Teoría de

Probabilidades
 Probabilidades

Teoría de Probabilidades

Introducción
Sin tener en cuenta la profesión que se haya elegido, algo si es seguro: en
algún momento se han de tomar decisiones. Con mucha frecuencia eso
tendrá que hacerse sin conocer todas las consecuencias de tales
decisiones. Por ejemplo, los inversionistas deben decidir sobre la
conveniencia de invertir en una acción en particular, con base a sus
expectativas sobre rendimientos futuros. Los empresarios, al decidir
comercializar un producto enfrentan la incertidumbre sobre la posibilidad de
éxito. En cada caso, como sucede con la mayoría de los asuntos
comerciales, se han de tomar decisiones sin toda la información pertinente.
Todo esfuerzo por reducir la incertidumbre el nivel de incertidumbre en el
proceso de toma de decisiones incrementará enormemente la probabilidad
de que se tomen decisiones más inteligentes y bien informadas. El
propósito de este capítulo es ilustrar las formas en las cuales puede
medirse la posibilidad o probabilidad de ocurrencia de eventos futuros. Al
mejorar la habilidad para juzgar la ocurrencia de eventos futuros, se puede
minimizar el riesgo y la especulación arriesgada relacionados con el proceso
de toma de decisiones.

Historia de la Probabilidad

Jacob Bernoulli (1654 - 1705), Abraham de Moivre (1667 - 1754), el

reverendo Thomas Bayes (1702 - 1761) y Joseph Lagrange (1736 - 1813)
desarrollaron fórmulas y técnicas para el cálculo de la probabilidad. En el
siglo XIX, Pierre Simon, marqués de Laplace (1749 - 1827), unificó todas
estas primeras ideas y compiló la primera teoría general de la probabilidad.
La teoría de la probabilidad fue aplicada con éxito en las mesas de juego y,
lo que es más importante, en problemas sociales y económicos. La industria
de seguros requería un conocimiento preciso acerca de los riesgos de
pérdida. Muchos centros de aprendizaje estudiaron la probabilidad como
 Probabilidades
una herramienta para el entendimiento de los fenómenos sociales. Nuestra
necesidad de tratar con la incertidumbre nos lleva a estudiar y utilizar la
teoría de la probabilidad. Al organizar la información y considerarla de
manera sistemática, seremos capaces de reconocer nuestras suposiciones,
comunicar razonamiento a otras personas y tomar decisiones más sólidas.
 Probabilidades

Teoría de la Probabilidad
Estudio de fenómenos o experimentos puramente aleatorios o libres de
determinación. En el estudio de la probabilidad interesa deducir las leyes
del azar y los resultados que estos determinan.
La probabilidad es la posibilidad numérica de que ocurra un evento es
medida por valores comprendidos entre 0 y 1. Entre mayor sea la
probabilidad de que ocurra un evento, su probabilidad asignada estará más
próxima a 1. La probabilidad de una imposibilidad es 0.

P (evento cierto) = 1
P (evento imposible) =
0

En donde X es algún evento.

Experimento
Es la prueba o ensayo, es un proceso mediante el cual se obtienen un
resultado de una observación.
Ejemplos:
1.- Lanzar un dado y observar el resultado
2.- Contar objetos defectuosos producidos diariamente por cierto proceso.
3.- Aplicar una encuesta para obtener opiniones.
4.- Resultados del examen de la I unidad en medidas descriptivas por parte
de un estudiante.

Espacio muestral
Es el conjunto de todos los resultados posibles de un experimentos se
denota por  .
A cada elemento del espacio muestral se denomina punto muestral.
 Probabilidades

Clasificación de los espacios muestrales

Los espacios muestrales se clasifican en:
1.- Discretos finitos: consiste de un número finito de elementos.
• Lanzamiento de una moneda corriente 2 veces.
• Seleccionar al azar sin orden 2 estudiantes de un total de
30 del aula.

2.- Discretos infinitos: consiste de un número infinito numerable de

elementos.
• Numerables, cuando es posible asociar un numero
natural a cada resultado posible.
• Lanzamiento de un dado corriente hasta obtener 6.

3.- Continuos: consiste de un número infinito no numerable de elementos.

• Si el experimento aleatorio es medir la vida útil en horas
de una marca de artefactos electrónicos, su espacio

muestral es:

1  x   / t  0
x


Suceso o evento
Se llama suceso o evento a todo subconjunto del espacio muestral. A los
sucesos se les denota con las primeras letras mayúsculas del alfabeto.
Ejemplo:
Sea el experimento aleatorio “selección de un alumno de acuerdo a su
rendimiento académico”

Tipos de sucesos
 Probabilidades
1.- Sucesos independientes Son aquellos en que la ocurrencia de uno de
ellos, no depende de la ocurrencia del otro.
Ejemplo: Se tienen 2 urnas
A = tiene 3 bolas rojas
B= tiene 4 bolas rojas
Se saca una bola de una de las urnas, el resultado de la bola que se saco de
la urna A no influye en el resultado de la bola que se saco de la urna B.

