Universidad Católica de la Santísima Concepción

Facultad de Ingeniería
Departamento de Matemática y Física Aplicadas IN1062C 2017-2 HA/LR/RS/JD

Unidad 1 PROBABILIDADES

A. Probabilidad de Eventos
(definición–propiedades–Probabilidad Condicional-Regla de multiplicación )

El término probabilidad esta relacionado con la aleatoriedad e incertidumbre. La teoría de

probabilidad nos entrega métodos para cuantificar la posibilidad o chance de ocurrencias de
un resultado posible en una situación dada. El estudio de las probabilidades tuvo su origen
en los juegos de azar.

Definición: Un experimento es cualquiera acción o proceso que genera observaciones con

el fin de establecer nuevos conocimientos. Los experimentos pueden ser de dos clases:
a) Determinístico: Cuando de antemano conocemos el resultado.
b) Aleatorio: Se conoce el conjunto de resultados posibles.

Características de un experimento aleatorio:

- Se puede repetir indefinidamente bajo las mismas condiciones esenciales.
- No se conoce el resultado en que finaliza el experimento, pero se conoce el número
posible de resultados en que termina.
- El resultado se produce al azar.

Definición: Un espacio muestral  es el conjunto de todos los resultados posibles de un

experimento aleatorio.

Ejemplo: En el lanzamiento de una moneda que se tira dos veces y se observa una
sucesión de caras y sellos. =(c,c),(c,s),(s,c),(s,s)

Definición: Un espacio muestral discreto es aquel que tiene un número finito o infinito
numerable de elementos. Será continuo si tiene un número infinito no numerable, es decir,
cuyos elementos son valores de algún intervalo del conjunto de los reales.

Definición: Un evento o suceso es cualquier subconjunto de un espacio muestral.

Un evento se dice elemental si consiste de un solo resultado.

Un evento es compuesto si consiste de más de un resultado.
Si la cardinalidad del espacio muestral #  = n, entonces podemos definir las partes de 
que son 2n eventos posibles, algunos serán de interés y otros no. Las partes de 
   A ; A   contiene todos los eventos posibles que pueden formarse a partir de .

Ejemplo: Sea E: Lanzar una moneda 3 veces y observar sucesión de caras y sellos.
=(c,c,c), (c,c,s),….., (s,s,s) 

1
Universidad Católica de la Santísima Concepción
Facultad de Ingeniería
Departamento de Matemática y Física Aplicadas IN1062C 2017-2 HA/LR/RS/JD

Podemos considerar los siguientes eventos:

A =scs; que el primer resultado sea sello, el segundo cara y tercer sello.
B =csc, ccs, scc; que aparezcan exactamente dos caras.
C = ccc, ccs, csc, scc, css, scs, ssc; que aparezcan al menos una cara.
D = css, scs, ssc, sss ; que aparezcan a lo más una cara.

Definición: Diremos que un evento ocurre al realizar un experimento si uno, cualquiera, de

sus elementos ocurre.

Ejemplo: Si se lanza una moneda 3 veces, se obtiene scs, decimos que ocurrió el evento A,
evento C, el evento D, pero no ocurrió B.
El evento  es aquel que contiene a ningún elemento del espacio muestral, por ejemplo
E = (c,c,c,c) 

La interpretación más frecuentemente de probabilidad y la más fácil de entender es la

basada en la noción de frecuencia relativa:
Suponga que un experimento puede ser realizado repetidamente en forma idéntica e
independientemente (experimento aleatorio) y sea A un evento que consiste en un número
fijo de resultado del experimento. Si el experimento se realiza n veces, el evento A ocurrirá
algunas veces y otras no. Sea n(A) el número de veces que ocurre A, entonces la razón
n(A) / n se llama frecuencia relativa de ocurrencia del evento A en la sucesión de n
repeticiones del experimento.
n( A)
P (A)  ; Si n 
n

2/3

1/3

3 10 100 1000 Número de lanzamientos de una moneda

Ejercicio: 61 alumnos realizaron el experimento de anotar una secuencia inventada de lo

que creen que podría resultar al lanzar una moneda 20 veces. Se obtuvo el siguiente número
de caras en los alumnos:

2
Universidad Católica de la Santísima Concepción
Facultad de Ingeniería
Departamento de Matemática y Física Aplicadas IN1062C 2017-2 HA/LR/RS/JD

