Material No.

2 1

PROBABILIDADES Y ESTADÍSTICA
Título: Elementos básicos de la teoría de las probabilidades.
Sumario:
1. Introducción.
2. Fenómeno o experimento aleatorio.
3. Definiciones preliminares: Espacio muestral, Suceso o evento, Evento cierto, Evento
imposible.
4. Álgebra de eventos.
5. Probabilidad. Diferentes interpretaciones del concepto de Probabilidad.
6. Propiedades más utilizadas en el cálculo de las probabilidades.
7. Probabilidad condicional. Propiedades.
8. Fórmula de la Probabilidad Total.
9. Fórmula de Bayes.
Bibliografía:
 “Probabilidades y Estadística para Ingenieros”, Miller, páginas 41 a 80.
 "Probabilidades" Luis M. Hernández y otros, páginas 4 a la 31, 32 a 96 y 97 a 146.
 "Estadística" Caridad Guerra Bustillo y otros, páginas 65 a 68, 69 a 84.
1- Introducción:
En el desarrollo histórico de la teoría de las Probabilidades se ha experimentado un proceso de
transformaciones sucesivas, que comienzan desde la solución de problemas tan sencillos como
los asociados a los juegos de azar, hasta alcanzar métodos de cálculo aplicables a la solución de
grandes problemas que el desarrollo científico – técnico plantea al hombre.
En este sentido, se puede apreciar claramente la interacción existente entre la teoría y la práctica,
si bien, los adelantos teóricos han abierto nuevos campos de aplicación en la estadística, en la
teoría de la información y en otras disciplinas; las necesidades de la práctica han impulsado el
desarrollo de la teoría y confirmado los resultados obtenidos por esta.
El objetivo de la Teoría de las Probabilidades es la elaboración de un modelo matemático que
caracterice a los fenómenos aleatorios que se concretizan en los experimentos aleatorios,
entendiéndose por fenómenos aleatorios aquellos de los cuales se conocen todos los resultados
posibles pero no se conoce de forma “a priori” cual es el resultado que se va a obtener.
En general, la Estadística entra al método científico a través de la experimentación o de la
observación. Cualquier investigación es únicamente un medio para lograr un fin determinado, es
un dispositivo para someter a prueba una hipótesis establecida o para adquirir cierto
conocimiento – no importa que tan pequeño sea – a partir del cual desea hacerse una conclusión.
La mayor parte de los enunciados que resultan de investigaciones científicas son únicamente
inferencias, las que son de carácter incierto. La cuantificación de esa incertidumbre está dada por
el uso de la teoría de las Probabilidades, lo que constituye una de las contribuciones de carácter
más relevante.
2- Fenómeno o experimento aleatorio.
Material No. 2 2

En los primeros temas relativos a la Teoría de las Probabilidades se hace alusión al concepto de
experimento. Podríamos decir de forma general que un "experimento es cualquier situación en la
que se observa un resultado".
Existen esencialmente dos tipos de experimentos: deterministas y aleatorios. En un experimento
determinista, a causa, por ejemplo de la situación física, el resultado observado no está sujeto al
azar. Expresado de otra forma, si repetimos un experimento determinista bajo las mismas
condiciones, se espera siempre el mismo resultado.
En un experimento aleatorio, el resultado está siempre sujeto al azar. Si se repite el experimento,
el resultado puede ser diferente, ya que existe algún fenómeno aleatorio o mecanismo de azar que
al actuar afecta el resultado.
Para precisar lo que se entiende por experimento aleatorio enumeraremos las siguientes
características:
1. El experimento puede repetirse en idénticas condiciones, al menos conceptualmente.
2. El resultado de cualquier prueba particular es variable, dependiendo de algún mecanismo
aleatorio o de azar.
3. Si el experimento se repite un gran número de veces entonces aparece en los resultados cierta
regularidad estadística. (Significa que si se repite un gran número de veces un experimento
aleatorio, aunque el resultado es impredecible para una sola observación de una repetición, se
aprecia una cierta uniformidad en un gran número de repeticiones.)
3- Definiciones preliminares:
Para desarrollar la Teoría de las Probabilidades se hace necesario definir algunos conceptos, los
cuales expondremos a continuación:
Espacio muestral: Conjunto formado por todos los resultados posibles de un experimento
aleatorio. Lo denotaremos por la letra S.
Punto muestral: Es cada uno de los resultados posibles de un experimento aleatorio.
Ejemplos:
1. En el lanzamiento de un dado de seis caras, cada uno de los seis posibles resultados es un
punto muestral de este experimento.
2. Si un experimento consiste en realizar mediciones del diámetro de un tornillo, cada uno los
resultados del experimento es un punto muestral.
Suceso o Evento: En general, de los resultados posibles de un fenómeno o experimento aleatorio
puede ser que nos interese considerar ciertas características o propiedades que presenten algunos
subconjuntos de estos resultados. A estos subconjuntos del espacio muestral con una cierta
propiedad, los llamaremos eventos o sucesos aleatorios. Se denotan con letras mayúsculas.
Ocurrencia de un evento: Sea A un evento de un cierto experimento aleatorio, diremos que el
evento A ocurre cuando al realizar el experimento el resultado que se obtiene es un punto
muestral que pertenece a A.
Evento cierto: Un evento se llama cierto si siempre que se realiza el experimento este ocurre. Se
denota por S.
Evento imposible: Un evento se denomina imposible si para toda realización del experimento,
este nunca ocurre. Se denota por .
Material No. 2 3

