UNIVERSIDAD DE SANTIAGO DE CHILE

FACULTAD DE CIENCIA
DEPARTAMENTO MATEMÁTICA Y CIENCIA DE LA COMPUTACIÓN

PROBABILIDADES

Este concepto comenzó a ser utilizado en el siglo XVII por matemáticos como
PASCAL y FERMAT, principalmente en relación con juegos de azar. En el siglo XVIII se
perfeccionó con los trabajos de BERNOULLI y DE MOIVRE ganando muchas
aplicaciones en el siglo XIX con LAPLACE y GAUSS. En el presente siglo se ha trabajado
en la axiomatización de tales ideas.
En este curso se presentarán las ideas básicas de la Teoría de la Probabilidad.

Ejemplos de Experimentos no determinísticos (E ó ).

E1: Se lanza una moneda cuatro veces y se observa la sucesión de caras y sellos
obtenidos.
E2: Se analiza un tumor para ver si es benigno o maligno.
E3: Se fabrican artículos en una línea de producción y se cuenta el número de Artículos
defectuosos producidos en un periodo de 24 horas.
E4: Se mide la resistencia eléctrica de cierto tipo de alambre de cobre.

¿Qué características tiene un Experimento?

a: Es posible repetir cada experimento indefinidamente sin cambiar esencialmente las
condiciones.
b: Aunque en general no podemos indicar cuál será un resultado particular, podemos
describir el conjunto de todos los resultados posibles del experimento.
c: A medida que el experimento se repite, los resultados individuales parecen ocurrir
en forma caprichosa, sin embargo, si el experimento se realiza un gran número de veces,
aparece un modelo definido con regularidad. Esta regularidad hace posible la construcción
de un modelo matemático preciso con el cuál analizaremos el experimento.

Definición de Espacio Muestral ( ó S)

Con cada experimento  del tipo que consideramos, definimos el espacio muestral
como el conjunto de todos los resultados posibles de .
Los espacios muestrales asociados a los cuatro experimentos anteriores son:
 UNIVERSIDAD DE SANTIAGO DE CHILE
FACULTAD DE CIENCIA
DEPARTAMENTO MATEMÁTICA Y CIENCIA DE LA COMPUTACIÓN

Definición de Suceso o evento

Un suceso A asociado a un experimento  es un subconjunto del espacio muestral
, es decir, A. Se denotan A, B, C….

Se puede hacer una especie de analogía entre el algebra de conjuntos y el álgebra de

probabilidades.

Conjuntos Probabilidades
Los conjuntos se denotan por letras Los sucesos o eventos se denotan también
A,B,C……. por letras A;B;C…..
Los conjuntos se pueden denotar por Los sucesos o eventos también se pueden
comprensión y por extensión. denotar por comprensión y por extensión.
U Conjunto Universo  ó S Espacio Muestral
 es un suceso seguro P() = 1
A Conjunto A A Suceso A  P(A)
AB = Conjuntos Disjuntos AB= Sucesos A y B son
Mutuamente Excluyentes
AB=U A y B Conjuntos AB=  Sucesos A y B
AB= Complementarios AB= son Complementarios
A= Conjunto Vacío A= A es un suceso imposible
P(A) = 0

Ejemplos de “sucesos especiales”

Suceso Seguro
A:“Al lanzar dado sale 1,2,3,4,5 ó 6”
A=Ω ={ 1,2,3,4,5,6}

Suceso Imposible
A:“Al lanzar dado sale 8”

Sucesos mutuamente excluyentes

A: “al lanzar dado sale número par”
B: “al lanzar dado sale 3 ó 5”
A∩B=

Sucesos complementarios
A: “al lanzar dado sale número par”
B:”al lanzar dado sale número impar”
A∩B= AU B = Ω
 UNIVERSIDAD DE SANTIAGO DE CHILE
FACULTAD DE CIENCIA
DEPARTAMENTO MATEMÁTICA Y CIENCIA DE LA COMPUTACIÓN

Definición Clásica de Probabilidad de Laplace

La probabilidad del suceso A (P(A)), esta dado por:

# A número de casos favorables al suceso A

P( A)  
# número total de casos

Observaciones sobre P(A)

a.- Esta definición es válida sólo para espacios muestrales finitos.

b.- Esta definición es válida bajo el supuesto de equiprobabilidad, es decir, igualdad de

posibilidades, igualdad de condiciones.

c.- Esta definición se cumple cuando el experimento se realiza un gran número de veces.
El naturalista francés Buffon (1727-1788) lanzó una moneda 4.040 veces.
Resultando 2.048 caras, una razón de 2.048/4.040 = 0,5069

Alrededor de 1900, el estadístico inglés Karl Pearson en un acto sin

precedentes lanzó una moneda 24.000 veces. Resultando 12.012 caras, una
razón de 0,5005.

