ESTADISTICA GENERAL
PROBABILIDAD Y DISTRIBUCION
DE PROBABILIDAD
CAPITULO 2: PROBABILIDAD
Introducción
El uso de la teoría de probabilidades se inicio en el siglo XVII cuando Pierre
Fermat y Blaise Pascal tratan de resolver problemas relacionados con los juegos
al azar. A inicios del siglo XX Andrei Kolmogorov estableció las bases para la
teoría de probabilidad moderna en su trabajo “Ley 0-1 de Kolmogorov” y establece
los axiomas de probabilidad en 1933, la cual en la actualidad es parte de la teoría
de la medida. Hoy en día, las probabilidades se emplean en diversos campos
como los seguros, control de calidad, genética, entre muchos mas.
La teoría de probabilidad proporciona las reglas apropiadas para cuantificar la
incertidumbre y es el fundamento de la estadística inferencial.
A continuación, se definen los siguientes términos:
2.1 CONCEPTOS ASOCIADOS A PROBABILIDAD
2.1.1 Experimento
En Estadística, un experimento es un proceso que genera resultados de un fenómeno
que pueden ser observables y medibles los que proporcionan datos cualitativos y
cuantitativos. El experimento se clasifica en determinísticos y aleatorios (no
determinísticos).
❖ Experimento determinístico
Es aquel proceso en el que bajo las mismas condiciones iniciales (ambientales,
experimentales,…) se obtiene el mismo resultado. Sus principales características son:
▪ No existe aleatoriedad
▪ No hay incertidumbre
▪ El resultado es único y predecible
Ejemplos:
1) Caída de un objeto: Si lanzamos un objeto hacia arriba, sabemos con certeza que
volverá a caer debido a la gravedad.
2) Mezcla de colores: Mezclar rojo y blanco produce rosado.
3) Evaporación del agua: Al calentar agua por encima de 100°C, se evapora.
4) Fusión de hielo: Si calentamos un hielo, sabemos que se derretirá hasta convertirse
en agua líquida.
5) Calentamiento de metales: Calentar barras de hierro causa que se dilaten.
6) Congelación del agua: Si metemos una botella de agua en el congelador, sabemos
que se congelará.
❖ Experimento Aleatorio
Es aquel proceso que bajo las mismas condiciones iniciales (ambientales,
experimentales,…) se repite indefinidamente y los resultados no se pueden predecir
con certeza antes de realizar el experimento. Sus principales características son:
✓ Debe ser repetible en igualdad de condiciones.
✓ Antes de realizar el experimento, no se puede predecir el resultado que se va a
obtener.
✓ Se debe poder describir el conjunto de todos los resultados posibles.
Ejemplos:
1) Lanzar una moneda y observar la cara superior.
2) Lanzar un dado y ver la cara superior.
3) Seleccionar un delegado estudiantil de un salón de 50 estudiantes.
4) Extraer una bolilla de color de un bolillero que tiene seis colores diferentes.
5) Elegir un numero al azar.
6) Tiempo de vida de una bombilla eléctrica.
2.1.2 Espacio muestral
El espacio muestral asociado a un experimento aleatorio, es el conjunto de todos los
posibles resultados del experimento aleatorio. Cada resultado posible se denomina
punto muestral ω .
ω : es un punto muestral
Ejemplos:
1) 1 cara ; sello
2) 2 1,2 ,3 ,4 ,5 ,6
3) 3 Alumnoi / i 1,2,3,...,50
4) 4 rojo ,azul ,negro ,amarillo , verde , blanco
5) 5 1,2,3,4,5,...
6) 6 t /t 0
2.1.3 Evento o suceso
Un evento es un subconjunto del espacio muestral y se denota con letras mayúsculas (A,
B, C, …). Los eventos se clasifican en:
➢ Evento imposible Φ , es aquel que no tiene puntos muestrales, en
consecuencia, no ocurre nunca.
Ejemplo: Obtener un numero mayor que 6 al lanzar un dado de 6 caras
➢ Evento unitario o elemental ω , es aquel que contiene un solo punto muestral.
➢ Evento compuesto, contiene dos o mas eventos elementales.
➢ Evento seguro o cierto , coincide con el espacio muestral.
El espacio muestral y eventos se pueden representar por extensión,
comprensión, diagramas de Venn y diagrama de árbol de manera similar a la
teoría de conjuntos.
Ejemplo 01:
N de subconjuntos 2n( A ) EVENTOS O SUCESOS
N de subconjuntos 23 8
A1 1 A4 1,2
A 1 3
A2
A3
2
3
A5
A6
1,3
2,3
2 A7 1,2,3 A
Espacio Muestral A8 Φ
Ejemplo 02:
E C EVENTOS O SUCESOS
A1 C
S A2 S
A3 C,S Evento forzoso
Espacio Muestral
A4 Φ Evento imposible
2.2 Álgebra de eventos
En numerosos problemas de probabilidad interesan los eventos que pueden expresarse en
términos de dos o mas eventos, formando operaciones tales como: UNION, INTERSECCION,
DIFERENCIA Y COMPLEMENTO.
2.2.1 Unión de eventos
Dados A y B dos sucesos, A B es el suceso que ocurre A,B, o losdos simul t á n eamente.
Se puede llamar " A union B" o bien " A ó B"
A B ω ω A ω B
2.2.2 Intersección de eventos
Dados A y B dos sucesos, A B es el suceso que ocurre cuando ocurren simul t á n eamente A y B.
Se puede llamar " A inter sec ción B" o bien " A y B"
A B ω ω A ω B
2.2.3 Diferencia de eventos
La diferencia del evento A menos B es el evento A – B, que consiste en todos los
puntos muestrales que pertenecen al evento A y no pertenecen al evento B.
A B ω ω A ω B
2.2.4 Complemento de un evento
Dado un suceso A, su " complemento " es el suceso que ocurre si y sólo si no ocurre A.
El complemento de A se escribe A c o tambien A y se llama " complemento de A ".
A
A
Ac ω ω A
2.2.5 Diferencia simétrica de eventos
Si A y B son dos eventos del espacio muestral entonces el evento A B
A diferencia simetrica de B esta formado por todos los puntos muestrales
que pertenecen solo a A o solo a B.
A B ω ω A B B A
2.2.6 Eventos mutuamente excluyentes
Sean A y B son dos eventos del espacio muestral , se dice que A y B son eventos
mutuamente excluyentes si la ocurrencia de uno de ellos implica la no ocurrencia del otro
A B Φ A diferencia simetrica de B esta formado por todos los puntos muestrales
que pertenecen solo a A o solo a B.
2.2.7 Eventos colectivamente exhaustivos
Sean A1 , A 2 , A 3 , , A n eventos del espacio muestral , se dice que son eventos
colectivamente exhaustivos si A1 A2 A3 An
2.2.8 Propiedades
Conmutativa : A B B A ; A B A B ; A B B A
Asociativa : A B C A B C ; A B C A B C
Distributiva : A B C A C B C ; A B C A C B C
Idempotencia : A A A ; A A A ; A Φ A ; A A
Caso especial : A Φ Φ ; A
c
c c
Complemento : A A ; Φ ; Φc ; A Ac ; A Ac Φ
Leyes de Morgan :
c
A B Ac Bc
c
A B Ac Bc
Sucesos disjuntos
Son los sucesos cuya int er sec ción es nula. Dados los sucesos A y B,
son disjuntos si y solo si A B Φ
EJEMPLO N°1
Describa el espacio muestral de cada uno de los siguientes experimentos
aleatorios:
a) Se tira una moneda.
b) Se tiran 3 monedas distintas.
c) Se tiran 2 dados distintos.
d) Se eligen 2 colores primarios sin repetición.
e) En una caja hay 4 bolitas negras y 1 bolita blanca. Se van sacando bolitas (sin
reposición) hasta que aparezca una blanca.
