REPÚBLICA BOLIVARIANA DE VENEZUELA

MINISTERIO DEL PODER POPULAR PARA LA EDUCACIÓN

UNIVERSITARIA, CIENCIA Y TECNOLOGÍA
INSTITUTO UNIVERSITARIO POLITÉCNICO
“SANTIAGO MARIÑO”
EXTENSIÓN VALENCIA

Cuestionario de Probabilidad

Alumna: Angélica González

CI.17.031.076
Escuela: 45

Valencia; Octubre de 2024

 Probabilidad
El término probabilidad se utiliza para definir el cálculo matemático que establece todas las
posibilidades que existen de que ocurra un fenómeno en determinadas circunstancias de azar. La
probabilidad se calcula con base en un valor entre 0 y 1 y el nivel de certidumbre viene determinado
por la cercanía a la unidad; por el contrario, en caso de que se aproxime al cero, hay menos seguridad
en el resultado final.
 ¿Cuál es la fórmula para calcular la probabilidad?
Para el cálculo de la probabilidad es necesario dividir el número de sucesos favorables entre el
número total de sucesos posibles. Esto genera una muestra y, a partir de los datos obtenidos, se
puede realizar el cálculo.
El cálculo de probabilidades se expresa en porcentaje y responde a la siguiente fórmula:
Probabilidad = Casos favorables / casos posibles x 100.
 ¿Qué tipos de probabilidad existen?
Matemática: sigue los principios de una lógica formal y no experimental, calculando en cifras eventos
aleatorios que pueden ocurrir en un determinado campo.
Frecuencial: se basa en la experimentación y determina el número de veces que un suceso puede
ocurrir, teniendo en cuenta un número específico de oportunidades.
Objetiva: tiene en cuenta con antelación la frecuencia del evento, y solo da a conocer los casos
probables en los que puede ocurrir tal evento.
Subjetiva: su concepto es opuesto a la probabilidad matemática, ya que toma en cuenta ciertas
eventualidades que permiten inferir la probabilidad de un determinado evento, aun sin tener una
certeza a nivel aritmético.
Binomial: determina el éxito o fracaso de un evento que tenga únicamente dos posibles resultados.
Lógica: plantea la posibilidad de que un evento ocurra a partir de leyes inductivas.
Condicionada: explica la probabilidad de que suceda un evento según la ocurrencia previa de otro,
por lo que uno es dependiente del otro.
Hipergeométrica: probabilidad que se obtiene a partir de técnicas de muestreo, es decir, que los
eventos se clasifican según la frecuencia de su acontecimiento. De esta forma, se crean una serie de
grupos de eventos que están determinados según su aparición.
 ¿Qué teorías dan explicación a la probabilidad?
Existen tres métodos para determinar la probabilidad de cualquier evento y se basan en las reglas de:
Adición: plantea que la probabilidad de que ocurra un evento en concreto es igual a la suma de las
probabilidades individuales, siempre y cuando los eventos no ocurran en el mismo momento.
Multiplicación: plantea que la probabilidad de que ocurra dos o más eventos independientes es igual
al producto de sus probabilidades individuales.
Distribución binomial: plantea que la probabilidad de que ocurra una combinación determinada de
eventos independientes entre ellos admite solo dos posibles resultados excluyentes entre ellos: éxito
o fracaso.
Además, existe la regla de Laplace, que plantea que en una muestra aleatoria formada por resultados
que son igual de probables, la probabilidad de un suceso es resultado del número de casos posibles
divididos entre el número de casos probables.
 ¿En qué situaciones se aplica la probabilidad?
Algunos ejemplos en los que se aplica la probabilidad son:
Análisis estadístico del riesgo empresarial: se pueden estimar caída de precios de acciones,
estados de inversiones, etc., a través de fórmulas probabilísticas.
Cálculo de seguros: los procesos en los que se estudia la fiabilidad de un asegurado, para saber si
es rentable asegurarlo y por cuánto dinero y tiempo conviene hacerlo, son posibles gracias a
estrategias y cálculos de probabilidad.
Análisis de conducta: en este tipo de aplicación, se hace uso de la probabilidad para evaluar ciertos
comportamientos de una muestra de la población, de manera que puedan predecirse ciertos patrones
de opinión, comportamientos o pensamientos.
Investigación médica: el éxito de vacunas, así como sus efectos secundarios en la población, por
ejemplo, viene determinada por cálculos probabilísticos.

 Diferencia de probabilidades clásica, frecuencial y axiomática:

Concepto clásico de Probabilidad
Una de las características de un experimento aleatorio es que no se sabe qué resultado particular se
obtendrá al realizarlo. Es decir, si A es un suceso asociado con un experimento aleatorio, no podemos
indicar con certeza si A ocurrirá o no en una prueba en particular. Por lo tanto, puede ser importante tratar
de asociar un número al suceso A que mida la probabilidad de que el suceso ocurra. Este número es el
que llamaremos P(A).
Probabilidad Clásica o a Priori
Si un suceso puede ocurrir de N maneras mutuamente excluyentes e igualmente probables, y m de ellas
poseen una característica A

Ejemplo 1: P(de que salgan dos caras al tirar 2 monedas)

P(de que salga una cara al tirar 2 monedas )

Ejemplo 2: P(de que salga un varón al tomar 2 bebés y observar su sexo)

Probabilidad Empírica o Frecuencial:

Una teoría de mayor aplicación y muy sostenida es la basada en la frecuencia relativa. Puede atribuirse
a este punto de vista el adelanto registrado en la aplicación de la probabilidad en la Física, la Astronomía,
la Biología, las Ciencias Sociales y los negocios.
Esta teoría está estrechamente relacionada con el punto de vista expresado por Aristóteles: “lo probable
es aquello que ocurre diariamente”.
Se puede notar a través de gran cantidad de observaciones acumuladas con los diversos juegos de azar
una forma general de regularidad que permitió establecer una teoría.
Supongamos que efectuamos una serie de n repeticiones del experimento E, intentando mantener
constantes las condiciones pertinentes. Sea f el número de repeticiones en las que se presenta el suceso
A, de forma que en las restantes n – f no se presentará. Obtendremos así una serie de frecuencias
relativas para n1, n2 ….

