TEORÍA DE LA DECISIÓN

Material de estudio complementario

Compilado por: Prof. Diana C. Tascón-Hoyos

1.1. INTRODUCCIÓN A LA PROBABILIDAD1

1.2. PROBABILIDAD

1.1. Espacio Muestral

El conjunto de todos los resultados posibles de un experimento estadístico

se llama espacio muestral y se representa por el símbolo 𝑺

Ejemplo
Considere el experimento de lanzar un dado. Si nos interesamos en el número que
muestre la cara superior, el espacio muestral sería:
𝑆1 = {1, 2, 3, 4, 5, 6}

Si nos interesamos sólo en si el número es par o impar, el espacio muestral

simplemente será:
𝑆1 = {𝑝𝑎𝑟, 𝑖𝑚𝑝𝑎𝑟}

Esto ilustra el hecho de que se puede usar más de un espacio muestral para
describir los resultados de un experimento.

En algunos experimentos es útil listar los elementos del espacio muestral de forma
sistemática utilizando un diagrama de árbol

Ejemplo
Un experimento consiste en lazar una moneda y después lanzarla una segunda vez
si sale cara. Si sale sello en primer lanzamiento, entonces se lanza un dado una
vez. Para listar los elementos del espacio muestral, se construye el diagrama de
árbol que se muestra a continuación:

1
Tomado de (Walpole, Myers, & Myers, 2007)

1
 TEORÍA DE LA DECISIÓN
Material de estudio complementario
Compilado por: Prof. Diana C. Tascón-Hoyos

Primer Segundo Punto

Resultado Resultado Muestral

C CC
C
S CS

1 S1
2 S2
3 S3
S
4 S4
5 S5

6 S6

Al seguir a lo largo de todas las trayectorias, vemos que el espacio muestral es:

𝑆 = {𝐶𝐶, 𝐶𝑆, 𝑆1, 𝑆2, 𝑆3, 𝑆4, 𝑆5, 𝑆6}

Los espacios muestrales con número grande o infinito de puntos muestrales se

describen mejor mediante un enunciado o regla. Por ejemplo, si los resultados
posibles de un experimento son el conjunto de ciudades con una población de más
de un millón, el espacio muestral se escribe como:

𝑆 = {𝑥|𝑥 𝑒𝑠 𝑢𝑛𝑎 𝑐𝑖𝑢𝑑𝑎𝑑 𝑐𝑜𝑛 𝑢𝑛𝑎 𝑝𝑜𝑏𝑙𝑎𝑐𝑖ó𝑛 𝑑𝑒 𝑚á𝑠 𝑑𝑒 𝑢𝑛 𝑚𝑖𝑙𝑙ó𝑛}

Se lee “S es el conjunto de todas las ciudades 𝑥 tales que 𝑥 es una población de más de
un millón”, la barra vertical se lee “tal que”

2
 TEORÍA DE LA DECISIÓN
Material de estudio complementario
Compilado por: Prof. Diana C. Tascón-Hoyos

1.2. Eventos

Un evento es un subconjunto del espacio muestral

Ejemplo
Dado el espacio muestral 𝑆 = {𝑡|𝑡 ≥ 0}, donde 𝑡 es la vida en años de cierto componente
electrónico, entonces el evento 𝐴 de que tal componente falle antes de que finalice el
quinto año es el subconjunto 𝐴 = {𝑡|0 ≤ 𝑡 < 5}

El complemento de un evento 𝑨 respecto de 𝑺 es el subconjunto de todos

los elementos de 𝑺 que no están en 𝑺. Se denota el complemento de 𝑨
como 𝑨’

Ejemplo

Sea
𝑆 = {1, 2, 3, 4, 5, 6}

Sea 𝐴, el evento que contiene los nueros pares de 𝑆, entonces

𝐴 = { 2, 4, 6}, entonces 𝐴´ = { 1, 3, 5}.

La intersección de dos eventos 𝑨 y 𝑩, que se denota con el símbolo 𝑨 ∩ 𝑩,

es el evento que contiene todos los elementos que son comunes a 𝑨 y a 𝑩

Dos eventos 𝑨 y 𝑩 son mutuamente excluyentes o disjuntos si 𝑨 ∩ 𝑩 = ∅

La unión de dos eventos 𝑨 y 𝑩, que se denota con el símbolo 𝑨 ∪ 𝑩, es el

evento que contiene todos los elementos de que pertenecen a 𝑨 o a 𝑩 o a
ambos

3
 TEORÍA DE LA DECISIÓN
Material de estudio complementario
Compilado por: Prof. Diana C. Tascón-Hoyos

A S
1

2 4
3
5 6 7

C B
Ilustración 1. Representación de Eventos por Regiones

Dado el diagrama anterior indique las regiones que representas las siguientes
situaciones:
𝐴∩𝐵
𝐵∩𝐶
𝐴∪𝐵
𝐴∩𝐵∩𝐶
(𝐴 ∪ 𝐵) ∩ 𝐶′

1.3. Conteo de Puntos Muestrales

Si una operación se puede llevar a cabo de 𝒏𝟏 formas, y si para cada una

de estas se puede realizar una segunda operación de 𝒏𝟐 formas, entonces
las dos operaciones se pueden ejecutar juntas de 𝒏𝟏 𝒏𝟐 formas

Si una operación se puede llevar a cabo de 𝒏𝟏 formas, y si para cada una

de estas se puede realizar una segunda operación de 𝒏𝟐 formas, y para
cada una de las dos primeras se puede realizar una tercera operación de
𝒏𝟑 formas, y así sucesivamente, entonces la serie de 𝒌 operaciones se
puede realizar de 𝒏𝟏 𝒏𝟐 𝒏𝟑 … 𝒏𝒌 formas

Ejemplo
Sam va a armar una computadora por sí mismo. Tiene la opción de comprar los
chips entre dos marcas, un disco duro de cuatro marcas, la memoria de tres marcas
y un conjunto de accesorios en cinco tiendas locales. ¿De cuantas formas diferentes
puede Sam comprar las partes?

4
 TEORÍA DE LA DECISIÓN
Material de estudio complementario
Compilado por: Prof. Diana C. Tascón-Hoyos

Como 𝑛1 = 2, 𝑛2 = 4, 𝑛3 = 3 y 𝑛4 = 4, hay 2x4x3x5 = 120 formas diferentes de comprar las

partes.

Una permutación es un arreglo de todo o parte de un conjunto de objetos

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 de es:
𝑛!
𝑛 𝑃𝑟 =
(𝑛 − 𝑟)!

Ejemplo
Se van a elegir a un presidente y a un tesorero de un club estudiantil compuesto
por 50 personas, ¿Cuántas opciones diferentes de funcionarios son posibles?
50!
50 𝑃2 = = 2450
(50 − 2)!

El número de permutaciones de 𝒏 objetos distintos arreglados en un

círculo es:

(𝑛 − 1)!

El número de permutaciones distintas de 𝒏 objetos de los que 𝒏𝟏 son de

una clase, 𝒏𝟐 de una segunda clase,.. 𝒏𝒌 de una 𝒌 − é𝒔𝒊𝒎𝒂 clase es:
𝑛!
𝑛1 ! 𝑛2 ! … 𝑛𝑘 !

Ejemplo
Durante un entrenamiento del equipo de fútbol americano de la universidad, el
coordinador defensivo necesita tener 10 jugadores parados en una fila. Entre estos
10 jugadores, hay 1 de primer año, 2 de segundo año, 4 de tercer año y 3 de cuarto
año. ¿De cuantas formas diferentes se pueden arreglar en una fila si solo se
distingue su nivel de clase?

10!
= 12600
1! 2! 4! 3!

5
 TEORÍA DE LA DECISIÓN
Material de estudio complementario
Compilado por: Prof. Diana C. Tascón-Hoyos

El número de formas de partir un conjunto de 𝒏 objetos en 𝒓 celdas con

𝒏𝟏 elementos en la primera celda, 𝒏𝟐 elementos en la segunda celda, y
así sucesivamente es:

𝑛 𝑛!
( )=
𝑛1 , 𝑛2 , … , 𝑛𝑟 𝑛1 ! 𝑛2 ! … 𝑛𝑟 !

Donde, 𝑛1 + 𝑛2 + ⋯ +𝑛𝑟 = 𝑛

Ejemplo

¿En cuántas formas se pueden asignar siete estudiantes de posgrado a una habitación de
hotel triple y a dos dobles, durante su asistencia a una conferencia?

7 7!
( )= = 210
3,2,2 3! 2! 2!
En muchos problemas nos interesamos en el número de formas de seleccionar 𝑟 objetos
de 𝑛 sin importar el orden. Tales selecciones se llaman combinaciones.

El número de combinaciones de n objetos distintos tomados de r a la

vez es:

𝑛 𝑛!
( )=
𝑟 𝑟! (𝑛 − 𝑟)!

