Resumen Estadistica Teoria

UNIDAD 2: Probabilidad
Dra. Ivanna Lazarte

Prof. Adjunto
Experimento aleatorio, espacio muestral, eventos. Técnicas de
conteo. Definición de Probabilidad: clásica y frecuencial. Axiomas de
probabilidad. Regla de la adición. Probabilidad condicional,
independencia y regla del producto. Teorema de probabilidad total.
Teorema de Bayes.
Probabilidad y Estadística
Dra. Ivanna Lazarte – Prof. Adjunto
 El término probabilidad se refiere al estudio de azar y la
incertidumbre en cualquier situación en la cual varios posibles
eventos pueden ocurrir
 La disciplina de la probabilidad proporciona métodos para
cuantificar las oportunidades y probabilidades asociadas con
varios eventos.
La probabilidad y la estadística están relacionadas en una forma

importante. La probabilidad se emplea como herramienta; permite
evaluar la confiabilidad de las conclusiones acerca de la población
cuando se tenga sólo información muestral.
 Es el proceso mediante el cual se obtiene una
observación (o medición).
 Una observación es cualquier registro de información, ya sea
numérico o categórico
 Es el proceso que genere un conjunto de datos
 Ejemplos
 Registrar la calificación de un examen
 Medir la cantidad de lluvia diaria
 Entrevistar a un dueño de casa para obtener su opinión sobre
un reglamento para distribuir por zonas un área verde
 Es aquel que puede producir resultados diferentes, aun cuando se
repita siempre de la misma manera
 No se puede predecir el resultado
 Ejemplos
 Sacar una carta de la baraja
 Lanzar un dado
 Lanzar una moneda
 NO son experimentos aleatorios

 El resultado de una reacción química
 La velocidad de llegada de un cuerpo a tierra al dejarlo caer
desde una torre
 Es el conjunto de todos los resultados posibles de un
experimento aleatorio
 Se denota con S
 Ejemplo
 Experimento: lanzar al aire un dado
 Espacio muestral = todos los posibles números que
pueden aparecer en la cara superior
S = {1, 2, 3, 4, 5, 6}
 Práctica
 Experimento: Registrar el tipo de sangre de una persona.
S = {A, B, AB, O}
 Es un subconjunto del espacio muestral
 Es una colección de eventos simples
 Es un grupo de resultados contenidos en el espacio muestral,
cuyos miembros tienen una característica común
o Es decir, un grupo de resultados particular satisface la característica,
y los restantes, contenidos en el espacio muestral, no
Ejemplo
 Podemos definir los eventos A y B para el experimento de lanzar
al aire un dado:
o A: observar un número impar
o B: observar un número menor a 4
o S = {1, 2, 3, 4, 5, 6}
o A = {1,3,5}
o B = {1,2,3}
 Evento simple: es un evento que ya no puede
desglosarse en componentes más simples
 Es cada uno de los posibles resultados de un experimento
 Evento compuesto: combina dos o más eventos

simples
 Contiene más de un resultado posible
 Evento imposible: no contiene ningún resultado del

espacio muestral. Es un conjunto vacío, 
 Evento cierto: contiene todos los eventos simples. Es
igual al espacio muestral, S
 Eventos compatibles: son los eventos A y B que pueden
ocurrir a la vez
 La intersección A  B  
 Eventos incompatibles: son los eventos A y B que NO
pueden ocurrir a la vez
 La intersección A  B = 
 También denominados eventos mutuamente excluyentes
 Eventos colectivamente exhaustivos: ocurre cuando
dado los eventos A y B, al menos uno de ellos debe
ocurrir siempre que se realiza el experimento
Se realiza el experimento aleatorio “Lanzar un dado”
 Espacio muestral: S = { 1, 2, 3, 4, 5, 6 }
 Evento simple: Sacar un 2  A = { 2 }
 Evento compuesto: Sacar un número impar  A = {1, 3, 5}
 Evento imposible: Sacar un 7  A = 
 Evento cierto: Sacar un nº menor que 7 

A = {1, 2, 3, 4, 5, 6} = S
 Eventos incompatibles: Sacar un nº par  A = { 2, 4, 6 }
Sacar un nº impar  B = { 1, 3, 5 }
 La unión de los eventos A y B, 𝑨𝑩, es el evento que
contiene todos los elementos que pertenecen a A o a B, o a
ambos.
 Es el evento en que ocurren A o B o ambos
1
2 6
3
 Ejemplo
 Se tira un dado, y se definen los eventos:
o A: que salga menos de 4
𝑨 = {𝟏, 𝟐, 𝟑}
o B: que salga 2 ó 6
𝑩 = {𝟐, 𝟔}
𝑨𝑩 = {𝟏, 𝟐, 𝟑, 𝟔}
 La intersección de los eventos A y B, AB, es el
evento que contiene todos los elementos que son
comunes a A y a B
 Sucede cuando ocurren A y B a la vez
S
1 4
3 5
2 6
 Ejemplo
 Se tira un dado, y se definen los eventos:
o A: que salga menos de 4 𝑨 = {𝟏, 𝟐, 𝟑}
o B: que salga más de 2 𝑩 = {𝟑, 𝟒, 𝟓, 𝟔}
𝑨𝑩 = {𝟑}
 Dado un evento A, su complemento,𝐴,ҧ es el evento
formado por los elementos que no pertenecen a A
S 3
1
4 5
2
6
 Ejemplo
 Se tira un dado, y se define el evento:
o A: que salga un 4
𝑺 = {𝟏, 𝟐, 𝟑, 𝟒, 𝟓, 𝟔}
𝑨 = {𝟒}
ഥ = {𝟏, 𝟐, 𝟑, 𝟓, 𝟔}
𝑨
 Diagrama del árbol
 Regla de multiplicación Permiten conocer el numero de
los posibles resultados del
 Permutaciones experimento, sin tener que
enlistar cada uno de los
 Combinaciones elementos del conjunto 𝑆.
 Es una herramienta gráfica que se utiliza para determinar
todos los posibles resultados de un experimento aleatorio.
 Muestra la secuencia o posibilidades que puede ocurrir un
experimento, contando las ramas finales
Experimento:
Lanzar al aire tres monedas
8 posibles resultados
del experimento
𝑺 = {𝑪𝑪𝑪, , 𝑪𝑪𝑺, 𝑪𝑺𝑪, 𝑪𝑺𝑺, 𝑺𝑪𝑪, 𝑺𝑪𝑺, 𝑺𝑺𝑪, 𝑺𝑺𝑺}