Estas frecuencias relativas diferirán poco entre sí cuando las n i sean grandes y tenderán a acumularse
en la proximidad de un valor fijo.
Debemos señalar que la estabilidad, a la larga, de las frecuencias relativas se aplica a una amplia clase
de experimentos aleatorios, de los que el juego de azar constituye un caso en particular, casi
insignificante.
Para establecer una descripción matemática sencilla de la conducta de las frecuencias relativas para
grandes valores de n, vamos a postular la existencia de un nro. p que es el nro. al cuál tiende f r, es decir,
la frecuencia relativa del suceso en estudio.
Este número se llamará probabilidad del suceso A en relación con el experimento aleatorio E.
La frecuencia relativa fr se considerará entonces como una medida experimental de la probabilidad y
diremos:
“De acuerdo con el concepto empírico de la estabilidad de las razones frecuenciales cabe esperar que,
para grandes valores de n, la razón frecuencial observada sea aproximadamente igual a p que se
llamará probabilidad del suceso en estudio”.
Si “estimando” entonces el valor de una probabilidad desconocida por medio de un estudio de la conducta
de las frecuencias relativas del hecho o suceso correspondiente.
La aplicación de esta definición está relacionada con un experimento aleatorio que puede ser repetido
varias veces en condiciones uniformes. Naturalmente, la repetición real será en ocasiones difícil o incluso
imposible de realizar, por ejemplo, debido a los costos prohibitivos de experimentación, pero bastará con
que sea concebible una repetición en condiciones uniformes.
 Probabilidad Axiomática
Se refiere a la probabilidad de ocurrencia de un suceso basado en la experiencia previa, la opinión
personal o la intuición del individuo. En este caso después de estudiar la información disponible, se asigna
un valor de probabilidad a los sucesos basado en el grado de creencia de que el suceso pueda ocurrir
¿Qué es el teorema de la probabilidad total?
El teorema de la probabilidad total nos da la probabilidad de un suceso que puede darse en cualquiera de
las particiones, que es la suma de la probabilidad de tener esa partición multiplicada por la probabilidad de
tener ese suceso en esa partición en concreto.
Para entender el teorema de la probabilidad total hay que tener claro el concepto de la probabilidad
condicionada y el de partición. Por eso, daremos un ligero repaso.
 Probabilidad Condicionada
Si A y B son dos sucesos dentro de un experimento aleatorio, la probabilidad de A condicionada por B es:
P(A|B)=P(A∩B)P(B)
Por supuesto, podemos operar con esta fórmula para llegar a:
P(A∩B)=P(B)·P(A|B)
Que, a su vez, es lo mismo que:
P(A∩B)=P(A)·P(B|A)
Esto se lee como: la probabilidad de que ocurran a la vez los sucesos A y B es la probabilidad de que
ocurra A multiplicada por la probabilidad de que ocurra B, que está condicionada por la ocurrencia de A.
De una bolsa que tiene 6 pelotas verdes y 8 pelotas amarillas se sacan dos de ellas, una a una y sin
reemplazo. ¿Cuál es la probabilidad de que la primera pelota sea verde y la segunda amarilla?
Solución:
Definimos los sucesos:
A = "La primera pelota es verde".
B = "La segunda pelota es amarilla".
El número de bolas total es 14. Por tanto:
P(A∩B)=P(A)·P(B|A)=614·813=48182≈0,26
Entonces, hay aproximadamente un 26% de probabilidad de que la primera sea verde y la segunda, amarilla.
 Partición de un Espacio muestral
Una vez que hemos entendido la probabilidad condicionada, podemos explicar lo que es la partición del
espacio muestral.
Los sucesos A1, A2, ..., An forman una partición del espacio muestral E, si cumplen con que:
Son incompatibles entre sí: Ai∩Aj=∅, para todo i≠j.
Todos suman el espacio muestral: A1∪A2∪...∪An=E.
Viendo un ejemplo:
Los trabajadores de una empresa se dividen en 5 departamentos distintos. Se podría elegir un trabajador al
azar y anotar el departamento en el que trabaja.
Los sucesos que llamamos Aj son "pertenecer al departamento j" y forman una partición del espacio
muestral, puesto que la unión de todos los departamentos A1∪A2∪A3∪A4∪A5=E forman el espacio
