ESTADISTICA APLICADA

PROBABILIDADES
Sesión 1

CURSO: ESTADÍSTICA APLICADA

DOCENTE: Ms. C. Karina Jacqueline Cárdenas Rodríguez
PROBABILIDADES
Fecha:
Sábado: 02/10/2021
Horario:
De 1:00 p.m. a 3:30 p.m.

Logro de la sesión: Al término de la sesión, el estudiante resuelve problemas de contexto

real haciendo uso de las probabilidades considerando las propiedades básicas y leyes de
las probabilidades, con precisión en el cálculo.

Producto: Practica de desarrollo

INTRODUCCIÓN

https://www.youtube.com/watch?v=n4NLtIKNCJs&t=14s
INTRODUCCIÓN

¿Las probabilidades serán

Después de haber
necesarias para tomar
decisiones en nuestra vida? Observado el video
respondemos a la
interrogante

Utilizamos el
sondeo en Zoom
TEMARIO

1. Introducción a la probabilidad

2. Conceptos básicos de la probabilidad

3. Probabilidad de un evento

4. Álgebra de eventos

5. Teorema de bayes
1. Introducción a la probabilidad

En muchas oportunidades nos hemos encontrado con afirmaciones donde no

existe 100% de certeza sobre la aparición o realización de un hecho o fenómeno.
EJEMPLOS:

• ¿Cuál es la probabilidad de ganar la tinka?

• ¿Cuál es la probabilidad de contraer COVID 19 ?

En estos ejemplos se puede apreciar que el resultado final no se conoce con

exactitud o certeza, existe por lo tanto INCERTIDUMBRE.

La necesidad de tener suficiente poder para manejar la incertidumbre obliga a

estudiar y usar la teoría de la probabilidad.

https://www.infobae.com/america/2020/05/08/calculadora-de-riesgo-covid-19-cuales-son-las-
probabilidades-de-contraer-coronavirus/
2. Conceptos básicos de la probabilidad
A. EXPERIMENTO (ε):

Se llama experimento al conjunto de acciones, reales o imaginarias, realizadas con la finalidad de

obtener resultados.

A.1. EXPERIMENTOS NO ALEATORIOS O DETERMINÍSTICO:

Son aquellos cuyo resultado del experimento se conoce con anterioridad
y que puede describirse por una fórmula matemática, física o química.
Ejemplos:
• Soltar una piedra en el aire.
• Lanzar una pelota en una tina con agua, etc.

A.2. EXPERIMENTOS ALEATORIOS O NO DETERMINÍSTICOS:

Son aquellos cuyos resultados del experimento no pueden predecirse con exactitud
antes de realizar el experimento.
Ejemplos:
• Lanzar una moneda y observar la cara superior.
• Lanzar un dado y observar el número que aparece.
2. Conceptos básicos de la probabilidad

B. ESPACIO MUESTRAL
Dado un experimento aleatorio ε, se llama espacio muestral de ε, denotado por , al conjunto
de todos los resultados posibles del experimento.

ξ  = w1, w2, ........, wn

Ejemplos:

Sea el experimento 1: ε = “Lanzamiento de un dado y su puntaje obtenido”

 = 1, 2, 3, 4, 5, 6 n() = 6

Sea el experimento 2: ε = “Situación final en el curso de probabilidad y estadística por parte

de un estudiante”

 = aprobar, desaprobar n() = 2

2. Conceptos básicos de la probabilidad
C. SUCESO O EVENTO
Un suceso o evento de un experimento aleatorio ε, es cualquier subconjunto o parte de los posibles
resultados del espacio muestral 

Ejemplo 1: ε =Lanzamiento de un dado y su puntaje obtenido

 = {1,2,3,4,5,6}

Suceso A: El puntaje obtenido es un número par :

A= {2, 4, 6}, n(A) = 3

Suceso B: Puntaje es menor ó igual que 5:

B= {1,2,3,4,5}, n(B) = 5

Suceso C: Puntaje es mayor que 7

C=∅
 Ejemplo 2:
ε = anotar el resultado de dos partidos de fútbol jugados por los estudiantes de la universidad
(considerar G: partido ganado, E: Partido empatado y p: partido perdido)
Los posibles resultados son:

PARTIDO 2 El espacio muestral:

PARTIDO 1 G E P  = {GG, GE, GP, EG, EE, EP, PG, PE, PP}
n() = 9
G GG GE GP
E EG EE EP Evento A = Los dos partidos se ganaron.
P PG PE PP
A = {GG}; n(A) = 1

