Está en la página 1de 33

1

CAPTULO 1: DEFINICIONES










2
PROBABILIDAD
1.1 Definicin I:

Definicin Clsica: La probabilidad de un evento es la razn entre el
nmero de casos (sucesos) favorables y el nmero total de casos
(sucesos) posibles, siempre que nada obligue a creer en algunos de estos
sucesos debe tener preferencia a los dems, lo que hace que todos sean
igualmente posibles.

Definicin por Frecuencia Relativa: si un experimento bien definido se
repite n veces (n grande); sea n
A
<n el nmero de veces que el evento A
ocurre en los n ensayos , entonces la frecuencia relativa de veces que
ocurre el evento A n
A
/n, es la estimacin de la probabilidad que ocurra el
evento A, o sea
P[A]= n
A
/n (PREZ pg237)

1.2 Definicin II:

La probabilidad es una disciplina abstracta que se usa como modelo para
hacer deducciones relativas a eventos que posiblemente pueden ocurrir.
Existen tres enfoques para el estudio de la probabilidad:

Probabilidad clsica. Llamada tambin probabilidad a priori debido a que
es posible conocer el resultado con anterioridad, es decir sin llevar a cabo
el experimento y solo basado en un razonamiento.
Probabilidad de frecuencia relativa de la ocurrencia
El clculo de este tipo de probabilidad se basa en la repeticin de la
ocurrencia de un evento, al realizar una gran cantidad de pruebas o
experimentos.
Probabilidad subjetiva. Es la probabilidad bajo un criterio personal;
basado en cualquier tipo de evidencia disponible. (ROS pg63)



3
1.3 Definicin III:

La probabilidad de un evento A, es un nmero real en el intervalo [0, 1]
que denotaremos por P(A), y representa una medida de la frecuencia con
la que se observa la ocurrencia del evento A cuando se efecta el
experimento aleatorio en cuestin. Existen al menos cuatro definiciones
de probabilidad las cuales explicamos a continuacin.
Probabilidad clsica. Sea A un subconjunto de un espacio muestral de
cardinalidad finita. Se define la probabilidad clsica del evento A como el
cociente:

P(A) =



En donde el smbolo #A denota la cardinalidad o nmero de elementos
del conjunto A. Claramente esta definicin es solo vlida para espacios
muestrales finitos, pues forzosamente necesitamos suponer que el
nmero de elementos en es finito. Adems, el espacio debe ser
equiprobable, pues para calcular la probabilidad de un evento A,
nicamente necesitamos contar cuantos elementos tiene A respecto del
total, sin importar exactamente qu elementos particulares sean. Por lo
tanto, esta definicin de probabilidad presupone que todos los elementos
de son igualmente probables o tienen el mismo peso. Este es el caso por
ejemplo de un dado equilibrado. Para este experimento el espacio
muestral es el conjunto = {1, 2, 3, 4, 5, 6}, y si deseamos calcular la
probabilidad (clsica) del evento A correspondiente a obtener un numero
par, es decir, la probabilidad de A = {2, 4, 6}, entonces

P(A) =



Probabilidad frecuentista. Suponga que se realizan n repeticiones de un
cierto experimento aleatorio y sea A un evento cualquiera. Denotemos por
n(A) el nmero de ocurrencias del evento A, en las n realizaciones del

4
experimento. Se define entonces la probabilidad frecuentista de A como
indica el siguiente lmite:

P(A) =



Probabilidad subjetiva. En este caso la probabilidad de un evento
depende del observador, es decir, segn lo que el observador conoce del
fenmeno en estudio.
Puede parecer un tanto informal y poco seria esta definicin de la
probabilidad de un evento, sin embargo en muchas situaciones es
necesario recurrir a un experto para tener por lo menos una idea vaga de
cmo se comporta el fenmeno de nuestro inters y saber si la
probabilidad de un evento es alta o baja.

