Probabilidad

Mónica Tinajero Bravo

Introducción

INTRODUCCIÓN

Todos los días tomas decisiones basados en incertidumbre. Por ejemplo:

❑ ¿Debería comprar una garantía extendida para mi computadora?

❑ ¿Cuál es la probabilidad de que si voy a un restaurante a desayunar,

me contagie del virus SARS-CoV-2?

❑ ¿Cuánto tiempo tardaré en encontrar trabajo cuando termine la

carrera?

❑ ¿Podría comprar el teléfono que quiero con descuento en el Buen Fin?

Introducción
INTRODUCCIÓN

Más aun, los administradores a menudo toman sus decisiones basadas

en incertidumbre, como en los siguientes ejemplos:
❑ ¿Cuáles son las probabilidades que las
ventas decrezcan si se incrementan los
precios?

❑ ¿Cuál es la probabilidad que un nuevo

método de ensamblaje incremente la
productividad?

❑ ¿Qué tan probable es que el proyecto se

termine a tiempo?

❑ ¿Cuál es la probabilidad que un nuevo

proyecto de inversión sea redituable?
Se pueden contestar preguntas como las anteriores usando ideas y
métodos de probabilidad.

A partir de lo que se conozca, se deberán tomar decisiones.

Conceptos de probabilidad

Una probabilidad es una medida numérica de muestra qué tan posible

es que ocurra un evento.

Las probabilidades pueden ser utilizadas como medidas del grado de

incertidumbre asociado con los ejemplos listados.

En sus inicios, la probabilidad estuvo muy relacionada con los juegos de

azar.
Conceptos de probabilidad

Los valores de una probabilidad están siempre entre cero y uno:

➢ Una probabilidad cercana a cero indica que el evento es muy
improbable que ocurra.
➢ Una probabilidad cercana a uno indica que el evento es muy
probable que ocurra.
➢ Una probabilidad cercana a ½ indica mayor incertidumbre, ya que
indica que el evento puede ocurrir o no puede ocurrir.

Prob=0 Prob=1

Incremento en la posibilidad de ocurrencia

Conceptos de probabilidad

A continuación se introducirán algunos conceptos y terminología que

se utilizan en esta área.

Experimento aleatorio
Es un proceso o situación en el cual hay incertidumbre acerca de los
posibles resultados, el resultado que se obtiene es únicamente
producto del azar. No obstante, sí conocemos el conjunto de posibles
resultados.
Conceptos de probabilidad

Ejemplos:

a) Lanzar una moneda al aire.

b) Observar diariamente el IPC.
c) Sacar una muestra aleatoria de estudiantes de las licenciaturas que
ofrece la UDLAP y medir su índice de masa corporal (IMC).
d) Cuantificar el número de bacterias por 𝑐𝑚2 de un alimento
preparado en alta cocina.
e) Tiempo (en días) hasta que se encuentre una vacuna para la
Covid-19
f) Lanzar un dardo a un círculo de radio 2.
g) Lanzar dos dados
Conceptos de probabilidad

Espacio muestral

El espacio muestral asociado a un experimento es el conjunto de todos

los posibles resultados del experimento. A cada resultado se le denota
por 𝑠𝑖

espacio muestral = 𝑆 = Ω = 𝑠1 , 𝑠2 , … ,

En los experimentos de los ejemplos:

a) Ω = á𝑔𝑢𝑖𝑙𝑎, 𝑠𝑜𝑙
b) Ω = 𝑅+ ∪ 0
c) Ω = 𝑅+ ∪ 0

d) Ω = 𝑍+ ∪ 0
e) Ω = 𝑍+
f) Ω = 𝑥, 𝑦 |𝑥 2 + 𝑦 2 ≤ 2
g) Ω =?
Conceptos de probabilidad

Los espacios muestrales se clasifican de acuerdo al número de

elementos que contienen en:

❑ Discretos. Contienen un número finito o un número infinito

numerable de elementos.
Ejemplo: Lanzar una moneda al aire hasta que caiga un águila.

Ω = 𝐴, 𝑆𝐴, 𝑆𝑆𝐴, 𝑆𝑆𝑆𝐴, …

❑ Continuos. No son discretos.

Ejemplo: El área del círculo.
Conceptos de probabilidad

Evento o suceso

Conjunto de posibles resultados del espacio muestral de un

experimento. Generalmente se representan con mayúsculas.

