Algunos tópicos sobre Conjuntos

Algunos tópicos sobre Conjuntos

Denotaremos por Ω al conjunto universo, que es el conjunto que posee

todos los elementos de interés. A un subconjunto de Ω

A ⊆ Ω, ∀x ∈ Ax ∈ Ω

Sean A y B dos conjuntos cualesquiera entonces

Unión: A ∪ B = {x : x ∈ A o x ∈ B};
Intersección: A ∩ B = {x : x ∈ A y x ∈ B};
Complemento: Ac = {x ∈ Ω : x ∈
/ A};
Diferencia: A ∩ B c = A − B = {x ∈ Ω : x ∈ A y x∈
/ B};

Probabilidades 1 / 42
 Algunos tópicos sobre Conjuntos

Conjunto vacı́o: es el conjunto que no posee elementos, se denota por

φ
(Notemos que A ∩ Ac = φ);
A y B se dicen disjuntos o mutuamente excluyentes si:

A ∩ B = φ.

Probabilidades 2 / 42
 Probabilidad

Probabilidad

En el capı́tulo anterior se vieron algunos de los métodos utilizados para

describir un conjunto de datos con el único propósito de describir los
resultados de un experimento concreto.
El cálculo de Probabilidades se ocupa de estudiar ciertos experimentos que
se denominan aleatorios, cuya caracterı́stica fundamental es la
incertidumbre del resultado, esto significa que es imposible, predecir los
resultados porque hay más de uno posible.

Probabilidades 3 / 42
 Probabilidad

Estudia los fenómenos aleatorios,

los cuales obedecen ciertas
reglas
5
de comportamiento.

Probabilidad

*
Se relaciona con las propiedades
de la frecuencia relativa.

Probabilidades 4 / 42
 Experimento

Experimento

Es cualquier acción que pueda dar lugar a resultados identificables.

Suponemos que es posible repetir el experimento un gran número de veces
bajo la mismas condiciones y que todos los posibles resultados son
conocidos antes de la realización del experimento.

Probabilidades 5 / 42
 Experimento

Experimento

 +
Aleatorio Determinista


Lanzar una moneda al aire. 
Soltar una piedra en el aire.
Extraer un artı́culo
Lanzar una pelota
de un lote que contiene
en un tanque para ver
artı́culos defectuosos y
si flota o se hunde.
no defectuosos.

Probabilidades 6 / 42
 Experimento Aleatorio

Experimento Aleatorio

Se puede definir como aquél experimento que verifica lo siguiente:

se puede repetir bajo las mismas condiciones.
se conocen todos los posibles resultados antes de la realización del
experimento.
no se puede predecir el resultado del mismo antes de realizarlo.

Probabilidades 7 / 42
 Experimento Aleatorio

Ejemplos:
Lanzamiento de un dado .
Lanzamiento de dos monedas.
Medición del no de accidentes que ocurren en una ciudad durante un
dı́a.
Germinación de una semilla después de aplicar un la fórmula X.
Contenido de alguna sustancia contaminante en una muestra tomada
en un lago.

Probabilidades 8 / 42
 Definiciones

Definiciones

Espacio Muestral de un experimento aleatorio es el conjunto de

todos los posibles resultados asociados a dicho experimento aleatorio.
Este espacio es denotado por Ω.
Evento o Suceso es un subconjunto del espacio muestral
(A ⊆ Ω).
Ω Suceso Seguro.
φ Suceso Imposible.
Suceso Elemental o Puntos Muestrales son los elementos
integrantes del espacio muestral. ({ω}, donde ω ∈ Ω).

Probabilidades 9 / 42
 Definiciones

Espacio muestral


Evento o Sucesos

u  )
Evento imposible Evento seguro Evento elemental

Probabilidades 10 / 42
 Definiciones

Ejemplo:
1 Lanzar una moneda y observar su cara superior:

Ω = {cara, sello};

2 Lanzar un dado y observar su cara superior:

Ω = {1, 2, 3, 4, 5, 6};

3 Contar el número de autos que pasan por una esquina, hasta que se
produzca un accidente;
4 Observar el tiempo de vida de un artefacto eléctrico;
5 Lanzar dos monedas al aire y observar su cara superior;
6 Lanzar una moneda y un dado y observar su cara superior.