Por ejemplo, Cul es la probabilidad de que un cierto equipo de ftbol
gane en su prximo partido?
Ciertas circunstancias internas del equipo, las condiciones del equipo rival
o cualquier otra condicin externa, son elementos que slo algunas
personas conocen y que podran darnos una idea ms exacta de esta
probabilidad. (devore pg57)


1.4 Definicin IV:
Es la medida de la probabilidad de que ocurra un hecho o evento, donde
una probabilidad subjetiva es la medida que asignamos basados en
nuestro criterio personal, experiencia o deseos y una probabilidad
objetiva es la medida que asignamos basados en datos concretos y en la
teora matemtica. (CASTAEDA pg35)



5
1.5 Definicin V:
El clculo de probabilidades de un suceso o fenmeno, se puede
determinar por dos procedimientos; los llamados a priori o a posteriori,
que se fundamentan en alguna de las siguientes definiciones siguientes.
Una vez introducido el concepto de probabilidad, volveremos para definir
los dos procedimientos indicados.
Concepto estadstica:
Desarrollado en el siglo pasado, tiene su fundamento en el concepto de
frecuencias relativas. Se define como el lmite de la frecuencia relativa de
un suceso, cuando el nmero de sucesos del fenmeno estadstica que se
observa se hace muy grande, tendiendo a infinito.


Donde:

: probabilidad del suceso.

: frecuencia absoluta de la variable favorable, o lo que es lo mismo,


nmero de veces que se produce el suceso esperado, entre las n sucesos
del fenmeno observado.
n =

= frecuencia relativa del suceso i, como la razn o proporcin entre el


nmero de veces que se presenta el suceso favorable, con relacin al
nmero total de veces que se produce el suceso esperado.
Esta definicin tiene la dificultad que entraa el determinar el nmero de
observaciones suficientes, la n.
Concepto modernizado:
Enunciado en nuestro siglo y define la probabilidad como la aplicacin que
establece entre los sucesos estadsticos y el conjunto de los nmeros
racionales.

6

p(

)
En las definiciones anteriores se ha hablado continuamente de suceso;
conviene recordar algunos de los conceptos ms utilizados en estadstica
de los distintos sucesos, que se nos pueden presentar:
Suceso estadstico.- conjunto de todos los resultados posibles de un
estudio o experimento estadstico.
Suceso elemental o elemento.- cada uno de los resultados del suceso
estadstico. El ltimo elemento en que se puede descomponer el suceso
sin que admita simplificacin.
Por ejemplo: en las extracciones de una carta de una baraja espaola un
elemento puede ser as de oros.
Sucesos excluyentes o incompatibles.- son aquellos cuyos conjuntos que lo
contienen son disjuntos, es decir, no tienen ningn elemento en comn.
Por ejemplo: el suceso hora del da es excluyente del hora de la noche.
Sucesos compatibles.- las que tienen al menos un elemento en comn, es
decir, aquellos cuya interseccin no es vaca.
Por ejemplo: lectores de un peridico.
Suceso contrario a uno dado.- est compuesto por la totalidad de los
elementos que no contiene caracterstica dada(s). Se representa por s.
Por ejemplo: el suceso no sacar un 7.
Los procedimientos mediante los cuales se realiza el clculo de
probabilidades, como ha quedado dicho.
Probabilidad a posteriori.- es el caso en que conocemos la informacin
previamente al clculo de la probabilidad. Esta informacin ser una tabla
estadstica en las que conoceremos las frecuencias con que se ha
producido el suceso, por tanto, podremos determinar las frecuencias
relativas y utilizando la definicin estadstica de probabilidad, determinar la
probabilidad del suceso.

7

Probabilidad de priori.- cuando no se dispone previamente de los datos
del comportamiento del suceso, hay que recurrir al concepto matemtico de
probabilidades y hacer uso de los mtodos de conteo entre ellos
fundamentalmente la teora combinatoria. (MILLER, FREUND pg22-23)

1.6 Definicin VI:
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 o Resultado: Es un resultado particular de un
experimento.

Evento: Es una coleccin de uno o ms resultados de un experimento.

Evento o Suceso Aleatorio: Es una coleccin de uno o ms resultados
de un experimento.

Sucesos mutuamente excluyentes:
Dos sucesos A y B son mutuamente excluyentes cuando la ocurrencia
de uno de ellos impide la ocurrencia del otro.