 Ejemplo
Cierto tipo de automóvil se encuentra disponible en tres colores:
rojo, azul y blanco; y puede tener un motor grande o pequeño.
¿De cuántas maneras puede un comprador elegir un automóvil?
Motor Pequeño Espacio muestral S

Color Rojo 1. Color rojo – Motor pequeño
Motor Grande
2. Color rojo – Motor grande
3. Color azul – Motor pequeño
4. Color azul – Motor grande
5. Color blanco – Motor pequeño
Motor Pequeño 6. Color blanco – Motor grande
Color Azul
Motor Grande
6 formas de elegir el
automóvil
Motor Pequeño
Color Blanco
Motor Grande
 Si una operación se puede llevar a cabo en n1 formas, y si
para cada una de éstas se puede realizar una segunda
operación en n2 formas, entonces las dos operaciones se
pueden realizar de n1* n2 formas
 Ejemplo
Cierto tipo de automóvil se encuentra disponible en tres colores:
rojo, azul y blanco; y puede tener un motor grande o pequeño.
¿De cuántas maneras puede un comprador elegir un automóvil?
3 opciones de escoger color= n1

2 opciones de escoger motor= n2
n1* n2 = 6 formas de elegir el automóvil
 Regla de multiplicación generalizada (k operaciones)
𝑛1 𝑛2 … . 𝑛𝑘 Principio fundamental del conteo
 Son los arreglos diferentes que se pueden hacer con los
elementos de un conjunto, sin importar el orden
 Cada arreglo se diferencia únicamente por los elementos que
contiene (distinto contenido, no importa el orden)
𝐴𝐵𝐶 = 𝐶𝐵𝐴
 El número de combinaciones de 𝒏 objetos distintos tomados de
𝒓 a la vez es
n n! No importa el
n Cr     orden de selección
 r  r!(n  r )!
Tener en cuenta:
• Se deben tener un total de n elementos diferentes disponibles.
• Se deben seleccionar r de los n elementos (sin reemplazo).
• Se deben considerar que los reacomodos de tales elementos son los mismos.
(La combinación ABC es la misma que CBA).
 Ejemplo
¿Cuántas comisiones de 3 personas se pueden formar
seleccionándolas de entre 10 personas?
n n!
n Cr    
 r  r!(n  r )!
10! 3628800
10 C3    120 comisiones
3!(10  3)! 30240
 Son los arreglos diferentes que se pueden hacer con los
elementos de un conjunto. En estos arreglos se debe
considerar el orden de los elementos incluidos
 Una permutación difiere de otra si el orden del arreglo o el
contenido difieren
𝐴𝐵𝐶 ≠ 𝐶𝐵𝐴
 El número de permutaciones de 𝒏 objetos distintos es n!
 El número de permutaciones de 𝒏 objetos distintos tomados de 𝒓 a
la vez es
n!
n Pr 
Si importa el orden
(n  r )! de selección
 Ejemplo
Un grupo de 10 personas debe elegir a su comisión directiva: presidente,
secretario y tesorero. Todos pueden ser elegidos, pero una persona no puede
tener más de un cargo. ¿De cuántas maneras diferentes puede realizarse la
elección?
10! 3628800
10 P3    720 maneras
(10  3)! 5040
 La probabilidad forma la base del estudio de la estadística y
permite medir la incertidumbre y la certidumbre.
 Está basada en una serie de reglas en las que debe
determinarse si un fenómeno puede llegar a ocurrir, bajo el
fundamento de las diferentes teorías, los estadísticos y, por
supuesto, los cálculos.
 Es un valor comprendido entre 0 y 1 (incluidos estos dos
valores) que describe la posibilidad de ocurrencia de un
evento.
o seguro
equiprobable
Enfoque clásico Enfoque frecuencial
 Cuando todos los eventos simples (elementales) de un
espacio muestral son equiprobables (tienen la misma
probabilidad de ocurrir) y mutuamente excluyentes
 También conocida como probabilidad teórica (calculada de
forma matemática)
 Si un experimento puede dar como resultado cualquiera de 𝑁
diferentes resultados que tienen las mismas probabilidades de
ocurrir, y si exactamente 𝑛 de estos resultados corresponden al
evento A, entonces la probabilidad del evento A es
𝑛 número de resultados favorables

𝑃 𝐴 = = Regla de Laplace
𝑁 número total de posibles resultados
Se denomina también enfoque a priori porque
permite calcular el valor de probabilidad antes
de observar cualquier evento
 Ejemplo
A una clase de estadística para ingenieros asisten 25 estudiantes de ingeniería en
informática, 10 de ingeniería de minas, 10 de ingeniería en electrónica y 8 de
ingeniería en agrimensura. Si el profesor elige al azar a un estudiante para que
conteste una pregunta, ¿qué probabilidades hay de que el elegido sea a)
estudiante de ingeniería en informática, b) estudiante de ingeniería en
agrimensura o estudiante de ingeniería en electrónica ?
I: estudiante de Ing. en Informática

A: estudiante de Ing. en Agrimensura
E: estudiante de Ing. en Electrónica
25
a) P I = = 0,4717
53
18
b) P A ∪ E = = 0,3396
53
 Ejemplo
Una persona planea apostar al número 13 en el próximo giro de una ruleta. ¿Cuál
es la probabilidad de que pierda?
Solución
Una ruleta tiene 38 ranuras distintas y sólo una corresponde al número 13. La
ruleta se diseñó de manera que las 38 ranuras sean igualmente probables de
resultar.
A: no salga el 13
De las 38 ranuras, 37 resultan

en una pérdida.
37
P 𝐴 = = 0,9737
38
La probabilidad de que
pierda es del 97,37%
 Cuando los eventos simples de un experimento aleatorio no son
equiprobables la probabilidad de ocurrencia de un evento se
determina por observación del número de veces que eventos
similares ocurrieron en el pasado (frecuencia relativa)
 Las probabilidades se deben asignar con base en el conocimiento
previo o en la evidencia experimental.
⇨ también se la denomina probabilidad empírica
Número de veces que ocurre 𝐴

𝑃(𝐴) =
Número de veces que se repitió el experimento
La probabilidad de un evento es la proporción de veces en que el evento

ocurrirá a largo plazo en experimentos repetidos.
Se obtiene un valor estimado en lugar de un valor exacto. Conforme

el número total de observaciones se incrementa, los estimados
correspondientes tienden a acercarse a la probabilidad real.
 Ejemplo
En un hipódromo se ha observado que el caballo con el número
20 tiene 8 carreras ganadas de 10. Si usted quiere apostar por
este caballo, ¿cuál es la probabilidad de que gane la apuesta?
A: el caballo con el número 20 gana la carrera
8 Hay una probabilidad del

