Amer Rivas Aguilera 43

CÁLCULO DE PROBABILIDADES.

8.1.- Concepto de probabilidad.

Cuando se efectúa un experimento frecuentemente, no se sabe con certeza los

resultados que se van a obtener. Por ejemplo, si lanzamos una moneda al aire, no
sabemos si esta al caer mostrará una cara o un sello. Un experimento de este tipo se
denomina no determinístico o aleatorio. Si por el contrario se realiza un experimento y
sabemos de antemano cuál o cuáles son los resultados, hablamos de un experimento
determinístico.

Un experimento aleatorio es cualquier proceso u operación cuyos resultados no pueden

predecirse con certeza, se atribuyen al azar.

Aunque no podamos indicar el resultado en forma precisa, podemos describir el conjunto

de todos los resultados posibles del experimento; el espacio muestral.

El espacio muestral de un experimento será el conjunto de todos los resultados posibles

del experimento y que denotaremos por Ω.

Si el espacio muestral Ω tiene un número finito o infinito numerable de elementos,

diremos que Ω es discreto, por el contrario, si Ω tiene como elementos todos los puntos
de algún intervalo de la recta real, diremos que es un espacio muestral continuo.

Ejemplo 8.1:
El experimento del lanzamiento de un dado tiene seis posibles resultados que podemos
enumerar: 1, 2, 3, 4, 5 y 6, entonces el espacio muestral asociado a este experimento
es: Ω1 = {1, 2, 3, 4, 5, 6 } y corresponde a un espacio muestral discreto.

Ejemplo 8.2:
Un experimento consiste en determinar el tiempo de vida de una determinada especie de
máquina, el espacio muestral es: Ω2 = { t ∈ R / t > 0} y corresponde a un espacio
muestral continuo por tener un número infinito no numerable de elementos.

Definiciones.

1-. Llamaremos resultado elemental a cada uno de los elementos de un espacio muestral
asociado a un experimento.

2-. Llamaremos evento o suceso a un subconjunto del espacio muestral.

3.- Un evento seguro será aquel que en particular tiene los mismos elementos del espacio
muestral Ω.

4.- Un evento o suceso imposible es aquel que no tiene elementos y se denota por φ.
5.- A los sucesos que tienen solo un elemento los llamaremos sucesos o eventos
elementales.
 Amer Rivas Aguilera 44
Ejemplo 8.3:

Una familia tiene tres hijos. Si los identificamos por su género, el espacio muestral para
el orden de los nacimientos es:

Ω = { hhh, hhm, hmh, mhh, hmm, mhm, mmh, mmm}

Definimos los eventos: A, B, C y D de la siguiente manera:

A: {el primer hijo es hombre} = { hhh, hhm, hmh, hmm}

B: {exactamente dos de los tres hijos son hombres} = { hhm, hmh, mhh}

C: {los tres hijos son hombres} = {hhh}

D: {dos mujeres y dos hombres} = { φ }, D es un suceso imposible.

Formalmente diremos que un suceso o evento ocurre, si al menos uno de sus elementos
es el resultado del experimento.

De acuerdo al ejemplo anterior, si elegimos un matrimonio al azar con tres hijos y el

orden de nacimiento de ellos resultó hmh, entonces, ocurrió el evento A, ocurrió el
evento B, pero el evento C no ocurrió.

Si A es un evento asociado con un experimento, no podemos indicar con certeza que el

evento A ocurrirá, pero podemos asociar a él un número que mida la posibilidad
probabilística que ocurra y que llamaremos probabilidad. En general las probabilidades
consisten en asignar números a los eventos y hablamos de la probabilidad de que ocurra
dicho evento.

Definición: Un espacio muestral con un número finito de resultados elementales, se dice

equiprobable si todos y cada uno de sus elementos tiene la misma posibilidad de ocurrir.

Definición: Si a es un evento asociado a un espacio muestral equiprobable, la

probabilidad de A se define por

n º de elementos en A n ( A) n
P ( A) = = =
n º de elementos en Ω n(Ω ) N

Como n es un entero no negativo menor o igual a N se cumple que 0 ≤ P( A) ≤ 1 . La

probabilidad de un evento cualquiera es un número real perteneciente al intervalo [0, 1].

Si P(A) = 0 entonces A es un evento imposible.

