Probabilidad

Probabilidad
Kerin Cardona1
1 UniversidadNacional Autónoma de Honduras.
Facultad de Ciencias.
Escuela de Matemática
4 de julio de 2023
Kerin Cardona (UNAH) MM214-Bioestadistica 4 de julio de 2023 1 / 49

Contenido
Introducción a la Probabilidad
Probabilidad Condicional
Pruebas de diagnóstico
Regla de la multiplicación
Eventos Independientes
Probabilidad Total
Teorema de Bayes
Variables Aleatorias

Probabilidad
Valor entre cero (evento imposible) y uno (evento seguro) que mide o
describe la posibilidad de que ocurra un evento. Se puede escribir
como fracción, decimal o porcentaje, por ejemplo 12
25
= 0.48 = 48 %.
Probabilidad clásica (Regla de Laplace)

Parte del supuesto de que los resultados de un experimento son
igualmente probables, y se define la probabilidad de un evento A
como el cociente de resultados favorables a que ocurra el evento A y
el numero de resultados posibles del experimento, se representa por
P(A)
# resultados favorables de A n(A)
P(A) = =
# total resultados n(S)

Ejemplo
Cúal es la probabilidad de obtener un número par al lanzar un dado?
Solución
Sea el evento A: sale un número par
S = {1, 2, 3, 4, 5, 6}, número total de posibles resultados
n(S) = 6
A = {2, 4, 6}, número de resultados favorables n(A) = 3.
n(A) 3
P(A) = = = 0.5 = 50 %
n(S) 6
Interpretación: Existe un 50 % de posibilidad de que salga un número
par.

Ejemplo
¿Cúa es la probabilidad de obtener al menos una cara al lanzar dos
veces una moneda?
Solución
Un espacio muestral asociado al experimento es
S=
{(cara, cara), (cara, escudo), (escudo, cara), (escudo, escudo)}
Sea A: Sale al menos una cara
A = {(cara, cara), (cara, escudo), (escudo, cara)}
n(A) 3
P(A) = = = 0.75 = 75 %
n(S) 4
Interpretación: Existe un 75 % de posibilidad de obtener al menos una
cara al lanzar una moneda dos veces.

Probabilidad de frecuencia relativa o probabilidad empı́rica
La probabilidad de que un evento ocurra representa una fracción de
los eventos similares que ocurrieron en el pasado.
# veces ocurrió A n(A)

P(A) = =
# total observaciones pasadas n(S)
Ejemplo
# lanzamientos F. absoluta F. relativa
Conde de Bufon (1707 -1788) 4040 2048 0.5080
Jhon Kerrick 10000 5067 0.5067
K Pearson (1857 - 1936) 12000 6019 0.5016
Cuadro: Lanzamientos de una moneda.
Notar que a medida se aumenta el número de lanzamientos la

frecuencia relativa se acerca cada vez más a 0.5
Ejemplo
¿Cúal es la probabilidad de que un alumno de Estadı́stica apruebe la
clase si de 550 alumnos que han cursado la asignatura 418 lo
hicieron?
Solución
Sea A: el alumno aprueba la clase
418
P(A) = = 0.76 = 76 %
550
Interpretan: Existe un 76 % de posibilidad de aprobar la clase.

Ejemplo
En una ciudad se publican tres periódicos A, B y C. El 30 % lee A, el
20 % lee B y el 15 % lee C, el 12 % lee A y B, el 9 % A y C, el 6 % B
y C y finalmente el 3 % A, B y C.
a. ¿Qué porcentaje de personas lee al menos uno de los tres
periódicos?
b. ¿Qué porcentaje lee sólo A?
c. ¿Qué porcentaje lee B o C, pero no A?

Solución
a. P(A ∪ B ∪ C ) = (12 + 9 + 3 + 6) % + 3 % + 3 % + 5 % = 41 %
b. P(A − (B ∪ C )) = 12 %
c. P((B ∪ C ) − A) = P((B ∪ C ) ∩ Ac ) = (5 + 3 + 3) % = 11 %

Probabilidad subjetiva
Si se cuenta con poca o ninguna experiencia o información con la
cual sustentar la probabilidad, es posible aproximarla en forma
subjetiva. La probabilidad se asigna a partir de cualquier información
que encuentre disponible.
Ejemplo
Un equipo de administración piensa que hay una probabilidad de 0.35
de que un nuevo producto tenga éxito en el mercado, esto constituye
una probabilidad subjetiva.
El valor 0.35 es una opinión, mas que un valor basado en una
evidencia objetiva.

