PROBABILIDADES

El objetivo fundamental de la estadística es realizar inferencias acerca de una variable en la población

a partir del cocimiento de una muestra. La teoría de la probabilidad es el fundamento para la
inferencia estadística; esta proporciona y estudia modelos para las distribuciones de algunas
variables importantes.

En la mayoría de los problemas hay que tomar decisiones en base a experimentos, así pues,
definiremos lo que es un experimento aleatorio para poder entender el concepto de probabilidad.

EXPERIMENTO ALEATORIO Y ESPACIO MUESTRAL

Existen dos tipos de experimentos:

Experimento Determinístico: Al repetirlos bajo las mismas condiciones siempre dan el mismo
resultado (predecible). Ejemplos: Fenómenos físicos y químicos.
Ejemplos:
- El resultado de una reacción química
- La velocidad de llegada de un cuerpo a tierra al dejarlo caer desde una torre con altura conocida.

Experimento Aleatorio o no determinístico (  ): Conjunto de pruebas realizadas bajo las mismas

condiciones y cuyos resultados son impredecibles. Los simbolizaremos como  . Estos también son
conocidos como experimentos estocásticos. Los rasgos que distinguen a los experimentos aleatorios
son:
i. Todos los posibles resultados del experimento son conocidos con anterioridad a su
realización.
ii. No se puede predecir el resultado del experimento.
iii. El experimento puede repetirse en condiciones idénticas.

Ejemplos

1 : Lanzar una moneda y observar su cara superior.

2 : Extraer al azar un artículo de un lote que contiene 50 artículos defectuosos y 15 artículos no
defectuosos.
3 : Observar el tiempo de vida de una lámpara desde que se enciende hasta que falla.
4 : Elegir un punto al azar en el intervalo cerrado  0,1
5 : Lanzar una moneda y contar el número de lanzamientos hasta que salga cara.
6 : Contar el número de artículos fabricados en un día por una máquina, hasta que resulte un artículo
defectuoso.
Espacio Muestral (Ω): Es el conjunto de todos los resultados posibles asociados a un experimento
aleatorio. Se denota por Ω.

Ejemplos:
- Al experimento aleatorio 1 : Lanzar moneda y observar su cara superior, le corresponde el
espacio muestral:
1  C, S
- Al experimento aleatorio 2 : Extraer un artículo de un lote que contiene 50 artículos
defectuosos (D) y 15 artículos no defectuosos (ND), le corresponde
2  D, ND

- Al experimento aleatorio 3 : Observar el tiempo de vida de una lámpara desde que se

enciende hasta que falla, le corresponde:
3  t  ℝ / 0  t  M dónde M es el tiempo máximo de vida de la lámpara.

- Al experimento aleatorio 4 : Elegir un punto al azar en el intervalo cerrado 0,1 le

corresponde:
4   x  ℝ / 0  x  1

- Al experimento aleatorio 5 : Lanzar una moneda y contar el número de lanzamientos hasta

que salga cara le corresponde:
5  1,2,3,4,... 

- Al experimento aleatorio 6 : Contar el número de artículos fabricados en un día por una

máquina, hasta que resulte un artículo defectuoso.
le corresponde 6  1,2,3,4,...M
dónde M es el número máximo de artículos fabricados en un día por la máquina.

Los espacios muestrales pueden ser:

Espacio muestral discreto:

Si tiene un número finito o infinito numerable de elementos.

Espacio muestral continuo

Si tiene un número no numerable de elementos. Es decir, cuyos elementos son todos los puntos de
algún intervalo.

MG. PEDRO SAENZ R. Página 2

En los ejemplos vistos, únicamente Ω3 y Ω4 son continuos, los restantes son de tipo discreto.

Evento: Dado un experimento aleatorio cuyo espacio muestral es  , se llama

Evento a cualquier subconjunto de  y lo denotaremos por A, B, C, D…
Sea el evento E, entonces: E  

Suceso: Es todo elemento del espacio muestral y lo denotaremos por w, x, y, etc.

