Introducción a la Teoría de Probabilidad

Definición (Experimento Aleatorio): Sea un fenómeno o experimento dado, y Ω ≠ ∅ el conjunto de

posibles resultados. Si Ω tiene más de un elemento, entonces se dice que el experimento es aleatorio y se
denota por 𝑬. A Ω se le conoce con el nombre de espacio muestral.

Ejemplos:

1.- 𝑬1 : lanzar un dado y observar el número resultante.

Ω = {1,2,3,4,5,6}

2.- 𝑬2 : seleccionar una carta, de un naipe inglés, y observar la pinta resultante.

Ω = {𝐶𝑜𝑟𝑎𝑧ó𝑛, 𝐷𝑖𝑎𝑚𝑎𝑛𝑡𝑒, 𝑇𝑟é𝑏𝑜𝑙, 𝑃𝑖𝑐𝑎}

3.- 𝑬3 : registrar el tiempo que permanece una persona en una fila, antes de ser atendida.
Ω = ℝ0+

etc.

Definición: (Sucesos o Eventos): Sea 𝐸 un experimento aleatorio y Ω su espacio muestral. Sean 𝐴 ⊆ Ω y

𝝎 ∈ Ω el resultado del experimento. Entonces se dice que:

𝐴 𝑜𝑐𝑢𝑟𝑟𝑒 ⇔ 𝜔 ∈ 𝐴
𝐴 𝑛𝑜 𝑜𝑐𝑢𝑟𝑟𝑒 ⇔ 𝜔 ∉ 𝐴

Observaciones:

1.- 𝐴 ⊆ Ω se llama “evento” o “suceso”.

2.- Por definición, ∅ y Ω también son eventos (imposible y seguro, respectivamente).
3.- Si 𝜔 ∈ Ω, entonces 𝐴 = {𝜔} se llama “suceso elemental” o “evento simple”.

Algebra de Eventos

Definición: Sea 𝐸 un experimento aleatorio y Ω su espacio muestral. Sea 𝐴 ⊆ Ω un evento cualquiera

asociado con 𝐸 y {𝐴𝑖 ⁄𝐴𝑖 ⊆ Ω, ∀𝑖 ∈ 𝐼 ⊆ ℕ} familia de eventos cualesquiera.
Entonces, también son eventos: 𝐴𝐶 , ⋃𝑖∈𝐼 𝐴𝑖 , ⋂𝑖∈𝐼 𝐴𝑖 ; y se leen:

“𝐴 complemento o no ocurre 𝐴”,

“evento 𝐴1 o evento 𝐴2 o … o …”,
“evento 𝐴1 y evento 𝐴2 y … y …”, respectivamente.

Además:

𝐴𝑐 ocurre si y solo si “𝐴 no ocurre”.

⋃𝑖∈𝐼 𝐴𝑖 ocurre si y solo si “al menos un 𝐴𝑖 ocurre”
⋂𝑖∈𝐼 𝐴𝑖 ocurre si y solo si “todos los 𝐴𝑖 ocurren”
Observación: Todas las propiedades de los “conjuntos” se cumplen con los “eventos”, tales como:

1.- (𝐴 ∪ 𝐵 ∪ 𝐶)𝑐 = 𝐴𝑐 ∩ 𝐵 𝑐 ∩ 𝐶 𝑐 .
2.- (𝐴 ∩ 𝐵 ∩ 𝐶)𝑐 = 𝐴𝑐 ∪ 𝐵 𝑐 ∪ 𝐶 𝑐 .
3.- 𝐴 − 𝐵 = 𝐴 ∩ 𝐵 𝑐 .
4.- 𝐴 ∪ (𝐵 ∩ 𝐶) = (𝐴 ∪ 𝐵) ∩ (𝐴 ∪ 𝐶).
5.- 𝐴 ∩ (𝐵 ∪ 𝐶) = (𝐴 ∩ 𝐵) ∪ (𝐴 ∩ 𝐶).

etc.