En los experimentos mencionados anteriormente:

a) E: Caiga águila
b) E: El IPC>40,000 (ver gráfica).
c) E: IMC>30 (obesidad).
d) E: 5,000 ≤ Número de bacterias por𝑐𝑚2 ≤ 10,000.
e) E: Tiempo sea menor a 270 días
f) E: El dardo caiga a lo más a 1cm del centro
g) E: Los dos dados caigan en número par.
Técnicas de conteo

Índice de Precios y Cotizaciones

de la Bolsa Mexicana de Valores
Conceptos de probabilidad

Una vez que se han especificado algunos eventos, éstos pueden ser
manipulados en diferentes maneras para crear nuevos eventos.

Ejemplo

En el experimento de lanzar dos dados, en el que Ω=

1,1 , 1,2 , … , (6,6) , se pueden definir los eventos:

A: Los dos dados caigan en número par

𝐴 = 2,2 , 2,4 , 2,6 , 4,2 , 4,4 , 4,6 , 6,2 , 6,4 , (6,6)

B: Los dos números sean iguales

𝐵 = 1,1 , 2,2 , 3,3 , 4,4 , 5,5 , (6,6)

A partir de estos dos eventos se puede definir un nuevo evento

C: Los dos dados caigan en número par y los dos números sean
iguales
𝐶 = 2,2 , 4,4 , (6,6)
Conceptos de probabilidad

A continuación se definen algunos eventos nuevos. Sean A y B dos

eventos del espacio muestral Ω:

Complemento de 𝑨, denotado por 𝐴𝑐 . Es el evento que se compone

de todos los elementos de Ω que no están en 𝐴.

Ω
A
A B Ω

Ac

𝐴∪𝐵

Unión de los eventos 𝐴 𝑦 𝐵, denotado por 𝐴 ∪ 𝐵. Es el evento de los

elementos que están en 𝐴 o en 𝐵, o en ambos eventos.
Conceptos de probabilidad

Intersección de los eventos 𝐴 𝑦 𝐵, denotado por 𝐴 ∩ 𝐵. Es el evento

de los elementos que están en 𝐴 y en 𝐵.

A B Ω
Ω
B
A

𝐴∩𝐵
𝐴⊂𝐵

Subconjunto. 𝐴 es un subconjunto de 𝐵, denotado por 𝐴 ⊂ 𝐵, si todos

los elementos de 𝐴 están en 𝐵

Evento vacío. Es el evento que no tiene elementos y se denota ∅.

Conceptos de probabilidad

Eventos ajenos o excluyentes. Los eventos 𝐴 y 𝐵 son excluyentes si

no tienen elementos del espacio muestral en común, es decir, 𝐴 ∩ 𝐵 =
∅.

Ω
A B
Conceptos de probabilidad

Propiedades de los eventos

𝑐
1) 𝐴 ∪ 𝐵 = 𝐴𝑐 ∩ 𝐵𝑐

𝑐
2) 𝐴 ∩ 𝐵 = 𝐴𝑐 ∪ 𝐵𝑐

3) 𝐴 ∪ 𝐵 ∩ 𝐶 = 𝐴 ∪ 𝐵 ∩ 𝐴 ∪ 𝐶

4) 𝐴 ∩ 𝐵 ∪ 𝐶 = 𝐴 ∩ 𝐵 ∪ 𝐴 ∩ 𝐶
Conceptos de probabilidad

Ejemplo
Sea el experimento lanzar un dado y ver su resultado. Determine Ω, y
sean

𝐴 = 𝑛ú𝑚𝑒𝑟𝑜𝑠 𝑖𝑚𝑝𝑎𝑟𝑒𝑠
𝐵 = 𝑛ú𝑚𝑒𝑟𝑜𝑠 𝑝𝑎𝑟𝑒𝑠 y
𝐶 = 𝑛ú𝑚𝑒𝑟𝑜 ≤ 3

Obtenga 𝐴 ∪ 𝐶, 𝐴 ∩ 𝐵 y 𝐶 𝑐 .
Ω=
𝐴=
𝐵=
𝐶=

𝐴 ∪ 𝐶=
𝐴 ∩ 𝐵=
𝐶𝑐 =
¿𝐴 ⊂ Ω? ¿ 𝐶 ⊂ 𝐴? ¿A y B son excluyentes?
Conceptos de probabilidad

Ejemplo
En una ciudad se publican tres periódicos: A, B y C. Supóngase que
60% de las familias de la ciudad están suscritas al periódico A; 40%,
al periódico B, y 30%, al periódico C. Supóngase también que 20% de
las familias están suscritas a los periódicos A y B; 10% al A y C; 20%
al B y C, y 5%, a los tres periódicos A, B y C. ¿Qué porcentaje de las
familias de la ciudad están suscritas al menos a uno de estos tres
periódicos?
Técnicas de conteo
En muchos problemas de estadística o probabilidad se deben enumerar
los resultados posibles de un experimento aleatorio, o al menos
determinar cuántas posibilidades existen. A continuación veremos
algunas técnicas para ello (principio básico del conteo, permutaciones y
combinaciones).

Teorema: principio básico del conteo

Si un experimento aleatorio (procedimiento, proceso, método) consta de
2 pasos, de los cuales el primero se puede llevar a cabo de 𝑛1 maneras,
y para cada una de estas, el segundo se puede hacer de 𝑛2 maneras,
entonces la operación completa se puede efectuar de
𝑛1 × 𝑛2 maneras
Ejemplo
Para trasladarse a cierto lugar se
deben tomar dos transportes.
Para el primero de ellos hay 3
rutas posibles y para el segundo,
2 rutas.
¿Cuántas rutas diferentes hay?
Técnicas de conteo

Ejemplos

1. ¿Cuál es el número de maneras diferentes posibles de efectuar un

viaje de vacaciones si se puede ir a los estados de Oaxaca,
Guerrero, Jalisco, Quintana Roo o Veracruz, y como medio de
transporte se puede utilizar un avión, autobús o auto?
5 x 3 = 15 # maneras viaje
# estados # medios trans.

2. Número de resultados posibles en que puede caer un par de dados

legales al lanzarlos al aire.
# resultados
6 x 6 = 36
posibles
# resultados # resultados
1er dado 2o dado
Técnicas de conteo
Generalización
Si un experimento se puede describir como una secuencia de 𝑘 pasos en
donde
▪ El primero puede suceder de 𝑛1 maneras
▪ El segundo puede suceder de 𝑛2 maneras
▪ …
▪ El 𝑘 − é𝑠𝑖𝑚𝑜 puede suceder de 𝑛𝑘 maneras

Entonces, el número de resultados posibles es

𝑛1 × 𝑛2 … × 𝑛𝑘
Ejemplo
¿De cuántas maneras se puede contestar un examen que consta de 10
preguntas si la primera pregunta tiene 5 opciones de respuesta y las
restantes 9 preguntas son de falso o verdadero?
5 x 2 x 2 x … x 2 = 5 ( 29) = 5 (512)
# opciones # opciones # opciones # maneras contestar
pregunta 1 pregunta 2 pregunta 10 el examen
Técnicas de conteo

Permutaciones de 𝑵 elementos
Es el número de maneras de arreglar 𝑁 objetos diferentes (sí importa el
orden) es
𝑃1𝑁 = 𝑁! = 𝑁 × 𝑁 − 1 × 𝑁 − 2 × ⋯ × 3 × 2 × 1
Por definición, 0! = 1.

Ejemplos
1. ¿De cuántas maneras podemos ordenar las letras “abc”?

De 3(2)(1) = 6 maneras {abc, cba, bca, acb, bac, cab}

2. ¿Cuántos números de 4 cifras se pueden formar con los dígitos

1,2,3,4 (no se pueden repetir estos dígitos)?

4(3)(2)(1) =24 números

Técnicas de conteo
Permutaciones de 𝑵 en 𝒏
El número de maneras en que se pueden ordenar 𝑁 objetos distintos en
𝑛 posiciones (sí importa el orden) está dado por:
𝑁!
𝑃𝑛𝑁 =
𝑁−𝑛 !
Ejemplos
Determinar el número de maneras en que podemos formar grupos de 2
letras del conjunto 𝑎, 𝑏, 𝑐, 𝑑 .
4! 4!
𝑃24 = = 2! = 12 hay 12 maneras en las que podemos formar
4−2 !
grupos de 2 letras {ab, ac, ad, bc, bd, cd,
ba, ca, da, cb, db, dc}
De entre los 8 miembros de un grupo se eligen aleatoriamente 3
nombres para los puestos de jefe de grupo, tesorero y secretario. ¿De
cuántas maneras se puede hacer esto?
8!
𝑃38 = = 336
8−3 !
Técnicas de conteo

Hasta ahora se ha supuesto que todos los objetos son diferentes y ¿si
no? Por ejemplo, ¿cuántas permutaciones diferentes hay en las letras de
la palabra leer?

