TEÓRICO DE PROBABILIDAD
11/5/2021
PROBABILIDAD
El concepto de probabilidad es manejado por
mucha gente. Frecuentemente se escuchan
preguntas como las que se mencionan a
continuación:
¿ Cuál es la probabilidad de que me saque la
lotería ?
¿ Qué posibilidad hay de que me pase un
accidente automovilístico ?
¿ Qué posibilidad hay de que hoy llueva ? para
llevar mi paraguas o no.
¿ Existe alguna probabilidad de que repruebe el
primer parcial ?,
TEORÍA DE LA PROBABILIDAD
• La Teoría de la Probabilidad, fue establecida en el
siglo XVII por los matemáticos franceses Pierre de
Fermat y Blaise Pascal. ¿Y qué tiene que ver la
Probabilidad con la Estadística? ¡Mucho! Hemos dicho
que la Estadística es un instrumento para el estudio de
un fenómeno cuando no se conocen que leyes lo
rigen, y si hay fenómenos que no están regidos por
leyes, son los fenómenos aleatorios. Y la base
matemática para el estudio estadístico de los
fenómenos aleatorios la proporciona la Teoría de la
Probabilidad.
IMPORTANCIA DE LA PROBABILIDAD
EN PSICOLOGÍA
• Fines de la Psicología: : la descripción, la comprensión, la predicción
y el control de la conducta y los procesos mentales.
Por predicción se entiende la capacidad para prever una conducta
con certeza.
• Es decir, para que la psicología pueda en su momento predecir la
conducta es necesario que sea capaz de hacer que todos los datos
particulares que obtiene mediante la investigación sean capaces de
ser generalizados y de ahí poder inferir, con una tasa de certeza
suficiente, un comportamiento, acción o situación.
• La importancia de la probabilidad radica en que, mediante este
recurso matemático, es posible ajustar de la manera más exacta
posible los imponderables debidos al azar en los más variados
campos tanto de la ciencia como de la vida cotidiana.
SUCESO ALEATORIO
Un suceso aleatorio es aquel fenómeno que
ejecutado bajo las mismas condiciones:
1-Puede tener varios resultados.
2-En cada ocurrencia del suceso es imposible
predecir el resultado, atribuyéndose el mismo
al azar.
Por ejemplo el lanzamiento de una moneda:
¿puede tener varios resultados? ¿Puede predecirse
el resultado?
Los sucesos aleatorios y
la Teoría de la Probabilidad
Pese a su naturaleza azarosa, hay comportamientos que podemos esperar de
un suceso aleatorio.
Por ejemplo, si lanzáramos una moneda muchas veces, supongamos 1.000
veces, podríamos esperar que de esas 1.000 veces, más o menos la mitad de
las tiradas salieran cara y más o menos la otra mitad salieran cruz. Si no fuera
así pensaríamos que seguramente la moneda está trucada.
Una probabilidad es una medida de la posibilidad que tiene un suceso de
ocurrir.
Para estudiar un suceso aleatorio estudiamos las probabilidades de sus
resultados.
La probabilidad de un suceso
Ejemplo: Lanzar un dado y que salga un 4.
Se habla de sucesos equiprobables, porque todas las caras tienen las mismas
posibilidades de salir.
ALGUNOS CONCEPTOS
• Experimento aleatorio: es una operación cuyos
resultados llamados eventos, dependen del azar
o son consecuencia del azar.
• Espacio muestral : son todos los posibles
resultados de un experimento
• Se llama variable aleatoria a una cuyos valores o
categorías resultan de un experimento aleatorio.
• Evento: Es cualquier subconjunto del espacio
muestral
ESPACIO MUESTRAL
• Suceso aleatorio 1:el lanzamiento de una moneda.
Posibles resultados individuales: 2 (sacar una cara -sacar
una ceca)
Ωlanzar una moneda = {cara, ceca}
• Suceso aleatorio 2:el lanzamiento de un dado.
Posibles resultados individuales: 6 (sacar un 1, 2, 3, 4, 5 ó
6)
Ωlanzar un dado = {1, 2, 3, 4, 5, 6}
PROBABILIDAD
• Definición: Frecuencia relativa con la que puede esperarse
que ocurra un evento.
• La probabilidad de que se presente determinado suceso es
igual al cociente del número de casos que son favorables a
este suceso, por el número total de casos posibles, con tal
que todos estos casos sean mutuamente simétricos.