Números de Caras por persona:

12 10 10 9 10 10 11 11 11 9 10 11 11 8 11 10 10 11 12 10
10 10 10 11 10 10 11 9 11 11 10 12 9 10 9 10 10 12 10 9
9 10 11 10 10 10 9 11 10 9 9 10 10 10 10 11 8 11 9 10
9

Tabla de Distribución de Frecuencia Datos Estadísticos

Variable Frecuencia Frecuencia Porcentaje N Válidos 61
Nº caras absoluta Porcentaje acumulada acumulado
Perdidos 0
8 2 3,3 2 3,3
Media 10,11
9 12 19,7 14 23,0
Mediana 10,00
10 28 45,9 42 68,9
11 Moda 10
15 24,6 57 93,4
12 Desv. típ. ,915
4 6,6 61 100,0
Total Varianza ,837
61 100,0

Grafico Secuencia Inventada

30
25
Numero 20
de 15
Alumnos 10 Serie1
5
0
8 9 10 11 12
Numero de Caras

a) Una representación gráfica, con la planilla Excel, de la distribución de frecuencias de

caras es la que se muestra. Qué comentarios le merece.
b) Determine la frecuencia relativa de obtener a lo más 10 caras en el total de
lanzamientos de una moneda correcta.
c) ¿Qué porcentaje de alumnos obtuvo 11 caras?
d) Obtener e interpretar la medida de tendencia central adecuada. Justifique.
e) ¿Piensas que estos alumnos tienen buena intuición sobre el lanzamiento de monedas?

Operaciones con eventos:

Sean A y B dos eventos asociados a cierto espacio muestral , entonces son también
eventos:
A  B : Es el evento que ocurre cuando ocurre por lo menos uno de ellos , A o B
A  B : Ocurre si ocurre ambos, A y B
Ac : Ocurre si A no ocurre
A - B : Ocurre si ocurre A y no ocurre B; ocurre sólo A.

3
Universidad Católica de la Santísima Concepción
Facultad de Ingeniería
Departamento de Matemática y Física Aplicadas IN1062C 2017-2 HA/LR/RS/JD

La  e  la podemos generalizar a una sucesión numerable de eventos. Sea A 1 , A 2 ,.....,..

una sucesión numerable de eventos, entonces:

 Ai : es el evento que ocurre si a lo menos ocurre A i ,  i  IN
i 1

 Ai : es el evento que ocurre si ocurre A i ,  i  IN
i 1

Definición: Dos elementos A y B se dicen mutuamente excluyentes si no pueden ocurrir al

mismo tiempo, es decir, AB =  .

Axioma de Probabilidades
En términos de interpretación la palabra probabilidad se usa para indicar la posibilidad de
que ocurra un evento.

Definición: Un conjunto   () de subconjuntos de  se llama una -álgebra de  si:

Para cada A   A  
c
i.

ii. Si A 1 , A 2 ,.....A k    Ai 
i 1
iii. 

Ejemplo: Sea  el conjunto de casos posibles que resultan de la tirada de un dado. Decir
cuáles de las siguientes clases de conjuntos son álgebras.
a)  1 =  , 1,3,5 , 2 ,4,6 ,  b)  2 =  , 1, 3,5 , 2 ,4 ,6 , 

Definición: Una función de probabilidad es una función cuyo dominio es una -álgebra y
codominio los números reales que satisface los siguientes axiomas:
A 1 : P(A)  0 ;  A  
A 2 : P() =1


A 3 : A n A , n  N , A n disjuntos dos a dos entonces: P(  An )=  P ( An )
n1 n 1
La terna (P, , ) se le llama espacio de probabilidades de Kolmogorov.

Propiedades elementales:

Sea (P, , ) un Espacio de Probabilidades, entonces:

P1: P()=0
c
P2: P (A ) = 1 - P(A)
P3: P(AB) = P(A) + P(B) - P(AB)

4
Universidad Católica de la Santísima Concepción
Facultad de Ingeniería
Departamento de Matemática y Física Aplicadas IN1062C 2017-2 HA/LR/RS/JD

P4: Si AB  P(A)  P(B) (propiedad de monotonía)

P5: Si 0  P(A)  1 ;  A  
k k
P6: Sean A 1 , A 2 ,.....A k elementos elementales de , luego se tiene P(  A i )=  P (A i ).
i 1 i 1

Observación: Mediante eventos elementales se puede calcular la probabilidad de cualquier

evento sumando las probabilidades de los eventos elementales que el contiene.

