Introduccion A La Probabilidad PDF

Introducción a la probabilidad
PROBABILIDAD Y ESTADÍSTICA
Beatriz Eugenia Mira Rada

Teoría de conjuntos:
Que es un conjunto?
Podría ser definido como una colección de objetos bajo consideración
Definición 1:
Si cada elemento de un conjunto A1 es también un elemento del conjunto

A2, el conjunto A1 es llamado subconjunto de A2. Esto se denota como
A1⊂A2. Si A1⊂A2 y A2⊂A1, los dos conjuntos tienen los mismos elementos y por
tanto A1=A2
Ejemplo: 𝐴1 = 𝑥: 0 ≤ 𝑥 ≤ 1 y 𝐴2 = 𝑥: −1 ≤ 𝑥 ≤ 2 .
Definición 2:
Si A no tiene elementos, A es llamado conjunto nulo (o vacio). Este se
denota así: 𝐴 = ∅
Definición 3:
El conjunto que contiene todos los elementos de los conjuntos A1 y A2, es
llamado unión de A1 y A2. La unión de A1 y A2 se denota así: 𝐴1 ∪ 𝐴2 .
Definición 4:
El conjunto de los elementos que están en A1 y A2 es llamado intersección
de A1 y A2 y se denota así: 𝐴1 ∩ 𝐴2
Definición 5:
En ciertas situaciones o experimentos, la totalidad de los elementos que
pertenecen a dicha situación o experimento puede ser descrita. Este
conjunto de elementos recibe el nombre de ESPACIO. Un espacio siempre se
denota por letras mayúsculas.
Definición 6:
Si Ω denota un espacio y A es un subconjunto de Ω. El conjunto que contiene
todos los elementos de Ω que No están A es llamado complemento de A y se
denota así: 𝐴𝑐 , 𝐴∗ , 𝐴′ o 𝐴ҧ
PROBABILIDAD
Definición clásica:
En el lanzamiento de 2 dados los resultados son mutuamente

excluyentes debido a que no puede aparecer mas de un par
en forma simultanea.
- Cada uno de los resultados es igualmente probable

- El total de resultados en el espacio muestral es 36
Cuál es la proporción de resultados que suman: 7 , 8 o 10 por
ejemplo?
7: (1,6); (2,5); (3,4); (4,3);(5,2); (6,1)
8: (2,6); (3,5); (4,4); (5,3);(6,2)
10: (4,6); (5,5); (6,4)
Ω : 36
Por tanto cada uno de los eventos definidos se presenta en la

siguiente proporción: 6/36 , 5/36 y 3/36 respectivamente.
Probabilidad como Frecuencia Relativa:
En una inspección de calidad de un producto, el numero de

piezas defectuosas no es igual al numero de piezas
adecuadas, por tanto los eventos no son igualmente
probables.
Al repetir la inspección varias veces en diferentes tamaños de

muestra:
Unds unds. Frecuencia
evaluadas Defectuosas relativa
20 2 0.1
50 3 0.06
100 4 0.04
200 12 0.06
500 28 0.056
1000 54 0.054
2000 97 0.0485
5000 244 0.0488
10000 504 0.0504
Intuitivamente podríamos
concluir que la probabilidad de
encontrar una pieza defectuosa
es aproximadamente de 0.05
Probabilidad Subjetiva:
Probabilidad a priori de un evento debido a la experiencia,

antecedentes, intuición o apuestas.
𝐸
𝑃 𝐸 =
ത
(𝐸 + 𝐸)
Definición 1:
Experimento aleatorio. Un experimento se dice aleatorio si su resultado no

puede ser determinado de antemano
Definición 2:
Espacio muestral. El conjunto Ω de todos los posibles resultados de un
experimento aleatorio se llama espacio muestral.
Ejemplos:
Def 1: El conjunto de todos los posibles resultados de
un experimento aleatorio recibe el nombre de
espacio muestral.
Def 2: Un espacio muestral es discreto si su resultado

