ESTUDIO DE CONCEPTOS PROBABILISTICOS

I. INTRODUCCIÓN
El campo de la estadística descriptiva se ocupa de describir algo que ya ha
ocurrido.
Ahora pasamos a la segunda faceta de la estadística que es el cálculo de la
probabilidad de que algo ocurrirá. Este aspecto de la estadística se denomina
ESTADÍSTICA INFERENCIAL O INFERENCIA ESTADÍSTICA.
Rara vez el encargado de tomar decisiones dispone de información completa
a partir de la cual puede realizar una determinación. Por ejemplo:
El gerente de ventas de una fábrica de juguetes y rompecabezas, ha
desarrollado un nuevo juego basado en información deportiva y desea saber
si los aficionados a los deportes comprarán o no el juego. Dos de los posibles
nombres son " A " y " B " Una forma de minimizar el riesgo de tomar una
decisión incorrecta consiste en contratar a una empresa de encuestas para
que tome una muestra de, por ejemplo. 2000 individuos de la población y
pregunte a cada persona cómo reaccionaría ante el nuevo juego y a sus
posibles nombres.

Otras preguntas relacionadas con la incertidumbre son: ¿Debe continuarse de

inmediato el programa “ X " ? ¿Una leche con sabor a menta de reciente
desarrollo dará ganancias al lanzarse al mercado? ¿Debería modificarse el
actual reglamento de estudios de la UNAS? ¿Debo votar por Juan Pérez para
alcalde de la provincia de L.P.?

La inferencia estadística se ocupa de deducciones acerca de una población

con base a una muestra tomada a partir de ella.

Debido a que existe una incertidumbre considerable al tomar decisiones,

resulta importante que todos los riesgos implícitos conocidos se evalúen en
forma científica.

Ayuda en esta evaluación la teoría probabilística, a la que a menudo se

denomina "Ciencia de la incertidumbre". El empleo de la probabilidad permite
a quien toma decisiones, analizar los riesgos y minimizar el azar inherente,
con información limitada, por ejemplo, al lanzar un nuevo producto o aceptar
un embarque recién llegado que contenga partes defectuosas.
Como los conceptos probabilísticos son tan importantes en el campo de la
inferencia estadística en este capítulo se presenta el lenguaje básico de la
probabilidad, incluyendo términos como experimento aleatorio, espacio
muestral, evento, etc.

II. TERMINOS IMPORTANTES.

2.1 EXPERIMENTO ALEATORIO (E).- Es cualquier experimento u operación
cuyos resultados no pueden ser predichos con exactitud antes de ser
realizado.

CARACTERÍSTICAS:
1. Cada experimento podrá ser repetido indefinidamente bajo las mismas
condiciones.
 2. Todos los resultados posibles del experimento aleatorio, se pueden conocer
a priori con precisión y no el resultado del experimento.
3. Cuando el experimento es repetido un numero grande de veces, el conjunto
generado de resultados, describe un comportamiento que permitirá el estudio
del fenómeno aleatorio.

EJEMPLOS:
E1: Observar el tiempo de vida de un disco duro.
E2: Observar el número de créditos aprobados al finalizar el primer año de
estudios de un estudiante unasino.
E3: Contabilizar el total de artículos defectuosos de la producción del día.
E4: Observar el tiempo que tarda un empleado en ensamblar un CPU.
E5: Selección de un objeto de un lote de producción.
E6: Observar el tiempo de interrupción de una computadora.

2.2 ESPACIO MUESTRAL ( S).- Es un conjunto de todos los posibles resultados

de un experimento aleatorio (E)
EJEMPLOS:
E1: S1= t/ 0  t  60 000 hrs. 
E2: S2 = 0, 5, 15, 22, ....
E3: S3 = 0, 1, 2, 3, .........N N es el número máximo producido.
E4: S4 =  t/ t  0 minutos 
E5: S5 = DEFECTUOSO, NO DEFECTUOSO
E6: S6 =  t/ t  0 minutos 
Los espacios muestrales, puede ser discretos o continuos.

