Introducción y definiciones

Eventos compuestos
Probabilidad condicional
Independencia
Diagrama de árbol

Estadı́stica descriptiva y probabilidades

Cálculo elemental de probabilidades

Docente: David Zavaleta

ePC-UCB

20 de abril de 2021

Docente: David Zavaleta Estadı́stica y probabilidades

 Introducción y definiciones
Eventos compuestos
Probabilidad condicional
Independencia
Diagrama de árbol

Nota

El presente material está basado en sobre el material de

“Statistique et Probabilités I” (Maria-Pia Victoria-Feser, Eva
Cantoni Renaud y Marc Genton), Université de Genève-SES,
adaptado para el curso de “Estadı́stica descriptiva y
probabilidades”.

Docente: David Zavaleta Estadı́stica y probabilidades

 Introducción y definiciones
Eventos compuestos
Probabilidad condicional
Independencia
Diagrama de árbol

Sesión 3

1 Introducción y definiciones

2 Eventos compuestos

3 Probabilidad condicional

4 Independencia

5 Diagrama de árbol

Docente: David Zavaleta Estadı́stica y probabilidades

 Introducción y definiciones
Eventos compuestos
Probabilidad condicional
Independencia
Diagrama de árbol

Introducción

La probabilidad es una medida de qué tan posible es que

suceda un evento.

Ejemplo 1: La probabilidad de obtener “cara” cuando

lanzamos una moneda.
Ejemplo 2: La probabilidad que nos toque una figurita
duplicada de nuestro álbum Panini en el siguiente sobre que
compremos.

Nuestro objetivo es formalizar la manera cómo las

probabilidades son calculadas.

Docente: David Zavaleta Estadı́stica y probabilidades

Introducción
Definiciones.
Experimento: Acción de la cuál los resultados posibles son
conocidos, pero no se sabe cuál se realizará. Ejemplo: Lanzar
dos monedas.
Realización: Es el resultado de un experimento (ei ). Ejemplo
de las monedas: CC (primera moneda sale care, segunda
moneda sale cara).
Espacio muestral: S = {e1 , e2 , ..., eN }; N realizaciones
posibles. En nuestro ejemplo S = {CC , CE , EC , EE }. N = 4.
C = “cara”, E = “escudo”.
Evento: Es un conjunto de realizaciones (A, B, C , ...).
A = {e2 , e3 }. En nuestro ejemplo el evento A =“las dos
monedas salen lo mismo”: A = {CC , EE }.
Probabilidad: P(e3 ), P(A). En nuestro ejemplo P(CE );
P(A), A = {CC , EE }.
Introducción
Algunas reglas de base.
Si las realizaciones posibles de un espacio muestral de N
elementos tienen la misma probabilidad de realización
(equiprobables), y el evento A consta de n realizaciones,
entonces.
n casos favorables
P(A) = =
N total de casos

En nuestro ejemplo, S = {CC , CE , EC , EE } (N = 4), y

A = {CC , EE } (n = 2).

2
P(A) = = 0, 5
4

Una probabilidad no puede ser inferior a 0 (evento imposible),

ni mayor a 1 (evento seguro).

0 ≤ P(A) ≤ 1
Introducción
Diagrama de Venn.
El diagrama de Venn se lo utiliza para representar graficamente la
agrupación de elementos (conjuntos).
Ejemplo 1: S = {e1 , e2 , e3 , e4 , e5 , e6 , e7 }; A = {e2 , e3 };
B = {e3 , e4 , e7 }
Introducción

A no A
B e3 e4 , e7
no B e2 e1 , e5 , e6

A no A
T T
B A B A B
T T
no B B A A B
Introducción

Ejemplo 1: Lanzamos dos monedas. A = {CC , EE } (las dos

monedas salen lo mismo), B = {EE , CE , EC } (obtener por lo
menos un escudo).

