ELEMENTOS BÁSICOS DE

PROBABILIDAD
 Objetivos:
1. Definir lo que es probabilidad.
2. Describir los enfoques clásico, frecuencial y subjetivo
de la probabilidad.
3. Entender los términos: experimento, evento, resultado,
permutaciones y combinaciones.
4. Realizar inferencias acerca de una variable en la
población a partir de una muestra
1
 CONCEPTOS BÁSICOS

• Un experimento es un proceso que conduce a que

ocurra una (y solamente una) de varias observaciones
posibles.
• Un experimento aleatorio es el conjunto de pruebas
realizadas bajo las mismas condiciones y cuyos
resultados son impredecibles

2
 CONCEPTOS BÁSICOS

• Espacio Muestral: es el conjunto de todos los

resultados posibles de un experimento aleatorio. Se
denota por . Se clasifica en:
• Finito
• Infinito Numerable
• Infinito no Numerable

3
 CONCEPTOS BÁSICOS

• Un suceso o evento es un conjunto de uno o más

resultados de un experimento.
• Suceso o Evento Seguro es el espacio muestral,
siempre ocurre. Se denota por  .
• Suceso o Evento Imposible: es aquel que
indefectiblemente no ocurrirá, se le denomina
conjunto vacío .

4
 Eventos mutuamente excluyentes

• Los eventos son mutuamente excluyentes si la

ocurrencia de cualquiera significa que ninguno de
los otros eventos puede ocurrir al mismo tiempo.
• Ejemplo: Que salga 1 y 2 simultáneamente en el
lanzamiento de un dado.
• Los eventos son independientes si la ocurrencia de
un evento no afecta la ocurrencia de otro.

5
 Definiciones

• La probabilidad es una medida de la

posibilidad relativa de que un evento ocurra.
• Puede asumir valores entre cero y uno inclusive.
• Un valor cercano a cero significa que es poco
probable que el evento suceda. Un valor cercano
a uno significa que es altamente probable que el
evento suceda.
• Hay tres definiciones de probabilidad: clásica,
frecuencial y subjetiva.
6
 Probabilidad Clásica o “a
priori”
• Si un evento puede ocurrir en N formas, las cuales se
excluyen mutuamente y son igualmente probables, y
si m de esos eventos poseen una característica E, la
probabilidad de ocurrencia de E es igual a m/N.
m n º de casos favorables
P( E )   P
N n º de casos posibles

Para calcular esta probabilidad no es necesario realizar

el experimento.

7
 Probabilidad Clásica o “a
priori”
• EJERCICIO: Si una carta es seleccionada al azar
de un mazo bien barajado, cuál es la probabilidad
de sacar un diamante?

8
 Probabilidad Frecuencial,
Relativa o “a posteriori”
• Si algún proceso es repetido en gran número de
veces n, y si algún evento resultante, con la
característica E ocurre m veces, la frecuencia
relativa de la ocurrencia de E, es:
m nº de casos favorables
P( E )  
n n º de repeciciones

Lim P(E) = P, es decir, la probabilidad relativa

tiende a P cuando n  .
9
 Probabilidad Frecuencial,
Relativa o “a posteriori”
• Ejemplo: Lanzar sucesivamente una moneda
equilibrada 10 veces. ¿Cuál es la frecuencia
relativa de la obtención de cara?

m nº de casos favorables
P( E )  
n n º de repeciciones

10
 Ejemplo 1

• Se lanza un dado no cargado una vez.

• El experimento es lanzar el dado.
• Los resultados posibles son los números 1, 2, 3, 4,
5 y 6.
• Un evento es la ocurrencia de un número par. Esto
es, los números 2, 4 y 6.

11
 Ejemplo 2
• En el departamento académico del profesor Osma, se ha
asignado un total de calificaciones de “A” de 56 entre
un total de 82 estudiantes. ¿Cuál es la probabilidad de
que un estudiante de su sección este semestre reciba una
calificación de “A”?
• Este es un ejemplo de la definición empírica de
probabilidad.
• Encuentre la probabilidad de seleccionar un estudiante
con calificación “A”:

P(A) =?
12
 Probabilidad subjetiva

• Ejemplos de probabilidad subjetiva son:

• Estimar la posibilidad de que Colombia
clasifique al mundial de 2022.
• Evaluar la probabilidad de que la empresa
General Motors, pierda su lugar número 1
en el total de unidades vendidas, frente a la
Ford o la Chrysler, en un lapso de dos años.
13
 Axiomas de probabilidad

• Sean  y E cualquier espacio muestral y cualquier

evento, respectivamente. Se llamará función de
probabilidad sobre el espacio muestral  a P(E) si
satisface los siguientes axiomas:
• P(E)  0
• P() = 1
• Si para los eventos E1, E2, ..., se cumple EiEj= 
ij  P(E1  E2..)= P(E1) + P(E2) +...
14
 Teoría y notación de conjuntos

Nociones:
•Conjunto
•Conjunto unitario
•Conjunto vacío o nulo
•Conjunto Universal
•Subconjunto
•Diagrama de Venn
15
 Teoría y notación de conjuntos

Operaciones entre conjuntos

•Unión
•Intersección
•Complemento
•Leyes de Morgan

16
 Principios de conteo

• Fórmula de la multiplicación: Si hay m formas de

hacer una cosa, y n formas de hacer otra, existirán m
x n formas de hacer ambas.

