Temas a desarrollar

Probabilidad. Experimento aleatorio, espacio

muestral, variable aleatoria. Probabilidad condicional.
Sucesos mutuamente excluyentes e independientes.
Variable aleatoria. Esperanza y varianza de una
variable aleatoria. Distribucin de probabilidad.

Material Preparado por Olga S. Filippini y Hugo Delfino

Las teoras matemticas, sobre todo las relacionadas

con fenmenos naturales, a los que se trata de
entender para luego poder predecir, se construyen
siempre a partir de conceptos intuitivos,
suficientemente claros para que puedan ser aplicados
en las primeras etapa de la teora, pero no
suficientemente rigurosos para que queden a salvo
de objeciones cuando la misma alcanza cierto grado
de desarrollo. Se hace necesario, entonces, revisar
los fundamentos, precisar las definiciones y dar, si es
posible, una construccin axiomtica.
Material Preparado por Olga S. Filippini y Hugo Delfino

Sin embargo, para comenzar a estudiar una teora, no

siempre el camino axiomtico es el mas recomendable.
Los axiomas son elaborados por quienes conocen muy
bien la teora, y su verdadero sentido se comprende con
facilidad cuando se est familiarizado con el tema.
Es mejor empezar por definiciones tal vez no muy
exactas y con ejemplos simples, pero substanciales,
para poder comprender luego el verdadero sentido de
los axiomas, y para que los mismos aparezcan de
manera natural como expresin sinttica y firme de
conocimientos ya adquiridos.
Material Preparado por Olga S. Filippini y Hugo Delfino

 Probabilidad: Es un valor comprendido entre 0 y 1, incluidos

estos dos valores, que describe la posibilidad de ocurrencia
de un evento.
Experimento: Cualquier proceso que produce un resultado.
Determinstico: Ante la repeticin del mismo se obtiene
siempre el mismo resultado.
Aleatorio: Repitiendo el experimento en idnticas
condiciones se obtienen distintos resultados.
Punto muestral Resultado: Es un resultado particular de
un experimento.
Evento: Es una coleccin de uno o mas resultados de un
experimento.
Material Preparado por Olga S. Filippini y Hugo Delfino

 Evento o Suceso Aleatorio: Es una coleccin

de uno o mas resultados de un experimento.
E1=Sacar un 5 al tirar un dado
E2=Sacar un nmero par al tirar un dado.
E3=Sacar un nmero menor que 7 al tirar
un dado=EVENTO CIERTO
E4=Sacar un nmero mayor que 6 al tirar un
dado=EVENTO IMPOSIBLE
Material Preparado por Olga S. Filippini y Hugo Delfino

 Sucesos mutuamente excluyentes:

Dos sucesos A y B son mutuamente excluyentes

cuando la ocurrencia de uno de ellos impide la
ocurrencia del otro.
P(AB)=P(AyB)=P(AB)=0

Sucesos colectivamente exhaustivos

Dos sucesos A y B son colectivamente exhaustivos

cuando al menos uno de ellos deba ocurrir siempre
que se realiza el experimento.
Dicho en otras palabras, deber cumplirse que la suma
de las probabilidades de todos los sucesos deber ser
igual a 1.
Material Preparado por Olga S. Filippini y Hugo Delfino

4-3

Espacio muestral: Es el conjunto de todos los posibles

resultados de un experimento.
Suele representarse con la letra S. Puede visualizarse a travs de
Listas
Conjunto de posibles resultados al tirar un dado={1;2;3;4;5;6}
Diagramas de rbol
Conjunto de posibles resultados al tirar dos monedas
C
C
S
C
S
S
Material Preparado por Olga S. Filippini y Hugo Delfino

4-3

Tablas rejilla
Conjunto de posibles resultados al tirar un dado rojo
y uno azul
11
12
13
14
15
16

21
22
23
24
25
26

31
32
33
34
35
36

41
42
43
44
45
46

51
52
53
54
55
56

61
62
63
64
65
66

Material Preparado por Olga S. Filippini y Hugo Delfino

4-3

Conjuntos ( Diagramas de Venn)

Se pretende representar a las mujeres, a los
universitarios pero es necesario tener en cuenta que
existen mujeres universitarias.
A
mujeres

universitarios

Mujeres universitarias
Material Preparado por Olga S. Filippini y Hugo Delfino

 Tablas de doble entrada

Cuando se tienen dos o mas variables con dos o
mas categoras cada una, por ejemplo hombres y
mujeres, Ingenieros Agrnomos y Licenciados en
Economa y Administracin Agraria.