P(A B)=P(AyB)=P(AB)=0


8
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.

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

Tablas rejilla
Conjunto de posibles resultados al tirar un dado rojo y uno azul.

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


9
Tipos de probabilidad:












Probabilidad clsica
Se basa en que todos los resultados son:

Igualmente probables o equiprobables
Mutuamente excluyentes
Colectivamente exhaustivos

Probabilidad de un evento =




Probabilidad frecuencial
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).

Probabilidad de un evento =




Definicin clsica
Probabilidad objetiva
Probabilidad clsica Probabilidad emprica
TIPOS DE PROBABILIDAD
Probabilidad subjetiva
Definicin subjetiva
Definicin frecuencial

10
Probabilidad subjetiva
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.
(SPIEGEL pg5-7)

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.


1.6 Definicin VII:
Experimento:
Es el proceso a travs del cual se obtienen observaciones.
Espacio Muestral:
Es el conjunto de todos los posibles resultados de un experimento
estadstico. El espacio muestral suele denotarse por la letra S. Los
elementos del espacio muestral, se denominan puntos muestrales.


Espacio Muestral Discreto:
Es un espacio muestral que contiene un nmero finito o numerablemente
infinito de puntos muestrales.

Espacio Muestral Continuo:
Es un espacio muestral que contiene un nmero infinito de posibilidades
iguales al nmero de puntos que existen en un segmento de lnea.

Evento:

11
Es un subconjunto de un espacio muestral. Debido a esto, un evento
puede estar formado por todo el espacio muestral, parte de ste o por el


Complemento de un Evento:
Es el conjunto de puntos muestrales, del espacio muestral, que no estn
en el evento. Si el evento lo denotamos por A, el complemento esta
denotado por A.

Interseccin de dos Eventos:
Es el evento que contiene los puntos muestrales comunes de los dos
eventos. Si denotamos por A y por B los dos eventos, entonces la
interseccin se denota por A B.

Eventos Mutuamente Excluyentes:
Se dice que dos o ms eventos son mutuamente excluyentes si no
ocurren al mismo tiempo, y adems la ocurrencia de uno de ellos impide
la ocurrencia del otro. La interseccin de estos eventos es vaca.

Eventos Independientes:
Se dice que dos eventos son independientes, si la ocurrencia de uno de
ellos, no excluye la ocurrencia del otro.

Unin de dos Eventos:
Es el evento formado por todos los puntos muestrales que pertenecen a
uno, al otro, o a ambos eventos. Si denotamos por A y B, dos eventos, la
unin de ellos se denota por A B. (MONTGOMERY, RUNGER pg66)



1.7 Definicin VIII:
Probabilidad es la razn entre el nmero de casos favorables y el
nmero total de casos posibles, siempre que nada obligue a creer que

12
alguno de estos casos debe tener lugar de preferencia a los dems, lo
que hace que todos sean, para nosotros, igualmente posibles.
Tipos de probabilidad:

Existen tres maneras bsicas de clasificar la probabilidad; estas
representan planteamientos conceptuales bastante diferentes para el
estudio de la teora de probabilidad. De hecho, los expertos no se ponen
de acuerdo sobre cual planteamiento es el ms apropiado. Empecemos
definiendo:
El planteamiento clsico
El planteamiento de frecuencia relativa
El planteamiento subjetivo

PROBABILIDAD CLASICA:

El planteamiento clsico define la probabilidad de que un evento ocurra
como:





Se debe resaltar el hecho de que, con el fin de que la ecuacin sea
validad, cada uno de los resultados posibles debe ser igualmente
posible. Esta es una manera bastante complicada de definir algo que
nos puede parecer intuitivamente obvio, pero podemos utilizar la
definicin para escribir los ejemplos del lanzamiento de la moneda y de
los dados de una manera simblica. Primero plantearemos la pregunta
Cul es la probabilidad de obtener una cara en un solo lanzamiento?
Como:
P(cara)
Luego, utilizando trminos formales, obtenemos


P(cara) =





Numero de resultados posibles en un lanzamiento en los que e
presenta el evento (es este caso, el nmero de resultados que
producirn una cara)
Nmero total de resultado posible en un lanzamiento (una cara
y una cruz)