Puede obtenerse de tres formas:
1-Empírica o a posteriori
2-Teórica o a priori
3-Subjetivamente
Notas importantes sobre Probabilidad
1-La probabilidad de un suceso sólo toma valores entre 0
y 1(o entre 0 y 100 si viniera dada en porcentaje).
2-Un suceso que tiene probabilidad 0 es un suceso que
no puede ocurrir, y se denomina suceso imposible. Por
ejemplo: lanzar un dado de 6 caras y sacar un 7.
3-Un suceso que tiene probabilidad 1 es un suceso que va
a ocurrir siempre, y se denomina suceso seguro. Por
ejemplo: lanzar un dado y que salga algún número.
4-Si la probabilidad de un suceso es p, entonces la
probabilidad de que no ocurra el suceso (la probabilidad
de que pase lo contrario del suceso) es 1-p=q
Probabilidad a priori
• Esta definición clásica de probabilidad fue
una de las primeras que se dieron (1900) y
se atribuye a Laplace; para calcularla, es
necesario conocer, antes de realizar el
experimento aleatorio, el espacio muestral y
el número de resultados o sucesos
elementales que entran a formar parte del
suceso.
• Entonces ¿cuál es la probabilidad de que al lan-
zar un dado salga un 4?¿Y un número impar?
Esta definición clásica de probabilidad fue una de las primeras que se
dieron (1900) y se atribuye a Laplace; también se conoce con el nombre
de probabilidad a priori pues, para calcularla, es necesario conocer, antes
de realizar el experimento aleatorio, el espacio muestral y el número de
resultados o sucesos elementales que entran a formar parte del suceso.
𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑐𝑎𝑠𝑜𝑠 𝑓𝑎𝑣𝑜𝑟𝑎𝑏𝑙𝑒𝑠 𝑑𝑒 𝐴 𝑛(𝐴)
𝑃 𝐴 = 𝑃 𝐴 =
𝑇𝑜𝑡𝑎𝑙 𝑑𝑒 𝑐𝑎𝑠𝑜𝑠 𝑝𝑜𝑠𝑖𝑏𝑙𝑒𝑠 𝑁
.
EJEMPLO DE PROBABILIDAD A PRIORI
Definición de probabilidad a posteriori
• Probabilidad empírica: es el cociente entre el
número de casos en que el hecho ocurre y el
número total de veces que se examina.
Definiciones de Probabilidades
Definición Subjetiva
Las probabilidades subjetivas están basadas en las creencias de las personas que efectúan la estimación de
probabilidad. La probabilidad subjetiva se puede definir como la probabilidad asignada a un evento por parte
de un individuo, basada en la evidencia que se tenga disponible. Definida por Savage como la probabilidad
de un hecho A es interpretado como una medida de confianza que una persona razonable asigna a un
hecho A. Si está nublado es probable que lloverá. Puede ser aplicado a hechos que todavía no han
ocurrido, a hechos que ocurren una sola vez y no requieren un experimento con gran cantidad de ensayos,
es un enfoque muy flexible y puede ser aplicado a muchas situaciones
EVENTOS EXCLUYENTES
• Por un lado, se dice que dos o más eventos
son mutuamente excluyentes si, al ocurrir uno de
ellos, excluye la posibilidad de que ocurra el otro.
• La fórmula matemática para determinar la probabilidad
de los eventos mutuamente excluyentes es P(A U B) =
P(A) + P(B). La probabilidad de que A o B suceda es
equivalente a la probabilidad del evento A más la
probabilidad del evento B".
• Sacar una carta de oro y una carta de espadas. Son
eventos mutuamente excluyentes, las cartas o son oro
o son de espadas.
EVENTOS NO EXCLUYENTES
• Dos o más eventos son no excluyentes cuando
es posible que ocurran ambos.
Ejemplo: Sacar un 5 y una carta de espadas. Son
eventos no excluyentes ya que podemos sacar
un 5 de espadas.
La fórmula es P(A o B) = P(A) + P(B) - P(A y B)
LEYES DE LAPLACE
1-El valor numérico de la probabilidad es siempre un número positivo
o nulo pero nunca puede ser mayor a 1.
