Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Teoría de la
Probabilidad
Profesor Ricardo Montoya González
1
Bloque V. Teoría de la probabilidad
La teoría de la probabilidad es una herramienta matemática que establece un
conjunto de reglas o principios útiles para calcular la ocurrencia o no ocurrencia de
fenómenos aleatorios y procesos estocásticos.
Conviene destacar que probabilidad y estadística no son la misma cosa. Son dos
conceptos relacionados pero diferentes.
Definición de la 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.
Ejemplo volado
2
Para encontrar la solución debemos considerar que únicamente existen dos
resultados posibles, de los cuáles solo uno pasará, es decir que obtengamos águila
o sol. Lo que nos lleva a pensar que la probabilidad de obtener uno de ellos es de
0.5. Pero también se puede llegar a la siguiente definición de probabilidad:
Ejemplo 1 Dados
Solución
Para encontrar debemos analizar a los dados, estos tienen 6 caras, es decir 6
posibles resultados, sumado a esto debemos analizar que los dados sólo tienen una
cara con 6 puntos por lo que se puede llegar a la siguiente expresión para conocer
la probabilidad de obtener un 6:
Probabilidad simple
Regla de la adición
La regla de la adición o regla de la suma establece que la probabilidad de ocurrencia
de cualquier evento en particular es igual a la suma de las probabilidades
individuales, si es que los eventos son mutuamente excluyentes, es decir, que dos
no pueden ocurrir al mismo tiempo.
𝑃 = 𝑃(𝐴) + 𝑃(𝐵)
3
Regla de la multiplicación
La regla de la multiplicación establece que la probabilidad de ocurrencia de dos o
más eventos estadísticamente independientes es igual al producto de sus
probabilidades individuales.
𝑃 = 𝑃(𝐴) ⋅ 𝑃(𝐵)
Solución
1 1
𝑃(𝐴) = ; 𝑃(𝐵) =
6 6
Ya que ambos eventos son independientes pero ambos resultados son “favorables”,
se utilizará la regla de la adición para calcular la probabilidad asociada de obtener
un 1 o un 3, llegando así a la siguiente expresión:
1 1 2 1
𝑃 = 𝑃(𝐴) + 𝑃(𝐵) = + = =
6 6 6 3
𝟏
Obteniendo así que la probabilidad de obtener un 1 o un 3 es de
𝟑
4
Solución
Antes de empezar a resolver el problema se debe analizar que ambos eventos son
independientes, ya que el resultado de un dado no afectará al resultado del segundo
dado.
1 1 1
𝑃 = 𝑃(𝐴) ⋅ 𝑃(𝐵) = ⋅ = = 0.0278
6 6 36
Obteniendo así la probabilidad de 0.0278, o del 2.78%, es decir que según la teoría
de la probabilidad si tenemos dos dados por cada 100 tiros alrededor de 3 serán 2
seises.
Probabilidad compuesta
La probabilidad compuesta (o regla de multiplicación de probabilidades) se deriva
de la probabilidad condicionada, que es la siguiente:
5
𝑃(𝐴 ∩ 𝐵) = 𝑃(𝐵⁄𝐴) ⋅ 𝑃(𝐴)
Ejemplo Cartas
Solución
6
𝟏
Obteniendo así la P(A) de , para encontrar la probabilidad de obtener un segundo
𝟏𝟑
as “P(B/A)” va a estar condicionada por el evento A, ya que hay habrá un menor
número de ases (resultados favorables), ya que sólo quedan 3 ases, y de cartas
(resultados posibles), ya que quedan 51 cartas. De esta manera se puede llegar a
la expresión:
3 1
P(B/A) = =
51 17
Una vez obtenidas ambas probabilidades podemos calcular la probabilidad de
obtener 2 ases seguidos, mediante la siguiente expresión:
1 1 1
𝑃(𝐴 ∩ 𝐵) = 𝑃(𝐵⁄𝐴) ⋅ 𝑃(𝐴) = ⋅ = = 0.004524
17 13 221
Por lo tanto, la probabilidad de obtener 2 ases de manera consecutiva es de .4524%.
Distribución de probabilidad
Distribución binomial
Una distribución binomial, en estadística, es una distribución de probabilidad
discreta (función que asigna a cada suceso definido sobre la variable la probabilidad
7
de que dicho suceso ocurra) que describe el número de éxitos al realizar n
experimentos o ensayos de Bernoulli independientes entre sí, acerca de una
variable aleatoria.
𝑛
𝑃(𝑥) = ( ) 𝑝 𝑥 𝑞 𝑛−𝑥
𝑥
Donde:
• 𝑛= Número de ensayos/experimentos.
• 𝑥= Número de éxitos.
• 𝑝= Probabilidad de éxito.
• 𝑞= Probabilidad de fracaso (1-p).
• 𝐶𝑛,𝑥 = Combinaciones de n en x.
8
𝑛
Por otro lado, la manera de calcular las combinaciones ( ) esta dada por la
𝑥
siguiente fórmula:
𝑛 𝑛!
𝐶𝑛,𝑥 = ( ) =
𝑥 𝑥! (𝑛 − 𝑥 )!
Solución
𝑛! 4!
𝑃(𝑥) = ⋅ 𝑝 𝑥 𝑞𝑛−𝑥 = (0.83 )(0.24−3 ) = 0.4096
𝑥! (𝑛 − 𝑥 )! 3! (4 − 3)!
Obteniendo así una probabilidad de 40.96% de que 3 de los 4 amigos haya visto el
partido de la final del mundial.
9
Distribución Poisson
La distribución de Poisson es una distribución de probabilidad discreta que modeliza
la frecuencia de eventos determinados durante un intervalo de tiempo fijado a partir
de la frecuencia media de aparición de dichos eventos.
𝑥̅ 𝑥 𝑒 −𝑥̅
𝑃(𝑥 ) =
𝑛!
Donde:
𝑥̅ = Media
𝑥= Variable aleatoria
𝑛= Número de datos
La probabilidad que abran las estaciones de esquí antes de diciembre es del 5%.
De las 100 estaciones de esquí, queremos saber la probabilidad de que la estación
de esquí más cercana abra antes de diciembre. La valoración de esta estación de
esquí es de 6 puntos
Solución
10
𝑛= 100 estaciones de esquí
el conjunto de datos.
𝑥̅ 𝑥 𝑒 −𝑥̅ 56 𝑒 −5
𝑃 (𝑥 = 6 ) = = = 0.1462
𝑛! 6!
Por lo tanto, la estación más cercana tiene una probabilidad de 14,62% de que
abra antes de diciembre.
11
Fuentes de consulta
12