Probabilidades 11 / 42
 Técnicas de Conteo

Técnicas de Conteo

Principio de Multiplicación:

Si una operación puede realizarse de n1 formas y si para cada una de éstas

se puede realizar una segunda operación en n2 formas y para cada una de
las dos primeras se puede realizar una tercera operación en n3 formas y ası́
sucesivamente, entonces la serie de k operaciones se puede realizar de
n1 · n2 · n3 · ... · nk formas.

Probabilidades 12 / 42
 Técnicas de Conteo

Ejemplo
¿Cuántos puntos muestrales hay en el espacio muestral cuando se lanza
una vez un par de dados?

Probabilidades 13 / 42
 Técnicas de Conteo

Definición
Una permutación es un arreglo de todos o parte de un conjunto de objetos.

El número de permutaciones de n objetos diferentes está dado por:

Pnn = n! = 1 · 2 · · · · · n

n! se lee n factorial.
Ejemplo: Las permutaciones posibles para las letras a, b y c son:

abc − acb − bac − bca − cab − aba

Es decir podemos arreglar los tres elementos de 6 maneras diferentes.

P33 = 3! = 1 · 2 · 3 = 6

Probabilidades 14 / 42
 Técnicas de Conteo

El número de permutaciones distintas de n elementos tomando k a la vez.

Está dado por:
n!
Pnk =
(n − k)!

Ejemplo
Un grupo está formado por 5 personas y desean formar una comisión
integrada por un presidente y un secretario.

Probabilidades 15 / 42
 Técnicas de Conteo

Definición
El número de permutaciones de n objetos, de los cuales ni son de tipo
i, i = 1, 2, ..., k es:
n!
Pnn1 ,n2 ,...,nk =
n1 !n2 ! . . . nk !

Ejemplo
Un estante tiene capacidad para 10 libros de matemáticas que tiene tapa
verde, 8 de fı́sica de tapa roja y 7 de quı́mica de tapa azul. ¿De cuántas
maneras pueden colocarse los libros según los colores?

Probabilidades 16 / 42
 Técnicas de Conteo

Definición
Se llama combinación de n objetos, tomando k a la vez, a la selección de
objetos con independencia de su ordenamiento. Es el número de
subconjuntos de k objetos elegidos de entre los n.
 
n n n!
Cr = =
r r!(n − r)!

Ejemplo
Un grupo está formado por 5 personas y desean formar una comisión
integrada por 2 personas ¿De cuántas formas distintas puede formar esta
comisión?

Probabilidades 17 / 42
 Métodos para asignar probabilidades

Métodos para asignar probabilidades

Por estimación

u  )
personal de frecuencias relativas clásica

Probabilidades 18 / 42
 Métodos para asignar probabilidades

Personal: La probababilidad que se asigne a c/u de los sucesos es una

apreciación subjetiva.
Ventajas Desventajas


Su acierto depende de lo correcta
 que sea la información que dispone
Siempre es aplicable
y la capacidad de la persona
para evaluarla.

Probabilidades 19 / 42
 Métodos para asignar probabilidades

Frecuencia relativa: Es aplicable a situaciones en las que el experimento

pueda repetirse varias veces y sus resultados puedan ser observados.
no de veces que ocurre el suceso A
P (A) = .
no de veces que se realiza el experimento

Ventajas Desventajas

 
Es más precisa que la anterior. Puede ocurrir que
Se basa en la observación el experimento no
real del experimento. se lleve a cabo siempre
en las mismas condiciones.

Probabilidades 20 / 42
 Métodos para asignar probabilidades

Frecuencia relativa: Es aplicable a situaciones en las que el experimento

pueda repetirse varias veces y sus resultados puedan ser observados.
no de veces que ocurre el suceso A
P (A) = .
no de veces que se realiza el experimento

Ventajas Desventajas

 
Es más precisa que la anterior. Puede ocurrir que
Se basa en la observación el experimento no
real del experimento. se lleve a cabo siempre
en las mismas condiciones.

