Nociones elementales

de probabilidad
 2

Introducción
DATO: Es cualquier registro que tenemos acerca de una información ya
sea esta numérica o categórica.

 NUMÉRICO: Edad, número de frutos, etc.

 CATEGÓRICO: Tipo de hoja, calidad del servicio, etc.

Carola Flores
 3

ESPACIOS Y
EVENTOS
MUESTRALES
EXPERIMENTO: Dentro de la estadística se define a un experimento
como cualquier proceso mediante el cual se generan observaciones o
datos.

Experimento 1: Lanzar un dado

Experimento 2: Lanzar un par de monedas y anotar su resultado
Experimento 3: Analizar los agentes causales de enfermedades de tres plantas

Carola Flores
ESPACIOS Y EVENTOS 4

DIAGRAMA DE ÁRBOL: Es una herramienta que se utiliza para

determinar todos los posibles resultados de un experimento aleatorio.
En el cálculo de muchas probabilidades se requiere conocer el número
de objetos que forman parte del espacio muestral, estos se pueden
determinar con la construcción de un diagrama de árbol.
Para el lanzamiento de dos moneda se tiene:
2da moneda Posibles resultados
1ra moneda

Carola Flores
ESPACIOS Y EVENTOS 5

ESPACIO MUESTRAL: El conjunto de todos los resultados posibles de un

experimento estadístico se llama espacio muestral y se representa con el símbolo
S, y cada elemento de él se le llama punto muestral.

Experimento 1: Lanzar un
dado S1={1, 2, 3, 4, 5, 6}

Experimento 2: Lanzar un par de monedas y anotar su resultado Espacio

S2={cara cara, cara cruz, cruz cara, cruz cruz} muestral
Experimento 3: Analizar los agentes causales de enfermedades de tres
discreto
plantas
S3={BBB, BBA, BAB, BAA, ABB, ABA, AAB, B: bióticos
AAA} A: abióticos

Experimento 4: Tiempo que tarda en aparecer las hojas primordiales

en una planta Espacio
S4={t| t > 0 días}
(t es el tiempo, tal que t sea mayor a 0 dias) muestral

Carola Flores
ESPACIOS Y EVENTOS 6

continuo

Carola Flores
ESPACIOS Y EVENTOS 7

EVENTO: Es un resultado particular de un experimento aleatorio. En

término de conjuntos, un evento es un subconjunto del espacio
muestral. Por lo general se representa por las primeras letras del
alfabeto.
Evento simple Cada punto muestral
Experimento 1: Lanzar un dado
S1={1, 2, 3, 4, 5, 6}

A1: Que salga un número par al lanzar un dado

A1={2, 4, 6} Evento compuesto Formados por dos o más eventos simpl

A2: Que el resultado sea mayor a

5 A2={6}

Carola Flores
ESPACIOS Y EVENTOS 8

Experimento 2: Lanzar un par de monedas y anotar su resultado

S2={cara cara, cara cruz, cruz cara, cruz cruz}

B: Que salga al menos una cara

B={cara cara, cara cruz, cruz
cara}

Experimento 3: Analizar los agentes causales de enfermedades de tres plantas

(B: bióticos -A: abióticos)
ABA, AAB, AAA}
S3={BBB, BBA, BAB, BAA, ABB,

C: Que se observe menos de 2 plantas enfermas por agentes bióticos

C={BAA, ABA, AAB, AAA}
Carola Flores
ESPACIOS Y EVENTOS 9

CARDINALIDAD DE UN EVENTO: Es el número de elementos que

forman parte de un evento y se denota como n( )

Experimento 1: Lanzar un
n (S1) = 6
dado S1={1, 2, 3, 4, 5, 6}

A1: Que salga un número par al lanzar un dado

n (A1) =
A1={2, 4, 6}

A2: Que el resultado sea mayor a 5

3 n (A2)
A2={6}

=1

Carola Flores
ESPACIOS Y EVENTOS 1

Ejemplo 1

a) Realice una lista con el nombre de una (ciudad o cantón) que

conozca del Ecuador

Sea A el evento en el cual la ciudad tiene más de 100 años de independencia

Sea B el evento en el cual la ciudad está en la región sierra del Ecuador
Sea C el evento en el cual la ciudad es la capital de la provincia

b) Indique que ciudades pertenecen a cada evento

Carola Flores
ESPACIOS Y EVENTOS 1

Ejemplo 1 - resolución

Ciudad A B C
a Riobamba X X X
b Santo Domingo X A={a, c, e, f, g, h, i}
c Ambato X X X B={a, c, d, e, g, i, j}
d Baños X C={a, b, c, e, f, g, h}
e Quito X X X
f Puyo X X
g Loja X X X
h Babahoyo X X
i Alausi X X
j Guamote X
k La Concordia

Carola Flores
ESPACIOS Y EVENTOS 1

DIAGRAMA DE VENN: Un diagrama de Venn usa círculos que se

superponen u otras figuras para ilustrar las relaciones lógicas entre dos
o más conjuntos de elementos. Son útiles para organizar información
visualmente y así ver la relación entre los conjuntos de elementos,
como semejanzas y diferencias.

S S

Carola Flores
ESPACIOS Y EVENTOS 1

Ejemplo 2

a) A través de diagramas de Venn organice a las ciudades de acuerdo

a los eventos a los que pertenece.

b) Realice nuevamente el diagrama de Venn tomando en

consideración la cardinalidad de los eventos

Carola Flores
ESPACIOS Y EVENTOS 1

Ejemplo 2 - resolución
1
S A
5
i 3 B
2
a) A través de diagramas de
Venn organice a las ciudades
de acuerdo a los eventos a los 8
dj
que pertenece.
ace
a
b
Ciudad
Riobamba
Santo Domingo
A
X
B
X
C
X
X A={a, c, e, f, g, h, i}
g 7
c
d
e
f
Ambato
Baños
Quito
Puyo
X

X
X
X
X
X
X

X
X
B={a, c, d, e, g, i, j}
C={a, b, c, e, f, g, h}

6
fh
g
h
i
j
Loja
Babahoyo
Alausi
Guamote
X
X
X
X

X
X
X
X
k b 4
k La Concordia
C
Carola Flores
 1

b) Realice nuevamente el diagrama de Venn

tomando en consideración la cardinalidad de
los eventos
Ciudad A B C
a Riobamba X X X
b Santo Domingo X A={a, c, e, f, g, h, i}

S
c Ambato X X X B={a, c, d, e, g, i, j}
d Baños X C={a, b, c, e, f, g, h}
e Quito X X X
1 5
A
f Puyo X X

B
g Loja X X X

1
3
2
2 h Babahoyo X X
i Alausi X X
j Guamote X
k La Concordia
8

4
2 7
6

1 1 4

C
Carola Flores
ESPACIOS Y EVENTOS 1
RELACIONES ENTRE
EVENTOS
INTERSECCIÓN DE EVENTOS

Dado 2 eventos A y B de un mismo espacio muestral, su intersección se

representa por A∩B y es el evento que contiene los elementos que
están en A y en B al mismo tiempo.
El evento A∩B ocurre cuando los eventos ocurren simultáneamente
Si A∩B es el conjunto vacío ∅, entonces se dice que A y B son
mutuamente excluyentes o incompatibles.

S
A B

A∩B≠ A∩B= Carola Flores

ESPACIOS Y EVENTOS 1

Ejemplo 3

Del diagrama de Venn enliste las ciudades que pertenecen a la

intersección de:

1. A con B
2. A con C
3. B con C
4. A con B y con C

A: la ciudad tiene más de 100 años de independencia

B: la ciudad está en la región sierra del Ecuador
C: la ciudad es la capital de la provincia

Carola Flores
 Ciudad A B C 1
a Riobamba X X X
b Santo Domingo X
c Ambato X X X
d Baños X
e Quito X X X
f Puyo X X
g Loja X X X
h Babahoyo X X
i Alausi X X
j Guamote X
k La Concordia

La intersección se lee como “y”

A∩B = {a, c, e, g, i}
A∩B representa las ciudades que

1. A con B tienen mástienen

más de 100 años
independencia
de 100 años de
de independencia
y están y
en la sierra del
INTERSECCIÓN

A={a, c, e, f, g, h, i}
B={a, c, d, e, g, j}

Carola Flores
 Ciudad A B C 1
a Riobamba X X X
b Santo Domingo X
c Ambato X X X
d Baños X
e Quito X X X
f Puyo X X
g Loja X X X
h Babahoyo X X
i Alausi X X
j Guamote X
k La Concordia

La intersección se lee como “y”

A∩B = {a, c, e, g, i}
A∩B representa las ciudades que

1. A con B tienen más de 100 años de

independencia y están en la sierra del
INTERSECCIÓN

2. A con C A∩C = {a, c, e, g, f, h}

Carola Flores
 Ciudad A B C 2
a Riobamba X X X
b Santo Domingo X
c Ambato X X X
d Baños X
e Quito X X X
f Puyo X X
g Loja X X X
h Babahoyo X X
i Alausi X X
j Guamote X
k La Concordia

La intersección se lee como “y”

A∩B = {a, c, e, g, i}
A∩B representa las ciudades que

1. A con B tienen más de 100 años de

independencia y están en la sierra del
INTERSECCIÓN

2. A con C A∩C = {a, c, e, g, f, h}

3. B con C B∩C = {a, c, e, g}

Carola Flores
 Ciudad A B C 2
a Riobamba X X X
b Santo Domingo X
c Ambato X X X
d Baños X
e Quito X X X
f Puyo X X
g Loja X X X
h Babahoyo X X
i Alausi X X
j Guamote X
k La Concordia

La intersección se lee como “y”

A∩B = {a, c, e, g, i}
A∩B representa las ciudades que

1. A con B tienen más de 100 años de

independencia y están en la sierra del
INTERSECCIÓN

2. A con C A∩C = {a, c, e, g, f, h}

3. B con C B∩C = {a, c, e, g}
4. A con B y con C A∩B∩C = {a, c, e, g}
Carola Flores
ESPACIOS Y EVENTOS 2
RELACIONES ENTRE
EVENTOS
UNIÓN DE EVENTOS

Dado 2 eventos A y B de un mismo espacio muestral, su unión se

representa por A∪B y es el evento que contiene los elementos que
están en A o en B o en ambos.

El evento A∪B ocurre si al menos uno de los 2 eventos ocurre.

S
A B

A∪B
Carola Flores
ESPACIOS Y EVENTOS 2
A∪B

Carola Flores
ESPACIOS Y EVENTOS 2

Ejemplo 4

Del diagrama de Venn enliste las ciudades que pertenecen en la unión

de:

1. A con B
2. A con C
3. B con C
4. A con B y C

A: la ciudad tiene más de 100 años de independencia

B: la ciudad está en la región sierra del Ecuador
C: la ciudad es la capital de la provincia a la que pertenece

Carola Flores
 Ciudad A B C 2
a Riobamba X X X
b Santo Domingo X
c Ambato X X X
d Baños X
e Quito X X X
f Puyo X X
g Loja X X X
h Babahoyo X X
i Alau X X
j Guamote X
k La Concordia

La unión se lee como “o”

1. A con B A ꓴ B = {a, c, d, e, f, g, h, i, j}
UNIÓN

A={a, c, e, f, g, h, i} AUB representa las ciudades que tienen más

de 100 años de independencia o están en la
B={a, c, d, e, g, i, j} sierra del Ecuador

Carola Flores
 Ciudad A B C 2
a Riobamba X X X
b Santo Domingo X
c Ambato X X X
d Baños X
e Quito X X X
f Puyo X X
g Loja X X X
h Babahoyo X X
i Alausi X X
j Guamote X
k La Concordia

La unión se lee como “o”

1. A con B A ꓴ B = {a, c, d, e, f, g, h, i, j}
UNIÓN

2. A con C A ꓴ C = {a, b, c, e, f, g, h, i}

Carola Flores
 Ciudad A B C 2
a Riobamba X X X
b Santo Domingo X
c Ambato X X X
d Baños X
e Quito X X X
f Puyo X X
g Loja X X X
h Babahoyo X X
i Alausi X X
j Guamote X
k La Concordia

La unión se lee como “o”

1. A con B A ꓴ B = {a, c, d, e, f, g, h, i, j}
UNIÓN

2. A con C A ꓴ C = {a, b, c, e, f, g, h, i}
3. B con C B ꓴ C = {a, b, c, d, e, f, g, h, i, j}

Carola Flores
 Ciudad A B C 2
a Riobamba X X X
b Santo Domingo X
c Ambato X X X
d Baños X
e Quito X X X
f Puyo X X
g Loja X X X
h Babahoyo X X
i Alausi X X
j Guamote X
k La Concordia

La unión se lee como “o”

1. A con B A ꓴ B = {a, c, d, e, f, g, h, i, j}
UNIÓN

2. A con C A ꓴ C = {a, b, c, e, f, g, h, i}
3. B con C B ꓴ C = {a, b, c, d, e, f, g, h, i, j}
4. A con B y con C A ꓴ B ꓴ C = {a, b, c, d, e, f, g, h, i, j}
Carola Flores
ESPACIOS Y EVENTOS 2
RELACIONES ENTRE
EVENTOS
EVENTO COMPLEMENTARIO

El complemento de un evento A se representa por: 𝐴𝑐 o A’ y es el

evento que contiene todos los elementos que no están en A

S
A’
A

Carola Flores
ESPACIOS Y EVENTOS 3

Ejemplo 5

Del diagrama de Venn enliste las ciudades que pertenecen al

complemento de:

1. A ∩ B
2. A 𝖴 C
3. B 𝖴 C 𝖴 A

A: la ciudad tiene más de 100 años de independencia

B: la ciudad está en la región sierra del Ecuador
C: la ciudad es la capital de la provincia a la que pertenece

Carola Flores
 Ciudad A B C 3
a Riobamba X X X
b Santo Domingo X
c Ambato X X X
d Baños X
e Quito X X X
f Puyo X X
g Loja X X X
h Babahoyo X X
i Alausi X X
j Guamote X
k La Concordia

El complemento se lee como “no”

1. A ∩ B [A ∩ B]´ = {b, d, f, h, j, k}
COMPLEMENT

S= {a, b, c, d, e,f, g, h, i, j, k}
[A ∩ B]´ representa las ciudades que no
A∩B = {a, c, e, g, i} tienen más de 100 años de independencia o
no están en la sierra del Ecuador

Leyes de Morgan
Carola Flores
[A ∩ B]´ [A’ U 3

B’]

Carola Flores
 Ciudad A B C 3
a Riobamba X X X
b Santo Domingo X
c Ambato X X X
d Baños X
e Quito X X X
f Puyo X X
g Loja X X X
h Babahoyo X X
i Alausi X X
j Guamote X
k La Concordia

El complemento se lee como “no”

