Facultad de Ciencias Económicas y sociales.

Departamento de Estadística.
Estadística Especializada.
Estadística Industrial II.
EST-123.
Sección 03.

Joel Patiño.

Semestre 2018-20.

Azilde Marleny Pol. 100388614.

Ing. Industrial.

Práctica I.

Introducción a la teoría de probabilidad.

¿Qué es probabilidad?
La probabilidad de un suceso es un número, comprendido entre 0 y 1, que
indica las posibilidades que tiene de verificarse cuando se realiza un
experimento aleatorio.
La probabilidad es simplemente qué tan posible es que ocurra un evento
determinado.
Fórmula de Probabilidad:
Simplificando, la probabilidad de un suceso X se puede calcular mediante la
siguiente fórmula:
P(X) = Nº de casos en que sucede X / Nº de casos totales

¿Por qué se estudia la probabilidad?

La importancia esencial de la aplicación de los métodos de cálculo de la
probabilidad reside en su capacidad para estimar o predecir eventos. Cuanto
mayor sea la cantidad de datos disponibles para calcular la probabilidad de un
acontecimiento, más preciso será el resultado calculado. Dada la complejidad de
los sistemas en los que suele aplicarse la teoría de la probabilidad, se requiere de
modelos informáticos y estadísticos de gran elaboración, que serían imposibles
de no contarse con los modernos recursos tecnológicos relacionados con la
computación.

Un buen ejemplo de su aplicabilidad cotidiana lo constituyen los análisis del

comercio de las commodities (materias primas) en las relaciones
internacionales actuales. Dado que gran parte de los factores involucrados en la
estimación de la producción son azarosos (vientos, humedad ambiental,
exposición solar, mano de obra real, condiciones económicas y financieras
locales, avatares políticos regionales, entre otros), la teoría de la probabilidad
resulta de gran importancia, ya que intenta ajustar en conceptos matemáticos
cual será el devenir de los acontecimientos para calcular, por ejemplo, la
producción final de cereales, combustibles fósiles y otros recursos de un área
geográfica.
Por lo tanto, la probabilidad es una herramienta fundamental en la planificación
estratégica de los movimientos sociales, económicos y laborales de toda la
comunidad.

Enfoques de la probabilidad.
La probabilidad tiene 3 enfoques:
 Enfoque clásico, a priori o de Laplace,
 Enfoque empírico, frecuencia o a posteriori.
 Enfoque matemático, axiomático o de Kolmogorov.
Enfoque clásico, a priori o de Laplace.
Este enfoque define la probabilidad como un número, determinado de la
siguiente forma: P(A)= (n(A))/(n(S))
Dónde:
S = Cardinal del espacio maestral S del experimento.
N(A) = Cardinal del evento A.

La aplicación de este enfoque supone las siguientes condiciones:

 Trabaja con espacios muéstrales finitos.
 Los puntos de S deben ser igualmente importantes, esto es, igual peso
específico.
Ejemplo.
El dueño de la fábrica de computadoras Mickey Inc. Quiere saber cuál es la tasa
de defectos que posee su empresa. Se tomó una muestra de 450 computadoras
de las cuales 3 salieron defectuosas.
Solución.
Para saber la tasa de defectos utilizamos la fórmula de probabilidad clásica. Así
notaremos qué tan posible es que se encuentren computadoras defectuosas.
P(X)= 3/450.
P(X)= 0.0066666666667.
Y como se busca la tasa de defectos entonces,
%P(X)= 0.67%
Esto se interpreta como sigue:
La probabilidad de obtener un computador defectuoso es de 0.67%.

