1

ESTADISTICA

Nombre: Aracely Mishel Benavides León

Tutor: Jorge Alonso Rodrigo Torres Acosta

Ciclo: segundo semestre/ B2

Actividad suplementaria: Aplicación práctica de los

casos de probabilidades

Año Lectivo: 2020 – 2021

PROBABILIDADES
 2

La probabilidad se refiere a la mayor o menor posibilidad de que ocurra un suceso, su

noción viene de la necesidad de medir la certeza o duda de que un suceso dado ocurra o
no. Esta establece una relación entre el número de sucesos favorables y el número total
de sucesos posibles. Su valor es entre cero y uno, inclusive, que describe la posibilidad
relativa (oportunidad o casualidad) de un evento. (Carlos Anibal Correa Granda, s.f.)
Para calcular la probabilidad de ocurrencia de un evento, se consideran los resultados
favorables y los resultados posibles, de la siguiente manera:

Número de resultados favorables

P (ocurrencia de un evento) = Número de resultados posibles

Tipos de probabilidad
*Clásica
*Empírica
Probabilidad clásica; es el número de resultados favorables a la presentación de un
evento dividido entre el número total de resultados posibles, la probabilidad clásica o
teórica se aplica cuando cada evento simple del espacio muestral tiene la misma
probabilidad de ocurrir.
Probabilidad empírica; es aquella que se determina de forma experimental, al repetir
un experimento bajo las mismas condiciones, la frecuencia relativa de un suceso se
aproxima a su probabilidad.
Probabilidad conjunta
Si dos sucesos M y N son independientes, la probabilidad de ocurrencia de ambos
sucesos simultáneamente será igual al producto de las probabilidades individuales, Si se
tiene más de dos sucesos independientes, la probabilidad conjunta será igual al producto
de las probabilidades de cada uno de los sucesos.
Probabilidad subjetiva
La probabilidad subjetiva es aquella que se basa en la experiencia individual, la persona
evalúa las posibilidades y asigna los valores de acuerdo a los hechos previos que conoce
es posible vincular la probabilidad subjetiva a una frecuencia relativa o a una conjetura.
Reglas de adición
La regla de la adición o regla de la suma establece que la probabilidad de ocurrencia de
cualquier evento en particular es igual a la suma de las probabilidades individuales, si es
que los eventos son mutuamente excluyentes, es decir, que dos no pueden ocurrir al
mismo tiempo. (ANONIMO, s.f.)

Regla especial de adición

 3

Formula:
P (A o B) = P(A) + P (B)

Ejercicio
De acuerdo a los resultados obtenidos por 1000 estudiantes en el examen de psicología
de año 2014 ¿Cuál es la probabilidad de que un egresado en psicología obtenga en el
año 2015 la calificación de sobresaliente o deficiente?
Clasificación Egresados Probabilidad
Deficiente (A) 350 350
=0.35
1000
Suficiente (B) 550 550
=0.55
1000
Sobresaliente (C) 100 100
=0.1
1000
Suma total 1000

Formula:
P (A o C) = P(A) + P (C)
P (A o C) = 0.35 + 0.1
P (A o C) = 0.45 45% //

Regla general de adición:

Formula:
P (A o B) = P(A) + P(B) – P (A y B)

Ejercicio
Cada año se llevan a cabo exámenes físicos de rutina como parte de un programa de
servicios de salud para los empleados de Sony se descubrió que 8% de los empleados
requieren calzados ortopédicos, 15% necesitan tratamiento dental mayor y 3% tanto
calzado ortopédicos como tratamiento dental mayor.
*¿Cuál es la probabilidad de que un empleado elegido de manera aleatoria requiere
zapatos ortopédicos o tratamiento dental mayor?
 4

Clasificación Probabilidad
Calzado ortopédico (A) 8%
=0.08
100
Tratamiento dental mayor (B) 15 %
=0.15
100
CO Y TDM (A y B) 3%
=0.03
100

P (A o B) = 0.08 + 0.15 – 0.03

P (A o B) = 0.23 – 0.03
P (A o B) = 0.2 //

Reglas de multiplicación
En la regla de la multiplicación establece que la probabilidad de ocurrencia de dos o
más eventos estadísticamente independientes es igual al producto de sus probabilidades
individuales, si A y B son independientes, si A y B son dependientes.
Regla especial de la multiplicación
La regla especial se utiliza cuando los eventos son independientes.
Formula
P (A y B) = P(A) * P(B)
Ejercicio
En una urna hay 4 esferas rojas y 8 de color verdes. Calcula la probabilidad de tomar
dos esferas consecutivas al azar, la primera obtener de color rojo y la segunda de color
verde.
En este caso se volvió a introducir la esfera que se saco al inicio para que la urna vuelva
a estar completas. (con reemplazo)
Clasificación Cantidad Probabilidad
Esferas rojas (A) 4 4
12
Esferas verdes (B) 8 8
12
Suma total 12