Si P(A) = 1 entonces A es un evento seguro.

Ejemplo 8.4:

Considere el ejemplo anterior y suponga que cada hijo tiene la misma posibilidad de
nacer hombre o mujer. Hallar la probabilidad de cada uno de los eventos definidos.

n( A) 4 1 n( B ) 3 n(C ) 1
P(A) = = = , P(B) = = , P(C) = = y P(D) = 0
n(Ω) 8 2 n (Ω ) 8 n (Ω ) 8
 Amer Rivas Aguilera 45
Como los eventos son conjuntos, podemos utilizar las operaciones entre conjuntos para
obtener nuevos eventos.

Si A y B son dos eventos o sucesos asociados a un espacio muestral Ω , entonces A ∪ B ,

A ∩ B , A – B y Ac también son eventos definidos sobre Ω .

A∪ B es el evento que ocurre si A ocurre o si B ocurre o si ambos ocurren.

A∩ B es el evento que ocurre si A y B ocurren.

A − B es el evento que ocurre si A ocurre y no ocurre B; es decir solo ocurre A.

Note que A – B = A ∩ Bc .

Ac es el evento que ocurre si A no ocurre.

Definición: Dos eventos A y B son mutuamente excluyentes (m. e.) si y solo si

A ∩ B = φ.

8.2. Axiomas de probabilidades.

En esta etapa abordaremos sólo aquellos axiomas, teoremas y definiciones que son
básicas para la comprensión de muchos problemas comunes. Veremos como se
comportan las probabilidades en forma matemática; es decir, consideramos las
probabilidades como un sistema axiomático.

Definición: Una probabilidad es una función de conjunto, real valuada, definida sobre una
clase A de subconjuntos del espacio muestral Ω , tal que a un subconjunto cualquiera A
de A le asocia un número P(A), llamado probabilidad de A y que debe satisfacer los
siguientes axiomas.

Axioma 1: P( Ω ) = 1

Axioma 2: P(A) ≥ 0, para toda A ∈ A

Axioma 3: Si A1, A2, A3, … es una sucesión de eventos mutuamente excluyentes en A,

entonces P(A1 ∪ A2 ∪ A3 ∪ …. …) = P(A1) + P(A2) + P(A3) + ….. = ∑ P(Ai)

En todo experimento, el espacio muestral Ω juega el papel de conjunto universal de tal

manera que todos los complementos son tomados con respecto a Ω .

Teorema 1.
P( Ø ) = 0, Ø evento imposible.

Teorema 2.
P( Ac ) = 1 – P ( A ), para todo evento A de Ω .
 Amer Rivas Aguilera 46
Teorema 3.
Sean A y B eventos arbitrarios de Ω , P( A ∩ Bc ) = P( A ) – P( A ∩ B ).

Teorema 4.
Sean A y B eventos arbitrarios de Ω , P( A ∪ B ) = P( A ) + P( B ) –P( A ∩ B).

El resultado de este teorema se puede generalizar a la unión de tres o más eventos

arbitrarios.

Teorema 5.
Sean A y B eventos de Ω , si A ⊆ B, entonces P( A ) ≤ P( B ).

Teorema 6.
Dado un espacio muestral Ω discreto, esto es, Ω ={ w1, w2, …wn } entonces para
cualquier evento A ⊆ Ω se tiene
P(A) = ∑ P ({ w })
wi ∈ A
i

Ejemplo 8.5.

Un químico analiza muestras de agua de mar para detectar la presencia de dos metales
pesados; plomo y mercurio. Encuentra que el 38% de las muestras tomadas en las
proximidades de la desembocadura de un río, en cuyas orillas se localizan numerosas
plantas industriales, tienen niveles tóxicos de plomo o de mercurio, y que el 32 % tiene
nivel tóxico de plomo. De estas muestras, el 10% contiene un nivel alto de ambos
metales.
a) ¿Cuál es la probabilidad de que una muestra elegida al azar, contenga un alto nivel de
mercurio?
b) ¿Cuál es la probabilidad de que la muestra elegida contenga sólo plomo?.

