FORO: IMPORTANCIA DEL CONOCIMIENTO Y APLICACIÓN DE

LAS PROBABILIDADES
NOMBRE: KAREN LUCÍA RUALES A.
El estudio y la aplicación de las probabilidades se ha extendido a muchas áreas de la vida del ser
humano, desde sus aplicaciones en los juegos de azar hasta las aplicaciones en diferentes campos
científicos como la ingeniería, la medicina, economía, finanzas, etc. como un medio de estimar la
probabilidad de ocurrencia de ciertos eventos, basados en información histórica e incluso en la
percepción personal de los individuos y calcular el riesgo de muchas actividades.
1. Definición de probabilidad.-
Describe la posibilidad relativa (oportunidad o casualidad) de que ocurra un evento.
En términos cualitativos, suele decirse que probabilidad es la oportunidad de una ocurrencia,
mientras que en términos cuantitativos, se afirma que probabilidad es la medición de ocurrencias.
El valor que toma la probabilidad está entre cero y uno, incluido. Cero corresponde a la
imposibilidad absoluta de ocurrencia de un evento (se sabe que el evento no ocurrirá), mientras que
uno corresponde a la certeza absoluta de la ocurrencia de un evento (se sabe que el evento ocurrirá).

Dicho valor se puede expresar por ejemplo como 0.2, como fracción 1/5 o bien como porcentaje (20
%).
Para valores intermedios de probabilidad, el evento puede o no ocurrir. En general, una
probabilidad cercana a cero se dice que es baja, y una probabilidad cercana a uno es alta.
El valor de una probabilidad nunca será negativo y tampoco mayor que uno.
La teoría de probabilidades está relacionada con el estudio de fenómenos o experimentos aleatorios.
1.1 Experimento
Proceso por el cual se obtiene una y sola una de varias posibles observaciones. Puede decirse
también del proceso que puede tener distintos resultados posibles, y cuyo resultado no se conoce
hasta que no se lleva a cabo.
En general los experimentos son aleatorios, entendido como tal todo aquel experimento que cuando
se repite bajo las mismas condiciones iniciales, el resultado no siempre es el mismo.
Los ejemplos más sencillos y cotidianos de experimentos: lanzar una moneda, lanzar un dado,
extraer una bolilla de un bolillero, sorteo del número de la lotería con el premio mayor en navidad,
etc. Los resultados de estos experimentos se conocerán únicamente después de efectuado el
experimento.

1.2 Espacio muestral

En principio no conocemos cual será el resultado de un experimento aleatorio, por tanto todos los
posibles resultados del experimento se agrupan dentro de un conjunto denominado “espacio
muestral”. El espacio muestral es el conjunto de todos los posibles resultados del experimento y
generalmente se le denota con las letras S, E, Ω.

1.3 Evento
Es el conjunto de uno o más resultado de un experimento. También conocido como suceso. Si el
conjunto de todos los posibles resultados forman el espacio muestral, el evento al ser un listado
parcial de posibles resultados, se constituye en un subconjunto del espacio muestral.

En el caso de lanzar una moneda, el espacio muestral es E={cara, cruz}, un evento puede ser
A={caras}.
En el caso del lanzamiento de un dado, si nuestro interés es el número que aparece en la cara
superior, el espacio muestral será el conjunto E={1,2,3,4,5,6} y un evento podría ser el conjunto
B={2,4,6}, obtener un número par.
El “complemento del evento A”, con relación al espacio muestral E, es el subconjunto de elementos
que perteneciendo al espacio muestral E, no pertenecen al subconjunto A.
Eventos mutuamente excluyentes: El hecho de que un evento se presente significa que ninguno de
los demás eventos puede ocurrir al mismo tiempo.
Los eventos complementarios son mutuamente excluyentes.

En el experimento de lanzar una moneda, los eventos {caras} y {cruz} son mutuamente
excluyentes, no pueden darse al mismo tiempo los dos eventos.
Eventos colectivamente exhaustivos: por lo menos uno de los eventos debe ocurrir cuando se lleva a
cabo un experimento.
Si el conjunto de eventos es colectivamente exhaustivo y los eventos son mutuamente excluyentes,
la suma de las probabilidades será igual a 1.

