PROBABILIDAD

1. Experimento
En estadística este término es más amplio que en otras ciencias.

El lanzar un dado, una moneda, enviar una sonda espacial hacia Alpha
Centauri, seleccionar un foco de un lote de producción y que este sea
defectuoso o no, son ejemplos de experimentos estadísticos.

Estos experimentos tienen dos propiedades en común:

a. Cada experimento tiene varios resultados posibles que pueden

especificarse de antemano.
b. Estamos inseguros o inciertos acerca del resultado de cada
experimento.

Al lanzar un dado o una moneda, no podemos saber si el resultado será cara o

sello, o que lado del dado saldrá.

2. Espacio Muestral

El conjunto que reúne a todos los resultados posibles de un experimento se

llama espacio muestral, y normalmente se le designa con la letra griega
Omega (Ω).

A cada uno de los elementos que constituye el espacio muestral se le denomina

punto muestral.

Por ejemplo, en el caso de un dado su espacio muestral esta formado por las
caras o lados de éste, es decir Ω = {1, 2, 3, 4, 5, 6} y por supuesto cada una de
las caras constituye un punto muestral.

Por ejemplo, si lanzamos simultáneamente dos monedas, los resultados

posibles serán:

Ω = {CC, CS, SC, SS}

(Ver figura)

En el caso que preguntáramos a cuatro personas sobre su preferencia respecto

al Referéndum, expresando su opinión a favor (F) o en contra (C), el espacio
muestral estaría conformado por las alternativas que se muestran en la
siguiente figura.

Ω = {FFFF, FFFC, FFCF, FFCC, FCFF, FCFC, FCCF, FCCC,

CFFF, CFFC, CFCF, CFCC, CCFF, CCFC, CCCF, CCCC)
 En este caso nos hemos ayudado con un diagrama de árbol para representar
los resultados posibles.

3. Suceso

A un subconjunto del espacio muestral se le llama suceso.

En nuestro último ejemplo, asignemos un punto a la opinión favorable { F = 1) y

cero puntos a la opinión en contra (C = 0).
Ahora deseamos hallar los resultados cuyo puntaje sea como mínimo 3 puntos,
estos resultados conformarán un subconjunto que denominaremos A, luego
obtendremos que:

A = { FFFF , FFFC , FFCF , FCFF , CFFF }

Si deseamos hallar el resultado que tiene el valor exacto de 4 puntos,

tendremos un subconjunto como

B = { FFFF}

Entonces podemos decir que el subconjunto A es el suceso de obtener un

puntaje mínimo de 3, y el B es el suceso de obtener un puntaje exacto de 4.

4. Definiciones de probabilidad

Hasta este momento hemos sido afortunados de contar con toda la información
de las poblaciones que quisimos estudiar.

Por lo que nos concentramos en las distintas formas de resumir, presentar y

analizar esta información.

Pero esto no es lo común, la realidad es que no contamos con la información

completa y que necesitamos efectuar alguna estimación de los pensamos
puede suceder.

La Teoría de Probabilidad, que trata de las oportunidades de ocurrencia de

eventos o sucesos particulares, es muy empicada para la solución de este tipo
de problemas.

El pensamiento actual señala a Jerónimo Cardano (1501-1576) como el

fundador de esta teoría, él un matemático italiano publicó un manual llamado el
Libro de los juegos de azar.

El libro mostraba la cantidad de maneras con las cuales dos dados podrían ser
lanzados y exploró incluso las formas en las cuales tres dados podían ser
lanzados.
De acuerdo con los historiadores Cardano predijo la fecha de su muerte, cuando
se dio cuenta que seguía vivo el día predicho, se suicido con la finalidad de
mantener su reputación como predictor.

