Professional Documents
Culture Documents
Probabilidades
Para extender los resultados de la muestra a la poblacin, es necesario utilizar la idea de modelo
probabilstico. Cuando tomamos una muestra de una poblacin, nuestras conclusiones o inferencias
acerca de la poblacin tienen un grado de incertidumbre. El objetivo de este captulo es presentar una
introduccin a la teora de la probabilidad como fundamento para la inferencia estadstica, la que
finalmente nos permitir tomar una decisin sobre nuestro problema.
Comprueba tus intuiciones sobre el azar1
Cmo piensas que deberan ser los resultados de lanzar una moneda 20 veces seguidas? Seras capaz
de escribir 20 resultados de lanzar una moneda (sin lanzarla realmente, sino como t piensas que
debieran salir) de forma que otras personas piensen que has lanzado la moneda en realidad? O, podra
otra persona adivinar que ests inventado?
1. Vamos a comprobar qu tal son tus intuiciones respecto a los resultados aleatorios. Abajo tienes dos
cuadrculas. En la primera de ellas escribe 20 resultados sin realizar realmente el experimento. En la
segunda mitad lanza la moneda 20 veces y escribe los resultados obtenidos. Pon C para cara y S para
sello.
2. Cmo podremos distinguir una secuencia realmente aleatoria de otra que hemos inventado?
3. Comparemos el nmero de caras en las secuencias real y simulada de todos los alumnos de la clase.
Cmo podramos organizar y resumir estos datos?
Descripcin del lanzamiento de moneda en clase con 66 alumnos de Psicologa 2003:
Medida de resumen
Promedio
Mediana
Desviacin estndar
Rango
Intuicin
10,42
10,00
1,15
7,0
Real
9,94
10,00
2,31
12,0
Real
5
XXX
XXX
XXXXXXXXXXXX
XXXXXXXXXX
XXXXXXXX
XXXXXXXXXXXXXXXXXXXXXXXXXXXXX
10
XXXXXXXXXXXXXXX
XXXXXXXXXXXXXXXXX
11
XXXXXX
XXXXXX
12
XXXXXXXXXXX
XX
13
XXX
14
XXX
15
16
17
Qu es probabilidad?
Pensemos:
Est empezando un partido y queremos decidir quin parte entre los dos capitanes del equipo.
Lanzamos una moneda balanceada.
La probabilidad de obtener una cara 1/2.
Cmo determinamos esa probabilidad de obtener cara?
Usara una moneda o monedas diferentes?
Cuntas repeticiones hara?
El naturalista francs Count Buffon (1707-1788) lanz una moneda 4040 veces. Resultado: 2048
caras, proporcin 2048/4040=0,5069 o 50,69% de caras.
Alrededor del 1900, el estadstico ingls Karl Pearson lanz una moneda 24 mil veces! Resultado:
12012 caras, proporcin 12012/24000=0,5005 o 50,05% de caras.
Durante la II guerra mundial, el matemtico australiano John Kerrich, mientras estaba en prisin
lanz una moneda 10 mil veces. Resultado: 5067 caras, proporcin 5067/10000=0,5067 o 50,67%
de caras.
El lenguaje de Probabilidades
Definicin:
Un experimento aleatorio es un proceso (repetible) cuyo resultado no se conoce de antemano.
Si se repite un experimento aleatorio bajo las mismas condiciones y anotamos las frecuencias relativas de
un suceso. Observaremos que estas tienden a estabilizarse alrededor de un nmero que est entre cero y
uno. Este valor recibe el nombre de probabilidad.
Espacios Muestrales y Eventos
Sea el experimento aleatorio = lanzar una moneda tres veces
Podemos contar el nmero de resultados posibles de este experimento con un diagrama de rbol:
3o
2o
1o
C
S
C
S
S
C
C
S
S
C
S
S
o escribir los resultados como un conjunto: S = {CCC, CCS, CSC, CSS, SCC, SCS, SSC, SSS}
Definicin:
Un espacio muestral es el conjunto de todos los valores posibles de un experimento aleatorio.
4
(1,6)
(2,6)
(3,6)
(4,6)
(5,6)
(6,6)
d) Tomar una muestra aleatoria de tamao 10 de un lote de piezas y contar cuantas tienen defectos.
e) Seleccionar aleatoriamente un estudiante y anotar el tiempo que estudi estadstica en las ltimas 24horas.
f) El tiempo que espero la llegada de la micro en el paradero
Definicin: Un evento es cualquier subconjunto del espacio muestral S.
Se dice que un evento A ocurre si cualquiera de los elementos o resultados en A ocurren.
Habitualmente se usan los diagramas de Venn, de la teora de conjuntos, para visualizar el espacio
muestral y los eventos.
S
.a
.b
Considere el experimento de lanzar dos dados y se registra los nmeros que aparecen en cada dado.
S = { (1,1)
(2,1)
(3,1)
(4,1)
(5,1)
(6,1)
(1,2)
(2,2)
(3,2)
(4,2)
(5,2)
(6,2)
(1,3)
(2,3)
(3,3)
(4,3)
(5,3)
(6,3)
(1,4)
(2,4)
(3,4)
(4,4)
(5,4)
(6,4)
(1,5)
(2,5)
(3,5)
(4,5)
(5,5)
(6,5)
(1,6)
(2,6)
(3,6)
(4,6)
(5,6)
(6,6)
A B
A B
Definicin:
Dos eventos A y B son disjuntos o mutuamente excluyentes si no tienen elementos en comn. As, si
un evento ocurre, el otro no puede ocurrir.
S
B
Mutuamente excluyentes?
En cada caso, determine si la siguiente lista de eventos son mutuamente excluyentes:
a) Un vendedor hace una venta:
A = la venta excede $5 mil pesos
B = la venta excede $50 mil pesos
b) Un vendedor hace una venta:
A = la venta es de menos de $5 mil pesos
B = la venta es de entre $10 mil y $50 mil pesos
C = la venta es de ms de $100 mil pesos
Reglas de Probabilidades
7
Para cualquier evento A, le asignamos el nmero P(A) llamado la probabilidad del evento A.
Le asignamos una probabilidad a cada resultado en el espacio muestral, entre 0 y 1, tal que la suma
de estas probabilidades es igual a 1, y
La probabilidad de cualquier evento es la suma de las probabilidades de los resultados que hacen
aquel evento.
Si los resultados del espacio muestral son equiprobables (igualmente probables), la probabilidad de un
evento A es simplemente la proporcin de resultados de A en el espacio muestral.
Ley de Laplace :
(1,2)
(2,2)
(3,2)
(4,2)
(5,2)
(6,2)
(1,3)
(2,3)
(3,3)
(4,3)
(5,3)
(6,3)
(1,4)
(2,4)
(3,4)
(4,4)
(5,4)
(6,4)
(1,5)
(2,5)
(3,5)
(4,5)
(5,5)
(6,5)
P(B) =
P(C) =
P(D) =
(1,6)
(2,6)
(3,6)
(4,6)
(5,6)
(6,6)
P(A) =
Dado cargado?
Se sospecha que un dado est cargado en el sentido que tienden a salir nmero grandes. Queremos
docimar la siguiente hiptesis:
(1,2)
(2,2)
(3,2)
(4,2)
(5,2)
(6,2)
(1,3)
(2,3)
(3,3)
(4,3)
(5,3)
(6,3)
(1,4)
(2,4)
(3,4)
(4,4)
(5,4)
(6,4)
(1,5)
(2,5)
(3,5)
(4,5)
(5,5)
(6,5)
(1,6)
(2,6)
(3,6)
(4,6)
(5,6)
(6,6)
0 P ( A) 1
2. Si sumamos las probabilidades de cada resultado individual en el espacio muestral, la probabilidad
total tiene que ser uno.
P( S ) 1
3. La probabilidad de que un evento A ocurra es uno menos la probabilidad de que el evento no ocurra.
P ( A) 1 P ( A C )
4. Regla de la suma: La probabilidad de que un evento A o un evento B ocurra es la suma de sus
probabilidades individuales menos la probabilidad de la interaccin.
P ( A o B ) P ( A B ) P ( A) P ( B ) P ( A B )
"A or B"
A
B
Si los dos eventos A y B son disjuntos, es decir, no tienen elementos en comn, entonces:
P ( A o B ) P ( A B ) P( A) P( B )
Sexo y educacin
Suponga que se registra informacin sobre sexo y nivel de educacin de 200 adultos seleccionados al
azar entre los residentes de la comuna de Talca
Sexo
Hombre
Mujer
Bsica
38
45
Educacin
Media
28
50
Universitaria
22
17
10
Probabilidad Condicional
En ocasiones, el conjunto de todos los "resultados posibles" puede constituir un subconjunto del espacio
muestral original.
A given B
A
B
Definicin:
La probabilidad condicional de que ocurra el evento A dado que el evento B ocurri est dada por:
P( A | B)
P( A B)
,
P( B)
donde P( B) 0
Nota: de esta relacin se deduce que podemos escribir la interseccin de otra manera usando la regla de
la multiplicacin: P( A B ) P ( A) P( B | A) P( B) P( A | B)
El ao 2004 la Universidad de Talca tena 5453 estudiantes, en la tabla se muestra el detalle de la
composicin.
Pregrado
Postgrado
Total
Mujeres
2461
67
2528
Hombres
2848
77
2925
Total
5309
144
5453
P( A| B) = P( A) , o
P( B| A) = P( B) .
Si saber que un evento ocurri no cambia la probabilidad de ocurrencia del otro evento, entonces los
eventos son independientes.
Si dos eventos A y B son independientes, entonces la regla de la multiplicacin:
P ( A B ) P ( A) P ( B ) .
(b) CCCSSS
(c) CCCCCC
Si observamos SSSSSS, en el siguiente lanzamiento ser ms probable que salga una cara o un
sello?
SERNAC realiza una encuesta acerca de la calidad del servicio de reparacin de automviles en 86
talleres:
Taller
Autorizado
No autorizado
Atencin
Buena Regular
18
6
34
28
12
5. La probabilidad condicional de que ocurra un evento A, dado que ocurri el evento B est dada
por:
P( A | B)
P( A B)
,
P( B)
donde P ( B ) 0 .
13