Documentos de Académico
Documentos de Profesional
Documentos de Cultura
INTRODUCCION A LA PROBABILIDAD
La teoría de la Probabilidad es la rama de las matemáticas que tiene que ver con los fenómenos
aleatorios. Pero, ¿qué es un fenómeno aleatorio? Muchos fenómenos tienen la propiedad de que
su observación repetida bajo un conjunto específico de condiciones invariablemente lleva al mismo
resultado (por ejemplo, la ley de la gravedad). Hay otros fenómenos cuya observación repetida
bajo un conjunto específico de condiciones no siempre lleva al mismo resultado. Estos últimos son
los fenómenos que pensamos como aleatorios y que son el objeto de este curso.
También se define un fenómeno aleatorio como aquél cuyos resultados no pueden predecirse con
exactitud antes de su realización, es decir, existe incertidumbre asociada con los resultados de
dichos fenómenos y, por lo tanto, decimos que están sujetos al azar. La experiencia ha mostrado
que muchos de estos fenómenos no determinísticos exhiben una regularidad estadística que los
hace sujetos de estudio. La probabilidad se encarga del estudio formal de las reglas de la
incertidumbre que permiten modelar lo impredecible de éstos fenómenos (es decir, estudia la
medida de la incertidumbre).
Es importante mencionar que en este curso diferenciaremos los términos posible y probable. Un
fenómeno es o no posible, mientras que si es posible puede ser más o menos probable, lo cual
implica una medida.
INTERPRETACIONES DE LA PROBABILIDAD
A nivel filosófico existen dos puntos de vista: uno en que se piensa que todo fenómeno en el
universo sigue una ley o conjunto de ellas y aquellos fenómenos para los cuales el ser humano no
conoce dicha ley, se dice que son aleatorios (por ejemplo, los números aleatorios generados por
una computadora, en realidad siguen un algoritmo). El otro punto de vista es el que sostiene que
la aleatoriedad como tal existe en el universo. De cualquier manera, hoy día para el ser humano
existe la incertidumbre en muchos de los aspectos de su vida.
Existen varias formas de definir la probabilidad, las cuales representan enfoques diferentes en
el estudio de esta teoría, las más importantes son la definición Clásica (a priori), la definición de
Frecuencia Relativa (a posteriori) y la definición Axiomática.
2 NOTAS DE CURSO
CONCEPTOS BASICOS DE PROBABILDAD
ESPACIOS DE PROBABILIDAD
Espacio muestral
Supongamos que tenemos un experimento real o imaginario bien definido cuyos resultados no
son predecibles con certeza y que estamos tratando de modelar. Lo primero que tenemos que
hacer es definir los posibles resultados de dicho experimento (no se debe excluir ninguno de los
posibles). Luego establecemos un conjunto Ω cuyos elementos están asociados uno-a-uno con
estos resultados, a este conjunto se le conoce como espacio muestral. Si el espacio muestral tiene
un número finito o infinito contable de puntos muestrales se le llama discreto, en otro caso, se dice
que es continuo.
Nótese que para un mismo experimento se pueden definir varios espacios muestrales
dependiendo de nuestro interés.
Ejemplos:
2. Al tirar dos dados distintos, si se observan las parejas donde el primer elemento es la cara en
que cayó el primer dado y el segundo elemento es la cara en que cayó el otro dado, se tienen
36 resultados posibles:
(1,1)(1,2) … (1,6)
Ω : {(2,1)(2,2) … (2,6)
…
(6,1)(6,2) … (6,6)
En cambio, si lo que interesa es la suma de los puntos de ambas caras, se tienen 11 resultados
posibles Ω: {2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12}
3. Al medir el tiempo que dura un transistor Ω: [0,∞), que es un espacio muestral continuo, pero
si la duración se mide en días el espacio muestral es Ω: {0, 1, 2, 3, …} que es discreto.
4. Cuando un alumno se inscribe a un curso, si lo que interesa es su resultado final, se tienen dos
posibles resultados en Ω: {aprueba, reprueba}={su calificación es <70, su calificación es ≥70}.
Pero también puede interesarnos la puntuación que alcanza, entonces Ω: {0,1,2,3,…,100}.
Espacio de eventos
Una vez definido el espacio muestral de un experimento aleatorio, tomamos una colección no
vacía A de subconjuntos de Ω a los cuales nos interesa asignar probabilidades, a esta colección
se le llama clase.
El conjunto A debe ser una colección no vacía de subconjuntos de Ω que tenga las siguientes
propiedades:
i) Si A está en A, Ac está en A.
ii) Si A y B están en A, A U B y A ∩ B están en A.
Luego, por inducción, se puede demostrar que si A1, A2,..., An son conjuntos en A, entonces también
⋃ni=1 Ai y ⋂ni=1 Ai están en A..
Ejemplos:
| A |= 68,719,476,736 subconjuntos.
3. Ninguno de los espacios muestrales propuestos es finito por lo que no puede expresarse el
conjunto potencia.
