Introducción A La Probabilidad

INTRODUCCIÓN A LA
PROBABILIDAD
PROBABILIDAD
El concepto de probabilidad es manejado por mucha gente.
Frecuentemente se escuchan preguntas como las que se
mencionan a continuación:
¿ Cuál es la probabilidad de que me saque la lotería o la
Tinka?
¿ Qué posibilidad hay de que me pase un accidente
automovilístico ?
¿ Qué posibilidad hay de que hoy llueva ? para llevar mi
paraguas o no.
¿ Existe alguna probabilidad de que repruebe el primer
parcial ?,
PROBABILIDAD
Estas preguntas en el lenguaje coloquial

esperan como respuesta una medida de
confianza representativa o práctica de que
ocurra un evento futuro, o bien de una forma
sencilla interpretar la probabilidad.
En este curso lo que se quiere es entender con

claridad su contexto, como se mide y como se
utiliza al hacer inferencias.
PROBABILIDAD
El conocimiento de la probabilidad es de suma

importancia en todo estudio estadístico.
El cálculo de probabilidades proporciona las

reglas para el estudio de los experimentos
aleatorios o de azar, que constituyen la base
para la estadística inferencial.
PROBABILIDAD
Fenómenos Aleatorios y
Fenómenos Deterministicos.
Fenómeno Aleatorio.-
Es un fenómeno del que no se sabe que es lo que
va a ocurrir, están relacionados con el azar o
probabilidad.
Fenómeno Determinista.-
Es el fenómeno en el cual de antemano se sabe
cual será el resultado.
PROBABILIDAD
La probabilidad estudia el tipo de fenómenos aleatorios.
Experimento aleatorio.-
Una acción que se realiza con el propósito de
analizarla. Tiene como fin último determinar
la probabilidad de uno o de varios resultados.
Se considera como aleatorio y estocástico, si
sus resultados no son constantes.
Puede ser efectuado cualquier número de veces
esencialmente en las mismas condiciones.
PROBABILIDAD
Un experimento es aleatorio si se verifican las

siguientes condiciones:
1. Se puede repetir indefinidamente, siempre en las
mismas condiciones;
2. Antes de realizarlo, no se puede predecir el
resultado que se va a obtener;
3. El resultado que se obtenga, s, pertenece a un
conjunto conocido previamente de resultados
posibles.
PROBABILIDAD
Ejemplos:
Tirar dardos en un blanco determinado
Lanzar un par de dados
Obtener una carta de una baraja
Lanzar una moneda
¿QUÉ ES LA PROBABILIDAD?
 En las semanas anteriores, utilizamos gráficos y medidas numéricas para
describir conjuntos de datos que generalmente eran muestras.
 Medimos "con qué frecuencia" utilizando

Frecuencia
Frecuencia relativa=
relativa= f/n=
f/n=
Muestra Población
Y "con qué frecuencia"
= Frecuencia relativa Probabilidad
CONCEPTOS BÁSICOS
 Un experimento es el proceso por el cual se obtiene una
observación (o medición).
 Experimento: Anota una edad.
 Experimento: tirar un dado
 Experimento: grabar una opinión (sí, no)
 Experimento: Lanzar dos monedas.
CONCEPTOS BÁSICOS
 Un evento simple es el resultado que se observa en

una sola repetición del experimento.
 El elemento básico al que se aplica la probabilidad.
 Uno y solo un evento simple puede ocurrir cuando
se realiza el experimento.
 Un evento simple es denotado por E con un

subíndice.
CONCEPTOS BÁSICOS
 A cada evento simple se le asignará una

probabilidad, que mide "con qué frecuencia"
ocurre.
 El conjunto de todos los eventos simples de un
experimento se denomina espacio de muestra o
espacio muestral, S.
PROBABILIDAD
Espacio Muestral
Es el conjunto de todos los posibles resultados
de interés de un experimento dado, y se le
denota normalmente mediante la letra S=Ω.
Ejemplos:
1.- Experimento: Se lanza una moneda.
Espacio muestral = total de formas en como
puede caer la moneda, o sea dos formas de
interés, que caiga sello o que caiga cara. (Si
cae de canto no es de interés y se repite el
lanzamiento).
Ω =S = { s, c }
PROBABILIDAD
2.- Experimento: Se lanza un dado.

Espacio muestral = total de caras en que puede
caer el dado, o sea seis formas de interés:
Ω =S = { 1, 2, 3, 4, 5, 6 }
PROBABILIDAD
Los eventos aleatorios se denotan normalmente

con las letras mayúsculas A, B, C, ...
Son subconjuntos de S, esto es, A, B, C,…  S
Los eventos aleatorios son conjuntos que pueden

contener un solo elemento, una infinidad de
elementos, y también no contener ningún
elemento.
Al número de puntos muestrales de S= Ω se le

representa por N(S)=N(Ω)
PROBABILIDAD
Eventos aleatorios que aparecen con gran
frecuencia en el cálculo de probabilidades:
Evento seguro.- Siempre se verifica después del

experimento aleatorio, son los mismos del
espacio muestral.
E = S y N(E) = N(S)= N(Ω)
Evento Imposible.- Es aquel que nunca se verifica

como resultado del experimento aleatorio. No
tiene elementos de interés para su fenómeno. Es
un subconjunto de S, y la única posibilidad es
que el evento imposible sea el conjunto vacío.
  S, y N() = 0
PROBABILIDAD
Evento
 Elemental.- Es el evento E que contiene exactamente un
punto muestral de S, esto es, N(E) = 1.
Cada elemento del espacio muestral, es un evento elemental.
También se le denomina como punto muestral.
Si ,  S entonces son eventos elementales.

