Tema4: Teoría de la Probabilidad

y distribuciones de probabilidad
discreta
Preparado por :
Dra. Nelly Alcántara
HILO CONDUCTOR:
Inicio
• Objetivo

Desarrollo
• Conceptos básicos de probabilidad
• Distribuciones de probabilidad discreta.

Discusión
• Ejercicios
• Comentarios finales

2
 OBJETIVOS DE APRENDIZAJE
Definir probabilidad.
Entender los términos: experimento, evento,
resultado.
Describir las características de la distribución de
probabilidad de binomial y su aplicación en el
calculo de probabilidades.

3
INTRODUCCIÓN:
• La inferencia estadística tiene que ver con las
conclusiones relacionadas con una población sobre
la base de una muestra tomada de dicha población.
• Dada la incertidumbre existente en la toma de
decisiones, es importante que se evalúen
científicamente todos los riesgos implicados.
• La teoría de la probabilidad conocida como ciencia
de la incertidumbre , resulta útil en esta evaluación.

4
 DEFINICIONES
Probabilidad: Un valor entre cero y uno, inclusive,
que describe la probabilidad relativa de que algo
ocurra.

 Experimento: Un proceso que lleva a la ocurrencia

de una y solo una de varias observaciones posibles.

 Resultado: Una consecuencia particular de un

experimento.

 Evento: Una colección de uno o más resultados de

un experimento. 5
EJEMPLOS DE DEFINICIONES:

6
 ENFOQUE CLÁSICO DE
PROBABILIDAD
• Probabilidad Clásica: se basa en la suposición de que los
resultados de un experimento son igualmente probables.
• Usando el punto de vista clásico, todos los resultados tienen
la misma probabilidad o posibilidad de ocurrir.
• Formula 5.1, texto pg.148

7
 EVENTOS MUTUAMENTE
EXCLUYENTE
• Eventos mutuamente excluyentes: La ocurrencia
de cualquiera de los eventos implica que ninguno
de los otros puede ocurrir al mismo tiempo.
• Como resultado del lanzamiento de una moneda
donde obtenemos cara anula que este sea
escudo.
• La variable genero, da lugar a resultados
mutuamente excluyentes, una pieza fabricada es
aceptable o no.

8
 EVENTOS COLECTIVAMENTE
EXHAUSTIVOS
• Eventos colectivamente exhaustivos: por lo
menos uno de los eventos tiene que ocurrir
cuando se lleva a cabo un experimento.
• El ejemplo anterior, la probabilidad del
lanzamiento de una moneda es 0.5 que sea cara y
0.5 que sea escudo.

9
 ENFOQUE CLÁSICO DE
PROBABILIDAD
• Si el conjunto de eventos es colectivamente
exhaustivo y los eventos son mutuamente
excluyentes, la suma de las probabilidades es
uno (1). Texto Pg.149.

10
 FRECUENCIA RELATIVA O
PROBABILIDAD EMPÍRICA:
• La probabilidad empírica o frecuencia relativa se basa
en el numero de veces que ocurre el evento como
proporción del numero de intentos conocidos.
• Se basa en información histórica.
• La probabilidad de que un evento ocurra a la larga se
determina observando el número de veces que
eventos similares ocurrieron en el pasado.
• Se basa en la ley de los grandes números: en una
gran cantidad de intentos, la probabilidad empírica de
un evento se aproximará a su probabilidad real.

11
 EJEMPLO #1
• A continuación se presenta las comisiones anuales
por ventas:
• ¿Cuál es la probabilidad de que un vendedor
promedio obtenga una comisión entre: a) 5,000 y
menos de10,000,b) menor de 15,000,c) más de
20,000 y d)entre 15,000 y menos 20,000?

12
 REGLAS PARA CALCULAR
PROBABILIDADES:
• Reglas de la adición: pg153 y 156
• Regla especial de adición: los eventos
deben ser mutuamente excluyentes:
• P(A or B) = P(A) + P(B)
• Regla general de adición: en este caso
los eventos no son mutuamente
excluyentes:
• P(A or B) = P(A) + P(B) - P(A and B)

13
 REGLAS PARA CALCULAR
PROBABILIDADES:
• Regla del complemento: se emplea para
determinar la probabilidad de que un evento
ocurra restando de 1 la probabilidad de un
evento que no ha ocurrido. Son eventos
mutuamente excluyentes y colectivamente
exhaustivos.

14
 REGLAS PARA CALCULAR
PROBABILIDADES:
• Probabilidad conjunta: mide la posibilidad de que
dos o mas eventos sucedan simultáneamente.
Eventos que no son mutuamente
excluyentes.pg156.

