3.4 21-P Anotaciones

Propiedades básicas de la probabilidad
En 1933 que el matemático ruso Kuratowsky estableció los

Axiomas de Probabilidad.
Sea Ω un conjunto y P(Ω) el conjunto potencia de Ω. La función
P(A) : P(Ω) → R es una función de probabilidad si
1. Para el conjunto Ω se tiene que P(Ω) = 1.
2. Para todo A ⊂ Ω, 0 ≤ P(A).
!
3. Si A y B son eventos mutuamente excluyentes, entonces

P(A ∪ B) = P(A) + P(B).
P(A ∪ B) = P(A) + P(B).
Ejemplo
Lanzar un dado y contar los puntos. ¿Cuál es la probabilidad de
que salga 1 o 3?
Ω = {1, 2, . . . , 6}, |Ω| = 6, P(1) = 1/6, P(3) = 1/6.
Los eventos 1 y 3 son ajenos.

P(A ∪ B) = P(A) + P(B).
Ejemplo
Lanzar un dado y contar los puntos. ¿Cuál es la probabilidad de
que salga 1 o 3?
Ω = {1, 2, . . . , 6}, |Ω| = 6, P(1) = 1/6, P(3) = 1/6.
Los eventos 1 y 3 son ajenos. Por los axiomas tenemos que

P({1} ∪ {3}) = P({1}) + P({3}) = 1/6 + 1/6 = 1/3 = 0.3333
Axiomas y propiedades
P(A ∪ B) = P(A) + P(B).
Observación
Sean A, B dos eventos del espacio muestral Ω, ∅ es conjunto vacı́o.
1. Si A ⊂ B, entonces P(A) ≤ P(B).

2. P(A) ≤ 1.
3. P(Ac ) = 1 − P(A).
4. P(∅) = 0.
"
P(A ∪ B) = P(A) + P(B).
Observación
Sean A, B dos eventos del espacio muestral Ω, ∅ es conjunto vacı́o.
1. Si A ⊂ B, entonces P(A) ≤ P(B).

2. P(A) ≤ 1.
"$%&&$'
3. P(Ac ) #
= 1 − P(A).
4. P(∅) = 0.
!
5. Si A ⊂ B, entonces P(B \ A) = P(B) − P(A ∩ B) y
P(A \ B) = 0.
()
1.345
2
%
!
6666
*+,-.(/0+,-1-/
777
89
?
;<=
8:
>
-
#@4A4B4C067D
B6F6H-I=1?7J>K7L;;-#M=I;
+62 51 =E36F = )
+ G-/ 0+ G (4 -/ 1 + G -5 (/
!
Sean A y B eventos de un mismo espacio muestral Ω.

Por el principio del Principio de inclusión-exclusión,
|A ∪ B| = |A| + |B| − |A ∩ B|,
por lo que
|A ∪ B|
P(A ∪ B) = =
|Ω|
Sean A y B eventos de un mismo espacio muestral Ω.

Por el principio del Principio de inclusión-exclusión,
|A ∪ B| = |A| + |B| − |A ∩ B|,

+(N";DD7"I(DMOPQ;R1=QSFT=R6J6UVT
=PP3431#
por lo que
|A ∪ B| |A| |B| |A ∩ B|
P(A ∪ B) = = + −
|Ω| |Ω| |Ω| |Ω|
= P(A) + P(B) − P(A ∩ B).
Recuerda que si los eventos A y B son ajenos (o mutuamente

excluyentes), entonces A ∩ B = ∅ y por el axioma 3,
P(A ∪ B) = P(A) + P(B). (W- (XG -O(
0 /
S O(W- /
+$7$'$S
7 ,=4 -/
Ejemplo 1
En una encuesta salió que, la probabilidad de que una persona
prefiere gmail es 0.42; prefiere Google es 0.67; y prefiere tanto
gmail como Google es 0.2. Si eliges una persona al azar ¿cuál es la
probabilidad de que: prefiera tanto Google como gmail? ¿prefiera
Google y/o gmail? ¿prefiera exactamente uno de los dos?
Ejemplo 1
En una encuesta salió que, la probabilidad de que una persona
prefiere gmail es 0.42; prefiere Google es 0.67; y prefiere tanto
gmail como Google es 0.2. Si eliges una persona al azar ¿cuál es la
0!A
probabilidad de que: prefiera tanto Google como gmail? ¿prefiera
Google y/o gmail? ¿prefiera exactamente uno de los dos?
0
Solución:
Sea g el evento de preferir gmail y G el evento de preferir Google.
De los datos que proporciona el ejemplo sabemos que
P(G ) = 0.67, P(g ) = 0.42, P(G ∩ g ) = 0.2
y por propiedades básicas de probabilidad tenemos que

