TEORÍA DE LA PROBABILIDAD

Hasta ahora la estadística estudiada ha sido la estadística descriptiva, que se ocupa entre otras funciones de
describir y analizar la información que tenemos a nuestra disposición
Sin embargo, en la vida diaria nos enfrentamos a situaciones de toma de decisiones, sin disponer de toda la
información necesaria, es decir donde existe una considerable incertidumbre; por esto resulta importante
que todos los riesgos implícitos conocidos se evalúen de forma científica.

Nos ayuda en estas situaciones La “Teoría de la Probabilidad”, llamada “Ciencia de la Incertidumbre”

pertenece a la Estadística Inferencial o Inferencia Estadística, que se ocupa del cálculo de la posibilidad de
que algo ocurra, cuando se cuenta con información reducida y permite a quien toma decisiones analizar
con información limitada los riesgos y minimizar el azar inherente.

La inferencia estadística se ocupa de la deducción acerca de una población con base en una muestra
tomada a partir de tal población.
La probabilidad es importante en la toma de decisiones, porque suministra un mecanismo para medir,
expresar y analizar la incertidumbre asociada con eventos futuros.

DEFINICION DE CONCEPTOS BASICOS

Para iniciar nuestro estudio e este nuevo campo es necesario conocer algunas definiciones básicas.

 Experimento: Es cualquier proceso o actividad que genere resultados (eventos) bien definidos.
En un experimento aleatorio, antes de su realización, conocemos de antemano todos sus posibles
resultados, pero no el resultado concreto que vamos a obtener, aunque se observan regularidades al
repetir varias veces el experimento.
 Resultado: Es lo que resulta de un experimento.

 Experimento Aleatorio: Es un proceso de observación, donde el resultado exacto no se conoce,

prevaleciendo por tanto cierto margen de duda.
Ejemplo: Sea el experimento: “Resultado del examen final en el curso de estadística por parte de un
estudiante”.
Resultado: Antes del examen, el resultad no se conoce con exactitud; es decir, no sabemos si el
estudiante aprobará o desaprobará el examen final.
Luego el experimento es aleatorio.
Ejemplo: Sea el experimento: “Dejar libre un lapicero en el aire”.
Resultado: Se conoce con exactitud antes de llevar a acabo el experimento, ya que el lapicero
caerá por acción de la ley de la gravedad.
Por tanto el experimento no es aleatorio.

Diremos que un experimento es aleatorio si se verifican las siguientes condiciones:

1. Se puede repetir indefinidamente, siempre en las mismas condiciones;
2. Antes de realizarlo, no se puede predecir el resultado que se va a obtener;
3. El resultado que se obtenga, e, pertenece a un conjunto conocido previamente de resultados posibles.

 Espacio Muestral. (Ω): Es el conjunto de todos los resultados posibles de un experimento.

Ejemplo: Sea el experimento: “Resultado del examen final en el curso de estadística por parte de un
estudiante”.
 El espacio muestral es: Ω = Aprobar, Desaprobar .
Ejemplo: Sea el experimento: “Resultado del lanzamiento de una moneda”.
El espacio muestral es: Ω =  Cara, Sello .

 Suceso o Evento (℮): Es uno o una combinación de resultados del experimento aleatorio.
También se dice que un suceso o evento, es un subconjunto del espacio muestral.
Los eventos son representados por letras mayúsculas: A, B, C,....

Ejemplo: Sea el experimento: “Selección de un alumno de acuerdo a su rendimiento académico”.

El espacio muestral es:
Ω =  Sobresaliente, Bueno, Regular, Malo .
Podemos observar que cada resultado es un subconjunto del Espacio muestral, y por lo tanto
cada uno de ellos es un evento. Se denotamos por A, B, C, D los eventos, entonces tenemos:
Evento A=  Sobresaliente .
Evento B =  Bueno .
Evento C =  Regular .
Evento D =  Malo .

 Probabilidad (p)
Valor numérico entre 0 y 1 que describe la posibilidad (certeza) de que se dará determinado resultado, o
lo que es lo mismo que sucederá determinado evento.

