PROBABILIDAD Y ESTADÍSTICA

■ UNIDAD 3:
Definiciones Básicas de Probabilidad
 ALGUNAS DEFINICIONES
Experimento Aleatorio: Proceso que produce uno o varios resultados posibles y
que no pueden ser predichos con certeza.

Espacio Muestral (S): Conjunto que incluye todos los resultados posibles en un
experimento aleatorio, puede ser finito o infinito.

Evento: Con los resultados de un experimento se pueden formar conjuntos que se

denominan eventos, los cuales están comprendidos dentro del espacio muestral (S)

Ejemplo: Se lanza un dado con el interés de observar si el número que cae en su

cara superior es par o impar:

S = {1, 2, 3, 4, 5, 6} ; el conjunto de números enteros del 1 al 6

Evento A= {2, 4, 6} ; el conjunto de numero pares entre 1 y 6
A ES
 EJEMPLO

Experimento Aleatorio: Salida de tres ratas de un laberinto con

dos salidas, una izquierda y otra derecha

Espacio Muestral: Todas las posibles combinaciones de las

salidas que escogen las tres ratas

S = [III, IID, IDI, DII, DDI, DID, IDD, DDD]

Evento A: Las tres ratas salen por el mismo lado

A= [III, DDD] AES
 EJEMPLO
Experimento Aleatorio: Lanzamiento de dos dados

Espacio Muestral: Todas las posibles combinaciones de los

resultados de ambos lados

S = [11 12 13 14 15 16 21 22 23 24 25 26 31 32 33 34 35 36 41 42 43 44 45 46 51
52 53 54 55 56 61 62 63 64 65 66 ]

Evento A: ambos dados caen en el mismo número

A= [11, 22, 33, 44, 55, 66] AES
P(A)= ?????
Álgebra de Conjuntos
Sean A1 y A2, dos eventos que pertenecen al espacio muestral S. Sobre
estos sucesos puedo definir las siguientes operaciones:

S
S
S

Diagrama de
A1 A2 Venn

1) Unión (U): Defino A1 U A2, como un nuevo suceso compuesto por:

- Elementos que pertenecen sólo a A1
- Elementos que pertenecen sólo a A2
- Elementos comunes
 Álgebra de Conjuntos
B) Intersección (n): Defino A1 n A2, como un nuevo evento
formado solamente por los elementos comunes de A1 y A2.

Nota: Dos sucesos son excluyentes, incompatibles o disjuntos

cuando su intersección es igual al conjunto vacío.

A1 n A2 = Ø→ Eventos Excluyentes
S
S

A1 A2
 Álgebra de Conjuntos
C) Complemento: Sea A un evento de S:

Defino Ac como complemento de A, el cual está formado por

todos los elementos del espacio muestral que no pertenecen a A

S
Ac
A

El complemento cumple con las siguientes características:

c
(A U A ) = S
c
(A n A ) = Ø
Álgebra de Conjuntos
Propiedades

Sean A,B y C tres sucesos del espacio muestral S

1) Conmutativa: AUB = BUA

AnB = BnA

2) Asociativa: (AUB)UC = AU(BUC)

(AnB)nC = An(BnC)

3) Idempotente: AUA = A
AnA = A

4) Simplificación o Absorción:
AU(AnB) = A
An(AUB) = A
 Ejercicios
Sea S el espacio muestral formado por el conjunto de número del 1 al
6

S= {1,2,3,4,5,6}

Y sean los eventos A={1,2,3} B={2,4,6} C{4,5,6} D {1,3,5}

Determine:

a) Son A y B, eventos excluyentes

b) Como está conformado AC, BC
c) A U B, A n B, A U (A n B)
d) A n D, A n C, son excluyentes?
e) A n (BUAC)
 Conceptos de Probabilidad
• Definición: Se define como probabilidad de un Evento a una medida numérica
entre 0 y 1 que representa su posibilidad de ocurrencia.

• Cuando un experimento aleatorio se repite un gran número de veces, los

posibles resultados tienden a presentarse un número muy parecido de veces, lo
cual indica que la frecuencia de aparición de cada resultado tiende a estabilizarse,
este concepto adquiere el nombre de regularidad estadística

Proporción de caras en n lanzamientos de una moneda

1.00

0.75
Frecuencia Relativa

0.50

0.25

0.00
1 101 201 301 401 501 601 701 801 901
n
 Conceptos de Probabilidad
• De esta manera el cálculo de probabilidades puede abordarse desde dos
enfoques:

Probabilidad a priori (Clásica): La teoría de conjuntos brinda las herramientas

necesarias para su cálculo.

