Eventos mutuamente excluyentes y no excluyentes

Eventos mutuamente excluyentes y eventos no excluyentes

Dos o ms eventos son mutuamente excluyentes o disjuntos, si no pueden
ocurrir simultneamente. Es decir, la ocurrencia de un evento impide
automticamente la ocurrencia del otro evento (o eventos).
Dos o ms eventos son no excluyentes, o conjuntos, cuando es posible que
ocurran ambos. Esto no indica que necesariamente deban ocurrir estos eventos
en forma simultnea.
La regla de la Adicin expresa que: la probabilidad de ocurrencia de al menos
dos sucesos A y B es igual a:
P(A o B) = P(A) U P(B) = P(A) + P(B)
Si A y B son mutuamente excluyente:
P(A o B) = P(A) + P(B) P(A y B)
Si A y B son no excluyentes Siendo:
P(A) = probabilidad de ocurrencia del evento
AP (B) = probabilidad de ocurrencia del evento
BP(A y B) = probabilidad de ocurrencia simultanea de los eventos A y B
Eventos Independientes
Dos o ms eventos son independientes cuando la ocurrencia o no-ocurrencia
de un evento no tiene efecto sobre la probabilidad de ocurrencia del otro
evento (o eventos). Un caso tpico de eventos independiente es el muestreo
con reposicin, es decir, una vez tomada la muestra se regresa de nuevo a la
poblacin donde se obtuvo.
Ejemplos

http://probabilidadmitad1.blogspot.com.co/search?q=Probabilidad+a+Priori
Definicin clsica de probabilidad o a priori
Cuando un experimento aleatorio tiene n resultados, y todos ellos con igual posibilidad de ocurrencia,
entonces se emplea el mtodo clsico de la probabilidad para estimar la posibilidad de ocurrencia de
cada uno de ellos. Le corresponde pues, a cada resultado, una probabilidad igual a 1/n.

Considere, por ejemplo, un dado de 6 caras, cul es la probabilidad de que caiga el nmero 5 despus
de un lanzamiento? Un dado balanceado (esto es, no recargado) tiene 6 resultados posibles: 1, 2, 3, 4,
5, 6. La probabilidad de que caiga el nmero 5 es igual a la probabilidad que tiene cualquier otro de los
valores, y esta es igual a 1/6.

Resumiendo, la probabilidad de que ocurra un evento A cualquiera, que tiene la misma posibilidad de
ocurrencia que cualquier otro evento dentro del espacio muestral de tamao n, se define como:

Este planteamiento de la probabilidad tiene serios problemas cuando intentamos aplicarlo a los
problemas de toma de decisiones menos previsibles. El planteamiento clsico supone un mundo que no
existe, supone que no existen situaciones que son bastante improbables pero que podemos concebir
como reales. La probabilidad clsica supone tambin una especie de simetra en el mundo.

Definicin de probabilidad segn el concepto de frecuencia

relativa o probabilidad frecuentista
En el siglo XIX, los estadsticos britnicos, interesados en la fundamentacin terica del clculo del
riesgo de prdidas en las plizas de seguros de vida y comerciales, empezaron a recoger datos sobre
nacimientos y defunciones. En la actualidad, a este planteamiento se le llama frecuencia relativa de
presentacin de un evento y define la probabilidad como:

La frecuencia relativa observada de un evento durante un gran nmero de intentos, o

La fraccin de veces que un evento se presenta a la larga, cuando las condiciones son
estables.

Este mtodo utiliza la frecuencia relativa de las presentaciones pasadas de un evento como una
probabilidad. Determinamos qu tan frecuente ha sucedido algo en el pasado y usamos esa cifra para
predecir la probabilidad de que suceda de nuevo en el futuro.

Un experimento aleatorio se caracteriza porque repetido muchas veces y en idnticas condiciones el

cociente entre el nmero de veces que aparece un resultado (suceso) y el nmero total de veces que se
realiza el experimento tiende a un nmero fijo. Esta propiedad es conocida como ley de los grandes
nmeros, establecida por Jacob Bernouilli. Tiene el inconveniente de variar la sucesin de las
frecuencias relativas de unas series de realizaciones a otras, si bien el valor al que se aproximan a
medida que el nmero de realizaciones aumenta se mantiene estable.