EJEMPLO
a) Se tira una moneda.
C
C,S C
S
b) Se tiran 3 monedas distintas C
C
CCC, S
S
CCS,CSC,SCC, C
CSS,SSC,SCS,
C
SSS S
S C
S
S
c) Se tiran 2 dados distintos
(1,1)(1,2)(1,3)(1,4)(1,5)(1,6)
(2,1)(2,2).....
(3,1)(3,2).....
(4,1)(4,2).....
(5,1)(5,2).....
(6,1)(6,2)(6,3)(6,4)(6,5)(6,6)
d) Se eligen 2 colores primarios sin repetición.
(Am,Rojo)(Am, Azul)(Azul,Rojo)
e) En una caja hay 4 bolitas negras y 1 bolita blanca. Se van sacando bolitas (sin
reposición) hasta que aparezca una blanca.
B, NB, NNB, NNNB, NNNNB
EJEMPLO N°2
Un experimento consiste en lanzar un dado. Se definen 3 sucesos:
A: sale menos de 3.
B: sale más de 3.
C: sale 2, 4, ó 6.
Describa los siguientes sucesos:
a) Ocurre solamente A.
b) Ocurre B, y no ocurre C.
c) Ocurre alguno de los tres.
d) Ocurren los tres simultáneamente.
e) Ocurre solamente uno de los tres.
f) No ocurre ninguno de los tres.
A : sale menos de tres A 1, 2
B : sale más de tres B 4 ,5,6
C : sale 2 ,4 ó 6 C 2, 4 , 6
a) Ocurre solamente A.
b) Ocurre B, y no ocurre C.
c) Ocurre alguno de los tres.
d) Ocurren los tres simultáneamente.
e) Ocurre solamente uno de los tres.
f) No ocurre ninguno de los tres.
A: sale menos de 3.
B: sale más de 3.
C: sale 2, 4, ó 6.
Describa los siguientes sucesos: a) Solo A 1
a) Ocurre solamente A. b) B C 4, 5,6 1,3, 5 5
b) Ocurre B, y no ocurre C.
c) A o B o C A B C 1,2,4,5,6
c) Ocurre alguno de los tres.
d) A y B y C A B C Φ
d) Ocurren los tres simultáneamente.
e) solamente uno 1,5
e) Ocurre solamente uno de los tres.
f ) No ocurre ninguno 3
f) No ocurre ninguno de los tres.
2.3 Definiciones de Probabilidad
2.3.1 Definición clásica (Laplace)
Sea A el evento del espacio muestral y P(A) un numero real que pertenece al intervalo 0 ;1
, se define la probabilidad del evento A como el cociente entre el numero de casos
favorables y el numero de casos posibles del experimento, siempre y cuando todos los
eventos elementales son equiprobables, la probabilidad del evento A es:
1
Si ω1 ,ω2 ,ω3 ,...,ωn y P ωi , i 1,2,...,n
n
Entonces:
Numero de casos favorables n A
P A
Numero de casos posibles n
La probabilidad clásica, utiliza ejemplos previsibles como monedas no alteradas, dados no
cargados y mazos de barajas normales, entonces podemos establecer la respuesta de
antemano, sin necesidad de lanzar una moneda, un dado o tomar una carta. No tenemos
que efectuar experimentos para poder llegar a conclusiones.
2.3.2 Definición Frecuentista
Considere un exp erimento que se repite "n " veces y el evento A del espacio muestral ,
que ocurre n A veces, entonces la probabilidad frecuentista se define como :
n A
P A lim hA
n n
Donde : h A la frecuencia relativa del evento A, "n " numero de repeticiones del exp erimento
y n A vcardinal del evento A.
Se lee : P A de un evento A es el lim ite de la frecuencia relativa de la ocurrencia de A en "n "
repeticiones del exp erimento, con "n " tendiendo para el inf inito.
La int erpretacion de probabilidad como frecuencia relativa depende de la idea de regularidad
estadistica que establece que las frecuencias relativas tienden a establecerse a un valor fijo
despues de repetir el exp eriemento aleatorio un gran numero de veces.
2.3.3 Definición axiomática de probabilidad (Kolmogorov)
Sea el espacio muestral asociado al experimento E. la probabilidad de una función P
que asigna a cada evento A un numero P(A) ( es decir, una regla bien definida por la que se
asigna a cada evento un único numero real) llamado la probabilidad del evento A tal que
cumpla los axiomas siguientes:
Pr imer axioma : La probabilidad de un evento A es un numero real entre 0 y 1 :
0 P A 1 para cada evento A en .
Segundo axioma : Ocurre un evento de la muestra de t odos los eventos o espacio de sucesos
con probabilidad 1 : P 1
Tercer axioma :
Para cualquier numero finito A1 ,A 2 ,...A n de eventos mutuamente excluyentes en :
n n
P Ai P Ai
i 1 i 1
CONSECUENCIAS DE LOS AXIOMAS
Sean : A, A c ,B,C
1. P A c 1 P A
2. P 0
3. Dados dos sucesos tales que A B entonces P A P B , si A y B son disjuntos.
4. Si A y B son eventos mutuamente excluyentes entonces
P A B P A P B
5. Si A y B son dos sucesos cualesquiera de , entonces :
P A B P A P B P A B
6. Para tres eventos A, B y C
P A B C P A P B P C P A B P A C P B C P A B C
7. Sean los eventos A y B, entonces: P A B P A P A B
8. Sean los eventos A y B entonces : P A B P A P A B
EJEMPLO N°1
1. Si el suceso A consiste en obtener cara al tirar una moneda, cual es la
probabilidad de que ocurra el suceso A.
Solución
Espacio muestral: = Cara , Sello → n ( ) = 2
Sea el evento: A: Obtener cara
A = Cara → n ( A ) =1
La probabilidad de obtener cara es:
n( A) 1
P( A ) = = = 0.50 = 50%
n() 2
EJEMPLO N°2
2. Si el suceso B consiste en obtener un 3 al tirar un dado no cargado, cual es la
probabilidad de que ocurra el suceso B.
Solución
Espacio muestral: = 1, 2, 3, 4, 5, 6 → n ( ) = 6
Sea el evento: B: Obtener un 3
B = 3 → n ( B ) =1
La probabilidad de obtener el numero 3 sera:
n( B) 1
P( B) = = = 0.166 =16.6 %
n() 6
EJEMPLO N°3
3. Ahora se lanza una moneda y un dado al mismo tiempo, obtener la probabilidad
de obtener cara en la moneda y un numero impar en el dado.
Solución
1C, 2C, 3C, 4C, 5C, 6C
Espacio muestral: = → n ( ) = 12
1S, 2S, 3S, 4S, 5S, 6S
Sea el evento: D: Obtener cara en la moneda y un numero impar en el dado
D = 1C, 3C, 5C → n ( D ) = 3
Por consiguiente:
n( D) 3 1
P( D ) = = = = 0.25 = 25 %
n ( ) 12 4
EJERCICIOS:
1. Al lanzar una moneda dos veces. ¿Cuál es la probabilidad de obtener una cara y un sello?.
2. Al lanzar una moneda tres veces consecutivos. ¿Cuál es la probabilidad de obtener por lo
menos dos sellos?.
3. ¿Cuál es la probabilidad de obtener 12 al multiplicar los resultados de dos dados correctos?.
4. Si se lanza dos dados sobre una superficie plana. ¿Cuál es la probabilidad que, al observar
las caras superiores de ambos dados, resulte que la suma sea un numero impar menor e igual
que 7?
5. De una baraja de cartas. Se extrae una carta. ¿Cuál es la probabilidad de que la carta sea de
figura negra con un valor de 10?.
6. Los esposos, Curie que acaban de casarse desean tener tres hijos. ¿Cuál es la probabilidad
de que dos de ellos sean niñas y uno sea varón?
