TEMA 3: SUCESOS Y PROBABILIDAD

TEMA 3 :
SUCESOS Y PROBABILIDAD

1. ESPACIO MUESTRAL Y SUCESOS

1.1 ESPACIO MUESTRAL. LGEBRA DE SUCESOS
1.2 FRECUENCIAS

2. PROBABILIDAD
2.1 CONCEPTO DE PROBABILIDAD
2.2 AXIOMTICA DE LA PROBABILIDAD
2.3 PROPIEDADES DE LA PROBABILIDAD
2.4 CONTEO DE ELEMENTOS
2.5 PROBABILIDAD CONDICIONADA
2.6 PROBABILIDAD COMPUESTA (TEOREMA DEL PRODUCTO)
2.7 PROBABILIDAD TOTAL
2.8 TEOREMA DE BAYES
2.9 INDEPENDENCIA DE SUCESOS

Curso 02-03
2
TEMA 3: SUCESOS Y PROBABILIDAD

TEMA 3:
SUCESOS Y PROBABILIDAD

1. ESPACIO MUESTRAL Y SUCESOS

1.1 ESPACIO MUESTRAL. LGEBRA DE SUCESOS

Fenmenos aleatorios
Sus caractersticas ms notables son:
a) Es posible repetir el experimento indefinidamente, sin cambiar las
condiciones iniciales.
b) Una pequea modificacin en las condiciones iniciales altera el
resultado final.
c) No se puede predecir un resultado particular, pero se puede dar el
conjunto de todos los resultados posibles.
d) Si el experimento se repite un gran nmero de veces aparece un
modelo de regularidad.

Definicin
Se dice que un experimento es aleatorio, estocstico o estadstico,
si, pudindose repetir indefinidamente en anlogas condiciones, es
imposible predecir el resultado, an conociendo las condiciones iniciales.
En un experimento aleatorio no conocemos el resultado hasta que se
ha realizado la prueba.

Ejemplos
- Sacar una carta de la baraja
- Lanzar un dado
- Lanzar una moneda
- Sacar una bola de un bombo de la lotera

NO SON EXPERIMENTOS ALEATORIOS :

- El resultado de una reaccin qumica
- La velocidad de llegada de un cuerpo a tierra al dejarlo caer desde
una torre

Nota
Llamaremos prueba a cada realizacin de un experimento.

Definicin
El conjunto de todos los resultados posibles a que puede dar lugar
un experimento aleatorio se llama espacio muestral. Suele representarse
por E ; y diremos que es finito si el nmero de resultados posibles
es finito.

Definicin
Dado un experimento aleatorio cuyo espacio muestral es E, se llama
suceso a cada uno de los subconjuntos de E.
Distinguimos los siguientes tipos de sucesos:
- Suceso simple o elemental: slo consta de un elemento

Curso 02-03
3
TEMA 3: SUCESOS Y PROBABILIDAD

- Suceso compuesto: consta de dos o ms elementos

- Suceso imposible : es el que nunca puede realizarse ( viene
determinado por el conjunto vaco, )
- Suceso seguro: es el que siempre se cumple (viene determinado por
el conjunto total, E )
- Sucesos disjuntos o mutuamente excluyentes : aquellos sucesos A
y B que no pueden realizarse a la vez, A B =

Ejemplo
Clarifiquemos estos conceptos con unos ejemplos:
Realizamos el experimento aleatorio Lanzar un dado
- Espacio muestral: E = { 1, 2, 3, 4, 5, 6 }
- Suceso simple: Sacar un 2 = { 2 }
- Suceso compuesto: Sacar un nmero impar = { 1, 3, 5 }
- Suceso imposible: Sacar un 7 = { }
- Suceso seguro: Sacar un n menor que 7 = { 1, 2, 3, 4, 5, 6 } = E
- Sucesos disjuntos: A = Sacar un n par = { 2, 4, 6 }
B = Sacar un n impar = { 1, 3, 5 }

Definicin
Llamaremos lgebra de sucesos al conjunto de las partes del
espacio muestral, (), o sea, al conjunto de todos los sucesos.

