Probabilidades

Profesor: Juan Carlos Patiño I.

 Introducción
Es común que las personas se refieran a las
probabilidades para indicar la posibilidad de
ocurrencia de un evento futuro.
Esta interpretación puede considerarse
aceptable, pero no clarifica de forma explícita
de cómo se mide y de qué manera se utilizan
las probabilidades para hacer inferencias.
Las probabilidades son de gran utilidad cuando se
opera con problemas físicos que generan
observaciones, las cuales no son factibles predecir
con exactitud.
Por ejemplo, el número de artículos defectuosos en
un proceso de la fabricación de tubos plásticos. Los
eventos que poseen estas propiedades se denominan
eventos aleatorios.
 Fundamentos básicos
Un experimento es cualquier acción o proceso cuyo resultado está sujeto a la
incertidumbre.
Aunque la palabra experimento en general sugiere una situación de prueba
cuidadosamente controlada en un laboratorio, se le utiliza aquí en un sentido
mucho más amplio.
Por lo tanto, experimentos que pueden ser de interés incluyen lanzar al aire una
moneda una vez o varias veces, seleccionar una carta o cartas de un mazo, pesar
una hogaza de pan, el tiempo de recorrido de la casa al trabajo en una mañana
particular, obtener tipos de sangre de un grupo de individuos o medir las
resistencias a la compresión de diferentes vigas de acero.
EXPERIMENTOS DETERMINISTICOS: Son aquellos que repetidos bajo las
mismas condiciones, dan siempre un mismo resultado, el cual es predecible.
EXPERIMENTOS ALEATORIOS: Son aquellos cuyos resultados no pueden ser
exactamente conocidos a priori, aunque se repitan bajo las mismas condiciones.
Ejemplo:
En un proceso de fabricación extraemos un artıculo elegido entre los
artículos fabricados y observamos si es o no es defectuoso.
Si denotamos por B cuando el artıculo es bueno y por D cuando el
artıculo es defectuoso, podemos tomar:

Ω = {B,D}

Si en lugar de un artıculo elegimos n artículos, podemos considerar

donde εi = 1 indica que el artıculo es defectuoso y εi = 0 indica que el

artıculo es bueno.
Es muy importante notar que el método
clásico (regla 2) requiere resultados
igualmente probables. Si los resultados no
son igualmente probables, debemos usar el
estimado de frecuencias relativas.
Al calcular probabilidades con el método
de frecuencias relativas (regla 1),
obtenemos un estimado en lugar de un valor
exacto.
Ya que cualquier suceso imaginable es imposible, o cierto al 100%, o está
en alguna parte intermedia, se deduce que la probabilidad matemática de
cualquier suceso es 0, 1, o un número entre 0 y 1.
 La probabilidad de un suceso imposible es 0.
 La probabilidad de un suceso que ocurrirá con certeza es 1.
 P(A) es menor o igual a 1 y mayor o igual a 0 para cualquier
suceso A.
En la figura siguiente, la escala de 0 hasta 1 se muestra a la izquierda,
mientras que las expresiones más comunes y familiares de probabilidad
se indican a la derecha.
 Regla de la suma
El objetivo principal de la regla de la suma es entenderlo como un
método para calcular probabilidades que pueden expresarse de la forma
P(A o B), o sea, la probabilidad de que ocurra el suceso A o de
que ocurra el suceso B (o de que ambos ocurran), como único
resultado de un procedimiento. La palabra clave que debemos recordar
es “o”.
Constantemente, a continuación usaremos la expresión “o inclusive”,
que significa: uno o el otro, o ambos. Al comienzo de esta presentación
se entregaron aspectos fundamentales de la probabilidad y estudiamos
sucesos calificados como simples. En esta sección y en la siguiente,
introducimos sucesos compuestos.
Unión de dos Eventos.
Es el evento formado por todos los puntos muestrales que
pertenecen a uno, al otro, o a ambos eventos. Si denotamos por
A y B, dos eventos, la unión de ellos se denota por AUB. (Señala
la forma de notación de lo mostrado anteriormente)
Para calcular la probabilidad de que un suceso A ocurra
o un suceso B ocurra, calcule el número total de formas
en que A puede ocurrir y el número de formas en que B
puede ocurrir, pero calcule ese total de tal manera que
ningún resultado se cuente más de una vez.
Ejemplo:
Considere el experimento siguiente: en una empresa existe una pala eléctrica
que tiene un sistema de cables para generar el movimiento del balde, los cuales
requieren ser reemplazados cada cierto tiempo de uso. Para probar si se debe
cambiar, se somete el sistema a una tensión exagerada, si se rompen 2 o más
hilos, se dice que el cable no sobrevive y por lo tanto debe ser reemplazado.
Se sabe por experiencia, que en cada tensión exagerada, se rompe a lo más un
hilo y que la probabilidad de que se rompan más de uno es despreciable.
Determine: La probabilidad de que se rompan a lo mas un hilo (A), La
probabilidad de que se rompan 1 o mas hilos (B), La probabilidad de que el hilo
sea considerado para reemplazo (C).
Además, A U B y B U C
 Regla de la multiplicación
En el punto anterior, presentamos la regla de la suma
para calcular P(A o B), es decir, la probabilidad de que
un ensayo tenga un resultado de A o B o ambos. El
objetivo de la regla de la multiplicación es desarrollar
una regla para calcular P(A y B), esto es, la
probabilidad de que el suceso A ocurra en un primer
ensayo y el suceso B ocurra en un segundo ensayo.
Finalmente la regla de la multiplicación se
transforma finalmente en:
Ejemplo 1
Una bolsa contiene 4 pelotas blancas y 2 pelotas negras; otra
contiene 3 pelotas blancas y 5 pelotas negras. Si se saca una
pelota de cada bolsa, encontrar la probabilidad de que:
 ambas sean blancas,
 ambas sean negras
 una sea blanca y la otra sea negra.

Ejemplo 2
Cuatro estudiantes que perdieron un examen ofrecen una excusa
clásica, afirman que se le reventó una llanta al automóvil en el que
los cuatro viajaban. En la reposición del examen, el maestro pide a
cada uno de los estudiantes que identifique la llanta en particular
que se reventó. Si ellos en realidad no tuvieron ninguna avería en
los neumáticos, pero seleccionan al azar una llanta que
supuestamente se reventó, ¿cuál es la probabilidad de que todos
ellos escojan la misma llanta? ¿Qué representaría el complemento
de esta probabilidad?
Ejemplo 3
Con cierto método de un procedimiento que se
llama muestreo de aceptación, se selecciona
aleatoriamente y sin reemplazo una muestra de
artículos, el lote completo se acepta si cada
artículo en la muestra es aprobado. La empresa
WLS realiza la revisión de sus triconos del lote
de 5000 productos, de los cuales el 3% están
defectuosos. Si se seleccionan al azar 65 de
estos de los triconos como muestra para
probarlos, ¿cuál es la probabilidad de que se
acepte el lote completo? Si existe un
procedimiento nuevo operacional el cual arroja
como medición que los 65 triconos al azar
revisados no presentan defectos. ¿Este ultimo
procedimiento es mejor al anterior?
 Conteo de puntos muestrales
Regla fundamental de conteo
Si una operación puede realizarse en n1 maneras y si
para cada una de éstas se puede efectuar una segunda
operación en n2 maneras, y para cada una de las dos
primeras se puede efectuar una tercera operación en
n3 formas, y así sucesivamente; entonces la secuencia
de k operaciones puede llevarse a cabo en
n1,n2,n3,n4,…. maneras.
De acuerdo con la regla factorial, n diferentes elementos pueden ser
acomodados de n! diferentes maneras. Algunas veces tenemos n elementos
diferentes, pero necesitamos seleccionar sólo algunos de ellos en lugar de todos.
Se generaliza este resultado observando que si tenemos n elementos disponibles
diferentes y queremos seleccionar un número r de ellos, el número de
combinaciones es de n!/(n-r)!

Es muy importante reconocer que la regla de las permutaciones requiere las

siguientes condiciones:
 Debemos tener un total de n diferentes elementos disponibles. (Esta
regla no se aplica si algunos de los elementos son idénticos a otros).
 Debemos seleccionar r entre los n elementos (sin reemplazo).
 Debemos considerar que los reacomodamientos de los mismos
elementos son secuencias diferentes.
Ejemplo
Un mecanismo de control electrónico necesita 6 circuitos
idénticos de memoria ¿De cuántas maneras se puede
armar este mecanismo, usando los seis circuitos?
Supóngase que los circuitos son tomados dos a la vez ¿De
cuántas maneras puede ser armado el mecanismo?

En ocasiones necesitamos calcular el número de

permutaciones cuando algunos de los elementos son
idénticos a otros. La siguiente variación de la regla de las
permutaciones se aplica a tales casos.
Ejemplo:
Se tienen 3 tipos de equipos presentes en la operación de
transporte: Komatsu 930E (15 unidades); 797B (10 unidades) y
797F (23 unidades). ¿Cuantas combinaciones posibles se puede
tener en relación a los operadores de equipos?

Ejemplo:
Se necesitan instalar 5 bombillos de 45 vatios, 8 bombillos de 60
vatios y 4 bombillos de 100 vatios ¿De cuántas maneras se pueden
colocar en una instalación en serie?

Cuando tenemos la intención de seleccionar r elementos de entre

n elementos diferentes, sin tomar en cuenta el orden, nos preocupan
en realidad las combinaciones posibles, más que las permutaciones.
Es decir, cuando diferentes ordenamientos de los mismos
elementos cuentan por separado, tenemos un problema
de permutaciones, pero cuando los diferentes
ordenamientos de los mismos elementos no cuentan por
separado, nos enfrentamos a un problema de
combinaciones; en tal caso se aplica la regla siguiente:
Muchas calculadoras se diseñaron para evaluar
nCr. Es muy importante reconocer que, en la
aplicación de la regla de las combinaciones, se
aplican las siguientes condiciones:
 Debemos tener un total de n elementos
diferentes disponibles.
 Debemos seleccionar r de los n elementos
(sin reemplazo).
 Debemos considerar que los reacomodos de
tales elementos son los mismos.
 Distribuciones de probabilidad
Por lo general en la teoría de probabilidades sólo se toman en cuenta
ciertos aspectos particulares de los resultados de algún experimento. Por
ejemplo, cuando se estudia la producción de equipos en gran escala,
puede interesar su durabilidad, pero no su precio; al examinar la
producción en una empresa puede importar sólo el número de artículos
defectuosos. Estos números están asociados con elementos al azar, es
decir, con variables aleatorias. Al estudiar estas variables, también es
indispensable establecer las distribuciones de probabilidad.
 Principales distribuciones de
probabilidad
 Distribución de probabilidad binomial
 Distribución de probabilidad de Poisson
 Distribución de probabilidad Normal
Distribución de probabilidad binomial
Las distribuciones de probabilidad binomial son
importantes porque nos permiten enfrentar
circunstancias en las que los resultados
pertenecen a dos categorías relevantes, tales
como productos aceptables/defectuosos o
respuestas sí/no a una pregunta de encuesta.
En una distribución binomial, las probabilidades
pueden calcularse con el uso de la fórmula de la
probabilidad binomial.
Ejemplo:
Aplique la fórmula de la probabilidad binomial para
calcular la probabilidad de tener exactamente tres
respuestas correctas, cuando se adivina al azar en las
cuatro preguntas de opción múltiple. Esto es, calcule
P(3), siendo que n = 4, x = 3,

Distribución de Poisson
La distribución de Poisson representa la
probabilidad de que un evento aislado ocurra un
número específico de veces en un intervalo de
tiempo o espacio dado. La ocurrencia de eventos sólo
se verá afectada por la casualidad o por el azar; por lo
tanto, la posición de un evento no servirá para predecir la
localización de cualquier otro evento específico. Además,
los datos acerca de un intervalo de tiempo o espacio
tampoco facilitan la predicción del número de eventos que
se presentarán en otro evento.
Distribución de Poisson: distribución de probabilidad
discreta que se aplica a las ocurrencias de algún suceso
durante un intervalo específico. La variable aleatoria x es el
número de ocurrencias de un suceso en un intervalo. El
intervalo puede ser tiempo, distancia, área, volumen o
alguna unidad similar.
Un experimento de Poisson tiene las siguientes
características.
a) El número de resultados que ocurren en un intervalo
de tiempo o espacio, es independiente del número
que se tiene en cualquier otro intervalo.
b) La probabilidad de que un solo resultado ocurra
durante un lapso muy corto o en una pequeña región,
es proporcional a la magnitud del intervalo de tiempo
o espacio, y no depende del número de resultados que
se produzcan fuera del intervalo considerado.
c) La probabilidad de que ocurra más de un resultado en
ese breve lapso o de que caiga en un pequeño espacio
resulta despreciable.
La distribución de Poisson difiere de una distribución
binomial en estas formas fundamentales:
 La distribución binomial se afecta por el tamaño de
la muestra n y la probabilidad p, mientras que la
distribución de Poisson sólo se afecta por la media
m.
 En una distribución binomial, los valores posibles de
la variable aleatoria x son 0, 1, . . . , n, pero los valores
posibles x de una distribución de Poisson son 0, 1, 2,
. . . , sin límite superior.
Ejemplos:
La contaminación constituye un problema en la
fabricación de discos de almacenamiento óptico.
El número de partículas de contaminación que
ocurre en un disco óptico tiene una distribución
de Poisson y el número promedio de partículas
por centímetro cuadrado de superficie del disco
es 0.1. El área de un disco bajo estudio es 100
centímetros cuadrados.
 Encuentre la probabilidad de que ocurran 12
partículas en el área del disco bajo estudio.
 La probabilidad de que ocurran cero partículas
en el área del disco bajo estudio
 Determine la probabilidad de que 6 o menos
partículas ocurran en el área del disco bajo
estudio
Distribución de probabilidad normal

Las caraterísticas de la Distribución Normal son las siguientes:

 La curva es simétrica con recpecto a la recta x = u. Se suele
decir que es simétrica respecto a la media.
 La distribución depende de la media y de la desviación estándar.
Esto es muy importante, ya que podemos comparar
poblaciones o muestras, comparado sus medias y sus
desviaciones estándar.
◦ En el caso dos poblaciones con desviaciones iguales, pero medias
diferentes, las dos curvas son de forma idéntica, pero están
centradas en distintas posiciones sobre una recta horizontal
◦ En el caso de dos poblaciones con desviaciones
diferentes, y las medias iguales; las curvas están
centradas en la misma posición, pero una de ellas es
más achatada y extendida que la otra. La que tiene
mayor desviación es la más achatada y extendida.
 ◦ En el caso de dos poblaciones con desviaciones y medias
diferentes, las curvas están centradas en posiciones
deferentes y una de ellas es más achatada y extendida que la
otra. La que tiene mayor desviación, es la más achatada y
extendida.

 Por la simétrica de la curva, el área de la región bajo la

curva en el intervalo (−∞, 0), es igual a 0,5; que
corresponde a E(x ≤ 0) = 0,5. Igual en el intervalo (0,∞).
Se suele decir que del lado izquierdo de la media se
encuentra el 50% de los datos, así como del lado
derecho; también se puede mencionar que la
probabilidad del lado izquierdo o derecho de la media
es de 0,5. En definitiva el área total bajo la curva es igual
a 1.
El cálculo de áreas bajo la curva, utilizando la
definición,

resulta muy tedioso, por lo que es

conveniente aplicar una tabla estandarizada,
convirtiendo los valores de la variable
aleatoria X en valores Z, a través de la
fórmula
Ejemplo:
Una máquina que expende bebidas en vasos esta calibrada
de modo que descarga el producto con un promedio de
250 mililitros por vaso. Si la cantidad de líquido está
distribuida normalmente con una desviación estándar de
14 mililitros.
 ¿Qué porcentaje de vasos contendrá menos de 240 ml?
 ¿Qué porcentaje de vasos contendrá más de 256 ml?
 ¿Qué porcentaje de vasos contendrá entre 240 y 256
ml?
 Si se usan vasos de 240 ml, ¿cuántos de los siguientes
500 vasos, se derramarán?
 ¿Bajo qué valor estará el 30% de los vasos con menos
contenido?
 ¿Bajo qué valores está el 50% de los valores centrales?
 Ejercicios:
El jefe de recursos humanos de una empresa realiza un test de
diez ítems a los aspirantes a un puesto, teniendo en cada ítems
cuatro posibles respuestas, de las que sólo una es correcta.
Suponiendo que los aspirantes teniendo la misma probabilidad de
responder. Se pide hallar las probabilidades para el aspirante:
 Conteste todos los ítems mal
 Conteste al menos cuatro ítems bien
 Conteste entre cuatro y seis ítems bien
 Conteste todos los ítems bien
 Conteste menos de tres ítems bien

Para El tiempo empleado, en horas, en hacer un determinado

producto sigue una distribución N(10, 2) . Se pide la probabilidad
de que ese producto se tarde en hacer:
 Menos de 7 horas
 Entre 8 y 13 horas
 Una agencia ofrece un premio entre los
distribuidores si venden trescientos veinte o
más paquetes de viajes por día. Sabiendo que
el número de paquetes de viajes vendidos al
día por los distribuidores A y B siguen una ley
normal de la forma siguiente:

 Porcentaje de los días que obtendrá premio el

distribuidor A
 Porcentaje de los días que obtendrá premio el
distribuidor B
 A qué distribuidor beneficia la decisión de la
agencia