1. A ∩ B [A ∩ B]´ = {b, d, f, h, j,
COMPLEMENT

2. A 𝖴 C k} [A 𝖴 C]´ = {d, j, k}

Carola Flores
 Ciudad A B C 3
a Riobamba X X X
b Santo Domingo X
c Ambato X X X
d Baños X
e Quito X X X
f Puyo X X
g Loja X X X
h Babahoyo X X
i Alausi X X
j Guamote X
k La Concordia

El complemento se lee como “no”

1. A ∩ B [A ∩ B]´ = {b, d, f, h, j,
COMPLEMENT

2. A 𝖴 C k} [A 𝖴 C]´ = {d, j, k}
3. B 𝖴 C 𝖴 A [B 𝖴 C 𝖴 A]´ = {k}

Carola Flores
 32

A’∩B∩C’
A∩B∩C’
A∩B’∩C’ A∩B∩C

A∩B’∩C A’∩B∩C

A’∩B’∩C

A’∩B’∩C’

Carola Flores M
 3

A’∩B={d, j}

S={a, b, c, d, e, f, g, h, i, j,
k} A{a, c, e, g, i, f, h}
A’={b, d, j, k}
B={a, c, e, g, i, d, j}
A’∩B={d, j}
A∩B’∩C’: representa las ciudades que tienen más de 100 años de independencia y no están
en la región sierra del Ecuador y no son capitales provinciales
A’∩B∩C’: representa las ciudades que no tienen más de 100 años de independencia y están
en la región sierra del Ecuador y no son capitales provinciales
[A∩B’∩C’]U[A’∩B∩C’]: representan las ciudades que sólo tienen más de 100 años o sólo
están en la región sierra del Carola Flores
 3

Actividad extra (0,1)

Del diagrama de Venn
1. Indique en términos del problema qué representa la siguiente
notación [A ∩ B’] 𝖴 [A’∩B]
2. Pinte el área correspondiente
3. Indique cuáles y cuántas son las ciudades que cumplen con esas
características
Resolver esta actividad a mano, escanearla y subirla en formato pdf, al foro
de consultas del capítulo en el tema de discusión:
ACTIVIDAD EXTRA (espacios y eventos muestrales)
Esta actividad estará disponible hasta las 11:30 del día miércoles 10 de
junio Las tres primeras respuestas que sean correctas tendrán la
calificación de 0,1 adicional al aporte

Carola Flores
ESPACIOS Y EVENTOS 3
RELACIONES ENTRE EVENTOS
Ejercicio de
Ejemplo 6
La producción alimentaria de una asociación de granjas se encuentra
dividida de la siguiente manera: 50% produce leche, el 40% produce
carne, además sólo los que producen leche o sólo producen carne son el
54%
a) En base a la información obtenida, realice un diagrama de Venn que
permita visualizar la producción alimentaria de la asociación de granjas
(en lugar de trabajar con cardinalidad se lo hará con los porcentajes)
b) Indique cuál es el porcentaje de los que no producen ni leche ni carne

Resolver esta actividad a mano o computador, escanearla y subirla en formato

pdf, en la sección ejercicios de refuerzo o complementación
Esta actividad estará disponible hasta las 23:55 del día lunes, 15 de junio de

Carola Flores
 3

PRINCIPIO BÁSICO DE CONTEO

En muchos problemas de probabilidad, el mayor obstáculo consiste en

obtener el número total de resultados. Esta sección presenta
diferentes métodos para el cálculo de números de distintos resultados
posibles, sin hacer listas directamente y contar las posibilidades.

Carola Flores
PRINCIPIO BÁSICO DE 3

Ejemplo 7

Un estudiante para trasladarse de la universidad a su casa puede

hacerlo sólo o acompañado, en bus, taxi o a pie.

a) ¿De cuántas formas diferentes

puede llegar este estudiante a su
casa?

Carola Flores
PRINCIPIO BÁSICO DE 3

Ejemplo 7 - Solución

Para saber de cuántas formas diferentes

puede llegar este estudiante a su casa,
se puede realizar un diagrama de árbol

Solo
Bus Bus – solo
Acompañado Bus – acompañado
Solo Taxi – solo 6 formas
Taxi diferentes
Taxi –
Acompañado
acompañado Pie –
solo
Pie
Solo Pie – acompañado
Acompañado
Carola Flores
PRINCIPIO BÁSICO DE 3

REGLA DE LA MULTIPLICACIÓN
Si una operación se puede llevar a cabo en n1 formas, y si para cada
una de estas se puede realizar una segunda operación en n2 formas,
entonces las dos operaciones se pueden ejecutar juntas de n1*n2
formas.

Carola Flores
PRINCIPIO BÁSICO DE 4
REGLA DE LA MULTIPLICACIÓN

Ejemplo 8

¿Cuantos puntos muestrales hay en el espacio muestral cuando se

lanza un par de dados?

Operación 1: resultados del primer dado n1= 6

Operación 2: resultados del segundo dado n2= 6

n1 * n2= 6 * 6 = 36 puntos muestrales

Carola Flores
PRINCIPIO BÁSICO DE CONTEO 41
REGLA DE LA MULTIPLICACIÓN

Ejemplo 8 - Solución

Carola Flores
PRINCIPIO BÁSICO DE 4
REGLA DE LA MULTIPLICACIÓN

Ejemplo 9

Un club que tiene 22 integrantes necesitara elegir un presidente y un

tesorero, ¿De cuántas maneras diferentes se podrían elegir a ambos?

Operación 1: formas para escoger al presidente n1= 22

Quien sea electo presidente ya no podrá ser tesorero
Operación 2: formas para escoger al tesorero n2= 21

n1 * n2= 22 * 21 = 462 formas diferentes

Realizar en este ejemplo un diagrama de árbol para determinar el número de formas, sería muy extenso

Carola Flores
PRINCIPIO BÁSICO DE 4

REGLA DE LA MULTIPLICACIÓN GENERALIZADA

Si una operación se puede ejecutar en n1 formas, y si para cada una de
estas se puede llevar a cabo una segunda operación en n2 formas, y
para cada una de las primeras dos se puede realizar una tercera
operación en n3 formas, y así sucesivamente, entonces la serie de k
operaciones se puede realizar en n1n2...nk formas.

Carola Flores
PRINCIPIO BÁSICO DE CONTEO 4
REGLA DE LA MULTIPLICACIÓN
Ejemplo 10

Un restaurante dispone en su cartilla de 4 tipos de sopa, 3 tipos de

sándwich, 5 postres diferentes y 4 tipos de bebida. Un almuerzo
consiste de una sopa, un sándwich, un postre y una bebida. ¿Cuántos
almuerzos diferentes son posibles?
Operación 1: formas para escoger una sopa n 1= 4
Operación 2: formas para escoger un sándwich n 2= 3
Operación 3: formas para escoger un postre n 3= 5
Operación 4: formas para escoger una bebida n 4= 4
n1 * n2 * n3 * n4 = 4 * 3 * 5 * 4 = 240 almuerzos diferentes

Carola Flores
PRINCIPIO BÁSICO DE CONTEO 4
REGLA DE LA MULTIPLICACIÓN
Ejemplo 11

¿Cuántos números pares de cuatro dígitos se pueden formar con los

dígitos 1, 2, 5, 6 y 9, si cada dígito se puede usar sólo una vez?
um c d u 1 2 5 6 9
Operación 1: formas para escoger la unidad
Para que sea par, la unidad debe ser # par
n 1= 2

Operación
Para las 2: formas
demás para no
posiciones escoger
existen la decena
restricciones n 2= 4
1 2 5 6 9
Operación 3: formas para escoger la centena n 3= 3 1 2 5 6 9
Operación 4: formas para escoger la unidad de mil n 4= 2 1 2 5 6 9
n1 * n2 * n3 * n4 = 2 * 4 * 3 * 2= 48 números pares de 4 dígitos
Uno de los 48 número pares puede ser: 5192

Carola Flores
PRINCIPIO BÁSICO DE 4

PERMUTACIONES
Una permutación es un arreglo de todo o parte de un conjunto de
objetos.
Cuando queremos saber cuántos arreglos
diferentes son posibles para sentar a seis
personas alrededor de una mesa
o cuando nos
preguntamos cuantas
ordenaciones diferentes
son posibles para sacar
dos billetes de lotería de
un total de 5.

Carola Flores
PRINCIPIO BÁSICO DE 4

En este caso los diferentes arreglos se llaman permutaciones.

Carola Flores
PRINCIPIO BÁSICO DE 4
PERMUTACIONES

Ejemplo 12
¿Cuántos arreglos son posibles con las letras abc?
Según la regla de la multiplicación hay
a b c
(3) (2) (1) = 6 formas de arreglar esas letras. 3
Todas esas posibles ordenaciones se las conoce con el nombre de permutaciones.

Si queremos ordenar 4 letras el número de permutaciones existentes sería

a b c d
(4) (3) (2) (1) = 24 4!
Si quisiéramos ordenar n letras el número de permutaciones seria n(n-1)(n-2)… (3)(2)(1),
y esto es igual a n!; por tanto el número de permutaciones de n objetos es igual a n!
Nota: 0!=1
Carola Flores
PRINCIPIO BÁSICO DE CONTEO 48
PERMUTACIONES

Paso 2
De forma
equivalente Paso 3
con el
factorial

Paso 1

Paso 4 Carola Flores M

PRINCIPIO BÁSICO DE 4

PERMUTACIONES DE n OBJETOS TOMADOS DE r A LA VEZ

Como sabemos, para hallar el número de permutaciones debemos

calcular el factorial del número de objetos que existen, por ejemplo:
Sabemos que el número de permutaciones de 4 letras es igual a 4!=24
pero ahora supongamos que queremos conocer el número de
permutaciones de las mismas 4 letras pero tomadas de 2 en 2 a la vez.
A este tipo de permutaciones las llamaremos permutaciones de n
objetos distintos tomados de r a la vez y se define como:

Carola Flores
PRINCIPIO BÁSICO DE 5
PERMUTACIONES DE n OBJETOS TOMADOS DE r A LA VEZ

Y de aquí el número de permutaciones de las 4 letras tomadas de 2 a la

vez sería:
4𝑃2 =
4! 4!
= = 12
4 − 2 ! 2!

Por lo tanto, hay 12 formas ordenar las 4 letras tomadas de 2 a la vez.

Éstas son: ab, ac, ad, ba, bc, bd, ca, cb, cd, da, db y dc.

Carola Flores
PRINCIPIO BÁSICO DE CONTEO 51
PERMUTACIONES DE n OBJETOS TOMADOS DE r A LA VEZ

Paso 2

De forma
equivalente con
permutaciones

Paso 1 Paso 3

Paso 4

Paso 5
Carola Flores M
PRINCIPIO BÁSICO DE CONTEO 5
PERMUTACIONES DE n OBJETOS TOMADOS DE r
Ejemplo 13
Para escoger el código de seguridad de su tarjeta de débito para un
cajero automático, el banco le pide que seleccione 4 de los 10 dígitos
que existen. Suponga que ningún número puede repetirse. ¿Cuántos
códigos diferentes podría obtener para la seguridad de su tarjeta?
n=10
r=4
10! 10!
10𝑃4 = = = 5040
10 − 4 ! 6!

Por lo tanto, hay 5040 códigos diferentes que podrían seleccionarse

Carola Flores
PRINCIPIO BÁSICO DE CONTEO 5
PERMUTACIONES DE n OBJETOS TOMADOS DE r
Nuevamente, realizar un diagrama de árbol para determinar el número de códigos, sería muy extenso

Carola Flores
PRINCIPIO BÁSICO DE CONTEO 5
PERMUTACIONES DE n OBJETOS TOMADOS DE r

Regla de las permutaciones (cuando todos los elementos son

diferentes)
Requisitos
1. Existen n elementos diferentes disponibles.
2. Seleccionamos r de los n elementos (sin reemplazo).

3. Cuando se utiliza el término permutaciones, implica que se toma en

cuenta el orden, en el sentido de que diferentes ordenamientos de los
mismos elementos se cuentan por separado
(ab) ≠(ba)

Carola Flores
PRINCIPIO BÁSICO DE 5

COMBINACIONES
Recordemos el ejemplo que consistía en saber todas las posibles
permutaciones que podíamos obtener con 4 letras a, b, c y d de 2 en 2
a la vez.

Note que en las permutaciones es importante el

ab ac ad orden de los arreglos es decir (𝑎,𝑏)≠(𝑏,𝑎)
ba bc bd
ca cb cd Sin embargo puede interesar simplemente que los
da db dc objetos estén arreglados sin importar el orden, a
este tipo de ordenaciones se las denomina
combinaciones, en donde es lo mismo formar una
ordenación (𝑎,𝑏)=(𝑏,𝑎) 𝑜 (𝑎,𝑐)=(𝑐,𝑎)
Carola Flores
PRINCIPIO BÁSICO DE 5

COMBINACIONES
El número de combinaciones de n objetos distintos tomados de r a la
vez es

𝑛 = 𝑛𝐶𝑟 = 𝑛!
𝑟 𝑟! 𝑛 − 𝑟 !

Carola Flores
PRINCIPIO BÁSICO DE 5

Se lee n combinaciones de r elementos.

Nótese que no lleva línea de fracción o división

Carola Flores
PRINCIPIO BÁSICO DE 5
COMBINACIONES

Ejemplo 14

¿De cuántas formas puede elegirse una comisión de 3 personas de

entre un grupo de 9 personas?

n=9
r=3
9! 9!
9 = = 84
3 = 9𝐶3 = ! 3! 6!
3! 9 − 3

Por lo tanto, hay 84 formas de elegirse la comisión

Carola Flores
PRINCIPIO BÁSICO DE CONTEO 57
COMBINACIONES DE n OBJETOS TOMADOS DE r A LA VEZ

Paso 2

De forma
equivalente con
combinaciones

Paso 1

Paso 3

Paso 4

Carola Flores
PRINCIPIO BÁSICO DE CONTEO 58

El orden importa
Para determinar si el cálculo se realiza a partir de una permutación o
combinación, debemos preguntarnos: ¿importa el orden en el que son
elegidos los elementos?

En el ejemplo 13, si los dígitos no

se ingresan en el orden
establecido, el cajero no entregará
dinero.
El orden no Carola Flores
En el ejemplo 14, no es relevante
quien de las 3 personas fue
elegida primero, es decir, la
comisión se formará sin importar
el orden

El orden no Carola Flores

 Realizar los ejercicios de
refuerzo que se encuentran en
el aula virtual
PRINCIPIO BÁSICO DE CONTEO
PRINCIPIO BÁSICO DE 6

Ejercicio de
Ejemplo
El pozo millonario es un juego de azar que consiste en obtener 15 números correctos
entre los números sorteados que van del 1 al 25.
Si cada cartón posee 15 números diferentes. ¿Con cuántos cartones se puede
participar?
Ejemplo

Su agencia de viajes ha sorteado un boleto para viajar a Galápagos y usted puede

viajar con 3 amigos. Desafortunadamente tiene 5 amigos que quieren ir. ¿Con cuántos
grupos diferentes de amigos puede ir acompañado?
Ejemplo
El muestreo aleatorio simple usa una muestra de tamaño n tomada de una población
de tamaño N para obtener datos para hacer inferencias acerca de las características
de la población. Suponga que, de una población de 50 hogares de una comunidad que
forma parte de un área protegida, se desea tomar una muestra de cuatro hogares, con
objeto de tener información acerca del estado del los problemas de la comunidad.
¿Cuántas muestras diferentes de cuatro hogares se pueden obtener?