4- Álgebra de eventos:
Operaciones entre eventos:
Al definir las operaciones entre eventos, usaremos las definiciones de operaciones entre
conjuntos que se conoce y las notaciones y diagramas habituales para efectuar e ilustrar dichas
operaciones.
1. A  B: Unión de eventos: Llamamos unión de los eventos A y B, al evento que consiste en la
ocurrencia del evento A o del evento B.
2. A  B: Intersección de eventos: Llamamos intersección de los eventos A y B, al evento que
consiste en la ocurrencia simultánea de A y B.
Complemento de A: Sea A un evento del espacio muestral S, el evento “complemento de A”, el
que denotaremos por AC, está formado pro todos los puntos muestrales de S que no pertenecen a
A.
5- Probabilidad. Diferentes interpretaciones del concepto de Probabilidad.
La probabilidad de ocurrencia de un suceso o evento es uno de los conceptos
fundamentales de la Teoría de las Probabilidades. Se puede decir que la
Probabilidad es:
Medida que cuantifica la posibilidad de ocurrencia de un
suceso o evento
A través del desarrollo de la teoría de las Probabilidades, han tenido lugar diferentes
interpretaciones del concepto de Probabilidad, estas son:
5.1 - Definición clásica de probabilidad:
Se llama probabilidad de ocurrencia de un evento, desde el punto de vista clásico, a la razón entre
el número de resultados que son favorables al evento y el número total de resultados elementales
e igualmente posibles del experimento. Por lo tanto la probabilidad de ocurrencia de un evento A
se expresa como:
k
P(A) 
N
donde k es el número de resultados favorables al evento A y N es el número total de resultados
del experimento.
Es importante señalar que la definición clásica de probabilidad se aplica a espacios muestrales
finitos y cuando los resultados posibles del experimento son equiprobables. Por otra parte tiene la
ventaja que permite conocer “a priori” la probabilidad de ocurrencia de un evento, sin necesidad
de realizar el experimento.
5.2 - Definición frecuencial o estadística de probabilidad:
En muchos fenómenos que suceden puede comprobarse que la frecuencia de ocurrencia de ciertos
eventos en una serie relativamente grande de observaciones, se mantiene constante; a partir de
ello, es que se expone la definición frecuencial o estadística de probabilidad, la que se basa en el
concepto de frecuencia relativa de ocurrencia de un evento y a su vez presupone la repetición de
un experimento un número considerable de veces, o el análisis de fenómenos que se repiten
indefinidamente.
Material No. 2 4

Frecuencia relativa: Se llama frecuencia relativa de ocurrencia de un evento al cociente del

número de experimentos o pruebas en las cuales el evento ha ocurrido entre el número total de
pruebas realmente realizadas.
f(A)
fr (A) 
n
f(A): frecuencia de ocurrencia del evento A.
n: cantidad de veces que se realiza el experimento.
En observaciones prolongadas, si las pruebas se realizan en igualdad de condiciones, la
frecuencia relativa presenta la propiedad de estabilidad, esto consiste en que en las distintas
pruebas la frecuencia relativa varía poco, oscilando alrededor de cierto número constante, dicho
número es la probabilidad de ocurrencia del evento A.
O sea,
P(A)  lím fr (A) ,
n

donde fr(A) es la frecuencia relativa de ocurrencia del evento A.

