PROBABILIDADES

Grado de creencia que uno tiene de la ocurrencia de un suceso.

Ejemplo : estado del tiempo, ganar un partido, perder una
asignatura

PREDICCIONES

En estadstica el uso de las

predicciones son de gran utilidad
cuando se realizan investigaciones por
muestreo debido a los costos y al
tiempo para hacer una investigacin
total, limitndonos a un determinado
numero de elementos y con base en
estos procedemos a realizar
predicciones estimaciones asignando
limites de confianza.

PREDICCIONES

Posibilidades= N de defectuosos/N de no
defectuosos (un suceso ocurre o no ocurre)
Probabilidades=P=N de defectuosos/total de
casos posibles (se espera un resultado ente 0 y
1)
El concepto de probabilidad tiene mucho que
ver con la frecuencia relativa.
0 < Fi < 1
0< P < 1
Fr= ni/n la ocurrencia de un suceso como un
numero comprendido entre 0 y 1

EJEMPLO

Lanzamos 100 veces una moneda y

anotamos el numero de veces que cae
cara y cae sello.
Frecuencia absoluta-Cara 56 sellos 44
Frecuencia relativa-caras 56/100 sellos
44/100
Probabilidad de caras = 56%
Probabilidad de sellos= 44%

DEFINICIONES DE PROBABILIDAD
Estudio de experimentos aleatorios
Resultado de un experimento en un intervalo
entre 0 y 1
Cociente de dividir los casos favorables que
puedan ocurrir en un suceso ,sobre el total de
casos posibles. P=nmero de xitos/numero
de casos posibles ;entonces
La probabilidad de que un evento no ocurra es
igual a 1 menos la probabilidad de que si
ocurra.

DEFINICIONES DE PROBABILIDAD

Probabilidad objetiva: Se toma de la

experiencia.
Probabilidad subjetiva : Es una evaluacin
muy personal
Probabilidad de ocurrencia=Numero de
veces de ocurrencia del evento en el
pasado/numero total de observaciones
Mtodo clsico de probabilidades =
Nmero de xitos/total de casos posibles.

PROBABILIDADES
Si establecemos una escala de valores entre 0 y 1 donde:
P= 1 Indica que hay absoluta certeza de que el suceso observado
se presente.
P=0 Imposibilidad absoluta de que el suceso ocurra P est entre 0 y
1 ---- 0< P < 1
La dificultad se presenta cuando los resultados muestran valores
que oscilan entre estos limites (0-1)
Pero existe una serie de fenmenos que dificultan el clculo. Esos
fenmenos se llaman sucesos.
Probabilidad de un suceso es el #al que tiende la frecuencia relativa
a medida que el #de veces que se realiza el experimento aumenta .
igual #xitos/#de sucesos posibles.
SUCESO: Es cada caso posible en una prueba, o sea la realizacin de
un acontecimiento y pueden ser:

TIPOS DE SUCESOS

Cierto =100%-todos los casos favorables.

Ej compro todas las boletas en una rifa
Verosmil >50% pero menor que 1
Dudoso = 50% ventajas y desventajas
=lanzar una moneda.
Inverosmil < 50% pero mayor que 0
Imposible =0 cuando no existe
posibilidad

CLASES DE SUCESOS
Igualmente probables: lanzar una moneda C,S
Opuestos o contrarios: Que te ganas un premio o no lo
ganas, la seleccin Colombia clasifica o no clasifica
Ciertos-Una moneda con 2 caras
Imposibles: que aparezca un 8 al lanzar un dado, vivir
muchos aos sin comer o beber.
Compatibles-que en una baraja aparezca simultnea
mente 6 y que sea oro, tienes un empleo cobras sueldo
Mutuamente excluyentes: Solo un suceso puede ocurrir
o sea que no se puede presentar otro al mismo tiempo.
Ej se lanza un dado y aparece un 2 o un 6

CLASES DE SUCESOS

Sucesos independientes: Cuando la

ocurrencia de un suceso no influye en el
otro EJ: al lanzar 2 dados , obtener en el
primero un 2 y el segundo un 6,que me
aumenten el sueldo y me incapaciten.
Sucesos dependientes: La ocurrencia
de uno afecta la ocurrencia de otro.
Ej. Que me aumenten sueldo y me
asciendan de cargo.

