PROBABILIDADES

 Repasemos…
Un EXPERIMENTO ALEATORIO es una acción, proceso u operación
en el que se obtienen resultados distintos cuando se repiten en
idénticas circunstancias.
En una serie infinita de repeticiones, es seguro que una proporción
de resultados favorables a un suceso converja a la medida del
grado de posibilidad que le hemos asignado. Dicha medida se
denomina probabilidad.

 La teoría de la probabilidad es la herramienta matemática que constituye la

base para el estudio de fenómenos aleatorios. Proporciona modelos teóricos
aplicables a la frecuencia de los distintos resultados de un experimento.
 La probabilidad se define como la medida de la posibilidad de que ocurra un
evento particular. Se expresa como un número entre 0 y 1, donde 0 indica que el
evento es imposible y 1 indica que el evento es seguro. Los valores intermedios
representan grados de posibilidad.
 El calculo de probabilidades sirve para describir y predecir eventos futuros.
 Conceptos previos
 Espacio muestral (S): conjunto de los posibles resultados de un experimento
aleatorio.
Discreto finito (ej: tipos de hábitat en un ambiente)
Discreto infinito (ej: biodiversidad en un ecosistema)
Continuo (ej: nivel de concentración de un contaminante)
 Suceso (A,B,..): cualquier subconjunto del espacio muestral. Los sucesos pueden ser
elementos simples o conjuntos de elementos.
 Punto muestral (s): es un punto del espacio muestral, uno de los resultados posibles
del experimento aleatorio.
 Ensayo: es el acto que lleva a un resultado determinado, de entre los posibles
resultados distintos del experimento.
 Resultado: es lo que se obtiene de un solo ensayo del experimento, es decir, de una
sola repetición del mismo
 Ejemplos de espacio muestral
E1: Determinar la concentración de glucosa en sangre en un paciente.
S es continuo {0,∞}
E2: Observar el número de plantines que mejoran luego de aplicar
fertilizante, si n= 10.
S es discreto finito {1,2,3,4,5,6,7,8,9,10}
E3: Determinar la cantidad de hojas producidas por un alerce
S es discreta infinito {0,1,2,3,4,5,..........}
E4: Arrojar una moneda correcta y observar su cara superior
S4= {X, C}
E5: Arrojar un dado correcto y observar su cara superior
S5= {1, 2, 3, 4, 5, 6}
E6: Arrojar una moneda legal hasta observar cara
S6= {C, XC, XXC, XXXC....}
 Valor del punto muestral

 E: Observar la secuencia de caras y cruces al arrojar una moneda.

 S= {CC, CX, XC, XX}
En este caso el peso para cada punto muestral es 1/4
 E: Contar en número total de cruces obtenidas en cada caso.
 S= {0, 1, 2}
P(obtener “0” cruces)= p(CC)=1/4
P(1 cruz)=P(CX o XC)=2/4
P(Obtener 2 cruces)= P(XX)= 1/4
En este caso el peso para cada punto muestral es diferente
 Definición- teorías
 La probabilidad de un evento refleja la verisimilitud de que ocurra, si un
evento es muy probable ocurrirá con más frecuencia.
Teoría de frecuencia relativa
La frecuencia relativa f(A) tiene la siguientes propiedades (Meyer)
1) 0 ≤ ≤1
2) = 1 sí y sólo sí A ocurre cada vez (siempre) en las n repeticiones.
3) = 0 sí y sólo sí A nunca ocurre en las n repeticiones.
4) Si A y B son dos sucesos que se excluyen mutuamente (conjuntos disjuntos)
entonces

5) basado en n repeticiones converge en un valor fijo que podemos llamar

P(A), cuando n → ∞.
Teoría clásica: La probabilidad de que un evento A ocurra se anota P(A)y
se calcula mediante el cociente:
P(A)= número de casos favorables a A/ Número de casos Totales
Esto es válido, cuando en el experimento aleatorio todos sus resultados son
equiprobables y los valores de una probabilidad están entre 0 y 1.
Teoría axiomática (Kolmogorov): Sea E un experimento aleatorio y S el
espacio muestral asociado con ese experimento aleatorio y sea P una
función que asigna un número real a cada suceso A incluido en S.
Llamamos probabilidad del suceso A y denotamos con P(A) al número real
que satisface los siguientes axiomas:
(1) 0 ≤ P(A) ≤1 No negatividad
(2) P(S) = 1 Normatividad
(3) Si A1, A2, A3, ... son sucesos que se excluyen mutuamente de par en
par, entonces
P( Ai) = P(A1) + P(A2) + P(A3) + ... Aditividad
Esquema del árbol- Esquema de la urna

Consiste en extraer elementos de la "urna"

En cada "rama" se coloca el sin reposición.
valor de probabilidad ¿Qué sucede con las probabilidades
En este caso los sucesos son cuándo saco la segunda bolilla?
independientes En este caso los sucesos no son
independientes.
 Tipos de sucesos o eventos
 El suceso unión A∪B es el evento constituido por
los elementos que pertenecen a A o B, o a
ambos a la vez.
 El suceso intersección A∩B es el evento formado
por los elementos que pertenecen
simultáneamente a A y B.
 Los eventos mutuamente excluyentes son
aquellos que no pueden ocurrir
simultáneamente; es decir, su intersección es el
conjunto vacío, A∩B = ∅. La unión de ambos
sucesos completan el espacio muestral.
 El evento complementario del suceso A,
denotado por Ac, es el evento que ocurre
cuando no se realiza A.
 Proporcionemos EJEMPLOS!
 Eventos compuestos
 Para formar un evento compuesto se combinan 2 o más eventos simples.
 Es necesario analizar con mucho cuidado si se emplean los términos “Y”,“ O”,“
NO”,“ NI”, entre otros. Se debe leer detenidamente cuál es concretamente la
pregunta a responder!!!

Probabilidad de evento complementario P(Ac)

Probabilidad de que ocurra A ó B P(A U B)

Probabilidad de que ocurran A y B P(A ∩ B)

Probabilidad de que ocurra A si ya ha ocurrido B P(A/B)

o de que habiendo ocurrido B, ocurra A
Eventos probabilísticamente independientes: Son aquellos en que la ocurrencia
de uno no modifica la probabilidad de ocurrencia del otro en más de un
ensayo o experimento básico.
 A y B son independientes si P(A)= P(A/B) o P(B)= P(B/A)

Regla de la suma o de la adición: Sean A y B dos eventos definidos en S

P(A U B) = P(A) + P(B) - P(A ∩ B)

P(A U B)= P(A) + P (B) Si A y B son mutuamente excluyentes

Regla del Producto : Sean A y B dos sucesos definidos en S

P(A ∩ B) = P(A) . P(B/A) o bien P(A ∩ B) = P(B) . P(A/B)

P(A ∩ B)= P(A). P(B) = P(B). P(A) Si A y B son independientes

 Principio de adición
Al contar el número de cruces obtenidas al arrojar la moneda,
cuando buscamos la probabilidad de encontrar 1 cruz

P(1 cruz)=P(CX ó XC)=2/4, estamos aplicando el principio de la

adición

En este caso X: obtener cruz al tirar la moneda y C: obtener cara

al tirar la moneda
Al calcular P(CX ó XC) tenemos que sumar P(CX) + P(XC)

P(CX) U P(XC)= 1/4 + 1/4= 2/4 La expresión "ó" indica suma

(adición U)
 Principio de multiplicación
Si quisiéramos saber cuántos puntos muestrales se obtienen de
lanzar una moneda 3 veces...
 en el primer lanzamiento hay 2 resultados posibles
 en el segundo lanzamiento hay 2 resultados posibles
 en el tercer lanzamiento hay 2 resultados posibles
 obtengo la cantidad de puntos muestrales multiplicando la
cantidad de resultados posibles en cada lanzamiento 2x2x2=
8 puntos muestrales
Si quisiéramos saber la probabilidad de obtener cara aplicaríamos
P(C)=P(CX U XC) ∩ P(CX U XC) ∩ ( P(CX U XC)
P(C)= (1/2 + 1/2) x (1/2 + 1/2) x (1/2 + 1/2)
P(C)= 2/4 x 2/4 x 2/4= 1/8 La expresión "y" indica multiplicación
(intersección ∩ )
 Probabilidad condicional e independencia
de sucesos
 Probabilidad Condicional: la probabilidad de un suceso puede depender de la
realización u ocurrencia de otro suceso. Dados dos sucesos A y B, la probabilidad
de que ocurra A habiendo ocurrido B (o de que A esté condicionado a la aparición
previa de B), se escribe P(A/B) y se calcula como:
P(A/B)= P(B ∩ A) / P(B)

 Se dice que dos sucesos son independientes si la ocurrencia de uno no afecta a la

probabilidad del otro; es decir, A y B son independientes si P(B/A) = P(B) o, de forma
equivalente, si P(A/B) = P(A). En consecuencia, si dos sucesos son independientes,
puede probarse lo siguiente:

 Dos sucesos pueden definirse como independientes si la probabilidad de su

intersección es igual al producto de la probabilidad de cada suceso por separado.
 Ejemplo
Supongamos que la probabilidad de ser fumador (F) en una determinada
población de adultos es 0,20; mientras que la probabilidad de tener una
enfermedad respiratoria (E) es 0,6 para las personas fumadoras y de 0,03 para las
personas no fumadoras.
a) 1° construya un diagrama de árbol
b) Calcule la probabilidad de seleccionar una persona que presente una
enfermedad respiratoria
c) Analice independencia entre los sucesos NF y E
d) Calcule la probabilidad de no ser fumador y tener una enfermedad respiratoria
e) Calcule la probabilidad de ser fumador o tener una enfermedad respiratoria.
f) Calcule la probabilidad de que una persona fume, siendo que tiene una
enfermedad respiratoria
 E
b) La probabilidad de seleccionar una persona que presente una F
enfermedad respiratoria NE
E
P(E)= P(F). P(E/F) + P(NF).P(E/NF)=0,2. 0,6 + 0,8. 0,03=
NF
0,12 + 0,024 = 0,144 NE

c) Dos sucesos pueden son independientes si la probabilidad de su intersección es

igual al producto de la probabilidad de cada suceso por separado.
P(NF ∩ E)= P(NF). P(E/NF)=P(NF).P(E)=0,8. 0,03 ≠ 0,8. 0,144
d) Probabilidad de no ser fumador y tener una enfermedad respiratoria
P(NF ∩ E)= P(NF). P(E/NF)= 0,8. 0,03= 0,024
e) Probabilidad de ser fumador o tener una enfermedad respiratoria.
P(F U E)=P(F)+ P(E) – P(F ∩ E)= 0,2 + 0,144 – (0,2. 0,6)= 0,2+0,144-0,12= 0,224
f) Probabilidad de que una persona fume, siendo que tiene una enfermedad
respiratoria
P(F/E)= P(F ∩ E)/P(E)= P(F).P(E/F)/P(E)= 0,2. 0,6 / 0,144= 0,83
 Teorema de Bayes
 Se considera como el proceso inverso de la
probabilidad total. Se trabaja con la probabilidad
condicional, que se conoce como la ocurrencia de
un suceso condicionada por la ocurrencia de otros
acontecimientos.
 A1, A2,…, A6, forman una partición del espacio
muestral. La intersección entre estas particiones es
vacía.

Donde B es el suceso sobre el que tenemos información previa y Ai son los distintos
sucesos condicionados. En la parte del numerador tenemos la probabilidad
condicionada, y en la parte de abajo la probabilidad total.
El teorema de Bayes nos permite actualizar la probabilidad de un evento basándonos
en nueva evidencia o información.
 Ejemplo
El productor de una quinta cuenta con 3 especies de árboles
frutales. Sabe que la especie A aporta el 35% de la
producción total de frutas, la especie B aporta el 20 % y la
especie C el porcentaje restante. Estas especies de árboles
producen frutos aptos para la comercialización en un 25%,
40% y 35%, respectivamente.

Realice el diagrama del árbol para el ejemplo dado

Calcular:
a) La probabilidad de que la quinta produzca frutos aptos para la comercialización
(Ac).
b) La probabilidad de que siendo un fruto apto para la comercialización, sea de la
especie B.
 Ac

A
Ac
0,20
B
Ac
C

a) Probabilidad de que el fruto sea apto para la comercialización.

P(Ac)= P(A)x P(Ac/A) + P(B) x P(Ac/B) + P(C)x P(Ac/C)
P(Ac)= (0,35 x 0,25) + (0,2 x 0,4) + (0,45 x 0,35)
P(Ac)= 0,325

b) Probabilidad de que siendo un fruto apto para la comercialización, sea de la

especie B.
P(B/Ac)= P (B ∩ Ac)/ P(Ac) = P(B)x P(Ac/B) / P(Ac)
P(B/Ac)= (0,2 x 0,4)/ 0,325= 0,026 APLICACIÓN DE TEOREMA DE BAYES
 Otros ejemplos de aplicaciones
El teorema se basa en la idea de que las probabilidades iniciales
sobre un evento pueden cambiar a medida que obtenemos nueva
información o datos.
 Diagnóstico médico: la probabilidad de que un paciente tenga
una enfermedad dado un conjunto de síntomas y resultados de
pruebas.
Si un paciente tiene dolor de cabeza y mareo, y un resultado
positivo en una prueba de gripe, se puede utilizar el teorema para
calcular la probabilidad de que el paciente tenga una infección
viral.
 Identificación de especies: la probabilidad de que un
organismo sea de una cierta especie dado un conjunto de
características morfológicas y genéticas.
Si un organismo tiene un patrón de color similar al de una especie
conocida, pero una secuencia genética diferente, el biólogo
puede utilizar el teorema para calcular la probabilidad de que el
organismo sea una subespecie o una especie relacionada.
 Clasificación de imágenes satelitales: para clasificar
imágenes satelitales de la superficie de la tierra en
diferentes categorías, como ciudades, bosques,
desiertos, etc.
Si una imagen satelital muestra un patrón de
vegetación similar al de un bosque y un patrón de luces
similar al de una ciudad, el geólogo puede utilizar el
teorema para calcular la probabilidad de que la
imagen satelital muestre una ciudad rodeada de
bosques.
 Identificación de depósitos de petróleo y gas: la
probabilidad de que una zona contenga depósitos
de petróleo o gas dado un conjunto de
características geológicas, como la presencia de
ciertos tipos de rocas y estructuras geológicas.
Si una zona tiene rocas sedimentarias y estructuras
geológicas que indican que es propensa a contener
depósitos de petróleo, el geólogo puede utilizar el
teorema para calcular la probabilidad de que la zona
contenga depósitos de petróleo.
En una farmacia hay 3 marcas A, B y C que producen el 20% el
30% y el 50% de las ventas totales, con porcentajes de
medicamentos que se vencen antes de venderse del 5%, 10% y
15%, respectivamente. Se selecciona 1 medicamento.
1- Realice el diagrama del árbol
Calcule:
2- La probabilidad de que el medicamento
esté vencido
3- La probabilidad de que el medicamento
se encuentre vencido al ser de la marca A
4-La probabilidad de que el medicamento
sea de la marca B y no esté vencido
5- Si se extrae un medicamento y al
analizarlo resultó estar vencido. Determinar
la probabilidad de que sea de la marca C.
1- la probabilidad de que el medicamento esté vencido
P(V)= P(A). P(V/A) + P(B). P(V/B) + P(C). P(V/C)= 0,2.0,05 + 0,3.0,1 + 0,5.0,15=
0,01+ 0,03+0,075=
P(V)= 0,115
2- La probabilidad de que el medicamento se encuentre vencido al ser de la
marca A
P(V/A)= P(A ∩ V)/P(A)= 0,01/0,2= 0,05
3- La probabilidad de que el medicamento sea de la marca B y no esté
vencido
P(B ∩ NV)= P(B). P(NV/B)= 0,3 . 0,9= 0,27
4-Se extrae un medicamento y al analizarlo resultó estar vencido. Determinar la
probabilidad de que sea de la marca C.
P(C/V)= P(C ∩ V)/ P(V)= P(C). P(V/C)/ P(V)= 0,5. 0,15/ 0,115 = 0,65
De un grupo de 100 socios de un club deportivo:
73 están anotados en las clases de gimnasia
45 asisten a natación
27 toman clases de gimnasia y asiste a natación

1) Representar la situación a través de un diagrama de Venn.

2) ¿Cuál es la probabilidad de que un socio haga gimnasia y natación?

P(G ∩ N)=P(G).P(N/G)=

3) ¿Cuál es la probabilidad de que un socio haga gimnasia o natación?

P(G U N)= P(G)+ P(N)- P(G ∩ N)=
¿Cuál es la probabilidad de que un socio no realice gimnasia ni
natación?
¿Cómo se denomina a los sucesos N y N?
Si se consideran solo los socios que practican gimnasia,
¿Cuál es la probabilidad de encontrar un socio que practique natación?

P(N/G)= P(N ∩ G)/ P(G)= 27/100 = 27/73

73/100

¿Los sucesos realizar gimnasia y natación son mutuamente excluyentes?

¿Los sucesos realizar natación y gimnasia son independientes?

P(N ∩ G)= P(N).P(G)

27/100= 45/100 . 73/100
0,27 ≠ 0,3285

Como no se cumple la igualdad, los sucesos gimnasia y natación no son

independientes
 Ejemplo: ejercicio 6 del TP3
 Se está analizando la relación entre el tipo de suelo y tres especies de plantas que
pueden crecer en ellos en un área de la Patagonia central. Para esto se tomaron
aleatoriamente 200 parcelas y en ellas se analizó el tipo de suelo y las plantas que
predominaban. Los datos se representan en la siguiente tabla:

a)¿cuál es la probabilidad de encontrar Malaspina?

b) ¿Cuál es la probabilidad de que el suelo sea arcilloso?
c) Calcule la probabilidad de que una muestra sea de suelo arenoso y tenga
Duraznillo.
d) Calcule la probabilidad de que una muestra tomada de suelo arcilloso tenga
Zampa.
e) Calcule la probabilidad que en una muestra aleatoria haya Malaspina o Duraznillo
En primer lugar completaremos la tabla de doble entrada con datos
de totales que faltaban y definiremos e identificaremos los sucesos.
c)

Al no cumplirse estamos frente

a dos sucesos dependientes
NOS TOMAMOS UN DESCANSO DE

15 MINUTOS

¡MUCHAS GRACIAS!