{leer, lere, lree, eerl, eelr, …, reel} Hay 12

Para determinar el número de permutaciones de 𝑁 objetos de los cuales

𝑛1 son de una clase (indistinguibles), 𝑛2 son de una segunda clase, …, 𝑛𝑘
son de una 𝑘 − é𝑠𝑖𝑚𝑎 clase y 𝑛1 + 𝑛2 + ⋯ + 𝑛𝑘 = 𝑁 es

𝑁!
𝑛1 ! 𝑛2 ! ⋯ 𝑛𝑘 !
Técnicas de conteo

Ejemplos

1. ¿Cuántas permutaciones diferentes se pueden formar con las letras

de “coca cola”?

8!
= 1680
3! 2! 2! 1!

# de “c” # de “o” # de “a”

2. Gerardo tiene un libro de estadística para los negocios, uno de mate,

uno de finanzas corporativas, uno de contabilidad y 4 copias del “Sr.
De los Anillos”, ¿de cuantas maneras diferentes se pueden arreglar
estos libros?

8!
= 1680 maneras diferentes
4! 1! 1! 1! 1!
Técnicas de conteo
Combinaciones
Es el número de maneras en las que de un total de 𝑁 objetos se pueden
seleccionar 𝑛 a la vez, sin importar el orden en el que son
seleccionados:
𝑁 𝑁 𝑁!
𝐶𝑛 = =
𝑛 𝑛! 𝑁 − 𝑛 !
Ejemplos
1. Determinar el número de maneras de seleccionar 2 letras del
conjunto 𝑎, 𝑏, 𝑐, 𝑑
4 4!
𝐶24 = = =6 {ab, ac, ad, bc, bd, cd}
2 2! 4 − 2 !

2. Determinar el número de combinaciones del Melate.

56 56!
𝐶656 = = 6! 50 ! =32’468,436 ¡¡¡uff!!!!
6
Axiomas de probabilidad

El enfoque axiomático señala que las probabilidades se definen como “objetos”

matemáticos que se comportan de acuerdo a ciertas reglas bien definidas, como
se verá enseguida.

Definición axiomática de probabilidad

Sea Ω un espacio muestral, una probabilidad es una función que a cada evento
𝐸 le asigna un número real 𝑃(𝐸) que cumple:
No puede haber
1. 𝑃 𝐸 ≥0 probabilidades negativas La probabilidad de que suceda
2. 𝑃 Ω =1 𝑠1 o 𝑠2 o 𝑠3 o ….(elementos del
espacio muestral) es 1
3. Si 𝐸1 , 𝐸2 , … son eventos mutuamente excluyentes (ajenos 2 a 2 ),
entonces 𝑃 𝐸1 ∪ 𝐸2 ∪ ⋯ = σ∞ 𝑖=1 𝑃 𝐸𝑖

La función de probabilidad asigna números reales a los diversos subconjuntos del

espacio muestral Ω.
Axiomas de probabilidad

Ejemplo
Sea el experimento aleatorio de lanzar dos dados, entonces
Ω= 1,1 1,2 … , 6,1 (6,6)

𝑠1 𝑠2 𝑠35 𝑠36
𝑃 Ω = 𝑃 𝑠1 ∪ 𝑠2 ∪ ⋯ ∪ 𝑠36 =1

Si definimos los eventos

𝐸1 : Los dos dados caigan en par
𝐸1 = (2,2)(2,4)(2,6)(4,2)(4,4)(4,6)(6,2)(6,4)(6,6)
𝐸2 : Los dos dados caigan en impar
𝐸2 = (1,1)(1,3)(1,5)(3,1)(3,3)(3,5)(5,1)(5,3)(5,5)
𝐸3 : El primer dado sea par y el segundo impar menor a 5
𝐸3 = (2,1)(2,3)(4,1)(4,3)(6,1)(6,3)
Axiomas de probabilidad

Como
𝐸1 ∩ 𝐸2 = ∅ 𝐸1 ∩ 𝐸3 = ∅ 𝐸3 ∩ 𝐸2 = ∅.

Entonces
𝑃 𝐸1 ∪ 𝐸2 ∪ 𝐸3 = 𝑃 𝐸1 + 𝑃 𝐸2 + 𝑃 𝐸3
9 9 6 24 2
= + + = = .
36 36 36 36 3
Propiedades de probabilidad

La probabilidad cumple con las siguientes propiedades:

