Teoría de Probabilidades

Amilcar Corzo
 Probabilidad. Conceptos Básicos
• Es la posibilidad relativa de que ocurra algún evento. Si ay n
posibilidades, igualmente probables, de las cuales una debe ocurrir, y
junto a s, se consideran favorables o como un triunfo, entonces, la
probabilidad de que haya un triunfo es s/n
• EXPERIMENTO.- Es toda acción sobre la cual vamos a realizar una
medición u observación, es decir cualquier proceso que genera un
resultado definido.
• EXPERIMENTO ALEATORIO.- Es toda actividad cuyos resultados no se
determinan con certeza. Ejemplo: lanzar una moneda al aire. No
podemos determinar con toda certeza ¿cuál será el resultado al lanzar
una moneda al aire?, por lo tanto constituye un experimento aleatorio.
• ESPACIO MUESTRAL (S).- Es un conjunto de todos los resultados
posibles que se pueden obtener al realizar un experimento aleatorio.
Ejemplo: sea el experimento E: lanzar un dado y el espacio muestral
correspondiente a este experimento es: S = 1, 2, 3, 4, 5, 6.
 Conceptos básicos
• PUNTO MUESTRAL.- Es un elemento del espacio muestral de cualquier
experimento dado.
• EVENTO O SUCESO.- Es todo subconjunto de un espacio muestral. Se
denotan con letras mayúsculas: A, B, etc. Los resultados que forman parte
de este evento generalmente se conocen como “resultados favorables”.
Cada vez que se observa un resultado favorable, se dice que “ocurrió” un
evento. Ejemplo: Sea el experimento E: lanzar un dado. Un posible evento
podría ser que salga número par. Definimos el evento de la siguiente
manera: A = sale número par = 2, 4, 6, resultados favorables n(E) = 3
• Los eventos pueden ser:
• i) Evento cierto.- Un evento es cierto o seguro si se realiza siempre.
Ejemplo: Al introducirnos en el mar, es seguro que nos mojaremos.
• ii) Evento imposible.- Un evento es imposible si nunca se realiza. Al lanzar
un dado una sola vez, es imposible que salga un 10
• iii) Evento probable o aleatorio.- Un evento es aleatorio si no se puede
precisar de antemano el resultado. Ejemplo: ¿Al lanzar un dado, saldrá el
número 3?
 Ejemplos
• Un dado tiene 6 caras, si lo tiramos:
• ¿Cuál es la probabilidad de que caiga 3?
Como solo hay una cara con tres: 1/6 =
0.16667
1 – 0.33 = 0.67

¿Cuál es la probabilidad de que caiga 3 o 4? 2/6 = 0.33

¿Cuál es la probabilidad que caiga 3, 4, o 5? 3/6 = 0.5

¿Cuál es la probabilidad no caiga ni 1 ni 2? 4/6 = 0.67

¿Cuál es la probabilidad que no caiga 6? 5/6 = 0.83

Ejemplo: Un tazón tiene 18 bolitas, 4 son azules, 9 verdes, 3
rojas y 2 blancas. Si se saca una bolita al azar, calcule:

La probabilidad de sacar una bolita azul:

P(azul) = 4/18 = 0.22

La probabilidad de sacar una bolita verde:

P(verde) 9/18 = 0.5

La probabilidad de una azul o una roja:

P(azul o roja) 7/18 = 0.39

La probabilidad que no sea ni blanca ni roja:

P(ni blanca, ni roja) = 13/8 = 0.72
 Probabilidades en tabla de contingencia

• Muchas veces hacemos una encuesta a una muestra y a

partir de ella queremos estimar la probabilidad de
ocurrencia de un evento en la población.
• Por ejemplo: se pone una encuesta a 170 estudiantes de
CUDEP y de ella analizamos dos preguntas. En la primera se
le pregunta el sexo (variable sexo) del alumno y debe marcar
H (hombre) o M (mujer). La segunda le pregunta si le gusta la
estadística y las respuestas son Si o No.
• El recuento indica que 90 son hombres y 80 mujeres.
Además 35 respondieron que les gusta la estadística contra
135 que indicaron que no les gusta.
• En la siguiente tabla de contingencia se cruzan ambas
variables para analizarlas como probabilidades.
 Tabla de contingencia para variables categóricas

  H M TOTAL Una tabla de contingencia tiene

SI 20 15 35 celdas, con valores internos (20, 15,
NO 70 65 135 70 y 65) y totales marginales (90, 80,
TOTAL 90 80 170 35 y 135). El total de estudiantes 170.

El total marginal indica que 90 son hombres y que 80 son mujeres;

además dice que 35 respondieron que le gusta la estadística y 135 que no
les gusta la estadística. A estos se les llama evento simple, porque ocurre
una sola cosa.

En las celdas, 20 indica que son hombres y les guata la estadística,

mientras 70 son hombres y no les gusta la estadística. Por aparte 15 son
mujeres y les gusta la estadística, mientras 65 son mujeres y no les gusta
la estadística.

Con esto podemos estimar probabilidades…

 Probabilidades simples o marginales

Una probabilidad simple se refiere a un evento

  H M TOTAL
en el ocurre una sola cosa. También se llama
SI 20 15 35 probabilidad marginal cuando se toman los
NO 70 65 135 valores en los márgenes de la tabla de
TOTAL 90 80 170 contingencia

Ejemplos:
La probabilidad de que salga por azar una encuesta contestada por un hombre
P(H) 90/170 = 0.53
La probabilidad de que por azar salga una respondida por una mujer
P(M) 80/170 = 0.47
Hombre y mujer son mutuamente excluyentes y colectivamente exhaustivos
Si se la probabilidad de H, 1- 0.53 es mujer; o si P(M), entonces 1 – 0.47 = P(H), 0.53.
La probabilidad de encontrar al azar alguien al que le guste la estadística es:
P(SI) 35/170 = 0.21
La probabilidad de encontrar al azar a alguien que no le guste la estadística:
P(N0) = 135/170 = 0.79
 Probabilidad conjunta
  H M TOTAL Una probabilidad conjunta o un evento conjunto
SI 20 15 35 significa que ocurren dos o más eventos
NO 70 65 135 simultáneamente. La P(A y B), significa que debe
TOTAL 90 80 170 ocurrir tanto el evento A como el evento B al
mismo tiempo.

Probabilidad de encontrar un hombre que le guste la estadística:

P(H y SI) = 20/170 = 0.12

Probabilidad de encontrar una mujer y que le guste la estadística:

P(M y SI) = 15/170 = 0.09

Probabilidad de encontrar un hombre y que no le guste la estadística:

P(H y No) = 70/170 = 0.41

Probabilidad de encontrar una mujer y que no le guste la estadística:

P(M y NO) = 65/170 = 0.38
 Regla general de la adición
  H M TOTAL La probabilidad de A o B es igual a la probabilidad de
SI 20 15 35 A mas la probabilidad de B, menos la probabilidad
conjunta de A y B. Es decir que puede ocurrir el
NO 70 65 135 evento A, que puede ocurrir el evento B o que
TOTAL 90 80 170 pueden ocurrir ambos eventos.

P(A o B) = P(A) + P(B) – P(A y B)

Probabilidad de encontrar un hombre o alguien que le guste la estadística
P(H o Si) = P(H) + P(SI) – P(H y SI) => 90/170 + 35/170 – 20/170
P(H o SI) = 0.53 + 0.21 – 0.12 = 0.62

La probabilidad de encontrar alguien que no le guste estadística o sea mujer.

P(NO o M) = P(NO) + P(M) – P(NO y M) => 135/170 + 80/70 – 65/170
P(NO o M) = 0.79 + 0.47 – 0.38 = 0.88

La probabilidad de encontrar a alguien que le guste o sea mujer

P(SI o M) = P(SI) + P(M) – P(SI M) => 35/170 + 80/170 – 15/170
P(SI o M) = 0.21 + 0.47 – 0.09 = 0.59
 Probabilidad condicional

La probabilidad condicional calcula la probabilidad de

  H M TOTAL
ocurrencia de un evento, si se conoce cierta
SI 20 15 35 información de eventos implicados. La probabilidad de
NO 70 65 135 A, dado B es igual a la probabilidad de A y B dividida
TOTAL 90 80 170 entre la probabilidad de B.

P(A/B) = P(A y B)/P(B)

P(SI/H) = P(SI y H)/P(H) => 20/170 ÷ 90/170 = 0.12/ 0.53 = 0.23

P(M/SI) = P(M y SI)/P(SI) => 15/170 ÷ 35/170 = 0.09/0.21 = 0.43

P(NO/H) = P(NO y H)/P(H) => 70/170 ÷ 90/170 = 0.41/0.53 = 0.77

P(M/NO) = P(M y NO)/P(NO) => 65/170 ÷ 135/170 = 0.38/0.79 = 0.48