2. Enfoques en la asignación de Probabilidades

Enfoque “objetivo” y enfoque “subjetivo”.
2.1 Probabilidad objetiva:
Comprende la Probabilidad Clásica y la Probabilidad Empírica.
2.1.1 Probabilidad clásica:
Todos los resultados del experimento son igualmente posibles, tienen la misma probabilidad de
ocurrencia. Se expresa:

Ejemplo: Se lanza un dado, cual es la probabilidad de que el número resultante sea par?
Número total de posibles resultados, E={1,2,3,4,5,6}, es el espaco muestral, todos los posibles
resultados. Por tanto el número de posibles resultados son 6.
Sea A, el conjunto del número de resultados favorables, A={2,4,6} por tanto el número de
resultados favorables es 3.
Al lanzar un dado, la probabilidad de obtener un número para es, 3/6=0.5
2.1.2 Probabilidad empírica:
Conocida también como frecuencia relativa, se basa en el número de veces que ocurre el evento
como proporción del número total de observaciones.

Una mayor cantidad de observaciones dará como resultado una probabilidad más precisa,
aproximándose a su valor real.
Ejemplo: En un puesto de peaje en una autopista, durante una semana han circulado 500 000
vehículos, de los cuales 300 000 vehículos tenían placas de Pichincha, 100 000 tenían placas de
Cotopaxi, 80 000 de Imbabura y 20 000 de otras provincias. En la siguiente semana, a) cuál será la
probabilidad de que por esa autopista circule un vehículo con placas de Cotopaxi y b) cuál será la
probabilidad que circule un vehículo de otras provincias?
a) Probabilidad que circule un vehículo con placas de Cotopaxi:
Número de veces que ocurre el evento = 100 000
Número total de observaciones = 500 000
Probabilidad de ocurrencia = 100 000/500 000 = 0.2
b) Probabilidad de que circule un vehículo de otras provincias.
Número de veces que ocurre el evento = 20 000
Número total de observaciones = 500 000
Probabilidad de ocurrencia = 0.04
2.2 Probabilidad subjetiva:
Surge de la evaluación de opiniones, criterios e información disponible para la asignación de una
probabilidad a un determinado evento. Las apuestas en grandes acontecimientos, por ejemplo
elección de la elección de Miss Universo, se rigen por la asignación de una probabilidad subjetiva.

3. Reglas para calcular probabilidades

Siendo los eventos conjuntos, operar con eventos es operar con conjuntos.
3.1 Reglas de la adición (unión de eventos): a) regla especial de la adición y b) regla general de la
adición.
a) Regla especial de la adición:

Aplicable a eventos mutuamente excluyentes.

Los eventos A y B son mutuamente excluyentes o conocidos también como “disjuntos”

Si A y B son mutuamente excluyentes, la probabilidad de que ocurra uno u otro evento
(probabilidad de unión de dos eventos) es igual a la suma de sus probabilidades:

En base a la teoría de conjuntos la probabilidad de ocurrencia del evento A o del evento B, puede
expresarse como:

En el caso de tener los eventos A, B, y C, mutuamente excluyentes, será:

Ejemplo: Se dispone de un naipe con 52 cartas. Cuál es la probabilidad de que en forma aleatoria
se saque una carta con el número 7 o una carta con 10 negro?
Si A es el evento de sacar una carta con el número 7. En el naipe existen 4 cartas con el número 7.
Si B es el evento de sacar una carta con el número 10. Existen 4 cartas con el número 10.
A y B son conjuntos mutuamente excluyentes.
La probabilidad un número 7 del naipe es, P(A) = 4/52
La probabilidad de sacar un numero 10 es, P(B) = 4/52
La probabilidad de sacar en forma aleatoria un 7 o un 10 del naipe será:

Regla de complementación:
Dado un evento A, su complemento es el evento que ocurre si y sólo si no ocurre A (y A ocurre si y
sólo si no ocurre el complemento de A). El complemento de A se escribe como , ~A o y se lee
“complemento de A”, “negación de A”.

Si se lanza un dado y el resultado es A={3}, el complemento de A, será: ~A= {1,2,4,5,6}

b) Regla general de la adición:

Eventos no mutuamente excluyentes. Si A y B son dos eventos no mutuamente excluyentes
es la probabilidad de que suceda el evento A o que suceda el evento B o que sucedan los
dos eventos A y B.

es llamada la probabilidad conjunta (intersección de los dos eventos). La probabilidad

conjunta es la probabilidad de que ocurran dos o más eventos en forma simultánea.
Ejemplo: Se dispone de un naipe de 52 cartas, si A es el evento de sacar una carta con el 5 rojo y B
es el evento de sacar una carta de diamante rojo. Cuál es la probabilidad de sacar del naipe un 5 rojo
o una carta de diamante rojo?
La probabilidad de sacar una carta con el 5 rojo es, P(A) = 2/52
La probabilidad de sacar una carta de diamante rojo es, P(B) = 13/52
La probabilidad de sacar un 5 rojo y de diamante rojo es,
La probabilidad de sacar una carta que sea un 5 rojo o una carta de diamante rojo será:
3.2 Regla especial de la multiplicación (intersección de dos o más eventos)
Es la probabilidad de dos o más eventos en forma simultánea, para lo cual se requiere que los
eventos sean independientes.
Eventos independientes: dos eventos son “independientes” si la ocurrencia de un evento no afecta
la probabilidad de ocurrencia del otro evento.