5.3 - Definición axiomática de probabilidad:
Sea S un espacio muestral y à el conjunto de todos los eventos correspondientes a S. A todo
elemento A Ã se le asocia un número real llamado probabilidad de ocurrencia del evento A,
mediante una función P:
P : Ã   0,1
A  P(A)

y cumple los siguientes axiomas:

1. P(A) 0
2. P(S) =1
3. Si A.B =, entonces P(A  B) = P(A)+P(B).
5.4 - Definición geométrica de probabilidad:
La definición geométrica es, en esencia, la definición clásica extendida al caso que se tiene un
conjunto con infinitos elementos. Supongamos que se tiene una cierta región que denotaremos
por R y r es una subregión de R.
Sea A el evento que consiste en que un punto caiga en la región R y se quiere hallar la
probabilidad de que dicho punto, que está en R, esté también en r. (Se supone que el punto que
está en R, tiene la misma probabilidad de caer en cualquier subregión de R.)
medida (r)
P(A) =
medida (R)
Medida: longitud, área, volumen, etc.
6 -Propiedades más utilizadas en el cálculo de las probabilidades.
1. P() = 0
2. P(AC) = 1 – P(A)
Material No. 2 5

3. P(A.BC) = P(A) – P(A.B)

4. P(AB) = P(A) + P(B) – P(A.B)
5. P(AC.BC) = P(AB)C = 1- P(AB)
6. P(AC  BC) = P(A.B)C = 1- P(A.B)
A y B se dicen eventos mutuamente excluyentes si P(A.B) = 0
A y B se dicen eventos exhaustivos si P(AB) = 1
7 - Probabilidad condicional:
En la teoría de las probabilidades es frecuente encontrar situaciones problémicas, donde es
necesario calcular la probabilidad de ocurrencia de un evento A dado que ya ocurrió un evento B,
A esta probabilidad se le denomina probabilidad condicional y se define a continuación:

Definición de Probabilidad Condicional: Sea S un espacio muestral, A y B eventos de S tales

que P(B)>0; entonces la probabilidad condicional de A dado B, la que se denota por P(A/B) es:
P(A.B)
P(A/B) 
P(B)
Propiedades de la probabilidad condicional:
1. P(S/C) = 1
2. P(A/C) = 1 si C  A
3. P(AB/C) = P(A/C) + P(B/C) – P(A.B/C)
4. P(Ac/C) = 1- P(A/C)
Ejemplo No.1:
En un almacén se tienen 4 cajas de piezas con la siguiente composición:
Material No. 2 6

Cajas Arandelas Tornillos Ejes Total

1 9 1 8 18
2 6 4 4 14
3 5 5 6 16
4 4 6 4 14
Total 24 16 22 62
a) Si se escoge aleatoriamente una pieza del almacén, calcule las probabilidades siguientes:
a.1) La probabilidad de que la pieza seleccionada sea una arandela.
a.2) La probabilidad de que la pieza seleccionada sea de la caja 1 o de la caja 2.
a.3) La probabilidad de que la pieza seleccionada no sea de la caja 4.
a.4) La probabilidad de que la pieza seleccionada sea un tornillo dado que es de la caja 3.
a.5) La probabilidad de que la pieza seleccionada sea de la caja 2 dado que no es un eje.
a.6) La probabilidad de que la pieza seleccionada sea un tornillo de la caja 3.
b) Si se escogen dos piezas sucesivamente, sin reemplazamiento, calcule la probabilidad de que
la primera sea un eje.
c) Si se escogen dos piezas sucesivamente, con reemplazamiento, calcule la probabilidad de que
la primera sea un eje.
Respuesta:
Se definen los siguientes eventos:
Evento A: Que la pieza seleccionada sea una arandela.
Evento T: Que la pieza seleccionada sea un tornillo.
Evento E: Que la pieza seleccionada sea un eje.
Evento C1: Que la pieza seleccionada sea de la caja 1.
Evento C2: Que la pieza seleccionada sea de la caja 2.
Evento C3: Que la pieza seleccionada sea de la caja 3.
Evento IE: Que la primera pieza sea un eje, si se escogen dos piezas sucesivamente con
reemplazamiento.
24
a.1) P(A)   0.387
62
18 14 32
a.2) P(C1 C2)  P(C1)  P(C2)     0.516
62 62 62
14
a.3) P(C4)C  1  P(C4)  1   0.774
62
Material No. 2 7

5
P(T.C3) 62 5
a.4) P(T/C3)     0.3125
P(C3) 16 16
62
14 4 10

C P(C2.E C ) P(C2)  P(C2.E) 62 62 62
a.5) P(C2/E )      0.205
P(EC ) 1  P(E) 22 40
1
62 62
5
a.6) P(C3.T)   0.08
62
22.21 22.16 22.24 462  352  528 1342
b) P(IE)       0.354
62.61 62.61 62.61 3782 3782
22.22 22.16 22.24 484  352  528 1364
c) P(IE)       0.355
62.62 62.62 62.62 3844 3844
Eventos independientes:
El concepto de eventos independientes representa un papel importante dentro de la teoría de las
probabilidades y sus aplicaciones, ya que muchos resultados son basados en este concepto.
Se dice que la ocurrencia de un evento A es independiente del evento B si se cumple que P(A/B)
= P(A) siendo P(A)>0, de forma similar se dice que B es independiente de A si P(B/A) = P(B),
siendo P(B)>0.
La siguiente definición resume lo analizado hasta el momento:
Independencia estadística: Sean A y B dos eventos de un mismo espacio muestral. Los eventos
A y B son estadísticamente independientes sí y solo sí: P(A.B)= P(A). P(B)
8 - Fórmula de la Probabilidad Total:
Sean A1, A2, ..., An n eventos mutuamente excluyentes y exhaustivos de un espacio muestral S y
sea B un evento definido en el mismo espacio muestral, la probabilidad de ocurrencia del evento
B, conocidas las probabilidades de ocurrencia de los eventos Ai y de los eventos B/Ai es:
n
P(B)   P(B/A i ).P(A i )
i1

Ejemplo No.2:
Una empresa de asesoría alquila autos de tres agencias: 20% de la agencia D, 20% de la agencia
E y 60% de la agencia F. Si 10% de los autos de la agencia D, 12% de los provenientes de la
agencia E y 4% de los autos de F tienen neumáticos en mal estado, ¿cuál es la probabilidad de
que la empresa contrate un auto con neumáticos en mal estado?
Respuesta:
Evento D: Que la empresa alquile autos de la agencia D P(D) = 0.20
Evento E: Que la empresa alquile autos de la agencia E P(E) = 0.20
Evento F: Que la empresa alquile autos de la agencia F P(F) = 0.60
Evento M: Que los neumáticos estén en mal estado
Material No. 2 8

P(M/D) = 0.10 P(M/E) = 0.12 P(M/F) = 0.04

P(M) = P(D). P(M/D) + P(E). P(M/E) + P(F). P(M/F) =
(0.20). (0.10) + (0.20). (0.12) + (0.60). (0.04) = 0.068
P(M) = 0.068
9 - Fórmula de Bayes:
Sean A1, A2,..., An n eventos mutuamente excluyentes y exhaustivos de un espacio muestral S y
sea B un evento definido en el mismo espacio muestral, la probabilidad de ocurrencia de un
evento Ai, dado que ocurrió B es:
P(B/A i ).P(A i )
P(A i /B)  n

 P(B/A ).P(A )
j1
j j

Una de las aplicaciones de la fórmula de Bayes es que permite conocer como valuar las
probabilidades de las causas a través de efectos observados.
Ejemplo No.3:
Una empresa de asesoría alquila autos de tres agencias: 20% de la agencia D, 20% de la agencia
E y 60% de la agencia F. Si 10% de los autos de la agencia D, 12% de los provenientes de la
agencia E y 4% de los autos de F tienen neumáticos en mal estado, ¿cuál es la probabilidad de
que un auto con neumáticos en mal estado rentado por la empresa provenga de la agencia F?
Respuesta:
Evento D: Que la empresa alquile autos de la agencia D P(D) = 0.20
Evento E: Que la empresa alquile autos de la agencia E P(E) = 0.20
Evento F: Que la empresa alquile autos de la agencia F P(F) = 0.60
Evento M: Que los neumáticos estén en mal estado
P(M/D) = 0.10 P(M/E) = 0.12 P(M/F) = 0.04
P(M/F).P(F)
P(F/M) 
P(D). P(M/D)  P(E). P(M/E)  P(F). P(M/F)
(0.04).(0.60) 0.024
   0.352
(0.20). (0.10)  (0.20). (0.12)  (0.60). (0.04) 0.068
P(F/M) = 0.352