4 NOTAS DE CURSO
CONCEPTOS BASICOS DE PROBABILDAD
Una colección no vacía de subconjuntos de un conjunto dado Ω que es cerrado bajo un conjunto
finito de operaciones ordinarias de teoría de conjuntos se llama un campo de subconjuntos de Ω.
Vamos a requerir que A sea cerrado no solamente bajo un conjunto finito de operaciones
ordinarias de teoría de conjuntos, sino también bajo un conjunto infinito contable de operaciones
ordinarias de teoría de conjuntos, es decir, si {An}, n≥1, es una secuencia de conjuntos en A,
entonces ⋃∞ ∞
i=1 Ai y ⋂i=1 Ai están en A.
i) Si A está en A, Ac está en A.
ii) Si An está en A, n=1,2,..., entonces ⋃∞ ∞
i=1 Ai y ⋂i=1 Ai están en A.
Es decir, una colección de subconjuntos de un conjunto dado Ω que es cerrado bajo un conjunto
contable de operaciones teóricas se llama un -campo o -álgebra de subconjuntos de Ω.
Si Ω es un espacio muestral discreto finito, se puede demostrar que el conjunto potencia constituye
una -álgebra de subconjuntos de Ω, sin embargo, no siempre es la más adecuada de acuerdo
con el comportamiento del fenómeno aleatorio.
Ejemplos:
1. Para los ejemplos 1 y 2 anteriores la -álgebra que se propone es 2Ω (el conjunto potencia).
2. Sea Ω={1,2,3,4}
A1 ={Ø,Ω,{1},{2},{3},{4},{1,2},{1,3},{1,4},{2,3},{2,4},{3,4},{1,2,3},{1,2,4},{2,3,4},{1,3,4}}
A2 ={{1},{2}}
Se puede demostrar que la clase A1 (la clase potencia) es una -álgebra mientras que la clase
A2 no lo es.
3. Sea Ω={1,2,3,4,5}
Para espacios muestrales continuos, se puede definir una -álgebra con base a una partición.
(Nótese que la definición de evento depende de cuál sea la “-álgebra” bajo consideración).
Los subconjuntos Ω y Ø son siempre eventos sin importar cuál sea la -álgebra A subyacente y
se llaman respectivamente evento seguro y evento imposible.
Cuando la -álgebra considerada contiene todos los eventos simples del experimento, los demás
eventos se pueden expresar como una función del álgebra de conjuntos de dichos eventos.
Llamamos complemento de A, denotado por Ac, al conjunto Ω-A. El evento Ac ocurre si y sólo si A
no ocurre.
Si A1∩A2=Ø se dice que son mutuamente excluyentes, que dos eventos sean mutuamente
excluyentes significa que si uno ocurre el otro no puede ocurrir
Una vez que podemos representar el experimento en términos matemáticos, podemos estudiarlo
utilizando los axiomas y resultados que conocemos.
Ejemplos:
Ω: {hombre, mujer}
A ={ Ø, Ω, {H}, {M}}
A =2Ω
Ω={0, 1, 2, 3, …}
2 NOTAS DE CURSO
CONCEPTOS BASICOS DE PROBABILDAD
En equipos, proporcionar los eventos elementales y dos eventos que no sean elementales para
los tres ejemplos propuestos en la actividad de aprendizaje anterior.
Ejercicios:
1. Sean E, F y G tres eventos definidos para un mismo espacio muestral. Proporcione la expresión
correspondiente a las siguientes afirmaciones en términos de operaciones de conjuntos:
a) Sólo E ocurre.
b) Ocurren E y G pero no ocurre F.
c) Al menos uno de los tres ocurre.
d) A lo mucho uno de ellos ocurre.
e) Exactamente dos de ellos ocurren.
f) Los tres ocurren.
2. En un grupo grande de personas se examinará a cada una para ver si presenta síntomas
comunes de cierta enfermedad. Dicha enfermedad puede presentar el síntoma A, el síntoma B o
ambos. Al elegir una persona al azar del grupo, defina los eventos elementales del experimento.
3. En una cafetería que ofrece un menú de tres tiempos cada persona debe escoger un guisado,
una guarnición y un postre para armar una comida. Las opciones son las siguientes:
pasta helado
pollo gelatina
Guisados: { Guarniciones: { arroz Postres: {
pescado pie
papas
duraznos
4. De una encuesta de 60 estudiantes que asisten a clase en una universidad, se encontró que 9
viven fuera del campus, 36 estudian una licenciatura del área de matemáticas y 3 son estudiantes
de una licenciatura del área de matemáticas y viven fuera del campus. Defina los eventos
involucrados en los enunciados anteriores y, utilizando teoría de conjuntos, encuentre el número
de estos estudiantes que corresponde a cada uno de los siguientes incisos:
a) Estudian una licenciatura del área de matemáticas, viven fuera del campus o ambos.
b) Estudian una licenciatura del área de matemáticas y viven en el campus.
c) No estudian una licenciatura del área de matemáticas y viven en el campus.