2-Ley de la suma o probabilidad simple: Si dos hechos A y B se
excluyen mutuamente, la probabilidad de obtener A o B es igual a la
probabilidad de obtener A más la probabilidad de obtener B
P (A o B) = P (A) + P (B)
No pueden ocurrir A y B simultáneamente en el mismo experimento
Ejemplo: la probabilidad de obtener un 5 o un 6 al arrojar
un dado P (5 o 6) = P (1/6) + P (1/6) =2/6 =1/3
Cuando los eventos tienen puntos en común, es decir pueden suceder
al mismo tiempo
P (A o B) = P (A) + P (B) –P (AB)
LEY DE LA SUMA
Regla de la adición o suma
La regla de la adición o regla de la suma establece que la probabilidad de ocurrencia de cualquier evento
en particular es igual a la suma de las probabilidades individuales, si es que los eventos son mutuamente
excluyentes, es decir, que dos no pueden ocurrir al mismo tiempo.
P(A o 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.
Ejemplo 1.
Consideré el experimento aleatorio del lanzamiento de una dado normal, ¿Cuál es la probabilidad de
obtener un 2 o 4?
1 1 2
𝑃 2 𝑜 4 = + = = 0.33
6 6 6
Ejemplo 3.
Un bolsa contiene 10 bolas numeradas de 1 hasta 10. Las bolas de 1 a 5 son bolas blancas y las
numeradas de 6 hasta 10 son de color rojo. Se selecciona de la bolsa un bola aleatoriamente ¿cuál
es la probabilidad que sea de color blanca o impar?
5 5 3 7
𝑃 𝑏𝑙𝑎𝑛𝑐𝑎 𝑜 𝑖𝑚𝑝𝑎𝑟 = + − = = 0.7
10 10 10 10
Ejemplo. Se sortea un viaje a Rio Janeiro entre los 120 mejores clientes de un taller mecánico. De ellos, 65
son mujeres, 80 están casados y 45 son mujeres casadas. Cuál es la probabilidad que el premiado(a) sea:
a) Mujer
65
𝑃 𝑚𝑢𝑗𝑒𝑟 = = 0.542
120
b) Casado(a) c) Soltero(a) o
mujer
80 40 65 20 85
𝑃 𝐶𝑎𝑠𝑎𝑑𝑜 = = 0.667 𝑃 𝑆𝑜𝑙𝑡𝑒𝑟𝑜 𝑜 𝑀𝑢𝑗𝑒𝑟 = + − = = 0.708
120 120 120 120 120
SUCESOS INDEPENDIENTES
• Dos eventos son independientes si el
resultado del segundo evento no es afectado
por el resultado del primer evento. Si A y B
son eventos independientes, la probabilidad
de que ambos eventos ocurran es el producto
de las probabilidades de los eventos
individuales P ( A y B ) = P ( A ) · P ( B )
SUCESOS DEPENDIENTES
• Dos sucesos son dependientes entre sí cuando el
hecho de que se de uno de ellos influye en la
probabilidad de que se de el otro.
La probabilidad de dos sucesos A y B de dos
experimentos simples sucesivos en
un experimento compuesto dependiente es:
A y B son dependientes P( A ∩ B) = P (A) · P(B/A)
P( A ∩ B) = P (B) · P(B/A)
LEY DE LA MULTIPLICACIÓN
La regla de la multiplicación establece que la probabilidad de ocurrencia de dos o más
eventos estadísticamente independientes es igual al producto de sus probabilidades
individuales P (A y B) = P (A B) = P (A) P (B)
Si A y B son independientes. Decimos que dos sucesos A y B son independientes entre
sí, cuando la ocurrencia de uno de ellos no modifica la probabilidad del otro.
Si A y B son dependientes. Decimos que dos sucesos A y B son dependientes entre sí,
cuando la ocurrencia de uno de ellos modifica la probabilidad del otro.
P (A y B) = P (A B) = P (A) P (B|A)
Ejemplo
Considere la canasta con bolas que se presenta. El
experimento aleatorio consiste en seleccionar al azar 3 bolas,
¿Cuál es la probabilidad que salgan en el orden: roja, azul,
blanca? 6 5 4 120
𝑃 𝑅𝐴𝐵 = × × = = 0.044
15 15 15 2730
LEY DE LA MULTIPLICACIÓN
• 1. Si se responden al azar cuatro preguntas
con cinco opciones cada una, ¿cuál es la
probabilidad de acertar a todas? La
probabilidad de acierto en cada una de las
preguntas es 1/5. Por lo tanto, la probabilidad
de acertar en las cuatro es:
P(A)= 1/5. 1/5. 1/5. 1/5=1/625
TEOREMA DE BAYES
• El teorema de Bayes es de enorme relevancia
puesto que vincula la probabilidad de A dado B
con la probabilidad de B dado A. Es decir, por
ejemplo, que sabiendo la probabilidad de tener
un dolor de cabeza dado que se tiene gripe, se
podría saber (si se tiene algún dato más), la
probabilidad de tener gripe si se tiene un dolor
de cabeza. Muestra este sencillo ejemplo la alta
relevancia del teorema en cuestión para la ciencia
en todas sus ramas, puesto que tiene vinculación
íntima con la comprensión de la probabilidad de
aspectos causales dados los efectos observados.
