Probabilidad

Introducción

Isabel C. Garcı́a A.
Marzo 2024
Pontificia Universidad Javeriana Cali

1
Contenido

Introducción de probabilidad

Combinación de Eventos

Operaciones

2
Introducción de probabilidad
Las decisiones con frecuencia se basan en la probabilidad, por
ejemplo:
• ¿Cuál es la probabilidad de que me gane el Baloto?

3
Las decisiones con frecuencia se basan en la probabilidad, por
ejemplo:
• ¿Cuál es la probabilidad de que me gane el Baloto?
• ¿Cuál es la probabilidad de que se caiga ese puente?

3
Las decisiones con frecuencia se basan en la probabilidad, por
ejemplo:
• ¿Cuál es la probabilidad de que me gane el Baloto?
• ¿Cuál es la probabilidad de que se caiga ese puente?
• ¿Cuál es la probabilidad de que un nuevo método de
ensamble aumente la productividad?
• ¿Qué tan probable es que Colombia gane la copa
América en 2024?

3
Las decisiones con frecuencia se basan en la probabilidad, por
ejemplo:
• ¿Cuál es la probabilidad de que me gane el Baloto?
• ¿Cuál es la probabilidad de que se caiga ese puente?
• ¿Cuál es la probabilidad de que un nuevo método de
ensamble aumente la productividad?
• ¿Qué tan probable es que Colombia gane la copa
América en 2024?
• ¿Cuál es la probabilidad de que el caudal del Rio Cauca
disminuya en los próximos años?

3
Las decisiones con frecuencia se basan en la probabilidad, por
ejemplo:
• ¿Cuál es la probabilidad de que me gane el Baloto?
• ¿Cuál es la probabilidad de que se caiga ese puente?
• ¿Cuál es la probabilidad de que un nuevo método de
ensamble aumente la productividad?
• ¿Qué tan probable es que Colombia gane la copa
América en 2024?
• ¿Cuál es la probabilidad de que el caudal del Rio Cauca
disminuya en los próximos años?
• ¿Qué tan probable es que gane el curso de Teorı́a de
probabilidades?

3
Las decisiones con frecuencia se basan en la probabilidad, por
ejemplo:
• ¿Cuál es la probabilidad de que me gane el Baloto?
• ¿Cuál es la probabilidad de que se caiga ese puente?
• ¿Cuál es la probabilidad de que un nuevo método de
ensamble aumente la productividad?
• ¿Qué tan probable es que Colombia gane la copa
América en 2024?
• ¿Cuál es la probabilidad de que el caudal del Rio Cauca
disminuya en los próximos años?
• ¿Qué tan probable es que gane el curso de Teorı́a de
probabilidades?
Cuanto más alta es la probabilidad de un suceso, mayor es
el grado de certeza de que ocurrirá al hacer el experimento
aleatorio. 3
Ideas básicas

La probabilidad y la estadı́stica están relacionadas en una

forma importante. La probabilidad se emplea como herramienta
y permite que se evalúe la confiabilidad de sus conclusiones
acerca de la población cuando tenga sólo información mues-
tral.

4
Ideas básicas

La probabilidad y la estadı́stica están relacionadas en una

forma importante. La probabilidad se emplea como herramienta
y permite que se evalúe la confiabilidad de sus conclusiones
acerca de la población cuando tenga sólo información mues-
tral.
Un experimento es el proceso mediante el cual se obtiene una
observación (o medición), con un resultado que no se puede
predecir con certeza con anterioridad.

4
Ideas básicas

La probabilidad y la estadı́stica están relacionadas en una

forma importante. La probabilidad se emplea como herramienta
y permite que se evalúe la confiabilidad de sus conclusiones
acerca de la población cuando tenga sólo información mues-
tral.
Un experimento es el proceso mediante el cual se obtiene una
observación (o medición), con un resultado que no se puede
predecir con certeza con anterioridad.
Ejemplos Lanzar una moneda al aire, arrojar un dado, medir
el diámetro de un perno, pesar los contenidos de una caja de
cereal, o medir la resistencia de una cuerda de pescar.

4
La observación o medición generada por un experimento puede
o no producir un valor numérico. Otros ejemplos son:

• Registrar la calificación de un examen.

