Puno -:- Perú
UNIVERSIDAD NACIONAL DEL ALTIPLANO
FACULTAD DE INGENIERÍA DE MINAS
ESCUELA PROFESIONAL DE INGENIERÍA DE MINAS
INGENIERIA DE MINAS - FIM
DARWIN ANDERSON DIAZ CCORIMANYA 0
INDICE
PROBABILIDAD......................................................................................................................................2
1. INTRODUCCIÓN.........................................................................................................................2
2. PROBABILIDAD DE UN EVENTO...............................................................................................12
3. PROBABILIDAD DE FRECUENCIA RELATIVA DE LA OCURRENCIA..............................................14
4. PROBABILIDAD SUBJETIVA.......................................................................................................15
5. REGLA DE LA SUMA DE PROBABILIDADES...............................................................................18
6. REGLA DE LA MULTIPLICACIÓN................................................................................................19
7. P(B∩A) P(BA)...........................................................................................................................22
8. TEOREMA DE BAYES................................................................................................................23
INGENIERIA DE MINAS - FIM
DARWIN ANDERSON DIAZ CCORIMANYA 1
PROBABILIDAD
1. INTRODUCCIÓN.
Como ya se ha visto, la Estadística es una Ciencia con la que se pretende buscar las
regularidades existentes en el comportamiento de los datos. Sabemos que la Estadística se
puede clasificar en dos grandes bloques: Estadística Descriptiva e Inferencia Estadística.
Con el primero lo que se hace es dar un conjunto de métodos y herramientas que permiten
estudiar esas regularidades cuando lo que observamos es toda la población. Es decir,
admitimos que es posible realizar esa operación de recuento exhaustivo. En tal caso lo que
realizamos con la estadística es estudiar, describir, el comportamiento de una variable
determinada. Esa observación exhaustiva nos permite realizar afirmaciones “categóricas”
sobre las distintas características de la variable, tales como cuál es su media, su dispersión,
la forma de la distribución, etc.
Pero esa posibilidad de observación exhaustiva no siempre es posible. En la gran mayoría
de los casos nos vemos limitados a realizar una observación parcial de la variable. Con ese
conjunto limitado de datos intentaremos conocer las características de toda la población, es
decir, intentaremos inferir su comportamiento. Así una empresa antes de lanzar un nuevo
producto estará interesada en conocer cuál puede ser su cuota de mercado, para lo cual
realizará un sondeo de opinión entre algunos de sus potenciales clientes. Pero el resultado
de ese sondeo, basado en una muestra (observación parcial), no le permite concluir cuál será
su verdadera cuota de mercado. La decisión que tome respecto a ese producto estará
marcada por un cierto grado de incertidumbre.
Pero qué duda cabe que, en esas situaciones, nuestras afirmaciones ya no pueden ser
“categóricas” DE
INGENIERIA y las decisiones
MINAS - FIMque se tomen puede que no sean las más acertadas como
consecuencia de la información no contenida en la muestra. Más bien al contrario, debemos
DARWIN ANDERSON DIAZ CCORIMANYA 2
admitir que nuestras conclusiones están sujetas a un margen de incertidumbre que es la
consecuencia de nuestra observación parcial de la realidad.
Ante tales circunstancias nuestro objetivo será doble: por un lado, estudiar el
comportamiento de la variable y de otro reducir en la medida de lo posible ese margen de
incertidumbre o, al menos, intentar cuantificar esa falta de certeza en relación a las
características de las variables. Una forma de cuantificar esa incertidumbre es haciendo uso
del concepto de probabilidad. De hecho, la probabilidad es un concepto con el que
convivimos de forma diaria, incluso sin percatarnos de él. Cada vez que hacemos uso de las
expresiones quizás, tal vez, es probable, puede que, etc. estamos implícitamente hablando
en términos probabilísticos. La incertidumbre es una acompañante inseparable de todas las
ciencias sociales e incluso de las físicas como señaló Heisenberg con el enunciado del
principio de incertidumbre de la mecánica cuántica.
La afición al juego fue lo que impulsó el desarrollo de la probabilidad. En un esfuerzo por
aumentar sus ganancias pidieron a los matemáticos que les proporcionaran las estrategias
óptimas para varios juegos de azar. Como resultado de este primer desarrollo de la teoría de
la probabilidad, se extiende junto con la estadística a muchos campos, como la política, los
negocios, la predicción del clima, y la investigación científica.