M
H

Ing.Agr.
40
60
100

Lic.Ec. y Adm.
25
30
55

65
90
155

Recordemos cuales son los totales marginales y el gran total.

Material Preparado por Olga S. Filippini y Hugo Delfino

4-4

TIP OS DE P ROB AB ILIDAD

P ROB AB ILIDAD
OB JETIVA

P ROB AB ILIDAD
CLASICA

PROB AB ILIDAD
EMPIRICA

DEF INICION
CLASICA

DEF INICION
FRECUENCIAL

PROB AB ILIDAD
SUB JETIVA

DEF INICION
SUB JETIVA

Material Preparado por Olga S. Filippini y Hugo Delfino

 Se basa en que todos los resultados son

igualmente probables o equiprobables.
Mutuamente excluyentes
Colectivamente exhaustivos

Nmero de resultados favorables

Probabilid ad de un evento =
Nmero de resultados posibles

Ejemplo: Sea el experimento de tirar dos monedas a la vez

El espacio muestral ser S = {CC, CS, SC, SS}
Consideremos el evento de que salga una sola cara.
Probabilidad de una sola cara = {CS, SC}/{CC, CS, SC, SS}=
= 2/4 = = 0,5.

Material Preparado por Olga S. Filippini y Hugo Delfino

 Cuando los resultados no son equiprobables la probabilidad de

ocurrencia de un evento se determina por observacin del nmero
de veces que eventos similares ocurrieron en el pasado.
(frecuencia relativa)
Probabilid ad de un evento =

Nmero de veces que el evento ocurri en el pasado

Nmero de observacio nes

Ejemplo: Sea el experimento de estudiar una droga que cura

cierta enfermedad en vacunos enfermos. Se aplic a 1000
vacunos y se curaron 700.
El espacio muestral ser S = {curado; no curado}
Consideremos el evento de que el vacuno se cure.
Probabilidad de curado = 700/1000=0,7
Material Preparado por Olga S. Filippini y Hugo Delfino

 Cuando no se tienen datos para ningn tipo de clculo,

ni posibilidad de efectuar repetidamente el experimento,
se recurre a un experto, quien de acuerdo a su buen
saber y entender estimar la probabilidad.
Ejemplos:

Calcular la probabilidad de que un tenista gane un campeonato

Calcular la probabilidad de que un club de futbol salga campen

Calcular la probabilidad de que el precio de las acciones de una
compaa se incremente en dos aos.
Material Preparado por Olga S. Filippini y Hugo Delfino

 Independientemente de que definicin de probabilidad

utilicemos, siempre se debern cumplir los siguientes
tres axiomas.
Axiomas:

Axioma 1: La probabilidad de un evento existe y es un nmero

mayor o igual a cero

0 P ( A)

Axioma 2: La probabilidad de todo el espacio muestral es 1.

P(S)=1

Axioma 3: Si dos eventos A y B son mutuamente excluyentes

P(AB)=P(A)+P(B)

Material Preparado por Olga S. Filippini y Hugo Delfino

Material Preparado por Olga S. Filippini y Hugo Delfino

 Si A y B son dos sucesos no mutuamente

excluyentes, luego la probabilidad de la unin entre
ambos est dada por la siguiente frmula.
P(A B) = P(A) + P(B) - P(A B)

A and B

Si A y B son dos sucesos mutuamente excluyentes,

se cumple:
P(A B) = P(A) + P(B)
Material Preparado por Olga S. Filippini y Hugo Delfino

Un experimento genera
un espacio muestral que
contiene ocho sucesos
E1,...,E8 con p(Ei)=1/8,
i=1,...,8. Los sucesos A
y B se definen as:

E4
E1

E1

E6

E3
E5
E7

E8

A= {E1,E4,E6}
B= {E3,E4,E5,E6,E7}

a) P(A)= 3/8

(a) P(A)

(c) P(A U B)= P(A) + P(B) P(AB)

Encuentre:
(b) P()

(c) P(A U B)

(b) P()= 5/8

P(A U B)= 3/8 + 5/8 2/8= 6/8= 0,75

resultado que es muy fcil verificar

visualmente en el diagrama.

Material Preparado por Olga S. Filippini y Hugo Delfino

 Dos eventos A y B son independientes cuando se

cumple que la probabilidad conjunta es igual al
producto de las probabilidades marginales.

PROBABILIDAD CONDICIONAL

Probabilidad Condicional es la probabilidad de

ocurrencia de un evento en particular, dado que
otro evento ha ocurrido. La probabilidad
condicional de el evento A dado que el evento B
ha ocurrido se escribe P(A|B).
Material Preparado por Olga S. Filippini y Hugo Delfino

 Dados dos eventos A y B la probabilidad conjunta

de que ambos sucedan se calcula segn la
siguiente frmula:
P(A B) = P(A)*P(B|A) = P(B A) = P(B)*P(A|B)

Si los eventos A y B son independientes la

probabilidad conjunta de que ambos sucedan
se calcula segn la siguiente frmula:
P(A B) = P(B A) = P(A)*P(B) = P(B)*P(A)
Material Preparado por Olga S. Filippini y Hugo Delfino

Un experimento genera un
espacio muestral que
contiene ocho sucesos
E1,...,E8 con p(Ei)=1/8,
i=1,...,8. Los sucesos A y B
se definen as:
A= {E1,E4,E6}
B= {E3,E4,E5,E6,E7}

Resolver:
(a)
Son los sucesos A y B
mutuamente excluyentes?
Por qu?
(b) Son
los sucesos A y B
independientes? Por qu?
(C) P(AB)
(d)
P(A/B)

A
E1

E4

E6

E2

E3
E7

E5
E8

(a) No, porque AB0

(b) No, porque P(A)*P(B) P(AB)

3/8 * 5/8 2/8

(c) P(AB) = 2/8= 0,25

(d) P(A/B)= P(AB) / P(B)= (2/8) / (5/8)= 2/5

Esto puede verse en el diagrama, ya que saber que

B ocurri, reduce nuestro espacio muestral a los
cinco elementos de B. Y de ellos, slo dos
pertenecen a A.
Material Preparado por Olga S. Filippini y Hugo Delfino

Dos candidatos a los consejos de administracin A y B, compiten por el control de

una corporacin. Las probabilidades de ganar de estos candidatos son 0,7 y 0,3,
respectivamente. Si gana A, la probabilidad de introducir un nuevo producto es 0,8;
si gana B, la correspondiente probabilidad es 0,4. Demuestre que, antes de las
elecciones, la probabilidad de que sea introducido un nuevo producto es 0,68.
Sugerencias: Recordar probabilidad condicional y probabilidad conjunta
Considerar todo el espacio muestral

P(NB)

P(NA)

Datos:
P(A)= 0,7
P(B)= 0,3

P(N/A)= 0,8
P(N/B)= 0,4

Solucin:
P(N)= P(NA) + P(NB)
P(N)= P(N/A)*P(A) + P(N/B)*P(B)
P(N)= 0,8*0,7 + 0,4*0,3= 0,68
Material Preparado por Olga S. Filippini y Hugo Delfino

El 34% de los rboles de un bosque tienen ms de 15 aos. El 54% son de la

variedad A. De los de la variedad A, el 7% tiene ms de 15 aos. Si se elige un rbol
al azar,

a) Cul es la probabilidad de que tenga ms de 15 aos y sea de la variedad A?

b) Cul es la probabilidad de que teniendo menos de 15 aos, sea de la variedad A?
Sugerencias: Recordar probabilidad condicional y probabilidad conjunta
Considerar tablas de contingencia
Datos:

+ 15

-15

A 0,0378 0,5022
0,3022 0,1578
0,34

0,66

0,54
0,46
1

P(+15)= 0,34
P(+15/A)= 0,07

P(A)= 0,54

Solucin:
a) P(+15A)= P(+15/A)*P(A)
= 0,07*0,54= 0,0378
b) P(A/-15)= P(A-15) / P(-15)
= 0,5022 / 0,66= 0,76

Material Preparado por Olga S. Filippini y Hugo Delfino

El 70% del ganado es inyectado con una vacuna para combatir una
enfermedad grave. La probabilidad de recuperarse de la enfermedad es 1 en
20 si no ha habido tratamiento y de 1 en 5 si hubo tratamiento. Si un animal
infectada se recupera, cul es la probabilidad de que haya recibido la vacuna
preventiva?
Sugerencias: Recordar probabilidad condicional y probabilidad conjunta
Regla del producto.

Incgnita: P( I /R )

Datos:
P( I )= 0,7
P( )= 0,3

P( R / I )= 0,2
P( R / )= 0,05

P (I I R )
P (R I I )
P (I / R ) =
=
=
P (R )
P (R I I ) + P (R I I )
P ( R / I ) * P (I )
0 ,2 * 0 ,7
=
=
= 0 ,9
0 ,2 * 0 ,7 + 0 ,05 * 0 ,3
P ( R / I ) * P (I ) + P ( R / I ) * P (I )
Material Preparado por Olga S. Filippini y Hugo Delfino

Dado un experimento aleatorio y su correspondiente espacio

muestral se denomina variable aleatoria a la funcin que
asigna a cada elemento del espacio muestral un nmero real.
X : S R / X (s ) = x

Ejemplo: Si se define la variable aleatoria X=nmero de caras obtenidas al

arrojar dos monedas
Rx
Qu valores puede tomar x?
S

SS
CC
SC
CS

0
2
1

X(SS)=0

X(CS)=X(SC)=1
X(CC)=2

Se denomina recorrido Rx al conjunto

de valores que puede tomar la variable.

