REPÚBLICA BOLIVARIANA DE VENEZUELA

UNIVERSIDAD NACIONAL EXPERIMENTA

DE LA GRAN CARACAS (UNEXCA)
UNIDAD CURRICULAR: INV. DE OPERACIONES
PNF: INGENIERÍA EN INFORMÁTICA
SECCIÓN: AL30232-C2
TURNO: NOCTURNO, ALTAGRACIA

PROBABILIDAD

Profesor:
Edison Viloria

Integrantes
Dávila Zulay C.I: 17.966.779
García Mileydis C.I: 17.167.311
Pineda Ronny C.I: 26.610.601
Rodríguez Shakira C.I: 27.006.564

Caracas, junio 2023

 HISTORIA DE LA PROBABILIDAD

La probabilidad es una rama de las matemáticas que se utiliza para analizar y

comprender los datos y los fenómenos aleatorios. Aunque esta disciplina se ha
desarrollado y evolucionado a lo largo de los siglos, sus orígenes se remontan a la
antigua Grecia y Roma.

La historia de la probabilidad comienza en el siglo XVII cuando Pierre Fermat»

y Blaise Pascal» tratan de resolver algunos problemas relacionados con los juegos
de azar. La definición de probabilidad se produjo debido al deseo del ser humano
por conocer con certeza los eventos que sucederán en el futuro, por eso a través de
la historia se han desarrollado diferentes enfoques para tener un concepto de la
probabilidad y determinar sus valores. El cálculo de probabilidades se expresa en
porcentaje y responde a la siguiente fórmula: Probabilidad = Casos favorables /
casos posibles x 100.

CARACTERÍSTICAS

Las características de la probabilidad son: La probabilidad de un suceso es

mayor o igual que cero. La probabilidad del suceso seguro es uno. La probabilidad
de la unión de dos sucesos incompatibles es igual a la suma de sus probabilidades.

CONCEPTO DE PROBABILIDAD

El término probabilidad proviene de lo probable, o sea, de aquello que es más

posible que ocurra, y se entiende como el mayor o menor grado de posibilidad de
que un evento aleatorio ocurra, expresado en una cifra entre 1 (posibilidad total) y 0
(imposibilidad absoluta), o bien en porcentajes entre el 100% o el 0%,
respectivamente. Para obtener la probabilidad de un suceso, generalmente se
determina la frecuencia con la que ocurre (en experimentos aleatorios bajo
condiciones estables), y se procede a realizar cálculos teóricos. El cálculo de las
probabilidades se lleva a cabo según la fórmula siguiente:

Probabilidad = Casos favorables / casos posibles x 100 (para llevarlo a porcentaje)

 Así, por ejemplo, podemos calcular la probabilidad de que una moneda salga
cara en un único lanzamiento, pensando que sólo puede salir una cara (1) de las
dos que hay (2), esto es, 1 / 2 x 100 = 50% de probabilidad.

PROBABILIDAD DE LA UNIÓN DE SUCESOS

La unión de sucesos es una operación cuyo resultado está compuesto por

todos los sucesos elementales no repetidos que dos o más conjuntos tienen en
común y no en común. Es decir, dados dos conjuntos A y B, la unión de A y B
estaría formada por todos los conjuntos que no se repiten y que tienen en común A
y B. Intuitivamente, la probabilidad de la unión de sucesos de A y B implicaría
responder a la pregunta: ¿Cuál es la probabilidad de que salga A o de que salga B?
El símbolo de la unión de sucesos es U. De tal forma que si queremos notar
matemáticamente la unión de dos sucesos B y D, lo notaríamos como: B U D.

Ejemplo: Supongamos el caso del lanzamiento de un dado perfecto. Un dado que

tiene seis caras enumeradas del 1 al 6. De tal forma que los sucesos se definen a
continuación:

A: Que salga mayor que 2. {3,4,5,6} en probabilidad es 4/6 => P(A) = 0,67

C: Que salga cinco. {5} en probabilidad es 1/6 => P(C) = 0,17

¿Cuál es la probabilidad de A U C?