P(G ∪ g ) = P(G ) + P(g ) − P(G ∩ g ) = 0.67 + 0.42 − 0.2 = 0.89
!
P(G \ g ) = P(G ) − P(G ∩ g ) = 0.67 − 0.2 = 0.47

P(g \ G ) = 0.42 − 0.2 = 0.22.
P(G (g ) = 0.47 + 0.22 = 0.69.
Ejemplo 1 cont.
Realizamos tres diagrama de Euler-Venn indicando las

probabilidades de la intersección, la unión y la diferencia simétrica.
Ω Ω Ω
G g G g G g
0.47 0.2 0.22 0.47 0.2 0.22 0.47 0.2 0.22

Ejemplo 1 cont. ((- 0
O(
Y*) / 7 ,(Z - /
0
O( -/
! W , - ! (/
Realizamos tres diagrama de Euler-Venn indicando las

probabilidades de la intersección, la unión y la diferencia simétrica.
Ω Ω Ω
G g G g G g
0.47 0.2 0.22 0.47 0.2 0.22 0.47 0.2 0.22
De las tres diagramas de Euler-Venn en la figura, concluimos que

P(G ∩ g ) = 0.2,
P(G ∪ g ) = 0.47 + 0.2 + 0.22 = 0.89,
P(G (g ) = 0.47 + 0.22 = 0.69.
Ejemplo 2
El gen del ojo oscuro es un gen dominante y el gen del ojo claro es
un gen resisivo. Si ambos padres tienen tanto un gen de ojo oscuro
como un gen de ojo claro, ¿cuál es la probabilidad de que el hijo
tenga ojos claros vs ojos oscuros?
Solución:
Consideramos los datos de el cuadro.
M H C O Total
C C
C O
O C
O O
Total
Ejemplo 2
El gen del ojo oscuro es un gen dominante y el gen del ojo claro es
un gen resisivo. Si ambos padres tienen tanto un gen de ojo oscuro
como un gen de ojo claro, ¿cuál es la probabilidad de que el hijo
tenga ojos claros vs ojos oscuros?
Solución:
Consideramos los datos de el cuadro.
M H C O Total
C C
C O
O C
O O
Total
Sea C el evento de tener ojos claros y O el de tener ojos oscuros.

Sólo en uno de los 4 casos el hijo tendrá ojos claros, mientras que
en 3 de los 4 casos tendrá ojos oscuros. Entonces
P(C ) = 0.25, P(O) = 0.75.
Independencia y dependencia
Decimos que dos eventos A y B son independientes si no se

“afectan” entre sı́.
Formalmente, dos eventos A y B son independientes si y sólo si
M
P(A ∩ B) = P(A)P(B).
Dos eventos son dependientes cuando no son independientes.

Independencia y dependencia
El concepto de independencia de dos eventos se puede generalizar.
Un conjunto de eventos A1 , A2 , . . . , An son mutuamente

independientes si son independientes dos a dos, es decir, para
todo i , j con 1 ≤ i < j ≤ n, se tiene que
P(Ai ∩ Aj ) = P(Ai )P(Aj ).
Los eventos A1 , A2 , . . . , An son mutuamente independientes si
P(A1 ∩ A2 ∩ · · · ∩ An ) = P(A1 )P(A2 ) . . . P(An ).

Eventos excluyentes vs eventos independientes
\-]
7
+,(
+O(Z - /
=[546R#
A menudo se confunden los conceptos de eventos excluyentes o
independientes, por lo que recordamos que dos eventos A y B son
eventos excluyentes si
A ∩ B = ∅.
Una pregunta natural es si los conceptos de ser eventos excluyentes
o independientes se relacionan de alguna manera, ver ejercicio ??.
!
Propiedades de eventos independientes
Sean A y B eventos independientes, entonces

1. A y B c también son eventos independientes; y
2. P(A ∪ B) = 1 − P(Ac )P(B c )
Propiedades de eventos independientes
Sean A y B eventos independientes, entonces
+,(Z-
!
(B# -6R64
1. A y B c también son eventos independientes; y %
5^541R 34T5S I
2. P(A ∪ B) = 1 − P(Ac )P(B c )
Demostración +,( _ 4
-/ 0
+,( / +,- /
6> 15R1R R=<1345R U\5
7 I +62 .3S _
G(/ +,- /
>
+T / 0S
>
+,- /
>
0O +,- /
+,( / +,- /
!
+,(7+,- ` 0S ,(D a3 +,- / b0SP1 /

!
>
!
131 +,( / -/ ;+N S<=4 -/ 0S ,(Z /

>
-
!
+O(Z
>
+(`+,- 7 +<=4 (# - 34 T55S

>
3I
!
- <6 U\5
R64 _ I
S62
.3S61R3R (# - R64 -5 34T5P
>
c I +62 _ 34 T55S I
# S=2 7 B\B3R6 7 I
( #
R64 _
+62 d#5R T5 A5 H62Q=4 -J;

,(W /
>
(C -
/
>
G / +;( W-N / / +,( / +,-

>
+ (W- 0 7 !
0e !
S=34 -5 0 7 !
Ejemplo 3
En el circuito A ∧ (B ∨ C ) ∧ (D ∨ E ), el funcionamiento de cada
componente A, B, C , D, y E es independientes al funcionamiento
de los demás.
B D
A
C E
La probabilidad del funcionamiento de cada componente es
P(A) = 0.98, P(B) = 0.9, P(C ) = 0.95, P(D) = 0.93, P(E ) = 0.97.
Determina la probabilidad de que funcione el circuito.

Ejemplo 3
En el circuito A ∧ (B ∨ C ) ∧ (D ∨ E ), el funcionamiento de cada
componente A, B, C , D, y E es independientes al funcionamiento
de los demás.
B D
A
C E
La probabilidad del funcionamiento de cada componente es
P(A) = 0.98, P(B) = 0.9, P(C ) = 0.95, P(D) = 0.93, P(E ) = 0.97.
Determina la probabilidad de que funcione el circuito.

Solución:
Como los eventos son mutuamente independientes, tenemos que
P(A ∩ (B ∪ C ) ∩ (D ∪ E )) = P(A) · P(B ∪ C ) · P(D ∪ E ).

Ejemplo 3 cont.
+O;A !YIgY)
+,-
>
+; / YIYL +BS f0YIYK
/06 I 7 0
P(A) = 0.98, P(B) = 0.9, P(C ) = 0.95, P(D) = 0.93, P(E ) = 0.97.
P(A ∩ (B ∪ C ) ∩ (D ∪ E )) = P(A) · P(B ∪ C ) · P(D ∪ E ).
G */ G
/
YIYLK0YIggL
+,- W, / 0e +,- / +B6
>
0 7 !
6 I
YIY))0YIggKg
!
<661 / <
+ G ;/ +OAD +,;
/
AX 7
0O
!
0 !
+<=4 < -\B / 4 ,AW; // !*YIgh / G YIggL /

GYIggK!g/0gK)Y
Ejemplo 3 cont.
P(A) = 0.98, P(B) = 0.9, P(C ) = 0.95, P(D) = 0.93, P(E ) = 0.97.
P(A ∩ (B ∪ C ) ∩ (D ∪ E )) = P(A) · P(B ∪ C ) · P(D ∪ E ).
Como P(A ∪ B) = 1 − P(Ac )P(B c ), entonces
P(B ∪ C ) = 1 − P(B c ) · P(C c ) = 1 − (0.1)(0.05) = 0.995
P(D ∪ E ) = 1 − P(D c ) · P(E c ) = 1 − (0.07)(0.03) = 0.9979
Finalmente podemos contestar la pregunta
P(A ∩ (B ∪ C ) ∩ (D ∪ E )) = P(A) · P(B ∪ C ) · P(D ∪ E )

= (0.98)(0.995)(0.9979)
= 0.973.
La probabilidad (seguridad) de que funcione el circuito es 0.973.

Ejemplo 4
6P
El uso de cubrebocas es una herramienta en la prevención de
COVID. Un cubreboca tiene la función de proteger a los demás.
La “tela” de un cubreboca filtra en ambas direcciones, es decir,
funciona protegiendo a los demás y protege a uno mismo.
Si asumimos que un cubreboca filtra 50% de los partı́culas del
virus COVID, determina el porcentaje de partı́culas que se filtran
en los cuatro casos posibles:
!
Ejemplo 4
El uso de cubrebocas es una herramienta en la prevención de

COVID. Un cubreboca tiene la función de proteger a los demás.
La “tela” de un cubreboca filtra en ambas direcciones, es decir,
funciona protegiendo a los demás y protege a uno mismo.
Si asumimos que un cubreboca filtra 50% de los partı́culas del
virus COVID, determina el porcentaje de partı́culas que se filtran
en los cuatro casos posibles:
la que habla trae cubreboca; la que escucha trae cubreboca; ambas
o ninguna trae cubreboca.
Ejemplo 4 cont.
La que habla trae cubreboca: pasa 50% de partı́culas.
La que escucha trae cubreboca: pasa 50% de partı́culas.
Ninguna trae cubreboca: pasa 100% de partı́culas.
Ambas trae cubreboca: pasa (50%)(50%)=25% de partı́culas.
Si asumimos que los 4 casos son igualmente probables,

¿cuál es la efectividad del uso del cubreboca?
Ejemplo 4 cont.

Cada caso tiene una probabilidad de 0.25 y son casos ajenos.

La probabilidad de que una partı́cula pasa es:
(0.25)(0.5) + (0.25)(0.5) + (0.25)(1) + (0.25)(0.25) = 0.5625

Ejemplo 4 cont.
: La que escucha trae cubreboca:

La que habla trae cubreboca: pasa 50% de! partı́culas.
pasa 50% de partı́culas.
S2615Q5 6 I #5R
Si asumimos
\S
que los 4 casos son igualmente probables,

(0.25)(0.5) + (0.25)(0.5) + (0.25)(1) + (0.25)(0.25) = 0.5625
La probabilidad de que una partı́cula no pasa es 0.4375.

!
Ejemplo 4 cont.


(0.25)(0.5) + (0.25)(0.5) + (0.25)(1) + (0.25)(0.25) = 0.5625
La probabilidad de que una partı́cula no pasa es 0.4375.

Si los 4 casos son igualmente probables, entonces la efectividad del
uso de cubreboca es del 43.75%
Probabilidad condicional
La probabilidad de cierto evento depende del espacio muestral.
De 15 a 24 años (Fuente: Inegi) Total Hombre Mujer h/m

Total (todas las causas) 23,369 17,629 5,736 3.07
Agresiones 6,345 5,693 640
Accidentes 6,084 5,061 1,023
De tráfico (con motor) 3,666 3,026 640
Lesiones auto intencional. 1,775 1,329 446
Total de muertes violentas 14,204 12,083 2,109
Sea A el evento de muerte violenta. Si Ω es el total de muertes,
P(A) =

Agresiones 6,345 5,693 640
Accidentes 6,084 5,061 1,023

14, 204
P(A) = = 0.6078,
23, 369
Si Ω es el total de muertes de mujeres,
P(A) =

Agresiones 6,345 5,693 640
7
Accidentes 6,084 5,061 1,023

14, 204
P(A) = = 0.6078,
23, 369
!
Si Ω es el total de muertes de mujeres,
2, 109
P(A) = = 0.3677.
5, 736!
En la probabilidad condicional condicionamos (restringimos) el

espacio muestral.
La condición en este caso es que la vı́ctima sea mujer.
Sean A y B dos eventos tales que P(B) += 0. La probabilidad