EJEMPLO
 El lanzamiento de dados:
 Eventos simples: espacio muestral:
11 E1
S ={E1, E2, E3, E4, E5, E6}
22 E2
S
33 E3 •E1 •E3
44 E4 •E5
55 •E2 •E6
E5 •E4
66 E6
CONCEPTOS BÁSICOS
Un evento es una colección de uno o más

eventos simples.
S
•E1 •E3
•El lanzamiento de dados:
A •E5
B
A: un número impar •E2 •E4 •E6
B: un número > 2
A ={E1, E3, E5}
B ={E3, E4, E5, E6}
CONCEPTOS BÁSICOS
 Doseventos se excluyen mutuamente si, cuando ocurre

un evento, el otro no puede y viceversa.
•Experimento: tirar un dado
No mutuamente
exclusivo
•A: observar un número impar
•B: observar un número mayor que 2
•C: observar un 6
•D: observar un 3 B y C?
Mutuamente
excluyentes B y D?
PROBABILIDAD
Ejemplo:
Experimento: Se lanza una moneda tres veces.
Espacio Muestral:
Ω = { (S,S,S), (S,S,C), (S,C,S), (C,S,S), (C,C,S), (C,S,C),
(S,C,A), (C,C,C) },
N(Ω) = 8, S= Ω = es el evento seguro.
Evento simple:
B:Que salgan tres sellos; B ={ (S,S,S) } , N(B) = 1
Evento compuesto:
E: Que salgan al menos dos sellos;
E = { (S,S,S), (S,S,C), (S,C,S), (C,S,S) }, N(E) = 4
Evento imposible:  (conjunto vacio). N() = 0

LA PROBABILIDAD DE UN EVENTO
 La probabilidad de un evento A mide "con qué frecuencia"
pensamos que A ocurrirá. Escribimos P (A).
 Supongamos que un experimento se realiza n veces. La
frecuencia relativa para un evento A es
Número de veces que ocurre A f ni
 
n n n
•Si dejamos que n sea infinitamente grande,
f
P( A)  lim
n n
LA PROBABILIDAD DE UN
EVENTO
P (A) debe estar entre 0 y 1.
 Si el evento A nunca puede ocurrir, P (A) = 0. Si el
evento A siempre ocurre cuando se realiza el
experimento, P (A) = 1.
 La suma de las probabilidades para todos los eventos
simples en S es igual a 1.
••La
La probabilidad
probabilidad dede un
un evento
evento AA se
se
encuentra
encuentra sumando
sumando las
las probabilidades
probabilidades
de
de todos
todos los
los eventos
eventos simples
simples
contenidos
contenidos en en A.
A.
ENCONTRAR PROBABILIDADES
 Las probabilidades se pueden encontrar usando
 Estimaciones a partir de estudios empíricos.
 Estimaciones de sentido común basadas en eventos
igualmente probables.
•Ejemplos:
–Lanza una moneda justa. P(Cara) = 1/2
–El 10% de la población

P(Cabello rubio) = .10
estadounidense tiene el pelo rubio.
Seleccione una persona al azar.
EJEMPLO
 Lanzauna moneda justa dos veces. ¿Cuál es la
probabilidad de observar al menos una cara?
1ra Moneda 2da Moneda Ei P(Ei)

CC CC
CC 1/4 P(al
CC P(almenos
menos11cara) cara)
SS CS
CS 1/4 == P(E
P(E11)) ++ P(E
P(E22)) ++
CC SC 1/4 P(E
P(E3))
SC 3
SS 1/4 == 1/4
SS SS 1/4 ++ 1/4
1/4 ++ 1/4
1/4 ==
SS 3/4
3/4
EJEMPLO
 Untazón contiene tres M & Ms®, uno rojo, uno azul y
uno verde. Un niño selecciona dos M & Ms al azar.
¿Cuál es la probabilidad de que al menos uno sea rojo?
1er M&M 2do M&M Ei P(Ei)

m RA
m RA 1/6
m RV
RV 1/6
m
m
AR
AR 1/6 PP(al
(almenos
menos11rojo)=
rojo)=
m
AV
P(RA)
P(RA) ++P(RV)+
P(RV)+
AV 1/6 P(RA)
m P(RA) ++P(VR)
P(VR)
m VA
VA 1/6 == 4/6
4/6== 2/3
2/3
m VR
VR 1/6
CONTEO DE PUNTOS DE LA MUESTRA
Uno de los problemas que el INGENIERO debe considerar e intentar evaluar es
el elemento de posibilidad asociado con la ocurrencia de ciertos eventos cuando
se lleva a cabo un experimento.
Estos problemas pertenecen al campo de la probabilidad.
En muchos casos se debe ser capaz de resolver un problema de probabilidad
mediante el conteo del número de puntos en el espacio muestral sin listar
realmente cada elemento.
27
REGLAS DE CONTEO
 Si los eventos simples en un experimento son igualmente
probables, puedes calcular
n A número de eventos simples en A

P ( A)  
N número total de eventos simples
• Puedes usar las reglas de conteo para

encontrar nA y N.
LA REGLA DE MN REGLA DEL PRODUCTO (O
REGLA DE MULTIPLICACIÓN),
 Si un experimento se realiza en dos etapas, con m maneras
de lograr la primera etapa y n formas de lograr la segunda
etapa, entonces hay varias formas de realizar el experimento.
 Esta regla se extiende fácilmente a k etapas, con el número
de formas igual a
n1 n2 n3 … nk
Ejemplo: tirar dos monedas. El número

total de eventos simples es:
22  22 == 44
EJEMPLOS
Ejemplo: tirar tres monedas. El número
total de eventos simples es:
22  22  22 == 88
Ejemplo: tirar dos dados. El número total
de eventos simples es:
66  66 == 36
36
Ejemplo: Dos M & M se extraen de un plato que
contiene dos caramelos rojos y dos azules. El
número total de eventos simples es:
44  33 == 12
12
EJEMPLO
Ejemplo: Si tengo 5 camisas y 3 pantalones para

combinar, de cuantas formas puedo vestirme.
Solución:
entonces tengo 5*3 = 15 maneras de vestirme

al combinar esas prendas.
31
CONTEO DE PUNTOS DE LA MUESTRA (CONT.)
La regla del producto se puede extender para cubrir cualquier número de
operaciones.
La regla del producto generalizada que cubre k operaciones se formula en el
siguiente teorema:
Si una operación se puede llevar a cabo en n1 formas y si para cada una de estas se
puede una segunda operación en n2 formas, y para cada una de las primeras dos se
puede una tercera operación en n3 formas, y así sucesivamente, entonces la serie de k
operaciones se pueden ejecutar juntas de n1*n2*…*nk (n1n2…nk) formas.
Ejemplo: Si tengo 5 camisas, 3 pantalones, 3 pares de medias y 2 pares de zapatos para
combinar, entonces tengo 5*3*3*2 = 90 maneras de vestirme al combinar esas prendas.
32
Ejemplo:¿De cuántas maneras pueden repartirse 3 premios a un conjunto de 10 personas?
Suponiendo que cada persona no puede recibir más de un premio.
Ejemplo:¿Cuántas placas para autos se pueden hacer en un país
de acuerdo al presente modelo?
Otro principio fundamental del conteo se denomina regla de la suma, se
formula con el siguiente teorema:
Si una operación se puede realizar de n1 formas, mientras que otra operación puede
realizarse de n2 formas, y no es posible realizar ambas operaciones de manera
simultánea, entonces para llevar a cabo cualquiera de ellas pueden utilizarse
cualquiera n1+n2 formas posibles.
Ejemplo: Si tengo 10 carros azules y 5 carros amarillos ¿De cuantas formas puedo escoger un
carro?.
Para escoger uno, entonces tengo 10+5 = 15 formas de elegir un carro.
35
La regla de la suma se puede extender para cubrir cualquier número de
operaciones.
La regla de la suma generalizada que cubre k operaciones se formula en el
siguiente teorema:
Si una operación se puede realizar de n1 formas, una segunda operación puede
realizarse de n2 formas, una tercera operación puede realizarse de n3 formas, y así
sucesivamente, y no es posible realizar las operaciones de manera simultánea,
entonces para llevar a cabo cualquiera de las k operaciones pueden utilizarse
cualquiera n1+n2+…+nk formas posibles.
Ejemplo: Si tengo 10 carros azules, 5 carros amarillos y 20 carros rojos ¿De cuantas formas
puedo escoger un carro?.
para escoger uno, entonces tengo 10+5+20 = 35 formas de elegir un carro.
36
Ejemplo: Tres pueblos, designados como A, B y C, están intercomunicados por un sistema de
carreteras de doble sentido.
a.)¿De cuántas formas puede Juan ir del pueblo A al pueblo C?

2 + 4.3 = 14 (reglas de la suma y del producto)
b.-¿Cuántos trayectos puede hacer Juan del pueblo A al pueblo C y de regreso al pueblo A?
14.14 = 196 (regla del producto)
c.-¿Cuántos de los trayectos completos de la parte (b) son tales que el viaje de regreso (del
pueblo C al pueblo A) es diferente, al menos parcialmente, de la ruta que toma Juan del
pueblo A al pueblo C? (Por ejemplo, si Juan viaja de A a C por las rutas R1 y R6 podría
regresar por las rutas R6 y R2, pero no por R1 y R6).
14.13 = 182 (regla del producto)
PERMUTACIONES
Elnúmero de formas en que puede organizar n
objetos distintos, tomándolos r a la vez es
n!
P 
r
n
(n  r )!
dónde n! n(n  1)(n  2)...(2)(1) y 0! 1.
Ejemplo: ¿Cuántas combinaciones de bloqueo de 3 dígitos

podemos hacer a partir de los números 1, 2, 3 y 4?
¡El orden de la elección es 4!

P   4(3)( 2)  24
3
4
importante! 1!
EJEMPLOS
Ejemplo: Una cerradura consta de cinco
partes y se puede ensamblar en cualquier
orden. Un ingeniero de control de calidad
quiere probar cada pedido para la eficiencia
del montaje. ¿Cuántos pedidos hay?
¡El orden de la elección es

importante!
5!
P   5(4)(3)( 2)(1)  120
5
5
0!
COMBINACIONES
 El número de combinaciones distintas de n objetos
distintos que se pueden formar, tomándolos r a la
vez es n!
Cr 
n
r!(n  r )!
Ejemplo: Tres miembros de un comité de 5 personas

deben ser elegidos para formar un subcomité.
¿Cuántos subcomités diferentes podrían formarse?
5! 5(4)(3)( 2)1 5(4)
C 
5
3    10
El orden de 3!(5  3)! 3(2)(1)( 2)1 (2)1
la elección es
¡no importante!
EJEMPLO mm m
m mm
 Una caja contiene seis M & Ms®, cuatro rojas
y dos verdes. Un niño selecciona dos M & Ms al azar.
¿Cuál es la probabilidad de que exactamente uno sea
rojo?
6! 6(5) 2!
C2 
6
  15 C 
1
2
2
El orden de 1!1!
2!4! 2(1)
la elección es maneras de elegir
¡no importante! maneras de elegir 2 M & Ms.
1 verde M & M.
4!
C14  4 4  2 =8 Formas
1!3! de elegir 1 rojo y 1 P(exactamente
maneras de elegir verde M&M. un rojo) = 8/15
1 rojo M & M.
RELACIONES DE EVENTOS
 La unión de dos eventos, A y B, es el evento que ocurre A o B o
ambos ocurren cuando se realiza el experimento. Nosotros
escribimos
A B
A B A B
 Laintersección de dos eventos, A y B, es el evento en el
que tanto A como B ocurren cuando se realiza el
experimento. Nosotros escribimos A B.
A B A B
• Si dos eventos A y B son mutuamente

excluyentes, entonces P(A B) = 0.
 Elcomplemento de un evento A consiste en

todos los resultados del experimento que no
resultan en el evento A. EscribimosAC.
S
AC
A
EJEMPLO
 Seleccione un alumno del aula y

Registre su color de cabello y género.
 A: el estudiante tiene cabello castaño
 B: estudiante es mujer
 C: estudiante es masculino
Mutuamente excluyentes; B = CC
•¿Cuál es la relación entre los eventos B y C?
•AC: Estudiante no tiene pelo castaño
•BC: El estudiante es masculino y femenino = 
•BC: El estudiante es masculino o femenino = todos los
estudiantes= S
CÁLCULO DE PROBABILIDADES
PARA UNIONES Y COMPLEMENTOS
 Existen reglas especiales que le permitirán calcular
probabilidades para eventos compuestos.
 La Regla Aditiva para las uniones:
 Para cualquiera de los dos eventos, A y B, la probabilidad
de la unión, P(A B), es
P ( A  B )  P ( A)  P ( B )  P ( A  B)
A B
EJEMPLO: REGLA ADITIVA
Ejemplo: Supongamos que había 120
estudiantes en el aula y que podrían
clasificarse de la siguiente manera:
A: Pelo castaño P(A) = 50/120 Castaño No Castaño
B: femenino Masculino 20 40
P(B) = 60/120 Femenino 30 30
P(AB)
P(AB) == P(A)
P(A) ++ P(B)
P(B) –– P(AB)
P(AB)
== 50/120
50/120 ++ 60/120
60/120 -- 30/120
30/120
== 80/120
80/120 == 2/3
2/3 comprobar:: P(AB)
comprobar P(AB)
== (20
(20 ++ 30
30 ++ 30)/120
30)/120
UN CASO ESPECIAL
Cuando dos eventos A y B son

mutuamente excluyentes,P(AB) = 0
y P(AB) = P(A) + P(B).
Castaño No Castaño
A: hombre con cabello castaño
P(A) = 20/120 Masculino 20 40
B: mujer con cabello castaño Femenino 30 30
P(B) = 30/120
A y B se excluyen P(AB)
P(AB) == P(A)
P(A) ++ P(B)
P(B)
== 20/120
20/120 ++ 30/120
30/120
mutuamente, por lo
== 50/120
50/120
que
PROBABILIDAD
Ejemplo.-
Experimento.- Se lanza un dado y una moneda
Determine el espacio muestral.
A: Al lanzar un dado y una moneda aparezcan el
número 2 o 3 con sello.
B: Al lanzar un dado y una moneda aparezcan
números pares con sello.
PROBABILIDAD
Ejemplo.-
S = {1s, 2s, 3s, 4s, 5s, 6s, 1c, 2c, 3c, 4c, 5c, 6c }
N(S) = 12
número 2 o 3 con sol.
números pares con sol.
A = { 2s, 3s }, N(A) = 2
B = { 2s, 4s, 6s } N(B) = 3
A  B = { 2s } N(A  B ) = 1
P(A  B) = P(A) + P(B) - P(A  B)
= 2/12 + 3/12 – 1/12 = 4/12 = 1/3
CÁLCULO DE PROBABILIDADES AC
PARA LOS COMPLEMENTOS A
 Sabemos que para cualquier evento.A:

 P(A AC) =0
 Ya que cualquier A o AC debe ocurrir,
P(A AC) =1
 así que P(A AC) = P(A)+ P(AC) = 1
P(A
P(A )) == 11 –– P(A)
CC
P(A)
EJEMPLO
Seleccione un alumno al
azar del aula. Definir:
Castaño No Castaño
A: masculino
P(A) = 60/120 Masculino 20 40
B: femenino Femenino 30 30
A y B son P(B)
P(B) == 1-
1- P(A)
P(A)
complementarios, == 1-
1- 60/120
60/120 == 40/120
40/120
por lo que
PROBABILIDAD
Ejemplo.-

Determine el espacio muestral.
número 2 o 3 con sello.
números pares con sello.
Encontrar la probabibilidad de
PROBABILIDAD

