.

EXPERIMENTO
Es un proceso por medio del cual se obtiene una observación

EXPERIMENTO ALEATORIO.

Un fenómeno o experiencia se dice aleatorio cuando al repetirlo en condiciones

análogas no se puede predecir el resultado. Si por el contrario, se puede
predecir el resultado de una experiencia aún antes de realizarla, se dice que el
experimento es determinista.

Son fenómenos aleatorios:

a. El número de plaquetas en una muestra de sangre

b. El número de urgencias atendidas el fin de semana en el
H.U.V
c. El tiempo de atención en una cita medica
d. El número de habitantes por casa en un barrio de la ciudad
e. El género de los niños nacidos en el Hospital San Juan de
Dios de Cali en el mes de Junio de 2015
f. Las causas por las cuales se solicita un servicio de urgencia
en la clínica

ESPACIO MUESTRAL.

El conjunto de todos los posibles resultados de un experimento se llama

espacio muestral. Se simboliza con “S”.

Ejemplo:

a. El número de plaquetas en una muestra de sangre

S= {0,1,2,3,4,5,6,…………………}

b. El número de urgencias atendidas el fin de semana en el

H.U.V

S= {0,1,2,3,4,5,6,…………………}
 c. El tiempo de atención en una cita medica
S= {x/x>=0,x medido en minutos}

d. El número de habitantes por casa en un barrio de la ciudad

𝑠 = {𝑥 / 𝑥 ≥ 0, 𝑥 ∈ 𝑍 + }

e. El género de los niños nacidos en el Hospital San Juan de

Dios de Cali en el mes de Junio de 2015

REGLAS DE LA PROBABILIDAD

REGLAS ADITIVAS

La regla aditiva se usa para determinar la probabilidad de la “unión” de dos o

más eventos. Recuerde que el conector lógico que nos indica adición es “o”,
“v”.

Teorema.
Si A y B son dos eventos NO MUTUAMENTE EXCLUYENTES, entonces:

𝑃(𝐴 ∪ 𝐵) = 𝑃(𝐴) + 𝑃(𝐵) − 𝑃(𝐴 ∩ 𝐵)

Corolario 1. Si A y B son mutuamente excluyentes, entonces:

𝑃(𝐴 ∪ 𝐵) = 𝑃(𝐴) + 𝑃(𝐵)

Corolario 2. Si A1,A2,...,AK, son mutuamente excluyentes entonces:

𝑃(𝐴1 ∪ 𝐴2 ∪ 𝐴3 ∪ … ∪ 𝐴𝑘 ) = 𝑃(𝐴1 ) + 𝑃(𝐴2 ) + 𝑃(𝐴3 ) + ⋯ + 𝑃(𝐴𝑘 )

Teorema. Si A, B,C son tres eventos NO MUTUAMENTE EXCLUYENTES,

entonces:

𝑃(𝐴1 ∪ 𝐴2 ∪ 𝐴3 )
= 𝑃(𝐴1 ) + 𝑃(𝐴2 ) + 𝑃(𝐴3 ) − 𝑃(𝐴1 ∩ 𝐴2 ) − 𝑃(𝐴1 ∩ 𝐴3 ) − 𝑃(𝐴2 ∩ 𝐴3 )
+ 𝑃(𝐴1 ∩ 𝐴2 ∩ 𝐴3 )

Teorema Para todo evento A, se cumple, la probabilidad de un evento A más

la probabilidad de su complemento es igual a uno
𝑃(𝐴) + 𝑃(𝐴! ) = 1

Recordemos que 𝐴 ∪ 𝐴! = 𝑈

Ejemplo

De 300 nacimientos el fin de semana en Cali, 130 se presentaron por parto

normal, 152 son hijos de padres con nivel educativo tecnológico, 68 son hijos
de padres habitantes de estrato I; 42 son nacimientos de parto normal con
padres de nivel educativo tecnológico, 40 son hijos de padres con nivel
educativo tecnológico y viven en estrato I, 38 son nacimientos por parto normal
y de padres habitantes del estrato I, 40 no pertenecen a ninguna de las tres
categorías.

a. ¿Cuál es la probabilidad que un niño naciera por parto normal, sus

padres viven en estrato I y que tienen nivel educativo tecnológico?

Solución
a. ¿Cuál es la probabilidad que un niño naciera por parto normal, sus
padres viven en estrato I y que tienen nivel educativo tecnológico?

