PyE U3

Carrera: Analista Programador
PROBABILIDAD Y ESTADÍSTICA
Módulo II
Analizar probabilísticamente situaciones complejas
Unidad 3
¿Qué es la probabilidad?
Titular de la asignatura: Prof. Lic. Cristina Camós

Autor de contenidos: Prof. Lic. Marcelo Monferrato
Módulo
II
Unidad 3 Unidad 4
¿Qué es la Probabilidad? Distribución de Frecuencias
Probabilidad y Estadística / Módulo II / Unidad 3 / Pág.1

Presentación
Hasta aquí, hemos estudiado diversos métodos que nos permiten recopilar, orga-
nizar, agrupar, analizar y presentar datos, para luego establecer algunas relacio-
nes entre datos.
En el presente módulo pasaremos de lo descriptivo (estadístico) a lo probable.
Y para poder materializar este objetivo, comenzaremos analizando lo que es un
experimento y las posibilidades de que algún suceso en particular se manifieste
cuando estamos realizando el mencionado ensayo.
¿De qué manera podemos asociar este conocimiento con nuestra labor en Siste-
mas?
El analista encontrará en esta materia las herramientas para diseñar diversos
modelos matemáticos que permitirán describir el comportamiento y/o el resul-
tado de investigaciones en el área de la física, la sociología, agricultura, marke-
ting, medicina y otras áreas del conocimiento.
Al igual que en el Módulo I, le acercaremos Actividades para la Facilitación de la
comprensión de los contenidos a través de propuestas de resolución de situaci o-
nes problemáticas.
Esperamos que usted desarrolle la capacidad y el ingenio para resolver una situa-
ción, y no solo el problema planteado. Es decir, no nos interesa tanto que llegue
al resultado como que desarrolle el razonamiento necesario para encarar la reso-
lución de las distintas situaciones.
Para lograr esto, usted cuenta con: explicaciones teóricas, ejemplos, en donde
puede ver cómo otros utilizan la teoría para resolver problemas y ejercicios re-
sueltos.
No incluimos las respuestas a las situaciones problemáticas porque esperamos
que sean disparadores de preguntas en foros y chats, a la vez que indicadores de
su avance y participación en los procesos de aprendizaje propuestos.
Como futuro analista de procesos complejos y no deterministas - y en muchos ca-
sos rodeados de incertidumbre - esta unidad se propone brindarle herramientas
que le permitan alcanzar las siguientes metas de aprendizaje:
Detectar y establecer patrones de comportamiento de las variables anali-

zadas.
Desarrollar habilidades que le permitan lidiar con la aleatoriedad presente
en las actividades humanas.
Conocer con certeza los resultados a partir de un correcto manejo de las
reglas de la probabilidad.
Reducir la incertidumbre de los resultados de un proceso.

A continuación, le presentamos un detalle de los contenidos y actividades que in-
tegran esta unidad. Usted deberá ir avanzando en el estudio y la profundización
de los diferentes contenidos, realizando las lecturas requeridas y elaborando las
actividades propuestas, algunas de desarrollo individual y otras para resolver en
colaboración con otros estudiantes y con su profesor tutor.
Contenidos y Actividades
1. Probabilidad
1.1 Modelos Matemáticos
1.2 Experimento Aleatorio o Estocástico
Links a temas de interés
http://www.zweigmedia.com/RealWorld/index.html
1.3 Espacio Muestral
1.4 Suceso Aleatorio
1.5 Definiciones de Probabilidad
1.6 Definiciones Frecuencial o Empírica
1.7 Tablas de Contingencia
1.8 Regla de Laplace
1.9 Axiomas de la probabilidad
1.10 Variable Aleatoria Discreta
1.11 Sucesos independientes

1.12 Regla de la suma
1.13 Teoría de Conteo
1.14 Distribuciones de Probabilidad
1.15 Distribución de Poisson
Para el estudio de estos contenidos usted deberá consultar la bibliografía

que aquí se menciona:
BIBLIOGRAFÍA OBLIGATORIA
Lo/a invitamos ahora a comenzar con el estudio de los contenidos que conforman
esta unidad.
1. Probabilidad
1.1 Modelos Matemáticos

Describiremos dos tipos de modelos matemáticos.
- El primer tipo corresponde a modelos cuyos resultados futuros se conocen
con exactitud. Lo denominamos Modelos determinísticos.
- El segundo tipo corresponde a modelos donde los resultados no se conocen
con exactitud. Lo llamamos Modelos no determinísticos o estadísticos.
Definición:
Los modelos determinísticos son aquellos modelos que des-

criben experimentos cuyos resultados quedan determinados
inequívocamente a partir de las condiciones en que se los lle-
varán a cabo.
Los modelos no determinísticos o estadísticos son aquellos

modelos que describen experimentos, cuyos resultados no
quedan determinados, inequívocamente, a partir de las con-
diciones en que se los llevarán a cabo.
Los siguientes ejemplos nos permitirán explicarlo mejor:
Ejemplo 1
El experimento consiste en poder observar el desplazamiento de un móvil a una ve-

locidad constante durante un determinado tiempo y poder predecir el espacio que el
móvil recorrió.
En símbolos:
: velocidad; : tiempo; e : espacio, distancia
El experimento describe un modelo matemático:
El modelo presentado es un modelo determinístico dado que si los valores de ve-

locidad y tiempo se establecen, puede predecirse con exactitud el resultado.
Ejemplo 2

El experimento consiste en poder observar la cantidad demandada de un bien a
partir del precio de dicho bien, sabiendo que la demanda tiene comportamiento
líneal1.
En símbolos:
pi : precio del bien i; q i : cantidad demandada del bien i
En este caso:
p1 : precio del bien 1

