PROBABILIDAD

• Experimento: es cualquier acción o proceso cuyo resultado está sujeto a la

incertidumbre (lanzar al aire una moneda una vez o varias veces, pesar una hogaza
de pan, obtener tipos de sangre de un grupo de individuos o medir las resistencias a
la compresión de diferentes vigas de acero).

• Espacio muestral de un experimento (S): es el conjunto de todos los posibles

resultados de dicho experimento. Ejemplos:

• S = {N,D} espacio muestral del experimento que consiste en examinar un fusible para
ver si está defectuoso. N: no defectuoso, D: defectuoso.

• ¿Cuál sería el espacio muestral S del experimento que consiste en examinar tres
fusibles en secuencia?
 PROBABILIDAD
• Experimento: es cualquier acción o proceso cuyo resultado está sujeto a la
incertidumbre (lanzar al aire una moneda una vez o varias veces, pesar una hogaza
de pan, obtener tipos de sangre de un grupo de individuos o medir las resistencias a
la compresión de diferentes vigas de acero).

• Espacio muestral de un experimento (S): es el conjunto de todos los posibles

resultados de dicho experimento. Ejemplos:

• S = {N,D} espacio muestral del experimento que consiste en examinar un fusible para
ver si está defectuoso. N: no defectuoso, D: defectuoso.

• ¿Cuál sería el espacio muestral S del experimento que consiste en examinar tres
fusibles en secuencia?
S = {NNN, NND, NDN, NDD, DNN, DND, DDN, DDD}
• Evento: es cualquier recopilación (subconjunto) de resultados contenidos en el
espacio muestral S.

✓ Evento simple: exactamente un resultado.

✓ Evento compuesto: más de un resultado.

Ejemplo: Se lanzan dos dados no cargados al aire. Determine:

a) El experimento aleatorio realizado.

b) El espacio muestral.
c) El evento compuesto de los resultados cuya suma sea 1.
d) El evento compuesto de los resultados cuya suma es 2.
e) El evento compuesto de los resultados cuya suma sea a lo sumo 6.
f) El evento compuesto de los resultados cuya suma sea de por lo menos 2.
 ALGUNAS RELACIONES - TEORÍAS DE
CONJUNTOS (I)
Cuando A ∩ B = ∅ (∅ denota el evento nulo – sin resultados), se dice que A y B son
eventos mutuamente excluyentes o disjuntos.
 ALGUNAS RELACIONES - TEORÍAS DE CONJUNTOS (II)
1. Complemento de un evento A (A’): es el conjunto de todos los resultados en S que
no están contenidos en A.

2. La unión de dos eventos (A U B): es el evento que consiste en todos los resultados
que están en A o en B o en ambos eventos. Se lee “A o B”.

3. La intersección de dos eventos (A ∩ B): es el evento que consiste en todos los

resultados que están tanto en A como en B. Se lee “A y B”.

Experimento: Se examinan tres fusibles en secuencia. Sea el evento A encontrar por lo

menos un defectuoso y el evento B, encontrar a lo sumo dos defectuosos. Encuentre A
U B, A ∩ B, B ‘, (A U B) ‘
S = {NNN, NND, NDN, NDD, DNN, DND, DDN, DDD}
 Propiedades de operaciones
entre conjuntos
1. 𝑆′ = ∅
2. 𝑆 ∪ 𝐴 = 𝑆 (recordar que A ⊆ 𝑆. Esto se lee como A contenido en S o A subconjunto de S)
3. 𝑆∩𝐴=𝐴
4. ∅ ∪ 𝐴 = 𝐴 (recordar que ∅ ⊆ 𝐴)
5. ∅∩𝐴= ∅
6. (𝐴 ∩ 𝐵)′ = 𝐴′ ∪ 𝐵′
7. (𝐴 ∪ 𝐵)′ = 𝐴′ ∩ 𝐵′
8. 𝐶 ∪ (𝐴 ∩ 𝐵) = (𝐶 ∪ 𝐴) ∩ (𝐶 ∪ 𝐵)
9. 𝐶 ∩ (𝐴 ∪ 𝐵) = (𝐶 ∩ 𝐴) ∪ (𝐶 ∩ 𝐵)
 DEFINICIÓN DE PROBABILIDAD
Hay dos definiciones de probabilidad:

1. Probabilidad clásica o a priori: Si un experimento aleatorio puede tener n resultados

posibles, los cuales se excluyen mutuamente, y son igualmente probables, y si m de estos
resultados poseen una característica E, entonces la probabilidad de ocurrencia de la
característica E es igual a:
𝑚
P E = “casos favorables sobre casos posibles”
n

Ejemplo: Una urna contiene seis balotas marcadas con los números 52, 65, 13, 23, 14 y
335. Si se extrae una balota al azar, determine la probabilidad de que esté marcado con un
número par.

