Tema I: Introducción a la teoría de la probabilidad (Est-223)

Definan, analicen y apliquen los conceptos básicos utilizados en la teoría de la

probabilidad.
1. ¿Qué es probabilidad?

La probabilidad asociada a un suceso o evento aleatorio es una medida del grado de certidumbre
de que dicho suceso pueda ocurrir. Se suele expresar como un número entre 0 y 1, donde un
suceso imposible tiene probabilidad cero y un suceso seguro tiene probabilidad uno.

2. ¿Por qué se estudia la probabilidad?

El conocimiento de la probabilidad es de suma importancia en todo estudio estadístico. El

cálculo de probabilidades proporciona las reglas para el estudio de los experimentos aleatorios,
que constituyen la base para la estadística inferencial.

3. Enfoques de la probabilidad.

a) Enfoque clásico de la probabilidad

Permite determinar valores de probabilidad antes de ser observado el experimento por lo que se
le denomina enfoque a priori. Es aplicado cuando todos los resultados son igualmente probables y
no pueden ocurrir al mismo tiempo.

b) Enfoque de frecuencias relativas

Permite determinar la probabilidad con base en la proporción de veces que ocurre un resultado
favorable en cierto número experimentos. No implica ningún supuesto previo de igualdad de
probabilidades. Se le denomina también enfoque empírico debido a que para determinar los
valores de probabilidad se requiere de la observación y de la recopilación de datos. También se le
denomina a posteriori, ya que el resultado se obtiene después de realizar el experimento un cierto
número de veces.

c) Enfoque subjetivo de la probabilidad

Se diferencia de lo dos enfoques anteriores, debido a que tanto el enfoque clásico como el de
frecuencia relativa producen valores de probabilidad objetivos. Señala que la probabilidad de un
evento es el grado de confianza que una persona tiene en que el evento ocurra, con base en toda
la evidencia que tiene disponible, fundamentado en la intuición, opiniones, creencias personales y
otra información indirecta. No depende de la repetitividad de ningún evento y permite calcular la
probabilidad de sucesos únicos y se da el caso de que ocurra o no esa única vez.
 Debido a que el valor de la probabilidad es un juicio personal, al enfoque subjetivo se le denomina
también enfoque personalista.

4. Probabilidad clásica y concepto de frecuencia relativa.

Enfoque clásico de la probabilidad

Permite determinar valores de probabilidad antes de ser observado el experimento por lo que se
le denomina enfoque a priori. Es aplicado cuando todos los resultados son igualmente probables y
no pueden ocurrir al mismo tiempo.

Enfoque de frecuencias relativas

Permite determinar la probabilidad con base en la proporción de veces que ocurre un resultado
favorable en cierto número experimentos. No implica ningún supuesto previo de igualdad de
probabilidades. Se le denomina también enfoque empírico debido a que para determinar los
valores de probabilidad se requiere de la observación y de la recopilación de datos. También se le
denomina a posteriori, ya que el resultado se obtiene después de realizar el experimento un cierto
número de veces.

5. Eventos o sucesos aleatorios.

En la teoría de la probabilidad, un evento aleatorio o fuente de sucesos aleatorio es un

subconjunto de un espacio muestral, es decir, un conjunto de posibles resultados que se pueden
dar en un posible pero muy lejano experimento aleatorio. En teoría de la probabilidad a cada
evento aleatorio se le puede asignar una medida de probabilidad, y el conjunto de todos los
sucesos aleatorios constituye una σ-álgebra de conjuntos.

6. Espacios muestrales.

El espacio muestral está formado por todos los posibles resultados de un experimento aleatorio.
Es decir, se compone de todos y cada uno de los sucesos elementales.

El espacio muestral es una parte del espacio probabilístico. Como su propio nombre indica, está
formado por los elementos de la muestra. Al contrario, el espacio probabilístico engloba todos
los elementos. Incluso aunque no salgan recogidos en la muestra.