Actualmente nosotros no tomamos las cosas tan en serio, de acuerdo con la

Teoría de Probabilidades lo que intentamos es acertar la mayoría de las veces
y no sólo una vez.
Conceptualmente existen tres formas de determinar la probabilidad de
ocurrencia de un evento:

a. Probabilidad Clásica u Objetiva,

b. Frecuencia Relativa de Ocurrencia, y
c. Probabilidad Subjetiva.

La Probabilidad Objetiva, depende de las características físicas del objeto

estudiado. Por ejemplo si lanzamos una moneda (asumiendo que no está
cargada}, la chance de que salga cara es de 1/2. De forma similar si utilizamos
un dado no cargado, la chance de obtener un seis es de 1/6, y si escogemos
una carta de una baraja completa que se encuentre sobre la mesa, la chance de
tomar un As es de 4/52, debido a que en una baraja a de 52 cartas existen 4
ases.

Si N (A) son los resultados posibles favorables (para nosotros) del evento A y
existen N(S) resultados posibles en el espacio muestral entonces la probabilidad
de que ocurra A es:

P(A) = N(A)
N(S)

Resultados posibles y mutuamente excluyentes.

Esto supone que todos los resultados son igualmente probables o posibles,
entonces estamos en capacidad de determinar el o los valores de la
probabilidad antes de observar cualquier evento, a esto se denomina a priori.

Hagamos un ejercicio, ¿Cuál será la probabilidad de extraer un dos de

corazones de una baraja completa?

P(A) = N(A) = 1 = 0.0192

N(S) 52

Expresado en porcentaje serla 1.92 %, es decir que de todas las veces que
extraiga una carta de la baraja, el 1.92% de estas obtendría en mi mano un dos
de corazones.
¿Y cuál sería la de extraer un AS?
 P(A) = N(A) = 4 = 0.0769
N(S) 52

En este caso expresado en porcentaje es 7.69 %, es decir que el 7.69 % de las

veces que extraiga una carta obtendré en mi mano un As..
Este tipo de probabilidad nos resulta útil y buena para resolver problemas que
involucran el uso de objetos físicos, pero que sucede en la realidad en el
caso de situaciones de negocios, como suponemos el elemento físico es el
hombre por lo que no nos es muy útil.

¿Cómo podría predecir una compañía de Seguros el porcentaje de autos que

estarán involucrados en accidentes automovilísticos el próximo año?

¿Cómo podrá determinar una empresa Textil, que porcentaje de su producción

será defectuosa?

Si deseamos lograr este tipo de predicción deberemos emplear un enfoque de

Frecuencia Relativa de Ocurrencia de eventos similares en el pasado.
Debemos buscar la proporción de veces que ocurre un resultado favorable o de
interés en un determinado número de observaciones o experimentos.

Luego la probabilidad de que ocurra un evento A es:

P(A) = Nro. De Observaciones de A = n(A)

Tamaño de muestra n

Veamos un ejemplo, si el índice de accidentes de autos ha sido de 1 en 50

(Frec. Rel.) la probabilidad de ocurrencia futura será:

P(A) = n(A) = 1 = 0.02

n 50
Es decir que existe una posibilidad del 2 % que ocurra un accidente.

En vista que para determinar los valores de la probabilidad se requiere de la

observación y recolección de datos, a ésta también se le denomina empírica.

Este tipo de probabilidad asume que hemos tenido repeticiones de la misma

situación, y que este número se mantendrá en el tiempo. Como sabemos en los
negocios esto no es posible, pues siempre tratamos de predecir nuevas
situaciones o escenarios.
 Un tercer tipo de probabilidad es la llamada subjetiva. La determinación del
valor de esta probabilidad está basada en la creencia personal o es decir el
grado de confianza que se tiene respecto a la ocurrencia de un evento.

Aun cuando una persona no haya tenido experiencia previa con un evento
determinado, él o ella puede tratar de asignarle una probabilidad que modifique
o confirme la probabilidad de ocurrencia de dicho evento.