El matemático inglés John Kerrich, mientras fué prisionero de los alemanes

durante la Segunda Guerra Mundial, lanzó una moneda 10.000 veces.
Resultando 5.067 caras, una razón de 0,5067.

Propiedades de P(A)

1.- 0  P(A)  1

2.-
P (A1 U A2 U A3……UAn) = P(A1) + P(A2) + P(A3) +……..P(An)

si los Ai son sucesos mutuamente excluyentes.

3.- P(AB) = P(A) + P(B) - P(AB) Si se tienen los sucesos A y B ,cualesquiera,

asociados a un Ω.

Si se tienen tres sucesos cualesquiera asociados a un espacio muestral (A, B, C), la

probabilidad de que ocurra el suceso A, B o C , es análogo a hablar de la probabilidad de
que ocurra al menos un suceso, y esta dado por:
 UNIVERSIDAD DE SANTIAGO DE CHILE
FACULTAD DE CIENCIA
DEPARTAMENTO MATEMÁTICA Y CIENCIA DE LA COMPUTACIÓN

¿Por qué la unión de los sucesos es análoga a hablar de que ocurre al menos un suceso?

Observación:
La probabilidad de que ocurra solo el suceso A está dada por:

4.- A U AC =Ω

A: el articulo está buena

AC: el artículo no está bueno
80% de los artículos está bueno
20% de los artículos no están buenos

Probabilidad Condicional

Supongamos que se tienen:

80 artículos defectuosos
20 artículos no defectuosos

Se definen los sucesos A: El primer artículo está defectuoso.

B: El segundo artículo está defectuoso.

Calcular P(A) y P(B) , para los siguientes casos:.

caso i) se realiza muestreo con sustitución, con reposición o con reemplazo.

Caso ii) Sin sustitución, sin reposición o sin reemplazo.

Definición:

Sean A y B dos eventos que se encuentran en un espacio muestral , de manera que

la probabilidad condicional de B al ocurrir el evento A es:

P(B/A) = P(AB) P(A) >0

P(A)

Por simetría, la probabilidad condicional de A dada la ocurrencia de B es:

P(A/B)= P(AB) P(B) >0

P(B)
 UNIVERSIDAD DE SANTIAGO DE CHILE
FACULTAD DE CIENCIA
DEPARTAMENTO MATEMÁTICA Y CIENCIA DE LA COMPUTACIÓN

Nota:
Esto puede extenderse a cualquier número de eventos que se encuentran asociados a
un espacio muestral.

Por ejemplo:

P(A/BC)=

P(AUB/C)=

Ejemplo (pág. 12): El departamento de calidad de una fábrica de elementos de sujeción ha

evaluado que cierto tipo de anclajes metálicos producidos pueden ser defectuosos debido a
las siguientes causas. Defectos de rosca (R), defectos de dimensión (D). Se ha calculado
que el 6% de los anclajes que producen tienen defectos en las roscas, mientras que el 9%
tiene defectos en las dimensiones. El 90% de los anclajes no presentan defectos.
Se toma un anclaje al azar, el cual tiene defecto en las roscas. ¿Cuál es la probabilidad de
que tenga defecto de dimensión?

Analizaremos en detalle este ejemplo, construyamos diagrama de Venn y calculemos e

interpretemos algunas probabilidades.

a) P (D ) =

b) P(DC ∩ RC) =

c) P ( DC ) =

d) P ( D ∩ R ) =

e) P ( D ∩ RC ) =

f) P ( D U R ) =
 UNIVERSIDAD DE SANTIAGO DE CHILE
FACULTAD DE CIENCIA
DEPARTAMENTO MATEMÁTICA Y CIENCIA DE LA COMPUTACIÓN

Leyes de De Morgan
AC U BC = (A ∩ B )C
AC ∩ BC = (A U B )C

Teorema de la Multiplicación
En general, si consideramos k sucesos cualesquiera asociados a un Ω espacio
muestral, la probabilidad de que ocurran los k sucesos a la vez está dado por:
P(A1A2A3...Ak)=P(A1)·P(A2/A1)·P(A3/A1A2)·P(A4/A1A2A3)…
....P(Ak/A1 A2...Ak-1)

Ejemplo:
Se necesita analizar si los computadores marcas A, B, C tienen o no cierto Software
instalado. Para el análisis se toman 8 computadores marca A, 3 marca B y 5 cinco marca C.
Se efectúa un muestreo sin reposición y se definen los siguientes sucesos:

A: El primer computador seleccionado es marca A.

