CUESTIONARIO DE PROBABILIDAD.

a) Antecedentes histricos de la probabilidad.

Girolamo cardano (1501- 1576), filsofo, antrlogo y matemtico
italiano, a quin se le tribuye la primera discusin sobre probabilidad
en su manual para jugadores liber de ludo aleae (Manual para
tirar los dados)
Galileo Galilei (1563- 1642), matemtico, fsico y astrnomo italiano,
en 1620 escribi una exposicin sobre el tema, al ser requerido por
entusiastas de los juegos de azar.
La historia que en el ao 1650 el caballero francs de mer, un
apasionado al juego, habra llevado a Blas pascal, (1632- 1662),
problemas relacionados con juegos de azar. Pascal a su vez inici
correspondencia con otros matemticos amigos, destacndose entre
ellos Pierre permat (1601- 1665) por los estudios realizados.
Cristian huygens (1629- 1695), fsico
gemetra y astrnomo
holands, publica en 1657 tratado de problemas de probabilidades
que fue un tratado de problemas relacionados con los juegos.
Abraham de moivre (1667-1754), gemetra francs, publico en 1718
the doctrine of chance (la doctrina de las probabilidades), donde
figuran las primeras indicaciones de la distribucin normal de
probabilidades.
Sinon de laplace (1749-1827), introdujo reglas e ideas nuevas y
demostr que la teora poda ser aplicada a mltiples problemas de
ndole cientfica y prctica. Public en 1812 thorie analytique des
probablits. Para laplace, la teora de las probabilidades no es otra
cosa que el sentido comn reducido a clculos.
b) Definicin de probabilidad.
Es un mtodo por el cual se obtiene la frecuencia de un acontecimiento
determinado mediante la realizacin de un experimento aleatorio, del
que se conocen todos los resultados posibles, bajo condiciones
suficientemente estables.La probabilidad refiere a la posibilidad de
ocurrencia de un fenmeno.
c) Clasificacin de acuerdo a su enfoque.
Enfoque clsico de la probabilidad: Este enfoque permite determinar
valores de probabilidad antes de ser observado el experimento por lo
que se le denomina enfoque a priori. El enfoque clsico es aplicado
cuando todos los resultados son igualmente probables y no pueden
ocurrir al mismo tiempo.

 Enfoque de frecuencias relativas: Este enfoque permite determinar la

probabilidad con base en la proporcin de veces que ocurre un
resultado favorable en cierto nmero experimentos. No implica ningn
supuesto previo de igualdad de probabilidades. A este enfoque se le
denomina tambin enfoque emprico debido a que para determinar los
valores de probabilidad se requiere de la observacin y de la
recopilacin de datos. Tambin se le denomina a posteriori, ya que el
resultado se obtiene despus de realizar el experimento un cierto
nmero de veces.
Enfoque subjetivo de la probabilidad: Se diferencia de lo dos enfoques
anteriores, debido a que tanto el enfoque clsico como el de
frecuencia relativa producen valores de probabilidad objetivos. El
enfoque seala que la probabilidad de un evento es el grado de
confianza que una persona tiene en que el evento ocurra, con base en
toda la evidencia que tiene disponible, fundamentado en la intuicin,
opiniones, creencias personales y otra informacin indirecta.
Este enfoque no depende de la repetitividad de ningn evento y
permite calcular la probabilidad de sucesos nicos y se da el caso de
que ocurra o no esa nica vez. Debido a que el valor de la
probabilidad es un juicio personal, al enfoque subjetivo se le
denomina tambin enfoque personalista.

d) Clasificacin de la probabilidad segn su uso

Existen dos tipos de probabilidad: la probabilidad clsica, tambin llamada terica o
matemtica, y la probabilidad frecuencia o emprica.
La probabilidad clsica o terica se aplica cuando cada evento simple del espacio
muestral tiene la misma probabilidad de ocurrir.
Frmula para obtener la probabilidad clsica o terica:
Probabilidad de un evento = Numero de resultados favorables al evento/Nmero total de
resultados posibles.
En smbolos: P(E) = n(E)/n(S).
La probabilidad frecuencia se obtiene cuando se experimenta un gran nmero de veces el
mismo fenmeno en condiciones semejantes.
Frmula de la probabilidad frecuencia o emprica:
Probabilidad Frecuencia = Numero de aciertos / nmero de experimentos.
Empleando smbolos: P(E) = f /n

e) Terminologa empleada en probabilidad.