Frecuentemente, en las situaciones de negocios, esta puede ser la única

manera de poder asignar la probabilidad de ocurrencia a un evento.
Dado que esta probabilidad la asignamos cada uno de nosotros, la
denominamos personalista.

5. Reglas simples de probabilidad

a. Todas las probabilidades variarán entre 0 y 1. Luego, P (A) o la

probabilidad de que ocurra el evento A es:

0 ≤ P(A) ≤ 1

Una probabilidad cercana a Cero significa que estamos plenamente

seguros que ese evento no ocurrirá, por lo contrario si tenemos una
probabilidad cerca a Uno, significará que tenemos certeza que ese
evento se llevará a cabo.

Si escuchamos decir a alguien que tiene una probabilidad de 5.0 % de

heredar un millón de dólares (se está expresando incorrectamente,
pues tal vez quiere decir que su probabilidad es de 0.05.

b. Si hay sólo dos eventos que pueden ocurrir, uno y sólo uno de ellos
ocurrirá. Por ejemplo, el que herede o no un millón de dólares podemos
expresarlo de la siguiente manera:

P(A) = Probabilidad que herede 1 millón de USD

P(A’) = Probabilidad de NO A, es decir que no ocurra A.

Ahora bien, si existen dos posibilidades, sus probabilidades deben

sumar uno.

P(A) + P(A') = 1

Aplicando algebra podemos decir que la probabilidad que ocurra un

evento es 1menos la probabilidad de que no ocurra.

P(A) = 1 - P(A’)
 Si la probabilidad que no herede 1 millón de dólares es 0.999 o 99.9 %,,
entonces la probabilidad que sí lo haga es de 0.001o 0.1%.

c. La siguiente regla se aplica a eventos mutuamente exclusivos o

excluyentes.

Estos eventos son aquellos que no pueden ocurrir en forma

simultánea. Por ejemplo una persona tiene sobrepeso, bajo peso o
peso normal, no podemos tener las tres condiciones a la vez.

El cálculo de la probabilidad de estos eventos sigue la regla de la

adición.

P(A o B) = P(A) + P (B)

P(A o B o C) - P(A) + P(B) +P(C)

Resolvamos un problema, supongamos que en este salón se tienen los

siguientes calificativos y cantidades en cada uno de ellos:

Calificativo Cant.
A 10
B 20
C 40
D 20
F 10

Si ahora seleccionamos a un estudiante en forma aleatoria, es decir que

cada uno de ellos tenga la misma oportunidad de ser elegido, el evento
A ocurrirá si la calificación del alumno seleccionado es una "A".
Existen 10 elementos en el evento A. La probabilidad de seleccionar un
alumno con una calificación de A o B será:

P(A) + P(B) = 10 + 20 = 0.30

100 100

Esto quiere decir que la probabilidad de seleccionar un alumno con A o

B es de 30 %.

Ahora la probabilidad de seleccionar un alumno con C o más será:

P(A) + P(B) + P(C) = 10 + 20 + 40 = 0.7

100 100 100
 En este caso la posibilidad de seleccionar un alumno que tenga un
calificativo de C o más es de 70%.

d. La siguiente regla se aplica a eventos que NO son mutuamente

exclusivos. En este caso uno puede ser profesor y hombre o mujer; una
carta de la baraja puede ser As y a la vez ser de Diamantes o
Corazones.

Por ejemplo si deseamos calcular la probabilidad de extraer una carta

que sea un As o un Diamante, nosotros podemos comenzar por sumar
todas las probabilidades de encontrar un As, P (A) , y la probabilidad de
encontrar un Diamante, P(D). Luego:

P(AoD) = P(A) + P(D) = 4 + 13

52 52
Pero esta prokabbiIid.ad no es correcta, pues en este cálculo hay una
carta que ha sido contada dos veces.

AS 2 3 4 5 6 7 8 9 10 J Q K
ES
CO
DI A&D
TR

El As de Diamantes como observamos ha sido marcado dos veces, una

como As y otra como Diamante.