LEYES DE LA PROBABILIDAD

Si dos o ms sucesos son tales que solo uno de ellos puede ocurrir en
un solo ensayo, se dice que son mutuamente excluyentes ; es decir
que los dems no pueden presentarse al mismo tiempo, en este caso
se determina la probabilidad aditiva (adicin). Solo un suceso o evento
puede ocurrir.

P= p1+p2+p3 =suma de las probabilidades de c/suceso

Dos o ms sucesos son independientes, si la probabilidad de

presentacin de uno de ellos no es influenciada por la presentacin del
otro. De otra manera
Si el resultado de un suceso no afecta el resultado del otro, se dice que
las probabilidades son independientes y se efecta la multiplicacin.
Lanzar una moneda la P de C=1/2 y P S 01/2 el resultado no depende
de el lanzamiento anterior.

LEYES DE LA PROBABILIDAD

P= P1 *P2*P3* Pn
Los sucesos son dependientes o compuestos , si la
ocurrencia de un evento en cualquier prueba
afecta la probabilidad del otro evento en otras
pruebas. En este caso la probabilidad tambin se
multiplica
P= P1 *P2*P3* Pn
Despus de inspeccionar un lote de 10 unidades
se encontr que 2 son defectuosos si de los 10
extraemos 2 unidades cual es la P de defectuosos

LEYES DE LA PROBABILIDAD

Sucesos compatibles es decir no son mutuamente

excluyentes: Cuando la posibilidad de que ocurra
un suceso no impide la ocurrencia de otro.
En este caso las probabilidades tambin se suman
Probabilidad de que un alumno tenga en su
biblioteca un libro de matemticas es el 70%,
estadstica 40% ambos el 30%
Cual es la probabilidad de que tenga un libro de
matemticas o un libro de estadstica o ambos

LEYES DE LA PROBABILIDAD
Probabilidad Condicional: La
probabilidad de que un evento
A ocurra, una vez que el evento
B haya ocurrido, se dice que es
la probabilidad de A dado B =
P(A/B) =P(Ainter B) /P(B)
Ejemplo: A una reunin asisten
20 personas ,11 hombres y 9
mujeres, si 5 hombres y 3
mujeres llevan gafas calcular la
P de que al escoger una

ESPACIOS MUESTRALES
El conjunto de todos los resultados posibles
se denominan espacios mustrales.
Un
resultado particular, es decir un
elemento ,se llama punto muestral.
Del espacio muestral se sacan eventos o
sucesos .Se pueden combinar eventos para
formar nuevos : Ejemplo
AuB =evento que sucede si y solo s A o B o
ambos suceden

ELABORACION DE ESPACIOS MUESTRALES

Los resultados posibles son PUNTOS

mustrales
La lista de todos los resultados
=ESPACIOS mustrales
Ejemplo 1: Elegir un alumno del curso de
estadstica. (Jorge, Pablo, Andrs,
Felipe) esto es un espacio muestral.
Cada alumno es un punto muestral.2)
Ej(recorrido de la casa a la oficina)

ESPACIOS MUESTRALES

EJEMPLO 2 :Lanzamiento de una moneda

(c,s)1/2 y 1/2
EJEMPLO 3: Lanzamiento de una moneda 2 veces.
(cc,ss,sc,cs)
EJEMPLO 4:Una persona vive en el norte y solo tiene 2
rutas para llegar a la autopista. Al llegar a la autopista
tiene 3 rutas poco congestionadas para llegar al centro
de la ciudad , ya en el centro puede seleccionar 2 rutas
para llegar al parqueadero ms cercano a su oficina .
De cuantas maneras o rutas podra conducir su
automvil de la casa al parqueadero ms prximo a su
oficina.

