07 Estadistica PDF

ESTADSTICA
SEMANA 7
Teora de las probabilidades
Todos los derechos de autor son de la exclusiva propiedad de IACC o de los otorgantes de sus licencias. No est
permitido copiar, reproducir, reeditar, descargar, publicar, emitir, difundir, poner a disposicin del pblico ni 1
ESTE DOCUMENTO
utilizar CONTIENE
los contenidos para LA SEMANA
fines comerciales 7
de ninguna clase.
2
ESTE DOCUMENTO CONTIENE LA SEMANA 7
NDICE
OBJETIVOS ESPECFICOS................................................................................................................................. 4
INTRODUCCIN ........................................................................................................................................... 4
1. TEORA DE PROBABILIDAD ..................................................................................................................... 4
1.1. REGLAS DE CONTEO ................................................................................................................. 4
1.2. PERMUTACIONES ..................................................................................................................... 7
1.3. VARIACIONES O ARREGLOS ...................................................................................................... 9
1.4. COMBINACIONES.................................................................................................................... 11
2. CONCEPTOS BSICOS DE PROBABILIDADES ............................................................................................ 13
2.1. PROBABILIDADES .................................................................................................................... 14
2.2. PROPIEDADES DE LAS PROBABILIDADES ................................................................................ 18
2.3. PROBABILIDAD CONDICIONAL ............................................................................................... 23
3. PROBABILIDADES CON EXCEL ............................................................................................................... 31
COMENTARIO FINAL ............................................................................................................................... 34
REFERENCIAS ............................................................................................................................................. 35
3
TEORA DE LAS PROBABILIDADES
OBJETIVOS ESPECFICOS
Conocer y comprender conceptos bsicos de probabilidades.
Aplicar la teora de la probabilidad a casos cotidianos y reales.
INTRODUCCIN
El principal problema de quienes se dedican a las estadsticas es respecto al manejo del azar y la
incertidumbre (lo que para un economista sera el riesgo). En este aspecto, la teora de la
probabilidad es considerada la base de la inferencia estadstica y un instrumento esencial en el
anlisis de variabilidad o dispersin de los datos. Por lo que los conceptos y la tcnica que se revisar
en esta semana tendrn una amplia gama de aplicaciones.
1. TEORA DE PROBABILIDAD
Al decir de los estadsticos, el problema central est en el manejo del azar y la incertidumbre. En este
sentido, la teora de la probabilidad es considerada la base de la inferencia estadstica y una
herramienta esencial en el anlisis de la variabilidad. Por lo tanto, los conceptos y tcnicas vistos en
esta semana tendrn una gran variedad de aplicaciones.
1.1. REGLAS DE CONTEO

La manera en cmo se debe contar correctamente es la pregunta que ms se repite en un contexto
como el de la combinatoria. Por ejemplo:
- De cuntas formas se pueden acomodar los integrantes de una familia para sacarse una foto?
- Cuntas diagonales tendr un polgono de n lados?
- Si alguien no recuerda el nmero de su tarjeta de crdito y solo sabe que haba un 8 y el 5 se
repeta dos veces, cuntos intentos se tendrn que realizar como mximo para dar con la cifra?
4
La teora combinatoria proporciona las frmulas que permiten encontrar respuestas a muchas
situaciones como las descritas. Las problemticas planteadas como las de los ejemplos, se analizan
atendiendo a:
Los elementos con que se disponen para formar los grupos.
Los elementos que debe contener cada grupo.