4 8
P (A y B) = 12 × 12
 5

32
P (A y B) = 144 = 0.22 22% //

Regla general de la multiplicación

En la regla general se utiliza en cambio cuando los eventos son dependientes.
Formula
P (A y B) = P(A) *P(B/A)

Ejercicio
En una urna hay 4 esferas rojas y 8 de color verdes. Calcula la probabilidad de tomar
dos esferas consecutivas al azar, la primera obtener de color rojo y la segunda de color
verde.
En cambio, en este evento la esfera que se retire no se vuelve a introducir en a urna. (sin
reemplazo)

Clasificación Cantidad Probabilidad

Esferas rojas (A) 4 4
12
Esferas verdes (B) 8 8
11
Suma total 12

4 8
P (A y B) = 12 × 11

32
P (A y B) = 132 =0.24 24% //

Diagrama de árbol
Es una representación gráfica de los posibles resultados del experimento, el cual consta
de una serie de pasos, donde cada uno de estos tiene un número infinito de maneras de
ser llevado a cabo, se utiliza en los problemas de conteo y probabilidad. (PACHECO,
2019)
Un diagrama de árbol es útil en la construcción de agrupación, bien sean
combinaciones, variaciones o permutaciones.
Ejercicio
 6

Se lanza una moneda y un dado. Calcular la probabilidad de obtener cara y un número

seis.

1
2
Cara 3
1/2 4
5
1 1 1
6 P(cara,6) = 2 × 6 = 12 =0.083 8.3%

1
1/2 2
Cruz 3
4
5
6

Análisis combinatorio
Permutaciones
Las permutaciones es una forma de ordenar o arreglar la totalidad de los elementos de
un conjunto, es decir, si importa el orden. (ANONIMO, PERMUTACIONES , s.f.)
Formula
Sin repetición Pn = n!
Con repetición n n!
Pa !b ! c!=
a !b ! c !
General importa el orden n!
nPr = ( n−r ) !

Ejercicio
¿De cuantas formas podemos sentar a seis amigos en el cine?
Sin repetición
 7

P = 6!
P = 6×5×4×3×2×1 = 720 //
¿De cuantas formas podemos ordenar una estantería seis libros verdes, tres negros y
cinco amarillos?
Con repetición

n = 14
14 ! 14 ×13 ×12 ×11 ×10 ×9 × 8× 7 ×6 !
a=6 P = 6 ! ×3 ! ×5 ! = 6 !× 3! × 5 !
=
168168 //
b=3
c=5
¿de cuantas maneras pueden quedar asignados los títulos de campeón y subcampeón?

4! 4!
4P2 = ( 4−2 ) ! = 2 !

4 × 3× 2× 1
4P2 = 2 ×1
=12 //

Combinaciones
En las combinaciones permite calcular el número de arreglos que pueden realizarse con
todos o con una parte de los elementos de un solo conjunto, en donde no interesa el
orden de los elementos entre sí.
Formula
Sin repetición Con repetición
n! ( n+ r−1 )
nCr = r ! ( n−r ) ¡ n
Cr r =
r ! ( n−1 ) ¡

Ejercicio
De los 10 estudiantes de un salón debo seleccionar a 4 para llevarlos al almuerzo ¿De
cuantas formas diferentes puedo seleccionar a los 4 estudiantes?
Sin repetición
 8

10 ! 10 !
10C4 = 4 ! ( 10−4 ) ¡ = 4 !× 6 !

10× 9 ×8 ×7 × 6 !
10C4 = 4 × 3× 2× 1× 6 ! = 210 //

En una heladería ofrecen 7 diferentes sabores para escoger ¿Cuántas combinaciones de

helado de 3 bolas puedo hacer?
Con repetición

n ( 7+ 3−1 ) 9!
CR r = = 3!× 6 !
3! (7−1 ) ¡

7 9 ×8 ×7 × 6 !
CR 3 = = 84 //
3 ×2 ×1 ×6 !

DISTRIBUCIONES DE PROBABILIDAD DISCRETA

Una distribución de probabilidades para una variable aleatoria discreta es un listado
mutuamente excluyente de todos los resultados numéricos posibles para esa variable
aleatoria tal que una probabilidad específica de ocurrencia se asocia con cada resultado.
(DOUGLAS A. LIND, s.f.)
Variable aleatoria
Una variable aleatoria es una función que asigna un valor, usualmente numérico, al
resultado de un experimento aleatorio. Por ejemplo, los posibles resultados de tirar un
dado dos veces: (1, 1), (1, 2), etc. o un número real.
Variable aleatoria discreta
Una variable aleatoria es discreta cuando su campo de variación está constituido por un
conjunto finito o infinito numerable de valores posibles, cada suceso de W se
corresponde con un valor.
Variable aleatoria continua
Una variable aleatoria es continua si su recorrido es un conjunto no numerable.
Intuitivamente esto significa que el conjunto de posibles valores de la variable abarca
todo un intervalo de números reales. Por ejemplo, la variable que asigna la estatura a
una persona extraída de una determinada población es una variable continua ya que,
teóricamente, todo valor entre, pongamos por caso, 0 y 2,50 m, es posible.
Medidas descriptivas de una distribución de probabilidad
 9

