Documentos de Académico
Documentos de Profesional
Documentos de Cultura
DEFINICIONES
TEORÍA DE PROBABILIDAD.
TÉCNICAS DE CONTEO.
Teorı́a de Probabilidad.
Clase IV.
Departamento de Estadı́stica
Facultad de Ciencias Fı́sicas y matemáticas
Universidad de Concepción
Prof: Marı́a José Alejandra Medina Fritz
1 de abril de 2024
Introducción
Experimento aleatorio
Introducción
Ejemplo
• Sı́ lanzamos una moneda, no sabemos con exactitud su resultado. En
este caso el experimento es llamado aleatorio.
Introducción
Ejemplo
• Sı́ lanzamos una moneda, no sabemos con exactitud su resultado. En
este caso el experimento es llamado aleatorio.
• Tiempo de caı́da de un cuerpo a una velocidad determinada, sabemos
con exactitud lo que ocurrirá. En este caso el experimento es llamado
Determinı́stico
Introducción
Ejemplo
• Sı́ lanzamos una moneda, no sabemos con exactitud su resultado. En
este caso el experimento es llamado aleatorio.
• Tiempo de caı́da de un cuerpo a una velocidad determinada, sabemos
con exactitud lo que ocurrirá. En este caso el experimento es llamado
Determinı́stico
Concepto de Probabilidad.
Concepto de Probabilidad.
Ejemplo
1 Lanzamiento de una moneda. Ω = c, s
2 Contar el número de artı́culos defectuosos en una partida de n artı́culos
totales. Ω = 0, 1, . . . , n
Ejemplo
1 Lanzamiento de una moneda. Ω = c, s
2 Contar el número de artı́culos defectuosos en una partida de n artı́culos
totales. Ω = 0, 1, . . . , n
3 contabilizar el número de accidentes ocurridos en concepción.
Ω = 0, 1, . . . , n
Ejemplo
1 Lanzamiento de una moneda. Ω = c, s
2 Contar el número de artı́culos defectuosos en una partida de n artı́culos
totales. Ω = 0, 1, . . . , n
3 contabilizar el número de accidentes ocurridos en concepción.
Ω = 0, 1, . . . , n
4 contar el tiempo de vida de una ampolleta. Ω = [0, +∞[
Ejemplo
1 Lanzamiento de una moneda. Ω = c, s
2 Contar el número de artı́culos defectuosos en una partida de n artı́culos
totales. Ω = 0, 1, . . . , n
3 contabilizar el número de accidentes ocurridos en concepción.
Ω = 0, 1, . . . , n
4 contar el tiempo de vida de una ampolleta. Ω = [0, +∞[
Definición de PROBABILIDAD.
Eventos
Unión
1) El evento definido por la unión y denotado por A∪B, contiene al conjunto
de los elementos que están en A, o en B o bien en ambos eventos
A ∪ B = {ω : ω ∈ A ∨ ω ∈ B}.
Intersección
2) El evento definido por la intersección, denotado por A ∩ B, contiene al
conjunto de elementos que están en A y en B a la vez.
A ∩ B = {ω : ω ∈ A ∧ ω ∈ B}.
Eventos
Unión
1) El evento definido por la unión y denotado por A∪B, contiene al conjunto
de los elementos que están en A, o en B o bien en ambos eventos
A ∪ B = {ω : ω ∈ A ∨ ω ∈ B}.
Intersección
2) El evento definido por la intersección, denotado por A ∩ B, contiene al
conjunto de elementos que están en A y en B a la vez.
A ∩ B = {ω : ω ∈ A ∧ ω ∈ B}.
Eventos
Subconjunto
3) El evento A subconjunto de B, denotado por A ⊆ B, indica que si ocurre
A ⇒ ocurre B.
A ⊆ B = {ω : ω ∈ A ⇒ ω ∈ B}
Igualdad
4) El evento en que A es igual a B, denotado como A = B, indica que el
evento A ocurre si y sólo si, el evento B también ocurre.
A = B : {ω : ω ∈ A ⇐⇒ ω ∈ B} .
Eventos
Subconjunto
3) El evento A subconjunto de B, denotado por A ⊆ B, indica que si ocurre
A ⇒ ocurre B.
A ⊆ B = {ω : ω ∈ A ⇒ ω ∈ B}
Igualdad
4) El evento en que A es igual a B, denotado como A = B, indica que el
evento A ocurre si y sólo si, el evento B también ocurre.
A = B : {ω : ω ∈ A ⇐⇒ ω ∈ B} .
Eventos
Vacı́o
5) Denotaremos por el sı́mbolo ∅ al evento que no tiene elementos y lo
llamaremos evento vacı́o.
Para cualquier evento A definido sobre el espacio muestral Ω se cumple
que:.
A ∩ Ac = ∅
Diferencia
6) El evento diferencia de A menos B, denotado por A/B = A−B, contiene
todos los elementos que están en A y no están en B.
A/B = A − B : {ω : ω ∈ A ∧ ω ∈
/ B} .
Eventos
Vacı́o
5) Denotaremos por el sı́mbolo ∅ al evento que no tiene elementos y lo
llamaremos evento vacı́o.
Para cualquier evento A definido sobre el espacio muestral Ω se cumple
que:.
A ∩ Ac = ∅
Diferencia
6) El evento diferencia de A menos B, denotado por A/B = A−B, contiene
todos los elementos que están en A y no están en B.
A/B = A − B : {ω : ω ∈ A ∧ ω ∈
/ B} .
Conmutatividad:
Asociatividad:
A ∪ (B ∪ C) = (A ∪ B) ∪ C
A ∩ (B ∩ C) = (A ∩ B) ∩ C
Leyes Distributivas:
A ∪ (B ∩ C) = (A ∪ B) ∩ (A ∪ C)
A ∩ (B ∪ C) = (A ∩ B) ∪ (A ∩ C)
Leyes de Morgan:
(A ∪ B)c = Ac ∩ B c
(A ∩ B)c = Ac ∪ B c
Si A ∩ B = ∅.
Ejemplo 1:
Se realiza el experimento de lanzar dos dados, obteniendo los siguientes
eventos:
A: La suma de los dados es seis. A = {(1, 5), (2, 4), (3, 3), (4, 2), (5, 1)}
B: La suma de ambos dados es cinco. B = {(1, 4), (2, 3), (3, 2), (4, 1)}
C: La suma es un número par. C = {(1, 3), (1, 5), (2, 2), (2, 4), (2, 6), (3, 1),
(3,3),(3,5),(4,2),(4,4),(4,6),(5,1),(5,3),(5,5),(6,2),(6,4),(6,6)}
¿A y B son eventos mutuamente excluyentes?
¿B y C son eventos mutuamente excluyentes?
Partición:
• Def 1.4: Los eventos Ai . . . An son disjuntos de a pares o 2 a 2.
Si Ai ∩ Aj = ∅ ∀i 6= j i, j = 1, 2, . . .
∪∞
i=1 Ai = Ω
Ejemplo 2:
En el ejemplo anterior en que se lanzan 2 dados, se presentan los siguientes
eventos:
A: La suma de los dados es seis. A = {(1, 5), (2, 4), (3, 3), (4, 2), (5, 1)}
B: La suma de ambos dados es cinco. B = {(1, 4), (2, 3), (3, 2), (4, 1)}
Regla de Laplace
Sea A un evento cualquiera del espacio muestral Ω, donde cada uno de los
resultados de este Ω son equiprobables (misma probabilidad), la P (A) está
dada por:
#A
P (A) = ,
#Ω
#A : N o de elementos del evento A.
#Ω : N o de elemento en el espacio muestral Ω
Notar que, 0 ≤ P (A) ≤ 1; ∀ A ⊆ Ω.