S = {1s, 2s, 3s, 4s, 5s, 6s, 1c, 2c, 3c, 4c, 5c, 6c }
N(S) = 12
número 2 o 3 con sol.
números pares con sol.
A = { 2s, 3s }, N(A) = 2
B = { 2s, 4s, 6s } N(B) = 3
Ac = { 1s, 4s, 5s, 6s, 1c, 2c, 3c, 4c, 5c, 6c }
P(Ac) = 1 – P(A) = 1 – 2/12 = 10/12
Bc = { 1s, 3s, 5s, 1c, 2c, 3c, 4c, 5c, 6c }
P(Bc) = 1 – P(B) = 1 – 3/12 = 9/12
CÁLCULO DE PROBABILIDADES PARA
INTERSECCIONES
 En el ejemplo anterior, encontramos P(A  B)
directamente desde la mesa. A veces esto es poco
práctico o imposible. La regla para calcularP(A 
B) Depende de la idea de eventos independientes y
dependientes.
Se
Se dice
dice que
que dos
dos eventos,
eventos, A A yy B,B, son
son
independientes
independientes si si yy solo
solo si
si la
la
probabilidad
probabilidad de
de que
que ocurra
ocurra elel evento
evento AA
no
no cambia,
cambia, dependiendo
dependiendo de de sisi el
el
evento
evento BB ha
ha ocurrido
ocurrido oo no.
no.
PROBABILIDADES CONDICIONALES
 La probabilidad de que A ocurra,
dado que el evento B ha ocurrido, se
denomina probabilidad condicional
de A dado B y se define como
P( A  B)
P( A | B)  si P( B)  0
P( B)
“dado”
EJEMPLO 1
 Lanza una moneda justa dos veces.
Definir
 A: cara en el segundo lanzamiento
 B: cara en el primer lanzamiento
P(A|B)
P(A|B) == ½
½
CC P(A|no
CC 1/4 P(A|no B)
B) == ½
½
CS
CS 1/4
1/4 P(A) No ¡A y B son
SC
SC cambia, pase B
1/4 independien
SS
SS
o no ... tes!
EJEMPLO 2
 Un tazón contiene cinco M & Ms®, dos rojos y tres azules.
Selecciona aleatoriamente dos caramelos, y define
 A: el segundo caramelo es rojo.
 B: el primer caramelo es azul.
P(A|B)
P(A|B) =P(2
=P(2do rojo|1
do
rojo|1erazul)=
er
azul)= 2/4
2/4 == 1/2
1/2
P(A|no
P(A|no B)
B) == P(2
P(2do rojo|1
do
rojo|1rorojo)
ro
rojo) == 1/4
1/4
P(A) cambia
dependiendo de si A y B son
B ocurre o no ... dependientes!
DEFINIENDO LA INDEPENDENCIA
 Podemos redefinir la independencia en términos de
probabilidades condicionales.:
Dos
Dos eventos
eventos AA yy BB son
son independientes
independientes si
si yy
solo
solo si
si P(A|B)
P(A|B) == P(A)
P(A) oo P(B|A)
P(B|A) == P(B)
P(B)
De
De lo
lo contrario,
contrario, son
son dependientes.
dependientes.
• Una vez que haya decidido si dos eventos

son independientes o no, puede usar la
siguiente regla para calcular su intersección.
LA REGLA MULTIPLICATIVA PARA
INTERSECCIONES
 Para cualquiera de los dos eventos, A y B, la probabilidad de que
A y B ocurran es
P(A B)
P(A B) == P(A)
P(A) P(B
P(B dado
dado que
que A
A ocurrió)
ocurrió)
== P(A)P(B|A)
P(A)P(B|A)
• Si los eventos A y B son
independientes, entonces la
probabilidad de que A y B ocurran es
P(A B)
P(A B) == P(A)
P(A) P(B)
P(B)
EJEMPLO 1
En una determinada población, el 10% de las
personas pueden ser clasificado como alto riesgo
de un ataque al corazón. Tres personas son
seleccionadas al azar de esta población. ¿Cuál es
la probabilidad de que exactamente uno de los
tres sea de alto riesgo?
Definir H: alto riesgo N: no es de alto riesgo
P(exactamente
P(exactamenteun
unalto
altoriesgo)
riesgo) ==P(HNN)
P(HNN) ++ P(NHN)
P(NHN) ++ P(NNH)
P(NNH)
==P(H)P(N)P(N)
P(H)P(N)P(N) ++ P(N)P(H)P(N)
P(N)P(H)P(N) ++ P(N)P(N)P(H)
P(N)P(N)P(H)
==(.1)(.9)(.9)
(.1)(.9)(.9) + (.9)(.1)(.9) + (.9)(.9)(.1)= 3(.1)(.9) == .243
+ (.9)(.1)(.9) + (.9)(.9)(.1)= 3(.1)(.9) 22
.243
EJEMPLO 2
Supongamos que tenemos información adicional en el
ejemplo anterior. Sabemos que solo el 49% de la
población son mujeres. Además, de las pacientes
femeninas, el 8% son de alto riesgo. Una sola persona es
seleccionada al azar. ¿Cuál es la probabilidad de que sea
una mujer de alto riesgo?
Definir H: alto riesgo F: femenino

Del
Del ejemplo,
ejemplo, PP (F)
(F) == .49
.49 yy PP (H
(H || F)
F) == .08.
.08.
Usa
Usa lala regla
regla multiplicativa:
multiplicativa:
PP (mujer
(mujer dede alto
alto riesgo)
riesgo) == PP (HF)
(HF)
== PP (F)
(F) PP (H
(H || F)
F) == .49
.49 (.08)
(.08) == .0392
.0392
LA LEY DE PROBABILIDAD TOTAL
 SeanS1 , S2 , S3 ,..., Sk eventos mutuamente exclusivos y exhaustivos (es
decir, uno y solo uno debe suceder). Entonces la probabilidad de otro
evento A se puede escribir como
P(A) P(A 
P(A) == P(A P(A 
 SS11)) ++ P(A  SS22)) ++ … P(A 
… ++ P(A  SSkk))
== P(S
P(S11)P(A|S
)P(A|S11)) ++ P(S
P(S22)P(A|S
)P(A|S22)) ++ …
… ++ P(S
P(Skk)P(A|S
)P(A|Skk))
LA LEY DE PROBABILIDAD TOTAL
S1
A Sk
A
A  S1
Sk
S2….
P(A) P(A 
P(A) == P(A P(A
 SS11)) ++ P(A  SS22)) ++ … P(A 
… ++ P(A  SSkk))
== P(S
P(S11)P(A|S
)P(A|S11)) ++ P(S
P(S22)P(A|S
)P(A|S22)) ++ …
… ++ P(S
P(Skk)P(A|S
)P(A|Skk))
PROBABILIDAD
Ejemplo.-
En una pequeña empresa de tejidos se obtiene
su producción con tres máquinas hiladoras M1,
M2 y M3 que producen respectivamente 50%,
30% y el 20% del número total de artículos
producidos.
Los porcentajes de productos defectuosos
producidos por estas máquinas son 3%, 4% y
5%. Si se selecciona un artículo al azar,
¿ Cuál es la probabilidad de que el artículo sea
defectuoso ?
PROBABILIDAD
Sea
D el evento: Que sea un artículo defectuoso.
P(M1) = .50 P(D/M1) = .03
P(M2) = .30 P(D/M2) = .04
P(M3) = .20 P(D/M3) = .05
P(D) = P(D/M1) P(M1) + P(D/M2) P(M2) +

P(D/M3) P(M3)
= .03(.50) + .04(.30) + .05(.20) = 0.037
P(D/M1)=.03
D P(M1)*P(D/M1)=.5*.03=.015
P(M1)=.50 M1
ND
P(ND/M1)=.97
P(D/M2)=.04 P(M2)*P(D/M2)=.3*.04=.012
D
P(M2)=.30 M2
P(ND/M2)=.96 ND
P(D/M3)=.05
D P(M1)*P(D/M1)=.2*.05=.01
P(M3)=.20 M3
ND
P(ND/M3)=.95
P(D) = .015+.012+.01=.037
REGLA DE BAYES
 Sean S1 , S2 , S3 ,..., Sk eventos mutuamente
exclusivos y exhaustivos con probabilidades previas
P(S1), P(S2),…,P(Sk). Si ocurre un evento A, la
probabilidad posterior de Si, dado que A ocurrió es
P( Si ) P( A | Si )
P( Si | A)  para i  1, 2 ,...k
 P( Si ) P( A | Si )
PROBABILIDAD
Ejemplo.-
En una pequeña empresa de tejidos se obtiene
su producción con tres máquinas hiladoras M1,
M2 y M3 que producen respectivamente 50%,
30% y el 20% del número total de artículos
producidos.
Los porcentajes de productos defectuosos
producidos por estas máquinas son 3%, 4% y
5%. Supóngase que se selecciona un artículo
al azar y resulta ser defectuoso. ¿Cuál sería
la probabilidad de que el artículo haya sido
producido por la máquina M1?
PROBABILIDAD
Sea
D: Que el artículo sea defectuoso
ND: Que el artículo no sea defectuoso
M1: Que haya sido producido por la máquina 1
P(M1) = .50 P(D/M1) = .03

P(M2) = .30 P(D/M2) = .04
P(M3) = .20 P(D/M3) = .05
P(D/M1)=.03
D P(M1)*P(D/M1)=.5*.03=.015
P(M1)=.50 M1
ND
P(ND/M1)=.97
P(D/M2)=.04 P(M2)*P(D/M2)=.3*.04=.012
D
P(M2)=.30 M2
P(ND/M2)=.96 ND
P(D/M3)=.05
D P(M1)*P(D/M1)=.2*.05=.01
P(M3)=.20 M3
ND
P(ND/M3)=.95
P(D) = .015+.012+.01=.037
PROBABILIDAD
Por teorema de Bayes se tiene:
P( M 1 ) P( D / M 1 )
P ( M 1 / D) 
P( M 1 ) P ( D / M 1 )  P( M 2 ) P( D / M 2 )  P( M 3 ) P( D / M 3 )
P( M 1 ) P( D / M 1 ) (. 50)(. 03)
   .4054
P ( D) .037
La probabilidad de que el artículo defectuoso se

haya producido en la M1 es del 40.54%
EJEMPLO
De un ejemplo anterior, sabemos que el 49% de la población
son mujeres. De las pacientes, el 8% tiene un alto riesgo de
ataque cardíaco, mientras que el 12% de los pacientes
masculinos tiene un alto riesgo. Una sola persona es
seleccionada al azar y se encuentra en alto riesgo. ¿Cuál es
la probabilidad de que sea un hombre?
EJEMPLO
De un ejemplo anterior, sabemos que el 49% de la población
son mujeres. De las pacientes, el 8% tiene un alto riesgo de
ataque cardíaco, mientras que el 12% de los pacientes
masculinos tiene un alto riesgo. Una sola persona es
seleccionada al azar y se encuentra en alto riesgo. ¿Cuál es
la probabilidad de que sea un hombre?
Definir H: alto riesgo F: femenino M: masculino
P( M ) P( H | M )
Sabemos::
Sabemos P( M | H ) 
.49 P( M ) P( H | M )  P( F ) P( H | F )
P(F)
P(F) ==
P(M) = .51 .51 (.12)
P(M) =   .61
P(H|F)
P(H|F) == .08 .51 (.12)  .49 (.08)
P(H|M)
P(H|M) == .12
75
EJERCICIOS

1.-En un espacio muestral hay dos sucesos A y B.
Sabemos que P(A)=0,4 P()=0,75y que P(AUB)=0,55 .
¿Cuál es la probabilidad de la intersección de los sucesos
A y B?:
A) 0,10; B) 0,60;C) 0,15.
08/13/2020
76
SOLUCIÓN

Tenemos:

P(A)=0.4
P(P(B)=1-P(=1-0.75=0.25
P(A U B)=0.55
P(A=P(A)+P(B)-P(A U B)=0.4+0.25-0.55=0.10
P(A=0.10
08/13/2020
77
2.- Se realiza un estudio sobre el hábito de fumar en

adultos de mediana edad con 200 hombres y 300 mujeres.
Un 30% de los hombres reconocen que sí fuman
habitualmente, mientras que 225 mujeres se declaran no
fumadoras. Si seleccionamos una persona al azar, ¿cuál
es la probabilidad de que sea hombre y no fume?:
A) 0,70; B) 0,28; C) 0,73.
08/13/2020
78
SOLUCIÓN
 30/100 F
200/500 H
70/100
75/300 F
300/500 M
225/300
P(H*(70/100)=0.28
08/13/2020
79
3.-Con los datos del ejercicio anterior, si

elegimos una persona al azar, ¿cuál es la
probabilidad de que fume?:
A) 0,32; B) 0,73; C) 0,27.
08/13/2020
80
SOLUCIÓN
 30/100 F
200/500 H
70/100
75/300 F
300/500 M
225/300
P(F)=200/500*30/100+300/500*75/300
=0.12+0.15=0.27
08/13/2020
81
4.-Se introduce tres conejos,

independientemente unos de otros, en un
laberinto que tiene dos salidas
equiprobables (A y B).¿Cuál es la
probabilidad de que los tres conejos salgan
por el mismo lugar?
08/13/2020
82
SOLUCIÓN

Ω={AAA,AAB,ABA,ABB,BAA,BAB,BBA,BBB}

Suceso C={Las tres salen por el mismo lugar}

Entonces:
P ( C )==0.25
08/13/2020
5.-Consideremos una población de 800 alumnos del curso de
estadística de UPAO, de los cuales 500 son varones. Si seleccionamos
con remplazamiento dos fichas de la asignatura al azar:
a)¿Cuál es la probabilidad de que corresponda a los varones?
b)¿Cuál es la probabilidad de que corresponda a las mujeres?
c)¿Cuál es la probabilidad de que corresponda a alumnos de ambos
sexos?
c)¿Cuál es la probabilidad de que al menos una corresponda a un
varón?
08/13/2020
84
SOLUCIÓN
Sea
 A:Varones y B: Mujeres
a)P(AA)=
b)P(BB)=
c)P(AB ó BA)=+=0.47
d)P(AA ó AB ó BA)= + + =0.86
08/13/2020
EJEMPLO
Sea A el evento “el único libro Estadística de Walpole

de la biblioteca se encuentra prestado” y sea B el
evento “el único libro de Estadística de Córdova de la
biblioteca se encuentra prestado”:
a. Si P(A) = 0,5; P(B) = 0,4 y P(A È B) = 0,65, calcule P(A Ç B).

b.Mediante
probabilidadlos valores de la parte a), calcule la
P de que exactamente uno de los dos libros se encuentre
prestado.
08/13/2020
SOLUCIÓN
a. Aplicando la regla de la adición

tenemos:
P(A È B) = P(A) + P(B) – P(A Ç B)
A B
0,65 = 0,5 + 0,4 - P(A Ç B)
AÇB
P(A Ç B) = 0,25
b. Apoyados en el gráfico podemos apreciar que:
P = P(A È B) – P(A Ç B) = 0,65 – 0,25 = 0,4
08/13/2020
EJEMPLO
El dispositivo de un submarino tiene cuatro válvulas que

funcionan de manera independiente, cuyas probabilidades de
fallar son, respectivamente, iguales a 0,08;
0,12; 0,22 y 0,34.
a. ¿Cuál es la probabilidad de que falle al menos una de las
válvulas?
b. ¿Cuál es la probabilidad de que falle sólo una de las
válvulas?
08/13/2020
SOLUCIÓN
88
a. Las probabilidades de falla de las válvulas y sus respectivos
complementos son:

Probabilidad de que falla la válvula 1: P(V1) = 0,08 P() = 0,92
P(ninguna válvula falle) = 0,92 . 0,88 . 0,78 . 0,66 = 0,41678

P(falle al menos una válvula) = 1 - P(ninguna válvula falle) = 0,58322
b.P(falle sólo la válvula1) = 0,08 . 0,88 . 0,78 . 0,66 = 0,03624

P(falle sólo la válvula 2) = 0,92 . 0,12 . 0,78 . 0,66 = 0,056834
P(falle sólo una de las válvulas) = 0,425336
08/13/2020
89
EJEMPLO
En el proceso de control de calidad de una determinada

línea de producción, se tiene una muestra de 10
productos de dicha línea de los cuales 3 son
defectuosos. S e extraen dos productos de la muestra,
uno por uno sin reposición. ¿Cuál es la probabilidad
de que ambos productos extraídos resulten defectuosos?
08/13/2020
SOLUCIÓN
Del enunciado:
P(defectuoso 1° extracción Ç defectuoso 2° extracción) =
Aplicando la regla de la multiplicación de probabilidades:

= P(defectuoso. 1° extracción) . P(defectuoso. 2° extracción / defectuoso. 1° extracción)
= (3 / 10) . (2 / 9) = 1 / 15
08/13/2020
Ejemplo: En este aula el 70% de los alumnos son hombres.
De ellos el 10% son fumadores. El 20% de las mujeres son
fumadoras.
 ¿Qué porcentaje de fumadores hay en total?
Podemos aplicar la ley de

la probabilidad total:
Mujeres
Hombres y mujeres forman Hombres
un sistema exhaustivo y
excluyente de sucesos.
Fumadores
91
Fuma
0,1
Hombre
0,7
No fuma
0,9
Estudiante
0,2
0,3 Fuma
Mujer
0,8
No fuma
P(F) = P(F∩H) + P(F∩M) = P(F|H) P(H) + P(F|M) P(M) 92

= 0,1 · 0,7 + 0,2 · 0,3 = 0,13
En el problema anterior: Se elige a un individuo al azar y resulta
fumador. ¿Cuál es la probabilidad de que sea una mujer?
Fuma
0,1
Hombre
0,7
No fuma
0,9
Estudiante
0,2
0,3 Fuma
Mujer
0,8
No fuma
P(M) = 0,3, P(F) = 0,13

P(M|F) = P(F ∩ M)/P(F) = P(F|M) P(M) / P(F) =
94
0,2·0,3 / 0,13 = 0,46
EJERCICIO.
En un hotel se ha instalado un dispositivo
de alarma. Si hay peligro el dispositivo se
pone en funcionamiento el 99% de las
ocasiones. Por otra parte, la probabilidad
de que se dispare la alarma
espontáneamente es del 0.5%, y la
probabilidad de que una noche haya un
intento de robo es 0.1%. Si una noche
determinada se oye la alarma, ¡Cuál es la
probabilidad de que sea falsa?
SOLUCIÓN
Sea
 R el suceso “hay peligro” y A el suceso
“suena la alarma”. Los datos son:
P(/A)=