5
La observación o medición generada por un experimento puede
o no producir un valor numérico. Otros ejemplos son:

• Registrar la calificación de un examen.

• Medir la cantidad de lluvia diaria.

5
La observación o medición generada por un experimento puede
o no producir un valor numérico. Otros ejemplos son:

• Registrar la calificación de un examen.

• Medir la cantidad de lluvia diaria.
• Entrevistar a un dueño de casa para obtener su opinión
sobre un reglamento de la unidad residencial para
distribuir por zonas un área verde.

5
La observación o medición generada por un experimento puede
o no producir un valor numérico. Otros ejemplos son:

• Registrar la calificación de un examen.

• Medir la cantidad de lluvia diaria.
• Entrevistar a un dueño de casa para obtener su opinión
sobre un reglamento de la unidad residencial para
distribuir por zonas un área verde.
• Probar un componente electrónico para determinar si es
un producto defectuoso o aceptable.

5
La observación o medición generada por un experimento puede
o no producir un valor numérico. Otros ejemplos son:

• Registrar la calificación de un examen.

• Medir la cantidad de lluvia diaria.
• Entrevistar a un dueño de casa para obtener su opinión
sobre un reglamento de la unidad residencial para
distribuir por zonas un área verde.
• Probar un componente electrónico para determinar si es
un producto defectuoso o aceptable.
• Consumo de energı́a de una vivienda de Cali al mes.

5
Espacio muestral
Al conjunto de todos los posibles resultados de un
experimento se le llama espacio muestral y se simboliza por S.

6
Espacio muestral
Al conjunto de todos los posibles resultados de un
experimento se le llama espacio muestral y se simboliza por S.
A cada resultado en un espacio muestral se le llama elemento
o miembro del espacio muestral.

6
Espacio muestral
Al conjunto de todos los posibles resultados de un
experimento se le llama espacio muestral y se simboliza por S.
A cada resultado en un espacio muestral se le llama elemento
o miembro del espacio muestral.
Ejemplos en clase:
• Lanzamiento de la moneda una vez.

6
Espacio muestral
Al conjunto de todos los posibles resultados de un
experimento se le llama espacio muestral y se simboliza por S.
A cada resultado en un espacio muestral se le llama elemento
o miembro del espacio muestral.
Ejemplos en clase:
• Lanzamiento de la moneda una vez.
• Tipos de sangre de una persona.

6
Espacio muestral
Al conjunto de todos los posibles resultados de un
experimento se le llama espacio muestral y se simboliza por S.
A cada resultado en un espacio muestral se le llama elemento
o miembro del espacio muestral.
Ejemplos en clase:
• Lanzamiento de la moneda una vez.
• Tipos de sangre de una persona.
• Lanzamiento de la moneda dos veces.

6
Espacio muestral
Al conjunto de todos los posibles resultados de un
experimento se le llama espacio muestral y se simboliza por S.
A cada resultado en un espacio muestral se le llama elemento
o miembro del espacio muestral.
Ejemplos en clase:
• Lanzamiento de la moneda una vez.
• Tipos de sangre de una persona.
• Lanzamiento de la moneda dos veces.
• Selección de tres artı́culos en un proceso de manufactura.

6
Espacio muestral
Al conjunto de todos los posibles resultados de un
experimento se le llama espacio muestral y se simboliza por S.
A cada resultado en un espacio muestral se le llama elemento
o miembro del espacio muestral.
Ejemplos en clase:
• Lanzamiento de la moneda una vez.
• Tipos de sangre de una persona.
• Lanzamiento de la moneda dos veces.
• Selección de tres artı́culos en un proceso de manufactura.
• Tipos de sangre y factor Rh de una persona.

6
Espacio muestral
Al conjunto de todos los posibles resultados de un
experimento se le llama espacio muestral y se simboliza por S.
A cada resultado en un espacio muestral se le llama elemento
o miembro del espacio muestral.
Ejemplos en clase:
• Lanzamiento de la moneda una vez.
• Tipos de sangre de una persona.
• Lanzamiento de la moneda dos veces.
• Selección de tres artı́culos en un proceso de manufactura.
• Tipos de sangre y factor Rh de una persona.
Observe que estos últimos, se pueden representar con un dia-
grama de árbol.
6
Evento
Un evento es un subconjunto del espacio muestral, en el cual
tenemos un interés particular.

7
Evento
Un evento es un subconjunto del espacio muestral, en el cual
tenemos un interés particular. Este se denota por letras
mayúsculas latinas A, B, C , . . ..
Ejemplos: Si el experimento es el lanzamiento de un dado,
un evento puede ser que obtenga número impar.

7
Evento
Un evento es un subconjunto del espacio muestral, en el cual
tenemos un interés particular. Este se denota por letras
mayúsculas latinas A, B, C , . . ..
Ejemplos: Si el experimento es el lanzamiento de un dado,
un evento puede ser que obtenga número impar.
Si el experimento es medir la temperatura en un estación de
servicio, un evento puede ser que ésta sea mayor a 60◦ .

7
Evento
Un evento es un subconjunto del espacio muestral, en el cual
tenemos un interés particular. Este se denota por letras
mayúsculas latinas A, B, C , . . ..
Ejemplos: Si el experimento es el lanzamiento de un dado,
un evento puede ser que obtenga número impar.
Si el experimento es medir la temperatura en un estación de
servicio, un evento puede ser que ésta sea mayor a 60◦ .
Si el experimento es la durabilidad de un producto, un posible
evento es que éste dure hasta el quinto año.

7
Concepto de probabilidad (frecuentista)

La probabilidad de un evento A es una medida de la creencia

de que el evento A ocurrirá.

8
Concepto de probabilidad (frecuentista)

La probabilidad de un evento A es una medida de la creencia

de que el evento A ocurrirá. Una manera práctica de inter-
pretar esta medida es con el concepto de frecuencia relativa
(fi = ni /n.)

8
Concepto de probabilidad (frecuentista)

La probabilidad de un evento A es una medida de la creencia

de que el evento A ocurrirá. Una manera práctica de inter-
pretar esta medida es con el concepto de frecuencia relativa
(fi = ni /n.)
Si hacemos que el número n de repeticiones del experimento
se haga cada vez más grande (n → ∞), en última instancia se
genera toda la población.
Por tanto, la frecuencia relativa del evento A se define como
la probabilidad del evento A; esto es,
frecuencia
P(A) = lim
n→∞ n
Como P(A) se comporta como una frecuencia relativa, P(A)
debe ser una proporción que se encuentre entre 0 y 1.
8
Concepto de probabilidad (frecuentista)

La probabilidad de un evento A es una medida de la creencia

de que el evento A ocurrirá. Una manera práctica de inter-
pretar esta medida es con el concepto de frecuencia relativa
(fi = ni /n.)
Si hacemos que el número n de repeticiones del experimento
se haga cada vez más grande (n → ∞), en última instancia se
genera toda la población.
Por tanto, la frecuencia relativa del evento A se define como
la probabilidad del evento A; esto es,
frecuencia
P(A) = lim
n→∞ n
Como P(A) se comporta como una frecuencia relativa, P(A)
debe ser una proporción que se encuentre entre 0 y 1.
8
Si P(A) = 0 si el evento A nunca ocurre, y P(A) = 1 si el
Combinación de Eventos
Repaso de conjuntos

Con frecuencia se construyen eventos mediante la combi-

nación de eventos más sencillos. Debido a que aquéllos son
subconjuntos de espacios muestrales, es usual emplear la no-
tación de conjuntos para describir los eventos construidos de
esta forma. A continuación repasamos una notación necesaria.

9
Repaso de conjuntos

Con frecuencia se construyen eventos mediante la combi-

nación de eventos más sencillos. Debido a que aquéllos son
subconjuntos de espacios muestrales, es usual emplear la no-
tación de conjuntos para describir los eventos construidos de
esta forma. A continuación repasamos una notación necesaria.
• La unión de dos eventos A y B, se denota por A ∪ B, es
el conjunto de resultados que pertenecen ya sea a A o B,
o a ambos.

9
Repaso de conjuntos

Con frecuencia se construyen eventos mediante la combi-

nación de eventos más sencillos. Debido a que aquéllos son
subconjuntos de espacios muestrales, es usual emplear la no-
tación de conjuntos para describir los eventos construidos de
esta forma. A continuación repasamos una notación necesaria.
• La unión de dos eventos A y B, se denota por A ∪ B, es
el conjunto de resultados que pertenecen ya sea a A o B,
o a ambos.
• La intersección de dos eventos A y B se denota como
A ∩ B; es decir, constituye el conjunto de resultados que
pertenece tanto a A como a B.

9
Repaso de conjuntos

Con frecuencia se construyen eventos mediante la combi-

nación de eventos más sencillos. Debido a que aquéllos son
subconjuntos de espacios muestrales, es usual emplear la no-
tación de conjuntos para describir los eventos construidos de
esta forma. A continuación repasamos una notación necesaria.
• La unión de dos eventos A y B, se denota por A ∪ B, es
el conjunto de resultados que pertenecen ya sea a A o B,
o a ambos.
• La intersección de dos eventos A y B se denota como
A ∩ B; es decir, constituye el conjunto de resultados que
pertenece tanto a A como a B.
• El complemento de un evento A se denota por Ac , es el
conjunto de resultados que no pertenecen a A. 9
Gráficamente

La última gráfica corresponde a eventos mutuamente ex-

cluyentes, es decir A ∩ B = ∅.
10
Ejemplos

• Exp. Lanzar un dado, ası́ S = {1, 2, 3, 4, 5, 6}.

Sean E1 = {2, 4, 6}, E2 = {1, 3} y E3 = {2, 4}.
Encuentre E1 ∪ E2 , E1 ∪ E3 , E1 ∩ E3 , E1 ∩ E2 , E1c , E2c y
E3c .

11
Ejemplos

• Exp. Lanzar un dado, ası́ S = {1, 2, 3, 4, 5, 6}.

Sean E1 = {2, 4, 6}, E2 = {1, 3} y E3 = {2, 4}.
Encuentre E1 ∪ E2 , E1 ∪ E3 , E1 ∩ E3 , E1 ∩ E2 , E1c , E2c y
E3c .
• Bajo el mismo experimento, considere los siguientes tres
eventos: observar un número menor a 4, observar un
número menor o igual a 2 y observar un número mayor a
3. ¿Qué eventos son mutuamente excluyentes?

11
Ejemplos

• Exp. Lanzar un dado, ası́ S = {1, 2, 3, 4, 5, 6}.

Sean E1 = {2, 4, 6}, E2 = {1, 3} y E3 = {2, 4}.
Encuentre E1 ∪ E2 , E1 ∪ E3 , E1 ∩ E3 , E1 ∩ E2 , E1c , E2c y
E3c .
• Bajo el mismo experimento, considere los siguientes tres
eventos: observar un número menor a 4, observar un
número menor o igual a 2 y observar un número mayor a
3. ¿Qué eventos son mutuamente excluyentes?
• Exp. Lanzar dos dados distinguibles.
Sean los eventos C: la suma de los dos dados es 7 y D:
uno de los dos dados cae en número impar y el otro en
número par. Encuentre C , D, C ∩ D y C ∪ D.
11
Operaciones
Axiomas de probabilidad clásica

Desde el punto de vista clásico, se define la probabilidad del

evento A ⊆ S como
|A|
P(A) = .
|S|

12
Axiomas de probabilidad clásica

Desde el punto de vista clásico, se define la probabilidad del

evento A ⊆ S como
|A|
P(A) = .
|S|

• Si S es un espacio muestral entonces P(S) = 1.

12
Axiomas de probabilidad clásica

Desde el punto de vista clásico, se define la probabilidad del

evento A ⊆ S como
|A|
P(A) = .
|S|

• Si S es un espacio muestral entonces P(S) = 1.

• Para cualquier evento A tenemos que 0 ≤ P(A) ≤ 1.
• Si A y B son eventos mutuamente excluyentes, entonces
P(A ∪ B) = P(A) + P(B).

12
Axiomas de probabilidad clásica

Desde el punto de vista clásico, se define la probabilidad del

evento A ⊆ S como
|A|
P(A) = .
|S|

• Si S es un espacio muestral entonces P(S) = 1.

• Para cualquier evento A tenemos que 0 ≤ P(A) ≤ 1.
• Si A y B son eventos mutuamente excluyentes, entonces
P(A ∪ B) = P(A) + P(B).