Definición (Sucesos Mutuamente Excluyentes): Sea 𝐸 un experimento aleatorio y Ω su espacio muestral.

Sean 𝐴, 𝐵 ⊆ Ω dos sucesos asociados con el experimento aleatorio 𝐸. Se dice que 𝐴 y 𝐵 son sucesos
“mutuamente excluyentes” si y solo si:

𝐴∩𝐵 =∅

Definición (Medida de Probabilidad): Sea 𝐸 un experimento aleatorio y Ω su espacio muestral.

Sea 𝐴 ⊆ Ω un evento cualquiera asociado con el experimento aleatorio 𝐸. Con cada suceso 𝐴 asociamos
un número real, denotado por 𝑷(𝑨) y llamado la probabilidad de A, que satisface los siguientes
postulados:

1.- 𝑃(𝐴) ≥ 0, ∀𝐴 ⊆ Ω.
2.- 𝑃(Ω) = 1.
3.- 𝑃(⋃𝑖∈𝐼 𝐴𝑖 ) = ∑𝑖∈𝐼 𝑃(𝐴𝑖 ), para {𝐴𝑖 ⁄𝐴𝑖 ⊆ Ω, ∀𝑖 ∈ 𝐼 ⊆ ℕ} familia de eventos mutuamente excluyentes.

Entonces se dice que 𝑷 es una medida, y se conoce con el nombre de “medida de probabilidad”.

Propiedades: Algunas propiedades importantes de la medida de probabilidad, son las siguientes:

1.- 𝑃(∅) = 0.
2.- 𝑃(𝐴𝑐 ) = 1 − 𝑃(𝐴), ∀𝐴 ⊆ Ω.
3.- 0 ≤ 𝑃(𝐴) ≤ 1, ∀𝐴 ⊆ Ω.
4.- 𝑃(𝐴 ∪ 𝐵) = 𝑃(𝐴) + 𝑃(𝐵) − 𝑃(𝐴 ∩ 𝐵), ∀𝐴, 𝐵 ⊆ Ω eventos cualesquiera.

Nota: Estas propiedades se conocen como las 4 propiedades “básicas” del cálculo de probabilidades, y a
partir de ellas se pueden deducir todas las demás.

Por ejemplo, si {𝐴𝑖 ⁄𝐴𝑖 ⊆ Ω, ∀ 𝑖 = 1, … , 𝑛} es una familia de eventos cualesquiera, entonces la

probabilidad de que ocurra “al menos” uno de los eventos viene dada por:

𝑃(⋃𝑛𝑖=1 𝐴𝑖 ) = ∑𝑛𝑖=1 𝑃(𝐴𝑖 ) − ∑𝑖≠𝑗 𝑃(𝐴𝑖 ∩ 𝐴𝑗 ) + ∑𝑖≠𝑗≠𝑘 𝑃(𝐴𝑖 ∩ 𝐴𝑗 ∩ 𝐴𝑘 ) … + (−1)𝑛+1 𝑃(⋂𝑛𝑖=1 𝐴𝑖 ).

Definición (Probabilidad): Sea 𝐸 un experimento aleatorio y Ω su espacio muestral. Se supone que todos
los resultados del experimento son equiprobables (es decir igualmente probables).
Sea 𝐴 ⊆ Ω un evento cualquiera asociado con el experimento aleatorio 𝐸. Se define la probabilidad de
ocurrencia de 𝑨, denotada por 𝑷(𝑨), al número real:
𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑐𝑎𝑠𝑜𝑠 𝑞𝑢𝑒 𝑓𝑎𝑣𝑜𝑟𝑒𝑐𝑒𝑛 𝑙𝑎 𝑜𝑐𝑢𝑟𝑟𝑒𝑛𝑐𝑖𝑎 𝑑𝑒 𝐴
𝑃(𝐴) ≔ 𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑐𝑎𝑠𝑜𝑠 𝑝𝑜𝑠𝑖𝑏𝑙𝑒𝑠