Las probabilidades son de gran importancia en la estadística. Para iniciar el estudio de las
probabilidades es necesario definir una serie de términos básicos para su mejor
comprensión.
Experimento Determinístico: Es aquel experimento en el que es posible predecir el
resultado final de ese proceso aun sin haberlo realizado. Ej. Cuando los químicos combinan
oxigeno más hidrógeno el resultado es agua; este experimento no es necesario realizarlo
INGENIERIA DE MINAS - FIM
para conocer el resultado.
DARWIN ANDERSON DIAZ CCORIMANYA 3
Experimento aleatorio: Es todo proceso que consiste de la ejecución de un acto (o prueba)
uno o más veces, cuyo resultado en cada prueba depende del azar y en consecuencia no se
puede predecir con certeza.
Ejemplo: lanzar un dado y observar su resultado, contar objetos defectuosos producidos
diariamente por cierto proceso, etc.
Espacio muestral: se denomina espacio muestral al conjunto de todos los resultados posibles
de un experimento dado. Este conjunto se denotara por Ω. Cada resultado posible de un
experimento aleatorio es un elemento del espacio muestral, que se le conoce como punto
muestral.
Ejemplo:
Experimento aleatorio: lanzar un dado y observar el resultado obtenido: Ω = {1, 2, 3, 4, 5,
6}.
Experimento aleatorio: lanzar una moneda dos veces: Ω = {CC, CS, SC, SS}.
Experimento aleatorio: lanzar una moneda tres veces: Ω = {CCC, CCS, CSC, CSS, SCC,
SCS, SSC, CSS}.
Experimento aleatorio: tomar un examen: Ω = {aprobar, desaprobar}
Experimento aleatorio: seleccionar un alumno de acuerdo a su rendimiento
académico Ω = {sobresaliente, bueno, regular, malo}
Evento o suceso: Es cada resultado del experimento aleatorio o una combinación de
resultados. También se dice que es un subconjunto del espacio muestral. Los eventos se
INGENIERIA DE MINAS - FIM
denotan por letras mayúsculas:
DARWIN ANDERSON DIAZ CCORIMANYA 4
Ejemplos:
Experimento Aleatorio: se hace rodar un dado y se observa el número que aparece en la
cara superior.
Ω = {1, 2, 3, 4, 5, 6}
Evento: A: obtener un número par A = {2, 4, 6}
Experimento aleatorio: lanzar una moneda dos veces: Ω = {CC, CS, SC,
SS}. Evento: B: obtener dos caras B = {CC}
Experimento aleatorio: arrojar una moneda cuatro veces y contar el número de
sellos obtenidos Ω = {0, 1, 2, 3, 4, 5, 6}.
Evento: C: Obtener más de dos sellos C = {3, 4}
Experimento aleatorio: lanzar dos dados y se observa los puntos
obtenidos Ω = { (1,1), (1,2), (1,3), (1,4), (1,5), (1,6), (2,1),
(2,2), (2,3), (2,4), (2,5), (2,6), (3,1), (3,2), (3,3), (3,4),
(3,5), (3,6), (4,1), (4,2), (4,3), (4,4), (4,5), (4,6),
(5,1), (5,2), (5,3), (5,4), (5,5), (5,6), (6,1), (6,2), (6,3), (6,4), (6,5), (6,6)}
Evento: D: obtener la suma de puntos igual o mayor que 10
Ω = {(4,6), (5,5), (5,6), (6,4), (6,5), (6,6)}
Evento: E: el número del primer dado sea mayor que el segundo
INGENIERIA DE MINAS - FIM
DARWIN ANDERSON DIAZ CCORIMANYA 5
Ω = {(2,1), (3,1), (3,2), (4,1), (4,2), (4,3) (5,1), (5,2), (5,3), (5,4), (6,1), (6,2), (6,3),
(6,4), (6,5)}
Eventos Mutuamente Excluyentes: Son aquellos eventos que no pueden ocurrir
simultáneamente al realizar una sola vez un experimento. Se dice que dos eventos A y B
son mutuamente excluyentes si y solo si, su intersección es el conjunto vacío, es decir A∩B
= Ø. Ej. El resultado obtenido al lanzar un dado, si sale una cara con un 3, no puede salir
otro número en este mismo lanzamiento.