Nota

card () = 2 card()

As, el nmero de subconjuntos que tenemos al lanzar un dado es

2 ; y el nmero de subconjuntos que tenemos al tirar una moneda es 2 2,
6

veamos este ltimo:

{ } 1 subconjunto
{ C } , { X } 2 subconjuntos
{ C , X } = 1 subconjunto

Total, 4 subconjuntos 4 = 22
Nota
Teniendo en cuenta que los sucesos son subconjuntos de E (de ),
podemos aplicarles la teora general de conjuntos. Nos interesarn las
uniones, intersecciones, diferencias y complementarios entre conjuntos.

Propiedades de la teora de conjuntos

- Conmutativa:
AB=B A AB=BA

- Asociativa:
A(BC)=(AB)C A(BC)=(AB)C

Curso 02-03
4
TEMA 3: SUCESOS Y PROBABILIDAD

- Leyes de Morgan:
AB = A B A B = A B

- Distributivas:
A(BC)=(AB)(AC)
A(BC)=(AB)(AC)

Adems:
A A = A A = A B = A B

Ejemplo
Sea el experimento aleatorio Lanzar un dado, y sean:
Suceso A = sacar un nmero par = { 2, 4, 6 }
Suceso B = sacar un nmero mayor o igual a 4 = { 4, 5, 6 }

Se tiene :
A = { 1, 3, 5 B = { 1, 2, 3
A B = { 2, 4, 5, 6 A B = { 4, 6
AB={2 BA={5

1.2 FRECUENCIAS
Se llama frecuencia de un suceso aleatorio al nmero de veces que
ocurre dicho suceso al realizar un experimento. Se denota F .
Se llama frecuencia relativa de un suceso aleatorio al cociente entre
la frecuencia y el nmero de veces que se ha realizado el experimento.
Se denota f .

Acotaciones de las frecuencias :

Consideremos un resultado elemental del experimento aleatorio y
observemos en n realizaciones la frecuencia con que se ha presentado
este suceso, que llamaremos r.
Evidentemente : 0 Fn ( x = r ) n
Si dividimos entre n: 0 [ Fn ( x = r ) / n ] 1

Por lo tanto , 0 fn ( x = r ) 1

2. PROBABILIDAD

2.1 CONCEPTO DE PROBABILIDAD

El concepto de probabilidad se aplica a los elementos de una
poblacin homognea.
Supongamos una poblacin finita con N elementos, k de los cuales
tienen la caracterstica A. Llamaremos probabilidad de la caracterstica
A en la poblacin a la frecuencia relativa k / N. Se escribe:
P(A)=k/N

Curso 02-03
5
TEMA 3: SUCESOS Y PROBABILIDAD

2.2 AXIOMTICA DE LA PROBABILIDAD

AXIOMA 1 : La probabilidad del suceso seguro vale 1. P ( ) = 1.
AXIOMA 2 : La probabilidad de cualquier otro suceso S es no
negativa . P ( S ) 0 .
AXIOMA 3 : La probabilidad de la unin de dos sucesos, A y B,
Mutuamente excluyentes, es la suma de sus probabili-
dades. Si A B = , entonces P(AB) = P(A) + P(B)

Generalizando este ltimo axioma:

La probabilidad de la unin de un conjunto infinito numerable de
sucesos mutuamente excluyentes es igual a la suma de sus probabilida-
des.
P ( Ai ) = P ( Ai ) = P ( A1 ) + P ( A2 ) + ...........

2.3 PROPIEDADES DE LA PROBABILIDAD

De estos axiomas podemos deducir una serie de propiedades:

Propiedad 1
Si A1, A2, ......., An son sucesos disjuntos dos a dos con n 2 ( o sea,
Ai Aj = con i j ) , entonces :
P ( A1 A2 ....... An ) = P ( A1 ) + P ( A2 ) + ....... + P ( An )

Demostracin
Es inmediata por el Axioma 3, ya que el nmero de sucesos que
hemos tomado es n (un n finito ), y ya tenamos que se cumple para dos
sucesos y para una cantidad infinita numerable se cumple para
una cantidad finita.

Propiedad 2
P (A ) = 1 P ( A ) , siendo A un suceso cualquiera.
(Nota : A es el complementario de A ).