Tiene por objeto encontrar el punto central, o bien, un punto especifico en la

distribución de un conjunto de datos y la varianza describe la dispersión de estos de
forma similar, una distribución de probabilidad queda resumida por su media y su
varianza.
Media
La media constituye un valor típico para representar la posición central de una
distribución de probabilidad. También es el valor promedio de la variable aleatoria, cada
valor se multiplica por sus probabilidades de ocurrir y enseguida se suman los
productos.
Formula

μ=∑ [ X P ( X ) ]

Varianza y desviación típica o estándar

La varianza y la desviación estándar son medidas de dispersión o variabilidad, es decir,
indican la dispersión o separación de un conjunto de datos, hay que tener en cuenta que
las fórmulas de la varianza y la desviación estándar son diferentes para una muestra que
para una población.
Formula

σ =∑ [ ( X −μ ) P ( X ) ]
2 2

Formula reducida

σ =√ σ
2

Distribución de probabilidad binomial

Una distribución binomial es una distribución de probabilidad discreta que describe el
número de éxitos al realizar experimentos independientes entre sí, acerca de una
variable aleatoria.
Característica
* En cada prueba del experimento sólo son posibles dos resultados: éxito y fracaso.
* Los sucesos son mutuamente excluyentes, es decir, no pueden ocurrir los 2 al mismo
tiempo.
* La variable aleatoria que sigue una distribución binomial se suele representar como
X~ (n, π), donde n representa el número de ensayos o experimentos y p la probabilidad
de éxito.
n = número de ensayos
X = número de éxitos de la variable analizada
 10

nCx = número de combinaciones de elementos tomados a la vez

π = probabilidad de éxito en cada ensayo
Formula
x n −x
P(X) = nC x π ( 1−π )

Para calcular las medidas descriptivas que se señalaron anteriormente se hará a través de
las siguientes fórmulas:
Media de una distribución binomial

μ=nπ
Varianza de una distribución binomial

σ 2=nπ ( 1−π )

Distribución Hipergeométrica
Es una distribución discreta que modela el número de eventos en una muestra de tamaño
fijo cuando usted conoce el número total de elementos en la población de la cual
proviene la muestra.
Característica
* Los resultados son mutuamente excluyentes, es decir, si se presenta éxito no puede
presentarse al mismo tiempo el fracaso.
* La variable aleatoria es el número de éxitos en un número fijo de ensayos.
Formula

( s C x ) ( N −S )
C n−x

P(X) =
NCn

N = representa el tamaño de la población

S = número de éxitos en la población
X = número de éxitos en la muestra
n = tamaño de la muestra o número de ensayos
C = símbolo de combinación

Distribución de Poisson
 11

La distribución de Poisson es popular porque modela el número de veces que ocurre un

evento en un intervalo de tiempo.
Características
* La variable es el número de veces que ocurre un evento en un intervalo determinado.
* La variable es el número de veces que ocurre un evento en un intervalo determinado.
Formula
µ = media de la cantidad de veces (éxitos) que se presenta un evento en un intervalo
particular.
e=¿ constante matemática (2,718281...)
X = número de veces que se presenta un evento.
P(X) = probabilidad de un valor especifico de X.

μ X e−μ
P(X) =
X!

Media de una distribución de Poisson

Formula

µ = nπ

Bibliografía
ANONIMO. (s.f.). PERMUTACIONES . Obtenido de https://es.wikipedia.org/wiki/Permutaci
%C3%B3n

ANONIMO. (s.f.). Probabilidad. Obtenido de Wikipedia:

https://es.wikipedia.org/wiki/Probabilidad

Carlos Anibal Correa Granda, P. (s.f.). UTPL. Obtenido de GUIA:

file:///C:/Users/Usuario/Documents/libros%20y%20guias%20utpl/Estadistica
%20Basica%20(Jorge%20Alonso%20Torres)/Gu%C3%ADa%20did%C3%A1ctica
%20(4).pdf

DOUGLAS A. LIND, W. G. (s.f.). LIBRO BASE. Obtenido de UTPL:

file:///C:/Users/Usuario/Documents/libros%20y%20guias%20utpl/Estadistica
%20Basica%20(Jorge%20Alonso%20Torres)/ESTADISTICA%20APLICADA%20A%20LOS
%20NEGOCIOS%20Y%20ECONOMIA%20ESTAD%C3%8DSTICA%20B%C3%81SICA.pdf

PACHECO, J. (19 de 3 de 2019). Qué es un diagrama de árbol y para qué se utiliza. Obtenido de
https://www.webyempresas.com/que-es-un-diagrama-de-arbol/
12