Documentos de Académico
Documentos de Profesional
Documentos de Cultura
PROBABILIDADES, DISTRIBUCIÓN
DE PROBABILIDADES DISCRETA Y
CONTINUA
TEORÍA DE LA PROBABILIDAD
▪ Hablar de probabilidad implica introducirse en el ámbito de los procesos aleatorios: aquellos
que ocurren influenciados por las leyes del azar. Decimos que un proceso es aleatorio
porque el resultado se ve influenciado por las situaciones del momento, y no puede
asegurarse, de manera anticipada, cuál será el resultado.
▪ Cuando se selecciona una muestra, se hace con esperanza de que sea representativa de la
población, pero eso no siempre sucede. Aunque la selección sea probabilística, puede ocurrir
que la muestra esté integrada por valores extremos.
▪ En este caso, las estimaciones que se puedan hacer no reflejarán la realidad del universo del
cual surgió la muestra. En otras palabras, el azar también participa en el proceso de
investigación, y tiene un efecto en sus resultados que debe ser tomado en cuenta.
▪ La rama de las matemáticas que estudia los fenómenos del azar, o los resultados aleatorios,
se denomina teoría de la probabilidad, y sus conceptos son fundamentales para el estudio
de la estadística, ya que el azar es el núcleo de la inferencia estadística.
NOMBRE PRESENTACIÓN 00
TEORÍA DE LAS PROBABILIDADES: TEORÍA DE CONJUNTOS
La Teoría de Conjuntos es una herramienta útil en el estudio del azar. El concepto de conjunto
es un pilar fundamental de la probabilidad y la estadística, y de la matemática en general Su
estudio facilita la comprensión de los resultados aleatorios. Su uso en la teoría de la probabilidad
requiere conocimiento previo de algunos conceptos frecuentes:
▪ A cada resultado o EVENTO del espacio muestral S, se le llama elemento o punto muestral
del conjunto. Los eventos constituidos por un solo elemento se denominan eventos simples.
▪ Un conjunto se clasifica como finito o infinito según el número de sus elementos. Cuando el
conjunto es finito se pueden enlistar todos los elementos del mismo. Sin embargo, algunos
universos finitos son tan grandes que llegan a ser incontables.
NOMBRE PRESENTACIÓN 00
TEORÍA DE LAS PROBABILIDADES: TEORÍA DE CONJUNTOS
▪ Dos conjuntos son iguales si tienen los mismos elementos, sin que importe el orden en el
cual se definan, es decir: {1, 2} = {2, 1}.
EJEMPLO: Para representar al conjunto A, compuesto por todos los números enteros iguales o
mayores de 1 e iguales o menores de 20, se puede utilizar cualquiera de las siguientes opciones:
A = { 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20 } : Extensión
NOMBRE PRESENTACIÓN 00
TEORÍA DE LAS PROBABILIDADES: TEORÍA DE CONJUNTOS
▪ Para representar la pertenencia de un elemento a un conjunto se utiliza el símbolo ∈. Si un
elemento a pertenece a un conjunto C escribimos a ∈ C. Si no pertenece a C escribimos a ∉
C. Si a y b pertenecen a C escribimos a, b ∈ C.
▪ SUBCONJUNTO:
▪ A partir del espacio muestral S, o de cualquier conjunto pueden definirse uno o más
subconjuntos. Por ejemplo, a partir del conjunto A del ejemplo anterior puede definirse el
conjunto B = {1, 2, 3}.
▪ En este caso, cuando todos los elementos de un conjunto, B para el caso, son elementos de
otro conjunto, A, se dice que B es subconjunto de A y se representa mediante ⊂, es decir, B ⊂
A.
NOMBRE PRESENTACIÓN 00
TEORÍA DE LAS PROBABILIDADES: TEORÍA DE CONJUNTOS
▪ Si A no es igual a B, es decir si A y B no tienen exactamente los mismos elementos,
escribimos A ≠ B.
▪ Cuando no todos los elementos de un conjunto son elementos de otro conjunto, se utiliza el
símbolo ⊄.
EJEMPLO: Si definimos A = { 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20 }, y C =
{99, 100, 101}, entonces C ⊄ A.
▪ Se entiende que un subconjunto nunca tiene más elementos que el conjunto que lo contiene,
y que un conjunto puede ser subconjunto de sí mismo.
▪ Para representar el conjunto complementario se utiliza una tilde sobre la letra que designa el
ഥ = {i, o, u).
subconjunto. Así, S= { a, e, i, o, u }, A = {a, e}, y 𝑨 NOMBRE PRESENTACIÓN 00
TEORÍA DE LAS PROBABILIDADES: TEORÍA DE CONJUNTOS
▪ CONJUNTO UNIVERSAL Y CONJUNTO VACÍO:
▪ Por otra parte, en todo conjunto se reconoce la existencia de un subconjunto sin elemento
alguno y se conoce como conjunto vacío o nulo, que se designa mediante el símbolo ∅.
EJEMPLO: Si decimos que todos los elementos del conjunto A son los eventos en los que se detecte
un microorganismo a simple vista en un experimento biológico, entonces A = ∅.
▪ INTERSECCIÓN:
Cuando dos conjuntos no son iguales pero comparten algunos elementos, se puede formar un
conjunto con los elementos comunes. A este conjunto se le designa intersección y se
representa mediante el símbolo ∩. NOMBRE PRESENTACIÓN 00
TEORÍA DE LAS PROBABILIDADES: EL CONCEPTO DE CONJUNTOS
▪ Así, si A = {a, i} y B = {e, i}, entonces A ∩ B = {i}. Si dos conjuntos no tienen elementos en
común, su intersección es el conjunto vacío; a ambos se les llama conjuntos disjuntos.
▪ UNIÓN:
▪ La unión de dos conjuntos es otro conjunto formado por todos los elementos de los dos
conjuntos. Los elementos comunes a los dos conjuntos sólo se toman en cuenta una vez,
ya que un conjunto no puede contener más de una vez el mismo elemento.
▪ Para indicar la unión de dos conjuntos se utiliza el símbolo ∪. Así, la unión de A = {a,i} y B=
{e, i} es el conjunto A ∪ B = {a, e, i}. Gráficamente, la intersección puede representarse
mediante diagramas de Venn:
NOMBRE PRESENTACIÓN 00
TEORÍA DE LAS PROBABILIDADES: TEORÍA DE CONJUNTOS
▪ DIFERENCIA:
▪ El conjunto que consiste en todos los elementos de A que no pertenecen a B se llama la
diferencia de A y B, se escribe A – B.
EJEMPLO: Al realizar un diagnóstico situacional de una institución de salud se encuentra que, de los
73 trabajadores que laboran en ella, 36 desempeñan sus actividades durante el turno vespertino,
mientras que 25 son médicos. De estos últimos, cinco médicos laboran en el turno vespertino.
T = 73, contiene dos subconjuntos no excluyentes: el de los médicos, M = 25, y el de los trabajadores
del turno vespertino, V = 36. Este conjunto puede representarse de manera tabular, tal como se
presenta en el cuadro:
NOMBRE PRESENTACIÓN 00
TEORÍA DE LAS PROBABILIDADES: PROBABILIDAD DE UN EVENTO
▪ En cualquier experimento aleatorio siempre hay incertidumbre sobre si un evento específico
ocurrirá o no. Como medida de la oportunidad o probabilidad con la que podemos esperar que
un evento ocurra es conveniente asignar un número entre 0 y 1.
▪ Si estamos seguros de que el evento ocurrirá decimos que su probabilidad es 100% ó 1, pero
si estamos seguros de que el suceso no ocurrirá decimos que su probabilidad es cero.
▪ Por ejemplo, si la probabilidad es de 1/4, diríamos que hay un 25% de oportunidad de que
ocurra y un 75% de oportunidad de que no ocurra. Equivale a decir que la probabilidad contra
su ocurrencia es del 75% al 25% o de 3 a 1.
▪ A cada evento del espacio muestral se le asigna una probabilidad de ocurrir, en donde la
suma de todas las probabilidades debe ser igual a 1, de tal forma que:
NOMBRE PRESENTACIÓN 00
TEORÍA DE LAS PROBABILIDADES: PROBABILIDAD DE UN EVENTO
▪ Para el cálculo de las probabilidades de cada evento, se puede utilizar uno de los dos
conceptos siguientes:
1. PROBABILIDAD A PRIORI:
NOMBRE PRESENTACIÓN 00
TEORÍA DE LAS PROBABILIDADES: PROBABILIDAD DE UN EVENTO
EJEMPLO: Al lanzar una moneda para observar qué cara caerá, se puede conocer con
anticipación la probabilidad de que el resultado sea “cara” o “sello”. Para ello, se tiene que el
número de elementos en el espacio de eventos de este experimento es igual a 2, y que cada uno
de los elementos tiene la misma oportunidad de ser observado como resultado del experimento.
Así, la probabilidad de que sea “cara” es igual a 1/2 = 0,5 o 50%, y la probabilidad de que sea
“sello” también es 1/2 = 0,5.
2. PROBABILIDAD A POSTERIORI:
▪ Para ello, se divide el número de veces que se observó el evento de interés entre el total de
veces que el experimento se realizó, o N.
NOMBRE PRESENTACIÓN 00
TEORÍA DE LAS PROBABILIDADES: PROBABILIDAD DE UN EVENTO
EJEMPLO: - Si lanzamos una moneda 1.000 veces, y encontramos que 532 veces resulta cara,
estimamos que la probabilidad de una cara es 532/1000 = 0,532 o 53,2%.
Además de las probabilidades a priori y a posteriori, también se reconoce una tercera manera de
calcular probabilidades: la Probabilidad Subjetiva, o Bayesiana. Su estimación no se basa en
frecuencias relativas, sino en apreciaciones y conocimientos previos que tienen quienes realizan
la estimación.
Por ejemplo: Un médico, ante un paciente con cáncer en fase terminal, pronostica que
difícilmente sobrevivirá otro día. En este caso, el médico basa su estimación en el conocimiento
del paciente y en su evolución, así como en su propia experiencia y los recursos de que dispone
para la atención del enfermo. NOMBRE PRESENTACIÓN 00
TEORÍA DE LAS PROBABILIDADES: REGLAS ADITIVAS DE PROBABILIDADES
b) La probabilidad de un evento simple, cuando todos los eventos simples de un conjunto tienen
la misma oportunidad de ocurrir, es igual a 1/N, en la que N representa el tamaño del
espacio de eventos e Espacio Muestral, S.
▪ Si esto es así, es claro que la suma de las probabilidades de todos los eventos simples que
componen un conjunto es igual a 1.
NOMBRE PRESENTACIÓN 00
TEORÍA DE LAS PROBABILIDADES: REGLAS ADITIVAS DE PROBABILIDADES
P (A ∪ B) = P (A) + P (B) – P (A ∩ B)
▪ En ese caso se dice que ambos son Eventos Mutuamente Excluyentes, P(A ∩ B) = ∅ = 0.
P (A ∪ B) = P (A) + P (B)
▪ Cuando los eventos de interés son una partición del espacio muestral S entonces:
P (A) + P (𝐴ҧ) = 1
NOMBRE PRESENTACIÓN 00
TEORÍA DE LAS PROBABILIDADES: REGLAS ADITIVAS DE PROBABILIDADES
EJEMPLO: De un total de 500 estudiantes que cursan el último año de la carrera de medicina,
210 acostumbran tomar bebidas alcohólicas.
1 = P (A ∪ 𝐴ҧ)
= P (A) + P (𝐴ҧ )
= P (S)
NOMBRE PRESENTACIÓN 00
TEORÍA DE LAS PROBABILIDADES: PROBABILIDAD CONDICIONAL
▪ Para calcular la probabilidad de un evento, hay que considerar toda la información disponible.
▪ La probabilidad condicional de que ocurra el evento A, dado que ocurrió B, se denota con
Si el evento B ocurre, entonces el número total de
P(A | B) y se calcula mediante: eventos de interés deja de ser el espacio muestral
original S y pasa a serlo el número de eventos B. Por
tanto, para conocer la probabilidad condicional, se
divide la probabilidad de que ocurran los eventos A y B
simultáneamente P(A B) entre la probabilidad de que
ocurra el evento condicionante B. N O M B R E P R E S E N T A C I Ó N 0 0
TEORÍA DE LAS PROBABILIDADES: PROBABILIDAD CONDICIONAL
EJEMPLO: Volviendo al ejemplo de los trabajadores de una institución de salud,
▪ Sin embargo, si se quiere conocer cuál es la probabilidad de seleccionar a una persona que
sea médico, dado que dicha persona trabaja en el turno vespertino, la selección se restringe
sólo al subconjunto V (de tal manera que los elementos pertenecientes al complemento no
se tomarán en cuenta).
NOMBRE PRESENTACIÓN 00
TEORÍA DE LAS PROBABILIDADES: PROBABILIDAD CONDICIONAL
Para calcular lo anterior, retomamos la fórmula y recordamos la teoría sobre el cálculo de
probabilidades a priori:
NOMBRE PRESENTACIÓN 00
TEORÍA DE LAS PROBABILIDADES: PROBABILIDAD CONDICIONAL
Para calcular lo anterior, retomamos la fórmula y recordamos la teoría sobre el cálculo de
probabilidades a priori:
NOMBRE PRESENTACIÓN 00
TEORÍA DE LAS PROBABILIDADES: PROBABILIDAD CONDICIONAL
Para calcular lo anterior, retomamos la fórmula y recordamos la teoría sobre el cálculo de
probabilidades a priori:
NOMBRE PRESENTACIÓN 00
TEORÍA DE LAS PROBABILIDADES: REGLA MULTIPLICATIVA
Si A y B son independientes, entonces P(A | B) = P(A), por lo que a partir de la fórmula de la
probabilidad condicionante, podemos derivar la fórmula de la regla multiplicativa de
probabilidades despejando:
NOMBRE PRESENTACIÓN 00
ANTOFAGASTA / LA SERENA / SANTIAGO / CHILLÁN