Teoría de Probabilidad

Teoría de Probabilidad
Recopilado por JAMH. Rev. agosto 2004

Vivimos en un mundo de incertidumbre, no

sabemos lo que nos depara exactamente el mañana. Sin
embargo, muchas veces conocemos los posibles evento
por venir; por tanto es conveniente estimar o determinar
las probabilidades de esos eventos (ocurrencias).

Las probabilidades se expresan como fracciones o

porcentajes, y son la medida cuantitativa de que un
evento pueda ocurrir (o no ocurrir).
Espacio
Experimentos y Espacio Muestral Muestral

Experimentos
– Lanzar una moneda al aire Punto
– Seleccionar una pieza Muestral
– Una visita de ventas a un cliente
Eventos y Probabilidades
Sucesos
– Cara o cruz Un evento es un punto muestral o un conjunto de
– Defectuosa o no defectuosa puntos muestrales (resultados experimentales). La
– Venta o no venta probabilidad de un evento será igual a la suma de las
probabilidades de los puntos muestrales en dicho
Un suceso es el resultado de un experimento evento. Ejemplo dados

Al analizar un experimento es importante definir Espacio Muestral

sus resultados, a fin de posteriormente definir su Complemento
espacio muestral, puesto que el conjunto de todos los del Evento A
resultados se convierten en el Espacio Muestral. Evento A
Cualquier resultado experimental se conoce como
Punto Muestral

Asignación de Probabilidades a Resultados I. Relaciones Básicas de Probabilidad

Muestrales
1. Complemento de un evento
Existen dos requisitos que deben cumplirse al
asignar la probabilidad a un resultado muestral. 2. Ley Aditiva. Unión de eventos
Sea «Ri» el resultado del i-ésimo experimento, y sea
P(Ri) su probabilidad de ocurrencia. Entonces: Espacio Muestral
Evento A A U B
✍ 0 ≤ P(Ri) ≤ 1
✍ La sumatoria de todas las P(Ri) = 1

Evento B

122
 Teoría de Probabilidad
• AUB observada de un evento durante un gran número de
intentos. O sea, es la fracción que indica la proporción
3. Intersección de eventos de que un evento se presenta a la larga en una serie de
«experimentos». Se asume que las condiciones son
U
• A B estables.

Espacio Muestral Utiliza la información pasada para determinar la

U probabilidad de un evento en el futuro. A mayor número
Evento A A B Evento B de intentos, mejor predicción.

El estado estable es el valor final a largo plazo de

un experimento.

La limitante de este planteamiento ocurre si se

emplea sin evaluar un número suficiente de
II. Formulas para la adición experimentos.

En General 3. Probabilidades Subjetivas

P(A U B) = P(A) + P(B) - P(A ∩ B)
Para eventos mutuamente excluyentes:
P(A U B) = P(A) + P(B)
Este planteamiento está basado en las creencias u
“olfato para los negocios.” Está basado en las
evidencias que se tenga disponibles. Generalmente los
gerentes pueden tomar la evidencia disponible y
mezclarla con sentimientos personales.

Espacio Muestral Se utilizan más cuando los eventos solo ocurrirán

una vez o muy pocas veces, o cuando no hay
Evento A Evento B información o la información existente ya no es válida.

IV. Reglas de Probabilidad

La mayoría de Toma de Decisiones se refiere a una

Nota: Eventos mutuamente excluyentes significa
que los eventos no tienen ningún punto muestral en
común.
III. Formas de calcular la Probabilidad
1. Planteamiento Clásico
Es la razón entre el número de resultados en que
el evento en estudio puede ocurrir entre el número
total de resultados posibles. Este tipo de planteamiento
asume que cada uno de los evento o resultado posible
es igualmente posible.
2. Frecuencia Relativa
de dos posibles situaciones:
– La primera, el caso en que un solo evento se presenta.
– La segunda, cuando 2 o más eventos se presentan
simultáneamente o uno a continuación de otro.
En el caso que se presenten dos (2) eventos, se
pueden presentar dos situaciones: a) el resultado del
primero evento puede tener un efecto en el resultado
del segundo evento y b) el resultado del primero evento
no tiene un efecto en el resultado del segundo evento.
Estos dos casos son conocidos respectivamente como:
– Eventos dependiente o
– Eventos Independientes