2.3 PUNTO DE MUESTRA.- Es cada resultado particular del experimento

aleatorio o un elemento del espacio muestral. El número de puntos de muestra
de "S" es representado por n(S)
Ejemplo: tres personas de una comisión deben expresar su opinión favorable
(F) o contraria (C) con respecto a un determinado proyecto de inversión.
a) Hallar el espacio muestral.
b) El número de puntos de muestra.
Solución:
a) Sean los eventos: F: favorable , C: Contraria.
S= (FFF), (FFC), (FCF), (CFF). (FCC), (CFC), (CCF), (CCC) 
b) n (s) = 8 puntos de muestra.

2.4 EVENTO O SUCESO.- Es cualquier subconjunto del espacio muestral S, esto

significa que un punto de muestra es un evento y también lo es el conjunto
vacío. Se puede representar por A1, A2, ........Ak

2.5 TIPOS DE EVENTOS

1. EVENTO SIMPLE O ELEMENTAL
Contiene un elemento del espacio muestral S. Ejemplo A= (FFF) 
2. EVENTO COMPUESTO
Contiene 2 ó más elementos del espacio muestral S. Ejemplo
B = (FFF), (FFC), (FCF) 
3. EVENTO SEGURO O UNIVERSAL
Es el espacio muestral S. Ejemplo.
 C= (FFF), (FFC), (FCF), (CFF). (FCC), (CFC), (CCF), (CCC) 
4. EVENTO IMPOSIBLE O VACÍO
No contiene ningún elemento del espacio muestral.
D= 

5. EVENTO COMPLEMENTO
Es el evento Ac que contiene todos los elementos del espacio muestral que
no están en A.
6. EVENTOS MUTUAMENTE EXCLUYENTES
Dos eventos mutuamente A y B definidos sobre un espacio muestral son
mutuamente excluyentes, sino pueden ocurrir juntos, es decir la intersección
es el conjunto vacío.
A∩ B=

7. EVENTOS COLECTIVAMENTE EXHAUSTIVOS

Los eventos A, A , ...............A , son colectivamente exhaustivos, si la unión de
todos ellos es el espacio muestral.
A1 U A2 U A3 ........... U AK = S = Ω

III. OPERACIONES CON EVENTOS

3.1 UNION
Se denomina unión de los eventos A y B, al evento A U B que consiste de
todos los puntos muestrales que pertenecen a A o a B, o a ambos., esto es,
A U B = {w Є Ω / w Є A V w Є B }
El evento AUB describe el evento de que ocurra por lo menos uno de ellos.

3.2 INTERSECCION
Se denomina intersección de los eventos A y B al evento A ∩ B que consiste
de todos los puntos muestrales que son comunes a A y a B, esto es,
A ∩ B ={w Є Ω / w Є A Λ w Є B }
 El evento A ∩ B describe el evento de que ocurran ambos A y B.

A∩B

3.3 COMPLEMENTO DE UN EVENTO

Si A es un evento del espacio muestral, se llama complemento del evento A
al evento que ocurre si A no ocurre.
Ac = {w Є Ω / w ɇ A }

3.4 DIFERENCIA
La diferencia del evento A menos B es el evento A – B, que consiste de todos
los puntos muestrales que pertenecen al evento A y no pertenecen al evento
B, esto es,
A – B ={w Є Ω / w Є A Λ w ɇ B }
El evento A – B = A ∩ Bc describe el evento de que ocurra A y no ocurra B.
IV. ALGEBRA DE EVENTOS
Las siguientes identidades básicas se verifican para eventos
1. AUA=A, A∩A=A
2. AUB=BUA, A∩B=B∩A
3. A U Ac = Ω , A ∩ Ac = Φ
4. AUΦ=A, A∩Φ=Φ
5. AUΩ=Ω, A∩Ω=A
6. Ω =Φ,
c Φc = Ω , (Ac )c = A
7. A ∩ (B U C) = (A ∩ B) U (A ∩ C)
A U (B ∩ C) = (A U B) ∩ (A U C)
8. (A U B)c = Ac ∩ Bc , (A ∩ B)c = Ac U Bc ,

V. ¿QUÉ ES UNA PROBABILIDAD?

Es un número comprendido entre 0 y 1 inclusive, que mide la creencia que se
tiene de que llegue a ocurrir un evento específico que sea resultado de un
experimento.