P7:  A,B,C  :
P(ABC) = P(A) + P(B) + P(C) - P(AB) - P(AC) - P(BC) + P(ABC)
P8: Si E n  n  IN es una sucesión de eventos crecientes (E 1  E 2  ...  E N ...)

entonces: P(  En ) = Lím P ( E n )
n
n1
P9: Se puede probar que si F n  n  IN es una sucesión de eventos decrecientes,
entonces ( F 1  F 2  ...  F N .......) , entonces:

P(  Fn ) = Lím P ( F n )
n
n1

Observación: Los axiomas sólo sirven para caracterizar el concepto de probabilidad. La

asignación apropiada o correcta de una probabilidad a los eventos, depende en la forma en
la cual el experimento se lleva a cabo y también en nuestra propia interpretación de
probabilidad.

Determinación Sistemática de Probabilidad:

Sea  un espacio muestral discreto (finito o numerable) cuando el número de resultados
posibles (eventos elementales) es grande, habrán muchos eventos compuestos. Una forma
simple de determinar probabilidades para estos eventos que eviten violar los axiomas y las
propiedades derivadas de ellas, es primero determinar las probabilidades P(E i ) para cada
uno de los eventos elementales E estos deben satisfacer:
P(E i ) 0 y  i
P(E i )=1

Entonces, la probabilidad para cualquier evento compuesto A se calcula sumando los

P (E i ) para todos los E i eventos elementales de A
P(A) = i
P(E i ) E i A

5
Universidad Católica de la Santísima Concepción
Facultad de Ingeniería
Departamento de Matemática y Física Aplicadas IN1062C 2017-2 HA/LR/RS/JD

Resultados Igualmente Probables: (espacios muestrales equiprobables) en muchos

experimentos que consisten de N resultados (#  = N ) es razonable asignar igual
probabilidad a todos los N eventos elementales , con p = P(E i ) i  1, N
N N
1= 
i 1
P(Ei) = 
i 1
p = Np  p = 1 / N

 P (E i ) =1/N , i  1, N

Ahora, si A es un evento compuesto con N(A) elementos, entonces:

1 N ( A) Números de elementos de A
P(A) =  P (E ) =  
E i A
i
n N
Números de elementos de 
De aquí resulta útil manejar bien las técnicas de conteo o de enumeración vistas
anteriormente para poder determinar rápidamente el número de elementos que posee el
espacio muestral y el evento de interés.

B. Método de Conteo o de Enumeración

Son técnicas que permiten contar el número de elementos de un evento o los elementos de
un espacio muestral.
En el proceso de contar objetos se estudia el número de ocurrencias de un determinado
suceso sin describir, necesariamente, todas sus posibilidades.

Principio de Adición
Si un evento (operación) A puede ocurrir de n formas y el evento B de m formas, entonces
el evento A o B se puede efectuar de n + m formas cuando A y B son mutuamente
excluyentes. En caso contrario, si A  B   , A o B puede ocurrir m + n - k formas
donde k es el número de coincidencias entre A y B.

Principio de Multiplicación
Si A ocurre de n formas y B de m formas, entonces el evento A y B puede ocurrir de
n  m formas.
Ejemplo:  : Lanzamiento de dos dados ¿ De cuántas formas pueden caer?
6x6=36 formas.
Ejemplo: En un concurso de proyectos participan 7 ingenieros ¿De cuántas maneras se
pueden distribuir los tres primeros lugares? 7 X 6 X 5 = 210 Lugares

Definición: Si n es un entero positivo, entonces:

n! = n (n-1)!=n(n-1)(n-2)...... 3  2  1 y lo llamamos n-factorial. También, definimos 0 ! =1

6
Universidad Católica de la Santísima Concepción
Facultad de Ingeniería
Departamento de Matemática y Física Aplicadas IN1062C 2017-2 HA/LR/RS/JD

Permutación
La Permutación es un arreglo u ordenación diferente de un grupo de objetos. El número de
permutaciones de r objetos tomados de un conjunto de n objetos ( n  r ) distinguibles es:

n!
P (n, r )  Prn 
(n  r )!
Ejemplo: ¿Cuántos números de 2 cifras distintas pueden formarse con los números1,2,3)?
3!
P3   6 (1,2),(2,1),(1,3),(3,1),(2,3),(3,2)
2 (3  2)!

n
Observación: El número de permutaciones de n objetos distintos entre si es n!: Pn  n!

