Apuntes Probabilidad

Apuntes Castillo Vera, F
CONCEPTOS DE PROBABILIDAD Y SU ANÁLISIS

Experimento aleatorio, resultados, espacio muestral, evento y probabilidad
Un experimento aleatorio es un proceso que tiene al menos dos resultados posibles y es
caracterizado por la incertidumbre de lo que ocurrirá.
Cada uno de los siguientes ejemplos implica un experimento aleatorio:
1. Se tira un dado.
Cuando se tira un dado, el conjunto de resultados básicos comprende 1 a 6.
En otras palabras, los posibles resultados de un experimento aleatorio se denominan

resultados básicos.
El conjunto de todos los resultados básicos se denomina espacio muestral.
Por lo tanto, los resultados básicos son equivalentes a los puntos de muestra en un espacio
muestral.
Supongamos que está interesado en obtener un número par al lanzar un dado; en este
caso, el evento arroja un 2, 4 o 6, que es un subconjunto de {1, 2, 3. 4, 5, 6}.
En otras palabras, un evento es un conjunto de resultados básicos del espacio muestral

y se dice que ocurre si el experimento aleatorio da lugar a uno de sus resultados básicos
constituyentes.
Cada resultado básico dentro de cada evento (por ejemplo, {2} {4} {6}) también se
puede llamar un evento simple. Por lo tanto, un evento es una colección de uno o más
eventos simples.
Finalmente, Un evento básico es un subconjunto del espacio muestral.
Los conceptos de experimento aleatorio, los resultados, el espacio muestral y el evento,

entonces son fundamentales para comprender la probabilidad.
Propiedades de los experimentos aleatorios
El punto de partida de la probabilidad es el experimento aleatorio.
Experimentos al azar tiene tres propiedades:

1. Se pueden repetir física o conceptualmente.
2. El conjunto que consta de todos los resultados posibles, es decir, el espacio muestral,
puede especificarse de antemano.
3. Varias repeticiones no siempre producen el mismo resultado.
Si el ejecutivo supiera los resultados exactos de los cursos de acción disponibles, él o ella
no tendrían dificultades para la toma de decisiones y lograr objetivos.
El símbolo S se usa para representar el espacio muestral del experimento.

Ejemplos de espacio muestral:
Lanzar un dado: S = {1, 2, 3, 4, 5, 6}
Prueba de licencia de conducir: S = {P, F}
Predicción del precio de la acción: S = {U, D, N}
El conjunto de todos los resultados posibles es llamado el espacio muestral (S). Por lo
tanto, los puntos de muestra (eventos simples) forman el espacio muestral.
Diagrama de Venn: Diagrama de Venn:
Muestra 6 diferentes puntos de la muestra. Para el evento A
Diagrama de Venn: Diagrama de Venn:

Para eventos mutuamente excluyentes. Para la intersección de eventos
Probabilidades
La probabilidad de un evento es un número real en una escala de 0 a 1 que mide la
probabilidad de que ocurra el evento.
Si un resultado (o evento) tiene una probabilidad de 0, entonces su aparición es

imposible; si un resultado (o evento) tiene una probabilidad de 1, entonces su ocurrencia
es segura.
Obtener una cara o un sello, en el lanzamiento de una moneda, es un ejemplo de un

evento que tiene una probabilidad de 1. Porque solo hay dos posibilidades, es seguro
que ocurra un evento u otro. Un evento con probabilidad cero es un evento imposible,
como obtener una cara y un sello al lanzar una moneda una vez.
Cuando tiramos un dado justo, es tan probable que obtengamos cualquier cara del dado
como cualquier otra. Debido a que hay seis caras en un dado, generalmente decimos que
el "resultado" del lanzamiento puede ser uno de seis números: 1, 2, 3, 4, 5, 6.
La probabilidad de un resultado puede calcularse mediante el enfoque clásico (el