Carola Flores
 6

PROBABILIDAD
Existen diferentes formas para definir la probabilidad de un evento;
aquí se exponen tres enfoques:
1. Método clásico
2. Método frecuentista
3. Probabilidades subjetivas

Para iniciar, se presenta una lista de algunas notaciones básicas:

P( ) denota una probabilidad.
A, B y C denotan eventos o sucesos específicos.
P(A) denota la probabilidad de que ocurra el evento A.

Carola Flores
 62

Definir el Lanzar un dado e indicar el

experimento: resultado de la cara
superior S={1, 2, 3, 4, 5, 6}

Calcular los W= 1/6 1/6 1/6 1/6 1/6 1/6

pesos de los
S={1, 2, 3, 4, 5, 6} n(S) = 6
puntos
muestrales:

Definir el evento:
A: salga un 2
La probabilidad de obtener un 2 al lanzar un dado es 0,1667
Calcular probabilidad: El 16,67% de las veces que se lance un dado se obtendrá como
P(A) = 1/6 -> 0,1667 resultado el # 2

Carola Flores
 6

Definir el Extraer un canica de la bolsa y

experimento: visualizar su color
S={rojo, azul, blanco}

Calcular los W= 5/20 4/20 11/20

pesos de los
puntos
S={rojo, azul, blanco}
muestrales:

Definir el evento:
B: extraer una canica n(S) = 20
La probabilidad de obtener una canica blanca es 0,55
blanca
Calcular probabilidad: El 55% de las veces que se extraiga una canica de esta bolsa se
obtendrá una de color blanco
P(B)= 11/20 -> 0,55
Carola Flores
PROBABILIDA 6

La probabilidad de un evento A es la suma de los pesos de todos los

puntos muestrales en A. Por lo tanto,
Lanzamiento de un
W = 1/6 1/ 1/6 1/6

0 ≤ P(A) ≤ 1 S={1, 2, 3, 4, 5,
La probabilidad de un evento A se A: Obtener el #
encuentra definida en el intervalo de 0 a 1 P(A) = 1/6 -> 0,1667
2 A={2}

P(ϕ) = 0
B: obtener el # 7
La probabilidad del conjunto vacío es 0
P(B) = 0/6 -> 0
B={ }

P(S) = 1 C: salga un # < 8

P(C) = 6/6 -> 1
La probabilidad del entero espacio muestral es
1
C={1, 2, 3, 4, 5, 6}
Carola Flores
PROBABILIDA 6

¿Cómo se puede calcular la

probabilidad de obtener un 2 al
lanzar un dado balanceado?

Carola Flores
PROBABILIDA 6

Cuando se trata de determinar P(2) con un dado balanceado, cada una

de las seis caras tiene la misma probabilidad de ocurrir.

Regla 1: Método clásico de la probabilidad (requiere resultados

igualmente probables)
Suponga que un procedimiento dado tiene n eventos simples distintos
y que cada uno de esos eventos simples tiene la misma posibilidad de
ocurrir. Si el evento A puede ocurrir en s de estas n formas, entonces

número de formas en que puede ocurrir A 𝑠

𝑃 𝐴 = =
número de sucesos simples diferentes 𝑛
Carola Flores
PROBABILIDA 6

¿Cómo se puede calcular la

probabilidad de que una
tachuela caiga con la punta
hacia arriba?

Carola Flores
PROBABILIDA 6

Cuando se trata de determinar P(tachuela cae con la punta hacia

arriba), debemos repetir muchas veces el procedimiento de lanzar la
tachuela y después calcular el cociente del número de veces que la
tachuela cae con la punta hacia arriba entre el número de
lanzamientos.

Regla 2: Aproximación de la probabilidad por frecuencias relativas

Realice (u observe) un procedimiento un gran número de veces y
cuente las veces que el evento A ocurre en realidad. Con base en estos
resultados reales, P(A) se estima de la siguiente forma:

número de veces que ocurrió A

𝑃 𝐴 =
número de veces que se repitió el ensayo
Carola Flores
PROBABILIDA 6

¿Cómo se puede calcular la

probabilidad de que mañana
llueva?

Carola Flores
PROBABILIDA 7

Cuando se trata de estimar la probabilidad de que mañana llueva, los

meteorólogos usan su conocimiento experto de las condiciones del
tiempo para desarrollar un estimado de la probabilidad.

Regla 3: Probabilidades subjetivas

P(A), la probabilidad del suceso A, se estima con base en el
conocimiento de las circunstancias relevantes.

Carola Flores
PROBABILIDA 7

Ejemplo 15

Anotación de un tiro libre

Calcule la probabilidad que tiene Michael Jordan,
jugador de básquetbol de la NBA, de anotar un tiro
libre después de recibir una falta. En cierto momento
de su carrera, anotó 5915 tiros libres entre 6679
intentos (de acuerdo con datos de la NBA).

¿Método clásico o frecuentista?

Carola Flores M
PROBABILIDA 7

Ejemplo 16

Genotipo
Como parte de un estudio sobre los genotipos AA, Aa,
aA y aa, anote cada genotipo individual en una ficha,
luego mezcle las cuatro fichas y elija una al azar. ¿Qué
probabilidad tiene de elegir el genotipo Aa?

¿Método clásico o frecuentista?

Carola Flores M
PROBABILIDA 7

Ejemplo 17

Choque de meteoritos
¿Cuál es la probabilidad de que su automóvil sea
impactado por un meteorito este año?

Probabilidad subjetiva
Carola Flores
PROBABILIDA 7

A menudo resulta más sencillo calcular la probabilidad de

algún evento a partir de las probabilidades conocidas de
otros eventos. Esto puede ser cierto si el evento en cuestión
se puede representar como la unión de otros dos eventos o
como el complemento de algún evento. A continuación se
presentan varias leyes importantes que con frecuencia
simplifican el cálculo de las probabilidades.

Carola Flores
 7

REGLAS ADITIVAS
Si A y B son dos eventos, entonces
P(A 𝖴 B) = P(A) + P(B) – P(A ∩ B)

P(A𝖴B) es la suma de las probabilidades de los

puntos muestrales en (A 𝖴 B). Así, P(A) + P(B) es la
suma de todas las probabilidades en A más la suma
de todas las probabilidades en B. Por lo tanto,
sumamos dos veces las probabilidades en (A ∩ B).
Como estas probabilidades se suman a P(A ∩ B),
debemos restar esta probabilidad una vez para
obtener la suma de las probabilidades en A 𝖴 B.

Carola Flores
REGLAS 7

Ejemplo 18 Lanzar un dado e indicar el resultado de la cara superior

S={1, 2, 3, 4, 5, 6}
S
A: Obtener un número menor que 5 P(A) = 4/6
A = {1, 2, 3, 4}
1 2 3 4 56
B: Obtener un número mayor que 2 P(B) = 4/6
B = {3, 4, 5, 6}

A∩B: Obtener un # menor que 5 P(A∩B) = 2/6 A B

y que sea mayor que 2
A∩B = {3, 4}

P(A 𝖴 B) = P(A) + P(B) – P(A ∩ B)

AUB: Obtener un # menor que 5 o mayor que
2 AUB = {1, 2, 3, 4, 5, 6} P(AUB) = 4/6 + 4/6 – 2/6
=1
Carola Flores
REGLAS 7

Si A y B son mutuamente excluyentes, entonces

P(A 𝖴 B) = P(A) + P(B)

Si A y B son mutuamente excluyentes, A ∩ B = 0 y entonces

P(A ∩ B) = P(ϕ) = 0.

Carola Flores
REGLAS 7

Ejemplo 19 Lanzar un dado e indicar el resultado de la cara superior

S={1, 2, 3, 4, 5, 6}
S 2 3 4
A: Obtener un número mayor que 4 P(A) = 2/6
A = {5, 6}
B: Obtener un número menor que 2 P(B) = 1/6 5 6 1
B = {1}

A∩B: Obtener un # mayor que 4 P(A∩B) = 0/6 A B

y que sea menor que 2
A∩B = { }
0
P(A 𝖴 B) = P(A) + P(B) – P(A ∩ B)
AUB: Obtener un # mayor que 4 o menor que
2 AUB = {1, 5, 6} P(AUB) = 2/6 + 1/6
= 3/6 -> 0,5
Carola Flores
REGLAS 7

Para tres eventos A, B y C,

P(A 𝖴 B 𝖴 C) = P(A) + P(B) + P(C) –

P(A ∩ B) – P(A ∩ C) – P(B ∩ C)
+P(A ∩ B ∩ C)

Carola Flores
REGLAS 8

Ejemplo Con los datos del ejemplo 1, calcule la probabilidad de que las ciudades cuenten con
20
al menos una de las características (tener más de 100 años de
independencia o estar ubicada en la región sierra del Ecuador o ser la capital de la
provincia )
Ciudad A B C
a Riobamba X X X
b Santo Domingo X
c Ambato X X X
d Baños X
e Quito X X X
f Puyo X X
g Loja X X X
h Babahoyo X X
i Alausi X X
j Guamote X
k La Concordia

Carola Flores
REGLAS ADITIVAS 81

Ejemplo 20 - Resolución

A: La ciudad tiene más de 100 años de independencia P(A) = 7/11

n(A) = 7

B: la ciudad está en la región sierra del Ecuador P(B) = 7/11

n(B) = 7

C: La ciudad es la capital de la provincia P(C) = 7/11

n(C) = 7 n(S) = 11
A∩B:
AUBUC: representan las ciudades que cuentan con
al menos una de las características descritas
n(A∩B) = 5 P(A∩B) = 5/11
A∩C:
n(AUBUC )= 10
n(A∩C) = 6 P(A∩C) = 6/11 P(AUBUC)= 10/11
B∩C: P(B∩C) = 4/11 P(A 𝖴 B 𝖴 C) = P(A) + P(B) + P(C) – P(A ∩ B) – P(A ∩ C) – P(B ∩ C)
n(B∩C) = 4 + P(A ∩ B ∩ C)
P(AUBUC) = 7/11 + 7/11 + 7/11 – 5/11 - 6/11 – 4/11
+ 4/11
A∩B∩C: = 21/11 - 15/11 + 4/11
n(A ∩ B∩C) = 4 P(A∩B∩C) = 4/11 = 10/11 Carola Flores M
REGLAS 8

Ejemplo 21

Al final del semestre John se va a graduar en la facultad

de Recursos Naturales de una universidad. Después de
tener entrevistas en dos empresas en donde quiere
trabajar, determina que la probabilidad que tiene de
lograr una oferta de empleo en la empresa A es 0.8, y
que la probabilidad de obtenerla en la empresa B es
0.6. Si, por otro lado, considera que la probabilidad de
recibir ofertas de ambas empresas es 0.5, ¿qué
probabilidad tiene de obtener al menos una oferta de
empleo de esas dos empresas?

Carola Flores M
REGLAS 8

Ejemplo 21 - Resolución
A: obtener una oferta de empleo en la empresa A
B: obtener una oferta de empleo en la empresa B
P(A) = 0,8 S
P(B) = 0,6 A B
P(A∩B) = 0,5 0,3 0,5 0,1
P(S) = 1 0,1
P(A’∩B’) = 0,1 1 2
4
3

¿Qué probabilidad tiene de obtener al menos una oferta de empleo de esas dos empresas?
P(AUB) = P(A)+P(B)-P(A∩B)
= 0,8 + 0,6 – 0,5 La probabilidad de obtener al menos una oferta de
empleo de esas dos empresas es de 0,9
= 0,9 Carola Flores M
REGLAS 8

Ejemplo 22

¿Cuál es la probabilidad de obtener un total de 7 u 11

cuando se lanza un par de dados?
Dado 1 S: suma de los dos dados n(S) =
A: la suma de los dos dados es 7 36
1 2 3 4 5 6 B: la suma de los dos dados es n(A) = 6
1 2 3 4 5 6 7 11
2 3 4 5 6 7 8
P(AUB) = P(A)+P(B)-P(A∩B)
3 4 5 6 7 8 9 P(A) = 6/36
Dado 2

= 6/36 + 2/36 P(B) = 2/36

4 5 6 7 8 9 10 = 8/36 -> 0,22 P(A∩B) = 0
5 6 7 8 9 10 11
La probabilidad de obtener un total de 7 u 11 cuando se lanza
6 7 8 9 10 11 12 un par de dados es de 0,22
El 22% de las veces que se lance un par de dados se
REGLAS 8
obtendrá un total de 7 u 11
Carola Flores M
 Realizar los ejercicios de
refuerzo que se encuentran en
el aula virtual
REGLAS ADITIVAS
Añadiendo información para mejorar nuestras 8

La siguiente imagen representa la información de una población compuesta por 100

personas. Cada una de ellas está representada por un círculo celeste si nunca ha
tenido un infarto de miocardio y rojo si lo ha tenido.

¿Qué probabilidad existe que

al seleccionar una persona al
azar, haya tenido un infarto?
8/100 -> 0,08

Carola Flores
Añadiendo información para mejorar nuestras 8

¿Qué ocurre con la probabilidad anterior si se añade información?

¿Qué probabilidad existe que al seleccionar

una persona al azar, haya tenido un infarto
si se sabe que fuma?
6/30 -> 0,20

¿Qué probabilidad existe que al seleccionar

una persona al azar, haya tenido un infarto
si se sabe que no fuma?
2/70 -> 0,028

Carola Flores
 8

PROBABILIDAD CONDICIONAL
La probabilidad de que ocurra un evento B cuando se sabe que ya
ocurrió algún evento A se llama probabilidad condicional y se denota
con P(B|A). El símbolo P(B|A) por lo general se lee como “la
probabilidad de que ocurra B, dado que ocurrió A”, o simplemente, “la
probabilidad de B, dado A”.

La probabilidad condicional de B, dado A, que se denota con P(B|A), se

define como
𝑃 (𝐴 ∩ 𝐵 )
𝑃𝐵 𝐴) = 𝑃 (𝐴)
siempre que P(A) > 0.

Carola Flores
 89
PROBABILIDAD CONDICIONAL
I
I´
La persona fuma F
La persona no fuma F´
¿Qué probabilidad existe que al seleccionar una persona
al azar, haya tenido un infarto si se sabe que fuma?
6/30 -> 0,20
𝑃 (𝐼 ∩ 𝐹 ) 6/100
𝑃(𝐼 | 𝐹) = 𝑃 (𝐹) = 30/100 = 0,20

¿Qué probabilidad existe que al seleccionar una persona al

azar, haya tenido un infarto si se sabe que no fuma?
2/70 -> 0,028
𝑃 (𝐴 ∩ 𝐵 )
𝑃𝐵 𝐴) = 𝑃 (𝐼 ∩ 𝐹′) 2/100
𝑃 (𝐴) 𝑃(𝐼 | 𝐹′) = 𝑃 (𝐹′) = 70/100 = 0,028

Evento condicionante
Carola Flores
PROBABILIDAD 9

Ejemplo 23

Suponga que tenemos un espacio muestral S

constituido por los miembros de una comunidad a los
que se les preguntó que acciones han iniciado para
proteger el medio ambiente local
Usa combustible diferente a
la madera
SI NO

SI 460 40
Siembra árboles
y vegetales
NO 140 260

Carola Flores
PROBABILIDAD 9

Ejemplo 23 (continuación)

Se seleccionará al azar a uno de estos individuos.

Nos interesaremos en los eventos siguientes:

S: siembra árboles y vegetales,

C: usa combustible diferente a la madera

Al seleccionar una persona al azar

a) Calcule la probabilidad que se elija una persona que usa combustible
diferente a la madera, dado siembra árboles y vegetales.
b) Calcule la probabilidad de que dado que no siembra árboles y
vegetales, use combustible diferente a la madera.

Carola Flores
PROBABILIDAD 9

Ejemplo 23 (continuación)

Usa combustible
diferente a la a) Calcule la probabilidad que se elija
TOTAL
madera
𝑃(𝐶|𝑆) 𝑃(𝐶 ∩ 𝑆) C SI 460/900 una
C’ NO
persona que usa combustible
diferente a la madera, dado que
Siembra árboles y S SI = 460 40 500
= 0,92
=vegetales S’ NO 𝑃(𝑆) 500/900
140 260 400 siembra árboles y vegetales.

La probabilidad que se elija una persona que usa combustible diferente a la madera, dado que siembra árboles y
vegetales es de 0,92
El 92% de las veces que se elija al azar a una persona, ésta usará combustible diferente a la madera, dado que siembra
árboles y vegetales

Carola Flores
PROBABILIDAD 9

Ejemplo 23 (continuación)

Usa combustible
diferente a la TOTAL b) Calcule la probabilidad de que dado no sie
madera
C SI
combustible
qu diferente a la madera.
C’ NO
Siembra árboles y S SI 460 40 500
vegetales S’ NO 140 260 400

𝑃(𝐶|𝑆′) = 𝑃(𝐶 ∩ 𝑆′) 140/900

= = 0,35
𝑃(𝑆′) 400/900
La probabilidad que use combustible diferente a la madera, dado que NO siembra árboles y vegetales es de 0,35

El 35% de las veces que se elija al azar a una persona, ésta usará combustible diferente a la madera, dado que NO
siembra árboles y vegetales

Carola Flores
PROBABILIDAD

Ejemplo
El 34% de los árboles de un bosque tienen más de 15 años. El 54% son
de la variedad A. Hay un 7% de árboles que son de la variedad A y
tienen más de 15 años. Para realizar un estudio se elige un árbol al
azar:

a) ¿Cuál es la probabilidad de que teniendo menos de 15 años, sea de

la variedad A?
b) ¿Cuál es la probabilidad de que tenga más de 15 años dado que no
es de la variedad A?
PROBABILIDAD

Ejemplo 24 –
El 34% de los árboles de un bosque tienen más de 15 años. El 54% son de la
variedad A. Hay un 7% de árboles que son de la variedad A y tienen más de 15
años. Para realizar un estudio se elige un árbol al azar:

VARIEDAD a) ¿Cuál es la probabilidad de que teniendo

TOTAL
A A A’ OTRA menos de 15 años, sea de la variedad A?
M >15 7% 27% 34% b) ¿Cuál es la probabilidad de que tenga más
EDAD M’ ≤15 47% 19% 66% de 15 años dado que no es de la variedad A?
TOTAL 54% 46% 100%
47
𝑃(𝐴∩𝑀´) 47/100 = =0,71
𝑃 𝐴 𝑀′ = 𝑃(𝑀´) = 66/100 66
27
𝑃(𝑀∩𝐴´) 27/100 = =0,59
𝑃 𝑀 𝐴′ = 𝑃(𝐴´) = 46/100 46
PROBABILIDAD 9

Ejemplo

La probabilidad de que un vuelo programado normalmente

despegue a tiempo es P(D)=0.83, la probabilidad de que
llegue a tiempo es P(A)=0.82 y la probabilidad de que
despegue y llegue a tiempo es P(D ∩ A)=0.78. Calcule la
probabilidad de que un avión:

a) llegue a tiempo, dado que despegó a tiempo; y

b) dado que llegó a tiempo, no haya despegado a
tiempo

Carola Flores
PROBABILIDAD 9

Ejemplo
La probabilidad de que un vuelo programado normalmente despegue a tiempo es
P(D)=0.83, la probabilidad de que llegue a tiempo es P(A)=0.82 y la probabilidad de
que despegue y llegue a tiempo es P(D ∩ A)=0.78. Calcule la probabilidad de que
un avión:
LLEGADA
A A’ TOTAL
A TIEMPO TARDE
D A TIEMPO 0,78 0,05 0,83
DESPEGUE
D’ TARDE 0,04 0,13 0,17
TOTAL 0,82 0,18 1

a) llegue a tiempo, dado que despegó a tiempo

𝑃 = 𝑃(𝐴 ∩ 𝐷) = 0,78
𝐴𝐷 = 0,94
𝑃(𝐷) 0,83
b) dado que llegó a tiempo, no haya despegado a tiempo

𝑃 = 𝑃(𝐷′ ∩ 𝐴) 𝑃(𝐴) 0,04

𝐷′ 𝐴 Carola Flores
PROBABILIDAD 9

Ejemplo
=
0,82 = 0,049

Carola Flores
 9

JUEGO DE

Carola Flores
 9
JUEGO DE

Carola Flores
JUEGO DE AZAR 100

¿Qué probabilidad existe que al seleccionar una de las cajas obtenga el auto?

Carola Flores
 101
El Problema de Monty Hall

Let’s Make a Deal fue un famoso concurso en las décadas 60-70

de la televisión de EEUU presentado por Monty Hall y Carol Merril.
Carola Flores M
 102

¡Bienvenidos al
show de Monty Hall!

Detrás de una de estas Y detrás de las dos

puertas hay un auto. restantes hay una cabra.

Carola Flores M
 103

Nuestro concursante
seleccionará una puerta ...

Elijo la
puerta A

A B C

Carola Flores M
 104

Monty Hall (que PUERTA

SELECCIONADA
conoce dónde está
el auto) abre la
puerta C.
A B C
Ahora sabemos que
el auto está o bien
en A o bien en B.

Monty Hall nos permite cambiar de

elección si queremos …

¿Es más probable ganar el auto si B

cambiamos de puerta? (En este caso de A a )
.
Carola Flores M
Si el concursante 105

CAMBIA
su elección original

Pierde Gana Gana

Gana Pierde Gana

Gana Gana Pierde

Carola Flores M
Si el concursante CAMBIA su elección original gana 6 veces de 106

las 9: su probabilidad de ganar es 6/9 = 2/3. Si no cambia, su

probabilidad de ganar es de 3/9 = 1/3. ¡Tiene el doble de
posibilidades de ganar si cambia de puerta!
Pierde Gana Gana

Gana
Pierde Gana

Gana
Gana Pierde

Juega y compruébalo estadísticamente en

[Link]
Carola Flores M
 107

Existe una manera intuitiva de comprender este

resultado anti-intuitivo:

Cuando elijo la puerta, en promedio, dos de cada

tres veces detrás de la puerta habrá una cabra.

O sea, la mayor parte de las veces habré elegido

una puerta con cabra.

Después Monthy me enseña una puerta con cabra.

Así que es razonable cambiar mi elección previa...

Carola Flores M
 108

Podemos probar este resultado sin hacer una

lista de todos los casos. Usando la noción de
probabilidad condicional. Recuerda que la
probabilidad condicional nos muestra cómo la
ocurrencia de un suceso afecta a la probabilidad
de otro.

En el problema de Monthy Hall, si nosotros

escogemos la puerta A y Monthy abre la puerta
B, por ejemplo, la pregunta que nos estamos
haciendo es: ¿Cuál es la probabilidad de ganar si
cambio a la puerta C, teniendo la información
adicional de que el coche no está en la B?

Carola Flores M
 10

El concursante debe elegir una puerta entre tres (todas cerradas); el premio
consiste en llevarse lo que se encuentra detrás de la elegida. Se sabe con
certeza que tras una de ellas se oculta un automóvil, y tras las otras dos hay
cabras. Una vez que el concursante haya elegido una puerta y comunicado
su elección a los presentes, el presentador, que sabe lo que hay detrás de
cada puerta, abrirá una de las otras dos en la que haya una cabra.
A continuación, le da la opción al concursante de cambiar, si lo desea, de
puerta (tiene dos opciones).
¿Debe el concursante mantener su elección original o escoger la otra
puerta? ¿Hay alguna diferencia?

Carola Flores
 11
a) ¿Cuál es la probabilidad de ganarse el automóvil si el concursante se mantiene con la
primera 1/3=0,33
elección?
b) ¿Cuál es la probabilidad de ganarse el automóvil si el concursante cambia la primera
elección? 2/3=0,67
c) Si el concursante desea ganarse el automóvil, ¿debería cambiar la opción? SI

1ra
elección

2da elección

Carola Flores
PROBABILIDAD 11

Ejemplo
La siguiente tabla representa la distribución del número de días lluviosos
o secos, de acuerdo al amanecer: nublado o soleado de una ciudad.
Día
Total
Lluvioso Seco
Nublado 44 95 139
Amanecer
Soleado 29 197 226
Total 73 292 365

a) Calcule las siguientes probabilidades:

1. Que llueva un día (probabilidad simple)
cualquiera
2. Que un día cualquiera esté soleado al amanecer y seco durante el (probabilidad conjunta )
día
3. Que si al amanecer está nublado, llueva durante el día (probabilidad condicional)
4. Que durante el día esté lluvioso dado que al amanecer hubiera estado nublado
(probabilidad condicional)

Carola Flores
PROBABILIDAD 11

Ejemplo
b) Grafique un diagrama de Venn y un diagrama de árbol correspondiente

Carola Flores
PROBABILIDAD 11

Ejemplo 25 -
a) Calcule las siguientes probabilidades:
L Día L’ Total 1. Que llueva un día cualquiera (probabilidad simple)
Lluvioso Seco 2. Que un día cualquiera esté soleado al amanecer y seco durante el día (probabilidad
N Nublado 44 95 139 conjunta )
Amanecer 3. Que si al amanecer está nublado, llueva durante el día (probabilidad condicional)
N’ Soleado 29 197 226 4. Que durante el día esté lluvioso dado que al amanecer hubiera estado
Total 73 292 365 (probabilidad condicional)

1. 𝑃 73
𝐿 = = 0,20
365

2. 𝑃 197
𝑁′ ∩ 𝐿′ = = 0,54
365

𝑃(𝐿 ∩ 𝑁) 44/365 44
3. 𝑃 𝐿|𝑁 = = = Los literales 3 y 4 representan la
𝑃(𝑁) 139/365 = 0,316
139
misma probabilidad condicional,
𝑃(𝐿 ∩ 𝑁) 44/365 44 redactada de diferente manera.
4. 𝑃 𝐿|𝑁 = = =
𝑃(𝑁) 139/365 = 0,316
139
Carola Flores
PROBABILIDAD 11

Ejemplo 25 -
L Día L’ Total
Lluvioso Seco
N Nublado 44 95 139
Amanecer
N’ Soleado 29 197 226
Total 73 292 365

b) Grafique un diagrama de Venn

S L N
L’∩N= 95

L∩N=44
L∩N’= 29

L’∩N’= 197

Carola Flores
PROBABILIDAD 11

Ejemplo 25 -
L Día L’ b) Grafique diagrama de árbol
Total
Lluvioso Seco
N Nublado 44 95 139
Amanecer
N’ Soleado 29 197 226
Total 73 292 365

Simple Condicional Conjunta

P(L∩N)=P(L)*P(N|L)
Nublado =0,2*0,6=0,12
Lluvioso y nublado

Lluvioso
Soleado P(L∩N’)=0,2*0,4=0,08
Lluvioso y soleado

Día
Nublado P(L’∩N)=0,8*0,33=0,264
Seco y Nublado
Seco
Soleado P(L’∩N’)=0,8*0,67=0,536
Seco y soleado

Carola Flores
PROBABILIDAD CONDICIONAL 115

Ejemplo 25 - resolución
Ejercicio de Refuerzo
L Día L’ b) Grafique diagrama de árbol
Total
Lluvioso Seco
N Nublado 44 95 139
Amanecer
N’ Soleado 29 197 226
Total 73 292 365

Simple Condicional Conjunta

Amanecer

Carola Flores
 1

INDEPENDENCIA
Dos eventos A y B son independientes si y sólo si
P(B|A) = P(B)

Es decir, dos eventos son independientes cuando la ocurrencia del

evento A no aporta información respecto a la ocurrencia o no del
evento B.

De otra forma, A y B son dependientes.

𝑃 (𝐴 ∩ 𝐵 )
𝑃𝐵 𝐴) = 𝑃 (𝐴)
Evento condicionante
Carola Flores
INDEPENDENCI 1

Ejemplo
Voto
Se realizó una encuesta estatal de 750 republicanos y demócratas Total
A favor En contra
registrados en 25 distritos del estado de Nueva York. Cada votante se
Republicano 135 90 225
identificó como republicano o demócrata registrado y después se le Afiliación
Demócrata 315 210 525
preguntó: ¿está a favor o en contra de la actual propuesta presupuestal
Total 450 300 750
que espera la firma del gobernador? A continuación se presentan los
conteos resultantes.

Se selecciona al azar uno de los 750 votantes. Considere a los siguientes eventos:
F: el votante está a favor
R: el votante es republicano
¿Estos dos eventos son independientes?
Para responder esto considere las siguientes tres probabilidades:
1. Probabilidad de que el votante seleccionado está a favor
P(F) = 450/750 = 0,60

2. Probabilidad de que el votante seleccionado está a favor, si se sabe que es

republicano P(F | R) = 135/225 = 0,60

3. Probabilidad de que el votante seleccionado está a favor, si se sabe que NO es republicano

P(F | R’) = 315/525 = 0,60
Carola Flores
INDEPENDENCI 1

Ejemplo 26 -
Voto
¿La afiliación política del votante tiene un efecto influyente sobre la A favor En contra
Total
probabilidad de que el votante esté a favor de la propuesta Republicano 135 90 225
presupuestal? Afiliación
Demócrata 315 210 525
Total 450 300 750
Sin información acerca de la afiliación política, la probabilidad de estar a
favor es 0,60.