Ejemplo

Un niño pide a su mamá que le lleve cinco cartuchos de Game-Boy™ de su colección

de 10 juegos de aventura y 5 de deportes. ¿Cuántas maneras hay de que su mamá
le lleve 3 juegos de aventura y 2 de deportes?

El número de formas de seleccionar 3 cartuchos de 10 es:

10 10!
( )= = 120
3 3! (10 − 3)!

El número de formas de seleccionar 2 cartuchos de 5 es:

6
 TEORÍA DE LA DECISIÓN
Material de estudio complementario
Compilado por: Prof. Diana C. Tascón-Hoyos

5 5!
( )= = 10
2 2! (5 − 2)!

Utilizando la regla de la multiplicación, con 𝑛1 = 120 y 𝑛2 = 10, hay (120)(10) =

1200 formas.

1.4. Probabilidad de ocurrencia de un evento

La probabilidad de un evento 𝐴 es la suma de los pesos de todos los puntos

muestrales de 𝐴. Por lo tanto,
0 ≤ 𝑃(𝐴) ≤ 1, 𝑃(∅) = 0 y 𝑃(𝑆) = 1
Además, si 𝐴1 , 𝐴2 , 𝐴3 , … es una serie de eventos mutuamente excluyentes, entonces
𝑃(𝐴1 ∪ 𝐴2 ∪ 𝐴3 ,∪ … ) = 𝑃 (𝐴1 ) + 𝑃(𝐴2 ) + 𝑃 (𝐴3 ) …

Si un experimento puede tener como resultado cualquiera de 𝑵 diferentes

resultados igualmente probables, y si exactamente 𝒏 de estos resultados
corresponden al evento 𝑨, entonces la probabilidad del evento 𝑨 es:

𝑛
𝑃 (𝐴) =
𝑁

1.5. Reglas Aditivas

Si A y B son dos eventos cualquiera, entonces

𝑃 (𝐴 ∪ 𝐵) = 𝑃(𝐴) + 𝑃(𝐵) − 𝑃(𝐴 ∩ 𝐵)

Si A y B son dos eventos mutuamente excluyentes

𝑃 (𝐴 ∪ 𝐵 ) = 𝑃 (𝐴 ) + 𝑃 ( 𝐵 )

Si 𝑨𝟏 , 𝑨𝟐 , … , 𝑨𝒏 son dos eventos mutuamente excluyentes

𝑃(𝐴1 ∪ 𝐴2 ∪ … ∪ 𝐴𝑛 ) = 𝑃(𝐴1 ) + 𝑃(𝐴2 ) + ⋯ + 𝑃 (𝐴𝑛 )

7
 TEORÍA DE LA DECISIÓN
Material de estudio complementario
Compilado por: Prof. Diana C. Tascón-Hoyos

Si 𝑨𝟏 , 𝑨𝟐 , … , 𝑨𝒏 es una partición del espacio muestral

𝑃(𝐴1 ∪ 𝐴2 ∪ … ∪ 𝐴𝑛 ) = 𝑃(𝐴1 ) + 𝑃(𝐴2 ) + ⋯ + 𝑃(𝐴𝑛 ) = 𝑃(𝑆) = 1

¿Cuál es la probabilidad de obtener 7 u 8 cuando se lanza un par de dados?

1.6. Probabilidad Condicional

La probabilidad de que un evento 𝐵 ocurra cuando se sabe que ya ocurrió un evento 𝐴 se llama
probabilidad condicional y se denota por 𝑃(𝐴|𝐵), por lo general se lee la probabilidad de que ocurra
𝐵 dado que ya ocurrió 𝐴, o la probabilidad de 𝐵 dado 𝐴

La probabilidad de B dado A se determina como,

𝑃 (𝐴 ∩ 𝐵 )
𝑃(𝐵|𝐴) = 𝑠𝑖 𝑃(𝐴) > 0
𝑃(𝐴)
Dada la siguiente información que corresponde al género y la situación laboral de
un grupo de habitantes de una ciudad

Empleado Desempleado TOTAL

Hombre 460 40 500
Mujer 140 260 400
TOTAL 600 300 900

Uno de los individuos se seleccionará al azar para que realice un viaje a través del
país para promover las ventajas de establecer industrias nuevas en la ciudad.

Para el caso planteado calcular la probabilidad de que el elegido sea hombre

dado que tiene empleo

8
 TEORÍA DE LA DECISIÓN
Material de estudio complementario
Compilado por: Prof. Diana C. Tascón-Hoyos

La probabilidad de que un vuelo programado normalmente salga a tiempo es

𝑃(𝐷) = 0.83; la probabilidad de que llegue a tiempo es 𝑃(𝐴) = 0.82; y la
probabilidad de que llegue y salga a tiempo es 𝑃(𝐷 ∩ 𝐴) = 0.78. Encuentre
la probabilidad que a) Llegue a tiempo dado que salió a tiempo; b) Salió a
tiempo dado que llegó a tiempo

La noción de la probabilidad condicional proporciona la capacidad de reevaluar la

idea de la probabilidad de un evento cuando se tiene información adicional; es
decir, cuando se sabe que ya ocurrió otro evento

Eventos Independientes

Dos eventos A y B son independientes si

𝑃 (𝐵|𝐴) = 𝑃 (𝐵) 𝑦 𝑃(𝐴|𝐵) = 𝑃(𝐴)

1.7. Reglas Multiplicativas

Si en un experimento pueden ocurrir los eventos A y B, entonces

𝑃(𝐴 ∩ 𝐵) = 𝑃 (𝐴)𝑃(𝐵|𝐴)

Suponga que tenemos una caja de fusibles que contiene 20 unidades, de

cuales cinco están de están defectuosas. Si se seleccionan dos fusibles al azar
y se separan de la caja uno después del otro después del otro sin remplazar el
primero, ¿cuál es la probabilidad de que ambos fusibles estén defectuosos?

1.8. Teorema de Bayes

Si los eventos 𝐵1 , 𝐵2 , … , 𝐵𝑘 constituyen una partición del espacio muestral 𝑆, donde

𝑃(𝐵𝑖 ) ≠ 0, para 𝑖 = 1,2,3, … , 𝑘, entonces para cualquier evento 𝐴 en 𝑆 tal que 𝑃(𝐴) ≠ 0,
𝑃(𝐵𝑟 ∩ 𝐴) 𝑃(𝐵𝑟 )𝑃(𝐴|𝐵𝑟 )
𝑃(𝐵𝑟 |𝐴) = 𝑘 = 𝑘
∑𝑖=1 𝑃(𝐵𝑖 ∩ 𝐴) ∑𝑖=1 𝑃(𝐵𝑖 )𝑃(𝐴|𝐵𝑖 )

Ejemplo
En cierta planta de montaje, tres máquinas, 𝐵1 , 𝐵2 y 𝐵3 , montan 30%, 45% y 25%
de los productos, respectivamente. Se sabe de la experiencia pasada que 2%, 3% y
2% de los productos ensamblados en cada máquina, respectivamente tienen

9
 TEORÍA DE LA DECISIÓN
Material de estudio complementario
Compilado por: Prof. Diana C. Tascón-Hoyos

defectos. Ahora suponga que se selecciona de forma aleatoria un producto

terminado.

Considere los siguientes eventos:

𝐴: El producto está defectuoso
𝐵1 : El producto está ensamblado por la máquina B1
𝐵2 : El producto está ensamblado por la máquina B2
𝐵3 : El producto está ensamblado por la máquina B3

Así,
𝑃(𝐴) = 𝑃(𝐵1 )𝑃(𝐴|𝐵1 ) + 𝑃(𝐵2 )𝑃(𝐴|𝐵2 ) + 𝑃 (𝐵3 )𝑃(𝐴|𝐵3 )

𝑃(𝐴) = 0.3 ∗ 0.02 + 0.45 ∗ 0.03 + 0.25 ∗ 0.02 = 0.0245

Ahora considere que se elije al azar un producto y se encuentra que es defectuoso.
¿Cuál es la probabilidad de que haya sido ensamblado por la máquina 𝐵3 .
Usando el teorema de Bayes, tenemos :
𝑃(𝐵3 ∩ 𝐴) 𝑃(𝐵3 )𝑃(𝐴|𝐵3 ) 0.005 10
𝑃(𝐵3 |𝐴) = 3 = 3 = =
∑𝑖=1 𝑃(𝐵𝑖 ∩ 𝐴) ∑𝑖=1 𝑃(𝐵𝑖 )𝑃(𝐴|𝐵𝑖 ) 0.0245 49

2. Bibliografía
Walpole, R., Myers, R., & Myers, S. (2007). Probabilidad y Estadística para Ingeniería y Ciencias.
Pearson Educación.

10