A B
1. 𝑃 ∅ = 0
2. 𝑃 𝐸 𝑐 = 1 − 𝑃 𝐸
3. Si 𝐴 ⊆ 𝐵 ⇒ 𝑃 𝐴 ≤ 𝑃 𝐵
4. 0 ≤ 𝑃 𝐸 ≤ 1 𝐴∩𝐵
5. 𝑃 𝐴 ∪ 𝐵 = 𝑃 𝐴 + 𝑃 𝐵 − 𝑃 𝐴 ∩ 𝐵
6. 𝑃 𝐴 ∪ 𝐵 ∪ 𝐶 = 𝑃 𝐴 + 𝑃 𝐵 + 𝑃 𝐶 − 𝑃 𝐴 ∩ 𝐵 − 𝑃 𝐴 ∩ 𝐶 −
𝑃 𝐵∩𝐶 +𝑃 𝐴∩𝐵∩𝐶
𝑛
7. 𝑃 𝐸1 ∪ 𝐸2 ∪ ⋯ ∪ 𝐸𝑛 = σ𝑛𝑖=1 𝑃 𝐸𝑖 − 2
σ𝑖<𝑗 𝑃 𝐸𝑖 ∩ 𝐸𝑗
𝑛
3
+ σ𝑖<𝑗<𝑘 𝑃 𝐸𝑖 ∩ 𝐸𝑗 ∩ 𝐸𝑘 ⋯ + −1 𝑛 𝑃 𝐸1 ∩ 𝐸2 ∩ 𝐸3 ⋯ ∩ 𝐸𝑛

Estas propiedades serán útiles

cuando calculemos probabilidades
Cálculo de probabilidades
Las tres aproximaciones más comúnmente usadas para asignar
probabilidades son el método clásico, el frecuentista y el subjetivo

Método clásico
Es el más antiguo, aplica cuando todos los resultados posibles son
igualmente probables (como en los juegos de azar). Si existen 𝑁
posibilidades igualmente probables, de las cuales 𝑛 se consideran
favorables (aciertos) o 𝑛 pertenecen al evento de interés, entonces la
probabilidad del evento 𝑃 𝐸 es:
Los casos favorables y los
𝐶𝑎𝑠𝑜𝑠 𝑓𝑎𝑣𝑜𝑟𝑎𝑏𝑙𝑒𝑠 𝑛 totales se pueden obtener
𝑃 𝐸 = 𝐶𝑎𝑠𝑜𝑠 𝑡𝑜𝑡𝑎𝑙𝑒𝑠 = 𝑁 aplicando las técnicas de
conteo vistas
Ejemplo
Tirar un dado y sea el evento 𝐸: 𝑆𝑎𝑙𝑔𝑎 𝑝𝑎𝑟. Obtenga Ω y 𝑃 𝐸 .
Ω = {1, 2, 3, 4, 5, 6}
𝐸 = {2, 4, 6}
Casos favorables
3
𝑃 𝐸 = 6 = 0.5
Casos totales
Cálculo de probabilidades
Ejemplo

¿Cuál es la probabilidad de ganar el melate, si se compra una

combinación?

𝐹: Ganar el sorteo melate

1
Casos favorables
𝑃 𝐹 = .
32′468,436
Casos totales
Cálculo de probabilidades

El concepto clásico es limitado en la realidad porque no siempre todos

los resultados son igualmente probables. Por ello se tienen otros
métodos.

Método frecuentista
Es apropiado cuando se dispone de datos para estimar la proporción de
las veces que tal resultado de interés ocurre cuando el experimento
aleatorio se repite un número de veces suficientemente grande. Se
realiza el experimento idénticamente 𝑁 veces, sea 𝑛𝐸 el número de
veces que ocurre el evento 𝐸. Entonces la 𝑃 𝐸 es:

𝑛𝐸
𝑃 𝐸 = lim
𝑁→∞ 𝑁

Ejemplo
Se lanza 1,000 veces un dado legal y sea 𝐸 el evento de que caiga un
número par. En 495 veces cae un número par, entonces,
495
𝑃 𝐸 = 1,000 = 0.495 ≈ 0.50
Cálculo de probabilidades
Ejemplo
Una empresa que produce pasta de dientes estudia cinco diferentes
diseños de empaque. En un estudio realizado se pidió a 100
consumidores seleccionados aleatoriamente que eligieran el diseño de su
preferencia. Se obtuvieron los siguientes datos.
Número de
Diseño clientes que lo
prefieren
1 5
2 15
3 30
4 40
5 10
Sean
𝐸𝑖 : El cliente prefiere el diseño i.

Calcule la 𝑃(𝐸𝑖 ) e interprete.