Evento B = Por lo menos uno de los partidos fue empatado. ≥ 1𝐸

B = {GE, EG, EE, EP, PE}; n(B) = 5
Evento C = A lo más uno de los partidos fue perdido. ≤ 𝟏𝑷: (= 1P, = 0P)
C= {GG, GE, GP, EG, EE, EP, PG, PE}; n(C) = 8
Experimento:
Examinar los resultados de lanzar 3 monedas Probabilidad:
Probabilidad de que la primera
Espacio muestral (Ω): moneda sea cara.
Todos los posibles resultados
P(A) = 4/8= 0.5 = 50%.
Ω = { ccc, ccs, csc, css, sss, ssc, scs, scc}
n(Ω) = 8
Evento:
A = «La primera moneda es cara»
A = {ccc, ccs, csc, css}
n(A) = 4
TIPO DE EVENTOS:

1. EVENTO SEGURO O SUCESO UNIVERSAL

Es un evento que tiene 100% de probabilidad de ocurrencia. (si o si debe ocurrir).

Ejemplo:
Nos encontramos en la fábrica de Coca Cola, en la línea de producción de bebidas
gaseosas en latas:
B = “Selección de un envase y que éste sea de lata.”

2. EVENTO IMPOSIBLE

Es un evento que NUNCA ocurrirá

Ejemplo:
B = “Selección de un envase y que éste sea de vidrio.”
TIPO DE EVENTOS:

3. EVENTO COMPLEMENTARIO

Es el complemento del evento A y se denota por 𝐴ҧ (se lee NO "A") y significa que el evento no ocurre.
Ejemplo:
Sea A = Persona con título profesional universitario.
Entonces el complemento será:
𝐴ҧ = Persona sin título profesional universitario.

4. EVENTO MUTUAMENTE EXCLUYENTES

Dos eventos A y B son mutuamente excluyentes o disjuntos si 𝐴 ∩ 𝐵 = ∅; es decir si A y B no
tienen elementos en común.
Ejemplo:
La pieza no puede ser aceptable e inaceptable al mismo tiempo. En una muestra de piezas
fabricadas, el evento de seleccionar una pieza no aceptable y el evento de seleccionar una
pieza aceptable son mutuamente excluyentes.
TIPO DE EVENTOS:

5. EVENTOS INDEPENDIENTES

Dos eventos son independientes si ambos no tienen ninguna relación entre sí; es decir, si la
ocurrencia de uno de ellos, no influye en la ocurrencia del otro.

Ejemplo:
Sean los eventos
X = Primer alumno apruebe el examen de Estadística Aplicada
Y = Segundo alumno apruebe el examen de Estadística Aplicada.

X e Y son independientes porque al ocurrir el evento X, éste no influye para que el evento
Y ocurra.
3. Probabilidad de un evento

• Sea un espacio muestral asociado a un experimento aleatorio 𝜀

• Sea A un evento tal que A ⊂ Ω
• Se define P(A) como la probabilidad del evento A, la cual satisface:

0 ≤ P(A) ≤ 1

Donde:

𝑛(𝐴) 𝐶𝑎𝑠𝑜𝑠 𝑓𝑎𝑣𝑜𝑟𝑎𝑏𝑙𝑒𝑠 𝑑𝑒 𝐴

𝑃 𝐴 = =
𝑛(Ω) 𝐶𝑎𝑠𝑜𝑠 𝑝𝑜𝑠𝑖𝑏𝑙𝑒𝑠
3. Probabilidad de un evento

EJEMPLO 1

Sea el experimento lanzar un dado. Determinar la probabilidad de obtener como resultado la cara 6.

Solución:
Se define el experimento y su espacio muestral:
𝜺: Lanzar un dado
 = {1,2,3,4,5,6}, n(Ω) = 6

Se define el evento A:
A : Obtener como resultado la cara 6
A = {6}, n(A) = 1

La probabilidad del evento A es:

EJEMPLO 2

ε: Extracción de una carta de 52 naipes

Cuál es la probabilidad de que?

A. Sea espada
B. Sea menor de 9
C. Sea 13
SOLUCIÓN:

A. Sea espada: B. Sea menor de 9:

P [A] = n(A) / n(Ω) 8 cartas son menores que 9, por lo tanto el total de cartas es igual
a 32 (8*4)
= 13/52 = 0.25 ó 25%
P [B] = n(B) / n(Ω) = 32/52

= 0.6153 ó 61.53%

C. Sea 13:

Hay 4 cartas de valor 13.