0 ≤ P(A) ≤ 1

VI. ¿POR QUÉ SE ESTUDIA LA PROBABILIDAD?

¿Qué papel desempeña la probabilidad en la toma de decisiones?
La probabilidad ayuda a tomar una decisión frente a un determinado problema.

VII. ENFOQUES DE LA PROBABILIDAD

Se analizarán dos enfoques de la teoría probabilística que son dos puntos de
vista: objetivo y subjetivo. La probabilidad objetiva puede subdividirse en:
1. Probabilidad clásica o a priori
2. Probabilidad definición de frecuencia relativa o a posteriori.
 DEFINICION CLÁSICA
Si un experimento aleatorio tiene puntos muestrales mutuamente
excluyentes e igualmente posibles y si n(A) de estos puntos muestrales
presentan una característica tal como A, entonces la probabilidad del evento
A es:
P(A) = NÚMERO DE RESULTADOS FAVORABLES
NÚMERO TOTAL DE CASOS POSIBLES

n( A)
P ( A) 
n( S )

Ejemplo: Si se lanza un dado, calcular la probabilidad de que se obtenga un

número impar o múltiplo de 3.
Solución:
El espacio muestral será:
S = {1,2,3,4,5,6} n(S) = 6 casos posibles

El evento A: “obtener un número impar o múltiplo de 3”

será: A = {1,2,3,6} n(A) = 4 casos favorables
luego:
n( A) 4
P( A)    0.6667
n( S ) 6

DEFINICION DE FRECUENCIA RELATIVA

Si un experimento aleatorio se repite n veces bajo las mismas condiciones y
n(A) de las veces que se repite el experimento aleatorio ocurre el evento A.

P(A) = NÚMERO DE VECES QUE EL EVENTO OCURRIO EN EL PASADO

NÚMERO TOTAL DE OBSERVACIONES

f
P ( A) 
n
Ejemplo: Realizada una encuesta a 400 vendedores ambulantes de Tingo
María, se encontró que 120 tenían estudios superiores incompletos. Hallar la
probabilidad de que al seleccionar aleatoriamente a un vendedor ambulante,
este tenga estudios superiores incompletos.
Solución:
Sea el evento A: “Vendedor ambulante con estudios superiores incompletos”
f = Número de veces que ocurrió A = 120
n = Número total de observaciones = 400
Luego:
120
P ( A)   0.30
400
 Ejemplo: En una encuesta realizada a 880 pequeñas empresas de Huánuco
sobre el número de medidas de seguridad, se encontró los siguientes
resultados:
N°DE MEDIDAS DE N° DE EMPRESAS f PROBABILIDAD P(Ai)
SEGURIDAD (Ai)
A1 0 300 0.34
A2 1 200 0.23
A3 2 180 0.20
A4 3 120 0.14
A5 4 50 0.06
A6 5 30 0.03
TOTAL 880 1.00

a) ¿Cuál es la probabilidad de que las pequeñas empresas tengan 3

medidas de seguridad?
120
P ( A4 )   0.14
880

b) ¿Cuál es la probabilidad de que las pequeñas empresas tengan más

de 3 medidas de seguridad?

50  30
P( A4  3)  P( A5 )  P( A6 )   0.09
880
c) ¿Cuál es la probabilidad de que las pequeñas empresas tengan
menos de 3 medidas de seguridad?

300  200  180

P( A4 3)  P( A1 )  P( A2 )  P( A3 )   0.77
880
d) ¿Cuál es la probabilidad de que las pequeñas empresas tengan por lo
menos 3 medidas de seguridad?

120  50  30
P( A4  3)  P ( A4 )  P ( A4 )  P ( A6 )   0.23
880
e) ¿Cuál es la probabilidad de que las pequeñas empresas tengan a lo
mucho 3 medidas de seguridad.