P(A U C) = P(A) + P(C) – P(A ∩ C)

Como P(A) y P(C) ya lo tenemos, vamos a calcular P(A ∩ C)

A ∩ C = {5} en probabilidades P(A ∩ C) = 1/6 = 0,17

El resultado final es:

P(A U C) = P(A) + P(C) – P(A ∩ C) = 0,67 + 0,17 – 0,17 = 0,67 (67%)

La probabilidad de que salga mayor que 2 o de que salga cinco es del 67%.
 SUCESOS INDEPENDIENTES

En probabilidad, decimos que dos sucesos son independientes si el saber que

un acontecimiento ocurrió no cambia la probabilidad del otro evento. Por ejemplo, la
probabilidad de que una moneda justa caiga en "águila" es 1 / 2 1/2 1/2. Nos
centramos en este punto en sucesos que ocurren a la vez o un después de otro y
donde los dos sucesos son independientes, es decir el resultado de un suceso no
depende de lo que ocurra antes. Ejemplos:

a) Tiramos una moneda y un dado calcular la probabilidad de que la moneda salga

cara y el dado un 5.

b) Sacamos dos cartas de la baraja con reemplazamiento calcular la probabilidad de

que ambas sean bastos.

Vamos a ver teóricamente como resolver este tipo de problemas como se puede
hacer sin necesidad de generar todos los estados equiprobables y realizar Laplace.

Dos sucesos A1 y A2 son independientes si la probabilidad de que ocurra el proceso

A2 no depende de que haya ocurrido antes A1 o no.

La probabilidad de que ocurran A1 y A2, es decir la intersección de ambas, es el

igual al producto de las dos probabilidades.

P(A1∩A2)=p(A1)•p(A2) en sucesos independientes

Ejemplo: Extraemos una carta y miramos el palo, y la volvemos a introducir.

Extraemos otra carta y volvemos a mirar el palo. a) ¿Cuál es la probabilidad de que
las dos cartas sean de oros?. b) ¿y la primera de oros y la segunda de copas?

Está claro que son sucesos independientes, ya que al volver a introducir la carta el
palo de la segunda extracción no depende del palo de la primera.

a) A1={primera oro} → p(A1)=0,25

A2= {segunda oro} → p(A2)=0,25

p (1ª oro y 2ª oro)=p(A1∩A2)=0,25·0,25=0,0625

b) A1={1ª oro} → p(A1)=0,25

A2= {segunda copa}→ p(A2)=0,25

p (1ª oro y 2ª copa)=p(A1∩A2)=0,25·0,25=0,0625

Vamos ahora a hacer un problema que ya hicimos en el apartado 2 mediante este

nuevo método.

Problema: Calcular la probabilidad de que al lanzar dos monedas salgan dos caras.

En este caso en vez de hallar el espacio muestral, E, podemos ver que ambos
sucesos son independientes (el resultado de una moneda es independiente del
resultado de la otra)

A1=la primera moneda sale cara → p(A1)=1/2

A2=la segunda moneda sale cara → p(A2)=1/2

p(A1∩A2)= p(A1)·p(A2)=1/2·1/2=1/4=0.25

INTERPRETACIÓN FRECUENTALISTA DE LA PROBABILIDAD

Se basa en la experimentación y determina el número de veces que un suceso

puede ocurrir, teniendo en cuenta un número específico de oportunidades.

Cuantas más veces se haga el experimento, más precisa será la probabilidad

frecuencial obtenida. Por lo tanto, este tipo de probabilidad se suele calcular
utilizando programas informáticos que simulan miles de iteraciones y son capaces
de analizarlas en muy poco tiempo.
Supongamos que se repite un experimento aleatorio N veces.
La frecuencia absoluta, f, de un suceso es el número de veces que aparece el
suceso.
La frecuencia relativa, h, de un suceso es el cociente de la frecuencia absoluta
del suceso entre N, h= f
n
Ejemplo:

Hemos lanzado una moneda 20 veces y hemos obtenido 7 caras y 13 cruces.