(el 13 , el 13 , el 13  y el 13 )

P [C] = n(C) / n(Ω) = 4/52

= 0.0769 ó 7.69%
4. Algebra de Eventos

OPERACIONES CON EVENTOS.- Dados los eventos A y B

a) UNIÓN: ∪
La unión o reunión de A y B, que se denota AUB, es el evento


A B
𝐶𝑎𝑠𝑜 1: 𝑃 𝐴 ∪ 𝐵 = 𝑃 𝐴 + 𝑃 𝐵 − 𝑃(𝐴 ∩ 𝐵)


A B

𝐶𝑎𝑠𝑜 2: 𝑃 𝐴 ∪ 𝐵 = 𝑃 𝐴 + 𝑃 𝐵
4. Algebra de Eventos

b) INTERSECIÓN: ∩
La intersección de A y B, que se denota AB, es el evento
AB = {w   / w  A y w  B}

𝑛(𝐴 ∩ 𝐵)
𝑃 𝐴∩𝐵 =
𝑛(Ω)


A B
4. Algebra de Eventos

PROBABILIDAD CONDICIONAL

• Se denota por P(A / B), donde / significa condicionado, dado, sabiendo que, si se sabe, etc.
• Se utiliza para calcular la probabilidad de un evento que está condicionado a un
subconjunto del espacio muestral.
• Se define de la siguiente manera:

𝑛(𝐴 ∩ 𝐵)
𝑃(𝐴ൗ𝐵) = , 𝑛(𝐵) > 0
𝑛(𝐵)
EJEMPLO: La siguiente información corresponde a 40 pacientes que han acudido a
un Centro de Salud en donde se ha registrado un conjunto de variables respecto a la
pandemia por la que estamos atravesando (COVID-19). A continuación se presenta
una tabla que consigna el género y la posibilidad de dar positivo al Covid-19:

Posibilidad de dar positivo al COVID-19

GÉNERO Total
Poco probable (PP) Probable (P) Muy Probable (MP)

Masculino (M) 6 11 8 25
Femenino (F) 4 4 7 15
Total 10 15 15 40 = n(Ω)

A PARTIR DE LA TABLA MOSTRADA CALCULAR LAS SIGUIENTES PROBABILIDADES:

a. Calcule la probabilidad de que sea de género femenino.
𝑛(𝐴)
P. Simple 𝑃 𝐴 =
𝑛(Ω) 𝑛(𝐹) 15
𝑃 𝐹 = = = 0.375 = 37.5%
𝑛(Ω) 40
b. Determine la probabilidad de que tenga una posibilidad poco probable de dar
positivo al COVID-19.
𝑛(𝑃𝑃) 10
𝑃 𝑃𝑃 = = = 0.25 = 25%
𝑛(Ω) 40

P. Intersección 𝑛(𝐴 ∩ 𝐵)
Conector “y” 𝑃 𝐴∩𝐵 =
𝑛(Ω)

Posibilidad de dar positivo al COVID-19

GÉNERO Total
Poco probable (PP) Probable (P) Muy Probable (MP)

Masculino (M) 6 11 8 25
Femenino (F) 4 4 7 15
Total 10 15 15 40 = n(Ω)

c. Calcule el porcentaje de que sea de género masculino y tenga una posibilidad muy probable de
dar positivo al COVID-19?
𝑛(𝑀 ∩ 𝑀𝑃) 8
𝑃 𝑀 ∩ 𝑀𝑃 = = = 0.2 = 20%
𝑛(Ω) 40
P. Unión 𝑃 𝐴 ∪ 𝐵 = 𝑃 𝐴 + 𝑃 𝐵 − 𝑃(𝐴 ∩ 𝐵)
Conector “o”
Posibilidad de dar positivo al COVID-19
GÉNERO Total
Poco probable (PP) Probable (P) Muy Probable (MP)

Masculino (M) 6 11 8 25
Femenino (F) 4 4 7 15
Total 10 15 15 40 = n(Ω)

d. Determine la probabilidad de que sea de género femenino o tenga una posibilidad probable de dar positivo al COVID-19?

𝑃 𝐹 ∪ 𝑃 = 𝑃 𝐹 + 𝑃 𝑃 − 𝑃(𝐹 ∩ 𝑃)

15 15 4
𝑃 𝐹∪𝑃 = + − = 0.65 = 65%
40 40 40
e. Calcule la probabilidad de que el paciente seleccionado tenga una posibilidad poco probable de dar positivo al COVID-19
o muy probable.
𝑃 𝑃𝑃 ∪ 𝑀𝑃 = 𝑃 𝑃𝑃 + 𝑃 𝑀𝑃 − 𝑃(𝑃𝑃 ∩ 𝑀𝑃)

10 15
𝑃 𝑃𝑃 ∪ 𝑀𝑃 = + − 0 = 0.625 = 62.5%
40 40
5. Teorema de Bayes
• Este es el TEOREMA más importante en el cálculo de probabilidades.
• Para conocer este teorema se deben conocer previamente algunas definiciones:

A. PARTICION:
Se llama partición al conjunto de eventos del espacio
Ω
muestral Ω, que cumple con 2 características: A1 A2 A3 A4
a. U Ai = Ω (los eventos son colectivamente exhaustivos)
b. ∩ Ai = Ø (los eventos son mutuamente excluyentes)

A1 A2 A3 A4 B
B. PROBABILIDAD TOTAL:
Ω
Si A1, A2, … , An es una partición de Ω y B es un
(A1∩B) (A2∩B) (A3∩B) (A4∩B)
subconjunto cualquiera dentro de Ω, entonces:

P(B) = ∑ P(Ai).P(B/Ai)
TEOREMA DE BAYES: Si A1, A2, … , An es una partición de Ω y B es un
subconjunto cualquiera dentro de Ω, entonces, la probabilidad de que ocurra un
evento Ai, cuando el evento B ha ocurrido es:

A1 A2 A3 A4

Ω
(A1/B)

P( Ai )  P( B / Ai )
P( Ai / B) =
P( B)
Ejemplo de Aplicación:

En una fábrica la máquina A produce el 40% de la producción total y la máquina B el 60%

restante. Por experiencia se sabe que el 9% de los artículos producidos por la máquina A
son defectuosos y el 1% de artículos producidos por la máquina B son defectuosos.

(a) Si se extrae un producto al azar, ¿Cuál es la probabilidad de

que el artículo seleccionado sea defectuoso?

(b) Si se selecciona un artículo defectuoso. ¿Cuál es la

probabilidad de que sea producido por la máquina A?

(c) ¿Cuál es la probabilidad de que sea producido por la máquina

B, dado que es no defectuoso?
Ejemplo de Aplicación:
SOLUCIÓN: Sean los siguientes eventos:

A = “el producto es del proceso A”

B = “el producto es del proceso B”
D = “el producto es defectuoso”
ഥ = “el producto es no defectuoso”
𝐷

(a) Si se extrae un producto al azar, ¿Cuál es la probabilidad de que el artículo seleccionado sea
defectuoso?
Debemos calcular P(D).

P(B) = ∑ P(Ai).P(B/Ai)
 𝑃 𝐷 = 𝑃 𝐴 . 𝑃 𝐷/𝐴 + 𝑃 𝐵 . 𝑃 𝐷/𝐵
= 0.40 0.09 + 0.60 0.01 = 0.042
ഥ)
Si quisiéramos calcular P(𝐷
ഥ = 𝑃 𝐴 . 𝑃 𝐷/𝐴
𝑃𝐷 ഥ ഥ
+ 𝑃 𝐵 . 𝑃 𝐷/𝐵 = 0.40 0.91 + 0.60 0.99 = 0.958

O podemos aplicar la siguiente fórmula: ഥ = 1 − 𝑃(𝐷)

𝑃𝐷

(b) Si se selecciona un artículo defectuoso. ¿Cuál es la probabilidad de que sea producido por la máquina A?

𝑃 𝐴 × 𝑃 𝐷 Τ𝐴 0.40 ∗ 0.09 P( Ai )  P( B / Ai )
𝑃(𝐴Τ𝑫) = = = 0.8571 = 85.71% P( Ai / B) =
𝑃 𝐷 0.042 P( B)

(c) ¿Cuál es la probabilidad de que sea producido por la máquina B, dado que es no defectuoso?

𝑃 𝐵 ×𝑃 𝐷ഥ Τ𝐵 0.60 ∗ 0.99
ഥ) =
𝑃(𝐵 Τ𝐷 = = 0.6200 = 62%
ഥ
𝑃 𝐷 0.958
Evaluando lo aprendido

Estimados estudiantes repasamos lo

aprendido respondiendo a los ítems
propuestos a través del siguiente link:

https://forms.gle/c9Ja3E2CxafARjmSA
CONCLUSIONES

1. La probabilidad es una medida de la incertidumbre asociada a un evento futuro y

suele expresarse como un número entre 0 y 1.

2. Las operaciones de conjuntos tienen su forma equivalente en la teoría de

probabilidad, por tanto existe correspondencia entre el álgebra de conjuntos y el

álgebra de eventos.
Recordamos nuestro logro de aprendizaje...!!

Logro de la sesión: Al término de la sesión, el estudiante

resuelve problemas de contexto real haciendo uso de las
probabilidades considerando las propiedades básicas y
leyes de las probabilidades, con precisión en el cálculo.

Te invito a reflexionar.

¿Lo lograste?

Estoy segura que sí..!!

ASISTENCIA A VDC EXPOSITIVA 1