El número de permutaciones de n objetos tomándolos todos entre si y siendo n 1 de

ellos iguales entre si, n 2 iguales entre si, ..., nk es :
n! k
P(n; n1, n2 ,..., nk )  , n   ni
n1!n2!    nk ! i 1

Combinación
Es una selección de objetos de un conjunto sin importar el orden.
El número de combinaciones de n objetos tomados de r en r es el número de subconjuntos
de tamaño r que puedan formarse con los n objetos.
El número total de combinaciones de n objetos tomados de r en r está dado por:

 n n!
C (n, r )    
 r  r!(n  r )!

Regla Hipergeométrica:
Suponga que hay n objetos en un grupo y que n 1 son de un tipo y n 2 de otro. El número
de grupos de r objetos, donde r 1 son del primer tipo y r 2 del segundo tipo, puede ser
formado por extracción de r objetos de n y está dado por:
 n1   n2 
     n  n1  n 2 ; r  r1  r 2
 r1   r2 

Probabilidad Condicional
A menudo se sabe que ha ocurrido un evento A y se desea conocer la probabilidad de otro
evento B. Se verá cómo influye la ocurrencia del evento A en la probabilidad del evento B.

7
Universidad Católica de la Santísima Concepción
Facultad de Ingeniería
Departamento de Matemática y Física Aplicadas IN1062C 2017-2 HA/LR/RS/JD

Suponga que Usted esta apostando por la ocurrencia de dos caras en el lanzamiento de una
moneda dos veces.

Así, sea A =  aparezca dos caras = (c,c), luego si los resultados son equiprobables
P(A)=1/4.
Suponga ahora que antes de ver el resultado alguien le dice que las monedas presentan a lo
menos una cara B =  (c,c),(c,s),(s,c). Luego, no sería bueno apostar al resultado (s,s). El
espacio muestral ahora (c,c),(c,s),(s,c). Así, en base a la información, la probabilidad de
1
obtener 2 caras es P((c,c)) / B) = .
3

Si el primer lanzamiento fue cara ¿Cuál es la probabilidad que ambos sean cara?
1
Se tiene C= (c,c),(c,s) y luego P= (cc/C) = .
2
Observación: cada vez que calculamos P(A / B) estamos calculando P(A) con respecto al
espacio muestral reducido B en vez de .

Definición: Si P(A) >0 la probabilidad condicional de B dado que ocurrió A, denotada por
P(B / A), se define por:

P(B / A) = P(AB) Si P (A) > 0

P(A)

0 Si P(A)=0

P(AB)
Si P (B)>0
P(A / B) = P(B)

0 Si P(B)=0

En términos de frecuencia relativa da la proporción de las veces que ocurre A con B

relativo a la proporción de veces que B ocurre.

Observación: La función P(  / B) también define una probabilidad.

En efecto:
P (A / B)  0  A
P(  / B) = 1
P(AC/ B)= P (A / B) + P(C / B) ; para AC = 

8
Universidad Católica de la Santísima Concepción
Facultad de Ingeniería
Departamento de Matemática y Física Aplicadas IN1062C 2017-2 HA/LR/RS/JD

c
Note que: P (A / B) = 1-P(A / B)
P (A / B) = P(A) / P(B) si y solo si A  B

Regla de la Multiplicación

La definición de probabilidad condicional nos permite obtener la probabilidad de la

ocurrencia simultánea de dos eventos. Se sabe que:

P(A  B)
P (A / B) = , P(B) > 0 /  P ( B )
P(B)

P(AB) = P(A / B) P(B) …………….. (1)

P(A  B)
Análogamente, se tiene que: P (B / A) = , P(A) > 0 /  IP ( A )
P(A)
P(AB) = P(B / A) P(A) …………….. (2)

Las igualdades (1) y (2) reciben el nombre de regla de multiplicación o compuesta. Esta
regla puede generalizarse para un número finito de eventos.
Esta regla puede generalizarse sin dificultad, en el siguiente teorema:

Teorema: Sean A 1 , A 2 , ......., A n , n-eventos cualesquiera, tal que

P (A 1 A 2 ,…, A n 1 ) > 0 , entonces:

n
P( A i ) = P(A 1 )  P(A 2 / A 1 )  P(A 3 /A 1  A 2 )      P (A n / A 1  A 2 …A n1)

i1

C. Teorema de Bayes – Independencia de Eventos

Definición: Sean E 1 , E 2 ,….,E n subconjuntos de  se dice que E 1 , E 2 ,…., E n forman

una partición de  si :
n
i. Ei E j =  ; ij, E i  i ii.  Ei = 
i1


E1 E2

Ei
E3 E4

9
Universidad Católica de la Santísima Concepción
Facultad de Ingeniería
Departamento de Matemática y Física Aplicadas IN1062C 2017-2 HA/LR/RS/JD

Teorema de la Probabilidad Total

Sea E 1 , E 2 ,…., E n una partición de un espacio muestral  y sea A cualquier evento de
. Entonces:
P( A ) = P(E 1 )  P(A / E 1 ) + P(E 2 )  P(A / E 2 )+…….+ P (E n )  P (A / E n )

Teorema de Bayes
Sea E 1 , E 2 ,…., E n una partición . Entonces para cualquier suceso A en  se tiene:

P(Ei /A)= P ( E i )  P (A / E i )
n


j 1
P (E j )  P ( A / E j )

Independencia de Eventos
Dos eventos A y B se dicen mutuamente independientes (m.i.) si P ( A / B ) = P ( A )
o P ( B ) = P ( B / A), cualquiera sean los casos . La ocurrencia o no ocurrencia de uno de
los eventos no afecta la probabilidad de ocurrencia o no ocurrencia del otro.

Teorema: Dos eventos A y B se dicen mutuamente independientes, si y sólo si:

P(A  B )= P(A)  P ( B )

Teorema: Si A y B son sucesos independientes, entonces también lo son el complemento

de uno de ellos con el otro y ambos complementos.
c c
i. P(AB ) =P(A)  P(B )
c c
ii. P (A  B ) = P ( A ) P ( B )
c c c c
iii. P (A  B ) = P (A )  P ( B )

Ejercicio: Demuestre este teorema.

10
Universidad Católica de la Santísima Concepción
Facultad de Ingeniería
Departamento de Matemática y Física Aplicadas IN1062C 2017-2 HA/LR/RS/JD

Ejercicios:
1. Una empresa que ensambla calculadoras compra el mismo circuito integrado a tres
abastecedores: I, II, III. De experiencias pasadas, se sabe que el porcentaje de circuitos
defectuosos abastecidos por I, II, III es 2%, 3% y 4% respectivamente. La empresa
acostumbra a comprar el 30% de sus circuitos al abastecedor I, el 50% al abastecedor II y el
resto al abastecedor III. En un día de trabajo, un empleado de la empresa encuentra una caja
sin etiqueta de procedencia y de ella extrae uno de los circuitos para probarlo. Antes de
probar el circuito y después de algunos cálculos, el empleado afirma que el circuito es
defectuoso con probabilidad 0.03; en cambio, el gerente hace sus propios cálculos y afirma
que esta probabilidad es 0.029.
a) ¿Quién tiene la razón? Justifique su respuesta.
b) Si al probar un circuito se encuentra que es no defectuoso, ¿Cuál es la probabilidad que
éste provenga del abastecedor I ó II?

2. Sean A, B y C sucesos de un espacio muestral  asociado a un cierto experimento

aleatorio. Si P(A) = 0.2 y P (B) = 0.3. Además A y B son eventos independientes.
Determine las siguientes probabilidades:

a) P ( B c / A c ) [0.7] b) P ( A  B ) [0.44] c) P ( A  B c / A  B ) [0.32]

3. Tres estudiantes A, B y C están inscritos en la misma clase. Supóngase que A asiste a

clases el 30% de las veces, B asiste el 50% y C asiste el 80%. Si estos estudiantes asisten a
clase independientemente uno de otro, ¿Cuál es la probabilidad de que
a) al menos uno de ellos esté en clase un día concreto? [0.93]
b) Exactamente uno de ellos esté en clase un día concreto? [0.38]

11