P ( A)   0,8  80%
10 80% de ganar la apuesta
 Ejemplo
Si los registros muestran que 294 de 300 aislantes cerámicos
probados soportaron cierto choque térmico, ¿cuál es la
probabilidad de que algún aislante no probado soporte el choque
térmico?
A: el aislante no probado soportará el choque térmico
294 Hay una probabilidad del 98% de

P ( A)   0,98  98% que un aislante cerámico soporte el
300 choque térmico
 Ejemplo
Calcular la probabilidad de que un adulto que se seleccionó
aleatoriamente haya volado en una línea aérea comercial.
Solución
El espacio muestral consiste en dos eventos simples: la persona que se
seleccionó ya voló en una línea aérea comercial o no lo ha hecho. Estos
eventos no son igualmente probables, porque no todas las personas
tienen la misma posibilidad de volar (cuestiones económicas, etc.)
Para el cálculo se pueden usar los resultados de una encuesta: de 855
adultos que se seleccionaron al azar, 710 indicaron que ya volaron en
líneas aéreas comerciales
A: haber volado en una línea aérea comercial
710 Hay una probabilidad del 83% de que un

P ( A)   0,83  83% adulto que se seleccionó aleatoriamente
855 haya volado en una línea aérea comercial
 Axioma 1 (de la Positividad): a cada evento simple perteneciente
al espacio muestral S le corresponde un número real no negativo,
llamado probabilidad
 P(A) ≥ 0
 Axioma 2 (de la Certeza): la probabilidad de un espacio muestral S
es igual a uno
 P (S) = 1
 Axioma 3 (de la Suma): Si A y B son eventos mutuamente
excluyentes, entonces
 P(A  B) = P(A) + P(B); A  B = 
Generalización del Axioma 3

𝑃 𝐴1 ∪ 𝐴2 ∪ ⋯ ∪ 𝐴𝑛 = 𝑃 𝐴1 + 𝑃 𝐴2 + ⋯ + 𝑃 𝐴𝑛 = σ𝑛1 𝑃(𝐴𝑖 )
 Si A es un evento en el espacio muestral finito S, entonces P(A) es igual a
la suma de las probabilidades de los eventos simples (resultados
individuales) que comprenden A.
 Sean E1, E2, . . . , En los n eventos simples que comprenden el evento A, de
modo que se puede escribir 𝐴 = 𝐸1 ∪ 𝐸2 ∪ ⋯ ∪ 𝐸𝑛 . Puesto que las E son resultados
individuales y mutuamente excluyentes, por la generalización del Axioma 3 se
tiene
S A
𝐸1 𝑃 𝐴 = 𝑃 𝐸1 ∪ 𝐸2 ∪ ⋯ ∪ 𝐸𝑛
𝐸2
= 𝑃 𝐸1 + 𝑃 𝐸2 + ⋯ + 𝑃 𝐸𝑛
𝐸𝑛
 Ejemplo
La probabilidad de que un consumidor, mediante un servicio de prueba, califique un nuevo
anticontaminante para automóviles como muy deficiente, deficiente, adecuado, bueno, muy
bueno o excelente, son 0.07, 0.12, 0.17, 0.32, 0.21 y 0.11. ¿Cuáles son las probabilidades
de que el consumidor califique el anticontaminante bueno, muy bueno o excelente?
𝑃 𝐴 = 0,32 + 0,21 + 0,11 = 0,64
 Probabilidad del evento imposible
 P (Ø) = 0
 Probabilidad del evento complementario
 P (𝑨
ഥ ) = 1 – P (A)
 Sean A y B, eventos de S, tales que AB, entonces
 P(A)  P(B)
 Sea A un evento cualquiera de S
 0  P(A)  1
 Sean A y B, eventos de S,
 P(A𝑩
ഥ ) = P(A-B) = P(A) – P(AB)
 Probabilidad del Evento imposible
P (Ø) = 0
 Probabilidad del Evento complementario
Si A es cualquier evento en S, entonces,
𝑃 𝐴ҧ = 1 − P(A)
 Probabilidad del Evento complementario
 Ejemplo
Cuando nace un bebé, la probabilidad de que sea niño es
0,5121. Calcule la probabilidad de que no sea niño.
A: el bebé que nace es un niño

𝐴:ҧ el bebé que nace no es un niño
𝑃 𝐴 = 0,5121
𝑃 𝐴ҧ = 1 − 0,5121 = 0,4879
 Sea A un evento cualquiera de S
0  P(A)  1
A menudo resulta más sencillo calcular la probabilidad de algún
evento a partir de las probabilidades conocidas de otros eventos.
 Si se puede representar un evento como la unión de otros dos
eventos, la regla de la suma permite simplificar los cálculos.
 También conocida como regla aditiva o regla general de la suma
P(AB)=P(A) + P(B) – P(AB)
𝐴∪𝐵 = 𝐴 ∪ 𝐵 ∩ 𝐴ҧ
Sean A y B, eventos de S,
P(A𝑩
ഥ ) = P(A-B) = P(A) – P(AB)
𝑃 𝐴 ∪ 𝐵 = 𝑃 𝐴 + 𝑃(𝐵 ∩ 𝐴)ҧ
= 𝑃 𝐴 + 𝑃 𝐵 − 𝑃(𝐴 ∩ 𝐵)
Probabilidad y Estadística = 𝑃 𝐴 + 𝑃 𝐵 − 𝑃(𝐴 ∩ 𝐵)
P(AB)=P(A) + P(B) – P(AB)
 Ejemplo
Al final del semestre Juan se va a graduar de Ingeniero de Minas. Después de
tener entrevistas en las empresas Agua Rica (A) y Capillitas (C), determina que la
probabilidad que tiene de lograr una oferta de empleo en la empresa A es 0.8, y
que la probabilidad de obtenerla en la empresa C es 0.6. Si, por otro lado,
considera que la probabilidad de recibir ofertas de ambas empresas es 0.5,
¿qué probabilidad tiene de obtener al menos una oferta de esas dos empresas?
A: Tiene una oferta en Agua Rica  𝑃(𝐴) = 0,8

C: Tiene una oferta en Capillitas  𝑃(𝐶) = 0,6
𝑃(𝐴𝐶) = 0,5
𝑃(𝐴𝐶) = 0,8 + 0,6 − 0,5 = 0,9
P(AB)=P(A) + P(B) – P(AB)
 Ejemplo
En cierto barrio residencial, 60% de las familias se suscriben al diario nacional,
80% lo hacen al diario local y 50% de todas las familias a ambos diarios. Si se
elige una familia al azar, ¿cuál es la probabilidad de que se suscriba a
a) por lo menos a uno de los dos diarios?
b) exactamente a uno de los dos diarios?
P(N  𝐿ത ) P(𝑁
ഥ  L)
N: la familia se suscribe al diario nacional  P(N)=0,6

