TEMA 2

EXPERIMENTOS ALEATORIOS
Y CÁLCULO DE PROBABILIDADES
 EXPERIMENTOS: EJEMPLOS

Deterministas Aleatorios
•Calentar agua a •Lanzar un dado puntos
100ºC vapor
•Resultado fútbol quiniela
•Soltar objeto cae
•Respuesta en una
encuesta
Sí/No
 EXPERIMENTO ALEATORIO

•Los experimentos determinísticos son modelizados

mediante ecuaciones que ponen en relación la
respuesta con las variables causales

•Un experimento es aleatorio si no podemos predecir

su resultado.

•El desconocimiento de las causas que provocan una

respuesta tiene como consecuencia que sea más fácil
modelizar un experimento como aleatorio.
 ESPACIO MUESTRAL

Aunque no se conozca el resultado particular

de un experimento aleatorio, sí es posible
conocer el conjunto de todos los posibles
resultados.

ESPACIO MUESTRAL
Ω
 ESPACIO MUESTRAL

El espacio muestral es un conjunto no vacío

que puede ser:

„ Finito numerable
„ Lanzamiento de un dado: Ω={1, 2, 3, 4, 5, 6}
„ Infinito numerable
„ Contar el número de lanzamientos de un dado hasta
que salga cara por primera vez: Ω={1, 2, ....}
„ Infinito no numerable
„ Escoger al azar un punto en el intervalo unidad: Ω=[0,1]
 SUCESOS
„ Un elemento cualquiera ω perteneciente a Ω se
denomina suceso elemental

„ Un suceso es cualquier subconjunto A de Ω

„ Un suceso A ocurre si el resultado del

experimento aleatorio es un elemento ω
perteneciente a A
 SUCESOS ALEATORIOS.
EJEMPLOS
EJEMPLOS:
Dado:
A=“puntuación par”={2, 4, 6}
B=“puntuación mayor que 5”={6}

Número al azar en intervalo [0,1]:

A=“mayor que 0.5”=(0.5,1]
B=“racional”=Q ∩ [0,1 ]
 SUCESOS ELEMENTALES
Y COMPUESTOS (II)
EJEMPLOS:
Dado: Quiniela:
A=“Obtener puntuación par” A=“Empatar”
B=“Obtener múltiplo de 3” B=“No ganar en casa”
C=“Obtener múltiplo de 5”

Elemental C
Elemental A
Compuesto A,B
Compuesto B
 SUCESOS SEGURO E
IMPOSIBLE (I)

• Ω es el suceso seguro

• ∅ es el suceso imposible
 SUCESOS SEGURO E
IMPOSIBLE (II)
Dado:
A=“Obtener puntuación menor que 7
B=“Obtener múltiplo de 7”
A es suceso seguro, B es suceso imposible

Futbol:
A=“Algún equipo obtenga puntos”
B=“Ningún equipo obtenga puntos”
A es suceso seguro, B es suceso imposible
 OPERACIONES CON
SUCESOS
Los sucesos son conjuntos y por lo tanto pueden ser
manipulados con las operaciones:
„ UNIÓN
Ocurre el suceso A o el B: A ∪ B

„ INTERSECCIÓN
Ocurren los sucesos A y B: A ∩ B

„ COMPLEMENTARIO
No ocurre el suceso A: Ac
 OPERACIONES CON
SUCESOS: PROPIEDADES
UNIÓN INTERSECCIÓN
A∪B=B∪A A∩B=B∩A
(A∪B)∪C=A∪(B∪C) (A∩B) ∩C=A∩ (B∩C)
A∪Ac=W A∩Ac=∅
A∪∅=A A∩∅=∅

A∪(B ∩ C)=(A∩B)∪(A∩C)
A∪(B ∩ C)=(A∪B)∩(A∪C)

COMPLEMENTARIO
Wc =∅ ∅c = W (Ac)c=A
(A∪B)c=Ac ∩Bc (A∩B)c=Ac∪Bc
ÁLGEBRAS
ÁLGEBRAS. PROPIEDADES
ÁLGEBRAS. EJEMPLOS
s-ÁLGEBRAS
CÁLCULO DE
PROBABILIDADES
 INTRODUCCIÓN