𝑐𝑎𝑠𝑜𝑠 𝑓𝑎𝑣𝑜𝑟𝑎𝑏𝑙𝑒𝑠
⇔ 𝑃(𝐴) ≔ 𝑐𝑎𝑠𝑜𝑠 𝑝𝑜𝑠𝑖𝑏𝑙𝑒𝑠

#𝐴
⇔ 𝑃(𝐴) ≔ #Ω (espacios muestrales finitos)

Ejemplos:

1. El siguiente grupo de personas está en una sala: 5 hombres mayores de 21 años, 4 hombres menores de
21 años, 6 mujeres mayores de 21 años, 3 mujeres menores de 21 años.
Una persona es elegida al azar y se definen los siguientes sucesos:

A : La persona es mayor de 21 años.

B : La persona es menor de 21 años.
C : La persona es hombre.
D : La persona es mujer.

   
Calcular: P B  D  ; P A  C  ; P A c  C c ; P B C  D y P B  C   c

Solución:

Hombres Mujeres Total

Mayores de 21 años 5 6 11
Menores de 21 años 4 3 7
Total 9 9 18
7 9 3 13
i. 𝑃(𝐵 ∪ 𝐷) = 𝑃(𝐵) + 𝑃(𝐷) − 𝑃(𝐵 ∩ 𝐷) = 18 + 18 − 18 = 18 . −

5
ii. 𝑃(𝐴 ∩ 𝐶) = 18 . −

3 1
iii. 𝑃(𝐴𝑐 ∩ 𝐶 𝑐 ) = 𝑃(𝐵 ∩ 𝐷) = 18 = 6 . −

6 1
iv.𝑃(𝐵 𝑐 ∩ 𝐷) = 𝑃(𝐴 ∩ 𝐷) = 18 = 3 . −

4 7
v.𝑃(𝐵 ∩ 𝐶)𝑐 = 1 − 𝑃(𝐵 ∩ 𝐶) = 1 − 18 = 9 . −
2. Suponga que en un grupo de último año de facultad de 500 estudiantes se encuentra que 210 fuman,
258 consumen bebidas alcohólicas, 216 comen entre comidas, 122 fuman y consumen bebidas
alcohólicas, 83 comen entre comidas y consumen bebidas alcohólicas, 97 fuman y comen entre comidas
y 52 tienen estos tres hábitos nocivos para la salud. Si se selecciona al azar un miembro de este grupo,
encuentre la probabilidad de que el estudiante:

Sean los eventos:

F : el estudiante fuma.
B : el estudiante bebe alcohol.
C : el estudiante come entre comidas.

Sabemos que:

PF   210 500  0.42 ; PB   258 500  0.516 ; PC   216 500  0.432
PF  B   122 500  0.244 ; PC  B   83 500  0.166 ; PF  C   97 500  0.194
PF  B  C   52 500  0.104

a) fume pero no consuma bebidas alcohólicas.

 
P F  Bc  PF   PF  B   0.42  0.244  0.176. 

b) coma entre comidas y consuma bebidas alcohólicas pero no fume.

 
P C  B  F c  PC  B   PC  B  F   0.166  0.104  0.062. 

c) ni fume ni coma entre comidas.

 
P F c  C c  PF  C   1  PF  C   1  PF   PC   PF  C 
c

 1  0.42  0.432  0.194  1  0.658  0.342. 

 Probabilidad Condicional

Introducción: Sea 𝐸 un experimento aleatorio y Ω su espacio muestral. Sean 𝐴, 𝐵 ⊆ Ω dos eventos

asociados con el experimento aleatorio 𝐸. Interesa determinar la probabilidad de ocurrencia de 𝐀 si se
sabe que (dado que) 𝐁 ocurrió (u ocurrirá).

Notación:

𝑃(𝐴): probabilidad de ocurrencia de 𝐴.

𝑃𝐵 (𝐴) = 𝑃(𝐴⁄𝐵 ): probabilidad de ocurrencia de 𝐴 dado que 𝐵 ocurrió (u ocurrirá).