La posibilidad de repetir elementos (o no) en los grupos.
La importancia o indiferencia en cuanto al orden en que aparecen los elementos en las
agrupaciones.
Con un manejo aceptable de las tcnicas de recuento, se puede abordar de una forma ms
interesante el concepto de probabilidad en el sentido clsico de Laplace o regla de Laplace1.
PRINCIPIO ADITIVO O REGLA DE LA SUMA
Si se desea llevar a cabo una actividad, la cual tiene varias formas o alternativas para ser realizada,
donde la primera de esas alternativas puede ser efectuada de M maneras, la segunda alternativa
puede realizarse de N maneras, etc. y la ltima de las alternativas puede ser realizada de W maneras,
entonces esa actividad puede ser llevada a cabo de: M + N + + W maneras. A continuacin se
presenta un ejemplo para ilustrar esta definicin:
Ejemplo:
Una persona desea arrendar una pelcula y para esto se dirige a un videoclub, el cual tiene disponibles
20 pelculas de terror, 15 de accin y 10 de comedia.
Solucin:
Por la regla de la suma la persona puede elegir: 20 + 15 + 10 = 45 pelculas.
(*) Nota: la persona no quiere ver una pelcula de terror y accin y comedia, sino terror o accin o
comedia.
PRINCIPIO MULTIPLICATIVO O REGLA DE LA MULTIPLICACIN
Este principio o regla se aplica cuando un objeto A1 puede ser elegido mediante K1 maneras, luego
para cada una de estas elecciones del objeto A1, otro objeto A2 puede ser elegido por K2 mtodos.
Despus, cada una de estas elecciones, tanto de A1 como de A2, el tercer objeto A3 puede ser elegido
1
Esta regla se aplica para el caso en que los resultados elementales del experimento aleatorio son
equiprobables, es decir, cuando cada uno de ellos tiene las mismas posibilidades de ocurrir. Ver ms en:
http://www.matetam.com/glosario/definicion/regla-laplace-calculo-probabilidades
5
por K3 procedimientos y as sucesivamente, incluyendo el n- simo objeto An, el cual puede ser
elegido mediante Kn mtodos.
Entonces, el objeto que figura en la eleccin de todos los n objetos juntos, es decir, el objeto A1, A2,
A3, y An, puede ser elegido por:
K1 K 2 K 3 K n mtodos.
Ejemplos:
1) Cuntos nmeros pares de tres cifras se pueden formar, usando las cifras {0, 1, 2, 3, 4, 5 y 6}, si
estas pueden repetirse?
Solucin:
Al formar un nmero par de tres nmeros A1, A2 y A3, con las cifras dadas, en A1 puede tomarse una
cifra cualquiera, salvo el 0 (porque se est buscando un nmero par con tres cifras), es decir 6
posibilidades. En A2 pueden tomarse cualquier cifra, es decir 7 posibilidades; y en A3 cualquiera de las
cifras 0, 2, 4, 6 (y no el 1, el 3 o el 5, pues se necesita un nmero par), es decir 4 posibilidades.
De este modo, conforme a la regla de multiplicar, existen:
Primera cifra Segunda cifra Tercera cifra
A1 A2 A3
6 7 4 6 7 4 168
Por lo tanto, con las cifras dadas pueden formarse 168 nmeros pares de tres cifras.
2) Considere el siguiente conjunto de dgitos {2, 3, 5, 6, 7, 9}, cuntos nmeros pares de tres dgitos
sin repeticin se pueden formar con los seis dgitos?
Solucin:
Al formar un nmero par de tres cifras A1, A2 y A3 con las cifras dadas, en A3 puede ser el 2 o 6 (para
que sea par) o sea 2 posibilidades, en A2 puede tomarse cualquier cifra, salvo la elegida en la primera
cifra, ya que no se puede repetir, es decir 5 posibilidades y en A1 puede tomarse una cifra cualquiera,
salvo utilizada en A2 y A3, es decir 4 posibilidades.
De este modo, conforme a la regla de multiplicar, existen:
6
Primera cifra Segunda cifra Tercera cifra
A1 A2 A3
4 5 2 4 5 2 40
Por lo tanto, con las cifras dadas pueden formarse 40 nmeros pares de tres cifras.
1.2. PERMUTACIONES
Una permutacin (tambin conocida como ordenacin o variacin) es un arreglo de datos o parte de
un nmero de objetos, en un orden definido. Entonces, sea un conjunto de n elementos, las
ordenaciones que se pueden realizar con estos elementos sin repetir ningn de ellos y utilizndolos
todos se le denomina permutacin. El nmero de permutaciones que se pueden realizar coincide con
el factorial de n y su forma de clculo es el siguiente:
P n ! n n 1 n 2 n 3 1
n
Ejemplos:
1) Con las letras de la palabra disco, cuntas palabras distintas se pueden formar?
Solucin:
En este caso se tienen que formar palabras de 5 letras con 5 elementos D, I, S, C y O (que no estn
repetidos). Por lo tanto:
P 5 ! 5 4 3 2 1 120
5
Luego, se pueden formar 120 palabras.
2) De cuntas maneras distintas se pueden sentar a 6 personas en una fila de butacas?
Solucin:
En este caso el orden importa, ya que no se puede sentar a la misma persona ms de una vez (al
mismo tiempo). Entonces, se tienen 6 puestos para sentarse y 6 personas (elementos), que no estn
repetidas.
7
Por lo tanto, se pueden sentar:
P 6 ! 6 5 4 3 2 1 720
6
Luego, hay 720 maneras de sentar a 6 personas.
Observaciones:
i. Las permutaciones cclicas o circulares, se calculan, como: P n 1!

n 1
Ejemplo:
De cuntas maneras distintas se pueden sentar 6 personas en una mesa redonda?
Solucin:
P 6 1! 5 ! 5 4 3 2 1 120 maneras.
n 1
ii. Las permutaciones con repeticin de n elementos tomados de a en a, de b en b, de c en c, etc.,

cuando en los n elementos existen elementos repetidos (un elemento aparece a veces, otro b
veces, otro c veces, etc.) verificndose que: a + b + c + = n.
El nmero de permutaciones ser:
n!
P a, b, c,..
n a ! b ! c !...
Ejemplos:
1) Con las letras de la palabra solidaridad, cuntas palabras distintas se pueden formar?
Solucin:
Se tienen que formar palabras de 11 letras con 11 elementos S, O, L, I, D, A, R, I, D, A y D, en donde la

I est repetida 2 veces; la D, 3 veces; y la A est 2 veces. Por lo tanto:
11 ! 39.916 .800
P 2,3,2 1.663 .200 palabras.
11 2 ! 3 ! 2 ! 262
8
2) De cuntas maneras distintas pueden colocarse 9 bolas, las cuales 4 son blancas, 3 amarillas y 2
azules?
Solucin:
En este caso el orden es relevante por ser de distinto color, pero hay varias bolas del mismo color. Por
lo tanto:
9! 4 ! 5 6 7 8 9
P 4,3,2
9 4 ! 3 ! 2 ! 4 ! 6 2
Simplificando, se tiene:
15.120
P 4,3,2 1.260 modos de colocarlas.
9 12
1.3. VARIACIONES O ARREGLOS

Sea un conjunto de n elementos de los cuales se desea ordenar r elementos de n. A cada una de estas
ordenaciones se la denomina variacin. El nmero de variaciones que se pueden realizar de los n
elementos tomados de r en r, se calcula mediante la frmula:
n!
Vnr
n r ! ; con n r para variaciones sin repeticin.
La variacin tambin puede escribirse, como:
Vnr Anr n Pr
Ejemplos:
1) En una carrera de 100 m planos compiten 10 atletas. De cuntas maneras distintas podra
conformarse el podio (los tres primeros lugares)?
Solucin:
Al tratarse de los 3 primeros lugares e importando el orden, cada posible orden del podio es una
variacin de 10 elementos tomados de 3 en 3 (sin repeticin). Por lo tanto:
10 ! 3.628 .800
V103 720 podios.
10 3! 5.040
9
2) Cuntos nmeros de 4 cifras distintas se pueden formar con las 9 cifras significativas del sistema
decimal?
Solucin:
Al tratarse de estas especificaciones para obtener ciertos nmeros, el orden es importante pues no
pueden repetirse. Por lo tanto:
9! 362 .880
V94 3.024 nmeros.
9 4! 120
Observacin:
Sea un conjunto de n elementos y se desea ordenar r elementos, pudiendo estos ser elementos
repetidos. Cada ordenacin es una variacin con repeticin. El nmero de variaciones con repeticin
para un conjunto de n elementos tomados de r en r, se calcula mediante la frmula:
Vnr n r para variaciones con repeticin.
Ejemplos:
1) En una urna se tienen 5 bolas numeradas del 1 al 5. Se extraen sucesivamente con reposicin (es
decir devolviendo cada vez esa bola a la urna) 3 bolas. Cuntos resultados distintos es posible
obtener?
Solucin:
Se trata de variaciones con repeticin de un conjunto de 5 bolas tomadas de 3 en 3. Por lo tanto el