Solución: Definimos,

Ω = { w/ w es muestra analizada de agua de mar}

A = {w ∈ Ω / w tiene nivel alto de mercurio}

B = { w ∈ Ω / w tiene nivel alto de plomo}

a) Que el 38% de las muestras contenga niveles tóxicos de mercurio o de plomo significa
que P(A ∪ B) = 0.8, además P(B) = 0.32 y P(A ∩ B) = 0.10.

P( A ∪ B) = P( A ) + P( B ) – P ( A ∩ B )

0.38 = P( A ) + 0.32 -- 0.10

P(A) = 0.16

Por lo tanto, la probabilidad que la muestra contenga alto nivel de mercurio es 0.16.

b) Sabemos que el 32% de las muestras contienen plomo, pero no sólo plomo; es decir,

P( B ∩ Ac ) = P ( B ) -- P( A ∩ B ) = 0.32 – 0.10 = 0.22

La probabilidad de que la muestra contenga sólo plomo es 0.22.

 Amer Rivas Aguilera 47

8.3 Probabilidad Condicional e Independencia.

En ocasiones sabemos que un evento determinado ocurre y deseamos, basándonos en

esta información, averiguar cuál es la probabilidad de otro evento. Esta es la idea de
probabilidad condicional. Para ilustrar la idea, consideremos el siguiente ejemplo.

Ejemplo 8.6.
Una familia tiene dos hijos, el espacio muestral para el orden de los nacimientos de los
hijos es Ω = { hh, hm, mh, mm } , donde todos los elementos tienen la misma
probabilidad de ocurrir.

a) ¿Cuál es la probabilidad de que ambos sean varones?

b) Dado que al menos uno de los hijos es varón. ¿Cuál es la probabilidad que los dos
sean varones?

c) Dado que el mayor de los hijos es varón. ¿Cuál es la probabilidad que ambos sean
varones?

Solución:

a) de la definición de probabilidad en un espacio equiprobable se tiene que

P( { hh } ) = 1 4 .

b) Con la información entregada que al menos uno de los hijos es varón, el resultado mm
ha sido eliminado del espacio muestral.

Ω 1 = { hh, hm, mh } y P({ hh} / Ω 1) = 1 3.

c) El espacio muestral es Ω 2 = {hh, hm } y P( { hh } / Ω 2 ) = 12

Definición: Sean A y B dos eventos. La probabilidad condicional de que ocurra A dado que
ha ocurrido B, se define y denota como

P( A ∩ B)
P(A / B ) = , si P( B ) > 0,
P( B)

y definimos P( A / B ) = 0 si P( B ) = 0

Es importante notar que las probabilidades condicionales satisfacen los axiomas de

probabilidades.
 Amer Rivas Aguilera 48
Regla de la multiplicación

Con frecuencia necesitamos determinar la probabilidad de que ocurran dos eventos A y B

conjuntamente, esto es P(A ∩ B). La ecuación dada para calcular una probabilidad
condicional nos permite obtener una expresión para P(A ∩ B).

P( A ∩ B)
P(A / B ) = ,
P( B)
multiplicando por el valor P( B ) se tiene

P(A ∩ B ) = P( B ) · P( A / B )

de la misma forma, se tiene

P( A ∩ B)
P (B / A ) =
P( A)

de donde

P(A ∩ B ) = P( A ) · P( B / A )

Cualquiera de las dos desigualdades, es conocida como regla de la multiplicación.

Ejemplo 8.7.

En dos predios A y B, con 1000 vacunos cada uno se ha producido una epidemia de fiebre
aftosa. Las proporciones de ganado infectado son 20% y 25% respectivamente. Del total
de vacunos se elige uno al azar. ¿Cuál es la probabilidad de que esté infectado y
pertenezca al predio A?

Solución:
Sean Ω = { w / w es vacuno de uno de los predios} y los eventos
I = { w ∈ Ω / w está infectado }
A = { w ∈ Ω / w pertenece al predio A }.
Se pide P ( I ∩ A ), que según la regla de multiplicación se define como:

P( I ∩ A ) = P( A ) · P( I / A ).

1000 1
P(A) = = = 0 .5 ,
2000 2

P( I / A ) = 0.2,

luego P(I ∩ A ) = (0.5) · (0.20) = 0.10.

La regal de la multiplicación se puede generalizar a tres o más eventos. Sean A, B, C tres
eventos, entonces:

P(A ∩ B ∩ C ) = P( A ) · P( B / A ) · P( C / A ∩ B).
 Amer Rivas Aguilera 49

Eventos independientes.