Este planteamiento muestra la frecuencia relativa

123
 Teoría de Probabilidad
V. Probabilidad de eventos Independientes y 2. Probabilidades bajo condiciones de Dependencia
Dependientes Estadística

1. Probabilidad bajo condiciones de Independencia Definición: La dependencia estadística existe cuando

Estadística la probabilidad de que se presente algún evento depende
o se ve afectada por la ocurrencia de algún otro evento.
Las probabilidad bajo independencia estadística se
sub-dividen en: a. Probabilidad Condicional

a. Probabilidad Marginal o Incondicional Simbología.. P(B/A) = P(BA)/P(A)

Simbología. La probabilidad de que ocurra B dado que A ha

Sea P(A) = Probabilidad de suceso del evento «A»
Ocurre cuando sólo un evento puede llevarse a
cabo. Ej. Un número de lotería, al tirar una moneda
ocurrido es igual a la probabilidad de que ocurran los
eventos A y B entre la probabilidad de que ocurra A.
Evento B Evento A

b. Probabilidad Conjunta

Cuando 2 o mas eventos independientes se presente

uno a continuación de otro. O cuando se requiere que Evento B y A

se presenten ambos simultáneamente.

Una vez ocurre el evento A
Evento A, con
Simbología. P(AB) = P(A)*P(B) Probabilidad
P(A)

c. Probabilidad Condicional Evento A y B, con

probabilidad = P(B y A)

P(B/A) = Probabilidad de que suceda el evento B

dado que el evento A se ha presentado. La ocurrencia
del primero no altera la ocurrencia del segundo. Se tiene Por lo que: P(B/A) = P(BA)/P(A)

que:

Simbología. P(B/A) = P(B) Ejemplo. 10 pelotas.

• 4 Color - 3 punteadas y 1 rayada

Independencia Estadística • 6 Grises - 2 punteadas y 4 rayadas
Tipo de Símbolo Fórmula • 5 punteadas - 3 de Color y 2 Grises
Probabilidad • 5 rayadas -1 de Color y 4 Grises

Tabla de Probabilidades
Marginal P(A) P(A)
Conjunta P(AB) P(A)*P(B) i. Dado que se ha sacado una bola de color (C)
Condicional P(B/A) P(B) ¿Cuál es la probabilidad de que sea punteada (D)?
P(A/B) P(A)
Resolución: P(D/C) = P(DC)/P(C) = 0.3/0.4 = 0.75
y por tanto P(F/C) =P(FC)/P(C) = 0.1/0.4 = 0.25

ii. Dado que se ha sacado una bola gris (G) ¿Cuál

es la probabilidad de que sea con franja (F)?

124
 Teoría de Probabilidad

Evento Descripción Probabilidad

Color
1 Puntos (D) y 0.1

Puntos
2 Color (C) 0.1
3 0.1

4 Puntos (D) 0.1

Grises 5 y Gris (G) 0.1

6 Franjas (F) y
Color (C) 0.1

Franjas
Resolución: P(F/G) = P(FG)/P(G) =0.4/0.6= 2/3 y 7 Franjas (F) y 0.1
por tanto: 8 Gris (G) 0.1
9 0.1
P(D/G) =P(DG)/P(G) =0.2/0.6=1/3 10 0.1

También es posible analizar como primer evento

el hecho de que la bolita extraída sea clasificada como
de puntos o de franjas. En tal caso tendríamos la tabla
que se muestra en la columna derecha.
Los eventos y sus probabilidades conjuntas serían:
Resolución: P(C/D) = P(DC)/P(D) = 0.3/0.5 = 0.60
y por tanto: P(G/D) =P(GD)/P(D) = 0.2/0.5 = 0.40
iv. Dado que se ha sacado una bola de franjas (F)
¿Cuál es la probabilidad de que sea de color (C)?