P(A/R)=0.99
P( R)=0.001 R
P(
/R )=0.01
P(A /) =0.005
𝑅´
P()=0.999  P(/A)= =0.83
P( /)=0.995
Es una alarma de alta eficacia con un índice de
peligrosidad por noche del orden de 0.001 se
concluye que la mayoría de los avisos de las alarmas
sean falsas.
EJERCICIO
Tenemos 10 caja:5 de ellas contienen 3 bolas blancas y 3 negras; 3 de ellas
contienen 4 blancas y 2 negras, y el resto contienen 1 blanca y 5 negras
Calcular:
a) La probabilidad de que una bola extraída al azar de una de las 10 urnas sea
blanca.
b) La probabilidad de que habiendo salido una bola negra, proceda del segundo
grupo.
c) Sabiendo que ha salido una bola negra, ¡De que grupo es más probable que
haya salido?
SOLUCIÓN

Sea el suceso se elige la caja del grupo B el suceso se extrae bola blanca y
N el suceso se extrae bola negra.
 a) P(B)=P(B/)*P()+ P(B/)*P()+ P(B/)*P() ==
 b)P(
 P(=
 c) De manera similar :P()=P()=
 Por lo tanto es más probable que haya salido la caja del grupo1()
EJERCICIO
Se lanza una moneda si sale cara se saca una

canica de la caja I que contiene 3 rojas y 2 azules,
si sale sello se saca una canica de la caja II que
contiene 2 rojas y 8 azules. a) Determinar la
probabilidad de que se saque una canica roja. b)
Habiendo sacado bola roja, ¿cuál es la probabilidad
de que haya salido cara?
SOLUCIÓN
1
 
a) 2
Caja I
3
 
5 P( R)  P( I ) P ( R | I )  P( II ) P( R | II ) 
 1  3   1  2   2 
        
 2  3  2   2  2  8   5 
1 2
   
2
Caja II  10 
b)
 1  3 
  
 P( I ) P( R | I )  2
  3  2  3
P( I / R )     
 P ( I ) P( R | I )  P ( II ) P( R | II )   1  3    1  3  4
 2  3  2   2  2  8 
100
Aprende a ser feliz con lo que tienes mientras persigues lo que quieres.
-Jim Rohn.

Introducción A La Probabilidad

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Introducción A La Probabilidad

Cargado por

Copyright:

Formatos disponibles

INTRODUCCIÓN A LA

Estas preguntas en el lenguaje coloquial

En este curso lo que se quiere es entender con

El conocimiento de la probabilidad es de suma

El cálculo de probabilidades proporciona las

La probabilidad estudia el tipo de fenómenos aleatorios.

Un experimento es aleatorio si se verifican las

 Un evento simple es el resultado que se observa en

 Un evento simple es denotado por E con un

 A cada evento simple se le asignará una

2.- Experimento: Se lanza un dado.

Los eventos aleatorios se denotan normalmente

Son subconjuntos de S, esto es, A, B, C,…  S

Los eventos aleatorios son conjuntos que pueden

Al número de puntos muestrales de S= Ω se le

Evento seguro.- Siempre se verifica después del

Evento Imposible.- Es aquel que nunca se verifica

Si ,  S entonces son eventos elementales.

Un evento es una colección de uno o más

 Doseventos se excluyen mutuamente si, cuando ocurre

Evento imposible:  (conjunto vacio). N() = 0

–El 10% de la población

1ra Moneda 2da Moneda Ei P(Ei)

1er M&M 2do M&M Ei P(Ei)

n A número de eventos simples en A

• Puedes usar las reglas de conteo para

Ejemplo: tirar dos monedas. El número

Ejemplo: Si tengo 5 camisas y 3 pantalones para

entonces tengo 5*3 = 15 maneras de vestirme

a.)¿De cuántas formas puede Juan ir del pueblo A al pueblo C?

Ejemplo: ¿Cuántas combinaciones de bloqueo de 3 dígitos

¡El orden de la elección es 4!

¡El orden de la elección es

Ejemplo: Tres miembros de un comité de 5 personas

• Si dos eventos A y B son mutuamente

 Elcomplemento de un evento A consiste en

 Seleccione un alumno del aula y

A: Pelo castaño P(A) = 50/120 Castaño No Castaño

Cuando dos eventos A y B son

 Sabemos que para cualquier evento.A:

Experimento.- Se lanza un dado y una moneda

• Una vez que haya decidido si dos eventos

Definir H: alto riesgo F: femenino

P(D) = P(D/M1) P(M1) + P(D/M2) P(M2) +

P(M1) = .50 P(D/M1) = .03

Por teorema de Bayes se tiene:

La probabilidad de que el artículo defectuoso se

2.- Se realiza un estudio sobre el hábito de fumar en

3.-Con los datos del ejercicio anterior, si

4.-Se introduce tres conejos,

Suceso C={Las tres salen por el mismo lugar}

Sea A el evento “el único libro Estadística de Walpole

a. Si P(A) = 0,5; P(B) = 0,4 y P(A È B) = 0,65, calcule P(A Ç B).

a. Aplicando la regla de la adición

b. Apoyados en el gráfico podemos apreciar que:

P = P(A È B) – P(A Ç B) = 0,65 – 0,25 = 0,4

El dispositivo de un submarino tiene cuatro válvulas que

b.P(falle sólo la válvula1) = 0,08 . 0,88 . 0,78 . 0,66 = 0,03624

En el proceso de control de calidad de una determinada

P(defectuoso 1° extracción Ç defectuoso 2° extracción) =

Aplicando la regla de la multiplicación de probabilidades:

Podemos aplicar la ley de

P(F) = P(F∩H) + P(F∩M) = P(F|H) P(H) + P(F|M) P(M) 92