(A) = Frecuencia Relativa del Evento en su espacio muestra

P(A) = nA/ns

nA: Número de elementos que componen el evento A

nS: Número de elementos que componen el espacio muestral (S)

Probabilidad posteriori (Frecuentista): Se repite el experimento un número

grande de veces y se observa su frecuencia de ocurrencia.
 Conceptos de Probabilidad
Definición de Probabilidad:

Sea A un evento aleatorio, se define la probabilidad de A como:

Número de veces que ocurre el evento A

P(A)= Numero de veces que se repite Probabilidad Frecuentista

Numero de Eventos Favorables al evento A

P(A)= Probabilidad Clásica
Número Total de Sucesos

Evalué las siguientes probabilidades:

 Axiomas de Probabilidad
El cálculo de probabilidades se fundamenta en la aplicación de los siguientes
axiomas:

1) A  S  0  P ( A)  1
2) P (S )  1

3)P( A  B)  P( A) P(B) P( A  B)

4) Si A y B son excluyentes P( A  B)  0

P( A  B) P( A) P(B)
Axiomas de Probabilidad

5) P( A)  1P( A )
c

6) P( A  B )  P( A) P( A  B)  P( A B) P( B)

C

7) P( A  B) P( A) P( A  B)
C
 Ejercicio
1. Se selecciona al azar un alumno de cierta universidad y señalamos como A el evento de
que el individuo seleccionado tiene una tarjeta de crédito Visa y como B el evento
análogo para una Mastercard. Supongamos que P(A) = 0.5, P(B)= 0.4 y P(AnB) = 0.25

a) Calcule la probabilidad de que el individuo seleccionado tenga una de las dos tarjetas
b) Calcule la probabilidad de que el individuo no tenga tarjeta Visa
c) Cual es la probabilidad de que el individuo no tenga ninguna de la dos tarjetas
d) describa en términos de A y B el evento de que un sujeto tenga tarjeta visa pero no
tenga tarjeta Mastercard, luego evalué esta probabilidad.

2) Sean A, B y C, tres eventos de un espacio muestral S, determine una expresión para el

cálculo de la siguiente probabilidad

P(AUBUC), P(AnBnC)
Que sucede con estas probabilidades si A, B y C son eventos mutuamente excluyentes?
 Ejercicio
3. Un sistema puede tener tres tipos de defectos A1, A2, A3.
Suponga que: P(A1) = 0.12, P(A2) = 0.07, P(A3) = 0.05
P(A1UA2) = 0.13, P(A1UA3)=.14, P(A2UA3)=0.10
P(A1nA2nA3) = 0.01
a) Cual es la probabilidad de que el sistema no tenga el defecto tipo 1?
b) Cuál es la probabilidad de que el sistema tenga defectos tipo 1 y 2 al mismo
tiempo?
c) Cuál es la probabilidad de que el sistema tenga defectos tipo 1 y 2, pero que no
tenga defecto tipo 3?
d) Cuál es la probabilidad de que el sistema tenga a lo más dos de estos
defectos?
 Ejercicio
Un sistema contiene cinco componentes que se encuentran conectadas
entre sí, como se muestra en la figura, donde las probabilidades indican
la seguridad de que un componente en particular funcione
adecuadamente. Si se supone que el funcionamiento de cada
componente es independiente del de los demás, ¿Cuál es la
probabilidad de que el sistema funcione?
 METODOS DE CONTEO
El enfoque clásico del cálculo de probabilidades requiere de un buen
manejo de las técnicas de conteo para la valoración de probabilidades:

Recordemos: Sea A un evento aleatorio comprendido en un espacio

muestral S

A # Sucesos favorables al evento A

P(A) =
S # Sucesos que componen el espacio muestral

Como determino el número de sucesos favorables a A?

Como determino el número de sucesos que componen a S?

R / = Técnicas de Conteo
 Regla del Producto
Si el primer elemento de un par ordenado se puede escoger de entre n1
elementos y el segundo elemento pude ser escogido de entre n2
elementos, entonces el numero de pares que se pueden formar será
n1*n2
c1
P1
c2
c1
Diagrama de Árbol P2 6 opciones
c2
c1
P3
c2

En general, si deseamos formar una r-upla ordenada, en donde cada una

de las celdas de esta r-upla puede ser conformada de ni formas (i=1, 2, 3,
4,…r), el numero de formas como puedo conformar la r-upla seria
n1*n2*n3*…*nr
 PERMUTACIONES
Pensemos en una r-upla ordenada formada extrayendo elementos de un
conjunto de tamaño n, este tipo de proceso se denomina permutación.