Sea el suceso w, entonces w

Distinguimos los siguientes tipos de eventos:

- Evento simple o elemental: consta de un solo elemento

- Evento compuesto: consta de dos o más elementos
- Evento imposible: es el que nunca puede realizarse (viene determinado por el conjunto
vacío,  )
- Evento seguro: es el que siempre se cumple (viene determinado por
el conjunto total,  )
- Eventos disjuntos o mutuamente excluyentes: aquellos eventos A y B que no pueden
realizarse a la vez, A  B = 

Ejemplos:

MG. PEDRO SAENZ R. Página 3

Clarifiquemos estos conceptos con unos ejemplos:

- Realizamos el experimento aleatorio  : “Lanzar un dado y observar la cara superior”

Espacio muestral:  = {1, 2, 3, 4, 5, 6}

Evento simple: “Sacar un 2” = { 2 }

Evento compuesto:“Sacar un número impar” = { 1, 3, 5 }

Evento imposible: “Sacar un 7” = 

Evento seguro: “Sacar un nº menor que 7” = = { 1, 2, 3, 4, 5, 6 }

Eventos disjuntos: A = “Sacar un nº par” = {2, 4, 6}

B = “Sacar un nº impar” = {1, 3, 5}

Eventos no disjuntos: A = “Sacar un nº par” = {2, 4, 6}

C = “Sacar un nº menor a 5” = {1, 2, 3, 4}

MG. PEDRO SAENZ R. Página 4

1. OPERACIONES CON EVENTOS: (ALGEBRA DE EVENTOS)

Tratándose los eventos de subconjuntos del espacio muestral, es natural que satisfagan todas las
características de los conjuntos. Sean A y B dos eventos del espacio muestral  .

 SUB-EVENTOS
Dados dos eventos A y B se dice que A este contenido en B o que A es sub-evento de B y denotamos
por A  B , Es decir si ocurre el evento A ocurre necesariamente el evento B

A  B , si w  A  w  B

 IGUALDAD DE EVENTOS
Se dice que dos eventos A y B son iguales, y se denota por A = B, si A  B y B  A

 LA INTERSECCIÓN, que se denota A  B , es el evento que consta de todos los resultados en 

que pertenecen tanto a A como a B. Por tanto, la intersección A  B ocurre si y sólo si tanto A
como B ocurren.

AB  AB w w A wB

De manera más general, dados k eventos A1, A2, ..., Ak, su intersección A1  A2 ⋯ Ak es el
conjunto de todos los resultados básicos que pertenecen a todo Ai (i = 1, 2, ..., k)

Ejemplo: lanzamos un dado al aire y analizamos dos eventos:

A: que salga número par, y B: que sea mayor que 3.
La intersección de estos dos eventos tiene dos elementos o sucesos: el 4 y el 6.

A B  4,6

MG. PEDRO SAENZ R. Página 5

 LA UNIÓN, que se denota A  B , es el evento que consta de todos los resultados que
pertenecen al menos a uno de estos eventos. Por lo tanto, la unión A  B ocurre si y sólo si A
y/o B ocurren.
A B  w w A w B

PROPIEDADES:
i. A B C   A B  AC
ii. A B C   A B  AC

De manera más general, dados k eventos A1, A2, ..., Ak, su unión A1  A2 ⋯ Ak es el
conjunto de todos los resultados que pertenecen al menos a uno de estos k eventos.

Ejemplo: lanzamos un dado al aire y analizamos dos eventos:

A: que salga número par, y B: que el resultado sea mayor que 3.
El evento unión estaría formado por los siguientes resultados: el 2, el 4, el 5 y el 6.

Luego AB 2,4,5,6

 EL COMPLEMENTO El complemento del evento A (con respecto al espacio muestral  ), que se

representa por Ac (dependiendo de la literatura también se usa A ó A' ), es el evento que consta
de todos los resultados pertenecientes a  pero no a A.

Ac  A'  A  A w w w A

A'    A

MG. PEDRO SAENZ R. Página 6

 PROPIEDADES

i.  A´´ A
ii. A  A´ 
iii. A  A´ 
iv. '
v. A  B  A  B´

Ejemplo: lanzamos un dado al aire. El evento (A) es que salga un número par, luego su
complementario, evento A es que salga un número impar.

Definiciones complementarias:

 Si A y B no tienen puntos muestrales en común (sucesos) se denominan excluyentes y su

intersección A ∩ B es el conjunto vacío  , lo que significa que A ∩ B no puede ocurrir.

 De manera más general, dados k eventos A1, A2, ..., Ak, se dicen mutuamente excluyentes si cada
par de estos eventos es excluyente, es decir Ai  Aj   para todo i ≠ j.
Ejemplo: lanzamos un dado al aire y analizamos tres sucesos:
A: que salga un número menor que 3,
B: que salga el número 6,
C: que salga un numero impar mayor que 2.