La frecuencia relativa de cara es __7_

20

La frecuencia relativa de cruz es _13__

20

INTERPRETACIÓN CLÁSICA DE LA PROBABILIDAD

La probabilidad clásica es un caso particular del cálculo de la probabilidad de

un evento. Se define como el cociente entre los eventos favorables a dicho evento y
el total de eventos posibles, con la condición de que cada uno de estos eventos
sean todos igualmente probables. A la probabilidad clásica también se la conoce
como probabilidad a priori o probabilidad teórica. Para el cálculo de la probabilidad
es necesario dividir el número de sucesos favorables entre el número total de
sucesos posibles. Esto genera una muestra y, a partir de los datos obtenidos, se
puede realizar el cálculo.

El cálculo de probabilidades se expresa en porcentaje y responde a la siguiente

fórmula:

Probabilidad = Casos favorables / casos posibles x 100.

Ejemplo:

En un jardín infantil hay 8 morenos y 12 morenas así como 7 rubios y

5 rubias. Si se elige un integrante al azar, la probabilidad de que sea rubio o rubia
es:

Solución: Hay un total de 32 infantes. Los rubios o rubias suman 12. Por lo tanto, la
probabilidad
Pedida es casos favorables (rubios o rubias) =12/32 =3/8
Total de infantes

Alternativa C)

INTERPRETACIÓN SUBJETIVA DE LA PROBABILIDAD

Su concepto es opuesto a la probabilidad matemática, ya que toma en cuenta

ciertas eventualidades que permiten inferir la probabilidad de un determinado
evento, aun sin tener una certeza a nivel aritmético. Se basa en la experiencia
individual. La persona evalúa las posibilidades y asigna los valores de acuerdo a los
hechos previos que conoce.

Ejemplos:

Si una persona intenta calcular la probabilidad de que mañana llueva

basándose en la experiencia que tiene del clima de esa zona, es una probabilidad
subjetiva porque la persona no está realizando ningún cálculo matemático, sino que
se fundamenta en su intuición.

Otro ejemplo de probabilidad subjetiva es cuando un analista profesional

determina, a partir de su experiencia previa, el porcentaje que tiene un equipo en
ganar un trofeo. En este caso, el analista no está utilizando ningún modelo
matemático para predecir el futuro, sino que su opinión está basada en su
experiencia y su conocimiento del deporte.
 Este método de averiguar la probabilidad de ocurrencia de un evento puede
parecer que no sirve, ya que en realidad no se hace ningún cálculo. Sin embargo, la
probabilidad subjetiva es muy útil cuando no existe otro recurso o cuando es muy
difícil hacer un modelo matemático.

EXPERIMENTO ALEATORIO Y ESPACIO MUESTRAL

Experimento aleatorio: Es aquel que, por su complejidad, no es posible predecir su

resultado hasta que no se lleve a cabo. Mientras que el espacio muestral: Es el
conjunto de todos los posibles resultados de un experimento aleatorio. Un suceso o
evento: Es cualquier subconjunto del espacio muestral. El espacio muestral,
considerado como un suceso, recibe el nombre de suceso seguro o cierto. El
suceso vacío recibe el nombre de suceso imposible.

Ejemplo:

Se considera el sexo de los hijos de las familias de tres hijos. Sea A el suceso el hijo
mayor es una hembra, y B el suceso los dos hijos pequeños son varones. ¿Cuáles
son los elementos de A y B?