Permutaciones con sustitución:

S
S

Si un elemento puede ser escogido más de una vez recibe el nombre de

Permutaciones con sustitución, y el numero de r-uplas que se pueden
formar será

r
n
Lo cual representa que cada uno de los espacios de la r-upla pude ser
llenado de n formas.
( _ , _ , _ , _ , _ ... ,_)
n * n * n * n * n.. *n = nr
 PERMUTACIONES
Permutaciones sin sustitución:
Si un elemento puede ser escogido solo una vez recibe el nombre de
permutaciones sin sustitución, y el numero de r-uplas que se pueden formar
será

n!
(n  r)!

Lo cual representa que cada uno de los espacios de la r-upla pude ser
llenado de la siguiente forma

( _ , _ , _ , _ , _ ... ,_)
n!
n*(n -1)*(n -2)*(n-3)*(n - 4).. * (n –r +1)
= (n  r)!
 Ejemplos Muestreo con Orden
Ejemplo: el numero de resultados que se pueden obtener al lanzar un
dado dos veces.

S = {(C, C) (C, S) (S,S) (S, C)}

S
S

n = 2, r = 2 S = 22 = 4

Ejemplo: El numero de resultados posibles de una lotería de cuatro cifras.

El conjunto de resultados es muy grande como para enumerarlo uno por

uno, se requiere de un método de conteo.

S = 104 = 1000
 COMBINACIONES
Supongamos ahora que cuando conformamos la r-upla, la posición que
ocupa cada elemento carece de importancia. Este ordenamiento recibe el
nombre de combinación
Ejemplo: para nuestro interés la r-upla {4, 2, 3, 1} es igual a {1, 2, 3, 4}

Combinaciones sin sustitución:

Si un elemento puede ser escogido solo una vez, el número de r-uplas
diferentes que se pueden formar será


 COMBINACIONES
Combinaciones con sustitución:
Si un elemento puede ser escogido más de una vez, el número
de r-uplas diferentes que se pueden formar será:

n  r 1 (n  r  1)!

r r!(n  1)!

Ejemplo: La bodegas de despacho tienen actualmente pedidos de 6 clientes y tan solo

dispone de unidades para satisfacer a 3 de los 6 clientes y decide escogerlos
aleatoriamente, cual es el espacio muestral de este experimento?
 EJERCICIO
De cuantas maneras puede darse el resultado de una lotería de 4 cifras si a:

1. No existe restricción sobre su resultado?.

2. No se pude repetir ningún número en el resultado?
2. La primera cifra debe ser el número 1 y las demás pueden ser cualquiera?.
3. La primera cifra es el número 1 y no se repite en el resultado?.
4. Se sabe que el primer número es 1, el segundo 4, y los otros dos números
no son ni uno ni cuatro?.
5. El primero o el último número es 1.
 EJEMPLO
De cuantas maneras se pueden escoger 6 números de un conjunto de 45 si
no importa el orden de selección, y si:

a) Durante la selección no se repite ningún número.

b) Durante la selección es posible que un número salga más de una vez.
 PROBABILIDAD CONDICIONAL
El conocimiento de información parcial acerca del resultado de un
experimento aleatorio, puede ocasionar la modificación de la asignación de
probabilidades.

Dicho de otra manera, la ocurrencia de un evento B, afecta la probabilidad

de ocurrencia de un evento A. En este caso la ocurrencia del evento de A
esta condicionada a la ocurrencia de un evento B. Por tanto su probabilidad
se denomina condicional y se denota como:

P( A  B) Probabilidad de ocurrencia del evento A

P( A | B)  cuando se conoce de la Ocurrencia de
P( B) un evento B.
 PROBABILIDAD CONDICIONAL

Error Frecuente confundir A condicionado a B, con A intersección B.

En P(A∩B) con respecto a P(S)=1

En P(A|B) con respecto a P(B)

S espacio muestral

P( A | B)  P( A  B)
A
P( B) B
 PROBABILIDAD CONDICIONAL
Ejemplo 1: Se lanza un dado normal, si el resultado es 6 usted
ganara $10.000.000. Cuál es la probabilidad que tiene usted de
ganar si:
a) Desconoce totalmente el resultado.
b) El anunciador ya conoce el resultado y le informa que el número
que cayó es un número par.
c) El anunciador da una nueva pista y dice que el número que
cayó es mayor de 2.
d) El anunciador informa que el número que cayó es menor que 6
 PROBABILIDAD CONDICIONAL
Ejemplo 2: Suponga que todos los individuos que tienen un
computador personal, 60% obtiene un procesador de palabra,
40% un programa de hoja de cálculo, y el 30% no obtiene
ninguno de estos programas.

