PROBABILIDADPara la mayoría de la gente, “Probabilidad” es un termino
vago utilizado en el lenguaje cotidiano, para indicar la
posibilidad de un evento futuro.
PROPIEDADES DE LA PROBABILIDAD
Conceptos previos:
• Espacio muestral (E): es el conjunto de los diferentes resultados que pueden
darse en un experimento aleatorio.
• Suceso: subconjunto del espacio muestral. Se representa con una letra
mayúscula, con sus elementos entre llaves y separados por comas.
Operaciones con sucesos:
• Unión: la unión de dos sucesos es el suceso que ocurre cuando se da uno de
ellos.
• Intersección: la intersección dos sucesos es el suceso que ocurre cuando se
dan ambos a la vez.
La probabilidad, en una experiencia aleatoria, es una aplicación que asigna un
número real a cada suceso.
Tipos de sucesos:
• Suceso Seguro: se tiene la certeza de que se producirá porque contiene todos
los resultados posibles de la experiencia (coincide con el espacio muestral).
• Suceso Imposible: se tiene la certeza de que nunca se puede presentar, ya
que no tiene elementos (es el conjunto vacío).
• Suceso Contrario de A: es el que ocurre cuando no se da A; es su
complementario respecto al espacio muestral (A’ ).
• Suceso Elemental: es el que tiene un solo resultado, es un conjunto unitario.
• Sucesos incompatibles: la intersección es conjunto vacío, es decir, no pueden
los dos sucesos darse al mismo tiempo.
• Sucesos Compatibles: la intersección de dos sucesos contiene algún
elemento.
CARACTERÍSTICAS DE LA PROBABILIDAD
• La probabilidad de un suceso es mayor o igual
que cero.
• La probabilidad del suceso seguro es uno.
• La probabilidad de la unión de dos sucesos
incompatibles es igual a la suma de sus
probabilidades.
Axiomas de la probabilidad
1. La probabilidad es positiva y menor o igual que 1
• 0 ≤ p(A) ≤ 1
2. La probabilidad del suceso seguro es 1.
• p(E) = 1
3. Si A y B son incompatibles, es decir A B = entonces:
• p(A B) = p(A) + p(B)
PRIMERA:
La suma de las probabilidades de un suceso y su contrario
vale 1, por tanto la probabilidad del suceso contrario es:
SEGUNDA:
Probabilidad del suceso imposible es cero
TERCERA:
La probabilidad de la unión de dos sucesos es la suma de
sus probabilidades restándole la probabilidad de su
intersección.
CUARTA:
Si un suceso está incluido en otro, su probabilidad es
menor o igual a la de éste.
QUINTA:
Si A1, A2, ..., Ak son incompatibles dos a dos entonces:
SEXTA:
Si el espacio muestral E es finito y un suceso es S = {x1, x2,
..., xn} entonces:
DOS LEYES DE LA PROBABILIDAD
1. Ley multiplicativa de la probabilidad
La probabilidad de la intersección de dos eventos A y B
P(A n B) = P(A)P(B/A)
= P(B)P(A/B)
Si A y B son independientes, entonces
P(A n B) = P(A)P(B)
2. Ley aditiva de la probabilidad
La probabilidad de la unión de dos eventos A y B es.
P(A U B) = P(A) + P(B) – P(A n B)
Si A y B son eventos mutuamente excluyentes, entonces.
P(A n B) = 0 y
P(A U B) = P(A) + P(B)
EJEMPLO
En cierta ciudad, 40% de los votantes son republicanos y el
60% son demócratas; 70% de los republicanos y 80% de los
demócratas están a favor de una emisión de bonos. Al
seleccionar al azar un votante de la ciudad ¿Cuál es la
probabilidad de que este a favor de la emisión de bonos?
SOLUCIÓN:
Sea “f” el evento a favor de la emisión de bonos “R” el
evento de que sea elegido un republicano, y “D” el evento
de que sea escogido un demócrata.
Entonces:
P(R) = 0.4, P(D) = 0.6, P(f/R) =0.7, P(f/D) = 0.8