Note que:

 Si 𝑃(𝐴) = 𝑃(𝐴⁄𝐵 ), entonces 𝐵 no inluye en la ocurrencia de 𝐴 (𝐴 es independiente,

probabilísticamente, de 𝐵).
 Si 𝑃(𝐴) ≠ 𝑃(𝐴⁄𝐵 ), entonces 𝐵 inluye en la ocurrencia de 𝐴 (𝐴 depende, probabilísticamente, de 𝐵).

Observaciones:

1. Si 𝐵 ⊆ 𝐴, entonces 𝑃(𝐴⁄𝐵 ) = 1.

2. Si 𝐴 ∩ 𝐵 = ∅, entonces 𝑃(𝐴⁄𝐵 ) = 0.

3. Si 𝐵 ocurrió, entonces 𝐴 ocurrirá si y solo si 𝜔 ∈ (𝐴 ∩ 𝐵). Por lo tanto, es natural considerar 𝑃(𝐴⁄𝐵 )
como la proporción entre 𝑃(𝐴 ∩ 𝐵) y la 𝑃(𝐵).

Definición (Probabilidad Condicional): Sea 𝐸 un experimento aleatorio y Ω su espacio muestral. Sean

𝐴, 𝐵 ⊆ Ω dos eventos asociados con el experimento aleatorio 𝐸. Se define la probabilidad condicional de
𝐴 dado 𝐵 al número:
𝑃(𝐴∩𝐵)
𝑃(𝐴⁄𝐵 ) ≔ ; 𝑃(𝐵) > 0
𝑃(𝐵)
Ejemplo: Se ha recibido un cargamento de repuestos con las siguientes características: 10% son japoneses con
valor mayor o igual a 500 dólares; 20% nacionales con valor menor de 500 dólares; 30% japoneses con valor
menor de 500 dólares y 40% nacionales con valor mayor o igual de 500 dólares. Se selecciona un repuesto del
cargamento en forma aleatoria. Obtenga las siguientes probabilidades:

a) Si su valor es menor de 500 dólares, que sea japonés.

b) Si es japonés, que su valor sea menor de 500 dólares.

Solución:

Valor mayor o Valor menor a

Total
igual a U$500 U$500
Japonés 0.1 0.3 0.4
Nacionales 0.4 0.2 0.6
Total 0.5 0.5 1.0

Sean los eventos:

A : el producto es japonés.
B : el producto es nacional.
C : el producto tiene un valor mayor o igual a U$500.
D : el producto tiene un valor menor a U$500

Se pide calcular:

P A  D  0.3
a) P A D     0.6. 
P D  0.5

P A  D  0.3
b) P  D A    0.75. 
P  A 0.4

Definición (Eventos Independientes): Sea 𝐸 un experimento aleatorio y Ω su espacio muestral. Sean

𝐴, 𝐵 ⊆ Ω dos eventos asociados con el experimento aleatorio 𝐸. Se dice que 𝐴 y 𝐵 son eventos
independientes (esto es, la ocurrencia de uno no influye en la ocurrencia del otro) si y solo si:

𝑃(𝐴⁄𝐵 ) = 𝑃(𝐴) (en términos equivalentes: 𝑃(𝐵⁄𝐴) = 𝑃(𝐵))

𝑃(𝐴∩𝐵)
⇔ = 𝑃(𝐴)
𝑃(𝐵)

⇔ 𝑃(𝐴 ∩ 𝐵) = 𝑃(𝐴) ∙ 𝑃(𝐵)

En el ejemplo anterior, claramente 𝐴 y 𝐷 no son sucesos independientes, puesto que:

𝑃(𝐴⁄𝐷 ) ≠ 𝑃(𝐴)
0.6 ≠ 0.4

O, en términos equivalentes:

𝑃(𝐴 ∩ 𝐷) ≠ 𝑃(𝐴) ∙ 𝑃(𝐷)

0.3 ≠ 0.4 ∙ 0.5
0.3 ≠ 0.2

Teorema: Sea 𝐸 un experimento aleatorio y Ω su espacio muestral. Sean 𝐴, 𝐵 ⊆ Ω dos eventos

independientes asociados con el experimento aleatorio 𝐸. Entonces, también son eventos independientes:

i. 𝐴𝑐 y 𝐵 𝑐 .
ii. 𝐴 y 𝐵𝑐 .
iii. 𝐴𝑐 y 𝐵.

