Tema 2: sesiones 5, 6 y 7

UNIVERSIDAD DE LOS ANDES

NUCLEO UNIVERSITARIO RAFAEL RANGEL
DEPTO DE CIENCIAS ECONOMOMICAS Y ADMIMISTRATIVAS
AREA DE ESTADSTICA

ESTADSTICA BASICA
CONTADURA PBLICA

Tema 2: sesiones 5, 6 y 7
Gua de clase 2. PROBABILIDAD
Una idea intuitiva de la probabilidad de un evento incierto (al azar o aleatorio) es unba
medida numrica de cmo es la verosimilitud o posibilidad (que tn creible es) de que el
evento suceda. As una baja probabilidad indica que es inverosmil que el evento se presente
o suceda.
ESPACIO MUESTRAL Y EVENTOS
Causales o determinsticos
1. Fenmenos
Casuales (aleatorios o probabilsticos
naturales
1. resultados posibles
2. resultados particulares
3. regularidad estadstica

2. Experimento. Eexperimento aleatorio" "

Caractersticas
Resultado elemental o punto
muestral "si"

Simple
Compuesto
Por extensin

Analtica
3. Espacio
muestral
S,

Representacin

Clasificacin

Por comprensin
Grfica: diagramas de Venn
Finito
Discreto
Numerable
Infinito
No numerable Continuo
}

Representacin

4. Evento o suceso
A, E, C, M .... E1, E2, ... Clasificacin

9
9
9
9
9
9
9
9

Elemental
Compuesto
Seguro
Imposible
Compatible
Incompatibles
Complementarios
Exhaustivos

Tema 2: sesiones 5, 6 y 7

5. Operaciones con eventos

5.1. Unin

Ocurrencia de al menos un evento

A B = {s i S / s i A o s i B}

Grficas:

A
B

5.2. Interseccin

Ocurrencia simultnea de eventos

A B = {si S / si A y si B}

Grficas
A

5.3. Diferencia

S
B

Ocurre uno pero no el otro evento

A B = {s i S / s i A y s i B}

Grficas

S
A
B

5.4.
Complementacin

La no ocurrencia del evento

E c = E = S E = {s i S / s i E}

Grfica S
E

5.5. Diferencia
simtrica

Ec

A B = {s i S / s i A o s i B y s i A B}

Grficas

S
A
B

5.6. Particin

Dada la susecin de eventos E1 , E 2 , E 3 ,....., E n

a) E i E j = i j
b) i E i = S
Grficas S
E1
E4

E2
E3
E5

Tema 2: sesiones 5, 6 y 7

PROBABILIDAD
1. Concepto de la probabilidad de un evento
2. Definiciones
2.1. Clsica o a priori: si un experimento aleatorio puede dar origen a n posibles
resultados mutuamente excluyentes e igualmente posibles y E es un evento que
puede presentarse de m maneras de entre los n resultados posibles, entonces la
probabilidad de E es:

P( E ) =

casos favorables m
=
casos totales
n

Limitaciones: equiprobabilidad
2.2. Frecuencial o a posteriori: si un experimento aleatorio puede repetirse n veces y e
es un evento que se presenta m de las n veces (m<n), entonces la frecuencia
relativa del evento, a medida que el nmero de repeticiones tiende a ser muy
grande (tiende a infinito), se aproxima a estabilizarse en nun nmero P llamado
probabilidad del evento E:

P( E ) = f r E =

m
n

Limitaciones: necesidad de un gran nmero de pruebas

2.3. Desarrollo axiomtico. Sea un experimento aleatorio que genera un espacio
muestral S, al cual se asocia un nmero real P(E) llamado la probabilidad de que el
evento E satisfaga las siguiente propiedades o axiomas:
1) 0 P ( E ) 1
2) P(S)=1
3) P ( A B ) = P ( A) + P ( B ) , si A y B son eventos mutuamente excluyentes

3. Clculo de probabilidades en experimentos

a) en experimentos con reemplazo o sustitucin
b) en experimentos sin reemplazo o sustitucin
4. Probabilidad objetivo vs probabilidad subjetiva
5. Teoremas de probabilidad
5.1. Teorema 1. Ley de complementacin:

P( E c ) = 1 P ( E )
5.2. Teorema 2.
P()= 0

Tema 2: sesiones 5, 6 y 7

5.3. Teorema 3. Ley general de la adicin. Sean A y B dos eventos cualesquiera

asociados con un S
9 P ( A B ) = P ( A) + P ( B ) P ( A B )
9 Si A y B son eventos mutuamente excluyentes entonces:
P ( A B ) = P ( A) + P ( B ) (Axioma 3)
9 Para 3 eventos:

P ( A B C ) = P ( A) + P ( B ) + P (C ) P ( A B ) P ( A C ) P ( B C ) + P ( A B C )

5.4. Teorema 4.

P ( A) P ( B ) si A B = A

5.5. Probabilidad condicional: Sean A y B dos eventos asociados con un S, entonces:

P( A / B) =

P( A B)
, si P(B)>0
P( B)

En este caso B es el evento de inters (condicionado), mientras que A es el evento que

establece la condicin (condicionante)

5.6. Teorema 5. Multiplicacin de probabilidades. Dependencia e independencia

estadstica

P ( A B ) = P ( A / B ) * P ( B ) = P ( B / A) * P ( A) , si A y B son eventos
dependientes
9 Si A y B son eventos estadsticamente independientes: P ( A B ) = P ( A) * P ( B )

5.7. Teorema 6. Probabilidades totales

k

P( A) = P( A / B1 ) * P( B1 ) + P( A / B2 ) * P( B2 ) + ...... + P( A / Bk ) * P( Bk ) = P( A / Bi ) * P( Bi )
i =1

5. 8. Teorema 7. Teorema de Bayes

P( Bk / A) =

P( A / Bk ) * P( Bk )
P( A)

Prof. Ligia M. Becerra S.

ligiab@ula.ve
28/09/05 16:28:06