2. Probabilidad frecuentista o a posteriori: Si un experimento aleatorio se repite un

número N de veces, con N grande, y si algún evento resultante, con la característica E
ocurre m’ veces, la frecuencia relativa de la ocurrencia de E en los N ensayos, m’/N, es
aproximadamente igual a la probabilidad de E.

m’
P E = N
Observación:

Se puede demostrar que:

m’ m
lim =
𝑁→∞ N n

Esto es, en el infinito, la probabilidad a posteriori converge a la probabilidad a priori.

Ejemplo: Determine la probabilidad de obtener una cara al lanzar una moneda no cargada
al aire.
 PROPIEDADES BÁSICAS DE
PROBABILIDAD
1. Para cualquier evento A, P(A) ≥ 0.

2. P(S) = 1.

3. Si A1, A2, A3. . . es un conjunto de eventos mutuamente excluyentes, entonces

𝑃 𝐴1 ∪ 𝐴2 ∪ 𝐴3 ∪ ∙∙∙ = σ∞
𝑖=1 𝑃( 𝐴𝑖 )
 MÁS PROPIEDADES DE
PROBABILIDAD
Proposiciones:

1. Para cualquier evento A, P(A) + P(A’) = 1, a partir de la cual P(A) = 1 – P(A’).

2. Para cualquier evento A, P(A) ≤ 1.

3. Para dos eventos cualesquiera A y B.

P(A U B) = P(A) + P(B) – P(A ∩ B)

Para tres eventos cualesquiera A, B y C,

P(A U B U C) = P(A) + P(B) + P(C) – P(A ∩ B) – P(A ∩ C) – P(B ∩ C) + P(A ∩ B ∩ C)

 TÉCNICAS DE CONTEO (I)
Principio de multiplicación: Si una operación se puede realizar en n formas distintas, y si
por cada una de estas formas, una segunda operación se puede llevar a cabo en m formas
diferentes, entonces las dos operaciones pueden realizarse juntas en n * m formas
diferentes (dos o más acciones simultáneas).

Ejemplo: Para la comida se tienen 3 opciones de plato fuerte, 2 opciones de ensalada y 4

opciones de postre. ¿De cuántas maneras diferentes se puede armar el menú para la
comida?

Principio aditivo: Si un evento A puede ocurrir de m maneras diferentes, y un evento B

puede ocurrir de n maneras diferentes, entonces el suceso A o el suceso B puede ocurrir
de m + n formas siempre que A y B no ocurran simultáneamente.

Ejemplo: Doña Amanda compró un pescado fresco para cocinarlo. Cuenta con tres recetas
diferentes para prepararlo al horno, dos para hacerlo frito y cuatro para prepararlo cocido.
¿De cuántas formas diferentes puede doña Amanda cocinar su pescado?
 TÉCNICAS DE CONTEO (II)
Factorial: Dado un número entero positivo n, se define el factorial de n, denotado por
n!, como el entero que se obtiene al multiplicar todos los enteros desde uno hasta n,
así:

n! = n * (n – 1) * (n – 2 ) * … * 2 * 1

Permutación: Una permutación es un arreglo de todo o parte de un conjunto de

objetos.

Teorema 1.2: el número de permutaciones de n objetos distintos, denotado por Pn está

dado por n!

𝑃𝑛 = 𝑛!

Ejemplo: ¿De cuántas maneras diferentes se pueden ubicar 4 libros en una biblioteca?
 TÉCNICAS DE CONTEO (III)
Teorema 1.3: el número de permutaciones de n objetos distintos, tomados de a r
objetos a la vez, con r ≤ n, denotado por n𝑃𝑟 está dado por:

𝑛!
n𝑃𝑟 = 𝑛−𝑟 !

Ejemplo: ¿De cuántas maneras diferentes se puede de un grupo de 4 personas

seleccionar dos para los cargos de presidente y vicepresidente?
 TÉCNICAS DE CONTEO (IV)
Teorema 1.7: El número de combinaciones de n-objetos distintos, tomando r a la vez,
con r ≤ n está dado por:

𝑛!
n𝐶𝑟 = 𝑟! 𝑛−𝑟 !

Ejemplo: ¿De cuántas maneras diferentes se puede a un grupo de 4 personas agrupar

en parejas?
 PROBABILIDAD CONDICIONAL
Definición:

Para dos eventos cualesquiera A y B con P(A) > 0, la probabilidad condicional de B dado
que A ha ocurrido está definida por

𝑃(𝐴 ∩ 𝐵)
𝑃 𝐵𝐴 =
𝑃(𝐴)

Definición 2.4.3. Eventos independientes.

Dos eventos A y B son independientes si y solo si la ocurrencia o no ocurrencia de uno de

ellos no afecta la probabilidad asignada a la ocurrencia del otro.

Teorema 2.12. Si dos eventos A y B son independientes, entonces

𝑃 𝐵 𝐴 = 𝑃(𝐵) o 𝑃 𝐴 𝐵 = 𝑃(𝐴)

Teorema 2.13. Dos eventos A y B son independientes si y solo si:

𝑃(𝐴 ∩ 𝐵) = 𝑃(𝐴)𝑃(𝐵)
Ejercicio: Suponga que cierto rasgo de oftalmología está asociado con el color de los ojos.
Se estudiaron 300 individuos elegidos aleatoriamente, con los resultados siguientes:

Rasgo Azul Café Otro Totales

Si 70 30 20 120
No 20 110 50 180
Totales 90 140 70 300

Si se selecciona una persona al azar, determine:

1. La probabilidad de que el color de sus ojos sea azul.

2. La probabilidad de que tenga el rasgo.
3. La probabilidad de que el color de los ojos no sea café.
4. La probabilidad de que tenga ojos color azul y no tenga el rasgo.
5. La probabilidad de que tenga ojos color azul dado que no tiene el rasgo.
6. La probabilidad de que tenga el rasgo dado que tiene ojos color café.
7. La probabilidad de que tenga ojos color azul o café.
8. La probabilidad de que tenga ojos color azul o tenga el rasgo.
 REGLA DE LA MULTIPLICACIÓN
PARA P(A ∩ B)

𝑃 𝐴 ∩ 𝐵 = 𝑃 𝐴 𝐵 ∙ 𝑃(𝐵)

Esta regla es importante porque a menudo es el caso de que se desea P(A ∩ B), en tanto
que 𝑃 𝐴 𝐵 y 𝑃(𝐵) pueden ser especificadas a partir de la descripción del problema.
 LEY DE LA PROBABILIDAD TOTAL
Sean A1, . . . , Ak eventos mutuamente excluyentes y exhaustivos. Entonces para cualquier
otro evento B,

División de B entre 𝐴𝑖 mutuamente excluyentes y exhaustivas

 LEY DE LA PROBABILIDAD TOTAL
Sean A1, . . . , Ak eventos mutuamente excluyentes y exhaustivos. Entonces para cualquier
otro evento B,

𝑃 𝐵 = 𝑃 𝐵 𝐴1 𝑃(𝐴1 ) + … + 𝑃 𝐵 𝐴𝑘 𝑃 𝐴𝑘 = σ𝑘𝑖=1 𝑃 𝐵 𝐴𝑖 𝑃 𝐴𝑖

División de B entre 𝐴𝑖 mutuamente excluyentes y exhaustivas

 TEOREMA DE BAYES
Sean A1, . . . , Ak un conjunto de eventos mutuamente excluyentes y exhaustivos con
probabilidades previas P(Ai) (i = 1, . . . , k). Entonces para cualquier otro evento B para el
cual P(B) > 0, la probabilidad posterior de Ai dado que B ha ocurrido es:

𝑃(𝐴𝑖 ∩𝐵) 𝑃 𝐵 𝐴𝑖 𝑃(𝐴𝑖)

𝑃 𝐴𝑖 𝐵 = = σ𝑘 𝑖 = 1, … , 𝑘
𝑃(𝐵) 𝑖=1 𝑃 𝐵 𝐴𝑖 𝑃 𝐴𝑖
Ejemplo: Una cadena de tiendas de video vende tres marcas diferentes de reproductores
de DVD. De sus ventas de reproductores de DVD, 50% son de la marca 1 (la menos cara),
30% son de la marca 2 y 20% son de la marca 3. Cada fabricante ofrece 1 año de garantía
en las partes y mano de obra. Se sabe que 25% de los reproductores de DVD de la marca 1
requieren trabajo de reparación dentro del periodo de garantía, mientras que los
porcentajes correspondientes de las marcas 2 y 3 son 20% y 10%, respectivamente.

1. ¿Cuál es la probabilidad de que un comprador seleccionado al azar haya adquirido un

reproductor de DVD marca 1 que necesitará reparación mientras se encuentra dentro
de garantía?

2. ¿Cuál es la probabilidad de que un comprador seleccionado al azar haya comprado un

reproductor de DVD que necesitará reparación mientras se encuentra dentro de
garantía?

3. Si un cliente regresa a la tienda con un reproductor de DVD que necesita reparación

dentro de garantía, ¿cuál es la probabilidad de que sea un reproductor de DVD marca
1? ¿Un reproductor de DVD marca 2? ¿Un reproductor de DVD marca 3?