EJEMPLO
Ahora
P(f) = P[(f n R) U (f n D)] = P(f n R) +P(f n D)
Ya que (f n R) y (f n D), son dos eventos excluyentes f = (F n R) U (f n D)
Entonces
P(f n R) = P(f/R)P(R) = (0.7)(0.4) = 0.28
En forma similar
P(f n D) = P(f/D)P(D) = (0.8)(0.4) = 0.76
Entonces
P(f) = 0.28 + 0.48 = 0.76
REGLA DE BAYES
El procedimiento de la composición de los eventos para
resolver los problemas de la probabilidad se facilita algunas
veces al considerar el espacio muestral “S” como una unión
de subconjuntos que son mutuamente excluyentes, es
decir, se supone que
S = B₁ U B₂ U … U Bк, con Bi n Bj = 0 para i ‡ j
A = A n S = A n (B₁ U B₂ … Bк)
= (A n B₁) U (A n B₂) U … U (A n Bк)
Entonces
P(A) = P(A n B₁) + P(A n B₂) + … P(A n Bк)
= P(B₁)P(A/B₁) + P(B₂)P(A/B₂) + P(Bк)P(A/ Bк)
к = ∑ P(Bi)P(A/ Bi)
i = 1
Resumen:
DISTRIBUCIÓN BINOMIAL
Es una distribución de probabilidad discreta que mide el número de éxitos
en una secuencia de n ensayos de Bernoulli independientes entre sí,
con una probabilidad fija p de ocurrencia del éxito entre los ensayos.
Un experimento de Bernoulli se caracteriza por ser dicotómico, esto es,
sólo son posibles dos resultados. A uno de estos se denomina éxito y
tiene una probabilidad de ocurrencia p y al otro, fracaso, con una
probabilidad q = 1 - p.
En la distribución binomial el anterior experimento se repite n veces, de
forma independiente, y se trata de calcular la probabilidad de un
determinado número de éxitos. Para n = 1, la binomial se convierte, de
hecho, en una distribución de Bernoulli.
Para representar que una variable aleatoria X sigue una distribución
binomial de parámetros n y p, se escribe:
DISTRIBUCIÓN BINOMIAL
Las siguientes situaciones son ejemplos de experimentos que
pueden modelizarse por esta distribución:
Se lanza un dado diez veces y se cuenta el número X de tres
obtenidos: entonces X ~ B(10, 1/6)
Se lanza una moneda dos veces y se cuenta el número X de caras
obtenidas: entonces X ~ B(2, 1/2)
Una partícula se mueve unidimensionalmente con
probabilidad p de moverse de aquí para allá y 1-q de moverse
de allá para acá
DISTRIBUCIÓN BINOMIAL
DISTRIBUCIÓN BINOMIAL
OPERACIÓN ENTRE CONJUNTOS
UNIÓN. Se define como el conjunto de todos los elementos, que
pertenecen a A o a B, o tanto a A como a B, (siendo A y B previamente
definidos).
INTERSECCIÓN. Es el conjunto de elementos que pertenecen
simultáneamente a A y a B, (A y B previamente definidos), y se escribe
A ∩ B.
DIFERENCIA. Son todos los elementos que de A que no pertenecen a B,
esto es, A – B.
COMPLEMENTO. Si B C A, entonces, A – B se denomina el complemento
de B relativo a A y se escribe: B A o BA o B’CA.
. Si A = U, nos referimos a U – B, sencillamente como el complemento de
B: B o B o B’C El complemento de (A ∪ B) se escribe ( A∪B) o (A∪B) o
(A∪B)’C
BIBLIOGRAFIA
• http://www.definicionabc.com/general/probabilidad.php
• http://thales.cica.es/rd/Recursos/rd98/Matematicas/28/matematicas-28.html
• http://monografias.interbusca.com/matematicas/propiedades-de-la-probabilidad.html
• http://www.vitutor.com/pro/2/a_8.html
• http://es.wikipedia.org/wiki/Probabilidad
• http://www.youtube.com/watch?v=OeTE8Q0Nmcc
• Estadística matemática con aplicaciones, Mendenhall, Scheaffer, Wackerly . Ed grupo
editorial Latinoamérica - Cramer, H. elememtos de probabilidad 2da edicion Huntington
N.Y. 1973.
PRESENTADO POR:
Rosario Bermúdez
John Calderón
Pedro Castillo
Giovanni Gómez
Nadia Sanabria
Katherine Tovar

