TEORÍA DE LA

PROBABILIDAD
 PROBABILIDAD

Vivimos rodeados de incertidumbre. Por ejemplo, ¿pueden

decir con exactitud….
 Que resultado voy a obtener si tiro una moneda?
 Cuanto tiempo tardará en pasar el próximo colectivo?
 Qué equipo va a ganar el próximo clásico?

La probabilidad se utiliza para cuantificar incertidumbre

frente a experimentos aleatorios.
 DEFINICIONES

Un EXPERIMENTO ALEATORIO constituye

un proceso con un resultado que no

puede predecirse con certeza .

 ESPACIO MUESTRAL

El ESPACIO MUESTRAL el conjunto de todos los

resultados posibles de un experimento aleatorio

Ejemplos:
A.Se la lanza una moneda y se observa si salió cara o
ceca
𝑆 = 𝑐𝑎𝑟𝑎; 𝑐𝑒𝑐𝑎

B. Un proceso produce clavos de acero y se miden las

longitudes que varían entre 5.20 y 5.25 cm .

𝑆 = 𝑥 ∈ ℝ/5,20 ≤ 𝑥 ≤ 5,25
 EVENTO

 Se llama EVENTO o SUCESO a cualquier subconjunto del

ESPACIO MUESTRAL. Los eventos se denotan con las
primeras letras del alfabeto escritas en mayúscula.

Evento

Espacio Muestral
 ESPACIO MUESTRAL

A. Se la lanza una moneda y se observa si salió cara o

ceca
𝑆 = 𝑐𝑎𝑟𝑎; 𝑐𝑒𝑐𝑎
Evento: sale cara.
𝐴= 𝑐
B. Un proceso produce clavos de acero y se miden las
longitudes que varían entre 5.20 y 5.25 cm.

𝑆 = 𝑥 ∈ ℝ/5,20 ≤ 𝑥 ≤ 5,25
Evento: clavos con longitud mayor a 5.23 𝑐𝑚.

𝐵 = 𝑥/5,23 < 𝑥 ≤ 5,25

 EJEMPLO

Experimento Aleatorio: En una

caja de tres piezas, de las cuales
una es defectuosa. Se extraen
dos piezas, sucesivamente y sin
reposición. ¿Cuál es el espacio
muestral?
 EJEMPLO
𝐷2
𝐷1
𝐷3

𝐷1
𝐷2
𝐷3

𝐷1
𝐷3
𝐷2

𝑆= 𝐷1 , 𝐷2 ; 𝐷1 , 𝐷3 ; 𝐷2 , 𝐷1 ; 𝐷2 , 𝐷3 ; 𝐷3 , 𝐷1 ; 𝐷3 , 𝐷2
 EJEMPLO

Sean A: la primera pieza es defectuosa y B: la

segunda pieza es no defectuosa

𝐷1 , 𝐷2 𝐷2 , 𝐷3
S= 𝐷1 , 𝐷3 𝐷2 , 𝐷1 𝐴= 𝐷1 , 𝐷2 ; 𝐷1 , 𝐷3
𝐷3 , 𝐷1 𝐷3 , 𝐷2

𝐷1 , 𝐷2 𝐷3 , 𝐷2
S= 𝐵= 𝐷1 , 𝐷2 ; 𝐷1 , 𝐷3 ; 𝐷3 , 𝐷2 ; 𝐷2 , 𝐷3
𝐷1 , 𝐷3 𝐷2 , 𝐷3

𝐷3 , 𝐷1 𝐷2 , 𝐷1
 COMBINACIÓN DE EVENTOS

La unión de dos eventos 𝐴 y 𝐵 , se denotará

𝐴 ∪ 𝐵 , es el conjunto de resultados que
pertenecen a 𝐴 o 𝐵 o a ambos.

𝐴∪𝐵

A B
Espacio Muestral
 EJEMPLO

Sean A: la primera pieza es defectuosa y B: la

segunda pieza es no defectuosa

𝐷1 , 𝐷2 𝐷3 , 𝐷2
S=
𝐷1 , 𝐷3 𝐷2 , 𝐷3

𝐷3 , 𝐷1 𝐷2 , 𝐷1

𝐴∪𝐵 = 𝐷1 , 𝐷2 ; 𝐷1 , 𝐷3 ; 𝐷3 , 𝐷2 ; 𝐷2 , 𝐷3
 COMBINACIÓN DE EVENTOS

La intersección de dos eventos 𝐴 y 𝐵 , se

denotará 𝐴 ∩ 𝐵 , es el conjunto de resultados
que pertenecen a 𝐴 y a 𝐵
𝐴∩𝐵

B
A
Espacio Muestral
 EJEMPLO

Sean A: la primera pieza es defectuosa y B: la

segunda pieza es no defectuosa

𝐷1 , 𝐷2 𝐷3 , 𝐷2
S=
𝐷1 , 𝐷3 𝐷2 , 𝐷3

𝐷3 , 𝐷1 𝐷2 , 𝐷1

𝐴∩𝐵 = 𝐷1 , 𝐷2 ; 𝐷1 , 𝐷3
 COMBINACIÓN DE EVENTOS

El complemento de un evento 𝐴, se denotará𝐴 ,

es el conjunto de resultados que no pertenecen
a𝐴

A
 EJEMPLO

Sean A: la primera pieza es defectuosa

A 𝐴
𝐷3 , 𝐷2
𝐷1 , 𝐷2
S= 𝐷2 , 𝐷3
𝐷1 , 𝐷3
𝐷2 , 𝐷1 𝐷3 , 𝐷1

𝐴= 𝐷3 , 𝐷2 ; 𝐷2 , 𝐷3 ; 𝐷3 , 𝐷1 ; 𝐷2 , 𝐷1
 EVENTOS MUTUAMENTE EXCLUYENTES

Si 𝐴 y 𝐵 son dos eventos tales que A ∩ 𝐵 = ∅, entonces

se dice que 𝐴 y 𝐵 son eventos MUTUAMENTE
EXCLUYENTES. Es decir, dos eventos MUTUAMENTE
EXCLUYENTES NO PUEDEN OCURRIR A LA VEZ

A B

Espacio Muestral
 EJEMPLO

Sean A: la primera pieza es defectuosa y C: las piezas

son no defectuosa A
C
𝐷1 , 𝐷2 𝐷3 , 𝐷2
S=
𝐷1 , 𝐷3 𝐷2 , 𝐷3

𝐷3 , 𝐷1 𝐷2 , 𝐷1

𝐴 ∩ 𝐶 = ∅ → 𝐴 𝑦 𝐶 𝑠𝑜𝑛 𝑒𝑣𝑒𝑛𝑡𝑜𝑠 𝑚𝑢𝑡𝑢𝑎𝑚𝑒𝑛𝑡𝑒 𝑒𝑥𝑐𝑙𝑢𝑦𝑒𝑛𝑡𝑒𝑠

 PROBABILIDAD

El objetivo de la probabilidad es asignar a cada evento

A un número P(A), llamado probabilidad del evento A,
el cual dará una medida precisa de la posibilidad de
que A ocurra. 1 Cierto

Probable

0,5 Probabilidad 50-50

Improbable

0 Imposible
 DEFINICIONES DE PROBABILIDAD
DEFINICIÓN CLÁSICA

Sea 𝑆 es un espacio muestral finito que contiene 𝑁

resultados igualmente probables y sea 𝐴 un evento que
puede darse de 𝑘 maneras distintas; es decir, que al
realizar un experimentos hay 𝑁 resultados posibles de los
cuales 𝑘 son favorables al evento 𝐴 . La probabilidad de
que ocurra 𝐴, esta dada por:

𝑘
𝑃 𝐴 =
𝑁
 EJEMPLO

𝑆= 𝐷1 , 𝐷2 ; 𝐷1 , 𝐷3 ; 𝐷2 , 𝐷1 ; 𝐷2 , 𝐷3 ; 𝐷3 , 𝐷1 ; 𝐷3 , 𝐷2

A: la primera pieza es defectuosa

2
𝑃 𝐴 =
6
B: la segunda pieza es no defectuosa
4
𝑃 𝐵 =
6
 DEFINICIONES DE PROBABILIDAD
DEFINICIÓN FRECUENTISTA

Si se realizan 𝑁 repeticiones de un experimento, sea 𝑘 el

número de veces que ocurre un resultado favorable al evento
𝐴 . La probabilidad de ocurrencia del evento 𝐴 es la
frecuencia relativa observada cuando el número total de
observaciones crece indefinidamente:

𝑘
𝑃 𝐴 = lim
𝑁→∞ 𝑁
CÁLCULO DE PROBABILIDADES PARA UNIONES
Y COMPLEMENTOS

Regla de adición
Dados dos eventos, A y B, la probabilidad de su
unión, 𝐴 ∪ 𝐵, es igual a:

𝑃 𝐴∪𝐵 =𝑃 𝐴 +𝑃 𝐵 −𝑃 𝐴∩𝐵
 EJEMPLO

Sean A: la primera pieza es defectuosa y B: la

segunda pieza es no defectuosa

𝐷1 , 𝐷2 𝐷3 , 𝐷2
S=
𝐷1 , 𝐷3 𝐷2 , 𝐷3

𝐷3 , 𝐷1 𝐷2 , 𝐷1

2 4 2 4
𝑃 𝐴∪𝐵 =𝑃 𝐴 +𝑃 𝐵 −𝑃 𝐴∩𝐵 = + − =
6 6 6 6
CÁLCULO DE PROBABILIDADES PARA UNIONES
Y COMPLEMENTOS

Regla para complementos

Dado el eventos, A , la probabilidad de su
complemento, 𝐴 , es igual a:

𝑃 𝐴 =1−𝑃 𝐴
 EJEMPLO

Sean A: la primera pieza es defectuosa

A 𝐴
𝐷3 , 𝐷2
𝐷1 , 𝐷2
S= 𝐷2 , 𝐷3
𝐷1 , 𝐷3
𝐷2 , 𝐷1 𝐷3 , 𝐷1

2 4
P 𝐴 =1−𝑃 𝐴 =1−P 𝐴 =1− =
6 6
 EJEMPLO

Un troquel de extrusión se utiliza para producir varillas de

aluminio. En una población de mil varillas, el número de ellas en
distintas clases es:

Se toma una varilla aleatoriamente a partir de esta población.

¿Cuál es la probabilidad de que la longitud de la varilla sea
demasiado corta? ¿cuál es la probabilidad de que la longitud de la
varilla sea demasiado corta y que el diámetro de la varilla sea
muy grueso?
 DEFINICIÓN AXIOMÁTICA

Todas las definiciones anteriores están íntimamente

ligadas a la parte experimental de la Estadística. Sin
embargo, en los últimos años, la Teoría de la
Probabilidad ha evolucionado de manera sorprendente
y las definiciones se han hecho más rigurosas.
En este contexto, el ruso Andrei Kolmogorov (1933)
definió la medida o función de probabilidad mediante
una serie de axiomas. Éstos, si bien son válidos para
cualquiera de las definiciones de probabilidad
expuestas anteriormente, amplían la definición
incluyendo a cualquier medida que los verifique. de
vista matemático.
 DEFINICIÓN AXIOMÁTICA

Dado un espacio muestral S, llamamos medida de probabi lidad a una funci ón

𝑃 que va del espacio muestral 𝑆 al conjunto de los reales, tal que:

1. 𝑃 𝑆 =1

2. Para cualquier evento 𝐴 ; 𝑃 𝐴 ≥ 0

3. Si 𝐴 y 𝐵 son eventos mutuamente excluyentes, entonces 𝑃 𝐴 ∪ 𝐵 =

𝑃 𝐴 +𝑃 𝐵

De manera más general, si 𝐴 1 , 𝐴 2 , 𝐴 3 , …son eventos mutuamente excl uyentes,

entonces:

𝑃 𝐴𝑖 = 𝑃 𝐴𝑖
𝑖 𝑖
 PROBABILIDAD CONDICIONAL

Hasta ahora hemos visto el concepto de probabilidad

partiendo de que la única información que tenemos
sobre el experimento es el espacio muestral. Sin
embargo, en ocasiones se conoce que un determinado
evento ha ocurrido. ¿Modificará esta información
adicional la probabilidad de que ocurra otro evento?
generalmente sí. A partir de esta idea surge la idea de
probabilidad condicionada.
 PROBABILIDAD CONDICIONAL

Sean 𝐴 y 𝐵 dos eventos, tal que 𝑃 𝐵 > 0 .

Entonces la probabilidad de que ocurra 𝐴 dado
que ocurrió 𝐵, esta dada por:

𝐴 𝑃 𝐴∩𝐵
𝑃 𝐵 = 𝑃 𝐵
 PROBABILIDAD CONDICIONAL

Ahora suponga que se toma una varilla, se mide su longitud y se encuentra que
satisface la especificación. ¿Cuál es la probabilidad de que el diámetro también
satisfaga la especificación?

Sea 𝐵 el evento la longitud de la varilla es correcta y 𝐴 el evento el diámetro del la

varilla esta bien

𝑃 𝐴∩𝐵 900
𝑃 𝐴 = = 1000 = 0,955
𝐵 𝑃 𝐵 942
1000
CÁLCULO DE PROBABILIDADES PARA
INTERSECCIONES

Regla de la multiplicación

Sean 𝐴 y 𝐵 dos eventos cualquiera

𝑃 𝐴∩𝐵 =𝑃 𝐴
𝐵 ∙ 𝑃 𝐵 si 𝑃 𝐵 ≠ 0

𝑃 𝐴∩𝐵 =𝑃 𝐵
𝐴 ∙ 𝑃 𝐴 si 𝑃 𝐴 ≠ 0
 INDEPENDENCIA DE EVENTOS

Dos eventos 𝐴 y 𝐵 son INDEPEDIENTES, cuando la

ocurrencia de uno no influye en la ocurrencia del otro.
Es decir los eventos 𝐴 y 𝐵 son independientes si

𝑃 𝐴
𝐵 =𝑃 𝐴 o𝑃 𝐵
𝐴 =𝑃 𝐵
O equivalentemente

𝑃 𝐴∩𝐵 =𝑃 𝐴 ∙𝑃 𝐵
 INDEPENDENCIA DE EVENTOS

Si una varilla de aluminio se selecciona del espacio muestral,

determine la probabilidad de que la longitud de varilla sea
demasiado larga 𝐷 y la probabilidad de que dado que el diámetro
de la varilla es muy delgado 𝐸 su longitud sea demasiado larga.

40
𝑃 𝐷 = = 0,04
1000

𝑃 𝐷∩𝐸 2
𝑃 𝐷 𝐸 = = = 0,04
𝑃 𝐸 50

Por lo tantos, los eventos 𝐸 y 𝐷 son independientes