iii. Dado que se ha sacado una bola de puntos (D) Resolución: P(C/F) = P(CF)/P(F) =0.1/0.5= 0,2 y
¿Cuál es la probabilidad de que sea de color (C)? por tanto: P(G/F) =P(GF)/P(F) =0.4/0.5=0,8

b. Probabilidad Conjuntas

A partir de la formula para probabilidades

Evento Descripción Probabilidad condicionales podemos obtener la formula para
probabilidades conjuntas.
1 Color (C) y 0.1
Color

2 Puntos (D) 0.1 P(BA) = P(B/A) * P(A).

3 0.1
Léase: Probabilidad de que se los eventos A y B
4 Color (C) se presenten al mismo tiempo o en sucesión es igual a
y Franja (F) 0.1 la probabilidad de que suceda el evento B dado que ya
se presento el evento A multiplicado por probabilidad
5 Gris (G) con 0.1 de que ya se presento el evento A. Ejemplos
6 Puntos (D) 0.1
Gris

P(GD) = P(G/D) * P(D) = 0.4*0.5 = 0.2

7 Gris (G) con 0.1 P(GF) = P(G/F) * P(F) = 0.8*0.5=0.4
8 Franjas (F) 0.1 P(CF) = P(C/F) * P(F), donde P(C/F)= 1/3 * 6/10 = 6/
9 0.1 30 = 1/5 = 0.2, y P(F) = 0.5 entonces: 0.2 * 0.5 = 0.1
10 0.1 P(CD) = P(C/D) * P(D) =0.6 * 0.5 = 0.3

125
 Teoría de Probabilidad
b) El Inspector B apruebe un restaurante que esté
Para este ejemplo solo hay cuatro únicas violando el reglamento, dado que el inspector A ya
combinaciones posibles (eventos) lo aprobó?
c) Un restaurante que esté violando el reglamento sea
c. Probabilidad Marginal aprobado por el Departamento de Salud?

La probabilidad marginal de un evento bajo 1.2- Una presa hidroeléctrica tiene cuatro compuertas.
condiciones de dependencia estadística se calcula Cuando fallan sus compuertas se les repara de manera
mediante la suma de las probabilidades de todos los independiente una de la otra. A partir de la experiencia,
eventos conjuntos en los que se presenta dicho evento. se sabe que cada compuerta está fuera de servicio el
4% de todo el tiempo.
P(C) = P(CF) + P(CD) = 0.3 + 0.1= 0.4
P(G) = P(GD) + P(GF) = 0.2+0.4 = 0.6 a) Si la compuerta número uno está fuera de servicio,
P(D) = P(DC) + P(DG) = 0.3 +0.2= 0.5 ¿cuál es la probabilidad de que simultáneamente las
P(F) = P(FC) + P(FG) = 0.1 + 0.4 = 0.5 compuertas dos y tres estén fuera de servicio ?
b) Durante una visita a la presa, se le dice a usted que
las posibilidades de que las cuatro compuertas estén
Dependencia Estadística fuera de servicio al mismo tiempo son menores a
Tipo de Símbolo Fórmula uno entre cinco millones. ¿Es ésto cierto?
Probabilidad
Marginal P(A) Suma de todas las 1.3- Roberto Sales se encuentra preparando un informe
probabilidades de los que la empresa en la que trabaja, «Corporación Tritón»,
eventos conjuntos entregará a su vez al departamento Federal de Aviación
donde aparece evento de Estados Unidos. El informe debe ser aprobado
«A» primero por el responsable del grupo del cual Roberto
es integrante, luego por el jefe de su departamento y
después por el jefe de la división (en ese orden). Roberto
Conjunta P(AB) ó P(A/B)*P(B) ó sabe, por experiencia , que los tres directivos actúan
P(BA) P(B/A)*P(A) de manera independiente. Además sabe también que su
Condicional P(B/A) P(BA)/P(A) ó responsable de grupo aprueba 85% de sus informes, el
P(A/B) P(AB)/P(B) jefe del departamento aprueba el 80% de los informes
elaborados por Roberto y el jefe de la división aprueba
el 82% de los trabajos de Roberto
Ejercicios.
a) ¿Cuál es la probabilidad de que la primera versión
1.1- El Departamento de Salud efectúa rutinariamente del informe de Roberto sea enviada al Departamento
dos inspecciones independientes a los restaurantes. Un federal de Aviación?
restaurante aprobará la inspección sólo si ambos b) ¿Cuál es la probabilidad de que la primera versión
inspectores lo aprueban en cada una de las respectivas del informe de Roberto sea aprobada por el
inspecciones. El inspector A tiene mucha experiencia, responsable de grupo y el jefe del departamento pero
en consecuencia sólo aprueba 2% de los restaurantes no sea autorizado por el jefe de la división?
que realmente están violando el reglamento sobre
salubridad. El inspector B tiene menos experiencia y 1.4- Billy Bordeaux, ejecutivo consultor en jefe de la
aprueba 7% de los restaurantes con fallas. ¿Cuál es la compañía Grapevine Concepts, recientemente lanzó una
probabilidad de que: campaña publicitaria para un nuevo restaurante, The
a) El inspector A apruebe un restaurante que está Black Angus. Billy acaba de instalar cuatro anuncios
violando el reglamento, dado que el inspector B ha panorámicos en la carretera a la entrada de la ciudad, y
encontrado violaciones al reglamento? sabe, por su experiencia, la probabilidad de que cada

126

anuncio sea visto por un conductor escogido
aleatoriamente.
La probabilidad de que el primer anuncio sea visto
por un conductor es de 0.75. La probabilidad de que el
segundo sea visto es de 0.82, la probabilidad para el
tercero es de .87 y la del cuarto es de 0.9. Suponiendo
que el evento consiste en que un conductor vea uno
cualquiera de los anuncios es independiente de si ha
visto o no los demás; ¿cuál es la probabilidad de que:
a) Los cuatro anuncios sean vistos por un conductor
escogido aleatoriamente?
b) El primero y el cuarto anuncios sean vistos, sin que
el segundo y el tercero sean notados?
c) Solamente uno de los anuncios sea visto?
d) Ninguno de los anuncios sea visto?
e) El tercero y cuarto anuncios no sean vistos?
1.5- La tienda de autoservicio Friendly ha sido víctima
de muchos ladrones durante el mes pasado, pero debido
al aumento de las condiciones de seguridad de la tienda,
se ha podido aprender a 250 ladrones. Se registró el
sexo de cada infractor y si éste era su primer robo o si
ya había sido sorprendido con anterioridad. Los datos
Teoría de Probabilidad
se resumen en la tabla siguiente:
Suponiendo que un infractor aprehendido es
escogido al azar, encuentre:
a) La probabilidad de que éste sea hombre
b) La probabilidad de que sea la primera aprehensión
del infractor, dado que éste es hombre.
c) La probabilidad de que el ladrón sea mujer, dado
que éste es reincidente
d) La probabilidad de que el ladrón sea mujer, dado
que es su primera aprehensión
e) La probabilidad de que el ladrón sea tanto hombre
como reincidente
1.6- El gerente regional de la zona sureste de General
Express, una compañía privada de paquetería, está
preocupado por la posibilidad de que algunos de sus
empleados vayan a huelga. Estima de que la
probabilidad de que sus pilotos se vayan a huelga es de
0.75 y la probabilidad de que los choferes se vayan a
huelga es de 0.65. Existe el 90% de probabilidades de
que los pilotos realicen un paro solidario de actividades.
O sea, la probabilidad de que los pilotos se vayan a
huelga dado que los choferes se han ido a huelga es de
0.90.