En ocasiones suele ocurrir que una condición no altera la probabilidad asignada a otro
evento; es decir, P ( A / B ) = P( A ) o bien P ( B / A ) = P (B). En otras palabras, la
probabilidad que el evento A ocurra es la misma ya sea que B ocurra o no. En este caso
se dice que A y B son independientes. Utilizando la definición de probabilidad condicional
se tiene la siguiente definición equivalente.

Definición: Los eventos a y b se dicen mutuamente independientes, si y solo si,

P(A ∩ B) = P(A) P(B).

Definición: Se dice que un evento A es independiente de un evento B si, P( A /

B ) = P(A ).

Ejemplo 8.8
Se estima que en cierta población el 55% padece de obesidad ( A ), el 20% es
hipertensa ( B ) y el 60% es obesa o hipertensa. ¿Es independiente la obesidad de la
hipertensión?

Solución: Se definen los eventos:

Ω = { w / w es una persona de la población}

A = { w ∈ Ω / w es obesa }

B = { w ∈ Ω / w es hipertensa }

P(A) = 0.55 P(B) = 0.20 P(A ∪ B ) = 0.60

a) Primera forma de probar independencia.

Para aplicar la formula, P( A / B ) = P(A )

P( A ∩ B)
debemos utilizar la fórmula de la probabilidad condicional: P(A / B ) = ,
P( B)

además P ( A ∩ B ) = P( A ) + P( B ) – P( A ∪ B) = 0.55 + 0.20 – 0.60 = 0.15

0.15
Luego, P( A / B ) = = 0.75 y P(A) = 0.55, estas probabilidades son distintas, por lo
0.20
tanto los eventos A y B no son independientes.

b) Segunda forma de probar independencia.

Si A y B independientes ⇔ P ( A ∩ B ) = P ( A ) · P ( B ), sabemos que P(A ∩ B ) = 0.15

del cálculo anterior.
 Amer Rivas Aguilera 50
P(A) = 0.55 y P(B) = 0.20, luego P(A) · P(B) = 0.11. Por lo tanto no son
independientes.

Teorema 7:

Si A y B son eventos independientes entonces:

a) A y Bc son independientes; es decir, P ( A ∩ Bc ) = P ( A ) · P ( Bc ).

b) Ac y B son independientes; es decir, P( Ac ∩ B ) = P ( Ac ) · P ( B ).

c) Ac y Bc son independientes; es decir, P (Ac ∩ Bc ) = P ( Ac ) · P (Bc ).

Teorema 8. De probabilidad total.

Sean B1, B2, ……, Bk una partición de un espacio muestral Ω y Bi ∩ Bj = Ø ∀ i ≠ j. B

Entonces para cualquier evento E en Ω se tiene:

P ( E ) = P( E / B1 ) · P( B1) + P( E / B2) · P( B2 ) + …. + P( E / Bk) · P( Bk ),

k
o bien, P( E ) = ∑
i =1
P( E / Bi ) · P ( Bi )

Teorema 9. Teorema de Bayes.

Sean B1, B2, ……, Bk una partición de un espacio muestral Ω y Bi ∩ Bj = Ø ∀ i ≠ j. tal que
B

P(E) es distinta de cero, se tiene:

P ( B i )· P ( E / B i )
P( Bi / E ) = k
, i = 1, 2, …k
∑j =1
P ( B j )· P ( E / B j )

Ejemplo 8.9.
Dos jaulas contienen ratas experimentales. Una contiene cinco ratas café y seis blancas.
La segunda jaula contiene dos ratas café y cinco blancas. Se selecciona una jaula al azar
y se elige una rata de ella.

a) ¿Cuál es la probabilidad que la rata sea de color café?

b) Si la rata elegida es de color café ¿Cuál es la probabilidad que provenga de la segunda

jaula?.

Solución.

Ω = ( w / w es una rata de una de las jaulas)

B1 = ( w ∈ Ω / w pertenece a la jaula I)
B

B2 = ( w ∈ Ω / w pertenece a la jaula II ) = B1c.

B

E = ( W ∈ Ω / w es de color café)

P(B1) = 0.5, P(B2) = 0.5 , P(E/B1 ) = 5/11, P (E / B2) = 2/7.