15
REGLAS DE LA MULTIPLICACIÓN
• Regla especial de multiplicación:
requiere que dos eventos sean
independientes, es la probabilidad de
que la ocurrencia de dos eventos sea
simultánea.
• P(A and B) = P(A)P(B)
• Pg159, ecuación: 5.5
• Ejercicios: Capitulo 5: 11,12,13,17 y 18.

16
REGLAS DE LA MULTIPLICACIÓN
• Regla general de la multiplicación: si dos
eventos no son independientes, se dice que
son dependientes.
• Probabilidad condicional: es la probabilidad
de que un evento en particular ocurra dado
que otro evento haya ocurrido.

17
TABLAS DE CONTINGENCIA:
• Tablas usadas para clasificar observaciones
de una muestra, de acuerdo con dos o mas
características identificables.
• Es una tabulación cruzada que resume
simultáneamente dos variables de interés.
• Puede ser un nivel de medición nominal.

18
 EJEMPLO #2:
• ¿Cual es la probabilidad de seleccionar a un empleado
leal y que tenga mas de 10 años de servicio?

19
DISTRIBUCIÓN DE PROBABILIDAD
• Consiste en un listado de exhaustivo de los
resultados de un experimento y la probabilidad
asociada con cada resultado.
• Sus características:
Su probabilidad se encuentra entre 0 y 1.
Los resultados son eventos mutuamente
excluyentes.
La lista de los resultados es exhaustiva

20
 VARIABLE ALEATORIA:
• Cantidad que resulta de un experimento que, por azar, puede
adoptar diferentes valores.
• Existen variables aleatorias: discretas y continuas.
• Variable aleatoria discreta: es una variable aleatoria que
adopta solo valores claramente separados. Ejemplo: #
estudiantes en una clase,# hijos en familia, etc.
• Variable aleatoria continua: es una variable aleatoria que
resulta de una medición y que puede suponer infinidad de
valores. Ejemplo: peso de un saco de cemento, la estatura de
una persona, etc.

21
DISTRIBUCIÓN DE PROBABILIDAD :

Variable
aleatoria

Discretas Continuas

22
 MEDIA DE LA DISTRIBUCIÓN DE
PROBABILIDAD DISCRETA:
• La media de una distribución de probabilidad recibe el
nombre de valor esperado.
• Se trata de un promedio ponderado en el que los posibles
valores de una variable se ponderan con sus
correspondientes probabilidades de ocurrir. Pg191.

23
VARIANZA DE UNA DISTRIBUCIÓN
DE PROBABILIDAD DISCRETA:
• La varianza describe el grado de dispersión en
una distribución.
• La desviación estándar se determina al extraer la
raíz cuadrada de la varianza.Pg191.

24
EJEMPLO #3:
• Halle la media y la desviación estándar de
la siguiente distribución de probabilidad,
que representa la cantidad de carros que se
espera vender.

25
CALCULO DE LA MEDIA: EJEMPLO

26
CALCULO DE LA VARIANZA: EJEMPLO

Capitulo 6: 4,5

27
DISTRIBUCIÓN DE
PROBABILIDAD DISCRETA

28
 DISTRIBUCIÓN DE
PROBABILIDAD BINOMIAL:
• Es una distribución de probabilidad discreta, se
presenta con mucha frecuencia.
• Solo hay dos posibles resultados en un intento de un
experimento.
• Los resultados son mutuamente excluyentes.
• La variable aleatoria es el resultado de conteos.
• La probabilidad de éxito es la misma de una prueba
a otra.
• Cada prueba es independiente de otra.

29
DISTRIBUCIÓN DE PROBABILIDAD
BINOMIAL: CARACTERÍSTICAS
• El resultado de cada prueba de un experimento se clasifica
en una de dos categorías mutuamente excluyentes: éxito o
fracaso.
• La variable aleatoria permite contar el numero de éxitos en
una cantidad fija de pruebas.
• La probabilidad de éxito y fracaso es la misma para cada
para cada prueba.
• Las pruebas son independientes, lo cual significa que el
resultado de una prueba no influye en el resultado de otra
prueba.

30
PROBABILIDAD BINOMIAL:
FORMULA PG196

31
 MEDIA Y VARIANZA DE UNA
DISTRIBUCIÓN BINOMIAL:

Capítulo 6: 12,15,22 y 24

32
 EJEMPLO #4:
• La empresa de transporte tiene 5 salidas diarias
entre SPS y Tegucigalpa. Suponga que la
probabilidad de que cualquier salida llegue tarde
sea de 0.2.
• ¿Cuál es la probabilidad de que ninguno de los
vuelos llegue tarde hoy?
• ¿Cual es la probabilidad de que exactamente uno
de los vuelos llegue tarde hoy?
• P=0.2 es decir, π=0.2
• N=5, x=0
• P(0)=.3277
33
EJEMPLO: CALCULO MEDIA Y
VARIANZA

34
DISCUSIÓN FINAL

35