Género Primera Reincidente a) ¿Cuál es la probabilidad de que ambos grupos se

Aprehención Total vayan huelga?
Hombre 60 70 130
b) Si los pilotos hacen huelga, ¿cuál es la probabilidad
Mujer 44 76 120
de que los choferes lo hagan también como acto de
solidaridad?
Total 104 146 250

Nota: Las siguientes fórmulas le pueden ayudar a comprender los

términos de Excluyente e Independencia.

Mutuamente Excluyente: ∩B) = 0

P(A∩
No Mutuamente Excluyente: ∩B) ≠ 0
P(A∩

Independencia Estadística P(A/B) = P(A)

P(A^B) = P(A)*P(B)

Dependencia Estadística P(A/B) = P(A^B)/P(B)

P(A^B) =P(A/B) * P(B)
P(A/B) ≠ P(A)
P(A)*P(B) ≠ P(A^B)
127
 Independencia Estadística

Al dia En mora P(marginal) Mora No Mora P(marginal)

menos de 2 80 290 370 Casado(a) 180 20 425
2 o mas 150 480 630 Soltero(a) 720 80 575
P(marginal) 230 770 1000 P(marginal) 350 650 1000

Probabilidades conjuntas bajo independencia estadística (n/N) Probabilidades conjuntas bajo independencia estadística (n/N)
Al dia En mora P(marginal) Mora No Mora P(marginal)
menos de 2 0.08 0.29 0.37 Casado(a) 0.1800 0.0200 0.2000
2 o mas 0.15 0.48 0.63 Soltero(a) 0.7200 0.0800 0.8000
P(marginal) 0.23 0.77 1 P(marginal) 0.9000 0.1000 1.0000

Probabilidades conjuntas bajo independencia estadística P(AC) = P(A)*P(C) Probabilidades conjuntas bajo independencia estadística P(AC) = P(A)*P(C)
Al dia En mora P(marginal) Mora No Mora P(marginal)
menos de 2 0.0851 0.2849 0.37 P(a/c) = P(a)= 0.37 Casado(a) 0.1800 0.0200 0.2000
2 o mas 0.1449 0.4851 0.63 Soltero(a) 0.7200 0.0800 0.8000
P(marginal) 0.23 0.77 1 P(marginal) 0.9000 0.1000 1.0000

Dependencia Estadística

Al dia En mora P(marginal) Mora No Mora P(marginal)

menos de 2 150 250 400 Casado(a) 200 225 425
2 o mas 80 520 600 Soltero(a) 150 425 575
P(marginal) 230 770 1000 P(marginal) 350 650 1000

Probabilidades conjuntas bajo dependencia estadística Probabilidades conjuntas bajo dependencia estadística
Al dia En mora P(marginal) Mora No Mora P(marginal)
menos de 2 0.15 0.25 0.4 Casado(a) 0.2000 0.2250 0.4250
2 o mas 0.08 0.52 0.6 Soltero(a) 0.1500 0.4250 0.5750
P(marginal) 0.23 0.77 1.00 P(marginal) 0.3500 0.6500 1.0000

Probabilidades conjuntas si fueran independientes P(AC) = P(A)*P(C) Probabilidades conjuntas si fueran independientes P(AC) = P(A)*P(C)
Al dia En mora P(marginal) Mora No Mora P(marginal)
menos de 2 0.092 0.308 0.4 Casado(a) 0.1488 0.2763 0.4250
2 o mas 0.138 0.462 0.6 Soltero(a) 0.2013 0.3738 0.5750
P(marginal) 0.23 0.77 1.00 P(marginal) 0.3500 0.6500 1.0000