DIAGRAMA DE ARBOL. Dispositivo grfico til para definir puntos maestrales de un
experimento donde se presentan varias etapas.
DIAGRAMA DE DISPERSIN. Mtodo grfico para mostrar la relacin entre dos variables
cuantitativas. Una variable se representa sobre el eje horizontal y la otra sobre el eje
vertical.
PROBABILIDAD. Es el nmero de posibilidades que hay de que un fenmeno suceda o
no suceda.
EVENTO. Uno o ms de los posibles resultados al hacer algo, o bien uno de los posibles
resultados que se producen al efectuar un experimento.
EVENTOS INDEPENDIENTES. Dos eventos son independientes si la ocurrencia de un
evento no tiene efecto sobre la probabilidad de ocurrencia del otro.
EVENTOS DEPENDIENTES. Dos eventos son dependientes si la ocurrencia de un evento
si tiene efecto sobre la probabilidad de ocurrencia del otro.
EXPERIMENTO. Cualquier proceso que genere resultados bien definidos, que se
representan por Ei
PERMUTACIONES. Tcnica de conteo. Se utiliza para obtener el nmero de posibles
arreglos resultantes de un conjunto de elementos, considerando la importancia o
jerarqua.
COMBINACIONES. Tcnica de conteo. Cuando el orden de cualquier conjunto de
elementos no importa.

f) Como define la ley de los grandes nmeros.

La ley de los grandes nmeros nos dice que la frecuencia relativa de las
obtenciones de un experimento de carcter aleatorio se estabiliza en un
nmero que coincide con la probabilidad, cuando el experimento se
realiza muchas veces.
Teniendo en cuenta que la frecuencia relativa es la proporcin de veces
que ocurre un determinado suceso o, lo que es lo mismo, la cantidad de
veces que sale un nico suceso entre el nmero de veces que se ha
realizado el experimento, podemos afirmar que la razn por la cual se
estabiliza la frecuencia relativa es porque al ser el denominador cada
vez ms grande, al cociente le afectan cada vez menos las oscilaciones
del numerador.
Dentro de la ley de los grandes nmeros podemos encontrar la Ley
Dbil y la Ley Fuerte.

La Ley Dbil: esta ley asegura que en muchas situaciones, la

media aritmtica de n variables aleatorias se aproxima a un lmite
de la probabilidad de E[X].

Esta ley se cumple si en una sucesin de variables aleatorias (Xn), {Xn

- E[Xn]} se aproxima al lmite de probabilidad 0.

La Ley Fuerte: esta ley afianza la ley dbil, puesto que se va a

establecer la convergencia con probabilidad 1 en vez, solamente,
convergencia en probabilidad.

De todo esto, podemos concluir la ley de los grandes nmeros en la

siguiente ''frmula'':

Lm fr(S) = P[S] Cuando N tiende a infinito.

g) Dentro de la probabilidad, a qu se llama experimento y a

que resultado?

Cuando trabajamos con probabilidad, una accin aleatoria o serie de

acciones se llama experimento.

Un resultado es la consecuencia de un experimento, y un evento es

una coleccin particular de resultados. Los eventos
h) Dentro de la probabilidad, a qu se llama experimento y a
que resultado?

Cuando trabajamos con probabilidad, una accin aleatoria o serie de

acciones se llama experimento.
Un resultado es la consecuencia de un experimento, y un evento es
una coleccin particular de resultados. Los eventos usualmente son
descritos usando una caracterstica comn de los resultados.
I) A que se le llama espacio muestral.

Es el conjunto de todos los posibles resultados de una experiencia

aleatoria.
J) Que es un evento de acuerdo con la probabilidad
Es cada uno de los resultados posibles de una experiencia aleatorio.

K) Que son eventos: igualmente probables, dependientes,

complementarios, compuestos.
Eventos Independientes

Dos o ms eventos son independientes cuando la ocurrencia o noocurrencia de un evento no tiene efecto sobre la probabilidad de
ocurrencia del otro evento (o eventos). Un caso tpico de eventos
independiente es el muestreo con reposicin, es decir, una vez tomada
la muestra se regresa de nuevo a la poblacin donde se obtuvo.
Ejemplo:
Lanzar al aire dos veces una moneda son eventos independientes por
que el resultado del primer evento no afecta sobre las probabilidades
efectivas de que ocurra cara o sello, en el segundo lanzamiento.
Eventos dependientes
Dos o ms eventos sern dependientes cuando la ocurrencia o noocurrencia de uno de ellos afecta la probabilidad de ocurrencia del otro
(o otros). Cuando tenemos este caso, empleamos entonces, el concepto
de probabilidad condicional para denominar la probabilidad del evento
relacionado.
La expresin P(A|B) indica la probabilidad de ocurrencia del evento A s
el evento B ya ocurri.
Se debe tener claro que A|B no es una fraccin.
P(A|B) = P(A y B)/P(B) o P(B|A) = P(A y B)/P(A)
Complementario
Dos eventos se denominan complementarios cuando su unin da el
espacio muestral y su interseccin es vaca. La suma de las
probabilidades de dos eventos complementarios es igual a 1.
Se denomina Ac al evento complementario del evento A. Por ejemplo, la
probabilidad de obtener un mltiplo de 3 al tirar un dado es , y la
probabilidad de no obtener un mltiplo de 3 ser de.
Compuesto
Evento que incluye dos o ms eventos independientes.
Un ejemplo es el evento de obtener el mismo lado (la misma cara) al
lanzar dos veces una moneda. El resultado del primer lanzamiento no
afecta al segundo resultado. Es necesario considerar ambos resultados
para determinar el resultado final.
Eventos no excluyentes

Sacar un 5 y una carta de espadas. Son eventos no excluyentes

pues podemos tomar un 5 de espadas.

Sacar una carta roja y una carta de corazones. Son eventos no

excluyentes pues las cartas de corazones son uno de los palos rojos.

Sacar un 9 y una carta negra. Son eventos no excluyentes pues

podemos tomar el 9 de espadas o el 9 de trboles.

Para los tres ejemplos es posible encontrar por lo menos una carta
que hace posible que los dos eventos ocurran a la vez.

Eventos mutuamente excluyentes

Sacar una carta de corazones y una carta de espadas. Son eventos

mutuamente excluyentes, las cartas o son de corazones o son de
espadas.

Sacar una carta numerada y una carta de letras. Son eventos

mutuamente excluyentes, las cartas o son numeradas o son cartas con
letra.

Sacar una carta de trboles roja. Son eventos mutuamente

excluyentes pues las cartas de trboles son exclusivamente negras.

No es posible encontrar una sola carta que haga posible que los
eventos sucedan a la vez. Eventos Independientes y Dependientes

L) Que son eventos mutuamente excluyentes.

Dos o ms eventos son mutuamente excluyentes, si no pueden

ocurrir simultneamente.

Es decir, la ocurrencia de un evento impide automticamente la

ocurrencia del otro evento (o eventos).

Adems el ejemplo de la moneda (si sale cara, no puede salir cruz a la

vez), tambin se aplica al del dado: en este caso que ocurra un evento
(que el dado caiga mostrando el 1) impide automticamente que
ocurran otros 5 eventos (que salgan el 2, el 3, el 4, el 5 y el 6)

m) Que es un evento independiente:

Evento cuyo resultado no tiene que ver con el resultado de otro(s) evento(s). En
estadstica es cuando la ocurrencia o no del mismo no tiene efecto sobre (y no es
afectado por) la ocurrencia de otro evento.
La principal caracterstica de una situacin con eventos independientes es que el estado
original de la situacin no cambia cuando ocurre un evento. Existen dos maneras de que
esto suceda:

Los eventos independientes ocurren ya sea cuando:

El proceso que genera el elemento aleatorio no elimina ningn posible resultado

o

El proceso que s elimina un posible resultado, pero el resultado es sustituido

antes de que suceda una segunda accin. (A esto se le llama sacar un reemplazo.)

Por ejemplo, el resultado de lanzar una moneda, y que caiga de cualquier lado, no
depende del resultado de ninguno de los lanzamientos anteriores. Por lo tanto,
cada lanzamiento es un evento independiente.
Otro ejemplo podra ser el lanzamiento de un dado. En la primera oportunidad
puede salir un nmero del 1 al 6, y en el segundo lanzamiento tambin puede salir
un nmero del 1 al 6 sin importar cul fue el resultado del evento anterior.

Eventos Independientes
DEFINICIN. Independencia para dos eventos

Sea

Si

dos eventos. Se dice que

independientes si

no son independientes se dice que ellos son dependientes.