Más contenido relacionado

PPTX
Probabilidad condicional
PPT
Teoría de probabilidad
DOCX
Unidad dos punto n°3
PDF
Distribución gamma y exponencial
PDF
2 probabilidad elemental
PPTX
Probabilidad y reglas, ejemplos
DOCX
Ecuaciones diferenciales exactas y por factor integrante
PPTX
Presentación estadistica
Probabilidad condicional
Teoría de probabilidad
Unidad dos punto n°3
Distribución gamma y exponencial
2 probabilidad elemental
Probabilidad y reglas, ejemplos
Ecuaciones diferenciales exactas y por factor integrante
Presentación estadistica

La actualidad más candente (20)

DOCX
Probabilidad condicional ejemplos (2)
PPT
Fuentes de campo magnetico 2. ing Carlos Moreno. ESPOL
PDF
Límites exponenciales y Logarítmicos
PPT
Leyes de probabilidad
DOC
PDF
Ensayo de teoria de probabilidad estadistica
PPTX
Distribuciones Continuas de Probabilidad
PDF
Distribución f de fisher snedecor
PPTX
Probabilidades
PDF
Distribucion exponencial
PPTX
Medidas de Dispersión
PPTX
Funciones de variable real: definiciones
PPT
Fundamentos de probabilidad
PPTX
Isoclinas, campos de dirección y métodos de euler
PPTX
Distribuciones discretas/ ESTADISTICA GENERAL
PDF
3 PPT INTRODUCCION A LA PROBABILIDAD.pdf
PDF
Densidad probabilistica
PPTX
ODP
Azar y probabilidad
PPTX
Teoria de la probabilidad
Probabilidad condicional ejemplos (2)
Fuentes de campo magnetico 2. ing Carlos Moreno. ESPOL
Límites exponenciales y Logarítmicos
Leyes de probabilidad
Ensayo de teoria de probabilidad estadistica
Distribuciones Continuas de Probabilidad
Distribución f de fisher snedecor
Probabilidades
Distribucion exponencial
Medidas de Dispersión
Funciones de variable real: definiciones
Fundamentos de probabilidad
Isoclinas, campos de dirección y métodos de euler
Distribuciones discretas/ ESTADISTICA GENERAL
3 PPT INTRODUCCION A LA PROBABILIDAD.pdf
Densidad probabilistica
Azar y probabilidad
Teoria de la probabilidad
Publicidad

Similar a Probabilidad ok (1) (20)

DOCX
Probabilidad
PDF
Teoría de la Probabilidad (estadística)
PPTX
2. Probabilidades_estadisitca_para_ingienieria
PPT
Probabilidad1
PDF
Teoria de la probabilidad estadistica. primer 20% 3er corte. (3)
PPTX
LOS ELEMENTOS DE LA PROBABILIDAD
PPT
Probabilidad1
PDF
Introducción a las Probabilidades ccesa007
PDF
Teoria de la Probabilidad
PPT
Probabilidad Antecedentes
PPTX
Conceptos básicos de probabilidad. PPT clase
PDF
Clase 7_Probabilidad1.pdf
PPTX
Probabilidad1.pptx
PPT
ESTADIST.II-TEMA I.ppt
PDF
00_Probabilidad, variables aleatorias.pdf
PPT
Probabilidades-Estadistica
PDF
Ensayo teoria de la probabilidad
PDF
2° Distribución de Prob-Variable Aleatoria-1.pdf
ODP
Probabilidad
Teoría de la Probabilidad (estadística)
2. Probabilidades_estadisitca_para_ingienieria
Probabilidad1
Teoria de la probabilidad estadistica. primer 20% 3er corte. (3)
LOS ELEMENTOS DE LA PROBABILIDAD
Probabilidad1
Introducción a las Probabilidades ccesa007
Teoria de la Probabilidad
Probabilidad Antecedentes
Conceptos básicos de probabilidad. PPT clase
Clase 7_Probabilidad1.pdf
Probabilidad1.pptx
ESTADIST.II-TEMA I.ppt
00_Probabilidad, variables aleatorias.pdf
Probabilidades-Estadistica
Ensayo teoria de la probabilidad
2° Distribución de Prob-Variable Aleatoria-1.pdf
Publicidad

Más de pilosofando (20)

PPTX
Diapositivas estadistica
PPTX
Estadistica grupo2
PPTX
Conceptos básicos de probabilidad
PDF
Interpretacion geometrica derivada
PDF
Derivada por def. del lim
PDF
Tabla t de_student
PDF
Tablas distribuciones
PDF
Tabla chi cuadrado
PPTX
Presentacion t student
DOC
Matemáticas basicas derecho_semestre_1
DOC
Matemáticas basicas derecho_semestre_1
DOC
Matemáticas basicas derecho_semestre_1
PDF
Td2 binomial acumulada
DOC
Notas matematicas basicas_derecho
DOC
Notas bioestadística
DOC
Re fr-070 acuerdo pedagogico matematica basica v
PDF
Ajercicicos 1 de bio estadística
DOC
Plan de unidad 8º matematicas 3 p 2012
DOC
Plan unidad sexto_3_p
DOC
Plandeunidad
Diapositivas estadistica
Estadistica grupo2
Conceptos básicos de probabilidad
Interpretacion geometrica derivada
Derivada por def. del lim
Tabla t de_student
Tablas distribuciones
Tabla chi cuadrado
Presentacion t student
Matemáticas basicas derecho_semestre_1
Matemáticas basicas derecho_semestre_1
Matemáticas basicas derecho_semestre_1
Td2 binomial acumulada
Notas matematicas basicas_derecho
Notas bioestadística
Re fr-070 acuerdo pedagogico matematica basica v
Ajercicicos 1 de bio estadística
Plan de unidad 8º matematicas 3 p 2012
Plan unidad sexto_3_p
Plandeunidad