puede ponerse en una correspondencia uno a uno
con el conjunto de los enteros positivos.
Def 3: Un espacio muestral es continuo si sus

resultados consisten en un intervalo de números
reales
La clase de subconjuntos del espacio muestral para los que esta definido el
“chance” de ocurrir debe tener estructura de σ-algebra.
Definición: Sea Ω≠Φ. Una colección τ de subconjuntos de Ω es una σ-

algebra sobre Ω, si:
i. Ω∈τ
ii. Si A ∈ τ entonces 𝐴𝑐 ∈ τ
iii. Si 𝐴1 , 𝐴2 , … ∈ 𝜏 entonces ‫∞ڂ‬
𝑖=1 𝐴𝑖 ∈ 𝜏
Los elementos de τ se llaman eventos.

Ejemplo:
Definición: Espacio Medible.
Sean Ω ≠ Φ y 𝜏 una σ-algebra sobre Ω. La pareja Ω, τ se llama espacio
medible.
Si A y B son eventos:
i. 𝐴 ∪ 𝐵 es un evento que ocurre, si y sólo si, A o B o ambos ocurren
ii. 𝐴 ∩ 𝐵 es un evento que ocurre, si y sólo si, A y B ocurren
iii. 𝐴𝑐 es un evento que ocurre, si y sólo si, A no ocurre
iv. 𝐴 − 𝐵 es un evento que ocurre, si y sólo si, A ocurre pero B no
Ejemplo:
Se lanza un dado 3 veces,
A: “el resultado del primer lanzamiento es un número primo” y
B: “la suma de los resultados obtenidos es menor o igual a 4”.
Definición: Eventos mutuamente excluyentes
Dos eventos A y B se dicen mutuamente excluyentes si 𝐴 ∩ 𝐵 = ∅
Ejemplo 1:
Se lanza una moneda corriente una vez. A: “el resultado obtenido es

cara”
B: “ el resultado obtenido es sello”
A y B son o no mutuamente excluyentes?
Ejemplo 2:
Se lanza una moneda corriente tantas veces como sea necesario hasta
obtener cara por primera vez y se cuenta el numero de lanzamientos
necesarios para ello.
A: “no se obtiene cara antes del tercer lanzamiento”
B: “no se obtiene cara antes del segundo lanzamiento”
A y B son o no mutuamente excluyentes?

Sea Ω cualquier espacio muestral y E cualquier evento de
éste. Se llamará función de probabilidad sobre el espacio
muestral Ω a P(E) si satisface los siguientes axiomas
• P(E) ≥ 0
1.
• P(Ω) =1
2.
• Si, para los eventos 𝐸1 , 𝐸2 , 𝐸3 , …
𝐸𝑖 ∩ 𝐸𝑗 = ∅ para toda 𝑖 ≠ 𝑗, entonces
3. 𝑃 𝐸1 ∪ 𝐸2 ∪ ⋯ = 𝑃 𝐸1 + 𝑃 𝐸2 + …
Consecuencias de los 3 axiomas
Teorema 1: 𝑃 ∅ = 0
Ω∪∅=Ω y Ω∩∅= ∅
Por el axioma 3,
P( Ω ∪ ∅) = 𝑃(Ω) + 𝑃(∅)
Por el axioma 2, P Ω = 1, entonces P(∅) = 0
Teorema 2: Para cualquier evento E⊂ Ω, 0 ≤ 𝑃(𝐸) ≤ 1
Por el axioma 1, 𝑃 𝐸 ≥ 0, entonces para el otro extremo:
𝐸 ∪ 𝐸ത =Ω y 𝐸 ∩ 𝐸ത = ∅
Por 2 y 3
𝑃 𝐸 ∪ 𝐸ത = 𝑃 𝐸 + 𝑃 𝐸ത = P Ω =1
Dado que 𝑃 𝐸ത ≥ 0, 𝑃 𝐸 ≤ 1
Consecuencias de los 3 axiomas
Teorema 3: Sea Ω un espacio muestral que contiene

cualesquier eventos A y B:
P( A ∪ 𝐵) = 𝑃(𝐴) + 𝑃(𝐵) − 𝑃(𝐴 ∩ 𝐵)