NOTAS
1. Con la anterior definicin, si A y B son independientes, la probabilidad de B
dado que ya ocurri A es:

2. La probabilidad de A dado que ya ocurri B es:

DEFINICIN. Eventos mutuamente independientes

Los

eventos

siguientes

son Mutuamente

independientes si

las

las

relaciones se tienen

Ejemplo
Se sacan tres cartas de un juego en sucesin, sin reemplazo, de un paquete
ordinario. Encuentre la probabilidad de que se presente
es el evento de que la primera carta sea un as rojo,
un 10 o una jota y

, donde
que la segunda carta sea

que la tercera carta es mayor que 3 y menor que 7.

As, la probabilidad de que al sacar tres cartas de una baraja, la primera carta sea
un as rojo, la segunda carta sea un 10 o jota y la tercera carta sea mayor que 3 y
menor que 7 es de 0.0014 o 0.14%.

n)

Que importancia tienen los diagramas de Venn Euler en la

probabilidad
Los diagramas de Venn Euler son ilustraciones usadas en las ramas de las
matemticas conocida como teora de conjuntos.
Adems se usan para mostrar grficamente la relacin matemtica o lgicas entre
diferentes grupos (conjuntos) representando cada conjunto por medio de crculos.
La forma en que estos crculos se relacionan o se interponen entre si muestran
todas las posibles relaciones lgicas entre estos.
La importancia y el empleo de los diagramas de Venn Euler en la probabilidad
actualmente se utilizan para Ensear las matematicas elementales y reducir la
lgica y la Teora de conjuntos al clculo simbolico.

Otra importancia de este diagrama es que se suelen usar de 2 o 3 conjuntos como

herramienta de sintesis para ayudar a comparar y contrastar elementos en las que
se pueden incluir sus caracteristicas como lo son la union, interseccion, etc.
Con ayuda de los diagramas de Venn podemos dar los primeros pasos para la
comprensin del clculo de probabilidades de distintos sucesos de un espacio
muestral. El siguiente geogebra se ha realizado con dicho propsito. En l
trabajaremos en trminos de porcentajes y en caso de querer calcular
probabilidades slo habr que dividir entre cien los resultados obtenidos. Para
trabajar estos conceptos se puede proponer un ejercicio similar al siguiente.
En una ciudad se publican 3 revistas sobre tecnologa y videojuegos A, B y C.
Mediante una encuesta se estima que el 30% lee la revista A, el 20% la revista B,
el 15% lee la C, el 10% lee A y B, el 6% lee A y C, el 5% lee B y C, y el 3% lee las
tres revistas.

Qu porcentaje lee al menos dos revistas?

Qu porcentaje lee solo una revista?

Qu porcentaje no lee ninguna revista?

Qu porcentaje lee A pero no B?

En primer lugar introduciremos los datos que nos dan en el ejercicio tal y como
aparece en el Geogebra al que puedes acceder pinchando en la imagen y
obtendremos interactivamente los distintos valores del diagrama de Venn:

Una vez se tienen los datos en el diagrama de Venn y se entiende su significado

ser muy fcil contestar las preguntas propuestas:
a) Qu porcentaje lee al menos dos revistas? 7+3+3+2=15%
b) Qu porcentaje lee solo una revista? 17+8+7=32%
c) Qu porcentaje no lee ninguna revista? 53%
d) Qu porcentaje lee A pero no B? 17+3=20%

O) Represente la regla de adicin de la probabilidad

La regla de la adicin o regla de la suma establece que la probabilidad de

ocurrencia de cualquier evento en particular es igual a la suma de las
probabilidades individuales, si es que los eventos son mutuamente excluyentes, es
decir, que dos no pueden ocurrir al mismo tiempo.
P(A o B) = P(A) U P(B) = P(A) + P(B) si A y B son mutuamente excluyente. P(A o
B) = P(A) + P(B) P(A y B) si A y B son no excluyentes.
Siendo: P(A) = probabilidad de ocurrencia del evento A. P(B) = probabilidad de
ocurrencia del evento B. P(A y B) = probabilidad de ocurrencia simultnea de los
eventos A y B.
Los eventos compuestos se generan al aplicar las operaciones bsicas de los
conjuntos a los eventos simples. Las uniones, intersecciones y complementos de
eventos son de inters frecuente. La probabilidad de un evento compuesto a
menudo puede obtenerse a partir de las probabilidades de cada uno de los
eventos que lo forman. En ocasiones, las operaciones bsicas de los conjuntos
tambin son tiles para determinar la probabilidad de un evento compuesto.
De esta manera para A y B eventos del espacio muestral S, entonces:

Demostracin:
Se conoce que

Por otro lado se tiene que

Entonces

Regla general de la adicin de probabilidades para eventos no mutuamente

excluyentes
Si A y B son dos eventos no mutuamente excluyentes, es decir, de modo que
ocurra A o bien B o ambos a la vez (al mismo tiempo), entonces se aplica la
siguiente regla para calcular dicha probabilidad:

El espacio muestral (S) corresponde al conjunto universo en la teora de conjuntos

Ejemplos ilustrativos
1) Sea A el suceso de sacar un As de una baraja estndar de 52 cartas y B
sacar una carta con corazn rojo. Calcular la probabilidad de sacar un As o
un corazn rojo o ambos en una sola extraccin.

Solucin:
A y B son sucesos no mutuamente excluyentes porque puede sacarse el as de
corazn rojo.
Las probabilidades son:

Reemplazando los anteriores valores en la regla general de la adicin de

probabilidades para eventos no mutuamente excluyentes se obtiene:

P) Represente la regla de la multiplicacin de la probabilidad.

Regla de Multiplicacin

La regla de la multiplicacin establece que la probabilidad de ocurrencia de dos o

ms eventos estadsticamente independientes es igual al producto de sus
probabilidades individuales.
P(A y B) = P(A B) = P(A)P(B) si A y B son independientes.
P(A y B) = P(A B) = P(A)P(B|A) si A y B son dependientes.

De la definicin de probabilidad condicional se tienen los siguientes resultados al

despejar
Las relaciones
y
son casos especiales de la llamada Regla de la
multiplicacin, la cual es til para:
Calcular probabilidades de intersecciones de eventos
en probabilidades condicionales.

con base

Esta regla de manera general se puede expresar como:

Sea

eventos tales que

. Entonces

Ejemplo
1. (Inspeccin de Lotes)
Un lote contiene
tems de los cuales
son defectuosos. Los tems son
seleccionados uno despus del otro para ver si ellos son defectuosos. Suponga
que dos tems son seleccionados sin reemplazamiento (Significa que el objeto que
se selecciona al azar se deja por fuera del lote). Cul es la probabilidad de que
los dos tems seleccionados sean defectuosos?

Solucin
Sea los eventos

Entonces dos tems seleccionados sern defectuosos, cuando ocurre el

evento
que es la interseccin entre los eventos
informacin dada se tiene que:

. De la

As probabilidad de que los dos tems seleccionados sean defectuosos es

Ahora suponga que selecciona un tercer tem, entonces la probabilidad de que los
tres tems seleccionados sean defectuosos es

Q) Como se emplea la tabla de contingencia o mtodo corto de

la probabilidad
En estadstica las tablas de contingencia se emplean para registrar y analizar la
relacin
entre
dos
o
ms
variables,
habitualmente
de
naturaleza cualitativa (nominales u ordinales).
Un mtodo til para clasificar los datos obtenidos en un recuento es mediante
las tablas de contingencia.
Se trata de tablas en cuyas celdas figuran probabilidades, y en la cual podemos
determinar unas probabilidades conociendo otras de la tabla.
Se dispone de dos variables, la primera el sexo (hombre o mujer) y la segunda
recoge si el individuo es zurdo o diestro. Se ha observado esta pareja de variables
en una muestra aleatoria de 100 individuos. Se puede emplear una tabla de
contingencia para expresar la relacin entre estas dos variables:
Hombre
Mujer
TOTAL

Diestro
43
44
87

Zurdo
9
4
13

TOTAL
52
48
100

Las cifras en la columna de la derecha y en la fila inferior reciben el nombre

de frecuencias marginales y la cifra situada en la esquina inferior derecha es
el gran total.
La tabla nos permite ver que la proporcin de hombres diestros es
aproximadamente igual a la proporcin de mujeres diestras. Sin embargo, ambas
proporciones no son idnticas y la significacin estadstica de la diferencia entre
ellas puede ser evaluada con la prueba de Pearson, supuesto que las cifras de
la tabla son una muestra aleatoria de una poblacin. Si la proporcin de individuos
en cada columna vara entre las diversas filas y viceversa, se dice que
existe asociacin entre las dos variables. Si no existe asociacin se dice que
ambas variables son independientes.