UNIVERSIDAD NACIONAL EXPERIMENTAL “RÓMULO GALLEGOS”

ÁREA DE CIENCIAS DE LA SALUD

PROGRMA DE MEDICINA
ASIGNATURA: ESTADÍSTICA Y DEMOGRAFÍA

Prof. Vickthelmo Rodríguez García

Guía de Clase Didáctica de Estudio

(Módulo II)
ESTADÍSTICA INFERENCIAL

Objetivo N° 1

TEORÍA DE LAS PROBABILIDADES

Reseña Histórica

La teoría de la probabilidad tuvo su origen en los juegos de azar y las apuestas. La probabilidad se
originó a partir de la disputa de un jugador en 1654 sobre la división de una apuesta entre dos jugadores
cuyo juego se interrumpió antes de su cierre. El problema fue propuesto por un jugador acomodado, el
Chevalier de Mere, a destacados matemáticos, incluido Blaise Pascal, quien compartió sus pensamientos
con Pierre de Fermat. La correspondencia que se produjo entre los dos matemáticos fue fundamental en el
desarrollo de los conceptos modernos de probabilidad.
Desde un punto de vista matemático, los juegos de azar son experimentos que generan varios tipos
de eventos aleatorios, cuya probabilidad se puede calcular utilizando las propiedades de probabilidad en un
espacio finito de eventos. La obra de Christiaan Huygens, de 1657, es un tratado sistemático de probabilidad
y trata de los juegos de azar y el problema de los puntos, lo que hoy se conoce como valores esperados.

El primer intento de cierto rigor matemático se atribuye a Pierre-Simon Laplace.

 Etimología

La palabra "probabilidad" viene del latín "probabilitas", formada del verbo "probare"
(comprobar, probar), el sufijo "-bilis" (indica posibilidad) y el sufijo "-tat" (que indica cualidad).
.La definición de probabilidad hace referencia a la cualidad, característica, índole o condición de
probable, que se puede verificar o sucederá refiriendo de las buenas razones
La teoría de la probabilidad se desarrolló debido al deseo del ser humano por conocer con certeza
los eventos que sucederán en el futuro, y a lo largo de la historia se han desarrollado diferentes enfoques
para tener un concepto de la probabilidad y determinar sus valores.

LAS PROBABILIDADES

La vida está llena de incertidumbres. De hecho, casi todos los eventos que nos suceden llevan
consigo algo de aleatoriedad.
Por ejemplo, podemos decir que el bus que nos lleva a la Universidad pasa regularmente a las 8:45
a.m.; pero, ¿podemos afirmar con toda certeza que mañana pasará exactamente a esa hora?
El lector puede imaginar, sólo con un pequeño esfuerzo, ejemplos como el del párrafo anterior.
Sobre la base de este (y de los que se le hayan ocurrido a usted), podemos realizar las primeras definiciones
referidas a diversos fenómenos.
- Un fenómeno se dice determinístico, si se sabe con toda certeza cuál será su comportamiento.
- Un fenómeno es aleatorio, cuando no podemos afirmar con certeza cuál será su comportamiento.

Ejemplo 1
“Si lanzamos una piedra al aire, podemos afirmar con certeza que volverá a caer a la superficie
de la tierra, pero no podemos saber con precisión el punto en el que caerá”. Así, la caída es un fenómeno
determinístico, mientras que el lugar en que se producirá dicha caída es aleatorio, ya que existe
incertidumbre respecto del punto preciso en el que caerá.

Ejemplo 2
“Un seguro de vida paga un monto determinado en caso de muerte del asegurado”. El pago del
monto es un fenómeno determinístico, ya que sabemos que la muerte indefectiblemente sucederá. Sin
embargo, el momento de pago es aleatorio, ya que no podemos precisar con exactitud la edad a la cual
fallecerá cada asegurado.
 Conceptos Básicos

- Probabilidad:
Constituye una rama de las matemáticas que se ocupa de medir o determinar cuantitativamente la
posibilidad de que un suceso o experimento produzca un determinado resultado. La probabilidad de un
suceso indica el grado de confianza que podemos tener en que ese suceso ocurra. Mide la mayor o menor
posibilidad de que se dé un determinado resultado (suceso o evento) al realizar un experimento aleatorio.
La probabilidad es una medida de la posibilidad de que ocurra un evento. Se expresa como un
número entre 0 y 1, donde 0 indica que el evento no ocurrirá y 1 indica que es seguro que ocurrirá. La
probabilidad de un evento se puede calcular dividiendo el número de resultados favorables por el número
total de resultados posibles.
0 (%) ≤ P(A) ≥ 1 (100%)
- Experimento Aleatorio:
Un experimento aleatorio es una reproducción controlada de un fenómeno, donde existe
incertidumbre sobre el resultado que se obtendrá. Es imposible predecir o reproducir el mismo resultado
en un experimento aleatorio, incluso bajo las mismas condiciones iniciales.
Un experimento se considera aleatorio si cumple las siguientes condiciones:
* Hay más de un resultado posible.
* El resultado depende del azar y se puede repetir en las mismas condiciones.
Los posibles resultados de un experimento aleatorio forman un conjunto llamado espacio muestral.
Si los resultados se pueden contar, se denomina experimento aleatorio numerable, y si no se pueden
contar, se denomina experimento aleatorio no numerable.
Si es posible conocer todos los resultados posibles de antemano o al menos nombrar el último
resultado, se llama experimento aleatorio finito, si no es posible nombrar el último resultado, se llama un
experimento aleatorio infinito.

- Variable Aleatoria:
Una variable aleatoria es una función matemática que asigna un valor, generalmente numérico, al
resultado de un experimento aleatorio. Los posibles valores de una variable aleatoria son los posibles
resultados del experimento.
Hay dos tipos de variables aleatorias: discretas y continuas. Una variable aleatoria discreta produce
números enteros, mientras que una variable aleatoria continua produce conjuntos de valores no numerables.

- Espacio Muestral:
Espacio muestral (denotado por: E, S, Ω o U), es el conjunto de todos los posibles resultados
de un experimento aleatorio. Es decir, es el conjunto de todos los sucesos elementales de un experimento
aleatorio. El espacio muestral permite asignar a los sucesos o eventos del experimento. La probabilidad de
un evento es la suma de las probabilidades de los resultados individuales que lo componen. Si todos los
posibles resultados de un experimento son igualmente probables, entonces la probabilidad es la relación
entre el tamaño del espacio de eventos y el tamaño del espacio muestral. En resumen, el espacio muestral
es fundamental en la teoría de las probabilidades ya que permite describir todos los posibles resultados de
un experimento aleatorio y asignar probabilidades a los eventos o sucesos del experimento.
Ejemplo:
- Lanzamiento de un Dado: S = (1,2,3,4,5,6).
- Lanzamiento de una Moneda: S = (Cara, Sello).

- Evento o Suceso:
Es cualquier subconjunto del espacio muestral, es decir, cada uno de los posibles resultados del
experimento. La probabilidad de un evento es la suma de las probabilidades de los resultados individuales
que lo componen. Por lo tanto, el evento es una descripción de un conjunto de resultados posibles, mientras
que el espacio muestral es el conjunto completo de todos los posibles resultados. En resumen, el evento o
suceso en probabilidad es un subconjunto del espacio muestral que describe un conjunto de resultados
posibles.

- Tipos de Eventos o Sucesos:

Evento simple: Un evento que consiste en un resultado o resultado único. Por ejemplo, tirar
un dado y sacar un 3.
Evento compuesto: Un evento que consta de dos o más eventos simples. Por ejemplo, lanzar
un dado dos veces y obtener un 3 en el primer lanzamiento y un 4 en el segundo lanzamiento.
Evento complementario: El evento que consta de todos los resultados que no están en el
evento dado. Por ejemplo, si el evento arroja un número par en un dado, entonces el evento complementario
arroja un número impar.
Eventos mutuamente excluyentes: Dos eventos que no pueden ocurrir al mismo tiempo. Por
ejemplo, lanzar una moneda al aire y obtener cara y cruz son eventos mutuamente excluyentes.
Eventos no excluyentes: Dos eventos que puede ocurrir simultáneamente. En otras palabras,
la ocurrencia de un evento no afecta la probabilidad de que ocurra el otro evento. Por ejemplo, lanzar un
dado y obtener un número par y lanzar un dado y obtener un número mayor que 3 son dos eventos no
exclusivos.
Eventos independientes: Dos eventos donde la ocurrencia de uno no afecta la probabilidad
del otro. Por ejemplo, lanzar una moneda y tirar un dado son eventos independientes.
Eventos dependientes: Dos eventos donde la ocurrencia de uno afecta la probabilidad del
otro. Por ejemplo, sacar dos cartas de una baraja sin reemplazo es un evento dependiente.
Cálculo de Probabilidades

Probabilidad Clásica:

La probabilidad de un suceso es el número al que tiende a aproximarse la frecuencia relativa

de un suceso, cuando repetimos el experimento infinitas veces.
- Ejemplo: Si lanzamos una moneda muchísimas veces y dividimos el número de caras
obtenidas entre el número de lanzamientos obtendremos un número que será más cercano a 0.5
cuantas más veces lancemos la moneda. Por eso decimos que la probabilidad de obtener cara al
lanzar una moneda es 0.5
La Regla de Laplace dice que en un espacio muestral formado por sucesos equiprobables
(todos tienen la misma probabilidad), la probabilidad de un suceso A es el número de casos
favorables dividido por el número de casos probables.

𝐂𝐚𝐬𝐨𝐬 𝐅𝐚𝐯𝐨𝐫𝐚𝐛𝐥𝐞𝐬 (𝐧) ( 𝐧)

𝑷(𝑨) = 𝑷(𝑨) =
𝐂𝐚𝐬𝐨𝐬 𝐏𝐨𝐬𝐢𝐛𝐥𝐞𝐬 (𝐍) (𝐍)

Ejemplo: En el lanzamiento de un dado, consideramos el suceso A = “salir el número 4”,

entonces:
𝐂𝐚𝐬𝐨𝐬 𝐅𝐚𝐯𝐨𝐫𝐚𝐛𝐥𝐞𝐬 (𝐧) 𝟏
𝑷(𝑨) = 𝑷(𝑨) = 𝑷(𝑨) = 𝟎, 𝟏𝟕 ó 𝟏𝟕%
𝐂𝐚𝐬𝐨𝐬 𝐏𝐨𝐬𝐢𝐛𝐥𝐞𝐬 (𝐍) 𝟔

En este caso: Al lanzar un dado equilibrado el suceso “A” (salir el 4) es igual a “1”,
representando el caso favorable, ya que el dado contiene un solo 4; y los casos posibles es igual a
“6”, ya que el dado contiene 6 números (1,2,3,4,5 y 6), los cuales tienen la misma posibilidad de
salir.
Veamos algunos ejemplos:

a) Calcular la probabilidad de que salga "cara" al lanzar una moneda:

Casos favorables: 1 (que salga "cara")

Casos posibles: 2 (puede salir "cara" o "sello")
Probabilidad = (1 / 2 ) x 100 = 50 %

b) Calcular la probabilidad de que salga " un numero par " al lanzar un dado:

Casos favorables: 3 (que salga "un numero par” 2, 4 ó 6)

Casos posibles: 6 (puede salir "1, 2, 3, 4, 5 o 6")
Probabilidad = (3 / 6 ) x 100 = 50 %
 c) Calcular la probabilidad de que salga "una casilla roja " al girar la flecha de la ruleta:

Casos favorables: 16 (cualquiera de las 16 casillas rojas de la ruleta)

Casos posibles: 20 (la ruleta tiene 20 casillas)
Probabilidad = (16 / 20 ) x 100 = 80 %

d) Calcular la probabilidad de que salga "una casilla amarilla" al girar la flecha de la ruleta:

Casos favorables: 4 (cualquiera de las 4 casillas amarillas de la ruleta)

Casos posibles: 20 (la ruleta tiene 20 casillas)
Probabilidad = (4 / 20 ) x 100 = 20 %

e) Calcular la probabilidad de que salga "una blanca" al sacar una canica de una bolsa con
10 canicas:

Casos favorables: 2 (hay dos canicas blancas en la bolsa)

Casos posibles: 10 (hay un total de 10 canicas en la bolsa)
Probabilidad = (2 / 10 ) x 100 = 20 %.

Teoremas Básicos del Cálculo de Probabilidades:

Suma o Adición de Probabilidades (Unión U/O):

Sabemos que, si A y B son sucesos mutuamente excluyentes, no pueden ocurrir
simultáneamente, entonces:
P(A U B) = P(A o B) = P(A) + P(B)

P(A y B) = 0
P(A ∩ B) = 0

Suma o Unión de Conjuntos

P(A) + P(B)
 Esta regla de la adición se puede generalizar para más de dos sucesos que sean mutuamente
excluyentes en el sentido de que no haya dos sucesos que tengan resultados en común. La probabilidad de
que ocurra alguno de estos sucesos es P(A) + P(B) + P(C)…
Si los sucesos A y B no son excluyentes, pueden ocurrir simultáneamente. La probabilidad de que
ocurra uno de ellos es menor que la suma de sus probabilidades. Tal como sugiere la figura, cuando
sumamos las probabilidades, los resultados comunes se cuentan dos veces, por tanto, tenemos que restar
una vez esta probabilidad. He aquí la regla de la suma para dos sucesos cualesquiera, sean mutuamente
excluyentes o no.

Regla General de la Adición

P(A U B) = P(A) + P(B) - P(A ∩ B)

P(A o B) = P(A) + P(B) - P(A y B)
En donde: P(A y B) = 0 (Para Eventos Mutuamente Excluyentes)

Ejemplo:
Se realiza una encuesta a alumnos universitarios para ver cuántos fuman y cuántos no fuman,
entonces A es el conjunto de los fumadores y B de los no fumadores, por lo tanto:

P(A y B) = Ø Conjunto vacío (0)

Porque una persona no puede ser fumador y no fumador a la vez.
Entonces si escojo un alumno al azar quiero saber cuál es la probabilidad de que fume o no fume y uso la
fórmula:

P(A o B) = P(A) + P(B)

Ejemplo:
En una universidad hay alumnos que estudian inglés, francés o los dos idiomas. Si A son los
que estudian inglés y B los que estudian francés, entonces (A y B) son los que estudian inglés y francés;
por lo tanto:
P(A y B) ≠ Ø Conjunto no vacío

Porque un estudiante puede estudiar inglés y francés al mismo tiempo o simultáneamente.

Entonces si escojo un alumno al azar y quiero saber la probabilidad de que estudie inglés o francés uso la
formula:
P(A o B) = P(A) + P(B) - P(A y B) [Regla General de la Adición]

Multiplicación o Producto de Probabilidades (Intersección ∩/Y):

Probabilidad Condicionada:
Es cuando la probabilidad un suceso B se puede ver afectado por otro suceso A

𝑷(𝑨 𝒚 𝑩) 𝑷(𝑨) ∗ 𝑷(𝑩)

𝑷(𝑩 | 𝑨) = = 𝑷(𝑩 | 𝑨) =
𝑷 ( 𝐀) 𝑷 ( 𝐀)

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:

P(A ∩ B) = P(A y B) = P(A) * P(B | A)

La barra vertical ( | ) significa «dado». Por tanto, P (B | A) se puede leer como «la probabilidad de
que ocurra B, dado que ha ocurrido A».