Probabilidad conjunta, marginal y condicional
- Probabilidad conjunta: probabilidad de resultados comunes

de 2 o mas eventos.
- Probabilidad marginal:
Pero dado que,
De igual forma:
- Probabilidad condicional:
- Por qué?
- Por qué?
- Porque, si por ejemplo, se establece la condición de
seleccionar a una mujer si (o dado que) sea fumadora,
entonces el espacio muestral ya no será el total de
individuos en la muestra, y se enfocara solo en los
fumadores de los cuales se selecciona una mujer.
=
Regla de la Multiplicación de Probabilidades
Independencia Estadística
Sean A y B dos eventos cualesquiera de un espacio muestral. Se

dice que el evento A es estadísticamente independiente del evento
B si P(A|B) = P(A)
Independencia Estadística
Relaciones derivadas de la independencia estadistica de los

eventos A y B.
Regla de la Multiplicación de Probabilidades
𝑃 𝐴 ∩ 𝐵 = 𝑃(𝐵 ∩ 𝐴)=
Ahora si se desea conocer la probabilidad de un evento que

depende de otros (múltiples) eventos, es necesario conocer la
regla de la probabilidad total.
Ejemplo: En la fabricación de semiconductores, la probabilidad de que

un chip que esta sujeto a niveles de contaminación altos durante la
fabricación, ocasione la falla de un producto es 0.10. La probabilidad
de que un chip que no esta sujeto a niveles de contaminación altos
durante la fabricación ocasione una falla en el producto es de 0.005.
En una corrida particular de producción, 20% de los chips están sujetos
a niveles de contaminación altos. Cuál es la probabilidad de que falle
un producto que utilice uno de estos chips?
Consideremos lo siguiente:
- A y A´ son mutuamente excluyentes
- B∩A y B∩A´ son mutuamente excluyentes
Por tanto la probabilidad de B

𝑃 𝐵 = 𝑃 𝐵 ∩ 𝐴 + 𝑃 𝐵 ∩ 𝐴´
Y por la regla de la multiplicación:

𝑃 𝐵 = 𝑃 𝐴 𝑃 𝐵 𝐴 + 𝑃 𝐴´ 𝑃 𝐵 𝐴´
REGLA DE LA PROBABILIDAD TOTAL (2 EVENTOS)

Para cualesquier eventos A y B,
𝑃 𝐵 = 𝑃 𝐴 𝑃 𝐵 𝐴 + 𝑃 𝐴´ 𝑃 𝐵 𝐴´
Regresando al ejemplo,
Ejemplo: En la fabricación de semiconductores, la probabilidad de que

un chip que esta sujeto a niveles de contaminación altos durante la
fabricación, ocasione la falla de un producto es 0.10. La probabilidad
de que un chip que no esta sujeto a niveles de contaminación altos
durante la fabricación ocasione una falla en el producto es de 0.005.
En una corrida particular de producción, 20% de los chips están sujetos
a niveles de contaminación altos. Cuál es la probabilidad de que falle
un producto que utilice uno de estos chips?
Sea F: el producto falla

A: el chip esta expuesto a contaminación alta
La probabilidad requerida es P(F)
𝑃 𝐹 𝐴 = 0.10
𝑃 𝐹 𝐴´ = 0.005
𝑃 𝐴 = 0.20
𝑃 𝐹 =
* Una colección de conjuntos 𝐸1 , 𝐸2 , …, 𝐸𝑘 , tales que 𝐸1 ∪ 𝐸2 ∪ ⋯ ∪
𝐸𝑘 = Ω es exhaustiva
REGLA DE LA PROBABILIDAD TOTAL (múltiples eventos)
Supóngase que 𝐸1 , 𝐸2 , …, 𝐸𝑘 son k conjuntos mutuamente

excluyentes y exhaustivos.
Entonces,
𝑃 𝐵 = 𝑃 𝐵 ∩ 𝐸1 + 𝑃 𝐵 ∩ 𝐸2 + ⋯ + 𝑃 𝐵 ∩ 𝐸𝑘
𝑃 𝐵 = 𝑃 𝐸1 𝑃 𝐵 𝐸1 + 𝑃 𝐸2 𝑃 𝐵 𝐸2 + ⋯ + 𝑃 𝐸𝑘 𝑃 𝐵 𝐸𝑘
Ahora suponga que:
La probabilidad de un chip sujeto a contaminación alta ocasione falla : 0.10
La probabilidad de un chip sujeto a contaminación media ocasiones falla:
0.01
La probabilidad de un chip sujeto a contaminación baja ocasione falla:
0.0001
En una corrida particular de producción, 20% de los chips están sujetos a

contaminación alta
30% a contaminación media y 50% a contaminación baja.
Cual es la probabilidad de falla del producto?

Ahora formulemos la siguiente pregunta:
Si el chip semiconductor en el producto falla, cual es la probabilidad de

que el chip se haya expuesto a niveles altos de contaminación?
(…) Cuando se trabajan eventos como los mencionados, denominando los

primeros "causas" con probabilidades llamadas a priori, y "efectos" a los
siguientes, es de interés cuantificar la probabilidad de una "causa"
especifica habiendo ocurrido un determinado "efecto", tal probabilidad se
conoce como a posteriori. (…)
H: chip sujeto a contaminación alta

F: falla del producto
𝑃 𝐻 𝐹 = 𝑃 𝐹 𝐻 𝑃(𝐻)/𝑃(𝐹)
Teorema de Bayes
Si 𝐸1 , 𝐸2 , …, 𝐸𝑘 son k eventos mutuamente excluyentes y exhaustivos y B es

un evento cualquiera entonces
𝑃 𝐵 𝐸1 𝑃(𝐸1 )
𝑃 𝐸1 𝐵 =
𝑃 𝐸1 𝑃 𝐵 𝐸1 + 𝑃 𝐸2 𝑃 𝐵 𝐸2 + ⋯ + 𝑃 𝐸𝑘 𝑃 𝐵 𝐸𝑘
Thomas Bayes
Matemático, nació en Londres, Inglaterra en 1702 y murió en Tunbridge Wells, Kent,
Inglaterra el 17 de Abril de 1761.
Fue el mayor de 7 hermanos. Bayes fue ordenado, al igual que su padre, como
ministro disidente, y en 1731 se convirtió en reverendo de la iglesia presbiteriana en
Tunbridge Wells; aparentemente trató de retirarse en 1749, pero continuó ejerciendo
hasta 1752, y permaneció en ese lugar hasta su muerte.
Thomas Bayes
Estudió el problema de la determinación de la probabilidad de las causas a través de
los efectos observados. El teorema que lleva su nombre se refiere a la probabilidad
de un suceso condicionado por la ocurrencia de otro suceso. Más específicamente,
con su teorema se resuelve el problema conocido como "de la probabilidad inversa".
Esto es, valorar probabilísticamente las posibles condiciones que rigen supuesto que
se ha observado cierto suceso. Se trata de probabilidad "inversa" en el sentido de que
la "directa" sería la probabilidad de observar algo supuesto que rigen ciertas
condiciones. Los defensores de la inferencia bayesiana (basada en dicho teorema)
afirman que la trascendencia de la probabilidad inversa reside en que es ella la que
realmente interesa a la ciencia, dado que procura sacar conclusiones generales
(enunciar leyes) a partir de lo objetivamente observado, y no viceversa.
Actualmente, con base en su obra, se ha desarrollado una poderosa teoría que ha

