FUNDAMENTOS DE PROBABILIDAD

DEFINICIÓN Y PROPIEDADES

Un experimento aleatorio se caracteriza porque repetido

muchas veces y en idénticas condiciones el cociente entre el
número de veces que aparece un resultado (suceso) y el
número total de veces que se realiza el experimento tiende a
un número fijo.

Esta propiedad es conocida ley de los grandes números,

establecida por Jacob Bernouilli.

Esta definición presenta el inconveniente de tener que realizar

el experimento un gran número de veces y además siempre
obtendremos un valor aproximado de la probabilidad.
 FUNDAMENTOS DE PROBABILIDAD

DEFINICIÓN Y PROPIEDADES

La definición axiomática de probabilidad se debe a

Kolmogorov, quien consideró la relación entre la frecuencia
relativa de un suceso y su probabilidad cuando el numero de
veces que se realiza el experimento es muy grande.

Laplace define la probabilidad del suceso A como el cociente

entre el número de resultados favorables a que ocurra el
suceso A en el experimento y el número de resultado posibles
del experimento.
 DIAGRAMAS DE VENN MOSTRANDO
ESPACIOS MUESTRALES Y SUS RELACIONES

Si se define A y B como eventos aleatorios en el espacio muestral S,

donde la probabilidad de A y B son respectivamente P(A) y P(b) y E1,
E2, E3,….; En son resultados de experimentos se tiene:

A B

P(AUB)= P(A) + P(B)

DIAGRAMAS DE VENN MOSTRANDO ESPACIOS
MUESTRALES Y SUS RELACIONES

A A∩B B

P(AUB)= P(A) + P(B) - P(A∩B)

DIAGRAMAS DE VENN MOSTRANDO ESPACIOS
MUESTRALES Y SUS RELACIONES

A’

P(AUA’)= P(A) + P(A’) = 1

 PROBABILIDAD CONDICIONAL
Si la probabilidad de un evento tal como A depende de la ocurrencia
de otro evento B, se tiene un probabilidad condicional y se escribe
como P(A/B) que significa que P(A) es condicionada por el hecho que
B ha ocurrido.

De la figura anterior, la ocurrencia de A dado que B ha ocurrido es

representado por (A ∩ B); entonces P(A/B) esta dado por:

𝐏(𝐀∩𝐁)
𝐏(𝐀/𝐁) = ó P(A∩B) = P(B) x P(A/B)
𝐏(𝐁)

Para eventos independientes, P(A/B)=P(A), se tiene:

P(A∩B) = P(B) x P(B)

Ejemplo N°01:

Determinar la probabilidad de obtener un seis en el lanzamiento de

un dado por 2 veces:
Ejemplo N°02:

Supóngase que el río Grande alcanza cada invierno un nivel de

creciente con una frecuencia relativa de 0.2. En el Grande hay un
puente cuya probabilidad de falla en los estribos es 0,3 y la
experiencia muestra que cuando hay creciente, las probabilidades de
esta falla suben a 0,5.

Se desea conocer la probabilidad de falla del puente.

SOLUCIÓN
Las probabilidades son:
P(creciente) = P( ) =
P(no creciente) = P(C) =
P(falla) = P(F) = 0,3
P(no falla) = P(F’) =
P (falla dada creciente) = P(F/C)=

Se desea conocer la probabilidad de falla del puente.

Solución:

El puente falla (queda inutilizado) cuando falla en los estribos o

cuando hay creciente; esto se puede denotar así:

P(C U F)= P(C) + P(F) - P(C∩F)

EJEMPLO N°03.

Una presa por gravedad puede fallar por deslizamiento (A), por
crecientes (B), o por ambas. Asumir que :
1) La probabilidad de falla por deslizamiento es dos veces la
probabilidad de falla por creciente: P(A)=2 P(B)
2) La probabilidad de falla por deslizamiento, dado que ha habido
creciente, es 0.8
3) La probabilidad de falla de la presa es de 1*10-3

Determinar la probabilidad de que ocurra un deslizamiento, P(A).