Se estima que la probabilidad
15 de que un cliente prefiera el
𝑃(𝐸2 ) = 100 = 0.15
diseño 2 es de 0.15
Cálculo de probabilidades

Método subjetivo
La probabilidad del evento 𝐸 la asigna un experto con base a su
experiencia o intuición.
Cálculo de probabilidades

Ejercicio 1
Una compañía farmacéutica realizó un estudio para evaluar el efecto de
un medicamento para aliviar una alergia; 250 pacientes con síntomas
que incluían ojos rojos y una erupción en la piel recibieron el
medicamento. Los resultados del estudio son los siguientes: 90 de los
pacientes tratados experimentaron alivio en los ojos, a 135 se les quitó
la erupción y 45 experimentaron alivio tanto en los ojos como en la piel.
¿Cuál es la probabilidad de que un paciente que toma el medicamento
experimente alivio por lo menos en uno de los dos síntomas?.
Cálculo de probabilidades

Ejercicio 2
Sea A el evento de que el principal medio de transporte de una persona
para ir y regresar del trabajo es un automóvil, y B el evento de que el
principal medio de transporte de una persona para ir y regresar del
trabajo es un autobús. Suponga que en una ciudad grande P(A)=0.45 y
P(B)=0.35.
a. ¿Los eventos A y B son mutuamente excluyentes? ¿Cuál es la
probabilidad de que una persona use un automóvil o un autobús para
ir y regresar del trabajo?
b. Calcula la probabilidad de que el medio de transporte principal de una
persona sea algún medio distinto al autobús.
Cálculo de probabilidades

Ejercicio 3
“N.Y. Lottery Numbers Come Up 9-1-1 on 9/11” fue el encabezado de un
artículo publicado en San Francisco Chronicle (September 13, 2002).
Más de 5600 personas seleccionaron la secuencia 9-1-1 en esa fecha,
muchas más que lo típico para tal secuencia. Un professor de la
Universidad de Buffalo comentó “I’m a bit surprised, but I wouldn’t
characterize it as bizarre. It’s randomness. Every number has the same
chance of coming up.”
La lotería del estado de New York usa bolas numeradas del 0 al 9
colocadas en cada una de tres urnas. Para obtener la secuencia
ganadora, se elige una bola aleatoriamente de cada urna.
a. ¿Cuál es la probabilidad de que la secuencia 9-1-1 sea la elegida en
cualquier día?
b. ¿Que aproximación se usó: clásica, frecuentista o subjetiva?
Cálculo de probabilidades

Ejercicio 4
Cuatro matrimonios compraron ocho lugares para un concierto. Si se
sientan al azar:

a) ¿En cuántas formas diferentes pueden sentarse?

b) ¿Cuál es la probabilidad que se sienten por parejas?
c) ¿Cuál es la probabilidad de que todos los hombres se sienten juntos,
a la derecha de las mujeres?
Cálculo de probabilidades
Ejercicio 5
Una empresa de cafeterías realizó pruebas de sabor para un nuevo producto
de café. La empresa preparó cuatro mezclas y eligió personas al azar para
que probaran y determinaran cuál de las marcas les gustaba más. Los
resultados de la prueba para 100 personas se proporcionan enseguida.

Preferencia del
Mezcla
catador
1 20
2 30
3 35
4 15

a) Define el experimento que se está realizando. ¿Cuántas veces se repitió?

b) Antes de realizar el experimento, es razonable suponer que las
preferencias por las cuatro mezclas son iguales. ¿Qué probabilidades
asignaría a los resultados experimentales antes de realizar la prueba de
sabor? ¿Qué método/aproximación utilizaste?
c) Después de realizar la prueba de sabor, ¿qué probabilidades asignarías a
la preferencia por cada mezcla? ¿Qué método (aproximación) utilizaste?
Cálculo de probabilidades
Ejercicio 6
a) Un experimento tiene cuatro resultados posibles: 𝐴, 𝐵, 𝐶 o 𝐷, que son
mutuamente excluyentes. ¿Es posible tener los resultados siguientes?

𝑃(𝐴) = 0.12 𝑃(𝐵) = 0.63 𝑃(𝐶) = 0.45 𝑃 𝐷 = −0.2

𝑃(𝐴) = 9/120 𝑃(𝐵) = 45/120 𝑃(𝐶) = 27/120 𝑃(𝐷) = 46/120

b) Si 𝑃(𝐴) = 0.25; 𝑃(𝐵) = 0.39; ¿es posible que 𝑃(𝐴 ∩ 𝐵) = 0.3?

c) Si 𝑃(𝐴) = 0.62; 𝑃(𝐵) = 0.58; ¿es posible que 𝑃(𝐴 ∩ 𝐵) = 0?

Probabilidad condicional

Entendamos la probabilidad condicional con un ejemplo. Supóngase

que se lanzan 2 dados legales y se sabe que la suma de los puntos
obtenidos es 5, ¿cuál es la probabilidad de que en uno de los dos
dados haya caído 2?

1,1 1,2 ⋯ 1,6

2,1 2,2 ⋯ 2,6
Recordemos que Ω =
⋮ ⋮ ⋮ ⋮
6,1 6,2 ⋯ 6,6

Con la información de que la suma de los puntos obtenidos es 5, el

espacio muestral, dada la información adicional, se reduce a
Ω∗ = 1,4 2,3 3,2 4,1 ,

Casos favorables

entonces la probabilidad de que haya caído algún 2 se obtiene de la

siguiente manera:
2
𝑃 𝐻𝑎𝑦𝑎 𝑐𝑎í𝑑𝑜 2 = 4 = 0.5
Probabilidad condicional
Definición (probabilidad condicional)
Sea Ω un espacio muestral y 𝐴 y 𝐵 dos eventos, se define la probabilidad
de 𝐴 dado 𝐵 como: A dado B
𝑃 𝐴∩𝐵
𝑃 𝐴|𝐵 = siempre que 𝑃 𝐵 > 0.
𝑃 𝐵

En el ejemplo anterior tendríamos:

𝐴: 𝐶𝑎𝑖𝑔𝑎 𝑎𝑙𝑔ú𝑛 2,
𝐴 = 1,2 2,1 2,2 2,3 2,4 2,5 2,6 3,2 4,2 5,2 6,2
𝐵: 𝐿𝑎 𝑠𝑢𝑚𝑎 𝑑𝑒 𝑙𝑜𝑠 𝑑𝑎𝑑𝑜𝑠 𝑒𝑠 5
𝐵 = 1,4 2,3 3,2 4,1
𝐴∩𝐵 = 2,3 ; 3,2 .

4 2
Entonces 𝑃 𝐵 = ; 𝑃 𝐴∩𝐵 =
36 36

Por lo tanto,
𝑃 𝐴∩𝐵 2Τ 2
36
𝑃 𝐴|𝐵 = = 4Τ = 4.
𝑃 𝐵 36
Probabilidad condicional
Ejemplo
Considere una unidad de policía en los Estados Unidos que tiene 1,200
oficiales, de ellos 960 son hombres y 240, mujeres. En los dos años
anteriores 324 oficiales de la fuerza policial recibieron promociones. La
distribución para hombres y mujeres se muestra en la tabla de abajo.

Después de revisar los registros de promociones, un comité de mujeres

oficiales entabló una demanda por discriminación con base en que 288
hombres fueron ascendidos, mientras que solo 36 mujeres fueron
promovidas. La administración argumentó que eso no se debía a
discriminación, sino a que relativamente pocas mujeres eran miembros
de la fuerza policial. ¿Estás de acuerdo con este argumento? Justifica
Hombres Mujeres Total Sean:
H el evento que un oficial es hombre
Promovido 288 36 324
M el evento que un oficial es mujer
No promovido 672 204 876 A el evento que un oficial es promovido
Total 960 240 1200
𝑃 𝐴∩𝐻
𝑃 𝐴𝐻 = = =
𝑃(𝐻)
𝑃 𝐴∩𝑀
𝑃 𝐴𝑀 = = =
𝑃(𝑀)
Probabilidad condicional
Ejemplo
En la evaluación de un programa de capacitación de ventas, una
empresa descubrió que de los 50 vendedores que recibieron un bono el
año pasado, 20 habían asistido a un programa especial de ventas. La
empresa emplea a 200 vendedores. Suponga que 40% de los
vendedores asistió al programa de capacitación.
a) ¿Cuál es la probabilidad de que un vendedor obtenga un bono puesto
que asistió al programa de capacitación de ventas?
b) Si la empresa evalúa el programa de capacitación en función del
efecto sobre la probabilidad de que el vendedor reciba bono, ¿cuál es
la evaluación del programa de capacitación?

