PRINCIPIOS BÁSICOS DE

PROBABILIDAD
Libia Acosta
 Probabilidad
Es el valor numérico que representa la oportunidad o posibilidad de
que ocurra un evento en particular.

Espacio
Experimento Evento Probabilidad
muestral
 Probabilidad

Probabilidad Clásica
Espacio muestral (S): Evento ( A, B…, etc.) # 𝑒𝑙𝑒𝑚𝑒𝑛𝑡𝑜𝑠 𝑑𝑒 𝐴
Resultados de un Subconjunto del espacio 𝑃 𝐴 =
# 𝑑𝑒 𝑒𝑙𝑒𝑚𝑒𝑛𝑡𝑜𝑠 𝑑𝑒 𝑆
experimento. muestral
 Ejemplo
• Si se lanza una moneda 2 veces, ¿Cuál es la probabilidad de obtener
por lo menos una cara?
c

Cara: c

Moneda

Sello: s

s
 Ejemplo

S= 𝑐, 𝑐 , 𝑐, 𝑠 , 𝑠, 𝑐 , (𝑠, 𝑠)

• #S=4

A= 𝑐, 𝑐 , 𝑐, 𝑠 , 𝑠, 𝑐

• #A=3

3
𝑃 𝐴 = = 0,75 → 75%
4
 Propiedades de las probabilidades
• Si A y B son eventos de S, las propiedades de las
probabilidades son:

•0 ≤ P A ≤ 1
•𝑃 𝑆 =1
•𝑃 ∅ = 0
Propiedades

Elementos que están en A y también en B

𝐴∩𝐵
Propiedades
𝑃 𝐴𝑐 = 1 − 𝑃(𝐴)
Elementos que no están en A

A
Propiedades
𝑃 𝐴 ∪ 𝐵 = 𝑃 𝐴 + 𝑃(𝐵) 𝑃(𝐴 ∪ 𝐵) = 𝑃(𝐴) + 𝑃(𝐵) − 𝑃(𝐴 ∩ 𝐵)

A B

𝐴∪𝐵
Elementos que están en A o están en B
𝐴∪𝐵
Elementos que están en A o están en B o están en A y B
Propiedades
𝑃 𝐴 ∩ 𝐵𝐶 = 𝑃 𝐴 − 𝑃(𝐴 ∩ 𝐵)

Elementos que están en A y no estàn en B

𝐴 ∩ 𝐵𝑐
Propiedades
Ejercicio
De 100 estudiantes matriculados, se encuentra que 60 estudian
contaduría, 45 estudian administración y 20 estudian administración y
contaduría. Encuentre la probabilidad de que un estudiante esté
matriculado :
1. Solamente en contaduría
2. En cualquiera de las dos carreras
3. En ninguna de estas dos carreras
4. En solamente una de estas dos carreras
 Ejercicio
• Definir los eventos
• A: estudia contaduría, B: estudia administración
• n=100; A=60; B=45; 𝐴 ∩ 𝐵 = 20, 𝑃 𝐴 = 0,6; 𝑃 𝐵 = 0,45;
𝑃 𝐴 ∩ 𝐵 = 0,2
• Diagrama de Venn

A B
15
40 20 25
Ejercicio
40
•𝑃 𝐴∩ 𝐵𝑐 = = 0,40
100
• 𝑃 𝐴 ∪ 𝐵 = 𝑃 𝐴 + 𝑃 𝐵 − 𝑃(𝐴 ∩ 𝐵)=0,6+0,45-0,2=0,85
• 𝑃 𝐴𝑐 ∩ 𝐵𝑐 = 1 − 𝑃 𝐴 ∪ 𝐵 = 1 − 0,85 = 0,15
• 𝑃 𝐴 ∩ 𝐵𝑐 ∪ 𝑃 𝐴𝑐 ∩ 𝐵 = 0,40 + 0,25 = 0,65
Tabla de contingencia
B B´ Total
A 20 60
A´
Total 45 100

B B´ Total
A 20 40 60
A´ 25 15 40
Total 45 55 100
Tabla de probabilidades
P(B) P(B´) Total
P(A) 0,2 0,6
P(A´)
Total 0,45 1

P(B) P(B´) Total

P(A) 0,2 0,4 0,6
P(A´) 0,25 0,15 0,4
Total 0,45 0,55 1
Probabilidad condicional
Se utiliza cuando un evento, A depende de la ocurrencia de otro
evento, B.
𝑃 𝐴Τ𝐵 : probabilidad de A dado que ya ocurrió B

𝐴 𝑃(𝐴 ∩ 𝐵)
𝑃 ൗ𝐵 = , siempre que P B > 0
𝑃(𝐵)

Donde B es el evento condicionante y A es el evento condicionado.