Eventos Dependientes: Son aquellos sucesos en los que el conocimiento de la verificación
de uno de ellos altera la probabilidad de verificación del otro. Se dice que dos o más
eventos son dependientes si la ocurrencia de uno cualquiera de ellos afecta la probabilidad
de la ocurrencia de alguno de los otros eventos. Ej. Consideremos la probabilidad de
obtener 2 cartas de basto al sacar sucesivamente 2 cartas de una baraja de 40 cartas. Al
sacar la primera carta la probabilidad de obtener basto es de 10/40 y al no sustituirla
quedaran en el paquete 39 cartas de las cuales 9 son de basto, en la segunda extracción la
probabilidad de obtener basto es de 9/39, en este caso la segunda extracción depende de la
primera que tenía como probabilidad 10/40 y la segunda extracción tendrá ahora 9/39 como
se puede observar la probabilidad de la segunda extracción es afectada por la primera.
Eventos Independientes: Se dice que dos ó más eventos son independientes si la ocurrencia
de uno cualquiera de ellos no afecta la probabilidad de la ocurrencia de ninguno de los otros
sucesos. Ej. El evento de obtener simultáneamente un 2 al lanzar un dado y sello al tirar
una moneda, esta compuesto de 2 sucesos independientes, puesto que la ocurrencia de un 2
INGENIERIA DE MINAS - FIM
en el dado no afecta la probabilidad de la aparición de sello en la moneda y viceversa.
DARWIN ANDERSON DIAZ CCORIMANYA 6
Eventos complementarios: Dos eventos A y Ā son complementarios si y solo si, se cumple
que: P(A) + P(Ā) = P(Ω), es decir, son eventos mutuamente excluyentes y su unión es el
espacio muestral, entonces tenemos, P(A) + P(Ā) = P(S), pero P(Ω) = 1, entonces,
P(A)+ P(Ā) = 1 P(A) = 1- P(Ā), donde P(Ā), se lee probabilidad de A
complemento.
Eventos no Mutuamente Excluyentes. - Son aquellos eventos que pueden verificarse
simultáneamente. A estos eventos también se les llaman Sucesos Compatibles.
a. reglas de conteo
La capacidad de identificar y contar los puntos muestrales de un experimento es un paso
importante para comprender lo que puede suceder en él. Veamos un experimento que
consiste en lanzar dos monedas, donde los resultados experimentales se definen en función
de comportamiento de casa y sellos que dan hacia arriba de las monedas. ¿Cuántos
resultados experimentales (o puntos muestrales) son posibles en este experimento?
Podemos considerar que el experimento de lanzar dos monedas se lleva a cabo en dos
etapas: la etapa 1 corresponde a lanzar la primera moneda, y la etapa 2 a lanzar la segunda.
El diagrama de árbol es un dispositivo gráfico útil para visualizar un experimento de varias
etapas y enumerar los resultados experimentales.
C CC
C
S CS
C SC
INGENIERIA DE MINAS - FIM S
S SS
DARWIN ANDERSON DIAZ CCORIMANYA 7
Se observa que hay cuatro resultados experimentales del hecho de lanzar dos monedas, y el
espacio muestral del mismo se puede presentar mediante:
Ω = {CC, CS, SC, SS}.
Regla de conteo para experimentos de etapas múltiples: Una regla útil para determinar la
cantidad de puntos muestrales para un experimento de varias etapas es la siguiente:
Si un experimento se puede describir como una sucesión de k etapas, en las que hay n 1
resultados en la primera etapa, n2 en la segunda, etc., la cantidad total de resultados
experimentales es igual a (n1)(n2)…(nk). Esto es, la cantidad de resultados del experimento
total es el producto de las cantidades de resultados en cada etapa.
Regla de conteo para combinaciones: La cantidad de combinaciones de N objetos tomando
n a la vez es:
CnN = N! n!
(N−n)!
Ejercicios:
1. Un experimento consiste en hacer tres llamadas de venta. En cada una habrá compra o
no compra.
a. Trace un diagrama de árbol de este experimento.
b. Identifique cada punto muestral y el espacio muestral. ¿cuántos puntos muestrales
hay?
INGENIERIA DEpuntos
c. ¿Cuántos MINAS - FIM habría si el experimento consistiera en cuatro llamadas?
muéstrales
DARWIN ANDERSON DIAZ CCORIMANYA 8
2. En la ciudad de Milford, las aplicaciones de cambio de zonificación siguen un proceso
de dos etapas: una revisión por la comisión de planeación, y una decisión final por el
consejo ciudadano. En el paso 1 la comisión de planeación revisa la petición de cambio
de zonificación y emite una recomendación positiva o negativa acerca del cambio. En el
paso 2 en consejo ciudadano revisa la recomendación de la comisión de planeación y
vota aprobándola o rechazándola. En algunos casos el voto del consejo ciudadano
concordó con la recomendación de dicha comisión. El constructor de un complejo de
viviendas acaba de presentar una solicitud de cambio de zonificación. Considere que el
procesamiento de la solicitud es un experimento.
a. ¿Cuántos puntos muéstrales hay para este experimento? Haga una lista de ellos.
b. Trace un diagrama de árbol de este experimento.
3. Un experimento consiste en seleccionar al azar 4 alumnos y conocer si practican deporte
o no.
a. ¿Cuántos puntos muéstrales hay para este experimento? Haga una lista de ellos.
b. Trace un diagrama de árbol de este experimento.
4. Un inversionista que revisa el desempeño de seis acciones seleccionará dos de ellas para
invertir ¿Cuántas combinaciones alternativas de dos acciones debe tomar en cuenta el
inversionista?
5. Pérez y Compañía formará un comité de planeación a largo plazo, con el encargo de
desarrollar un plan quinquenal estratégico para que la empresa ingrese al mercado de un
INGENIERIA DE MINAS - FIM
nuevo producto. El presidente ha identificado a siete gerentes capaces como candidatos
para el comité. ¿De cuántas maneras se puede formar el comité de tres miembros?
DARWIN ANDERSON DIAZ CCORIMANYA 9
6. Un inspector de control de calidad eligió una pieza fabricada para probarla.
Posteriormente se establece si la parte se acepta, se repara, o se desecha. Después se
prueba otra. Mencione todos los posibles resultados de este experimento.
7. Un joven tiene cuatro camisas de los siguientes colores: roja (R), blanca (B), negra (N)
y verde(V), también posee dos pantalones, gris(G) y azul (A). a. Trace un diagrama de
árbol de este experimento.
b. ¿De cuántas maneras pueden combinarse los pantalones con las camisas o viceversa?
8. Un restaurante de la localidad ofrece un menú de tres componentes:
1.- Aperitivo: Sopa (S), o Ensalada(E).
2.- Plato Principal: Bisté (B), Carite (C), o Pavo (P).
3.- Postre:Torta (T), o Helado (H).
Construya un diagrama de árbol, indicando el número posible de comidas completas
(aperitivo, plato principal y postre) que se pueden consumir.
b. operaciones con eventos
Los eventos o sucesos son conjuntos, en consecuencia se pueden combinar eventos para
formar nuevos eventos, para el efecto se realizan diferentes operaciones con conjuntos.
i. A∪B (A unión B), es el evento que ocurre si y sólo si A o B o ambos ocurren
INGENIERIA DE MINAS - FIM
DARWIN ANDERSON DIAZ CCORIMANYA 10
ii. A∩B (A intersección B), es el evento que ocurre si y sólo si A y B suceden
simultáneamente iii. A´ (Complemento de A), es el evento que ocurre si y sólo si A
no ocurre.
A∪B A∩B A´
Ejemplo:
En el experimento de lanzar dos monedas y un dado
Ω = {CC1, CC2, CC3, CC4, CC5, CC6, CS1, CS2, CS3, CS4, CS5, CS6,
SC1, SC2, SC3, SC4, SC5, SC6, SS1, SS2, SS3, SS4, SS5, SS6}
Se define los siguientes eventos:
F = {que aparezca dos caras y un número par }
G = {que aparezca un dos}
Es decir:
F = {CC2, CC4, CC6}
G = {CC2, CS2, SC2, SS2}
Ahora podemos definir:
INGENIERIA DE MINAS - FIM
a) F y G sucedan, es decir F∩G = {CC2 }
b) Sucede F ó G , es decir F∪G = {CC2, CS2, SC2, SS2, CC4, CC6}
DARWIN ANDERSON DIAZ CCORIMANYA 11
c) Que no ocurra F, es decir F´ (elementos que no pertenecen a F)
F´ = {CC1, CC3, CC5, CS1, CS2, CS3, CS4, CS5, CS6, SC1, SC2
SC3, SC4, SC5, SC6, SS1, SS2, SS3, SS4, SS5, SS6 }
2. PROBABILIDAD DE UN EVENTO
Diariamente se escuchan afirmaciones que llevan implícito el concepto de probabilidad
como por ejemplo los pronósticos del tiempo que indican las probabilidades de lluvia; los
galenos indican la probabilidad que tiene un enfermo de curarse si realiza al pie de la letra
sus tratamientos farmacológicos, los docentes especulan sobre las posibilidades de éxito del
estudiantado si dedican más tiempo al estudio, las compañías encuestadoras predicen las
oportunidades que tienen los políticos de ganar una elección determinada, etc.
La Teoría de la Probabilidad es una rama de las matemáticas que se encarga de los eventos
que se realizan al azar o fenómenos aleatorios, como a menudo se les denominan. Se define
la probabilidad como un número comprendido entre 0 y 1, que se le asigna a un evento para
señalar su posibilidad de ocurrencia. Por lo general las probabilidades se expresan en
porcentajes, también se pueden expresar con números decimales. Es una condición de esta
cátedra que siempre sé resuelvan las fracciones con que se expresan las probabilidades de
un problema dado; los resultados de esos cocientes deben tener por lo menos 4 decimales y
el mismo se representa en porcentaje. La probabilidad de cualquier evento se representa con
la letra P.
Se le asigna la probabilidad de 1 al evento que con certeza ocurrirá y se le asigna la
INGENIERIA DE MINAS - FIM
probabilidad de 0 a un suceso que no puede ocurrir; se le asigna una probabilidad de 0.5 a
un fenómeno que tenga la misma posibilidad de suceder o de no suceder. Se le asigna una
DARWIN ANDERSON DIAZ CCORIMANYA 12
probabilidad 0 ≤ P ≤ 0.5, a un fenómeno que tenga más posibilidades de no suceder que de
suceder; y se le asigna una probabilidad 0.5 < P ≤ 1 a un evento que tenga más
posibilidades de suceder que de no suceder.
La probabilidad es una característica que interviene en todos los trabajos experimentales. Es
necesario obtener un procedimiento lógicamente sólido para que dichos enunciados tengan
validez científica. En otras palabras, en virtud de que la probabilidad en definitiva, es un
cuantificador o medida de la posibilidad de ocurrencia de un suceso al que se le asocia un
grado de incertidumbre, se debe estudiar la forma en que esta medida puede ser obtenida.
Sea Ω el espacio muestral asociado a un experimento aleatorio. La probabilidad de
cualquier evento A de Ω, es el número real P(A) que satisface los siguientes axiomas de
probabilidad: a. 0 ≤ P(A) ≤ 1, para todo evento A
b. P(Ω) = 1
c. P(∅) = 0
Existen tres enfoques para el estudio de la probabilidad.
Probabilidad Clásica:
Llamada también probabilidad a priori debido a que es posible conocer el resultado con
anterioridad, es decir sin llevar a cabo el experimento y sólo basado en un razonamiento
lógico. Se calcula a través de
P(A) = Casos favorables de ocurrencia del evento A
INGENIERIA DE MINAS - FIM
Total de casos posibles
DARWIN ANDERSON DIAZ CCORIMANYA 13
Esta definición se basa en el supuesto de que todos los resultados probables de un
experimento aleatorio son igualmente probables; es decir, cada uno de los elementos del
espacio muestral tiene la misma probabilidad de salir.
Así por ejemplo; si lanzamos un dado normal, debe considerarse que hay igual posibilidad
que salga cualquiera de los números del espacio muestral Ω = {1, 2, 3, 4, 5, 6} entonces la
probabilidad de que salga cualquier número será 1/6.
En general si un experimento aleatorio tiene n resultados posibles, los n elementos del
espacio muestral tendrían la misma probabilidad de salir. En consecuencia la probabilidad
de que salga cualquiera de ellos es 1/n.
3. PROBABILIDAD DE FRECUENCIA RELATIVA DE LA OCURRENCIA
Este enfoque surge por la necesidad de asignar probabilidades a aquellos eventos
considerados no simétricos. Los seguidores de esta corriente afirman que solo a partir de
experimentos realizados varias veces en las mismas condiciones, es posible asignar
probabilidades a los eventos de un experimento aleatorio. En términos generales el empeño
de esta teoría es destacar que cuando el número de experimentos aumenta, la frecuencia
relativa del evento se estabiliza y se acerca bastante a un valor determinado que podría ser
prácticamente igual a la probabilidad del evento con un elevado grado de certeza. Se halla a
través de:
INGENIERIA DE MINAS - FIM
DARWIN ANDERSON DIAZ CCORIMANYA 14
La probabilidad de frecuencia relativa, es llamada también probabilidad empírica o a
posteriori, debido a que se obtiene el resultado después de llevar a cabo el experimento un
gran número de veces.
Ejemplo: En una encuesta realizada a 500 profesores de la ciudad de Chiclayo, se encontró
que 320 de ellos se encuentran trabajando en escuelas no estatales. Hallar la probabilidad
que al seleccionar aleatoriamente un profesor, esté trabajando en una escuela no estatal.
Sea el evento A: profesor que trabaja en una escuela no estatal
# Veces que ocurrió A = 320
# Total de veces que se repitió el experimento = 500
Luego:
N(A) 320
P(A) = N(Ω) = 500 = 0.64 = 64.0%
4. PROBABILIDAD SUBJETIVA
Existen varios sucesos de sumo interés cuyas probabilidades no se pueden calcular tomando
en cuenta los métodos de frecuencia relativa ni con la teoría de la probabilidad clásica.
Surge entonces, el punto de vista subjetivo el cual hace hincapié en la probabilidad que
resulta de una opinión, creencia, o juicio personal sobre una situación determinada. El
enfoque subjetivo denominado también probabilidad personal, asigna a los eventos
probabilidades, aun cuando los datos experimentales sean escasos o imposibles de obtener.
Los que toman decisiones utilizando este tipo de probabilidad se fundamentan en sus
propias experiencias personales y en muchos casos en presentimientos. Este enfoque de la
probabilidad personal se aplica a problemas de toma de decisiones tales como
INGENIERIA DE MINAS - FIM
construcciones de plantas, compras de equipos, licitaciones de contratos, etc. La
probabilidad personal se ha vuelto sistemáticamente popular entre los teóricos de la toma de
DARWIN ANDERSON DIAZ CCORIMANYA 15
decisiones. Los defensores de esta corriente tratan de buscar soluciones a la asignación de
probabilidades de aquellos eventos que solo ocurren una vez o que no pueden estar
sometidos a experimentos repetidos. La asignación de probabilidades a un evento en estas
condiciones, más que un juicio arbitrario, es un juicio de valor.
Ejercicios:
9. Una en un grupo de 34 estudiantes de una escuela de administración, reveló la siguiente
selección de carrera profesionales:
Contaduría 10 Suponga que se selecciona un estudiante y se considera su
Finanzas 5
Sistemas de 3 elección profesional.
a) información
¿cuál es la probabilidad de que estudie la carrera de administración?
Administración 6
Mercadotecnia 10 b) ¿qué concepto de probabilidad utilizó para hacer
tal estimación?
10. Se venden 500 billetes para realizar una lotería. Los talones de los billetes se mezclan
bien y el ganador es quien tiene el boleto del talón elegido aleatoriamente al efectuar el
sorteo. Si alguien compró 25 billetes, ¿Cuál es la probabilidad de que gane?
11. Sea x el nivel de éxito de un nuevo programa de televisión. En la tabla siguiente se
observan las probabilidades subjetivas asignadas a cada x para un nuevo programa
particular, según fueron otorgadas por personas que laboran en tres distintos medios de
difusión. ¿cuáles de estos conjuntos de probabilidades son inapropiadas? Explique su
respuesta.
INGENIERIA DE MINAS - FIM
Juez
Grado de éxito (x)
A B C
DARWIN ANDERSON DIAZ CCORIMANYA 16
Muy exitoso 0.5 0.6 0.4
Exitoso 0.4 0.5 0.3
Nada exitoso 0.3 -0.1 0.3
12. En un grupo de expedientes médicos se clasifica a los pacientes por género y por tipo de
diabetes (I ó II). Los agrupamientos pueden ser como sigue. En la tabla se proporciona
el número de pacientes en cada categoría
Tipo de
diabetes Género
I II
Masculino 25 20
Femenino 35 20
5. REGLA DE LA SUMA DE PROBABILIDADES
Se usa cuando se desea averiguar la probabilidad de ocurrencia de uno u otro
evento.
Si los eventos A y B son mutuamente excluyentes, la probabilidad de ocurrencia de
A o de B es:
P (A∪B) = P (A) + P (B)
Ejemplo: De 100 alumnos de la especialidad de ingeniería, 20 desaprobaron
matemática, 32
INGENIERIA DEdesaprobaron
MINAS - FIM estadística y 18 desaprobaron teología, estos alumnos sólo
DARWIN ANDERSON DIAZ CCORIMANYA 17
desaprobaron un solo curso. ¿Cuál es la probabilidad de seleccionar un alumno que haya
desaprobado matemática o estadística o teología?
Si los eventos A y B no son mutuamente excluyentes, la probabilidad de ocurrencia de A
o de B es: P(A∪B) = P(A) + P(B) – P(A∩B)
Donde:
P(A∪B): Probabilidad de ocurrencia de que el evento A o B ocurran
P(A∩B): Probabilidad de que ocurran simultáneamente los eventos A y B
Eventos Mutuamente excluyentes: La ocurrencia de un evento implica que ninguno de los
otros eventos puede ocurrir al mismo tiempo
Ejemplo: De 100 alumnos de la especialidad de ingeniería, 20 desaprobaron
matemática, 32 desaprobaron estadística y 18 desaprobaron teología, 5 desaprobaron
matemática y estadística, 9 desaprobaron matemática y teología, 10 desaprobaron
estadística y teología
a. ¿Cuál es la probabilidad de seleccionar un alumno que haya desaprobado matemática o
estadística?
b. ¿Cuál es la probabilidad de seleccionar un alumno que haya desaprobado matemática o
teología?
INGENIERIA
c. ¿Cuál es laDE MINAS - FIM
probabilidad de seleccionar un alumno que haya desaprobado estadística o
teología?
DARWIN ANDERSON DIAZ CCORIMANYA 18
Solución:
A: Alumno desaprobó Matemática P(A) =
20/100 = 0.20 B: Alumno desaprobó
Estadística P(B) = 32/100 = 0.32
C: Alumno desaprobó Teología P(C) = 18/100 =0.18
P(A ∩ B) = 5/100 = 0.05, P(A ∩ C) = 9/100 = 0.09, P(B ∩ C) = 10/100 = 0.10
a. P(A ∪ B) = P(A) + P(B) – P(A∩B) = 0.20 + 0.32 - 0.05 = 0.47
b. P(A ∪ C) = P(A) + P(C) – P(A∩C) = 0.20 + 0.18 - 0.09 = 0.29
c. P(B ∪ C) = P(B) + P(C) – P(B∩C) = 0.32 + 0.18 – 0.10 =0.40
6. REGLA DE LA MULTIPLICACIÓN
Se utiliza para calcular la probabilidad de ocurrencia simultánea de dos o más eventos
Si los eventos A y B son dependientes, entonces la ocurrencia de un evento tiene efecto
sobre la probabilidad de ocurrencia del otro evento, por lo tanto la ocurrencia
simultánea de los eventos es:
P(A∩B) = P(A) P(B/A)
Ejemplo: Suponga que se extrae dos cartas, una a la vez sin reemplazo, de una baraja
ordinaria. ¿Cuál
INGENIERIA DEesMINAS
la probabilidad
- FIM de que ambas cartas sean ases?
A: un as en la primera extracción
DARWIN ANDERSON DIAZ CCORIMANYA 19
B: un as en la segunda extracción
P(A∩B) = P(A).P(B/A) = (4/52).(3/51) = 0.0045
Ejemplo: Supongamos que se extrae al azar dos frutas, de una bolsa que contiene 4
manzanas, 6 naranjas y 5 duraznos. Se obtiene una muestra sin reemplazo. ¿Cuál es la
probabilidad de que se obtenga una naranja y una manzana, en ese orden? A: Extraer una
naranja en la primera extracción
B: Extraer una manzana en la segunda extracción dada una naranja en la primera extracción
P(A∩B) = P(A) P(B/A) = (6/15).(4/14) = 0.1143
Si los eventos A y B son independientes, entonces la ocurrencia de un evento no tiene
efecto sobre la probabilidad de ocurrencia del otro, por lo tanto la ocurrencia simultánea
de los eventos es
P(A ∩ B) = P(A) P(B)
Ejemplos: Supongamos que lanzamos un par de dados legales una sola vez. ¿Cuál es la
probabilidad de obtener un 2 en el primer dado y un 4 en el segundo?