Axiomas de Kolmogorov
i) P(Ω)=1
ii) P(A)≥0 para todo A en A
iii) Si 𝐴𝑖 , i=1,2,...,n son conjuntos en A mutuamente disjuntos, entonces
𝑃(⋃∞ ∞
𝑖=1 𝐴𝑖 ) = ∑𝑖=1 𝑃(𝐴𝑖 )
El axioma (i) establece que, con probabilidad 1, el resultado del experimento va a ser un punto
de Ω.
El axioma (ii) establece que la probabilidad de todo evento debe ser no negativa, es decir, un
número mayor o igual a 0.
El axioma (iii) establece que para cualquier secuencia de eventos mutuamente excluyentes la
probabilidad de que al menos uno de ellos ocurra es la suma de sus respectivas probabilidades.
Nótese que si se define una partición de Ω que tenga n elementos, 𝐴1 , …, 𝐴𝑛 , al aplicar los
axiomas (i) y el (iii) se cumple que:
Por otra parte, si el espacio muestral es discreto, al aplicar los axiomas (i) y (iii) para los eventos
elementales se debe cumplir que:
𝑃(Ω) = 𝑃(⋃∞ ∞
𝑖=1 𝐸𝑖 ) = ∑𝑖=1 𝑃(𝐸𝑖 ) = 1
Ejemplo:
Que P cumple las propiedades de una medida de probabilidad se demuestra como sigue:
ii) Como A solamente tiene dos elementos con P(Ω)=1 y P(Ø)= 0, entonces P(A)≥0 para todo A
en A.
Propiedades de la Probabilidad
Supongamos que tenemos un espacio de probabilidad (Ω, A, P) dado y que los eventos que se
mencionan a continuación están en A, pueden verificarse entonces los siguientes resultados:
Demostración:
Se sabe que A∩Ac = Ø y AUAc = Ω
Por los axiomas (i) y (iii) se tiene que:
1= P(Ω) = P(AUAc) = P(A)+P(Ac)
Despejando obtenemos
P(A)= 1- P(Ac)
Demostración:
Como Ωc = Ø, por el resultado anterior P(Ø) = P(Ωc ) = 1 - P(Ω) = 0
Demostración:
Por el axioma (ii) P(A)≥0
Si P(A)>1, como P(Ω) = P(A) + P(Ac), entonces 1-P(A) = P(Ac)
Si 1-P(A) ≤ 0 entonces P(Ac)≤0 !
2 NOTAS DE CURSO
CONCEPTOS BASICOS DE PROBABILDAD
Demostración:
P(B)= P(Ω∩B) = P[(AUAc) ∩ B] = P [(A∩B) U (Ac∩B)] = P(A∩B) + P(Ac∩B)
Lo anterior debido a que como A y Ac son disjuntos, (A∩B) U (Ac∩B) también lo son.
Esta última propiedad se puede extender para n eventos: P(⋃ni=1 Ai ) = 1 − P(⋂ni=1 Aci )
Note que ⋃ni=1 𝐴𝑖 denota el evento de que al menos uno de los eventos 𝐴𝑖 ocurra, mientras que
⋂ni=1 𝐴𝑐𝑖 denota el evento de que ninguno de estos eventos ocurra y a veces es más fácil calcular
la ocurrencia de este último evento.
Ejemplos:
Como las monedas están perfectamente balanceadas, se puede definir una medida de
probabilidad que asigna a cada resultado del espacio muestral la misma probabilidad, es decir,
P(Ei)=1/8.
Para encontrar la probabilidad de que al lanzar las tres monedas, al menos una de ellas resulte
sol, se procede como sigue:
A1C ∩ A2C ∩ A3C corresponde al evento de que ninguna moneda resulte sol, es decir, que todas
caigan en águila, lo cual está representado por una sola terna, por lo que:
2. En una central médica, la probabilidad de que un paciente que consultó a un médico de primer
contacto no requiera análisis de laboratorio ni sea referido con un especialista es del 35%. De
los que consultaron a un médico de primer contacto, 40% requieren análisis de laboratorio y
30% son referidos con un especialista.
Ejercicios:
a) P(AUBUC) = P(A)+P(B)+P(C)–P(A∩B)-P(B∩C)-P(A∩C)+P(A∩B∩C)
b) P[(A∩BC) U (AC∩B)] = P(A) + P(B) – 2P(A∩B)
4 NOTAS DE CURSO
CONCEPTOS BASICOS DE PROBABILDAD
2. Suponga que se lanzan dos dados legales y se observa el número de puntos en que cae cada
dado. Se definen los siguientes eventos:
Exprese con palabras los siguientes eventos y calcule su probabilidad: Ac, AUC, B∩C, A∩Bc,
A∩B∩C.
3. Suponga que A y B son dos eventos mutuamente excluyentes con P(A)= 0.3 y P(B)= 0.5, calcule
la probabilidad de que:
a) Ocurra A o B.
b) Ocurra A pero no B.
c) Ocurra A y B.
4. En una ciudad hay 10,000 automovilistas los cuales se clasifican como: jóvenes o viejos, hombre
o mujeres, casados o solteros. Se sabe que 3000 son jóvenes, 4600 son hombres y 7000 son
casados. Además se sabe que 1320 son hombres jóvenes, 3010 son hombres casados, 1400 son
jóvenes casados y 600 son hombres casados jóvenes. Calcule la probabilidad de que al
seleccionar un automovilista al azar resulte una mujer joven soltera.
5. Suponga que se compran 3 libros de texto distintos en una librería que anunció la liquidación
del 20% de sus existencias. Si los descuentos fueron asignados al azar y lo que nos interesa es
el número de libros que se compraron con descuento,
c) Calcule la probabilidad de que por lo menos 2 de los libros se hayan comprado con
descuento.
Espacio de Probabilidad
A la terna (Ω, A, P) en la que para un espacio muestral dado Ω se supone A ={Ω,Ø} y se define
P(Ω)=1 y P(Ø)= 0, se le conoce como el espacio de probabilidad trivial.
Espacios Uniformes
Caso discreto
Decimos que un modelo de probabilidad con espacio muestral finito Ω={ 1,...n} es uniforme si la
medida de probabilidad cumple P(E1)=...= P(En), donde Ei = {i}. Es decir, un espacio de
probabilidad es uniforme si todos los resultados en el espacio muestral tienen la misma
probabilidad de ocurrir o son equiprobables.
Para construir un espacio de probabilidad uniforme se toma Ω que tenga solo un numero finito
de puntos, se define A como el conjunto de todos los subconjuntos de Ω y se asigna a cualquier
subconjunto A∈A la probabilidad P(A) definida como la cardinalidad de A entre la cardinalidad
⋕𝐴
de Ω, es decir, P(A)=
⋕Ω
Ejemplos:
1. Sea Ω={1,2,3}
#A 1 si 1 ∈ A
Con las medidas de probabilidad: 𝑃1 (𝐴) = 𝑦 𝑃2 (𝐴) = {
3 0 si 1 ∉ A
(Ω, A1, P1(A)) y (Ω, A2, P2(A)) son espacios de probabilidad diferentes.
(Ω, A1, P1(A)) es un espacio uniforme o simétrico, mientras que (Ω, A2, P2(A)) no lo es.
Sea A el evento que denota que el cuarteto está conformado por un elemento de cada semestre:
(31)(41)(41)(31)
𝑃 (𝐴 ) = = 0.143856
(14
4
)
Sea B el evento que denota que el cuarteto está conformado por 2 elementos de segundo
semestre y 2 de tercer semestre:
(42)(42)
𝑃 (𝐵 ) = = 0.035596
(14
4
)
Sea C el evento que denota que el cuarteto está conformado solo por elementos de tercer y
cuarto semestre:
Nótese que todos los alumnos tienen la misma probabilidad de ser elegidos.
Caso continuo
Suponga que el espacio muestral Ω es el intervalo [a,b] en la línea real donde -∞≤a<b≤∞. La
longitud de Ω es la distancia entre a y b. Parece razonable en este caso medir el “tamaño” de
un subconjunto A⊂Ω por su longitud. Dos conjuntos entonces son del mismo tamaño si tienen la
misma longitud. Denotamos la longitud del subconjunto A por |A|.
2 NOTAS DE CURSO
CONCEPTOS BASICOS DE PROBABILDAD
Para construir un espacio de probabilidad para el experimento que consiste en escoger un punto
al azar de Ω, considerando una -álgebra A de subconjuntos de Ω, se define una medida de
|𝐴|
probabilidad P sobre A tal que P(A)= |Ω| para cualquier subconjunto A⊂Ω.
En general, sea Ω cualquier subconjunto del espacio Euclideano r-dimensional que tiene un
volumen finito, no-cero, r-dimensional. Para un subconjunto A de Ω, se denota el volumen de A
por |A|. Existe una -álgebra A de subconjuntos de Ω que contiene todos los subconjuntos de Ω
que tienen un volumen asignado y una medida de probabilidad P definida sobre A tal que
P(A)= |A|/|Ω| para cualquier subconjunto A⊂Ω. Llamamos a tal espacio de probabilidad,
denotado por (Ω, A, P), un espacio de probabilidad uniforme.
En los problemas de probabilidad que involucran la idea de tomar un punto “al azar” de un
conjunto Ω, la idea intuitiva es que si A y B son dos subconjuntos que tienen el mismo “tamaño”
entonces la probabilidad de tomar un punto de A debe ser la misma que de B.
Ejemplo:
Ejercicios:
1. Se elige al azar un punto del disco de radio 1. Encuentre la probabilidad de que caiga en el
sector angular de 0 a /4 radianes.
2. Una urna contiene 10 pelotas numeradas del 1 al 10. Se elige una pelota al azar de la urna.
Calcule la probabilidad de que el número en la pelota sea 3, 4 o 5.
3. Si se lanzan cuatro dados legales, ¿cuál es la probabilidad de que los cuatro números que
aparecen sean distintos?
4. Una urna contiene 10 pelotas, 4 rojas y 6 azules. Una segunda urna contiene 16 pelotas rojas
y un número desconocido de pelotas azules. Al selecciona una pelota de cada urna, la
probabilidad de que ambas pelotas sean del mismo color es 0.44. Calcule el número de pelotas
azules en la segunda urna. ¿Es este un espacio de probabilidad uniforme?
4 NOTAS DE CURSO
CONCEPTOS BASICOS DE PROBABILDAD
Arreglos de Probabilidad
Cuando sobre una misma población se consideran experimentos en los que se observan en forma
simultánea dos o más variables, existe un método muy útil que consiste en arreglar los elementos
del espacio muestral generado por la combinación de dichas variables en una tabla.
Ejemplos:
A\B B1 B2 B3
A1 A1∩B1 A1∩B2 A1∩B3
A2 A2∩B1 A2∩B2 A2∩B3
2. En una universidad se entrevistó a los alumnos respecto a sus hábitos de fumar y los
porcentajes que se obtuvieron fueron los siguientes:
Ejercicio:
Un doctor está estudiando la relación entre la presión sanguínea y las anormalidades del corazón.
Si él ha encontrado que en sus pacientes el 14% tienen presión alta, 22% tienen presión baja,
15% tienen latidos irregulares, el 5% tienen presión alta y latidos irregulares y el 56% tienen
presión normal y latidos regulares. Construya un arreglo que contenga las probabilidades
conjuntas y marginales del experimento y calcule la probabilidad de que al seleccionar un
paciente al azar, tenga la presión baja o latidos regulares.
PROBABILIDAD CONDICIONAL
Sean A y B dos eventos del mismo espacio de probabilidad tales que P(A)>0 y P(B)>0.
2 NOTAS DE CURSO
CONCEPTOS BASICOS DE PROBABILDAD
𝑃(𝐵 ∩ 𝐴)
𝑃(𝐵|𝐴) =
𝑃(𝐴)
𝑃(𝐴 ∩ 𝐵)
𝑃(𝐴|𝐵) =
𝑃(𝐵)
P(A∩B)=P(A|B)P(B)=P(B|A)P(A)
El utilizar probabilidades condicionales equivale a definir como nuevo espacio muestral, el evento
que ha ocurrido.
1. P(A|Ω) = P(A)
2. P(Ø|A) = 0
3. P(Ω|A) = 1
4. P(Ac|B) = 1 - P(A|B)
5. P(A|Bc) = 1 - P(Ac|Bc)
Ejemplos:
1. Supóngase que para una población se observa el momento del año en el que nace un bebé.
El espacio muestral Ω se puede representar como el intervalo [0,1] y suponer un espacio de
probabilidad uniforme durante el año.
Sean A el evento que denota el hecho de que el bebé nazca en la primera mitad del año y B el
evento que denota el hecho de que el bebé nazca en la primera cuarta parte del año.
UN AÑO
A
B
0 1
Entonces:
|𝐴| |𝐵|
𝑃 (𝐴 ) = = 0.5 𝑦 𝑃 (𝐵 ) = = 0.25
|Ω| |Ω|
La probabilidad de que el bebé nazca en la primera mitad del año pero no en la primera cuarta
parte del año está dada por:
𝐶)
|𝐴 ∩ 𝐵𝐶 |
𝑃 (𝐴 ∩ 𝐵 = = 0.25
|Ω|
La probabilidad de que el bebé nazca en la primera cuarta parte del año dado que nació en
la primera mitad del año está dada por:
𝑃(𝐴 ∩ 𝐵) 0.25
𝑃 (𝐵|𝐴) = = = 0.5
𝑃 (𝐴 ) 0.5
2. Supóngase que de una caja con r bolas rojas etiquetadas 1,2,...,r y b bolas blancas etiquetadas
1,2,...b, se elige una bola al azar. Considerando que se trata de un espacio uniforme se tiene
que la probabilidad de sacar cualquier bola es (r+b)-1.
Sean A el evento de que la bola seleccionada sea roja y B el evento de que la bola seleccionada
esté etiquetada con 1:
𝑟 2
P(A)= y P(B)=
𝑟+𝑏 𝑟+𝑏
La probabilidad de que la bola seleccionada esté etiquetada con 1 dado que se sabe que es
roja es:
1
𝑃 (𝐴 ∩ 𝐵 ) 𝑏 + 𝑟 1
𝑃 (𝐵|𝐴) = = 𝑟 =
𝑃 (𝐴 ) 𝑟
𝑏+𝑟
3. Supongamos que dos monedas idénticas y perfectamente balanceadas se tiran una vez. El
espacio muestral tiene cuatro elementos Ω={ss, sa, as, aa} cada uno con probabilidad de 1/4.
Sean A el evento de que la primera moneda caiga en águila y B el evento de que la segunda
moneda caiga en águila.
La probabilidad de que ambas monedas caigan en águila dado que la primera cayó en águila
es:
𝑃(𝐴 ∩ 𝐵) 0.25
𝑃 (𝐴 ∩ 𝐵|𝐴) = = = 0.5
𝑃 (𝐴 ) 0.5
4 NOTAS DE CURSO
CONCEPTOS BASICOS DE PROBABILDAD
La probabilidad de que ambas monedas caigan en águila dado que al menos una cayó en águila
es:
𝑃(𝐴 ∩ 𝐵) 0.25 1
𝑃 (𝐴 ∩ 𝐵|𝐴 ∪ 𝐵) = = =
𝑃(𝐴 ∪ 𝐵) 0.75 3
4. Suponga que de la población de cierta ciudad el 40% son hombres y el 60% son mujeres.
Suponga que el 50% de los hombres fuma y el 30% de las mujeres fuma. Para encontrar la
probabilidad de que un fumador sea hombre se definen los siguientes eventos:
Entonces:
𝑃 (𝐻 ∩ 𝐹 ) 0.2
𝑃 (𝐻|𝐹 ) = = = 0.53
𝑃 (𝐹 ) 0.38
En los experimentos sobre una misma población en los que se observan en forma simultánea dos
o más variables y se utiliza un arreglo para expresar las probabilidades, al considerar
probabilidades condicionales se puede observar que cuando se dice que el evento Ak ya ocurrió,
la fila que corresponde a este evento se convierte en el nuevo espacio muestral redistribuyéndose
las probabilidades dentro de dicha fila; de manera similar ocurre cuando se dice que el evento
Bk ya ocurrió, la columna que corresponde a este evento se convierte en el nuevo espacio muestral
redistribuyéndose las probabilidades dentro de dicha columna. En el siguiente arreglo se muestra
el primer caso descrito (cuando se dice que el evento Ak ya ocurrió):
Ejemplo:
Considere una urna con dos pelotas rojas etiquetadas con los números 1 y 2 y dos pelotas negras
también etiquetadas con los números 1 y 2. Dos pelotas son seleccionadas secuencialmente de la
urna sin reemplazo. El espacio muestral Ω tiene 12 elementos siendo un espacio de probabilidad
uniforme, por lo que cada posible resultado tiene probabilidad 1/12.
(Note que el efecto de que el experimento sea sin reemplazo origina ceros en la diagonal).
Sea A el evento de que en la primera selección se tome una bola roja con el número 1 y B el
evento de que en la segunda selección se tome una bola roja.
Para calcular la probabilidad de que ocurra el evento B dado que el evento A ocurrió, se tiene
que:
𝑃(𝐴 ∩ 𝐵) 1/12 1
𝑃 (𝐵|𝐴) = = =
𝑃 (𝐴 ) 1/4 3
Si se modifica el arreglo con el área sombreada representando lo que se sabe que ya ocurrió
(el evento A) con las probabilidades condicionales ya expresadas, coincide con el resultado.
6 NOTAS DE CURSO
CONCEPTOS BASICOS DE PROBABILDAD
Ejercicios:
1. Si dos eventos, A y B, son tales que P(A)=0.5, P(B)=0.3, y P(A∩B)=0.1, calcule P(A|B), P(B|A)
y P(A|A∪B).
3. En un grupo de automovilistas se sabe que el 20% tiene un automóvil deportivo, 70% tienen
más de un automóvil y de éstos últimos, el 15% tienen un automóvil deportivo. Calcule la
probabilidad de que al seleccionar un automovilista al azar de esta población:
5. Un grupo grande de personas se examinará para ver si presentan dos síntomas comunes de
cierta enfermedad. Se piensa que 20% de las personas tienen sólo el síntoma A, 30% sólo el
síntoma B, 10% tienen ambos síntomas y el resto no tiene ningún síntoma. Para una persona
escogida al azar de este grupo, encuentre las siguientes probabilidades:
Eventos Independientes
Sean A y B dos eventos del espacio de probabilidad tales que P(A)>0 y P(B)>0.
Cuando se tiene que dada la ocurrencia de uno de ellos no cambia la probabilidad de ocurrencia
del otro, se dice que estos eventos son independientes. Es decir, A y B son independientes si se
cumple que:
Que por la regla de multiplicación equivale a que se cumpla que: P(A∩B) = P(A)P(B)
Entonces para demostrar que dos eventos A y B cualesquiera son independientes basta demostrar
una de las tres siguientes propiedades:
i) P(A|B) = P(A)
ii) P(B|A) = P(B)
iii) P(A∩B) = P(A)P(B)
Si se tiene que dos eventos son independientes, también sus complementos son independientes ya
que:
Ejemplos:
1. Dos estudiantes, A y B, están inscritos en un curso. El estudiante A asiste a las clases el 80% de
las veces y el estudiante B, al 60%. Si las ausencias de los dos estudiantes son independientes,
para calcular la probabilidad de que al menos uno de los dos estudiantes esté en clase en un día
específico se definen los siguientes eventos:
Entonces la probabilidad de que al menos uno de los dos estudiantes esté en clase en un día
específico se obtiene como:
P(AUB)=P(A)+P(B)-P(A∩B)= P(A)+P(B)-P(A)P(B)=0.8+0.6-0.48=0.92
2. Suponga que una partícula emitida por un material radiactivo tiene una probabilidad de 0.01
de penetrar cierto campo y que existe independencia entre el comportamiento de varias las
partículas.
Para calcular la probabilidad de que si se emiten diez partículas exactamente una de ellas
penetre el campo se tiene que:
P(A)=(10
1
)(.01)(. 999 ) = 0.091352
Para calcular cuántas partículas tienen que ser emitidas para que la probabilidad de que al
menos una partícula penetre en el campo sea 0.8, se procede como sigue:
𝑙𝑛(.2)
La probabilidad de que ninguna entre es P(Bc)= (. 99𝑛 ) = 0.2 => n= =160
𝑙𝑛(.99)
3. Sea Ω={1,2,3,4}. Suponga que se elige un elemento al azar, por lo que la probabilidad de
elegir cada punto es ¼. Si se definen los siguientes eventos A={1,2}, B={1,3} y C={1,4}, para
demostrar que estos eventos son independientes por pares se hallan las siguientes
probabilidades:
Ejercicios
2. Suponga que tres monedas perfectamente balanceadas se lanzan una vez. Sea Ai el evento
de que la i-ésima moneda caiga águila. Demuestre que los eventos A1, A2 y A3 son mutuamente
independientes.
3. La experiencia de un restaurante es que el 20% de las personas que reservan una mesa nunca
se presentan. Si el restaurante tiene 50 mesas y toma 52 reservaciones, calcule la
probabilidad de que todas las personas que lleguen alcancen mesa suponiendo
independencia entre las reservaciones.
2 NOTAS DE CURSO
CONCEPTOS BASICOS DE PROBABILDAD
4. Considere un juego de tiro al blanco formado por un círculo de radio 1 dividido en cuatro
zonas anulares cuyos bordes son los círculos concéntricos de radio ¼, ½, ¾ y 1.
a) Si se hace un disparo y se definen los eventos A: que caiga en la zona cuyos bordes son los
círculos de radio ¼ y ½, y B: que caiga en la zona cuyos bordes son los círculos de radio ¾ y 1.
¿Son A y B independientes? Justifique.
Sean A1,..., An n eventos mutuamente disjuntos con unión Ω (partición de Ω) y B un evento arbitrario,
entonces:
𝑃 (𝐵) = 𝑃(𝐵|𝐴1 )𝑃(𝐴1 ) + ⋯ + 𝑃(𝐵|𝐴𝑛 )𝑃(𝐴𝑛 )
Demostración
Como A1,..., An son mutuamente disjuntos, Ai∩B también son disjuntos para i:1,n. Entonces
Corolario
Ejemplos:
1. Se lanza una moneda cargada de tal forma que la probabilidad de que el resultado sea
águila es 2/3. Si cae águila, se extrae aleatoriamente una canica de una urna que contiene dos
canicas rojas y tres verdes. Si cae sol, se extrae aleatoriamente una canica de una urna que
contiene dos canicas rojas y dos verdes. Para calcular cuál es la probabilidad de extraer una
canica roja se definen los siguientes eventos:
2. Algunos casos de historias clínicas indican que diferentes enfermedades producen síntomas
idénticos. Suponga que un conjunto particular de síntomas, denotado como S, se presenta sólo con
cualquiera de tres enfermedades, A, B o C. Suponga que la presentación simultánea de más de
una de estas enfermedades es imposible y que P(A)=0.01, P(B)=0.005, P(C)=0.02. Las
probabilidades de desarrollar el conjunto de síntomas S, dada cada una de estas enfermedades,
se sabe que son P(S|A)=0.90, P(S|B)=0.95, P(S|C)=0.75.
Suponiendo que se elige una persona al azar de la población, para obtener la probabilidad de
que la persona presente el conjunto de síntomas S, se utiliza la ley de la probabilidad total como
sigue:
2 NOTAS DE CURSO
CONCEPTOS BASICOS DE PROBABILDAD
Ejercicios
1. En una empresa se tiene que de los programadores el 12% tienen el grado senior, el 67% tiene
el grado semi-senior y el 21% tienen el grado junior. Si se sabe que en el primer grupo, el 2% de los
códigos hechos tienen un error grave, en el segundo grupo un 10% de los códigos hechos tienen un error
grave y en el tercero un 27% de los códigos hechos tienen un error grave. ¿Cuál es la probabilidad de
que al seleccionar un código al azar hecho en la empresa, éste tenga un error grave?
El porcentaje de clientes del operador ML que utiliza tecnologías wap es del 10% mientras que para el
operador MA es del 15% y para el resto de competidores los usuarios de dicha tecnología corresponde
al 5%. ¿Cuál es la probabilidad de que los usuarios de servicios de telecomunicaciones móviles usen
tecnología wap?
3. En una compañía de cómputo todos los empleados deben saber programar por lo menos en
uno de los tres lenguajes JAVA, C o C++, aunque además sepan programar en otro lenguaje.
Calcule la probabilidad de que, al elegir un empleado al azar, sepa programar en otro lenguaje
que no sea JAVA, C o C++, si se conocen las siguientes probabilidades:
4. Al darle mantenimiento a un software por actualización del sistema operativo donde se corre
tenemos que: El módulo Fórmulas tiene el 23% de las sentencias del programa de las cuales el
89% necesitan ser actualizadas; el módulo Organización tiene el 35% de las sentencias del
programa de las cuales el 22% necesitan ser actualizadas; el módulo Sistema tiene el 42% de
las sentencias del programa de las cuales el 15% necesitan ser actualizadas. ¿Cuál es el
porcentaje de sentencias total que necesitan ser actualizadas?
Teorema de Bayes
Sean A1,..., An n eventos mutuamente disjuntos con unión Ω (partición de Ω) y sea B un evento tal
que P(B)>0, para los cuales P(BIAk) y P(Ak) son conocidas para 1≤k≤n.
Entonces:
𝑃(𝐴𝑖 ∩ 𝐵) 𝑃(𝐵|𝐴𝑖 )𝑃(𝐴𝑖 )
𝑃 (𝐴𝑖 |𝐵) = = 𝑛
𝑃 (𝐵 ) ∑𝑖=1 𝑃(𝐵|𝐴𝐾 )𝑃(𝐴𝐾 )
Demostración
Una interpretación de este resultado es que, si los eventos Ak son las posibles causas del evento
B, P(AiIB) es la probabilidad de que el evento Ai sea la causa de que B haya ocurrido.
4 NOTAS DE CURSO
CONCEPTOS BASICOS DE PROBABILDAD
Ejemplos:
2. Suponga que se tienen tres cómodas con dos cajones cada una. La primera cómoda tiene una
moneda de oro en cada cajón, la segunda tiene una moneda de oro en un cajón y una de plata
en el otro, la tercera cómoda tiene una moneda de plata en cada cajón. Si se elige una cómoda
al azar (siendo las tres igualmente probables de elegir) y se abre un cajón también al azar
(siendo los dos igualmente probables), y resulta que este cajón contiene una moneda de oro, para
calcular la probabilidad de que el otro cajón también contenga una moneda de oro se definen
los siguientes eventos:
Estos eventos son disjuntos y su unión es Ω. Como se tiene un espacio uniforme, P(Ai)=1/3.
Entonces: P(B|A1)=1
P(B|A2)=1/2
P(B|A3)=0
El supuesto de que el segundo cajón tenga una moneda de oro dado que se encontró una de oro
en el que ya se abrió solamente puede darse si se eligió la primera cómoda, es decir, P(A 1|B)
que se calcula utilizando el teorema de Bayes:
1
𝑃(𝐵|𝐴1 )𝑃(𝐴1 ) (1) ( ) 2
𝑃 (𝐴1 |𝐵) = 3 = 3 =
∑𝑖=1 𝑃(𝐵|𝐴𝐾 )𝑃(𝐴𝐾 ) (1) (1) + (1) (1) + (0) (1) 3
3 2 3 3
3. En una ciudad se ha observado que, del total de los automovilistas, 8% se encuentran entre las
edades 16-20, 15% se encuentran entre 21-30, 49% se encuentran entre 31-65 y 28% se
encuentran entre 66-99. En el primer grupo de edad, la probabilidad de tener un accidente es
del 8%, mientras que en el segundo grupo es del 3%, en el tercero es del 2% y en el cuarto es
del 4%. Si un automovilista seleccionado al azar tiene un accidente, para calcular la probabilidad
de que se encuentre entre las edades 16-20 se definen los siguientes eventos:
6 NOTAS DE CURSO
CONCEPTOS BASICOS DE PROBABILDAD
Ejercicios
2. En una universidad se observa que del total de egresados de Ingeniería en Software, 13% trabajan
como programadores, 37% trabajan como analistas, 30% trabajan desarrollando Apps y 20% dan
clases. En el primer grupo de ingenieros, la probabilidad de que tenga instalado Windows en el
ordenador es del 35%, en el segundo, es de 70%, en el tercero, es de 50% y en el cuarto, es de 40%.
Si un ingeniero seleccionado al azar tiene instalado Windows en el ordenador, cuál es la probabilidad
de que trabaje como analista.