Probabilidades 20 / 42
 Métodos para asignar probabilidades

Ejemplo
Se lanza 100 veces un dado y en 30 de estos sale el dos. ¿Cuál es la
probabilidad que saga dos? ¿Cuál es la probabilidad que no salga el dos?

Probabilidades 21 / 42
 Métodos para asignar probabilidades

Probabilidad clásica

Se basa en que todos los resultados posibles de un experimento sean

equiprobables.
La probababilidad de un evento elemental {ω} es:
1
P ({ω}) =
N
La probabilidad de un evento compuesto A es:
X n
P (A) = P ({ω}) =
N
ω∈A

n: número de elementos del evento A.

N : número de elementos del espacio muestral.

Probabilidades 22 / 42
 Métodos para asignar probabilidades

Ventajas Desventajas


Si es aplicable,
la probabilidad obtenida 
es exacta. No siempre
No exige la realización es aplicable.
de experiencias ni
recoger datos. Es de fácil uso.

Probabilidades 23 / 42
 Definición de Probabilidad.

Definición de Probabilidad.

Sea Ω un espacio muestral asociado a un experimento. La probabilidad P ,

es una función que asigna a cada evento A, un número P (A), llamado
probabilidad del evento A, tal que cumple los siguientes axiomas:
Axioma 1: Si A es un evento de Ω, existe un número P (A) ≥ 0
denominado probabilidad del suceso A.
Axioma 2:P (Ω) = 1
Axioma 3:Dada una sucesión númerable de sucesos
A1 , A2 , . . . , An , . . . disjuntos dos a dos (Ai ∩ Aj = φ si i 6= j) se
verifica que:
n n
!
[ X
P = P (Ai )
i=1 i=1

Probabilidades 24 / 42
 Definición de Probabilidad.

Teorema
Sean A y B dos eventos arbitrarios, entonces:
P (φ) = 0;
P (Ac ) = 1 − P (A);
si A ⊆ B entonces P (A) ≤ P (B);
si A ⊆ B entonces P (B − A) = P (B) − P (A).

Probabilidades 25 / 42
 Definición de Probabilidad.

Corolario
Para todo evento A, 0 ≤ P (A) ≤ 1.

Teorema
Para dos eventos arbitrarios A y B se tiene que:

P (A ∪ B) = P (A) + P (B) − P (A ∩ B).

Probabilidades 26 / 42
 Definición de Probabilidad.

Ejemplo
En una determinada ciudad, el 60 % de los hogares se suscriben a un
periódico de circulación nacional, el 80% a un periódico de circulación
local y el 50% se suscriben a ambos periódicos. Si se selecciona al azar un
hogar, ¿Cuál es la probabilidad de que :
a) esté suscrito al menos en uno de los dos periódicos?
b) esté suscrito exactamente a uno de los dos periódicos?
c) no se suscribe a los periódicos?

Probabilidades 27 / 42
 Probabilidad Condicional

Probabilidad Condicional

Dado un espacio muestral Ω. Sea B ⊂ Ω un suceso tal que P (B) > 0.

Para un suceso cualquiera A ⊂ Ω, se define la probabilidad condicionada
de A dado B o probabilidad de A condicionada a B, como:

P (A ∩ B)
P (A/B) = ,
P (B)

donde P (A/B) representa la probabilidad de que ocurra el suceso A

cuando se tiene la certeza de que ha ocurrido B.
(Observación: P (A/B) = 0 si P (B) = 0)

Probabilidades 28 / 42
 Probabilidad Condicional

Tenemos que:
P (A ∩ B)
P (A/B) = ,
P (B)
luego se tiene que
P (A ∩ B) = P (B)P (A/B).
Análogamente podemos observar que:

P (A ∩ B)
P (B/A) = ,
P (A)

ası́
P (A ∩ B) = P (A)P (B/A).

Probabilidades 29 / 42
 Probabilidad Condicional

Ejemplo
En la ciudad de Concepción, la probabilidad que llueva el dı́a uno de junio
es 0,5 y la probabilidad que llueva el 1 y 2 de junio es 0,4. Dado que llovió
el 1 de junio ¿cuál es la probabilidad que llueva el dı́a 2 de junio?.