La idea de probabilidad surge por la necesidad

de medir la incertidumbre o verosimilitud que
posee cada suceso asociado a un experimento
aleatorio.
 DEFINICIÓN EMPÍRICA (I)
EJEMPLO:Anotamos el número de caras en N lanzamientos
de una moneda y calculamos su frecuencia relativa

Interpretación frecuentista de la
probabilidad

1
frecuencia
relativa

0,5

0
11

21

31

41

51

61

71

81

91
1

N
 DEFINICIÓN EMPÍRICA (II)

Supongamos que se repite un experimento n veces y

se observa que el suceso A ocurre k veces, entonces:

No es posible desarrollar una teoría coherente

con esta definición
 PROPIEDADES DE LA
DEFINICIÓN EMPÍRICA.

•La frecuencia relativa del suceso seguro es 1.

•La frecuencia relativa de cualquier suceso es
no negativa
•La frecuencia relativa de la unión de dos
sucesos incompatibles es la suma de las
frecuencias de ambos.
ESPACIOS DE
PROBABILIDAD
PROPIEDADES BÁSICAS
 FUNCIÓN DE
PROBABILIDAD

Ω={ω1, ω2,...} NUMERABLE

Una función de probabilidad es una aplicación, p,
que a cada ωk le asigna un valor pk=p(ωk), tal que:
1. pk≥0
2. Σkpk=1
 FUNCIÓN DE
PROBABILIDAD
Dada una función de probabilidad p sobre un
espacio muestral Ω={ω1, ω2,...} NUMERABLE
se define:

Entonces

es un espacio de probabilidad
 FUNCIÓN DE
PROBABILIDAD

Si Ω={ω1, ω2,..., ωΝ} es finito y

p1=p2=...=pN=1/N

REGLA DE LAPLACE
 TÉCNICAS PARA CONTAR.

Exhaustivas: Escribir todos los resultados posibles.

A veces son útiles los diagramas de árbol.

No exhaustivas: Contar los resultados sabiendo la

característica que cumplen. A veces es muy útil la
Combinatoria: permutaciones, variaciones,...
TÉCNICAS PARA CONTAR.
 PROBABILIDAD DEL
SUCESO COMPLEMENTARIO

Ejemplo: Probabilidad de que en una clase

de n personas haya al menos 2 con la misma
fecha de cumpleaños.

n 10 20 30 40 50 60
p 0.117 0.411 0.706 0.891 0.970 0.994

Para n=22, p=0.476, para n=23, p=0.507

 PROBABILIDAD
CONDICIONADA (I)
Probabilidad de un suceso, sabiendo que
otro ha ocurrido.
Ejemplo: Dado
Supongamos que sale un múltiplo de 3.
¿Cuál es la probabilidad de obtener el 3?

A=obtener el 3 B=múltiplo de 3

P(A|B)=1/2
Sin embargo: P(A)=1/6
 PROBABILIDAD
CONDICIONADA (II)
La probabilidad de que ocurra un suceso
A condicionado a que otro suceso B con
probabilidad no nula haya ocurrido es

P( A ∩ B)
P( A / B) =
P( B)
La probabilidad de la intersección de sucesos es:

P( A ∩ B) = P( A / B) ⋅ P( B)
 PROBABILIDAD
CONDICIONADA. EJEMPLO
Sorteo no equitativo: En una clase de 27
alumnos, el AMPA sortea un premio en la fiesta
de fin de curso. Cada alumno tiene un número
asignado.
•Se coge una bolsa con 27 bolas y se extrae
una al azar.
•Se cogen bolas numeradas del 0 al 9 y se
realiza una extracción en dos pasos. En el
primero se extraen una de las bolas 0, 1 y
2. En el segundo se extrae una de entre
todas las bolas.
 INDEPENDENCIA DE
SUCESOS

Dados dos sucesos A y B con

probabilidades no nulas, decimos que
son independientes si
P ( A / B ) = P( A) y P( B / A) = P( B)
En estos sucesos se puede calcular cómodamente
la probabilidad de la intersección.

P( A ∩ B) = P( A) ⋅ P( B)
 INDEPENDENCIA DE
SUCESOS. EJEMPLOS

Ejemplo: Calcular la probabilidad de

que al sumar la puntuación obtenida
en el lanzamiento de dos dados,
obtengamos un 10.
 INTERSECCIÓN DE MÁS DE
DOS SUCESOS
• Sucesos no independientes:

P( A1 ∩ A2 ∩ … ∩ An ) =
= P( An / A1 ∩ A2 ∩ … ∩ An −1 ) ⋅… ⋅ P( A2 / A1 ) ⋅ P( A1 )
Regla de la multiplicación.

• Sucesos independientes:

P( A1 ∩ A2 ∩ … ∩ An ) = P ( A1 ) ⋅ P( A2 ) ⋅… ⋅ P( An )
 SISTEMA COMPLETO DE
SUCESOS
Los conjuntos A1, A2,... An forman un
sistema completo de sucesos si
( Ai ∩ Aj = ∅ ∀i ≠ j )

A1 ∪ A2 ∪ … ∪ An = Ω

Encuesta: Los sucesos A, B, C y D

A=“ningún hijo”
forman un sistema
B=“un hijo”
C=“dos hijos” completo de sucesos
D=“más de dos hijos”
 PROBABILIDAD TOTAL (I)

Dado un sistema completo de sucesos

A1, A2,...,An la probabilidad de un suceso
S es

P( S ) = P( A1 ) ⋅ P( S / A1 ) + P( A2 ) ⋅ P( S / A2 ) + … + P( An ) ⋅ P( S / An )
 PROBABILIDAD TOTAL (II)
Ejemplo: Supongamos que en un centro educativo la
altura del 4% de alumnos y del 1% de las alumnas
es superior a 1.80 metros. Además el 60% de
estudiantes es mujer. Encontrar la probabilidad de
coger a un estudiante de altura superior a 1.80
metros.
S=“altura superior a 1.80” P(S|M)=0.01
M=“ser mujer” P(S|H)=0.04
H=“ser hombre” P(M)=0.6

P(S)=P(S|M)P(M)+P(S|H)P(H)=0.022
 TEOREMA DE BAYES (I)

Dado un sistema completo de sucesos

A1, A2,...,An y un suceso cualquiera S con
probabilidad no nula
P ( Ai ∩ S ) P ( S / Ai ) ⋅ P( Ai )
P ( Ai / S ) = = n
P( S )
∑ P( S / A ) ⋅ P( A )
j =1
j j

con P(Ai) la probabilidad a priori de Ai y

P(Ai|S) la probabilidad a posteriori de Ai.
 TEOREMA DE BAYES (II)

En el ejemplo anterior, calcular la probabilidad

de que el estudiante escogido fuera mujer
sabiendo que medía más de 1.80.

P( S / M ) ⋅ P( M ) 3
P( M / S ) = = = 0.27
P( S ) 11
 TEOREMA DE BAYES (III)
Ejemplo
• Se administra una prueba para detectar
usuarios de drogas.
• Prevalencia en la población: 3%
• Detecta el 95% de los usuarios (sensitividad)
• Cuando se administra a alguien que no la usa,
da negativa en el 98% de los casos
(especificidad).
• La prueba dio positiva, ¿cuál es la probabilidad
de que la persona use drogas?
 TEOREMA DE BAYES (IV)

• P( Usa) = .03
• P( Prueba + | Usa) = .95
• P( Prueba - | No usa) = .98

Queremos saber P( Usa | Prueba +)

 TEOREMA DE BAYES (V)

Diagrama de árbol Selecciono una persona

.03 .97

Usa No Usa

.95 .05 .02 .98

Prueba Prueba Prueba

Prueba
- + -
+

¿cuál es la probabilidad de Si estoy aquí o aquí,

haber pasado por aquí?
 TEOREMA DE BAYES (VI)

P(Usa y Pr ueba+)
P(Usa / Pr ueba+) = =
P(Pr ueba+)
P(Pr ueba + / Usa)iP(Usa)
=
P(Pr ueba + / Usa)iP(Usa) + P(Pr ueba + / No Usa)iP(No Usa)
0.03 ⋅ 0.95
=
0.03 ⋅ 0.95 + 0.97 ⋅ 0.02