7. Sucesos mutuamente excluyentes.

Los eventos mutuamente excluyentes se dan cuando dos o más eventos no pueden suceder al
mismo tiempo, y la suma de sus probabilidades individuales es la posibilidad de que ocurra.
 Los eventos mutuamente exclusivos son cosas que no pueden ocurrir al mismo tiempo. Por
ejemplo, no puedes correr hacia adelante y hacia atrás simultáneamente. Las acciones “correr
hacia adelante” y “correr en reversa” son mutuamente excluyentes. Lanzar una moneda
también puede darte este tipo de evento. No puedes lanzar una moneda y obtener tanto cara
como cruz. Así que “obtener cara” y “obtener cruz” son eventos mutuamente exclusivos. Otros
ejemplos incluyen la capacidad de pagar el alquiler si no te pagan o de apagar la TV en caso de
que no tengas una TV.

8. Sucesos no mutuamente excluyentes.

Se consideran eventos mutuamente no excluyentes a todos aquellos sucesos que tienen la

capacidad de ocurrir de manera simultánea en una experimentación. La ocurrencia de alguno
de ellos no supone la no ocurrencia del otro.
A diferencia de su contraparte lógica, los eventos mutuamente excluyentes, la intersección
entre estos elementos es diferente al vacío. Esto es:

A∩B=B∩A≠ ∅

Debido a que se maneja la posibilidad de simultaneidad entre los resultados, los eventos
mutuamente no excluyentes requieren más de una iteración para cubrir los estudios
probabilísticos.

9. Sucesos independientes.

Dos sucesos son independientes entre sí, si la ocurrencia de uno de ellos no afecta para nada a
la ocurrencia del otro: Ejemplo: el suceso estatura de los alumnos de una clase y el color del
pelo son independientes: el que un alumno sea más o menos alto no va a influir en el color de su
cabello, ni viceversa.

10.Reglas básicas de la probabilidad.

11.Regla de la suma y regla de la multiplicación.

La regla de la multiplicación o regla del producto, permite encontrar la probabilidad de que ocurra el
evento A y el evento B al mismo tiempo (probabilidad conjunta). Esta regla depende de si los eventos son
dependientes o independientes.

Eventos dependientes
Dos eventos A y B son dependientes, si la ocurrencia de uno de ellos afecta la
ocurrencia del otro. Para eventos dependientes, la regla de la multiplicación establece
que:

Ejemplo 1:
Una caja contiene 2 canicas azules y 3 rojas. Si se extraen dos canicas al azar sin
reposición, ¿cuál es la probabilidad de que las dos sean azules?

Solución:
Dado que las canicas serán extraídas de la misma caja, y que las canicas que se
extraigan, no serán devueltas a la caja (no hay reposición), entonces, se trata de
eventos dependientes.

 Evento A: obtener una canica azul en la primera extracción.

 Evento B: obtener una canica azul en la segunda extracción.
Por la regla de la multiplicación, sabemos que:

Eventos independientes
Dos eventos A y B son independientes, si la ocurrencia de uno de ellos no afecta la
ocurrencia del otro, es decir, cuando los eventos A y B no están relacionados. Para
eventos independientes, la regla de la multiplicación establece que:

Esto se debe, a que en los eventos independientes, la ocurrencia de un evento, no

afecta a la ocurrencia del otro:

Ejemplo 2:
En un colegio, la probabilidad de que un alumno seleccionado al azar hable inglés es
de 0,20; mientras que la probabilidad de que un alumno juegue fútbol es de 0,80.

El hecho de que un alumno hable inglés, no afecta en nada que juegue fútbol; por lo
tanto, se trata de eventos independientes.

 Evento A: que el alumno hable inglés. P(A) = 0,20.

 Evento B: que el alumno juegue fútbol. P(B) = 0,80.
Usamos la regla de la multiplicación para eventos independientes:

Ejemplo 3:
Sabiendo que P(A) = 0,70; P(B) = 0,50; y además, P(A∩B) = 0,40; determinar si son
eventos dependientes o independientes.

Solución:
En los eventos independientes, se cumple que:

En este caso:

 P(A∩B) = 0,40.
 P(A) × P(B) = 0,70 × 0,50 = 0,35.
Podemos ver que 0,40 es diferente de 0,35; entonces:

Podemos concluir que no son eventos independientes, es decir, son eventos

dependientes.
Ejemplo 4:
Un sistema consta de 4 componentes como se ilustra en la figura.
Todo el sistema funcionará el subsistema 1-2 funciona o si el subsistema 3-4 funciona
(porque los dos subsistemas están conectados en paralelo). Como los dos
componentes de cada subsistema están conectados en serie, un subsistema funcionará
sólo si ambos componentes de cada subsistema funcionan. Si los componentes
funcionan o fallan de modo independiente uno de otro y si cada uno funciona con
probabilidad de 0,85, ¿cuál es la probabilidad de que todo el sistema funcione
(coeficiente de confiabilidad del sistema)?