La información acerca del evento “republicano o no republicano” no

altera la probabilidad de “a favor”. (0,60 en ambos casos)

Como todas las probabilidades tienen el valor 0,60. En consecuencia, se

dice que estos dos eventos son eventos independientes.

Por lo tanto, cuando se calculan las tres probabilidades, P(B), P(B | A), y P(B | A’), es necesario comparar sólo dos de
ellas.
 Si dos de las tres probabilidades son iguales, la tercera tendrá el mismo valor, e indicará que los eventos son
independientes.
 Más aún, si dos de las tres probabilidades son distintas, entonces las tres tendrán diferente valor, y los
eventos serán dependientes.

Carola Flores
INDEPENDENCIA 119

Ejemplo 27 Ejercicio de Refuerzo

Se selecciona al azar uno de los 365 días. Considere a los siguientes eventos: Día
Total
L: el día es lluvioso Lluvioso Seco
N: el amanecer fue nublado Nublado 44 95 139
Amanecer
Soleado 29 197 226
Determine si los dos eventos son independientes Total 73 292 365

Carola Flores
 1

REGLAS MULTIPLICATIVAS
Si en un experimento pueden ocurrir los eventos A y B, entonces

𝑃 𝐴∩ 𝐵 = 𝐴 ∗ 𝐵 𝐴)
𝑃 𝑃

𝑃 𝐵 𝐴) = 𝑃 (𝐴 ∩ 𝐵 )
𝑃 (𝐴)

Si los eventos A y B son independientes, entonces

𝑃 𝐴 ∩ 𝐵 = 𝐴 ∗ 𝐵 𝐴)
𝑃 𝑃

P
(B|A) = P(B)
Carola Flores
 1
𝑃𝐴∩ 𝐵 = 𝑃(𝐴) ∗ 𝑃 (𝐵)

Carola Flores
INDEPENDENCIA - REGLAS 12
MULTIPLICATIVAS

Un estudiante se selecciona al azar de un grupo de 200 estudiantes donde se sabe que

140 estudiantes son de tiempo completo (80 mujeres y 60 hombres) y 60 estudiantes de
tiempo parcial (40 mujeres y 20 hombres). El evento C es “el estudiante seleccionado es
de tiempo completo” y el evento M es “el estudiante seleccionado es mujer”.

a) Determine si los eventos M y C son independientes (justifique la respuesta a través

de cálculo)

b) Encuentre la probabilidad P(M ∩ C).

Carola Flores
INDEPENDENCIA - REGLAS 12
MULTIPLICATIVAS

Calcular las tres probabilidades, P(B), P(B | A), y P(B | A’)

 Si dos de las tres probabilidades son iguales, la tercera tendrá el mismo valor, e indicará que los eventos son
independientes.
A: evento condicionante, se ubica siempre después del símbolo |
B: evento condicionado

M Sexo M’
Mujer Hombre
Total a) Determine si los eventos M y C son independientes
(justifique la respuesta a través de cálculo)
Tiempo de C Completo 80 60 140
dedicación C’ Parcial 40 20 60 P(C) : probabilidad de que el estudiante sea de tiempo completo
P(C|M) : probabilidad de que el estudiante sea de tiempo completo dado que es mujer P(C|
Total 120 80 200
M’) : probabilidad de que el estudiante sea de tiempo completo dado que no es mujer

P(C) = 140/200 = 0,7

Los eventos M y C no son independientes, en este caso son
𝑃(𝐶 ∩ 𝑀) 80/200 dependientes.
𝑃𝐶 𝑀 = = = 0,67 Es decir, el conocimiento de que el estudiante seleccionado sea
𝑃(𝑀) 120/200
mujer, influye en la probabilidad de que el estudiante tenga una
𝑃(𝐶 ∩ 𝑀′) 60/200 dedicación a tiempo completo
𝑃 𝐶 𝑀′ = = = 0,75
𝑃(𝑀′) 80/200
Carola Flores
INDEPENDENCIA - REGLAS 12
MULTIPLICATIVAS

M Sexo M’ Total b) Encuentre la probabilidad P(M ∩ C).

Mujer Hombre
Tiempo de C Completo 80 60 140
dedicación C’ Parcial 40 20 60
Total 120 80 200

Dos fórmulas equivalentes

𝑃 𝑀 ∩ 𝐶= 𝑃 𝑀∗ 𝑃 𝐶 𝑀
𝑃 𝑀 ∩ 𝐶= 𝑃 𝐶∗ 𝑃(𝑀|𝐶)

La probabilidad de que el
𝑃𝑀 ∩ 𝐶 = 𝑃𝑀 ∗ 𝑃𝐶 𝑀 estudiante seleccionado sea
= 120/200 * 80/120 de tiempo completo y que
= 80/200 => 0,40 sea mujer es de 0,40
Carola Flores
INDEPENDENCIA - REGLAS 12

Ejemplo 28 - resolución Ejercicio de Refuerzo

M Sexo M’ Total b) Encuentre la probabilidad P(M ∩ C).
Mujer Hombre
Tiempo de C Completo 80 60 140
dedicación C’ Parcial 40 20 60
Total 120 80 200

Dos fórmulas equivalentes

𝑃 𝑀 ∩ 𝐶= 𝑃 𝑀∗ 𝑃 𝐶 𝑀
𝑃 𝑀 ∩ 𝐶= 𝑃 𝐶∗ 𝑃(𝑀|𝐶)

Carola Flores
INDEPENDENCIA - REGLAS 12

Ejemplo 29

Como aporte al cuidado del medio ambiente, varias

empresas han realizado campañas publicitarias por
medios televisivos, con el fin de concienciar a la
población sobre el cuidado del medio ambiente y
apoyar esta iniciativa con la siembra de árboles. Para
determinar el efecto de la campaña, se ha realizado
una encuesta, y de acuerdo a los datos recopilados, se
asignaron probabilidades a los eventos siguientes:

S la persona siembra un árbol

V la persona recuerda haber visto la publicidad La tala indiscriminada de árboles y los incendios destruyen la
superficie forestal del planeta y los hábitats naturales de los
S∩V la persona siembra un árbol y recuerda haber animales. Está en nuestra mano hacer un consumo
visto la publicidad responsable que sea cuidadoso con la naturaleza antes de
que sea demasiado tarde.
En este caso, es WWF quien nos recuerda la necesidad
(cada
vez más urgente) de preservar el medio que nos rodea.
Carola Flores
INDEPENDENCIA - REGLAS 12

Ejemplo 29 - continuación

Las probabilidades fueron P(S) = 0.20, P(V) = 0.40 y P(S∩V) = 0.12.

a) ¿Cuál es la probabilidad de que una persona siembre un árbol dado que
recuerda haber visto la publicidad por televisión?
b) ¿Ver la publicidad aumenta la probabilidad de que la persona siembre
un árbol? ¿Eso significa que los eventos son o no independientes?
c) Si usted tuviera que tomar la decisión, ¿recomendaría que continuara
la publicidad (suponiendo que los costos sean razonables)?

La empresa probó también otra publicidad por redes sociales y los valores
de probabilidad asignados fueron P(V) = 0.30, P(S∩V) = 0.10.
d) Calcule P(S | V) en el caso de esta otra publicidad. ¿Qué publicidad
parece tener mejor efecto para que la persona siembre un árbol?

Carola Flores
INDEPENDENCIA - REGLAS 12

Ejemplo 29 - resolución

Las probabilidades fueron P(S) = 0.20, P(V) = 0.40 y P(S∩V) = 0.12.

a) ¿Cuál es la probabilidad de que una persona siembre un árbol dado que
recuerda haber visto la publicidad por televisión?

𝑃 = 𝑃(𝑆 ∩ 𝑉) 0,12
𝑆𝑉 = = 0,30
𝑃(𝑉) 0,40
La probabilidad de que una persona siembre un árbol dado que recuerda haber visto la
publicidad es de 0,30
El 30% de las personas que siembran un árbol, lo hacen dado que recuerdan haber visto
la publicidad

Carola Flores
INDEPENDENCIA - REGLAS 12

Ejemplo 29 - resolución

Las probabilidades fueron P(S) = 0.20, P(V) = 0.40 y P(S∩V) = 0.12.

P(B|A) = P(B)
𝑃 = 𝑃(𝑆 ∩ 𝑉) 0,12 A y B eventos independentes

𝑆𝑉 = = 0,30
𝑃(𝑉) 0,40

b) ¿Ver la publicidad aumenta la probabilidad de que la persona siembre

un árbol? ¿Eso significa que los eventos son o no independientes?

Si. Haber visto la publicidad, aumenta la probabilidad de sembrar

un árbol.
Carola Flores
INDEPENDENCIA - REGLAS 12

Por lo tanto, los eventos son dependientes

Carola Flores
INDEPENDENCIA - REGLAS 13

Ejemplo 29 - resolución

Las probabilidades fueron P(S) = 0.20, P(V) = 0.40 y P(S∩V) = 0.12

𝑃(𝑆 ∩ 𝑉) 0,12
𝑃𝑆 𝑉 = = = 0,30
𝑃(𝑉) 0,40
c) Si usted tuviera que tomar la decisión, ¿recomendaría que continuara
la publicidad (suponiendo que los costos sean razonables)?

Sí. Porque la probabilidad de sembrar un árbol cuando se ha visto la

publicidad se incrementada en 0,10

Carola Flores
INDEPENDENCIA - REGLAS 13

Ejemplo 29 - resolución

Las probabilidades fueron P(S) = 0.20, P(V) = 0.40 y P(S∩V) = 0.12

𝑃 𝑃(𝑆 ∩ 𝑉) 0,12
𝑆𝑉 = = 0,30
𝑃(𝑉) 0,40
=

La empresa probó también otra publicidad por redes sociales y los valores
de probabilidad asignados fueron P(V) = 0.30, P(S∩V) = 0.10.
d) Calcule P(S | V) en el caso de esta otra publicidad. ¿Qué publicidad
parece tener mejor efecto para que la persona siembre un árbol?

𝑃 = 𝑃(𝑆 ∩ 𝑉)
𝑆𝑉
𝑃(𝑉)
sembrar un árbol en Carola Flores
INDEPENDENCIA - REGLAS
0 1 = = 0,33 13

, 0 0,30
La publicidad que parece tener mejor efecto para que una persona siembre un árbol
es la generada por las redes sociales, porque ésta incrementa la probabilidad de

sembrar un árbol en Carola Flores

INDEPENDENCIA - REGLAS 13

Ejemplo 30

Suponga que tenemos una caja de 52 cartas (naipes).

Un experimento consiste en extraer dos cartas, una

después de la otra (sin reponerlas).

 Sea E1 el evento donde la primera carta extraída es una

“espada”
 Sea E2 el evento donde la segunda carta extraída es una
“espada”

a) Determine si los eventos E1 y E2 son independientes.

b) Calcule la probabilidad de que las dos cartas extraídas
sean espadas.

Carola Flores
INDEPENDENCIA - REGLAS 13

Ejemplo 30 - resolución

a) Determine si los eventos E1 y E2 son independientes.

 Sea E1 el evento donde la primera carta extraída es una “espada”
 Sea E2 el evento donde la segunda carta extraída es una “espada”

P(E2) P(E2|E1) P(E2|E1’)

P(E2|E1) la probabilidad de extraer una espada en el segundo intento, dado que se

extrajo una espada en el primer intento

P(E2|E1’) la probabilidad de extraer una espada en el segundo intento, dado que no se

extrajo una espada en el primer intento

Carola Flores
 13

Carola Flores
INDEPENDENCIA - REGLAS 13
MULTIPLICATIVAS

a) Determine si los eventos E1 y E2 son independientes.

Simple Condicional Conjunta

E2 P(E1∩E2)=0,25*0,235=0,059
E1 y E2

E1
E2’ P(E1∩E2’)=0,25*0,765=0,191
E1 y E2’
P(E2)
Primera carta
P(E1’∩E2)=0,75*0,255=0,191
E2
E1’ y E2
E1’
E2’ P(E1’∩E2’)=0,75*0,745=0,559
E1’ y E2’

P(E2) = 0,059 + 0,191 = 0,250 Los eventos E1 y E2 son dependientes, es

decir, la probabilidad de obtener una espada
P(E2|E1) = 0,235 en la segunda extracción depende del
P(E2|E1’) = 0,255 resultado de la primera extracción
Carola Flores
INDEPENDENCIA - REGLAS 13
MULTIPLICATIVAS

b) Calcule la probabilidad de que las dos cartas extraídas sean espadas.

Simple Condicional Conjunta
P(E1∩E2)=0,25*0,235=0,059
E2 E1 y E2

E1
P(E1∩E2’)=0,25*0,765=0,191
E2 E1 y E2’
Primera
carta P(E1’∩E2)=0,75*0,255=0,191
E2
E1’ y E2
E1’
P(E1’∩E2’)=0,75*0,745=0,559
E2’
E1’ y E2’

P(E1∩E2) = 0,059

Carola Flores
INDEPENDENCIA - REGLAS 13

Ejemplo 31 ACTIVIDAD EXTRA (0,1)

Suponga que tenemos una caja de 52 cartas (naipes).

Un experimento consiste en extraer dos cartas, una después de la otra

(con reposición).

 Sea E1 el evento donde la primera carta extraída es una “espada”

 Sea E2 el evento donde la segunda carta extraída es una “espada”

a) Determine si los eventos E1 y E2 son independientes.

b) Calcule la probabilidad de las dos cartas extraídas sean espadas.

Resolver esta actividad a mano, escanearla y subirla en formato pdf, al

foro de consultas del capítulo en el tema de discusión:
ACTIVIDAD EXTRA (regla multiplicativa)
Esta actividad estará disponible hasta las 23h55 del día jueves 18 de junio
Las tres primeras respuestas que sean correctas tendrán la calificación de
0,1 adicional al aporte
Carola Flores
 13

DISTRIBUCIONES
DE PROBABILIDAD
Ejemplo 32
Cuando se lanzan dos monedas ¿cuáles son los posibles resultados?
S={cara cara, cara sello, sello cara, sello sello}
2 1 1 0
Sea X el número de caras
a) ¿Cuál es la probabilidad de cada valor de X?
X: # de caras P(X=x)
0 P(X=0) = 0,25
1 P(X=1) = 0,50
2 P(X=2) = 0,25

Carola Flores
 14

DISTRIBUCIONES
DE PROBABILIDAD
Variables Aleatorias
Una variable aleatoria es una función que asocia un número real a cada
elemento del espacio muestral.
S={cara cara, cara sello, sello cara, sello sello}
2 1 1 0

𝑿
variable aleatoria Sea X el número de
caras
𝑥1, 𝑥2, 𝑥3, … 𝑥𝑛
puntos muestrales 𝑥 = 0, 1, 2 𝑥1 = 0
𝑥2 = 1
𝑥3 = 2

Carola Flores
 14

FUNCIONES DE PROBABILIDAD
Función de Probabilidad Discreta: (función de masa de
probabilidad)
La función de probabilidad de una v.a. discreta X es una lista de los posibles
valores de X junto con sus probabilidades

𝑓(𝑥) = 𝑃(𝑋 = 𝑥)

La función de probabilidad siempre satisface las condiciones

1. 𝑓 𝑥 ≥ 0
2. σ𝑥 𝑓 𝑥 = 1
Carola Flores
Función de probabilidad 14

Una función de probabilidad se puede graficar mediante un diagrama

de barras. Estas gráficas nos ayuda a ver de manera fácil qué valores de
X tiene mayor probabilidad de ocurrencia.

FUNCIÓN DE PROBABILIDAD
0,50
0,50

0,40
f(

0,30
Probabilida

0,25 0,25

0,20

0,10

0,00
0 1 2

X: Número de caras al lanzar un par de monedas

Carola Flores
 14

Función de Distribución Acumulada

La función de distribución acumulada de una v.a. discreta X, notada por 𝐹(𝑥) es

𝐹𝑥 = 𝑃(𝑋 ≤ 𝑥) = ෍ 𝑓(𝑥𝑖)
𝑥𝑖≤𝑥

Propiedad

𝑃𝑋 > 𝑎 = 1 − 𝑃𝑋 ≤ 𝑎

Carola Flores
 14

La ventaja de trabajar con variables aleatorias es que se pueden hacer

cálculos que adquieren significado sobre el comportamiento de la variable.

En una variable aleatoria, se pueden calcular todos los parámetros vistos en

estadística descriptiva: media, varianza, moda, mediana, percentiles y
desviaciones. En este caso se centrará la atención en el cálculo de dos de
ellos: la media y la varianza.

Carola Flores
 14

MEDIA: La media de una variable aleatoria se llama ESPERANZA MATEMÁTICA,

se representa por E(X) o por µ y representa el "valor esperado" de la variable al
realizar el experimento aleatorio. La fó rmula para calcularla es:

𝜇 = 𝐸 𝑋 = σ𝑥 𝑥 𝑓(𝑥)

VARIANZA: Tiene el mismo significado que en estadística descriptiva. Aporta una

medida sobre la dispersió n de los valores de X. Para calcularla se utiliza la
siguiente fó rmula:

𝜎 = 𝑉𝑎𝑟 𝑋 = σ 𝑥 − 𝜇
2
𝑥 2
𝑓𝑥

Carola Flores
 14
Ejemplo 33
Si dos monedas se lanzan 16 veces y X es el número de caras que ocurre
por cada lanzamiento, entonces los valores de X pueden ser 0, 1 y 2.
Suponga que en el experimento salen cero caras, una cara y dos caras,
respectivamente, un total de 4, 7 y 5 veces.

X: # de caras Frecuencia
0 4
1 7
2 5

a) Calcule el número promedio de caras por lanzamiento

b) Calcule la varianza del número de caras por lanzamiento

Carola Flores
 14
Ejemplo 33 – resolución
a) Calcule el número promedio de caras por
lanzamiento σ𝑘 𝑛 ∗ 𝑥
X: # de caras Frecuencia
(ni * xi) 𝑖=1 𝑖 𝑖
(xi) (ni) 𝑥=
𝑛
0 4 0
1 7 7 17
= = 1,0625
2 5 10 16
∑ 16 17

𝜇 = 𝐸 𝑋 = σ 𝑥 𝑓(𝑥)
𝑥

Carola Flores
2 5/16 10/16 14
∑ 17/16 𝟏, 𝟎𝟔𝟐𝟓

Carola Flores
 14
Ejemplo 33 – resolución
b) Calcule la varianza del número de caras por lanzamiento

𝜎 2 = 𝑉𝑎𝑟 𝑋 = σ𝑥 𝑥 − 𝜇 2
𝑓𝑥
X: # de caras
𝑓(𝑥) = 𝒏𝒊/𝑵 𝒙𝒊 − 𝝁 𝟐
𝒇 𝒙𝒊
(xi)
0 4/16 0 − 1,0625 2
∗ 4/16 = 0,2822
1 7/16 0,0017
2 5/16 0,2746
Total ∑ 0,5585

𝐸 𝑋 = 𝜇 = 1,0625
𝑉𝑎𝑟 𝑋 = 𝜎 2 = 0,5585 𝜎 = 0,7472
Carola Flores
Distribuciones Discretas de 15

Distribuciones de Bernoulli y
Binomial
¿Cuántos resultados son posibles cuando se lanza una moneda?
Cara / Sello
¿Una planta alcanzó la altura mínima de 1,50 metros?
Si / No

¿Era el recién nacido una niña?

Si / No
¿Decidió un cliente potencial comprar determinado producto?
Si / No

Carola Flores
Distribuciones Discretas de 15

Distribuciones de Bernoulli y
Binomial
Si al realizar un experimento una vez, sólo hay dos resultados posibles,
se tiene una prueba de Bernoulli.
Se acostumbra referirse a uno de los resultados como “éxito” que
aparece con probabilidad 𝑝, y al otro resultado como “fracaso”, que
sucede con probabilidad 𝑞.
Los valores de 𝑝 y 𝑞 son no negativos y se cumple que 𝑝 + 𝑞 = 1

La ley de Bernoulli desempeña un papel fundamental en el análisis de

fenómenos en los cuales sólo se tienen dos resultados mutuamente
excluyentes.
Carola Flores
 Distribuciones Discretas de 15
Bernoull
i

Generalmente, a una variable aleatoria que sigue una ley de Bernoulli

se define así:
1, 𝑠𝑖 𝑒𝑠 é𝑥𝑖𝑡𝑜
𝑋=ቊ
0, 𝑠𝑖 𝑒𝑠 𝑓𝑟𝑎𝑐𝑎𝑠𝑜

La ley de probabilidad es
𝑃𝑋 = 1 = 𝑝 𝑃𝑋 = 0 =1−𝑝 =𝑞

Valor esperado Varianza

𝐸𝑋 𝑋 =෍ 𝑥 𝑓(𝑥) 𝑉 𝑥−𝜇 𝑋 𝑥
𝑥 𝑎
𝐸 =𝑝 𝑟 𝑉𝑎𝑟 𝑋
Carola Flores
Distribuciones Discretas de 15

=෍ 2
𝑥
𝑓
= 𝑝𝑞

Carola Flores
Distribuciones Discretas de 15
Bernoulli
Ejemplo 34
Considere el experimento que consiste en lanzar una moneda al aire.
Nos interesa que el resultado sea cara
a) Defina a X como una variable de Bernoulli
b) Encuentre la función de masa de probabilidad
c) Encuentre la media y varianza

Carola Flores
Distribuciones Discretas de 15
Bernoulli
Ejemplo 34 - resolución
Considere el experimento que consiste en lanzar una moneda al aire.
Nos interesa que el resultado sea cara

a) Defina a X como una variable de Bernoulli c) Encuentre la media y varianza

1, 𝐶𝐴𝑅𝐴 (é𝑥𝑖𝑡𝑜) Valor esperado
𝑋=ቊ
0, 𝑆𝐸𝐿𝐿𝑂 (𝑓𝑟𝑎𝑐𝑎𝑠𝑜) 𝐸 𝑋 =෍ 𝑥 𝑓(𝑥) 𝐸 𝑋 = 𝑝 = 0,5
𝑥
= 0 ∗ 0,5 + 1 ∗ 0,5
b) Encuentre la función de masa de probabilidad = 0,5

x 𝑓 𝒙 = 𝑷(𝑿 = 𝒙) Varianza

0 P(X=0) = 0,5 q 𝑉𝑎𝑟 𝑋 = ෍ 𝑥−𝜇

𝑥 𝑓𝑥
2
éxito
1 P(X=1) = 0,5 p = (0 − 0,5)2∗ 0,5 + (1 − 0,5)2∗ 0,5
= 0,25

𝑉𝑎𝑟 𝑋 = 𝑝𝑞 = 0,5 ∗ 0,5 = 0,25

Carola Flores
Distribuciones Discretas de 15
Bernoulli
Ejemplo 35
Según los datos censales se ha establecido que en la población ecuatoriana el 52%
son mujeres y el 48% son hombres
Nos interesa que el resultado sea un hombre

a) Defina a X como una variable de Bernoulli

1, 𝑠𝑖 𝑒𝑠 ℎ𝑜𝑚𝑏𝑟𝑒
𝑋=ቊ
0, 𝑠𝑖 𝑒𝑠 𝑚𝑢𝑗𝑒𝑟

b) Encuentre la función de masa de probabilidad

x 𝑓 𝒙 = 𝑷(𝑿 = 𝒙)

0 P(X=0) = 0,52 q
éxito
1 P(X=1) = 0,48 p

Carola Flores
Distribuciones Discretas de Probabilidad 153
Bernoulli

Ejemplo 36 TARE

Considere el experimento que consiste en lanzar un dado al

aire.
Nos interesa que el resultado sea un 6
a) Defina a X como una variable de Bernoulli
b) Encuentre la función de masa de probabilidad
c) Encuentre la media y varianza

Carola Flores
Distribuciones Discretas de 15
Probabilidad

La Distribución Binomial tiene origen cuando ocurren las siguientes

tres condiciones en forma simultánea:

a) Se realizan o repiten n ensayos de Bernoulli.

b) El parámetro 𝑝 se mantiene constante entre ensayos.
c) Los ensayos son todos independientes entre sí.

Carola Flores
Distribuciones Discretas de 15
Probabilidad

𝑋: Número de éxitos en 𝑛 ensayos independientes

𝑥 = 0, 1, 2, … , 𝑛

La distribución (función) de probabilidad está dada por:

𝑓𝑥 𝑥; 𝑛, 𝑝 = 𝑛 𝑝 𝑥 𝑞 𝑛−𝑥
𝑥

Sus parámetros son:

𝑛 Número de ensayos independientes
𝑝 Probabilidad de éxito de un ensayo

Valor esperado Varianza

𝐸 𝑋 = 𝑛𝑝 𝑉𝑎𝑟 𝑋 = 𝑛𝑝𝑞

Carola Flores
Distribuciones Discretas de 15
Probabilidad
Ejemplo 37
Un experimento consiste en lanzar una moneda 3 veces consecutivas
a) Defina el espacio muestral
b) Sea X el número de caras, encuentra la función de probabilidad
c) Determine la probabilidad de:
 Obtener cero caras
 Obtener a lo más dos caras
 Obtener más de una cara
 Obtener todas caras

Carola Flores
Distribuciones Discretas de 15
Probabilidad
Ejemplo 37 - resolución
Un experimento consiste en lanzar una moneda 3 veces consecutivas

a) Defina el espacio muestral del experimento

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

Carola Flores
Distribuciones Discretas de 15
Probabilidad
Ejemplo 37 - resolución
Un experimento consiste en lanzar una moneda 3 consecutivas
S={CCC, CCS, CSC, CSS, SCC, SCS, SSC, SSS}
3 2 2 1 2 1 1 0
b) Sea X el número de caras, encuentra la función de probabilidad
3
𝑓𝑥𝑥; 𝑛, 𝑝 𝑛 𝑥 𝑓𝑥 𝑥; 3, 0.5 = 0.5(𝑥) 0.5(3−𝑥)
𝑥 𝑝𝑥 𝑞𝑛−𝑥 𝑥
3
= 0 𝑓 0 = 0.5(0)0.5(3−0) = 0,125
0
Parámetros: 3
1 𝑓 1 = 0.5(1)0.5(3−1) = 0,375
𝑛 Número de ensayos independientes 1 Se verifica que se cumple:
𝑝 Probabilidad de éxito de un ensayo 3 1. 𝑓 𝑥 0
≥ 2 𝑓 2 = 0.5(2)0.5(3−2) = 0,375
2. σ𝑥 𝑓 =1
2
𝑥 3
n=3 3 𝑓 3 =
3
0.5(3)0.5(3−3) = 0,125

p = 0,5
Carola Flores
Distribuciones Discretas de 15
Probabilidad

(cada probabilidad es mayor o igual a cero)

(si sumamos las probabilidades f(x) para todos los x, el resultado es
1

Carola Flores
Distribuciones Discretas de 16
Probabilidad
Ejemplo 37 - resolución
Un experimento consiste en lanzar una moneda 3 veces consecutivas
c) Determine la probabilidad de: 𝑥 𝒇 𝑥 = 𝑃(𝑋 = 𝑥) 𝑭 𝑥 = 𝑷(𝑿 ≤ 𝒙)
 Obtener cero caras 0 𝑓 0 = 0,125 𝐹 0 = 𝑃(𝑋 ≤ 0) = 0,125

𝑃𝑋 = 0 = 0,125 1 𝑓 1 = 0,375 𝐹(1) = 0,500

2 𝑓 2 = 0,375 𝐹(2) = 0,875
3 𝑓 3 = 0,125 𝐹 3 = 1,000
 Obtener a lo más dos caras
𝑃𝑋 ≤ 2 = 𝑃𝑋 = 2 + 𝑋 = 1 + 𝑃𝑋 = 0
𝑃𝑋 ≤ 2 = 0,875 𝑃

 Obtener más de 2 caras

𝑃𝑋 > 2 = 1 − 𝑃(𝑋 ≤ 2) 𝑃 𝑋 > 𝑎= 1 − 𝑃 𝑋 ≤ 𝑎
= 1 − 0,875
= 0,125

 Obtener todas caras

Distribuciones Discretas de 16
Probabilidad
𝑃𝑋 = 3 = 0,125 Carola Flores M
Distribuciones Discretas de 16
Probabilidad
Ejemplo 38
Se sabe que el 25% de los motores agrícolas que se adquieren en una
granja pueden ser reemplazados si se dañan durante el periodo de
garantía. Sea X el número de motores reemplazados
Para los siguientes cinco motores, que se dañan durante el periodo de
garantía, calcule

a) La función de probabilidad
b) La probabilidad de que exactamente 2 sean reemplazados
c) La probabilidad de que como máximo 3 sean reemplazados
d) La probabilidad de que todos sean reemplazados
e) El número esperado de motores que serán reemplazados