Para calcular correctamente la probabilidad debemos restar el área que

se sobrepone, luego tendremos:

P(AoD) = P(A) + P(D) - P(AyD)

P(AoD) = 4 + 13 – 1 = 16 = 0.3077
52 52 52 52

La probabilidad de extraer un As o un diamante será de 0.3077, es decir

que de todas las veces que extraiga una carta de la baraja completa, el
30.77% de las veces obtendré en mi mano un As o un Diamante.
e. La quinta regla nos permite calcular la probabilidad para eventos que
son independientes. Un evento independiente es aquel donde el
producto o resultado de un evento no afecta la probabilidad (producto)
de los eventos subsecuentes. Por ejemplo si lanzamos una moneda
dos veces, el resultado del primer lanzamiento no afecta al segundo, si
ganamos la lotería este mes, esto no afecta a quien gane el próximo
mes.

Calculemos la probabilidad de obtener dos caras seguidas cuando

lanzamos una moneda dos veces, para esto definiremos como A al
evento de obtener una cara en el primer lanzamiento y E de obtenerla
en el segundo. Sabemos que la probabilidad de obtener una cara es de
1/2 (Prob. Objetiva).

P (A y B) = P(A) * P(B)

P(AyB) = 1 * 1 = 1
2 2 4

La probabilidad de obtener dos caras seguidas en dos lanzamientos

consecutivos de una moneda es de 0.25.

Veamos otro caso, de este tipo, calculemos cuál es la probabilidad de

que una mujer de a luz a tres hijos hombres en tres partos seguidos:

P(A y B y C) = (1/2) (1/2) (1/2) = 1/8 ó 0.1250

Pero nosotros no podemos estar seguros que estos eventos sean

realmente independientes. Pues existe evidencia que padres con
familias numerosas que tienen niños de un solo sexo, tienen una
probabilidad mayor a 1/2.

f. Como última regla veremos aquellos eventos que son no

independientes. Esto significa que el resultado obtenido en un primer
evento afecta el resultado de un segundo evento. Por ejemplo, si
tenemos en una mesa 20 ánforas, 5 de ellas contienen billetes de 100
soles. ¿ Cuál será la probabilidad de escoger dos ánforas en forma
consecutiva que contengan un billete de 100 soles ?
Para lograr obtener un billete de 100 soles dos veces seguidas,
debemos escoger un ánfora a la vez.
Si en el primer intento escogemos un ánfora que contiene un billete de
100 soles, la posibilidad de escoger una segunda ánfora que contenga
un billete cambia, pues en esta segunda oportunidad sólo hay 19
ánforas de las cuales 4 contienen billetes.

La expresión matemática de este experimento es:

P(AyB) P(A)*P(B/A)

Donde P(B / A) se lee " la probabilidad que ocurra B dado que

ha ocurrido A”.
En nuestro ejemplo, diríamos la probabilidad de elegir un ánfora que
contenga un billete en el primer intento (A) y en un segundo intento (B)
es igual a la probabilidad se escoger un ánfora que tiene un billete en el
primer intento multiplicada por la probabilidad de escoger un ánfora con
un billete en un segundo intento dado que hemos obtenido un billete la
primera vez, en el segundo intento hay menos ánforas con billetes.
Aplicando la formula obtendremos:

P(AyB) = 5 * 4 = 2 0 = 0 . 0526
20 19 380

Entonces tendremos una posibilidad del 5.26 % de obtener dos billetes

de 100 soles en forma consecutiva.
Pero que sucede si reponemos el ánfora luego del primer intento, o
luego de cada intento, con este lo que logramos es convertir a los
eventos en independientes, haciendo esto en un segundo experimento
tendremos cinco posibilidades de 20 para encontrar los billetes cada vez
que lo intentemos.