Probabilidades 30 / 42
 Probabilidad Condicional

Ejemplo
¿Cuál es la probabilidad que no llueva el dı́a 2 de junio dado que el 1 de
junio llovió?

Probabilidades 31 / 42
 Probabilidad Condicional

Regla de multiplicación:

P (A ∩ B) = P (B)P (A/B) = P (A)P (B/A)

Una generalización de lo anterior está dada por:

P ( ni=1 Ai ) = P (A1 )P (A2 /A1 )P (A3 /A1 ∩ A2 )

T
. . . P (Ak /A1 ∩ A2 ∩ · · · ∩ Ak−1 ).

Probabilidades 32 / 42
 Probabilidad Condicional

Ejemplo
Una caja contiene cinco bolas roja y seis negras; se extrae al azar
sucesivamente y sin reposición dos bolas, ¿cuál es la probabilidad que las
dos resulten rojas?

Probabilidades 33 / 42
 Probabilidad Condicional

Ejemplo
Una caja contiene 5 bolas roja y seis negras; se extrae al azar
sucesivamente y con reposición dos bolas, ¿cuál es la probabilidad que las
dos resulten rojas?

Probabilidades 34 / 42
 Probabilidad Condicional

Regla de la Probabilidad Total:

Supongamos que los eventos A1 , A2 , . . . Ak forman una partición del

espacio muestral Ω, entonces para cualquier evento B se tiene que:

P (B) = P (B/A1 )P (A1 ) + P (B/A2 )P (A2 ) + · · · + P (B/Ak )P (Ak )

Podemos escribir B como:

B = [B ∩ A1 ] ∪ [B ∩ A2 ] ∪ [B ∩ A3 ] ∪ [B ∩ A4 ].

Dado que son conjuntos disjuntos tenemos que:

P (B) = P [B ∩ A1 ] + P [B ∩ A2 ] + [B ∩ A3 ] + [B ∩ A4 ]

y por la regla de la multiplicación:

P (B) = P (A1 )P (B/A1 ) + P (A2 )P (B/A2 ) + · · · + P (Ak )P (B/Ak )

Probabilidades 35 / 42
 Probabilidad Condicional

Ejemplo
En una lı́nea de producción hay dos procesos, A y B. En el proceso A hay
un 20% de defectuosos y en B hay un 25%. En una muestra de 300
productos hay 200 del proceso A y 100 del proceso B. Si se extrae al azar
un producto, hallar la probabilidad que sea defectuoso.

Probabilidades 36 / 42
 Teorema de Bayes e Independencia de Eventos

Teorema de Bayes

Teorema
Bajo las mismas condiciones de la regla anterior, se tiene que:

P (B/Ai )P (Ai )
P (Ai /B) = Pn .
j=1 P (B/Aj )P (Aj )

observe que:

P (B ∩ Ai ) P (B/Ai )P (Ai )
P (Ai /B) = = Pn .
P (B) j=1 P (B/Aj )P (Aj )

Probabilidades 37 / 42
 Teorema de Bayes e Independencia de Eventos

Ejemplo
En el ejemplo anterior. Si al extraer el producto resultó ser defectuoso,
hallar la probabilidad de que sea del proceso A.

Probabilidades 38 / 42
 Teorema de Bayes e Independencia de Eventos

Definición
Dos eventos A y B son independientes si P (A/B) = P (A) y
P (B/A) = P (B). De manera equivalente se dice que dos eventos A y B
son independientes si y sólo si P (A ∩ B) = P (A)P (B).

Teorema
Si A y B en Ω son eventos independientes, entonces:
A y B c son eventos independientes.
Ac y B son eventos independientes.
Ac y B c son eventos independientes.

Probabilidades 39 / 42
 Teorema de Bayes e Independencia de Eventos

Ejemplo
En un estudio de cáncer al pulmón se examinan 10000 personas mayores
de 60 años. Se determina que 4000 personas de este grupo son fumadores.
Entre los fumadores 1800 padecen de cáncer al pulmón. Entre los no
fumadores 500 padecen de cáncer al pulmón. ¿Son los eventos fumadores
y cáncer al pulmón independientes?

Probabilidades 40 / 42