Mayor posibilidad de ocurrencia

0 0.5 1.0
Probabilidad
La ocurrencia del evento es tan probable como improbable

PRINCIPIOS DE CONTEO
I. PERMUTACIONES
II. COMBINACIONES
III.VARIACIONES

ENFOQUES DE LA PROBABILIDAD

I. PROBABILIDAD OBJETIVA

A) PROBABILIDAD CLÁSICA.- Es aquella que se obtiene cuando se considera que todos los
resultados de un experimento son igualmente posibles.
N° de Resultados Favorables
Probabilidad de un Evento = -------------------------------------------
N° de Total Resultados

Dos condiciones indispensables para aplicar la probabilidad Clásica son:

 EVENTOS MUTUAMENTE EXCLUYENTES:

La ocurrencia de cualquier evento implica que ningún otro puede ocurrir al mismo tiempo.
 EVENTOS COLECTIVAMENTE EXHAUSTIVOS:
 Lista de eventos que registra todos los resultados posibles cuando se realiza un experimento, de
modo tal que su unión debe ser igual al espacio muestral Ω.

B) PROBABILIDAD EMPIRICA O DE FRECUENCIAS RELATIVAS.- Es la probabilidad de

que un evento ocurra alargo plazo, se determina observando el pasado.

N° de Veces que el evento ocurrió en el pasado

Probabilidad de un Evento = ----------------------------------------------------------------
N° de Total Resultados

II. PROBABILIDAD SUBJETIVA

Es la probabilidad basada en el criterio personal de quien hace la estimación de probabilidad.

Ejemplo de la probabilidad que Perú gane un partido de fútbol…..

ALGUNAS REGLAS DE PROBABILIDAD

I. REGLA DEL COMPLEMENTO: (Es lo que le falta al evento para ser igual al Ω)
Se utiliza para determinar la probabilidad de que ocurra un evento restando del número 1 la
probabilidad de que el evento no ocurra. Se denota como: ~A, Ac , etc
Sean A, B y C eventos mutuamente excluyentes:
Dado el evento A, Ac = 1 – A A + Ac = Ω
P(A) + P(Ac) = 1
P(A) = 1 - P(Ac) ó P(Ac) = 1 - P(A)

Dados los eventos A, y C P(A o C) = P(A È C) = P(A) + P(C)

P(A o C) c = 1- P(A o C)
=1- P(B)
II. REGLA DE ADICION
Sean A, B y C eventos mutuamente excluyentes:
P(AoB) = P(AÈB) = P(A) + P(B)
P(AoBoC) = P(AÈBÈC) = P(A) + P(B) + P(C)
Si A, B y C no son eventos mutuamente excluyentes:
P(AoB) = P(AÈB) = P(A) + P(B) - P(AÇB).
P(AoBoC) = P(AÈBÈC) = P(A) + P(B) + P(C) – P(AÇB) – P(AÇC) –P(BÇC) + P(AÇBÇC).
Cuando dos eventos se traslapan o intersectan, dejan de ser mutuamente excluyentes; a la
probabilidad de que ocurra esta intersección se le llama probabilidad Conjunta.
PROBABILIDAD CONJUNTA: Es la probabilidad que expresa la posibilidad de que dos o más
eventos ocurran en forma simultánea.
Sean A y B dos eventos P(A y B) = P(AÇB).

III.REGLA DE MULTIPLICACION
Sean A, B y C eventos independientes.
La ocurrencia de uno de ellos no influirá en la probabilidad del otro.
 P(A y B) = P(AÇB) = P(A) x P(B)
P(AyByC) = P(AÈBÈC) = P(A) x P(B) x P(C)
 Caso 01: Si lanzamos una moneda 2 veces, determine prob. de obtener 2
caras

Diagrama del Árbol: (o arborigramas):

Es la representación grafica útil para organizar cálculos que abarca varias etapas. Cada segmento en el árbol es una
etapa del problema. Las probabilidades escritas cerca de las ramas son las probabilidades condicionales del
experimento
Antes que nada debemos nombrar a cada posible resultado de los diversos experimentos o fases:
A:
B:
C:
D:

Si los eventos no son independientes se dice que son dependientes en cuyo caso….