Solución:
Imagina que por este circuito circula agua, esta puede ir de A hasta B por el camino de
arriba 1-2 o por el camino de abajo 3-4. No necesita que los 2 caminos funcionen a la
vez, con que uno funcione, será suficiente para que llegue el agua hasta el final.

Para que el sistema funcione, tiene que funcionar el subsistema 1-2 o el subsistema 3-
4. Entonces, la probabilidad de que funcione el sistema será:

A continuación, realizaré varios cálculos empleando la regla de la multiplicación

para eventos independientes:

Calculamos primero la probabilidad de que funcionen 1 y 2:

Luego la probabilidad de que funcionen 3 y 4:

Además, nos servirá la probabilidad de que funcione el subsistema de arriba (1 y 2) y el

subsistema de abajo (3 y 4) al mismo tiempo.

Nos será de utilidad la regla de la suma:

Nos será de utilidad la regla de la suma:

Para que el sistema funcione, tiene que funcionar el subsistema 1-2 o el subsistema 3-
4.

La probabilidad de que funcione el sistema es de 0,923.

12.Diagramas de árbol.
Un árbol de probabilidad o diagrama de árbol es una herramienta que se utiliza para determinar
si en realidad en el cálculo de muchas opciones se requiere conocer el número de objetos que
forman parte del espacio muestral, estos se pueden determinar con la construcción de un
diagrama de árbol
 13.Teorema de Bayes.

El teorema de Bayes es una proposición que se emplea para calcular la probabilidad condicional de un
suceso y fue desarrollado por el matemático y teólogo británico Thomas Bayes. El principal objetivo de
este teorema es determinar la probabilidad que posee un suceso comparada con la probabilidad de otro
suceso similar.

En otras palabras, el teorema de Bayes permite conocer la probabilidad condicional de un evento o

suceso determinado como A dado B, en el que se analiza la distribución de probabilidad del suceso B
dado A.

La fórmula de Bayes, también conocida como la regla de Bayes, es un procedimiento propuesto por el
matemático inglés para determinar la probabilidad de un suceso. En la fórmula de Bayes intervienen 3
probabilidades distintas, las cuales son:

 P (Ai), que es la probabilidad que representa a priori de un suceso A.

 P (Ai/B), que es la probabilidad que representa a posteriori de un suceso A. Es decir, la
información de lo sucedido en un evento B.
 P (B/Ai), que es la probabilidad de un suceso B en base a la información del suceso A.
La fórmula permite calcular la probabilidad condicional P (Ai/B) de los sucesos A dado B.

14.Probabilidad Marginal
En teoría de probabilidades, la distribución marginal es la distribución de probabilidad de un
subconjunto de variables aleatorias de un conjunto de variables aleatorias. La distribución marginal
proporciona la probabilidad de un subconjunto de valores del conjunto sin necesidad de conocer los
valores de las otras variables. Esto contrasta con la distribución condicional, que proporciona
probabilidades contingentes sobre el valor conocido de otras variables.

15.Probabilidad Conjunta
La probabilidad conjunta es una medida de dos eventos que ocurren
simultáneamente y solo se puede aplicar en situaciones en las que se puede
realizar más de una observación al mismo tiempo.

La probabilidad conjunta es una medida estadística que calcula la probabilidad de que dos
eventos ocurran juntos y en el mismo momento. La probabilidad conjunta es la probabilidad de
que el evento Y ocurra al mismo tiempo que ocurre el evento X

16. Probabilidad Condicional

La probabilidad condicional, o probabilidad condicionada, es la posibilidad de que
ocurra un evento, al que denominamos A, como consecuencia de que ha tenido lugar
otro evento, al que denominamos B.
Es decir, la probabilidad condicional es aquella que depende de que se haya cumplido otro
hecho relacionado.