Material Preparado por Olga S. Filippini y Hugo Delfino

Una variable aleatoria es discreta cuando toma un nmero

contable de valores.Entonces entre dos valores
consecutivos de una variable aleatoria discreta no hay
ningn nmero que pertenezca al recorrido de la variable
Rx={X1;X2;,Xn,} donde cada Xi es un valor de la v.a.
En general , estos valores no sern igualmente probables,
sino que cada X tendr asignada una probabilidad.
Luego, para caracterizar una variable aleatoria discreta es
necesario conocer su recorrido y la probabilidad de cada
elemento del recorrido

Material Preparado por Olga S. Filippini y Hugo Delfino

Sigamos con el ejemplo X= Cantidad de caras al

tirar dos monedas
P(X=0)= P(SS)=
P(X=1)= P(SC;CS)=
P(X=2)= P(CC)=
Propiedades
1) P(Xi)0 Xi

Funcin de distribucin de probabilidad

P(X)
0,5

2)

0,25

P ( Xi ) = 1

Xi Ri

Material Preparado por Olga S. Filippini y Hugo Delfino

Una variable es continua en un intervalo cuando puede tomar cualquier

valor perteneciente al intervalo.
En general definiremos variables aleatorias continuas cuando las
experiencias consistan en medir peso, altura, longitud, tiempo,
temperatura, etc.
En este caso se define (en lugar de la funcin de distribucin) una
funcin de densidad de probabilidad que tiene las siguientes
propiedades

1) f(x)0 XR
2)

f ( x ) dx = 1

3 )a < b P ( a x b ) =

f ( x ) dx

Material Preparado por Olga S. Filippini y Hugo Delfino

La esperanza es un parmetro de la distribucin.

Es una medida de tendencia central.

=E X =

xi p xi

Si X es discreta

x f x dx

Si X es continua

x i R x

=E X =

Material Preparado por Olga S. Filippini y Hugo Delfino

La esperanza E(x) no es un resultado que esperararamos cuando X se observa slo

una vez.
Pero si observramos un gran nmero de observaciones independientes de X el
promedio de esos resultados estar cerca de E(x).
Ejemplo:

En una operacin comercial se puede obtener una utilidad de $1000 o sufrir

una prdida de $500. Si la probabilidad de una utilidad es de 0,6, demuestre
que la utilidad esperada en dicha operacin es de $400.
Primero definimos la variable aleatoria
X= utilidad en operacin comercial

= E( X ) =

xi p( xi )

x i R x

E(X)=1000*0,6+(-500)*0,4
E(X)=400

Material Preparado por Olga S. Filippini y Hugo Delfino

Sean X e Y variables aleatorias y c una constante

perteneciente a los reales:
1) E (c ) = c

2) E (X+c ) = E(X) + c
3) E (cX) = c E(X)

4) E (X+Y) = E(X) + E(Y)

5) E (X-Y) = E(X) - E(Y)

6) Si X e Y son independientes E (XY) = E(X) * E(Y)

Material Preparado por Olga S. Filippini y Hugo Delfino

La variancia es un parmetro de la distribucin. Es

una medida de dispersin de los valores de x
alrededor de E(X)

Material Preparado por Olga S. Filippini y Hugo Delfino

Sean X e Y variables aleatorias y c una constante

perteneciente a los reales:
1) V (c ) = 0

2) V (X+c ) = V(X)

3) V (cX) = c2 V(X)

4) Si X e Y son independientes V (X+Y) = V(X) + V(Y)

5) Si X e Y son independientes V (X-Y) = V(X) + V(Y)
Material Preparado por Olga S. Filippini y Hugo Delfino

P A1 B

P A1

P A1 P B A1
P B A1 P A2 P B A2

Material Preparado por Olga S. Filippini y Hugo Delfino

 Permutaciones: Algunos arreglos de r objetos

seleccionados de n posibles objetos.
n

n
=
nr !

Nota: El orden de los arreglos es importante

en las permutaciones.

Material Preparado por Olga S. Filippini y Hugo Delfino

 Combinaciones: El nmero de formas de

elegir r objetos de un grupo de n objetos sin
considerar el orden.

n
nC r =
r nr

Material Preparado por Olga S. Filippini y Hugo Delfino