PROBABILIDAD

DEFINICIONES PREVIAS:
1) Experimento Aleatorio (E) : es aquel fenmeno cuyos resultado depende del azar y
cumple ciertas caractersticas:
a

El experimento se puede repetir indefinidamente bajo condiciones idnticas.

Se puede describir el conjunto de todos los resultados posibles, pero no se

pueda asegurar o predecir un resultado en particular.

Si se repite un nmero grande de veces debe aparecer cierta regularidad

estadstica.

2) Sucesos: un suceso de un Experimento Aleatorio (E) es cada uno de los posibles

resultados de dicho experimento que no puede descomponerse en resultados ms
simples
3) Espacio Muestral (S): Es el conjunto de todos los resultados posibles (sucesos) de
un experimento aleatorio.

A los ejemplos previos corresponden los siguientes

espacios muestrales en notacin de conjuntos:

EJEMPLO:
EXPERIMENTO ALEATORIO
1

Observar el lanzamiento de una moneda.

ESPACIO MUESTRAL (S)

E= {Cara, Sello}

Suceso 1

Suceso 2

4) Eventos (A, B, etc) Es cualquier subconjunto de resultados de un espacio muestral

S.
Los siguientes son eventos asociados a los espacios muestrales previos.
EXPERIMENTO ALEATORIO

ESPACIO

EVENTOS

MUESTRAL (S)
A. Observar el lanzamiento de una moneda.

Cara, Sello

A1: Que salga cara

A2: Que salga sello

B. Observar el lanzamiento de un dado.

1,2,3,4,5,6

B1: Que salga par

B2: Que salga impar
B3; Que salga > 4

C. Medir la duracin de un equipo electrnico.

D. Contar el nmero de vehculos que pasan

0,1,2,4,5,.

por un cruce en lapsos de un minutos.

E. El lanzamiento de dos dados.

(1,1); (1,2); (1,3);

E1: Suma de las

caras superiores es
igual a 7
E2: La suma de las
caras superiores es
menor que 5

F. Lanzamiento de un dado y una moneda

(1,S); (2,S); (1,C);

F1: Salga un 6 y una

cara

DEFINICIN DE PROBABILIDAD SEGN LAS TRES ESCUELAS DE

PENSAMIENTO DIFERENTES: LA TEORA CLSICA, LA TEORA DE
FRECUENCIA RELATIVA Y LA TEORA SUBJETIVA
1.1. LA TEORA CLSICA.

Dada por Andrei Kolmogorov, 1903 a 1987, probabilista ruso.

Se aplica cuando todos los elementos del espacio muestral (sucesos) tienen

la misma probabilidad de ocurrir.

Sea S el espacio muestral asociado a un experimento aleatorio

y sean

i 1, 2 ,.., n

Ai S
para

eventos.

DEFINICIN DE PROBABILIDAD

Probabilidad de un evento =

CLSICA

# de resultados favorables
# de resultados posibles

Ejemplo 1:
Se tiene el siguiente exp. Aleatorio

E: Lanzamiento de dos monedas al aire.

a) Calcule el espacio muestral?

b) Sea el evento A: salga solo una cara. Plantee el evento A, utilizando conjunto
c) Cul es la probabilidad de que salga 1 cara?

1.2. LA TEORA DE LA FRECUENCIA RELATIVA.

Se debe a Pierre Simn de Laplace, 1749 a 1827.

hA

nA
;
n

0 nA n
Supngase

que

repetimos

veces

un

experimento aleatorio, sean A un evento asociado al experimento y al

nA
espacio S. Sean

el nmero de veces en que ocurren A o sea el nmero

de elementos del conjunto.

Definimos la frecuencia relativa del evento A:

0 nA n
como
o sea

nA
1
n

entonces
0 hA

Ejemplo 1.
Se tiene informacin acerca de los cargos y el sexo del personal de cierta
empresa.
Sexo
Hombres
Mujeres
TOTAL

Abogado
10
15

Contador
5
4

Ingeniero
6
7

TOTAL

Cul es la probabilidad de que al seleccionar un trabajador ste sea:

a)

Contador y sea hombre

b)

Abogado y mujer

c)

Mujer

d)

Sabiendo que el trabajador es ingeniero. Cul es la probabilidad de que sea

hombre?

e)

Sabiendo que el trabajador sea mujer. Cul es la probabilidad de que sea

abogado?

