adelante.
BAYES (Toranzos)
El teorema se refiere a la asociacin de dos acontecimientos, cuando ellos estn ligados de tal manera, que la
realizacin de un acontecimiento supone, tambin, la realizacin de algunas de las posibilidades del segundo.
Consideremos el acontecimiento A y supongamos que para que se produzca A es indispensable que se haya
producido tambin uno y slo uno de los acontecimientos excluyentes B1, B2, ..Bi,Bn.
El teorema trata de responder la siguiente pregunta:
Suponiendo que se ha realizado A, qu probabilidad existe de que lo haya sido conjuntamente con un determinado
B, por ejemplo con Bi?
Esta pregunta tiene un esquema formal semejante al de esta otra:
Se ha producido un acontecimiento A y conocemos las posibles causas del mismo; qu probabilidad hay de que sea
una determinada, de estas causas, la que ha dado lugar a la realizacin de A?
Si bien las preguntas son formalmente anlogas, pueden diferir en el sentido que se d a la relacin entre el
acontecimiento A y los acontecimientos Bi ; en el teorema de BAYES, esa relacin no es necesariamente
determinante, en el sentido de causa a efecto, como lo es en la segunda pregunta, sino simplemente de
correspondencia en la realizacin, prescindiendo de la consideracin de si Bi es o no causa determinante de A.
Contina diciendo: supongamos conocidas las P(Bi) y las P(A/Bi) . O sea, que entonces se conocen las
probabilidades conjuntas de A con cada Bi , es decir, se conocen las P(ABi) y tambin P(A) y a que: P(A)=
P(AB1)+P(AB)++P(ABn)
Llega a la formula de Bayes, la que puede enunciarse de la siguiente manera:
Si la realizacin de un acontecimiento A depende necesariamente de que se produzca uno de los acontecimientos
excluyentes B1 , B2 , .., Bn, y se sabe que A se ha cumplido, la probabilidad para que sea uno determinado, por
ejemplo el Bi, el que se haya cumplido conjuntamente con A, est dada por la frmula:
11
P(Bi/A) =
P(BiA)
P(A)
P(BiA)
P(AB1 ) + ..... + P(ABn )
P(Bi) P(A/Bi)
P(B1 ) P(A/B1 ) + ......... + P(Bn ) P(A/Bn )
3/10
2/10
1/2
2/6
1/6
1/2
19/30
11/30
Probabilidad
Probabilidad
Probabilidad
Probabilidad a posteriori
Bi
Marginal
Condicional
Conjunta
Bayes
P(Bi)
P(A/Bi)
P(BiA)
P(Bi/A)=P(BiA) / P(A)
B1
3/5
3/10
B2
2/3
2/6
P(A)=19/30
12
B= bolillero 1
b= bolillero 2
a= verde
2
1
3
5
3
8
Bolillero 1
Azul
3
2
1
Con el siguiente DIAGRAMA DE RBOL:
Azul
5
Bol. 1
Verde
Azul
8
Bol. 2
3
Verde
1
Se pueden calcular las siguientes probabilidades:
SIMPLES O MARGINALES O ELEMENTALES:
P(Bolilla azul) =
o tambin:
P(Bolillero 1) =
de la misma forma puede calcularse la probabilidad de sacar bollilla verde o de que provenga del bolillero 2,
respectivamente. TODAS ESTAS PROBABILIDADES SE OBSERVAN EN LA PERIFERIA DE LA SIGUIENTE
TABLA DE PROBABILIDADES:
B= bolillero 1
b= bolillero 2
A= azul
3/8
2/8
5/8
a= verde
2/8
1/8
3/8
5/8
3/8
1
13
TOTAL
P(Azul o Bolillero 1) =
P(Azul o Bolillero 1) = 1 -
(Verde, Bolillero 2)
1 7
= 1- =
N
8 8
P(Azul o Bolillero 1) =
P(Azul,Bolillero 1) =
(Azul, Bolillero1)
N
pero lo primero que se debe analizar es si se trata de sucesos dependiente o independientes, por lo tanto:
(Bolillero1, Azul) 3
=
Azul
(Azul)
5
(Bolillero1) 5
2) la comparo con su respectiva probabilidad MARGINAL: P(Bolillero1) =
=
N
8
1) calculo una probabilidad CONDICIONAL:
P( Bolillero1
3) comparo los resultados, como son DIFERENTES, deduzco que los sucesos son dependientes, entonces:
P(Azul,Bolillero 1) =
(Azul, Bolillero1)
5 3 3
= P(Azul) P Bolillero1
= * =
(
Azul )
N
8 5 8
P( Bolillero1
Azul
3
(Bolillero1, Azul)
3
=
= 8 = = 0.60 , por supuesto es mayor que la anterior por la incidencia que
5
(Azul)
5
8
14
TOTAL
(AB) (AB) + (Ab) + (aB)
=
= P(AB) + P(Ab) + P(aB)
N
N
Tambin (mirando la tabla de contingencia de 2x2) :
P(AB) =
= P(A) P(B/A)
N
N (A)
(AB) (B) (AB)
tambin;
P(BA) =
=
= P(B) P(A/B)
N
N (B)
(AB)
entonces:
P(AB) =
= P(BA)
N
Probabilidad condicional:
P(A y B) = P(AB) =
(AB)
P(AB)
P(AB)
P(B) P(A/B)
(AB)
= P(B/A) = N =
=
=
(A)
(A)
P(A)
P(AB) + P(Ab) P(B) P(A/B) + P(b) P(A/b)
N
P(AB)
P(AB)
P(A) P(B/A)
Lo mismo se puede hacer para: P(A/B) =
=
=
P(B)
P(AB) + P(Ab) P(A) P(B/A) + P(a) P(B/a)
Independencia estadstica: P(B/A) = P(B)
o P(A/B) = P(A)
15