A: Obtener 2 en el primer dado
B: Obtener 4 en el segundo dado
P(A∩B) = P(A) P(B) = 1/6 x 1/6 = 1/36
INGENIERIA DE MINAS - FIM
Ejemplos: Supongamos que se extrae una muestra aleatoria de una bolsa de frutas. La bolsa
contiene 4 manzanas, 6 naranjas y 5 duraznos. Si se selecciona 2 frutas, una a la vez, con
DARWIN ANDERSON DIAZ CCORIMANYA 20
reemplazo. ¿Cuál es la probabilidad de que se obtenga una naranja y una manzana en ese
orden?
A: Obtener una naranja
B: Obtener una manzana
P(A∩B) = 6/15 * 4/15 = 24/225
PROBABILIDAD CONDICIONAL
La probabilidad de que ocurra un evento B cuando se sabe que ha ocurrido algún otro
evento A, se denomina PROBABILIDAD CONDICIONADA y se designa como P(B/A).
Él símbolo P(B/A) se lee como la probabilidad de que ocurra B sabiendo que ocurrió A o
sencillamente probabilidad de B dado A Las probabilidades condicionadas están
relacionadas a probabilidades asociadas a los eventos definidos en subpoblaciones o
espacios muéstrales reducidos.
Se dice que la probabilidad de ocurrencia de un evento dado es condicionada, si esta se
afecta por la ocurrencia de otro evento presente.
7. P(B∩A) P(BA)
P(B/A) = = , si P(A) ≠ 0
P(A) P(A)
Ejemplo: Un profesor de matemáticas da clases en una sección matutina y una vespertina de
introducción al cálculo.
Sea A = {el profesor da una mala conferencia
matutina} y B = {el profesor da una mala
INGENIERIA DE MINAS - FIM
conferencia vespertina}.
Si P(A) = 0.3, P(B) = 0.2 y P(AB) = 0.1, calcule las siguientes probabilidades.
DARWIN ANDERSON DIAZ CCORIMANYA 21
a) P(B/A) b) P(Bc/A) c) P(B/Ac)
a) P(B/ A) =P(BA) = 0.1 = 0.33 P(A) 0.3
b) P(Bc / A) =P(Bc A) =P(A) −P(AB) = 0.3 − 0.1 = 0.67
P(A) P(A) 0.3
c) P(B/ Ac) =PP((BAAcc)) =P(BP)−(APc()AB) = 0.20.7−0.1 = 0.14
8. TEOREMA DE BAYES
Es un método que nos permite calcular la probabilidad de que un evento que ya ocurrió (o
efecto) sea resultante de alguna “causa”.
Si A1, A2, …, An son sucesos n mutuamente excluyentes, de los cuales al menos unos de los
Ai (i = 1, 2, ..., n) debe ocurrir, y sea B un suceso cualquiera en Ω, la probabilidad
condicional de la ocurrencia de Ai cuando el evento B ha ocurrido es:
INGENIERIA DE MINAS - FIM
Ejemplo:
DARWIN ANDERSON DIAZ CCORIMANYA 22
En una empresa del total de trabajadores, se tiene que el 50% son ingenieros, el 30% son
abogados y el 20% son administrativos; además se tiene que el 8% de los ingenieros, el 9%
de los abogados y el 10% de los administrativos son “provincianos” (nacidos fuera de la
capital).
a. Supongamos que se selecciona un trabajador al azar y resulta ser “provinciano”. Hallar
la probabilidad de que el trabajador sea ingeniero.
b. Supongamos que se selecciona un trabajador al azar y resulta ser “provinciano”. Hallar
la probabilidad de que el trabajador sea abogado.
c. Supongamos que se selecciona un trabajador al azar y resulta ser “provinciano”. Hallar
la probabilidad de que el trabajador sea abogado.
d. Supongamos que se selecciona un trabajador al azar y resulta ser “ no provinciano”.
Hallar la probabilidad de que el trabajador sea ingeniero.
Solución:
A1 = Trabajador ingeniero
A2 = Trabajador abogado
A3 = Trabajador administrativo
B = Trabajador provinciano
B’ = Trabajador no provinciano
P(A1) = 0.50 , P(A2) = 0.30, P(A3) = 0.20
INGENIERIA DE MINAS - FIM
DARWIN ANDERSON DIAZ CCORIMANYA 23
INGENIERIA DE MINAS - FIM
DARWIN ANDERSON DIAZ CCORIMANYA 24
INGENIERIA DE MINAS - FIM
DARWIN ANDERSON DIAZ CCORIMANYA 25
