Ietema 5

1
Probabilidad - Introduccion
Introducción.
Tema 1. Análisis de datos univariantes.

Descripción de variables y datos
Tema 2. Análisis de datos bivariantes.
socioeconómicos
Tema 3. Correlación y regresión.
Tema 4. Series temporales y números índice.
Tema 5. Probabilidad.
Tema 6. Variables aleatorias unidimensionales.
Modelización de la incertidumbre
Tema 7. Modelos probabilísticos discretos.
en las variables socieconómicas
Tema 8. Modelos probabilísticos continuos.
Tema 9. Variables aleatorias multidimensionales.
Los objetivos del aprendizaje de esta unidad temática son los siguientes:
Entender los conceptos básicos de suceso, espacio muestral, independencia, etcétera.
Calcular probabilidades utilizando las reglas elementales y resultados teoricos simples de la
probabilidad.
Conocer los siguientes modelos probabilı́sticos discretos: Bernoulli, binomial, geométrico y
Poisson.
Conocer los siguientes modelos probabilı́sticos continuos: Exponencial, uniforme, y normal.
Introduccion a la Estadı́stica Andrés M. Alonso
2
Tema 5. Probabilidad
Los contenidos a desarrollar en este tema son los siguientes:
Experimentos aleatorios.
El espacio muestral, sucesos elementales y compuestos.
Interpretaciones de la probabilidad: clásica, frecuentista y subjetiva.
Propiedades de la probabilidad.
La regla de multiplicacion.
Independencia.
La ley de la probabilidad total.
El teorema de Bayes.
Lecturas recomendadas: Capı́tulos 13 y 14 del libro de Peña y Romo (1997)

y el Capı́tulo 3 de Newbold (2001).

3
Probabilidad - Introduccion
I Habitualmente usamos frases como:
Es probable que el equipo de Getafe juegue la UEFA el año proximo.

Se espera que la inflacion no alcance el 3 %.
El recién constituido partido “Vientos del Pueblo ” espera obtener tres
escaños en las proximas elecciones municipales.
I Todas estas frases, contienen un sentido de incertidumbre sobre sucesos

cuyos resultados finales no pueden predecirse exactamente.
I De estos sucesos conocemos todos los resultados posibles y algunos resulta-

dos nos parece que son más probables que otros.
I En este tema estudiaremos como formalizar la idea de suceso aleatorio y de

probabilidad.

4
Probabilidad - Conceptos básicos
En primer lugar, definimos el concepto de un experimento aleatorio y sus

posibles resultados.
Definicion 1. Un experimento aleatorio es el proceso de observar un

fenomeno cuyos posibles resultados son inciertos. Se supone que se saben
todos los posibles resultados del experimento de antemano y que se puede
repetir el experimento en condiciones idénticas.
Ejemplo 1. Lanzar una moneda y observar si sale cara o cruz.

Ejemplo 2. Los resultados de los partidos de
football de la proxima jornada. No son experimentos puesto
que no se pueden repetir en
Ejemplo 3. Los resultados de las proximas
condiciones idénticas.
elecciones municipales.
Pero es una simplificacion
Ejemplo 4. Los valores, al final del año, de
que se utiliza frecuentemente.
la inflacion, la tasa de paro, etcétera.

5
Definicion 2. El espacio muestral, que denotamos por Ω, es el conjunto de

todos los posibles resultados del experimento.
Ejemplo 5. Si el experimento es lanzar la moneda una vez, el espacio muestral

es Ω = {C, X } donde C denota cara y X denota cruz.
Si el experimento es lanzar la moneda dos veces, el espacio muestral es

Ω = {(C, C ), (C, X ), (X, C ), (X, X )} donde, por ejemplo, (C, X ) es el suceso
de que la primera tirada sea cara y la segunda cruz.
Definicion 3. Los posibles resultados del experimento o componentes del

espacio muestral, que denotaremos por ei, se llaman sucesos elementales y
Ω = {e1 , . . . , ek }.
Ejemplo 6. En el caso de lanzar la moneda dos veces, los sucesos elementales

son e1 = (C, C ), e2 = (C, X ), e3 = (X, C ) y e4 = (X, X ).

6
Definicion 4. Un suceso es un conjunto de sucesos elementales.
Ejemplo 7. En el caso de lanzar la moneda dos veces, el suceso A =“sale

exactamente una cara” es A = {(C, X ), (X, C )}.
El suceso B = “la primera tirada es cara” es B = {(C, C ), (C, X )}.
Dos sucesos importantes son:
El suceso seguro = Ω, es decir, todo el espacio muestral.

El suceso imposible = ∅, es decir, el conjunto vacı́o.
Definicion 5. Para cada suceso A, se define el suceso complementario o

contrario a A como Ā = Ω \ A = {ei : ei ∈
/ A}.
I Ω = A ∪ Ā y A ∩ Ā = ∅.
7
Ejemplo 7. En el caso de lanzar la moneda dos veces:

A = {(C, X ), (X, C )} Ā = {(C, C ), (X, X )}
B = {(C, C ), (C, X )} B̄ = {(X, C ), (X, X )}
Definicion 6. Para dos sucesos, A y B, se define el suceso “A y B” como

el conjunto de sucesos elementales contenidos en A y en B, es decir, A y
B = A ∩ B.
I Si ocurre el suceso A y B, sabemos que se han ocurrido ambos sucesos.
I Dos sucesos A y B que no pueden ocurrir a la vez (A ∩ B = ∅) se llaman

sucesos incompatibles.
I Dos sucesos incompatibles no comparten sucesos elementales.

8
Definicion 7. Para dos sucesos, A y B, se define el suceso “A o B” como

el conjunto de sucesos elementales contenidos en A o en B, es decir, A o
B = A ∪ B.
I Si ocurre el suceso A o B, sabemos que ha ocurrido al menos uno de dos

sucesos.
Ejemplo 7. En el caso de lanzar la moneda dos veces:

AyB = {(C, X )}
AoB = {(C, C ), (C, X ), (X, C )}
¿A y B son sucesos incompatibles?
Con este experimento, defina un suceso (no trivial) que sea incompatible con
el suceso A y B. Múltiples soluciones

9
Una manera v
Diisaugara
lmdeasvdeer V
loesnndistı́ntos sucesos
es a través del diagrama de Venn.
Ω ❘
A B
Podemos representar a “A y B”, “A o B” y al suceso complementario.

Ā 10
Diagramas de Venn
Ω ❘ Ω ❘
A AyB
Ā
¿Como podemos representar dos sucesos incompatibles?

Ω ❘

AyB
11
Experimentos aleatorios. X
El espacio muestral, sucesos elementales y compuestos. X
Interpretaciones de la probabilidad: clásica, frecuentista y subjetiva.
Independencia.

12
Interpretaciones de la probabilidad
Interpretacio n clásica de la probabilidad: En algunas situaciones, la definicion

del experimento asegura que todos los sucesos elementales tienen la misma
probabilidad de ocurrir. En este caso, se dice que el espacio muestral es
equiprobable.
Si el espacio muestral es equiprobable y contiene k sucesos elementales,
Ω = {e1 , . . . , ek }
luego se tiene
1
Pr(ei ) = para i = 1, 2, . . . , k.
k
Para cualquier suceso A entonces, la probabilidad de A es
1
Pr(A) = × número de sucesos elementales en A.
k

13
Ejemplo 7. Supongamos que se lanza una moneda equilibrada dos veces.

Luego hay cuatro sucesos elementales,
(C, C ), (C, X ), (X, C ), (X, X )
1
y cada uno tiene probabilidad igual a 4 .
La probabilidad de observar exactamente una cara (suceso A) es
Pr(A) = Pr({(C, X ), (X, C )})

1 1
= 2× =
4 2
La probabilidad de que la primera tirada sea cara (suceso B) es

2 1
Pr(B) = = .
4 2

14
Interpretacio n frecuentista de la probabilidad:
Ejemplo 8. Definimos el experimento de tirar una moneda una vez. Repeti-
mos el experimento un número n de veces y calculamos las frecuencias relativos
de cada suceso elemental. Excel
f n=1 f n = 10
✻ ✻
1 1
,5 ,5
0 0
C X C X
f f
✻ ✻
1 n = 100 1 n = 1000
,5 ,5
0 0
C X C X

15
Interpretacio n frecuentista de la
probabilidad:
I En el ejemplo, se ve que las frecuencias relativas se acercan a un lı́mite
cuando se repite el experimento muchas de veces. El valor lı́mite de la frecuencia
es la probabilidad del suceso.
I Para un suceso A se escribe Pr(A) para representar su probabilidad.
I Utilizando las propiedades de frecuencias se puede deducir las siguientes
propiedades básicas de las probabilidades:
Para cualquier suceso A, 0 ≤ Pr(A) ≤ 1.
P
Pr( A) = i:ei∈A Pr(ei)
Pr(Ω) = 1
Si A y B son sucesos incompatibles (es decir que A y B = φ) entonces

Pr(A o B) = Pr(A) + Pr(B).
16
I De estas tres propiedades, se deduce que si Ā es el suceso complementario

a A,
Pr(Ā) = 1 − Pr(A)
I Como consecuencia y dado que ∅ = Ω̄, tenemos que Pr(∅) = 0, es decir
que el suceso imposible es improbable.
Ejemplo 9. Supongamos que un experimento tiene 4 sucesos elementales,

e1, e2, e3, e4 y que
Pr(e1 ) = 0,2 Pr(e2 ) = 0,3 Pr(e3 ) = 0,4
1. ¿Cuál es Pr(e4)?
2. Si A = e1 o e2, hallar Pr(A) y Pr(Ā).
3. Si B = e3, hallar Pr(B̄ )
4. Calcular Pr(A o B).

17
Interpretacio n subjetiva de la probabilidad: Se han visto anteriormente

dos ideas para definir probabilidades: frecuencias relativas y espacios
equiprob- ables.
Existe otro enfoque completamente distinto que define la probabilidad como

una medida subjetiva de incertidumbre sobre la aparicion de un suceso.
I Ası́ nuestras probabilidades para algún suceso pueden ser distintas, ya que
tenemos diferentes cantidades de informacion.
¿Cuál es la probabilidad de las interpretaciones de la probabilidad

salgan en el examen de junio?
I En este caso, se pueden definir probabilidades para experimentos irrepetibles.

18
Interpretaciones de la probabilidad: clásica, frecuentista y subjetiva. X
Independencia.

La probabilidad P (A o B) 19
Propiedades de la probabilidad
Si A y B son sucesos incompatibles, tenemos
La probabilidad de A o B:
el siguiente diagrama de Venn.
Si A y B son sucesos incompatibles, tenemos el siguiente diagrama de Venn:
Ω ❘
A B
El área de A o B es igual a la suma de las dos áreas. Entonces, interpretando

probabilidad como área, concluimos que
La área en A o B es igual a la suma de las
dos áreasP . rE
(AntooBn)ce
=s,Pri(nAt)er+prPert(a
Bn)d
. o probabili-
dad como área, concluimos que
Introduccion a la Estadı́stica P (A o B) = P (A) + P (B). Andrés M. Alonso
Diagramas de Venn
20
Una m Paro
nepriaedvaisdueasl de vlaerplroosbdaibsti´lıindtaods sucesos
es a través del diagrama de Venn.
En el caso más general, tenemos el siguiente diagrama Venn:
Ω ❘
A B
El área de A o B es igual a el área de A más el área de B menos el área de

A y B. Entonces, tenemos la ley de adicion:
Pr(A o B) = Pr(A) + Pr(B) − Pr(A y B)

229
Introducci on a la Estadı́stica Andrés M. Alonso

21
Ejemplo 10. En una ciudad hay 15 empresas constructoras. De ellas, 6 no

cumplen las reglas de contratacion y 8 no cumplen los requisitos de seguridad
en el trabajo. 5 empresas no cumplen ni los requisitos de seguridad ni las reglas
de contratacion.
Si se elige al azar una empresa para inspeccionar, ¿cuál es la probabilidad de
que cumpla ambos reglamentos?
Sea A el suceso “la empresa cumple las reglas sanitarias” y B “la empresa
cumple los requisitos de seguridad”. Pr(A y B)
Si elegimos una empresa al azar, tenemos:

6
Pr(Ā) =
15
8
Pr(B̄ ) =
15
5
Pr(Ā y B̄ ) =
15

22
Deducimos que Pr(A) = 1 − Pr(Ā) = 9

y también que Pr(B) = 1 − Pr(B̄ ) =
15
7
15 .
Ω ❘
AoB
Ā y B̄
Del diagrama deducimos que (A o B) ∪ (Ā y B̄ ) = Ω y que son incompatibles,
por tanto:
Observamos que (A o B) ∪ (Ā y B̄)1= 0 Ω y tam-
Pr(A o B) = 1 − Pr(Ā y B̄ ) =
bién los dos sucesos son incompat1i5bles. Luego
Y si utilizamos la ley de la adicion obtenemos: 10
P (A o B) = 1 − P (Ā y B̄) =
9 715 10 6 2
Pr(A y B) = Pr(A) + Pr(B) − Pr(A o B) = + − = =
15 15 15 15 5
23
Ahora necesitamos calcular P (A y B).

24
Ejemplo 11. Una empresa de venta por correo ofrece un regalo sorpresa a
todos los clientes que hacen compras 20 euros o más. Hay cinco tipos de regalo
sorpresa que se eligen al azar:
1. llavero y navajita
2. bolı́grafo y linterna
3. abrecartas y linterna
4. navajita y abrecartas
5. bloc de notas y abrecartas
Si un cliente hace dos compras de más de 20 euros y recibe dos regalos, ¿cuáles
son el espacio muestral y los sucesos elementales?
Si se denota por i cuando el cliente recibe el regalo sorpresa número i con

i = 1, 2, 3, 4, y, 5.
El espacio muestral es Ω = {(1, 1), (1, 2), . . . , (4, 5), (5, 5)}, donde el par (i, j)
significa que con el primer pedido recibe el regalo i y con el segundo pedido
recibe el regalo j.

25
Ejemplo 11. Hallar las probabilidades de los siguientes sucesos:
A: el cliente recibe (por lo menos) una linterna.
B: el cliente recibe (por lo menos) una abrecartas.
A y B: el cliente recibe (por lo menos) una abrecartas y una linterna.

1 2 3 4 5 1 2 3 4 5
1 A A 1 B B B
2 A A A A A 2 B B B
3 A A A A A 3 B B B B B
4 A A 4 B B B B B
5 A A 5 B B B B B
¿Qué es más fácil de calcular Pr(A) o Pr(Ā)? ¿Pr(B) o Pr(B̄ )?
Una vez se tienen Pr(A) y Pr(B), ¿qué es más fácil de calcular Pr(A o B) o
Pr(A y B)? Ley de adicion

25
Propiedades de la probabilidad
Una extensión P (A o B o C )
Extensio n e la ley de la adicio n:
d
Ω❘
✮
C
A B
Pr(APoenBsaom
Co)s e
=n pPrro(A
ba)b
+ilP
idra(B
d )c+om
Pro(Cs)i fuera area.
− Pr(A y B) − Pr(B y C ) − Pr(A y C )
+ Pr(A y B y C )
P (A o B o C ) = P (A) + P (B) + P (C ) −
P (A y B) − P (B y C ) − P (A y C )
26
Propiedades de la probabilidad. X
La regla de multiplicacion. Concepto clave: Probabilidad condicional
Independencia.

27
Probabilidad condicional
Ejemplo 12. Se clasifica un grupo de 100 ejecutivos en acuerdo con su peso

y si tienen hipertension. La tabla de doble entrada muestra el número de
ejecutivos en cada categorı́a.
Insuficiente Normal Sobrepeso Total
Hipertenso 2 8 10 20
Normal 20 45 15 80
Total 22 53 25 100
Si se elige un ejecutivo al azar, ¿cuál es la probabilidad de que tenga hiperten-

sion?
20
Hay 20 ejecutivos con hipertension, por tanto, Pr(H ) = 100 = 0,2.
Se elige una persona al azar del grupo y se descubre que tiene sobrepeso.
¿Cuál es la probabilidad de que tenga hipertension? ¿Es la misma que antes?
¿Miramos en la misma columna?

28
Escribimos Pr(H |S) para representar la probabilidad de que sea hipertenso

sabiendo que tiene sobrepeso.
Para calcular Pr(H |S), las primeras dos columnas de la tabla no son
relevantes.
Hay 25 ejecutivos con sobrepeso y de ellos, 10 son hipertensos, por tanto,
10
Pr(H |S) = 25 = 0,4.
Otra manera de obtener Pr(H |S) es:

Calculamos Pr(H y S), la probabilidad de que una persona elegida al azar
10
sea hipertenso y tenga sobrepeso: Pr(H y S) = = 0,1.
100
25
Calculamos Pr(S), la probabilidad de que tenga sobrepeso: Pr(S) = 100
= 0,25.
I Observamos que
Pr(H y S)
Pr(H |S) = .
Pr(S)
29
Probabilidad condicional y Ley de multiplicacion
Definicion 8. Para dos sucesos A y B, se define la probabilidad

condicionada de A dado B como
Pr(A y B)
Pr(A|B) = .
Pr(B)
I Se entiende la expresión como la probabilidad de A suponiendo que B haya

ocurrido.
I A menudo se escribe esta formula de otra manera
Pr(A y B) = Pr(A|B) Pr(B).
En este caso, se le llama la ley de multiplicacion.

30
Ejemplo 13. Se dan dos cartas de una baraja española. ¿Cuál es la probabil-
idad de que ambas cartas sean copas?
Sea A (B) el suceso de que la primera (segunda) carta sea copa. Queremos
calcular Pr(A y B).
Usamos la ley de multiplicacion.
Pr(A y B) = Pr(B|A) Pr(A)
10 9
Tenemos que Pr(A) = 40 y Pr(B|A) = porque si la primera carta es copa,
39
quedan 39 cartas y nueve de ellas son copas.
Por tanto,
10 9 3
Pr(A y B) = × = .
40 39 52

31
Propiedades de la probabilidad. X
La regla de multiplicacion. X
Independencia.

32
Independencia
Definicion 9. Se dicen que dos sucesos A y B son independientes si

Pr(A y B) = Pr(A) Pr(B).
I Utilizando la ley de multiplicacion, tenemos que A y B son independientes

si Pr(A|B) = Pr(A) o si Pr(B|A) = Pr(B).
Ejemplo 13. Los sucesos, H : “tiene hipertension” y S: “tiene sobrepeso” no

son independientes pues
Pr(H y S) = 0,1 = Pr(H ) Pr(S) = 0,2 × 0,25 = 0, 05.
También lo sabemos por Pr(H |S) = 0,4 = Pr(H ) = 0,2.

En el Ejemplo 122, hemos aplicado otra regla 33
util de la probabilidad. Ley de la probabilidad total
Teorema 8 Para dos sucesos A y B, se tiene

PT
(A
eo)re=
ma . |B
P (1A Pa)rPa (dB
os) s+
ucP
es(oA|B̄y)PB(,B̄se).tiene
sA
Demostración Pr(A) = Pr(A|B) Pr(B) + Pr(A|B̄ ) Pr(B̄ ).
Ω ❘ Vemos que
A = (A y B) ∪ (A y B̄ )
A y B̄ AyB Por tanto,

✒ ✻
Pr(A) = Pr(A y B) + Pr(A y B̄ )
A B = Pr(A|B) Pr(B) + Pr(A|B̄ ) Pr(B̄ )
Mirando el diagrama Venn, vemos que

A = (A y B) ∪ (A y B̄)
34
Ejemplo 14. El 42 % de la poblacion activa de cierto pais está formada por

mujeres. Se sabe que un 24 % de las mujeres y un 16 % de los hombres están
en el paro.
¿Cuál es la probabilidad de que una persona elegida al azar de la poblacion
activa en esta pais esté en el paro?
¿Cuál es la probabilidad de que tenga trabajo?
Sea P el suceso de que la persona esté en el paro. Sea M el suceso de que sea
mujer y H el suceso de que sea hombre.
Entonces,
Pr(P ) = Pr(P |M ) Pr(M ) + Pr(P |H ) Pr(H )

= 0,24 × 0,42 + 0,16 × 0,58
= 0,1936
Ahora Pr(P̄ ) = 1 − Pr(P ) = 0,8064 es la probabilidad de que tenga trabajo.

35
Una descomposición más general
Ley de la probabilidad total
Consideramos el siguiente diagrama de Venn.
Consideramos el siguiente diagrama de Venn:
Ω
B1 B3
B2 B4
Los sucesos B1, . . . , B4 dividen el espacio muestral en 4 partes distintas.

Definicion 1L0o
.sU n cceosnojusnB
su to1 ,d.e. .s,uB
ce4sod s iv
Bid 1 ,e.n
. . e,lBeksp eis-∩ Bj = ∅
taalecsioqumeuB
para todo i =
trjaly en 4 partes distı́ntas.
Ω = B1 ∪ B2 ∪ . . . Bk
se llama unaDpaerti ciiocniódnel 2
fi n es8paUcion m couensjturanlt. o de sucesos B , . . . , B
1 k
donde Bi ∩ Bj = φ para todo i = j y
Ω = B1 B2 ...B
36
Ahora supongamos que L

inety d ucliamp
rod orsoobtaro
bisliudcaed- total
so A
Supongamos que introducimos otro suceso A
Ω
B1 B3
Tenemos: A = (A ∩ B1) ∪ (A ∩ B2) ∪

A (A ∩ B3) ∪ (A ∩ B4) y los Bi son incom-
patibles,
B2 B4
Pr(A) = Pr(A ∩ B1) + Pr(A ∩ B2) + Pr(A ∩ B3) + Pr(A ∩ B4)

Tenemos
Ay an∩dB
=u(sA o 1l)a∪le(yAd∩e Bm2u) l∪tip(A
lic∩acBio3n),∪ (A ∩ B4)
Luego como los Bi son incompatibles, 4
X
Pr(A) = Pr(A|Bi) Pr(Bi)
P (A) = P (A ∩ B1 ) + P (A ∩ B2 ) + P (A ∩ B3 ) + P (A ∩ B4 )
i=1
y usando la ley de multiplicación,
37
P ∩ Bi ) a=
(AIntroduccion la Estadı́stica|
P (A B i )P (B i) para i = 1, . . . , 4 Andrés M. Alonso
4
38
Ley de la probabilidad total

Teorema 2. Para un suceso A y sucesos B1, . . . , Bk , donde B1 ∪ B2 ∪ . . . ∪
Bk = Ω y Bi ∩ Bj = φ para todo i = j, entonces
Xk
Pr(A) = Pr(A |Bi ) Pr(B i)
i=1
Ejemplo 15. En una fábrica se embalan galletas en 4 cadenas de montaje:

A1, A2, A3 y A4. El 35 % de la produccion total se embala en la cadena A1,
el 20 %, 24 % y 21 % en A2, A3 y A4, respectivamente. Los datos indican que
no se embalan correctamente un porcentaje pequeño de las cajas: el 1 % en
A1, el 3 % en A2, el 2.5 % en A3 y el 2 % en A4.
¿Cuál es la probabilidad de que una caja elegida al azar de la produccion total
sea defectuosa (suceso D)?
X4
Pr(D) = Pr(D A ) Pr(A )
| i i
i=1
= ,01 × ,35 + ,03 × ,20 + ,025 × ,24 + ,02 × ,21 = ,0197
39
El teorema de Bayes
Teorema 3. Para dos sucesos A y B, se tiene
Pr(B|A) Pr(A)
Pr(A|B) =
Pr(B)
Demostracion
Por la regla de multiplicacion, se tiene
Pr(A y B) = Pr(A|B) Pr(B) e igualmente
Pr(A y B) = Pr(B|A) Pr(A)
Pr(A|B) Pr(B) = Pr(B|A) Pr(A) y despejando obtenemos

Pr(B|A) Pr(A)
Pr(A|B) =
Pr(B)

40
Ejemplo 16. Volvemos al Ejemplo 14. Supongamos que se elige un adulto al

azar para rellenar un formulario y se observa que no tiene trabajo. ¿Cuál es la
probabilidad de que la persona elegida sea mujer?
Necesitamos calcular Pr(M |P ). Mediante el teorema de Bayes, tenemos
Pr(P |M ) Pr(M )
Pr(M |P ) =
Pr(P )
0,24 ×
= 0,42 ≈ 0,5207
0,1936
Ejemplo 17. Volviendo al Ejemplo 15, supongamos que descubrimos que una
caja es defectuosa. Calcule la probabilidad de que la caja provenga de la cadena
A1 .
Pr(D|A1)
Pr(A1|D) =
Pr(A1)
Pr(D)
×
,01
= ,35
41
≈ ,1777
,0197

42
Ejemplo 18. Tres prisioneros, Alfredo, Bruno y Carlos han solicitado la

libertad condicional. Se sabe que el gobernador va a poner en libertad a uno
de los tres pero él no va a decir quien hasta finales del mes. El gobernador dice
a Alfredo que puede informarle del nombre de un solicitante sin éxito dadas las
siguientes condiciones.
1. Si se va a liberar a Alfredo, el gobernador dirá Bruno o Carlos con la

misma probabilidad (1/2).
2. Si se libera a Bruno, dirá el nombre de Carlos.
3. Si Carlos es el que se va a liberar, dirá Bruno.
Alfredo pide al gobernador que le diga el nombre y el gobernador creyendo que

su informacion es inútil le dice que Bruno se va a quedar en la cárcel.
Alfredo piensa “mi probabilidad de que me pongan en libertad ha

cambiado de 1/3 a 1/2. Estoy muy contento.” ¿Tiene razon?

43
Sean A, B,C los sucesos de que Alfredo, Bruno y Carlos respectivamente estén
puestos en libertad. Sea b el suceso de que el gobernador diga el nombre de
Bruno.
Se tiene:
Pr(A) = Pr(B) = Pr(C ) = 1/3.
Además, sabiendo que el gobernador ha dicho el nombre de Bruno, se tiene

Pr(b|A) = 1/2, Pr(b|B) = 0, Pr(b|C ) = 1.
Entonces, mediante el teorema de Bayes,

Pr(b|A) Pr(A)
Pr(A|b) =
Pr(b)
Pr(b|A) Pr(A)
=
Pr(b|A) Pr(A) + Pr(b|B) Pr(B) + Pr(b|C ) Pr(C )
1/2 × 1/3
= = 1/3.
1/2 × 1/3 + 0 × 1/3 + 1 × 1/3

44
Recapitulación
Experimentos aleatorios.
El espacio muestral, sucesos elementales W Conceptos básicos

y compuestos.
Interpretaciones de la probabilidad:
clásica, frecuentista y subjetiva. W Interpretacion y
propiedades básicas
Independencia. W Probabilidad condicional y
La ley de la probabilidad total. reglas de cálculo
45
Conceptos básicos.
Interpretacion y propiedades básicas
Probabilidad condicional y reglas de cálculo.
Generalizacion
Tema 6. Variables aleatorias unidimensionales

Distribucion.
Caracterı́sticas: media, varianza, etc.
Transformaciones.

Ietema 5

Загружено:

Сведения о документе

Оригинальное название

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Ietema 5

Загружено:

Авторское право:

Доступные форматы

1

Tema 1. Análisis de datos univariantes.

Lecturas recomendadas: Capı́tulos 13 y 14 del libro de Peña y Romo (1997)

Introduccion a la Estadı́stica Andrés M. Alonso

I Habitualmente usamos frases como:

Es probable que el equipo de Getafe juegue la UEFA el año proximo.

