Probabilidades

Espacio Muestral de un Experimento

Estadístico
 Un experimento se dice estadístico si reúne las siguientes características:
 Se conoce todos los resultados posibles del experimento antes de su
ejecucion
 Cualquier realizacion del experimento debe conducir a un resultado
que no es conocido previo a tal ejecucion, pero se sabe que es uno
de los “posibles”
 El experimento puede ser repetido bajo idénticas condiciones

 Ejemplo: Lanzamos una moneda

Espacio muestral de un Experimento
Estadístico
(Ω, ℒ)

Ω →Todos los resultados posibles de un experimento

ℒ −→ El conjunto potencia de Ω, esto es ℒ es el

conjunto de todos los subconjuntos de Ω (es el
denominado espacio de eventos).

Ejemplo: Lanzamos una moneda

Espacio muestral de un Experimento
Estadístico
 Los elementos de Ω se denominan “puntos” y genericamente se los
representa por la letra griega 𝜔 .
 Los elementos de ℒ se denominan Eventos

Ejemplo: Experimento que consiste en lanzar una moneda

Siendo 𝜙 = el conjunto vacio o
evento imposible (no sale ni cara ni
Ω = 𝑠, 𝑐 sello)

ℒ= 𝑠 , 𝑐 , 𝜙, Ω
Siendo Ω el evento “sale cara o sale
sello”

Numero de elementos de ℒ = 2𝑛 = 22 = 4
Propiedades de los elementos de ℒ
Para cualquier par de eventos 𝐸1, 𝐸2 que pertenecen a ℒ

 i) 𝐸1, 𝐸2 ∈ ℒ ⟹ 𝐸1 𝑈 𝐸2 ∈ ℒ (Cerrado bajo la union de elementos)

 ii) 𝐸1 ∈ ℒ ⟹ 𝐸1𝑐 ∈ ℒ
 Sobre el número de elementos de ℒ
 Un conjunto 𝐸 es contable, si y solo si es posible establecer una
correspondencia uno a uno entre los elementos de 𝐸 y aquellos de B,
donde B es un subconjunto del conjunto de los elementos de B no
negativos.
 Si 𝐵 = {1,2,3 … . 𝑛} decimos que B es finito.
 Al conjunto vacío se lo define como finito.

Espacio Muestral Discreto y Continuo

 Un espacio muestral (Ω, ℒ) se dice un Espacio Muestral Discreto si y solo si 𝛺
es contable.
 Si 𝛺 no es discreto, (Ω, ℒ) es un Espacio Muestral Continuo.
Eventos de un Espacio Muestral

 Dado un experimento estadístico, todo subconjunto de Ω es un

experimento estadístico.
 Cuando dos Eventos de un mismo Ω no tienen elementos en común se
denominan Eventos Mutuamente Excluyentes.

 𝐸1, 𝐸2 son Eventos Mutuamente Excluyentes si y solo si:

[ E1 , E2 ⊆ Ω Λ (E1 ‫ ځ‬E2 = ϕ)]
Funciones que se evaluan en
conjuntos
 Cardinalidad : Numero de elementos de un conjunto finito E, y se denota
como N(E)

Noción de Probabilidad:

Medir la incertidumbre existente alrededor de la factibilidad de que ocurra un

evento E, que pertenece a un espacio muestral (𝛺, ℒ)
La función de probabilidad
 Dado un Experimento Estadístico sobre el espacio muestral (𝛺, ℒ), se define
la función P de la siguiente forma:

𝑃: ℒ ----> [0,1]
P es una función de probabilidad si y solamente si:
a)P(𝛺)=1
b) 0 ≤ P E ≤ 1, ∀𝐸∈ℒ
c) P(E1 UE2 ) = P(E1 ) + 𝑃(E2 ) ; 𝑠𝑖𝑒𝑚𝑝𝑟𝑒 𝑞𝑢𝑒 E1 ‫ ځ‬E2 = ϕ

Nota:
P E ---> probabilidad de que el evento E ocurra, bajo las condiciones del
experimento estadístico.
Espacio de probabilidad y eventos
 (𝛺, ℒ, 𝑃) es denominado Espacio de Probabilidades.
 La función de probabilidad P es una medida sobre el espacio (𝛺, ℒ, 𝑃)
 Teoremas de Probabilidades
1 ) Si P es una funcion de probabilidad para cualquier evento 𝐸 ∈ ℒ, la probabilidad
de que el mismo ocurra es 𝑃 𝐸 = 1 − 𝑃(𝐸 𝑐 ), siendo 𝐸 𝑐 el complemento de 𝐸 en 𝛺