 Amer Rivas Aguilera 51
a) P( E) = P (B 1) · P( E / B1) + P(B2 ) · P( E / B2 )
B B B

= (0.5) · (5/11) + (0.5) · ( 2 / 7 ) = 57 / 154.

La probabilidad que la rata elegida sea de color café es 57 / 154.

b) Aplicamos teorema e Bayes directamente.

P ( B 2 )· P ( E / B 2 )
P(B2 / E ) =
P(E )

( 0 .5 )·( 2 / 7 ) 22
P(B2 / E ) = = .
57 / 154 57

La probabilidad que la rata haya sido elegida de la jaula II es 22 / 57.

 Amer Rivas Aguilera 52
LISTADO DE EJERCICIOS Nº 4

1-. El Gerente de una tienda de ropa desea determinar la relación entre el tipo de cliente
y la forma de pago. Ha recopilado la siguiente información:

Forma de pago
Clientes
Crédito Contado Total
Habituales 70 50 120
No habituales 40 40 80
Total 110 90 200

a) Dé un ejemplo de de un evento simple

b) Dé un ejemplo de un evento conjunto
c) ¿Cuál es el complemento del evento contado?
d) ¿Por qué es un evento conjunto el “cliente habitual que paga al contado”?
e) Dibuje un diagrama de Venn.

Si se selecciona un cliente al azar ¿Cuál es la probabilidad de que:

f) Sea un consumidor habitual?
g) Pague a crédito?
h) No sea un consumidor habitual?

2-. Supongamos que en cierta población el 20% pertenece al grupo de sangre tipo A y
que el 60% de la población es mayor de 30 años. Además se sabe que el 10% de la
población tiene sangre tipo A y es menor de 30 años. De esta población se elige un
individuo al azar. Calcule la probabilidad de que:

a) El individuo tenga sangre tipo A.

b) El individuo sea mayor de 30 años.
c) El individuo tenga sangre tipo A y sea mayor de 30 años
d) El individuo tenga sangre tipo A o sea mayor de 30 años.
e) Si se sabe que el individuo es de sangre tipo A, ¿Cuál es la probabilidad de que sea
mayor de 30 años?
f) Si se sabe que el individuo es mayor de 30 años ¿Cuál es la probabilidad de que
tenga sangre tipo A?

3-. La tabla siguiente contiene información sobre las ventas de marcos de lentes ópticos,
en un centro comercial.

Tamaño Material del marco óptico.

del marco Plástico Metal otros total
Grande 12 8 5 25
Medio 23 31 1 55
Pequeño 6 6 8 20
total 41 45 14 100

Si se elige un marco al azar, ¿Cuál es la probabilidad de que:

a) El marco sea de tamaño grande.
b) El material del marco sea metal.
c) El marco óptico sea de tamaño mediano y sea plástico.
d) El marco sea de otro material o pequeño.
e) Si se sabe que el marco es pequeño. ¿Cuál es la probabilidad de que sea de metal?
f) Si se sabe que el marco es de otro material ¿Cuál es la probabilidad de que sea
mediano?
 Amer Rivas Aguilera 53

4-. Un laboratorio muy específico, recibe muestras de distintas ciudades, antes de

realizar los exámenes se prueban las muestras debido a un error al transportarlas y
se detectaron las siguientes contaminaciones:
Ciudad Defectuosa No defectuosa total
San Luis 0.20 0.30 0.50
Toledo 0.05 0.15 0.20
Chicago 0.03 0.27 0.30
Total 0.28 0.72 1

Si se elige una muestra al azar, calcule la probabilidad de que:

a) La muestra sea de Chicago y sea defectuosa
b) La muestra sea de Chicago y no sea defectuosa.
c) La muestra sea de San Luis o no sea defectuosa.
d) La muestra sea de Toledo o sea defectuosa.
e) Si se sabe que la muestra es defectuosa ¿Cuál es la probabilidad de que sea de
Chicago?
f) Si la muestra es de Chicago ¿Cuál es la probabilidad de que sea defectuosa?

5-. La siguiente Tabla muestra las probabilidades de una empresa de los accidentes que
se producen. Clasifica los trabajos como peligrosos y no peligrosos y mide el número de
accidentes.

