Presentación

Jorge Morales Paredes

Tel o Wp: 3102036877

jorge.moralesp@esap.edu.co

Excel, Geogebra, Calculadora en linea.

Fechas de evaluaciones
Primera Evaluación grupal 15 %, domingo 11 de febrero de 2024

Segunda Evaluación individual 20 %, domingo, 18 de febrero de 2024

Tercera Evaluación grupal 15 %, domingo 25 de febrero de 2024

Cuarta Evaluación individual 20 %, domingo, 3 de marzo de 2024

examen final 30 % domingo, 17 de marzo de 2024

1
Capı́tulo 1

Probabilidad

Definición 1.1. La probabilidad es una medida numérica de la posibilidad

de que ocurra un evento.
Definición 1.2. Un experimento es definido como un proceso que genera
resultados definidos.
Definición 1.3. El espacio muestral de un experimento es el conjunto de
todos los resultados experimentales, el cual será de ahora en adelante nuestro
conjunto universal y a cada elemento de este conjunto se le dice un punto
muestral.
Ejemplo 1. El experimento de lanzar una moneda, para este su espacio mues-
tral será
S “ tcara, sellou (1.1)
Ejemplo 2. En el experimento de lanzar dos dados tenemos que el espacio
muestral es dado por
S “ tp1, 1q, p1, 2q, p1, 3q, p1, 4q, p1, 5q, p1, 6q
p2, 1q, p2, 2q, p2, 3q, p2, 4q, p2, 5q, p2, 6q
p3, 1q, p3, 2q, p3, 3q, p3, 4q, p3, 5q, p3, 6q
(1.2)
p4, 1q, p4, 2q, p4, 3q, p4, 4q, p4, 5q, p4, 6q
p5, 1q, p5, 2q, p5, 3q, p5, 4q, p5, 5q, p5, 6q
p6, 1q, p6, 2q, p6, 3q, p6, 4q, p6, 5q, p6, 6qu
donde |S| “ 36 es el número de puntos muestrales, por ejemplo p4, 5q es un
punto muestral.

2
Nota 1. El ejemplo anterior es básicamente, escoger 2 números del conjunto
t1, 2, 3, 4, 5, 6u, donde hay repetición, importa el orden, por lo tanto se tienen
nm “ 62 “ 36 resultados posibles.

1.1. Condiciones para formar una función de

probabilidad
1. A cada punto muestral si P S se le asigna una valor P psi q llamado
probabilidad de si tal que

0 ď P psi q ď 1

2. La suma de las probabilidades de todos los puntos muestrales es 1, es

decir
ÿ|S|
P psi q “ 1
i“1

Ejemplo 3. Consideremos el ejemplo 1 de la moneda.

Tiene como espacio muestral a

S “ tcara, sellou (1.3)

en nuestra notación podemos tomar s1 “ cara y s2 “ sello, ası́

S “ ts1 , s2 u (1.4)

veamos que la siguiente asignación es una función de probabilidad

P ps1 q “ 0.2, P ps2 q “ 0.8

la condición 1 se cumple automáticamente, para la condición 2 debemos ver
|S|
ÿ 2
ÿ
P psi q “ P psi q “ P ps1 q ` P ps2 q “ 0.2 ` 0.8 “ 1
i“1 i“1

Nota 2. En nuestra experiencia, a pesar de ser una función de probabilidad

no refleja la realidad.

3
1.1.1. Asignación de probabilidades
Existen varios métodos de construcción de funciones de probabilidad,
entre ellos
1. El método clásico de asignación de probabilidades es apropiado cuan-
do todos los resultados experimentales tienen la misma posibilidad. Si
existen n resultados experimentales, la probabilidad asignada a cada
resultado experimental es 1{n.
Ejemplo 4. Nuevamente considerando el ejemplo 1 del lanzamiento de
la moneda, tenemos que el número de resultados experimentales es
|S| “ n “ 2, por lo tanto asigna una probabilidad de 12 a cada resultado
experimental o punto muestral, en esta caso
P ps1 q “ 0.5, P ps2 q “ 0.5
Ejemplo 5. En el ejemplo 2 del lanzamiento de dos dados, siguiendo la
misma tecnica tenemos que la probabilidad de cada punto muestral es
1
P psi q “
36
2. El método de frecuencia relativa para la asignación de probabilidades
es el más conveniente cuando existen datos para estimar la proporción
de veces que se presentarán los resultados si el experimento se repite
muchas veces.
Ejemplo 6. un estudio sobre los tiempos de espera en el departamento
de rayos x de un hospital pequeño. Durante 20 dı́as sucesivos un em-
pleado registra el número de personas que están esperando el servicio
a las 9:00 a.m.; los resultados son los siguientes.
El cual tiene como tabla de frecuencias relativas a (Ver hoja excel Tabla
Frecuencias Relativas)