En general, si A1 , A2 , . . . son eventos mutuamente

excluyentes, entonces
P(A1 ∪ A2 ∪ . . .) = P(A1 ) + P(A2 ) + . . .
12
Cálculo de probabilidades

Sean A y B eventos en un espacio muestral S

• P(Ac ) = 1 − P(A).

13
Cálculo de probabilidades

Sean A y B eventos en un espacio muestral S

• P(Ac ) = 1 − P(A). Además, P(∅) = 0.

13
Cálculo de probabilidades

Sean A y B eventos en un espacio muestral S

• P(Ac ) = 1 − P(A). Además, P(∅) = 0.

• P(A ∪ B) = P(A) + P(B) − P(A ∩ B).

La expresión anterior se puede generalizar para n eventos.

13
Cálculo de probabilidades

Sean A y B eventos en un espacio muestral S

• P(Ac ) = 1 − P(A). Además, P(∅) = 0.

• P(A ∪ B) = P(A) + P(B) − P(A ∩ B).

La expresión anterior se puede generalizar para n eventos.

En el caso que los eventos sean mutuamente excluyentes
P(A ∪ B) = P(A) + P(B).

13
Cálculo de probabilidades

Sean A y B eventos en un espacio muestral S

• P(Ac ) = 1 − P(A). Además, P(∅) = 0.

• P(A ∪ B) = P(A) + P(B) − P(A ∩ B).

La expresión anterior se puede generalizar para n eventos.

En el caso que los eventos sean mutuamente excluyentes
P(A ∪ B) = P(A) + P(B).
Ejemplos en clase.

13
Enunciados

• La probabilidad de que un microcircuito esté defectuoso

es 0.08 ¿Cuál es la probabilidad de que no presente
defectos?

14
Enunciados

• La probabilidad de que un microcircuito esté defectuoso

es 0.08 ¿Cuál es la probabilidad de que no presente
defectos?

• Sesenta por ciento de las grandes compras hechas a un

vendedor de computadoras son PC, treinta por ciento son
portátiles y diez por ciento son accesorio, como
impresoras. Como parte de una auditorı́a, se elige una
muestra aleatoria del registro de la compra.

14
Enunciados

• La probabilidad de que un microcircuito esté defectuoso

es 0.08 ¿Cuál es la probabilidad de que no presente
defectos?

• Sesenta por ciento de las grandes compras hechas a un

vendedor de computadoras son PC, treinta por ciento son
portátiles y diez por ciento son accesorio, como
impresoras. Como parte de una auditorı́a, se elige una
muestra aleatoria del registro de la compra.
¿Cuál es la probabilidad de que se trate de una
computadora personal?

14
Enunciados

• La probabilidad de que un microcircuito esté defectuoso

es 0.08 ¿Cuál es la probabilidad de que no presente
defectos?

• Sesenta por ciento de las grandes compras hechas a un

vendedor de computadoras son PC, treinta por ciento son
portátiles y diez por ciento son accesorio, como
impresoras. Como parte de una auditorı́a, se elige una
muestra aleatoria del registro de la compra.
¿Cuál es la probabilidad de que se trate de una
computadora personal?
¿Cuál es la probabilidad de que se trate de una
computadora personal o de una portátil?
14
• Un sistema contiene dos componentes, A y B. El sistema
funcionará siempre y cuando A o B funcionen. La
probabilidad de que A funcione es 0.95, de que B
funcione es 0.90 y de que ambos funcionen es 0.88 ¿Cuál
es la probabilidad de que el sistema funcione?

15
• Conteste si la expresión es verdadero o falso: Si A y B
son mutuamente excluyentes entonces P(A ∪ B) = 0,
P(A ∩ B) = 0, P(A ∪ B) = P(A ∩ B) y
P(A ∪ B) = P(A) + P(B).

16
• Conteste si la expresión es verdadero o falso: Si A y B
son mutuamente excluyentes entonces P(A ∪ B) = 0,
P(A ∩ B) = 0, P(A ∪ B) = P(A ∩ B) y
P(A ∪ B) = P(A) + P(B).

16
• La probabilidad que un vuelo programado normalmente
salga a tiempo es 0.83, la probabilidad de que llegue a
tiempo es 0.82 y la de que salga y llegue a tiempo es
0.78. Encuentre la probabilidad de que ni llegue ni salga
a tiempo.

17