Enfoque empírico, frecuencia o a posteriori

El enfoque empírico utiliza la frecuencia relativa como una aproximación al
valor de la probabilidad de un evento, esto se refiere a un valor empírico de la
probabilidad de ocurrencia del evento, la cual es un valor teórico resultante de
un cálculo matemático.
Es conveniente por lo tanto tener, presente el concepto de frecuencia, como la
cantidad de veces que ocurre un evento en un determinado periodo. Ahora bien,
las frecuencias pueden ser absolutas o relativas:
Frecuencia absoluta: Es el número de veces que se presenta un evento
determinado en un experimento.
Frecuencia relativa: Es la fracción o porción de veces que se presenta un evento
determinado en un experimento.
La frecuencia relativa para un evento A esta dada por:
fA: (frecuencia absoluta)/(número de ejecuciones del experimento)= (Número
de veces que ocurre A)/(Número de ensayos)
fA: nA/n
nA
P(A) = lim
n→∞ n
Come se puede observar en la expresión anterior, la frecuencia relativa tiende a
la probabilidad de ocurrencia del evento en el límite, es decir cuando el
experimento se ejecuta un gran número de veces.
Ejemplo.
En una fábrica de refrescos se analiza el llenado de las botellas de un litro, para
ver si estas cumplen la norma. Se toman las siguientes muestras:
Lote No. No. fr
muestras defectos
3459 35 3 0.086
3598 40 5 0.125
30287 20 2 0.100
3134 30 2 0.060

Con esto llegamos a la conclusión de que en el lote 3598 existe una probabilidad
mayor de que no se cumpla la norma de llenado.

Enfoque matemático, axiomático o de Kolmogorov

Este enfoque se presenta por medio de tres axiomas, los cuales son la
fundamentación de toda la teoría de probabilidad.
Axioma 1:
0 < = P(A) < = 1
Esto indica que la probabilidad de ocurrencia de un evento es un número, el
cual debe oscilar siempre entre 0 y 1, sin contradecir la definición dada por
Laplace en el enfoque clásico.
El extremo superior representa la certeza absoluta de la no ocurrencia del
evento, mientras que el inferior representa la certeza absoluta de la ocurrencia
del evento. Cualquier otro valor entre 0 y 1 indica incertidumbre acerca de la
ocurrencia del evento.
Axioma 2:
P(S) = 1 P( ø ) = 0
P(S) representa la probabilidad de ocurrencia de algún resultado cuando se
realiza un experimento aleatorio, y de acuerdo con el axioma 1, esta
probabilidad debe ser 1. En consecuencia, la probabilidad del evento vacío debe
ser 0.
Axioma 3: Si A y B son eventos mutuamente excluyentes, entonces la
probabilidad de su unión es la suma de sus probabilidades individuales.
P(A U B) = P(A) + P(B)
La expresión anterior es generalizable a más de dos eventos, así:
P(A1 U A2 U A3 U … U An ) = P(A1) + P(A2) + P(A3) + … + P(An)
Ejemplo.
En una llenadora de gas ha renovado la nómina de operadores. Para ofrecer
seguridad a los nuevos empleados se ha hecho un análisis de área de trabajo
para disminuir los posibles accidentes. Según las respuestas del formulario
siguiente, donde 0 representa la negación y 1 afirmación. ¿Con qué grado de
certidumbre puede presentarse un accidente?
Las válvulas se cambian con frecuencia 0
Los tanques están en buenas condiciones 1
Los barómetros son calibrados 1
Los empleados son entrenados para reaccionar 1
ante una fuga
Los equipos extintores están a disposición 0
Las mangueras reciben mantenimiento 1

Según los resultados tenemos seis eventos que pueden provocar accidentes
graves, donde dos de ellos indican que son más propicios. Por lo que utilizando
la fórmula de probabilidad clásica tenemos:
P(X)= 2/6 =1/3 =0.333
Podemos concluir que existe una incertidumbre de 0.333 de que ocurra un
accidente en la llenadora de gas.

Probabilidad clásica y concepto de frecuencia relativa.

Es el número de resultados favorables a la presentación de un evento dividido
entre el número total de resultados posibles. Asignación de probabilidad "a
priori", sin necesidad de realizar el experimento.
La probabilidad clásica o teórica se aplica cuando cada evento simple del
espacio muestral tiene la misma probabilidad de ocurrir.
Fórmula para obtener la probabilidad clásica o teórica:
P (E)= número de resultados favorables/número total de resultados posibles.
Ejemplo.
En una agencia turística se está organizando un viaje a Dubai para parejas. Con
la siguiente información diga qué tan probable es que algún cliente compre el
paquete.
Cliente Estado civil
Mario Soltero
Elena Soltera
Julia Casada
Alberto Casado
Frank Soltero
Lucero Soltera
Ashley Casada
Daniel Casado
William Sotero
Jade Soltera
Joan Soltero

Tenemos un total de 11 personas, entre ellas, 4 son casadas y las otras 7 no lo

son. Teniendo en cuenta esto:
P(X)= 4/11 = 0.363636…
Entonces la conclusión es que existe un 36% de probabilidades de que alguno de
los clientes compre el paquete.

Eventos o sucesos aleatorios.

Es un acontecimiento que ocurrirá o no, dependiendo del azar. Es, por tanto, el
resultado de una experiencia aleatoria.
Cada uno de los casos que se pueden dar al realizar una experiencia aleatoria se
llama suceso elemental. El conjunto formado por todos los sucesos se llama
espacio muestral y se designa por E.
El espacio muestral se llama suceso seguro porque es seguro que ocurre. Es
decir, su probabilidad es 1. Se llama suceso imposible al conjunto vacío, Ø, que
no tiene ningún suceso elemental. Recibe este nombre porque es imposible que
ocurra. Su probabilidad es cero.
Ejemplo.
En la fábrica de computadores Mickey Inc. Los sucesos aleatorios son que los
computadores tengan defectos, o no.
Espacios muestrales.
Por espacio muestral (también conocido como espacio de muestreo) se entiende
el grupo de todos los resultados específicos que se pueden obtener tras una
experimentación de carácter aleatorio. A cada uno de sus componentes se los
define como puntos muestrales o, simplemente, muestras.
Ejemplo.
En el ejercicio de la agencia turística el espacio muestral es ‘soltero’/’casado’.

Sucesos no mutuamente excluyentes.

Son aquellos que a la hora de que sucedan no se descarta la posibilidad de otro,
es decir pueden suceder dos eventos en el mismo acto.
Ejemplo.
En la llenadora de gas existe posibilidades de que suceda un accidente por
alguna válvula desgastada, pero también puede suceder un accidente por no
tener equipo de extintores.

Sucesos independientes.
Dos sucesos A y B son independientes si la realización de A no condiciona la
realización de B, es decir:
P (B/A)= P (B)
P (A∩B)= P (A) · P (B)
Ejemplo.
Haciendo una encuesta telefónica, hemos preguntado a 1000 personas si creían
necesario que hubiera más iluminación en la calle por la noche.
Nos han respondido 480 hombres, de los cuales 324 han respondido que sí, y
156 que no, y 520 mujeres, de las cuales 351 han respondido que sí, y 169 que
no. Nos preguntamos si hombres y mujeres tienen una opinión diferente, o bien
si es irrelevante para la cuestión.
Consideremos los sucesos A="querer más luz (haber respondido sí)", B="que
haya respondido un hombre".
Nos preguntamos si A y B son independientes, es decir, si el hecho de querer
más luz depende de si se es hombre o mujer.
Calculemos las probabilidades:
P(A)= (324+351)/1000 = 675/1000.
Por la regla de Laplace (son todos los que han respondido que sí, sumando
hombres y mujeres).
P (B)= 480/1000
Los hombres que nos han respondido entre el total de llamadas.
P (A∩B)= 324/1000
Los que son hombres y han respondido que sí.
Se cumple que:
324/1000= 675/1000 · 480/1000
Por lo que los sucesos son independientes. En otras palabras, el hecho de ser
hombre o mujer no ha influido para saber si quieren o no más luz.

Sucesos dependientes.
Dos sucesos son dependientes si la realización de A condiciona la realización de
B, es decir, P (B/A) es diferente a P (B).
P (A∩B)= P (A) · P (B/A)
Si no se cumple la ecuación independiente quiere decir que el suceso es
dependiente.

Reglas básicas de la probabilidad.

Probabilidad total
Sean A y B dos sucesos definidos en el experimento E, cada uno de los cuales
puede presentarse o no cada vez que se realiza el experimento. Plantee estos dos
sucesos en cada uno de los experimentos dados.
Nos interesa considerar el suceso aparición de “al menos uno de ellos”
Es decir, el suceso se cumplirá si aparece A, si lo hace B o si lo hacen ambos.
Para calcular esta probabilidad se pueden presentar dos casos:
Se puede obtener para tres sucesos y luego generalizar más.

Probabilidad condicional.
Hay situaciones en las que interesa calcular la probabilidad de sucesos que
tienen cierta información con respecto a un experimento. Dicha información
reduce el espacio muestra original a uno de sus subconjuntos. De esta forma la
probabilidad de un suceso será diferente si se tiene o no información adicional.
Así por ejemplo, un animal elegido de aquellos que están vacunados tendrá una
probabilidad mayor de no contraer la enfermedad que aquel seleccionado entre
el conjunto total de animales. Este tipo de probabilidad se denomina
probabilidad condicional y se expresa:
P(A / B) que se lee: probabilidad de que habiendo ocurrido B ocurra A, o
probabilidad de A habiendo ocurrido B.

Probabilidad compuesta o conjunta.

La probabilidad condicional estudiada nos conduce a observar reglas de
probabilidad para sucesos conjuntos, es decir, la probabilidad de que dos o más
sucesos aparezcan al mismo tiempo.
Dado que:

Dos sucesos se dicen independientes si la probabilidad de ocurrencia de uno no

es afectada por la ocurrencia del otro. Luego

Regla de la suma o adición y regla de la multiplicación.

Regla de la suma.
Para calcular probabilidades utilizando la regla de la suma, es de gran utilidad
descomponer los eventos en otros que sean mutuamente excluyentes, ya que
ésta, suma las áreas que no tienen puntos en común.
La metodología a seguir presenta cuatro pasos a saber:
1. Identificar los puntos muestrales, utilizando el diagrama del árbol.
2. Definir el espacio muestral.
3. Representar en un diagrama de Venn el espacio muestral.
4. Calcular la probabilidad de la unión de eventos.
La ley aditiva o regla de la suma para eventos mutuamente excluyentes o
desarticulados, es decir que no pueden suceder al mismo tiempo y que no tienen
puntos en común, se aplica sumando las probabilidades de los eventos
considerados.
Eventos Probabilidad de unión
A,B P (A∪B)= P (A)+P (B)
A,B,C P (A∪B∪C)= P (A)+P (B)+P (C)

Cuando los eventos tienen puntos en común, es decir pueden suceder al mismo
tiempo y tienen intercepto, se pueden descomponer en eventos mutuamente
excluyentes para aplicar la ley aditiva, sumando las probabilidades de estos.
Si A y B son dos eventos, entonces:
P (A∪B)= P (A)+P (B) –P (AB)

Regla de multiplicación.
Si A y B son dos eventos independientes en un experimento de probabilidad,
entonces la probabilidad que ambos eventos ocurran simultáneamente es:
P (A∪B)= P (A) · P (B)
En caso de los eventos dependientes, la probabilidad que ambos eventos
ocurran simultáneamente es:
P (A∪B)= P (A) · P (B/A)

Diagramas de árbol.
El diagrama de árbol es una representación gráfica que resulta útil para
entender un experimento y enumerar los resultados de varias etapas.
Teorema de Bayes.
El teorema de Bayes se utiliza para revisar probabilidades previamente
calculadas cuando se posee nueva información. Desarrollado por el reverendo
Thomas Bayes en el siglo XVII, el teorema de Bayes es una extensión de lo que
ha aprendido hasta ahora acerca de la probabilidad condicional.
Comúnmente se inicia un análisis de probabilidades con una asignación inicial,
probabilidad a priori. Cuando se tiene alguna información adicional se procede
a calcular las probabilidades revisadas o a posteriori. El teorema de Bayes
permite calcular las probabilidades a posteriori y es: