Guía de estudio.

Teoría de la
Probabilidad
Profesor Ricardo Montoya González

Bloque V. Teoría de la probabilidad 2

Definición de la probabilidad 2
Probabilidad simple 3
Regla de la adición 3
Regla de la multiplicación 4
Probabilidad compuesta 5
Distribución de probabilidad 7
Distribución para variables aleatorias discretas 7
Distribución binomial 7
Distribución Poisson 10
Fuentes de consulta 12

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.

En otras palabras, la teoría de la probabilidad está compuesta por todos los

conocimientos relativos al concepto de probabilidad. Se trata de un concepto, en
esencia, matemático. Así mismo, la probabilidad como rama de las matemáticas
constituye un instrumento para la estadística.

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.

Una forma empírica de estimar probabilidades consiste en obtener la frecuencia con

la que sucede un determinado acontecimiento mediante la repetición de
experimentos aleatorios.

En otras palabras, la probabilidad es qué tan posible es que ocurra un evento

determinado.

Cuando no estamos seguros del resultado de un evento, podemos hablar de la

probabilidad de ciertos resultados: qué tan común es que ocurran. Al análisis de los
eventos gobernados por la probabilidad se le llama estadística.

Ejemplo volado

¿Cuál es la probabilidad de que caiga águila?

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:

𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑟𝑒𝑠𝑢𝑙𝑡𝑎𝑑𝑜𝑠 𝑓𝑎𝑣𝑜𝑟𝑎𝑏𝑙𝑒𝑠 𝑎𝑙 𝑒𝑣𝑒𝑛𝑡𝑜

P(A) =
𝑛ú𝑚𝑒𝑟𝑜 𝑡𝑜𝑡𝑎𝑙 𝑑𝑒 𝑟𝑒𝑠𝑢𝑙𝑡𝑎𝑑𝑜𝑠 𝑝𝑜𝑠𝑖𝑏𝑙𝑒𝑠

Donde P(A) es la probabilidad asociada al evento A

Ejemplo 1 Dados

¿Cuál es la probabilidad de obtener un 6 al jugar con un dado?

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:

𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑟𝑒𝑠𝑢𝑙𝑡𝑎𝑑𝑜𝑠 𝑓𝑎𝑣𝑜𝑟𝑎𝑏𝑙𝑒𝑠 𝑎𝑙 𝑒𝑣𝑒𝑛𝑡𝑜 1

P(A) = =
𝑛ú𝑚𝑒𝑟𝑜 𝑡𝑜𝑡𝑎𝑙 𝑑𝑒 𝑟𝑒𝑠𝑢𝑙𝑡𝑎𝑑𝑜𝑠 𝑝𝑜𝑠𝑖𝑏𝑙𝑒𝑠 6
𝟏
Obteniendo así el resultado de de probabilidad de obtener un 6.
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)

Ejemplo 2 Dados (Regla de la adición)

La probabilidad de que, al tirar un dado, salga 1, es de 1/6. La probabilidad de que

salga 3, es de 1/6. Calcular la probabilidad de que, al tirar un dado, salga 1P(A) o 3
P(B).

Solución

Como ya se vio anteriormente en el ejemplo 1 de los dados la probabilidad de

1
obtener un resultado favorable en un dado de 6 caras es de , por lo tanto se puede
6
llegar a las siguiente probabilidades

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

Ejemplo 3 dados (Regla de la multiplicación)

¿Cuál es la probabilidad de obtener 2 seises en dos dados?

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.

Del problema anterior de los dados concluimos que la probabilidad de obtener un 6

1
es de , ya que ambos dados son iguales las probabilidades también, por lo que se
6
puede llegar a la siguiente expresión:

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:

La probabilidad de que se den simultáneamente dos sucesos (suceso intersección

de A y B) es igual a la probabilidad a priori del suceso A multiplicada por la
probabilidad del suceso B condicionada al cumplimiento del suceso A.

Es decir, en este tipo de probabilidad, la probabilidad dl evento A esta condicionada

a la probabilidad del evento B.

Se le conoce así a la probabilidad de que dos eventos diferentes sucedan

simultáneamente y una es afectada por el otro.

También se les conoce como sucesos dependientes.

Dos sucesos A y B son dependientes cuando la probabilidad de que suceda B se ve

afectada porque haya sucedido, o no, el suceso A

5
 𝑃(𝐴 ∩ 𝐵) = 𝑃(𝐵⁄𝐴) ⋅ 𝑃(𝐴)

Un ejemplo en donde se puede observar este tipo de probabilidad es en los juegos

de barajas como póker o blackjack en la que la probabilidad de obtener cierta carta
esta condicionada por las cartas que otros jugadores tengan, esto se aprecia en el
siguiente ejemplo.