Solución:

Llamando Va ser varón y Ha ser hembra, el espacio muestral está formado por los
sucesos elementales:

E= {(VVV), (VVH), (VHV), (HVV), (VHH), (HVH), (HHV), (HHH)}

Y los sucesos A y B son compuestos y están formados por los siguientes sucesos
elementales:

A= {(HHH), (HHV), (HVH), (HVV)} B= {(VVV), (HVV)}

 ESPACIO MUESTRAL FINITO

El espacio muestral S puede ser discreto o continuo. Es discreto cuando

contiene un número finito de puntos o un número infinito numerable 3 de puntos.

Así por ejemplo, en el lanzamiento de un dado, una vez, el espacio muestral S es =

{1, 2, 3, 4, 5, 6}, que es un espacio con número finito de puntos. Ahora si el
experimento consiste en lanzar una moneda legal, hasta que aparezca el primer
sello, el espacio muestral es: S = {1, 2, 3, - - -}; Ya que el resultado deseado puede
ocurrir en la primera, segunda, tercera lanzada de dados

CONJUNTO VACÍO

El conjunto vacío es el conjunto que carece de elementos. Se denota como ∅,

∅={ }, o { }. También, se puede definir con el uso de la notación {x|x≠x}, se lee “el
conjunto de las x tal que x es diferente de x”. Su símbolo es Ø.

OPERACIONES DE LA TEORIA DE CONJUNTOS

Unión de conjuntos

Supongamos que tenemos los conjuntos M y N definidos como se muestra

en la siguiente figura:
 Podemos crear otro conjunto conformado con los elementos que pertenezcan
a M o a N. A este nuevo conjunto le llamamos unión de M y N, y lo notamos de la
siguiente manera: M ∪ N. En la imagen de abajo puedes observar el resultado de
unir los conjuntos M y N.

Al elegir qué elementos estarán en la unión de nuestros conjuntos y , debes

preguntarte cuáles están en el conjunto “o” en el conjunto . El resultado de la
operación será el conjunto conformado por todos los elementos del conjunto
universal , que cumplan la condición de estar en uno o en otro.

Intersección de conjuntos

Sigamos tomando como ejemplo los conjuntos M y N definidos anteriormente.

Podemos determinar un nuevo conjunto conformado por los elementos que
nuestros conjuntos M y N tienen en común. A este nuevo conjunto le llamamos
intersección de M y N, y lo notamos de la siguiente manera: M ∩ N
Diferencia de conjuntos

Además de la unión y la intersección podemos realizar la diferencia de conjuntos.

Diferencia simétrica de conjuntos

AXIOMAS Y TEOREMAS BÁSICOS

Un axioma es el elemento básico de un sistema de lógica formal y junto con

las reglas de inferencia definen un sistema deductivo. Los axiomas de la formulación
moderna de la teoría de la probabilidad constituyen una base para deducir a partir
de ellas un amplio número de resultados. La letra P se utiliza para designar la
probabilidad de un evento, siendo P(A) la probabilidad de ocurrencia de un evento A
en un experimento.

AXIOMA 1: Si A es un evento de S, entonces la probabilidad del evento A es:

 Como no podemos obtener menos de cero éxitos ni más de n éxitos en n
experimentos, la probabilidad de cualquier evento A, se representa mediante un
valor que puede variar de 0 a 1.

–Axioma 1 (no negatividad): la probabilidad de que ocurra cualquier suceso A

siempre es positiva o cero, P(A) ≥0. Cuando la probabilidad de un suceso es 0, se
le llama suceso imposible.

–Axioma 2 (certidumbre): siempre que algún evento que pertenece a E, su

probabilidad de ocurrencia es 1, lo cual podemos expresar como P(E) = 1. Es lo que
se conoce como un suceso seguro, ya que al realizar un experimento, con toda
certeza hay un resultado.

–Axioma 3 (adición): en el caso de dos o más eventos incompatibles dos a dos,

llamados A1, A2, A3…, la probabilidad de que ocurra el suceso A1 más el A2 más el
A3 y así sucesivamente, es la suma de las probabilidades de que suceda cada uno
separadamente.