2 0 6 P (A) 6 1, ∀ A⊆Ω
Regla aditiva
P (A ∪ B) = P (A) + P (B) ⇔ (A ∩ B) = ∅
1 P (A ∪ B) = P (A) + P (B) − P (A ∩ B)
2 P (∅) = 0
4 P (A ∪ B) = P (A) + P (B) − P (A ∩ B)
5 P (A ∩ B c ) = P (A) − P (A ∩ B)
6 P (A − B) = P (A) − P (A ∩ B) ⇒ P (A ∩ B c ) = P (A − B)
Ejemplo 3:
#Ω = 6 × 2.
¿Cuál es la probabilidad que el dado muestre un número par y la
moneda muestre cara?
Ω = {(1, c)(1, s)(2, c)(2, s)(3, c)(3, s)(4, c)(4, s)(5, c)(5, s)(6, c)(6, s)}
A = {(1, c)(1, s)(2, c)(2, s)(3, c)(3, s)(4, c)(4, s)} ; #(A) = 8.
Luego
8
P (Ac ) = 1−
12
= 0,333
Por lo tanto, “La probabilidad que el dado no muestre un número
menor o igual que 4 es 0.333”
Luego
P (A ∪ B) = P (A) + P (B) − P (A ∩ B))
4 6 2
= + −
12 12 12
2
=
3
Por lo tanto, “La probabilidad que el dado muestre un número divisible
por 3 o la moneda muestre sello,es de 23 ”
Solución
• Sea A el suceso hablar Inglés: P (A) = 0,5
• Sea B el suceso hablar Francés: P (B) = 0,2
• Sea el suceso hablar francés e inglés A ∩ B: P (A ∩ B) = 0.05
Entonces,
P (A ∪ B) = P (A) + P (B) − P (A ∩ B)
= 0,5 + 0,2 − 0,05 = 0,65
introducción
• Todas las probabilidades que hemos calculado hasta ahora han sido pro-
babilidades incondicionales, definidas sobre el espacio muestral original.
Ejemplo 4:
Suponga que una empresa pesquera tiene 100 máquinas procesadoras de pes-
cado. Algunas de estas máquinas son eléctricas (E) y otras manuales (M).
Además se sabe que algunas de estas máquinas son nuevas (N) y el resto son
usadas (U). Suponga que un supervisor selecciona una máquina al azar con
el objetivo de realizar mantención en caso de ser necesario y se da cuenta
que la máquina es nueva. ¿Cuál es la probabilidad de que la máquina sea
eléctrica?.
P (A|B) = P( B/A) = 0
Ejemplo 4: SOLUCIÓN
PP Tipo
P PP E M Total
Uso PP
N 40 30 70
U 20 10 30
Total 60 40 100
P (E ∩ N )
P (E|N ) =
P (N )
#(E∩N ) 40
#Ω 100
= #N
= 70
Ω 100
4
=
7
Se tiene que, por lo expresado anteriormente, la ocurrencia del evento N
afecta a la probabilidad de ocurrencia del evento E.
Ejemplo 5.
• La probabilidad de que un vuelo despegue a tiempo es 0.83, de que
llegue a tiempo es 0.82 y la de que despegue y llegue a tiempo es de
0.78. ¿Encuentre la probabilidad de que el avión:
Regla multiplicativa
P (A ∩ B)
P (A|B) = ⇒ P (A ∩ B) = P (A|B)P (B)
P (B)
P (B ∩ A)
P (B|A) = ⇒ P (A ∩ B) = P (B|A)P (A)
P (A)
Ası́ la probabilidad del evento intersección puede ser calculada como:
2 P (A|B) = P (A)
3 P (B|A) = P (B)
Observaciones
2 Ac y B
3 Ac y B c
A = {(1, c), (1, s), (3, c), (3, s), (5, c), (5, s)} # A=6
B = {(1, s), (2, s), (3, s), (4, s), (5, s), (6, s)} # A=6
A = {(1, c), (1, s), (3, c), (3, s), (5, c), (5, s)} # A=6
B = {(1, s), (2, s), (3, s), (4, s), (5, s), (6, s)} # A=6
A ∩ B = {(1, s), (3, s), (5, s)} # A=3
Luego,
P (A ∩ B) = P (A) × P (B)
3 6 6
= ×
12 12 12
1 1
=
4 4
A = {(1, c), (1, s), (3, c), (3, s), (5, c), (5, s)} # A=6
B = {(1, s), (2, s), (3, s), (4, s), (5, s), (6, s)} # A=6
A ∩ B = {(1, s), (3, s), (5, s)} # A=3
Luego,
P (A ∩ B) = P (A) × P (B)
3 6 6
= ×
12 12 12
1 1
=
4 4
Ejemplo 6.
• En un supermercado, el 80 % de los individuos tienen mascarillas N 95,
el 50 % de tela y el 10 % no tiene mascarilla. Analice:
1 Probabilidad de que un individuo tenga ambos tipos de mascarillas.
2 Sabiendo que una persona tiene mascarilla N 95, obtener la probabilidad
de que tenga de tela.
3 Sabiendo que una persona tiene de tela, obtener la probabilidad de que
tenga N 95.
4 Determinar si ambos sucesos son independientes.
1) Se pide P (A ∪ B):
Por union de dos eventos, se tiene que:
P (A ∪ B) = P (A) + P (B) − P (A ∩ B)
P (Ac ∩ B c ) = P (A ∪ B)c = 1 − P (A ∪ B)
c c
P (A ∩ B ) = P (A ∪ B)c = 1 − P (A ∪ B) = 0,1
P (A ∪ B) = 0,9
2) Se pide P (B|A):
Por teorema de probablidad condicional se tiene que:
P (B ∩ A)
P (B|A) =
P (A)
P (B ∩ A) = 0, 4
0,4 1
∴ P (B|A) = 0,8
= 2
= 0, 5
3) Se pide P (A|B):
P (A ∩ B) = 0,4
A1 ∪ A2 ∪ . . . ∪ ak = Ω, ∀Ai 6= ∅ Ai ∩ Aj = ∅, ∀i 6= j,
P (B) = P (B ∩ A1 ) + P (B ∩ A2 ) + . . . + P (B ∩ Ak )
= P (B|A1 )P (A1 ) + P (B|A2 )P (A2 ) + . . . + P (B|Ak )P (Ak )
Xn
= P (B|Aj ) × P (Aj ).
j=1
1
Marı́a José Alejandra Medina Fritz Estadı́stica (523219).
MOTIVACIÓN. CÁLCULO DE PROBABILIDADES.
DEFINICIONES AXIOMAS Y PROPIEDADES.
TEORÍA DE PROBABILIDAD. PROBABILIDAD CONDICIONAL E INDEPENDENCIA
TÉCNICAS DE CONTEO. TEOREMA DE PROBABILIDAD TOTAL.
TEOREMA DE BAYES.
Ejemplo 7.
• La probabilidad de que un alumno estudie para un examen final de
estadı́stica es 0.2. Sı́ estudia, la probabilidad de que apruebe el exámen
es 0.8, en cambio sı́ no estudia la probabilidad es 0.5.
P (B|Aj ) × P (Aj )
P (Aj |B) =
P (B)
P (B|Aj ) × P (Aj )
= Pn .
j=1 P (B|Aj ) × P (Aj )
donde ni , representa a cada una de las opciones en que un cierto evento puede
ser realizado.
donde ni , representa a cada una de las opciones en que un cierto evento puede
ser realizado.
P (A ∪ B) = P (A) + P (B)
1 1 2
= + =
6 2 3
k
Y
ni = n1 × . . . × nk
i=1
n!
n Pr = Prn =
(n − r)!
Permutaciones: EJEMPLO 11
!
n n!
Crn = =
r (n − r)! × r!
Combinatoria: EJEMPLO 12
• si se tiene un arreglo XYZ, este será idéntico a los arreglos ZXY, YZX,
ZYX, entre otros; esto es porque, a pesar de no estar en el mismo
orden, los elementos de cada arreglo son los mismos.
3!
C33 = =1
(3 − 3)! × 3!
Combinatoria: EJEMPLO 13