UNIVERSIDAD NACIONAL DE PIURA

ESTADISTICA GENERAL

Teoría de la Probabilidad

Docente responsable: Msc. Mariela L. Córdova Espinoza

Ciclo: 2023-II
Modalidad: No presencial.
CONCEPTOS
Experimento aleatorio
Proceso que consiste de la ejecución de un acto (o prueba) una o más veces, cuyo resultado en cada
prueba depende del azar y en consecuencia no se puede predecir con certeza.

Espacio muestral
Conjunto que consiste de todos los resultados posibles de un experimento aleatorio. Este conjunto se
denotará por .

Número de puntos muestrales

El número de elementos de un evento arbitrario A se denota por n(A) o por #(A).
Evento o suceso:
Cualquier subconjunto de un espacio muestral. Se puede representar por A1, A2, …,
An o usando letras mayúsculas.

Por ejemplo, si   {w1 , w2 ,..., wn } es un espacio muestral finito de n elementos,

n
en él se pueden definir 2 eventos diferentes, entre ellos:

* El evento imposible, , que no tiene puntos muestrales, en consecuencia no ocurre nunca .

* Los eventos unitarios o elementales, {wi}, que contienen un sólo punto muestral.
* Los eventos compuestos, que consisten de dos o más eventos.
* El evento seguro o cierto, , el mismo espacio muestral, ya que es el subconjunto que contiene a
todos los eventos elementales.
Técnicas de conteo:

Principio de multiplicación

" Si una operación puede realizarse de

n1 formas y por cada una de estas una segunda operación

puede realizarse de n2 formas, entonces, las dos operaciones pueden realizarse de

n1  n 2 formas".

Ejemplo:
¿Cuántos almuerzos diferentes son posibles de preparar, si se componen de una sopa, un
emparedado, un postre y una bebida; y pueden elegirse entre 4 sopas, 3 tipos de
emparedados, 5 postres y 4 bebidas?

4x3x5x4=240 formas
Técnicas de conteo:

Principio de Adición:

" Si una operación consta de K- pasos de los cuales el primero puede realizarse de n1
un segundo puede realizarse de n2 , un tercero de n3 formas, entonces, toda la operación
puede realizarse de n1+n2+n3+…+nk formas".

Ejemplo:
Ronald puede viajar por vía terrestre o por vía aérea, si hay 3 rutas terrestres y 2 aéreas ¿ Cuántas
rutas disponibles tiene Ronald para viajar?

3+2= 5 formas
Técnicas de conteo:

Permutaciones:
1.- Permutaciones de “n” objetos todos a la vez. P n  V nn  n  (n  1)  (n  2) ...2  1  n!.

Ejemplo:

Un inspector visita 6 máquinas diferentes durante el día. A fin de impedir que los operadores sepan
cuando inspeccionará varía el orden de las visitas. ¿De cuántas formas será posible?

n!= 6!= 720 formas

Técnicas de conteo:

Permutaciones:
𝑛!
2.- Permutaciones de “n” objetos, r a la vez. 𝑃𝑟𝑛 =
𝑛−𝑟 !

Ejemplo:

Se toman 4 nombres de los 24 miembros de un club para ocupar los cargos de presidente,
vicepresidente, tesorero y secretario ¿De cuántas maneras puede hacerse?

24!
𝑃424 = = 255 024 𝑓𝑜𝑟𝑚𝑎𝑠
24 − 4 !
Técnicas de conteo:

Permutaciones:
3.- Permutaciones circulares (n-1)!

Ejemplo:

¿De cuántas maneras diferentes pueden sentarse 6 personas alrededor de una mesa?

*Circular: (6-1)!= 5!=120 formas

*No circular (rectangular): 6P6=6!=720 formas

Técnicas de conteo:

Permutaciones:
n!
4.- Permutaciones con repetición Pnn , n ,..., n  .
1 2 k n !
1 2
n !...n k
!

Ejemplo:

¿En cuántas formas pueden ordenarse 2 robles, 3 pinos y 2 algarrobos en una línea recta, si no se
hace distinción entre árboles de una misma clase?

7
7!
𝑃2,3,2 = = 210 𝑓𝑜𝑟𝑚𝑎𝑠
2! 3! 2!
Técnicas de conteo:

Combinaciones:
𝑛!
2.- Combinaciones de “n” objetos, r a la vez. 𝐶𝑟𝑛 =
𝑟! 𝑛 − 𝑟 !

Ejemplo:

¿De cuántas maneras diferencias puede elegirse 3 de 20 auxiliares de laboratorio para un

experimento?

20!
𝐶320 = = 1140 𝑓𝑜𝑟𝑚𝑎𝑠
3! 20 − 3 !
Técnicas de conteo:

Combinaciones:
𝑛!
2.- Combinaciones de “n” objetos, r a la vez. 𝐶𝑟𝑛 =
𝑟! 𝑛 − 𝑟 !

Ejemplo:

¿De cuántas maneras diferencias puede el jefe de laboratorio de investigación pueden elegirse 2
químicos de 7 aspirantes y de 3 físicos de 9 aspirantes?

7!
𝐶27 = = 21 𝑓𝑜𝑟𝑚𝑎𝑠 9!
2! 7 − 2 ! 𝐶39 = = 84 𝑓𝑜𝑟𝑚𝑎𝑠
3! 9 − 3 !

21x84= 1764 formas

 Probabilidad
𝑛(𝐴) 𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑐𝑎𝑠𝑜𝑠 𝑓𝑎𝑣𝑜𝑟𝑎𝑏𝑙𝑒𝑠 𝑑𝑒 𝐴
𝑃 𝐴 = =
𝑛() 𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑐𝑎𝑠𝑜𝑠 𝑝𝑜𝑠𝑖𝑏𝑙𝑒𝑠

Ejemplo:

Un dispositivo contiene 5 elementos de los cuales 2 están desgastados. Al poner en

funcionamiento el dispositivo se conecta de manera aleatoria dos elementos. Hallar la
probabilidad de que aparezcan conectados los elementos no desgastados.

Sea E: Conectar 2 elementos de un conjunto de 5 Sea el evento A: Elementos no desgastados

3 𝟑!
5 𝟓! n(A)= = 𝑪𝟑𝟐 = = 𝟑 𝒇𝒐𝒓𝒎𝒂𝒔
n()= 𝟓
= 𝑪𝟐 = = 𝟏𝟎 𝒇𝒐𝒓𝒎𝒂𝒔 2 𝟐! 𝟑 − 𝟐 !
2 𝟐! 𝟓 − 𝟐 !

𝑛(𝐴) 3
𝑃 𝐴 = = = 0,3
𝑛() 10
Ejercicio:

Un lote consta de 6 artículos buenos, 3 con pequeños defectos y 1 con defecto grave.
a) Se elige un artículo al azar. ¿Cuál es la probabilidad que no tenga defectos?
b) Si del mismo lote se cogen 2 artículos sin reemplazo. ¿ Cuál es la probabilidad de que
exactamente uno sea bueno?

a) Sea E: seleccionar un artículo de un conjunto de 10 Sea el evento A: Que no tenga defectos

𝟏𝟎 6 𝑛(𝐴) 6
n()= = 𝟏𝟎 n(A)= =6 𝑃 𝐴 = = = 0,6
𝟏 1 𝑛() 10

b) Sea E: seleccionar 2 artículos de un conjunto de 10 Sea el evento A: Que exactamente 1 sea bueno
𝟏𝟎 𝟔 𝟑 𝟏 𝟔 𝟑 𝟏
n()= =45 n(A)= + = 24
𝟐 𝟏 𝟏 𝟎 𝟏 𝟎 𝟏

𝑛(𝐴) 24
𝑃 𝐴 = =
𝑛() 45
 Axiomas de Probabilidad
1. La P(A) varía: 0≤P(A)≤1
2. La probabilidad del espacio muestral es 1: P(Ω)= 1
3. Sea A1, A2, A3,…, Ak; K eventos mutuamente excluyentes. (Ai∩Aj=ǿ ⍱ i≠j), entonces
P(A1UA2UA3U…UAk)=P(A)+P(B)+…+P(Ak).

Algunos Teoremas de Probabilidad

TEOREMA 1

Si ᶲ es un evento imposible, entonces: P( )  0

.
TEOREMA 2

Si Ac es el evento complementario del evento A, entonces,

P( A)  1  P( A c ) P( A c )  1  P( A)
.
Algunos Teoremas de Probabilidad
TEOREMA 3

Si A y B son dos eventos tales que A  B, entonces, P( A)  P( B)

TEOREMA 4 (teorema de la adición)

Usaremos la notación AB por A B

Si A y B son dos eventos cualesquiera, entonces: P ( A  B )  P ( A)  P ( B )  P ( A  B ) De donde se obtiene:
Corolario: Si A y B son eventos mutuamente excluyentes entonces: A  B  A  ( A c B) B  AB  ( A c B )

P ( A  B )  P ( A)  P ( B ) también disjuntos

TEOREMA 5 P ( A  B )  P ( A)  P ( A c B )
Si A, B y C son 3 eventos cualesquiera del espacio muestral , entonces:
P ( B )  P ( AB )  P ( A c B )

P( A  B  C )  P( A)  P( B)  P(C )  P( AB )  P( AC )  P( BC )  P( ABC )
.
Ejemplo:

La probabilidad de que Yajaira apruebe matemática es de 2/3 y de la que apruebe estadística es de

4/9. Si la probabilidad que apruebe ambos cursos es de ¼ ¿Cuál es la probabilidad de que apruebe
1 de ellos?

Sean los eventos:

A: Apruebe matemática B: Apruebe estadística A∩B: Que apruebe los 2 cursos

P(A)= 2/3 P(B)= 4/9 P(A∩B)= 1/4

Se pide: AUB: Al menos apruebe 1

P(AUB)= P(A)+ P(B) –P(A∩B)= 2/3+4/9- 1/4 P(AUB)= 31/36= 0.861

Para casa:

Suponga que en un sorteo la probabilidad de ganar el primer premio es 2/5 y la de ganar el segundo premio
es 3/8. Si la probabilidad de ganar al menos uno de los 2 premios es 3/4, calcular la probabilidad de ganar:
a) sólo uno de los dos premios, b) ninguno de los dos premios.
Probabilidad Condicional
𝑃(𝐴∩𝐵)
𝑃 𝐴/𝐵 = ; P(B)>0
𝑃(B)

Ejemplo:
La probabilidad de que un vuelo de programación regular despegue a tiempo es de 0.83, de que
llegue a tiempo es de 0.82 y la que despegue y llegue a tiempo es de 0.78. Encuentre la probabilidad
de que un avión:
a) Llegue a tiempo dado que despegó a tiempo.
b) Despegue a tiempo dado que llegó a tiempo.

Sean los eventos:

A: Que llegue a tiempo B: Que despegue a tiempo A∩B: Que despegue y llegue a tiempo
P(A)= 0.82 P(B)= 0.83 P(A ∩ B)=0.78
Probabilidad Condicional 𝑃 𝐴/𝐵 =
𝑃(𝐴∩𝐵)
𝑃(B)
; P(B)>0
Ejemplo:
La probabilidad de que un vuelo de programación regular despegue a tiempo es de 0.83, de que
llegue a tiempo es de 0.82 y la que despegue y llegue a tiempo es de 0.78. Encuentre la probabilidad
de que un avión:
a) Llegue a tiempo dado que despegó a tiempo.
b) Despegue a tiempo dado que llegó a tiempo.

Sean los eventos:

A: Que llegue a tiempo B: Que despegue a tiempo A∩B: Que despegue y llegue a tiempo
P(B)= 0.83
P(A)= 0.82 P(A ∩ B)=0.78
𝑃(𝐴 ∩ 𝐵) 0.78
𝑎) 𝑃 𝐴/𝐵 = 𝑃 𝐴/𝐵 = = 0.9398
𝑃(B) 0.83

b) 𝑃 𝐵/𝐴 =
𝑃(𝐴∩𝐵) 0.78
𝑃(𝐴) 𝑃 𝐵/𝐴 = = 0.95
0.82
Para casa:
Un club consiste de ciento cincuenta miembros. Del total, 3/5 son hombres y 2/3 son profesionales. Además,
1/3 de las mujeres son no profesionales.
a) Se elige al azar un socio del club:
a1) Calcular la probabilidad de que sea hombre y profesional.
a2) Calcular la probabilidad de que sea hombre, dado que es profesional.
Eventos independientes
Se dice que el evento B es independiente (estadísticamente o estocásticamente o vía probabilidad) del evento A, si,

P ( B / A)  P ( B ) y P ( A / B )  P ( A)

Esto equivale a decir que A y B son eventos independientes si y sólo si

P( A  B)  P( A) P( B). De otra forma A y B son dependientes.

Ejemplo:
La probabilidad de una mujer de 20 años de edad que viva a los 70 años es de 0.65, la probabilidad de un
varón de 20 años de edad que viva a los 70 años es de 0.60. si una pareja de jóvenes de 20 años de edad
contrae nupcias. ¿Cuál es la probabilidad de que la pareja de 20 años viva para celebrar sus bodas de oro?
Sean los eventos:

A: Mujer de 20 años viva hasta los 70 años B: Varón de 20 años viva hasta los 70 años
P( A  B)  P( A) P( B). 0.65*0.60=0.39
A∩B: Pareja contrajo nupcias celebre bodas de oro
Regla de multiplicación
𝑃(𝐴 ∩ 𝐵) P( A  B)  P( A) P( B / A)
Si en un experimento pueden ocurrir los eventos A y B, entonces 𝑃 𝐴/𝐵 =
𝑃(B)
Así, la probabilidad de que se presenten ambos es igual a la de que se dé A multiplicada por la de
que ocurra B, dado que ocurrió A. También se puede escribir:
𝑃(𝐴 ∩ 𝐵)
𝑃 𝐵/𝐴 =
𝑃(𝐴)
P ( B  A)  P( B) P ( A / B)

B P(A∩B)= P(A)P(B/A)

B’ P(A∩B’)= P(A)P(B’/A)
E
B P(A’∩B)= P(A’)P(B/A’)
A’

B’ P(A’∩B’)= P(A’)P(B’/A’)
Ejemplo:
En una bolsa se han colocado 4 pelotas blancas y 3 negras; y en una segunda bolsa 3 blancas y 5 negras. Se saca una
pelota de la primera bolsa y sin verla se mete en la segunda bolsa. ¿Cuál es la probabilidad de que la pelota que se
saque de esta última sea negra?
Sean los eventos:
A: Que sean pelotas blancas B: Que sean pelotas negras
P(B)  P(A)P(B/A)  P(B)P(B/B) 
4/9
A
4/7 A 3A+A
5B
P(B)=4/7*5/9+3/7*6/9=38/63=0,60
4A 5/9 B
3B 3/9 A
B 3A
3/7 5B+B

B
Probabilidad total
Si los eventos B1, B2, ... , Bk constituyen una partición del espacio muestral , de tal forma que P(Bi) >0 para i =1,

2, ..., k, entonces para cualquier evento A en ,

K
P ( A)   P ( Bi )·P ( A / Bi )
i 1
Ejemplo:
La policía planea reforzar el respeto a los límites de velocidad mediante la utilización de sistemas de radar en cada sitio
L1,L2, L3 y L4; se ponen a funcionar respectivamente el 40%, 30%, 20% y 30% del tiempo, y, si una persona que
conduce a gran velocidad rumbo a su trabajo tiene respectivamente las probabilidades de 0.2, 0.1, .5 y 0.2 de pasar por
algunos de estos sitios. ¿Cuál es la probabilidad de que se le levante una multa?
Sean los eventos:
Ai: Pasar a gran velocidad por B: Que se le levante 1 multa
Li, i=1,2,3y4 0.4 B P(B)  P(A1)P(B/A1)  P(A2)P(B/A2)  P(A3)P(B/A3)  P(A4)P(B/A4) 
0.6 B’
A1
0.2
0.3 B P(B)=0.2*0.4+0.1*0.3+0.5*0.2+0.2*0.3=
0.1
A2 0.7
0.2
B’ P(B)=0.27
0.5 B
A3
0.8
B’
P(B/A4)=0.3 B
A4
0.7

B’
Teorema de Bayes
Si los eventos B1, B2 ,..., Bk constituyen una partición del espacio muestral , de tal forma que P(Bi) >0 para i =1, 2,
..., k, entonces para cualquier evento A en  tal que P(A) >0,

P(Bi )  P(A / B i )
P(Bi / A)  k

 P(B )  P(A / B )
i 1
i i

Donde:
P(B i) : son las llamadas probabilidades “a priori” por ser las que tienen los eventos B i antes de saber
que ha ocurrido el evento A.

P(A ∩ B i ) : son las probabilidades conjuntas.

P(A / B i ) : son las probabilidades condicionales

P( B i / A) : son las llamadas probabilidades “a posteriori” porque son las que tienen los eventos B i ,
luego de saber que ha ocurrido el evento A.
Ejemplo:
En el ejemplo anterior la persona recibió una multa por conducir a gran velocidad rumbo a su trabajo. ¿Cuál es la
probabilidad de que haya pasado el radar que se localiza en el sitio L2?

Sean los eventos:

Ai: Pasar a gran velocidad por B: Que se le levante 1 multa
Li, i=1,2,3y4
0.4 B P(B)  P(A1)P(B/A1)  P(A2)P(B/A2)  P(A3)P(B/A3)  P(A4)P(B/A4) 
0.6 B’
0.2
A1 P(B)=0.2*0.4+0.1*0.3+0.5*0.2+0.2*0.3=
0.3 B
0.1 P(B)=0.27
A2 0.7
B’
0.2
0.5 B
A3 𝑃 𝐴2 𝑃(𝐵/𝐴2)
0.8 𝑃 𝐴2/𝐵 =
B’ 𝑃(B)
P(B/A4)=0.3 B
A4
(0.1)(0.3)
0.7 𝑃 𝐴2/𝐵 = = 0.11
(0.27)
B’