condicional de A dado B se calcula según la siguiente formula.
P(A ∩ B)
P(A | B) = . (1)
P(B)
Del ejemplo anterior (Inegi), tenemos que P(A | B) = 0.3677
i-
(i
mientras que P(A) = 0.6078.
>
-7
+<=1
Ejemplo 5
Considera el experimento de lanzar un dado con seis lados.
Determina la probabilidad de que el dado muestra 2;

muestra 2 si sabemos que muestra a lo mas 4;
0
muestra 2 si sabemos que muestra un primo;
muestra a lo mas 4 si sabemos que muestra un primo; y
muestra un número primo si sabemos que muestra a lo mas 4.
El espacio muestral Ω = {1, 2, . . . , 6}. Definimos los eventos:

A el dado muestra 2;
B el dado muestra a lo mas 4; y
C el dado muestra un número primo.
Ejemplo 5


7"D
>
HS=[= <#
!
P(A) = 1/6, P(A | B) =

!
!
!
Ejemplo 5

!
!

El espacio muestral Ω = {1, 2, .)L

!
. . , 6}. Definimos los eventos:
+<=4j / 7
P(A) = 1/6, P(A | B) = 1/4, P(A | C ) =
0
jQ
$!fc
Ejemplo 5

El espacio muestral Ω = {1, 2,!)fc

. . . , 6}. Definimos los eventos:
-4B 0 gck)*
P(A) = 1/6, P(A | B) = 1/4, P(A | C ) = 1/3,

**)
P(B | C ) = , -4B /
+
f)
0
SB1 Dl
!
!
Ejemplo 5


P(A) = 1/6, P(A | B) = 1/4, P(A | C ) = 1/3,

P(B | C ) = 2/3, P(C | B) = S , -.B / *e) 7
j
%
0
0
!f)
Ejemplo 5


P(A) = 1/6, P(A | B) = 1/4, P(A | C ) = 1/3,

P(B | C ) = 2/3, P(C | B) = 1/2.
Ejemplo 6
Considera el ejemplo 1 acerca del uso de gmail y Google.
La probabilidad de que usa gmail es 0.42; y la probabilidad de que

una persona que usa Google es 0.67 y que use ambos es 0.20.
¿Cuál es la probabilidad de que una persona que

1. usa gmail también usa Google?
+,mD g/
2. no usa gmail si sı́ usa Google?
+,R
>
7mD
En probabilidad condicional asumimos que la probabilidad de A se

ve afectado por el evento B.
Si este no es el caso, entonces P(A | B) = P(A).
La justificación de la siguiente proposición se deja como tarea.
Proposition
Dos eventos A y B son independientes si
P(A) = 0, 0
P(B) = 0 o P(A | B) = P(A).
!
(2)

3R
Proposition
P(A) = 0, P(B) = 0 o P(A | B) = P(A). (2)
Con los datos de Inegi, y usando la proposición anterior, tenemos

que los eventos A una “muerte fue violenta” y B “muerte de una
mujer” no son eventos independientes ya que
P(A | B) = 0.3677 mientras que P(A) = 0.6078.

Proposition
P(A) = 0, P(B) = 0 o P(A | B) = P(A). (2)
Con los datos de Inegi, y usando la proposición anterior, tenemos

que los eventos A una “muerte fue violenta” y B “muerte de una
mujer” no son eventos independientes ya que
P(A | B) = 0.3677 mientras que P(A) = 0.6078.

3.4 21-P Anotaciones

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

3.4 21-P Anotaciones

Cargado por

Copyright:

Formatos disponibles

Propiedades básicas de la probabilidad

En 1933 que el matemático ruso Kuratowsky estableció los

3. Si A y B son eventos mutuamente excluyentes, entonces

Ω = {1, 2, . . . , 6}, |Ω| = 6, P(1) = 1/6, P(3) = 1/6.

Los eventos 1 y 3 son ajenos.

Ω = {1, 2, . . . , 6}, |Ω| = 6, P(1) = 1/6, P(3) = 1/6.

Los eventos 1 y 3 son ajenos. Por los axiomas tenemos que

P(A ∪ B) = P(A) + P(B).