Caso 02: Rollos defectuosos

Consideremos la idea de tener en un cajón 10 rollos fotográficos, de los cuales sólo 3 están defectuoso y 7
están en buen estado, si necesito tomar 2 rollos del cajón uno después del otro ¿Cuál es la probabilidad de
escoger un rollo con defectos seguidos por otro también en tal condición?
A: primer rollo elegido resulta defectuoso.
B: primer rollo elegido resulta bueno.
C: segundo rollo elegido resulta defectuoso.
D: segundo rollo elegido resulta bueno.

1 rollo extraído 1 rollo extraído

1RA EXTRACCION 2DA EXTRACCION fue defectuoso fue bueno

DEFECTUOSOS 3 P(A) = 3/10 2 P(C) = 2/9 3 P(C) = 3/9

BUENOS 7 P(B) = 7/10 7 P(D) = 7/9 6 P(D) = 6/9
TOTAL 10 1.00 9 1.00 9 1.00
A la fracción P(C/A) = 2/9 (ó P (C/B) = 3/9) según sea el caso se le llama probabilidad condicional,
porque su valor depende de que estado tuviera el rollo extraído la primera vez.
**PROBABILIDAD CONDICIONAL: Es la probabilidad de que ocurra un evento en particular, dado
que otro evento haya ocurrido antes.
 IV. REGLA GENERAL DE MULTIPLICACION
Se utiliza para determinar la probabilidad conjunta de que ocurran dos eventos.
En general, la regla indica que para dos eventos A y B, la probabilidad conjunta de que ambos
sucedan se evalúa al multiplicar la Probabilidad de que el evento A ocurra, por la Probabilidad
Condicional de que suceda el evento B.
Es decir:
P(A y B) = P(AÇB) = P(A) x P(B/A) donde P(B/A): se lee como la Prob. de
que ocurra el evento B,
dado que el evento A ya
ocurrió.
En el Caso de Rollos defectuosos…
Asumamos que: el primer rollo seleccionado de la caja, se encontró ser defectuoso, es el evento A. De
modo que P(A)=3/10 porque tres de los 10 rollos son no aceptados. El segundo rollo seleccionado,
resultante con defectos, es el evento C. Por lo tanto, P(C/A)=2/9, porque después de descubrir que al
primera selección era un rollo con defectos, solo quedaron dos rollos “no bueno” en la caja que contenía 9
rollos. Se determina la probabilidad de dos rollos defectuoso, aplicando la formula
P(A y C) = P(AÇC) = P(A) x P(C/A) =

De la fórmula de la conjunta, podemos deducir la probabilidad condicional:

**PROBABILIDAD CONDICIONAL P (B/A) = P (A Ç B )
(A)

Ejemplo: Se seleccionan 2 rollos al azar, uno después del otro.¿Cuál es la probabilidad de escoger un
rollo defectuoso dado que el primero fue defectuoso?

Rpta:0.333

V. OTRAS PROPIEDADES DEDUCIDAS DE LAS AXIOMAS

1. Si A  B  P( A)  P ( B)
 

Demostración A  B  B  A È ( AÇ B ) y como A Ç ( AÇ B )  0

P ( B)  P ( A)  P( AÇ B )


Y al ser P ( A B )  0 resulta P ( B)  P ( A)
2. Para todo suceso A es P(A)  1
Demostración al ser A    P( A)  P()  1
3. P ( A È B )  P ( A)  P ( B )
Demostración como P ( A Ç B)  0
P ( A È B )  P ( A)  P ( B )  P ( A Ç B )  P ( A)  P ( B)
Esta propiedad se generaliza fácilmente para n sucesos
P( A1 È A2 È A3 ... An )  P( A1 )  P( A2 )  ...  P( An )
 RESUMEN.
Los experimentos y eventos probabilísticos se pueden expresar con la notación de conjuntos. Veamos
algunas operaciones que son posibles realizar con los eventos.
1. AÈB. Es el evento que ocurre si y solo sí A ocurre o B ocurre o ambos ocurren.
d d
A B A B
AÇB
A =+
AÈB B AÈB = + +

2) AÇB Es el evento que ocurre sí y solo sí A y B ocurren a un mismo tiempo.

d
A B AÇB =
AÇB
3) Ac Es el complemento de A. Es el evento que ocurre sí y solo sí A no ocurre.

