Documentos de Académico
Documentos de Profesional
Documentos de Cultura
CAEPORLICJCGH
CAEPORLICJCGH
CAEPORLICJCGH
CAEPORLICJCGH
Eventos mutuamente excluyentes: Dos sucesos son mutuamente excluyentes, cuando estos no pueden ocurrir
simultneamente.
Por ejemplo, se lanza un dado la aire y se observan los puntos que aparecen en la cara superior: El espacio muestral
ser: S = {1, 2, 3, 4, 5, 6}.
Considrese ahora el suceso A aparecer en el dado nmero par y el suceso B aparecer nmero impar.
Entonces A = {2, 4, 6} y B = {1, 3, 5}.
Observamos que si aparece par no puede aparecer impar, obviamente, luego ambos sucesos se excluyen
mutuamente. Entonces para que dos eventos sean mutuamente excluyente debe cumplirse que A B=, luego
P(A B) = 0.
Si A y B son eventos no excluyentes, P(A U B) = P(A) + P(B) P(A B)
Ejemplo: En una sala estn reunidos 4 personas, que pertenecen respectivamente al departamento de ventas, al
departamento de compras, al departamento de produccin y al departamento de personal de una empresa que
fabrica neumticos para camiones.
Pertenecer a ventas, produccin o personal, excluye pertenecer a compras.
Sucesos independientes: Dos sucesos E1 y E2 se dicen independientes, si estos no tienen relacin ninguna entre s,
es decir, cuando la ocurrencia o no ocurrencia de uno de los sucesos no afecta a la probabilidad de ocurrencia del
otro evento.
Es decir, si E1 y E2 son dos sucesos y si la ocurrencia de E1 no afecta la ocurrencia de E2, entonces se dice que los
sucesos E1 y E2 son independientes.
Entonces, p(E1E2) = P(E1) x p(E2). A esta propiedad se le denomina regla especial de multiplicacin
Ejemplo: De los artculos producidos por una fbrica, 40% provienen de la lnea 1 y el 60% de la lnea 2. La
escogencia al azar de artculos de cada lnea, para determinar si tienen defectos, son eventos independientes.
Ejercicio: Describa el espacio muestral asociado a cada uno de los siguientes experimentos aleatorios:
- Lanzar tres monedas.
- Extraccin de dos bolas de una urna que contiene cuatro bolas blancas y tres negras.
- El tiempo, con relacin a la lluvia, que har durante tres das consecutivos.
Solucin:
Llamando C a obtener cara y S a la obtencin de sello, obtenemos el siguiente espacio muestral:
- E={(CCC), (CCS), (CSC), (SCC), (CSS), (SCS), (SSC), (SSS)}
Llamando B a sacar bola blanca y N a sacar bola negra, tenemos:
- E={BB,BN,NN}
Si llamamos L al da lluvioso y N al da sin lluvia, para tres das consecutivos se obtiene el siguiente espacio muestral:
- E={(LLL), (LLN), (LNL), (NLL), (LNN), (NLN), (NNL), (NNN)}
Importante: Un espacio muestral E y los sucesos pueden ser representados en diagramas de Venn, como se puede
observar en la siguiente imagen:
CAEPORLICJCGH
CAEPORLICJCGH
La unin de dos sucesos A y B es el suceso formado por los de A y B. Se representa por A U B. Por ejemplo, dado el
suceso A = {2,3} y el suceso B = {2,5}, la unin ser A U B = {2, 3,5}.
La interseccin de dos sucesos A y B es el suceso formado por los sucesos comunes de A y B. Se representa por
A B . Por ejemplo, dado el suceso A = {2,3} y el suceso B = {2,5}, la interseccin ser A B = {2}.
Ejercicio: Consideremos el experimento aleatorio consistente en lanzar un dado con sus caras numeradas con los
nmeros 2,4,5,6,10 y 12. Sean los siguientes sucesos:
A, consistente en salir un nmero primo.
B, consistente en salir un nmero mltiplo de 3.
C, consistente en salir un nmero mltiplo de 5.
Resolver las siguientes cuestiones.
a) Determine los sucesos A, B y C.
b) Determine los sucesos A U B, A B, A U B U C, A C.
PROBABILIDAD: En la vida cotidiana aparecen muchas situaciones en las que los resultados observados son
diferentes aunque las condiciones iniciales en las que se produce la experiencia sean las mismas. Por ejemplo, al
lanzar una moneda unas veces resultar cara y otras veces sello. Estos fenmenos, denominados aleatorios, se ven
afectados por la incertidumbre.
En el lenguaje habitual, frases como "probablemente...", "es poco probable que...", "hay muchas posibilidades de
que..." hacen referencia a esta incertidumbre.
La teora de la probabilidad pretende ser una herramienta para modelizar y tratar con situaciones de este tipo; Por
otra parte, cuando aplicamos las tcnicas estadsticas a la recogida, anlisis e interpretacin de los datos, la teora de
la probabilidad proporciona una base para evaluar la fiabilidad de las conclusiones alcanzadas y las inferencias
realizadas. Debido al importante papel desempeado por la probabilidad dentro de la estadstica, es necesario
familiarizarse con sus elementos bsicos, lo que constituye el objetivo del presente curso.
Definir adecuadamente probabilidad es casi imposible, sin embargo algunos analticos, dicen que es el porcentaje o
la proporcin de resultados favorables respecto del nmero total de acontecimientos considerados.
La probabilidad es una rama de las matemticas que se ocupa de medir o determinar cuantitativamente la
posibilidad de que ocurra un determinado suceso. La probabilidad est basada en el estudio de la combinatoria y es
fundamento necesario de la estadstica. La creacin de la probabilidad se atribuye a los matemticos franceses del
siglo XVII Blaise Pascal y Pierre de Fermat, aunque algunos matemticos anteriores, como Gerolamo Cardano en el
siglo XVI, haban aportado importantes contribuciones a su desarrollo. La probabilidad matemtica comenz como
un intento de responder a varias preguntas que surgan en los juegos de azar, por ejemplo, saber cuntos dados hay
que lanzar para que la probabilidad de que salga algn seis supere el 50%. Los primeros estudios sobre probabilidad
fueron motivados por la posibilidad de acierto o de fracaso en los juegos de azar, es decir, que tenga ocurrencia o no
un suceso entre varios posibles.
Por ejemplo:
- Al lanzar una moneda, el obtener cara es un acierto de entre dos posibles.
CAEPORLICJCGH
CAEPORLICJCGH
Probabilidad = () =
CAEPORLICJCGH
CAEPORLICJCGH
6. Calcular la probabilidad de que salga "un nmero entre 1 y 98" al sacar una bolita de una bolsa con 100 bolitas
numeradas del 1 al 100:
E = {1, 2, 3, 4, 5, 6,., 100}
Casos favorables: 98
Casos posibles: 100
P(1 Y 98) = (98 / 100 ) x 100 = 98 %
Ejercicios
1. Calcula la probabilidad de que al lanzar un dado salga un nmero par:
Solucin: E = {1, 2, 3, 4, 5, 6}
Casos favorables: 3
Casos posibles: 6
P(PAR) = (3 / 6 ) x 100 = 50 %
2. Calcula la probabilidad de que al lanzar una moneda salga "cara" o "sello":
Solucin: E = {C, S}
Casos favorables: 2
Casos posibles: 2
P(C o S) = (3 / 6 ) x 100 = 50 %
3. Calcular la probabilidad de que salga "un nmero entre 1 y 40" al sacar una bolita de una bolsa con 100 bolitas
numeradas del 1 al 100:
Solucin: E = {1, 2, 3, 4, 5, 6,., 100}
Casos favorables: 40
Casos posibles: 100
P(1 Y 40) = (40 / 100 ) x 100 = 40 %
4. Calcula la probabilidad de que un nio nazca un lunes:
Solucin: E = {L, M, M, J, V, S, D}
Casos favorables: 1 Casos posibles: 7
P(L) = (1 / 7 ) x 100 = 14.3 %
5. Calcula la probabilidad de que al elegir un mes al azar este sea del primer trimestre:
Solucin:
E = {E, F, M, A, M, J, J, A, S, O, N, D}
Casos favorables: 3
Casos posibles: 12
P(1ER T) = (3 / 12 ) x 100 = 25 %
6. Se lanzan dos dados al aire y se anota la suma de los puntos obtenidos. Se pide, la probabilidad de que salga 7
Solucin:
E = { Casos posibles: 36 }
Casos favorables:
P(7) = (6 / 36 ) x 100 = 16.66 %
7. Se lanzan dos dados al aire y se anota la suma de los puntos obtenidos. Se pide, la probabilidad de que el nmero
obtenido sea par
Solucin:
E = { Casos posibles: 36 }
Casos favorables: 18
P(PAR) = (18 / 36 ) x 100 = 50 %
8. En una bolsa tenemos 7 bolas rojas, 9 bolas azules y 4 verdes. Extraemos una bola, calcula la probabilidad de que
a) No sea roja
b) Sea verde
c) Sea roja o azul
CAEPORLICJCGH
CAEPORLICJCGH
Solucin:
a) P(no R)=13/20=0,65 x 100 = 65 %
b) P(V)=4/20=0,2 x 100 = 20 %
c) P(RUA)=16/20=0,8 x 100 = 80 %
Ejercicio: De una urna que contiene 2 bolas rojas y 3 azules se extraen simultneamente dos bolas. Hallar la
probabilidad de que las dos sean rojas.
Solucin:
Si designamos R1, R2, las bolas rojas y A1, A2, A3, las bolas blancas, entonces tenemos:
Casos posibles:
R1 R2 + R1 A1 + R1 A2 + R1 A3+ R2 A1 + R2 A2 + R2 A3 + A1 A2 + A1 A3 + A2 A3
Entonces casos posibles = 10 y casos favorables: R1 R2 = 1
Luego p(RR) = 1/10 = 0.1
Ejemplo: Si yo tengo una canasta llena de peras y manzanas, de las cuales hay 20 peras y 10 manzanas. Qu fruta es
ms probable que saque al azar de la canasta?
Solucin: Para este ejemplo tenemos que 30 es el total de frutas en la canasta; es decir los casos posibles. Para
calcular la probabilidad de sacar una manzana mis casos favorables son 10 puesto que existen slo 10 manzanas. As,
aplicando la frmula obtenemos que:
p(m) = 10/30 = 1/3 = 0.3333 33.33%
p(p) = 20/30 = 2/3 = 0.667 66.7%
Como 66,7 es mayor que 33,3 es ms probable que saque una pera, pues hay ms peras que manzanas en la canasta.
Observemos que 33,33% + 66,7% es igual al 100% porque siempre que se saque algo de la canasta es seguro que
sea una fruta.
TIPOS DE PROBABILIDADES:
PROBABILIDAD CONDICIONAL: Para dos eventos cualesquiera A y B en un espacio muestra S, tales que P(A)>
0 con P(A) 0, la probabilidad del evento B dado el evento A, se define por:
P(B/A) = P(A B)
P(A)
Donde:
- P(B/A) es la probabilidad de que ocurra el suceso B condicionada a que haya ocurrido el suceso A.
- P(A B) es la probabilidad del suceso simultneo de A y de B, es decir, P(A B)
- P (A) es la probabilidad a priori del suceso A
Las probabilidades condicionales se calculan una vez que se ha incorporado informacin adicional a la situacin de
partida:
Ejemplo: En un colegio, el 40% de los estudiantes tienen cabellos castaos, el 25% tiene ojos oscuros y el 15% tiene
cabellos castaos y ojos oscuros. Si se selecciona al azar un estudiante:
a. Si tiene cabello castao, cul es la probabilidad de que tenga ojos oscuros?
b. Si tiene ojos oscuros, cul es la probabilidad de que tenga cabello castao?
Solucin:
P(CC) = 0.4
P(OO) = 0.25
P(CC OO) = 0.15
Entonces:
a. P(OO/CC) = 0.15 / 0.4 = 0.375
b. P(CC/OO) = 0.15 / 0.25 = 0.6
Ejemplo: En un estudio sanitario se ha llegado a la conclusin de que la probabilidad de que una persona sufra
problemas coronarios (suceso B) es el 0,10 (probabilidad a priori).
Adems, la probabilidad de que una persona sufra problemas de obesidad (suceso A) es el 0,25 y la probabilidad de
que una persona sufra a la vez problemas de obesidad y coronarios (suceso interseccin de A y B) es del 0,05.
Calcular la probabilidad de que una persona sufra problemas coronarios si est obesa (probabilidad condicionada
P(B/A)).
CAEPORLICJCGH
CAEPORLICJCGH
P (B A) = 0,05
P (A) = 0,25
P (B/A) = 0,05 / 0,25 = 0,20
Por lo tanto, la probabilidad condicionada es superior a la probabilidad a priori. No siempre esto es as, a veces la
probabilidad condicionada es igual a la probabilidad a priori o menor.
Por ejemplo: probabilidad de que al tirar un dado salga el nmero 2, condicionada a que haya salido un nmero
impar.
La probabilidad condicionada es en este caso cero, frente a una probabilidad a priori de 1/6.
PROBABILIDAD COMPUESTA: La probabilidad compuesta (o regla de multiplicacin de probabilidades) se deriva
de la probabilidad condicionada:
La probabilidad de que se den simultneamente dos sucesos (suceso interseccin de A y B) es igual a la probabilidad
a priori del suceso A multiplicada por la probabilidad del suceso B condicionada al cumplimiento del suceso A.
La frmula para calcular esta probabilidad compuesta es: P (A B) = P(B/A) x P(A)
Ejemplo: Sea el suceso A (porcentaje de varones mayores de 40 aos casados) y el suceso B (varones mayores de 40
aos con ms de 2 hijos) y obtenemos la siguiente informacin:
Un 35% de los varones mayores de 40 aos estn casados. De los varones mayores de 40 aos y casados, un 30%
tienen ms de 2 hijos (suceso B condicionado al suceso A).
Calcular la probabilidad de que un varn mayor de 40 aos est casado y tenga ms de 2 hijos (suceso interseccin
de A y B).
Por lo tanto:
P(A) = 0,35
P(B/A) = 0,30
P(A B) = 0,35 x 0,30 = 0,105
Es decir, un 10,5% de los varones mayores de 40 aos estn casados y tienen ms de 2 hijos.
Ejemplo: Sea el suceso A (alumnos que hablan ingls) y el suceso B (alumnos que hablan alemn) y obtenemos la
siguiente informacin:
Un 50% de los alumnos hablan ingls.
De los alumnos que hablan ingls, un 20% hablan tambin alemn (suceso B condicionado al suceso A).
Calcular la probabilidad de que un alumno hable ingls y alemn (suceso interseccin de A y B).
Por lo tanto:
P (A) = 0,50
P (B/A) = 0,20
P (A B) = 0,50 x 0,20 = 0,10
Es decir, un 10% de los alumnos hablan ingls y alemn.
TEOREMA DE BAYES: Cuando se calcula la probabilidad de un fenmeno despus de que ste se haya producido, se
habla de probabilidad a posteriori.
El Teorema de Bayes viene a seguir el proceso inverso al que hemos visto en el Teorema de la probabilidad total:
Teorema de la probabilidad total: a partir de las probabilidades del suceso A (probabilidad de que llueva o de que
haga buen tiempo) deducimos la probabilidad del suceso B (que ocurra un accidente).
Teorema de Bayes: a partir de que ha ocurrido el suceso B (ha ocurrido un accidente) deducimos las probabilidades
del suceso A (estaba lloviendo o haca buen tiempo?).
La frmula del Teorema de Bayes es: P(Ai/B) = P(Ai) x P(B/ Ai)
{P(Ai) x P(B/Ai)}
Ejemplo: El informe meteorolgico ha anunciado tres posibilidades para el fin de semana:
a) Que llueva: probabilidad del 50%.
b) Que nieve: probabilidad del 30%
c) Que haya niebla: probabilidad del 20%.
Segn estos posibles estados meteorolgicos, la posibilidad de que ocurra un accidente es la siguiente:
a) Si llueve: probabilidad de accidente del 10%.
CAEPORLICJCGH
CAEPORLICJCGH
CAEPORLICJCGH
CAEPORLICJCGH
En una comida hay 28 hombres y 32 mujeres. Han comido carne 16 hombres y 20 mujeres, comiendo pescado el
resto. Si se elige una de las personas al azar. Cul es la probabilidad de que la persona escogida sea hombre?
En un curso de 30 alumnos 18 son mujeres. Cul es la probabilidad de que al escoger una persona est no sea
mujer?
En la sala de pediatra de un hospital, el 60% de los pacientes son nias. De los nios el 35% son menores de 24
meses. El 20% de las nias tienen menos de 24 meses. Un pediatra que ingresa a la sala selecciona un infante al
azar; si el infante resulta ser menor de 24 meses. Determine la probabilidad que sea una nia.
CAEPORLICJCGH
CAEPORLICJCGH