La frecuencia relativa del suceso A:

fr (A) = (Nmero de veces que aparece A/ Nmero de veces que se realiza el experimento)
Cuando utilizamos el planteamiento de frecuencia relativa para establecer probabilidades, el nmero
que obtenemos como probabilidad adquirir mayor precisin a medida que aumentan las observaciones.
Una dificultad presente con este planteamiento es que la gente lo utiliza a menudo sin evaluar el nmero
suficiente de resultados.

http://datateca.unad.edu.co/contenidos/100402/moduloexe/seccin_1_definicin_clsica_de_probabilidad_o
_a_priori.html

http://datateca.unad.edu.co/contenidos/100402/moduloexe/seccin_2_definicin_de_probabilidad_segn_el
_concepto_de_frecuencia_relativa_o_probabilidad_frecuentista.html

Axiomas de Probabildiad - Reglas de multiplicacin

En el tema anterior se present la regla de la adicin para calcular P(AUB). En esta seccin se
desarrollar una regla para determinar P(AnB), esto es, la probabilidad de que el evento A ocurra en un
primer experimento y el evento B ocurra en un segundo experimento.

a.- Probabilidades bajo condiciones de independencia estadstica.

Cuando se presentan dos eventos, el resultado del primero puede tener un efecto en el resultado del
segundo, o puede no tenerlo. Esto es, los eventos pueden ser dependientes o independientes. Existen
tres tipos de probabilidades que se presentan bajo independencia estadstica:

Marginal.

Conjunta.

Condicional.

Probabilidades marginales bajo independencia estadstica.

Una probabilidad marginal o incondicional es la probabilidad simple de presentacin de un

evento.

Probabilidades conjuntas bajo condiciones de independencia estadstica.

La probabilidad de dos o ms eventos independientes que se presentan juntos o en sucesin es el

producto de sus probabilidades marginales:
P (A B) = P(A) X P(B)

Probabilidades condicionales bajo independencia estadstica.

Simblicamente, la probabilidad condicional se escribe P(B/A) y se lee "la probabilidad de que se

presente el evento B, dado que el evento A se ha presentado". La probabilidad condicional es la
probabilidad de que un segundo evento (B) se presente, si un primer evento (A) ya ha sucedido.

Para eventos estadsticamente independientes, la probabilidad condicional de que suceda el evento B

dado que el evento A se ha presentado, es simplemente la probabilidad del evento B:

P(B/A) = P(B)

b.- Probabilidades bajo condiciones de dependencia estadstica.

La dependencia estadstica existe cuando la probabilidad de que se presente algn suceso depende o
se ve afectada por la presentacin de algn otro evento. Los tipos de probabilidad bajo condiciones de
dependencia estadstica son:

Condicional.

Conjunta.

Marginal.

Probabilidad condicional bajo dependencia estadstica.

P(B / A) = P(BnA) / P(A)

Probabilidades conjuntas bajo condiciones de dependencia estadstica.

P( B n A) = P(B / A) x P(A)

P( B n A) = P(A / B) x P(B)

Ejemplo 3.1.5

Retome el ejemplo de las caractersticas de las orqudeas de un vivero y calcule la probabilidad de que
la orqudea que se seleccione sea de color lila dado que se ha tomado una orqudea de tamao de
ptalo grande.

Tamao de ptalo

Grande Pequeo

Lila 40 4
Color
Blanca 2 3

Sean los eventos:

A: la orqudea es de ptalo grande.

B: la orqudea es de color lila.

Se pide entonces: P(B/A)= P(AnB)/P(A)

P(AnB)= 40/49

P(A)=42/49

As:

P(B/A)=( 40/49)/(42/49)=0,925=92,5%

Calcule ahora la probabilidad de que la orqudea seleccionada sea de ptalo grande dado que es de
color lila.

Observe que esta probabilidad es diferente a la calculada arriba, se pide:

P(A/B)= P(AnB)/P(B)
P(A/B)= (40/49)/(44/49)=0,909=90,9%

En este caso, P(A) y P(A/B) son las probabilidades del mismo evento (la orqudea es de ptalo grande)
pero calculadas bajo dos diferentes estados de conocimiento: la primera, sin la condicin de su color y la
segunda, condicionada a que su color sea lila. De manera similar, P(B) y P(B/A) son las probabilidades
del mismo evento (la orqudea es de color lila) calculadas bajo dos estados diferentes de conocimiento:
sin condicionar su tamao de ptalo para la primera y la segunda condicionada a que su tamao de
ptalo sea grande.

La regla de la multiplicacin se puede resumir en el siguiente diagrama de flujo[1] para el clculo de la

probabilidad de la interseccin de dos eventos dados A yB.

Figura 3.8.

Diagrama de flujo de la regla de multiplicacin

RECOMENDACIONES PRCTICAS:

Cuando se aplica la regla de la adicin de probabilidades, determinar previamente si los

eventos son excluyentes o no.

Cuando se usa la regla de la multiplicacin, determinar si los eventos son dependientes o

independientes.

Siempre que sea posible, apoyar la interpretacin del problema mediante el empleo de
diagramas de Venn.

http://datateca.unad.edu.co/contenidos/100402/moduloexe/leccin_13_axiomas_de_probabildiad__reglas
_de_multiplicacin.html