B: El segundo computador seleccionado es marca B.
C: El tercer computador seleccionado es marca C.
D: El cuarto computador seleccionado es marca A.
E: El quinto computador seleccionado es marca A.

Calcule la probabilidad de que ocurran los sucesos A, B, C, D y E.

P(A BCDE) = ¿?

Eventos Estadísticamente Independientes o Independencia Estocástica

Definición:
Sean A y B dos eventos cualesquiera de un espacio muestral S. Se dice que el
evento A es estadísticamente independiente del evento B ssi:

En general , si se tienen K sucesos independientes asociados a un espacio muestral,

la probabilidad de que ocurran todos los sucesos a la vez, está dado por:

P(A1A2A3...........Ak) = P(A1) . P(A2)  P(A3)...........P(Ak)

Ejemplo: Ejercicio anterior realizando muestreo con reposición.

P(A BCDE) = ¿?
 UNIVERSIDAD DE SANTIAGO DE CHILE
FACULTAD DE CIENCIA
DEPARTAMENTO MATEMÁTICA Y CIENCIA DE LA COMPUTACIÓN

Definición de Partición del Espacio Muestral:

Decimos que los sucesos A1, A2, ... , Ak son una partición del espacio muestral  si :

a.- AiAj =   ij P(Ai ∩ Aj ) = 0

b.-

P (A1 U A2 U A3……UAk) = P (Ω )

P(A1) + P(A2) + P(A3) +……..P(Ak) = 1

c.- P(Ai) > 0  i= 1, 2 ,……k Ai ≠

P(B)=P(B/A1)·P(A1)+P(B/A2)·P(A2)+...+P(B/Ak)·P(Ak)
Teorema de la Probabilidad Total

Esta relación es muy útil cuando no es posible calcular P(B) directamente y se tiene
una partición del espacio muestral.

Ejemplo:
Se tiene una población en la que los grupos sanguíneos se distribuyen de la siguiente forma
entre los sujetos: A: 45%, B: 8%, AB: 4% y O: 43%.
Con respecto al RH, la quinta parte de los sujetos del grupo A, tiene RH- , así como la
mitad del grupo B, la cuarta parte del grupo AB y la décima parte del grupo O.
¿Cuál es la probabilidad de que un sujeto tomado al azar tenga RH-?.

P(Ai/B)= P(Ai)·P(B/Ai) i=1,2,3,...,k

P(B)
Teorema de Bayes
En el ejemplo anterior:
Si un sujeto tomado al azar tiene sangre tipo RH- . ¿Cuál es la probabilidad de que tenga
grupo A?.

P (A / N) = ¿?
¿Cómo calcular la probabilidad de que un individuo de esta población elegido al azar tenga
grupo A si tiene RH+

P(A/NC) = ¿?
 UNIVERSIDAD DE SANTIAGO DE CHILE
FACULTAD DE CIENCIA
DEPARTAMENTO MATEMÁTICA Y CIENCIA DE LA COMPUTACIÓN

Bibliografía: Meyer, Paul L.” Probabilidad y aplicaciones estadísticas”, Addison-Wesley

Iberoamericana (1992). Versión en Español Carlos Prado Campos.

Test de diagnóstico

Una de las aplicaciones más útiles de las probabilidades en el campo médico o biológico
está en el área de los test de diagnóstico.
Un test de diagnóstico es un test para detectar la presencia de una enfermedad, un factor
genético o alguna otra condición ya sea en seres humanos u otro tipo de animal.
Sería deseable que estos test fueran seguros en el sentido de que siempre detectaran la
condición cuando de hecho está presente y nunca la indicaran cuando el individuo no tiene
la condición. Desgraciadamente, esto no es así. Sólo podemos esperar que los tests
existentes actualmente no den resultados erróneos muy a menudo.
La especificidad de un test es la probabilidad de que el resultado del test sea negativo
supuesto que el sujeto sea ciertamente negativo. P (-/EC).
La sensibilidad de un test es la probabilidad de que el resultado del test sea positivo
supuesto que el sujeto sea ciertamente positivo. P(+/E).
El valor predictivo positivo (VPP) de un test se define como la probabilidad de que un
individuo sea realmente positivo dado que el resultado del test ha sido positivo. P(E/+)
El valor predictivo negativo (VPN) de un test se define como la probabilidad de que un
individuo sea realmente negativo dado de que el resultado del test ha sido negativo.P(EC/-).
Coeficiente de falsos positivo de un test se denota por α y es la probabilidad de que el test
resulte positivo si el sujeto no tiene la condición. P(+/EC) = α.
Coeficiente de falsos negativo de un test se denota por β y es la probabilidad de que el test
resulte negativo si el sujeto tiene la condición. P(-/E)= β.
 UNIVERSIDAD DE SANTIAGO DE CHILE
FACULTAD DE CIENCIA
DEPARTAMENTO MATEMÁTICA Y CIENCIA DE LA COMPUTACIÓN

Pág.30

Ejemplo: Se aplica un test rápido para detectar Covid19 a 300 personas, para detectar
COVID. A 60 personas el test les arroja negativo, 50 personas no tienen COVID. A 20
personas les arrojó negativo el test y están enfermas. Se toma a una persona al azar.

a) Construir tabla de contingencia-Tabla de 2X2. Tabla de doble entrada

TEST CON COVID SIN COVID TOTAL

+ 230 10 240
- 20 40 60
TOTAL 250 50 300
*Fuente: elaboración propia
Lo que esta con amarillo es información, el resto se puede deducir.

b) Determinar la probabilidad de que la persona este enferma.

E: la persona está enferma
+ : el test arroja positivo
P( E ) = ¿?

P( E) = 250/300=0,83

c)Determine la probabilidad de que una persona no esté enferma y el test arroje positivo.
P(EC ∩ +) = ¿?
P(EC ∩ +) = 10/300=0,03
 UNIVERSIDAD DE SANTIAGO DE CHILE
FACULTAD DE CIENCIA
DEPARTAMENTO MATEMÁTICA Y CIENCIA DE LA COMPUTACIÓN

d)Determine la probabilidad de que el test arroje negativo o la persona esté enferma.

P(- U E) = ¿?

P(- U E) = P(-) + P(E ) - P(E-) = 60/300 +250/300 -20/300= 290/300=0,97

e) Determine la sensibilidad del test.

P(+/E) = ¿?

P(+/E) = P(E ∩ +) / P(E) = (230/300)/(250/300) =230/250 = 0,92

f) Determine el VPP.

P(E/+) = ¿?

P(E/+) = 230/240= 0,96

g)Determine el falso negativo.

P(-/E) = ¿?

P(-/E)= 20/250= 0,08

h) Analice la calidad del test rápido para detectar Covid ¿es recomendable lazarlo al
mercado?
Si, es recomendable, ya que sensibilidad y VPP son altos y el falso negativo es baja la
probabilidad.

Las PCR (siglas en inglés de “Reacción en Cadena de la Polimerasa”), son un tipo de

pruebas de diagnóstico que se llevan utilizando durante años en diferentes crisis de salud
pública relacionadas con enfermedades infecciosas. Estas pruebas se están usando desde los
primeros días del estallido de la pandemia de coronavirus en España. Sin embargo, los test
rápidos se han incorporado recientemente y, como su nombre indica, son más rápidos y
sencillos. Ambos sirven para comprobar si una persona está infectada o no por el Covid-19.
https://gacetamedica.com/investigacion/como-funcionan-y-en-que-se-diferencian-las-pcr-y-
los-test-rapidos-de-coronavirus/
La especificidad de un test. P (-/EC).
La sensibilidad de un test P(+/E).
El valor predictivo positivo (VPP) P(E/+)
El valor predictivo negativo (VPN) P(EC/-).
 UNIVERSIDAD DE SANTIAGO DE CHILE
FACULTAD DE CIENCIA
DEPARTAMENTO MATEMÁTICA Y CIENCIA DE LA COMPUTACIÓN

Coeficiente de falsos positivo P(+/EC) = α.

Coeficiente de falsos negativo P(-/E)= β.