Unidad 4 - Cálculo de Las Probabilidades

Estadística Descriptiva UPOLI
Unidad # 4: Cálculo de probabilidades.
Objetivos.
1. Identificar la probabilidad. como una medida de la ocurrencia de un evento

aleatorio verificando sus propiedades en ejemplos concretos.
2. Aplicar correctamente los conceptos de probabilidad condicional y eventos
independientes.
3. Interpretar el valor de la probabilidad obtenida en diversos problemas de la
vida cotidiana.
Contenido:
4.1 – Origen e importancia de las probabilidades

4.2 - Conceptos básicos.
4.3 - Tipos de probabilidades.
4.4 - Reglas de probabilidades: Adición y Multiplicación
4.5 - Probabilidad condicional.
4.6 - Independencia estadística.
4.7 – Teorema de Bayes
Prof. Erika Arroliga G Pág. 1 • Unidad # 4

Introducción
Históricamente, la teoría de la probabilidad se originó en las investigaciones que
llevaron a Blaise Pascal y a Pierre de Fermat a mediados del siglo XVII, los
primeros trabajos, en los que tuvieron origen los conceptos fundamentales de la
teoría de probabilidades, se redujeron a las tentativas de crear la teoría de juegos
de azar (Cardano, Huygens, Pascal, Fermat y otros en los siglos XVI – XVII), y con
el tiempo se aplicó a otros problemas socioeconómicos, la industria, la ingeniería,
meteorología, cálculo actuarial, administración, economía, ciencias
experimentales y de seguros, que nació en el siglo XIX, requería un conocimiento
exacto del riesgo de perder, pues de lo contrario no se podían calcular las pólizas.
La etapa siguiente de desarrollo de la teoría de probabilidades está vinculada con

el nombre de Jacobo Bernoulli (1654 – 1705). El teorema por él demostrado que
ulteriormente tomará el nombre de “Ley de los grandes números”, fue la primera
base teórica de los hechos acumulados antes.
Los progresos ulteriores de la teoría de probabilidades se deben a Moivre,

Laplace, Gauss, Poisson, etc.
El nuevo período el más fructífero, está relacionado con los nombres de P.L.
Chebishev (1821 – 1894) y sus alumnos A. A. Markov (1856 – 1922) y A. M.
Liapunov (1857 – 1918). En este período la teoría de las probabilidades se
convierte en una ciencia matemática ordenada. Su desarrollo posterior se debe,
en primer término a los matemáticos rusos y soviéticos ( S. N. Bernshtein,
V.I.Romanovski, A. N. Kolmogorov, A. Ya, Jinchin, B.V. Gnedenko, N. V. Smirnov,
etc.)
Los métodos de la teoría de probabilidad se utilizan ampliamente en las distintas

ramas de las ciencias naturales y de la técnica; en la teoría de fiabilidad, la teoría
de servicio de masas, en física teórica, geodesia, astronomía, teoría del tiro, teoría
de errores de observaciones, teoría del mando automático, teoría general de las
comunicaciones y en muchas otras ciencias teóricas y aplicadas. La teoría de las
probabilidades sirve también como base de la estadística matemática y aplicada,
la que, a su vez, se emplea en la planificación y organización de la producción, al
analizar procesos tecnológicos, el control preventivo y de recepción de la calidad
de la producción y para muchos otros fines.
En la actualidad, la teoría matemática de la probabilidad constituye el

fundamento de las aplicaciones estadísticas, tanto en la investigación social como
en la toma de decisiones.

• https://prezi.com/3_kwdp809efp/historia-de-la-estadistica-linea-
del-tiempo/

Conceptos básicos de probabilidad

En el estudio de la teoría de la probabilidad es preciso saber utilizar con exactitud
la comunicación. El lenguaje exacto que en general se emplea para enunciar y
resolver problemas de probabilidades es la teoría de conjuntos; en base a ella
pueden realizarse operaciones relacionadas con la probabilidad.
Experimento Aleatorio (E): Es aquel que al repetirse bajo condiciones

aproximadamente idénticas el resultado no es necesariamente el mismo.
Ejemplo: E1: Lanzar una moneda al aire

E2: Lanzar un dado
E3: El encargado de control de calidad revisa 10 camisas
producidas, luego cuenta el No. de camisas con algún defecto.
E4: De un alista tomada de todas las cuentas de ahorro en un banco
seleccionar al azar una y luego anotar su vida actual (vida máxima 15
años).
Espacio Muestral (S): Es el conjunto de todos los resultados posibles de un

experimento aleatorio. Cada elemento de este conjunto se denomina un punto
muestral.
Ejemplo: S1 = {Lado A, lado B} = {cara, sol}

S2 = {1,2,3,4,5,6}
S3 = {0,1,2,3,4,5,6,7,8,9,10}
S4 = (0,15]
Ejemplos: Determinar los espacios muéstrales asociados con los siguientes

experimentos:
a) Sea E: lanzar dos dados y observar los números de las caras superiores.
Solución: Hay 36 pares ordenados de la forma
S = {(1,1), )1,2),...(1,6), (2,1), (2,2),...(2,6),...(6,6)}
b) Sea E: Lanzar tres monedas y contar el número de caras

Solución: S = {0,1,2,3}
c) Sea E: Lanzar dos dados y contar los números de las caras superiores.
Solución: S = {2,3,4,5,6,7,8,9,10,11,12}
d) Sea E: de una urna que contiene 7 bolas blancas y 3 negras se sacan 2 bolas
en forma consecutiva y sin reposición y se observan. Hacer diagrama de
árbol.
Solución: S = {BB, BN, NB, NN}
e) Sea E: De un lote que contiene 3 artículos malos y 17 buenos sacar uno por
uno y sin reposición hasta sacar todos los malos
Solución: S = {3,4,5,6,7, .........,20}
Un evento o suceso: Conjunto de uno o más resultados de un experimento. Son

subconjuntos del espacio muestral. Los eventos serán simbolizados con letras
mayúsculas, A, B, C……
Ejemplo: Si lanzamos una moneda, el hecho que salga el lado B sol será un
evento y conseguir que salga el lado A cara será otro evento.
Ejemplo: Si estamos extrayendo naipes de una baraja, seleccionar un as de

corazones constituirá un evento.
Ejemplo: Si lanzamos un dado, un evento será obtener un número impar, es

decir, A = {1,3,5}.
Tipos de eventos
1) Evento imposible (Ø): es aquel que nunca ocurre. Cumple con
la característica de ser un subconjunto del espacio muestral. Por
ejemplo, si nos interesa el evento de que aparezca un as verde en la
baraja común. Es claro que esto nunca sucederá porque ninguna carta
de la baraja cumple con esas características. Este conjunto es Ø.