L: la familia se suscribe al diario local  P(L)=0,8
P(NL)= 0,5
a) P(NL)=0,6+0,8-0,5=0,9
b) P(exactamente uno)=P(N  𝐿ത )+P(𝑁
ഥ  L)=0,1+0,3=0,4
 Corolario 1
 El corolario 1 es un resultado inmediato de la regla de la adición, pues si A y B

son mutuamente excluyentes, A∩B =  y entonces P(A∩B) = P() = 0
 Corolario 2 (es una generalización del corolario 1)
 Ejemplo
Las probabilidades de que un individuo que compra un automóvil nuevo elija
uno de color verde, uno blanco, uno rojo o uno azul son 0.09, 0.15, 0.21 y
0.23, respectivamente, ¿cuál es la probabilidad de que un comprador dado
adquiera un automóvil nuevo que tenga uno de esos colores?
V: un comprador elige un automóvil verde P(V)=0,09

B: un comprador elige un automóvil blanco  P(B)=0,15
R: un comprador elige un automóvil rojo  P(R)=0,21
A: un comprador elige un automóvil azul  P(A)=0,23
 Corolario 3
 Los eventos 𝐴1, 𝐴2, … 𝐴𝑛 de un espacio muestral 𝑆 se denomina partición de 𝑆 si

𝐴1, 𝐴2, … 𝐴𝑛 son mutuamente excluyentes y son exhaustivos.
𝐴1, 𝐴2, … 𝐴𝑛 son mutuamente excluyentes  𝑖𝑗 𝐴𝑖  𝐴𝑗 = , 𝑖𝑗

𝐴1, 𝐴2, … 𝐴𝑛 son exhaustivos  𝐴1  𝐴2  …  𝐴𝑛 = 𝑆
Una partición del espacio muestral 𝑆
𝑃(𝐴 ∪ 𝐵)
¿A y B son
No
mutuamente 𝑃 𝐴 ∪ 𝐵 = 𝑃 𝐴 + 𝑃 𝐵 − 𝑃(𝐴 ∩ 𝐵)
excluyentes?
Sí
𝑃 𝐴 ∪ 𝐵 = 𝑃 𝐴 + 𝑃(𝐵)
Los eventos mutuamente excluyentes son

incompatibles, es decir, no pueden suceder
al mismo tiempo.
Es una probabilidad que se obtiene con la información
adicional de algún otro evento que ya ocurrió.
 Es la probabilidad de que ocurra un evento A sabiendo
que ya ocurrió algún evento B
 Se denota con P(A/B)
 Si A y B son eventos cualesquiera de S y P(B) > 0, la probabilidad
condicional de A dado B es
Probabilidad Conjunta
Probabilidad 𝑃(𝐴 ∩ 𝐵)
𝑃 𝐴Τ𝐵 =
Condicional 𝑃(𝐵)
Probabilidad Marginal
 La probabilidad de los eventos A y B están condicionados en algún
subconjunto del espacio muestral  espacio muestral reducido
S Espacio muestral reducido
Espacio muestral inicial El espacio muestral reducido está

compuesto por el conjunto de todos los
subconjuntos de S y que pertenecen a B.
De los subconjuntos pertenecientes a B,
AB satisface la condición.
 Ejemplo
La probabilidad de que un vuelo programado normalmente salga a tiempo es
0,83, la probabilidad de que llegue a tiempo es 0,82 y la probabilidad de que
salga y llegue a tiempo es 0,78. Calcule la probabilidad de que un avión a) llegue a
tiempo, dado que salió a tiempo; y b) salió a tiempo, dado que llegó a tiempo.
A: El avión llegó a tiempo ⇒ 𝑃(𝐴) = 0,82
D: El avión sale a tiempo ⇒ 𝑃(𝐷) = 0,83
𝑃(𝐷 ∩ 𝐴) = 0,78
 Ejemplo
Suponga que 500 piezas de maquinaria se inspeccionan antes
de embarcarse. I denota una pieza de maquinaria ensamblada
de manera inadecuada y D denota que contiene componentes
defectuosos.
 La probabilidad de obtener una pieza con componentes
defectuosos es
=0,03
 La probabilidad de obtener una pieza de maquinaria con

componentes defectuosos dado que fue ensamblado de
manera inadecuada es
=0,33 Espacio muestral

reducido
 Permite calcular la probabilidad de que ocurran dos eventos
 También conocida como regla de la multiplicación
 Si A y B son eventos de un espacio muestral 𝑆, entonces
𝑃(𝐴 ∩ 𝐵) = 𝑃 𝐴 ∙ 𝑃 𝐵 Τ𝐴 si 𝑃 𝐴 > 0
= 𝑃 𝐵 ∙ 𝑃 𝐴Τ𝐵 si 𝑃 𝐵 > 0
Se deduce despejando P(AB) de la

fórmula de Probabilidad Condicional
 Para 𝑛 eventos de un espacio muestral 𝑆

𝑃(𝐴1 ∩ 𝐴2 ∩ ⋯ ∩ 𝐴𝑛 ) = 𝑃 𝐴1 ∙ 𝑃 𝐴2 Τ𝐴1 ∙ 𝑃 𝐴3 Τ𝐴1 ∩ 𝐴2 ⋯ 𝑃 𝐴𝑛 Τ𝐴1 ∩ 𝐴2 ∩ ⋯ ∩ 𝐴𝑛−1
 Ejemplo
La probabilidad de que la batería de un automóvil sometida a alta temperatura
tenga una corriente de carga baja es 0,7. La probabilidad de que la batería esté
sometida a alta temperatura es 0,05.
Calcular la probabilidad de que una batería tenga una corriente de carga baja y
esté sometida a alta temperatura.
A: una batería tiene corriente de carga baja

B: una batería está sometida a alta temperatura  𝑃(𝐵) = 0,05
𝑃(𝐴/𝐵) = 0,7
𝑃(𝐴 ∩ 𝐵) = 𝑃 𝐴 ∙ 𝑃 𝐵Τ𝐴 si 𝑃 𝐴 > 0 𝑃 𝐴 ∩ 𝐵 = 𝑃(𝐵) 𝑃(𝐴/𝐵)

