UNIVERSIDAD ABIERTA PARA ADULTOS

(UAPA)

ASIGNATURA:
ESTADISTICA II

TEMA
INTRODUCCION A LAS PROBABILIDADES

FACILIADOR:
DOMINGO RODRIGUEZ

PARTICIPANTE MATRICULA

FECHA
SEPTIEMBRE 08, 2018
 Introducción:

El concepto de probabilidad nace con el deseo del hombre de conocer con

certeza los eventos futuros. Es por ello que el estudio de probabilidades surge
como una herramienta utilizada por los nobles para ganar en los juegos y
pasatiempos de la época. El desarrollo de estas herramientas fue asignado a
los matemáticos de la corte.

Con el tiempo estas técnicas matemáticas se perfeccionaron y encontraron

otros usos muy diferentes para la que fueron creadas. Actualmente se continuó
con el estudio de nuevas metodologías que permitan maximizar el uso de
la computación en el estudio de las probabilidades disminuyendo, de este
modo, los márgenes de error en los cálculos.

La probabilidad es una herramienta de ayuda para la toma de decisiones

porque proporciona una forma de medir, expresar y analizar las incertidumbres
asociadas con eventos futuros de razones entre el número de casos favorables
y el número de casos posibles.

Entonces, en si ¿Qué es probabilidad?, Es una medida numérica de la

posibilidad de que ocurrirá un evento en la que sus valores se asignan en una
escala de 0 a 1.

El siguiente trabajo consistirá en lo que es la Probabilidad, tipos y sus métodos

etc.
La probabilidad es una medida numérica de la posibilidad de que ocurra
un evento. Por tanto, las probabilidades son una medida del grado de
incertidumbre asociado con cada uno de los eventos previamente enunciados.
Si cuenta con las probabilidades, tiene la capacidad de determinar la
posibilidad de ocurrencia que tiene cada evento.

Como se mencionó en lo anterior Los valores de probabilidad se encuentran

en una escala de 0 a 1. Los valores cercanos a 0 indican que las posibilidades
de que ocurra un evento son muy pocas. Los cercanos a 1 indican que es casi
seguro que ocurra un evento. Otras probabilidades entre cero y uno
representan distintos grados de posibilidad de que ocurra un evento

Ejemplo:

si considera el evento “que llueva mañana”, se entiende que si el pronóstico del

tiempo dice “la probabilidad de que llueva es cercana a cero”, implica que casi
no hay posibilidades de que llueva. En cambio, si informan que la probabilidad
de que llueva es 0.90, sabe que es muy posible que llueva. La probabilidad de
0.50 indica que es igual de posible que llueva como que no llueva.

Dentro de la probabilidad encontramos los Experimentos, reglas de

conteo y asignación de probabilidades

En el contexto de la probabilidad, un experimento es definido como un proceso

que genera resultados definidos. Y en cada una de las repeticiones del
experimento, habrá uno y sólo uno de los posibles resultados experimentales.

También encontramos son las que Reglas de conteo, combinaciones y

permutaciones que son tres:

Experimentos de pasos múltiples La primera regla de conteo permite

determinar el número de resultados experimentales sin tener que enumerarlos.

Combinaciones Otra regla de conteo útil le permite contar el número de

resultados experimentales cuando el experimento consiste en seleccionar n
objetos de un conjunto (usualmente mayor) de N objetos. Ésta es la regla de
conteo para combinaciones.

Permutaciones La tercera regla de conteo que suele ser útil, es para

permutaciones. Dicha regla permite calcular el número de resultados
experimentales cuando se seleccionan n objetos de un conjunto de N objetos y
el orden de selección es relevante. Los mismos n objetos seleccionados en
orden diferente se consideran un resultado experimental diferente.

Asignación de probabilidades

Existen tres métodos para la asignación de probabilidades: ¨Los tres métodos

comúnmente usados son el método clásico, el método de la frecuencia relativa
y el método subjetivo. Sin importar el método que se use, es necesario
satisfacer los requerimientos básicos para la asignación de probabilidades.