Ejemplo:
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?
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:
P(A y B) = P(A) * P(B | A)
P(A y B) = 2/5 * 1/4 = 2/20 = 1/10 = 0,1 = 10%

Eventos Independientes:

Si los 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, entonces P (B | A) es simplemente igual
a P (B) y la regla se puede simplificar a:

P(A ∩ B) = P(A y B) = P(A) * P(B)

Ejemplo:
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:

P(A y B) = P(A) * P(B)

P(A y B) = (0,20) * (0,80) = 0,16 = 16%

Regla General de la Multiplicación

P(A ∩ B) = P(A) * P(B | A)

P(A y B) = P(A) * P(B | A)
Donde:
𝑷(𝑨 𝒚 𝑩) 𝑷(𝑨) ∗ 𝑷(𝑩)
P(B | A) = P(B) = 𝑷(𝑩) = 𝑷(𝑩) 𝑷(𝑩) = 𝑷(𝑩)
𝑷 ( 𝐀) 𝑷 ( 𝐀)
Para Eventos
. Independientes
Ejemplo:
Sabiendo que P(A) = 0,70; P(B) = 0,50; y además, P(AyB) = 0,40; determinar si son eventos
dependientes o independientes.
En los eventos independientes, se cumple que: P(A y B) = P(A) * P(B)
En este caso:
P(AyB) = 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.

Diagrama de Árbol
(Probabilidades)
Un diagrama de árbol es una representación gráfica de los posibles resultados de un experimento
que tiene varios pasos. Nos permite calcular la probabilidad de que ocurra un evento de una manera muy
sencilla. De modo que un diagrama de árbol sirve para representar gráficamente todos los posibles
resultados de un espacio muestral y calcular sus probabilidades.

Aquí tenemos un clásico diagrama de árbol, en el cual graficamos los posibles resultados de un
experimento que consiste en lanzar una moneda y un dado.

Para el cálculo de las probabilidades, usaremos un truco, si para calcular cierta probabilidad
avanzamos hacia la derecha, entonces multiplicamos. Por otro lado, si para calcular cierta probabilidad
avanzamos hacia abajo, entonces sumamos.
Ejemplo:

Una moneda tiene en sus lados (Cara y Sello). Se lanza 2 veces la moneda, calcular:
a) la probabilidad de obtener 2 Caras.
b) la probabilidad de obtener solo 1 Cara.
Solución:
Vamos a elaborar el diagrama de árbol para este experimento.

a) La probabilidad de obtener 2 Caras, la podemos observar en el gráfico.

P(2Caras) = 1/4 = 0,25 = 25%

 b) La probabilidad de obtener solo 1 Cara, se calcula sumando 2 probabilidades, ya que hay 2
maneras de obtener solo 1 Cara:
– Obtener Cara y Sello.
– Obtener Sello y Cara.
Recuerda que cuando avanzamos hacia abajo, entonces sumamos:

P(1Cara) = 1/4 + 1/4 = 2/4 = 0,50 = 50%

Ejemplo:
En una academia hay 3 aulas: el aula roja, el aula azul y el aula negra. El aula roja tiene al 50 % de los
estudiantes, el aula azul al 30 % y el aula negra al 20 %. Además, en cada aula hay un 40 % de hombres.
Si se selecciona un estudiante al azar, ¿cuál es la probabilidad de que sea un estudiante hombre del aula
azul? ¿cuál es la probabilidad de que sea un estudiante hombre del aula negra o un hombre del aula azul?
 Ahora calculamos la probabilidad de que, si se selecciona un estudiante al azar, este sea un
hombre del aula azul.

¿cuál es la probabilidad de que sea un estudiante hombre del aula negra o un hombre del aula azul?

La respuesta sería 0,20 o 20%.

Ejercicios:

1.- 26 clientes están cenando en una cafetería local. De los 26 clientes, 20 piden café, 8 piden pastel
y 7 piden café y pastel. Con esta información, contesta las siguientes preguntas. Sea A el evento en el que
un cliente elegido al azar ordena café y sea B el evento en el que un cliente elegido al azar ordena pastel.

a) ¿Cuál es la probabilidad de que un cliente ordene café?

b) ¿Cuál es la probabilidad de que un cliente ordene pastel?
c) ¿Cuál es la probabilidad de que un cliente ordene café y pastel?
d) ¿Cuál es la probabilidad de que un cliente ordene café o pastel?