total de resultados posibles, son:
V53 53 125 resultados.
2) Cuntos nmeros de 3 cifras se pueden formar con las 9 cifras significativas del sistema decimal?
Solucin:
Al tratarse de nmeros el orden importa y, adems, no se dice nada sobre cifras distintas, lo que
significa que s pueden repetirse. Por lo tanto:
V93 93 729 nmeros.
10
1.4. COMBINACIONES
Las combinaciones de n objetos (o cosas), tomando r de ellos a la vez, representan el nmero de
subconjuntos diferentes de tamao r, que se pueden obtener con esos n objetos. A diferencia de lo
que ocurre con las permutaciones, en las combinaciones el orden de aparicin de los objetos es
irrelevante, o sea que no importa.
Cuando se trata de contar el nmero de subconjuntos de r elementos en un conjunto de n elementos,

se tiene lo que se denomina combinaciones de r elementos en un conjunto de n.
El clculo del conteo se realiza mediante el nmero combinatorio, utilizando la siguiente frmula:
n n!
Cnr ; con n r para combinaciones sin repeticin.
r r ! n r !
Las combinaciones tambin pueden escribirse, como:
n
C (n, r ) Cnr C
r n r
Ejemplos:
1) En una urna se tienen 5 bolas numeradas del 1 al 5. Se extraen sucesivamente sin reposicin, es
decir con una nica extraccin, 3 bolas. Cuntos resultados distintos es posible obtener?
Solucin:
En este caso, no importa el orden de la extraccin, en donde sern combinaciones de 5 elementos

tomados de 3 en 3 sin repeticin. Por lo tanto:
5 5! 120
C53 10 resultados.
3
3 ! 5 3! 6 2
2) Cuntos grupos de 5 alumnos pueden formarse con los 30 alumnos de un curso? (Un grupo es
distinto de otro si se diferencia de otro por lo menos en un alumno).
Solucin:
En este caso no importa el orden, pues solo son grupos de alumnos, sin embargo, no puede haber
estar el mismo alumno en grupos diferentes evidentemente, por lo que es una combinacin sin
repeticin.
11
Por lo tanto:
30 30 !
C5 142 .506 grupos distintos.
5

30 5 ! 30 5!
Observacin:
Las combinaciones con repeticin de n elementos tomados de r en r se definen como las distintas
agrupaciones formadas con r elementos que pueden repetirse, eligindolos de entre los n elementos
de que se disponen, considerando una variacin distinta a otra solo si difieren en algn elemento (no
influye el orden de colocacin de sus elementos). El nmero de combinaciones que se pueden
construir se pueden calcular mediante la frmula:
n r 1 n r 1!
CRnr para combinaciones con repeticin.
r r ! n 1!
Ejemplo:
En una cafetera hay 5 tipos diferentes de pasteles, de cuntas formas se pueden elegir cuatro
pasteles?
Solucin:
En este caso no importa el orden de los pasteles, ya que puede haber dos o ms pasteles en un grupo
que se repitan. Por lo tanto:
5 4 1 8!
CR54 70 grupos distintos.
4 4 ! 4 !
PAUTAS A CONSIDERAR PARA LA RESOLUCIN DE ESTE TIPO DE PROBLEMAS
Si en cada agrupacin figuran todos los elementos disponibles, importando el orden de

colocacin de estos, entonces se trata de un problema de permutaciones.
Si en cada agrupacin figuran solo algunos de los elementos disponibles, importando el orden
de colocacin de estos, entonces es un problema de variaciones.
Si en cada agrupacin figuran solo algunos de los elementos disponibles, sin importar el orden
de colocacin de estos, entonces se est ante un problema de combinaciones.
12
2. CONCEPTOS BSICOS DE PROBABILIDADES
Experimento aleatorio: es aquel experimento que repetido en similares condiciones puede arrojar
resultados diferentes. Ejemplos: lanzar un dado, lanzar una moneda, elegir un artculo en una lnea
de produccin, etc.
Se puede afirmar que un experimento aleatorio es una representacin imaginaria de un proceso,

cuyo resultado o resultados dependen del azar, por lo tanto, estn fuera de cualquier probable
control determinista.
Espacio muestral (): es el conjunto formado por todos los posibles resultados de un experimento
aleatorio. El espacio muestral o espacio de muestra puede ser un conjunto finito o infinito que, se
representa con la letra griega omega (). Ejemplos: lanzar un dado 1, 2, 3, 4, 5, 6 ;
lanzar una moneda cara,sello ; elegir un artculo bueno,malo .
Suceso o evento: se llama suceso o evento a todo subconjunto de y se denota cada subconjunto
con letras maysculas A, B, C, etc. En otras palabras, es cualquier subconjunto de un espacio
muestral. Ejemplos: lanzar un dado 1, 2, 3, 4, 5, 6 ; obtener un uno A 1 ; obtener
un par B 2, 4, 6 ; obtener un siete C = { } o { } (el vaco se conoce como evento
imposible); obtener un nmero entero D 1, 2, 3, 4, 5, 6
La probabilidad de un evento es un valor numrico real (o medida) que se le asigna al evento y que,
de algn modo, indica qu tan verosmil se considera. Si A es un evento, entonces la probabilidad de
A se suele denotar o escribir con la simbologa P (A). Ejemplo: al lanzar un dado se supone que cada
una de sus caras cuenta con la misma posibilidad de quedar arriba, por lo que la probabilidad de que
el 3 quede arriba es 1/6 (uno entre seis) y la de que no lo haga es 5/6 (cinco entre seis). En este
ejemplo, solo hay un caso favorable (el 3 hacia arriba) y cinco desfavorables, pero cada uno de los seis
nmeros tiene la misma oportunidad.
OPERATORIAS ENTRE CONJUNTOS
Sean A y B dos sucesos asociados a un experimento, se tiene que:
1) A B : es un nuevo suceso que representa ocurre A, ocurre B u ocurren ambos.
2) A B : es un nuevo suceso que representa ocurre A y ocurre B a la vez, es decir, ocurren