Accidentados No accidentados Total

Peligroso 0.10 0.10 0.20
No peligroso 0.05 0.75 0.80
Total 0.15 0.85 1

a) Si en la empresa trabajan 1000 obreros, ¿Cuántas personas se han accidentado?

b) Si un obrero está realizando un trabajo no peligroso ¿Cuál es la probabilidad de
que se accidente?
c) De los 1000 obreros ¿Cuántos realizan trabajos peligrosos?
d) ¿Cuál es la probabilidad de que un obrero realice un trabajo peligroso?
e) ¿Cuál es la probabilidad de que no hayan accidentados?
f) ¿Cuántos de los 1000 obreros corren riesgo de accidentarse, realizando trabajos
peligrosos?
g) Si se sabe que realizan trabajos peligrosos ¿Cuántos obreros se pueden accidentar?

6-. De 100 estudiantes, 30 son hombres, 10 de los cuales aprueban. Treinta y cinco de
las mujeres aprueban ¿Cuál es la probabilidad de que un estudiante elegido al azar
sea una mujer que aprueba?
Resp: 0.35

7-. El 35% de los miembros de un club de salud son mujeres. El 60% de los miembros
tienen menos de 30 años. El 80% de las mujeres, tienen menos de 30 años. ¿Cuál es
la probabilidad de que un miembro del club elegido al azar sea una mujer y tenga
menos de 30 años?.
Resp: 0.28

8-. De acuerdo con los índices de mortalidad, la probabilidad de que una persona de 65
años llegue a los 66 es 0.96. Un matrimonio ha cumplido 65 años ¿Cuál es la
probabilidad de que ambos esposos, cumplan los 66 años.
 Amer Rivas Aguilera 54

9-. Suponga que A y B son dos eventos definidos sobre un espacio muestral S, tal que
P(A)=0.6; P(B) = 0.4 y P( A y B) = 0.2. Calcule:
a) P(A o B) = d) P(Ac y B ) =
c c
b) P(A y B ) = e) ( (A o B)c) =
c) P(B-A) =

10-. La probabilidad de que Juanito estudie para su examen de final de Estadística es

0.2. Si estudia, la probabilidad que apruebe es 0.8, pero si no estudia la probabilidad
de aprobar es solo de 0.5.
¿Cuál es la probabilidad de que Juanito apruebe su examen?

11-. Sean dos sucesos A y B con probabilidades: P(A) = ¼ y P(A U B) = 1/3.

a) Determine P(B), si A y B son sucesos mutuamente excluyentes.
b) Determine P(B), si A y B son eventos independientes.

12-. Una empresa constructora tiene un 50% de jornales, un 30% de técnicos y un 20%
de personal administrativo. En una obra determinada, el 82% de los jornales goza de
salud compatible con el trabajo, el 65% de los técnicos y el 50% de los administrativos.
Si se selecciona un trabajador al azar:
a) Determine la probabilidad que tenga salud compatible
b) Si el trabajador no tiene salud compatible, ¿Cuál es la probabilidad que sea un
técnico?

13-. Una gran empresa industrial utiliza tres hoteles para proporcionar alojamiento a sus
clientes durante su estadía. De anteriores experiencias se sabe que al 20% de ellos se
le asigna habitaciones en el Alborada, al 50% en el Araucano y al 30% en el Holiday
Inn Express. Si se sabe que existe una falla en el servicio de plomería en el 5% de los
cuartos del Alborada, en el 4% de los del Araucano y en el 8% de los cuartos del
Holiday ¿cuál es la probabilidad de que a un cliente, con problemas de plomería en el
cuarto, se le haya asignado alojamiento en el Alborada?

14-. Se ha diseñado una nueva forma de diagnosticar un tipo particular de cáncer. Si el

procedimiento se aplica a una persona con cáncer, la probabilidad de una reacción
positiva es de 0.95 y la probabilidad de que teniendo cáncer reaccione negativamente
es de 0.05. Si se aplica a una persona sana, la probabilidad de una reacción positiva
es de 0.05 y que reaccione negativamente 0.95. Por otra parte, la probabilidad de
tener este tipo de cáncer es 0.0001. Si se selecciona una persona al azar, se analiza
su reacción y es positiva, ¿Cuál es la probabilidad de que tenga cáncer?