conseguido notables aplicaciones en las más diversas áreas del conocimiento.
Especial connotación han tenido los sistemas para detección de spam en el ambiente
de Internet. En el campo sanitario, el enfoque de la inferencia bayesiana
experimenta un desarrollo sostenido, especialmente en lo que concierne al análisis
de ensayos clínicos, donde dicho enfoque ha venido interesando de manera creciente
a las agencias reguladoras de los medicamentos, tales como la norteamericana FDA
(Food and Drug Agency).

Introduccion A La Probabilidad PDF

Cargado por

Copyright:

Formatos disponibles

Introduccion A La Probabilidad PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Introduccion A La Probabilidad PDF

Cargado por

Copyright:

Formatos disponibles

Introducción a la probabilidad

Beatriz Eugenia Mira Rada

Si cada elemento de un conjunto A1 es también un elemento del conjunto

En el lanzamiento de 2 dados los resultados son mutuamente

- Cada uno de los resultados es igualmente probable

7: (1,6); (2,5); (3,4); (4,3);(5,2); (6,1)

8: (2,6); (3,5); (4,4); (5,3);(6,2)

10: (4,6); (5,5); (6,4)

Por tanto cada uno de los eventos definidos se presenta en la

En una inspección de calidad de un producto, el numero de

Al repetir la inspección varias veces en diferentes tamaños de

Probabilidad a priori de un evento debido a la experiencia,

Experimento aleatorio. Un experimento se dice aleatorio si su resultado no

Def 2: Un espacio muestral es discreto si su resultado

Def 3: Un espacio muestral es continuo si sus

Definición: Sea Ω≠Φ. Una colección τ de subconjuntos de Ω es una σ-

Los elementos de τ se llaman eventos.

Se lanza una moneda corriente una vez. A: “el resultado obtenido es

A y B son o no mutuamente excluyentes?

A y B son o no mutuamente excluyentes?

Por el axioma 2, P Ω = 1, entonces P(∅) = 0

Teorema 2: Para cualquier evento E⊂ Ω, 0 ≤ 𝑃(𝐸) ≤ 1

Por el axioma 1, 𝑃 𝐸 ≥ 0, entonces para el otro extremo:

Teorema 3: Sea Ω un espacio muestral que contiene

P( A ∪ 𝐵) = 𝑃(𝐴) + 𝑃(𝐵) − 𝑃(𝐴 ∩ 𝐵)

- Probabilidad conjunta: probabilidad de resultados comunes

Pero dado que,

Sean A y B dos eventos cualesquiera de un espacio muestral. Se

Relaciones derivadas de la independencia estadistica de los

Ahora si se desea conocer la probabilidad de un evento que

Ejemplo: En la fabricación de semiconductores, la probabilidad de que

Por tanto la probabilidad de B

Y por la regla de la multiplicación:

REGLA DE LA PROBABILIDAD TOTAL (2 EVENTOS)

Ejemplo: En la fabricación de semiconductores, la probabilidad de que

Sea F: el producto falla

La probabilidad requerida es P(F)

REGLA DE LA PROBABILIDAD TOTAL (múltiples eventos)

Supóngase que 𝐸1 , 𝐸2 , …, 𝐸𝑘 son k conjuntos mutuamente

En una corrida particular de producción, 20% de los chips están sujetos a

Cual es la probabilidad de falla del producto?

Si el chip semiconductor en el producto falla, cual es la probabilidad de

(…) Cuando se trabajan eventos como los mencionados, denominando los

H: chip sujeto a contaminación alta

Si 𝐸1 , 𝐸2 , …, 𝐸𝑘 son k eventos mutuamente excluyentes y exhaustivos y B es

Actualmente, con base en su obra, se ha desarrollado una poderosa teoría que ha

También podría gustarte