SOLUCIÓN:
La presa queda inutilizada cuando se presenta una falla por
deslizamiento o cuando hay una creciente, lo que puede expresarse
como:

(A ∪ B) = 0.001 = P(A) + P(B) - P(A ∩ B) (1)

Se tiene además que:

P(A) = 2 P(B) (2)

Reemplazando la (2) en la (1):

0.001 = 3P(B) - P(A ∩B) (3)

Se sabe que:

(4)

Resolviendo simultáneamente la (3) y la (4), se obtiene:

P(A) = 9.1 * 10-4

EJEMPLO N° 04

De 1000 circuitos de tubería de agua potable en una ciudad, se reportan

15 contaminados con materias fecales; 5 tienen excesivas concentraciones
de plomo (Pb) y entre éstos dos de ellos contaminados también por
materias fecales. Se pregunta:

a) ¿Cuál es la probabilidad de que un sistema seleccionado al azar resulte

con contaminación fecal?
b) ¿Suponiendo que un sistema se encuentre contaminado con materias
fecales, cuál es la probabilidad de que también esté contaminado con
plomo?
c) ¿Cuál es la probabilidad de que un sistema seleccionado al azar esté
contaminado?
d) ¿Suponiendo que la probabilidad de contaminación hallada en el
numeral anterior no es satisfactoria, y que se desea que no exceda de
0.01, ¿cuál es el valor permisible para la probabilidad de contaminación
por materias fecales, asumiendo que el valor de la probabilidad
condicional hallada en el numeral b aún se puede aplicar?
Solución:
Llamemos P(F) a la probabilidad de contaminación por materia fecal, P(Pb) a
la probabilidad de contaminación por plomo y P(C) a la probabilidad de
contaminación por plomo o por materia fecal. Se tiene entonces:
a) P(F) = 17/1000
b) La probabilidad condicional P(Pb/F) puede expresarse como:

y P(Pb) = 5/1000. Reemplazando, se obtiene que: P(Pb/F) = 2/17

c)Se pregunta en este numeral el valor de P(C); este valor establece la

probabilidad de que un circuito esté contaminado con plomo o con materias
fecales. Como hay 15 circuitos contaminados con materias fecales y 5
contaminados con plomo, se tiene entonces que:
P(C) = 20/1000= 0.002

d) La probabilidad de contaminación C se puede expresar como:

P(C)=P(F 𝐔 𝐏𝐛 ) = P(F) + P(𝐏𝐛 ) - P(F ∩ 𝐏𝐛) (1)

y se conoce el valor de la probabilidad condicional:

Resolviendo la (1) y la (2) simultáneamente se halla que:

P(F) = 0.00567
Teorema: Regla de multiplicación

P(A∩B ) = P(A) x P(B\ A) = P(B) x P(A\ B)

y en general, la probabilidad conjunta de N eventos:

P( E1 ∩ E2 ∩ E3 ∩ E4 ... ∩E6 )= P( E1 )xP( E2 \ E1 )x P( E3 \ E1 ∩ E2 x...xP( EN

\ E1 ∩ E2 ∩... ∩ EN-1 )
Teorema: Eventos independientes

Se dice que dos eventos A y B son independientes, si la

ocurrencia (o no ocurrencia) de uno de ellos no influye
en la ocurrencia (o no ocurrencia) del otro. Es decir:

P( A\B ) = P(A) y P(B\ A) = P( B )

Y la probabilidad conjunta:
P( A ∩B ) = P( A) x P( B\ A) = P( A) x P( B )

y en general, la probabilidad conjunta de N eventos

independientes:
P( E1 ∩ E2 ∩ E3 ∩... ∩ EN )= P(E1)x P(E2 )x P( E3 )x...x P(EN)
Teorema: suma y multiplicaciones

Sean los eventos E1, E2, E3, …, EN una partición del

espacio muestra S, es decir , todos mutuamente
excluyentes, de modo que la unión de todos conforma
S. Sea además un evento E, perteneciente a S.
Teorema: suma y multiplicaciones
podemos decir:

P( E ) = P( E ∩ S )=P[ E ∩( E 1 U E2 U ... UEN )]

P( E ) = P( E ∩ E 1 ) U P( E ∩ E2 )U… UP( E ∩ EN)
P( E ) = P(E1) P( E\E 1) + P(E 2) P( E\E 2) +... +P(EN)P( E\EN)

P( E )= 𝜮P(Ei)P(E\E i)
TEOREMA DE BAYES
Dada la misma partición conformada por los eventos E1, E2, … EN y
el evento E, tal como se vio en el teorema anterior, se puede
deducir:

Se trata de una probabilidad condicional, que incluye las reglas de

suma y multiplicación de probabilidades.