Módulo 5

Teoría de la Probabilidad
JACOB BERNOULLI (1654-1705) Desarrollaron
fórmulas y técnicas
ABRAHAM DE MOIVRE (1667-1754) para el cálculo de
probabilidades
THOMAS BAYES (1702-1761)
JOSEPH LAGRANGE (1736-1813)
Unificó todas las ideas y
PIERRE SIMON DE LA PLACE compiló la primera teoría
general de probabilidad

Primeras aplicaciones en los juegos de azar.

En el siglo XIX se aplicó en las compañías de seguro para calcular los
riesgos de pérdidas, con el fin de poder calcular las primas.
A mediados del siglo XX se convirtió en una herramienta para el
entendimiento de problemas sociales.
Actualmente es una herramienta para la investigación en diferentes campos
del saber humano.
 DEFINICIONES
Experimento: proceso que conduce a la ocurrencia de una o
de varias observaciones posibles y definidas.

Resultado: es el valor que se obtiene en un solo ensayo de un

experimento. Se le denomina EVENTO ALEATORIO

Espacio Muestral o Conjunto Universal: es el conjunto de

todos los posibles resultados o eventos distintos de un
experimento.

Los espacios muestrales pueden ser finitos o infinitos.

EVENTOS O SUCESOS ALEATORIOS: Cada uno de los
posibles resultados de un experimento. Los eventos pueden ser
simples o compuestos.

Simples: son únicos y no se pueden descomponer.

Compuestos: están formados por dos o más eventos simples.
Imposible: resultado que no se puede dar al realizar un
experimento.

VARIABLE ALEATORIA
Cantidad que es el resultado de un experimento aleatorio, que
debido al azar toma distintos valores.
Función real numérica definida por el espacio muestral y su
valor se determina por procesos accidentales que no están bajo
el control del observador, el cual varía a medida que se repite.
Pueden ser discretas y continuas.
EJEMPLO: El experimento consiste en lanzar un dado y
observar el número que aparece en la cara superior.
Los resultados posibles serían: (1,2,3,4,5,6), o sea el
número total de posibles resultados es 6, y se le conoce
como el resultado ó espacio muestral (S).

Y cada posible resultado es un evento simple (único).

Generalmente se representa por una letra mayúscula. Por ejemplo A, B, C,

D, etc. Siempre y cuando no sea S: espacio muestral.

En este caso se tienen los siguientes eventos simples:

A es el evento de obtener el #1
B es el evento de obtener el #2
C es el evento de obtener el #3
D es el evento de obtener el #4
E es el evento de obtener el #5
F es el evento de obtener el #6
METODOS PARA REPRESENTAR ESPACIOS MUESTRALES

Se asignan los eventos apropiados a una tabla

de las clasificaciones cruzadas de tal forma
que proporcionen una presentación clara del
TABLA DE CONTINGENCIA número de posibles resultados.

DIAGRAMAS DE VENN
El espacio muestral es
representado por un rectángulo,
mientras que los eventos
aparecen como regiones dentro
del mismo, en forma de círculos
o porciones de éstos, indicando
las uniones, complementos e
intersecciones respectivas.

DIAGRAMAS DE ARBOL Representación gráfica en forma de

árbol donde las ramas van indicando
los posibles eventos simples en un
experimento.
 Continuando con el experimento........

Definiendo Eventos compuestos:

E1: es el evento de obtener un #par

E2: es el evento de obtener un # impar.

E3: es el evento de obtener un #mayor que 3

y así sucesivamente......

El evento E1 ocurrirá sí y sólo sí ocurren los eventos simples

B o D o F.
El evento E2 ocurrirá sí y sólo sí ocurren los eventos simples A
o C o E.
El evento E3 ocurrirá sí y sólo sí ocurren los eventos simples
D o E o F o G.
OTROS EXPERIMENTOS ALEATORIOS
Lanzar dos dados
Lanzar una moneda
Lanzar tres monedas
Extraer un número de una urna que contiene los
10 dígitos
Algunos procedimientos estadísticos importantes llamados planes de muestreo
determinan si un lote de artículos se considera satisfactorio o no. Un plan así
implica tomar muestras hasta que se obtengan k artículos defectuosos.
Si en un proceso de fabricación se seleccionan tres artículos de forma aleatoria, a
cada artículo se le inspecciona y se le clasifica como defectuoso o no
El espacio muestral es:

s  DDD, DDN, DND, DNN, NDD, NDN, NND, NNN

Suponga ahora que el experimento consiste en tomar de forma aleatoria muestras

de artículos hasta que salga uno defectuoso. En este caso el espacio muestral
será:

S  D, ND, NND, NNND,..............

 TECNICAS DE CONTEO DE EVENTOS

En la mayoría de los casos de la vida real las

posibilidades en una situación dada son muchas,
y no se pueden contar fácilmente, para esto se
utilizan las llamadas técnicas de conteo de
eventos. Estas sirven para enumerar una gran
cantidad de posibilidades. Estas son:

 Principio fundamental de la multiplicación

 Permutaciones

 Combinaciones
 Regla fundamental de multiplicación

Regla especial de multiplicación:

Se utiliza cuando se realizan varias elecciones de un conjunto

1. Si se lleva a cabo un cierto número “n” de ensayos y cada uno puede realizarse en
el mismo número de formas “k”, entonces el número total de posibles resultados para
n ensayos esta dado por:

k  k  k ............  k n
Regla general de la multiplicación

2. Si hay “n” ensayos que pueden realizarse en k1, k2 ,...............kn formas

respectivamente, entonces el número total de posibles resultados diferentes para los
“n” ensayos en sucesión, está dado por la expresión:

k1  k2  k3  .............kn
Combinación

El número total de formas en que “r” objetos pueden ser seleccionados de

un conjunto de “n” objetos sin considerar el orden, se denomina
COMBINACIONES de “r” objetos tomados de entre “n” objetos y se
expresa por:
n!
nC r 
r!( n  r )!

Ejemplo: La Facultad de Ingeniería Industrial de la UTP requiere formar

un comité de 3 profesores para negociar una fusión de empresas, y solo
existen 7 profesores con conocimiento para esa negociación. ¿De cuantas
formas se podrá elegir dicho comité?

7!
7 C3   35 formas
3!(7  3)!
Permutación

Si “r” objetos se eligen de un conjunto de “n” objetos distintos,

cualquier arreglo u ordenación de ellos se denomina
PERMUTACION. Una permutación es un arreglo de todo o
parte de un conjunto de objetos.

EL NÚMERO DE PERMUTACIONES de “r” objetos tomados de

un conjunto de “n” objetos, se expresa por :

n!
n Pr 
( n  r )!

Se considera el orden
Ejemplo:
En una distribución de planta hay 8 máquinas disponibles
pero sólo 3 espacios en el área de producción donde
actualmente se instalarán dichas máquinas. ¿De cuántos
modos diferentes pueden colocarse las 8 máquinas en los
3 espacios?
El número de modos diferentes en que pueden colocarse
las 8 máquinas en los 3 espacios disponibles es:

8!
8 P3   336 formas
(8  3)!
Con la regla de la multiplicación se puede llegar a la misma
respuesta.
Como hay 8 posibilidades para el primer espacio, luego 7 para el
segundo espacio, y 6 para el tercer espacio, entonces es importante
el orden de la disposición

k1  8
k2  7
k3  6
k1 * k 2 * k3  8 * 7 * 6  336
De acuerdo a lo anterior se puede decir que n
objetos distintos se pueden arreglar en:

k (k  1)(k  2).......(3)(2)(1) formas

Lo que es igual a n!, que se lee n factorial

Entonces el número de permutaciones de n objetos

distintos es n!
En resumen la permutación es un reordenamiento de las
combinaciones, tal como se aprecia en el siguiente ejercicio.

Determine el número de combinaciones de las cuatro letras

a, b, c, d tomadas de tres en tres y compare con el número
de permutaciones.

Combinaciones Permutaciones
abc abc,acb,bac,bca,cab,cba
abd abd,adb,bad,bda,dab,dba
acd acd,adc,cad,cda,dac,dca
bcd bcd,bdc,cbd,cdb,dbc,dcb
 PERMUTACIONES CIRCULARES

Las permutaciones que ocurren al arreglar objetos en un

círculo se llaman PERMUTACIONES CIRCULARES.

Dos permutaciones circulares no se consideran diferentes a

menos que los objetos correspondientes en los dos arreglos
estén precedidos o seguidos por un objeto diferente conforme
recorramos la dirección de las manecilas del reloj.
Si cuatro personas juegan bridge, no tenemos una permutación
nueva si se mueve una posicion en la dirección de las
manecillas del reloj.
Al considerar a una persona en una posición fija y arreglar a las
otras tres de 3! Formas, se encuentran que hay seis arreglos
distintos para el juego de bridge.

El número de permutaciones de n objetos distintos arreglados en

un círculo es (n-1)!
Permutaciones cuando hay elementos repetidos

El número de permutaciones distintas de n cosas de las que n1 son

de una clase, n2 son de una segunda clase……….nk de una k-ésima
clase es

n !!
n1!* n2!* ....nk!
¿De cuántas formas diferentes se pueden arreglar 3 focos rojos, 4
amarillos y 2 azules ena serie de luces navidenas con 9 portalámparas ?

El número total de arreglos distintos es :

9!
 1260
3!* 4!* 2!
 En resumen el número de formas de partir un conjunto de n objetos
en r celdas con n1 elementos en la primera celda, n2 elementos en la
segunda y así sucesivamente es:

n n!
( n1, n2, ……nk )= n1!* n2!* ....nk!

n1  n2  .......nr  n
Ejemplo

7!
 210
3!* 2!* 2!

¿En cuántas formas se pueden asignar siete científicos a una

habitación de hotel triple y a dos dobles ?
 CONCEPTOS DE LA TEORIA DE CONJUNTOS
Conjunto es una colección de objetos o sujetos relacionados con un fenómeno de
interés.
Subconjunto es cualquier parte de un conjunto, incluyendo al conjunto completo
y trivialmente, un conjunto denominado conjunto vacío y denotado por  ,
que es el que no contiene elementos.
Si A y B son eventos que no tienen elementos en común, se dice que son
EVENTOS MUTUAMENTE EXCLUYENTES.
En numerosos problemas de probabilidad son de interés eventos que puedan
expresarse en términos de dos o más eventos formando UNIONES,
INTERSECCIONES Y COMPLEMENTOS:
•Si A y B son dos eventos cualesquiera en un espacio muestral S, su unión (AUB)
es un subconjunto de S, el cual contiene todos los elementos que están en A, en B
o en ambos.
•Su intersección A B es otro subconjunto de S, el cual contiene todos los
elementos que están a la vez en A y en B.
•El complemento de A es el subconjunto de S que contiene todos los elementos
que no están en A.
TEOREMAS DE TEORIA DE CONJUNTOS

A B  B  A
A  ( B  C )  ( A  B)  C
A B  B  A
A  ( B  C )  ( A  B)  C  A  B  C
A  ( B  C )  ( A  B)  ( A  C )
A  ( B  C )  ( A  B)  ( A  C )
A  A
A  
 Probabilidad

Valor entre cero y uno, inclusive, que describe la posibilidad

relativa de que ocurra un evento.

Medida de la oportunidad con que se puede esperar que

ocurra un evento.

Posibilidad de que ocurra un evento.

ENFOQUES DE LA PROBABILIDAD

•Probabilidad a priori o clásica

•Probabilidad a posteriori o frecuencia relativa

•Enfoque Subjetivo
Probabilidad a priori o clásica

Se basa en a la consideración de que los resultados de un

experimento son igualmente probables, o sea en el
conocimiento a priori del proceso involucrado.

Y la probabilidad de que suceda un evento se puede calcular

por la expresión siguiente:
# de resultados posibles al evento A nA
Proba.de un evento A= ----------------------------------------= ----------------
#total de resultados posibles nt
 PROBABILIDAD A PRIORI

Del experimento de lanzar un dado ¿Cuál es la

probabilidad de obtener un 3?
Sol. Del ejemplo anterior : P(C) Probabilidad de que
ocurra el evento C.
P( C)= 1/6
¿Cuál es la probabilidad de obtener un # par?
E2 : es el evento de obtener un # par
P(E2)= 3/6=1/2
 Probabilidad a posteriori o frecuencia relativa.

En muchas situaciones los eventos no tienen igual

probabilidad de ocurrir, en estos casos, para calcular
probabilidades se utiliza este enfoque basado en datos
históricos. Se basa en información observada o producto de
la experimentación, no en el conocimiento previo de un
proceso. Si un experimento se repite muchas veces, la
frecuencia relativa con que ocurre el evento sería una
aproximación de la probabilidad. Se determina observando
en que fracción de tiempo sucedieron eventos semejantes en
el pasado. Se expresa por:

N° de veces que el evento ocurrió en el pasado

La Probabilidad de que = -----------------------------------------------
ocurra un evento N° total de observaciones
 PROBABILIDAD A POSTERIORI ó de frecuencia relativa

Ejemplo:
Se efectuó un estudio de 751 graduados en administración
de empresas en la U.P. Este experimento reveló que 383 de
los 751 no estaban empleados según su principal área de
estudio en la Universidad.
¿Cuál es la probabilidad de que un graduado específico en
administración esté empleado en un área distinta a la
principal de sus estudios en la Universidad?
Sol: P(A)=383/751=0.51
 Enfoque subjetivo
Se refiere a la posibilidad de la ocurrencia de un
evento asignado por una persona en particular,
basada en la evidencia que tenga disponible. Se
basa en la combinación de experiencia, la opinión
personal y el análisis de una situación en
particular.
Las probabilidades subjetivas están basadas en las
creencias de las personas que efectúan la
estimación de la probabilidad.
 PROPIEDADES DEL CALCULO DE PROBABILIDADES

Sea S el espacio muestral de un experimento, particionado en eventos mutuamente

exclusivos y exhaustivos, que pueden ser simples o compuestos. La probabilidad
de un evento cualquiera E en S es un número real tal que se cumplen los teoremas
siguientes :

1. La probabilidad de que ocurra el evento E denotado por P(E) es un número

comprendido entre 0 y 1 inclusive

0  P( E )  1
2. La probabilidad de todo evento puede ser igual a 1. Si un evento es
idéntico al espacio muestral, o sea E= S, la probabilidad de tal evento es
entonces UNO, lo que implica que el evento ocurre seguramente, o sea que

P( S )  1
3. Si E1 y E2 son dos eventos de S y si la ocurrencia de E1 implica la
de E2, o sea E1es una parte de E2, entonces la probabilidad de E1 es
menor o igual que la probabilidad de E2
E1  E2  P( E1 )  P( E2 )
4. La probabilidad de un evento imposible, o de un conjunto vacío es
CERO. Una probabilidad CERO indica que el evento no ocurre
seguramente. Es decir que: P()  0

5. La suma total de todas las probabilidades dentro del espacio muestral será igual
a UNO.

 P( E )  1
Todai
i
 REGLAS PARA EL CALCULO DE LA PROBABILIDAD

1. Regla especial de la adición:

Si dos eventos A y B son mutuamente excluyentes ( la
intersección de A y B no ocurre), la regla especial de
adición indica que la probabilidad de que ocurra A o B es
igual a la suma de sus probabilidades respectivas:
P(A o B)= P(A U B)= P(A) + P(B)
Generalizando para tres eventos mutuamente excluyentes:
P(A o B o C)= P(A U B U C)= P(A)+P(B)+P(C)
 2. Regla general de la adición

Si los eventos no son mutuamente excluyentes (hay

elementos comunes, A intersección B existe)

P( AóB)  P( A  B)  P( A)  P( B)  P( A  B)

A B

A B

Diagrama de Venn: es la representación de los eventos mediante círculos inscritos en un rectángulo

 Generalizando para tres eventos A, B y C QUE NO SON
.MUTUAMENTE EXCLUYENTES

A B

C
P( A  B  C)

Diagrama de Venn

La probabilidad de que ocurra A o B o C es decir:

P ( AóBó C)  P ( A  B  C ) 

P ( A)  P ( B )  P ( C )  P ( A  B )  P ( B  C )  P ( A  C )  P ( A  B  C )
3. Regla del complemento de un evento

El complemento de un evento A (A´o AC) es todo aquel

resultado que no forma parte del evento A por lo tanto

P(A) + P(A´) es igual a 1 entonces P(A) = 1 - P(A´).

A A´

Diagrama de Venn
 MARGINAL
4. Regla de la multiplicación BAJO CONDICIONES CONJUNTA
DE INDEPENDENCIA
DE EVENTOS CONDICIONAL

CALCULO DE
PROBABILIDADES

MARGINAL
BAJO CONDICIONES CONJUNTA
DE DEPENDENCIA DE
EVENTOS CONDICIONAL
 Probabilidad Condicional
a. Probabilidad condicional:
Es la probabilidad de que ocurra un evento en particular
(posterior), dado que ocurrió otro evento (anterior).
La probabilidad de que ocurra el evento A dado que ya
ocurrió B se denota como P(A|B) y se calcula por la
expresión:
P( A / B)  P( A  B) / P( B)

La probabilidad de que ocurra el evento B dado que ya ocurrió A se

denota como P(B|A) y se calcula por la expresión:

P( B / A)  P( A  B) / P( A)
 Probabilidad Conjunta
Para dos eventos A y B, dependientes, la probabilidad
conjunta de ocurrencia se encuentra multiplicando la
probabilidad de A por la probabilidad condicional de B dado
que A ocurrió.

P( A  B)  P( A) P( B / A)

la probabilidad de que ocurra un evento esta influenciada

porque ocurra o no otro evento.
ó

P( A  B)  P( B) P( A / B)
PROBABILIDAD MARGINAL
Es la probabilidad de ocurrencia de un evento simple.
 TABLA DE PROBABILIDADES CONJUNTAS

´ PROBABILIDADES

EVENTO A
EVENTO B
B B MARGINALES

´
A A B A B P(A)

A´ A´ B A´  B´ P(A´)
PROBABILIDADES
MARGINALES
P(B) P(B´) 1.00
PROBABILIDADES
CONJUNTAS
 DIAGRAMA DE ARBOL PARA
PROBABILIDADES P( B / A) P( A  B)

P(A)
P ( B´/ A) P( A  B´ )

El diagrama de árbol se utiliza

para visualizar, las probabilidades P( B / A´) P( A´  B)
condicionales y conjuntas y en
particular para el análisis de
P(A´)
decisiones administrativas que
involucran varias etapas.
P ( B´/ A´) P( A´  B´ )
b. Probabilidad para eventos independientes.
Cuando los eventos son independientes entonces el
cálculo de probabilidades condicionales se expresa por:

P(B/A)=P(B)

La suma de todas las probabilidades conjuntas del

diagrama de árbol siempre suman uno (1).

Cada rama del diagrama corresponde a una posibilidad o

evento.
 Diagrama de Arbol
Ejemplo:

Se lanza una moneda dos veces y se observa lo que

aparece en la cara superior de las mismas. Describa las
posibilidades mediante un diagrama de árbol y calcule la
probabilidad de que en esa experiencia se obtengan dos
caras.
A1: evento de obtener cara en el primer lanzamiento
A2: evento de obtener sello en el primer lanzamiento
B y B´: eventos de obtener cara y sello respectivamente en
el segundo lanzamiento.
Los eventos son independientes
P(A1)*P(B/A1)=1/4
P(B/A1)=1/2

P(A1)=1/2
P(B´/A1)=1/2 P(A1)*P(B´/A1)=1/4

P(B/A2)=1/2 P(A2)*P(B/A2)=1/4
P(A2)=1/2

P(B´/A2)=1/2
P(A2)*P(B´/A1)=1/4

TOTAL=1
La probabilidad de obtener dos caras es igual
a: P(A1)*P(B/A1) = 1/2*1/2=1/4=0.25=25%

Como los eventos son independientes, se

observa que P(B/A1)= P(B)
 Ejemplo

En una cadena de televisión se hizo una encuesta a 2500

personas para saber la audiencia de un debate y de una
película que se emitieron en horas distintas: 2 100 vieron la
película, 1 500 vieron el debate y 350 no vieron ninguno de
los dos programas. Si elegimos al azar a uno de los
encuestados:
a) ¿Cuál es la probabilidad de que viera la película y el
debate?
b) ¿Cuál es la probabilidad de que viera la película, sabiendo
que vio el debate?
c) Sabiendo que vio la película, ¿cuál es la probabilidad de
que viera el debate?
 5. Teorema de Bayes

El teorema de Bayes se representa con la fórmula:

P( A1) * P( B | A1)
P( A1 | B) 
P( A1) * P( B | A1)  P( A2) * P( B | A2)
En donde A1 es un evento anterior y B un evento posterior.
Se dice que el Teorema de Bayes es una probabilidad
condicional marcha atrás y se utiliza en la toma de
decisiones bajo incertidumbre.
Recordemos que para calcular probabilidades hay
que conocer las posibilidades, por lo tanto las
técnicas de conteo vistas anteriormente sirven para
conocer las mismas.

En la fórmula para el cálculo de la probabilidad a

priori nt y nA se pueden calcular por las técnicas

fundamentales del conteo.

 Ejemplo

El gerente de mercadotecnia de una compañía

fabricante de juguetes estudia el lanzamiento de un
nuevo juguete. En el pasado, 40% de los juguetes
introducidos por la compañía han tenido éxito y 60%
han fracasado. Antes de lanzar el juguete, se realiza un
estudio de mercado y se hace un informe, ya sea
favorable o desfavorable.
En el pasado, 80% de los juguetes con éxito tenía un
informe favorable, y 30 % de los juguetes que
fracasaron tenían un informe favorable.
Favorable F
0.80 F P( S  F )  P( F / S ) * P( S )
No favorable F´
S
Exito
P( S  F´)  P( F´/ S ) * P( S )
0.20 F´
0.40

0.60 P( S´ F )  P( F / S´) * P( S´)

F
0.30

S´
Fracaso
F´ P( S´ F´)  P( F´/ S´) * P( S´)
0.70
Si se selecciona un juguete de la compañía calcule lo
siguiente:
1. Dado que se tuvo un informe favorable, ¿cuál es la
probabilidad de que el juguete tenga éxito?
2. ¿Cuál es la probabilidad de que el juguete tenga un informe
favorable?
3. Dado que se tuvo un informe desfavorable, ¿cuál es la
probabilidad de que el juguete no tenga éxito?
4. ¿Cuál es la probabilidad de que el juguete tenga un informe
desfavorable?
5. Dado que se tuvo un informe desfavorable, ¿cuál es la
probabilidad de que el juguete tenga éxito?
Ejemplo 1:
La prevalencia de infarto cardíaco para hipertensos es del 0,3% y para no
hipertensos del 0,1%. Si la prevalencia de hipertensión en una cierta población
es del 25% ¿Cuál es la prevalencia del infarto en esa población?
Solución:

A1 = {ser hipertenso}

A2 = {no serlo}
estos sucesos constituyen un sistema competo de sucesos

B = {padecer infarto}

datos: p(B|A1) = 0,003;

p(B|A2) = 0,001;
p(A1) = 0,25

evidentemente p(A2) = 1-p(A1)=0,75

p(B) = p(B|A1)x p(A1)+ p(B|A2)x p(A2) =

= 0,001 0,003x0,25 + 0,001 x 0,75 = 0,0015

 Ejemplo 2:

Si seleccionamos una persona al azar, la probabilidad de que sea diabética es 0,03.

Obviamente la probabilidad de que no lo sea es 0,97.

P(D)=0.03: P(NB)=0.97
Si no disponemos de información adicional nada más podemos decir, pero supongamos que al
realizar un análisis de sangre los niveles de glucosa son superiores a 1.000 mg/l, lo que ocurre
en el 95% de los diabéticos y sólo en un 2% de las personas sanas.
P(HG/D)=0.95
P(HG/ND)=0.02
¿Cuál será ahora la probabilidad de que esa persona sea diabética?

P(HG)=P(HG/D)xP(D)+P(HG/ND)xP(ND)=0.95x0.03+0.02x0.97=0.0479

P( D)  P( HG / D) 0.03  0.95
P( D / HG )    0.595
P( HG ) 0.0479
Vemos así que la información proporcionada por el análisis de sangre hace pasar, la
probabilidad inicial de padecer diabetes de 0,03, a 0,595.
Evidentemente si la prueba del análisis de sangre hubiese sido negativa, esta información
modificaría las probabilidades en sentido contrario. En este caso la probabilidad de padecer
diabetes se reduciría a 0,0016.