I Todas estas frases, contienen un sentido de incertidumbre sobre sucesos

I De estos sucesos conocemos todos los resultados posibles y algunos resulta-

I En este tema estudiaremos como formalizar la idea de suceso aleatorio y de

Introduccion a la Estadı́stica Andrés M. Alonso

Probabilidad - Conceptos básicos

En primer lugar, definimos el concepto de un experimento aleatorio y sus

Definicion 1. Un experimento aleatorio es el proceso de observar un

Ejemplo 1. Lanzar una moneda y observar si sale cara o cruz.

Introduccion a la Estadı́stica Andrés M. Alonso

Probabilidad - Conceptos básicos

Definicion 2. El espacio muestral, que denotamos por Ω, es el conjunto de

Ejemplo 5. Si el experimento es lanzar la moneda una vez, el espacio muestral

Si el experimento es lanzar la moneda dos veces, el espacio muestral es

Definicion 3. Los posibles resultados del experimento o componentes del

Ejemplo 6. En el caso de lanzar la moneda dos veces, los sucesos elementales

Introduccion a la Estadı́stica Andrés M. Alonso

Probabilidad - Conceptos básicos

Definicion 4. Un suceso es un conjunto de sucesos elementales.

Ejemplo 7. En el caso de lanzar la moneda dos veces, el suceso A =“sale

El suceso B = “la primera tirada es cara” es B = {(C, C ), (C, X )}.

Dos sucesos importantes son:

El suceso seguro = Ω, es decir, todo el espacio muestral.

Definicion 5. Para cada suceso A, se define el suceso complementario o

Probabilidad - Conceptos básicos

Ejemplo 7. En el caso de lanzar la moneda dos veces:

Definicion 6. Para dos sucesos, A y B, se define el suceso “A y B” como

I Si ocurre el suceso A y B, sabemos que se han ocurrido ambos sucesos.

I Dos sucesos A y B que no pueden ocurrir a la vez (A ∩ B = ∅) se llaman

I Dos sucesos incompatibles no comparten sucesos elementales.

Introduccion a la Estadı́stica Andrés M. Alonso

Probabilidad - Conceptos básicos

Definicion 7. Para dos sucesos, A y B, se define el suceso “A o B” como

I Si ocurre el suceso A o B, sabemos que ha ocurrido al menos uno de dos

Ejemplo 7. En el caso de lanzar la moneda dos veces:

¿A y B son sucesos incompatibles?

Introduccion a la Estadı́stica Andrés M. Alonso

Podemos representar a “A y B”, “A o B” y al suceso complementario.

Introduccion a la Estadı́stica Andrés M. Alonso

¿Como podemos representar dos sucesos incompatibles?

Introduccion a la Estadı́stica Andrés M. Alonso

Introduccion a la Estadı́stica Andrés M. Alonso

Interpretacio n clásica de la probabilidad: En algunas situaciones, la definicion

Introduccion a la Estadı́stica Andrés M. Alonso

Ejemplo 7. Supongamos que se lanza una moneda equilibrada dos veces.

(C, C ), (C, X ), (X, C ), (X, X )

La probabilidad de observar exactamente una cara (suceso A) es

Pr(A) = Pr({(C, X ), (X, C )})

La probabilidad de que la primera tirada sea cara (suceso B) es

Introduccion a la Estadı́stica Andrés M. Alonso

Introduccion a la Estadı́stica Andrés M. Alonso

Si A y B son sucesos incompatibles (es decir que A y B = φ) entonces

I De estas tres propiedades, se deduce que si Ā es el suceso complementario

Ejemplo 9. Supongamos que un experimento tiene 4 sucesos elementales,

Pr(e1 ) = 0,2 Pr(e2 ) = 0,3 Pr(e3 ) = 0,4

Introduccion a la Estadı́stica Andrés M. Alonso

Interpretacio n subjetiva de la probabilidad: Se han visto anteriormente

Existe otro enfoque completamente distinto que define la probabilidad como