128
Teoría de Probabilidad
 Ejercicio 1.1. Inspectores de Restaurantes
Ejercicio 1.2. Compuertas de Represa
Información dada
• P(Inspector A apruebe un restaurante que no
Información dada
cumple) = 0.02 = 2%
• P(Inspector B apruebe un restaurante que no
• Probabilidad de falla de cada una de las compuerta =
cumple) = 0.07 = 7% 0.04
• Eventos bajo independencia estadística • Eventos bajo independencia estadística
Inspector A
Resolución • Resolución
– A. P(Inspector A / Inspector B) = P(Inspector A) = – A. P(Compuerta 2 y Compuerta 3 fallen /
0.02
Compuerta 1 ha fallado) = P(C2 y C3 fallen) = P(C2
– B. P(Inspector B / Inspector A) = P(Inspector B) =
0.07 falle) * P(C3 falle) = 0.04 * 0.04 = 0.0016
– C. P(Inspector B) * P(Inspector A) = 0.02*0.07 = – B. P(C1 y C2 y C3 y C4 fallen) = 0.04 * 0.04 * 0.04
0.0014
* 0.04 = 0.00000256 = 1/400,000. Entonces no es
Inspector B cierto que la probabilidad de falla total sea 1 en
5,000,000
Ejercicio 1.3. Aprobación de Proyectos
Información proporcionada:
• Existen un proyecto con tres fases Ejercicio 1.4. Vallas Publicitarias
• Eventos bajo independencia estadística SI
A. SI SI
SI

0.85 = 0.85*0.80*0.82 = 0.5576

0.80
0.82
SI
SI NO
NO
0.85 = 0.85*0.80*(1-0.82) = 0.1224 B.
0.80

129
Teoría de Probabilidad

0.18
 Ejercicio 1.4. Vallas Publicitarias Ejercicio 1.4. Vallas Publicitarias

SI
SI
SI NO
SI SI
NO
SI

A. Solución: 0.75*0.82*0.87*0.9 = 0.481545 B. Solución: 0.75*(1-0.82)*(1-0.87)*0.9 = 0.015795

Ejercicio 1.4. Vallas Publicitarias. Continuación Ejercicio 1.4. Vallas Publicitarias. Continuación
SI NO
NO NO
NO NO
NO SI NO
NO NO
NO
NO
NO SI NO
SI NO
NO
NO

D. Solución: (1-0.75)*(1-0.82)*(1-0.87)*(1-0.9) = 0.000585

C. Solución: 0.75*(1-0.82)*(1-0.87)*(1-0.9) +
(1-0.75)*(1-0.82)*(0.87)*(1-0.9) +
NO
(1-0.75)*(0.82)*(1-0.87)*(1-0.9) +
NO
(1-0.75)*(1-0.82)*(1-0.87)*(0.9)
= 0.013595
E. Solución: (1-0.87)*(1-0.9) = 0.013

130
Teoría de Probabilidad
 Ejercicio 1.5. Robos en el autoservicio Ejercicio 1.6. Huelga en General
Género 1 a. Aprención 2 o mas Total Express
Aprenciones
• P(pilotos a huelga) = 0.75
Hombre 60 70 130
• P(choferes a huelga) = 0.65
Mujer 44 76 120 • P(pilotos a huelga/choferes a huelga) = 0.90
Total 10 4 14 6 250
a) P(pilotos a huelga y choferes a huelga) =
P(pilotos a huelga/choferes a huelga)
Género 1a. Aprención 2 o mas . Total
*P(choferes a huelga) = 0.90*0.65 = 0.585
Aprenciones
Hombre 0.24 0 0.28 0 0.52 0 b)P(choferes a huelga/ pilotos a huelga) =
Mujer 0.17 6 0.30 4 0.48 0 P(choferes a huelga y pilotos a huelga) /
Total 0.41 6 0.58 4 1.00 0 P(pilotos a huelga) = 0.585/0.75 = 0.78

a. P(hombre) = 0.520 P(A) = 0.75

P(B) = 0.65
P(A/B) = 0.90
b. P(1a. aprención/hombre) = (0.240/0.520) P(AB) = P(A/B) * P(B)
= 0.90 * 0.65
c. P(mujer/reincidente) = (0.304/0.584) = 0.585
P(B/A) = P(AB) / P(A)
d. P(mujer/1a. aprención) =(0.176/0.416) = 0.585 / 0.75
= 0.78
e. P(Reincidente y hombre) = 0.28

131
Teoría de Probabilidad