.
.
.
pi : precio del bien i
q1 : cantidad demandada del bien 1

q 2 : cantidad demandada del bien 2
q 3 : cantidad demandada del bien 3
.
.
.
qi : cantidad demandada del bien i
El experimento describe un modelo matemático:
qi a b pi para a 0 y b 0
El modelo presentado no es un modelo determinístico dado que el precio de un

bien no solamente puede establecer la cantidad demandada, es por eso que el re-
sultado no se puede predecir con exactitud.
1.2 Experimento Aleatorio o Estocástico
Nos ocuparemos de estudiar los fenómenos o eventos cuyos comportamientos se

explican mediante la utilización de modelos no determinísticos.
1
Observación:
Definición: Decir que un fenómeno tiene un comportamiento lineal quiere de-
cir, que responderá a la formula de la ecuación de una recta que escribir como:
y a b x
Se llama experimento aleatorio o estocástico a aquel fenómeno
empírico que admite dos o más resultados posibles y en el cual no se
tienen elementos de juicio suficientes para poder predecir con exacti-
tud cuál o cuáles de ellosProbabilidad
ocurrirán y(siempre repitiendo
Estadística / Módulo IIel/experimen-
Unidad 3 / Pág.6
to con las mismas condiciones).
Denotaremos con el símbolo al experimento aleatorio
Los experimentos aleatorios se diferencian de los experimentos deterministas. Los

primeros son aquellos que, como ya mencionamos, pueden dar lugar a dos o más
resultados posibles realizados en las mismas circunstancias, en cambio los determi-
nistas sólo tienen un resultado posible.
Los siguientes experimentos son experimentos aleatorios.
1: Observar la cantidad de autos azules que pasan por la calle durante una hora.
2 : Sembrar una semilla y medir la altura que alcanza la planta luego de transcu-
rridos 20 días.
3 : Medir el tiempo que transcurre hasta que vuelve a sonar el teléfono.
4 : Observar la calidad que tiene el próximo lápiz fabricado.

5: Observar el estado del tiempo.
6 : Se entrevista a una persona y se la consulta sobre su ocupación.
7 : Se entrevista a una persona y se la consulta cuál es su sexo y si tiene el hábito

de fumar.
8 Se inspecciona una página escrita a máquina y se cuenta la cantidad de errores
:
que tiene.
La siguiente herramienta puede ser un recurso interesante para realizar cálculos.

Explórela!
Las siguientes actividades son una oportunidad para transferir los conceptos des-
arrollados a la resolución de una situación práctica y posible. También son una

oportunidad para generar dudas y/o dificultades que requieran de la ayuda de su
docente Tutor.
Actividades para la facilitación de los aprendizajes
Situación Problemática 1
Escriba tres ejemplos de experimento aleatorio y tres ejemplos de

experimento determinista.
Responda cuáles de los siguientes son experimentos aleatorios y cua-

les son deterministas
a. Abrir la página nro. 40 de cualquier libro y leer la primera palabra

de esa página.
b. Lanzar un dado y observar qué número sale.
c. Tomar un taxi hasta mi domicilio.
d. Pagar un importe de $45 con un billete de $100.
e. Mezclar un mazo de cartas y extraer una.
f. Calentar agua.
g. Mezclar las mismas cantidades de pintura azul y amarilla.
1.3 Espacio Muestral
Aunque la definición de experimento aleatorio dice que no es posible saber con

exactitud cuál será el resultado, sí podemos conocer cuáles serán todos los resulta-
dos posibles.
Definición:
El espacio muestral correspondiente a un experimento aleatorio, es el

conjunto de todos los resultados posibles que puede presentar dicho
experimento.
Ejemplo 3
Sea el experimento : lanzar un dado.

Para determinar cuál es el espacio muestral pienso cuales serían todos los posibles
resultados del experimento.
Entonces E = {1, 2, 3, 4, 5,6}.
Ejemplo 4
Sea el experimento : lanzar una moneda, entonces el espacio muestral será

E={c, s}
Ejemplo 5
Tenemos una caja que contiene 4 bolas negras y 4 bolas rojas, se extrae una bola
al azar. Entonces
: obtener una bola
E = {negra, roja}.
Los espacios muestrales que observamos en los ejemplos anteriores son finitos,
pero podemos encontrar espacios muestrales que tengan infinitos resultados. Por
ejemplo, la duración en horas de una lámpara podría variar en un intervalo conti-
nuo [0, 1000], donde hay infinitos puntos cada uno de los cuales representa un
determinado tiempo entre 0 hs y 1000 hs.
Otro caso sería el peso de varias personas tomado al azar de una población.
Características que deben tener los experimentos aleatorios
1. Se puede repetir indefinidamente

2. No se puede establecer el resultado con anterioridad de forma segura
3. El resultado (e) pertenece al conjunto de todos los posibles resultados (E:
espacio muestral).
Actividades para la facilitación de los aprendizajes
Para cada uno de los siguientes experimentos, indique cuál es el

espacio muestral.
1) Se lanza una moneda y se anota el resultado obtenido.