Ejemplo
• Encuentre la probabilidad de que estudie contaduría dado que esta
estudiando administración
𝐴 𝑃(𝐴 ∩ 𝐵) 0,2
𝑃 ൗ𝐵 = = = 0,44
𝑃(𝐵) 0,45
• Si un estudiante no esta estudiando contaduría, cual es la
probabilidad de que estudie administración.
𝐵Τ 𝑃(𝐵∩𝐴𝑐 ) 0,25
𝑃 𝐴𝑐 = = = 0,62
P(B) P(B´) Total 𝑃(𝐴𝑐 ) 0,4
P(A) 0,2 0,4 0,6
P(A´) 0,25 0,15 0,4
Total 0,45 0,55 1
Regla general de multiplicación
𝑆𝑖 𝐴1 , 𝐴2 , 𝐴3 , … , 𝐴𝑛 𝑒𝑣𝑒𝑛𝑡𝑜𝑠 𝑑𝑒𝑙 𝑒𝑠𝑝𝑎𝑐𝑖𝑜 𝑚𝑢𝑒𝑠𝑡𝑟𝑎𝑙, 𝑠𝑒 𝑐𝑢𝑚𝑝𝑙𝑒:

• Si los 𝐴𝑖 𝑠𝑜𝑛 𝑖𝑛𝑑𝑒𝑝𝑒𝑛𝑑𝑖𝑒𝑛𝑡𝑒𝑠,

𝑃(𝐴1 ∩ 𝐴2 ∩ 𝐴3 ∩ ⋯ ∩ 𝐴𝑛 ) = 𝑃(𝐴1 ) ∗ 𝑃(𝐴2 ) ∗ ⋯ ∗ 𝑃(𝐴𝑛 )

• Si los 𝐴𝑖 𝑠𝑜𝑛 𝑑𝑒𝑝𝑒𝑛𝑑𝑖𝑒𝑛𝑡𝑒𝑠,

𝐴2 𝐴 𝐴
𝑃(𝐴1 ∩ 𝐴2 ∩ 𝐴3 ∩ ⋯ ∩ 𝐴𝑛 ) = 𝑃(𝐴1 ) ∗ 𝑃 ൗ𝐴 ∗ 𝑃 3ൗ𝐴 ∩ 𝐴 … ∗ 𝑃 𝑛ൗ𝐴 ∩ 𝐴 ∩ ⋯ ∩ 𝐴
1 1 2 1 2 𝑛−1
Ejemplo
Una urna contiene 3 bolas blancas y 7 bolas negras (𝑁𝑖: 𝑙𝑎 𝑖 − é𝑠𝑖𝑚𝑎 𝑏𝑜𝑙𝑎 𝑒𝑠 𝑛𝑒𝑔𝑟𝑎), se
extraen 3 bolas en sucesión, encuentra la probabilidad de que sean negras si:

• Cada extracción se hace sin reemplazo

𝑁2 𝑁3 7 6 5
𝑃 𝑁1 ∩ 𝑁2 ∩ 𝑁3 = 𝑃 𝑁1 ∗ 𝑃 ൗ𝑁1 ∗ 𝑃 ൗ𝑁1 ∩𝑁2 = ∗ * = 0,292
10 9 8

• Cada extracción se hace con reemplazo

7 7 7
𝑃 𝑁1 ∩ 𝑁2 ∩ 𝑁3 = 𝑃 𝑁1 ∗ 𝑃 𝑁2 ∗ 𝑃 𝑁3 = * * = 0,343
10 10 10
Partición del espacio muestral
𝐿𝑜𝑠 𝐴1 , 𝐴2 , … , 𝐴𝑛 𝑓𝑜𝑟𝑚𝑎𝑛 𝑢𝑛𝑎 𝑝𝑎𝑟𝑡𝑖𝑐𝑖ó𝑛 𝑑𝑒 𝑆 𝑠𝑖 𝑠𝑒 𝑐𝑢𝑚𝑝𝑙𝑒:
𝐴1 ∪ 𝐴2 ∪, … ,∪ 𝐴𝑛 = S

𝐴3
𝐴1 𝐴2

 𝐴𝑖 ∩ 𝐴𝑗 = ∅ 𝑝𝑎𝑟𝑎 𝑡𝑜𝑑𝑜 𝑖 ≠ 𝑗
𝐴1 ∩ 𝐴2 = ∅
𝐴2 ∩ 𝐴 3 = ∅
𝐴1 ∩ 𝐴3 = ∅
Teorema de probabilidad total
Permite calcular la probabilidad del evento A cuando se conocen las
probabilidades condicionales, 𝑃 𝐴ൗ𝐵 .
𝑖
𝑆𝑖𝑒𝑚𝑝𝑟𝑒 𝑞𝑢𝑒 𝑙𝑜𝑠 𝐵𝑖 𝑓𝑜𝑟𝑚𝑒𝑛 𝑢𝑛𝑎 𝑝𝑎𝑟𝑡𝑖𝑐𝑖ó𝑛 𝑑𝑒 𝑆

A 𝐵1
𝐴 ∩ 𝐵1
𝐵2 𝐴 ∩ 𝐵2

𝑃 𝐴 = 𝑃 𝐴 ∩ 𝐵1 + 𝑃 𝐴 ∩ 𝐵2
Teorema de probabilidad total
𝑃 𝐴 = 𝑃 𝐴 ∩ 𝐵1 + 𝑃 𝐴 ∩ 𝐵2
Por tanto :

𝑃 𝐴 ∩ 𝐵1 = 𝑃 𝐵1 ∗ 𝑃 𝐴ൗ𝐵
1
𝑃 𝐴 ∩ 𝐵2 = 𝑃 𝐵2 ∗ 𝑃 𝐴ൗ𝐵
2
Así,
𝑃 𝐴 = 𝑃 𝐵1 ∗ 𝑃 𝐴ൗ𝐵1 +𝑃 𝐵2 ∗ 𝑃 𝐴ൗ𝐵2
Ejemplo
La producción de una empresa depende de tres máquinas (𝑀1 , 𝑀2 𝑦𝑀3 ),
La máquina uno produce el 60% , la máquina dos produce el 30% y la tres el
testante de la producción total. El 6% , 4% y el 1% de la producción
respectiva de cada una de las máquina es defectuosa. Encuentre la
probabilidad de que al seleccionar un artículo de la producción este sea
defectuoso.
• Determinar si se forma una partición y quienes la forman.
La producción de las máquinas, determina una partición, porque:
• 𝑀1 ∪ 𝑀2 ∪ 𝑀3 = 𝑆
• 𝑀𝑖 ∩ 𝑀𝑗 = ∅ para todo i ≠ 𝑗 = 1,2,3
Ejemplo, árbol de decisiones
𝑃 𝐷 ∩ 𝑀1 = 0,6 ∗ 0,06=0,036
P(𝐷ൗ𝑀1 ) = 0,06

P(𝑀1 ) = 0,60
PRODUCCIÓN

𝑐
P(𝐷 ൗ𝑀1 )=0,94 𝑃 𝐷𝑐 ∩ 𝑀1 = 0,6 ∗ 0,94=0,564

P(𝐷ൗ𝑀2 ) = 0,04 𝑃 𝐷 ∩ 𝑀2 = 0,3 ∗ 0,04=0,012

P(𝑀2 ) = 0,30
𝑐
P(𝐷 ൗ𝑀2 ) = 0,96 𝑃 𝐷𝑐 ∩ 𝑀2 = 0,3 ∗ 0,96=0,288

P(𝐷ൗ𝑀3 ) = 0,01 𝑃 𝐷 ∩ 𝑀3 = 0,1 ∗ 0,01 = 0,001

P(𝑀3 ) = 0,10
𝑐
P(𝐷 ൗ𝑀3 ) = 0,99 𝑃 𝐷𝑐 ∩ 𝑀3 = 0,1 ∗ 0,99 = 0,099
Teorema de Bayes
Calcula la probabilidad de la causa cuando se conoce el efecto o resultado
Permite calcular la probabilidad
𝐵
condicional, 𝑃 𝑘ൗ𝐴 , 𝑐𝑢𝑎𝑛𝑑𝑜 𝑠𝑒 𝑐𝑜𝑛𝑜𝑐𝑒𝑛 𝑙𝑎𝑠 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑𝑒𝑠 𝑐𝑜𝑛𝑑𝑖𝑐𝑖𝑜𝑛𝑎𝑙𝑒𝑠 𝑃 𝐴ൗ𝐵 .
𝑖
𝑆𝑖𝑒𝑚𝑝𝑟𝑒 𝑞𝑢𝑒 𝑙𝑜𝑠 𝐵𝑖 𝑓𝑜𝑟𝑚𝑒𝑛 𝑢𝑛𝑎 𝑝𝑎𝑟𝑡𝑖𝑐𝑖ò𝑛 𝑑𝑒𝑙 𝑒𝑠𝑝𝑎𝑐𝑖𝑜 𝑚𝑢𝑒𝑠𝑡𝑟𝑎𝑙.

𝐵𝐾ൗ 𝑃(𝐵𝑘 ∩ 𝐴) 𝑃(𝐵𝑘 ∩ 𝐴)

𝑃 𝐴 = 𝑃(𝐴) = 𝑃 𝐵1 ∩ 𝐴 + 𝑃 𝐵2 ∩ 𝐴 + ⋯ + 𝑃 𝐵𝑘 ∩ 𝐴 + ⋯ + 𝑃(𝐵𝑛 ∩ 𝐴)

𝐵𝐾ൗ
𝑃 𝐴
𝑃 𝐵𝑘 ∗ 𝑃 𝐴ൗ𝐵
𝑘
=
𝑃 𝐵1 ∗ 𝑃 𝐴ൗ𝐵 + 𝑃 𝐵2 ∗ 𝑃 𝐴ൗ𝐵 + ⋯ + 𝑃 𝐵𝑘 ∗ 𝑃 𝐴ൗ𝐵 + ⋯ + 𝑃 𝐵𝑛 ∗ 𝑃 𝐴ൗ𝐵
1 2 𝑘 𝑛
Ejemplo
• Si la pieza seleccionada es defectuosa, cual es la probabilidad de que
ésta sea de la máquina dos.

𝑀2ൗ 𝑃(𝑀2 ∩ 𝐷) 𝑃(𝑀2 ∩ 𝐷)

𝑃 𝐷 = 𝑃(𝐷) = 𝑃 𝑀1 ∩ 𝐷 + 𝑃 𝑀2 ∩ 𝐷 + 𝑃(𝑀3 ∩ 𝐷)

𝑀2ൗ 0,012 0,012

𝑃 𝐷 = 0,036 + 0,012 + 0,001 = 0,049 = 0,245
EJERCICIO
Según el informe anual La Sociedad de la Información 2012, el 63% de
los usuarios de móvil en España tiene un “Smartphone”. Entre los
propietarios de este tipo de teléfono, el 77% lo emplea para su
conexión habitual a internet. Sin embargo, entre los propietarios de
otros tipos de teléfono móvil sólo el 8 % lo emplea para la conexión
habitual a internet.
• Calcula la probabilidad de conectarse habitualmente a internet a
través del teléfono móvil.
• Si un usuario emplea habitualmente el teléfono móvil para conectarse
a internet, halla la probabilidad de que sea propietario de un
“Smartphone”.
Técnicas de conteo
• Permutaciones:
Muestras ordenadas sin reposición.
𝑛𝑃𝑟 : 𝑛 𝑝𝑒𝑟𝑚𝑢𝑡𝑎𝑑𝑜 𝑟
𝑛: 𝑡𝑎𝑚𝑎ñ𝑜 𝑡𝑜𝑡𝑎𝑙 𝑜 𝑝𝑜𝑏𝑙𝑎𝑐𝑖ó𝑛
𝑟: 𝑡𝑎𝑚𝑎ñ𝑜 𝑑𝑒 𝑙𝑎 𝑚𝑢𝑒𝑠𝑡𝑟𝑎

Número de formas como se pueden seleccionar r elementos de un

total de n elementos, con orden y si reposición (12 ≠ 21).
𝑛!
𝑛𝑃𝑟 =
(𝑛−𝑟)!
5! = 1 ∗ 2 ∗ 3 ∗ 4 ∗ 5
3! = 1 ∗ 2 ∗ 3
5! = 3! ∗ 4 ∗ 5
Ejemplos de permutaciones
1. ¿Cuántas juntas directivas se pueden encontrar si hay 10 candidatos
y la junta debe llevar 3 miembros?
10! 7!∗8∗9∗10
10𝑃3 = = =720
(10−3)! 7!

2. ¿De Cuántas formas se pueden otorgar los 5 primeros premios si

hay 12 competidores?
12! 7!∗8∗9∗10∗11∗12
12𝑃5 = = =95040
(12−5)! 7!
Técnicas de conteo
• Combinaciones: son muestras no ordenadas sin reposición.

𝑛𝐶𝑟 : 𝑛 𝑐𝑜𝑚𝑏𝑖𝑛𝑎𝑑𝑜 𝑟
Numero de formas como se pueden seleccionar r elementos de un
total de n, sin orden(𝑎𝑏 = 𝑏𝑎).

𝑛!
𝑛𝐶𝑟 =
𝑛 − 𝑟 ! ∗ 𝑟!
Ejemplo de combinaciones
Se tiene un grupo compuesto por 5 administradores y 8 contadores, y
se desea seleccionar una muestra de 3 de éstos profesionales.
1. De cuantas formas se puede seleccionar este comité
2. Encuentre la probabilidad de que en el comité se encuentren:
a) Solo contadores
b) Dos contadores
c) Ningún contador
d) Por lo menos dos contadores
Ejemplo de combinaciones
n=13 y r=3
C: número de contadores en el comité
𝐶 = 8 𝑦 𝐶´ = 5
1. De cuantas formas se puede seleccionar este comité
13𝐶3 = 286
2.¿Cuàl es la probabilidad de que en el comité se encuentren:
a) Solo contadores
8𝐶3 ∗ 5𝐶0 56
𝑃 𝐶=3 = = = 0,196
13𝐶3 286
b) Un contador
8𝐶 ∗5𝐶 80
𝑃 𝐶=1 = 1 2= = 0,2798
13𝐶3 286

c) Ningún contador
8𝐶0 ∗ 5𝐶3 10
𝑃 𝐶=0 = = = 0,035
13𝐶3 286
Ejemplo de combinaciones
d) Por lo menos dos contadores
𝑃 𝐶 ≥ 2 = 𝑃(𝐶 = 2) + 𝑃(𝐶 = 3)

8𝐶2 ∗5𝐶1 +8𝐶3 +5𝐶0 140+56

𝑃 𝐶≥2 = = = 0,6853
13𝐶3 286

𝑃 𝐶 ≥2 =1−𝑃 𝐶 <2 =1− 𝑃 𝐶 =0 +𝑃 𝐶 =1

𝑃 𝐶 ≥ 2 = 1 − 0,2798 + 0,035

𝑃 𝐶 ≥ 2 = 0,6853
Ejercicio
Un distribuidor de receptores de televisión acepta un embarque de 15
receptores si en una muestra de cuatro receptores no sale ninguno
defectuoso.
• Obtenga la distribución de probabilidad para el número de receptores
defectuosos
¿Cuál es la probabilidad de que acepte el embarque si
• contiene 3 receptores defectuosos?
• Contiene de 2 receptores defectuosos?
Variables aleatorias discretas
Una variable aleatoria es una función que asigna números reales a los valores del
espacio muestral.

𝑋: 𝑥1 , 𝑥2 , 𝑥3 , … , 𝑥𝑛

Experimento Espacio muestral v.a. Valores de v.a.

• Lanzar un dado 𝑆 = 1, 2, 3, 4, 5, 6 X: obtener una X: 0 2 4 6
cifra par.
• Lanzar una moneda 𝑆 = 𝑐, 𝑠 X: número de caras X: 1 0

• Lanzar dos monedas 𝑆 = 𝑐𝑐 , 𝑐𝑠 , 𝑠𝑐 , (𝑠𝑠) X: número de caras X: 2 1 0

Distribución de probabilidad de una v.a.discreta
Resume los valores de una v.a discreta junto con sus probabilidades en
una tabla, una gráfica o una fórmula
X 𝒙𝟏 𝒙𝟐 𝒙𝟑 𝒙𝟒
P(X) P(𝒙𝟏 ) P(𝒙𝟐 ) P(𝒙𝟑 ) P(𝒙𝟒 )

La suma de las probabilidades debe ser uno, todo el espacio muestral.

෍ 𝑃 𝑥𝑖 = 1
𝑖
Distribución de probabilidad de una v.a. discreta
• Valor esperado: es la media que se espera obtener si el experimento
se repite muchas veces.
𝜇𝑥 = 𝐸(𝑋) = σ𝑖 𝑥𝑖 ∗ 𝑃( 𝑥𝑖 )
• Varianza
𝜎 2 = σ𝑖 𝑥𝑖 − 𝜇𝑥 2 𝑃(𝑥𝑖 ), también puede ser 𝜎 2 =E(𝑋 2 ) − 𝐸(𝑋) 2

• Desviación estándar
𝜎= σ𝑖 𝑥𝑖 − 𝜇𝑥 2 𝑃 (𝑥𝑖 ) o 𝜎= E(𝑋 2 ) − 𝐸(𝑋) 2
Ejemplo
Se lanza una moneda tres veces.
• Obtenga el espacio muestral

𝑆= 𝑐𝑐𝑐 , 𝑐𝑐𝑠 , 𝑐𝑠𝑐 , 𝑠𝑐𝑐 , 𝑠𝑠𝑐 , 𝑠𝑐𝑠 , 𝑐𝑠𝑠 , (𝑠𝑠𝑠)

• Encuentre los valores de la variable aleatoria, si nos interesa el numero de

caras

𝑋: 𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑐𝑎𝑟𝑎𝑠 𝑎𝑙 𝑙𝑎𝑛𝑧𝑎𝑟 𝑢𝑛𝑎 𝑚𝑜𝑛𝑒𝑑𝑎 𝑡𝑟𝑒𝑠 𝑣𝑒𝑐𝑒𝑠

𝑋: 3 2 1 0
Ejemplo
• Obtenga la distribución de probabilidad de dicha variable
• Como una tabla
X 3 2 1 0
P(X) 1/8 3/8 3/8 1/8

• Como una gráfica

Distribución de probabilidad de la v.a discreta X
0.4
0.35
0.3
0.25
0.2
0.15
0.1
0.05
0
0 1 2 3
Ejemplo
Encuentre el valor esperado de la v.a X
1 3 3 1 3 + 6 + 3 + 0 12
𝐸 𝑋 = 3∗ +2∗ +1∗ +0∗ = = = 1,5
8 8 8 8 8 8
Encuentre la desviación estándar de dicha v.a X

1 3 3 1 9 + 12 + 3 + 0 24
𝐸 𝑋2 = ෍ 𝑥2𝑃 𝑥 =9∗ +4∗ +1∗ +0∗ = = =3
8 8 8 8 8 8
𝑖
𝜎= E(𝑋 2 ) − 𝐸(𝑋) 2 . = 3 − 1,52 = 0,866
𝑿𝟐 9 4 1 0
X 3 2 1 0
P(X) 1/8 3/8 3/8 1/8
Ejercicio
• De una caja que contiene 4 bolas negras y 2 verdes se sacan 3 bolas
sucesivamente, cada bola se regresa a la caja antes de sacar la
siguiente.
• Calcule la distribución de probabilidad para el número de bolas
verdes
• Calcule e interprete el valor esperado y la desviación estándar.