Ejemplo
Suponga el experimento que consiste en observar una carrera entre
dos ciclistas, ciclista A y ciclista B. Sean los eventos
T: El ciclista A gana la carrera.
R: El ciclista A pierde la carrera.
S: Hay un empate (u otro resultado inesperado).
Se sabe que en las ultimas 6 carreras, el ciclista A ha ganado 3.
Asigne la probabilidad de ocurrencia del evento T, segú el enfoque de
probabilidad indicado:
Enfoque clásico: 1/3=0.3333
Enfoque frecuencia relativa: 3/6=0.5
Enfoque subjetivo, si se sabe que el ciclista A es un atleta bien
entrenado y el ciclista B no: P(T ) = 1

Axiomas de probabilidad
La Teoria de la Probabilidad, como disciplina matematica, puede
y debe ser desarrollada a partir de unos axiomas, de la misma
manera que la Geometria o el Algebra.
Se llama probabilidad a cualquier funcion P que asigna a cada
evento A del espacio muestral S un valor numerico P(A),
verificando los siguientes axiomas:
1. No negatividad: 0 ≤ P(A)
2. Normalización: P(S) = 1
3. Aditividad: P(A ∪ B) = P(A) + P(B) si A ∩ B = ∅.
Regla del complemento

Para un suceso A y su complementario Ac en el espacio muestral S:
P(Ac ) = 1 − P(A)

Regla de la suma
Dados dos sucesos A y B en el espacio muestral S
P(A ∪ B) = P(A) + P(B) − P(A ∩ B)
Eventos mutuamente excluyentes

Varios eventos son mutuamente excluyentes cuando al ocurrir uno de
ellos, los otros eventos no pueden ocurrir.
Al considerar el género de una persona: femenino, masculino
Al lanzar una moneda: sale cara, sale escudo
En una urna hay bolas de color rojo, negro, verde, se extrae una:
el color de la bola es rojo, negra, verde
Se tiene en este caso que la probabilidad que dos de ellos
ocurran es cero.

Ejemplo
Cuall es la probabilidad de obtener una suma de 7 en el lanzamiento
de dos dados?
Solucion
Sea A: la suma de los numeros al lanzar dos dados
6
P(A) =
= 0.1667 = 16.67 %
36
Existe un 16.67 % de obtener un siete al lanzar dos dados.
Ejemplo
La probabilidad que llueva mañana es 0.20, la probabilidad que
truene es 0.10, la probabilidad que llueva y truene es 0.07. ¿Cúal es
la probabilidad que llueva o truene mañana?
Solución
A: llueve mañana, P(A) = 0.20
B: Truene mañana, P(B) = 0.10
A y B: llueva y truene, P(A ∩ B) = 0.07
P(A ∪ B) = P(A) + P(B) − P(A ∩ B) = 0.20 + 0.10 − 0.07 = 0.23
Existe un 23 % de posibilidad de que llueva o truene mañana.

Ejemplo
En cierta comunidad, la probabilidad que una familia tenga televisor
es 0.83, que tengan lavadora es 0.62 y que tengan ambos es 0.51.
¿Cúal es la probabilidad que una familia no tenga
lavadora?
L: familia tenga lavadora.
P(Lc ) = 1 − P(L) = 1 − 0.62 = 0.38
¿Cúal es la probabilidad que una familia tenga televisor o

lavadora?
T: famila tenga televisor.
P(T ∪ L) = 0.83 + 0.62 − 0.51 = 0.94

Contenido
Probabilidad Total
Teorema de Bayes

Probabilidad condicional
Definición
Sean los eventos A y B de un espacio muestral S con P(A) ̸= 0, la
probabilidad de que el evento B ocurra si (dado que) ya ocurrió A la
llamaremos probabilidad condicional y se define como
T
P(A B)
P(A|B) =
P(A)
Se utiliza cuando se sabe algo que ya ocurrió.

La probabilidad de que un turista haya visitado Copán Ruinas(D)
es 0.7, que haya visitado Islas de la Bahı́a (E) es 0.6 y la
probabilidad que haya visitado ambos sitios es de 0.5. ¿Cúal es
la probabilidad de que un turista visite Copán Ruinas (D) siendo
que ya visitó Islas de la Bahı́a (E)?
P(D|E ) = 0.5/0.6 = 0.8333 = 83.33 %
Tabla de contingencia
Es una tabla utilizada para clasificar observaciones de una muestra de
acuerdo con dos o más caracterı́sticas identificables (Variables
Cualitativas)
La probabilidad de fumar es
34
P(F ) = = 0.3778
90
La probabilidad de que sea hombre y fume es
\ 24
P(H F) = = 0.2667
90
continuación...
La probabilidad de que sea hombre si fuma

T
P(H F ) 0.2667
P(H|F ) = = = 0.7059
P(F ) 0.3778
La probabilidad de que fume si es hombre

T
P(F H) 24/90
P(F |H) = = = 24/60 = 0.40
P(H) 60/90

Contenido
Probabilidad Total
Teorema de Bayes

Pruebas de disgnóstico
Sensibilidad(S)
Es la probabilidad de el test de positivo sobre una persona que
sabemos que padece la enfermedad (la prueba para detectar la
enfermedad en sujetos enfermos)
Especificidad(E)
Es la probabilidad que el test de negativo sobre una persona que no
la padece (Con la especificidad lo que se detecta lo son los individuos
sanos)
Lo que interesa saber en la práctica es, predecir si una persona está
sana o enferma, a partir del resultado del test diagnóstico, es decir,
las cantidades:
Valor predictivo positivo(VPP)
Es la probabilidad de que un individuo está enfermo si el test dio
resultado positivo
Valor predictivo negativo(VPN)
Es la probabilidad que un individuo no está enfermo si el test dio
negativo

Ejemplo
Un estudio investigación 1250 hombres, con sospecha de cáncer
de prósstata, a los cuales se les realizó una biopsia.
920 dieron positivo a la biopsia.
al finalizar el seguimiento del estudio se confirmó que realmente
750 hombres tenı́an cáncer de próstata y la prueba tuvo 40
resultados falsos negativos.
Encontrar la sensibilidad, especificidad, valor predictivo negativo,
valor predictivo positivo.

continuación...
VP 750
S= = = 94.94 %
VP + FN 750 + 40
VN 290
E= = = 63.04 %
VN + FP 290 + 170
VP 750
VPP = = = 81.52 %
VP + FP 750 + 170
VN 290
VPN = = = 87.88 %
VN + FN 290 + 40

Contenido
Probabilidad Total
Teorema de Bayes

Sean los eventos A y B de un mismo espacio muestral.

\
P(A B) = P(A)P(B|A)
Ejemplo
En un experimento de preferencia de color, ocho juguetes se ponen
en un recipiente. Los juguetes son idénticos excepto por el color, dos
son rojos y seis son verdes. Se pide a un niño que escoja dos juguetes
al azar. ¿Cuál es la probabilidad de que el niño escoja dos juguetes
rojos?

continuación ejemplo
sean los eventos

A: la primera bola es roja
B: la segunda bola es roja
\ 2 1
P(A B) = P(A)P(B|A) = × = 0.0357
8 7
Contenido
Probabilidad Total
Teorema de Bayes

Se dice que los eventos
T A y B son independientes si P(B) = P(B|A).
Sabemos que P(A B) = P(A)P(A|B), en eventos independientes
se tiene que \
P(A B) = P(A)P(B)
Ejemplo
Si lanzamos un dado y una moneda, que salga cara o cruz en la
moneda no depende del resultado que se obtenga en el dado.
Una forma de entender la independencia consiste en suponer que
los eventos A y B ocurren en diferentes tiempos.
Por ejemplo, cuando el evento B ocurre después del evento A
¿influye A en la probabilidad de que el evento B ocurra? Si la
respuesta es no, entonces A y B son eventos independientes.

Ejercicio
¿Cuál es la forma preferida de la gente para ordenar comida rápida?
Se realizá una encuesta y los resultados fueron los siguientes:
¿La preferencia de comer dentro es independiente del género?