ESPERANZA MATEMATICA

E=np
n= nmero de experimentos
P=Probabilidad de xito de un suceso
en un solo ensayo.
El numero esperado de ese suceso o la
esperanza de ese suceso en ..n
ensayos estar dado por el producto
del n*p

REGLA DE LA MULTIPLICACION

Permiten simplificar en forma considerable el

conteo de los puntos mustrales: frmulas: m*n*o
Multiplicando el numero de sucesos.
La regla de la multiplicacin es la base para 2formulas:
PERMUTACION Y LAS COMBINACIONES =
Si el orden no importa , es una combinacin
Si el orden si importa es una permutacin
Una permutacin es una combinacin ordenada
Hay dos tipos de Permutaciones.

REGLA DE LA MULTIPLICACION
Hay dos tipos de permutaciones:
1. Con repeticin. Se tienen n cosas para elegir
r .de ellas las permutaciones posibles son
n*n*n ..n a la r porque hay n posibilidades para
la primera eleccin ,despus hay n posibilidades
para la segunda eleccin (n a la r) cerradura 333
2. Sin repeticin. Se reduce el numero de
opciones en cada paso. Se escribe
matemticamente usando la funcin factorial
n!

PERMUTACIONES

Ejemplo
-Se permite repetir :hay 10 nmeros para elegir la
clave de una caja fuerte si elijo 3 de ellos (0,1,2 9 )
10 a la 3 = 1000 permutaciones.
-Sin repeticin: Como ordenar 16 bolas de billar
;despus de elegir la 14 por ejemplo no se puede
elegir otra vez . Es decir la 1eleccion tienes 16
posibilidades la segunda 15 y la tercera 14 y 13. Pero
si solo quieres elegir 3 de ellas sera 16*15*14
=3360 es decir al 3360 maneras de elegir e bolas de
billar de entre 16. Ej los 3 primeros en una carrera

PERMUTACIONES

Se escribe matemticamente usando la

funcin factorial.(!)significa que multiplica
nmeros descendentes.
n! se lee como permutacin de n
elementos tomados de n en n . 0!=1
ayuda a implicar muchas ecuaciones. Si
quiero elegir todas las bolas de billas sera
16! Pero para elegir 3 seria n! /(n-r)!
1!=1

REGLAS DE LA MULTIPLICACION

COMBINACIONES. No importa el orden en que se

dispongan los elementos . S una permutacin la
cambiamos para que el orden no importe tendremos una
combinacin.
nCr = n! /( n-r)!r! Formula de permutacin ajustada para
reducir las maneras de ordenar los objetos elegidos .
Ej. cuantas combinaciones se pueden hacer con las 4
primeras letras del alfabeto.
4C4 = 4! /(4-4)!4! = 4! / (1)4! =1 una sola combinacin

Si se combinan 4 letras de 2 en dos 4C2=4!/(4-2)!2! =6

DISTRIBUCION DE PROBABILIDAD

Muestra los resultados esperados de un

experimento y la probabilidad de cada uno de
estos resultados. Es la enumeracin de todos los
resultados de un experimento junto con la
probabilidad asociada a cada uno.
Las distribuciones de probabilidad ms conocidas
son: NORMAL (LAPLACE)

,BINOMIAL(BERNOULL) , POISSON, CHICUADRADOSTUDENT,HIPERGEOMETRICA,F

DISTRIBUCION NORMAL

Como ocurre en un histograma el rea de cada rectngulo

es proporcional al numero de datos en el rango de valores
correspondiente, si en el eje horizontal se levantan dos
puntos a y b el rea bajo la curva delimitada por esas
lneas indica la probabilidad de que la variable de inters X,
tome un valor cualquiera en ese e intervalo puesto que la
curva alcanza su mayor altura en torno a la media, mientras
que se extiende asintticamente hacia los ejes. Cuando una
variable siga una distribucin normal ser mucho ms
probable observar un dato que se encuentra cercano a la
media que uno que se encuentre lejano.

DISTRIBUCION NORMAL

La distribucin de una variable normal est completamente

determinada por dos parmetros la media y la desviacin
estndar.
Es la ms utilizada porque las distribuciones muestrales
las medias muestrales y proporciones de grandes nmeros
tienden a distribuirse normalmente.
Si el tamao de la muestra es superior a 30 (n>30) la
distribucin en el muestreo de la media ser
aproximadamente normal .
La distribucin normal tiene gran incidencia en la teora del
muestreo. Es una excelente aproximacin a otras
distribuciones muestrales.

CONDICIONES DE LA CURVA NORMAL

Tiene una nica moda, que coincide con su

media y su mediana.
La curva normal es asinttica al eje de las
abscisas por eso toma valores entre
menos infinito y mas infinito. El rea total
bajo la curva es igual a 1
Es simtrica con respecto a la media.es
decir para este tipo de variables existe
una probabilidad de un 50% de observar
datos mayores a la media y un 50% de
observar datos menores.

Z-toma valores desde -3 hasta

+3 y cubre un rea del 99,7% casi
= al 100%
La variante estadstica Z= XU/sigma. Es la medida de las
desviaciones estndar o de las
llamadas unidades estandarizada,
conocida como desviacin normal.

DISTRIBUCION NORMAL

La distancia entre la linea trazada de la media y el

punto de inflexin de la curva es igual a una
desviacin estndar .Cuanto mayor sea la
desviacin ,ms aplanada ser la curva .
El rea bajo la curva comprendido entre los valores
situados aproximadamente a dos desviaciones
estndar de la media es igual al 95%
La forma de la campana depende de los parmetros
media y desviacin .La media indica la posicin de la
campana ,de modo que para diferentes valores de la
media la grfica es desplazada a lo largo del eje
horizontal

Z-toma valores desde -3 hasta +3

y cubre un rea del 99,7% casi =
al 100%
La variante estadstica Z= XU/sigma. Es la medida de las
desviaciones estndar o de las
llamadas unidades estandarizadas,
conocida como desviacin normal.

CAMPANA DE GAUS O CURVA NORMAL- GRAFICO

El punto Z mide el N de desviaciones

estndar de un valor con respecto a la
media.
Aunque un puntaje Z sea negativo, el rea
bajo la curva o probabilidad correspondiente,
nunca ser negativo. El signo se tiene en
cuenta al sombrear.
No se deben confundir puntajes con rea.
Cuando tengo Z, hallo probabilidad a partir
del puntaje

Existe correspondencia entre rea y

probabilidad.
Para hallar las probabilidades usamos
la tabla de distribucin Z
Cada cantidad de la tabla corresponde
a la proporcin bajo la curva que se
encuentra ente, Z=0 y un valor
positivo de Z, las reas para valores
negativos se obtienen por simetra

REGLA EMPIRICA DE
APROXIMACION

El 68% de todos los puntos est a

menos de una desviacin tpica de la
media U
El 95% a menos de 2 desviaciones
El 97% a menos de 3 desviaciones
P(-1<Z<1) = 68%
P(-2< Z<2) =95%
P(-3< Z<3) =99%

Cuando me dan probabilidad y debo

encontrar un puntaje Z
Puntaje Z entre a y b
P (a < Z<b)
P ( Z >A)
P ( Z<A)

RECOMENDACIONES
No

confundir puntaje con rea

Escoger el lado correcto
Z es negativo si est al lado izquierdo de (0) centro
PASOS
1) En un dibujo introduzco la probabilidad o % y en la regin
apropiada de la tabla identifico los valores de X que se buscan.
2) Con la tabla busco rea e identifico Z. Hacer Z negativo si
est al lado izquierdo.
3) Utilizo la frmula de Z y despejo X
Z= X-U/sigma = Z. sigma +U=X
X=(Z.sigma)+U
4) Verificar si la solucin es lgica