Decimos que A,B y C son mutuamente excluyentes.

 Dados k eventos E1, E2, ..., Ek definidos en el mismo espacio muestral  ,

si su unión E1  E2  ...  Ek =  se dice que estos k eventos son colectivamente exhaustivos.
Ejemplo: lanzamos un dado al aire y analizamos dos eventos:
A: “que salga número impar”, y B: “que salga un número mayor que 1”

 LEYES DE MORGAN
Las operaciones o el algebra de eventos es el mismo del algebra de conjuntos.
Las leyes de Morgan se usan para el complemento, es decir: Leyes De Morgan

 A  B '  A'  B ' y  A  B '  A'  B'

EJERCICIOS
Simplificar:  A'  B  A   A'  B ' 
 A '  '

Respuesta: A  B

MG. PEDRO SAENZ R. Página 7

2. PROBABILIDAD. -

Definición Clásica: La probabilidad de un evento es la razón entre el número de casos (sucesos)

favorables y el número total de casos (sucesos) posibles, siempre que nada obligue a creer que
algunos de estos sucesos deban tener preferencia a los demás, lo que hace que todos sean
igualmente posibles.

Sea el espacio muestral  y el evento A   , entonces la probabilidad de la ocurrencia del evento

A será:
N  A
P  A 
N 
Donde:
N A = número de casos favorables al evento A
N   = número de casos posibles.

Ejemplo
Si lanzamos una moneda dos veces, ¿cuál es la probabilidad de obtener al menos una cara?

El espacio muestral correspondiente es  = {(C, C), (C, S), (S, C), (S, S)} ,
siendo C = cara y S= sello
Sea el evento A = “al menos una cara” = {(C, C), (C, S), (S, C)}
Luego: N A = casos favorables = 3, N   = casos posibles 4
N  A 3
Así, la probabilidad pedida es P  A   
N   4

PROPIEDADES: Sea  un experimento aleatorio y  un espacio muestral asociado a este. La

probabilidad de A denotado por P(A) satisface las siguientes propiedades:

1. 0  P ( A )  1
2. Si A es un evento imposible entonces P A  0
3. P(  ) = 1
4. ̅ =1−
5. Si A y B son dos eventos cualesquiera, entonces ∪ = + − ∩
6. Si A y B son mutuamente excluyentes entonces ∪ = +
7. En general si tenemos k eventos excluyentes 2 a 2, Ai  Aj  Ø para i  j , entonces:
P  A1  A2  ⋯  Ak   P  A1   P  A2   .....  P  Ak  .

Ejemplo:

MG. PEDRO SAENZ R. Página 8

Se quiere conocer el nivel de satisfacción del consumo de cerveza artesanal entre turistas del país,
por lo que se realizó una encuesta a un grupo de turistas en diferentes regiones del Perú. Los
resultados se muestran a continuación:

Nivel de satisfacción con la Región del Perú al que viajó

Total
cerveza artesanal A: Costa Sierra E: Selva
Totalmente satisfecho 12 35 32 79
Parcialmente satisfecho 18 42 28 88
B: Insatisfecho 35 28 10 73
Total 65 105 70 240

Si se selecciona aleatoriamente a uno de los 240 turistas, ¿Cuál es la probabilidad:

a. Qué la región a la viajó sea la costa?

Respuesta:
Sea A: “El turista viajo a la costa”, luego N(A)=65; N(Ω)=240, entonces P(A)=65/240=0,2708.

b. ¿Qué este insatisfecho con la cerveza artesanal?

Respuesta:
Sea B: “El turista esta insatisfecho”, luego N(B)=73; N(Ω)=240, entonces P(B)=73/240=0,3042.

c. ¿Qué la región a la viajó sea la costa y este insatisfecho con la cerveza artesanal?
Respuesta:
Sea
A: “El turista viajo a la costa
B: “El turista esta insatisfecho”
entonces N(AB)=35; P(AB)= P(AB)=35/240=0,1458.

d. ¿Qué la región a la viajó sea la costa o este insatisfecho con la cerveza artesanal?
Respuesta:
Sea
A: “El turista viajo a la costa
B: “El turista esta insatisfecho”
Luego la probabilidad pedida es:

∪ = + − ∩ = 0,2708 + 0,3042 − 0,1458 = 0,4292

e. ¿Qué la región a la viajó no sea la costa?

Respuesta:
Sea A: “El turista viajo a la costa”, entonces ̅: “El turista no viajo a la costa”,
̅ =1− = 1 − 0,2708 = 0,7292
f. ¿Qué la región a la viajó sea la costa o sea la selva?
Respuesta:
Sea A: “El turista viajo a la costa”
Sea E: “El turista viajo a la selva”

∪ = + − ∩ = 0,2708 + 0,2917 − 0 = 0,5625

MG. PEDRO SAENZ R. Página 9

A y E son eventos excluyentes, por tanto: ∪ = +

g. ¿Cual es la probabilidad de que el turista este totalmente satisfecho y insatisfecho al mismo

tiempo?

Sea:
S: turista este totalmente satisfecho
B: El turista esta insatisfecho
∩ =0
Nota: S y B son eventos excluyentes.

h. ¿Qué la región a la viajó sea el desierto de Africa?

Z: viajó al desierto de Africa

Respuesta: P(Z)=0.
En este ejemplo Z es el evento imposible.

MG. PEDRO SAENZ R. Página 10

3. PROBABILIDAD CONDICIONAL

Dados dos eventos A y B, se define la probabilidad condicional de A dado B como

P( A  B)
P( A | B) 
P( B)
siempre que P(B) > 0

Y se entiende como la probabilidad de que ocurra el suceso A considerando que antes ha ocurrido
el suceso B.

EJEMPLO: Sea el experimento aleatorio lanzar dos monedas una después de otra. ¿Cuál es la
probabilidad de que en el primer lanzamiento haya salido una cara, sabiendo que al lanzar las dos
monedas salió al menos una cara?

SOL.
Experimento: Se lanza dos monedas
Ω= {CC, CS, SC, SS}.
Sabemos que ha ocurrido el evento B: “sale al menos una cara”
B= {CC, CS, SC}
Sea el evento A:“en el primer lanzamiento sale cara”
A= {CC, CS}

Entonces: La probabilidad de que ocurra el evento A, dado que se sabe que el evento B ha ocurrido
es:
P( A  B)
PA B 
P(B)

Como A∩B={CC, CS}

Reemplazando:
P( A  B) 2 / 4
P A B    2/3
P(B) 3/4
Rpta: 2/3.

Observación:
La probabilidad condicional, también la podemos entender como una restricción en el espacio
muestral, así en el ejemplo tenemos:
Ω*= {CC, CS, SC}
A*: Sale cara en el primer lanzamiento= {CC, CS}
N  A * 2
P  A *  
N   * 3

MG. PEDRO SAENZ R. Página 11

Ejemplo: Se quiere conocer el nivel de satisfacción del consumo de cerveza artesanal entre turistas
del país, por lo que se realizó una encuesta a un grupo de turistas en diferentes regiones del Perú Los
resultados se muestran a continuación:

Nivel de satisfacción con la Región del Perú al que viajó

Total
cerveza artesanal A: Costa Sierra E: Selva
Totalmente satisfecho 12 35 32 79
Parcialmente satisfecho 18 42 28 88
B: Insatisfecho 35 28 10 73
Total 65 105 70 240
Si se selecciona aleatoriamente a uno de los 240 turistas, ¿Cuál es la probabilidad:

a. Qué la región a la viajó sea la costa?, sabiendo que el turista estuvo insatisfecho con la cerveza
artesanal.

Respuesta:
Sea A: “El turista viajo a la costa”
B: “El turista esta insatisfecho”

∩ !"/#$%
Luego la probabilidad pedida es / = = &!/#$% = 0,4795

Observacion, tambien podemos calcular de la siguiente manera:

Nivel de satisfacción con la Región del Perú al que viajó

Total
cerveza artesanal A: Costa Sierra E: Selva
B: Insatisfecho 35 28 10 73
Total 35 28 10 73

Sea A*: “El turista viajo a la costa”, luego N(A*)=35; N(Ω*)=73, entonces P(A*)=35/73=0,4795.

Propiedades de la probabilidad condicional

1. 0  P ( A | B )  1
2. P (  | A )  P (  )  1
3. P ( A |  )  P ( A )
 
4. P( ∪ Ai | B) 
i 1
P( A | B)
i 1
i si Ai  Aj   para i  j

En general tenemos dos formas de calcular P ( A | B ) :

a. Directamente, considerando la probabilidad de A respecto al espacio muestral Ω*= B.
b. Usando la definición, donde P ( A  B ) y P(B) se calculan respecto al espacio muestral original
.

MG. PEDRO SAENZ R. Página 12