2) corolario del teorema 1: P(𝜙) = 0 𝑦 P(𝛺) =1

3) Si P es una funcion de probabilidad mientras que E1 y E2, son eventos en el

correspondiente Espacio Muestral (Ω, ℒ) , entonces:

P(E1UE2) = P(E1) + 𝑃(E2) – P(E1 ‫ ځ‬E2)

 Teoremas de Probabilidades
 4 ) Si P es una función de probabilidad mientras que E1 y E2, son eventos en
el correspondiente Espacio Muestral (Ω, ℒ) , entonces:

𝑃 𝐸2 ∩ 𝐸1𝑐 = 𝑃 𝐸2 − 𝑃(𝐸1 ∩ 𝐸2 )

 5 ) Si P es una función de probabilidad y E1 y E2, son eventos cualesquiera

en un Espacio Muestral (Ω, ℒ) tal que 𝐸1 ⊆ 𝐸2 ,entonces 𝑃(𝐸1) ≤ 𝑃(𝐸2)

 6) Corolario: Si P es una función de probabilidad y E1 y E2, son eventos

cualesquiera en un Espacio Muestral (Ω, ℒ) , P(E1UE2) ≤ P(E1) + 𝑃(E2)

 7) Si P es una función de probabilidad y E1 y E2, son eventos cualesquiera

en un Espacio Muestral (Ω, ℒ) , entonces P(E1 ‫ځ‬E2) ≥ P(E1) + 𝑃(E2) − 1
(Desigualdad de Bonferroni)
Teoremas de Probabilidades
 8) Si P es una función de probabilidad y E1 y E2, son eventos cualesquiera
en un Espacio Muestral (Ω, ℒ) , entonces P(E1 ‫ځ‬E2) = 1 − P(𝐸1𝑐 ) − 𝑃(𝐸2𝑐 )
(Desigualdad de Boole)
 Diagramas de Venn para eventos en Ω
𝐸1 𝐸2
Calcular:

0.10
P(𝐸1)
0.12 0.20 P(𝐸2)
P(𝐸3)
P(𝐸1 ∩ 𝐸2)
P(𝐸2 ∩ 𝐸3)
P(𝐸1 ∩ 𝐸3)
P(𝐸1 ∩ 𝐸2 ∩ 𝐸3)
0.15 𝑃 𝐸2 ∩ 𝐸1𝑐 = 𝑃 𝐸2 − 𝑃(𝐸1 ∩ 𝐸2)

𝐸3
Ω
 Metodos de Enumeracion
 Cardinalidad de Eventos finitos: Numero de elementos de un conjunto
finito E, y se denota como N(E)
 La probabilidad de que un evento finito ocurra, depende de su
cardinalidad, esto es, del numero de elementos que posea el evento con
respecto al total contenido en Ω

 Definición de Probabilidad
𝛀 tiene n elementos, esto es, Ω = 𝜔1 , 𝜔2 … . 𝜔𝑁 y E es un evento en un espacio
Muestral (𝜴, 𝒍) , tal que E tiene k elementos, 𝑘 ≤ 𝑁, entonces:
𝑵(𝑬) 𝒌
𝑷 𝑬 = = , 𝑵≠𝟎
𝑵(𝜴) 𝑵
 Ejemplo:
 Experimento: Lanzar un dado
 Evento: Que el resultado de un numero par

Ω = 1,2,3,4,5,6

E = 2,4,6

𝑵(𝑬) 𝟑
𝑷𝑬 = = = 𝟎, 𝟓
𝑵(𝜴) 𝟔
Ω=
 Método 1 para determinar la cardinalidad de Ω
Regla de la multiplicación de opciones

 Sean 𝐸1 , 𝐸2, 𝐸3, … 𝐸𝑘 , eventos cuya cardinalidad son respectivamente

𝑛1, 𝑛2, 𝑛3, … 𝑛𝑘 ; si se debe tomar k elementos primero 1 de 𝐸1 , luego otro
de 𝐸2 y así sucesivamente hasta tomar el ultimo elemento de 𝐸𝑘 , entonces
el numero de opciones que es posible elegir, es igual a:

(𝑛1)(𝑛2)(𝑛3), … (𝑛𝑘 )
 Ejemplo:
 En la etapa final de un partido de futbol de primera division, cuatro
equipos: Barcelona, Emelec, Aucas, Olmedo, disputan el primero y
Segundo lugar: Campeon y Subcampeon. De cuantas maneras
diferentes estos equipos pueden ubicarse en dichos lugares?

