Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Probabilidad y Estadistica Bloque 2 - Guia
Probabilidad y Estadistica Bloque 2 - Guia
Elementos de
Probabilidad
Profesora Rita García Rentería
1
2.8.4. Operaciones de eventos 6
2.8.5. Diferencia entre eventos 6
2.8.6. Evento complementario 7
2.8.7. Operaciones entre eventos 7
2.8.8. Ejercicios sugeridos: 8
2.9. Definición estadística, clásica y axiomática de probabilidad 8
2.10. Cálculo de probabilidad 10
2.11. Construcción intuitiva de la probabilidad condicional 11
2.12. Definición de la probabilidad condicional 12
2.13. Teorema de multiplicación y eventos independientes 14
2.14. Teorema de probabilidad total 14
2.15. Teorema de Bayes 15
Referencias 15
2
Bloque II. Elementos de probabilidad
3
2.4. Espacio muestral
Al conjunto de todos los resultados posibles de un experimento se le conoce como espacio
muestral (S) (Walpole, Myers, Myers, & Ye, 2012), cada uno de sus elementos se denominan
puntos muestrales. Como ejemplo tenemos el lanzamiento de una moneda que se realiza tres
veces. El espacio muestral está representado por a, en el caso de águila, y por s, en el caso
de cara o sol. Matemáticamente, el modelo se denota: S = {sss, ssa, sas, ass, saa, asa, aas,
aaa}, los puntos muestrales son todos los posibles resultados y combinaciones.
Los eventos pueden ser finitos, cuando se conocen los resultados y se pueden contar (por
ejemplo: Evento A= obtener un número par al lanzar un dado; A= {2, 4, 6}); vacíos, cuando
no hay resultados posibles para el evento (A= lanzar 7 en un dado; A= {Ø}) (Gutiérrez &
Vladimirovna, 2014); e infinitos, cuando se desconoce el número de resultados o no es
posible contabilizarlos (ejemplo: Evento A= número de tiros hasta obtener un 6 en un dado,
pueden ser uno o muchos tiros, no se sabe A={1,2,3,…}). La representación gráfica (fig.1) del
concepto de un evento se puede apreciar en el siguiente ejemplo (Rodríguez Ojeda, 2007):
A= Obtener un número par al lanzar un dado.
A= {2,4,6}
4
Fig. 1. Diagrama de Venn, del evento.
Para el espacio muestral S= {C, X} (combinaciones posibles al lanzar dos veces la moneda),
el conjunto de eventos se define como: S= {Ø, {C}, {X}, {C, X}}. Dónde {C} y {X} representan
los resultados CC y XX, y {C, X} representa los resultados CX y XC, dando la notación: S=
{CC, CX, XC, XX}. El Ø es considerado en la primera notación porque en el modelo
matemático deben tomarse en cuenta los eventos imposibles o vacíos. Así el número de
eventos que componen al total del conjunto se puede calcular como: |σ|= 2n, siendo n el
número de elementos del posible resultado (cara C o cruz X, dos resultados), en este caso:
|σ|= 22 = 4.
5
como: A ⊂ B, y se lee como “A está contenido en B” (Gutiérrez & Vladimirovna, 2014). Se
representa en el diagrama de Venn de la fig. 3.
6
2.8.6. Evento complementario
El complemento de un evento A son todos los datos que conforman al espacio muestral, pero
no pertenecen al evento A. Comúnmente se simboliza como Ac o A’. Se aprecia en la fig. 7
en color verde (nótese que incluye a B). Matemáticamente se simboliza como: A’ = {x| x ∈ S
y x ∉ A} (Gutiérrez & Vladimirovna, 2014), que se lee como: “el complemento (A’) del evento
A, son los datos (x) que pertenecen (∈) al espacio muestral (S) y esos datos de x no
pertenecen (∉) al evento A”.
= {-6, -4, -2, 0, 1, 2, 3, 4, 6, 8, 9, 10, 12, 14, 16, 18, 19, 20, …,
30} – {-6, -4, -2, 0, 1, 3, 4, 5, 6, …, 30}
= {2}
l) (B ∩ D) C ∩ C = {{5, 6, 7, 8, …, 30} ∩ {−6, −4, …, 10, 12}}C ∩ C
= {6, 8, 10,12}C ∩ C
= {-6, -4, -2, 0, 1, 2, 3, 4, 5, 7, 9, 11, 13, 14, 15, …, 30} ∩ {0, 1, 2, 3, 4,
5, 6, 7, 8, 9}
= {0, 1, 2, 3, 4, 5, 7, 9}
7
Una herramienta importante, en la resolución de operaciones en álgebra de eventos, son las
leyes que la rigen, Pueden ser apreciadas en la tabla siguiente:
Tabla 1. Leyes del álgebra de eventos (Walpole, Myers, Myers, & Ye, 2012).
2. Calcule:
a. S
b. A ⋃ C
c. A ⋂ B
d. Cc
e. (Cc ⋂ D) ⋃ B
f. A ∩ C ∩ DC
8
Para S: espacio muestral, A: evento de interés, N(S) y N(A) representa el número de puntos
muestrales del espacio muestral y del evento.
𝑵(𝑨)
P (A) = 𝑵 (𝑺)
Por ejemplo: Calcule la probabilidad de lanzar un dado y una moneda al mismo tiempo y se
obtenga un número impar y cruz (X).
S = {1C, 2C, 3C, 4C, 5C, 6C, 1X, 2X, 3X, 4X, 5X, 6X}
A = {1X, 3X, 5X}
𝑵(𝑨)
P (A) = 𝑵 (𝑺) = 3/12 = 0.25 = 25%
25 % es la probabilidad de obtener un número impar y cruz al lanzar una moneda y un dado
al mismo tiempo.
Solución: Para este tipo de ejercicios, conviene tabular los datos, para encontrar el total de
los puntos de muestreo (los datos en color azul son calculados por restas.
Leen B No leen B
Leen A 3 4 7
No leen A 2 6 8
5 10 15
Así tenemos que 3 personas leen A y B; 4 personas no leen B, pero leen A y 2 personas Leen
B y no A.
N (S) = 15
N (E) = 3 + 2 + 4 = 9
𝑵(𝑬)
P (E) = = 9/15 = 0.6 = 60 %
𝑵 (𝑺)
En 1933, Andréi Kolmogórov estableció las bases de una teoría axiomática de la probabilidad.
Un axioma, para los filósofos griegos, era aquello que parecía ser verdadero sin ninguna
necesidad de prueba. Estos axiomas permitieron definir una medida de la posibilidad de
ocurrencia de un evento.
P (A ⋃ B) = P (A) + P (B)
P (A ⋃ B) = 0.5 + 0.5 = 1
9
Existen algunos teoremas que son aseveraciones que se cumplen en todos los cálculos de
probabilidad, están fundamentados en los axiomas y conocerlos es fundamental en el análisis
probabilístico:
a) La probabilidad de un evento vacío es cero. P(Ø) = 0
b) La probabilidad de un evento complemento EC es igual a 1 menos la probabilidad
de E: P (EC) = 1 – P (E)
c) Si el evento A está contenido en B (A ⊂ B), entonces la probabilidad de B será
mayor que la de A. P (A) ≤ P (B).
d) La probabilidad de un evento está entre cero y uno: 0 ≤ P(A) ≤ 1
e) La probabilidad de la diferencia de eventos:
P (A – B) = P(A)– P (A ⋂ B) = P (A ⋂ BC)
f) Regla aditiva de la probabilidad de eventos: P (A ⋃ B) = P (A) + P (B) – P (A ⋂ B),
para su comprensión, en la fig. 8 se representa la razón por la que se resta el elemento
P (A ⋂ B).
1. Una moneda se lanza dos veces. ¿Cuál es la probabilidad de que ocurra al menos
una cara (C)?
Solución: para el lanzamiento de la moneda dos veces, el espacio muestral se define
por:
S = {CC, CX, XC, XX} (Revisar sección 2.7. Diagramas de árbol)
Asumimos que la moneda está balanceada, entonces cada uno de los resultados
tendrá las mismas probabilidades de ocurrir. Por lo tanto, asignamos una probabilidad
de ω a cada uno de los puntos muestrales, considerando los axiomas. Así tenemos
que:
4 ω = 1; ω = ¼.
Con este cálculo determinamos la probabilidad del evento A, la probabilidad de que
ocurra al menos una cara:
A = {CC, CX, XC}; P (A) = ¼ + ¼ + ¼ = ¾ = 0.75
2. Se lanza un dado con lados balanceados. Calcule la probabilidad de que salga 2 o 5
en este tiro.
S = {1, 2, 3, 4, 5, 6}; 6 ω = 1; ω = 1/6
A= {2,6}; P(A) = 1/6 + 1/6 = 2/6 = 1/3 = 0.33
3. Se lanza el dado del ejemplo anterior, en dos ocasiones. Calcule la probabilidad de
que en el primer tiro se obtenga un número par y en el segundo intento se obtenga
10
un número divisible entre 3. Calcule la probabilidad de obtener A o B, P (A ∪ B), y la
probabilidad de obtener A y B, P (A ∩ B).
S = {1, 2, 3, 4, 5, 6}; 6 ω = 1; ω = 1/6
A= {2, 4, 6}, B= {3, 6}
P (A ∪ B) = {2, 3, 4, 6} y P (A ∩ B) = {6}
P (A ∪ B) = 1/6 + 1/6 + 1/6 + 1/6 = 4/6 = 0.66
P (A ∩ B) = 1/6 = 0.17
4. ¿Cuál es la probabilidad de obtener un total de 7 (evento A) u 11 (Evento B) al lanzar
dos dados al mismo tiempo?
S = {(1,1), (1,2), (1,3), …, (6,6)}; N (S) = 62 = 36
A = {(1,6), (2,5), (3,4), (4,3), (5,2), (6,1)}; N(A) = 6
B = {(5,6), (6,5)}; N (B) = 2
Podemos resolverlo de manera axiomática:
36 ω = 1; ω = 1/36
P (A) = 6 * (1/36) = 6 /36 = 1/6
P (B) = 2 * (1/36) = 2/36 = 1/18
P (A ∪ B) = P (A) + P (B) = 1/6 + 1/18 = 2/9 = 0.22
También se puede resolver de manera clásica:
𝑵(𝑨)+𝑵 (𝑩) 𝟔+𝟐
P (A ∪ B) = 𝑵 (𝑺)
= 𝟑𝟔
= 8/36 = 2/9 = 0.22
B BC
A n1 n2
AC n3 n4
N
Fig. 9. Diagrama de Venn
Entonces: que representa al evento A
dependiente de B.
11
2.12. Definición de la probabilidad condicional
En un esfuerzo por definir la probabilidad condicional, (Peña, 1986) establece que: “la
frecuencia relativa de A está condicionada a la ocurrencia de B, donde A ⋂ B representa la
ocurrencia del suceso conjunto de A y B”.
Para comprender esta definición, debemos tomar en cuenta las siguientes propiedades:
1. P (A ∩ B) no es lo mismo que P (A / B), porque esta última depende también de la
probabilidad del evento de B.
2. La probabilidad conjunta P (A ∩ B) es siempre menor que las probabilidades simples
de P (A) y P (B).
3. La probabilidad condicionada P (A / B) puede ser mayor, menor o igual que P (A).
4. El espacio muestral de la probabilidad condicional P (A / B) se reduce al espacio
muestral de B, pues en esta probabilidad se considera solamente la probabilidad de
B y la probabilidad conjunta de P (A / B).
Con estos datos, podemos resolver los incisos, expresando cada pregunta de forma
algebraica y encontrando cada expresión en la tabla:
a) P (A ⋃ B) = P (A) + P (B) – P (A ⋂ B) = 0.1 + 0.05 – (0.02) = 0.13 = 13 %
b) P (A ⋂ BC) = 0.08 = 8 %
c) P (A / B) = P (A ∩ B) / P (B) = 0.02 / 0.05 = 0.4 = 40 %
d) P (B / AC) = P (B ∩ AC) / P (AC) = 0.03 / 0.90 = 0.3 = 3 %
e) P (A ∩ B) / P (A ⋃ B) = 0.02 / 0.13 = 0.15 = 15 %
12
Podemos notar que la dificultad en el cálculo de la probabilidad condicional radica en la
construcción de la tabla y la traducción de las preguntas en lenguaje algebraico. Para eso,
podemos ayudarnos de los siguientes consejos:
a) En la construcción de la tabla, siempre se consideran los complementos de los
eventos. La suma de P (A) + P (AC) = 1
B BC
A n1 n2 P (A)
AC n3 n4 P (AC)
P (B) P (BC) N=1
Fig. 11. Diagrama de Venn para la probabilidad de que ocurra A, dado que suceda B.
Ejercicio sugerido:
En una encuesta, se busca identificar las preferencias en sistemas operativos
computacionales de los usuarios comunes. 10 personas prefieren utilizar Microsoft
Windows, otros 7 utilizan Mac OS, mientras que 4 usan ambos sistemas operativos.
5 personas indican que no usan ninguno de ellos, pues prefieren Linux, una opción
que no está considerada en el estudio. Si se elige una persona al azar, determine la
probabilidad que:
13
a) Al menos uno utilice Windows o Mac
b) No utilice Windows
c) Use Windows y no Mac
d) Use Mac dado que no usa Windows
Para usar esta fórmula debe esta explícito en el texto que los experimentos son
independientes o al aplicar la fórmula de la probabilidad condicional, resulte que:
P (B / A) = P (B) o P (A).
Esta fórmula se puede usar para más de 2 eventos:
P (A ∩ B ∩ C) = P (A) * P (B / A) * P (C / A ∩ B)
14
2.15. Teorema de Bayes
Este teorema se aplica para experimentos en dos etapas. En la primera, los sucesos A1, A2,
…, An, son excluyentes y su probabilidad suma 1. En la segunda etapa, los resultados de B1,
B2, …, Bn, dependen de los resultados de la primera etapa, es decir, se conoce la
probabilidad condicional de P (Bn / An). En otras palabras, este teorema permite calcular la
probabilidad de que ocurran varios eventos, condicionada por otros varios eventos, que
conforman S.
Referencias
Díaz, C., & De la Fuente, I. (2005). Razonamiento sobre la probabilidad condicional e
implicaciones para la enseñanza de la estadística. Epsilon, 59, 245 -260.
Walpole, R. E., Myers, R. H., Myers, S. L., & Ye, K. (2012). Probabilidad y estadística para
ingeniería y ciencias (Novena edición ed.). Estado de México, México: Pearson.
15