muestral que sería ser un trabajador de la empresa (todos los departamentos juntos forman la totalidad de
la empresa). Además los sucesos son incompatibles entre sí, porque un trabajador no puede ser de dos
departamentos a la vez.
 Teorema de la Probabilidad Total Fórmula
Una vez que tenemos los conceptos anteriores ya entendidos, se puede pasar al teorema de la probabilidad
total.
Se tienen los sucesos A1,A2,...,An, que forman una partición del espacio muestral E; todos estos sucesos
con probabilidad distinta de cero. Se tiene B, que es un suceso cualquiera del espacio muestral; entonces,
la probabilidad de B es:
P(B)=P(A1)·P(B|A1)+P(A2)·P(B|A2)+...+P(An)·P(B|An)
Esta es la Regla o Teorema de la Probabilidad Total.
Esto quiere decir que la probabilidad de un suceso que puede darse en cualquiera de las particiones es la
suma de la probabilidad de tener esa partición, multiplicada por la probabilidad de tener ese suceso en esa
partición en concreto.
Vamos a solucionar el problema del principio de este artículo para que entiendas mejor el teorema.
Una empresa de fabricación de automoviles tiene tres fábricas. La primera fábrica produce un 40 del total
de los automoviles y la segunda fábrica produce otro 15 del total. Por cada lote de producción se hace un
control de calidad en todas las fábricas. En la primera fábrica, un 0,05 de los coches analizados son
defectuosos; en la segunda fábrica, esta cantidad asciende al 0,08; mientras que en la tercera fábrica, baja
al 0,04.
¿Cuál es la probabilidad de tomar un automóvil al azar y que sea defectuoso?
Solución:
Este problema se resuelve utilizando el teorema de la probabilidad total. Podemos ver que la partición del
espacio muestral son cada una de las fábricas:
F1 = "Producido en la fábrica 1".
F2 = "Producido en la fábrica 2".
F3 = "Producido en la fábrica 3".
Como podemos observar, se trata de una partición, puesto que las producciones de las tres fábricas forman
la producción de toda la empresa. Además, las producciones en las fábricas son incompatibles entre sí,
porque un mismo producto no puede producirse en dos fábricas distintas a la vez.
Ahora, podemos asignar probabilidades para entender los datos que tenemos y lo que nos piden:
Probabilidad de haberse producido en la fábrica 1: P(F1)=0,4
Probabilidad de haberse producido en la fábrica 2: P(F2)=0,15
Probabilidad de haberse producido en la fábrica 3: P(F3)=0,45
Probabilidad de haberse producido en la fábrica 1 y ser defectuoso: P(D|F1)=0,05
Probabilidad de haberse producido en la fábrica 2 y ser defectuoso: P(D|F2)=0,08
Probabilidad de haberse producido en la fábrica 3 y ser defectuoso: P(D|F3)=0,04
Ahora, se puede calcular la probabilidad de escoger un coche de cualquier fábrica y que sea defectuoso,
usando la fórmula de la probabilidad total:
P(D)=P(F1)·P(D|F1)+P(F2)·P(D|F2)+P(F3)·P(D|F3)
P(D)=0,4·0,05+0,15·0,08+0,45·0,04=0,05
Por tanto, la probabilidad de escoger un coche al azar y que sea defectuoso es del 5%.
 Teorema de la Probabilidad Total y Teorema de Bayes
Realmente, el teorema de Bayes se basa en el teorema de la probabilidad total, pero de manera inversa.
Usamos la probabilidad de algo que ya sabemos para calcular la probabilidad del suceso del cual procede.
Si A1, A2, ..., An son los sucesos de una partición del espacio muestral E y se conoce la probabilidad de un
suceso B, la probabilidad del suceso Aj condicionada por el suceso B viene dada por:
P(Ai|B)=P(Ai∩B)P(B)=P(Ai)·P(B|Ai)P(A1)·P(B|A1)+P(A2)·P(B|A2)+...+P(An)·P(B|An)
Como puedes ver en la fórmula anterior, el teorema de la probabilidad total se aplica en el denominador.
Un ejemplo muy parecido al anterior, para visualizar la diferencia.
Una empresa de fabricación de automoviles tiene tres fábricas; la primera fábrica produce un 40 del total de
automoviles y la segunda fábrica produce otro 15 del total.
Por cada lote de producción, se hace un control de calidad en todas las fábricas. En la primera fábrica,
un 0,05 de los automoviles analizados son defectuosos; en la segunda fábrica, esta cantidad asciende
al 0,08; mientras que en la tercera fábrica, baja al 0,04.