A no A
B EE CE , EC
no B CC ∅
Introducción

Ejemplo 2: Distribución de los estudiantes recién inscritos en la

ePC, por carrera y por sexo.

Table: Alumnos recién inscritos

M V Tot.
CyDE(C) 5 17 22
NI (N) 19 13 32
Totales 24 30 N =54
M= Mujeres; V=Varones

M = “Estudiante mujer”. P(V ) = 24/54 = 0, 444.

C = “Estudiante inscrito en CyDE”. P(C ) = 22/54 = 0, 407.
 Introducción y definiciones
Eventos compuestos
Probabilidad condicional
Independencia
Diagrama de árbol

Eventos copuestos
Retomemos el ejemplo de los estudiantes inscritos en la ePC.
M V Tot.
CyDE(C) 5 17 22
NI (N) 19 13 32
Totales 24 30 N =54
M= Mujeres; V=Varones
S T
La unión (M C ) La intersección (M C )

S T
P(M C) = P(M C) =
Docente: David
T Zavaleta Estadı́stica y probabilidades S
Eventos copuestos

En general tenemos que

S T
P(A B) = P(A) + P(B) − P(A B)
T T
Si A B = ∅, entonces
S P(A B) = 0 (eventos mutuamente
exclusivos). P(A B) = P(A) + P(B)
Si además de ser dos eventos mutuamente exclusivos, su
unión es el espacio muestral completo, se dice que son eventos
complementarios. A es el complemento de A, y
P(A) = 1 − P(A).
Propiedad distributiva:

A ∩ (B ∪ C ) = (A ∩ B) ∪ (A ∩ C )

A ∪ (B ∩ C ) = (A ∪ B) ∩ (A ∪ C )
 Introducción y definiciones
Eventos compuestos
Probabilidad condicional
Independencia
Diagrama de árbol

Probabilidad condicional

Ahora veremos la probabilidad de un evento dado que otro

evento.
La probabilidad de A dado B, o de A condicional a B:

P(A ∩ B)
P(A|B) =
P(B)

P(A ∩ B)
P(B|A) =
P(A)

De las anteriores relaciones se deduce:

P(A ∩ B) = P(A|B) · P(B) = P(B|A) · P(A)

Docente: David Zavaleta Estadı́stica y probabilidades
Probabilidad condicional

Ejemplo: Volvamos a nuestra tablita de estudiantes de la ePC

M V Tot.
CyDE(C) 5 17 22
NI (N) 19 13 32
Totales 24 30 N =54
M= Mujeres; V=Varones

P(M ∩ C ) 5/54
P(M|C ) = = = 0, 227
P(C ) 22/54
 Introducción y definiciones
Eventos compuestos
Probabilidad condicional
Independencia
Diagrama de árbol

Independencia

Sean dos eventos A y B, con probabilidades asociadas P(A) y

P(B) respectivamente; A y B son independientes si y sólo si:

P(A|B) = P(A)
P(B|A) = P(B)
⇒
P(A ∩ B) = P(A) · P(B)

Docente: David Zavaleta Estadı́stica y probabilidades

Independencia

Ejemplo: Se lanzan dos dados. Sean los eventos A: El resultado

del primer dado es menor o igual que 3; y B: El resultado del
segundo dado es par.

1;1 2;1 3;1 4;1 5;1 6;1

1;2 2;2 3;2 4;2 5;2 6;2
1;3 2;3 3;3 4;3 5;3 6;3
1;4 2;4 3;4 4;4 5;4 6;4
1;5 2;5 3;5 4;5 5;5 6;5
1;6 2;6 3;6 4;6 5;6 6;6
Independencia

P(A), la probabilidad que el primer dado sea menor o igual a 3,

será Nn .