2) En un banco, que atiende al público de 10 a 15 ingresa un cliente a
las 13 hs. y se anota el tiempo (en horas) que tarda hasta salir del
banco.
3) De un bolillero donde hay bolillas Rojas, Negras, Blanca se extrae

1 bolilla y se anota la bolilla que salió.
4) En un bolillero hay 2 bolillas rojas, 3 negras, 4 blancas. Se extraen

2 bolillas y se anotan los colores obtenidos.
1.4 Suceso Aleatorio
Definición:
Se llama suceso aleatorio a cualquier subconjunto del espacio muestral,

correspondiente a un experimento aleatorio.
En símbolos:
Simbolizaremos con la letra A cuando hablamos de sucesos aleatorios
Ejemplo 6
Sea : lanzar un dado una vez. El espacio muestral será E = {1, 2, 3, 4, 5,6}.
Supongamos que nos interesa observar cuando salen números múltiplos de 3. En-
tonces el suceso A será:
A = {3, 6}
Ahora supongamos que nos interesa observar cuando salen menores a cuatro. En-
tonces el suceso B será:
B = {1, 2, 3, 4}
Observación: En algunos libros los múltiplos de 3 se escribe como 3

Un suceso aleatorio puede ser:
Suceso simple o elemental. Aquel suceso que está compuesto por un solo
elemento del espacio muestral.
Suceso nulo o imposible. Aquel suceso que es vacío, o sea no tiene ele-
mentos.
Suceso seguro. Es aquel que coincide con el espacio muestral o sea E
Suceso compuesto. Aquel suceso que está compuesto por más de un ele-
mento del espacio muestral.
Ejemplo 7
Una caja contiene 1 bolilla azul, 1 bolilla blanca y 1 bolillas roja. Se selecciona al
azar una bolilla.
El experimento consiste en seleccionar una bolilla y observar el color.
El espacio muestral está formado por todas las bolillas posibles de ser selecciona-
das.
E: {azul; blanca; roja}
 Suceso Simple será:
A = {blanca}
 Suceso Nulo o imposible
Supongamos que B es que aparezca una bolilla verde. Entonces,

B=
 Suceso Seguro
Supongamos que C es que aparezca una bolilla blanca o una bolilla roja o
una bolilla azul. Entonces,
C = {azul; blanca; roja}
 Suceso Compuesto
En este caso no existe el suceso compuesto.
1.5 Definiciones de Probabilidad

Cuando se realiza un experimento aleatorio, el hecho de no conocer los posibles re-
sultados hace que se genere un cierto grado de incertidumbre. Por tal motivo, an-
tes de que el experimento se lleve a cabo es necesario tomar una decisión. Para
que ésta sea objetiva, debe contarse con un cuantificador, una función capaz de
proporcionar una medida del estado de duda o vacilación en que se encuentra
quien decide.
El cálculo de probabilidad permite cuantificar la incertidumbre que provoca un ex-

perimento aleatorio y medir la propensión a ocurrir que tiene cada uno de los resul-
tados posibles.
Los axiomas que se enuncian en la siguiente definición se conocen como Axiomas

del cálculo de probabilidad y deben cumplirse cualquiera sea la definición que se
utilice.
Definición General o Axiomática
Sea un experimento aleatorio y su correspondiente espacio muestral E, se llama

probabilidad de ocurrencia de un suceso aleatorio a un número real, denotado por
, que cumpla con los siguientes axiomas:
1- La probabilidad de ocurrencia de un suceso aleatorio es un núme-

ro real no negativo.
En símbolos: 0
2- Si el suceso aleatorio es un conjunto vacío, a la probabilidad de
ocurrencia del suceso aleatorio se le asigna el valor 0.
En símbolos: Si entonces 0
3- Si el suceso aleatorio coincide con el espacio muestral, a la probabili-

dad de ocurrencia del suceso se le asigna el valor 1.
En símbolos: Si entonces 1
4- La probabilidad de ocurrencia del complemento de un suceso es
igual a uno menos la probabilidad de ocurrencia del suceso .
En símbolos: 1
Como consecuencia de los axiomas, se tiene que la probabilidad de ocurrencia del
suceso necesariamente es 0 1

Definición
Sea un experimento aleatorio , un espacio muestral E, finito, y un suceso aleatorio incluido
en él. Llamaremos n a la cantidad de elementos de E (casos posibles del experimento), todos
igualmente posibles, y sea k la cantidad de elementos que contiene el suceso aleatorio (casos
favorables al suceso). Llamaremos Probabilidad de ocurrencia del suceso aleatorio al cociente
entre los casos favorables al suceso y los casos posibles del experimento .
k
n
casos favorables al suceso

casos posibles del experimento
Los siguientes ejemplos le permitirán clarificar las explicaciones precedentes:
Ejemplo 8
Una caja contiene 3 bolillas azules, 2 bolillas blancas y 5 bolillas rojas. Se seleccio-
na al azar una bolilla.
a) ¿Cuál es la probabilidad de que la bolilla seleccionada sea azul?
b) ¿Cuál es la probabilidad de que la bolilla no sea azul?
Solución:
El experimento consiste en seleccionar una bolilla y observar el color.
El espacio muestral está formado por todas las bolillas posibles de ser selecciona-
das.
E: {azul; azul; azul; blanca; blanca; roja; roja; roja; roja; roja}

a) El suceso aleatorio es: color azul
: {azul; azul; azul}
La cantidad de elementos que contiene el espacio muestral es el total de bolillas

que hay en la caja
n: 3
Si todas las bolillas tienen la misma posibilidad de ser extraídas, entonces la

probabilidad de seleccionar una bolilla azul es
k 3
0,3
n 10
b) El suceso aleatorio es: color no azul
El suceso complemento de A, será que extraiga una bolilla no azul. Entonces,

n k 7
0,7
n 10
Con lo que se comprueba que
Desafíe su comprensión…
Actividades para la facilitación
Supongamos que de un mazo de 40 cartas españolas seleccionamos

sólo 4 ases, 1 rey de diamante, 1 rey de pica y 2 Jockey (comodines)
y extraemos de esta selección una carta al azar.
a) ¿Cuál es la probabilidad de que la carta seleccionada sea un as?
b) ¿Cuál es la probabilidad de que la carta seleccionada sea jockey?
c) ¿Cuál es la probabilidad de que la carta seleccionada sea rey?
d) ¿Cuál es la probabilidad de que la carta seleccionada sea rey de
pica?
e) ¿Cuál es la probabilidad de que la carta no sea diamante?