Se elige un coche al azar y resulta que es defectuoso. ¿Cuál es la probabilidad de que este automovil venga
de la primera fábrica?
Solución:
Como puedes observar, la diferencia con el problema anterior es que ya sabemos que el producto es
defectuoso; por tanto, lo que queremos encontrar es la probabilidad de que proceda de la primera fábrica.
Primero, asignamos probabilidades (como anteriormente) para hacer todo más claro:
Probabilidad de haberse producido en la fábrica 1: P(F1)=0,4
Probabilidad de haberse producido en la fábrica 2: P(F2)=0,15
Probabilidad de haberse producido en la fábrica 3: P(F3)=0,45
Probabilidad de haberse producido en la fábrica 1 y ser defectuoso: P(D|F1)=0,05
Probabilidad de haberse producido en la fábrica 2 y ser defectuoso: P(D|F2)=0,08
Probabilidad de haberse producido en la fábrica 3 y ser defectuoso: P(D|F3)=0,04
Ahora, lo que buscamos es la probabilidad de que F1 esté condicionado por D; es decir, que el defecto sea
de la primera fábrica:
P(F1|D)=P(F1)·P(D|F1)P(D)=P(F1)·P(D|F1)P(F1)·P(D|F1)+P(F2)·P(D|F2)+P(F3)·P(D|F3)
P(F1|D)=0,4·0,050,4·0,05+0,15·0,08+0,45·0,04=0,4·0,050,05=0,4
Por tanto, la probabilidad de que el coche defectuoso provenga de la primera fábrica es del 40.
Teorema de la probabilidad total: ejercicios resueltos
Vamos a hacer un ejercicio más sobre el teorema de la probabilidad total, para que practiques este concepto.
Se tienen tres cajas con bolas negras y blancas. En la primera caja hay 8 bolas negras y 4 bolas blancas;
en la segunda caja hay 5 bolas negras y 6 bolas blancas; y en la tercera caja hay 7 bolas negras y 4 bolas
blancas. Calcula la probabilidad de sacar una bola al azar de cualquier caja y que sea negra.
Solución:
Primero vamos a aplicar el teorema de la probabilidad total para resolver este problema.
Podemos sumar todas las bolas para saber el total; esto es 34 bolas. Sabiendo la cantidad de bolas que hay
en cada caja, podemos asignar las siguientes probabilidades:
Probabilidad de sacar una bola de la caja 1: C1=1234
Probabilidad de sacar una bola de la caja 2: C2=1134
Probabilidad de sacar una bola de la caja 3: C3=1034
Probabilidad de cada color en la caja 1: N=812, B=412
Probabilidad de cada color en la caja 2: N=511, B=611
Probabilidad de cada color en la caja 3: N=710, B=410
Vamos ahora a calcular la probabilidad de sacar una bola negra que sea de cualquier caja:
P(N)=P(B1)·P(N|B1)+P(B2)·P(N|B2)+P(B3)·P(N|B3)==1234·812+1134·511+1034·710=2034≈0,56
Por tanto, hay un 56% de probabilidades de sacar una bola negra.
Se ha calculado esta probabilidad usando el teorema de la probabilidad total. Pero, realmente este problema
es mucho más sencillo: como tenemos los números de cuántas bolas hay en cada sitio, y nos da igual de
qué caja coger la bola, podríamos haber sumado el número total de bolas negras y ver cuántas hay en
proporción al número total de bolas:
ººP(N)=nº de bolas negrasnº total de bolas=8+5+734=2034
Así, comprobamos que obtenemos el mismo resultado, y puedes ver el teorema de la probabilidad total
desde otra perspectiva y entender mejor lo que hace.
Teorema de la Probabilidad Total - Puntos clave
Si A y B son dos sucesos dentro de un experimento aleatorio, la probabilidad de A condicionada por B es:
P(A|B)=P(A∩B)P(B)
Los sucesos A1, A2, ..., An forman una partición del espacio muestral E, si cumplen con que:
Son incompatibles entre sí: Ai∩Aj=∅, para todo i≠j.
Todos suman el espacio muestral: A1∪A2∪...∪An=E.
Se tienen los sucesos A1,A2,...,An, que forman una partición del espacio muestral E; todos estos sucesos
con probabilidad distinta de cero. Se tiene B, que es un suceso cualquiera del espacio muestral; entonces,
la probabilidad de B es:
P(B)=P(A1)·P(B|A1)+P(A2)·P(B|A2)+...+P(An)·P(B|An)
Esta es la Regla o Teorema de la Probabilidad Total.
El teorema de Bayes nos dice que si A1, A2, ..., An son los sucesos de una partición del espacio muestral E y
se conoce la probabilidad de un suceso B, la probabilidad del suceso Aj condicionada por el suceso B viene
dada por:
P(Ai|B)=P(Ai∩B)P(B)=P(Ai)·P(B|Ai)P(A1)·P(B|A1)+P(A2)·P(B|A2)+...+P(An)·P(B|An)