Esto se expresa como: P(A1 U A2 U A3 U…) = P(A1) + P(A2) + P(A3) +…

Ejemplo

Los axiomas de probabilidad se utilizan ampliamente en multitud de aplicaciones.

Por ejemplo:

Se lanza una chincheta o tachuela al aire, y al caer al piso está la opción de caer
con la punta hacia arriba (U) o con la punta hacia abajo (D) (no consideraremos
otras posibilidades). El espacio muestral de este experimento consta de estos
eventos, luego E = {U, D}.

Al aplicar los axiomas tenemos:

P(E) = 1 (Axioma 2)
 Pero P(E) = P(U) + P(D) (Axioma 3), porque estos eventos son mutuamente
incompatibles, o disjuntos. La chincheta no cae con la punta hacia arriba o hacia
abajo al mismo tiempo, es uno o lo otro, pero no ambos, ya que no se están
considerando otras posibilidades. Entonces:

P(U) + P(D) = 1

P(U) = 1 – P(D)

Si es igualmente probable que caiga con la punta hacia arriba o hacia abajo,
P(U) = P(D) = ½ (Axioma 1). Sin embargo, puede ser que por la construcción y el
diseño de la chincheta sea más probable que caiga de una manera o de otra. Por
ejemplo, puede ser que P(U) = ¾ mientras que P(D) = ¼ (Axioma 1).

Nótese que, en ambos casos, la suma de las probabilidades da 1. Sin

embargo, los axiomas no indican la manera de asignar las probabilidades, al menos
no completamente. Pero sí afirman que son números comprendidos entre 0 y 1 y
que, tal como ocurre en este caso, la suma de todas es 1.

PROPIEDAD ADICIONALES DE LA PROBABILIDAD

A continuación veremos algunas propiedades con las cuales nos topamos a menudo
al solucionar cuestiones de probabilidad:

• Cuando tenemos una probabilidad compuesta por varios resultados posibles

se deben sumar las diversas probabilidades para obtener la probabilidad
final.
• La suma total de las probabilidades en cualquier ensayo es 1 1 1, es decir, la
probabilidad de que salga cierto resultado más la probabilidad de que no
salga cierto resultado equivale a 1 1 1
Ejemplo 1

Se tira un dado de 6 6 6 caras numeradas del 1 1 1 al 6 6 6.

La pregunta es acerca de la probabilidad de que salga un número par mayor que 3 3

3 al lanzar un dado.

Observemos los datos que tenemos, veremos que los dos números que calzan con
estos criterios son el 4 4 4 y el 6 6 6 por ser pares y mayores que 1 1 1. La
probabilidad de que salga el 4 4 4 al lanzar el dado es ⅙ ⅙ ⅙. La probabilidad de
que salga el 6 6 6 al lanzar el dado también es 16 \frac{1}{6} 61

Dicho esto, debemos sumar ambas probabilidades del siguiente modo y obtener
16+16=26=13 \frac{1}{6}+\frac{1}{6}=\frac{2}{6}=\frac{1}{3} 61+61=62=31

O sea, la probabilidad de que salga un número par mayor que 3 3 3 al lanzar un

dado es 13 \frac{1}{3} 31
 Referencias Bibliográficas

Espacio de Docentes.https://edu.gcfglobal.org/es/los-conjuntos/la-representacion-
de-los-conjuntos/1/

Universidad de los Andes

.https://laboratoriomatematicas.uniandes.edu.co/semarquitec/simbolosmat.htm

Devore, J. 2012. Probability and Statistics for Engineering and Science. 8th. Edition.
Cengage.

Walpole, R. 2007. Probabilidad y Estadística para Ingeniería y Ciencias. Pearson.

José Francisco López 2019.https://economipedia.com/definiciones/union-de-

sucesos.html