\
P(A H) = 21/200 = 0.105
P(A)P(H) = (33/200)(100/200) = 0.5

\
P(A H) ̸= P(A)P(H)
la preferencia de comer dentro y el género no son independientes.
Ejercicio
Cien adultos fueron entrevistados en una encuesta por
telé©fono.
El interés fue la opinión de ellos con respecto a la carga que
implican los préstamos para estudiantes universitarios
y si quienes respondieron tenı́an un hijo actualmente, sus
respuestas fueron
¿Son los eventos B y D independientes?

T
P(B D) = 0.09 P(B) = 0.3 P(D) = 0.30
T
Luego P(B D) = P(B)P(D) Por tanto los eventos son
independientes.
Contenido
Probabilidad Total
Teorema de Bayes

Probabilidad Total
T
Sean A1 y A2 eventos disjuntos
S (A1 A2 = ∅), que forman una
particián de S. Es decir A1 A2 = S. Entonces para un evento B en
S
\ \
P(B) = P B A1 + P B A2
= P(A1 )P(B|A1 ) + P(A2 )P(B|A2 )

Ejemplo
Supongamos que en unas elecciones las probabilidades de que

ganen los partidos polı́ticos A y B son de 0.55 y 0.45
respectivamente.
en el caso que ganara A, la probabilidad de que suban los
impuestos es 0.8.
mientras que en el caso en que salga elegido B la probabilidad
que suban los impuesto es de 0.6.
Construir un diagrama de árbol indicando las probabilidades
correspondientes.

consideremos los eventos:
E1 : Gana las elecciones A.
E2 : Gana las elecciones B.
C : suben los impuestos.

¿Cuál es la probabilidad de que suban los impuestos?
P(C ) = P(E1 )P(C |E1 ) + P(E2 )P(C |E2 )

= (0.55)(0.8) + (0.45)(0.6)
= 0.71

Contenido
Probabilidad Total
Teorema de Bayes

Teorema de Bayes
Sean A1 A2 una partición de S, tales que P(A1 ), P(A2 ) ̸= 0. Para
cualquier evento B ∈ S se tiene que
P(A1 )P(B|A1 )
P(A1 |B) =
P(A1 )P(B|A1 ) + P(A2 )P(B|A2 )
P(A2 )P(B|A2 )
P(A2 |B) =
P(A1 )P(B|A1 ) + P(A2 )P(B|A2 )
El Teorema de Bayes se emplea cuando en un proceso hay dos pasos,

se conoce el resultado del segundo paso y se quiere saber la
probabilidad de ocurrencia del primer paso, es una probabilidad
condicional.

Ejemplo
En un centro hay dos quirófanos. El 1ro se usa el 75 % de veces para
operar. En el 1ro la frecuencia de infección es del 5 % y en el 2do del
10 %.
a. ¿Qué probabilidad de infección hay?
P(I ) = P(1ro)P(I |1ro) + P(2do)P(I |2do)

= (0.75)(0.05) + (0.25)(0.10) = 0.0625
b. Se ha producido una infección, ¿Qué probabilidad hay de que sea

en el primer quirófano?
P(1ro)P(I |1ro)
P(1ro|I ) =
P(1ro)P(I |1ro) + P(2do)P(I |2do)
(0.75)(0.05)
= = 0.60
(0.75)(0.05) + (0.25)(0.10)

Contenido
Probabilidad Total
Teorema de Bayes

Variable aleatoria
Una variable aleatoria X es una función que asocia a cada elemento
del espacio muestral S de un experimento aleatorio un nḿero real.
X :S →R
E →x
Se utilizan letras mayúsculas X para designar variables aleatorias, y
las respectivas minúsculas x para designar valores concretos de las
mismas. Se clasifica en variables aleatorias discretas y continuas.
Variable aleatoria discreta
Es aquella variable aleatoria que toma un número finito o infinito,
pero numerable, de valores. ejemplos
El número de hijos de una familia.
La puntuación obtenida al lanzar un dado.

Variable aleatoria continua
Es aquella variable aleatoria que puede tomar un número infinito de
valores no numerables en un intervalo en particular. Ejemplos
Los tiempos de los vuelos comerciales entre Tegucigalpa y
Roatán.
La presión en libras por pulgada cuadrada (psi), en un nuevo
neumático.
Función de probabilidad
Es toda una función p(x) que asigna a cada valor x de la variable
aleatoria X la probabilidad asociada, se suele tabular.
p(x) : R → [0, 1]
x → P(X = x)

Propiedades
La probabilidad de un resultado en particular se encuentra entre
0 y 1, inclusive.
Los resultados son eventos mutuamente excluyentes.
La lista es exhaustiva. Ası́, la suma de las probabilidades de los
diversos eventos es igual a 1.
x P(X = x)
1 0.25
2 0.22
3 0.32
4 0.21
Total 1.00

Ejemplo
Espacio muestral del lanzamiento de dos monedas:
S = {CC , CE , EC , EE } Sea X la v.a. que cuenta el número de caras
que caen.
x P(X = x)
0 0.25
1 0.50
2 0.25
Total 1.00
Cuadro: Distribución de probabilidad de X

Valor esperado
Es lo que se espera obtener al realizar el experimento, se asemeja a la
media en una distribución de frecuencia se presenta por µ
n
X
µ = E (X ) = xi p(xi )
i=1
Varianza
Es una medida de dispersión que se emplea para indicar que tan
cercanos de la media se encuentran los elementos de la colección y se
representa por
σ 2 = V (X ) = E (X − µ)2

Xn
= (xi − µ)2 p(xi )
i=1
Kerin Cardona (UNAH) 2
MM214-Bioestadistica 2 4 de julio de 2023 46 / 49
Ejemplo
Considere la distribución de frecuencia del ejemplo anterior
x P(X = x)
0 0.25
1 0.50
2 0.25
Total 1.00
µ = (0)(0.25) + (1)(0.50) + (2)(0.25) = 1
Se espera obtener una cara.
E (X 2 ) = (02 )(0.25) + (12 )(0.50) + (22 )(0.25) = 1.5 =⇒
σ 2 = 1.5 − 12 = 0.5

Ejemplo I
La siguiente tabla muestra la función de probabilidad para la variable
X : número de personas por dı́a que solicitan permiso en el trabajo
para un tratamiento innecesario en el servicio de urgencias de un
pequeño hospital.
x 0 1 2 3 4 5
p 0.01 0.10 0.30 0.40 0.10 a
a. Encontrar P(X = 5)
0.01 + 0.10 + 0.30 + 0.40 + 0.10 + a = 1 =⇒ a = 0.09
b. Encontrar P(X < 2)
P(X < 2) = p(0) + p(1) = 0.01 + 0.10 = 0.11

Ejemplo II
c. Encontrar P(X ≥ 3)
P(X ≥ 3) = p(3) + p(4) + p(5) = 0.40 + 0.10 + 0.09 = 0.59
d. Encontrar la media y la varianza
µ = (0)(0.01) + (1)(0.10) + (2)(0.30) + (3)(0.40)+

(4)(0.10) + (5)(0.09)
= 2.75
σ 2 = 8.75 − (2.75)2 = 1.1875

Probabilidad

Cargado por

Copyright:

Formatos disponibles

Probabilidad

Cargado por

Información del documento

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

Probabilidad

Cargado por

Copyright:

Formatos disponibles

Probabilidad

Kerin Cardona (UNAH) MM214-Bioestadistica 4 de julio de 2023 1 / 49

Kerin Cardona (UNAH) MM214-Bioestadistica 4 de julio de 2023 2 / 49

Probabilidad clásica (Regla de Laplace)

Kerin Cardona (UNAH) MM214-Bioestadistica 4 de julio de 2023 3 / 49

Kerin Cardona (UNAH) MM214-Bioestadistica 4 de julio de 2023 4 / 49

Kerin Cardona (UNAH) MM214-Bioestadistica 4 de julio de 2023 5 / 49

# veces ocurrió A n(A)

Cuadro: Lanzamientos de una moneda.

Notar que a medida se aumenta el número de lanzamientos la

Kerin Cardona (UNAH) MM214-Bioestadistica 4 de julio de 2023 7 / 49

Kerin Cardona (UNAH) MM214-Bioestadistica 4 de julio de 2023 8 / 49

Kerin Cardona (UNAH) MM214-Bioestadistica 4 de julio de 2023 9 / 49

Kerin Cardona (UNAH) MM214-Bioestadistica 4 de julio de 2023 10 / 49

Kerin Cardona (UNAH) MM214-Bioestadistica 4 de julio de 2023 11 / 49

Regla del complemento

Kerin Cardona (UNAH) MM214-Bioestadistica 4 de julio de 2023 12 / 49

P(A ∪ B) = P(A) + P(B) − P(A ∩ B)

Eventos mutuamente excluyentes

Kerin Cardona (UNAH) MM214-Bioestadistica 4 de julio de 2023 13 / 49

P(A ∪ B) = P(A) + P(B) − P(A ∩ B) = 0.20 + 0.10 − 0.07 = 0.23

Existe un 23 % de posibilidad de que llueva o truene mañana.

Kerin Cardona (UNAH) MM214-Bioestadistica 4 de julio de 2023 15 / 49

P(Lc ) = 1 − P(L) = 1 − 0.62 = 0.38

¿Cúal es la probabilidad que una familia tenga televisor o

P(T ∪ L) = 0.83 + 0.62 − 0.51 = 0.94

Kerin Cardona (UNAH) MM214-Bioestadistica 4 de julio de 2023 16 / 49

Kerin Cardona (UNAH) MM214-Bioestadistica 4 de julio de 2023 17 / 49

Se utiliza cuando se sabe algo que ya ocurrió.

La probabilidad de que sea hombre si fuma

La probabilidad de que fume si es hombre

Kerin Cardona (UNAH) MM214-Bioestadistica 4 de julio de 2023 20 / 49

Kerin Cardona (UNAH) MM214-Bioestadistica 4 de julio de 2023 21 / 49

Kerin Cardona (UNAH) MM214-Bioestadistica 4 de julio de 2023 23 / 49

Kerin Cardona (UNAH) MM214-Bioestadistica 4 de julio de 2023 24 / 49

Kerin Cardona (UNAH) MM214-Bioestadistica 4 de julio de 2023 25 / 49

Kerin Cardona (UNAH) MM214-Bioestadistica 4 de julio de 2023 26 / 49

Sean los eventos A y B de un mismo espacio muestral.

Kerin Cardona (UNAH) MM214-Bioestadistica 4 de julio de 2023 27 / 49

sean los eventos

Kerin Cardona (UNAH) MM214-Bioestadistica 4 de julio de 2023 29 / 49

Kerin Cardona (UNAH) MM214-Bioestadistica 4 de julio de 2023 30 / 49

¿La preferencia de comer dentro es independiente del género?

P(A)P(H) = (33/200)(100/200) = 0.5

¿Son los eventos B y D independientes?

Kerin Cardona (UNAH) MM214-Bioestadistica 4 de julio de 2023 33 / 49

Kerin Cardona (UNAH) MM214-Bioestadistica 4 de julio de 2023 34 / 49

Supongamos que en unas elecciones las probabilidades de que

Kerin Cardona (UNAH) MM214-Bioestadistica 4 de julio de 2023 35 / 49

Kerin Cardona (UNAH) MM214-Bioestadistica 4 de julio de 2023 36 / 49

P(C ) = P(E1 )P(C |E1 ) + P(E2 )P(C |E2 )

Kerin Cardona (UNAH) MM214-Bioestadistica 4 de julio de 2023 37 / 49

Kerin Cardona (UNAH) MM214-Bioestadistica 4 de julio de 2023 38 / 49

El Teorema de Bayes se emplea cuando en un proceso hay dos pasos,

Kerin Cardona (UNAH) MM214-Bioestadistica 4 de julio de 2023 39 / 49

P(I ) = P(1ro)P(I |1ro) + P(2do)P(I |2do)

b. Se ha producido una infección, ¿Qué probabilidad hay de que sea

Kerin Cardona (UNAH) MM214-Bioestadistica 4 de julio de 2023 40 / 49

Kerin Cardona (UNAH) MM214-Bioestadistica 4 de julio de 2023 41 / 49

Kerin Cardona (UNAH) MM214-Bioestadistica 4 de julio de 2023 42 / 49