enfoque de frecuencia relativa) o el enfoque subjetivo.
La probabilidad clásica
A menudo se llama probabilidad a priori, porque si seguimos usando ejemplos
ordenados, como monedas justas y dados imparciales, podemos establecer la respuesta
por adelantado (a priori) sin lanzar una moneda o tirar un dado.
En otras palabras, podemos hacer declaraciones basadas en razonamientos lógicos antes

de que tenga lugar cualquier experimento. La probabilidad clásica define la probabilidad
de que un evento ocurra como:
𝑁𝑟𝑜 𝑑𝑒 𝑟𝑒𝑠𝑢𝑙𝑡𝑎𝑑𝑜𝑠 𝑐𝑜𝑛𝑡𝑒𝑛𝑖𝑑𝑜𝑠 𝑒𝑛 𝑒𝑙 𝑒𝑣𝑒𝑛𝑡𝑜)

𝑃(𝑒𝑣𝑒𝑛𝑡𝑜) =
𝑁𝑟𝑜 𝑡𝑜𝑡𝑎𝑙 𝑑𝑒 𝑝𝑜𝑠𝑖𝑏𝑙𝑒𝑠 𝑟𝑒𝑠𝑢𝑙𝑡𝑎𝑑𝑜𝑠
Tenga en cuenta que este enfoque es aplicable solo cuando todos los resultados básicos
en el espacio muestral son igualmente probables.
Por ejemplo, la probabilidad de obtener una cara al lanzar una moneda justa es:
1 1
𝑝(𝑐𝑎𝑟𝑎) = =
1+1 2
El enfoque de frecuencia relativa para calcular la probabilidad requiere que el

experimento aleatorio se lleve a cabo como:
ni
p (ei ) = Donde:
N
ei: resultado asociado con ith evento.
ni: número de veces que se el ith evento ocurre.
N: número total de veces que se repite la prueba.
fi
p (ei ) = Donde:
N
fi: es el número de resultados favorables, para el evento ei.
N: Total de resultados en el espacio muestral(S).
Una propiedad importante de la probabilidad es que la suma de las probabilidades de
todos los resultados debe ser igual a 1.
La suma de las probabilidades debe ser igual a 1 porque los posibles resultados son
colectivamente exhaustivos y mutuamente excluyentes.
p( H ) + p(T ) = 1
Probabilidad subjetiva
Una visión alternativa sobre la probabilidad, que no depende del concepto de
experimentos aleatorios repetibles, define la probabilidad en términos de un concepto
subjetivo o personalista.
De acuerdo con este concepto de probabilidad subjetiva, la probabilidad de un evento es

el grado de creencia, o grado de confianza, que un individuo coloca en la ocurrencia de
un evento sobre la base de cualquier evidencia disponible.
Esta evidencia puede ser datos sobre la frecuencia relativa de sucesos pasados, o puede
ser solo una suposición razonada. El individuo puede asignar a un evento la probabilidad
de 1, 0 o cualquier otro número entre esos dos.
Aquí hay algunos ejemplos de situaciones que requieren una probabilidad subjetiva:
1. Un consumidor individual asigna una probabilidad al evento de comprar un televisor

durante el próximo trimestre.
2. Un gerente de control de calidad afirma la probabilidad de que un envío entrante futuro

tenga 1.5% o menos artículos defectuosos.
3. Una empresa auditora desea determinar la probabilidad de que un comprobante

auditado contenga un error.
Eventos alternativos y sus probabilidades

Como hemos dicho, un evento es el resultado de un experimento aleatorio que consta de
uno o más resultados básicos.
Si un evento consta de un solo resultado básico, es un evento simple.
Si consta de más de un resultado básico, es un evento compuesto.
En el experimento de lanzamiento de un dado, el espacio muestral es S= {1, 2, 3,4, 5, 6}.
Supongamos que estamos interesados en el evento E, donde el resultado es 1 o 6.

Podemos describir claramente el evento E como E = {1, 6}. Un evento E es un
subconjunto del espacio muestral S. Este es un evento compuesto porque incluye los
eventos simples {1} y {6}. La definición del subconjunto nos permite definir un evento
en general.
Al tirar un dado justo, suponga que el evento A representa las caras 1, 2, 3, 4 y 5 y el

evento B las caras de 4, 5 y 6. La intersección de estos dos eventos son las caras 4 y 5,
porque estas caras son comunes a ambos eventos.
Probabilidades de unión e intersección de eventos

Un evento a menudo se puede verse como un compuesto de dos o más eventos.
Tal evento, llamado evento compuesto, puede

clasificarse como unión o intersección.
La unión de dos eventos A y B es el evento

que ocurre cuando A o B o ambos ocurren
en una sola ejecución del experimento.

Por ejemplo, si el evento B obtiene un número par (2, 4 o 6) en un lanzamiento del dado
y el evento A obtiene un número 1 o 2, entonces la unión de los eventos A y B, que
representamos como A  B es (1,2,4,6)
La intersección de dos eventos A y B es el evento

que ocurre, cuando tanto A como B ocurren en una
sola ejecución del experimento. Es decir, los
miembros comunes conforman la intersección de dos
eventos. Porque 2 es el único punto de muestra
común en nuestros dos eventos, la intersección de los
eventos A y B, que representamos como A  B .
Para ilustrar la unión e intersección de eventos, usaremos una baraja de cartas estándar.
Sabemos que hay 52 cartas en una baraja (13 espadas, 13 corazones, 13 diamantes y 13
tréboles) y 4 cartas para cada número.
Con esta información, calculemos la probabilidad de la unión e intersección de eventos

en el espacio muestral de una baraja de
naipes.
Probabilidad de unión
Para evaluar la probabilidad de unión,
primero, imagine que seleccionamos al azar
una carta de baraja.
Deje el evento A= {trébol} y el evento

B={corazón o diamante}.
La unión A  B ={trébol, corazón o

diamante}
La unión de A y B significa que ocurre el evento "A o B".
Ahora podemos calcular la probabilidad matemática de A o B:
13 1 13 + 13 1
p ( A) = = y p( B) = =
52 4 52 2
1 1 3
p ( A  B) = p ( A) + p ( B) = + =
4 2 4
75% de probabilidad de obtener al azar una sola carta que sea un trébol, un corazón o un
diamante.
Si A y B son mutuamente excluyentes, la fórmula de probabilidad para una unión de A
y B es:
p( A  B) = p( A) + p( B)
Como otro ejemplo, Si A= {todos trébol} y B={todos diamantes}, entonces:
13 13 1
p( A  B) = + =
52 52 2
Ahora si A y B no son mutuamente excluyentes, entonces la probabilidad simple de
unión, debe modificarse, para tener en cuenta la intersección y evitar así el doble
conteo:
𝑝(𝐴 ∪ 𝐵) = 𝑝(𝐴) + 𝑝(𝐵) − 𝑝(𝐴 ∩ 𝐵)

Si en cambio A= {todos los diamantes} y B={todos los corazón o todos los diamante},
entonces:
1 2 1 1
p( A  B) = + − =
4 4 4 2
Probabilidad de intersección
Si A= {diamantes} y B= {corazones o diamantes}
La ( A B) = {diamantes}
13 1
p( A  B) = =
52 4
Por lo tanto, la probabilidad de obtener un diamante y obtener un diamante o un corazón
es la probabilidad de obtener un diamante, que es 25%.
Se define la probabilidad de una intersección como:
𝑝(𝐴 ∩ 𝐵) = 𝑝(𝐴) + 𝑝(𝐵) − 𝑝(𝐴 ∪ 𝐵)

Si, en cambio A= {todos los diamantes} y el evento B={todos los corazón o todos los
diamante}.
1 1 1 1
p( A  B) = + − =
4 2 2 4
Particiones, complementos y probabilidad de

complementos
Ahora, supongamos que elegimos al azar una carta de la baraja.
Deje A=(traje rojo) y B=(traje negro).
Una carta no puede ser miembro tanto de un traje rojo como de un traje negro.
Por lo tanto, decimos que A y B son eventos mutuamente excluyentes; No tienen

resultados básicos en común. Además, si los eventos mutuamente excluyentes A y B
cubren todo el espacio muestral S, llamamos a la colección de eventos A y B una
partición de S.
Otra alternativa es dividir el espacio de muestra de barajas de cartas de la siguiente

manera:
A= {trébol}, B={diamantes}, C= {corazón}, D={espada},
Esos cuatro eventos, A, B, C y D, son mutuamente excluyentes y colectivamente

exhaustivos.
La colección de estos eventos se denomina partición del espacio muestral S, que se

puede definir explícitamente como:
S= {A, B, C, D}
Se puede volver a dividir en G1 y G2 como:
S= {G1, G2}
Donde G1= {A, B} y G2== {C, D}
G1 consiste exactamente en esas cartas que no están en G2.
Por lo tanto, llamamos a G2 el complemento de G1, denotado por G1 (que se lee "no
G1 "). En otras palabras, G1 representa un conjunto de cartas que no están en G2:
Gc ={C, D}
La figura muestra tres tipos diferentes de particiones.
La figura a representa dos conjuntos mutuamente excluyentes, G1 y G2.
La figura b muestra eventos mutuamente excluyentes,
A, B, C y D. Gc es el complemento de G1 en la figura c.
G1 y G1 son mutuamente exclusivos para una partición simple.
Probabilidad de complemento
Debido a que un evento y su complemento, {E, Ec}, constituyen una partición simple,
estos eventos son mutuamente excluyentes.
p( E  E c ) = p ( E ) + p ( E c )
p( E  E c ) = 1
p( E c ) = 1 − p ( E )
Para el caso de las barajas:
p(G c ) = 1 − p(G1 )
26
p(G c ) = 1 −
52
Probabilidad condicional y sus implicaciones

Concepto básico de probabilidad condicional
La probabilidad condicional es la probabilidad de que ocurra un evento, dado que (con la

condición de que) haya ocurrido algún otro evento.
En el ejemplo de las barajas, tenemos 13 espadas (negro), 13 corazones (rojo), 13

diamantes(rojo) y 13 trébol(negro). Total 52 cartas con la misma probabilidad.
Ejemplo 1.
¿Cuál es la probabilidad que sea J?
Espacio muestral: Número de eventos simples

52. Evento compuesto: Que sea la carta J
P(J)=4/52=1/13
Ahora se tiene información que la cartas son

rojas. ¿Cuál es la probabilidad que sea J?
Espacio muestral: Número de eventos simples

26 cartas rojas. Evento compuesto: Que sea J
P(J|R) =2/26=1/13
2
𝑃(𝐽∩𝑅) 52 1
𝑃(𝐽|𝑅) = = 26 =
𝑃(𝑅) 13
52
Ejemplo 2.
Supongamos que ponemos 13 espadas en la mesa y luego seleccionamos una carta al azar
de ese grupo.
¿Cuál es la probabilidad de que el valor nominal de la tarjeta sea 2, P (E2), ¿dado que es
una espada? Aquí, hemos cambiado la condición bajo la cual el experimento es realizado,
porque ahora estamos considerando solo un subconjunto de la población: solo las espadas.
Las nuevas probabilidades que asignamos son:
1
𝑝(𝐸2∩𝑒𝑠𝑝𝑎𝑑𝑎) 52 1
𝑝(𝐸2/𝑒𝑠𝑝𝑎𝑑𝑎) = = 13 =
𝑝(𝑒𝑠𝑝𝑎𝑑𝑎𝑠) 13
52
Si le permitimos A= el evento de escoger una espada de la baraja y B= la carta sea 2, la

probabilidad condicional de este paso se escribe como:
1
𝑝(𝐵∩𝐴) 52 1
𝑝(𝐵|𝐴) = = 13 =
𝑝(𝐴) 13
52
Ejemplo 3.
Sabemos que J, Q y K son mayores que 10, como se define en la Tabla.
Si dejamos que A represente el evento de que la carta que sacamos es una espada y que
B represente el evento de que la carta es una jota (J), reina (Q) o rey (K), entonces:
1 1 1 3
p( B  A) = + + =
52 52 52 52
3
p ( B  A) 52 3
p ( B / A) = = = = 23.08%
p ( A) 13 13
52
Donde ( A B) , toma el 23.08% del área total de A, que significa que P (B | A)
=23.08%
Regla de multiplicación de probabilidad

Una consecuencia inmediata de la definición de probabilidad condicional es la regla de
multiplicación de probabilidad, que expresa la probabilidad de una intersección en
términos de la probabilidad de un evento individual y la probabilidad condicional.
Se puede derivar de la siguiente manera:
p( A  B) p( B  A)
p( A / B) = p( B / A) =
p( B) p( A)
p( A  B) = p( A / B) p( B) p( B  A) = p( B / A) p( A)
p( A  B) = p( B  A)
Por ejemplo, suponga que el 30% de todos los estudiantes reciben una calificación de C
(evento A). De todos los estudiantes que reciben C, el 60% son hombres (evento B). Esta
es una probabilidad condicional porque nos estamos limitando a los estudiantes varones.
En símbolos, P (B | A) =0.60.
¿Cuál es la probabilidad de que un estudiante seleccionado al azar que sea un hombre

tenga una calificación de C?
El evento de un estudiante masculino con una calificación de C es la intersección de A y

B.
También sabemos que:
P(A)=0.30 y P(B/A) =0.6 p( B  A) = p( B / A) p( A) = 0.6 * 0.30
Probabilidad conjunta y probabilidad marginal

En esta sección, examinaremos las probabilidades conjuntas y marginales y sus relaciones
con la probabilidad condicional que discutimos en la sección anterior.
Probabilidad conjunta
En muchas aplicaciones, estamos interesados en la probabilidad conjunta, la probabilidad

de que dos o más eventos ocurran simultáneamente.
Para ilustrar las probabilidades conjuntas,

considere los datos en la Tabla.
Estas cifras representan los resultados de

una encuesta de mercado en la que se
preguntó a 500 personas ¿cuál de los dos refrescos competitivos preferían?, los refrescos
bebida 1 de la compañía I o refresco 2 de la compañía II. Para simplificar la discusión,

como se muestra en la Tabla, usamos M, F, S1 y S2 para representar las preferencias
masculinas, femeninos por refrescos 1, y preferencias refresco 2.
Por lo tanto, el resultado conjunto de que un individuo es, tanto masculino como prefiere
el refresco l, se denota como "M y S1", y la probabilidad conjunta que un individuo
seleccionado al azar es hombre y prefiere el refresco 1 es P (M y S1)
Esta probabilidad es:
100
p( M  S1 ) = = 0.2
500
Otras probabilidades conjuntas se pueden calcular de manera similar. La Tabla es una

tabla de probabilidad conjunta, obtenida dividiendo todas las entradas en la Tabla por el
número total de individuos.
Para dos eventos, una probabilidad conjunta, es la probabilidad de la intersección de

dos eventos; en otras palabras, la probabilidad de que ambos eventos ocurran al mismo
tiempo.
La probabilidad conjunta se puede definir como
p( A  B) = p( A / B) p( B) = p( B  A) = p( B / A) p( A)
En la Tabla, las probabilidades marginales se presentan en la última fila y la última
columna.
En el caso de las barajas, en el que se saca una espada, una espada dentro de 13 espadas,
así la probabilidad conjunta es: p( B  A) .
1 13
𝑝(𝐵/𝐴) = 𝑝(𝐴) =
13 52
1 13 1
𝑝(𝐵 ∩ 𝐴) = 𝑝(𝐵/𝐴)𝑝(𝐴) = =
13 52 52
Probabilidades marginales
Además de la probabilidad conjunta, también podemos obtener de la Tabla las

probabilidades para las dos clasificaciones "sexo" y "preferencia de producto".
Estas probabilidades, que se muestran en los márgenes de la tabla de probabilidad

conjunta, se denominan probabilidades marginales o probabilidades incondicionales.
Por ejemplo, la probabilidad marginal de que un individuo elegido al azar sea mujer es p
(F)=0.48, y la probabilidad marginal de que una persona prefiera el refresco 1 es p (S1)
=0.60.
En estos casos, las probabilidades marginales para cada clasificación se obtienen

sumando las probabilidades conjuntas apropiadas. Porque la probabilidad marginal es una
probabilidad de un simple evento, a menudo se llama probabilidad simple.
La probabilidad de que el individuo sea mujer y prefiera el refresco 1, por ejemplo, puede
calcularse, en términos de los datos enumerados en la Tabla, como p(S1  F ) = 0.40

También sabemos que p (F)= 0.48. Sustituyendo esta información en la ecuación,
obtenemos:
p( S1  F ) 0.40 5
p( S1 / F ) = = =
p( F ) 0.48 6
Para comparar, calculemos:
p( F  S1 ) 0.40 2
p( F / S1 ) = = =
p( S 1) 0.60 3
Otro ejemplo: Clasificación de estudiantes por dos criterios.
Supongamos que consideramos el problema de seleccionar aleatoriamente 1 estudiante
como representante de una clase de 80 estudiantes. Clasifican por sexo y raza.
Sea:
B=evento que el estudiante sea negro.
W=evento que el estudiante sea blanco.
M=evento que el estudiante sea hombre.
F=evento que el estudiante sea mujer.
Cálculo de probabilidades marginales por raza:
30 50
p( B) = p(W ) = y p( B W ) = 1
80 80
Cálculo de probabilidades marginales por sexo:
40 40
p( M ) = p( F ) = y p( M  F ) = 1
80 80
Cálculo de probabilidades conjuntas:
5 40 5
p( B  M ) = p( B / M ) p( M ) = =
40 80 80
25 40 25
p( B  F ) = p( B / F ) p( F ) = =
40 80 80
35 40 35
p(W  M ) = p(W / M ) p( M ) = =
40 80 80
15 40 15
p(W  F ) = p(W / F ) p( F ) = =
40 80 80
Cálculo de probabilidades condicionales:
5 35
p ( B  M ) 80 5 p (W  M ) 80 35
p( B / M ) = = = p (W / M ) = = =
p(M ) 40 40 p( M ) 40 40
80 80
15 25
p ( F  W ) 80 15 p( F  B) 80 25
p( F / W ) = = = p( F / B) = = =
p (W ) 50 50 p( B) 30 30
80 80
Supongamos que no conocemos los números exactos indicados en la tabla, pero
conocemos las probabilidades conjuntas y las probabilidades condicionales.
Eventos independientes, dependientes y mutuamente

excluyentes
Dos eventos se denominan eventos independientes cuando la probabilidad de un evento
no se ve afectada por la ocurrencia del otro. Por ejemplo, supongamos que una moneda
justa se lanza dos veces. La probabilidad de obtener una ventaja en el segundo

lanzamiento no se ve afectada por haber conseguido un sello o una cara en el primer
lanzamiento; por lo tanto, los dos eventos son independientes.
Ejemplo 1. Sea los eventos del lanzamiento de un dado justo. A= (1,2) y B= (2,3,4,5,6)
Espacio muestral: S=(1,2,3,4,5,6); (𝐴 ∩ 𝐵) = (2)
P(A)=2/6=1/3; P(B)=5/6; 𝑃 (𝐴 ∩ 𝐵) = 1/6 diferente

P(A)*P(B)=1/3*5/6=5/18
Eventos A y B no son independientes.
𝑝(𝐴 ∩ 𝐵) = 𝑝(𝐴/𝐵)𝑝(𝐵)
P(A|B)=1/5 P(B|A)=1/2
Muchos eventos no son independientes. Por ejemplo, la probabilidad de que un niño en

un país menos desarrollado reciba una educación avanzada, se ve afectada por el estado
económico de su familia. Si la familia está acomodada, el niño probablemente pasaría a
la educación superior. De lo contrario, el niño puede tener que renunciar a la oportunidad
de educación, para ayudar a mantener a la familia. Por lo tanto, el evento de la educación
superior del niño depende del evento de la condición financiera de su familia.
Ejemplo 2. Sea los eventos A=(1,2); C=(2,4,6); CC.=(1,3,5)
P(A)=2/6=1/3; P(C)=3/6=1/2;
P(A|C)=1/3=P(A), El evento A es independiente de C;
P(A|Cc)=1/3=P(A), El evento A es independiente de Cc
Ejemplo 3.
En el caso de las barajas, sea los eventos:
O=La carta es 8. P(O)=4/52=1/13
C= La carta sea corazón. P(O|C)=1/13
Los eventos son independientes.

Supongamos que se lanza una moneda justa una vez, con la probabilidad de 1/2 de obtener
una cara (evento A). Deje que el evento B sea el evento de lanzar la moneda por segunda
vez y obtener una cara. ¿Cuál es la probabilidad del evento B, dado el evento A (una
cara)? o, en símbolos, ¿P (B | A)?
Observamos que la aparición de la segunda cara no está influenciada por (es

independiente de) la aparición de la primera cara. En tal caso, decimos que el evento B,
es estadísticamente independiente del evento A. Aquí, P (B | A) =P (B)=0.50, porque la
aparición de A no tiene influencia en B.
Para eventos independientes, entonces:
p( A / B) = p( A) o p( B / A) == p( B)
p( A  B) = p( B  A) = p( A) p( B)
Sabemos que la probabilidad conjunta de dos eventos independientes es igual al
producto de las probabilidades marginales de estos dos eventos.
Deje que A y B sean independientes de modo que sepamos p( A  B) = p( A) p( B)
¿En qué circunstancias podrían A y B también sor mutuamente excluyentes?
Si lo fueran, p( A  B) = 0 , lo que implica p( A) = 0 o p( B) = 0 . Por lo tanto, los

eventos independientes con probabilidades marginales positivas nunca pueden ser
mutuamente excluyentes.

Apuntes Probabilidad

Cargado por

Información del documento

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

Apuntes Probabilidad

Cargado por

Copyright:

Formatos disponibles

Apuntes Castillo Vera, F

CONCEPTOS DE PROBABILIDAD Y SU ANÁLISIS

Un experimento aleatorio es un proceso que tiene al menos dos resultados posibles y es

caracterizado por la incertidumbre de lo que ocurrirá.

Cada uno de los siguientes ejemplos implica un experimento aleatorio:

Cuando se tira un dado, el conjunto de resultados básicos comprende 1 a 6.

En otras palabras, los posibles resultados de un experimento aleatorio se denominan

El conjunto de todos los resultados básicos se denomina espacio muestral.

En otras palabras, un evento es un conjunto de resultados básicos del espacio muestral

Finalmente, Un evento básico es un subconjunto del espacio muestral.

Los conceptos de experimento aleatorio, los resultados, el espacio muestral y el evento,

Propiedades de los experimentos aleatorios

El punto de partida de la probabilidad es el experimento aleatorio.

Experimentos al azar tiene tres propiedades:

1. Se pueden repetir física o conceptualmente.

3. Varias repeticiones no siempre producen el mismo resultado.

El símbolo S se usa para representar el espacio muestral del experimento.

Diagrama de Venn: Diagrama de Venn:

Si un resultado (o evento) tiene una probabilidad de 0, entonces su aparición es

Obtener una cara o un sello, en el lanzamiento de una moneda, es un ejemplo de un

La probabilidad de un resultado puede calcularse mediante el enfoque clásico (el

En otras palabras, podemos hacer declaraciones basadas en razonamientos lógicos antes

𝑁𝑟𝑜 𝑑𝑒 𝑟𝑒𝑠𝑢𝑙𝑡𝑎𝑑𝑜𝑠 𝑐𝑜𝑛𝑡𝑒𝑛𝑖𝑑𝑜𝑠 𝑒𝑛 𝑒𝑙 𝑒𝑣𝑒𝑛𝑡𝑜)

El enfoque de frecuencia relativa para calcular la probabilidad requiere que el

De acuerdo con este concepto de probabilidad subjetiva, la probabilidad de un evento es

1. Un consumidor individual asigna una probabilidad al evento de comprar un televisor

2. Un gerente de control de calidad afirma la probabilidad de que un envío entrante futuro

3. Una empresa auditora desea determinar la probabilidad de que un comprobante

Eventos alternativos y sus probabilidades

Si un evento consta de un solo resultado básico, es un evento simple.

Si consta de más de un resultado básico, es un evento compuesto.

En el experimento de lanzamiento de un dado, el espacio muestral es S= {1, 2, 3,4, 5, 6}.

Supongamos que estamos interesados en el evento E, donde el resultado es 1 o 6.

Al tirar un dado justo, suponga que el evento A representa las caras 1, 2, 3, 4 y 5 y el

Probabilidades de unión e intersección de eventos

Tal evento, llamado evento compuesto, puede

La unión de dos eventos A y B es el evento

en una sola ejecución del experimento.

La intersección de dos eventos A y B es el evento

Con esta información, calculemos la probabilidad de la unión e intersección de eventos

Deje el evento A= {trébol} y el evento

La unión A  B ={trébol, corazón o

Ahora podemos calcular la probabilidad matemática de A o B:

𝑝(𝐴 ∪ 𝐵) = 𝑝(𝐴) + 𝑝(𝐵) − 𝑝(𝐴 ∩ 𝐵)

Se define la probabilidad de una intersección como:

𝑝(𝐴 ∩ 𝐵) = 𝑝(𝐴) + 𝑝(𝐵) − 𝑝(𝐴 ∪ 𝐵)

Particiones, complementos y probabilidad de

Deje A=(traje rojo) y B=(traje negro).

Por lo tanto, decimos que A y B son eventos mutuamente excluyentes; No tienen

Otra alternativa es dividir el espacio de muestra de barajas de cartas de la siguiente

A= {trébol}, B={diamantes}, C= {corazón}, D={espada},

Esos cuatro eventos, A, B, C y D, son mutuamente excluyentes y colectivamente

La colección de estos eventos se denomina partición del espacio muestral S, que se

Se puede volver a dividir en G1 y G2 como:

Donde G1= {A, B} y G2== {C, D}

G1 consiste exactamente en esas cartas que no están en G2.

G1 "). En otras palabras, G1 representa un conjunto de cartas que no están en G2:

La figura muestra tres tipos diferentes de particiones.

La figura a representa dos conjuntos mutuamente excluyentes, G1 y G2.

La figura b muestra eventos mutuamente excluyentes,

Probabilidad condicional y sus implicaciones

La probabilidad condicional es la probabilidad de que ocurra un evento, dado que (con la

En el ejemplo de las barajas, tenemos 13 espadas (negro), 13 corazones (rojo), 13