Probabilidad ok (1)

  • 1. PROBABILIDADPara la mayoría de la gente, “Probabilidad” es un termino vago utilizado en el lenguaje cotidiano, para indicar la posibilidad de un evento futuro.
  • 2. PROPIEDADES DE LA PROBABILIDAD Conceptos previos: • Espacio muestral (E): es el conjunto de los diferentes resultados que pueden darse en un experimento aleatorio. • Suceso: subconjunto del espacio muestral. Se representa con una letra mayúscula, con sus elementos entre llaves y separados por comas. Operaciones con sucesos: • Unión: la unión de dos sucesos es el suceso que ocurre cuando se da uno de ellos. • Intersección: la intersección dos sucesos es el suceso que ocurre cuando se dan ambos a la vez. La probabilidad, en una experiencia aleatoria, es una aplicación que asigna un número real a cada suceso.
  • 3. Tipos de sucesos: • Suceso Seguro: se tiene la certeza de que se producirá porque contiene todos los resultados posibles de la experiencia (coincide con el espacio muestral). • Suceso Imposible: se tiene la certeza de que nunca se puede presentar, ya que no tiene elementos (es el conjunto vacío). • Suceso Contrario de A: es el que ocurre cuando no se da A; es su complementario respecto al espacio muestral (A’ ). • Suceso Elemental: es el que tiene un solo resultado, es un conjunto unitario. • Sucesos incompatibles: la intersección es conjunto vacío, es decir, no pueden los dos sucesos darse al mismo tiempo. • Sucesos Compatibles: la intersección de dos sucesos contiene algún elemento.
  • 4. CARACTERÍSTICAS DE LA PROBABILIDAD • La probabilidad de un suceso es mayor o igual que cero. • La probabilidad del suceso seguro es uno. • La probabilidad de la unión de dos sucesos incompatibles es igual a la suma de sus probabilidades.
  • 5. Axiomas de la probabilidad 1. La probabilidad es positiva y menor o igual que 1 • 0 ≤ p(A) ≤ 1 2. La probabilidad del suceso seguro es 1. • p(E) = 1 3. Si A y B son incompatibles, es decir A B = entonces: • p(A B) = p(A) + p(B)
  • 6. PRIMERA: La suma de las probabilidades de un suceso y su contrario vale 1, por tanto la probabilidad del suceso contrario es: SEGUNDA: Probabilidad del suceso imposible es cero
  • 7. TERCERA: La probabilidad de la unión de dos sucesos es la suma de sus probabilidades restándole la probabilidad de su intersección. CUARTA: Si un suceso está incluido en otro, su probabilidad es menor o igual a la de éste.
  • 8. QUINTA: Si A1, A2, ..., Ak son incompatibles dos a dos entonces: SEXTA: Si el espacio muestral E es finito y un suceso es S = {x1, x2, ..., xn} entonces:
  • 9. DOS LEYES DE LA PROBABILIDAD 1. Ley multiplicativa de la probabilidad La probabilidad de la intersección de dos eventos A y B P(A n B) = P(A)P(B/A) = P(B)P(A/B) Si A y B son independientes, entonces P(A n B) = P(A)P(B)
  • 10. 2. Ley aditiva de la probabilidad La probabilidad de la unión de dos eventos A y B es. P(A U B) = P(A) + P(B) – P(A n B) Si A y B son eventos mutuamente excluyentes, entonces. P(A n B) = 0 y P(A U B) = P(A) + P(B)
  • 11. EJEMPLO En cierta ciudad, 40% de los votantes son republicanos y el 60% son demócratas; 70% de los republicanos y 80% de los demócratas están a favor de una emisión de bonos. Al seleccionar al azar un votante de la ciudad ¿Cuál es la probabilidad de que este a favor de la emisión de bonos?
  • 12. SOLUCIÓN: Sea “f” el evento a favor de la emisión de bonos “R” el evento de que sea elegido un republicano, y “D” el evento de que sea escogido un demócrata. Entonces: P(R) = 0.4, P(D) = 0.6, P(f/R) =0.7, P(f/D) = 0.8