2) Evento seguro (S): es aquel que siempre ocurre. Es un subconjunto de
este. Por ejemplo, el evento que un número par o impar de puntos aparezca al
tirar un dado es el conjunto S = {1,2,3,4,5,6}.
3) Evento simple: es el describe solamente una característica. Por ejemplo,

el evento simple será obtener un número impar, es decir, A = {1,3,5}.
4) Evento conjunto: describe dos o más características. Por ejemplo: el

número de camisas defectuosas menor de 5 y es impar. (Hay dos eventos).
5) Unión de dos eventos: El evento unión de A y B denotado

por AUB (A o B) es aquel que ocurre si A ocurre o B ocurre o si
ocurren ambos. Por ejemplo, el No. de camisas defectuosas es
ninguna o menor que 3.
A = {0}; B={0,1,2}; → A U B = {0,1,2,}.
6) Evento complementario de A (¬ A): es aquel que ocurre cuando A no ocurre.
7) Eventos mutuamente excluyentes
Se dice que dos sucesos A y B son mutuamente excluyentes si no pueden ocurrir

juntos (simultáneamente), es decir, la ocurrencia de A excluye automáticamente
la ocurrencia de B, esto es A∩B = Ø Por ejemplo, al extraer una carta de una baraja
de naipes y sea los eventos: A: Caer Ases y el evento B: caer reyes (K). En cualquier
lanzamiento, ambos lados pueden salir, pero no los dos simultáneamente.

8) Eventos colectivamente exhaustivos: si por lo menos uno de ellos debe
ocurrir durante el experimento. Estos eventos al ser
unidos forman el espacio muestral. Los eventos A1, A2,
A3,…….. An son exhaustivos si A1U A2U A3U……..U
An= S.
Por ejemplo, Extraer una carta de una baraja de naipes

y sea los eventos
A= Caer corazón → A= {A, 2, 3, 4, 5, 6, 7, 8,
9, 10, J, Q, K }
B = Caer Rey (K) → B= {K K, K, K};
A U B = S= {A, 2, 3, 4, 5, 6, 7, 8, 9, 10,
J, Q, K}; A y B son exhaustivos.
Definición de probabilidad
Con cada suceso o evento A asociamos un número real designado por p(A), y lo
llamamos probabilidad de que A ocurra. La probabilidad de ocurrencia de A, la
definimos por
Las probabilidades se expresan como fracciones (1/6, ½, 8/9) o como decimales

(.167, .500, .889) o como porcentaje 16.7%, 50%, 88.9%.
¿Cómo se simboliza la probabilidad de que un evento ocurra?

0 ≤ P (A) ≥ 1
Asignar una probabilidad de 0 significa que algo nunca ocurrirá; una
probabilidad de 1 significa que algo ocurrirá siempre. En resumen, de que algo
ocurra, jamás será mayor que 1 ni menor que 0.
Utilizando este lenguaje formal, podríamos formular la siguiente pregunta: “En un

experimento consistente en lanzar una moneda, ¿cuál es la probabilidad del
evento lado A? Si es una moneda legal con igual probabilidad de que salga uno
u otro lado, contestaremos ½, o sea 0.5”.
https://www.youtube.com/watch?v=Kl35km16AeQ
Ejemplo: Determinar la probabilidad de obtener un número par cuando se lanza

un dado.
Solución: S = {1,2,3,4,5,6} ; A = {2,4,6}
𝟑 𝟏
Luego p(A) = 𝟔 = 𝟐 = 𝟎. 𝟓 o bien 50%
Ejemplo: Determinar la probabilidad de obtener al menos una cara en dos

lanzamientos de una moneda.
Solución: Como S = {CC, CS, SC, SS}, sólo los 3 primeros casos son favorables al
suceso, es decir:
A = {CC, CS, SC}, luego p(A) = ¾ = 0.75
Ejemplo: Hallar la probabilidad de obtener la suma 7 cuando se lanzan dos

dados.
Solución: Cada una de las caras de un dado puede estar asociada con las 6 caras
del otro dado, de manera que el número total de casos que puede surgir, todos
igualmente probables es 6x6 = 36 : S = {(1,1), (2,1), (3,1),...(6,6)}.
Hay 6 maneras de obtener la suma 7, denotadas por

{(1,6), (2,5), (3,4), (4,3), (5,2), (6,1), } ; luego p = 6/36 = 1/6.

Ejemplo: En una hacienda ganadera con 500 cabezas de ganado, 30 de ellas
están afectadas con ANTRAX. Si se selecciona aleatoriamente una de ellas, ¿cuál
es la probabilidad de que tenga ANTRAX?
Solución: p = 30/500 = 3/50 = 0.06
Tipos de probabilidad
Probabilidad Clásica
Todos los resultados de un experimento son igualmente probables =>
Resultados favorables entre resultados posibles. El experimento no se ha
realizado.
Ejemplo: Determinar la probabilidad de que ocurra el evento A: El naipe es rojo.
𝟐𝟔 𝟏
P(𝑨 ) = 𝟓𝟐
= 𝟐 = 𝟎. 𝟓

Probabilidad Empírica
Basado en las frecuencias relativas. La probabilidad de que un evento ocurra a
largo plazo se determina observando en qué fracción de tiempo ocurrieron
eventos semejantes en el pasado. Ya se realizó el experimento.
Número de veces que el evento ocurrió en el pasado entre el número de

observaciones:
Ejemplo: Antes de incluir la cobertura para ciertos tipos de problemas dentales

en pólizas de seguros médicos para adultos con empleo. Una compañía de
seguros desea determinar la probabilidad de ocurrencia de esa clase de
problemas, para que pueda fijarse la prima de seguros de acuerdo con esas cifras.

Por ello, se recopila datos para 10,000 adultos que se encuentran en las
categorías de edad apropiadas y encuentra que 100 de ellos han experimentado
el problema dental específico durante el año anterior.
𝟏𝟎𝟎
La probabilidad de ocurrencia es: P(𝑨) = = 𝟎. 𝟎𝟏
𝟏𝟎,𝟎𝟎𝟎
Probabilidad Subjetiva
Posibilidad de que suceda un evento específico, asignado por una persona en
base a cualquier información de que se disponga: experiencia, opinión, análisis
de la situación particular. En esencia, esto significa que un individuo evalúa las
opiniones e información disponibles y luego calcula o asigna la probabilidad.
Ejemplo. Debido a los impuestos y a los posibles usos alternativos de sus fondos,
un inversionista ha determinado que la compra de terreno vale la pena sólo si
existe un aprobabilidad de cuando menos 0.90 de que el terreno obtenga
plusvalía por 50% o más en los en los próximos 4 años. Al evaluar un determinado
terreno, el inversionista estudia los cambios de los precios en el área en años
recientes, considera los niveles corrientes de precios, estudia el estado corriente
y futuro probable de los proyectos de desarrollo inmobiliarios y revisa las
estadísticas referentes al desarrollo económico del área geográfica. Con base en
esta revisión, concluye que existe una probabilidad de aproximadamente 0.75 de
que se dé la plusvalía que requiere. Como esta probabilidad es menor que la
mínima que requiere (0.90), no debe llevarse a cabo la inversión.

Reglas básicas de probabilidad

1) P( A)  0
2) P( S ) = 1
3) P( ) = 0
4) P( A) + P( A`) = 1
5) P( A`) = 1 − P( A) donde ¬A se lee: complemento de A.
Regla de la Adición
Existen dos reglas de la adición: la regla especial de la adición y la regla general

de la adición.
Regla especial de la adición

Para aplicar la regla especial de la adición, los eventos deben ser mutuamente
excluyentes. Recuerde que mutuamente excluyentes significa que cuando un
evento ocurre, ninguno de los demás eventos puede ocurrir al mismo tiempo.
𝐏(𝐀ó𝐁) = 𝐏(𝐀) + 𝐏(𝐁)  𝐏(𝐀  𝐁) = 𝐏(𝐀) + 𝐏(𝐁)
𝐏(𝐀𝐲𝐁) = 𝛗
Donde:
• P(A): probabilidad de que ocurra el evento A.
• P(B): probabilidad de que ocurra el evento B.
• P(AB): probabilidad de que ocurra el evento A o el evento B.
En el caso de los tres eventos mutuamente excluyentes designados A, B y C, la

regla se expresa de la siguiente manera:
𝐏(𝐀ó𝐁ó𝐂) = 𝐏(𝐀) + 𝐏(𝐁) + 𝐏(𝐂)
𝐏(𝐀  𝐁  𝐂) = 𝐏(𝐀) + 𝐏(𝐁) + 𝑃(𝐶)

Ejemplo: Al extraer dos cartas de una baraja de 52 naipes, ¿Cuál es la
probabilidad de extraer una espada o un trébol? (Eventos mutuamente
excluyentes)
Solución: Hay 52 sucesos o eventos simples.

Sean los sucesos:
A = Que la carta sea espada.

A = A, 2, 3, 4, 5, 6, 7, 8, 9, 10, J, Q, K
P(A) = 13/52
B = Que la carta sea trébol.

B = A, 2, 3, 4, 5, 6, 7, 8, 9, 10, J, Q, K
P(B) = 13/52
P (A  B) = P(A) + P (B)
= 13/52 + 13/52
= 26/52
P (A  B) = 0.50  50%
Gráficamente en un Diagrama de Venn
A 2 3 A 2 3
4 5 6 4 5 6
7 8 9, 7 8 9
10 J 10 J
Q K Q K
Regla general de la adición

La regla de adición establece que si tenemos un evento A y un evento B
los cuales no son mutuamente excluyentes, es decir pueden ocurrir al
mismo tiempo, la probabilidad de que ocurra el evento A o el evento B se
calcula de la siguiente manera:
𝑃 (𝐀ó𝐁) = 𝐏(𝐀) + 𝐏(𝐁) − 𝐩(𝐀𝐲𝐁)

𝐏(𝐀  𝐁) = 𝐏(𝐀) + 𝐏(𝐁) − 𝐏(𝐀 ∩ 𝐁)

Donde:
• P(A): probabilidad de que ocurra el evento A.
• P(B): probabilidad de que ocurra el evento B.
• P(A⋃B): probabilidad de que ocurra el evento A o el evento B.
• P(A⋂B): probabilidad de que ocurra el evento A y el evento B a la vez,
a esto se le denomina Probabilidad Conjunta.
La probabilidad conjunta corrige ese error de contar dos veces un mismo

elemento al restar el elemento en común.
Ejemplo: Al extraer dos cartas de una baraja de 52 naipes, ¿Cuál es la

probabilidad de extraer una espada o un rey? (Eventos no son mutuamente
excluyentes)
Solución: Hay 52 sucesos o eventos simples.

Sean los sucesos:
A = Que la carta sea espada.

A = A, 2, 3, 4, 5, 6, 7, 8, 9, 10, J, Q, K
P(A) = 13/52
B = Que la carta sea rey.

B= {K K, K, K};
P(A) = 4/52
Existe la probabilidad de que sea espada y rey a la vez, es decir la P(A⋂B) = 1/52
Entones:
P (A  B) = P(A) + P (B) – P (A  B)
= 13/52 + 4/52 – 1/52
= 16/52
P (A  B) = 0.30769  30.77%

Regla del complemento

Se emplea para determinar la probabilidad de que un evento ocurra restando de
1 la probabilidad de un evento que no ha ocurrido. Esta regla es útil porque a
veces es más fácil calcular la probabilidad de que un evento suceda
determinando la probabilidad de que no suceda y restando el resultado de 1.
Probabilidad condicional
𝐀 𝐩(𝐀𝐲𝐁)
𝐏( ) =
𝐁 𝐩(𝐁)
𝐏(𝐀𝐁)
𝐏(𝐀/𝐁) =
𝐏(𝐁)
P(A  B) = Probabilidad conjunta de A y B
P(B) = probabilidad marginal de B
Y al suceso B se le llama suceso condicionante, se utiliza esta fórmula cuando los

sucesos son dependientes y P(A/B) se lee la Probabilidad de que ocurra A dado
que ya ocurrió B.

La condición, es que se ha
realizado en el evento B, por
lo tanto, nuestro diagrama
de Venn quedaría reducido
Ejemplo: Si P(A) = 0,6; P(B) = 0,4 y P(A∩B)=0,18. Calcular:

a) P(A|B)
b) P(B|A)
Solución:
En este problema, simplemente vamos a reemplazar los datos en la fórmula.
a) Usamos la fórmula de probabilidad condicional:
b) Usamos la fórmula de fórmula de probabilidad condicional, teniendo en cuenta

que vamos a calcular la probabilidad de que ocurra B, dado que ha ocurrido A.
Regla de la Multiplicación
Las reglas de la multiplicación estiman la probabilidad de que la ocurrencia de
dos eventos sea simultánea.
Regla especial de la multiplicación

La regla especial de la multiplicación requiere que dos eventos, A y B, sean
independientes, y lo son si el hecho de que uno ocurra no altera la probabilidad
de que el otro suceda. Es decir, los eventos A y B no están relacionados.
Independencia estadística

𝐏(𝐀 𝐲 𝐁) ≡ 𝐏(𝐀  𝐁) = 𝐏(𝐀) 𝐱 𝐏(𝐁)
En el caso de tres eventos independientes, A, B y C, la regla especial de la

multiplicación que se utiliza para determinar la probabilidad de que los tres
eventos ocurran es:
P (A  B  C) = P(A) x P(B) x P(C)
Ejemplo: En un colegio, la probabilidad de que un alumno seleccionado al azar

hable inglés es de 0,20; mientras que la probabilidad de que un alumno juegue
fútbol es de 0,80.
El hecho de que un alumno hable inglés no afecta en nada que juegue fútbol; por
lo tanto, se trata de eventos independientes.
• Evento A: que el alumno hable inglés → P(A) = 0,20.

• Evento B: que el alumno juegue fútbol → P(B) = 0,80.
Usamos la regla de la multiplicación para eventos independientes:
Regla general de la multiplicación

Si dos eventos no son independientes, se dice que son dependientes. Dos
eventos A y B son dependientes, si la ocurrencia de uno de ellos afecta la
ocurrencia del otro.
𝐏(𝐀  𝐁) = 𝐏(𝐀) × 𝐏(𝐁/𝐀)
Ejemplo: Una caja contiene 2 canicas azules y 3 rojas. Si se extraen dos canicas al
azar sin reposición, ¿cuál es la probabilidad de que las dos sean azules?
Solución:
Dado que las canicas serán extraídas de la misma caja, y que las canicas que se
extraigan, no serán devueltas a la caja (no hay reposición), entonces, se trata de
eventos dependientes.
• Evento A: obtener una canica azul en la primera extracción.
• Evento B: obtener una canica azul en la segunda extracción.
Por la regla de la multiplicación, sabemos que:
Tabla de contingencia
Con frecuencia es deseable examinar en forma simultánea las respuestas
categóricas a dos variables cualitativas. Por ejemplo, se podría estar interesado
en examinar si existe relación entre el sexo y la preferencia de los consumidores
por productos importados o nacionales. En la Tabla 1 se ilustra esta información
para el ejemplo 1. A estas tablas de clasificación cruzada en dos sentidos se les
conoce también como tablas de contingencia. Para elaborar la tabla 1, se
clasifican las respuestas conjuntas para los 500 entrevistados con respecto al sexo
y a las preferencias de los consumidores, en una de 4 posibles celdas de la tabla.
Así, el número de hombres que prefieren productos nacionales se ubica en la
primera celda (Fila 1, Columna 1) , el número de mujeres que prefieren productos
importados se coloca en la cuarta celda (Fila 2, Columna 2), el resto de respuestas
se ubican de manera similar, los totales se encuentran en los márgenes de la tabla.
Ejemplo:
En una ciudad se seleccionó una muestra de 500 personas para determinar

diversas informaciones relacionadas con el comportamiento del consumidor.
Entre las preguntas hechas, se encontraba "¿Prefiere comprar productos
nacionales o importados?"
De 240 hombres, 136 contestaron que preferían productos importados, de 260

mujeres 36 contestaron que preferían productos nacionales.
a) Elabore una tabla de contingencia en donde las variables

cualitativas son sexo y preferencia por productos.
Los eventos se pueden definir de la siguiente forma:

A: El entrevistado es hombre
B = El entrevistado prefiere comprar productos nacionales.
A´: El entrevistado es mujer
B´= El entrevistado prefiere comprar productos importados.
Tipos de productos de origen Total

Sexo
Nacionales Importados
Hombre 104 136 240
Mujer 36 224 260
Total 140 360 500
a) Determinar la probabilidad de que el entrevistado seleccionado en

forma aleatoria sea hombre:
𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 ℎ𝑜𝑚𝑏𝑟𝑒𝑠 𝑒𝑛𝑡𝑟𝑒𝑣𝑖𝑠𝑡𝑎𝑑𝑜𝑠 240

𝑃(𝐴) = = = 0.48
𝑁ú𝑚𝑒𝑟𝑜 𝑡𝑜𝑡𝑎𝑙 𝑑𝑒 𝑒𝑛𝑡𝑟𝑒𝑣𝑖𝑠𝑡𝑎𝑑𝑜𝑠 500
260
b) Sea mujer: P(A´) = = 0.52
500
c) Prefiera comprar productos importados:
360
𝑃(𝐵´) = = 0.72
500
d) Prefiera productos nacionales:
140
𝑃 (𝐵 ) = = 0.28
500
Note que:
P(A) + P(A´) = 𝟎. 𝟒𝟖 + 𝟎. 𝟓𝟐 = 𝟏. 𝟎𝟎
𝐏(𝐁) + 𝐏(𝐁´) = 𝟎. 𝟕𝟐 + 𝟎. 𝟐𝟖 = 𝟏. 𝟎𝟎
e) ¿Cuál es la probabilidad de que un entrevistado seleccionado
aleatoriamente sea hombre y prefiere comprar productos importados?
Represente la situación en un diagrama de Venn.
𝑁𝑜. 𝑑𝑒 ℎ𝑜𝑚𝑏𝑟𝑒𝑠 𝑞𝑢𝑒 𝑝𝑟𝑒𝑓𝑖𝑒𝑟𝑒𝑛 𝑐𝑜𝑚𝑝𝑟𝑎𝑟 𝑝𝑟𝑜𝑑𝑢𝑐𝑡𝑜𝑠 𝑖𝑚𝑝𝑜𝑟𝑡𝑎𝑑𝑜𝑠

𝑃(𝐴 ∩ 𝐵´) =
𝑁𝑜. 𝑡𝑜𝑡𝑎𝑙 𝑑𝑒 𝑒𝑛𝑡𝑟𝑒𝑣𝑖𝑠𝑡𝑎𝑑𝑜𝑠.
136
= = 0.272
500
136
500
f) ¿Sea mujer y prefiera comprar productos nacionales?
36
𝑃(𝐴´ ∩ 𝐵 ) = = 0.072
500 36
500
g) ¿Cuál es la probabilidad de que un entrevistado seleccionado sea mujer

o prefiera productos importados?
𝑃(𝐴´𝑈𝐵´) = 𝑃(𝐴´ 𝑜 𝐵´) = 𝑃(𝐴´) + 𝑃(𝐵´) − 𝑃(𝐴´ ∩ 𝐵´)

𝑃(𝐴´𝑈𝐵´) = 𝑃(𝐴´) + 𝑃(𝐵´) − 𝑃(𝐴´ ∩ 𝐵´)
260 360 224

= + − = 0.792
500 500 500
396
500

h) ¿Sea hombre o prefiera productos nacionales?
240 140 104 276

𝑃 (𝐴𝑈𝐵)= 500 + 500 − 500 = 500 = 0.552
276
500
i) ¿Sea hombre o mujer?

Como A y A´ son eventos mutuamente excluyentes y colectivamente
exhaustivos se tiene que,
𝑃(𝐴 ∩ 𝐴´) = 𝑃(∅) = 0

240 260 500
𝑃(𝐴𝑈𝐴´) = 𝑃 (𝐴) + 𝑃(𝐴´) = + = =1
500 500 500
j) Supóngase que el entrevistado seleccionado sea mujer, ¿cuál es la
probabilidad de que prefiera comprar productos nacionales.
A´: el entrevistado es una mujer

B´: el entrevistado prefiere comprar productos nacionales.
Por tanto, la probabilidad de que el entrevistado prefiera comprar productos

nacionales, dado que es una mujer es:
36
(𝐵 ∩ 𝐴´) 36 500
P(𝐵⁄𝐴´) = = 500 = × = 0.138
𝑃(𝐴´) 260 500 260
500
k) Suponga que el entrevistado seleccionado prefiere comprar productos
importados, ¿cuál es la probabilidad de que sea hombre?
136
𝑃(𝐴 ∩ 𝐵´) 136 500
𝑃(𝐴⁄𝐵´) = = 500 = × = 0.378
𝑃(𝐵´) 360 500 360
500
l) Determine si la preferencia por productos importados es

estadísticamente independiente del sexo.

𝑷(𝑨 ∩ 𝑩) = 𝑷(𝑨) × 𝑷(𝑩)

P(A) = 0.48 y P(𝐵 ) = 0.28; 0.21 = 𝟎. 𝟒𝟖 × 𝟎. 𝟐𝟖
104
P(𝐴 ∩ 𝐵 ) = 500 = 0.21 0.21 ≠ 0.13
Por tanto, la preferencia por productos importados y el sexo no son

estadísticamente independientes, se concluye son dependientes.
Diagrama de árbol
El diagrama de árbol es una gráfica útil para organizar cálculos que implican
varias etapas. Cada segmento del árbol constituye una etapa del problema. Las
ramas del árbol se ponderan por medio de probabilidades.
104
P(𝐴𝑦𝐵) =
500
240
𝑃 (𝐴) =
500
136
P(𝐴𝑦𝐵´) =
500
Grupo de
Entrevistados P(𝐴´𝑦𝐵) = 500
36
260
𝑃(𝐴´) =
500
224
P(𝐴´𝑦𝐵´) = 500
Ejemplo: Si A es el evento de que el precio de cierta acción se mantenga sin

cambios en cierto día de negociaciones y B es el evento de que suba su precio,
P(A) = 0.64 y P(B) = 0.21, determine:
1. 𝑷(𝑨′) = 𝟏 − 𝑷(𝑨) = 𝟏 − 𝟎. 𝟔𝟒 = 𝟎. 𝟑𝟔
2. 𝑷(𝑨𝑼𝑩); como A y B son mutuamente excluyentes,

𝑷(𝑨𝑼𝑩) = 𝑷(𝑨) + 𝑷(𝑩) = 𝟎. 𝟔𝟒 + 𝟎. 𝟐𝟏 = 𝟎. 𝟖𝟓
3. 𝑷(𝑨 ∩ 𝑩); como A Y B son mutuamente excluyentes, 𝑨 ∩ 𝑩 = ∅ y se

deduce que 𝑷(𝑨 ∩ 𝑩) = 𝑷(∅) = 𝟎

Teorema de Bayes
La probabilidad condicional toma en cuenta información sobre la ocurrencia de
un evento para predecir la probabilidad de otro. Este concepto se puede ampliar
para "revisar" las probabilidades en base a nueva información y determinar la
probabilidad de que un efecto en particular se deba a una causa especifica.
El procedimiento para revisar estas probabilidades se conoce como teorema de

Bayes desarrollado por el Reverendo Thomas Bayes (1702-1761).
El teorema de Bayes se puede desarrollar a partir de las definiciones de la

probabilidad condicional y marginal en la forma siguiente:
Teorema de la probabilidad total.
Supongamos un experimento aleatorio con su correspondiente espacio muestral,

S, decimos que los eventos 𝐴1 , 𝐴2 , … … . . , 𝐴𝑛 forman una partición del espacio
muestral S, si se cumple que:
i) 𝐴𝑖 ∩ 𝐴𝑗 = ∅ para todo i≠ 𝑗 (Excluyentes)
ii) 𝐴1 ∪ 𝐴2 ∪ … … . .∪ 𝐴𝑛 = 𝑆 (Exhaustivos)
Y que B es otro evento respecto a S, entonces:
𝑃(𝐵) = 𝑃(𝐴1 )𝑃 (𝐵⁄𝐴 ) + 𝑃(𝐴2 )𝑃 (𝐵⁄𝐴 ) + … … . + 𝑃(𝐴𝑛 )𝑃 (𝐵⁄𝐴 )

1 2 𝑛
𝑛
= ∑ 𝑃(𝐴𝑖 )𝑃 (𝐵⁄𝐴 )
𝑖
𝑖=1
S

Teorema de Bayes
El teorema de Bayes es un método que consiste en revisar una
probabilidad, dado que se ha logrado información adicional. En el caso de
dos eventos mutuamente excluyentes y colectivamente exhaustivos.
Ejemplo: A un consultor en Administración se le pide su opinión acerca de la

razón por la cual la secretaria de un ejecutivo, insatisfecha, renunció a su trabajo.
Sin poder obtener ninguna información directa acerca de la secretaria, toma los
siguientes datos de un estudio de motivación corporativos a gran escala: entre
todas las secretarias insatisfechas, el 20% lo están porque les desagrada su
trabajo, el 50% porque sienten que están mal pagadas y el 30% porque les
desagrada su jefe. Además, las probabilidades correspondientes den que
renuncien son 0.60, 0.40 y 0.90. Con base en estas cifras, ¿cuáles son las
probabilidades de que la secretaria haya renunciado debido al trabajo, al sueldo
o al jefe?
0.60 B
A1
0.40 B´ A1= Le desagrada su trabajo = 0.20
0.20
0.40 B A2= Está mal pagada = 0.50
0.50 A2 A3= Le desagrada el jefe = 0.30
0.60 Sea B= Renuncia al trabajo
0.30 B´
0.90 B
A3
0.10
B´
Las probabilidades asociadas con las tres ramas del árbol son:
(0.20) (0.60) = 0.12
(0.50) (0.40) = 0.20
(0.30) (0.90) = 0.27
La suma total sería:

𝑷(𝑩) = 0.12 + 0.20 + 0.27 = 0.59 (Probabilidad total)
En consecuencia, las probabilidades de que la secretaria insatisfecha haya

renunciado debido al trabajo son:
P(A1 )P (B⁄A ) (0.20)(0.60)

A 1
𝑃 ( 1⁄B) = =
P(B) (0.20)(0.60) + (0.50)(0.40) + (0.30)(0.90)
0.12
= = 0.20,
0.59
Debido al sueldo es:
𝑃(𝐴2 )𝑃 (𝐵⁄𝐴 )
𝐴 2
𝑃 ( 2⁄𝐵) =
𝑃 (𝐵)
(0.50)(0.40)
=
(0.20)(0.60) + (0.50)(0.40) + (0.30)(0.90)
0.20
= = 0.34
0.59
Debido al desagrado por su jefe
𝑃(𝐴3 )𝑃 (𝐵⁄𝐴 )
𝐴 3
𝑃 ( 3⁄𝐵) = =
𝑃 (𝐵)
(0.30)(0.90) 0.27
= = 0.46
(0.20)(0.60) + (0.50)(0.40) + (0.30)(0.90) 0.59

Guía de auto aprendizaje
Estimados estudiantes, ya hemos abordado la teoría relacionada a el calculo de
las probabilidades, ahora reunidos en tríos resuelven la siguiente guía
colaborativa.
1.) Suponga que existen 8 aspirantes a ocupar un empleo y hacemos que a, b,

c, d, e, f, g y h representen los eventos de que el empleo se ofrezca a Arturo,
Beatriz, Clara, David, Enrique, Franco, Jorge o Hilda. Si A = {b, d, f, h}, B = {c, g, h},
C = {a, b, d}, cite los elementos del espacio muestral que comprenden cada uno
de los siguientes eventos y expréselos con palabras:
a) 𝐶′
b) BUC
c) C A
d) B' C
2.) Para construir espacios muéstrales de experimentos en los cuales trabajamos

con datos categóricos, a menudo codificamos las diversas alternativas
asignándoles números. Por ejemplo, un contador podría codificar los elementos
relacionados con el activo fijo de una empresa como: 1, 2, 3, 4 o 5 según si el
elemento se debe adjudicar a efectivo, bienes comerciales, cuentas por cobrar,
inventario o gastos pagados por adelantado. Exprese cada uno de los eventos en
palabras.
a) K = {1, 5}
b) L = {3, 5}
c) M = {1, 2, 3}
3.) Para cada una de las situaciones siguientes señale cuál sería el enfoque más
apropiado (clásico a priori, de frecuencia relativa o subjetivo) para determinar la
probabilidad que requiere:
a) La probabilidad de que aparezca un "uno" o un "seis" en un solo

lanzamiento de un dado de seis lados.
b) La probabilidad de que haya recesión el próximo año.
c) La probabilidad de que, de un envío de 20 repuestos que se sabe contiene
uno defectuoso, uno elegido al azar resulte defectuoso.
d) La probabilidad de que una persona elegida al azar de las que entran a una
tienda grande realice una compra.
e) La probabilidad de que los bonos a indemnizados se coticen a 50 centavos
de córdobas en los próximos seis meses.

4.) Determine el valor de probabilidad en cada una de las situaciones siguientes:
a) La probabilidad de lesiones industriales en una industria específica, en
términos anuales. Una muestra aleatoria de empresas que tiene en total
8000 empleados reportó 400 lesiones de trabajo en un período reciente
de 12 meses.
b) La probabilidad de apostar a un número ganador en el juego de la ruleta.
Los números de la ruleta incluyen un "O", "00" y de "1 hasta 36".
c) La probabilidad de elegir al azar una cuenta por cobrar morosa, dado que
el 5% de las cuentas son morosas.
5.) De 600 empleados, 300 participan en un plan de reparto de utilidades de

la compañía, 400 tienen una cobertura gastos médicos y 200 empleados
participan en ambos programas. Presente estos datos en una tabla de
contingencia.
a. De un ejemplo de un evento simple.
b. De un ejemplo de un evento conjunto.
c. ¿Cuál es el complemento del suceso: “Empleado participa en
cobertura de gastos médicos”?
d. ¿Cuál es la probabilidad de que un empleado elegido al azar:
• ¿Participe por lo menos en uno de los programas?
• ¿No participe en ninguno de los programas?
• ¿Participe en el plan de reparto de utilidades considerando
que tiene seguro de gastos médicos?
• ¿Determine si los dos eventos son independientes o
dependientes?
6.) A los 500 clientes de crédito de Crédito, S.A. están categorizados según el
número de años que han tenido cuenta de crédito con Crédito S.A. y por su
promedio de saldo de crédito. De estos clientes 210 han tenido saldos menores
de $100; otros 260 han tenido cuenta de crédito cuando menos 5 años y otros 80
han tenido saldos mayores de $100 y han tenido cuenta de crédito por menos de
5 años. Si se selecciona al azar un cliente de crédito, ¿Cuál es la probabilidad de
que:
a) ¿Tenga un saldo de crédito mayor de $100?
b) ¿Tenga un saldo de crédito menor de $100 o haya tenido una cuenta
de crédito cuando menos de 5 años?
c) ¿Tenga un saldo de crédito menor de $100 y haya tenido cuentas de
crédito por menos de 5 años?
d) Suponga que sabe que un cliente ha tenido cuentas de crédito cuando
menos 5 años ¿cuál es la probabilidad de que tenga un saldo inferior a
$100?
e) Muestre si tener un saldo de crédito superior a $100 y poseer cuenta de
crédito cuando menos 5 años, son estadísticamente independientes.

Sugerencia: Elabore una tabla de clasificación cruzada para evaluar
probabilidades.
7.) Una compañía ha puesto a disposición a sus empleados (sin costo) amplias
instalaciones de un club deportivo que pueden usarse antes del trabajo,
durante la hora de almuerzo, después del trabajo y durante los fines de
semana. Los registros del último año indican que, de 250 empleados, 110
usaron instalaciones en algún momento. De los 170 hombres empleados por
la compañía, 65 usaron las instalaciones. Presente estos datos en una tabla de
contingencia.
a) Dé un ejemplo de evento simple.

b) Dé un ejemplo de un evento conjunto.
c) ¿Cuál es el complemento del suceso “usar las instalaciones del club
deportivo? ¿Y cuál es la probabilidad?
d) ¿Cuál es la probabilidad de que un empleado elegido al azar sea
mujer o haya utilizado las instalaciones del club? Represente en
un diagrama de Venn.
e) Suponga que elegimos a un empleado de la compañía ¿Cuál es la
probabilidad que no haya utilizado las instalaciones del club?
f) Suponga que elegimos a una empleada de la compañía ¿Cuál es la
probabilidad que haya utilizado las instalaciones del club?
g) Determine si los dos eventos ¿el género del individuo y el uso de las
instalaciones del club son estadísticamente independientes?
Explique.
8.) Se estima que la probabilidad de que un nuevo método de comercialización

tenga éxito es 0.65. La probabilidad de que los gastos para el desarrollo del
método puedan mantenerse dentro del presupuesto original es 0.45. Se
estima que la probabilidad de alcanzar ambos objetivos es de 0.30. Presente
estos datos en un diagrama de Venn y en una tabla de contingencia.
a) ¿Cuál es la probabilidad de que se logre cuando menos uno de los

objetivos?
b) ¿Cuál es la probabilidad de que el nuevo método de comercialización
tenga éxito, dado que el costo de su desarrollo se ha mantenido dentro
del presupuesto original?
9.) El gerente de una tienda de ropa para dama desea determinar la relación
entre el tipo de cliente y la forma de pago. Ha recopilado la información siguiente:

Cliente Pago Total

Crédito Contado
Habituales 70 50
No habituales 40 40
a) Dé un ejemplo de evento simple.

b) Dé un ejemplo de evento conjunto.
c) ¿Por qué es un evento conjunto el "cliente habitual que paga de contado "?
d) Dibuje el diagrama de Venn.
e) Si el cliente es seleccionado en forma aleatoria, ¿cuál es la probabilidad de
que:
e.l. sea un consumidor habitual?
e. 2. pague a crédito?
e.3. pague de contado?
e.4. no sea un consumidor habitual?
e.5. sea un consumidor habitual y compre a crédito?
e,6. sea un consumidor habitual y pague de contado?
e.7. no sea un consumidor habitual y pague de contado?
e.8. sea consumidor habitual o pague de contado?
e.9. no sea consumidor habitual o pague crédito?
f) Suponga que se conoce que el cliente ha pagado de contado, ¿cuál es la
probabilidad de que sea un cliente habitual?
g) ¿Son estadísticamente independientes los dos eventos, ser un cliente habitual
y pagar a crédito? Explique.
10.) Durante una semana determinada se estima que la probabilidad de que el

precio de una acción específica aumente (A), permanezca sin cambio (C) o se
reduzca (R) es de 0.35, 0.20 y 0.45 respectivamente.
a. ¿Cuál es la probabilidad de que el precio de la acción aumente o

permanezca sin cambio?
b. ¿Cuál es la probabilidad de que el precio de la acción cambie
durante la semana?
c. ¿Cómo son los sucesos A, C y R?
11.) La proporción general de artículos defectuosos en un proceso continuo de

producción es de 0.08. ¿Cuál es la probabilidad de que
a. ¿Dos artículos elegidos al azar ninguno tenga defecto?

b. ¿Dos artículos escogidos al azar tengan defecto?

12.) La siguiente tabla de contingencia representa la clasificación de 150
compañías muestreadas de acuerdo con cuatro grupos industriales, y respecto a
si su rendimiento sobre la inversión está por encima o por debajo del rendimiento
promedio.
Categoría Rendimiento sobre el capital

Industrial Superior al Inferior al promedio Total
promedio (S) (I)
A 20 40
B 10 10
C 20 10
D 25 15
Total
a. Construya una tabla de probabilidad conjunta en base a estos datos

muéstrales.
b. Determine las siguientes probabilidades:

P(A y S) P(I)
P(C/I) P(S)
P(D) P(C)
P(S/B) P(B/S)
P(B o I) P(D y S)

Unidad 4 - Cálculo de Las Probabilidades

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Unidad 4 - Cálculo de Las Probabilidades

Cargado por

Copyright:

Formatos disponibles

Estadística Descriptiva UPOLI

Unidad # 4: Cálculo de probabilidades.

1. Identificar la probabilidad. como una medida de la ocurrencia de un evento

4.1 – Origen e importancia de las probabilidades

Prof. Erika Arroliga G Pág. 1 • Unidad # 4

La etapa siguiente de desarrollo de la teoría de probabilidades está vinculada con

Los progresos ulteriores de la teoría de probabilidades se deben a Moivre,

Los métodos de la teoría de probabilidad se utilizan ampliamente en las distintas

En la actualidad, la teoría matemática de la probabilidad constituye el

Prof. Erika Arroliga G Pág. 2 • Unidad # 4

Prof. Erika Arroliga G Pág. 3 • Unidad # 4

Conceptos básicos de probabilidad

Experimento Aleatorio (E): Es aquel que al repetirse bajo condiciones

Ejemplo: E1: Lanzar una moneda al aire

Espacio Muestral (S): Es el conjunto de todos los resultados posibles de un

Ejemplo: S1 = {Lado A, lado B} = {cara, sol}

Ejemplos: Determinar los espacios muéstrales asociados con los siguientes

b) Sea E: Lanzar tres monedas y contar el número de caras

Un evento o suceso: Conjunto de uno o más resultados de un experimento. Son

Ejemplo: Si estamos extrayendo naipes de una baraja, seleccionar un as de

Ejemplo: Si lanzamos un dado, un evento será obtener un número impar, es

Prof. Erika Arroliga G Pág. 5 • Unidad # 4

3) Evento simple: es el describe solamente una característica. Por ejemplo,

4) Evento conjunto: describe dos o más características. Por ejemplo: el

5) Unión de dos eventos: El evento unión de A y B denotado

A = {0}; B={0,1,2}; → A U B = {0,1,2,}.

6) Evento complementario de A (¬ A): es aquel que ocurre cuando A no ocurre.

7) Eventos mutuamente excluyentes

Se dice que dos sucesos A y B son mutuamente excluyentes si no pueden ocurrir

Prof. Erika Arroliga G Pág. 6 • Unidad # 4

Por ejemplo, Extraer una carta de una baraja de naipes

Las probabilidades se expresan como fracciones (1/6, ½, 8/9) o como decimales

¿Cómo se simboliza la probabilidad de que un evento ocurra?

Prof. Erika Arroliga G Pág. 7 • Unidad # 4

Utilizando este lenguaje formal, podríamos formular la siguiente pregunta: “En un

Ejemplo: Determinar la probabilidad de obtener un número par cuando se lanza

Ejemplo: Determinar la probabilidad de obtener al menos una cara en dos

A = {CC, CS, SC}, luego p(A) = ¾ = 0.75

Ejemplo: Hallar la probabilidad de obtener la suma 7 cuando se lanzan dos

Hay 6 maneras de obtener la suma 7, denotadas por

Prof. Erika Arroliga G Pág. 8 • Unidad # 4

Solución: p = 30/500 = 3/50 = 0.06

Ejemplo: Determinar la probabilidad de que ocurra el evento A: El naipe es rojo.

Prof. Erika Arroliga G Pág. 9 • Unidad # 4

Número de veces que el evento ocurrió en el pasado entre el número de

Ejemplo: Antes de incluir la cobertura para ciertos tipos de problemas dentales

Prof. Erika Arroliga G Pág. 10 • Unidad # 4

Prof. Erika Arroliga G Pág. 11 • Unidad # 4

Reglas básicas de probabilidad

5) P( A`) = 1 − P( A) donde ¬A se lee: complemento de A.

Existen dos reglas de la adición: la regla especial de la adición y la regla general

Regla especial de la adición

𝐏(𝐀ó𝐁) = 𝐏(𝐀) + 𝐏(𝐁)  𝐏(𝐀  𝐁) = 𝐏(𝐀) + 𝐏(𝐁)

En el caso de los tres eventos mutuamente excluyentes designados A, B y C, la

𝐏(𝐀ó𝐁ó𝐂) = 𝐏(𝐀) + 𝐏(𝐁) + 𝐏(𝐂)

𝐏(𝐀  𝐁  𝐂) = 𝐏(𝐀) + 𝐏(𝐁) + 𝑃(𝐶)

Prof. Erika Arroliga G Pág. 12 • Unidad # 4

Solución: Hay 52 sucesos o eventos simples.

A = Que la carta sea espada.

B = Que la carta sea trébol.

Gráficamente en un Diagrama de Venn

Regla general de la adición