= 𝑃 𝐵 ∙ 𝑃 𝐴 Τ𝐵 si 𝑃 𝐵 > 0
= 0,05 ∙ 0,7
= 0,035
 Ejemplo para n eventos
Se sacan tres cartas seguidas, sin reemplazo, de una baraja de póker. Encuentre la
probabilidad de que la primera carta sea un as rojo, la segunda carta sea un 10 o
una jota y la tercera carta sea mayor que 3 pero menor que 7.
2
𝐴1 : la primera carta es un as rojo ⇒ 𝑃 𝐴1 = = 0,0385
52
8
𝐴2 : la segunda carta es un 10 o una jota  𝑃 𝐴2 ∕ 𝐴1 = = 0,1569
51
12
𝐴3 : la tercera carta es mayor que 3 pero menor que 7 ⇒ 𝑃 𝐴3 Τ𝐴1 ∩ 𝐴2 = = 0,24
50
𝑃(𝐴1 ∩ 𝐴2 ∩ 𝐴3 ) = 𝑃 𝐴1 ∙ 𝑃 𝐴2 Τ𝐴1 ∙ 𝑃 𝐴3 Τ𝐴1 ∩ 𝐴2

= 0,0385 ∙ 0,1569 ∙ 0,24
= 0,0014
Suponga que en la población general, hay 51% de hombres y 49% de mujeres, y que
las proporciones de hombres y mujeres daltónicos se muestran en la siguiente tabla:
Hombre (𝑯) Mujer (𝑯)

ഥ Total
Daltónico (𝑫) 0,04 0,002 𝟎, 𝟒𝟐
No daltónico (𝑫
ഥ) 0,47 0,488 𝟎, 𝟗𝟓𝟖
Total 𝟎, 𝟓𝟏 𝟎, 𝟒𝟗 𝟏, 𝟎𝟎
a) Si una persona se escoge al azar y se encuentra que es hombre, ¿cuál es la

probabilidad de que sea daltónico?
b) ¿Cuál es la probabilidad de ser daltónico, dado que la persona es mujer?
c) ¿Cuál es la probabilidad de ser mujer y daltónica?
d) ¿Cual es la probabilidad de ser mujer o daltónica?
e) ¿Cuál es la probabilidad de ser hombre y daltónico?
f) ¿Cuál es la probabilidad de ser hombre o daltónico?

ഥ Total
Daltónico (𝑫) 0,04 0,002 𝟎, 𝟎𝟒𝟐
No daltónico (𝑫
ഥ) 0,47 0,488 𝟎, 𝟗𝟓𝟖
Total 𝟎, 𝟓𝟏 𝟎, 𝟒𝟗 𝟏, 𝟎𝟎
a) Si una persona se escoge al azar y se encuentra que es hombre, ¿cuál es la

probabilidad de que sea daltónico?
𝑃(𝐻 ∩ 𝐷) 0,04
𝑃 𝐷 Τ𝐻 = = = 0,0784 ⇒ 7,84%
𝑃(𝐻) 0,51
b) ¿Cuál es la probabilidad de ser daltónico, dado que la persona es mujer?

ഥ ∩ 𝐷) 0,002
𝑃(𝐻
ഥ
𝑃 𝐷 Τ𝐻 = = = 0,0041 ⇒ 0,41%
ഥ
𝑃(𝐻) 0,49

ഥ Total
Daltónico (𝑫) 0,04 0,002 𝟎, 𝟎𝟒𝟐
No daltónico (𝑫
ഥ) 0,47 0,488 𝟎, 𝟗𝟓𝟖
Total 𝟎, 𝟓𝟏 𝟎, 𝟒𝟗 𝟏, 𝟎𝟎
c) ¿Cuál es la probabilidad de ser mujer y daltónica?

ഥ ∩ 𝐷 = 0,002 ⇒ 0,2%
𝑃 𝐻
d) ¿Cuál es la probabilidad de ser mujer o daltónica?

ഥ∪𝐷 =𝑃 𝐻
𝑃 𝐻 ഥ +𝑃 𝐷 −𝑃 𝐻
ഥ∩𝐷
= 0,49 + 0,042 − 0,002
= 0,53 ⇒ 53%

ഥ Total
Daltónico (𝑫) 0,04 0,002 𝟎, 𝟎𝟒𝟐
No daltónico (𝑫
ഥ) 0,47 0,488 𝟎, 𝟗𝟓𝟖
Total 𝟎, 𝟓𝟏 𝟎, 𝟒𝟗 𝟏, 𝟎𝟎
e) ¿Cuál es la probabilidad de ser hombre y daltónico?

𝑃 𝐻 ∩ 𝐷 = 0,04 ⇒ 4%
f) ¿Cuál es la probabilidad de ser hombre o daltónico?

𝑃 𝐻∪𝐷 =𝑃 𝐻 +𝑃 𝐷 −𝑃 𝐻∩𝐷
= 0,51 + 0,042 − 0,04
= 0,512 ⇒ 51,2%
En una encuesta telefónica hecha a mil adultos, a los que respondieron se les preguntó acerca del
gasto de una educación universitaria y la relativa necesidad de alguna forma de ayuda financiera.
Quienes respondieron fueron clasificados de acuerdo a si actualmente tenían un hijo en la
universidad y si pensaban que la carga de un préstamo para casi todos los estudiantes
universitarios es demasiado alta, la cantidad correcta o es muy poco. Las proporciones de quienes
contestaron se muestran en la siguiente tabla:
Demasiado Cantidad Muy poco (C) Total
alta (𝑨) correcta (𝑩)
Hijo en universidad (𝑼) 0,35 0,08 0,01 𝟎, 𝟒𝟒
Sin hijo en univ. (𝑼
ഥ) 0,25 0,20 0,11 𝟎, 𝟓𝟔
Total 𝟎, 𝟔 𝟎, 𝟐𝟖 𝟎, 𝟏𝟐 𝟏, 𝟎𝟎
Suponga que se elige un entrevistado al azar:

a) ¿Cuál es la probabilidad de que el entrevistado tenga un hijo en la universidad?
b) ¿Cuál es la probabilidad de que el entrevistado no tenga un hijo en la universidad?
c) ¿Cuál es la probabilidad de que el entrevistado tenga un hijo en la universidad o piense que la
carga de un préstamo es demasiado alta?
d) ¿Cuál es la probabilidad de que el entrevistado piense que la carga de un préstamo es
demasiado alta dado que tiene un hijo en la universidad?
ഥ) 0,25 0,20 0,11 𝟎, 𝟓𝟔
Total 𝟎, 𝟔 𝟎, 𝟐𝟖 𝟎, 𝟏𝟐 𝟏, 𝟎𝟎