ambos.
c
3) A : es un nuevo suceso que indica que no ocurre A.
4) A B : es un nuevo suceso que representa ocurre A, pero no ocurre B.
13
Ejemplo:
Sean A, B y C sucesos asociados a un experimento, representar simblicamente los siguientes

sucesos.
Solo ocurre B: Ac B C c
No ocurre ninguno de los tres: Ac B c C c
Ocurre, a lo menos, uno de ellos: A B C
Ocurren los tres: A B C
PROPIEDADES DEL COMPLEMENTO
c
1) A A
c
2) A A U (donde U es el universo)
c
Ac A
3)
4) Uc
c
5) U
c
6) A B A B
LEYES DE MORGAN
1) A Bc Ac B c
2) A Bc Ac B c
2.1. PROBABILIDADES
Supngase un suceso A, que de un total de n casos posibles, todos igualmente probables, puede
presentarse en k de los casos. Entonces, la probabilidad de la ocurrencia del suceso A viene dada por:
k
P A
n
14
Donde:
P A = es la probabilidad de A.
k = es el nmero de casos favorables de una muestra o evento.
n = es el nmero total de casos de una muestra o evento.
Tambin se puede utilizar la siguiente simbologa, para la probabilidad de A:
#A
P A
#
Donde:
P A es la probabilidad de A.
# A es el nmero de casos posibles o favorables del espacio muestral.
# es el nmero total de casos del espacio muestral.
Ejemplos:
1) Sea el experimento E: el lanzamiento de un dado. Determinar la probabilidad de los siguientes

sucesos:
a) A = {que salga un nmero par}
b) B = {que salga un nmero mayor que 2}
c) C = {que salga un nmero mltiplo de 3}
Solucin:
a) A = {que salga un nmero par en el lanzamiento de un dado}
1, 2, 3, 4, 5, 6 # 6
A 2, 4, 6 # A 3
Por lo tanto, la probabilidad pedida es:
3
P A 0,5
6
Es decir hay, un 50% de probabilidad de obtener un par al lanzar un dado.
15
b) B = {que salga un nmero mayor que 2}
1, 2, 3, 4, 5, 6 # 6
B 3, 4, 5, 6 #B 4
4
PB 0, 6
6
Es decir hay un 66,67% de probabilidad de obtener un nmero mayor que 2 al lanzar un dado.
c) C = {que salga un nmero mltiplo de 3}
1, 2, 3, 4, 5, 6 # 6
C 3, 6 # C 2
2
PC 0, 3
6
Es decir, hay un 33,33% de probabilidad de obtener un nmero mltiplo de 3 al lanzar un dado.
2) Sea el experimento E: lanzamiento de un dado 2 veces. Determinar la probabilidad de los

siguientes sucesos.
a) A = {que salga al menos un nmero 6}

b) B = {que la suma de los nmeros sea 10}
c) C = {que salga al menos un par}
Solucin:
En primer lugar se determina que :
1,1; 1,2; 1,3; 1,4; 1,5; 1,6

2,1; 2,2; 2,3; 2,4; 2,5; 2,6

3,1; 3,2; 3,3; 3,4; 3,5; 3,6
# 36
4,1; 4,2 ; 4,3; 4,4 ; 4,5 ; 4,6
5,1; 5,2; 5,3; 5,4; 5,5; 5,6

6,1; 6,2; 6,3; 6,4; 6,5; 6,6
16
a) A = {que salga al menos un nmero 6}
# 36
1,6; 2,6; 3,6; 4,6; 5,6; 6,1

A # A 11
6,2; 6,3; 6,4; 6,5; 6,6
11
P A 0,305
36
Es decir, hay un 30,56% de probabilidad de obtener al menos un 6 al lanzar en los dos dados.
b) B = {que la suma de los nmeros sea 10}
# 36
B 4,6; 5,5; 6,4 # B 3
3
PB 0,083
36
Es decir, hay un 8, 3% de probabilidad de obtener una suma igual a 10 al lanzar los dos dados.
c) C = {que salga al menos un par}
# 36
1,2; 1,4; 1,6; 2,1; 2,2; 2,3

2,4; 2,5; 2,6; 3,2; 3,4; 3,6

C 4,1; 4,2; 4,3; 4,4; 4,5; 4,6 # C 27
5,2; 5,4; 5,6; 6,1; 6,2; 6,3

6,4; 6,5; 6,6
27
PC 0,75
36
Es decir, hay un 75% de probabilidad de obtener un nmero par al lanzar los dos dados.
17
2.2. PROPIEDADES DE LAS PROBABILIDADES
Las siguientes propiedades deben cumplirse en cualquier espacio muestral:
1) Si A es un evento cualquiera, entonces la probabilidad de A, denotada con P(A), es un nmero real

no negativo y menor o igual que 1, es decir:
0 P A 1
2) Si A y B son eventos ajenos, es decir, mutuamente excluyentes ( A B ) con espacio muestral

omega, entonces la probabilidad de la unin, ser:
P A B P A PB
3) Si (omega) denota el espacio muestral, entonces:
P 1
4) Si es el conjunto vaco (evento imposible), entonces:
P () 0
5) Para cualquier evento A de un espacio muestral, se tiene que:
P A P Ac 1 P A 1 P Ac

