Profesora: Nidia Quintero Peña

Junio 2019
Probabilidad
Se define como la medida del grado de confianza que se
tiene de la ocurrencia de un acontecimiento.
Se refiere al estudio de la aleatoriedad y la incertidumbre.
La teoría de la probabilidad proporciona métodos para
cuantificar las probabilidades relacionadas con varios
resultados.
Concepto de espacio de
probabilidad
Día a día, repeticiones de los experimentos pueden ocasionar resultados
levemente diferentes. A estos experimentos se les dice que tienen una
componente aleatoria.
Lo importante es entender, cuantificar, y modelar el tipo de variación. Si
esta variación es tenida en cuenta en el pensamiento y análisis del
problema, se puede juzgar con argumentos cuando los resultados no son
invalidados por la variación.
Los cambios incontrolables en los experimentos pueden estar dados por
el ambiente (Temperatura, impurezas químicas, dispositivo de medición)
Según lo que se desee, o el resultado de esta componente aleatoria
puede ser o no despreciable, dependiendo también de la precisión
propuesta o la meta misma del experimento.
Concepto de espacio de
probabilidad
Experimentos aleatorios Variables
controladas

Entrada Sistema Salida

Variables de
ruido

Un experimento que puede generar diferentes resultados,

incluso cuando es repetido de la misma manera cada vez,
es llamado un experimento aleatorio.
Concepto de espacio de
probabilidad
Para modelar y analizar un experimento aleatorio, se debe
primero entender el conjunto de posibles resultados del
experimento.
En esta introducción a la probabilidad, se hará uso de los
conceptos básicos de conjuntos y sus operaciones.
Concepto de espacio de
probabilidad
Espacios muestrales
El conjunto de todos los posibles resultados de un
experimento aleatorio es llamado el espacio muestral del
experimento.
El espacio muestral es denotado como S.

Ejemplo: el experimento de examinar un solo fusible para saber si está

defectuoso. El espacio muestral es: S = {N, D} , donde N es no
defectuoso y D es defectuoso.
Concepto de espacio de
probabilidad
Espacios muestrales

Ejemplo: si se examinan tres fusibles en secuencia y se

observa el resultado de cada examen, entonces un
resultado para todo el experimento es cualquier secuencia
de letras N y D de tamaño 3, como se muestra:

S = {NNN, NND, NDN, NDD, DNN, DND, DDN, DDD}

Concepto de espacio de
probabilidad
Espacios muestrales
Ejemplo: Medir el espesor de una pieza de plástico.
𝑆 = 𝑅+ = {𝑥|𝑥 > 0}
𝑆 = {𝑥|5 < 𝑥 < 6}
Plástico moldeado 𝑆 = 𝑏𝑎𝑗𝑜, 𝑚𝑒𝑑𝑖𝑜, 𝑎𝑙𝑡𝑜
𝑆 = {𝑠𝑖, 𝑛𝑜}
Concepto de espacio de
probabilidad
Espacios muestrales discretos y continuos
Un espacio muestral es discreto si este consiste de un finito
o un contable infinito conjunto de resultados. Un espacio
muestral es continuo si este contiene intervalos (finitos o
infinitos) de números reales.
𝑆 = 𝑅+ = {𝑥|𝑥 > 0} Ejemplo de caso continuo
𝑆 = {𝑠𝑖, 𝑛𝑜} Ejemplo de caso discreto
 Concepto de espacio de
probabilidad
En experimentos aleatorios si los ítems son seleccionados
de un lote, se indicará si un ítem es reemplazado antes de
seleccionar el próximo.
Por ejemplo, el lote tiene 3 ítems {𝑎, 𝑏, 𝑐} y en el
experimento se seleccionan 2 ítems sin reemplazo, el
espacio muestral puede ser representado así:

𝑆𝑠𝑖𝑛 = {𝑎𝑏, 𝑎𝑐, 𝑏𝑎, 𝑏𝑐, 𝑐𝑎, 𝑐𝑏}

a b

c
Concepto de espacio de
probabilidad
En experimentos aleatorios si por el contrario en un
experimento los ítems son reemplazados antes de
seleccionar el próximo, la muestra es referida a un con
reemplazo, el nuevo espacio muestral puede ser
representado así:

𝑆𝑐𝑜𝑛 = {𝑎𝑎, 𝑎𝑏, 𝑎𝑐, 𝑏𝑎, 𝑏𝑏, 𝑏𝑐, 𝑐𝑎, 𝑐𝑏, 𝑐𝑐}
Concepto de espacio de
probabilidad
Diagramas de árboles
Cuando un espacio muestral puede ser
construido por pasos o estaciones, se
puede construir cada uno de los 𝒏𝟏
caminos para completar el primer
paso como una rama de un árbol, de la
misma forma completar el segundo
paso de los 𝒏𝟐 caminos con otra rama
de un árbol y así sucesivamente.
Concepto de espacio de
probabilidad
Diagramas de árboles
Ejemplo: Suponga que una fábrica de vehículos equipados
provee varias opciones de las cuales cada vehículo es
ordenado con:
oTransmisión automática o manual.
oCon o sin aire acondicionado.
oLa posibilidad de escoger entre 3 sistemas de audio.
oLa posibilidad de escoger entre 4 colores externos.
Concepto de espacio de
probabilidad
Diagramas de árboles

Diagrama de árboles para diferentes tipos de vehículo.

Tomado de Montgomery
Concepto de espacio de
probabilidad
Eventos
Un evento es un subconjunto del espacio muestral de un
experimento aleatorio.
Ejemplo. Evento esperado: Duermo diariamente 8 horas.
Evento: Estuve enfermo y no pude dormir bien (dormí bien
sólo 6 horas).
Evento: Estoy en semana de exámenes y no los planifiqué
bien (sólo duermo 4 horas).
Evento: Llegaron de visita sorpresa unos familiares y me he
quedado hablando con ellos en la noche (duermo 5 horas).
Concepto de espacio de
probabilidad
Eventos
Combinaciones de eventos existentes dan pie a otros
subconjuntos más grandes o más pequeños de dichos
eventos. Por lo tanto, se utilizan operaciones básicas y se
resumen en términos de eventos:
oUnión: Entre dos eventos, consiste de todos los resultados que son
contenidos en cada uno de los dos eventos. 𝐸1 ∪ 𝐸2 .
oIntersección: Entre dos eventos, consiste de todos los resultados que
son contenidos en común. 𝐸1 ∩ 𝐸2 .
oComplemento: El complemento de un evento es el conjunto de todos
los resultados que están en el espacio muestral y que no están en el
evento. El complemento de 𝐸 se denota 𝐸 ′ .
Concepto de espacio de
probabilidad
Eventos
A y B son eventos del espacio muestral S. El diagrama
mostrado es llamado diagrama de Venn.

S S S S

A B A B A B A B

𝐴∪𝐵 𝐴∩𝐵 𝐴′
Concepto de espacio de
probabilidad
Ejemplo:
Considere el espacio muestral S:
S = {yy, yn, ny, nn}
Ahora suponga que el resultado de un evento conforme es
el evento 𝐸1 = {yy, yn, ny}. Si encontramos el evento en
que ambas partes no son conformes tendremos 𝐸2 = {nn} y
así otros eventos pueden ser 𝐸3 = ∅ (conjunto vacío) y 𝐸4 =
𝑆. Si 𝐸5 = {𝑦𝑛, 𝑛𝑦, 𝑛𝑛},
Hallar: 1. 𝐸1 ∪ 𝐸5 , 2. 𝐸1 ∩ 𝐸5 , 3. 𝐸1 ′, 4. 𝐸5 ′, 5. 𝐸1 ∩ 𝐸2
Concepto de espacio de
probabilidad
Dos eventos sin un resultado en común no tienen una
relación importante. Así, si denotados los eventos 𝐸1 𝑦 𝐸2
tales que:
𝐸1 ∩ 𝐸2 = ∅
Estos eventos son llamados mutuamente excluyentes.
Adicionalmente, la definición de complemento de un
evento implica que:
𝐸′ ′ = 𝐸 S

A B
Concepto de espacio de
probabilidad
Leyes de Morgan.
Dos propiedades muy importantes para la solución de
problemas son:
𝐴 ∪ 𝐵 ′ = 𝐴′ ∩ 𝐵′
𝐴 ∩ 𝐵 ′ = 𝐴′ ∪ 𝐵′
Y se debe recordar que:
𝐴∩𝐵 =𝐵∩𝐴
𝐴∪𝐵 =𝐵∪𝐴
Concepto de espacio de
probabilidad
TECNICAS DE CONTEO

Técnicas de conteo
Es fácil determinar el número de resultados en cada
evento, pero para asociar probabilidades con eventos es
importante conocer el número de resultados de ambos en
un evento y en el espacio muestral.
A partir de estos inconvenientes es interesante usar ciertas
reglas básicas que simplifican los cálculos.
Concepto de espacio de
probabilidad.
TECNICAS DE CONTEO

Regla de multiplicación para técnicas de conteo.

Si una operación puede ser descrita como una secuencia
de 𝒌 pasos y
si el número de pasos para completar el camino del
paso 1 es 𝑛1 y
si el número de pasos para completar el camino del
paso 2 es 𝑛2 y así sucesivamente,
El total de números de caminos para completar la
operación es:
𝑛1 ∗ 𝑛2 ∗ 𝑛3 ∗∙∙∙∗ 𝑛𝑘
Concepto de espacio de
probabilidad.
TECNICAS DE CONTEO

Regla de multiplicación para técnicas de conteo.

Ejemplo: En el diseño de un sistema de comunicaciones, se

pueden utilizar 3 tipos de antenas, 4 tipos de modulación y
3 tipos de software para envío y recepción de datos. A
partir de la regla de la multiplicación, se pueden encontrar
que hay 3x4x3=36 diferentes tipos de sistemas posibles
para construir, que se derivan de los componentes a utilizar.
Concepto de espacio de
probabilidad.
TECNICAS DE CONTEO

Permutaciones
Un cálculo útil es el número de secuencias ordenadas de los
elementos de un conjunto. Por ejemplo, 𝑆 = {𝑎, 𝑏, 𝑐}. Una
permutación es una secuencia ordenada de los elementos,
así: 𝑎𝑏𝑐, 𝑎𝑐𝑏, 𝑏𝑎𝑐, 𝑏𝑐𝑎, 𝑐𝑎𝑏 𝑦 𝑐𝑏𝑎 son todas las
permutaciones posibles de los elementos de 𝑆.
Definición
El número de permutaciones de n diferentes elementos es
𝑛!
Dónde 𝑛! = 𝑛 ∗ 𝑛 − 1 ∗ 𝑛 − 2 ∗∙∙∙∗ 2 ∗ 1
Concepto de espacio de
probabilidad.
TECNICAS DE CONTEO

Permutaciones
Sin embargo, en ocasiones el interés es un número
específico de elementos de un conjunto y también se deriva
de la regla de la multiplicación.
Definición
El número de permutaciones de un subconjunto de r
elementos seleccionados desde n diferentes elementos es:
𝑛
𝑛!
𝑃𝑟 = 𝑛 ∗ 𝑛 − 1 ∗ 𝑛 − 2 ∗∙∙∙∗ 𝑛 − 𝑟 + 1 =
𝑛−𝑟 !
Concepto de espacio de
probabilidad.
TECNICAS DE CONTEO

Permutaciones
Ejemplo: Una tarjeta de circuito impreso, tiene ocho
diferentes opciones de lugares en las que un componente
puede ser puesto. Si se deben poner cuatro componentes,
¿Cuántos diseños diferentes son posibles?
8
8!
𝑃4 = 8 ∗ 7 ∗ 6 ∗ 5 = = 1680
8−4 !
1680 diseños diferentes son posibles.
Concepto de espacio de
probabilidad.
TECNICAS DE CONTEO

Permutaciones
Cuando se está interesado en contar los números de
secuencias ordenadas para objetos que no son todos
diferentes.
Definición
El número de permutaciones de 𝑛 = 𝑛1 + 𝑛2 +∙∙∙ +𝑛𝑟
objetos de los cuales 𝑛1 son de un tipo, 𝑛2 de un segundo
tipo y 𝑛𝑟 de un 𝑟-ésimo tipo es:
𝑛!
𝑛1 ! ∗ 𝑛2 ! ∗ 𝑛3 ! ∗∙∙∙∗ 𝑛𝑟 !
Concepto de espacio de
probabilidad.
TECNICAS DE CONTEO

Permutaciones
Ejemplo: Una parte es etiquetada por una impresora con
cuatro (4) líneas gruesas, tres (3) líneas medianas y dos (2)
líneas delgadas.
Si cada ordenamiento de las nueve líneas representa una
etiqueta diferente, ¿Cuántas diferentes etiquetas puede ser
generada usando este esquema?
9!
= 1260
4! 3! 2!
Concepto de espacio de
probabilidad.
TECNICAS DE CONTEO

Combinaciones
Otro problema de conteo de interés es el número de
conjuntos de 𝑟 elementos que pueden ser formados desde
un conjunto de 𝒏 elementos. En este caso el orden no es
importante.
Definición:
El número de subconjuntos de tamaño 𝑟 que pueden ser
seleccionados de un conjunto de 𝑛 elementos es denotado
𝑛
como o 𝐶𝑛𝑟 y:
𝑟
𝑛 𝑛!
=
𝑟 𝑟! 𝑛 − 𝑟 !
Concepto de espacio de
probabilidad.
TECNICAS DE CONTEO

Combinaciones
Ejemplo: Calcular las posibles combinaciones de 2
elementos que se pueden formar con los números 1, 2 y 3.
3
3! 3!
𝐶2 = = =3
2! 3 − 2 ! 2! 1 !
Aquí se pueden establecer 3 parejas diferentes, las cuales
son (1,2), (2,3) y (1,3)
Concepto de espacio de
probabilidad.
TECNICAS DE CONTEO

Combinaciones
Ejemplo: Una tarjeta de circuito impreso, tiene ocho
diferentes opciones de lugares en las que un componente
puede ser puesto. Si cinco componentes idénticos se deben
colocar en la tarjeta, ¿Cuántos diseños diferentes son
posibles?
8 8! 8!
𝐶5 = = = 56
5! 8 − 5 ! 5! 3 !
El número posibles de diseños es 56.
Concepto de espacio de
probabilidad.
Interpretaciones de probabilidad

Se introducirá la probabilidad para espacios muestrales

discretos para simplificar el concepto y utilizar una
matemática sencilla.
Probabilidad. Es usada para cuantificar la probabilidad o
la posibilidad que un resultado de un experimento
aleatorio ocurra.
La probabilidad de que una respuesta ocurra es
cuantificada por asignación de un número dentro del
intervalo [0,1] (o un porcentaje de 0 a 100%).
Concepto de espacio de
probabilidad.
Interpretaciones de probabilidad

La probabilidad de un resultado puede ser interpretada

como una probabilidad subjetiva o grado de confianza,
que el resultado ocurra.
Otra interpretación de probabilidad es basada en el
modelo conceptual de repetidas réplicas del experimento
aleatorio.
◦ La probabilidad de un resultado es interpretada como el valor límite
de la proporción de veces que ocurre el resultado en 𝒏
repeticiones del experimento aleatorio tanto como 𝒏 se
incrementa.
Concepto de espacio de
probabilidad.
Interpretaciones de probabilidad

La proporción, o frecuencia relativa, de réplicas del

experimento que resultan en la respuesta del ejemplo
anterior es 0.2.
Las probabilidades para un experimento aleatorio son
frecuentemente asignadas en la base de un razonable
modelo del sistema bajo estudio. Un acercamiento es
basar la asignación de probabilidad en el simple concepto
de resultados igualmente probables.
Concepto de espacio de
probabilidad.
Interpretaciones de probabilidad

Cuando el modelo de resultados igualmente probables es

asumido, las probabilidades son escogidas por igual.
Definición. Siempre que un espacio muestral consista de 𝑁
posibles resultados que son igualmente probables, la
probabilidad de cada resultado es 1/𝑁.
Concepto de espacio de
probabilidad.
Interpretaciones de probabilidad

Definición. Para un espacio muestral discreto, la

probabilidad de un evento 𝑬, denotada como 𝑃(𝐸), es
igual a la suma de las probabilidades del resultado en 𝐸.
Ejemplo: Un experimento aleatorio puede resultar en uno
de los resultados {𝑎, 𝑏, 𝑐, 𝑑} con probabilidades
0.1, 0.3,0.5, 0.1 respectivamente. Digamos que 𝐴 denota
el evento {𝑎, 𝑏}, 𝐵 el evento 𝑏, 𝑐, 𝑑 y 𝐶 el evento 𝑑 .
Entonces, calcular las respectivas probabilidades.
Concepto de espacio de
probabilidad.
AXIOMAS de KOLMOGOROV

Axiomas de probabilidad.
Ya que se definió la probabilidad de ocurrencia de un
evento, se puede recolectar todo lo que se ha asumido
concerniente a las probabilidades en un conjunto de
axiomas de las probabilidades que un experimento
aleatorio debe satisfacer.
Ejemplo: Si el evento 𝐴 está contenido dentro del evento 𝐵,
se podría tener que P(𝐴) ≤ 𝑃(𝐵). NOTA: Los axiomas no
determinan probabilidades, las probabilidades son
asignadas basadas en el conocimiento del sistema que está
bajo estudio.
Concepto de espacio de
probabilidad.
AXIOMAS de KOLMOGOROV

Axiomas de probabilidad.
Definición. La probabilidad es un número que es asignado
a cada miembro de una colección de eventos en un
experimento aleatorio que satisface las propiedades:
Si 𝑆 es un espacio muestral y 𝐸 es algún evento en un
experimento aleatorio,
1. 𝑃 𝑆 = 1
2. 0 ≤ 𝑃(𝐸) ≤ 1
S
3. Para dos eventos 𝐸1 y 𝐸2 con 𝐸1 ∩ 𝐸2 = ∅
𝑃 𝐸1 ∪ 𝐸2 = 𝑃 𝐸1 + P(𝐸2 ) 𝐸1 𝐸2
Concepto de espacio de
probabilidad.
AXIOMAS de KOLMOGOROV

Axiomas de probabilidad.
Otros resultados interesantes son:
𝑃 ∅ =0
𝑃 𝐸′ = 1 − 𝑃 𝐸
Para dos eventos 𝐸1 y 𝐸2 con 𝐸1 ∩ 𝐸2 = 𝐸1
𝑃 𝐸1 ≤ P(𝐸2 )

S
𝐸2

𝐸1
Concepto de espacio de
probabilidad.
AXIOMAS de KOLMOGOROV

Reglas de adición
Unir eventos es una aplicación de básica de operaciones
de conjuntos. 𝐴 ∪ 𝐵, 𝐴 ∩ 𝐵 o 𝐴′ , son operaciones
comunes. El interés está en la aplicación de 𝐴 ∪ 𝐵 y la
regla general se le denota.
𝑃 𝐴 ∪ 𝐵 = 𝑃 𝐴 + 𝑃 𝐵 − 𝑃(𝐴 ∩ 𝐵)
Si 𝐴 y 𝐵 son eventos mutuamente excluyentes.
𝑃 𝐴∪𝐵 =𝑃 𝐴 +𝑃 𝐵

S
𝐴 𝐵
Concepto de espacio de
probabilidad.
AXIOMAS de KOLMOGOROV

Tres o más eventos

Para hallar probabilidades más complicadas como
𝑃 𝐴 ∪ 𝐵 ∪ 𝐶 , se puede determinar a partir de las
ecuaciones ya definidas. Por lo tanto:
𝑃 𝐴∪𝐵∪𝐶 =
𝑃 𝐴 +𝑃 𝐵 +𝑃 𝐶 −𝑃 𝐴∩𝐵 −𝑃 𝐴∩𝐶 −𝑃 𝐵∩𝐶
+ 𝑃(𝐴 ∩ 𝐵 ∩ 𝐶)

S
𝐴 𝐵

𝐶
Concepto de espacio de
probabilidad.
AXIOMAS de KOLMOGOROV

Una colección de eventos, 𝐸1 , 𝐸2 ,…, 𝐸𝑘 está

diseñada para ser mutuamente exclusiva
(excluyente) si los pares:
𝐸𝑖 ∩ 𝐸𝑗 = ∅
Para una colección de eventos mutuamente
exclusivos, se tiene:
𝑃 𝐸1 ∪ 𝐸2 ∪∙∙∙∪ 𝐸𝑘 = 𝑃 𝐸1 + 𝑃(𝐸2 )+∙∙∙ +𝑃(𝐸𝑘 )

S 𝐵
𝐷

𝐴 𝐶
Probabilidad Condicional
Se tiene que D denota el evento de encontrar que una parte
es defectuosa y F el evento que una parte tiene una
superficie defectuosa. Entonces, se puede denotar que la
probabilidad de D dado que es una superficie defectuosa
como:
𝑃 𝐷|𝐹
Esta notación es leída como la probabilidad de D dado F y es
interpretado como la probabilidad de que una parte sea
defectuosa dado que tiene una superficie defectuosa.
Probabilidad Condicional
Definición

La probabilidad condicional de un evento 𝐵 dado un evento

𝐴 denotado como 𝑃 𝐵|𝐴 es:
𝑃 𝐴∩𝐵
𝑃 𝐵|𝐴 = Para 𝑃 𝐴 > 0.
𝑃 𝐴

Ésta se puede entender a partir de un caso de experimentos

aleatorios igualmente probables. Si hay n resultados totales:
𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑟𝑒𝑠𝑢𝑙𝑡𝑎𝑑𝑜𝑠 𝑑𝑒 𝐴
𝑃 𝐴 =
𝑛
𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑟𝑒𝑠𝑢𝑙𝑡𝑎𝑑𝑜𝑠 𝑑𝑒 𝐴∩𝐵
Y si: 𝑃 𝐴∩𝐵 =
𝑛
𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑟𝑒𝑠𝑢𝑙𝑡𝑎𝑑𝑜𝑠 𝑑𝑒 𝐴∩𝐵
Entonces: 𝑃 𝐵|𝐴 =
𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑟𝑒𝑠𝑢𝑙𝑡𝑎𝑑𝑜𝑠 𝑑𝑒 𝐴
Probabilidad Condicional
En procesos de manufactura, el 10% de las partes
contienen superficies defectuosas y el 25% de las partes
con superficies defectuosas son partes defectuosas
funcionalmente.
Sin embargo, sólo el 5% de las partes sin superficies
defectuosas son partes defectuosas.
Reglas de probabilidad total
Regla de multiplicación

La definición de probabilidad condicional puede

reescribirse de forma más general a partir de la
probabilidad de dos eventos. A esta ecuación se le llama la
regla de multiplicación.
𝑃 𝐴 ∩ 𝐵 = 𝑃 𝐵|𝐴 𝑃 𝐴 = 𝑃 𝐴|𝐵 𝑃(𝐵)

Ejemplo: La probabilidad de que la batería de un automóvil

sujeto a alta temperatura en el compartimiento del motor
sufra baja carga es 0.7. La probabilidad que una batería esté
sujeta a alta temperatura en el comportamiento del motor
es 0.05.
Reglas de probabilidad total
Regla de multiplicación

Digamos que C denota el evento de que una batería sufra

de baja carga de corriente, también digamos que T denota
el evento en el que una batería esté sujeta a alta
temperatura en el comportamiento del motor. La
probabilidad que una batería esté sujeta a baja carga de
corriente y alta temperatura en el compartimiento del
motor es:

𝑃 𝐶 ∩ 𝑇 = 𝑃 𝐶|𝑇 𝑃 𝑇 = 0.7 ∗ 0.05 = 0.035

Reglas de probabilidad total
PROBABILIDAD TOTAL

Para algún evento 𝐵, se puede escribir 𝐵 como una la

unión de la parte 𝐵 en 𝐴 y la parte 𝐵 en 𝐴’.
𝐵 = (𝐴 ∩ 𝐵) ∪ (𝐴′ ∩ 𝐵)

𝐴 𝐵
A’
Reglas de probabilidad total
Dos O más eventos

Regla de probabilidad total (dos eventos).

Para algunos eventos 𝐴 y 𝐵,
𝑃 𝐵 = 𝑃 𝐵 ∩ 𝐴 + 𝑃 𝐵 ∩ 𝐴′ =
𝑃 𝐵|𝐴 𝑃 𝐴 +𝑃 𝐵|𝐴′ 𝑃 𝐴′

Regla de probabilidad total (múltiples eventos).

Asuma que los eventos 𝐸1 , 𝐸2 , …, 𝐸𝑘 , son conjuntos k
mutuamente exclusivos y exhaustivos. Entonces:
𝑃 𝐵 = 𝑃 𝐵 ∩ 𝐸1 + 𝑃 𝐵 ∩ 𝐸2 + ⋯ + 𝑃 𝐵 ∩ 𝐸𝑘 =
𝑃 𝐵|𝐸1 𝑃 𝐸1 +𝑃 𝐵|𝐸2 𝑃 𝐸2 +⋯ + 𝑃 𝐵|𝐸𝑘 𝑃 𝐸𝑘
Reglas de probabilidad total
Dos O más eventos

Ejemplo(dos eventos).
Suponga que en la manufactura de semiconductores, la
probabilidad que un chip por estar sujeto a altos niveles de
contaminación durante este proceso cause que un producto
falle es 𝟎. 𝟏. La probabilidad que un chip que no está sujeto
a altos niveles de contaminación falle durante el proceso de
manufactura y falle es 0.005. En una particular corrida de
producción, 20% de los chips están sujetos a altos niveles
de contaminación. ¿Cuál es la probabilidad que uno de
estos productos falle?
Reglas de probabilidad total
Dos O más eventos

Ejemplo(dos eventos).
Dese cuenta que aquí no se encuentra la probabilidad de
que falle, pero si, de que falle por algunos eventos
particulares. Entonces, digamos que el evento que denota
la probabilidad de falla sea 𝐹, y el evento de tener altos
niveles de contaminación sea 𝐻. La información provista
puede ser representada como:
𝑃 𝐹|𝐻 = 0.1 𝑃 𝐹|𝐻′ = 0.005
𝑃 𝐻 = 0.2 𝑃 𝐻′ = 0.8
𝑃 𝐹 = 0.1 ∗ 0.2 + 0.005 ∗ 0.8 = 0.024
 INDEPENDENCIA
En algunos casos, la probabilidad condicional de
𝑃 𝐵|𝐴 debería ser igual a 𝑃 𝐵 . En este caso especial,
quiere decir que si el resultado del experimento esté
en el evento en A no afecta la probabilidad que el
resultado esté en el evento B.
Ejemplo: Se tiene que de 850 partes de una cadena de
producción 50 no cumplen con los requerimientos del
cliente. Suponga que dos partes son seleccionadas del
lote, pero la primera parte es reemplazada antes de
que la segunda sea seleccionada.
.
850
INDEPENDENCIA
50
𝑃 𝐵|𝐴 =
850
También la probabilidad que ambas partes sean defectuosas es:
50 50
𝑃 𝐴 ∩ 𝐵 = 𝑃 𝐵|𝐴 𝑃 𝐴 = = 0.0035
850 850

850
INDEPENDENCIA
Definición:
Dos eventos son independientes si cualquiera de las
siguientes afirmaciones es verdadera:
1. 𝑃 𝐵|𝐴 = 𝑃 𝐵
2. 𝑃 𝐴|𝐵 = 𝑃 𝐴
3. 𝑃 𝐴 ∩ 𝐵 = 𝑃 𝐴 𝑃(𝐵)
También la probabilidad que ambas partes sean
defectuosas es:
50 50
𝑃 𝐴 ∩ 𝐵 = 𝑃 𝐵|𝐴 𝑃 𝐴 = = 0.0035
850 850
INDEPENDENCIA
Ejemplo: Se tiene que de 850 partes de una cadena de
producción 50 no cumplen con los requerimientos del
cliente. Suponga que dos partes son seleccionadas del lote,
sin reemplazo. Digamos que la primera parte es defectuosa
(Evento A) y digamos que la segunda parte sea defectuosa
(Evento B).

850
 INDEPENDENCIA
Sabemos que:
𝑃 𝐵|𝐴 = 49/849
Y, ¿Qué es 𝑃 𝐵 ? Se debe ahora observar a 𝑃 𝐵 cómo
un evento no condicionado, lo que es a veces algo
difícil debido a que se deben considerar valores de la
primera selección:
𝑃 𝐵 = 𝑃 𝐵|𝐴 𝑃 𝐴 + 𝑃 𝐵|𝐴′ 𝑃 𝐴′
49 50 50 800 50 800 + 49 50
= ∗ + ∗ = =
849 850 849 850 849 ∗ 850 850
.

850
INDEPENDENCIA
Definición:
Los eventos 𝐸1 , 𝐸2 , 𝐸3 , … , 𝐸𝑛 son independientes si y solo si
para cualquier subconjunto de estos eventos
𝐸𝑖1 , 𝐸𝑖2 , 𝐸𝑖3 , … , 𝐸𝑖𝑘 ,
𝑃 𝐸𝑖1 ∩ 𝐸𝑖2 ∩ 𝐸𝑖3 ∩ ⋯ ∩ 𝐸𝑖𝑘
= 𝑃 𝐸𝑖1 ∗ 𝑃 𝐸𝑖2 ∗ ⋯ ∗ 𝑃 𝐸𝑖𝑘
INDEPENDENCIA
Ejemplo:
El siguiente circuito opera sólo si hay un camino de
dispositivos funcionales de izquierda a derecha. Asuma que
los dispositivos fallan independientemente. ¿Cuál es la
probabilidad que el circuito opere?
Evento T (camino arriba)
en operación
0.93
a Evento B (camino abajo)
b
0.93
INDEPENDENCIA
La probabilidad que el circuito opere es:
𝑃 𝑇 𝑜𝑟 𝐵 = 1 − 𝑃 𝑇 𝑜𝑟 𝐵 ′ = 1 − 𝑃 𝑇 ′ 𝑎𝑛𝑑 𝐵′
Así se observa que se ha hecho uso de los complementos
para poder encontrar la solución y asumiendo
independencia:
𝑃 𝑇 ′ 𝑎𝑛𝑑 𝐵′ = 𝑃 𝑇 ′ 𝑃 𝐵′ = (1 − 0.93)2 = 0.072
Por lo tanto:
𝑃 𝑇 𝑜𝑟 𝐵 = 1 − 0.072 = 0.9951
TEOREMA DE BAYES
Uno podría saber una probabilidad condicional, pero se
quisiera calcular una diferente. Para esto se tiene que:

𝑃 𝐴 ∩ 𝐵 = 𝑃 𝐴 𝐵 𝑃(𝐵) = 𝑃 𝐵 ∩ 𝐴 = 𝑃 𝐵 𝐴 𝑃(𝐴)

Si se observan los términos segundo y último, se puede

reescribir que:
P BA P A
𝑃 𝐴𝐵 = para P B > 0
P B
TEOREMA DE BAYES
En general, si 𝑃(𝐵) se puede expresar usando la regla de
probabilidad total, el resultado general es conocido como el
teorema de Bayes.
Definición: Si 𝐸1 , 𝐸2 , 𝐸3 , … , 𝐸𝑘 son k eventos mutuamente
excluyentes y exhaustivos y B es algún evento,

𝑃 𝐸1 𝐵 =
P B 𝐸1 P 𝐸1
P B|𝐸1 P 𝐸1 + P B|𝐸2 P 𝐸2 + ⋯ + P B|𝐸𝑘 P 𝐸𝑘

para P B > 0
 TEOREMA DE BAYES
Ejemplo: Nueva prueba para verificar si usted tiene una
enfermedad.
Probabilidad de que el test sea
0.99 positivo y que la persona
tenga la enfermedad
Procedimiento Probabilidad de que el test sea
médico negativo y que la persona
no tenga la enfermedad
0.95
La probabilidad que la población
enen
Medida
0.0001
general tenga la
enfermedad.
población
TEOREMA DE BAYES
Digamos que D denota el evento que usted tenga la
enfermedad y S denota el evento que salga positivo en el
test. La probabilidad requerida puede ser denotada como
𝑃 𝐷 𝑆 . La probabilidad que el test marque correctamente
que si alguien no está enfermo y el resultado sea negativo
es 0.95. A su vez, la probabilidad que un test marque
negativo siendo que está enfermo es:
𝑃 𝑆 𝐷′ = 0.05
Desde el teorema de Bayes
𝑃 𝑆𝐷 𝑃 𝐷
𝑃 𝐷𝑆 =
𝑃 𝑆 𝐷 𝑃 𝐷 + 𝑃 𝑆 𝐷′ 𝑃(𝐷′)
0.99 ∗ 0.001 1
= = = 0.002
0.95 ∗ 0.001 + 0.05 ∗ (1 − 0.001) 506