P(AyB) = P(A) * P(B) = 5 * 5 = 0 . 0 2 6 5

20 20

Es conveniente practicar la notación de esta probabilidad para

entenderla adecuadamente. La formula de esta probabilidad puede
transponerse y presentarse así:

P(B/A) = P(AyB)
P(A)
6. Independencia estadística

Dos eventos A y B son independientes si y sólo si se cumple:

P(A y B) - P(A) * P(B) ó P(B/A) = P (B)

Esto significa que el conocimiento del resultado u ocurrencia de un evento no

tiene valor predictivo para la ocurrencia de otro evento.

7. Variable Aleatoria

Efectuemos un experimento en él se considera el número posible de Caras que

pueden resultar en el lanzamiento simultáneo de tres monedas. Como sabemos
este experimento tiene un espacio muestral de ocho resultados posibles, si
además le asignamos el valor de uno a cada cara que puede salir en cada
lanzamiento obtendremos el siguiente cuadro:

Result. SSS CSS SCS SSC SCC CSC CCS CCC

# Caras 0 1 1 1 2 2 2 3

Si denominamos X a la variable que representa el número de caras del

experimento, la variable puede tomar uno de los siguientes valores : 0, 1, 2 ó 3.
Una variable cuyos valores numéricos están determinados por los resultados
de un experimento se llama variable aleatoria.
Para una mayor especificación designaremos a la variable con la letra
mayúscula X y al valor que ésta tome con una letra minúscula x.
Para facilidad de empleo en experimentos ya existen tablas de números
aleatorios que representan los valores que asumiría la variable en un
experimento.

8. Esperanza matemática

El valor esperado o esperanza matemática es de uso básico en la teoría

de probabilidades para poder predecir que sucedería a la larga si tenemos en
repetidas oportunidades una misma situación. El valor esperado se obtiene de
la multiplicación de la probabilidad de ocurrencia de un evento por el pago
(ganancia o pérdida) si el evento ocurriera, y efectuando una suma total de
estos posibles resultados, luego obtendremos esta expresión matemática:

𝐸(𝑥) = ∑(𝑥 ∗ 𝑃(𝑥))

Si el premio de una rifa es de un millón de soles y se han vendido 100,000
boletos, tenemos una posibilidad en 100,000 de ganar el premio si
compramos un boleto. En este caso el pago es de un millón de soles, luego la
esperanza de ganar es igual a:

1
∑(𝑥 ∗ 𝑃(𝑥)) = 1′ 000,000 ( ) = 10
100,000

Obtenemos que el valor esperado o la esperanza matemática de un boleto es

de 10 soles.
Esto quiere que si compramos un boleto de rifa a 10 solos o menos, estaríamos
asumiendo un riesgo adecuado.

Si el valor de los boletos es exactamente 10 soles, esto es lo que se llama un

juego justo, dado que el total de pago es igual a la cantidad recaudada.
Frecuentemente los problemas de esperanza matemática son más
complejos.
Veamos, si nos ofrecen participar en un juego de lanzamiento de un dado (no
cargado) y nos dan las siguientes alternativas o premios: si sacarnos 1 ganamos
100 soles, si es 2 ganamos 200 soles, si es 3 ganamos 250 soles, si es 4 pago
75 soles, si es 5 pago 250 y si es 6 pago 100 soles.
Para obtener la esperanza matemática debo multiplicar la probabilidad de cada
resultado es decir de sacar cada cara por la ganancia o pérdida de obtener ese
resultado, luego efectuamos la suma de estos productos, obteniendo:

1 1 1 1 1 1
𝐸(𝑥) = (100) + (200) + (250) − (75) − (250) − (100)
6 6 6 6 6 6
𝐸(𝑥) = 20.833

De acuerdo con nuestros cálculos esperaremos obtener a la larga una ganancia

promedio de 20.83 soles si decidiera entrar al juego.
Si entrar al juego cuesta menos de 20.83 soles, tendré una esperanza de
ganar.
La esperanza matemática es la base del negocio de los seguros y de la teoría
de decisiones.