Definición (Sucesos Conjuntamente Independientes): Sea 𝐸 un experimento aleatorio y Ω su espacio

muestral. Sea {𝐴𝑖 ⁄𝐴𝑖 ⊆ Ω, ∀ 𝑖 = 1, … , 𝑛} familia de eventos, tales que se cumplen todas y cada una de las
siguientes igualdades:

𝑃(𝐴𝑖 ∩ 𝐴𝑗 ) = 𝑃(𝐴𝑖 ) ∙ 𝑃(𝐴𝑗 ) ; ∀𝑖, 𝑗 = 1, … , 𝑛(𝑖 ≠ 𝑗)

∧ 𝑃(𝐴𝑖 ∩ 𝐴𝑗 ∩ 𝐴𝑘 ) = 𝑃(𝐴𝑖 ) ∙ 𝑃(𝐴𝑗 ) ∙ 𝑃(𝐴𝑘 ); ∀𝑖, 𝑗, 𝑘 = 1, … , 𝑛(𝑖 ≠ 𝑗 ≠ 𝑘)
⋮
∧ 𝑃(⋂𝑛𝑖=1 𝐴𝑖 ) = ∏𝑛𝑖=1 𝑃(𝐴𝑖 )

Entonces se dice que los eventos de esta familia son “conjuntamente independientes”.

Por ejemplo; si 𝐴, 𝐵 y 𝐶 son tres sucesos “conjuntamente independientes” asociados con un experimento
aleatorio 𝐸, entonces se cumplen todas y cada una de las siguientes igualdades:

𝑃(𝐴 ∩ 𝐵) = 𝑃(𝐴) ∙ 𝑃(𝐵)

∧ 𝑃(𝐴 ∩ 𝐶) = 𝑃(𝐴) ∙ 𝑃(𝐶)
∧ 𝑃(𝐵 ∩ 𝐶) = 𝑃(𝐵) ∙ 𝑃(𝐶)
∧ 𝑃(𝐴 ∩ 𝐵 ∩ 𝐶) = 𝑃(𝐴) ∙ 𝑃(𝐵) ∙ 𝑃(𝐶)
 Regla Multiplicativa

Definición: Sea 𝐸 un experimento aleatorio y Ω su espacio muestral. Sea {𝐴𝑖 ⁄𝐴𝑖 ⊆ Ω, ∀ 𝑖 = 1, … , 𝑛}

familia de eventos cualesquiera, tales que 𝑃(𝐴1 ∩ 𝐴2 ∩ … ∩ 𝐴𝑛−1 ) > 0. Entonces:

𝑃(𝐴1 ∩ 𝐴2 ∩ … ∩ 𝐴𝑛 ) = 𝑃(𝐴1 ) ∙ 𝑃(𝐴2 ⁄𝐴1 ) ∙ 𝑃(𝐴3 ⁄𝐴1 ∩ 𝐴2 ) ∙ … ∙ 𝑃(𝐴𝑛 ⁄𝐴1 ∩ 𝐴2 ∩ … ∩ 𝐴𝑛−1 )

Ejemplo: Cada vez que un cliente compra un tubo de pasta de dientes, elige la marca A o la marca B.
Supóngase que en cada compra después de la primera, la probabilidad de que elija la misma marca que
escogió en la compra anterior es 1/3.

a) Si es igualmente verosímil que en su primera compra elija la marca A o la marca B, ¿cuál es la

probabilidad de que la primera y segunda compra sean de la marca A, y la tercera y cuarta, de la
marca B?
b) Supóngase ahora que en su primera compra la probabilidad que elija la marca A es 1/4. ¿Cuál es
la probabilidad de que su segunda compra sea de la marca B?

