UNIVERSIDAD NACIONAL AUTÓNOMA DE HONDURAS

Escuela De Matemática
Mario Antúnez Murillo
Cubículo 9
.
MARIO ANTUNEZ MM401 IC302 UNAH PAGINA 1
 Probabilidad
Teoría y ejemplos

MARIO ANTUNEZ MM401 IC302 UNAH PAGINA 2

Probabilidad
Valor entre cero (evento imposible) y uno (evento seguro) que mide o describe
la posibilidad de que ocurra un evento.
12
Se puede escribir como fracción, decimal o porcentaje  0.48  48%
25
Probabilidad clásica (Regla de Laplace)
Parte del supuesto de que los resultados de un experimento son igualmente
probables, y se define la probabilidad de un evento A como el cociente de
resultados favorables a que ocurra el evento A y el numero de resultados
posibles del experimento, se representa por P(A)
número de resultados favorables de A n(A)
P(A)  
número total de posibles resultados n(S)
¿Cuál es la probabilidad de obtener un número par al lanzar un dado?
Sea el evento A: sale un número par
S={1,2,3,4,5,6} número total de posibles resultados n(S)=6
A={2,4,6} número de resultados favorables n(A)=3
número de resultados favorables de A n(A) 3
P(A)     0.5  50%
número total de posibles resultados n(S) 6
Interpretación: Existe un 50% de posibilidad de que salga un número par
MARIO ANTUNEZ MM401 IC302 UNAH PAGINA 3
¿Cuál es la probabilidad de obtener al menos una cara al lanzar dos veces una
moneda?
Un espacio muestral asociado al experimento es
S= {(cara, cara), (cara, escudo), (escudo, cara), (escudo , escudo)}
Sea A: Sale al menos una cara
A= {(cara, cara), (cara, escudo), (escudo, cara)}
número de resultados favorables de A n(A) 3
P(A)     0.75  75%
número total de posibles resultados n(S) 4

Interpretación: Existe un 75% de posibilidad de obtener al menos una cara

al lanzar una moneda dos veces
Probabilidad de frecuencia relativa o probabilidad empírica
La probabilidad de que un evento ocurra representa una fracción de los
eventos similares que ocurrieron en el pasado.
número de veces que ocurrió el evento n(A)
P(A)  
número total de observaciones pasadas n(S)

MARIO ANTUNEZ MM401 IC302 UNAH PAGINA 4

 Numero de tiradas Frecuencia Frecuencia
absoluta relativa
Conde de Bufon (1707 -1788) 4040 2048 0.5080
K Pearson (1857 – 1936) 12000 6019 0.5016
Jhon Kerrick 10000 5067 0.5067

1
En el limite P(X)  lim P(Xn )  0.5 S={C,E} P(Cara) 
 0.5
n 2
¿Cuál es la probabilidad de que un alumno de Estadística apruebe la
clase si de 550 alumnos que han cursado la asignatura 418 lo hicieron?
Sea A: el alumno aprueba la clase
número alumnos que aprobaron la clase 418
P(A)    0.76  76%
número total de alumnos que cursaron la clase 550
Interpretación
Existe un 76% de posibilidad de aprobar la clase

MARIO ANTUNEZ MM401 IC302 UNAH PAGINA 5

 Ejemplo
En una ciudad se publican tres periódicos A, B y C. El 30% lee A, el 20% lee B y el
15% lee C, el 12% lee A y B, el 9% A y C, el 6% B y C y finalmente el 3% A, B y C.
a) ¿Qué porcentaje de personas lee al menos uno de los tres periódicos?
b) ¿Qué porcentaje lee sólo A?
c) ¿Qué porcentaje lee B o C, pero no A?

30% lee A: P(A)=30%

S
20% lee B: P(B)=20%
15% lee C: P(C)=15% A B
9%
12% 5%
12% lee A y B: P(AB)=12%
9% lee A y C: P(AC)=9% 3%
6% lee B y C: P(BC)=6% 6% 3%

3% A, B y C: P(ABC)=3% 3%
59%
a. P(ABC)=41%
b. P[A-(BC)]=12%
C
c. P[(BC)-A]=P[(BC)Ac]=11%

MARIO ANTUNEZ MM401 IC302 UNAH PAGINA 6

Probabilidad subjetiva Bayesiana
Si se cuenta con poca o ninguna experiencia o información con la cual sustentar
la probabilidad, es posible aproximarla en forma subjetiva. La probabilidad se
asigna a partir de cualquier información que encuentre disponible.
Un equipo de administración piensa que hay una probabilidad de 0.35 de que
un nuevo producto tenga éxito en el mercado, esto constituye una probabilidad
subjetiva
El valor 0.35 es una opinión, más que un valor basado en una evidencia
objetiva.
Suponga el experimento que consiste en observar una carrera entre dos ciclistas,
ciclista A y ciclista B.
Sean los eventos:
T: El ciclista A gana la carrera.
R: El ciclista A pierde la carrera.
U: Hay un empate (u otro resultado inesperado)
Se sabe que en las ultimas 6 carreras, el ciclista A ha ganado 3. Asigne la
probabilidad de ocurrencia del evento T, según el enfoque de probabilidad indicado:
a. Enfoque clásico: 1/3=0.3333
b. Enfoque frecuencia relativa: 3/6=0.5
c. Enfoque subjetivo, si se sabe que el ciclista A es un atleta bien entrenado y el
ciclista B no: 1
MARIO ANTUNEZ MM401 IC302 UNAH PAGINA 7
Probabilidad Axiomática (Kolmogorov)
La Teoría de la Probabilidad, como disciplina matemática, puede y debe ser
desarrollada a partir de unos axiomas, de la misma manera que la Geometría
o el Álgebra.
Se llama probabilidad a cualquier función P que asigna a cada evento A del
espacio muestral S un valor numérico P(A), verificando los siguientes
axiomas:
(1) No negatividad: 0 ≤ P(A)