Ejemplo Cartas

Se tiene una baraja de 52 cartas. ¿Cuál es la probabilidad de extraer dos ases de

manera consecutiva?

Solución

Como se puede apreciar en la imagen en una baraja de 52 cartas existen 4 ases,

por lo que la probabilidad de obtener un as, la primera vez que extraemos una carta
P(A), estará dada por la siguiente expresión:

𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑟𝑒𝑠𝑢𝑙𝑡𝑎𝑑𝑜𝑠 𝑓𝑎𝑣𝑜𝑟𝑎𝑏𝑙𝑒𝑠 𝑎𝑙 𝑒𝑣𝑒𝑛𝑡𝑜 4 1

P(A) = = =
𝑛ú𝑚𝑒𝑟𝑜 𝑡𝑜𝑡𝑎𝑙 𝑑𝑒 𝑟𝑒𝑠𝑢𝑙𝑡𝑎𝑑𝑜𝑠 𝑝𝑜𝑠𝑖𝑏𝑙𝑒𝑠 52 13

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 para variables aleatorias discretas

Una distribución discreta describe la probabilidad de ocurrencia de cada valor de
una variable aleatoria discreta. Una variable aleatoria discreta es una variable
aleatoria que tiene valores contables, tales como una lista de enteros no negativos.

Con una distribución de probabilidad discreta, cada valor posible de la variable

aleatoria discreta puede estar asociado con una probabilidad distinta de cero. Por
lo tanto, una distribución de probabilidad discreta suele representarse en forma
tabular.

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.

Un experimento de Bernoulli se caracteriza por tener solo dos resultados. Fracaso

y éxito.

Ejemplo distribución binomial

El lanzamiento de una moneda cuyo resultado de «sacar cara» es el éxito. Si

lanzamos 5 veces la moneda y contamos los éxitos que obtenemos, nuestra
distribución de probabilidades se ajustaría a una distribución binomial.

En la distribución binomial hay tres variables:

 n.- Número de veces que repetimos el experimento.

 p.- Uno de los dos resultados al que llamaremos éxito.
 q.- Es el otro resultado posible al que llamaremos fracaso.

Este tipo de distribución esta dada por la siguiente fórmula

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 )!

Vale la pena mencionar que el signo de exclamación “!” significa factorial.

Ejemplo 2 distribución Binomial

Imaginemos que un 80% de personas en el mundo ha visto el partido de la final del

último mundial de fútbol. Tras el evento, 4 amigos se reúnen a conversar, ¿Cuál es
la probabilidad de que 3 de ellos hayan visto el partido?

Solución

Lo primero por hacer es definir las variables del experimento:

𝑛 = 4 (es el total de la muestra que tenemos)

𝑥 = número de éxitos, que en este caso es igual a 3, dado que buscamos la

probabilidad de que 3 de los 4 amigos lo hayan visto.

𝑝 = probabilidad de éxito (0,8)

𝑞 = probabilidad de fracaso (0,2). Este resultado se obtiene al restar 1-p.

Después de definir todas nuestras variables, simplemente sustituimos en la fórmula:

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.

En otras palabras, la distribución de Poisson es una distribución de probabilidad

discreta que, tan solo conociendo los eventos y su frecuencia media de ocurrencia,
podemos saber su probabilidad.

La distribución de Poisson esta dada por la siguiente fórmula:

𝑥̅ 𝑥 𝑒 −𝑥̅
𝑃(𝑥 ) =
𝑛!
Donde:

 𝑥̅ = Media

 𝑥= Variable aleatoria

 𝑛= Número de datos

Ejemplo de distribución de Poisson

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

Lo primero por hacer es definir las variables de este experimento:

10
  𝑛= 100 estaciones de esquí

 𝑥̅ = 0.05 * 100= 5, que es el número de estaciones de esquí esperado dado

el conjunto de datos.

Una vez definidas las variables se llega a la siguiente expresión:

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

José Francisco López (28 de febrero, 2019). Teoría de la probabilidad.

Economipedia.com

Kallenberg, O. (2005) Probabilistic Symmetries and Invariance Principles. Springer-

Verlag, New York. 510 - 640pp.

Olofsson, Peter (2005) Probability, Statistics, and Stochastic Processes, Wiley-

Interscience. 504 pp.

12