Si los eventos A y B son independientes, la probabilidad de ocurrencia de A y B (intersección de los

conjuntos A y B) es igual a la multiplicación de la probabilidad de ocurrencia de A, P(A), por la
probabilidad de ocurrencia de B, P(B).

En caso de tres eventos independientes:

Ejercicio: En el supermercado se han comprado dos paquetes de huevos. La probabilidad de que en

un paquete no existan huevos rotos es de 0.92. Si P(A) es la probabilidad de que los huevos del
primer paquete esten sanos y P(B) es la probabilidad de que los huevos del segundo paquete estén
sanos. Cuál es la probabilidad de que en los dos paquetes de huevos no existan huevos rotos?
Probabilidad de que en el primer paquete de huevos y en el segundo paquete de huevos no existan
huevos rotos, será:

3.3. Probabilidad condicionada

La probabilidad de ocurrencia del evento a dado que ha ocurrido el evento B. Se expresa como
P(A|B).
Si los eventos A y B son independientes.
P(A|B) = P(A) y P(B|A) = P(B)
Si los eventos A y B no son independientes:
Que corresponde a la probabilidad de ocurrencia de A, dado que ha ocurrido el evento B.

Probabilidad de ocurrencia del evento B, dado que ha ocurrido el evento A.

3.4 La regla del producto o regla de la multiplicación:
La probabilidad de ocurrencia de los eventos A y B, será:

4. Distribuciones de probabilidad discreta

Una distribución de probabilidad proporciona toda la gama de valores que se pueden presentar en
un experimento. Es similar a una distribución de frecuencias relativas, pero, en lugar de describir el
pasado, describe la probabilidad de que un evento se presente en el futuro.
Una distribución de probabilidad muestra los posibles resultados de un experimento y la
probabilidad asociada a cada uno de ellos.
Una distribución de probabilidad tiene las siguientes caracerísticas:
1. La probabilidad de un resultado en particular se encuentra entre 0 y 1, inclusive.
2. Los resultados son eventos mutuamente excluyentes.
3. La lista es exhaustiva. Por lo tanto, la suma de las probabilidades de los diversos eventos es
igual 1.
Las distribuciones de probabilidad están asociadas a variables aleatorias.
Una variable aleatoria es la cantidad que resulta de un experimento, que por azar, puede adoptar
diferentes valores.
Una variable aleatoria puede ser discreta o continua.
Una variable aleatoria discreta es aquella que adopta sólo valores claramente separados
(numéricamente separados).
Una variable aleatoria continua es aquella que toma valores dentro de un intervalo de números
reales.

4.1 Media, varianza y desviación estándar de una distribución de probabilidad discreta.

Una distribución de probabilidad queda resumida por su media y su varianza.
Media.
Representa la posición central de una distribución de probabilidad. Es el valor promedio de la
variable aleatoria. También se le conoce como “valor esperado”. Es el promedio ponderado en el
que los posibles valores de una variable aleatoria se ponderan con sus correspondientes
probabilidades de ocurrir.

Donde P(x) es la probabilidad de un valor particular x. Es la sumatoria de las multiplicaciones de

cada valor x por la probabilidad de que ocurra.
Varianza de una distribución de probabilidad.
Describe el grado de dispersión en una distribución.

Con el objeto de calcular se deberá realizar:

a) Restar la media de cada valor y la diferencia se eleva al cuadrado.
b) Cada diferencia al cuadrado es multiplicada por su probabilidad.
c) La varianza se obtiene de la suma de los productos.

Desviación estándar de una distribución de probabilidad.

La desviación estándar, notada como s, se determina al extraer la raiz cuadrada positiva de la
varianza, por tanto:

5. Bibliografía
Rincón L. (2007). Curso elemental de Probabilidad y Estadística, Departamento de Matemáticas,
Facultad de Ciencias UNAM, México DF.
Lind D., Marchal W., Wathen S. (2015). Estadística aplicada a los negocios y a la economía.
Décimo sexta edición. Editorial Mc Graw Hill.
Mosteller F., Rourke R., Thomas G. (1970). Probability with statistical applications. Segunda
edición. Adisson-Wesley Publishing Company.
Walpone R., Myers R., Myers S., Ye K. (2012). Probabilidad y Estadística para Ingeniería y
Ciencias. Novena edición. Pearson Educación, México.