Si observamos este problema tratado en la temática anterior, lo hemos llevado

a un análisis de probabilidad, y utilizaremos los resultados anteriores para dar
respuesta a las probabilidades pedidas.
Damos a cada conjunto un nombre:
N: Nacimientos por parto normal
T: Nivel educativo tecnológico
E: Estrato I
U: conjunto referencial
Determinamos los datos conocidos en el enunciado del problema.
. n (N)= 130
. n (T)= 152
. n (E)= 68
. n (N ∩ T)= 42
. n (E ∩ T)= 40
. n (N ∩ E)= 38
. n (N U T U E)! =40
Las probabilidades para cada uno de estos conjuntos serán:
𝑛(𝑁) 130
𝑃(𝑁) = =
𝑛(𝑈) 300
𝑛(𝑇) 152
𝑃(𝑇) = =
𝑛(𝑈) 300
 𝑛(𝐸) 68
𝑃(𝐸) = =
𝑛(𝑈) 300
𝑛(𝑁∩𝑇) 42
𝑃(𝑁∩𝑇) = =
𝑛(𝑈) 300
𝑛(𝐸∩𝑇) 40
𝑃(𝐸∩𝑇) = =
𝑛(𝑈) 300
𝑛(𝑁∩𝐸) 38
𝑃(𝑁∩𝐸) = =
𝑛(𝑈) 300
𝑛(𝐸∪𝑇∪𝑁) 260
𝑃(𝐸∪𝑇∪𝑁) = =
𝑛(𝑈) 300
Para determinar la probabilidad 𝑃(𝑁∩𝑇∩𝐸) partimos de
𝑃(𝐴1 ∪ 𝐴2 ∪ 𝐴3 )
= 𝑃(𝐴1 ) + 𝑃(𝐴2 ) + 𝑃(𝐴3 ) − 𝑃(𝐴1 ∩ 𝐴2 ) − 𝑃(𝐴1 ∩ 𝐴3 ) − 𝑃(𝐴2 ∩ 𝐴3 )
+ 𝑃(𝐴1 ∩ 𝐴2 ∩ 𝐴3 )
Para el ejemplo se tiene:

𝑃(𝑁 ∩ 𝑇 ∩ 𝐸) = 𝑃(𝑁 ∪ 𝑇 ∪ 𝐸) − 𝑃(𝑁) − 𝑃(𝑇) − 𝑃(𝐸) + 𝑃(𝑁 ∩ 𝑇) + 𝑃(𝑁 ∩ 𝐸)

+ 𝑃(𝑇 ∩ 𝐸)

Remplazando valores se tiene:

260 130 152 68 42 38 40 30

𝑃(𝑁 ∩ 𝑇 ∩ 𝐸) = − − − + + + =
300 300 300 300 300 300 300 300

REGLA MULTIPLICATIVA
Si hay dos eventos independientes A y B, la probabilidad de que ocurran
A y B se obtiene al multiplicar las dos posibilidades. De este modo para dos
eventos A y B la regla especial de multiplicación expresada en forma simbólica
es:

P (A y B) = P(A) x P (B)

P A  B  P A  PB

Esta regla para combinar probabilidades supone que un segundo

resultado no depende del primero. Para ilustrar lo que significa independencia
de eventos, suponga que se lazan al aire dos monedas. El resultado de una
moneda (cara o sello) no se ve afectado por el resultado de la otra moneda
(cara o sello). Puesto de otra forma, dos eventos son independientes si el
resultado de un segundo evento no depende del resultado del primero.

Para tres eventos independientes A, B, y C, la regla especial de

multiplicación utilizada para determinar la probabilidad de que ocurran todos los
tres eventos es:
 P A  B  C   P A  PB   PC 

Ejemplo.

Una pareja de esposos decide tener dos hijos en su matrimonio, ¿cuál es la

probabilidad de que ambos sean de género masculino?

Solución

La probabilidad de que un hijo sea de género masculino es ½, además los

eventos son independientes, el género del primer hijo no implica en nada el
género del segundo hijo.
Por tanto
𝑃(𝑀 1 1 1
1 ∩𝑀2 )=𝑃(𝑀1 ) ∗𝑃(𝑀2 ) =2 ∗ 2 = 4
La probabilidad que los dos hijos sean de género masculino es 0,25=25%

Probabilidad Condicional

La probabilidad condicional se basa en el principio de que la probabilidad de un

suceso A esta afectada por el conocimiento previo que otro B ha sucedido.
En general la probabilidad de A dado que sucedió B 𝑃(𝐴/𝐵) “probabilidad de A
dado B” se conoce como probabilidad condicional.
𝑃(𝐴∩𝐵)
El modelo matemático para la probabilidad condicional es 𝑃(𝐴⁄𝐵 ) = 𝑃(𝐵)
(Triola, 2004)