La probabilidad que ocurra A es igual a 1 (100%) menos la probabilidad de que no ocurra A.
6) Para cualesquiera eventos A y B de un espacio muestral que no son mutuamente excluyentes, se

verifica la igualdad:
P A B P A PB P A B
7) Si A B P A PB . Entonces:
P A B c P A P A B

18
Ejemplos:
1) De un naipe ingls se saca una carta. Determinar la probabilidad de los siguientes sucesos:
a) Sea A = {La carta es un diamante}

b) Sea B = {La carta es un as}
c) Sea C = {La carta es un diamante o es un as}
Solucin:
a) Se sabe que el naipe ingls tiene: # 52 (cartas), entonces:
Sea A = {La carta es un diamante}, # A 13 .
13
P A 0,25
52
Es decir, hay un 25% de probabilidad de que la carta sea un diamante.
b) Sea B = {La carta es un as}, # B 4 .
4
P4 0,0769
52
Es decir, hay un 7,69% de probabilidad de que la carta sea un as.
c) Sea C = {La carta es un diamante o es un as}
PC P A B P A PB P A B
13 4 1 16
P A B 0,3077
52 52 52 52
16
PC 0,3077
52
Es decir, hay un 30,8% de probabilidad de que la carta sea un diamante o un as.
19
, P A B y P B c .
1 3 5
2) Sean A y B sucesos con P A
2 4 8
Encuentre:
a) P A B
b) P Ac

c) P Ac B c

d) P Ac B c

e) P A B c

f) P Ac B

Solucin:
Ocupando la propiedad 5 (llamada complemento):
PB 1 P B c 1
5 3
8 8
a) Se tiene:
P A B P A PB P A B P A B P A PB P A B
1 3 3 1
P A B 0,125 12,5%
2 8 4 8
b) Se tiene:
P Ac 1 P A

P Ac 1 0,5 50%
1 1
2 2
20
c) Por propiedades de conjunto:
Ac B c A B c P A Bc 1 P A B
3 1
P A B c 1 0,25 25%
4 4
d) Por propiedades de conjunto:
Ac B c A B c P A Bc 1 P A B
1 7
P A B c 1 0,875 87,5%
8 8
e) Por propiedades de conjunto:
P A B c P A P A B

P A B c 0,375 37,5%
1 1 3
2 8 8
f) Por propiedades de conjunto:
P Ac B PB P A B

P Ac B 0,25 25%
3 1 2
8 8 8
EJERCICIOS DE PROBABILIDADES CON COMBINATORIAS
1) Sean 2 artculos escogidos al azar de un grupo de 12, de los cuales 4 son defectuosos. Determine la
probabilidad de que:
a) Los dos artculos escogidos sean defectuosos.

b) Los dos artculos escogidos no sean defectuosos.
Solucin:
a) Se escogen al azar 2 de 12. Total de artculos = 8 buenos + 4 malos = 12.
21
Los dos artculos escogidos sean defectuosos (A):
4

P A
2 6 1
0,090 9,1% aprox.
12 66 11

2
b) Los dos artculos escogidos no sean defectuosos (B).
8

PB
2 28 14
0, 42 42,42% aprox.
12 66 33

2
2) Se escogen al azar 3 lmparas entre 15 de las cuales 3 son defectuosas. Determine la probabilidad
de que:
a) Ninguna sea defectuosa.

b) Solo una sea defectuosa.
c) Una por lo menos sea defectuosa.
Solucin:
a) Se escogen al azar 3 de 15. Total de lmparas = 12 buenas + 3 malas = 15.
Ninguna sea defectuosa (A):
12

P A
3 220 44
0,4835 48,35% aprox.
15 455 91

3
b) Solo una sea defectuosa (B):
3 12

3 66 198
P B
1 2
0,4352 43,52% aprox.
15 455 455

3
22
c) Una por lo menos sea defectuosa (C):
3 12 3 12 3 12

1 2

2 1 3 0 235 47
PC 0,5165 51,65% aprox.
15 15 15 455 91

3 3 3
2.3. PROBABILIDAD CONDICIONAL

Ocurre con frecuencia que la probabilidad de un suceso se ve afectada por el conocimiento de otro
acontecimiento, cuyo resultado influye en el primero. Esta idea conduce al concepto de la
probabilidad condicional de eventos, la cual se define como: sean A y B dos sucesos de un espacio
muestral omega, si P(B) 0, entonces la probabilidad condicional del suceso A, dado que ya ocurri el
suceso B, se expresa mediante la relacin multiplicativa:
P A B PB P A / B
Como la interseccin de conjunto es conmutativa, es equivalente a escribir:
P A B
P A / B (dos sucesos son dependientes)
P B
Observacin:
Sean A y B dos sucesos de un espacio muestral omega, si P(B) 0, entonces la probabilidad

condicional de que no ocurra el suceso A, dado que ya ocurri el suceso B, se escribe como:
P Ac / B 1 P A / B

Ejemplo:
Se lanza un dado dos veces. Determine la probabilidad de que la suma sea 5, si se sabe que el primer
dado es mayor que el segundo.
Solucin:
A = {obtener suma igual a 5}

B = {el primer dado es mayor que el segundo}
23
1,1; 1,2; 1,3; 1,4; 1,5; 1,6
2,1; 2,2; 2,3; 2,4; 2,5; 2,6

3,1; 3,2; 3,3; 3,4; 3,5; 3,6
# 36
4,1; 4,2 ; 4,3; 4,4 ; 4,5 ; 4,6
5,1; 5,2; 5,3; 5,4; 5,5; 5,6

6,1; 6,2; 6,3; 6,4; 6,5; 6,6
Omega es el conjunto de todos los resultados, en este caso el par ordenado representa todos los
resultados posibles de lanzar dos dados.
2
A B 3,2; 4,1 # A B 2 P A B
36
2,1; 3,1; 4,1; 4,2; 4,3; 5,1