Bono No bono Total

Sean:
Capacitación B el evento que un vendedor obtiene el
No bono
capacitación C el evento que un vendedor asiste al
Total programa de capacitación de ventas
𝑃 ∩
𝑃 = = =
𝑃()
𝑃 ∩
𝑃 = = =
𝑃()
Probabilidad condicional
Regla de la multiplicación
Si 𝐸1 , 𝐸2 , ⋯ , 𝐸𝑛 son eventos tales que 𝑃 𝐸1 ∩ 𝐸2 ∩ ⋯ ∩ 𝐸𝑛−1 > 0, entonces:

𝑃 𝐸1 ∩ 𝐸2 ∩ ⋯ ∩ 𝐸𝑛 = 𝑃 𝐸1 × 𝑃 𝐸2 |𝐸1 × 𝑃 𝐸3 |𝐸1 ∩ 𝐸2 × ⋯ × 𝑃 𝐸𝑛 |𝐸1 ∩ 𝐸2 ∩ ⋯ ∩ 𝐸𝑛−1

En particular, si se tienen dos eventos

𝑃 𝐸1 ∩ 𝐸2 = 𝑃 𝐸1 × 𝑃 𝐸2 |𝐸1

Ejemplo
Se eligen aleatoriamente 2 cinescopios en sucesión de un total de 240
que llegaron. Se sabe que 15 de estos son defectuosos. ¿Cuál es la
probabilidad de que ambos sean defectuosos?
𝐴: El primer cinescopio es defectuoso
𝐵: El segundo cinescopio es defectuoso
15 14
𝑃(𝐴) = ; 𝑃 𝐵|𝐴 =
240 239
Entonces,
15 14 7 Probabilidad de que los dos
𝑃 𝐴 ∩ 𝐵 = 𝑃 𝐴 × 𝑃 𝐵|𝐴 = × =
240 239 1,912 cinescopios sean defectuosos
Probabilidad condicional
Ejemplo
Un tenista sabe que la probabilidad de ganar su partido en la primera
ronda es 9/10. Si lo gana, la probabilidad de ganar el partido en la
segunda ronda es de 8/10. Si lo gana tiene 7/10 de probabilidad de
ganar la tercera ronda, y si la gana, la probabilidad de ganar la cuarta es
6/10, ¿cuál es la probabilidad de ganar todas las rondas?
Sean
𝐸1 : Gane la primera ronda 𝑃 𝐸1 = ൗ

𝐸2 : Gane la segunda ronda 𝑃 𝐸2 |𝐸1 = ൗ

𝐸3 : Gane la tercera ronda 𝑃 𝐸3 |𝐸1 ∩ 𝐸2 = ൗ

𝐸4 : Gane la cuarta ronda 𝑃 𝐸4 |𝐸1 ∩ 𝐸2 ∩ 𝐸3 = ൗ

Entonces:
𝑃 𝐸1 ∩ 𝐸2 ∩ 𝐸3 ∩ 𝐸4 = × × ×
Independencia estadística
Definición
Dos eventos A y B son independientes si:
𝑃 𝐴∩𝐵 =𝑃 𝐴 𝑃 𝐵

Tres eventos 𝐴, 𝐵 y 𝐶 son independientes si:

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
Independencia estadística
Ejemplo
Se lanza una moneda legal 3 veces. Sean:
𝐴: Sale águila en c/u de los 2 primeros lanzamientos
𝐵: Sale sol en el tercer lanzamiento
𝐶: Salen exactamente 2 soles en los 3 lanzamientos
a) ¿Son A y B independientes?
b) ¿B y C son independientes?

Primero describamos el espacio muestral

Ω= 𝑎, 𝑎, 𝑎 𝑎, 𝑎, 𝑠 𝑎, 𝑠, 𝑎 𝑠, 𝑎, 𝑎 𝑎, 𝑠, 𝑠 𝑠, 𝑎, 𝑠 𝑠, 𝑠, 𝑎 𝑠, 𝑠, 𝑠

Entonces las probabilidades de cada conjunto son

2 4 3 1 2
𝑃 𝐴 = ; 𝑃 𝐵 = ; 𝑃 𝐶 = ; 𝑃 𝐴∩𝐵 = y 𝑃 𝐵∩𝐶 =
8 8 8 8 8
24 1 43 3
𝑃 𝐴 𝑃 𝐵 = = 𝑃 𝐵 𝑃 𝐶 = =
88 8 8 8 16
Independencia estadística
Ejemplo
En el ejemplo del bono y el programa de capacitación ¿Son
independientes el evento de que un vendedor reciba el bono y el evento
de que haya asistido al programa de capacitación ( 𝐵 y 𝐶 son
independientes)?
Bibliografía

Bibliografía básica

❑ Mendenhall, W., Beaver, R. J., Beaver, B. M. (2017). Probabilidad y

estadística para las ciencias sociales del comportamiento y la salud.
Cengage Learning.

Libro electrónico

Bibliografía complementaria

❑ Peck, R. (2015). Statistics: learning from data. Cengage Learning

Probabilidad

Mónica Tinajero Bravo