Ejemplo 10
• El Dr. Velasco tiene 10 camisas y 8 corbatas.
¿Cuántos juegos de camisa y corbata puede tener?
(10)(8) = 80
17
 Principios de conteo

• Permutación: Un arreglo o disposición de r

objetos seleccionados de un solo grupo de n
objetos posibles.
• Nota: El orden del arreglo es importante en las
permutaciones.
n!
n Pr 
(n  r )!

18
 Principios de conteo

• Una combinación es el número de maneras de

escoger r objetos de un grupo de n objetos sin
importar el orden:

n!
nC r 
r! (n  r )!

19
 Ejemplo 11

• Hay 12 jugadores en el equipo de básquetbol de la

Universidad. El director técnico debe escoger 5
jugadores de los 12 del equipo para formar su línea
de inicio. ¿De cuántas maneras diferentes puede
hacerlo?

12!
12C 5   792
5! (12  5)!
20
 Ejemplo 11 (Continuación)

• Suponiendo que además de formar los grupos de

5 jugadores, el técnico debe respetar el orden de
los mismos de acuerdo a su habilidad.

12!
12 P 5   95,040
(12  5)!

21
 Reglas básicas de probabilidad

• Si dos eventos A y B son mutuamente excluyentes,

la regla especial de la adición indica que la
probabilidad de que ocurra uno u otro de los
eventos, es igual a la suma de sus probabilidades.
P(A o B) = P(A) + P(B)

22
 Ejemplo 3
• La oficina de vuelos de Avianca tiene registrada la siguiente
información en su bitácora de vuelos entre Bogotá y
Bucaramanga.

Llegadas Frecuencia
Temprano 100
A tiempo 800
Tarde 75
Cancelado 25
Total 1000
23
 Ejemplo 3 (Continuación)
• Si A es el evento de que el vuelo llegue
temprano, entonces:
P(A) = 100/1000 = 0.10
• Si B es el evento de que el vuelo llegue tarde,
entonces:
P (B) = 75/1000 = 0.075
• La probabilidad de que el vuelo llegue
temprano o tarde es:
P(A o B) = P(A) + P(B) = 0.10 + 0.075 = 0.175
24
 La regla del complemento

• La regla del complemento es utilizada para

determinar la probabilidad de que un evento
ocurra, restando a 1 la probabilidad de que no
ocurra dicho evento.
• Si P(A) es la probabilidad de un evento A y
P(~A) es la probabilidad del complemento de A,
P(A) + P(~A) = 1 o P(A) = 1 – P(~A)

25
 La regla del complemento (Continuación)

• Un diagrama de Venn ilustrando la regla del

complemento se apreciaría así:

AA ~A

26
 Ejemplo 4

• Retomando el ejemplo 3, use la regla del

complemento para encontrar la probabilidad de un
evento (A) temprano o un evento (B) tarde.
• Si C es el evento de que el vuelo llegue a tiempo,
entonces P(C) = 800/1000 = 0.8
• Si D es el evento de que el vuelo se cancele,
entonces P(D) = 25/1000 = 0.025

27
 Ejemplo 4 (Continuación)
P(A o B) = 1 - P(C o D)
= 1 - [.8 +.025] =0.175

D
C
.025
.8

~(C o D) = (A o B)
.175

28
 La regla general de la adición

• Si A y B son dos eventos que no son mutuamente

excluyentes, entonces P(A o B) es dada por la
siguiente fórmula:

• P(A o B) = P(A) + P(B) - P(A y B)

29
 La regla general de la adición
(Continuación)

• El diagrama de Venn ilustra esta regla:

AyB

30
 Ejemplo 5

• En una muestra de 500 estudiantes, 225 afirmaron

tener un estéreo, 175 dijeron tener una TV, y 100
afirmaron tener ambos.

TV
75

Ambos
Estéreo 100
125
31
 Ejemplo 5 (Continuación)

• Si un estudiante es seleccionado al azar, ¿cuál es la

probabilidad de que el estudiante tenga sólo un
estéreo, sólo una TV, y ambos un estéreo y una
TV?
• P(S) = 225/500 = 0.45
• P(T) = 175/500 = 0.35
• P(S y T) = 100/500 = 0.20
32
 Ejemplo 5 (Continuación)

• Si un estudiante es seleccionado al azar, ¿cuál es la

probabilidad de que tenga un estéreo o una TV en
su cuarto?