Ejemplo 2.
Localice todos los valores de probabilidad asociados a la siguiente tabla de Carrol
que ofrece informacin sobre la hipertensin y el hbito de fumar.
No

Fumadores

Fumadores

fumadores

moderados

empedernidos

Hipertensos
No hipertensos

10
30

20

15

15

10

a. Si se selecciona aleatoriamente uno de estos pacientes, encuentre la

probabilidad de que la persona sea:
a. fumadora moderada:
b. no hipertensa:
c. no hipertensa ni fumadora :
d. hipertensa y fumadora empedernida:
e. Sabiendo que el paciente no fuma. Cul es la probabilidad de que sea
hipertensa?
f. Sabiendo que el paciente es hipertenso. Cul es la probabilidad de que
sea fumador empedernido?

1.3. LA TEORA SUBJETIVA.

Se refiere a la posibilidad de que un evento particular ocurra, que es asignada por
un individuo basndose en la informacin que tenga disponible y en su propia
experiencia o presentimientos.
Ejemplos de probabilidad subjetiva son las apuestas en eventos atlticos o
deportivos o la estimacin del futuro de una accin.

AXIOMAS DE LA PROBABILIDAD

0 P Ai 1
1)
P(Ai) 0

0.5

Sin probabilidad

Tan

probable

Certeza
De ocurrir

como improbable

de

ocurrir

2)

P ( S ) P( Ai ) 1

PROPIEDADES DE LAS PROBABILIDADES

PROPIEDAD 1:

La probabilidad de un evento imposible

es cero.

A A
En efecto

P A P A

A
como

A excluye a

P A P P A
Entonces

PROPIEDAD 2:

P 0

COMPLEMENTO DE UN EVENTO
Veamos:

= S por lo tanto P(A

Como A excluye
entonces

) = P(S)

P(A) + P( ) = 1

P( )= 1 P(A) B

PROPIEDAD 3: LEY DE LA ADICION (UNION DE DOS EVENTOS)

PROPIEDAD 4: UNION DE 3 O MAS EVENTOS

P A B C P A P B P C
P A B P A C P B C

P A B C

PROPIEDAD 5: PROBABILIDAD CONDICIONAL

P B A
Sean A y B dos sucesos en S.

Indicaremos con

la

probabilidad condicional del suceso B, dado que A ha ocurrido, as:

P B A

0 P A 1

PROPIEDAD 5: EVENTOS INDEPENDIENTES

Dos eventos son INDEPENDIENTES si el resultado de uno NO afecta al otro, es decir
Cuando

P A B
,
P A

P ( A /B )=P( A)

P ( B/ A )=P( B)

PROPIEDAD 6: PROBABILIDAD DE UNA INTERSECCION

De la probabilidad condicional podemos deducir que P(A
Si A y B son independientes, entonces P(B/A) = P(B)

P(A B) = P (A). P (B)

B) = P (A). P (B/A)

VARIABLE ALEATORIA
Una variable es una funcin que asigna un nmero real a cada resultado de un experimento
aleatorio.
Una variable aleatoria puede ser discreta o continua. Es discreta si puede tomar un nmero
limitado numerable de valores, ejemplo el nmero de clientes por hora que van a un
supermercado. Es continua si puede tomar cualquier valor dentro de un intervalo dado,
ejemplo el tiempo de servicio de los empleados de una institucin menores de 60 aos.
VARIABLE ALEATORIA DISCRETA
Distribucin de probabilidad
Sea x una variable aleatoria discreta que puede tomar n resultados posibles a los que se les
asigna una probabilidad. El conjunto de estos resultados se denomina distribucin de
probabilidad de variables aleatoria discreta. Se sabe que
a

p (x) 0
b p (xi) = 1
Valor Esperado :Es un promedio poblacional
Si X es una variable aleatoria discreta, el valor esperado se define por
= Xi p (Xi)

E(x)=
Varianza

Si X es una variable aleatoria discreta con valor esperado

varianza de X se define.
V(X) =

= (Xi-

= E(X2) - E(X)2

DONDE
E(X2) = X2 .p (Xi)

)2 p (Xi)

, la

Ejemplo 1
La demanda diaria de cierto producto promocionado por una empresa tiene la siguiente
distribucin de probabilidades
X
P (X)

0
0,15

1
0,25

2
0,30

3
0,20

4
0,10

Calcular el valor esperado y su varianza.

)2 p (Xi)

XI

Xp (Xi)

0
1
2
3
4

0,0
0,25
0,60
0,60
0,40

0,5134
0,1806
0,0068
0,2645
0,4622

1,85

1,4275

= 1,85
V(x)= = 1,428
= 1,19

E (x)=

La demanda esperada es de aproximadamente 2 productos por da

La variacin es de aproximadamente un producto por da.

(Xi -