13
Y para el ejemplo del lanzamiento de dados:

P(5) =



A la probabilidad clsica, a menudo, se le conoce como probabilidad a priori,
debido a que si empleamos ejemplos ordenados como monedas no alteradas,
dados no cargados y mazos e bajaras normales, entonces podemos establecer
la respuesta de antemano (a priori) sin necesidad de lanzar una moneda, un
dado o tomar una carta. No tenemos que efectuar experimentos para poder
llegar a las conclusiones sobre las monedas, los dados no cargadas y las
barajas normales. En lugar de experimentos podemos basar nuestras
conclusiones en un razonamiento lgico antes de realizar el experimento

FRECUENCIA RELATIVA DE PRESENTACION

Suponga que empezamos por hacernos preguntas complejas como: Cul es
la probabilidad de que yo viva hasta los 85 aos? Cules son las posibilidades
de que dae las bocinas de mi aparato de msica si subo el volumen del
amplificador de 200 watts a todo lo que da? o Cul es la probabilidad de que
la instalacin de una nueva planta de papel a las orillas el rio cercano a nuestro
pueblo ocasione una significativa desaparicin de peces? Rpidamente nos
damos cuenta de que no somos capaces de emitir una respuesta por
adelantado, sin antes hacer algo de experimentacin, sobre cules son esas
probabilidades. Otros planteamientos pueden resultar dems utilidad.
En el siglo XIX, los estadsticos britnicos, interesados en la fundamentacin
terica del clculo del riesgo de prdidas en las plizas de seguros de vida y
comerciales, empezaron a recoger datos sobre nacimientos y defunciones. En
la actualidad, a este planteamiento se le llama frecuencia relativa de
presentacin de un evento y define la probabilidad como:
1. La frecuencia relativa observada de un evento durante un gran nmero de
intento
2. La fraccin de veces que un evento se presenta a la larga, cuando las
condiciones son estables
Este mtodo utiliza la frecuencia relativa de las presentaciones pasadas de un
evento como probabilidad. Determinamos que tan frecuentemente ha sucedido
algo en el pasado y usamos esa cifra para predecir la probabilidad de que
sucede.
Numero de resultados en un solo lanzamiento del
dado que producir un 5
Nmero total de resultados posibles al lanzar una
sola vez el dado (se obtiene un 1, un 2, un 3, un 4,
un 5 o un 6)

14








EJEMPLO
Una compaa de seguros sabe, por la informacin obtenida de los datos
actuariales registrados, que de los hombres de 40 aos de edad, 60 de cada
100,000 morirn en un periodo de un ao. Utilizando este mtodo, la compaa
estima la probabilidad de muerte de ese grupo de edad en particular como:

, o 0.0006

Una segunda caracterstica de las probabilidades establecidas por la frecuencia
relativa de presentacin de un evento puede ponerse en evidencia si lanzamos
una de nuestras monedas no alteradas 300 veces. En la figura, se ilustra el
resultado de esos 300 lanzamientos; podemos ver que aunque la fraccin de
caras est bastante lejos de 0,5 en los primero cien lanzamientos, parece que
se estabiliza y tiende a 0.5 conforme aumenta el nmero de lanzamientos. En
lenguaje estadstico, diramos que la frecuencia relativa se vuelve estable
conforme la cantidad de lanzamientos crece

PROBABILIDADES SUBJETIVAS
Las probabilidades subjetivas estn basadas en las creencias de las personas
que efectan la estimacin de probabilidad. De hecho la probabilidad subjetiva
se puede definir como la probabilidad asignada a un evento por parte de un
individuo, basada en la evidencia que tenga disponible. Esta evidencia puede
presentarse en forma de frecuencia relativa de presentacin de eventos
pasados o puede tratarse, simplemente, de una creencia meditada. Quiz la
ms antigua estimacin de probabilidad subjetiva de posibilidad de que fuera a
llover se dio cuando alguna ta anciana dijo: me duelen los huesos, creo que

15
se avecina lluvia las valoraciones subjetivas de la probabilidad permiten una
ms amplia flexibilidad que los otros dos conceptos analizados. Los tomadores
de decisiones pueden hacer uso de cualquier evidencia que tengan a mano y
mezclarla con los sentimientos personales sobre la situacin.
Las asignaciones de probabilidad subjetiva se dan con ms frecuencia cuando
los eventos se presentan solo una vez o un nmero muy reducido de veces.
Digamos que usted tiene encomendada la tarea de entrevistar y elegir a un
nuevo trabajador social. Su poblacin se ha reducido a solo tres personas,
cada una de estas tiene buena apariencia, alto nivel de actividad, bastante
confianza en s misma, buen registro de logros pasados y buena disposicin
para enfrentar los retos que se presenten. Cules son las posibilidades de
que cada candidato se relacione exitosamente con los clientes? El responder a
esta pregunta y escoger a uno de los tres requerir que usted asigne una
probabilidad subjetiva al potencial de cada persona que solicita el puesto.















16









CAPITULO 2: ALGEBRA, AXIOMAS Y
PROPIEDADES DE PROBABLIDAD












17
ALGEBRA DE PROBABILIDADES
2.1 PROBABILIDAD CONDICIONAL
La probabilidad condicional (o condicionada) de que un evento B ocurra dado
que otro evento A ha ocurrido se denota por P(A/B).
La probabilidad de que B ocurra dado que A ha ocurrido o simplemente la
probabilidad de B dado A
Dado un espacio de probabilidad y dos eventos (o
sucesos) con , la probabilidad condicional de A dado B est
definida como:

Notas:
a. Si P(A) = 0, se define P (B/A) = 0.
b. Observar que (AB)A, luego, cada vez que se calcula P(A/B)
estamos realmente calculando P (B) con respecto al espacio
muestra reducido A. Por esto, P (B/A) se interpreta tambin como
la actualizacin de P(B) cuando el evento A ha ocurrido.
c. En particular, si A y B son dos eventos de un espacio muestra
finito equiprobable , la probabilidad condicional de B a A, se
calcula por:

d. P (A/B)

, si # (A) > 0
e. Si AB =, entonces, P (B/A) = 0
f. Si AB, entonces, P(B/A) = P(A/A) = 1
g. Si BA, entonces, P(B/A) =



P (ABC) = P(AB) P(C/AB) = P(A) P(B/A) P(C/AB)
Como los eventos son conjuntos y la interseccin de conjuntos tiene la
propiedad asociativa y conmutativa, entonces el orden en que podemos escribir
ABC puede variar y as obtener otras formas de evaluacin de la probabilidad
conjunta del evento ABC como:

18
P (ABC) = P (ACB) = P(A) P(C/A) P (B/A)

EVENTOS INDEPENDIENTES

DEFINICIN 1. Se dice que el evento B es independiente
(estadsticamente o estocsticamente o va probabilidad) del evento
A, s.
P(B/A) = P(B)
Se verifica que, si P(B/A) = P(B), entonces, P(A/B) = P(A) y
recprocamente. En consecuencia, podemos afirmar que:
Los eventos A y B son independientes si, y solo s.
P(B/A) = P(B) y P(A/B) = P(A)
Esto equivale a decir que A y B son eventos independientes si y solo
s.
P(AB) = P(A) . P(B)
Este resultado es con frecuencia utilizado como la definicin de dos
eventos independientes por su aplicacin prctica. Establecemos la
siguiente.

DEFINICIN 2. Dos eventos A y B son independientes si y solo s.
P(AB) = P(A).P(B)
De otra forma A y B son independientes.
Nota. A y B independientes no significa AB =
La independencia es una propiedad reciproca
El suceso A es independiente del suceso B

El suceso B es independiente del suceso A

19
Dos sucesos son independientes si

si los sucesos A y B son
independientes, se verifica:
los sucesos A y

son independientes
los sucesos

y B son independientes
los sucesos

son independientes

decimos que n sucesos son independientes si se verifica:






2.2 REGLA DE MULTIPLICACIN
Teorema
a) P(AB) = P(A).P (B), si A y B son dos eventos independientes.
P(AB) = P(A).P (B/A), si B depende de A.

