Dr. Juan D.

Sabatier Cadalso
M.Sc. Ever C. Vicua Galindo
1

Teora de las Probabilidades

Teora de las Probabilidades

Concepto de Probabilidad :
Probabilidad: Una medida de la posibilidad de que un evento ocurra. Puede
asumir valores entre 0 y 1.
Evento: Un conjunto de uno o ms resultados de un experimento.
Ej.: El lanzamiento de una moneda equilibrada es un experimento estadstico.
El enfoque clsico de la probabilidad est basado en la
suposicin de que todos los resultados del experimento son
igualmente posibles. En ese caso, la probabilidad se calcula
como sigue:

Probabilidad
del evento =

nmero de resultados posibles del evento

nmero total de resultados posibles del experimento

Teora de las Probabilidades

Concepto de Probabilidad :
Ejemplo: En un experimento de lanzar un dado. Cul es la probabilidad de que
caiga un dos hacia arriba?
P( caiga 2 ) = 1 / 6 = 0,166.
Cuando solo puede ocurrir un evento a la vez, como en este caso, se dice que son
eventos mutuamente exclusivos o excluyentes.
Se entiende como espacio muestral (S) al conjunto de
todos los resultados posibles de un experimento. En el
lanzamiento de un dado se tiene que:
S = { 1, 2, 3, 4, 5, 6 }
Por otro lado, segn el concepto frecuentista, la probabilidad de que suceda un
evento se determina observando la frecuencia con que ha sucedido el evento en el
pasado. En trminos de frmula:

Teora de las Probabilidades

Concepto de Probabilidad :
Probabilidad
del evento =

nmero de veces que sucedi el evento en el pasado

nmero total de observaciones

Ejemplo: Se sabe que una moneda est cargada. Para determinar la probabilidad de que caiga Agula se lanza 60 veces la moneda al aire, de las cuales 25
veces cay guila. Si aplicamos la frmula:
P (cae guila ) 25 / 60 = 0.41.
Si no hay experiencia anterior o hay muy poca sobre la cual basar una
probabilidad, esta se fundamenta en la intuicin, opiniones, creencias personales y
otra informacin indirecta. Este tipo de probabilidad se conoce como subjetiva.
Ej.: Hay una nfima probabilidad de sacar 20 puntos en este curso de Estadstica y
Diseo de Experimentos, pero hay una alta probabilidad de aprobarlo.

Teora de las Probabilidades

Teoremas de Probabilidad : La Regla de la Adicin.
Para eventos que no sean mutuamente excluyentes se tiene que:
Interseccin de dos eventos: Es el conjunto de resultados de un experimento que
pertenece simultneamente a los dos eventos dados. Su operador es y.
Unin de dos eventos: Es el conjunto de resultados de un experimento que
pertenece a alguno de los dos eventos dados. El operador de la unin es U u o.
Ej.: Se tiene un espacio muestral (S) donde estn definidas las siguientes probabilidades: Ocurrencia del evento A {P(A)=0.7}, del evento B {P(B)=0.4},
ambos eventos simultneamente

P(AB)=0.3, la probabilidad de que ocurra

alguno P(AUB) es 0.8 y la probabilidad de que no ocurra ninguno es 0,2. Esto se

representa en las siguientes figuras.

Teora de las Probabilidades

Teoremas de Probabilidad : La Regla de la Adicin.

0,2

S
A
P(A)=0,7

0,2

0,4 0,3 0,1

P(AB)=0,3

P(B)=0,4

P(AUB)=0,8

Segn la Regla de la Adicin, la probabilidad de que ocurra alguno de los dos

eventos viene dada por:

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

P(AoB) = P(A) + P(B) P(AyB)
Aplicndolo al ejemplo visto con anterioridad se tiene:
0,8 = 0,7 + 0,4 0,3

Teora de las Probabilidades

Teoremas de Probabilidad : La Regla de la Adicin.
Para eventos que s sean mutuamente excluyentes se tiene que P(AB) = 0, por lo
que la regla de la adicin se convierte en la Regla de la Adicin Especial:

P(AUB) = P(A) + P(B)

P(AoB) = P(A) + P(B)

Si el nmero de eventos es mayor que dos (Ej. 3) entonces la Regla de la Adicin

Especial queda como: P(AoBoC) = P(A) + P(B) + P(C)
Veamos dos ejercicios al respecto:
1) Cul en la probabilidad de que una carta elegida al azar de una baraja de 52
naipes sea un rey o una de corazones?
Evidentemente este es un caso donde los eventos NO son mutuamente excluyemtes
ya que existe el rey de corazones.
Las diferentes probabilidades se muestran en la tabla a continuacin:

Teora de las Probabilidades

Teoremas de Probabilidad : La Regla de la Adicin.