2.- Sea A el suceso de sacar un 3 en una baraja de 52 cartas y B el suceso sacar un 5 de corazones. Calcular
la probabilidad de sacar un 3 o un 5 de corazones en una sola extracción.

3.- La probabilidad de que Julio salga con Carla es 0,75, y la probabilidad de que salga con Marisol es de
0,50. Si la probabilidad de que salga con Carla o Marisol es 0,85; calcular la probabilidad de que salga con
ambas a la vez.

4.- Un chef observó que el 65 % de todos sus clientes consume mayonesa, el 70 % consume kétchup y el
80 % consume mayonesa o kétchup. ¿Cuál es la probabilidad de que un cliente consuma las dos salsas al
mismo tiempo?

5.- Una caja contiene 7 bolas verdes, y 4 bolas azules. Si se extraen al azar dos bolas con reposición, ¿cuál
es la probabilidad de que la primera sea azul y la segunda sea verde?

6.- Calcular la probabilidad de que no salga 1 al lanzar un dado.

7.- ¿Cuál es la probabilidad de obtener un número menor que 5 al lanzar un dado?

8.- Una caja contiene 8 bolas verdes, y 5 bolas azules. Se extraen 2 bolas al azar; si la primera bola
seleccionada fue azul, ¿cuál es la probabilidad de que la segunda sea verde, dado que las bolas no se
reponen?
9.- Se lanza 3 veces una moneda al aire, ¿cuál es la probabilidad de obtener 2 Caras y 1 Sello? Calcule a
través del Diagrama de Árbol.

10.- Una persona tiene en su guarda-ropas dos (playeras) dos pantalones diferentes (jeans) y dos pares de
calzados distintos; ¿de cuántas diferentes posibles formas podrá combinar su ropa? Grafique Diagrama de
Arbol.
11.- Sean A y B dos sucesos tales que: P(A)  0.4, P(B )  0.7 y P(A  B)  0.6
a) ¿Son independientes A y B ?
b) Calcule P(A|B) y P(B|A)

12.- Un médico ha observado que el 40% de sus pacientes fuma y de estos, el 75% son hombres. Entre los
que no fuman, el 60% son mujeres. Grafique Diagrama de Árbol y Calcula la probabilidad de:
a) Un paciente no fumador sea hombre.
b) Un paciente sea hombre fumador.
c) Un paciente sea mujer.
d) Sea Fumador Hombre o Mujer.

13.- Se tiene una urna llena de bolas con la siguiente composición: 2 ROJAS, 3 VERDES, 5 AZULES. Se
extraen 3 bolas. Se piden las siguientes probabilidades: a) Describe el espacio muestral y asigna
probabilidades a cada suceso elemental.
a) Calcular la probabilidad de que la primera sea roja, la segunda verde y la tercera azul. (Sin
reemplazo).
b) Calcular la probabilidad de que la primera sea roja, la segunda verde y la tercera azul. (Con
reemplazo).

14.- Se lanzan al aire tres monedas iguales, describe todos los sucesos del espacio muestral por medio de
un Diagrama de Árbol. Sean los sucesos A = sacar al menos una cara, B = sacar al menos un sello, describe
los sucesos:
a) P(A); B) P(B); P(A y B); P(A o B); P(Ac); P(Bc)

15.- El 30% de los estudiantes de un Instituto practica el fútbol, el 40% practica el baloncesto y el 10%
practica ambos deportes. Se elige un estudiante al azar. Calcula:
a) La probabilidad de que no juegue al fútbol ni al baloncesto.
b) Si juega al fútbol, ¿cuál es la probabilidad de que juegue al baloncesto?
c) ¿Son independientes jugar al fútbol y al baloncesto?