REQUERIMIENTOS BÁSICOS PARA LA ASIGNACIÓN DE

PROBABILIDADES

1. La probabilidad asignada a cada resultado experimental debe estar entre 0 y

1, inclusive. Si denota con Ei el i-ésimo resultado experimental y con P(Ei ) su
probabilidad, entonces exprese este requerimiento como 0 ≤ p (Ei ≤) 1 para
toda i

2. La suma de las probabilidades de los resultados experimentales debe ser

igual a 1.0. Para resultados experimentales n escriba este requerimiento como
P (E1) + P (E2) + . . . +P(En ) = 1

Métodos para asignar valores de probabilidad

Método clásico Método de frecuencia Método subjetivo

Usa la suposición de Asigna diferente Se usa cuando hay pocos
resultados igualmente probabilidad para cada datos relevantes para
probables como base uno de los resultados supones de manera
para asignar experimentales, cuando realista que todos los
probabilidades. Si un no hay razón para asumir resultados del
experimento tiene n que todos son igualmente experimento son
resultados posibles, probables. igualmente probables.
asigna 1/n a cada
resultado experimental.

Eventos mutuamente excluyentes y eventos no excluyentes

Dos o más eventos son mutuamente excluyentes o disjuntos, si no pueden

ocurrir simultáneamente. Es decir, la ocurrencia de un evento impide
automáticamente la ocurrencia del otro evento (o eventos).
Ejemplo:

Al lanzar una moneda solo puede ocurrir que salga cara o sello pero no los dos
a la vez, esto quiere decir que estos eventos son excluyentes.

Dos o más eventos son no excluyentes, o conjuntos, cuando es posible que

ocurran ambos. Esto no indica que necesariamente deban ocurrir estos
eventos en forma simultánea.

Ejemplo:

Si consideramos en un juego de domino sacar al menos un blanco y un seis,

estos eventos son no excluyentes porque puede ocurrir que salga el seis
blanco.

Reglas de la Adición

La Regla de la Adición expresa que: la probabilidad de ocurrencia de al menos

dos sucesos A y B es igual a:

P(A o B) = P(A) U P(B) = P(A) + P(B) si A y B son mutuamente excluyente

P(A o B) = P(A) + P(B) – P(A y B) si A y B son no excluyentes

Siendo: P(A) = probabilidad de ocurrencia del evento A

P(B) = probabilidad de ocurrencia del evento B

P(A y B) = probabilidad de ocurrencia simultanea de los eventos A y B

Eventos Independientes

Dos o más eventos son independientes cuando la ocurrencia o no-ocurrencia

de un evento no tiene efecto sobre la probabilidad de ocurrencia del otro evento
(o eventos). Un caso típico de eventos independiente es el muestreo con
reposición, es decir, una vez tomada la muestra se regresa de nuevo a
la población donde se obtuvo.

Ejemplo:

Lanzar al aire dos veces una moneda son eventos independientes por que el
resultado del primer evento no afecta sobre las probabilidades efectivas de que
ocurra cara o sello, en el segundo lanzamiento.

Eventos dependientes

Dos o más eventos serán dependientes cuando la ocurrencia o no-ocurrencia

de uno de ellos afecta la probabilidad de ocurrencia del otro (o otros). Cuando
tenemos este caso, empleamos entonces, el concepto de probabilidad
condicional para denominar la probabilidad del evento relacionado. La
expresión P(A|B) indica la probabilidad de ocurrencia del evento A sí el evento
B ya ocurrió.

Se debe tener claro que A|B no es una fracción.

P(A|B) = P(A y B)/P(B) o P(B|A) = P(A y B)/P(A)

Reglas de Multiplicación

Se relacionan con la determinación de la ocurrencia de conjunta de dos o más

eventos. Es decir la intersección entre los conjuntos de los posibles valores de
A y los valores de B, esto quiere decir que la probabilidad de que ocurran
conjuntamente los eventos A y B es:

P(A y B) = P(A B) = P(A)P(B) si A y B son independientes

P(A y B) = P(A B) = P(A)P(B|A) si A y B son dependientes

P(A y B) = P(A B) = P(B)P(A|B) si A y B son dependientes

Distribución de probabilidad normal

Es una distribución de probabilidad continua que es tanto simétrica como

mesocurtica. La curva que representa la distribución de probabilidad normal se
describe generalmente como en forma de campana. Esta distribución es
importante en inferencia estadística por tres razones diferentes:

Se sabe que las medidas producidas en muchos procesos aleatorios siguen

esta distribución.

Las probabilidades normales pueden utilizarse generalmente para aproximar

otras distribuciones de probabilidad, tales como las distribuciones binomial y de
Poisson.

Las distribuciones estadísticas tales como la media de la muestra y la

proporción de la muestra, siguen a menudo la distribución normal, sin tener en
cuenta la distribución de la población

Los valores de los parámetros de la distribución de probabilidad normal son  =

0 y  = 1.

Haciendo posible el uso de la tabla de proporciones de área y hace innecesario

el uso de la ecuación de la función de densidad de cualquier distribución
normal dada.
Distribución de probabilidad exponencial

Si en el contexto de un proceso de Poisson ocurren eventos o éxitos en un

espectro continuo de tiempo y espacio. Entonces la longitud del espacio o
tiempo entre eventos sucesivos sigue una distribución de probabilidad
exponencial. Puesto que el tiempo y el espacio son un espectro continuo, esta
es una distribución continua.

En caso de este tipo de distribución no vale la pena preguntarse ¿cuál es la

probabilidad de que el primer pedido de servicio se haga exactamente de aquí
a un minuto?. Más bien debemos asignar un intervalo dentro del cual el evento
puede ocurrir, preguntándonos, ¿cuál es la probabilidad de que el primer
pedido se produzca en el próximo minuto?.

Dado que el proceso de Poisson es estacionario, la distribución exponencial se

aplica ya sea cuando estamos interesados en el tiempo (o espacio) hasta el
primer evento, el tiempo entre dos eventos sucesivos, o el tiempo hasta que
ocurra el primer evento después de cualquier punto aleatoriamente
seleccionado.

Donde es la cifra media de ocurrencias para el intervalo de interés, la

probabilidad exponencial de que el primer evento ocurra dentro del intervalo
designado de tiempo o espacio es.

P(T < t) = 1 - e -

De manera que la probabilidad exponencial de que el primer evento no ocurra

dentro del intervalo designado de tiempo o espacio es:

P(T > t) = e -

Ejemplo: 

Un departamento de mantenimiento recibe un promedio de 5 llamadas por

hora. Comenzando en un momento aleatoriamente seleccionado, la
probabilidad de que una llamada llegue dentro de media hora es:

Promedio 5 por hora, como el intervalo es media hora tenemos que  =

2,5/media hora.

P (T < 30 min.) = 1- e -5 = 1 - 0,08208 = 0,91792

Teorema de Bayes

En el estudio de la probabilidad condicional vio que revisar las probabilidades

cuando se obtiene más información es parte importante del análisis de
probabilidades. Por lo general, se suele iniciar el análisis con una estimación de
probabilidad inicial o probabilidad previa de los eventos que interesan.

Después, de fuentes como una muestra, una información especial o una

prueba del producto, se obtiene más información sobre estos eventos. Dada
esta nueva información, se modifican o revisan los valores de probabilidad
mediante el cálculo de probabilidades revisadas a las que se les conoce como
probabilidades posteriores. El teorema de Bayes es un medio para calcular
estas probabilidades.
Lista conceptos claves:
 Probabilidad Medida numérica de la posibilidad de que ocurra un
evento.
 Experimento Proceso para generar resultados bien definidos
 Espacio muestral Conjunto de todos los resultados experimentales.
 Punto muestral Un elemento del espacio muestral. Un punto muestral
que representa un resultado experimental.
 Diagrama de árbol Representación gráfica que ayuda a visualizar un
experimento de pasos múltiples.
 Método clásico Sirve para la asignación de probabilidades, es
apropiado cuando todos los resultados experimentales son igualmente
posibles.
 Método de las frecuencias relativas Útil para la asignación de
probabilidades, es conveniente cuando se tienen datos para estimar la
proporción de veces que se presentará un resultado experimental si se
repite un gran número de veces.
 Método subjetivo Método para la asignación de probabilidades basado
en un juicio.
 Evento Colección de puntos muéstrales
 Complemento de A El evento que consta de todos los puntos
muéstrales que no están en A.
 Diagrama de Venn Una representación gráfica para mostrar de manera
simbólica el espacio muestral y las operaciones con eventos en la cual el
espacio muestral se representa como un rectángulo y los eventos se
representan como círculos dentro del espacio muestral.
 Unión de A y B Evento que contiene todos los puntos muéstrales que
pertenecen a A o a B o a ambos. La unión se denota A
B.
 Intersección de A y B Evento que contiene todos los puntos muéstrales
que pertenecen tanto a A como a B. La intersección se denota A B.
 Ley de la adición Ley de probabilidad que se usa para calcular la unión
de dos eventos. Es P(A
B)

P(A) P(B) P(A B). Si los eventos son mutuamente excluyentes, P(A B)
0;
en este caso la ley de la adición se reduce a P(A
B)

P(A) P(B).
 Eventos mutuamente excluyentes Eventos que no tienen puntos
muéstrales en común; es decir, A B es vacío y P(A B)
0.
 Probabilidad condicional Probabilidad de un evento dado que otro
evento ya ocurrió. La probabilidad condicional de A dado B es P(A | B)

P(A B)/P(B).
 Probabilidad conjunta La probabilidad de que dos eventos ocurran al
mismo tiempo; es decir, la probabilidad de la intersección de dos
eventos.
 Probabilidad marginal Los valores en los márgenes de una tabla de
probabilidad conjunta que dan las probabilidades de cada evento por
separado.
 Eventos independientes Son dos eventos, A y B, para los que P(A | B)

P(A) o P(B | A)

P(B); es decir, los eventos no tienen ninguna influencia uno en otro.

 Ley de la multiplicación Una ley de probabilidad que se usa para
calcular la probabilidad de la intersección de dos eventos. Esto es P(A
B)
P(B)P(A | B) o P(A B)

P(A)P(B | A). Para eventos independientes se reduce a P(A B)

P(A)P(B)
 Probabilidades previas Estimaciones iniciales de las probabilidades de
eventos.
 Probabilidades posteriores Probabilidades revisadas de eventos
basadas en informaciones adicionales.
 Teorema de Bayes Método usado para calcular las probabilidades
posteriores.
 Conclusión:

Para concluir podemos decir que se introdujeron conceptos básicos de

probabilidad y se ilustró cómo usar el análisis de probabilidad para obtener
información útil para la toma de decisiones. Se describió cómo interpretar la
probabilidad como una medida numérica de la posibilidad de que ocurra un
evento. Además, se vio que la probabilidad de un evento se puede calcular, ya
sea sumando las probabilidades de los resultados experimentales (puntos
muéstrales) que comprende el evento o usando las relaciones que establecen
las leyes de probabilidad de la adición, de la probabilidad condicional y de la
multiplicación. En el caso de que se obtenga información adicional, se mostró
cómo usar el teorema de Bayes para obtener probabilidades revisadas o
posteriores.

Bibliografía: Libro ESTADÍSTICA PARA ADMINISTRACIÓN Y ECONOMÍA 10ª. Edición.