f) ¿Cuál es la probabilidad de que la carta no sea pica?
Explicite el espacio muestral y defina los sucesos antes de encontrar

las probabilidades.
Busque dos gráficos estadísticos diferentes que hayan aparecido en el

diario. Para cada uno de ellos describa el experimento aleatorio al
que se refieren, los sucesos asociados y cuál de ellos es más proba-
ble.
a) ¿Cuál es la probabilidad de sacar un 4 al tirar un dado?

b) ¿y la de sacar un número impar?
c) ¿y la de sacar un 8?
d) ¿Cuál es la probabilidad de sacar un número menor o igual que 6?
e) ¿y la de no sacar 5?
Recuerde que si tiene dudas puede y debe consultar a su docente

tutor. Recuerde que el estudio a distancia no es estudio en soledad ni
autosuficiente. Usted cuenta con toda una estructura organizativa y
académica dispuesta a orientarlo/a en sus procesos de aprendizaje.
1.6 Definición Frecuencial o Empírica
Dado un experimento aleatorio , un espacio muestral E, y un suceso inclui-

do en él. Sea n la cantidad de veces que se repite el experimento , todas bajo
las mismas condiciones, y sea k la cantidad de veces que se presenta el suceso
. Si n es lo suficientemente grande como para que se cumpla el principio de

estabilidad de la frecuencia relativa, llamaremos Probabilidad Frecuencial de
ocurrencia del suceso aleatorio a la frecuencia relativa correspondiente a di-

cho suceso.

k
f
n
Ejemplo 9
En una empresa dedicada a la producción de materiales para electricidad, se fa-

brican lámparas incandescentes en forma continua. De la producción del día, en
el departamento de Control de Calidad de la empresa, se inspeccionaron 700
lámparas seleccionadas al azar; encontrándose exactamente 105 lámparas de-
fectuosas. ¿Cuál es la probabilidad de encontrar, en el día, una lámpara defec-
tuosa?
Solución:
El experimento consiste en la inspección de una lámpara y la clasificación en de-

fectuosa o no defectuosa.
El espacio muestral es E:{defectuosa ; no defectuosa}
El suceso aleatorio es :{defectuosa}
Dado que se inspeccionarán 700 lámparas, entonces el experimento aleatorio se

repite 700 veces, luego
n: 700
Si se encontraron 105 lámparas defectuosas, entonces el suceso aleatorio se

presentó 105 veces, luego
K: 105
La frecuencia relativa correspondiente al suceso es, entonces
k 105
f 0,15
n 700
Si es posible considerar que 700 observaciones son suficientes como para que
se cumpla el principio de estabilidad de la frecuencia relativa, entonces la pro-
babilidad de encontrar una lámpara defectuosa en un día es
0,15

Ejemplo 10
Si uno lanzara una moneda 1000 veces y marcara cuando sale cara con un pa-
lote y cuando sale ceca con otro, aproximadamente aparecerán 500 caras y 500
500
cecas, con lo cual la frecuencia relativa de cara será y la de ceca será
1000
500
.
1000
Sabiendo que las probabilidades de los resultados A,B,D y E son los que se
muestran en la siguiente tabla, y que la probabilidad de que ocurra F es tres ve-
ces mayor que la de C, completar el cuadro.
Resultado A B C D E F
Probabilidad 0.25 0.25 0.15 0.10
1.7 Tablas de Contingencia
Sean A y B dos sucesos compatibles pertenecientes a un mismo espacio muestral.

Realizaremos una observación al azar, los posibles resultados son:
AB: Que se presente A y se presente B. Los dos sucesos conjuntamente.
AB : Que se presente A y no se presente B. Que se presente solamente A.
AB : Que no se presente A y se presente B. Que se presente solamente B.

AB : Que no se presente A y no se presente B. Que no se presente ninguno de
los dos.
Veamos estos resultados en un diagrama de Venn
B
A
AB
A B
AB
A B
AB

E
A B
AB
Sea n la cantidad de elementos del espacio muestral y sean:
Cantidad de elementos que pertenecen a A y que pertenecen a B lo

llamaremos Total Conjunto AB: (AB)
Cantidad de elementos que pertenecen a A y no pertenecen a B lo
llamaremos Total Conjunto AB :

( AB )
Cantidad de elementos que no pertenecen a A y que pertenecen a B lo
llamaremos Total Conjunto A B :

( A B)
Cantidad de elementos que no pertenecen a A ni pertenecen a B lo
llamaremos Total Conjunto A B :

(AB )
De modo tal que
(AB) +
( AB ) + ( A B ) + ( A B ) = n

Luego,
Todos los elementos que pertenecen a A y que pertenecen a B más
todos los elementos que pertenecen a A y no pertenecen a B es igual al
total de elementos que pertenecen a A lo llamaremos Total Marginal de
A: (AB) +
( AB ) = (A)
Todos los elementos que pertenecen a A y que pertenecen a B más to-

dos los elementos que no pertenecen a A y pertenecen a B es igual al
total de elementos que pertenecen a B lo llamaremos Total Marginal de
B: (AB) +
( A B ) = (B)
Todos los elementos que pertenecen a B y que no pertenecen a A más

todos los elementos que no pertenecen a A y no pertenecen a B es igual
al total de elementos que no pertenecen a A lo llamaremos Total Margi-
nal de A :
( A B) + ( A B ) = ( A )
Todos los elementos que pertenecen a A y que no pertenecen a B más

todos los elementos que no pertenecen a A y no pertenecen a B es igual
al total de elementos que no pertenecen a B lo llamaremos Total Margi-
nal de B :
( AB ) + ( A B ) = (B )
Podemos presentar estos totales en un cuadro de doble entrada que se denomina

tabla de contingencia.
A A
B (AB) ( A B) (B)
B ( AB ) ( A B ) (B )
(A) (A)
Ejemplo 11
En una empresa trabajan 60 operarios. De acuerdo a los registros, del total, 40

son mujeres. También se pudo comprobar que del total de operarios, 45 viven

en la capital federal y que 33 personas del total son mujeres y viven en la capi-
tal federal.
Identificar los sucesos marginales y el conjunto. Realizar un cuadro de contin-

gencia con los totales correspondientes.
Solución:
M: Suceso “persona mujer”. Suceso Marginal.
M : Suceso “persona no mujer”. Suceso Marginal.
C: Suceso “persona que vive en Capital Federal”. Suceso Marginal.
C : Suceso “persona que no vive en Capital Federal”. Suceso Marginal.
MC: Suceso “persona mujer y que vive en Capital Federal”. Suceso Conjunto.
MC : Suceso “persona mujer y no vive en Capital Federal”. Suceso Conjunto.

MC : Suceso “persona no mujer y que vive en Capital Federal”. Suceso Conjun-
to.
MC : Suceso “persona no mujer y no vive en Capital Federal”. Suceso Conjun-

to.
El problema proporciona los siguientes datos:

Total de personas: n = 60
Total de mujeres. Total Marginal: (M) = 40
Total que viven en Capital Federal. Total Marginal: (C) = 45
Total de mujeres y que viven en Capital Federal. Total Conjunto: (MC) = 33
Ahora le toca a usted.

Realice las actividades y juegos propuestos en el siguiente link:

http://www.zweigmedia.com/MundoReal/tutorialsf15e/frames6_2.html
Nota: Al realizar las actividades verá que se corrigen en el momento.
1.8 Regla de Laplace
Supongamos que un espacio muestral está formado por un numero finito n de su-
cesos elementales y no hay motivo para suponer cuál de ellos pueda ocurrir con
mayor frecuencia que el resto, entonces la probabilidad de cada uno de estos suce-
1
sos elementales es n .
Dado estos casos, se puede aplicar lo que llamamos regla de Laplace para averi-
guar las probabilidades de los sucesos compuestos. Supongamos un suceso com-
puesto compuesto por k sucesos elementales donde tiene, una probabilidad igual a
k
n (regla de Laplace).
Si tuviésemos motivos para pensar que algún suceso puede darse con mayor fre-
cuencia que otro o bien cuando el espacio muestral es infinito, no podemos aplicar
esta regla.
1.9 Axiomas de la probabilidad
Existen tres modos diferentes de asignar la probabilidad según el experimento alea-

torio:
a) Si tenemos un espacio muestral con un numero finito de sucesos elementa-

les en los que pueda aplicarse el principio de indiferencia, calculamos las
probabilidades usando la regla de Laplace.
b) En el caso que no podamos usar la regla de Laplace, pero contamos con in-
formación estadística sobre la frecuencia relativa en la que aparecen los dis-
tintos sucesos, podemos entonces obtener una estimación frecuencial de las
probabilidades.

c) En los otros casos se puede asignar la probabilidad de los sucesos por medio
del modo subjetivo.
En cada uno de estos modos las propiedades de la probabilidad son las mismas
(vea los Axiomas del cálculo de probabilidad)
1.10 Variable Aleatoria Discreta
Si realizamos n pruebas o repeticiones de un experimento aleatorio, obtenemos un

conjunto de n observaciones o resultados, que constituyen lo que se llama una
muestra aleatoria de tamaño n. Este conjunto de resultados dará lugar a una tabla
estadística en la cual a unos valores de la variable corresponden unas ciertas fre-
cuencias.
Así, si lanzamos un dado 10 veces, podríamos obtener la colección de resultados si-

guientes:
1, 5, 4, 2, 3, 4, 1, 3, 4, 5
La variable X que representa únicamente los n resultados de n realizaciones de un

experimento aleatorio recibe el nombre de variable estadistica.
Si imaginamos que el experimento aleatorio se repite indefinidamente, la infinidad
de resultados posibles da origen a la noción de variable aleatoria asociada al ex-
perimento.
En el ejemplo que estamos considerando, si suponemos que se lanza el dado un

número grande de veces, los resultados posibles serán 1, 2, 3, 4, 5, 6 y, además,
1
las frecuencias relativas de cada resultado tienden a la probabilidad, que es .
6
La variable, que representamos por , y que toma los valores 1, 2, 3, 4, 5, 6, con

1
probabilidad para cada valor, recibe el nombre de variable aleatoria.
6
Podemos afirmar que una variable aleatoria es una variable cuyos valores depen-
den del resultado de un experimento aleatorio. Frecuentemente el resultado de un
experimento se expresa de forma numérica y, en consecuencia, tal resultado es
una variable aleatoria. Por ejemplo, observar la altura de un colectivo de indivi-
duos.
De modo similar a las variables estadísticas, clasificamos las variables aleatorias en

discretas o continuas según que el conjunto de valores que puedan tomar sea o no
numerable.

1.11 Sucesos independientes
Dos o más sucesos pertenecientes a un mismo Espacio Muestral son sucesos inde-
pendiente sí, y sólo si la presentación de uno de ellos no modifica el valor de la
probabilidad del o de los otros.
En símbolos:
Dos sucesos A y B son independiente si se cumple que
P A/ B PA
y
P B/ A PB
Estas Expresiones se conocen como condición de independencia para dos sucesos.
Si dos o más sucesos son independientes, entonces la probabilidad conjunta es

igual al producto de las probabilidades marginales de cada uno de ellos.
Para dos sucesos
P AB PA PB
Para k sucesos,
P A1 A2 A3 ... Ak P A1 P A2 P A3 ...P Ak
Ejemplo 12
En el departamento de reclamos de una empresa trabajan tres empleados, Andrés,

Carlos y Juan. La probabilidad de que Andrés esté ausente un día cualquiera es
0,04, de que Carlos esté ausente un día cualquiera es 0,11 y de que Juan esté au-
sente un día cualquiera es 0,08.
Calcular la probabilidad de que en un día cualquiera estén presente los tres.
Solución
Los sucesos aleatorios son:
A: Suceso “Andrés está presente”

B: Suceso “Carlos está presente”
C: Suceso “Juan está presente”

Los datos que el problema nos brinda son:
PA 0,04 Es la probabilidad marginal de que Andrés no esté presente

PB 0,11 Es la probabilidad marginal de que Carlos no esté presente
PC 0,08 Es la probabilidad marginal de que Juan no esté presente
Hay que calcular la probabilidad conjunta de que ocurra el suceso A y que ocurra el
suceso B y que ocurra C-
En el enunciado del problema no se hace ninguna referencia sobre las modificacio-

nes de alguno de estos valores de probabilidad si previamente se verifica la presen-
cia o ausencia de los otros empleados, por lo tanto, los sucesos son independientes.
De acuerdo a lo estudiado en el acápite correspondiente, la probabilidad conjunta

de sucesos independientes es igual al producto de las probabilidades marginales de
cada uno de ellos, luego,
P ABC P A PB PC
pero
P A 1 PA 1 0,04 0,96
PB 1 PB 1 0,11 0,89
PC 1 PC 1 0,08 0,92
Luego,
P ABC 0,96 0,89 0,92 0,786048
La probabilidad de que en un día cualquiera estén presentes los tres es de

0,786048
1.12 Regla de la suma
Sean A y B dos sucesos compatibles correspondientes a un mismo Espacio Mues-

tral. Se quiere determinar una regla que permita calcular la probabilidad de que se
presente alguno de los dos, el suceso A o el suceso B, y para ello se recurre a la
definición clásica.
Los casos favorables a que ocurra alguno de los dos sucesos, el suceso A o el suce-
so B (o incluyente) son, utilizando los totales conjuntos ya estudiados, todos los A
que se presentan con B más todos A que se presentan sin B más todos los B que se
presentan sin A, y los casos posibles son los n elementos del espacio muestral, lue-
go
AB AB AB
PA B
n

Sumando y restanto (AB) en el numerador se tiene
AB AB AB AB AB
PA B
n
Recordemos que
AB AB A
AB AB B
Entonces,
A B AB
P A B
n
Luego,
A B AB
PA B
n n n
Por lo tanto, concluimos que la probabilidad de que se presente alguno de los dos
sucesos, el suceso A o el suceso B (o ambos), es igual a la suma de las probabilida-
des marginales menos la probabilidad conjunta.
PA B PA PB P AB
También se puede determinar, utilizando un razonamiento análogo al anterior, una

regla para calcular la probabilidad de que se presente sólo uno de los sucesos, el
suceso A o bien el suceso B (o excluyente).
P A B P A PB 2 P AB
Veámoslo en un ejemplo.
Ejemplo 13
Según los registros de un supermercado, la probabilidad de que un cliente compre

productos de almacén es 0,62; la probabilidad de que compre productos de ferre-
tería es 0,36 y la probabilidad de que compre productos de los dos sectores es
0,14.
a- ¿Cuál es la probabilidad de que un cliente seleccionado al azar compre pro-

ductos de alguno de los dos sectores?
b- ¿Cuál es la probabilidad de que un cliente seleccionado al azar compre pro-

ductos de sólo uno de los dos sectores?

Solución:
Los sucesos son

A: suceso “comprar productos de Almacén”
F: Suceso “comprar productos de ferretería”
Los datos del problema son
PA 0,62 Es la probabilidad marginal de que el cliente compre productos de

Almacén
PF 0,36 Es la probabilidad marginal de que cliente compre productos de Fe-
rretería
P AF 0,14 Es la probabilidad conjunta de que el cliente compre productos de
Almacén y de ferretería.
a- Hay que calcular la probabilidad de que compre productos de almacén o que

compre productos de ferretería.
PA F PA PF P AF 0,62 0,36 0,14 0,84
La probabilidad de que compre productos de alguno de los dos sectores es

0,84.
b- Hay que calcular la probabilidad de que compre productos de Almacén o bien

que compre productos de Ferretería.
P A F P A PF 2 P AF 0,62 0,36 2 0,14 0,70
La probabilidad de que compre productos de sólo uno de los sectores es 0,70.
1.13 Teoría de Conteo
Para obtener las probabilidades de los hechos complejos a menudo es difícil la

enumeración de los casos y para facilitar la labor, se suele recurrir a la teoría del
conteo.
Esto se refiere a las formas en que pueden arreglarse los elementos de un conjun-
to.

Hay tres formas de hacerlo:
Variaciones. Son los subgrupos de n objetos tomados de a 2 son
V43 4 3 12
Sean los objetos A, B, C y D. Las variaciones de estos objetos tomados de a

2 son:
AB, AC, AD, BC, BD, CD, BA, CA, DA, CB, DB, DC
La formula que se usa es:

n! 4! 4.3.2.1
Vnr 12
n-r ! 4-2 ! 2.1
Permutaciones. Son los modos de clasificar todos los objetos de conjuntos

o sea n objetos tomados de a n, lo que se indica con n! (factorial de n).
Por ejemplo: 5!=5.4.3.2.1=120

3!=3.2.1=6
La formula es:
Pn n!
Si tenemos cuatro objetos A, B, C, D, las permutaciones

P4 4 ! 4.3.2.1 24 . Así a continuación podemos ver los 24 grupos que se
forman:
ABCD BCDA CDAB DABC

ABDC BCAD CDBA DACB
ACBD BDAC CBAD DBAC
ACDB BDCA CBDA DBCA
ADBC BACD CABD DCBA
ADCB BADC CADB DCAB
Combinaciones. Son las variaciones de n objetos tomados de a r pero sin

tener en cuenta el orden.
Es el cociente entre las variaciones de n objetos tomados de a r y las per-

mutaciones de r:
n!
r
V n-r ! n!
Cnr n
Pr r! n - r !.r !
n!
Cnr
n - r !.r !

Para cuatro objetos tomados de a 2 tenemos
4! 4.3.2.1 12
C42 6
4 - 2 !.2 ! 2.1.2.1 2
Si los cuatro objetos son A, B, C, D, las combinaciones tomadas de a 2

serán: AB, AC, AD, BC, BD y CD.
El símbolo C nr es decir combinaciones de n tomados de a r, se puede simbo-

r
lizar por
n
Recuerde que si tiene dudas puede y debe consultar a su docente tu-

tor. Recuerde que el estudio a distancia no es estudio en soledad ni
autosuficiente. Usted cuenta con toda una estructura organizativa y
académica dispuesta a orientarlo/a en sus procesos de aprendizaje.
Se saca una bolilla al azar de una urna que contiene 6 bolillas rojas, 4
bolillas blancas y 5 bolillas azules. Determine la probabilidad de que:
a- Sea roja
b- Sea blanca
c- Sea azul
d- No sea roja
e- Sea roja o blanca
Se sacan dos cartas de un mazo común de 52. Halle la probabilidad

de que ellas sean ambas ases si la primera carta: a) es reemplazada
y b) no es reemplazada.
Halle la probabilidad de conseguir un 4 por lo menos una vez en 2 ti-

radas de un dado sano.

Cuántas son: a- las variaciones de 7 objetos tomados de a 3, b- las

permutaciones de 7 objetos y c- las combinaciones de 7 objetos to-
mados de a 3.
1.14 Distribuciones de Probabilidad
La distribución de las probabilidades puede ser:
- Una distribución binomial

- Una Esperanza Matemática
Veamos cada una de ellas con detalle:
Distribución binomial
En la realidad nos encontramos muchas veces con hechos que presentan dos as-
pectos que podríamos calificar de éxito o fracaso.
Por ejemplo: un examen puede aprobarse o no aprobarse, un hijo puede nacer mu-
jer o varón, una persona puede ser agresiva o no agresiva, un libro puede haberse
leído o no, etc.
En estos casos de hechos discretos, si llamamos a p la probabilidad de que un

hecho ocurra (o éxito) y q la posibilidad de que un hecho no ocurra (fracaso), en-
tonces la probabilidad de que un hecho ocurra r veces en n pruebas está dada por
la siguiente fórmula:
Pr Cnr p r q n r
Esta fórmula define una distribución aleatoria de variables discretas cuya descrip-
ción debemos a Jaques Bernouilli y que se llama Distribución Binomial.
Así, por ejemplo, la probabilidad de obtener 2 caras al arrojar 6 monedas será:
2 6 2 2 4
1 1 6! 1 1 6.5.4.3.2.1 1 1 30 1 1
P2 C62 0,234
2 2 4!2! 2 2 4.3.2.1.2.1 4 16 2 4 16
La distribución discreta de probabilidad se suele denominar distribución binomial

porque para r=0, 1, 2, 3,…,n corresponde a los sucesivos términos de la forma o
expansión binomial.

Todos conocemos la expansión del binomio:
2
a b a2 2 a b b2
En general, si tenemos p = probabilidad del éxito y q 1 p = probabilidad del fra-

caso, la expansión será:
n
p q pn Cn1 p q n 1
Cn2 p 2 q n 2
... q n
y los valores de las combinaciones Cn1 , Cn2 , Cn3 , etc. se llaman coeficientes binomia-
les.
Así por ejemplo, si queremos saber cuál es la probabilidad de obtener 3 caras tiran-
do 5 monedas, como p=q=0,5 hacemos la expansión correspondiente:
5
p q p5 5 p 4 q 10 p3 q 2 10 p 2 q3 5 p q4 q5
buscamos el término correspondiente y obtenemos el cociente entre el coeficiente

binomial correspondiente y la cantidad total de ensayos o tiradas de monedas y te-
nemos:
3 2
3 2 1 1 1 1 10
10 p q 10 10 0,31
2 2 8 4 32
Esperanza Matemática
Sabemos que cuando una variable aleatoria o sea al azar, puede tomar solo un con-
junto finito de valores, es decir valores que son números enteros (por ejemplo,
cantidad de hijos en una familia, caras de un dado, etc.) hablamos de una variable
discreta.
En este caso, la distribución de probabilidad de que una familia tenga 2 o más hijos
y una probabilidad de que tenga más de 2 hijos y menos de tres. Siempre que te-
nemos una variable aleatoria discreta en la que haya valores de x1 a xn la serie de
las probabilidades de ocurrencia para los n valores es igual a 1, es decir que:
p x1 p x2 p x3 ... p xn 1
La media aritmética de una distribución de probabilidad se llama esperanza ma-

temática. Es decir, el valor esperado para una variable aleatoria X cuyo símbolo es
E(X) se obtien sumando el producto de cada uno de los valores en que puede darse
la variable por su probabilidad, es decir:
E X X p X

Por ejemplo, si tenemos la siguiente distribución.
X = número de hijos Familia p(X) X.p(X)

1 10 10/120 (1*10)/120
2 20 20/120 (2*20)/120
3 30 30/120 (3*30)/120
4 25 25/120 (4*25)/120
5 20 20/120 (5*20)/120
6 15 15/120 (6*15)/120
120 430
430
E X X p X 3,58
120
1.15 Distribución de Poisson
Cuando n es muy grande y p es pequeña, el cálculo de la probabilidad binomial es

una tarea muy difícil, prohibitiva; afortunadamente, cuando n es muy grande y p
muy pequeña, existe una forma límite de la distribución binomial que es la distri-
bución de Poisson.
Es una de las distribuciones de probabilidad más usada, por ejemplo, en control de

cantidad de partículas emitidas por una sustancia radioactiva, para calcular la dis-
tribución de llegadas de los aviones en un aeropuerto, el número de errores gráfi-
cos en las páginas de los libros, etc.
Por ejemplo, supongamos que tenemos una urna con 19 bolillas blancas y 1 negra
y que la probabilidad de sacar una bolilla blanca es de 0,95 y la de sacar una bolilla
negra 0,05. Por lo tanto, según la distribución binomial, la probabilidad de tener r
bolillas negras en la muestra es, si n=20, p=0,05
Cierre de la Unidad
Compartimos con usted dos experiencias:

Muchos argentinos recordamos con cierta aflicción la serie de penales
con Alemania que significaron la expulsión del equipo nacional en cuar-
tos de final del mundial de fútbol de 2006.
Mucho tuvo que ver en todo ese tema el famoso papelito que el arquero
alemán, Jens Lehmann, sacaba de su media antes de que pateara el
próximo argentino. En el figuraban las tendencias de pateo de los juga-
dores, según los datos estadísticos.
De este modo y atento a la probabilidad de que los tiros fueran ejecuta-
dos como la mayoría, el arquero contó con esta pequeña ventaja, que le
permitió poner a su equipo por sobre el de Argentina.

Otro ejemplo del uso de probabilidades y técnicas de conteo se ve en la
película "21 Blackjack" dirigida por Robert Luketic en 2008.
En la misma se mencionan recurrentemente las probabilidades, y tiene
una escena clave en la cual el profesor, interpretado por Kevin Spacey,
les habla a sus alumnos sobre probabilidades y menciona (y explica) el
problema de Monty Hall, que contiene un interesante estudio probabilis-
tico.
Le recomendamos la visualización de esta película como también, la identifi-

cación de otras situaciones de la vida cotidiana donde la probabilidad realiza
sus aportes.
Felicitaciones, usted ha finalizado el estudio de la Unidad 3.

PyE U3

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

PyE U3

Cargado por

Copyright:

Formatos disponibles

Carrera: Analista Programador

Analizar probabilísticamente situaciones complejas

Titular de la asignatura: Prof. Lic. Cristina Camós

¿Qué es la Probabilidad? Distribución de Frecuencias

Probabilidad y Estadística / Módulo II / Unidad 3 / Pág.1

Detectar y establecer patrones de comportamiento de las variables anali-

Probabilidad y Estadística / Módulo II / Unidad 3 / Pág.2

1.1 Modelos Matemáticos

1.2 Experimento Aleatorio o Estocástico

Links a temas de interés

1.3 Espacio Muestral

1.4 Suceso Aleatorio

1.5 Definiciones de Probabilidad

1.6 Definiciones Frecuencial o Empírica

1.7 Tablas de Contingencia

1.8 Regla de Laplace

1.9 Axiomas de la probabilidad

1.10 Variable Aleatoria Discreta

1.11 Sucesos independientes

Probabilidad y Estadística / Módulo II / Unidad 3 / Pág.3

1.13 Teoría de Conteo

1.14 Distribuciones de Probabilidad

1.15 Distribución de Poisson

Para el estudio de estos contenidos usted deberá consultar la bibliografía

Links a temas de interés

1.1 Modelos Matemáticos

Probabilidad y Estadística / Módulo II / Unidad 3 / Pág.4

Los modelos determinísticos son aquellos modelos que des-

Los modelos no determinísticos o estadísticos son aquellos

Los siguientes ejemplos nos permitirán explicarlo mejor:

El experimento consiste en poder observar el desplazamiento de un móvil a una ve-

El experimento describe un modelo matemático:

El modelo presentado es un modelo determinístico dado que si los valores de ve-

Probabilidad y Estadística / Módulo II / Unidad 3 / Pág.5

p1 : precio del bien 1

q1 : cantidad demandada del bien 1

El experimento describe un modelo matemático:

El modelo presentado no es un modelo determinístico dado que el precio de un

1.2 Experimento Aleatorio o Estocástico

Nos ocuparemos de estudiar los fenómenos o eventos cuyos comportamientos se

Los experimentos aleatorios se diferencian de los experimentos deterministas. Los

Los siguientes experimentos son experimentos aleatorios.

4 : Observar la calidad que tiene el próximo lápiz fabricado.

6 : Se entrevista a una persona y se la consulta sobre su ocupación.

7 : Se entrevista a una persona y se la consulta cuál es su sexo y si tiene el hábito

La siguiente herramienta puede ser un recurso interesante para realizar cálculos.

Links a temas de interés

Probabilidad y Estadística / Módulo II / Unidad 3 / Pág.7

Actividades para la facilitación de los aprendizajes

Escriba tres ejemplos de experimento aleatorio y tres ejemplos de

Responda cuáles de los siguientes son experimentos aleatorios y cua-

a. Abrir la página nro. 40 de cualquier libro y leer la primera palabra

1.3 Espacio Muestral

Aunque la definición de experimento aleatorio dice que no es posible saber con

El espacio muestral correspondiente a un experimento aleatorio, es el

Sea el experimento : lanzar un dado.

Probabilidad y Estadística / Módulo II / Unidad 3 / Pág.8

Entonces E = {1, 2, 3, 4, 5,6}.

Sea el experimento : lanzar una moneda, entonces el espacio muestral será

Características que deben tener los experimentos aleatorios

1. Se puede repetir indefinidamente

Actividades para la facilitación de los aprendizajes

Para cada uno de los siguientes experimentos, indique cuál es el