1. Si A ⊂ B, entonces P(A) ≤ P(B).

P(A ∪ B) = P(A) + P(B).

1. Si A ⊂ B, entonces P(A) ≤ P(B).

Sean A y B eventos de un mismo espacio muestral Ω.

|A ∪ B| = |A| + |B| − |A ∩ B|,

Sean A y B eventos de un mismo espacio muestral Ω.

|A ∪ B| = |A| + |B| − |A ∩ B|,

= P(A) + P(B) − P(A ∩ B).

Recuerda que si los eventos A y B son ajenos (o mutuamente

P(G ) = 0.67, P(g ) = 0.42, P(G ∩ g ) = 0.2

y por propiedades básicas de probabilidad tenemos que

P(G \ g ) = P(G ) − P(G ∩ g ) = 0.67 − 0.2 = 0.47

Realizamos tres diagrama de Euler-Venn indicando las

0.47 0.2 0.22 0.47 0.2 0.22 0.47 0.2 0.22

Realizamos tres diagrama de Euler-Venn indicando las

0.47 0.2 0.22 0.47 0.2 0.22 0.47 0.2 0.22

De las tres diagramas de Euler-Venn en la figura, concluimos que

Sea C el evento de tener ojos claros y O el de tener ojos oscuros.

Decimos que dos eventos A y B son independientes si no se

Dos eventos son dependientes cuando no son independientes.

El concepto de independencia de dos eventos se puede generalizar.

Un conjunto de eventos A1 , A2 , . . . , An son mutuamente

P(Ai ∩ Aj ) = P(Ai )P(Aj ).

Los eventos A1 , A2 , . . . , An son mutuamente independientes si

P(A1 ∩ A2 ∩ · · · ∩ An ) = P(A1 )P(A2 ) . . . P(An ).

Sean A y B eventos independientes, entonces

Sean A y B eventos independientes, entonces

2. P(A ∪ B) = 1 − P(Ac )P(B c )

+,(7+,- ` 0S ,(D a3 +,- / b0SP1 /

131 +,( / -/ ;+N S<=4 -/ 0S ,(Z /

+(`+,- 7 +<=4 (# - 34 T55S

+62 d#5R T5 A5 H62Q=4 -J;

G / +;( W-N / / +,( / +,-

Determina la probabilidad de que funcione el circuito.

Determina la probabilidad de que funcione el circuito.

P(A ∩ (B ∪ C ) ∩ (D ∪ E )) = P(A) · P(B ∪ C ) · P(D ∪ E ).

+<=4 < -\B / 4 ,AW; // !*YIgh / G YIggL /

Como P(A ∪ B) = 1 − P(Ac )P(B c ), entonces

P(B ∪ C ) = 1 − P(B c ) · P(C c ) = 1 − (0.1)(0.05) = 0.995

P(D ∪ E ) = 1 − P(D c ) · P(E c ) = 1 − (0.07)(0.03) = 0.9979

Finalmente podemos contestar la pregunta

P(A ∩ (B ∪ C ) ∩ (D ∪ E )) = P(A) · P(B ∪ C ) · P(D ∪ E )

La probabilidad (seguridad) de que funcione el circuito es 0.973.

El uso de cubrebocas es una herramienta en la prevención de

Si asumimos que los 4 casos son igualmente probables,

Si asumimos que los 4 casos son igualmente probables,

Cada caso tiene una probabilidad de 0.25 y son casos ajenos.

(0.25)(0.5) + (0.25)(0.5) + (0.25)(1) + (0.25)(0.25) = 0.5625

: La que escucha trae cubreboca:

Cada caso tiene una probabilidad de 0.25 y son casos ajenos.

(0.25)(0.5) + (0.25)(0.5) + (0.25)(1) + (0.25)(0.25) = 0.5625

La probabilidad de que una partı́cula no pasa es 0.4375.

Si asumimos que los 4 casos son igualmente probables,

Cada caso tiene una probabilidad de 0.25 y son casos ajenos.

(0.25)(0.5) + (0.25)(0.5) + (0.25)(1) + (0.25)(0.25) = 0.5625