Si se escoge aleatoriamente un individuo y se observa que ha

adquirido un programa de hoja de cálculo:
a) Cuál es la probabilidad de que adquiera un procesador de
palabra?
b) Cuál es la probabilidad de que no adquiera un procesador de
palabra
 INDEPENDENCIA DE EVENTOS
DEFINICION: Se dice que dos eventos A y B son independientes
si la ocurrencia de alguno no afecta la probabilidad de ocurrencia
de otro. Dicho de otra manera: A y B son independientes si:

P( A | B )  P( A) O Análogamente P( B | A)  P( B)
De lo anterior se deduce que cuando A y B son independientes:

P( A  B)  P( A | B).P( B)  P( A) * P( B)
INDEPENDENCIA DE EVENTOS
Ejemplo 1: Considere los siguientes eventos relacionados con el
lanzamiento de un dado

A: Se observa un número impar

B: Se observa un número par
C: Se observa un 1 o un 2
a) Son A y B independientes.
b) Son A y C independientes

Ejemplo 2: Se sabe que el 30% de las lavadoras de cierta

compañía requieren de algún servicio mientras están en garantía,
y solo el 10% de las secadoras requieren de estos servicios. Cual
es la probabilidad de recibir alguna solicitud de garantía.
 Ejemplo: En esta aula el 70% de los alumnos son mujeres. De ellas el 10%
son fumadoras. De los varones, son fumadores el 20%.

M H A ¿Qué porcentaje de fumadores hay en total?

F+ Si conocemos la probabilidad de F+ en
cada uno de los componentes de un
MF+ H F+ sistema exhaustivo y excluyente de
sucesos, entonces…

… podemos calcular la probabilidad de F+:

P(F+) = P(M∩F+) + P(H∩F+)

P(F  )  P(M ).P(F / M )  P(H ).P(F / H )

= 0,2 x 0,3 + 0,1 x 0,7

= 0,13 =13%
 TEOREMA DE PROBABILIDAD
TOTAL
Sea S un espacio muestral y A1, A2, A3, An eventos que abarcan todo
el espacio muestral (excluyentes) y sea B un evento perteneciente al
espacio muestral, entonces

P(B) = ∑ P[ B | A ]* P[ A ]
i 1
i i

Ejemplo: En esta aula el 70% de los alumnos son mujeres. De ellas el 10%
son fumadoras. De los hombres, son fumadores el 20%. Qué porcentaje de
fumadores hay en el salón de clase?
Sistema exhaustivo y excluyente de sucesos

A1 A2 Son una colección de sucesos

A1, A2, A3, A4…

Tales que la unión de todos ellos forman

el espacio muestral, y sus intersecciones
son disjuntas.

A3 A4
Divide y vencerás
A1 A2 Todo suceso B, puede ser descompuesto
en componentes de dicho sistema.

B
B = (B∩A1) U (B∩A2 ) U ( B∩A3 ) U ( B∩A4 )

A3 A4

Nos permite descomponer el problema B en

problemas más simples. Creeme . Funciona.
Teorema de la probabilidad total
A1 A2 Si conocemos la probabilidad de B en cada
uno de los componentes de un sistema
exhaustivo y excluyente de sucesos,
entonces…

B … podemos calcular la probabilidad de B.

A3 A4

P(B) = P(B∩A1) + P(B∩A2 ) + P( B∩A3 ) + ( B∩A4 )

=P(B|A1) P(A1) + P(B|A2) P(A2) + …

 Ejemplo: En esta aula el 70% de los alumnos son mujeres. De ellas el 10%
son fumadoras. De los varones, son fumadores el 20%.

A1= Mujeres Si conocemos la probabilidad de F+ en cada uno

A2 = Hombres de los componentes de un sistema exhaustivo y
F+ excluyente de sucesos (Hombres y Mujeres),
entonces…
MF+ H F+
…si ocurre F+, podemos calcular la probabilidad (a
posteriori) de ocurrencia de cada Ai.


 P ( H  F )
P ( H / F )  
P ( F )


  P(H ).P(F / H)
B. ¿Se alije a un individuo al azar y P(H / F )   
resulta fumador. ¿Cuál es la P(M
 ).P(F / M )  P(H ).P(F / H)
probabilidad de que sea un
hombre?
P ( H / F  )  0 . 2 x 0 . 3 / 0 . 13  0 . 46
 Expresión del problema en forma de árbol

Fuma P(F) = 0,7 x 0,1 + 0,3x0,2

0,1

0,7 Mujer
0,9
P(H | F) = 0,3x0,2/P(F)
No fuma
Estudiante
•Los caminos a través de nodos
0,2 representan intersecciones.
0,3 Fuma
Hombre •Las bifurcaciones representan
uniones disjuntas.
0,8
No fuma •Puede resolver los problemas
usando la técnica de vuestra
preferencia.