Carola Flores
Distribuciones Discretas de 16
Probabilidad
Ejemplo 38 - resolución
Se sabe que el 25% de los motores agrícolas que se adquieren en una granja pueden ser reemplazados
si se dañan durante el periodo de garantía. Sea X el número de motores reemplazados
Para los siguientes cinco motores, que se dañan durante el periodo de garantía, calcule
a) La función de probabilidad 𝑛
𝑓𝑥 𝑥; 𝑛, 𝑝 = 𝑝𝑥𝑞𝑛−𝑥
𝑥
5
𝑓𝑥 𝑥; 5, 0.25 = 0.25(𝑥) 0.75(5−𝑥)
𝑥 𝑥
𝑥 0 1 2 3 4 5
𝑓(𝑥) 0,2373 0,3955 0,2636 0,0878 0,0146 9,7𝑥10−4 5
0 𝑓 0 = 0.25(0)0.75(5−0) = 0,2373
0
5
1 𝑓 1 = 0.25(1)0.75(4) = 0,3955

n=5 p = 0,25
1
5
2 𝑓 2 = 0.25(2)0.75(3) = 0,2636
2
5
3 𝑓 3 = 0.25(3)0.75(2) = 0,0878
3
5
4 𝑓 4 = 0.25(4)0.75(1) = 0,0146
4
5
5 𝑓 5 = 0.25(5)0.75(0) = 0,00097
5
Carola Flores
Distribuciones Discretas de 16
Probabilidad
Ejemplo 38 - resolución
Se sabe que el 25% de los motores agrícolas que se adquieren en una granja pueden ser reemplazados
si se dañan durante el periodo de garantía. Sea X el número de motores reemplazados
Para los siguientes cinco motores, que se dañan durante el periodo de garantía, calcule

𝑥 0 1 2 3 4 5
𝑓(𝑥) 0,2373 0,3955 0,2636 0,0878 0,0146 9,7𝑥10−4

b) La probabilidad de que exactamente 2 sean reemplazados

𝑃(𝑋 = 2) = 0,2636
La probabilidad de que exactamente 2 motores sean reemplazados es de 0,2636

Carola Flores
Distribuciones Discretas de 16
Probabilidad
Ejemplo 38 - resolución
Se sabe que el 25% de los motores agrícolas que se adquieren en una granja pueden ser reemplazados
si se dañan durante el periodo de garantía. Sea X el número de motores reemplazados
Para los siguientes cinco motores, que se dañan durante el periodo de garantía, calcule

𝑥 0 1 2 3 4 5
𝑓(𝑥) 0,2373 0,3955 0,2636 0,0878 0,0146 9,7𝑥10−4

c) La probabilidad de que como máximo 3 sean reemplazados

𝑃𝑋 ≤ 3 = 0,9842
La probabilidad de que como máximo 3 motores sean reemplazados es de 0,9842

Carola Flores
Distribuciones Discretas de 16
Probabilidad
Ejemplo 38 - resolución
Se sabe que el 25% de los motores agrícolas que se adquieren en una granja pueden ser reemplazados
si se dañan durante el periodo de garantía. Sea X el número de motores reemplazados
Para los siguientes cinco motores, que se dañan durante el periodo de garantía, calcule

𝑥 0 1 2 3 4 5
𝑓(𝑥) 0,2373 0,3955 0,2636 0,0878 0,0146 9,7𝑥10−4

d) La probabilidad de que todos los motores sean reemplazados

𝑃𝑋 = 5 = 0,00097
La probabilidad de que todos los motores sean reemplazados es de 0,00097

Carola Flores
Distribuciones Discretas de 16
Probabilidad
Ejemplo 38 - resolución
Se sabe que el 25% de los motores agrícolas que se adquieren en una granja pueden ser reemplazados
si se dañan durante el periodo de garantía. Sea X el número de motores reemplazados
Para los siguientes cinco motores, que se dañan durante el periodo de garantía, calcule

𝑥 0 1 2 3 4 5
𝑓(𝑥) 0,2373 0,3955 0,2636 0,0878 0,0146 9,7𝑥10−4

e) El número esperado de motores se serán reemplazados

Valor esperado
Demostrar la equivalencia
𝐸 𝑋 =෍
𝑥 𝑓(𝑥)
TAREA de
𝑥
𝐸𝑋
= 𝑛𝑝

n=5 p = 0,25
𝐸 𝑋 = 5 ∗ 0,25 = 1,25
Carola Flores
Distribuciones Discretas de 16
Probabilidad
Se espera que
de los cinco
motores
dañados 1,25
serán
reemplazados
De cada cinco
motores
dañados, en
promedio 1,25
serán
reemplazados

Carola Flores
Distribuciones Discretas de Probabilidad 166
Binomial

Ejemplo 39 TARE
En el estudio sobre el control biológico de plagas, se ha identificado un parásito
natural que es capaz de controlar una plaga en el 80% de los casos. Sea X el
número de cultivos a los que se aplicado el control biológico. Si se aplica este
parásito a 10 cultivos:
a) Defina a X como una variable binomial
b) Encuentre la función de probabilidad

Calcule la probabilidad de que:

c) Al menos en 3 cultivos la plaga sea controlada
d) Como máximo en 5 cultivos la plaga sea controla
e) La plaga sea controlada en no menos de 4 cultivos ni en más de 8 cultivos
f) La plaga sea controlada en todos los cultivos

g) Calcule el número de cultivos en los que se espera la plaga sea controlada

Carola Flores
 16

Función de Probabilidad Continua: (función de

densidad)
Una distribución continua describe las probabilidades de los valores de
una v.a. continua (los posibles valores son infinitos y no se los pueden
contar)
Estas probabilidades se definen como el área por debajo de la curva
de su función de densidad y se cumple que:

1. El área bajo la totalidad de la curva es 1

2. Para obtener la probabilidad 𝑃(𝑎 ≤ 𝑋 ≤ 𝑏), se calcula la proporción de
área que hay bajo la curva desde a hasta b
3. La probabilidad de sucesos puntuales es 0, 𝑃(𝑋 = 𝑎) = 0

Carola Flores
Distribuciones Continuas de 16

Distribución Normal
La distribución de probabilidad continua que más se utiliza es la
distribución normal, con la conocida forma de campana.
Esta distribución describe de manera aproximada muchos fenómenos
que ocurren en la naturaleza, la industria y la investigación.

Número de
Temperatu
Carola Flores
Distribuciones Continuas de 16
Normal

𝑥 ϵ −∞ ; +∞

La distribución de densidad está dada

por:
− 𝑥−𝜇 2
1
𝑓𝑥 𝑥; μ, σ = 𝑒 2𝜎2
2𝜋𝜎2

Sus parámetros son:

μ Es la media
𝜎 2 Es la varianza

Valor esperado Varianza

𝐸 𝑋 =μ 𝑉𝑎𝑟 𝑋 = 𝜎 2
Carola Flores
Distribuciones Continuas de 17
Normal

Las propiedades de la distribución normal son:

1. La curva tiene un máximo en X = μ

2. La curva es simétrica alrededor de un eje
vertical a través de la media μ
3. La curva se aproxima al eje horizontal de
manera asintótica, conforme X se aleja de
la media en cualquier dirección
4. El área total bajo la curva y sobre el eje

Número de
horizontal es igual a 1

Tempe

ratura

Carola Flores
Distribuciones Continuas de 17
Normal

La distribución de una variable aleatoria normal con media 0 y varianza

1 se llama distribución normal estándar 𝒁.

Si se tiene una v.a. 𝑋~𝑁 𝜇, 𝜎2 puede calcularse los valores de su

función de distribución mediante el empleo de la ley normal estándar
aplicando la transformación (estandarización)

𝑋−
𝑍= 𝜇 donde :
Z: es la variable aleatoria obtenida de la
transformación
𝜎 X: la variable aleatoria original
𝐹(𝑧) = 𝑃 𝑍 ≤ 𝑧 μ y 𝝈𝟐 son respectivamente, la esperanza y
la varianza de la distribución de X.

P 𝑥1 < 𝑋 < 𝑥2 = P 𝑧1 < 𝑍 < 𝑧2 = 𝑃 𝑍 ≤ 𝑧2 − 𝑃 𝑍 ≤ 𝑧1

Carola Flores
Distribuciones Continuas de 17
Normal

Si la distribución de la población de una variable es (aproximadamente)

normal, entonces

1. Aproximadamente 68% de
los valores están dentro de 1
DE de la media.
2. Aproximadamente 95% de
los valores están dentro de 2
DE de la media.
3. Aproximadamente 99.7%
de los valores están dentro
de 3 DE de la media.

Carola Flores
 Distribuciones Continuas de 17
Norma
l
El cálculo de probabilidades se facilita a través del uso de la tabla de
probabilidades acumuladas de la distribución normal estándar, tal como se
muestra a continuación:
P(Z≤-0.85)=0.1977
Es decir, el área acumulada a la izquierda del
valor z=-0.85 es 0.1977
Gráfica de la distribución Normal Estándar
Media=0; [Link].=1

0,4

0,3
Densid

0,2

0,1
0,1977 1 - 0,1977 = 0,8023

0,0
-0,85 0
Z

De la misma manera se puede concluir que el área a la derecha

del valor z=-0.85 es el área complementaria para 1, es decir
0.8023
P(Z≥-0.85)=1- P(Z≤-0.85)=1- Carola Flores
Distribuciones Continuas de 17
Normal
Ejemplo 40
Con el uso de la tabla de la distribución normal estándar, calcular:
a) 𝑃(𝑍 ≤ 0,3)
b) 𝑃(𝑍 ≥ 0,3)
c) 𝑃(𝑍 < −2,68)
d) 𝑃(𝑍 > −2,68)
e) 𝑃(𝑍 > 2,68)
f) 𝑃(−2,68 ≤ 𝑍 ≤ 0,3)
g) 𝑃(−1,5 < 𝑍 < 1,5)
h) Encuentre el valor de z para el cual P(Z<z)=0.85
i) Encuentre el valor de z para el cual P(Z<z)=0.45
j) Encuentre el valor de z para el cual P(Z>z)=0.45
k) Encuentre el valor de z para el cual P(Z>z)=0.10

Carola Flores
Distribuciones Continuas de 17
Normal
Ejemplo 40 – resolución

Con el uso de la tabla de la distribución normal estándar, calcular:

a) 𝑃 𝑍 ≤ 0,3 = 0,6179

Gráfica de distribución Normal

Estándar
Media=0; [Link].=1

0,4

0,3

d
a
d
in 0,2
s 0,6179
e
D

0,1

Carola Flores
Distribuciones Continuas de 17
Normal
Ejemplo 40 – resolución

Con el uso de la tabla de la distribución normal estándar, calcular:

a) 𝑃 𝑍 ≤ 0,3 = 0,6179 b) 𝑃 𝑍 ≥ 0,3 = 1 − 𝑃 𝑍 ≤ 0,3 = 1 − 0,6179 = 0,3821

Gráfica de distribución Normal Estándar

Media=0; [Link].=1

0,4

0,3
0,3821
d
a
d
in 0,2
s
e
0,6179 D

0,1

Carola Flores
Distribuciones Continuas de 17

Normal

Ejemplo 40 – resolución

Con el uso de la tabla de la distribución normal estándar, calcular:

𝑍 < −2,68

Carola Flores
Distribuciones Continuas de 17

c) 𝑃 = 0,0037

Carola Flores
Distribuciones Continuas de 17

=1 − 𝑃 = 1 − 0,0037 = 0,9963

Carola Flores
Distribuciones Continuas de 18

𝑍 < −2,68
𝑍 > −2,68

Gráfica de distribución Normal Estándar

Media=0; [Link].=1

0,4

0,3

d
a
d
in 0,2
s
e
D
0,0037 0,9963
0,1

Carola Flores
Distribuciones Continuas de 18
Normal
Ejemplo 40 – resolución

Con el uso de la tabla de la distribución normal estándar, calcular:

c) 𝑃 𝑍 < −2,68 = 0,0037
d) 𝑃 𝑍 > −2,68 = 1 − 𝑃 𝑍 < −2,68 = 1 − 0,0037 = 0,9963 e) 𝑃 𝑍 > 2,68 = 1 − 𝑃 𝑍 ≤ 2,68 = 1 − 0,9963 = 0,0037

Gráfica de distribución Normal Estándar

Media=0; [Link].=1

0,4

0,3

d
a
d
in 0,2
s
0,0037 0,9963
e
D

0,1

Carola Flores
Distribuciones Continuas de 18

0,0037
0,9963

Carola Flores
Distribuciones Continuas de 18
Normal
Ejemplo 40 – resolución

Con el uso de la tabla de la distribución normal estándar, calcular:

f) 𝑃 −2,68 ≤ 𝑍 ≤ 0,3 = 𝑃 𝑍 ≤ 0,3 − 𝑃 𝑍 ≤ −2,68
= 0,6179 – 0,0037
= 0,6142

Gráfica de distribución Normal Estándar

Media=0; [Link].=1
0,6179
0,4
𝑃 𝑍 ≤ 0,3
0,6142
0,3

d
a
d
in 0,2
s
e
D
0,0037
0,1 𝑃 𝑍 ≤ −2,68

0,0

Carola Flores
Distribuciones Continuas de 18
Normal
Ejemplo 40 – resolución

Con el uso de la tabla de la distribución normal estándar, calcular:

g) 𝑃 −1,5 < 𝑍 < 1,5 = 𝑃 𝑍 < 1,5 − 𝑃 𝑍 < −1,5
=0,9332-0,0668
=0,8664
Gráfica de distribución Normal Estándar
Media=0; [Link].=1

0,4

0,3

d
a
d
in 0,2
s
e
D
0,8664
0,1

0,0

Carola Flores M
Distribuciones Continuas de 18
Normal
Ejemplo 40 – resolución

Con el uso de la tabla de la distribución normal estándar, calcular:

h) Encuentre el valor de z para el cual P(Z<z) = 0.85 𝑃 𝑍 < 1,04 = 0,85 Z=1,04

Gráfica de distribución Normal Estándar

Media=0; [Link].=1

0,4

0,85
0,3

d
a
d
i
n
0,2
s
e
D

0,1

Carola Flores
Distribuciones Continuas de 18
Normal
Ejemplo 40 – resolución

Con el uso de la tabla de la distribución normal estándar, calcular:

i) Encuentre el valor de z para el cual P(Z<z) = 0.45 𝑃 𝑍 < −0,13 = 0,45 Z=-0,13

Gráfica de distribución Normal Estándar

Media=0; [Link].=1

0,4

0,45 0,3

d
a
d
in 0,2
s
e
D

0,1

Carola Flores
Distribuciones Continuas de 18
Normal
Ejemplo 40 – resolución

Con el uso de la tabla de la distribución normal estándar, calcular:

j) Encuentre el valor de z para el cual P(Z>z) = 0.45 = 0,55 Z=0,13
𝑍<𝑧
𝑃

Gráfica de distribución Normal Estándar

Media=0; [Link].=1

0,4

0,3

d
a
d
in 0,2
s
e
D

0,1

Carola Flores
Distribuciones Continuas de 18

0,55 0,45

Carola Flores
Distribuciones Continuas de 18
Normal
Ejemplo 40 – resolución

Con el uso de la tabla de la distribución normal estándar, calcular:

k) Encuentre el valor de z para el cual P(Z>z) = 0.10 = 0,90 z=1,28
𝑍<𝑧
𝑃

Gráfica de distribución Normal Estándar

Media=0; [Link].=1

0,4

0,3

d
a
d
in 0,2
s
e
D 0,90
0,1
0,10
0,0

Carola Flores
Distribuciones Continuas de 19
Normal
Ejemplo 41
La esperanza de una v.a. X normal es 6 y su varianza es 16. Calcular
a) 𝑃 𝑋 < 3
b) 𝑃 𝑋 > 4
c) 𝑃 4.5 < 𝑋 < 7
d) Encuentre el valor de t para el cual P(X<t)=0.45

Carola Flores
Distribuciones Continuas de 19
Normal
Ejemplo 41 - resolución 𝜎 2 = 16
La esperanza de una v.a. X normal es 6 y su varianza es 16. Calcular
𝑋~𝑁 µ = 6 ; σ = 4
Gráfica de distribución Normal
Media=6; [Link].=4

0,10

0,08

0,06
Densid

0,04

0,02

0,00
-8-6-4 02 46 810121416 20 X
- 1

Carola Flores
Distribuciones Continuas de 19
Normal
Ejemplo 41 - resolución 𝜎 2 = 16
La esperanza de una v.a. X normal es 6 y su varianza es 16. Calcular
𝑋~𝑁 µ = 6 ; σ = 4
a) 𝑃𝑋 < 3 Gráfica de distribución
Normal
𝑋−𝜇 3−6 Media=6; [Link].=4
𝑍= = 4
𝜎 0,10

𝑍 = −0,75
0,08

d
𝑃𝑋 < 3 = 𝑃 𝑍 < −0,75 = 0,2266 a 0,06
d
i
s
n
e
D 0,04
La probabilidad de que X sea
menor a 3 es 0,2266 0,226
0,02
6
P(X<3)=0,2266

Carola Flores
Distribuciones Continuas de 19
Normal
Ejemplo 41 - resolución
La esperanza de una v.a. X normal es 6 y su varianza es 16. Calcular
𝑋~𝑁 µ = 6 ; σ = 4
b) 𝑃 𝑋 > 4
Gráfica de distribución
Normal
𝑋−𝜇 4−6 Media=6; [Link].=4
𝑍= = 4
𝜎
0,10
𝑍 = −0,5
0,08
𝑃𝑋 > 4 = 𝑃(𝑍 > −0,5)
d
a 0,06
d
𝑃 𝑍 > −0,5 = 1 − 𝑃 𝑍 < −0,5 i
s
= 1 − 0,3085 n

= 0,6915
e
D 0,04
0,6915
La probabilidad de que X sea
mayor a 4 es 0,6915 0,02

P(X>4)=0,6915
Carola Flores
Distribuciones Continuas de 19
Normal
Ejemplo 41 - resolución
La esperanza de una v.a. X normal es 6 y su varianza es 16. Calcular

X1 X2
𝑋~𝑁 µ = 6 ; σ = 4
c) 𝑃 4.5 < 𝑋 < 7
Gráfica de distribución
Normal
𝑋 − 𝜇 4,5 − 6 Media=6; [Link].=4
𝑍1 = 1 = −0,375
𝜎 =
4
0,10
𝑍2 𝑋 − 7−6
2 = 0,25
=
𝜇 = 0,08
𝜎 4
d
a 0,06
d
i
s
𝑃 4.5 < 𝑋 < 7 = 𝑃 −0,38 < 𝑍 < 0,25 n
e
= P Z < 0,25 − P Z < −0,38 D 0,04
= 0,5987-0,352
= 0,2467 0,02

La probabilidad de que X se encuentre

Carola Flores
Distribuciones Continuas de 19
entre 4,5 y 7 es 0,2467
𝑃 4.5 < 𝑋 < 7 =0,2467

Carola Flores
Distribuciones Continuas de 19
Normal
Ejemplo 41 - resolución
La esperanza de una v.a. X normal es 6 y su varianza es 16. Calcular
𝑋~𝑁 µ = 6 ; σ = 4
d) Encuentre el valor de x para el cual P(X<x)=0.45
Gráfica de distribución
Normal
P(X<x)=0.45 Media=6; [Link].=4

P(Z<z)=0.45 0,10

P(Z<-0,13)=0.45 0,08

d
a 0,06
𝑍 =𝑋−𝜇 𝑋−6 d
i

𝜎
-0,13= 4
s
n
e
D 0,04

𝑥= +6 0,45
4 ∗ −0,13 0,02
𝑥 = 5,48
El valor de x es 5,48
Distribuciones Continuas de 19
Carola Flores M
Distribuciones Continuas de 19
Normal
Ejemplo 42
La estatura de los ecuatorianos se distribuye normalmente con una
media de 164.5 cm y una desviación estándar de 6.9 cm. Si se supone
que las estaturas siguen una distribución normal, calcule la
probabilidad de que un ecuatoriano tenga una estatura
a) menor que 160.0 cm
b) de entre 171.5 y 182.0 cm
c) igual a 175.0 cm
d) mayor o igual que 188.0 cm
e) ¿qué estatura tiene el 5% de la población más alta?
f) ¿qué estatura tiene el 10% de la población más baja?

Carola Flores
Distribuciones Continuas de 19
Normal
Ejemplo 42 - resolución
La estatura de los ecuatorianos se distribuye normalmente con una media de
164.5 cm y una desviación estándar de 6.9 cm. Si se supone que las estaturas
siguen una distribución normal, calcule la probabilidad de que un
ecuatoriano tenga una estatura

𝑋: 𝑒𝑠 𝑙𝑎 𝑒𝑠𝑡𝑎𝑡𝑢𝑟𝑎 𝑑𝑒 𝑙𝑜𝑠 𝑒𝑐𝑢𝑎𝑡𝑜𝑟𝑖𝑎𝑛𝑜𝑠 Gráfica de distribución Normal

Media=164,5; [Link].=6,9
0,06
𝑋~𝑁 µ = 164,5 ; σ = 6,9
0,05

0,04

Densid
0,03

0,02

0,01

0,00
143,8 150,7 157,6 164,5 171,4 178,3 185,2
X

Carola Flores
Distribuciones Continuas de 20
Normal
Ejemplo 42 - resolución
La estatura de los ecuatorianos se distribuye normalmente con una media de 164.5 cm y una
desviación estándar de 6.9 cm. Si se supone que las estaturas siguen una distribución normal,
calcule la probabilidad de que un ecuatoriano tenga una estatura
𝑋: 𝑒𝑠 𝑙𝑎 𝑒𝑠𝑡𝑎𝑡𝑢𝑟𝑎 𝑑𝑒 𝑙𝑜𝑠 𝑒𝑐𝑢𝑎𝑡𝑜𝑟𝑖𝑎𝑛𝑜𝑠 Gráfica de distribución Normal
Media=164,5; [Link].=6,9

𝑋~𝑁 µ = 164,5 ; σ = 6,9

0,06

0,05

a) menor que 160.0 cm

0,04
d

𝑃(𝑋 < 160) a

d
s 0,03
i
n
e
D

𝑍= 𝑋− 160 − 0,02

𝜇 = 164,5 = −0,65 0,2578

0,01

𝜎 6,9
𝑃 𝑋 < 160 = 𝑃 𝑍 < −0,65 = 0,2578

Carola Flores
Distribuciones Continuas de 20
La probabilidad de que un ecuatoriano tenga una estatura menor que 160 cm es de 0,2578
𝑃 𝑋 < 160 =0,2578

Carola Flores
Distribuciones Continuas de 20
Normal
Ejemplo 42 - resolución
La estatura de los ecuatorianos se distribuye normalmente con una media de 164.5 cm y una
desviación estándar de 6.9 cm. Si se supone que las estaturas siguen una distribución normal,
calcule la probabilidad de que un ecuatoriano tenga una estatura
𝑋: 𝑒𝑠 𝑙𝑎 𝑒𝑠𝑡𝑎𝑡𝑢𝑟𝑎 𝑑𝑒 𝑙𝑜𝑠 𝑒𝑐𝑢𝑎𝑡𝑜𝑟𝑖𝑎𝑛𝑜𝑠 Gráfica de distribución
Normal
Media=164,5; [Link].=6,9
𝑋~𝑁 µ = 164,5 ; σ = 6,9 0,06

0,05
b) de entre 171.5 y 182.0 cm
X1 X2
0,04
𝑃(171,5 < 𝑋 < 182) d
a
d
s
i 0,03
𝑃(1,01 < 𝑍 < 2,53) n
e
D
0,02
𝑃 = 𝑃 1,01 < 𝑍 < 2,53
171,5 < 𝑋 < 182 0,01
0,1505
= 𝑃 𝑍 < 2,53 − 𝑃 𝑍 < 1,01
=0,9943-0,8438
=0,1505
𝑃(171,5 < 𝑋 < Carola Flores
Distribuciones Continuas de 20
La probabilidad de que un ecuatoriano tenga una estatura que se encuentre entre 171,5 y 182 cm es de 0,1505

𝑃(171,5 < 𝑋 < Carola Flores

Distribuciones Continuas de 20
Normal
Ejemplo 42 - resolución
La estatura de los ecuatorianos se distribuye normalmente con una media de 164.5 cm y una
desviación estándar de 6.9 cm. Si se supone que las estaturas siguen una distribución normal,
calcule la probabilidad de que un ecuatoriano tenga una estatura
𝑋: 𝑒𝑠 𝑙𝑎 𝑒𝑠𝑡𝑎𝑡𝑢𝑟𝑎 𝑑𝑒 𝑙𝑜𝑠 𝑒𝑐𝑢𝑎𝑡𝑜𝑟𝑖𝑎𝑛𝑜𝑠 Gráfica de distribución Normal
Media=164,5; [Link].=6,9

𝑋~𝑁 µ = 164,5 ; σ = 6,9 0,

06

0,
c) igual a 175.0 cm 05

𝑃 𝑋 = 175,0 = 0 0,
04
d
a
La probabilidad de que un ecuatoriano tenga una d
s
i 0,03
n
estatura de exactamente 175 cm es cero e
D
0,
02

3) La probabilidad de sucesos puntuales es 0, 𝑃(𝑋 = 𝑎) = 0

Carola Flores
Distribuciones Continuas de 20
Normal
Ejemplo 42 - resolución
La estatura de los ecuatorianos se distribuye normalmente con una media de 164.5 cm y una
desviación estándar de 6.9 cm. Si se supone que las estaturas siguen una distribución normal,
calcule la probabilidad de que un ecuatoriano tenga una estatura
𝑋: 𝑒𝑠 𝑙𝑎 𝑒𝑠𝑡𝑎𝑡𝑢𝑟𝑎 𝑑𝑒 𝑙𝑜𝑠 𝑒𝑐𝑢𝑎𝑡𝑜𝑟𝑖𝑎𝑛𝑜𝑠

𝑋~𝑁 µ = 164,5 ; σ = 6,9

d) mayor o igual que 188.0 cm

𝑃(𝑋 ≥ 188)
𝑃 𝑍 ≥ 3,40 = 1 − 𝑃 𝑍 < 3,40
= 1 − 0,9990
0,0001
= 0,0001
La probabilidad de que un ecuatoriano tenga una
estatura mayor o igual a 188 cm es
aproximadamente igual a 0,0001
Carola Flores
Distribuciones Continuas de 20
Normal
Ejemplo 42 - resolución
La estatura de los ecuatorianos se distribuye normalmente con una media de 164.5 cm y una
desviación estándar de 6.9 cm. Si se supone que las estaturas siguen una distribución normal,
calcule la probabilidad de que un ecuatoriano tenga una estatura
𝑋: 𝑒𝑠 𝑙𝑎 𝑒𝑠𝑡𝑎𝑡𝑢𝑟𝑎 𝑑𝑒 𝑙𝑜𝑠 𝑒𝑐𝑢𝑎𝑡𝑜𝑟𝑖𝑎𝑛𝑜𝑠
Gráfica de distribución Normal
𝑋~𝑁 µ = 164,5 ; σ = 6,9 0,
Media=164,5; [Link].=6,9

06

e) ¿qué estatura tiene el 5% de la población más alta? 0,

05
𝑃 𝑋 > 𝑥 = 0,05 𝑋−𝜇 𝑋 − 164,5
𝑍= 1,64 =
𝑃 𝑍 > 𝑧 = 0,05 𝜎 6,9 0,
04
d
𝑃𝑍 ≤ 𝑧 = 0,95 a

𝑥 = 6,9 ∗ 1,64 + 164,5 d

s 0,03
i
n 0,05
𝑃 𝑍 ≤ 1,64 = 0,95 𝑥 = 175,8 e
D
0,
02

El valor de x es 175,8
La estatura del 5% de los ecuatorianos más altos es de al menos 175,8 cm
Carola Flores
Distribuciones Continuas de 20
Normal
Ejemplo 42 - resolución
La estatura de los ecuatorianos se distribuye normalmente con una media de 164.5 cm y una
desviación estándar de 6.9 cm. Si se supone que las estaturas siguen una distribución normal,
calcule la probabilidad de que un ecuatoriano tenga una estatura
𝑋: 𝑒𝑠 𝑙𝑎 𝑒𝑠𝑡𝑎𝑡𝑢𝑟𝑎 𝑑𝑒 𝑙𝑜𝑠 𝑒𝑐𝑢𝑎𝑡𝑜𝑟𝑖𝑎𝑛𝑜𝑠
Gráfica de distribución Normal
𝑋~𝑁 µ = 164,5 ; σ = 6,9 0,
Media=164,5; [Link].=6,9

06

f) ¿qué estatura tiene el 10% de la población más baja?

0,
05
𝑃𝑋 < 𝑥 = 0,10 𝑋−𝜇 𝑋 − 164,5
𝑍= −1,28 =
𝜎 6,9 0,
𝑃𝑍 ≤ 𝑧 = 0,10 d
04

a
𝑃 𝑍 ≤ −1,28 = 0,10 𝑥 = 6,9 ∗ −1,28 + 164,5 d
s 0,03
i
n
𝑥 = 155,6 e
D
0,
02
0,10
El valor de x es 155,6 cm
La estatura del 10% de los ecuatorianos más bajos es menor o igual a 155,6 cm
Carola Flores
Distribuciones Continuas de 20
Normal
Ejemplo 43 ACTIVIDAD EXTRA (0,1)

Un atractivo agroturístico consiste en visitar un invernadero de

especies nativas. La puerta del invernadero debe cambiarse, pues
muchas personas sufrían golpes por la altura de la misma. Se sabe que
la estatura de la población que visita este atractivo está normalmente
distribuida con media 165 cm y varianza 9 cm.
¿Qué altura mínima deberá tener la puerta del invernadero para que
no más del 1% de las personas golpee su cabeza con la parte superior?
Resolver esta actividad a mano, escanearla y subirla en formato pdf, al
foro de consultas del capítulo en el tema de discusión:
ACTIVIDAD EXTRA (distribución normal)
Esta actividad estará disponible hasta las 23h55 del día jueves 25 de junio
Las tres primeras respuestas que sean correctas tendrán la calificación de
0,1 adicional al aporte

Carola Flores
 Realizar la tarea que se
encuentra en el aula virtual
DISTRIBUCIONES CONTINUAS
(Distribución normal)