300  200  180  120

P( A4  3)  P( A1 )  P( A2 )  P( A3 )  P( A4 )   0.91
880
PROBABILIDAD SUBJETIVA
Si existe poca o ninguna experiencia en la cual se pueda basar una
probabilidad, de todas formas puede obtenerse una probabilidad en forma
subjetiva. Fundamentalmente esto significa evaluar las opiniones disponibles
y otra información subjetiva para después llegar a la probabilidad.
 Las probabilidades subjetivas se asignan a eventos que pueden suceder solo
una vez o muy pocas veces.
Ejemplo:
 La probabilidad de que una mujer llegue a ser presidenta del Perú.
 La probabilidad de que el dólar baje su precio a s/. 1. 20

VIII. ALGUNAS REGLAS BÁSICAS DE PROBABILIDAD

1. Si  es el conjunto vacío, entonces P() = 0
2. Si Ac es un evento complementario de A, entonces:
P(Ac ) = 1 – P(A)
3. Si A y B son dos eventos cualesquiera, definidos en el espacio muestral S, tal
que A  B entonces P(A)  P(B)
4. Sean A y B dos eventos cualesquiera, definidos en S, entonces:
P(AUB) = P(A) + P(B) – P(A ∩ B)
5. Si A,B y C son tres eventos cualesquiera de S, entonces:
P(AUBUC) =P(A)+P(B)+P(C)–P(A ∩ B) – P(A ∩ C) – P(B ∩ C)+ P(A ∩ B ∩
C)

Ejemplo: En una empresa trabajan 10 hombres y 16 mujeres, de las cuales la

mitad de los hombres y la mitad de las mujeres han nacido en Tingo María.
Hallar la probabilidad de que un trabajador elegido al azar sea hombre o que
haya nacido en Tingo María.
Solución:
Sean los eventos:
A = {el trabajador sea hombre}
B = {trabajador nacido en Lima}

Entonces ser hombre o nacido en Lima será: A U B

P(AUB) = P(A) + P(B) – P(A ∩B)

P(A)= 10/26 P(B) = 5 + 8 = 13/26

26

P(A ∩B) = 5/26

P(AUB) = 10/26 + 13/26 – 5/26 = 18/26 Rpta.

IX. DIAGRAMA DE ÁRBOL

Un diagrama de árbol es muy útil para representar probabilidades
condicionales y conjuntas. Se utiliza para mostrar la elaboración de un
diagrama tal.

X. PROBABILIDAD CONDICIONAL
Sean A y B dos eventos asociados a un experimento aleatorio, se indica
P(A/B) la probabilidad condicional de la ocurrencia del evento A dado que ya
ocurrió el evento B.
P(A / B) = P (A  B) , P (B) > 0
P (B)
P(A / B) satisface los axiomas de probabilidad.
1. 0  P(A / B)  1
 2. P(S / B) = 1
3. P(A1 U A2 / B) = P(A1 / B) + P(A2 / B) si (A1  A2 ) = 

Ejemplo:
El club UNAS consiste de 120 socios. Del total, ¾ son hombres y la mitad son
docentes de la Universidad. Además, 1/3 de las mujeres son no docentes.
Se elije al azar un socio del club:
a) Calcular la probabilidad de que sea hombre y docente
b) Calcular la probabilidad de que sea hombre, dado que es docente.

Solución:
El espacio muestral S consiste de los 120 socios del club que son clasificados
en: Hombre (H), Mujer (M), Docente (D), y No Docente ( ~D)

DOCENTE (D) NO DOCENTE(~D) TOTAL

HOMBRE (H) 40 50 90
MUJER (M) 20 10 30
TOTAL 60 60 120

a) Calcular la probabilidad de que sea hombre y docente.

P(H ∩D) = 40/120

b) Calcular la probabilidad de que sea hombre, dado que es docente.

P(H / D) = P (H  D) = 40 / 60 = 2/3 Rpta
P (D)

XI. REGLAS DE PROBABILIDAD

1. PROBABILIDAD DEL PRODUCTO
Se utiliza para calcular la probabilidad conjunta o simultanea de dos ó más
eventos.
Si los eventos A y B son dependientes, entonces la ocurrencia conjunta
de los eventos es:
P(A  B) = P(A) . P(B / A)
Si los eventos A, B y C son dependientes, entonces la ocurrencia conjunta
de los eventos es:
P(A ∩ B ∩ C) = P(A) . P(B / A). P(C / A ∩ B)

Si los eventos A y B son independientes, se debe cumplir:

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

Luego, la ocurrencia simultanea de los eventos independientes A y B es:

P(A ∩ B) = P(A) . P(B)
La ocurrencia simultanea de los eventos independientes de A, B y C es:
P(A ∩ B ∩ C) = P(A) . P(B). P(C)

Ejemplo: Una empresa, que debe decidir si adquiere un determinado

paquete de acciones, solicita un informe a tres asesores financieros para
que se pronuncien en forma favorable o desfavorable a la compra. Por
 experiencias anteriores en operaciones similares, se sabe que los tres
asesores tienen actitudes ante el riesgo diferentes e independientes. Esta
situación se refleja en las probabilidades de aconsejar la compra en este
tipo de operaciones que son respectivamente 0.8, 0.5 y 0.3. Con esta
información a priori, calcule:
a) La probabilidad de que al menos uno de ellos aconseje la compra.
b) La probabilidad de que ninguno de ellos aconseje adquirir el paquete de
acciones.

Solución:
a) Sean los 3 asesores A, B y C
P(A) = 0.8 P(B) = 0.5 Y P(C) = 0.3
P(A U B U C) =
b) P(A U B U C)c = 1 - P(A U B U C)
P(A U B U C)c = 1 –

2. PROBABILIDAD DE LA SUMA
Se utiliza cuando se desea calcular la probabilidad de que ocurra al
menos un evento.
Si los eventos A y B son mutuamente excluyentes, la probabilidad de que
ocurra A ó B es: P(AUB) = P(A) + P(B)
Si los eventos A, B y C son mutuamente excluyentes, la probabilidad de
que ocurra almenos un evento es: P(AUBUC) = P(A) + P(B) + P(C)

Sean A y B dos eventos cualesquiera o no mutuamente excluyentes,

definidos en S, entonces:
P(AUB) = P(A) + P(B) – P(A ∩ B)

Si A,B y C son tres eventos cualesquiera de S, entonces:

P(AUBUC) =P(A)+P(B)+P(C)–P(A ∩ B) – P(A ∩ C) – P(B ∩ C)+ P(A ∩ B
∩ C)

XII. TEOREMA DE BAYES

Es un método que nos permite calcular la probabilidad de que un evento que
ya ocurrió sea resultante de alguna causa. Para estudiar este teorema,
debemos primero conocer:

PARTICIÓN DEL ESPACIO MUESTRAL

El espacio muestral S puede ser particionado en una serie de eventos
mutuamente excluyentes A1 , A2, ......,An . Estos constituyen una partición si
cumplen las siguientes condiciones:
1. Ai  S, Ai  S, Ai  
2. Ai  Aj =  ,  i  j
3. A 1  A 2  .......... A n = S
 s
PROBABILIDAD TOTAL
A1 , A2, ......,An una partición cualquiera deun espacio muestral S y sea B un
evento subconjunto de S, entonces:
B= (B  A 1 )  (B  A 2 )  (B  A 3 ) ........... (B  A n )

P(B) = P(B  A 1 ) + P (B  A 2 ) + P (B  A 3 ) +...........+ P (B  A n )

n
P( B)   P( A ) P( B / A )
i 1
i i

TEOREMA DE BAYES
Sean A1 , A2, ......,A n una partición de S y un evento B cualesquiera distinto del
vacío, entonces la probabilidad de un evento Aj dado la ocurrencia del evento B,
es dado por:

P( Aj ) P( B / Aj )
P( Aj / B)  n

 P( A ) P( B / A )
i 1
i i

XIII. ALGUNOS PRINCIPIOS DE CONTEO

PERMUTACIÓN.- Es un arreglo de todos, o parte de, de un conjunto de

objetos.
El número de permutaciones de n distintos objetos es n!

El número de permutaciones de " n " objetos distintos, tomando " r " a la vez,
es:
nPr = n !
(n - r) !
COMBINACIONES
El número de combinaciones de " n " objetos distintos, tomando " r " a la vez
es:
nCr = n!
r ! (n - r) !