PROBABILIDAD Y ESTADÍSTICA

TEORIA DE LA PROBABILIDAD

Sesión 6

Equipo Docente
INTRODUCCION
LOGRO DE LA SESIÓN:

Al término de la sesión, el

estudiante calcula probabilidades,

tomando en cuenta el tipo de

probabilidad requerido, identificando

el experimento aleatorio y sus

eventos asociados.
CONTENIDO

 Probabilidad.

 Experimento Aleatorio.

 Espacio Muestral.

 Evento y Algebra de eventos.

 Probabilidad Condicional.

 Teorema de la multiplicación.

 Teorema de Bayes.
 TEORÍA DE LA PROBABILIDAD

En muchas oportunidades nos hemos encontrado con afirmaciones donde no

existe 100% de certeza sobre la aparición o realización de un hecho o fenómeno.
EJEMPLOS:

• ¿Cuál es la probabilidad de ganar en el juego

Ganagol?

• ¿Cuál es la probabilidad de que el número de

ingresantes a UPN aumente?

• ¿Cuál es la probabilidad de que el número de

artículos producidos salgan defectuosos?

• ¿Cuál es la probabilidad de obtener una nota

aprobatoria en el curso de Probabilidad y Estadística?
En estos ejemplos se puede apreciar que el resultado final no se conoce
con exactitud o certeza, existe por lo tanto INCERTIDUMBRE.

La necesidad de tener suficiente poder para manejar la incertidumbre

obliga a estudiar y usar la teoría de la probabilidad.
TEORIA DE LA PROBABILIDAD

PROBABILIDADES:

Las probabilidades se ocupan de los denominados fenómenos o

experimentos.

EXPERIMENTO:

Se llama experimento al conjunto de acciones, reales o imaginarias,

realizadas con la finalidad de obtener resultados.
1. EXPERIMENTOS NO ALEATORIOS:
Son aquellos cuyo resultado del experimento se
conoce con anterioridad y que puede describirse por
una fórmula matemática, física o química.
Ejemplos:
• Soltar una piedra en el aire.
• Lanzar una pelota en una tina con agua, etc.

2. EXPERIMENTOS ALEATORIOS:
Son aquellos cuyos resultados del experimento no
pueden predecirse con exactitud antes de realizar el
experimento.
Ejemplos:
• Lanzar una moneda y observar la cara superior.
• Lanzar un dado y observar el número que aparece.
DEFINICIONES:

1.1 EXPERIMENTO ALEATORIO (Ε):

Es un proceso de observación, donde el resultado no se puede predecir y

sólo es posible conocerlo una vez que sucede o se da.

EJEMPLO 1:
ε = “Lanzamiento de un dado y su puntaje obtenido”
Resultado: Existe margen de duda en el resultado exacto,
pues es posible que éste aparezca 1, 2, 3, 4, 5 ó 6.
Luego el experimento es aleatorio.
1.2. ESPACIO MUESTRAL
Dado un experimento aleatorio ε, se llama espacio muestral de ε, denotado
por , al conjunto de todos los resultados posibles del experimento.

ξ  = w1, w2, ........, wn

ε = “Lanzamiento de un dado y su puntaje obtenido”

ξ  = 1, 2, 3, 4, 5, 6 n() = 6

Cada w1 es un punto muestral, que corresponde a un resultado del

experimento.
1.3. SUCESO O EVENTO (A, B, C, ….. )
Un suceso o evento de un experimento aleatorio ε, es cualquier subconjunto
del espacio muestral . Es aquel conjunto que contiene resultados de un
experimento aleatorio que tienen una característica particular.
Si A⊂  A es un evento en 

EJEMPLO 1:

Sea A = {El resultado es un número par al lanzar un dado}

Entonces, A = {w є  / w es par} = {2,4,6} ⊂ 

: Se le llama evento nulo o vacio (imposible)

: Evento cierto o seguro (siempre sucede)
EJEMPLO 2:

Experimento:
Anotar el resultado de dos partidos de fútbol jugados por los estudiantes de
una universidad
(G: partido ganado, E: Partido empatado y P: partido perdido)

• Los posibles resultados son: PARTIDO 2

PARTIDO 1 G E P
G GG GE GP
E EG EE EP
P PG PE PP
El espacio muestral:

 = {GG, GE, GP, EG, EE, EP, PG, PE, PP}

Algunos eventos o sucesos serian:
Evento A = Los dos partidos se ganaron.