B 5,2; 5,3; 5,4; 6,1; 6,2; 6,3 # B 14 PB
14
6,4; 6,5 36

P A B
2
2 1
P A / B 36 0,143
P B 14 14 7
36
Es decir, hay un 14,3% de probabilidad de obtener una suma de 5, si el primer dado es mayor que el
segundo al lanzar dos veces un dado.
EVENTOS INDEPENDIENTES
Sean A y B dos sucesos de un espacio muestral omega y P(B) 0. A y B son independientes si:
i. P A B P A PB
ii. P A / B P A
iii. PB / A PB , con P A 0
Observacin:
Si A y B son dos sucesos de un espacio muestral omega dependientes, entonces se debe cumplir:
P A B P A PB / A
24
REGLA MULTIPLICATIVA
Para ms de dos eventos es factible generalizar la regla multiplicativa dada por la definicin de
probabilidad condicional; por ejemplo, para los eventos A, B y C se tendra:
P A B C P A PB / A PC / A B
Ejemplos:
1) En una caja hay 5 fichas blancas y 3 fichas azules. Se extraen 2 fichas. Determine la probabilidad de
obtener 2 fichas blancas, si el experimento se realiza:
a) Con reposicin.
b) Sin reposicin.
Solucin:
Sean los sucesos:
A = {la primera ficha es blanca}
B = {la segunda ficha es blanca}
5 5 25
a) P A B P A PB P A B 0,391
8 8 64
Por lo tanto, hay 39,1% de probabilidad de obtener 2 fichas blancas, con reposicin.
5 4 20 5
b) P A B P A PB / A P A B 0,357
8 7 56 14
Por lo tanto, hay 35,7% de probabilidad de obtener 2 fichas blancas, sin reposicin.
2) En una caja hay 3 artculos defectuosos y 5 artculos buenos. Se extraen 3 artculos. Determine la
probabilidad de que los 2 primeros sean buenos y el ltimo defectuoso, si el experimento se
realiza:
a) Con reposicin.
b) Sin reposicin.
Solucin:
Sean los sucesos:
A = {el primer artculo es bueno}
25
B = {el segundo artculo es bueno}
C = {el tercer artculo es malo}
5 5 3 75
a) P A B C P A PB PC P A B C 0,146
8 8 8 512
Por lo tanto, hay 14,6% de probabilidad de que los 2 primeros artculos sean buenos y el tercero
malo, con reposicin.
b)
Por lo tanto, hay 17,8% de probabilidad de que los 2 primeros artculos sean buenos y el tercero
malo, sin reposicin.
3) Hay 10 postulantes a un cargo en una empresa, 7 son hombres y 3 son mujeres. El gerente de
personal decide entrevistar al azar a 2 postulantes. Determine la probabilidad de que uno de ellos
sea hombre.
Solucin:
Sean los sucesos:
A = {el primer entrevistado es hombre}
B = {el segundo entrevistado es hombre}
Probabilidad pedida = P A B c P Ac B .

Por definicin de probabilidad condicional, se tiene:
1 P A B c P A P B / A P A B c
7 3 21 7
c
0,23
10 9 90 30
2 P A B P A P B / Ac P Ac B
3 7 21 7
c c
0,23
10 9 90 30
Probabilidad pedida = P A B c P A B
7 7 14 7
c
0,46
30 30 30 15
Por lo tanto, hay 46,7% de probabilidad de que uno de los 2 entrevistados sea hombre.
26
DIAGRAMA DE RBOL
Con la teora de las probabilidades, ciertos problemas y situaciones pueden resolverse mediante el
diagrama de rbol, el cual es una sucesin de vrtices y aristas conectados entre s, es decir, un tipo
especial de grfico. Los segmentos o aristas representan las probabilidades de los eventos que les
preceden en forma de puntos o vrtices. En la figura siguiente se puede observar el caso tpico: a
medida que el rbol se va ramificando hacia la derecha, aparecen eventos condicionados segn los de
la izquierda. Para cualquier Ar (r = 1, 2, 3, , m), la probabilidad total de Ar, es la suma de todos los n
posibles caminos (mutuamente excluyentes) que conducen al evento Ar.
Ejemplo:
Se realiza una encuesta de opinin a pblico en general, con respecto al tenis nacional, algunos
resultados son los siguientes:
El 43% prefiere a Fernando Bombardero de la Reina Gonzlez, de los cuales 80% son mujeres.
El 25% prefiere a Marcelo Chino Ros, 75% hombres.
El resto a Nicols Vampiro Mass, solo 39% de hombres.
De acuerdo a esto antecedentes, dibuje el diagrama de rbol.
Solucin:
Sean los sucesos:
B1 = {el encuestado prefiere a Fernando Gonzlez}

B2 = {el encuestado prefiere a Marcelo Ros}
B3 = {el encuestado prefiere a Nicols Mass}
27
A = {el encuestado es hombre}
Se sabe que:
1 2 3
P B 0,43 ; P B 0,25 ; P B 0,32

P Ac / B 0,8 ; P A / B 0,75 ; P A / B 0,39
1 2 3
Por lo tanto, el diagrama de rbol, sera:
TEOREMA DE BAYES
El teorema o regla de Bayes es una tcnica que permite obtener la probabilidad condicional de un
evento cuando mediante el efecto se trata de determinar la probabilidad de la causa. El teorema de
Bayes responde interrogantes tales como: si el evento A ocurri, cul es la probabilidad de que haya
sido generado por el evento B1?, cul por B2?, etc.
Para el teorema de Bayes, se utiliza la siguiente frmula:
28
Ejemplos:
1) En una fbrica hay 2 mquinas que producen cierto artculo, se sabe que la mquina 1 produce el
60% de los artculos y la mquina 2 el 40%. Por observaciones se sabe que la mquina 1 produce el
1% de sus artculos con algn defecto y la mquina 2 el 3%. Se elige un artculo al azar, determine:
a) Cul es la probabilidad de que sea defectuoso?

b) Si el artculo es defectuoso, cul es la probabilidad que provenga de la mquina 1?
Solucin:
Sean los sucesos:
B1 = {el artculo es producido por la mquina 1}
B2 = {el artculo es producido por la mquina 2}
A = {el artculo es defectuoso}
Se sabe que:
1 2
P B 0,6 ; P B 0,4 ; P A / B 0,01 ; P A / B 0,03
1 2

a) P A P A / B1 P B1 P A / B2 P B2
P A 0,01 0,6 0,03 0,4 0,018
Por lo tanto, hay un 1,8% de probabilidad de que el artculo sea defectuoso.
PA / B1 PB1 0,01 0,6

b) P B1 / A PB1 / A 0, 3
P A 0,018
Por lo tanto, hay un 33,3% de probabilidad de que el artculo provenga de la mquina 1, sabiendo
que es defectuoso.
2) En un casino hay 2 mquinas tragamonedas. La mquina 1 paga 3 veces cada 10 jugadas, mientras
que la mquina 2 paga 5 veces cada 10 jugadas. Una persona juega en una de las mquinas al azar,
determine:
a) Cul es la probabilidad de ganar?

b) Si la persona gan, cul es la probabilidad de que sea la mquina 2?
29
Solucin:
Sean los sucesos:
B1 = {se juega en la mquina 1}
B2 = {se juega en la mquina 2}
A = {se gana}
Se sabe que:
1 2
P B 0,5 ; P B 0,5 ; P A / B
1
3
10

0,3 ; P A / B
2
5
10
0,5

a) P A P A / B1 P B1 P A / B2 P B2
P A 0,3 0,5 0,5 0,5 0,4
Por lo tanto, hay un 40% de probabilidad de ganar.
PA / B2 PB2 0,5 0,5

b) P B2 / A PB2 / A 0,625
P A 0,4
Por lo tanto, hay un 62,5% de probabilidad de jugar en la mquina 2, sabiendo que gan.
3) En una oficina hay 3 computadores, se sabe que el computador 1 se usa el 20% de las veces, el
computador 2, el 35% y el computador 3, el 45%. La experiencia indica que el computador 1 se
equivoca el 2% de las veces que ha sido utilizado. Esto mismo ocurre con el 5% para el
computador 2 y con el 10% para el 3. Una persona utiliza un computador al azar, determine:
a) Cul es la probabilidad de que se equivoque al ser utilizado?

b) Si este se equivoca, cul es la probabilidad de que se equivoque el computador 3?
Solucin:
Sean los sucesos:
B1 = {se equivoca el computador 1}
A = {el computador se equivoca}
30
Se sabe que: 1 2 3
P B 0,2 ; P B 0,35 ; P B 0,45
PA / B 0,02 ; PA / B 0,05 ; PA / B 0,1

1 2 3

a) P A P A / B1 P B1 P A / B2 P B2 P A / B3 P B3
P A 0,02 0,2 0,05 0,35 0,1 0,45 0,0665
Por lo tanto, hay un 6,65% de probabilidad de que el computador (cualquiera de los 3) se

equivoque.
PA / B3 PB3 0,1 0,45

b) P B3 / A P A
PB3 / A
0,0665
0,677
Por lo tanto, hay un 67,7% de probabilidad de que se equivoque el computador 3, sabiendo que se
equivoc.
3. PROBABILIDADES CON EXCEL

Para explicar estos conceptos con la ayuda de Excel, se emplear el archivo: CONTENIDOS SEMANA
7.xlsx.
Una multitienda est estudiando el comportamiento de sus clientes con respecto a su gnero, la
forma de pago y el monto de la compra.
Para trabajar con probabilidades se deben ocupar tablas dinmicas que muestren los datos con
porcentajes. Entonces:
Para la primera parte, se construir una tabla dinmica entre las variables Forma de pago y Sexo:
31
1) Determine la probabilidad de que la compra sea realizada por una mujer.
Observando la tabla anterior se tiene que hay un 72,33% de probabilidad que la compra la hizo
una mujer.
2) Determine la probabilidad de que la compra sea realizada por un hombre y con dbito.
La probabilidad que la compra sea en efectivo o

cheque es de un 21% app.
3) Determine la probabilidad de que la compra sea realizada por un hombre y con cheque.
Hay un 1% de posibilidades (probabilidades) que

la compra la haya realizado un hombre y que lo
haya hecho pagando con dbito.
4) Si la compra es realizada por una mujer, cul es la probabilidad de que el pago sea al contado?
El 12,44% de las compras realizadas por una

mujer, se cancelaron al contado. (En la tabla dice
0,12, porque no est considerando todos los
decimales).
5) Si la compra es cancelada con la tarjeta de crdito de la tienda, cul es la probabilidad de que sea
realizada por un hombre?
Hay 23,08% de probabilidad que las compras

canceladas con tarjeta de crdito de la tienda la
haya hecho un hombre. (En la tabla dice 0,23,
porque no est considerando todos los
decimales).
32
6) Si se selecciona una boleta al azar y se verifica que esta fue generada a un consumidor hombre,
cul es la probabilidad de que el pago sea cheque o crdito bancario?
La probabilidad que la compra se haya realizado

con cheque o crdito bancario, dado que fue un
hombre, es de un 31,33%. (En la tabla no se
estn considerando todos los decimales).
7) Al seleccionar a un cliente al azar cuya compra haya sido realizada con cualquier medio de crdito,
cul es la probabilidad de que haya sido una mujer?
La probabilidad que la compra la hizo la mujer,

sabiendo que pago con cualquier medio de
crdito es de un 75,9%. (En la tabla dice 0,76,
porque no est considerando todos los
decimales).
8) Al seleccionar a un cliente al azar cuyo medio de compra no corresponde a crdito, cul es la

probabilidad de que sea hombre?
La probabilidad de que sea hombre, sabiendo

que no utiliz ningn tipo de crdito, es de un
32,09%. (En la tabla dice 0,32, porque no est
considerando todos los decimales).
33
COMENTARIO FINAL
Con los contenidos aprendidos esta semana, se puede afirmar que el uso de Excel permite optimizar
de gran manera los clculos al presentar ejercicios sobre probabilidad condicional o aplicaciones del
teorema de Bayes.
Por otro lado, estos temas representan una rama muy importante de la matemtica, ya que es la que
permite modelar y entender situaciones con datos ya conocidos o recabados en algn anlisis.
34
REFERENCIAS
Anderson, D.; Sweeney, D. y Williams, T. (2008). Estadstica para administracin y economa. 10.
Edicin. Mxico: Cengage Learning. Disponible en: http://www.upg.mx/wp-
content/uploads/2015/10/LIBRO-13-Estadistica-para-administracion-y-economia.pdf
Devore, J. (1998). Probabilidad y estadstica para ingeniera y ciencias. Mxico: International Thomson
Editores.
Levin, R.; Rubin, D.; Balderas, M.; Del Valle, J. C. y Gmez, R. (2004). Estadstica para administracin y
economa. 7 edicin. Mxico: Pearson, Prentice-Hall. Disponible en:
https://wwwyyy.files.wordpress.com/2014/09/estadc3adstica-para-administracic3b3n-y-
economc3ada-7ma-edicic3b3n-richard-i-levin.pdf
Ross, S. (1997). A first course in probability. Berkeley. Universidad de California.
PARA REFERENCIAR ESTE DOCUMENTO, CONSIDERE:
IACC (2015). Teora de las probabilidades. Estadstica. Semana 7.
35
36

07 Estadistica PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

07 Estadistica PDF

Cargado por

Copyright:

Formatos disponibles

ESTADSTICA

Teora de las probabilidades

Aplicar la teora de la probabilidad a casos cotidianos y reales.

1.1. REGLAS DE CONTEO

Los elementos con que se disponen para formar los grupos.

Los elementos que debe contener cada grupo.

PRINCIPIO ADITIVO O REGLA DE LA SUMA

Por la regla de la suma la persona puede elegir: 20 + 15 + 10 = 45 pelculas.

PRINCIPIO MULTIPLICATIVO O REGLA DE LA MULTIPLICACIN

De este modo, conforme a la regla de multiplicar, existen:

Primera cifra Segunda cifra Tercera cifra

De este modo, conforme a la regla de multiplicar, existen:

Luego, se pueden formar 120 palabras.

2) De cuntas maneras distintas se pueden sentar a 6 personas en una fila de butacas?

Luego, hay 720 maneras de sentar a 6 personas.

i. Las permutaciones cclicas o circulares, se calculan, como: P n 1!

De cuntas maneras distintas se pueden sentar 6 personas en una mesa redonda?

ii. Las permutaciones con repeticin de n elementos tomados de a en a, de b en b, de c en c, etc.,

El nmero de permutaciones ser:

Se tienen que formar palabras de 11 letras con 11 elementos S, O, L, I, D, A, R, I, D, A y D, en donde la

1.3. VARIACIONES O ARREGLOS

Vnr n r para variaciones con repeticin.

Se trata de variaciones con repeticin de un conjunto de 5 bolas tomadas de 3 en 3. Por lo tanto el

V53 53 125 resultados.

V93 93 729 nmeros.

Cuando se trata de contar el nmero de subconjuntos de r elementos en un conjunto de n elementos,

Las combinaciones tambin pueden escribirse, como:

En este caso, no importa el orden de la extraccin, en donde sern combinaciones de 5 elementos

PAUTAS A CONSIDERAR PARA LA RESOLUCIN DE ESTE TIPO DE PROBLEMAS

Si en cada agrupacin figuran todos los elementos disponibles, importando el orden de

Se puede afirmar que un experimento aleatorio es una representacin imaginaria de un proceso,

OPERATORIAS ENTRE CONJUNTOS

Sean A y B dos sucesos asociados a un experimento, se tiene que:

1) A B : es un nuevo suceso que representa ocurre A, ocurre B u ocurren ambos.

2) A B : es un nuevo suceso que representa ocurre A y ocurre B a la vez, es decir, ocurren

4) A B : es un nuevo suceso que representa ocurre A, pero no ocurre B.

Sean A, B y C sucesos asociados a un experimento, representar simblicamente los siguientes

PROPIEDADES DEL COMPLEMENTO

Tambin se puede utilizar la siguiente simbologa, para la probabilidad de A:

# A es el nmero de casos posibles o favorables del espacio muestral.

# es el nmero total de casos del espacio muestral.

1) Sea el experimento E: el lanzamiento de un dado. Determinar la probabilidad de los siguientes

a) A = {que salga un nmero par en el lanzamiento de un dado}

Por lo tanto, la probabilidad pedida es:

Es decir hay, un 50% de probabilidad de obtener un par al lanzar un dado.

Por lo tanto, la probabilidad pedida es:

c) C = {que salga un nmero mltiplo de 3}

Por lo tanto, la probabilidad pedida es:

Es decir, hay un 33,33% de probabilidad de obtener un nmero mltiplo de 3 al lanzar un dado.

2) Sea el experimento E: lanzamiento de un dado 2 veces. Determinar la probabilidad de los

a) A = {que salga al menos un nmero 6}

En primer lugar se determina que :

1,1; 1,2; 1,3; 1,4; 1,5; 1,6

1,6; 2,6; 3,6; 4,6; 5,6; 6,1

Por lo tanto, la probabilidad pedida es:

b) B = {que la suma de los nmeros sea 10}

B 4,6; 5,5; 6,4 # B 3

Por lo tanto, la probabilidad pedida es:

c) C = {que salga al menos un par}

1,2; 1,4; 1,6; 2,1; 2,2; 2,3

Por lo tanto, la probabilidad pedida es:

1) Si A es un evento cualquiera, entonces la probabilidad de A, denotada con P(A), es un nmero real

2) Si A y B son eventos ajenos, es decir, mutuamente excluyentes ( A B ) con espacio muestral