TABLA
en este ejemplo el espacio muestral es
S “ t0, 1, 2, 3, 4u
donde por notación tomaremos s1 :“ 0 persona, s2 :“ 1 persona,
s3 :“ 2 personas, s4 :“ 3 personas, s5 :“ 4 personas, asi pode-
mos escribir
S “ ts1 , s2 , s3 , s4 , s5 u

4
 se construye la función de probabilidad como

P ps1 q “ 0.1, P ps2 q “ 0.25, P ps3 q “ 0.3, P ps4 q “ 0.2, P ps5 q “ 0.15

3. El método subjetivo de asignación de probabilidades es el más indica-

do cuando no es factible suponer que todos los resultados de un ex-
perimento sean igualmente posibles y, además, cuenta con pocos datos
relevantes.

1.1.2. Eventos y sus probalidades

Definición 1.4. Un evento es una colección de puntos muestrales, es decir
un subconjunto de su conjunto universal.
Definición 1.5. La probabilidad de cualquier evento es igual a la suma de
las probabilidades de los puntos muestrales que forman el evento.
Ejemplo 7. Consideremos nuevamente el ejemplo 1 del lanzamiento de la
moneda, aquı́ se presentan 4 eventos posibles los cuales son

A “ H, B “ ts1 u, C “ ts2 u, D “ ts1 , s2 u

donde la asignación de cada evento es

P pAq “ 0, P pBq “ 0.5, P pCq “ 0.5, P pDq “ 1

Ejemplo 8. Consideremos el ejemplo 2 del lanzamiento de los dados, digamos

que estamos interesados en la suma de los valores de los dados (monopolio,
tı́o rico), los posibles valores que nos interesan son 2, 3, 4, ..., 12. los eventos
que nos interesan son

A2 “ tla suma de los dos dados sea 2u

A3 “ tla suma de los dos dados sea 3u

y en general
Ai “ tla suma de los dos dados sea iu
Nota 3. La cantidad de eventos que existen en un espacio muestral es bastante
grande, por ejemplo en el caso del lanzamiento de dos dados el número de
eventos es 68719476736, por ejmplo uno de ellos es

B “ tvalor absoluto de la resta de 1u (1.5)

5
 el cual es un subconjunto del espacio muestral visto como
B “ tp1, 2q, p2, 1q, p2, 3q, p3, 2q, p3, 4q, p4, 3q, p4, 5q, p5, 4q, p5, 6q, p6, 5qu
la probabilidad de que ocurra el evento B es
5
P pBq “ P p1, 2q`P p2, 1q`P p2, 3q`P p3, 2q`P p3, 4q`P p4, 3q`P p4, 5q`P p5, 4q`P p5, 6q`P p6, 5q “
18
sin embargo en el caso del juego de monopolio este evento no es relevante.
las probabilidades de los eventos relevantes en nuestro caso son
1
P pA2 q “ P p1, 1q “
36
2 1
P pA3 q “ P p1, 2q ` P p2, 1q “ `
36 18
y ası́ sucesivamente hasta
1
P pA12 q “ P p6, 6q “
36
se puede fácilmente verificar que
1
P pA2 q “
36
2
P pA3 q “
36
3
P pA4 q “
36
4
P pA5 q “
36
5
P pA6 q “
36
6
P pA7 q “ (1.6)
36
5
P pA8 q “
36
4
P pA9 q “
36
3
P pA10 q “
36
2
P pA11 q “
36
1
P pA12 q “
36
6
Nota 4. Ley de la adición

P pA Y Bq “ P pAq ` P pBq ´ P pA X Bq (1.7)

7
Capı́tulo 2

Probabilidad condicional

Definición 2.1. Definir la probabilidad codicional P pA|Bq como la proba-

lidad de que el evento A suceda dada la condición de que el evento B ha
ocurrido.

Para aclara lo anterior mostraremos un ejemplo.

Ejemplo 9. Consideremos un conjunto de 100 Estudiantes, definimos los si-
guientes eventos,

H “tque el estudiante sea Hombreu

M “tque el estudiante sea Mujeru
(2.1)
A “tque el estudiante apruebe la materiau
N “tque el estudiante no apruebe la materiau

y la distribución de los estudiantes es dada por la siguiente tabla

Estado/ Genero Hombre Mujer Total
Aprobado 10 20 30
No Aprobado 30 40 70
Total 40 60 100

8
con la anterior distribución ya podemos calcular ciertas probabilidades
40 60
P pHq “ P pM q “
100 100
30 70
P pAq “ P pN q “
100 100 (2.2)
10 20
P pH X Aq “ P pM X Aq “
100 100
30 40
P pH X N q “ P pM X N q “
100 100
ahora nos centraremos en las probabilidades condicionales
10 30
P pA|Hq “ P pN |Hq “
40 40
10 30
P pH|Aq “ P pH|N q “
30 70
20 40
P pA|M q “ P pN |M q “
60 60
20 40
P pM |Aq “ P pM |N q “
30 70
Nota 5. se puede verificar que P pA|Hq esta intimamente relacionada con
P pHq y P pH X Aq además se satisface
P pA X Hq
P pA|Hq “
P pHq
P pN |M q esta ı́ntimamente relacionada con P pM q y P pN X M q además se
satisface
P pN X M q
P pN |M q “
P pM q
Recordemos que A X B “ B X A.
Proposición 2.2. Como consecuencia directa de la definición de la probabili-
dad condicional se tiene la siguiente relación
P pA X Bq
P pA|Bq “ (2.3)
P pBq
Definición 2.3. Se dice que dos eventos A y B son independientes si la ocu-
rrencia de uno no afecta en la ocurrencia del otro.

9
Ejemplo 10. Considere por ejemplo dos dados y se lanza uno primero y el
otro después, sea

A “ tSacar un par en el primer lanzamiento u

B “ tSacar un tres en el segundo lanzamiento u

En la practica se usa la siguiente propiedad de los eventos independientes

Proposición 2.4. Si dos eventos A y B son independientes se cumple

P pA X Bq “ P pAqP pBq (2.4)

siguiendo en el ejemplo anterior, veamos numéricamente porque estos

eventos son independientes, es claro que
18 6
P pAq “ P pBq “
36 36
veamos ahora las probabilidades condicionales
3
P pA|Bq “
6
y
3
P pB|Aq “
18
3
además, P pA X Bq “ 36
y se cumple

18 6 1 6 3
P pA X Bq “ P pAqP pBq “ “ “
36 36 2 36 36
Nota 6. Estos eventos no son mutuamente excluyentes.

10
Ejemplo 2.1. Considere el experimento de escoger al azar una de las siguientes
figuras.

Definir los siguientes eventos

C “ tque la figura sea cuadradau

E “ tque la figura sea una esferau
T “ tque la figura sea un triangulou (2.5)
A “ tque la figura sea azulu
R “ tque la figura sea rojou
vamos a calcular las probabilidades de los anteriores eventos, junto con
sus intersecciones y probabilidades condicionales. primero voy a comenzar
con las probabilidades de los eventos
13
P pCq “
30
12
P pEq “
30
5
P pT q “ (2.6)
30
13
P pAq “
30
17
P pRq “
30
11
vamos a calcular las probabilidades de todas las intersecciones posibles

5
P pC X Aq “
30
8
P pC X Rq “
30
P pC X Eq “ 0 Mutuamente excluyentes
P pC X T q “ 0
P pE X T q “ 0
5 (2.7)
P pE X Aq “
30
7
P pE X Rq “
30
3
P pT X Aq “
30
2
P pT X Rq “
30
P pA X Rq “ 0

probabilidades condicionales

12
P pC|Cq “ 1
P pC|Eq “ 0
P pC|T q “ 0
5
P pC|Aq “
13
8
P pC|Rq “
17
P pE|Cq “ 0
P pE|Eq “ 1
P pE|T q “ 0
5
P pE|Aq “
13
7
P pE|Rq “
17
P pT |Cq “ 0
P pT |Eq “ 0
P pT |T q “ 1
3 (2.8)
P pT |Aq “
13
2
P pT |Rq “
17
5
P pA|Cq “
13
5
P pA|Eq “
12
3
P pA|T q “
5
P pA|Aq “ 1
P pA|Rq “ 0
8
P pR|Cq “
13
7
P pR|Eq “
12
2
P pR|T q “
5
P pR|Aq “ 0
13 “ 1
P pR|Rq
Capı́tulo 3

