NIVERSIDAD AUTONOMA “GABRIEL RENE MORENO”

FACULTAD INTEGRAL ICHILO

CARRERA INGENIERIA DE SISTEMAS

UNIDAD I
PROBABILIDAD

Ing. Juan Siancas

DOCENTE

SANTA CRUZ – BOLIVIA

Agosto 2019
 UNIDAD I
PROBABILIDAD
1.- Concepto de probabilidad
La probabilidad permite calcular el margen de error con el que puede aceptarse el modelo
matemático o teórico de comportamiento propuesto para la población.
Las probabilidad es la mayor o menor posibilidad de que ocurra un determinado suceso.
En otras palabras, su noción viene de la necesidad de medir de medir o determinar
cuantitativamente la certeza o duda de que un suceso dado ocurra o no. También se
puede decir que es una medida de la certidumbre asociada a un suceso o evento futuro y
suele expresarse como número entre 0 y 1 (o entre o% y 100%).
El concepto o idea que generalmente se tiene del término probabilidad es adquirido de
forma intuitiva, siendo suficiente para manejarlo en la vida corriente
Nos interesa ahora la medida numérica de la posibilidad de que ocurra un suceso A
cuando se realiza el experimento aleatorio. A esta medida la llamaremos probabilidad
del suceso A y la representaremos por p(A).
La probabilidad es una medida sobre la escala 0 a 1 de tal forma que:
 Al suceso imposible le corresponde el valor 0
 Al suceso seguro le corresponde el valor 1
 El resto de sucesos tendrán una probabilidad comprendida entre 0 y 1
El concepto de probabilidad no es único, pues se puede considerar desde distintos puntos
de vista:
El punto de vista objetivo
 Definición clásica o a priori
 Definición frecuentista o a posteriori
El punto de vista subjetivo
Sea un experimento aleatorio cuyo correspondiente espacio muestral E está formado por
un número n finito de posibles resultados distintos y con la misma probabilidad de ocurrir
{e1, e2, ... , en}.
Ejemplo:
Por ejemplo, si una persona siente que la ventaja de 3 a 2 es ventaja justa de que una
empresa comercial tendrá éxito (o que sería justo apostar $30 contra $20 a que tendrá
éxito), la probabilidad es:
P = 30/(30+20) = 0,6, de que la empresa comercial tendrá éxito.

2.- Función de Probabilidad

El concepto clásico de probabilidad, se aplica cuando todos los resultados posibles son
igualmente probables, como es presumiblemente el caso en la mayoría de los juegos de
azar. Podemos entonces decir que si hay “N” posibilidades igualmente probables, de las
cuales una debe ocurrir y “n” se consideran favorables, o como un “acierto," entonces la
probabilidad de un “acierto” está dada por la razón n/N
 P = n/N
Donde:
P = Probabilidad
N = Probabilidades iguales
n = Probabilidades favorables

Ejemplo:
¿Cuál es la probabilidad de sacar un as (4) de una baraja ordinaria de 52 cartas de juego?
Solución:
Donde:
P=?
N = 52
n=4
P = n/N P =4/52 = 1/13 = 0,0769 = 7,69%.
Puesto que hay n = 4 ases entre las N = 52 cartas, la probabilidad de sacar un as es 4/52
= 1/13 (Se supone, por supuesto, que cada carta tiene la misma oportunidad de salir.)
Aunque las posibilidades igualmente probables se encuentran principalmente en los
juegos de azar, el concepto clásico de probabilidad también se aplica en una gran
variedad de situaciones donde se usan los dispositivos de juego para hacer selecciones
aleatorias.

3.- Probabilidad de Eventos

El valor de la probabilidad de un evento es una medida de la certeza de su realización
Experimento: Es el proceso que permite obtener una o varias observaciones.
Espacio Muestral “N”: Todos los posibles resultados de un experimento.
Evento “n”: Algún resultado del experimento que nos interesa.
Probabilidades: La probabilidad de un evento “n” se define como la frecuencia relativa de
“n” en el espacio muestral “” y se denota como P(A).
Donde:
n = Evento
P = Probabilidad
 = Espacio Muestral
Ejemplo:
Se han realizado 20 ensayos en un experimento en condiciones similares. 4 ensayos
tuvieron el resultado esperado.
Donde:
P=?
N = 20
n=4
P = n/N P =4/20 = 2/10 = 0,2 = 20%.
Entonces la probabilidad que en el siguiente ensayo se obtenga el resultado esperado es
aproximadamente: 4/20 = 0,2 = 20%.
Asignación clásica de probabilidades a eventos
Sean N: espacio muestral
n: evento de interés
Si N y n representan su cardinalidad (número de elementos)
Entonces la probabilidad del evento A es: P(A) = nA/NA
Ejemplo:
Una tienda quiere vender 30 qq de arroz, frente a la otra tienda que tiene 20 qq.

Tienda Arroz (qq) Donde:

a 30 P = Probabilidad
b 20 N = Probabilidades iguales
Total 50 n = Probabilidades favorables

Que probabilidad de ventaja tiene la Tienda A:

Donde:
P= ? P = n/N
N= 50 P= 0,6
n= 30 P= 60,00%

4.- Regla del producto.

Si dos evento “A” y “B” son independientes si “A” no influye de ninguna manera en “B” y
viceversa. La probabilidad que los eventos independientes “A” y “B” ocurran al mismo
tiempo es P(A y B) = P(AB) = P(A) x P(B)
Por ejemplo si la Probabilidad de obtener cara al arrojar una moneda es 0.5, P(cara) =
0.5, la probabilidad que al arrojar dos veces la moneda salgan dos caras, ya que ambos
eventos son independientes, uno no influye sobre otro, la P(cara, cara) es de “0.5 x .05 =
0.25”
Ejemplo:
Una vez lanzado un Dado (numeros del 1a 6) y una Moneda (cara-1 y escudo-2),
¿Cuál es la probabilidad para obtener un número Impar y Escudo?

Datos Dado X Moneda Y

1 1 1
2 2 2
3 3
N= Tx*Ty
4 4
5 5
5 6
n = 3 *1
Total 6 2

Donde:
P= ? P = n/N
N= 12 P= 0,250
n= 3 P= 25,00%

5.- Regla de la Suma.

Para que dos eventos “A” y ”B” se puedan sumar directamente, estos deben ser
incompatibles, es decir ellos no pueden ocurrir al mismo tiempo. P(AՈB) = 0
La probabilidad que ocurra “A” ó “B” para eventos incompatibles “A” y “B” es P(A ó B) = P
(A) + P (B) = P(AՈB)
Si los eventos no son incompatibles P(AՈB) = P (A) + P (B) - P(AՈB). Esta sería la regla
general de la suma de probabilidades.
En el ejemplo de arrojar dos veces una moneda al aire, la probabilidad que salga una vez
cara y el otro escudo sin importar el orden, es la probabilidad de los eventos “cara,
escudo” y “escudo, cara”. Debido a que son cuatro los eventos posibles “N”= cara –cara,
escudo – cara, cara – escudo y escudo-escudo y cada uno con igual probabilidad, cada
uno de esto eventos tiene una P = 0.25, de ocurrencia. Por lo tanto la ocurrencia de “cara-
escudo” más “escudo – cara” es de “P (c, e) + P (e,c)”), que en valor de probabilidades es
de P (0.25) + P (0.25) = 0.5
Ejemplo:
Si se tiene en la carrera de Ing. Sistema - FINI 200 estudiantes, distribuidos en tres aulas
y por sexo como sigue:
Aula/Sexo Hombres Mujeres Total
A 20 20 40
B 30 30 60
C 56 44 100
Total (n) 106 94 200
a) ¿Cuál es la probabilidad que un estudiante, sin importar el sexo sea del aula B?
b) ¿Cuál es la probabilidad que un estudiante sea del aula A, si el estudiante es mujer?
a)
Donde: P = nTB/N
P= ? P= 0,30
N= 200 P= 30%
nTM = 94
nTB = 60 b)
nAM = 20 P = (nAM/N)/nTM/N
P= 0,21
P= 21%