Solución:

Sean Ai  la compra i-ésima corresponde a la marca A.

Bi  la compra i-ésima corresponde a la marca B, i  1,2,...

a) Se sabe que P A1   P B1   1 2 . Se pide calcular

P A1  A2  B3  B4   P A1   P A2 A1   P B3 A1  A2   P B4 A1  A2  B3 

 1 2  1 3  2 3  1 3  1 27 .

b) Se sabe que P A1   1 4 , P B1   3 4 . Se pide calcular

P B2   P B2 B1   P B1   P B2 A1   P A1   1 3  3 4  2 3  1 4  5 12 .

 Probabilidad Total

Definición: Sea {𝐸𝑖 ⁄𝐸𝑖 ⊆ Ω, ∀ 𝑖 = 1, … , 𝑛} familia de eventos tales que:

i. 𝑃(𝐸𝑖 ) > 0 , ∀𝑖 = 1, … , 𝑛
ii. 𝐸𝑖 ∩ 𝐸𝑗 = ∅ , ∀𝑖, 𝑗 = 1, … , 𝑛 (𝑖 ≠ 𝑗)
iii. ⋃𝑛𝑖=1 𝐸𝑖 = Ω

Entonces se dice que los eventos de esta familia forman una partición del espacio muestral Ω. Luego, si
𝐴 ⊆ Ω, tenemos que:

𝑃(𝐴) = ∑𝑛𝑖=1 𝑃(𝐴⁄𝐸𝑖 ) ∙ 𝑃(𝐸𝑖 ) (Teorema o Regla de la Probabilidad Total)

Teorema de Bayes

En el contexto de la regla anterior, tenemos que:

𝑃(𝐴⁄𝐸𝑖 )∙𝑃(𝐸𝑖 )
𝑃(𝐸𝑖 ⁄𝐴) = ; 𝑖 = 1,2, … , 𝑛 (Teorema o Regla de Bayes)
𝑃(𝐴)

Donde:

𝑃(𝐸𝑖 ): probabilidad “a priori” de 𝐸𝑖 (previa al conocimiento de la ocurrencia de 𝐴).

𝑃(𝐸𝑖 ⁄𝐴): probabilidad “a posteriori” de 𝐸𝑖 (posterior al conocimiento de la ocurrencia de 𝐴).
𝑃(𝐴⁄𝐸𝑖 ): probabilidad “condicional” de 𝐴 dado 𝐸𝑖 .
𝑃(𝐴): probabilidad “total” de 𝐴.
Ejemplo: Manufacturera Cumbre compra determinada pieza a tres proveedores: A, B y C. El proveedor A
suministra el 60% de las piezas, B el 30% y C el 10 %. Se sabe que la calidad de las piezas depende de los
proveedores y que A, B y C tienen tasas de defecto de 0,25%, 1% y 2 %, respectivamente. Las partes se usan
en uno de los principales productos de la fábrica.

a) ¿Cuál es la probabilidad de que el producto fabricado contenga una pieza defectuosa?

b) Cuando se encuentra una pieza defectuosa, ¿cuál es el proveedor más probable?

Solución:

Sean los eventos:

A : la pieza es suministrada por el proveedor A.

B : la pieza es suministrada por el proveedor B.
C : la pieza es suministrada por el proveedor C.

y sea D : la pieza es defectuosa.

Sabemos que:

P  A   0 .6 P  B   0 .3 PC   0.1
PD A  0.0025 PD B   0.01 PD C   0.02

Se pide calcular:

a) PD   PD A  P A  PD B   PB   PD C   PC 

 0.0025 0.6  0.01 0.3  0.02  0.1  0.0065. 

PD A  P A 0.0025 0.6

b) P A D     0.2308. 
PD  0.0065

PD B   PB  0.01 0.3

P B D     0.4615. 
P D  0.0065

PD C   PC  0.02  0.1

PC D     0.3077. 
P D  0.0065

Cuando se encuentra una pieza defectuosa, el proveedor más probable es el B.