(2) Normalización: P(S) = 1

(3) Aditividad: P(A  B) = P(A) + P(B) si A ∩ B = Ø

Demostrar que: P( )= 0 (Utilizar:   S = )
P(S) = P(S U  )=P(S )+P() = 1+ P() =1  P( )= 0
Teorema de la probabilidad complementaria
Para un suceso A y su complementario Ac en el espacio muestral S:
P(Ac) = 1 - P(A)
P(S) = P(A U Ac )=P(A )+ P(Ac)=1  P(Ac )=1-P(A)

MARIO ANTUNEZ MM401 IC302 UNAH PAGINA 8

Demostrar que: 0 ≤ P(A) ≤ 1
P(S) = P(A U Ac )=P(A )+ P(Ac) =1  P(A )  1-P(Ac)  1, de donde
0  P(A )  1
Teorema
Dados dos eventos A y B en el espacio muestral S, si A  B
P(A)<P(B)

B
A
S
Del diagrama de Venn vemos que el área de A es menor que el área de B
(la cardinalidad en este caso es el área)
n(A)<n(B)
n(A) n(B)
<
n(S) n(S)
P(A)<P(B)

MARIO ANTUNEZ MM401 IC302 UNAH PAGINA 9

Teorema
Dados dos eventos A y B en el espacio muestral S, tenemos que
P(B  Ac) = P(B) - P(A  B)

A B

S
Del diagrama de Venn
B=(A  B)  (B  Ac) de donde P(B)=P(A  B) + P(B  Ac)
P(B  Ac)=P(B)-P(A  B)
Regla de la suma:
Dados dos sucesos A y B en el espacio muestral S:
P(A  B) = P(A) + P(B) - P(A  B)
Del diagrama de Venn
A B = A (B Ac)  P(AB) =P(A)+P(B Ac)
P(AB)=P(A)+P(B)-P(A  B)

MARIO ANTUNEZ MM401 IC302 UNAH PAGINA 10

Eventos mutuamente excluyentes
Varios eventos son mutuamente excluyentes cuando al ocurrir uno de ellos, los
otros eventos no pueden ocurrir.
Al considerar el género de una persona: femenino, masculino
Al lanzar una moneda: sale cara, sale escudo
En una urna hay bolas de color rojo, negro, verde, se extrae una:
el color de la bola es rojo, negra, verde
Se tiene en este caso que la probabilidad que dos de ellos ocurran es cero
Eventos colectivamente exhaustivos
Varios eventos son colectivamente exhaustivos cuando uno de ellos debe
ocurrir.
Se tiene que suma de las probabilidades de eventos exahustivos es uno
Cuatro candidatos están buscando una vacante en un consejo escolar. Si A
tiene el doble de posibilidad que B de ser elegido, tanto A y C tienen las
mismas posibilidad de ser electos, mientras que C tiene el doble de
posibilidades que D de ser electo. ¿Cuál es la probabilidad de qué C gane?
P(A)=2P(B)
1
P(A)=P(C) P(A)+P(B)+P(C)+P(D)=1 P(C) 
3
P(C)=2P(D)
MARIO ANTUNEZ MM401 IC302 UNAH PAGINA 11
 Ejemplo
¿Cuál es la probabilidad de obtener una suma de 7 en el lanzamiento de dos
dados?
Sea A: la suma de los números al lanzar dos dados
S = {(1,1),(1,2),(1,3),(1,4),(1,5),(1,6)
(2,1),(2,2),(2,3),(2,4),(2,5),(2,6)
(3,1),(3,2),(3,3),(3,4),(3,5),(3,6)
(4,1),(4,2),(4,3),(4,4),(4,5),(4,6)
(5,1),(5,2),(5,3),(5,4),(5,5),(5,6)
(6,1),(6,2),(6,3),(6,4),(6,5),(6,6)}

número de resultados favorables de A 6

P(A)    0.1667  16.67%
número total de posibles resultados 36
Existe un 16.67% de obtener un siete al lanzar dos dados

MARIO ANTUNEZ MM401 IC302 UNAH PAGINA 12

 Herramientas para resolver problemas de probabilidad
Regla de la adición:

A B

P(A  B) = P(A) + P(B) - P(A  B)

En eventos complementarios:

c
A
A

P(Ac) = 1 - P(A)

MARIO ANTUNEZ MM401 IC302 UNAH PAGINA 13

 Ejemplo
La probabilidad que llueva mañana es 0.20, la probabilidad que truene es 0.10,
la probabilidad que llueva y truene es 0.07. ¿Cuál es la probabilidad qué llueva
o truene mañana?
A: llueve mañana P(A)=0.20
B: Truene mañana P(B)=0.10
A y B: llueva y truene P(A  B)=0.07
Nos piden
P(A  B)=P(A)+P(B)-P(A  B)
= 0.20+0.10-0.07=0.23=23%
Existe un 23 % de posibilidad de que llueva o truene mañana

Ejemplo
En cierta comunidad, la probabilidad que una familia tenga televisor es 0.83,
que tengan lavadora es 0.62 y que tengan ambos es 0.51.
¿Cuál es la probabilidad que una familia no tenga lavadora? Rta: 0.38=38%
¿Cuál es la probabilidad que una familia tenga televisor o lavadora? Rta: 94%
¿Cuál es la probabilidad que una familia no tenga televisor ni lavadora? Rta. 6%

MARIO ANTUNEZ MM401 IC302 UNAH PAGINA 14