a) ¿Cuál es la probabilidad de que el entrevistado tenga un hijo en la universidad?
𝑃 𝑈 = 0,44 ⇒ 44%
b) ¿Cuál es la probabilidad de que el entrevistado no tenga un hijo en la universidad?
ഥ = 0,56 ⇒ 56%
𝑃 𝑈 ഥ =1 −𝑃 𝑈
𝑃 𝑈
= 1 − 0,44
= 0,56 ⇒ 56%
ഥ) 0,25 0,20 0,11 𝟎, 𝟓𝟔
Total 𝟎, 𝟔 𝟎, 𝟐𝟖 𝟎, 𝟏𝟐 𝟏, 𝟎𝟎

c) ¿Cuál es la probabilidad de que el entrevistado tenga un hijo en la universidad o piense que la
carga de un préstamo es demasiado alta?
𝑃 𝑈 ∪ 𝐴 = 𝑃 𝑈 + 𝑃 𝐴 − 𝑃(𝑈 ∩ 𝐴)
= 0,44 + 0,6 − 0,35
= 0,69 ⇒ 69%
ഥ) 0,25 0,20 0,11 𝟎, 𝟓𝟔
Total 𝟎, 𝟔 𝟎, 𝟐𝟖 𝟎, 𝟏𝟐 𝟏, 𝟎𝟎

d) ¿Cuál es la probabilidad de que el entrevistado piense que la carga de un préstamo es
demasiado alta dado que tiene un hijo en la universidad?
𝑃(𝐴 ∩ 𝑈) 0,35
𝑃 𝐴 Τ𝑈 = = = 0,7954 ⇒ 79,54%
𝑃(𝑈) 0,44
 Se dice que dos eventos, A y B, son independientes si y
sólo si la ocurrencia del evento B no influye en las
probabilidades de ocurrencia del evento A, o viceversa.
ത
𝑃 𝐴 = 𝑃(𝐴/𝐵) = 𝑃(𝐴/𝐵)
 Dos eventos A y B son independientes si es verdadero

cualquiera de los siguientes enunciados equivalentes
o 𝑃(𝐴/𝐵) = 𝑃(𝐴)
Si esto no se cumple  los eventos
o 𝑃(𝐵/𝐴) = 𝑃(𝐵) son dependientes
o 𝑃(𝐴𝐵) = 𝑃(𝐴) ∙ 𝑃(𝐵)
Condición Necesaria
AB ≠   A y B no deben ser
eventos mutuamente excluyentes
Condición suficiente
𝑃 𝐴 = 𝑃(𝐴/𝐵) = 𝑃(𝐴/𝐵)ത
 Regla del producto para eventos independientes
𝑃(𝐴 ∩ 𝐵) = 𝑃 𝐴 ∙ 𝑃 𝐵
 Esto se debe a que en eventos independientes:

𝑃(𝐴/𝐵) = 𝑃(𝐴)
𝑃(𝐵/𝐴) = 𝑃(𝐵)
Demostración
𝑃(𝐴 ∩ 𝐵) = 𝑃 𝐴 ∙ 𝑃 𝐵Τ𝐴 como 𝑃(𝐵/𝐴) = 𝑃(𝐵) cuando A y B son eventos independientes
= 𝑃 𝐴 ∙𝑃 𝐵
 Independencia para 𝒏 eventos

Los eventos 𝐴1 , 𝐴2 , ⋯ , 𝐴𝑛 de un espacio muestral 𝑆 son estadísticamente
independientes si y sólo si la probabilidad conjunta de cualquier 2,3, … , 𝑛 de ellos
es igual al producto de sus respectivas probabilidades marginales.
𝑃(𝐴1 ∩ 𝐴2 ∩ ⋯ ∩ 𝐴𝑛 ) = 𝑃 𝐴1 𝑃 𝐴2 ⋯ 𝑃(𝐴𝑛 )
 Regla del producto
𝑃(𝐴 ∩ 𝐵)
¿A y B son No
independientes? 𝑃 𝐴 ∩ 𝐵 = 𝑃(𝐴) ∙ 𝑃(𝐵/𝐴)
Sí
𝑃 𝐴 ∩ 𝐵 = 𝑃(𝐴) ∙ 𝑃(𝐵)
 Ejemplo
Se sabe que 30% de los lavarropas de MegaHome requieren servicio
técnico mientras se encuentran en garantía, en tanto que sólo 10% de sus
secarropas necesitan dicho servicio. Si alguien adquiere tanto un
lavarropas como un secarropas fabricadas por MegaHome, ¿cuál es la
probabilidad de que ambas máquinas requieran servicio técnico mientras
se encuentran en garantía?
A: el lavarropas necesita servicio técnico mientras se encuentra en garantía 

𝑃(𝐴) = 0,3
B: el secarropas necesita servicio técnico mientras se encuentra en garantía 
𝑃(𝐵) = 0,1
Suponiendo que las dos máquinas funcionan independientemente una de otra 

𝑃 𝐴∩𝐵 =𝑃 𝐴 ∙𝑃 𝐵
= 0,3 ⋅ 0,1
= 0,03
= 3%
 Ejemplo
En la fábrica MasterBul, la probabilidad de que la materia prima esté
disponible cuando se necesita es 0,8 y que el tiempo de maquinado de
una pieza sea menor que 1 hora es 0,7. Calcule la probabilidad de que la
materia prima esté disponible cuando se la necesite y el tiempo de
maquinado de una pieza sea menor que 1 hora.
A: la materia prima esté disponible cuando se necesita  𝑃(𝐴) = 0,8

B: el tiempo de maquinado de una pieza es menor que 1 hora  𝑃(𝐵) = 0,7
Debido a que los eventos A y B tratan pasos no relacionados en el proceso de

fabricación, se los considera independientes
= 0,8 ⋅ 0,7
= 0,56
= 56%
Si 𝑃(𝐴/𝐵) ≠ 𝑃(𝐴)  A y B son eventos dependientes
En estos casos los eventos tienen alguna relación, y la ocurrencia de uno afecta la
ocurrencia del otro.
 Si A y B son mutuamente excluyentes,

entonces 𝐴𝐵 = por lo que 𝑃(𝐴/𝐵) = 0 y 𝑆
𝑃(𝐵/𝐴) = 0 A B
 En este caso, A y B no pueden ocurrir en forma
simultánea, de manera que el conocimiento de la
ocurrencia de B nos dice que A no ocurre 
𝑃(𝐴𝐵) = 0
 Si 𝐵𝐴, entonces 𝑃(𝐴/𝐵) = 1

 En este caso, si B ocurre, A debe ocurrir. A 𝑆
B
 Ejemplo
Dos cartas se extraen al azar de un mazo ordinario de 52 cartas. ¿Cuál es
la probabilidad de sacar dos ases si:
a) la primera carta se sustituye antes de sacar la segunda carta?
b) la primera carta no se sustituye antes de sacar la segunda carta?
Solución
A: la primera carta es un as
B: la segunda carta es un as
a) la primera carta se sustituye antes de sacar la segunda carta  Extracción con

reemplazo  Eventos independientes
4 4
= ⋅ = 0,0059
52 52
b) la primera carta no se sustituye antes de sacar la segunda carta  Extracción

sin reemplazo  Eventos dependientes
𝑃 𝐴 ∩ 𝐵 = 𝑃 𝐴 ∙ 𝑃 𝐵/𝐴
4 3
Probabilidad y Estadística = ⋅ = 0,0045
52 51
 Permite calcular la probabilidad de un evento 𝐴 a partir de las
probabilidades de 𝐴 condicionadas por los eventos 𝐵1, 𝐵2, … 𝐵𝑛
 Definición
Si los eventos 𝐵1, 𝐵2, … 𝐵𝑘 constituyen una partición del espacio muestral 𝑆,
tal que 𝑃(𝐵𝑖 ) ≠ 0 para 𝑖 = 1, 2, … , 𝑛, entonces, para cualquier evento 𝐴 de
𝑆
𝑆
𝐵1 𝑨 𝐵3
𝑛 𝑛
𝑃 𝐴 = ෍ 𝑃 𝐵𝑖 ∩ 𝐴 = ෍ 𝑃(𝐵𝑖 )𝑃 𝐴/𝐵𝑖
𝑖=1 𝑖=1
𝐵2 𝐵𝑛
Partición
B1, B2, … Bk son mutuamente excluyentes  i,j Bi  Bj = , ij
B1, B2, … Bk son exhaustivos  B1  B2  …  Bk = S
𝑆
𝐵1 𝑨 𝐵3 𝑃 𝐵1 ∩ 𝐴
𝑃 𝐵2 ∩ 𝐴
𝐵2 𝐵𝑛
𝑃 𝐵𝑛 ∩ 𝐴
A ഥ
𝐀 Total
B1 𝑃 𝐵1 ∩ 𝐴 𝑃 𝐵1 ∩ 𝐴ҧ 𝑷(𝑩𝟏 )
𝑛 𝑛
B2 𝑃 𝐵2 ∩ 𝐴 𝑃 𝐵2 ∩ 𝐴ҧ 𝑷(𝑩𝟐 )
𝑃 𝐴 = ෍ 𝑃 𝐵𝑖 ∩ 𝐴 = ෍ 𝑃(𝐵𝑖 )𝑃 𝐴/𝐵𝑖
…
𝑖=1 𝑖=1
Bn 𝑃 𝐵𝑛 ∩ 𝐴 𝑃 𝐵𝑛 ∩ 𝐴ҧ 𝑷(𝑩𝒏 )
Total 𝑷(𝑨) ഥ)
𝑷(𝑨 𝟏, 𝟎𝟎
 Demostración
A = 𝐵1 ∩ 𝐴 ∪ 𝐵2 ∩ 𝐴 ∪ ⋯ ∪ 𝐵𝑛 ∩ 𝐴
Por medio del corolario 2 de la Regla de la suma y la Regla del producto se

obtiene
C2 de la Regla de la suma
𝑃 𝐴 = 𝑃 𝐵1 ∩ 𝐴 ∪ 𝐵2 ∩ 𝐴 ∪ ⋯ ∪ 𝐵𝑛 ∩ 𝐴 (para Eventos M.E.)
𝑃(𝐵1 ∪ 𝐵2 ∪ ⋯ ∪ 𝐵𝑛 = 𝑃 𝐵 + ⋯ + 𝑃 𝐵𝑛
= 𝑃 𝐵1 ∩ 𝐴 + 𝑃 𝐵2 ∩ 𝐴 + ⋯ + 𝑃 𝐵𝑛 ∩ 𝐴 Regla del producto

𝑛 𝑃(𝐴 ∩ 𝐵) = 𝑃 𝐴 ∙ 𝑃 𝐵Τ𝐴
= ෍ 𝑃 𝐵𝑖 ∩ 𝐴
𝑖=1
𝑛
= ෍ 𝑃 𝐵𝑖 𝑃 𝐴/𝐵𝑖
𝑖=1
 Ejemplo
Tres máquinas de cierta planta de ensamble, B1, B2 y B3, montan 30%,
45% y 25% de los productos, respectivamente. Se sabe por experiencia
que 2%, 3% y 2% de los productos ensamblados por cada máquina,
respectivamente, tienen defectos. Suponga que se selecciona de forma
aleatoria un producto terminado, ¿cuál es la probabilidad de que esté
defectuoso?
A: el producto está defectuoso

B1: el producto fue ensamblado con la máquina B1
 Solución
P(AB1)=0,006 A ഥ
𝐀
B1 0,006 0,294 0,3
P(𝐴/B
ҧ 1)=0,98 P(𝐴B
ҧ 1)=0,294 B2 0,0135 0,4365 0,45
B3 0,005 0,245 0,25
P(AB2)=0,0135
0,0245 0,9755 1,00
P(B2)= 0,45
P(A
ഥ B2)=0,4365
P(A/B3)=0,02 P(AB3)=0,005
P(A
ഥ B3)=0,245
𝑃 𝐴 = 𝑃 𝐴 ∩ 𝐵1 + 𝑃 𝐴 ∩ 𝐵2 +𝑃 𝐴 ∩ 𝐵3
= 0,006 + 0,0135+0,005 = 0,0245
 Sirve para calcular la probabilidad condicional a
posteriori
 Sirve para determinar la probabilidad de una de las causas,
puesto que ya se observó el efecto
 Los eventos 𝐵𝑖 son las “causas” y el evento 𝐴 es el “efecto”
Permite calcular la probabilidad de que el evento 𝐴 fue

causado por el evento 𝐵𝑖
𝑆
𝐵1 𝑨 𝐵3
𝐵2 𝐵𝑛
 Definición
Si los eventos 𝐵1, 𝐵2, … 𝐵𝑛 constituyen una partición del espacio
muestral S, donde 𝑃(𝐵𝑖) ≠ 0 para 𝑖 = 1, 2, … , 𝑛 (probabilidades a
priori) entonces, para cualquier evento 𝐴 en 𝑆, tal que 𝑃(𝐴) ≠ 0,
𝑃(𝐵𝑟 ∩ 𝐴) 𝑃 𝐵𝑟 𝑃 𝐴/𝐵𝑟
𝑃 𝐵𝑟 /𝐴 = 𝑛 = 𝑛 Para 𝑟 = 1,2, … 𝑛
σ𝑖=1 𝑃 𝐵𝑖 ∩ 𝐴 σ𝑖=1 𝑃(𝐵𝑖 )𝑃 𝐴/𝐵𝑖
Probabilidad
condicional a 𝑆
posteriori 𝐵1 𝑨 𝐵3
𝐵2 𝐵𝑛
 Demostración
 Mediante la definición de probabilidad condicional
𝑃(𝐵𝑟 ∩ 𝐴)
𝑃 𝐵𝑟 /𝐴 =
𝑃(𝐴)
 Por el teorema del Producto en el numerador y el teorema de Probabilidad Total

en el denominador, se tiene
𝑃(𝐵𝑟 ∩𝐴) 𝑃 𝐵𝑟 𝑃 𝐴/𝐵𝑟

𝑃 𝐵𝑟 /𝐴 = σ𝑛
=σ𝑛
𝑖=1 𝑃 𝐵𝑖 ∩𝐴 𝑖=1 𝑃(𝐵𝑖 )𝑃 𝐴/𝐵𝑖
 Ejemplo
Tres máquinas de cierta planta de ensamble, B1, B2 y B3, montan 30%,
45% y 25% de los productos, respectivamente. Se sabe por experiencia
que 2%, 3% y 2% de los productos ensamblados por cada máquina,
respectivamente, tienen defectos. Suponga que se elige al azar un
producto y se encuentra que está defectuoso, ¿cuál es la probabilidad de
que haya sido ensamblado con la máquina B3?
A: el producto está defectuoso

 Solución
P(AB1)=0,006 A ഥ
𝐀
B1 0,006 0,294 0,3
P(𝐴/B
ҧ 1)=0,98 P(𝐴B
ҧ 1)=0,294 B2 0,0135 0,4365 0,45
B3 0,005 0,245 0,25
P(AB2)=0,0135
0,0245 0,9755 1,00
P(B2)= 0,45
P(A
ഥ B2)=0,4365
P(A/B3)=0,02 P(AB3)=0,005
P(A
ഥ B3)=0,245
𝑃(𝐵3 ∩ 𝐴) 0,005
𝑃 𝐵3 /𝐴 = = = 0,2041
𝑃(𝐴) 0,0245

Resumen Estadistica Teoria

Cargado por

Información del documento

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

Resumen Estadistica Teoria

Cargado por

Copyright:

Formatos disponibles

UNIDAD 2: Probabilidad

Dra. Ivanna Lazarte

La probabilidad y la estadística están relacionadas en una forma

 NO son experimentos aleatorios

 Evento compuesto: combina dos o más eventos

 Evento imposible: no contiene ningún resultado del

 Evento simple: Sacar un 2  A = { 2 }

 Evento compuesto: Sacar un número impar  A = {1, 3, 5}

 Evento imposible: Sacar un 7  A = 

 Evento cierto: Sacar un nº menor que 7 

𝑺 = {𝑪𝑪𝑪, , 𝑪𝑪𝑺, 𝑪𝑺𝑪, 𝑪𝑺𝑺, 𝑺𝑪𝑪, 𝑺𝑪𝑺, 𝑺𝑺𝑪, 𝑺𝑺𝑺}

Motor Pequeño Espacio muestral S

3 opciones de escoger color= n1

 Regla de multiplicación generalizada (k operaciones)

𝑛1 𝑛2 … . 𝑛𝑘 Principio fundamental del conteo

𝑛 número de resultados favorables

I: estudiante de Ing. en Informática

De las 38 ranuras, 37 resultan

Número de veces que ocurre 𝐴

La probabilidad de un evento es la proporción de veces en que el evento

Se obtiene un valor estimado en lugar de un valor exacto. Conforme

A: el caballo con el número 20 gana la carrera

8 Hay una probabilidad del

A: el aislante no probado soportará el choque térmico

294 Hay una probabilidad del 98% de

A: haber volado en una línea aérea comercial

710 Hay una probabilidad del 83% de que un

Generalización del Axioma 3

A: el bebé que nace es un niño

P(AB)=P(A) + P(B) – P(AB)

A: Tiene una oferta en Agua Rica  𝑃(𝐴) = 0,8

𝑃(𝐴𝐶) = 0,8 + 0,6 − 0,5 = 0,9

N: la familia se suscribe al diario nacional  P(N)=0,6

 El corolario 1 es un resultado inmediato de la regla de la adición, pues si A y B

V: un comprador elige un automóvil verde P(V)=0,09

 Los eventos 𝐴1, 𝐴2, … 𝐴𝑛 de un espacio muestral 𝑆 se denomina partición de 𝑆 si

𝐴1, 𝐴2, … 𝐴𝑛 son mutuamente excluyentes  𝑖𝑗 𝐴𝑖  𝐴𝑗 = , 𝑖𝑗

Los eventos mutuamente excluyentes son

S Espacio muestral reducido

Espacio muestral inicial El espacio muestral reducido está

 La probabilidad de obtener una pieza de maquinaria con

=0,33 Espacio muestral

Se deduce despejando P(AB) de la

 Para 𝑛 eventos de un espacio muestral 𝑆

A: una batería tiene corriente de carga baja

𝑃(𝐴 ∩ 𝐵) = 𝑃 𝐴 ∙ 𝑃 𝐵Τ𝐴 si 𝑃 𝐴 > 0 𝑃 𝐴 ∩ 𝐵 = 𝑃(𝐵) 𝑃(𝐴/𝐵)

𝑃(𝐴1 ∩ 𝐴2 ∩ 𝐴3 ) = 𝑃 𝐴1 ∙ 𝑃 𝐴2 Τ𝐴1 ∙ 𝑃 𝐴3 Τ𝐴1 ∩ 𝐴2

Hombre (𝑯) Mujer (𝑯)

a) Si una persona se escoge al azar y se encuentra que es hombre, ¿cuál es la

Hombre (𝑯) Mujer (𝑯)

a) Si una persona se escoge al azar y se encuentra que es hombre, ¿cuál es la

b) ¿Cuál es la probabilidad de ser daltónico, dado que la persona es mujer?

Hombre (𝑯) Mujer (𝑯)

c) ¿Cuál es la probabilidad de ser mujer y daltónica?

d) ¿Cuál es la probabilidad de ser mujer o daltónica?

Hombre (𝑯) Mujer (𝑯)

e) ¿Cuál es la probabilidad de ser hombre y daltónico?

f) ¿Cuál es la probabilidad de ser hombre o daltónico?

Suponga que se elige un entrevistado al azar:

Suponga que se elige un entrevistado al azar:

b) ¿Cuál es la probabilidad de que el entrevistado no tenga un hijo en la universidad?

Suponga que se elige un entrevistado al azar:

Suponga que se elige un entrevistado al azar:

 Dos eventos A y B son independientes si es verdadero