Ω
A
Ac

4) Se dice que A y B son eventos mutuamente excluyentes o exclusivos si AÇB = f

Ω
A B

Para el cálculo de probabilidades hay que tomar en cuenta los Axiomas y Teoremas que a continuación
se enumeran.
1) La probabilidad de que ocurra un evento A cualquiera se encuentra entre cero y uno.
0  p(A)  1
2) La probabilidad de que ocurra el espacio muestral d debe de ser 1. p(Ω) = 1
3) Si A y B son eventos mutuamente excluyentes, entonces la
p(AÈ B) = p(A) + p(B)
TEOREMA 1. Si f es un evento nulo o vacío, entonces la probabilidad de que ocurra f debe ser cero.
A Ω
p(f)=0

TEOREMA 2. La probabilidad del complemento de A, Ac debe ser, p(Ac)= 1 – p(A)

Ω
A
c
A
TEOREMA 3. Si un evento A Ì B, entonces la p(A)  p(B).

B Ω
A

B\A

TEOREMA 5. Para dos eventos A y B, p(AÈ B)=p(A) + p(B) – p(AÇ B).

A B Ω

AÇB

COROLARIO: Para tres eventos.

A, B y C, p(AÈ BÈ C) = p(A) + p(B) + p(C) – p(AÇ B) – p(AÇ C) –(BÇ C) + p(AÇ BÇ C).
AÇB AÇBÇC

Ω
C
AÇC
BÇC

PROBABILIDAD CONDICIONAL
Sea d un espacio muestral en donde se ha definido un evento E, donde p(E) > 0, si deseamos determinar
la probabilidad de que ocurra un evento A (el que también es definido en el mismo espacio muestral),
dado que E ya ocurrió, entonces deseamos determinar una probabilidad de tipo condicional, la que se
determina como se muestra;
Ω
p( A Ç E )
p( A | E ) 
p( E )
E

A
AÇE

Donde:
p(A½ E) = probabilidad de que ocurra A dado que E ya ocurrió
p(AÇ E) = probabilidad de que ocurra A y E a un mismo tiempo
p(E) = probabilidad de que ocurra E.
Caso Backus
Debido a la llegada de la empresa Ambev al mercado cervecero peruano, la empresa Backus quiso
determinar que tan leales serían sus trabajadores. Dentro de las preguntas se colocó la siguiente ¿Si otra
Compañía le hiciera una oferta igual o ligeramente mejor que la de su puesto actual, permanecería con la
empresa o tomaría el nuevo empleo?
Las respuestas se clasificaron en forma cruzada con el tiempo de servicio en la compañía:
AÑOS DE SERVICIO EN LA COMPAÑÍA BACKUS
LEALTAD Menos de 1 De 1 a 5 De 6 a 10 Más de 10 TOTAL
Se quedaría 10 30 5 75 120
No se quedaría 25 15 10 30 80
TOTAL 35 45 15 105 200
a) Construya un diagrama del árbol.
b) ¿Cuál es la probabilidad de que al seleccionar un ejecutivo al azar:
i. Éste se quede y que tenga entre seis y 10 años de servicio?
ii. Menos de 1 año si sabemos que no se queda?
iii. Más de 10 años si sabemos que se queda.
iv. No se quede y tenga entre 1 y 5 años?
v. No se quede si sabemos que tiene entre 6 y 10 años de servicio?
vi. Se quede si sabemos que tiene más de 10 años de servicio?
Solución el evento A consiste en un ejecutivo que permanecería con la empresa a pesar de que otra compañía le
hiciera una oferta o ligeramente mejor. Para encontrar la probabilidad de que suceda el evento A, consulte la tabla;
se observa que hay 120 ejecutivos de los 200 de encuestas que permanecerían con la empresa, de manera que P(A)
=120/200 o sea 0.60
El evento B es el de un ejecutivo con más de 10 años de servicio en la empresa. De esta forma P ( B A) es la
probabilidad condicional de que un ejecutivo con más de 10 años de servicio permanezca con la empresa a pesar de
que otra compañía le haga una oferta o ligeramente mejor. Consultando la tabla de contingencias, tabla, 75 de los
120 ejecutivos que se quedarían tienen más de 10 años de servicio, de manera que P ( B A) =75/120
Se determina la probabilidad de que un ejecutivo seleccionado al azar sea uno de los que se quedaría en la compañía
y que tiene más de 10 años de servicio y se utiliza la regla general de multiplicación

120 75 9000
P(A y B) =P(A) P (B A) =( )( )  0.375
200 120 2400

1) Para este problema salen dos ramas principales del tronco, la superior representa “se quedaran” y la inferior
“no se quedarían “. Sus probabilidades se indican en las ramas, específicamente 120/200 y 80/200. Se
simboliza por P(A) y ( A)
2) Cuatro ramas secundarias “se desprenden” de cada rama principal y corresponden a los tiempos de servicio:
menos de 1 año, 1 a 5 años, 6 a 10 años y mas de 10 años. La probabilidad condicional para la rama superior
del árbol, a saber, 10/120, 30/120, 5/120 etc. están en la ramas adecuadas. Se trata de la probabilidades
P ( B1 A), P ( B 2 A), P ( B3 A), P / B 4 A), dondeB1 se refiere a menos de 1 año de servicio, B2

corresponde a 1 a 5 años; B3 es para 6 a 10 años y B4 a mas de 10años. A continuación escriba las

probabilidades condicionales para la rama inferior
3) Por ultimo las probabilidades conjuntas de que A y B ocurran al mismo tiempo, se muestra al lado derecho
por ejemplo la probabilidad conjunta de seleccionar al azar, un ejecutivo que permanecería en al empresa y
que tiene menos de un año de servicio es utilizando la formula
120 10
P ( AyB )  P ( A) P ( B A) = ( )( )  0.05
200 120
Debido a que las probabilidad conjunta representa todas las posibles selecciones se quedarían, 6 a 10 años de
servicio; no se quedarían; más de 10años de servicio), obviamente deben sumar 1.00

Diagrama del árbol

Lealtad tiempo de servicio
Probabilidades
conjunta
 Probabilidad
condicional

120 10
Menos de 1 año x  0.050
200 120

10
120
30 120 30
1-5 años x  0.150
120 200 120

5
Se
120
120 120 5
Quedarán 6-10 años x  0.025
200 200 120
75
120

120 75
Más de 10 años x  0.375
200 120

80
200

25 80 25
Menos de 1 año x  0.125
80 200 80

15
No
80
80 15
Se quedaran 1-5 años x  0.075
200 80
10
80

30 80 10
6-10 años x  0.050
80 200 80

80 30
Más de 10 años x  0.150
200 80

Debe totalizar 1.00 100

 VI. TEOREMA DE BAYES:
Enunciado por el reverendo Thomas Bayes (1702-1761), fundamenta la estadística bayesiana y
sienta los principios de la teoría de la decisión en base a la concepción subjetiva de la probabilidad
Teorema de Bayes o de la probabilidad inversa
Si A1, A2,…An Ì E un suceso del que conocemos todas las cantidades P B Ai , i  1,..., n, a las
que denominamos verosímiles, entonces se verifica

 
j  1,..., n; P Aj B 
 
P Aj  * P B Aj

 P Ai  P B 
n

Ai
i 1

VII. PROBABILIDAD TOTAL:

Bibliografía
 Anderson D./Sweneney Dennos . J/ Willians Thomas A (2004), Thomson Mexico
 Mason /Lind/Dougles (2003) “Administración para administración y economía”, edición
alfamega, Colombia
 Ruiz Díaz /baron López (1997) “Probabilidad·”, Prentice hall, Madrid
 Walpole,R (1999) “Probabilidad y estadística para ingenieros” , printece-hill-
hispanoamericano, México