PROBABILIDAD CONDICIONAL
LEYES DE LAPLACE
• Probabilidad condicional
Se sabe que el 50% de la población fuma y
que el 10% fuma y es hipertensa. ¿Cuál es la
probabilidad de que un fumador sea
hipertenso?
• A = {ser hipertenso} B = {ser fumador}
A Ç B = {ser hipertenso y fumador}
p(A|B) = 0,10/0,50 = 0,20
PROBABILIDAD CONDICIONAL
Consideremos una población en la que cada individuo es clasificado según dos
criterios: es o no portador de HIV y pertenece o no a cierto grupo de riesgo que
denominaremos R. La correspondiente tabla de probabilidades es:
Portador (A) No portador (Ac )
Pertenece a R (B) 0,003 0,017 0,020
No pertenece a R (Bc ) 0,003 0,977 0,980
0,006 0,994 1,000
En esta población, la probabilidad de que un individuo sea portador es P(A)=0.006
y la probabilidad de que sea portador y pertenezca al grupo de riesgo R es P(A ∩
B)=0.003. Dado que una persona seleccionada al azar pertenece al grupo de
riesgo R, ¿cuál es la probabilidad de que sea portador?
P(AyB) = P(A). P(B/A)= P(B). P(A/B) 0,003/0,020
Es decir que 150 de cada 1000 individuos del grupo de riesgo R, son
“probablemente” portadores de HIV.
RENDIMIENTO ACADÉMICO
PROCEDENCIA BUENO REGULAR MALO TOTAL
La Plata 120 50 100 270
Conurbano 100 30 165 295
Int.Pcia de Bs. As. 35 75 85 195
Otras Pcias. 70 80 90 240
TOTAL 325 235 440 1000
¿Cuál es la probabilidad de…
• ¿Cuál es la probabilidad de que se de un
evento? P(A)
• ¿Cuál es la probabilidad de que se de uno u
otro de los eventos A o B? P(AUB)
• ¿Cuál es la probabilidad de que se den dos
eventos? P (A ∩ B)
• ¿Cuál es la probabilidad de un evento
habiendo sucedido el otro evento? P (A/B)
EJEMPLIFICACIÓN
La probabilidad que se de un evento
• ¿Cuál es la probabilidad si yo tomo una encuesta
al azar esa persona sea de La Plata?
P (A)=270/1000=0,27 27% Hay un 27% de
probabilidad que seleccionado un encuestado al
azar sea de La Plata.
¿Cuál es la probabilidad si yo tomo una encuesta al
azar esa persona tenga rendimiento BUENO?
P=0,325
EJEMPLIFICACIÓN
• Cuando los eventos son mutuamente excluyentes, no se
pueden dar al mismo tiempo (fila contra fila o columna
contra columna)
• ¿Cuál es la probabilidad si yo tomo una encuesta al azar
que ese alumno sea de La Plata o del interior? P (AUB)=P
(A)+P (B)
P(La Plata o Interior)= 270/1000+195/1000=
465/1000=0,465 46,5%
¿Cuál es la probabilidad si yo tomo una encuesta al azar que
ese alumno tenga rendimiento BUENO o MALO?
P=0,765
EJEMPLIFICACIÓN
• Los dos eventos pueden suceder al mismo tiempo
Cuando se pide fila contra columna
P (A ∩ B)=P(A) . P(B/A)
¿Cuál es la probabilidad si yo tomo una encuesta al azar que
ese alumno sea del interior y que tenga un rendimiento
REGULAR?
P (Int y Regular)=195/1000 . 75/195=0, 7488
¿Cuál es la probabilidad si yo tomo una encuesta al azar que
ese alumno sea La Plata y que tenga un rendimiento
MALO?
P=0,10
EJEMPLIFICACIÓN
P(AyB) = P(A). P(B/A)= P(B). P(A/B)
P(Conurb. Y Regular)=P(Conurb.) xP(Regular/Conurb)=P(Regular)
xP(Conurb/Regular)=
295/1000. 30/295=0,03
235/1000.30/235=0,03