• P(S o T) = P(S) + P(T) - P(S yT)

= 0.45 + 0.35 - 0.20 = 0.60

33
 Probabilidad conjunta

• Probabilidad conjunta: mide la posibilidad de que

dos o más eventos ocurran en forma simultánea.
• Un ejemplo podría ser el evento de que un
estudiante elegido al azar tenga ambos, un estéreo
y una TV en su cuarto.

34
 Regla especial de la multiplicación

• La regla especial de la multiplicación requiere

que dos eventos A y B sean independientes.
• Dos eventos A y B son independientes si la
ocurrencia de uno no afecta la probabilidad de
que ocurra el otro.
• Esta regla se escribe:
• P(A y B) = P(A)P(B)
35
 Ejemplo 6

• Cristina tiene dos acciones, IBM y GE. La

probabilidad de que la acción de IBM aumente
de valor el próximo año es 0.5, y la
probabilidad de que la acción de GE aumente
su valor el próximo año es 0.7. Suponga que las
dos acciones son eventos independientes.¿Cuál
es la probabilidad de que ambas acciones
incrementen su valor el próximo año?
P(IBM y GE) = (0.5)(0.7) = 0.35

36
 Ejemplo 6 (Continuación)

• ¿Cuál es la probabilidad de que al menos una de

estas acciones aumente su valor durante el
próximo año?

• P(al menos una) = (0.5)(0.3) + (0.5)(0.7) + (0.7)

(0.5) = 0.15 + 0.35 +0.35 = 0.85

37
 Probabilidad condicional

• La probabilidad condicional es la probabilidad de

que ocurra un evento determinado, dado que otro
evento ya haya ocurrido.
• La probabilidad de que ocurra el evento A dado que
el evento B ha ocurrido se escribe P(A/B).

38
 Regla general de la multiplicación

• La regla general de la multiplicación es

utilizada para encontrar la probabilidad
conjunta de que dos eventos ocurran.
• La regla establece que dados dos eventos A
y B, la probabilidad conjunta de que ambos
ocurran se encuentra multiplicando la
probabilidad de que suceda A, por la
probabilidad condicional de que ocurra el
evento B.
39
 Regla general de la multiplicación

• La probabilidad conjunta P(A y B) está dada por la

siguiente fórmula:

• P(A y B) = P(A)P(B/A)
o
P(A y B) = P(B)P(A/B)
40
 Ejemplo 7
• El director de la facultad de ingeniería de la UDES, recopiló la
siguiente información acerca de estudiantes no graduados en su
escuela:

Especialidad Hombre Mujer Total

Industrial 170 110 280
Civil 120 100 220
Ambiental 160 70 230
Software 150 120 270
Total 600 400 1000

41
 Ejemplo 7 (Continuación)

• Si un estudiante es seleccionado al azar, ¿cuál

es la probabilidad de que el estudiante sea una
mujer (F) pasante de Industrial (A)?
• P(A y F) = 110/1000
• Dado que el estudiante es una mujer, ¿cuál es la
probabilidad de que ella sea pasante de
Industrial?
• P(A/F) = P(A y F)/P(F) =
[110/1000]/[400/1000] = 0.275
42
 Diagrama de árbol
• El diagrama de árbol es una representación gráfica útil para
organizar cálculos que abarcan varias etapas. Cada segmento
en el árbol es una etapa del problema. Las probabilidades
escritas cerca de las ramas son las probabilidades
condicionales del experimento.

Ejemplo 8
En una bolsa que contiene 7 chips rojos y 5 chips azules,
usted selecciona dos chips uno después del otro sin
reemplazarlo. Elabore un diagrama de árbol mostrando esta
información.
43
 Ejemplo 8 (Continuación)
6/11 Rojo 2
•
7/12 Rojo 1
Azul 2
5/11
7/11 Rojo 2
Azul 1
5/12
Azul 2
4/11

44
 Teorema de Bayes

• El Teorema de Bayes es un método que utiliza la

probabilidad revisada con base en información
adicional.
• Se calcula utilizando la siguiente fórmula:
P ( A1 ) P ( B / A1 )
P( A1 | B) 
P ( A1 ) P( B / A1 )  P ( A2 ) P( B / A2 )

45
 Ejemplo 9

• Una embotelladora de refresco de cola recibió

varias denuncias acerca del bajo contenido de
sus botellas. Una denuncia fue recibida hoy,
pero el gerente de producción no puede
identificar cuál de las dos plantas en
Aguascalientes (A o B) llenó estas botellas.
¿Cuál es la probabilidad de que las botellas
defectuosas provengan de la planta A?
46
 Ejemplo 9 (Continuación)

• La siguiente tabla resume la experiencia de producción

de dicha embotelladora:
% del total de % de botellas
producción defectuosas
A 55 3

B 45 4

47
 Ejemplo 9 (Continuación)

P ( A) P (U / A)
P( A / U ) 
P ( A) P (U / A)  P ( B ) P (U / B )
.55(.03)
  .4783
.55(.03)  .45(.04)

• La probabilidad de que las botellas fueran llenadas

en la planta A se redujo de 0.55 a 0.4783

48