Teorema de Bayes

Consideremos un conjunto de estudiantes y vamos a ver los siguientes

eventos
Ejemplo 11. Consideremos un conjunto de 100 Estudiantes, definimos los
siguientes eventos,

H “tque el estudiante sea Hombreu

M “tque el estudiante sea Mujeru
(3.1)
A “tque el estudiante apruebe la materiau
N “tque el estudiante no apruebe la materiau

|H q A | P pH X Aq “ 0.4 ˚ 0.25 “ 0.1

P pA
0.25
H P pN
|H q
Hq
Pp 0.75 N | P pH X N q “ 0.4 ˚ 0.75 “ 0.3
0.4
¨
Pp
Mq
|M q A | P pM X Aq “ 0.2
0.6 P pA
1
3
M P pN
|M q
2
3 N | P pM X N q “ 0.4

Teorema 3.1. Supongamos que estamos interesados en calcular P pH|Aq, de

14
la definición tenemos
P pH X Aq
P pH|Aq “
P pAq
P pA|HqP pHq P pA|HqP pHq P pA|HqP pHq
P pH|Aq “ “ “
P pAq P pA X Hq ` P pA X M q P pA|HqP pHq ` P pA|M qP pM q
es decir
P pA|HqP pHq
P pH|Aq “
P pA|HqP pHq ` P pA|M qP pM q
Ejemplo 12. Las probabilidades previas de los eventos A1 y A2 son P pA1 q “
0.4 y P pA2 q “ 0.6. Sabe también que P pA1 X A2 q “ 0.
Suponga que P pB|A1 q “ 0.2 y P pB|A2 q “ 0.05.
1. ¿A1 yA2 son eventos mutuamente excluyentes?

2. Calcule P pA1 X Bq y P pA2 X Bq.

|A 1q B | P pA1 X Bq “ 0.4 ˚ 0.2 “ 0.08

P pB
0.2
A1 P pB c
|A1 q
A 1q
Pp 0.8 Bc | P pA1 X B c q “ 0.4 ˚ 0.8 “ 0.32
0.4
¨
Pp
A2
q |A 2q B | P pA2 X Bq “ 0.6 ˚ 0.05 “ 0.03
0.6 P pB
0.05
A2 P pB c
|A2 q
0.95 Bc | P pA2 X B c q “ 0.6 ˚ 0.95 “ 0.57

3. Calcule P pBq

P pBq “ P pA1 X Bq ` P pA2 X Bq “ 0.08 ` 0.03 “ 0.11

4. Emplee el teorema de Bayes para calcular P pA1 |Bq y P pA2 |Bq.

P pA1 X Bq P pB|A1 qP pA1 q 0.2 ˚ 0.4

P pA1 |Bq “ “ “ “ 0.7272
P pBq P pB|A1 qP pA1 q ` P pB|A2 qP pA2 q 0.2 ˚ 0.4 ` 0.6 ˚ 0.05

15
Ejemplo 3.1. Considere una poblacion de 2500 en la cual 1000 personas son
del grupo I y 1500 personas del grupo D, dentro del grupo I se tiene que
400 personas son Hombres y 600 Mujeres y dentro del grupo D 800 personas
son Hombres y 700 son Mujeres.
Las probabilidades naturales dadas por esta división se presentan en la
siguiente grafica

ahora, el teorema de bayes me permite hallar las otras probabilidades

condicionales, es decir, P pI|Hq, P pI|M q, P pD|Hq, P pM |Dq. para esto,

P pH|IqP pIq
P pI|Hq “
P pH|IqP pIq ` P pH|DqP pDq
0.4p0.4q
“
0.4p0.4q ` 0.6p0.53q (3.2)
0.16
“
0.16 ` 0.318
0.16
“ “ 0.3347
0.478

16