1;1 2;1 3;1 4;1 5;1 6;1

1;2 2;2 3;2 4;2 5;2 6;2
1;3 2;3 3;3 4;3 5;3 6;3
1;4 2;4 3;4 4;4 5;4 6;4
1;5 2;5 3;5 4;5 5;5 6;5
1;6 2;6 3;6 4;6 5;6 6;6

18 1
N = 36 y n = 18. Entonces P(A) = 36 = 2
Independencia

Por otro lado, P(B), la probabilidad que el segundo dado sea par,
será Nn .

1;1 2;1 3;1 4;1 5;1 6;1

1;2 2;2 3;2 4;2 5;2 6;2
1;3 2;3 3;3 4;3 5;3 6;3
1;4 2;4 3;4 4;4 5;4 6;4
1;5 2;5 3;5 4;5 5;5 6;5
1;6 2;6 3;6 4;6 5;6 6;6

18 1
N = 36 y n = 18. Entonces P(B) = 36 = 2
Independencia

La probabilidad de, P(B|A), la probabilidad que el segundo dado

sea par, dado que el primero es menor o igual a 3, será
P(B|A) = (A∩B)
P(A) .

1;1 2;1 3;1 4;1 5;1 6;1

1;2 2;2 3;2 4;2 5;2 6;2
1;3 2;3 3;3 4;3 5;3 6;3
1;4 2;4 3;4 4;4 5;4 6;4
1;5 2;5 3;5 4;5 5;5 6;5
1;6 2;6 3;6 4;6 5;6 6;6

Entonces:
9
(A ∩ B) 36 1
P(B|A) = = 18
= = P(B)
P(A) 36
2
Independencia

Ejemplo: Un máquina funciona si al menos una de sus dos baterı́as

funciona. Sean los eventos A: “La primera baterı́a funciona” y B:
“La segunda baterı́a funciona”. Las probabilidades asociadas son
respectivamente P(A) = 0, 7 y P(B) = 0, 8. Los eventos son
independientes. Calcular la probabilidad que la máquina funcione.

P(A ∪ B) = P(A) + P(B) − P(A ∩ B)

P(A ∪ B) = P(A) + P(B) − P(A) · P(B)
P(A ∪ B) = 0, 7 + 0, 8 − 0, 7 · 0, 8 = 1, 5 − 0, 56
P(A ∪ B) = 0, 94
 Introducción y definiciones
Eventos compuestos
Probabilidad condicional
Independencia
Diagrama de árbol

Diagrama de árbol

Un diagrama de árbol es la representación gráfica de un

espacio muestral cuando las realizaciones están a su vez
compuestas de sucesiones de realizaciones indpendientes.
Ejemplo: El sexo de tres niños. Sea el evento V =“varón” y
M=“mujer”, con probabilidades asociadas P(V ) = 0, 52 y
P(M) = 0, 48.
Una realización: MVM tendrá la siguiente probabilidad:

P(MVM) = P(M) · P(V ) · P(M) = 0, 48 · 0, 52 · 0, 48 = 0, 12

Docente: David Zavaleta Estadı́stica y probabilidades

Diagrama de árbol

Sea el evento A: “Dos hijas mujeres”.

P(A) = P(MMV ) + P(MVM) + P(VMM)

P(A) = 0, 48 · 0, 48 · 0, 52 + 0, 48 · 0, 52 · 0, 48 + 0, 52 · 0, 48 · 0, 48
P(A) = 0, 36
Diagrama de árbol
Ejemplo: Se tiene una urna con 3 bolas rojas y 2 bolas verdes.Nos
interesamos en los colores de tres bolas sacadas sucesivamente de
la urna; con reposición y sin reposición.
Con reposición:

3 2 2 12
P(RVV ) = 5 · 5 · 5 = 125 = 0, 096
Diagrama de árbol
En el caso de una sucesión de realizaciones dependientes, el
diagrama de árbol puede ser utilizado, pero las probabilidades
cambian de una rama a otra.
Sin reposición:

3 2 1 6
P(RVV ) = 5 · 4 · 3 = 60 = 0, 10