(La segunda proviene de la definicin de probabilidad condicionada)

b) En general, si A
1
, A2,.. , A
n
son eventos , entonces,

P (A
1
A
2
A
3
.A
n
) = P (A
1
).P (A
2
) P (A
n
)

Si los eventos son independientes.
P (A
1
A
2
A
3
.A
n
) = P (A
1
) P (A
2
/A
1
) P (A
3
/A
1
A
2
).
P(A
n
/A
1
A
2
A
3
.A
n-1
)
Si los eventos son dependientes, y siempre que P (A
1
A
2
.A
n-1
)
> 0. Las pruebas (por induccin) se dejan como ejercicios.



20
2.3 TEOREMA DE LA PROBABILIDAD TOTAL
El Teorema de la probabilidad total es un evento A que ocurre asociado
a la ocurrencia de n eventos B, tales que son mutuamente excluyentes
y colectivamente exhaustivos y nos permite calcular la probabilidad de
un suceso a partir de probabilidades condicionadas:
La frmula para calcular esta probabilidad es:


Para que este teorema se pueda aplicar hace falta cumplir un requisito:
Los sucesos A tienen que formar un sistema completo, es decir, que
contemplen todas las posibilidades (la suma de sus probabilidades debe
ser el 100%).

2.4 REGLA DE BAYES
La regla de Bayes es un caso especial de la probabilidad condicional
que se aplica cuando se desea calcular la probabilidad condicional de un
evento que ocurri primero dado lo que ocurri despus. Para llegar a
establecer tan til regla vamos a estudiar una proposicin previa.
Sean A
l
, A
2
. Ak, una particin de S y B un evento cualquiera en S.
Entonces





21
Demostracin:

Por la definicin de probabilidad condicional se tiene


Igualando, y despejando P(A
i
/B) se tiene


Sustituyendo se llega a la frmula deseada:



Corolario:
Si A y A
C
son una particin de S y B es un evento cualquiera de S,
entonces












22
AXIOMAS
Si un espacio muestral y sean A y B dos eventos cualesquiera de este

Axioma 1: La probabilidad de un evento existe y es un nmero
mayor o igual a cero

0P(A)

Axioma 2: La probabilidad de todo el espaciomuestral es 1.

P(S)=1

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

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



PROPIEDADES
La suma de las probabilidades de un suceso y su contrario vale 1, por tanto
la probabilidad del suceso contrario es:


Demostracin
=AA
C

P()=P(A A
C
)
P()= P(A) + P(A
C
) pues A A
C
=
1=P(A) + P(A
C
)
1-P(A) = P(A
C
)


23
Probabilidad del suceso imposible es cero.
Demostracin
=
P ()= P( )
P () = P() + P pues =

1=1+0
0=P (

La probabi l idad de l a unin de dos sucesos es l a suma de sus
probabi l idades restndole la probabi li dad de su i nterseccin.

Si un suceso est incluido en otro, su probabi l idad es menor o
i gual a la de ste.

Demostracin:
B=A U (B - A)
P(B) = P ]
P(B)= P(A) + P(B A) pues A (B A) =
Luego, P(A) P(B)

Corolario: 0 P(A) 1



24
Demostracin:
C A C P() P(A) P() 0 P(A) 1

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

Demostracion:
A B = A (B - A)
P(AB) = P ]
P(AB) = P(A) + P(B A) pues A (B A) =
P(AB) P(A) = P(B A) (1)
Por otro lado

B = (A B) (B A)
P(B)= P(A B) + P(B A) pues (A B) (B A) =
P(B) P(A B) = P(B A) (2)


25
De (1) y (2):
P(AB) P(A) = P(B) P(AB)
P(AB) = P(A) + P(B) P(A B)


b) P(A B) = P(A) P(A B)


Demostracin

A B = (A B) B
P(AUB) = P ]
P(A) + P(B) P(A B) = P(A B) + P(B) pues (A-B) B =
P(A) P(A B) = P(A B)

Corolario
P(A BC ) = P(A) + P(B) + P(C) P(A B) P(A C) P(B C) + P(AB
C)