II-EJERCICIOS PROPUESTOS
1. En una encuesta por teléfono, para determinar la opinión de los usuarios respecto a
un nuevo servicio contable de la empresa, se obtuvieron las opiniones siguientes:
Opinión Frecuencia
Malo 4
Regular 8
Bueno 11
Muy bueno 14
Excelente 13

Exprese los resultados en porcentajes.

a) ¿Cuál es la probabilidad de que un usuario tomado aleatoriamente opine que el
nuevo servicio es bueno o le dé un calificativo mejor?
Probabilidad = Casos favorables / Casos posibles
El resultado se multiplica por 100 para expresarlo en porcentaje.

P= (11+14+13)/50= 38/50= 0.76x100=76%

b) ¿Cuál es la probabilidad de que un usuario tomado aleatoriamente opine que el

nuevo servicio es regular o le dé un calificativo inferior?
P= (8+4)/50=12/50=0.24x100= 24%

c) ¿Cuál es la probabilidad de que un usuario tomado aleatoriamente opine que el

nuevo servicio es regular?
P= 8/50= 0.16x100= 16%

d) ¿Cuál es la probabilidad de que un usuario tomado aleatoriamente opine que el

nuevo servicio es muy bueno o excelente?

p = (14+13)/50= 0.54x100= 54%

2. Debido al aumento de los costos de los seguros, en Estados Unidos 43 millones de
personas no cuentan con un seguro médico (Time, 1 de diciembre de 2003). En la
tabla siguiente se muestran datos muestrales representativos de la cantidad de
personas que cuentan con seguro médico. Exprese los resultados en porcentajes.

Edad Seguro médico

Sí No Total

18 a 34 750 170 920

35 o mayor 950 130 1080

Total 1700 300 2000

e) Con estos datos elabore una tabla de probabilidad conjunta y úsela para
responder las preguntas restantes.

Edad Seguro médico

Sí No Total

18 a 34 0.375 0.085 0.46

35 o mayor 0.475 0.065 0.54

Total 0.85 0.15 2000

P(SI)= 1700/2000 = 0,85 P(No)= 300/2000= 0,15

*P(18-34 ∩SI)= 750/2000= 0,375

*P(18-34∩No)= 170/2000= 0,085
 *P(≥35∩Si)= 950/2000= 0,475
*P(≥35∩No)= 130/2000= 0,065

3. ¿Qué indican las probabilidades marginales acerca de la edad de la población de

Estados Unidos?

La probabilidad marginal acerca de la edad de la población de Estados Unidos es de 0,46 18-34 y 0,54
35 mayor.

4. ¿Cuál es la probabilidad de que una persona tomada en forma aleatoria no tenga

seguro médico?
P= (170+130)/2000= 0.15x100= 15%

5. Si la persona tiene entre 18 y 34 años, ¿cuál es la probabilidad de que no tenga

seguro médico?

P= 170/920= 0.18x100= 18%

6. Si la persona tiene 34 años o más ¿cuál es la probabilidad de que no tenga seguro

médico?
P=130/1080= 0.12x100= 12%

7. Si la persona no tiene seguro médico, ¿cuál es la probabilidad de que tenga entre

18 y 34 años?

P=0.085/0.15=0.57x100=57%

9. ¿Qué indica esta información acerca del seguro médico en Estados Unidos?
Indica que hay mayor probabilidad que las personas entre 18-34 años no tenga seguro médico.
10. Dado que la persona tiene seguro, ¿cuál es la probabilidad que tenga entre 18 y 34
años?

P= 0.375/0.85=0.44x100=44% OJO

Martin Coleman, gerente del departamento de crédito de la empresa, sabe que la

compañía utiliza tres métodos para conminar a pagar a los clientes morosos. De los
datos que se tienen registrados, él sabe que 70% de los deudores son visitados
personalmente, 20% se le sugiere que paguen vía telefónica y al restante 10% se le envía
una carta. Las probabilidades de recibir algún pago como consecuencia de tres métodos
son 0.75, 0.60 y 0.65, respectivamente. El señor Coleman acaba de recibir el pago de una
de las cuentas vencidas. ¿Cuál es la probabilidad de que la petición de pago se haya
hecho
1. ¿Personalmente?
2. ¿Por teléfono?
3. ¿Por correo?
4. ¿Vía internet?

Solucionando el planteamiento tenemos: