UNIVERSIDAD FRANCISCO DE PAULA

SANTANDER

NOCIONES SOBRE TEORÍA DE PROBILIDADES

ASPECTOS RELEVANTES

1
 TEORÍA DE PROBABILIDADES
CONCEPTOS BÁSICOS
Introducción
El concepto de probabilidad se encuentra con bastante frecuencia en la
comunicación en los fenómenos sociales y en las ciencias naturales en especial
en el área de salud. Ejemplos Es posible que el empleo de médico en el centro
asistencial A sea para una mujer soltera, un médico afirma que un paciente X
tiene una posibilidad de 50% de sobrevivir a una operación; o que un paciente
tiene 80% de posibilidades de tener una enfermedad particular; una fuente
autorizada del Ministerio de Salud; declara a la prensa de que este verano hay
1% de posibilidades de que se desate una epidemia de cólera en la Capital.
Conceptos práctico de sobre probabilidad.
La probabilidad es la posibilidad de que algo ocurra (grado de certeza que algo
ocurra). Las probabilidades se expresan como fracciones o como decimales
que están entre uno y cero. Tener una probabilidad de cero significa que algo
nunca va a suceder. Una probabilidad de uno indica que algo va a suceder
siempre.

2
 TEORÍA DE PROBABILIDADES
CONCEPTOS BÁSICOS (cont.)
• Lanzar una moneda posible0s resultados
• {c, s}
• Lanzar un dado posibles resultados
• {1,2,3,4,5,6}
• Lanzar dos monedas ´ posibles resultados
• {(c,c), (c,s), (s,c).(s,s)}
• Lanzar una moneda y un dado Posibles resultados
• {(c,1),(c,2),(c,3),(c,4),(c,5),(c,6), (s,1), (s,2),(s,3),(s,4),(s,6)}
• Nacimiento de un humano Posibles resultados
• {H,M}
Enumere las 3 características comunes de esos eventos, ¿qué nombre recibe cada uno? y que nombre reciben todos
los posibles resultados.
: Lanzar una moneda = {c, s}
: Lanzar un dado = {1,2,3,4,5,6}
: Lanzar dos monedas = {(c,c), (c,s), (s,c).(s,s)}
 1: Lanzar una moneda y un dado S
 2: Nacimiento de un humano
1
={(c,1),(c,2),(c,3),(c,4),(c,5),(c,6), (s,1), (s,2),(s,3),(s,4),(s,6)}
2S
= {H,M}
3 S3
4 S4
5 S5
3
 TEORÍA DE PROBABILIDADES
CONCEPTOS BÁSICOS (cont.)

Eventos. definición y ejemplos, de los espacios anteriores.

Enumere exhaustivamente los siguientes eventos
-En el lanzamiento de un dado, que se obtenga, número: par, primo, mayor que 7, menor
que 2, que salga un número inferior a 7 y mayor que cero 
 : Lanzamiento de un dado S = { 1, 2,3,4,5,6}
A= {2,4,6} B = {1,2,3,5} C= { }= φ C = {3,4,5,6} D = { 1,2,3,4,5,6} = S
-En el lanzamiento de una moneda y un dado,que se obtenga: cara y número par, sello y
número primo, cara y cero, cara o sello con número par o impar.
 : lanzamiento de una moneda y un dado
S ={(c,1),(c,2),(c,3),(c,4),(c,5),(c,6), (s,1), (s,2),(s,3),(s,4),(s,6)}
A = {(c,2), (c,4),(c,6)} B = { (s,1), (s,2), (s,3), (s,5)} c={}=φ D=S

-Clasifique los eventos: finitos, infinitos, simple, compuesto, cierto, imposible,

unidimensionales-bidimensionales, n-dimesionales, compárelos dos a dos, decida cuales son:
mutuamente excluyentes (5 y par a la vez), compatibles, independientes – dependientes,.

4
 TEORÍA DE PROBABILIDADES
CONCEPTOS BÁSICOS (cont.)
Ocurrencia de un evento. Definición, ejemplos con los casos anteriores
Representación gráfica
•Diagramas de Venn para eventos de cualquier dimensión
• Recta para eventos unidimensionales
• Coordenadas rectangulares para eventos bidimensionales
• Diagramas de árbol para eventos que se ejecutan por pasos ordenados., es una
representación gráfica de un experimento que consta de r pasos (r variables), donde
cada uno de los pasos tiene un número finito de maneras de ser llevado a cabo
•Ejemplo 1:
El gerente de talento humano de una empresa clasifica a sus empleados de acuerdo a:
su sexo (M masculino, F femenino), tipo de sangre (A, B, AB, O) y en cuanto a la
presión sanguínea (Normal, Alta o Baja). Construya un diagrama de árbol diga en
cuantas clasificaciones pueden estar los empleados de esta empresa, cuantas
clasificaciones puede hacer el gerente?
Construir el árbol, como ejercicio en clase.
5
TEORÍA DE PROBABILIDADES
CONCEPTOS BÁSICOS (cont.)
PN
A PA
PB
M B
AB

6
 TEORÍA DE PROBABILIDADES
CONCEPTOS BÁSICOS (cont.)
Ejemplo 2. Un matrimonio planifica tener tres hijos (uno por parto), construir un
diagrama de árbol para mostrar todo el espacio muestral, es decir los posibles
Tercero
resultados. Primero Segundo H

H
M
H
H
M
Inicio M

H
H
M
M
H
M
M
7
TEORÍA DE PROBABILIDADES
CONCEPTOS BÁSICOS (cont.)

8
 TEORÍA DE PROBABILIDADES
CONCEPTOS BÁSICOS (cont.)
• CONCEPTO CLÁSICO-A PRIORI DE PROBABILIDAD (cont.)
No es correcto, porque se calculan probabilidades de la posible ocurrencia de un
evento y esto es un evento que ya ocurrió, representa una tasa de mortalidad en esa
región, en ese año, que expresada en salud publica, significa que por cada millón
mueren 79 personas.

Usando el concepto de probabilidad a priori, calcule en el ejemplo 1: si se selecciona

una persona al azar lea y calcule :
1.1 P(M, B, PN)=
1.2 P( _ , O, PA)=
1.3 P( _ , A, _ ) =
En el ejemplo 2: escribir en términos de probabilidad y calcular, como en el ejemplo
anterior
2.1) Que de los tres nacidos sean del mismo sexo. 2.2) que de los tres nacidos dos sean
mujeres. 2.3) que al menos uno sea hombre 2.4) que al máximo dos sean mujeres.
9
 TEORÍA DE PROBABILIDADES CONCEPTO AXIOMÁTICO DE
PROBABILIDADES

AXIOMAS

Sea S un espacio muestral asociado a un experimento aleatorio , A 1... A2 ... An - sucesos en S,
es decir A1 S........ An S, es decir, eventos de S (Ai suceso cualquiera simple o compuesto).

1. La probabilidad que ocurra el suceso (cualquiera) Ai, es un número mayor e igual que cero
para todo i
P(Ai)  0 para todo i. Es decir, la probabilidad de un suceso es no negativa (Ley de la no
negatividad).

2. La probabilidad del suceso “Espacio muestral” es uno P(S) =1 suceso cierto siempre ocurre.

3. Si A1 …... An son sucesos mutuamente excluyentes, es decir Ai  Aj = φ

mutuamente excluyentes dos a dos para i  j, y i =1,2,....n j = 1,2,......n

P(Ai U AJ ) = P(Ai ) + P(Aj) Ley aditiva especial

Vale para n eventos, escribir la formula

10
 CONCEPTO AXIOMATICO DE PROBABILIDADES (cont.)

P(Ai U AJ ) = P(Ai ) + P(Aj) Ley aditiva reducida

La probabilidad de que ocurra el evento A o el evento B , o ambos a las vez, se
denomina probabilidad de A unión B, si son M.E (incompatibles), se lee o
ocurre A o ocurre B.
P(A U B ) = P(A ) + P(B)
Ilustrarlo con una grafica, sabiendo que A y B son M.E (incompatibles).
Si los eventos no son M.E. (compatibles) La probabilidad de que ocurra el evento
A o el evento B o ambos a las vez, se denomina probabilidad de A unión B
•P(AUB) = P(A) +P(B) – P(AB). Ley aditiva general.
Ilustrarlo con una grafica, sabiendo que A y B no son M.E.
•Una empresa productora de guantes de seguridad ha sacado al mercado dos nuevas
marcas A y B. Estas dos productos se colocan a la venta en 40 de las 80 empresas de
la ciudad. Las empresas escogidas venden A o B ó ambas a la vez. 31 venden A y 19
B. Si se selecciona aleatoriamente una ciudad, dentro de las 40 escogidas para
vender las marcas ¿a) cuál es la probabilidad de que este vendiendo A o B o ambos,
b) de que este vendiendo A exclusivamente, c) B exclusivamente? 11
 TEORÍA DE PROBABILIDADES
DIVERSOS ASPECTOS

• Escalas de probabilidad: clasificación de los sucesos según la

probabilidad de ocurrencia.
Ejemplo: Con el experimento aleatorio, Lanzamiento de dos dados,
hallar el espacio muestral. Si A: es el valor en la cara del primer dado,
B: es el valor de la cara del segundo dado.
Hallar S
Calcular las siguientes probabilidades:
P [(A+B ) ≤ 7], P [(A+B ) ≥ 5], P[ (A+B ) sea par], P [(A+B ) sea
impar, P [(A+B ) = 6], P [(A+B ) ≥ 14]
Que en primer dado aparezca 3 o 5 y en segundo 2 o 6.

12
 TEORÍA DE PROBABILIDADES
PROBABILIDAD MARGINAL-CONJUNTA-CONDICIONAL

P(A/B)  P(B/A) 13
 TEORÍA DE PROBABILIDADES
PROBABILIDAD CONDICIONAL (cont.)

Ejemplo 1:
Se tienen dos variables en el estudio de una población constituida por los alumnos del
1er. Semestre de una carrera de la universidad, las variables son promedio de notas (P)
y tipo de instituto donde proviene ( I ) y los datos son los siguientes. Construir tabla de
contingencia para este caso si se dispone de los siguientes datos:
100 alumnos en total, 60 alumnos vienen de Ip, 25 vienen de Ip y con promedio P1, 30
vienen de Ip y con promedio P3, 42 con P1 y 35 con P3. Las variables son:
P1 IP
P P2 I
P3 IO
Después de definir las variables, definir cada uno de los eventos de la tabla,
clasificarlos como simples o compuestos, determine que compone el cuerpo de la
tabla, que son los subtotales marginales y responda preguntas de cálculo de cálculo o
estimaciones de probabilidad que se formulan más abajo probabilidad.
Si se selecciona un alumno aleatoriamente, calcular la probabilidad de obtener uno
que:
Tenga promedio P1, que tenga promedio P3 y venga de un colegio privado, que venga14
de un colegio público dado que tiene promedio P2, que tenga promedio P1 o P2.
 TEORÍA DE PROBABILIDADES
PROBABILIDAD CONDICIONAL (cont.)

I/P P1 P2 P3 Subtotales
Marginales
Eventos simples

Ip 25 30 60

Io
subtotales
42 35 100
marginales
(Eventos simples) Cuerpo de la tabla eventos compuestos Gran total
Llenar la tabla e interpretar cada una de las cifras correspondientes a las casillas en
función de las variables, cada sub-espacio, indique cuales son los eventos simples y
cuales los compuestos

Si se selecciona un alumno aleatoriamente, calcular la probabilidad de obtener uno

que:
Tenga promedio P1, que tenga promedio P3 y venga de un colegio privado, que venga
de un colegio público dado que tiene promedio P2, que tenga promedio P1 o P2. 15
 TEORÍA DE PROBABILIDADES
CONCEPTOS BÁSICOS (cont.)

ESQUEMA DE PROBABILIDAD DE OCURRENCIA

DOS EVENTOS A y B

EVENTOS NO MUTUAMENTE
MUTUAMENTE EXCLUYENTES
EXCLUYENTES P(AB) = P(A)+P(B)-P(AB)
P(AB) = 0
P(AUB) = P(A)+P(B)

INDEPENDIENTES DEPENDIENTES
P(AB)=P(A)P(B) P(AB)=P(A/B)P(B)
P(AB)=P(B/A)P(A)
16
 TEORÍA DE PROBABILIDADES
TEOREMA DE BAYES O DE LAS CAUSAS

Teorema de Bayes
La probabilidad condicional toma en cuenta la información en cuanto a la ocurrencia de un
evento para predecir la probabilidad del otro. A la probabilidad condicional se le puede dar otra
lectura, por ejemplo P(A/B) probabilidad que la causa de la ocurrencia de B sea A.
En general, suponga que se ha observado el resultado de un experimento y se pregunta por la
probabilidad de que el resultado sea debido a una particular causa de una serie de posibles
causas. B 1 B 2 B 3 B K

•B1,, B1,……….Bn las posibles causa de la ocurrencia de A

Ahora se lee, la causa de A es Bi, también la causa de que ocurra A es B i (antes se leía
probabilidad condicional B1 dado que ha ocurrido A)
B 
P i 
A
 
17
 TEORÍA DE PROBABILIDADES
TEOREMA DE BAYES O DE LAS CAUSAS (Cont.)

• Suponga que existe un laboratorio de producción de placas, con tres

(3) máquinas que generan 25%, 35% y 40% del total de placas que
se realizan y de ellas 5%, 4% y 2% respectivamente son defectuosas.
Si se escoge una placa al azar y es defectuosa. ¿Cuál es la
probabilidad que venga de la máquina uno?
• ¿Para hacer mantenimiento al laboratorio con cuál máquina
empezaría usted?
• Es decir se pregunta si la causa de que la placa sea defectuosa es que
venga de la máquina 1:
• Esto puede resolverse a través de un diagrama de árbol o con una
formula, se resolverá de ambas formas
• Se procede a resolver y a responder las preguntas, con cuál máquina
usted empezaría el mantenimiento de la fábrica?
18
 METODOS DE CONTEO

• Consiste en la utilización de la teoría o análisis combinatorio, para

agrupar, ordenar, contar y agrupar en diversas formas, los elementos
de un conjunto en este caso espacio muestral o posibles resultados
de un experimento aleatorio y los elementos de conjuntos más
pequeños (subespacios, sucesos o eventos), siguiendo diferentes
reglas.
 
• En los espacios muestrales, en la mayoría de los casos, lo más
importante no es describir de manera exhaustiva y excluyente
todos los elementos, sino saber cuántos son, es decir, contarlos.
Esto sucede en muchas investigaciones en educación, en la
ingeniería, en la gerencia y en la administración, donde se desea
saber cuántos son los resultados posibles.
 
19
 METODOS DE CONTEO (CONT.)
PERMUTACIONES
1. Es la forma de arreglar grupos de n elementos, tomados todos y que se diferencian al
menos en el orden de colocación.
I) Si los n elementos se arreglan en orden, tomados todos a la vez sin repetir ninguno y
siendo todos diferentes. Permutaciones sin repetición, los grupos se diferencian en el
orden de colocación de los elementos. (permutaciones sin repetición)
Pn = Vn, n = n! = n(n-1).(n-2)........1 sin repetición
II) Si se pueden repetir todos los elementos (permutaciones con repetición)
P(n)= V(n, n) = n x..........................x n = nn
 III) Cuando dentro del conjunto de n elementos existen k conjuntos (eventos) de
elementos iguales:
•n1 elementos (eventos) del primer ensayo
•n2 elementos (eventos) del segundo ensayo
•.
•.
20
•nk elementos (eventos) del k-esimo ensayo
 METODOS DE CONTEO (CONT.)
• ¿Cuántas placas para vehículos pueden fabricarse, si cada placa consta de tres (3)
dígitos, seguidos por dos (2) letras? (tanto los dígitos que son diez (10), como las
letras que son veintiséis (26), pueden repetirse).
•  

• 1: 2 : 3 : 4 : 5
• 1 = 2 = 3 = 10 4 = 5 = 26
• 1x 2 x 3 x 4 x 5 = 10x10x10x26x26 con repetición.
 
21
 METODOS DE CONTEO (CONT.)
• IV) Un conjunto de n elementos, donde no todos los elementos son diferentes y no se
especifica orden.
• 1 iguales
• 2 iguales
• .
• .
• k iguales
K
• ni = n
• i=1
• El número de permutaciones o grupos diferentes que pueden hacerse tomando todos
los elementos es:
•  P(n) = p(1, 2 .......... k) = n! = n!
1! x2! x...x k! k
ni
i=1
22
METODOS DE CONTEO (CONT.)

23
 METODOS DE CONTEO (CONT.)

Con repetición: Si existen algunos elementos que son iguales

•V(n, x) = = n x n x……x n = nx
V  nx  x veces
•¿Cuántos números de lotería pueden hacerse con los 10 dígitos, si todos pueden
repetirse y los números son de cinco (5) cifras?.
•n = 10 x = 5 V(n, x) = nx
• V (10,5) = 10 x 10 x 10 x 10 x10 = 105 = 100.000
  5 veces
24
METODOS DE CONTEO (CONT.)

25