Primer Lugar Segundo Lugar

4 3

4x3=12
Diagrama de Arbol
B 12 opciones
A C
D
A
B C
D
A
C B
D
A
D B
C
Ω=
 Metodos de enumeracion
Combinaciones
 Es cada uno de los diferentes arreglos que se pueden hacer con parte a
todos los elementos de un conjunto dado sin considerar el orden en su
ubicacion.
 El numero de combinaciones de “N” elementos diferentes tomados de n en n
, con n≤ 𝑁 esta dado por:

𝑁!
𝑐𝑛𝑁 =
𝑁 − 𝑛 ! 𝑛!

Vamos a tomar Unidades de investigacion, una a una y sin reemplazo, para

que constituyan una muestra de tamaño n objetos, siendo n≤ 𝑁
Muestreo Aleatorio Simple
Ejemplo:
 Una caja tiene dos calcetines blancos y dos azules. Si se eligen dos
aleatoriamente.
Cual es la probabilidad de que sean del mismo color.

 Evento: Extraer dos calcetines del mismo color

4!
𝑐24 = =6
4 − 2 ! 2!

Sea E el evento E= Los dos calcetines son del mismo color

2 1
𝑃 𝐴 = =
6 3
Ejemplo:
 Se va ha seleccionar por lote un comite de 5 personas a partir de un grupo
de 8 Norteamericanos, 5 Ingleses y 3 Franceses. Cual es la probabilidad de
que el comite este compuesto por 2 norteamericanos, 2 ingleses y 1
frances?

Evento E= Elegir 2 norteamericanos, 2 ingleses y 1 frances.

𝑐28 𝑐25 𝑐13 28𝑋10𝑥13

𝑃 𝐸 = 16 = = 0,1923
𝑐5 4368
 Permutaciones
Permutaciones:
Subconjunto ordenado de tamaño n tomado de un
conjunto de tamaño N

El numero de Permutaciones de tamaño n que se

pueden obtener de un conjunto de tamaño N, para
n ≤ 𝑁 es igual a 𝑛! veces el numero de Combinaciones
del mismo tamaño

𝑁! 𝑁!
Si denotamos 𝑃𝑛𝑁 = 𝑛! 𝐶𝑛𝑁 = 𝑛! =
𝑁−𝑛 !𝑛! 𝑁−𝑛 !
Ejemplo:

 En una carrera de 400 metros participan 10 atletas. De cuantas formas

distintas pueden ser premiados los tres primeros lugares?
 Empleando el principio de la multiplicacion:
 10(9)(8)=720

 Usando permutaciones:
10!
𝑃310 = = 720
10 − 3 !
 Probabilidad Condicional
 Un mazo de naipes tiene 52 cartas:
 13 son Corazon rojo
 13 Corazon negro
 13 brillo
 13 trebol

Experimento: Se extrae dos cartas sucesivamente

Cual es la probabilidad de que la segunda carta sea trebol, sabiendo que la primera
fue Corazon negro? (luego de extraida la primera carta esta no fue reintegrada al
mazo de naipes)

13
𝑃 𝐸2 𝐸1 =
E1=La primera carta es Corazon negro 51
E2=La segunda carta es trebol
Muestreo sin reposición
 Cual es la probabilidad de que la segunda carta sea trebol, si la primera
fue Corazon negro y ademas luego de extraida la primera carta esta fue
devuelta al mazo de naipes;

E1=La primera carta es Corazon negro 13

𝑃 𝐸2 𝐸1 = 52 = 𝑃(𝐸2)
E2=La segunda carta es trebol

Muestreo con reposición

Nota: E1 y E2 son eventos independientes, mas adelante diremos que son

“Estocasticamente Independientes”
 Probabilidad Condicional - Definición
 Dado un Experimento Estadístico, consideremos dos eventos E1 y
E2, tales que el primero ha ocurrido y el segundo esta por ocurrir. La
probabilidad de que ocurra E2 dado que ha ocurrido E1, se la
define como:

𝑃(𝐸1∩𝐸2)
𝑃 𝐸2 𝐸1 = siempre que 𝐸1 ≠ ∅
𝑃(𝐸1)
 Propiedades de la probabilidad
condicional
 𝑎) 𝑃(𝐸1 | 𝐸1 )=1
 𝑏) 𝑃 𝐸2 𝐸1 ≥ 0
 𝑐)𝑃 𝐸2 ∪ 𝐸3 𝐸1 = 𝑃 𝐸2 𝐸1 + 𝑃 𝐸3 𝐸1 , siempre que 𝐸2 ∩ 𝐸3 = 𝜙

Teoremas:
 𝑃(𝐸2) > 0 entonces 𝑃 𝐸1 𝐸2 = 1 − 𝑃(𝐸1𝑐 | 𝐸2)
𝑃(𝐸1)
 𝑃(𝐸1 | 𝐸1 ∪ 𝐸2 ) =
[𝑃 𝐸1 +𝑃 𝐸2 ]
 Regla de la Multiplicación de la
Probabilidad Condicional

siempre que

entonces:

𝑃(𝐸1 ∩ 𝐸2)= 𝑃 𝐸2 𝐸1 𝑃(𝐸1) Regla de la Multiplicación de la

probabilidad Condicional

𝑃(𝐸1 ∩ 𝐸2‫𝐸ځ‬3)= 𝑃 𝐸2 𝐸1 𝑃(𝐸1)𝑃 𝐸3 𝐸1 ∩ 𝐸2

 Eventos Estocásticamente
Independientes
 Sean 𝐸1 y 𝐸2 eventos de un mismo espacio muestral (Ω, 𝑙) diremos que el
evento 𝐸1 es estocásticamente independiente del evento 𝐸2 cuando y
solo cuando:

𝑃 𝐸2 𝐸1 = P 𝐸2 , así como 𝑃 𝐸1 𝐸2 = 𝑃(𝐸1)

 Usualmente se obvia la palabra “estocástico” y solo se habla de eventos

independientes.

 Si dos eventos son independientes :

𝑃(𝐸1 ∩ 𝐸2)= 𝑃(𝐸1) 𝑃(𝐸2)

 Teoremas
 Si 𝑬𝟏 y 𝑬𝟐 son eventos Independientes en un mismo espacio muestral (𝜴, 𝒍)
entonces, también son independientes los siguientes par de eventos:
 𝐸1 y 𝐸2𝑐
 𝐸1𝑐 𝑦 𝐸2
 𝐸1𝑐 𝑦 𝐸2𝑐

 Si 𝑬𝟏 ,𝑬𝟐 𝒚 𝑬𝟑 se dice que son estocásticamente independientes, cuando y

solo cuando es verdad que se cumplen con las cuatro siguientes
condiciones:
 i) 𝑃(𝐸1 ∩ 𝐸2)= 𝑃(𝐸1 ) 𝑃(𝐸2 )
 ii) 𝑃(𝐸1 ∩ 𝐸3)= 𝑃(𝐸1 ) 𝑃(𝐸3 )
 iii) 𝑃(𝐸2 ∩ 𝐸3)= 𝑃(𝐸2 ) 𝑃(𝐸3 )
 Iv) 𝑃(𝐸1 ∩ 𝐸2 ∩ 𝐸3)= 𝑃(𝐸1 ) 𝑃(𝐸2 ) 𝑃(𝐸3 )
 Teoremas
 Si 𝑬𝟏 , 𝑬𝟐 y 𝑬𝟑 son eventos estocásticamente Independientes en un mismo
espacio muestral (𝜴, 𝒍) entonces, es verdad que:
 𝐸1 y (𝐸2 ∩ 𝐸3) son estocásticamente independientes
 𝐸1 y (𝐸2 ∪ 𝐸3) son estocásticamente independientes
 𝐸1𝑐 y (𝐸2 ∩ 𝐸3𝑐 ) son estocásticamente independientes

 Cualquier evento E en (𝜴, 𝒍) es independiente del evento vacío ∅