  • 13. EJEMPLO Ahora P(f) = P[(f n R) U (f n D)] = P(f n R) +P(f n D) Ya que (f n R) y (f n D), son dos eventos excluyentes f = (F n R) U (f n D) Entonces P(f n R) = P(f/R)P(R) = (0.7)(0.4) = 0.28 En forma similar P(f n D) = P(f/D)P(D) = (0.8)(0.4) = 0.76 Entonces P(f) = 0.28 + 0.48 = 0.76
  • 14. REGLA DE BAYES El procedimiento de la composición de los eventos para resolver los problemas de la probabilidad se facilita algunas veces al considerar el espacio muestral “S” como una unión de subconjuntos que son mutuamente excluyentes, es decir, se supone que S = B₁ U B₂ U … U Bк, con Bi n Bj = 0 para i ‡ j
  • 15. A = A n S = A n (B₁ U B₂ … Bк) = (A n B₁) U (A n B₂) U … U (A n Bк) Entonces P(A) = P(A n B₁) + P(A n B₂) + … P(A n Bк) = P(B₁)P(A/B₁) + P(B₂)P(A/B₂) + P(Bк)P(A/ Bк) к = ∑ P(Bi)P(A/ Bi) i = 1 Resumen:
  • 16. DISTRIBUCIÓN BINOMIAL Es una distribución de probabilidad discreta que mide el número de éxitos en una secuencia de n ensayos de Bernoulli independientes entre sí, con una probabilidad fija p de ocurrencia del éxito entre los ensayos. Un experimento de Bernoulli se caracteriza por ser dicotómico, esto es, sólo son posibles dos resultados. A uno de estos se denomina éxito y tiene una probabilidad de ocurrencia p y al otro, fracaso, con una probabilidad q = 1 - p. En la distribución binomial el anterior experimento se repite n veces, de forma independiente, y se trata de calcular la probabilidad de un determinado número de éxitos. Para n = 1, la binomial se convierte, de hecho, en una distribución de Bernoulli. Para representar que una variable aleatoria X sigue una distribución binomial de parámetros n y p, se escribe:
  • 17. DISTRIBUCIÓN BINOMIAL Las siguientes situaciones son ejemplos de experimentos que pueden modelizarse por esta distribución: Se lanza un dado diez veces y se cuenta el número X de tres obtenidos: entonces X ~ B(10, 1/6) Se lanza una moneda dos veces y se cuenta el número X de caras obtenidas: entonces X ~ B(2, 1/2) Una partícula se mueve unidimensionalmente con probabilidad p de moverse de aquí para allá y 1-q de moverse de allá para acá
  • 20. OPERACIÓN ENTRE CONJUNTOS UNIÓN. Se define como el conjunto de todos los elementos, que pertenecen a A o a B, o tanto a A como a B, (siendo A y B previamente definidos). INTERSECCIÓN. Es el conjunto de elementos que pertenecen simultáneamente a A y a B, (A y B previamente definidos), y se escribe A ∩ B. DIFERENCIA. Son todos los elementos que de A que no pertenecen a B, esto es, A – B. COMPLEMENTO. Si B C A, entonces, A – B se denomina el complemento de B relativo a A y se escribe: B A o BA o B’CA. . Si A = U, nos referimos a U – B, sencillamente como el complemento de B: B o B o B’C El complemento de (A ∪ B) se escribe ( A∪B) o (A∪B) o (A∪B)’C
  • 21. BIBLIOGRAFIA • http://www.definicionabc.com/general/probabilidad.php • http://thales.cica.es/rd/Recursos/rd98/Matematicas/28/matematicas-28.html • http://monografias.interbusca.com/matematicas/propiedades-de-la-probabilidad.html • http://www.vitutor.com/pro/2/a_8.html • http://es.wikipedia.org/wiki/Probabilidad • http://www.youtube.com/watch?v=OeTE8Q0Nmcc • Estadística matemática con aplicaciones, Mendenhall, Scheaffer, Wackerly . Ed grupo editorial Latinoamérica - Cramer, H. elememtos de probabilidad 2da edicion Huntington N.Y. 1973.
  • 22. PRESENTADO POR: Rosario Bermúdez John Calderón Pedro Castillo Giovanni Gómez Nadia Sanabria Katherine Tovar