Ejemplo:
Se conoce que los estudiantes de la FINI tiene las siguientes preferencias en el consumo de gaseosas
Consum o/sem ana Hombres Mujeres Total
No 30 10 40
1-5 veces 50 25 75
Mayor 5 veces 20 15 35
Total (n) 100 50 150
Si se elige un varon que haya consumido mayor a 5 veces. ¿cual es la probabilidad?

Donde:
P= ? P = (nc>5/N)/(nTH/N)
N= 150 P= 0,20
nTH = 100 P= 20%
nc>5 = 20
6.- Teorema de Bayes
Es un conjunto de sucesos mutuamente excluyentes y que cubren todo el espacio
muestral
El planteo del teorema de Bayes, dice; si los sucesos “A” son una partición y “B” un
suceso tal que p(B) diferente a 0 y para A= 1,2,..n, como lo visto en la teoría de
Probabilidad Total.
Ejemplo:
Tres máquinas, A, B y C, producen el 45%, 30% y 25%, respectivamente, del total de las
piezas producidas en una fábrica. Los porcentajes de producción defectuosa de estas
máquinas son del 3%, 4% y 5%.
a. Seleccionamos una pieza al azar; calcula la probabilidad de que sea defectuosa.
(probabilidad Total)
b. Tomamos, al azar, una pieza y resulta ser defectuosa; calcula la probabilidad de
haber sido producida por la máquina B.
c. ¿Qué máquina tiene la mayor probabilidad de haber producido la citada pieza
defectuosa?
Ejemplo:
Máquinas Probabilidad
Máquina Producción
Defectuosas Absoluta "n"
A 45% 3% 0,0135
B 30% 4% 0,0120
C 25% 5% 0,0125
Total 100% 12% 0,0380

Donde: a) 12% es el total de máquinas defectuosas

P= ? b)
N= 12% P = n/N
nB = 4% P= 0,333
P= 33,33%

c) Es la máquina A que produce mayor piezas defectuosas

Ejemplo.
El reporte meteorológico ha anunciado tres posibilidades para el día de mañana: que
llueva: probabilidad del 50%, que salga el sol: probabilidad del 30% y que esté nublado:
probabilidad del 20%. Según estos posibles estados meteorológicos y datos históricos de
comportamiento vehicular, la posibilidad de que ocurra un accidente es la siguiente: si
llueve: probabilidad de accidente del 20%, si sale el sol: probabilidad de accidente del
10% y si está nublado: probabilidad de accidente del 5%.
Tiempo Probabilidad Accidente
Llueve 50% 20%
Sol 30% 10%
Nublado 20% 5%
Total 100% 35%
Si se sabe que ocurrió un accidente,
¿Cuál es la probabilidad de que haya llovido?
¿Cuál es la probabilidad de que haya salido el sol?
¿Cuál es la probabilidad de que haya estado nublado?

Donde: a)
P= ? P = (nPl/nTP)*(nAl/nTA)
nP = 100% P= 0,29
nA = 35% P= 29%
b)
P = (nPs/nTP)*(nAs/nTA)
P= 0,09
P= 9%
a)
P = (nPn/nTP)*(nAn/nTA)
P= 0,03
P= 3%

7. BIBLIOGRAFIA

DISCOVSKIY, Riobóo Luis María

2008 Estadística Básica. Universidad Nacional de Ingeniería. UNI-
NORTE-SEDE REGIONAL ESTELI. Nicaragua. 78 Páginas.