Carta

Probabilidad

Rey

P(A) = 4/52

Hay 4 reyes en una baraja

De corazones P(B) = 13/52

Rey de
corazones

Explicacin

P(AyB)=1/52

Hay 13 corazones en una

baraja
Hay un rey de corazones en
una baraja

Sobre esta base se tiene:

P(AoB) = P(A) + P(B) - P(AyB)

P(AoB) = 4/52 + 13/52 - 1/52 = 16/52 = 0,3077

Teora de las Probabilidades

Teoremas de Probabilidad : La Regla de la Adicin.
2. Una mquina llena bolsas de plstico con mezcla de productos agrcolas. La
mayora de las bolsas tiene pesos correctos, pero existen ligeras variaciones en
el peso de manera que algunas bolsas pueden tener un peso ligeramente menor
o mayor. Una verificacin anterior de muchos paquetes indic:
EVENTO

Cantidad de
Paquetes

Probabilidad de
ocurrencia

Con peso menor

100

0.025

Satisfactorio

3600

0.900

Con peso mayor

300

0.075

Total

4000

1.000

PESO

Cul en la probabilidad de que se produzcan bolsas con peso incorrecto?

Teora de las Probabilidades

Teoremas de Probabilidad : La Regla de la Adicin.
Evidentemente, este es un caso donde los eventos SI son mutuamente excluyentes
por lo que se debe aplicar la Regla de la Adicin Especial, lo que implica que la
probabilidad de que se produzcan bolsas con peso incorrecto es la suma de las
probabilidades de que se produzcan bolsas con peso menor y con peso mayor al
satisfactorio, o sea:

P(AoC) = P(A) + P(C)

P(AoC) = 0,025 + 0,075
P(AoC) = 0,100
O sea, que la probabilidad de que se produzcan bolsas con peso incorrecto es 0,10.

Teora de las Probabilidades

Teoremas de Probabilidad : La Regla de la Multiplicacin.
La probabilidad condicional es la probabilidad de que un evento dado ocurra con
posterioridad a otro que afecta o condiciona su probabilidad. El operador de la
probabilidad condicional es el signo .
Por ejemplo, la probabilidad condicional de que ocurra el evento B, con posterioridad al evento A que afecta o condiciona la probabilidad de B, es P(BA).
La Regla de la Multiplicacin establece que la probabilidad de que ocurran ambos
evemtos P(AyB) viene dada por:

P(AyB) = P(A) * P(BA)

de donde

P(BA) = P(AyB) / P(A)

En el caso de que la probabilidad del segundo evento B sea independiente del

primer evento A entonces la probabilidad de que ocurran ambos eventos P(AyB)
viene dada por la Regla de la Multiplicacin Especial:

P(AyB) = P(A) * P(B)

Teora de las Probabilidades

Teoremas de Probabilidad : Teorema de Bayes y Diagrama de rbol.
Conociendo la probabilidad de que B ocurra en cada

A1

uno de los n componentes de un sistema exhaustivo y

A2

excluyente de sucesos, entonces si B ocurre, se puede

calcular la probabilidad de ocurrencia de cada Ai
(i = 1, 2, ..,n):

P(Ai|B) =

P(B Ai )
P(B)

A3

A4

Donde P(B) se puede calcular usando el teorema de la probabilidad total:

n

P ( B) = P ( B Ai )
i =1

La importancia del Teorema de Bayes es que se

puede realizar inferencias estadsticas para evaluar
la probabilidad de que una hiptesis H sea cierta,
dado un conjunto de observaciones X.

Teora de las Probabilidades

Teoremas de Probabilidad : Teorema de Bayes y Diagrama de rbol.
Una herramienta de gran ayuda para abordar este tipo de problemas son los
diagramas de rbol, donde se despliegan las relaciones entre los distintos eventos.
Se desea resolver el siguiente problema: Se dispone de un recipiente donde hay 10
canicas (5 azules y 5 rojas). Se extraen dos canicas consecutivamente. Cul es la
probabilidad de que las dos sean azules?
Inicio

Recipiente

1ra Extraccin

5
l P=
u
z
a
1

- 1 ro

10 canicas:
5 azules
5 rojas

/10

ja P
= 5/1
0

2da Extraccin

Extraccin
total

9
P = 4/

3A 5R

A1 A2

P = 5/ 9

4A 4R

A1 R2

9
P = 5/

4A 4R

R1 A2

P = 4/ 9

5A 3R

R1 R2

4 azules
5 rojas
5 azules
4 rojas

Teora de las Probabilidades

Teoremas de Probabilidad : Teorema de Multiplicacin y Bayes.
De acuerdo a la Regla de la Multiplicacin se tiene que la probabilidad de extraer
dos canicas azules P(A1yA2) = P(A1) * P(A2 A1) = (5/10) * (4/9) = 4/18. Igual
probabilidad da para extraer dos canicas rojas consecutivamente.
La probabilidad P(A1yR2) sera (5/10)*(5/9)=5/18. Igual valor tendra la probabilidad P(R1yA2).
Inicio

Recipiente

5
l P=
u
z
a
1

- 1 ro

10 canicas:
5 azules
5 rojas

2da Extraccin

1ra Extraccin
/10

ja P
= 5/1
0

4 azules
5 rojas
5 azules
4 rojas

Extraccin
total
Prob.

9
P = 4/

3A 5R

A1 A2

4/18

P = 5/ 9

4A 4R

A1 R2

5/18

9
P = 5/

4A 4R

R1 A2

5/18

P = 4/ 9

5A 3R

R1 R2

4/18

Teora de las Probabilidades

Teoremas de Probabilidad : Teorema de Multiplicacin y Bayes.
Otro problema: Se lanzan dos monedas Cul es la probabilidad de que ambas
caigan cara?
En este caso resulta evidente que la probabilidad del segundo
evento NO depende del primero, por lo que se aplica la
Regla de la Multiplicacin Especial:

P(AyB) = P(A) * P(B)

La probabilidad de cada evento es 1/2 por lo que la probabilidad de que ambas

monedas caigan cara es (1/2) * (1/2) = 1/4 = 0,25.
Veamos un problema aplicando el Teorema de Bayes: En un aula el 70% de los
alumnos son mujeres de las cuales el 10% son fumadoras. De los varones, son
fumadores el 20%. a) Qu porcentaje de fumadores hay en total? b) Se elige a un
individuo al azar y resulta fumador. Cul es la probabilidad de que sea un
hombre?

Teora de las Probabilidades

Teoremas de Probabilidad : Teorema de Multiplicacin y Bayes.
Planteemos primero el diagrama de rbol para este problema:
O sea:
Fuma

0,1

P(M) = 0,7
P(H) = 0,3

0,7

Mujer

0,9

P(F|M) = 0,1
No fuma

Alumnos

a) P(F) = P(FH) + P(FM)

0,2

0,3

P(F|H) = 0,2

Fuma

Hombre

= P(F|H) P(H) + P(F|M) P(M)

= 0,2 x 0,3 + 0,1 x 0,7

0,8
No fuma

= 0,06 + 0,07 = 0,13 = 13 %

Teora de las Probabilidades

Teoremas de Probabilidad : Teorema de Multiplicacin y Bayes.
Planteemos primero el diagrama de rbol para este problema:
O sea:
0,1

Fuma

P(M) = 0,7
P(H) = 0,3

0,7

Mujer

0,9

P(F|M) = 0,1
No fuma

Alumnos
0,2

0,3

P(F|H) = 0,2
b) P(H|F) = P(FH)/P(F)

Fuma

Hombre

= P(F|H) P(H) / P(F)

= 0,2 x 0,3 / 0,13 = 0,06 / 0,13

0,8
No fuma

= 0,46 = 46 %

Teora de las Probabilidades

Conteos, permutaciones y combinaciones:
Conteo: Si se tienen l elementos de un tipo, m de otro tipo y n de otro tipo ,
el nmero de arreglos en pareja que se puede formar es: l * m * n.
Ejemplo: Un fabricante desarroll 5 bases para lmpara, 4 tipos distintos de
pantallas y forros para las mismas en 7 colores diferentes. Qu cantidad de
lmparas distintas puede ofrecer?
Datos: l = 5 (bases para lmpara), m = 4 (tipos de pantallas) y n = 7 (colores de
forros). El fabricante puede ofrecer l * m * n = 5 * 4 * 7 = 140 tipos distintos de
lmparas.
Permutaciones: Nmero de subconjuntos que se pueden formar a partir de un
conjunto de n elementos tomando en cada caso una cantidad r de objetos y
disponindolos ordenadamente.
n

Pr =

n!
(n - r)!

Teora de las Probabilidades

Conteos, permutaciones y combinaciones:
Ejemplo: Cuntas permutaciones se pueden formar tomando dos nmeros (r=2)
del conjunto de nmeros del 1 al 5 (n=5).
n

Pr =

n!
5!
5!
1x2x3x4x5
=
=
=
= 20
(n - r)!
(5 - 2)!
3!
1x2x3

Estas permutaciones son: 1-2, 2-1, 1-3, 3-1, 1-4, 4-1. 1-5, 5-1. 2-3, 3-2, 2-4, 4-2,
2-5, 5-2. 3-4, 4-3, 3-5, 5-3, 4-5 y 5-4.
Combinaciones: Nmero de subconjuntos que se pueden formar a partir de un
conjunto de n elementos tomando en cada caso una cantidad r de objetos sin
tener en cuenta el orden.

Pr
n!
=
n Cr =
r! (n - r)!
r!
n

Teora de las Probabilidades

Conteos, permutaciones y combinaciones:
Ejemplo: Cuntas combinaciones se pueden formar tomando dos nmeros (r=2)
del conjunto de nmeros del 1 al 5 (n=5).
n Cr =

n!
5!
5!
1x2x3x4x5
=
=
=
= 10
r! (n - r)!
2! (5 - 2)!
2! 3!
2 x 1x2x3

Estas combinaciones (sin tener en cuenta el orden) son: 1-2, 1-3, 1-4, 1-5, 2-3, 2-4,
2-5, 3-4, 3-5 y 4-5.