A = {GG}

Evento B = Por lo menos una de los dos partidos fueron empatados.

B = {GE, EG, EE, EP, PE}

Evento C = A lo más uno de los dos partidos fueron perdidos

C = {GG, GE, GP, EG, EE, EP, PG, PE}

Evento D = Ningún de los tres partidos fueron ganados.

D={ }
EJEMPLO 3:

Experimento:
Examinar los resultados de lanzar 3 monedas

Espacio muestral (Ω): Probabilidad:

Todos los posibles resultados Probabilidad de que la primera
Ω = { ccc, ccs, csc, css, sss, ssc, scs, scc} moneda sea cara.
n(Ω) = 8
P(A) = 4/8= 0.5 = 50%.
Evento:
A = «La primera moneda es cara»
A = {ccc, ccs, csc, css}
n(A) = 4
TIPO DE EVENTOS:

1. EVENTO SEGURO O SUCESO UNIVERSAL

Es un evento que tiene 100% de probabilidad de ocurrencia. (si o si debe

ocurrir).
Ejemplo:
Nos encontramos en la fábrica de Coca Cola, en la línea de producción de
bebidas gaseosas en latas:
B = “Selección de un envase y que éste sea de lata.”

2. EVENTO IMPOSIBLE

Es un evento que NUNCA ocurrirá

Ejemplo:
B = “Selección de un envase y que éste sea de vidrio.”
TIPO DE EVENTOS:

3. EVENTO COMPLEMENTARIO

Es el complemento del evento A y se denota por 𝐴ҧ (se lee NO "A") y

significa que el evento no ocurre.

Ejemplo:
Sea A = Persona con título profesional universitario.
Entonces el complemento será:
𝐴ҧ = Persona sin título profesional universitario.
TIPO DE EVENTOS:

4. EVENTO MUTUAMENTE EXCLUYENTES

Dos eventos A y B son mutuamente excluyentes o disjuntos si 𝐴 ∩ 𝐵 = ∅;

es decir si A y B no tienen elementos en común.
Ejemplo:
La pieza no puede ser aceptable e inaceptable al mismo tiempo. En una
muestra de piezas fabricadas, el evento de seleccionar una pieza no
aceptable y el evento de seleccionar una pieza aceptable son mutuamente
excluyentes.
TIPO DE EVENTOS:

5. EVENTOS INDEPENDIENTES

Dos eventos son independientes si ambos no tienen ninguna relación entre sí;
es decir, si la ocurrencia de uno de ellos, no influye en la ocurrencia del otro.

Ejemplo:
Sean los eventos
X = Primer alumno apruebe el examen de Probabilidad y Estadística.
Y = Segundo alumno apruebe el examen de Probabilidad y Estadística.

X e Y son independientes porque al ocurrir el evento X, éste no influye para

que el evento Y ocurra.
CALCULO DE LA PROBABILIDAD

Es un número entre 0 y 1 inclusive, que

1 Seguro
mide la “posibilidad” de ocurrencia de un
evento específico, y que es resultado de un
experimento.

.5
0  P[OCURRA UN EVENTO]  1

0 Imposible
ENFOQUES DE LA PROBABILIDAD

A) ENFOQUE DE LA PROBABILIDAD CLÁSICA

De acuerdo con el punto de vista clásico, la probabilidad de un evento que se
está llevando a cabo se calcula dividiendo el número de resultados favorables
entre el número de posibles resultados:

n A
P  A =
Número de resultados favorables
=
Número total de posibles resultados n 

Ejemplo 1: Si se lanza un dado, ¿Cuál es la probabilidad que el resultado sea un

número par?

A
1 2 3
 3 𝑃 𝐴 = = 0.5
6
4
6
5
B) CONCEPTO DE FRECUENCIA RELATIVA
Probabilidad de un evento (o suceso), es la frecuencia relativa, ó (%) de
veces que ocurriría el evento (o suceso) al realizar un experimento repetidas
veces.

Ejemplo 2: La siguiente tabla muestra el número de ingresantes a la

Facultad de Negocios de la UPN- Trujillo - 2016, según carrera profesional.

Nro de % de ingresantes
Facultad de Negocios
ingresantes (fi) (hi%)
Administración 405 33.75
Adm. y negocios internacionales 385 32.08
Admistración y marketing 185 15.42
Economía 125 10.42
Gastronomía 100 8.33
Total 1200 100%

21
Ejemplo 3:

ε: Extracción de una carta de 52 naipes

Cuál es la probabilidad de que?

A. Sea espada

B. Sea menor de 9

C. Sea 13

SOLUCIÓN:

A. Sea espada:

P [A] = n(A) / n(Ω)

= 13/52 = 0.25 ó 25%

B. Sea menor de 9:

8 cartas son menores que 9, por lo tanto el total de cartas es igual

a 32 (8*4)

P [B] = n(B) / n(Ω) = 32/52

= 0.6153 ó 61.53%

C. Sea 13:

Hay 4 cartas de valor 13.

(el 13 , el 13 , el 13  y el 13 )

P [C] = n(C) / n(Ω) = 4/52

= 0.0769 ó 7.69%
ALGEBRA DE EVENTOS

OPERACIONES CON EVENTOS.- Dados los eventos A y B

a) UNIÓN: La unión o reunión de A y B, que se denota AUB, es el evento

AUB={w   / w  A ó w  B}

A B 
UNIÓN DE SUCESOS: ∪ SE LEE “Ó”

Caso a) 𝑃 𝐴∪𝐵 =𝑃 𝐴 +𝑃 𝐵
Los eventos A y B son mutuamente excluyentes

Caso b) 𝑃 𝐴 ∪ 𝐵 = 𝑃 𝐴 + 𝑃 𝐵 − 𝑃(𝐴 ∩ 𝐵)
Los eventos A y B son eventos cualquiera
b) INTERSECCIÓN: La intersección de A y B, que se denota AB, es el evento

AB = {w   / w  A y w  B}

𝑛(𝐴 ∩ 𝐵)
𝑃 𝐴∩𝐵 =
𝑛(Ω)

A B

Observación.-
• Si AB =  , se dice que A y B son eventos mutuamente
excluyentes ó incompatibles ó disjuntos.

B

A
c) COMPLEMENTO : El complemento de A, que se denota por A , se
define como el evento formado por los elementos de  que no
están en A. También se le denomina evento opuesto o contrario.

A ={w   / w  A}


A A
PROBABILIDAD CONDICIONAL

• Se denota por P(A / B), donde / significa condicionado, dado, sabiendo que,
si se sabe, etc.
• Se utiliza para calcular la probabilidad de un evento que está condicionado a
un subconjunto del espacio muestral.
• Se define de la siguiente manera:

𝑃(𝐴 ∩ 𝐵)
𝑃(𝐴ൗ𝐵) = , 𝑃(𝐵) > 0
𝑃(𝐵)
EJEMPLO: Los resultados de una encuesta efectuada entre 100 personas,
dio como resultado la opinión que les merece el servicio de transporte
urbano en provincias. Los datos se consignan en el siguiente cuadro (las
personas se clasifican previamente en Peruanos y Extranjeros).

Opinión Bueno Regular Malo No opinan

Total
Nacionalidad (B) (R) (M) (N)
Peruanos (P) 8 38 30 4 80
Extranjeros( E ) 4 5 10 1 20
Total 12 43 40 5 100

A PARTIR DE LA TABLA MOSTRADA CALCULAR LAS SIGUIENTES PROBABILIDADES:

a. ¿Cuál es la probabilidad de que la persona seleccionada sea peruana?

P[P] = n(P) / n(Ω) = 80/100

= 0.80 ó 80%

b. ¿Cuál es la probabilidad de que la persona seleccionada opine que el

servicio del transporte urbano en provincias es bueno?

P[B] = n(B) / n(Ω) = 12/100

= 0.12 ó 12%

c. ¿Cuál es la probabilidad de que la persona seleccionada sea extranjero y

opine que el servicio de transporte urbano es regular?

P [E ∩ R] = n(E ∩ R) / n(Ω) = 5/100 = 0.05 ó 0.5%

d. ¿Cuál es la probabilidad de que la persona seleccionada sea peruano o
opine que el servicio de transporte urbano en provincias es malo?

P [P ∪ M] = P [P] + P [M] - P[P  M]

= 80/100 + 40/100 – 30/100

= 90/100 = 0.90 ó 90%

e. ¿Cuál es la probabilidad de que la persona seleccionada opine que el servicio

de transporte urbano en provincias es malo o es regular?

P [M ∪ R] = P [M] + P [R]

= 40/100 + 43/100

= 83/100= 0.83 ó 83%

f. Si se sabe que la persona seleccionada es extranjera. ¿Cuál es la
probabilidad de que opine que el transporte urbano en provincias es
bueno?

P[B / E] = n(B ∩ E) / n(E) = 4/20 = 0.20 o 20 %

g. ¿Cuál es la probabilidad de que la persona sea peruana, puesto que la

opinión fue que el transporte urbano en provincia es regular?

P [P / R] = n(P ∩ R) / n(R) = 38/43 = 0.8837 ó 88.37%

INDEPENDENCIA DE EVENTOS

Dos eventos son independientes si el que ocurra uno, no añade

información sobre el otro. Es decir, la ocurrencia de uno no influye
en la ocurrencia del otro

A es independiente de B

 P(A|B) = P(A)

 P(AB) = P(A) P(B)

MULTIPLICACION DE PROBABILIDADES
De lo anterior…

𝑃(𝐵 ∩ 𝐴) 𝑃(𝐴 ∩ 𝐵)
𝑃(𝐵ൗ𝐴) = 𝑃(𝐴ൗ𝐵) =
𝑃(𝐴) 𝑃(𝐵)

𝑃 𝐴 ∩ 𝐵 = 𝑃 𝐴 . 𝑃 𝐵Τ𝐴 = 𝑃 𝐵 . 𝑃(𝐴Τ𝐵)
 TEOREMA DE BAYES

• Este es el TEOREMA más importante en el cálculo de probabilidades.

• Para conocer este teorema se deben conocer previamente algunas
definiciones:

A. PARTICION:
Se llama partición al conjunto de eventos del espacio muestral Ω, que
cumple con 2 características:
a. U Ai = Ω (los eventos son colectivamente exhaustivos)
b. ∩ Ai = Ø (los eventos son mutuamente excluyentes)

Ω U Ai = Ω
A1 A2 A3 A4

∩ Ai = Ø
B. PROBABILIDAD TOTAL:

Si A1, A2, … , An es una partición de Ω y B es un subconjunto

cualquiera dentro de Ω, entonces:
A1 A2 A3 A4 B
Ω
(A1∩B) (A2∩B) (A3∩B) (A4∩B)

P(B) = ∑ P(Ai).P(B/Ai)
TEOREMA DE BAYES: Si A1, A2, … , An es una partición de Ω y B es
un subconjunto cualquiera dentro de Ω, entonces, la probabilidad de
que ocurra un evento Ai, cuando el evento B ha ocurrido es:

A1 A2 A3 A4

Ω
(A1/B)

P( Ai )  P( B / Ai )
P( Ai / B) =
P( B)
EJEMPLO DE APLICACIÓN:

En una línea de producción hay dos procesos, A y B. En el proceso A

hay un 20% de defectuosos y en B hay 25%. En una muestra de 300
productos hay 200 del proceso A y 100 del B.

(a) Si se extrae un producto al azar,

hallar la probabilidad que sea
defectuoso.

(b) Si al extraer el producto resultó

defectuoso, halle la probabilidad de
que sea del proceso A.
SOLUCIÓN: SEAN LOS SIGUIENTES EVENTOS:

A = “el producto es del proceso A”

B = “el producto es del proceso B”

D = “el producto es defectuoso”

ഥ = “el producto es no defectuoso”
𝐷
(a) Si se extrae un producto al azar, hallar la probabilidad que sea
defectuoso. D
Debemos calcular P(D).
A
D

D
B

D
𝑃 𝐷 = 𝑃 𝐴 . 𝑃 𝐷/𝐴 + 𝑃 𝐵 . 𝑃 𝐷/𝐵
200 100 65
= 0.20 + 0.25 = = 0.2167 = 21.67%
300 300 300
(b) Si al extraer el producto resultó defectuoso, halle la probabilidad de
que sea del proceso A.

𝑃 𝐴 𝑃 𝐷/𝐴 200Τ300 0.20

𝑃 𝐴/𝐷 = = = 0.615 = 61.5%
𝑃𝐷 0.2167