Ejemplo

Ensayos clínicos de prueba de embarazo

Para el ejemplo se consideran los resultados clínicos consistentes en una
prueba de embarazo. Para una mujer es importante saber si está embarazada
con la finalidad de interrumpir prácticas que podría ser potencialmente dañinas
para él bebe. Las pruebas de embarazo como casi todas las pruebas médicas
arrojan resultados que distan de ser 100% precisos. Los resultados mostrados
en la tabla se obtuvieron de la prueba de embarazo Abbott, a partir de
muestras de sangre. (Triola, 2004)

RESULTADOS DE PRUEBA DE EMBARAZO

Resultado Resultado total
positivo (indico negativo (no
embarazo) indico embarazo)
La mujer esta 80 5 85
embarazada
La mujer no está 3 11 14
embarazada
83 16
 a. Si se elige aleatoriamente una de las 99 pruebas, encuentre la
probabilidad de que la prueba sea positiva ya que la mujer está
embarazada.
𝑃(𝑝𝑜𝑠𝑖𝑡𝑖𝑣𝑜 ∩ 𝑒𝑚𝑏𝑎𝑟𝑎𝑧𝑎𝑑𝑎) 80
𝑃(𝑝𝑜𝑠𝑖𝑡𝑖𝑣𝑎 ⁄𝑒𝑚𝑏𝑎𝑟𝑎𝑧𝑎𝑑𝑎) = = = 0,941
𝑃(𝑒𝑚𝑏𝑎𝑟𝑎𝑧𝑎𝑑𝑎) 85

Esto indica que una mujer embarazada tiene una probabilidad de 94,1%
de dar positivo en la prueba

b. Si se elige aleatoriamente una de las 99 pruebas, encuentre la

probabilidad de que la mujer está embarazada dado que la prueba
resulta positiva.

𝑃(𝑝𝑜𝑠𝑖𝑡𝑖𝑣𝑜 ∩ 𝑒𝑚𝑏𝑎𝑟𝑎𝑧𝑎𝑑𝑎) 80
𝑃(𝑒𝑚𝑏𝑎𝑟𝑎𝑧𝑎𝑑𝑎 ⁄𝑝𝑜𝑠𝑖𝑡𝑖𝑣𝑜) = = = 0,964
𝑃(𝑝𝑜𝑠𝑖𝑡𝑖𝑣𝑎) 83

Esto indica que una mujer que dio positivo tiene una probabilidad de
96,4% de estar embarazada.
En ambos casos, lo mejor es realizar otras pruebas (Triola, 2004)

Una ampliación de la multiplicación de eventos se da a partir de la probabilidad

condicional
𝑃(𝐴 ∩ 𝐵)
𝑃(𝐴⁄𝐵) = 𝑑𝑒 𝑑𝑜𝑛𝑑𝑒 𝑠𝑒 𝑡𝑖𝑒𝑛𝑒 𝑃(𝐵) ∗ 𝑃(𝐴⁄𝐵) = 𝑃(𝐴 ∩ 𝐵)
𝑃(𝐵)
𝑑𝑜𝑛𝑑𝑒 𝑃(𝐵) ≠ 0
En este caso A y B no son eventos independientes.

Ejemplo

El jefe de enfermería de la sala de cuidados intensivos del HUV dispone de 6

enfermeros (4 hombres, 2 mujeres) para seleccionar tres de ellos que deben colaborar
con el turno de la noche del día viernes. ¿Cuál es la probabilidad que al seleccionar
los colaboradores, los tres sean hombres?

Solución.

Tenemos que al seleccionar el primero de los seis enfermeros, tenemos 4 hombres de

seis enfermeros; para el segundo seleccionado, ya no estarán 4 sino 3 de 5
enfermeros que quedan y para el tercero quedan 2 de cuatro enfermeros disponibles.
Así la elección es dependiente del resultado anterior. Por tanto se tiene:

𝑃(𝐻1 ∩𝐻2 ∩𝐻3 ) = 𝑃(𝐻1 ) ∗ 𝑃(𝐻2⁄ ∗ 𝑃(𝐻3⁄

𝐻1 ) (𝐻1 ∩(𝐻2 ))
 4 3 2 1
𝑃(𝐻1 ∩𝐻2 ∩𝐻3 ) = ∗ ∗ = = 0,20
6 5 4 5

Teorema de bayes
El procedimiento de la composición de eventos se facilita algunas veces a
considerar el espacio muestral S como la unión de subconjunto que son
mutuamente excluyentes. Es decir
𝑆 = 𝐵1 ∪ 𝐵2 ∪ … . . 𝐵𝐾 𝑐𝑜𝑛 𝐵𝑖 ∩ 𝐵𝑗 = ∅ 𝑝𝑎𝑟𝑎 𝑖 ≠ 𝑗.
Entonces cualquier subconjunto A de S se puede escribir como
𝐴 = 𝐴 ∩ 𝑆 = 𝐴 ∩ (𝐵1 ∪ 𝐵2 ∪ … . . 𝐵𝐾 )
𝐴 = (𝐴 ∩ 𝐵1 ) ∪ (𝐴 ∩ 𝐵2 ) ∪ … .∪ (𝐴 ∩ 𝐵𝐾 )
Se observa que
𝑃(𝐴) = 𝑃(𝐴 ∩ 𝐵1 ) + 𝑃(𝐴 ∩ 𝐵2 ) + ⋯ + 𝑃(𝐴 ∩ 𝐵𝐾 )

𝑃(𝐴) = 𝑃(𝐵1 )𝑃 (𝐴⁄𝐵 ) + 𝑃(𝐵2 )𝑃 (𝐴⁄𝐵 ) + ⋯ + 𝑃(𝐵𝐾 )𝑃 (𝐴⁄𝐵 )

1 2 𝐾

𝐵
𝑃(𝐴) = ∑𝑘𝑖=1 𝑃(𝐵𝑖 )𝑃(𝐴⁄𝐵 ) Una probabilidad condicional de la forma 𝑃( 𝑗⁄𝐴) se
𝑖
calcula como

𝑃(𝐴 ∩ 𝐵𝑗 ) 𝑃(𝐵𝑗 )𝑃 (𝐴⁄𝐵 )

𝐵𝑗 𝑗
𝑃 ( ⁄𝐴) = = 𝑘
𝑃(𝐴) 𝐴
∑𝑖=1 𝑃(𝐵𝑖 )𝑃( ⁄𝐵 )
𝑖

Esta fórmula para la probabilidad condicional se llama regla de Bayes

(Mndenhall, 1986).
Ejemplo
El gerente de servicios de la Clínica Valle del Lily desea determinar en qué
turno del servicio de farmacia se entregó un medicamento vencido, existen tres
turnos en la farmacia: diurno (6am a 2pm), mixto (2pm a 10 pm), nocturno (10
pm a 6 am). Con base en datos históricos de las entregas en la farmacia, se
sabe que el 40% de los medicamento se entregan en el turno diurno, 40% en el
turno mixto y 20% se entregan en el turno de la noche. Un 1% de los
medicamentos entregados en el turno diurno son vencidos, Un 1% de los
medicamentos entregados en el turno mixto son vencidos y Un 2% de los
medicamentos entregados en el turno nocturno son vencidos. ¿Cuál es la
probabilidad que un medicamento vencido se entregó en el turno diurno?
Solución
Probabilidad de entrega P(vencido (v)/turno Ai )
Probabilidad condicional
Turno diurno ( A1) 0,40 0,01
Turno mixto ( A2) 0,40 0,01
Turno nocturno ( A3) 0,20 0,02

𝑃 (𝑣⁄𝐴 ) 𝑃(𝐴1 )
𝐴 1
𝑃 ( 1⁄𝑣 ) =
𝑃 (𝑣⁄𝐴 ) 𝑃(𝐴1 ) + 𝑃 (𝑣⁄𝐴 ) 𝑃(𝐴2 ) + 𝑃 (𝑣⁄𝐴 ) 𝑃(𝐴3 )
1 2 3

𝐴 0,01 ∗ 0,40 0,004 1

𝑃 ( 1⁄𝑣) = = =
0,01 ∗ 0,40 + 0,01 ∗ 0,40 + 0,02 ∗ 0,20 0,004 + 0,004 + 0,004 3

Bibliografía
Mndenhall, S. W. (1986). Estadistca Matematica con Aplicaciones. En S. W. Mndenhall,
Estadistca Matematica con Aplicaciones (págs. 61 , 62). Mexico: Grupo editorial
Iberoamerica.

Triola, M. F. (2004). Estadistica. En M. F. Triola, Estadistica (págs. 150, 151, 152). Mexico:
Pearson.