Demostracin
A A = P ( A A ) = P ( ) = 1
Y como A A = AXIOMA 3 P ( A A ) = P ( A ) + P (A )
De ambas consecuencias, P(A) + P(A ) = 1 P(A ) = 1 P ( A )

Propiedad 3
P( )=0

Demostracin
= P () = P ( )
Por la Propiedad 2, P ( ) = 1 P ( ) = 1 1 = 0
Por lo tanto, P ( ) = 0 .

Propiedad 4
P ( S ) 1 , siendo S un suceso cualquiera.

Curso 02-03
6
TEMA 3: SUCESOS Y PROBABILIDAD

Demostracin
Por reduccin al absurdo, supongamos que P ( S ) > 1 .
Como por la Propiedad 2 se tiene que P ( S ) + P (S ) = 1, debe-
r ser P ( S ) < 0 , pero esto no puede ser, ya que por el AXIOMA 2 ,
la probabilidad de cualquier suceso siempre es 0 .

Nota
Del AXIOMA 2 y de la Propiedad 4 deducimos :
0 P ( S ) 1 , siendo S un suceso cualquiera.

Propiedad 5
Dados dos sucesos A y B tales que A B P ( A ) P ( B )

Demostracin

Luego B = A ( B A )
Adems, A ( B A ) = A y ( B A ) son disjuntos
Por lo tanto, por el AXIOMA 3 : P ( B ) = P ( A ) + P ( B A )
Como, por el AXIOMA 1 , P ( B A ) 0 P ( B ) P ( A )

Propiedad 6
A, B , P ( A B ) = P ( A ) + P ( B ) P ( A B )

Demostracin
Intuitivamente :

Curso 02-03
7
TEMA 3: SUCESOS Y PROBABILIDAD

Al hacer A + B , tomamos dos veces A B, luego para calcular lo

que queremos hemos de restar una vez A B .

Definicin
Llamaremos espacios muestrales finitos a los espacios muestrales
que provengan de experimentos para los cuales slo existe un nmero
finito de resultados posibles, as = { w1, w2, ... , wn }
En un experimento aleatorio con un espacio muestral finito, una
distribucin de probabilidad se especifica asignando una probabilidad p i
a cada resultado wi , pi = P ( { wi } ) . Debe cumplirse:
a ) pi 0
b ) P ( ) = 1 pi = 1
En estas condiciones, si A = { wi1, wi2, ... , wir }, se tiene P(A) = pij

Definicin
Llamaremos espacios muestrales simples a los espacios muestrales
finitos en los que todos los resultados son equiprobables ( tienen la mis-
ma probabilidad ) . Si = { w1, w2, ... , wn } , entonces P({wi}) = 1 / n ,
i = 1, ... , n
En estos espacios muestrales simples, dado un suceso A = {w 1, w2,
.... , wk } con k < n se tiene:

P ( A ) = casos favorables = k
casos posibles n

Esto est estrechamente relacionado con la Frmula de Laplace:

P ( S ) = n de elementos de S = casos favorables

n de elementos de casos posibles

(siendo S un suceso cualquiera )

Ejemplo
Si lanzamos una moneda dos veces, cul es la probabilidad de
obtener al menos una cara?
El espacio muestral correspondiente es = { (C,C), (C,), (,C),
(,) } , siendo C = cara y = cruz
Sea el suceso A = al menos una cara = { (C,C), (C,), (,C) }
As, la probabilidad pedida es:
P ( A ) = casos favorables = 3
casos posibles 4

2.4 CONTEO DE ELEMENTOS

A veces, contar el nmero de elementos puede ser difcil. Para ello
utilizaremos lo que se conoce con el nombre de combinatoria.
Llamaremos n factorial (o factorial de n), designndolo por n! , al
producto de los n primeros nmeros naturales. Es decir, n! = 1234 ...
....(n-1)n
Nota: Se define 0! = 1

Curso 02-03
8
TEMA 3: SUCESOS Y PROBABILIDAD

Se deducen las siguientes relaciones:

n! (n+1) = (n+1)!
n! = (r+1)(r+2)(r+3)....(n-1)n
r!

Suponiendo todos los elementos distintos, tenemos:

a ) Variaciones: Dados n elementos, llamaremos variaciones de orden k

a todos los conjuntos distintos que podamos formar con esos n ele-
mentos, tomados de k en k teniendo en cuenta el orden. El nme-
ro de tales variaciones es Vn,k = _n!___
(n-k)!

b ) Permutaciones: Dados k elementos, llamaremos permutaciones de

orden k a todos los conjuntos distintos que podamos formar con
esos k elementos, tomados de k en k. El nmero de tales permu-
taciones es Pk = k!

c ) Combinaciones: Dados n elementos, llamaremos combinaciones de

orden k a todos los conjuntos distintos que podamos formar con
esos n elementos, tomados de k en k sin tener en cuenta el or-
den. Su nmero es igual a Cn,k = n!___ = n
k! (n-k)! k

Se cumple la siguiente propiedad : Vn,k = Cn,k Pk

Suponiendo que los elementos se pueden repetir, tenemos:

d ) Variaciones con repeticin: A partir de n elementos distintos forma-

mos variaciones de orden k tales que 2, 3, ...., los k elementos
pueden ser uno mismo. El nmero de tales variaciones, que designa-
remos por VRn,k , es VRn,k= nk

e ) Permutaciones con repeticin: Sean k elementos, de los que k1 son

iguales entre s, k2 son iguales entre s, ......, kr son iguales entre s,
con k1 + k2 + ....... + kr = k . El nmero de tales permutaciones es
igual a PRk ,k , .....,k = k!____
k1!k2!.....kr!

f ) Combinaciones con repeticin: A partir de n elementos distintos,

formamos combinaciones de orden k tales que 2 de sus elemen-
tos, 3,...., k elementos pueden ser uno mismo. El nmero de tales
combinaciones es CRn,k = n + k 1 = (n + k 1)!
k k! (n 1)!

Curso 02-03
9
TEMA 3: SUCESOS Y PROBABILIDAD

Ejemplo:
(Problema 2.5 del libro Problemas de Probabilidad y Estadstica,
de Floreal Gracia, Jorge Mateu y Pura Vindel , editorial Tilde)
Calcular el nmero de elementos del espacio muestral en cada uno
de los siguientes experimentos:
a) Una moneda se lanza cinco veces consecutivas
b) Cinco monedas se lanzan una vez
c c) Se seleccionan cinco cartas, de una en una, de una baraja de 40
d d) Se sacan a la vez cinco cartas de una baraja de 40
e e) De una habitacin en la que hay 7 personas, salen al azar, de una
f en una, todas las personas
f) De una caja con 10 bombillas, con 3 defectuosas, se extraen de
una en una todas las bombillas
g) Se rellena al azar una quiniela de 14 resultados
h) Se rellena al azar una lotera primitiva

Solucin:
a) Si se lanza la moneda cinco veces consecutivas se puede determi-
nar cul es el orden de aparicin de las caras y las cruces. Por
tanto, el nmero de elementos vendr dado por:
VR2,5 = 25 = 32

b) El nmero de elementos del espacio muestral se obtiene conside-

rando una combinatoria con repeticin: (dos posibilidades: cara o
cruz y cinco experimentos):
CR2,5 = 2 + 5 1 = 6 = ___6!____ = 6
5 5 5!(6 5)!

c) Al importar el orden y no poder repetirse, se trata de una variacin:

(40 posibilidades y 5 experimentos):
V40,5 = __40!__ = 40! = 78.960.960
(40 5)! 35!

d) No se repiten y no importa el orden, luego es una combinacin:

C40,5 = 40 = ___40!___ = __40!__ = 658.008
5 5! (40 5)! 5! 35!

e) Importa el orden, no se repiten y k = n:

P7 = 7! = 5.040

f) Importa el orden, existe repeticin (ya que hay 3 bombillas defec-

tuosas y 7 no defectuosas hay ms de una de cada tipo),
y k = n:
PR3,7 = _10!_ = 120
3! 7!

g) Importa el orden y hay repeticin ( 3 posibilidades y 14 experimen-

tos ):
VR3,14 = 314 = 4.782.969

Curso 02-03
10
TEMA 3: SUCESOS Y PROBABILIDAD

h) No importa el orden y no se repiten:

C49,6 = 49 = __49!____ = __49!__ = 13.983.816
6 6! (49-6)! 6! 43!

Nota:
A la vista de los resultados obtenidos, qu es ms probable, acertar
una quiniela con 14 resultados o una lotera primitiva con 6 nmeros?

2.5 PROBABILIDAD CONDICIONADA

Dados dos sucesos A y B (), se llama probabilidad de A
condicionada a B y se escribe P ( A / B ) a la probabilidad que existe
de que ocurra el suceso A considerando que antes ha ocurrido el su-
ceso B.
Veamos cmo calcular P ( A / B ) :

Si suponemos que ha ocurrido B, tendremos un nuevo espacio

muestral, B = B = B , y as:

P ( A / B ) = n de casos favorables en AB =
n de casos posibles en B

n de casos favorables en AB
n de casos posibles en
= __________________________ = P(AB)
n de casos posibles en B P(B)
n de casos posibles en

Por lo tanto:
P(A/B) = P(AB)
P(B)

Curso 02-03
11
TEMA 3: SUCESOS Y PROBABILIDAD

Ejemplo :
En un juego de dados, hemos apostado por el 2. Se tira el dado, y
antes de ver el resultado, nos dicen que ha salido par. Hallar la probabili-
dad de ganar.

Sea A = {obtener un 2 al lanzar un dado}

Sea B = {obtener un n par al lanzar un dado}

P(A) =1 y P(B)=3
6 6

Por la expresin de la probabilidad condicionada, P(A/B) = P(AB)

P(B)
Notar que A B = {obtener un 2} {obtener un n par} =
= {obtener un 2} , por lo que P ( A B ) = 1
6
As, P ( A / B ) = P ( A B ) = 1 / 6 = 1
P(B) 3/6 3

2.6 PROBABILIDAD COMPUESTA ( TEOREMA DEL PRODUCTO )

Sea un espacio muestral , dados dos sucesos A y B () tal
que P ( A ) > 0 y P ( B ) > 0 , se cumple:
P(AB)= P(A/B)P(B)
P(B A)= P(B/A)P(A)

Esto es as porque por la definicin de la probabilidad condicional,

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

Anlogamente, P(B/A) = P(BA) P(BA) = P(B/A) P(A)

P(A)

Si en vez de 2 sucesos tenemos n sucesos :

Sean A1, A2, A3, A4, ..... , An ( ) :
P[ Ai ] = P(A1)P(A2/A1)P(A3/A1A2)P(A4/A1A2A3)...P(An/ Ai)

Ejemplo
Supongamos que se extraen 4 bolas sin reemplazamiento de una
urna que contiene 8 rojas y 10 azules. Calcular la probabilidad de
obtener azul, rojo, rojo, azul

P(A1R2R3A4) = P(A1)P(R2/A1)P(R3/A1R2)P(A4/A1R2R3) =
= 10 . _8_ . _7_ . _9_ = 0,0686
18 17 16 15

Curso 02-03
12
TEMA 3: SUCESOS Y PROBABILIDAD

2.7 PROBABILIDAD TOTAL

Dado un espacio muestral , y siendo {Ai} () / Ai = y
Ai Aj = i j , y siendo B un suceso del que se conoce P(B/A i),
i, se tiene que:

P(B) = P(B/Ai) P(Ai)

Demostracin

B = (BA1)(BA2)(BA3)....(BAi)....(BAn)
Como son todos disjuntos:
P(B) = P(BA1) + P(BA2) + P(BA3) + ..... + P(BAn)
Y aplicando el Teorema del Producto:
P(B) = P(B/A1) P(A1) + P(B/A2) P(A2) + .... + P(B/An) P(An) =
= P(B/Ai) P(Ai) P(B) = P(B/Ai) P(Ai)

Ejemplo
Dos cajas contienen cerrojos grandes y pequeos. Supongamos
que una caja contiene 30 grandes y 10 pequeos, y que la otra contie-
ne 30 grandes y 20 pequeos. Seleccionamos una caja al azar y
extraemos un cerrojo. Cul es la probabilidad de que el cerrojo sea
pequeo?

Sean A1 = seleccionar caja 1

A2 = seleccionar caja 2
B = seleccionar cerrojo pequeo

P(B) = P(A1) P(B/A1) + P(A2) P(B/A2) = 1/2 10/40 + 1/2 20/50 =

= 0,125 + 0,2 = 0,325

2.8 TEOREMA DE BAYES

Sea un espacio muestral.
Sean {Ai} () / Ai = , Ai Aj = i j , conocindose
P(Ai) i , P(Ai) > 0
Sea B un suceso tal que P(B) > 0 y del que se conocen P(B/A i) i

Curso 02-03
13
TEMA 3: SUCESOS Y PROBABILIDAD

Entonces :

P(Ai/B) = ________ P(B/Ai) P(Ai)____________________

P(B/A1) P(A1) + P(B/A2) P(A2) + .......+ P(B/An)P(An)

Es decir :

P(Ai/B) = __P(B/Ai) P(Ai)__

P(B/Ak) P(Ak)

Demostracin :
P(Ai/B) = P(Ai B) por la probabilidad condicionada.
P(B)
Si en el numerador aplicamos el Teorema del Producto , y en el
denominador la Probabilidad Total , queda :

P(Ai/B) = P(AiB) = P(B/Ai) P(Ai)___

P(B) P(B/Ak) P(Ak)

Ejemplo
Para la fabricacin de un gran lote de artculos similares se utilizan
3 mquinas : M1, M2 y M3 . La mquina 1 fabrica el 20%, la mquina 2
el 30%, y la mquina 3 el 50% restante. La mquina 1 produce un 1% de
defectuosos, la mquina 2 un 2% de defectuosos y la mquina 3 un 3%.
Se selecciona un artculo al azar y resulta ser defectuoso. Calcular la
probabilidad de que haya sido producido por la mquina 3.

Sean : D = ser defectuoso

Mi = ser fabricado por Mi
As : P(M1) = 0,2 P(M2) = 0,3 P(M3) = 0,5
P(D/M1) = 0,01 P(D/M2) = 0,02 P(D/M3) = 0,03
Nos piden la probabilidad del suceso M3/D . Se cumple que M1, M2
y M3 forman una particin, por lo que:

P(M3/D) = __P(D/M3) P(M3)_ = ______ 0,03 0,5__________ =

P(D/Mi) P(Mi) 0,010,2 + 0,020,3 + 0,0330,5

= 0,015_ = 0,6522
0,023

2.9 INDEPENDENCIA DE SUCESOS

Dos sucesos A y B son estocsticamente independientes cuando
P(A/B) = P(A) , o sea, que el hecho de que ocurra el suceso B no influ-
ye para nada en la probabilidad del suceso A .

Teorema de Caracterizacin :
Dos sucesos A y B son independientes sii P(AB) = P(A) P(B)
Vemoslo :
()
P(AB) = P(A/B) P(B)

Curso 02-03
14
TEMA 3: SUCESOS Y PROBABILIDAD

Si son independientes , se tiene que P(A/B) = P(B)

Uniendo ambas cosas, P(AB) = P(A) P(B)

()
Ahora se tiene que P(AB) = P(A) P(B)
Como P(AB) = P(A/B) P(B) , sustituyendo :
P(A) P(B) = P(A/B) P(B)
Por lo tanto, P(A) = P(A/B) , y as los sucesos A y B son inde-
pendientes.

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

Propiedades de la independencia estocstica :

1.- Si A y B son independientes A y B tambin lo son
2.- Si A y B son independientes A y B tambin lo son
3.- Si A y B son independientes A y B tambin lo son
4.- Si existe implicacin entre A y B No existe independencia
(salvo que A = B = )
5.- Si dos sucesos son incompatibles No existe independencia
(salvo que P(A) = 0 P(B) =0)

Nota :
Diremos que tres sucesos A1, A2 y A3 son independientes si, y
slo si, verifican las relaciones:
P(A1A2) = P(A1) P(A2)
P(A1A3) = P(A1) P(A3)
P(A2A3) = P(A2) P(A3) y
P(A1A2A3) = P(A1) P(A2) P(A3)

Esta definicin se puede generalizar a n sucesos.

Curso 02-03
15