2.- Sucesos dependientes Son aquellos en que la ocurrencia de uno de

ellos depende de la ocurrencia del otro.
Ejemplo: Se tiene 2 urnas A y B.
Urna A = 3 bolas rojas y 4 bolas negras
Urna B = 4 bolas rojas y 2 bolas negras.
Si se saca una bola roja de la urna A y se pone en la urna B, hay mayor
probabilidad de que el color que se saque de la urna B, sea rojo.

3.- Sucesos incompatibles o mutuamente excluyentes Son aquellos

que no pueden ocurrir al mismo tiempo simultáneamente.
Ejemplo: La probabilidad de que al tirar un dado, aparezca un 3 y a la vez
un número par, es imposible, es decir son sucesos incompatibles.

4.- Sucesos compatibles Presentarse al mismo tiempo o

simultáneamente.
Ejemplo: la probabilidad de que al tirar 2 dados aparezca un 2, es posible
es decir son sucesos compatibles: 1er dado puede aparecer 2 y 2do dado
también puede aparecer 2
 Probabilidades

Concepto Clásico De Probabilidad

Regla de Laplace. Si en un experimento aleatorio todos los sucesos
elementales son equiprobables, la probabilidad de un suceso A se obtiene
dividiendo el número de resultados que forman el suceso A entre el número
de resultados posibles. Si llamamos casos favorables a los resultados que
forman el suceso A y casos posibles a los resultados posibles del
experimento, tenemos:
Número de casos favorables A n A
P( A)  
Número de resultados posibles 
Ejemplo:
1.- ¿Cuál es la probabilidad de obtener 1 cara si arrojamos una moneda una
vez?

Número de Resultados Favorables

Prob 
Número de Resultados Posibles

 c 
1
 0. 5
 c, s 2

2.- ¿Cuál es la probabilidad de obtener 1 cara si arrojamos una moneda tres

veces?
Número de Resultados Favorables
Prob 
Número de Resultados Posibles

 (css), ( scs), ( ssc) 

3
 0.375
 (ccc), (ccs), (csc), (css ), ( scc), ( scs ), ( ssc), ( sss ) 8
 Probabilidades

Ejemplo:

Se examinaron las tarjetas de registros de 200 estudiantes en relación a

ciertos idiomas. Se encontró que 100 estudiaban francés, 80 estudiaban
español y 60 ambos idiomas. Si este grupo de 200 estudiantes se
selecciona uno al azar, ¿Cual es la probabilidad de que haya estudiado
francés o español?

Probabilidad subjetiva
Creencia personal, grado de confianza respecto a la ocurrencia de un
evento personalista
Ejemplos
 Estimar la posibilidad de el resultado de la Final de la UEFA Europa
Liga entre dos equipos de España, Atlético Madrid vs Athletic
Bilbao; la posibilidad de que el equipo Atlético Madrid gane.
 Estimar la posibilidad de que usted obtenga una calificación de 20
en el curso de Estadística Descriptiva.

Reglas Básicas de Probabilidad

1. 0 ≤ P(A) ≤ 1
La probabilidad de un evento tiene un valor de 0 a 1.
 Probabilidades
2. P(A) + P(A’)=1
Si A es un evento definido en el espacio muestral  , la
probabilidad de que no ocurra A se denota por A’.

Ley de la suma o adición (Adición)

1. P(A o B)=P(A) + P(B), para eventos mutuamente
excluyentes.
La probabilidad de ocurrencia de algunos de ellos deberá ser
igual a la suma de las probabilidades individuales.

2. P(A o B)=P(A)+P(B)-P(A y B), para eventos no

mutuamente excluyentes (Conjunta).
Si son no mutuamente excluyentes o compatibles entonces la
probabilidad de que ocurra el suceso A o el suceso B viene
dado por la formula:
La formula equivalente a la unión de 2 conjuntos que tienen
algunos elementos comunes.

Regla de la Multiplicación
Este resultado en teoría de probabilidad se denomina regla de multiplicación o
llamada también la probabilidad de a intersección. La probabilidad de que
ocurran los eventos A y B es igual a la probabilidad de la ocurrencia de uno de
ellos multiplicando por la probabilidad condicional. El propósito de la regla de la
multiplicación es determinar la probabilidad del evento conjunto.
Es decir que para encontrar la probabilidad de “A y B”, simplemente se
multiplican sus respectivas probabilidades. El procedimiento exacto depende
de si A y B son dependientes o independientes.
 Probabilidades

1. P(A y B)=P(A) * P(B), para eventos independientes

Los eventos A y B son independientes si  B

P ( A)  P A . Es decir, la

probabilidad de A es la misma bien se considere o no  A

P( B)  P B .

2. P(A y B)= P(A) * P(B/A), para eventos no

independientes (Condicional).
Si los eventos son dependientes, entonces por definición, se debe
considerar el primer evento al determinar la probabilidad del
segundo. Es decir, la probabilidad del evento B depende de la
condición que A ya haya ocurrido. Se necesita del principio de
probabilidad condicional.

Ejemplo:

Un paquete contiene una mezcla de semillas de flores de distintos

colores, contiene cuatro semillas para flores rojas, tres para amarillas,
dos para moradas, y una para color naranja.
a) Si se selecciona una semilla de la mezcla, ¿Cuál es la probabilidad
de que sea roja o naranja?
b) Si se extraen dos semillas del paquete, ¿cuál es la probabilidad de
que ambas semillas sean amarillas?

Probabilidad Condicional
La probabilidad de que ocurra un evento dado que otro evento ya ha
ocurrido se llama probabilidad condicional.

PROBABILIDAD CONDICIONAL

La probabilidad de A dado B es igual a la

probabilidad de A y B dividida por la probabilidad de
B.
 Probabilidades

Ejemplo: Tenemos el espacio formado por los posibles números al

tirar un dado de 6
caras: { 1, 2, 3, 4, 5, 6 }.
Sea E = { 2, 4, 6 }
Entonces la probabilidad P de sacar un 4 cuando ha ocurrido
previamente E es:

1 1
 
P4 
P  4  E   6 6
1
E P E  3 1 3
6 2

Independencia Estadística

Cuando el resultado de un evento no afecta la probabilidad de ocurrencia

de otro evento, se dice que los eventos son estadísticamente
independientes. La independencia estadística se determina mediante la
ecuación.

INDEPENDENCIA ESTADISTICA

Dos eventos A y B son estadísticamente

independientes si y solo si.

De esto se deduce que si A y B son independientes:

P(B | A) =P(B)
 Probabilidades

P(A | B) =P(A)
Es decir, que ocurra A no afecta a la probabilidad de que ocurra B y
viceversa.

Ejemplo:
Se tira una moneda 3 veces y sean las siguientes parejas de sucesos:
A = 1ª tirada cara = {CCC, CCS, CSC, CSS}
B = 2ª tirada cara = {CCC, CCS, SCC, SCS}
C = 2 caras seguidas = {CCS, SCC}

¿Qué pareja de sucesos son independientes?

En primer lugar definimos el espacio probabilístico con todas las tiradas

posibles:

S = {CCC, CCS, CSC, CSS, SCC, SCS, SSC, SSS}

Pareja A,B

Por tanto A y B son independientes.

Pareja B, C

Por tanto B y C no son independientes.

Pareja A, C
 Probabilidades

Por tanto A y C son independientes.

Probabilidad Total y Teorema de Bayes

Teorema de la Probabilidad Total

Sea A1, A2, …….An un sistema completo de eventos tales que la

probabilidad de cada uno de ellos es distinta de cero, y sea B un evento
cualquier del que se conocen las probabilidades condicionales P(B/A i),
entonces la probabilidad del evento B viene dada por la expresión:

P B   P A1 .P B   P  A2 .P B   ...............  P An .P B 

 A1   A2   An 

n
 
Es decir: P B    P Ai  P B A 
i 1  i

Ejemplo:
Tenemos 3 servidores de Internet para soportar búsquedas. El primero de
ellos soporta el 50% de las búsquedas, el segundo el 30% y el tercero el
20% restante. El 20% de las búsquedas en el primer servidor tardan más de
un segundo. El 35% de las búsquedas en el segundo servidor tardan más de
un segundo. El 8% de las búsquedas en el tercer servidor tardan más de un
segundo.
 Probabilidades

Calcular la probabilidad de responder en más de un segundo.

La probabilidad de que los servidores tarden más de un segundo en las

búsquedas es de 0.221.

Teorema de Bayes

Sea A1, A2,….An un sistema completo de sucesos, tales que la probabilidad

de cada uno de ellos es distinta de cero, y sea B un suceso cualquiera del
que se conocen las probabilidades P (B/Ai), entonces de la probabilidad
P(A/Bi) vienen dada por la expresión:

TEOREMA DE BAYES

Donde:
P(Ai) = Probabilidad a priori
i

P(B/Ai) = Probabilidad condicional

i

P(B) = Probabilidad Total

P(Ai/B) = probabilidad aposteriori
i
 Probabilidades

Ejemplo:

Tres maquinas A, B y C producen el 45%, 30% y 25% respectivamente del

total de piezas producidas en una fábrica. Los porcentajes de producción
defectuosa de estas maquinas son el 3%, 4% y 5% respectivamente.
Seleccionando una pieza al azar, calcular la probabilidad de que sea
defectuosa. Tomamos al zar, una pieza y resulta defectuosa, calcula la
probabilidad de haber sido producida por la maquina B. ¿Qué maquina
tienen la mayor probabilidad de haber producido piezas defectuosas?