26
Demostracin:
A BC = (AB) C
P(A BC) = P ]
= P (A B) + P(C) P ]
= P(A) + P(B) P(A B) + P(C) - P ]
= P(A) + P(B) P(AB) + P(C) - ]
= P(A) + P(B) + P(C) P(AB) - - +
5. Si A
1
, A
2
, ..., A
k
son incompati bles dos a dos entonces:

Si el espacio muestral E es finito y un suceso es S = {x
1
, x
2
,..., x
n
}
entonces:

=

donde Ai son eventos disjuntos cuya unin es A



Demostracin:
A=A
1


A
2


A
3


.

A
K

P(A) = P(A
1


A
2


A
3




A
K
)
P(A)= P(A
1
) + P(A
2
) + P(A
3
) + + P(A
K
) Pues A
i
A
j
=
P(A)




Esta denida en el conjunto de partes del espacio muestral y
toma valores en el intervalo [0,1]:

P : P() [0, 1],
A 0 P(A) 1

P() = 1
Si A1, ..., An, ... son sucesos disjuntos o incompatibles
(i= j, Ai Aj = ) entonces P(UnAn) = n P(An)

Si A C B, entonces P (B A) = P(B) P(A)
0

27

























ANEXOS














28
EJERCICIOS:

1. En el modelo 1, sea el evento:
A = {Obtener nmero par al lanzar un dato legal}
A = {2, 4, 6}
Tres son los resultados favorables, para la ocurrencia del evento A.
Luego:
P(A) =

= 0.5
Se lee: La probabilidad de A es igual a 0.5.


2. Un 28 por ciento de los hombres estadounidenses fuma cigarros, 7 por
ciento fuma puros, y el 5 por ciento fuma ambos, cigarros y puros. Qu
porcentaje de los hombres no fuman ni cigarro ni puros?
Solucin
Se E el evento de que u hombre seleccionado al azar fume cigarros y B
el evento de que fume puros. Entonces la probabilidad de que esta
persona fume cigarros o puros es
P(EF) = P(E) + P(F) P(EF) = .07 + .28 - .05 = .3
Por lo general la probabilidad de que la persona no fume es .7, lo que
implica que el 70 por ciento de los hombres estadounidenses no fuma
ni cigarros ni puros.





29
3. En una clase hay N personas. Calcular la probabilidad de que al menos
dos tengan el mismo cumpleaos.
Solucin
La probabilidad pedida ser la complementaria a la de no coincidencia
de la fecha de nacimiento del mismo da.
Fijando un alumno la probabilidad de no coincidir con otro alumno ser
Cf/Cp= 364/ 365; con otro diferente ser Cf/Cp=363/365; y as
sucesivamente, por tanto:




4. Una empresa de publicidad decide hacer una campaa sobre producto
de unos grandes almacenes.
Las probabilidades de xito en los 3 medios que utiliza son:
P(TV)= 0.7 P(radio)= 0.6 P(carteles)= 0.4
La campaa se realiz simultneamente y de forma independiente entre
ellas. Se pide determinar la probabilidad de xito en algn medio.
Solucin
Nos piden

)
Al ser, segn los datos del enunciado, los sucesos independientes:




Por tanto:


Jaime serret moreno pag. 36,39

30
5. En una asignatura se ha decidido aprobar a aquellos que superen uno
de los dos parciales. Con este criterio aprob el 80%, sabiendo que el
primer parcial lo super el 60% y el segundo el 50% Cul hubiese sido
el porcentaje de aprobados, si se hubiese exigido superar ambos
parciales?
Solucin
Sea A1 el suceso aprobar el primer parcial y A2 aprobar el segundo. Los
datos del problema nos dicen que:
P(A1 A2) = 0,8 P(A1) = 0,6 P(A2) = 0,5
Y se pide la probabilidad de la interseccin de ambos sucesos. Como A1
y A2 no son incompatibles, la probabilidad de la unin ser:
P(A1 A2) = P(A1) + P(A2) P(A1 A2)
Despejando tenemos:
P(A1 A2) = P(A1) + P(A2) P(A1 A2)
Sustituyendo los valores numricos:
P(A1 A2) = 0,6 + 0,5 0,8 = 0,3
La conclusin es que si se hubiese exigido aprobar los dos parciales el
porcentaje de aprobados hubiese sido del 30%.


6. La probabilidad de resolver correctamente alguna de las dos versiones
de la tarea de Martens es 0,45. La de resolver la 1 es 0,40 y la de la 2
0,30 La resolucin de las dos versiones es independiente?
Solucin
Sea V1 el suceso de resolver la primera versin y V2 resolver la
segunda. Los datos del problema nos indican que:
P(V1 V2) = 0,45 P(V1) = 0,4 P(V2) = 0,3
Para determinar si los sucesos son independiente, calcularemos la
probabilidad se su interseccin, de forma anloga al problema anterior, y
comprobaremos si el valor obtenido es igual al producto de las
probabilidades de estos dos sucesos.
P(V1 V2) = P(V1) + P(V2) P(V1 V2)

31
Sustituyendo4 Problemas de Anlisis de Datos. Jos M. Salinas
P(V1 V2) = 0,4 + 0,3 0,45 = 0,25
Por otra parte
P(V1) P(V2) = 0,4 0,3 = 0,12 0,25 = P(V1 V2)
Luego, no son independientes.





7. Se seleccionan 2 fichas al azar, sin reemplazo, de una urna que contiene
4 blancas y 8 negras. Calcular la probabilidad de que:
a) ambas sean blancas.
b) la segunda sea blanca

a) B = {fichas blancas}
N = {fichas negras}

P (B) =

P (N) =



P(B
1
B
2
) = P(B
1
) . P(B
1
/B
1
)



La probabilidad de ambas fichas sean blancas es de 0,09


b) P(B
1
B
2
) + P(N
1
B
2
) =

+ P(N
1
) x P(B
2
/N
1
)

=



La probabilidad de que la segunda ficha sea blanca es de 0,33.




32
8. Una caja de fusibles contiene 20 unidades, de las cuales 5 son
defectuosas. Si tres de estos fusibles son tomados al azar, en sucesin y
sin reemplazo.
a) Cul es la probabilidad que los tres sean defectuosos?
b) Si en cada una de las dos primeras se extrajo un defectuoso. Cul es
la probabilidad que el tercero extrado sea bueno?
c) Si los dos primeros estaban buenos. Cul es la probabilidad que el
tercero extrado sea defectuoso?
d) Cul es la probabilidad que los dos primeros sean buenos y el tercero
defectuoso?

D = {fusible defectuoso}
Dc = {fusible no defectuoso}
P(D) =


P(D
c
) =



a) P(D
1
D
2
D
3
) = P(D
1
) x P(D
2
/D
1
) x P(D
3
/D
1
D
2
)
=



La probabilidad es de




b) P(D
3
c
/D
1
D
2
) =



La probabilidad es de un 0,83

c) P(D
3

/D
1
c
D
2
c
) =



La probabilidad es de un 0,27

d) P(D
1
c
D
2
c
D3) = P(D
1
c
) x P(D
2
c
/D
1
c
) x P(D
3

/D
1
c
D
2
c
)

=



La probabilidad es de un 0,1535.

33
REFERENCIAS BIBLIOGRAFCAS

L. D. J. (2001). Probabilidad y estadstica para ingeniera y ciencia.
Mxico: International Thomson Editores, 762pp.

C. M. D., C. R. G. (2002). Probabilidad y estadstica aplicadas a la
ingeniera. Mxico: Editorial Limusa, 817pp.

R. S. M. (1976). Probabilidad y estadstica. Mxico: Cmara Nacional de
la Industria Editorial, 372pp.

M. R. S. (2002). Probabilidad y estadstica para ingenieros. Mxico:
Interamericana Editores, 585pp.

PREZ L.L. (2007). Estadstica Bsica. Lima, Per: Editorial San
Marcos, 568pp.

MILLER I., E. F. J. (1985). Probabilidad y estadstica para ingenieros.
Mxico: Cmara Nacional de la Industria Editorial, 574pp.