TEMA 10:

PROBABILIDADES
Ing. César Verano Serruto
EVENTOS INDEPENDIENTES.
Dos o más eventos son considerados independientes si los eventos
en ningún modo se afectan uno al otro.

P (A y B )  P ( A ) P ( B )
 1º extracción
4
Roja  P ( A) 
7
2º extracción
4
Roja  P ( B ) 
7

 P ( AyB )  P ( A) xP( B )
4 4
P ( AyB )  x
7 7
P ( AyB )  0,3265
EJERCICIOS PARA DESARROLLAR EN CLASE

1. En la urna A tenemos 7 bolas blancas y 13 negros y en la urna B, 12

blancas y 8 negras.
Cual es la probabilidad de que se extraiga una bola blanca de cada una.

2. En una baraja de 52 cartas se toma una carta al azar luego se regresa

y se toma otra.
Cual es la probabilidad de A la primera sea de diamantes, y B la
segunda sea de tréboles.
Resolucion:
1. P(A y B)=P(A)*P(B)
=7/20 * 12/20
=84/400
=0.21

2. P(A y B)=P(A) * P(B)

=13/52 * 13/52
=169/2704
= 0.063
EVENTOS DEPENDIENTES
Si A y B están relacionados de tal manera que la ocurrencia de B depende de la
ocurrencia de A , entonces A y B son denominados eventos dependientes y la
probabilidad del evento B es llamado probabilidad condicional.

 B  P (B  A)
P   
 A  P (A)

P(B/A) = Probabilidad de ocurrencia del suceso B, dado que ocurre A.

 B
4  P( AyB )  P ( A) xP 
1º Extracción Roja  P( A)   A
7
4 3
B 3 P( AyB )  x
2º Extracción Roja  P   7 6
 A 6
P( AyB )  0,2857
2) En una tómbola hay dos bolitas blancas y tres
bolitas negras, ¿cuál es la probabilidad de sacar una
blanca y después una negra?

a) Si hay reposición, esto es, después de sacar la

primera bolita, ésta se devuelve a la tómbola.

b) Si no hay reposición, esto es, después de sacar la

primera bolita, ésta no se devuelve a la tómbola.
RESPUESTAS
a)En este caso los eventos son independientes ya
que al reponer la bolita la ocurrencia de un evento no
afecta al otro.
Sean los eventos A: "sacar una bolita blanca" y B:
"sacar una bolita negra", entonces, usando

P(A B )=P(A)•P(B); P(A B)=2/5•3/5=6/25

b) Si no hay reposición, los eventos son dependientes

ya que la bolita no es repuesta a la tómbola, por lo que
P(A B)=P(A)•P(B/A)=(2/5)(3/4)=3/10
Practica en aula:
3) Repita el problema anterior, pero ahora la pregunta
es ¿cuál es la probabilidad de sacar una blanca y una
negra? (note que ahora no importa el orden).

a) Si hay reposición, esto es, después de sacar la Primera

bolita, ésta se devuelve a la tómbola
b) Si no hay reposición, esto es, después de sacar la primera
bolita, ésta no se devuelve a la tómbola.
a) Usando la definición, el número total de casos posibles es 5•5=25 y el
número de casos favorables es 2•3+3•2=12(una blanca y una negra ó una
negra y una blanca), luego, P(A)=12/25=48%.
O bien, usando las propiedades:

P(A)=P(sacar blanca)•P(sacar después negra)+ P(sacar

negra)•P(sacar después blanca)=2/5·3/5+3/5·2/5=12/25=48%

b) Número de casos posibles: 5•4=20 y el número de casos favorables

=2•3+3•2=12, luego, P(B)=12/20=3/5=60%.

O bien, usando las propiedades:

P(B)=P(sacar blanca)•P(sacar negra/sabiendo que ha salido

blanca)+P(sacar negra)•P(sacar blanca/sabiendo que ha
salido negra) =2/5•3/4+3/5•2/4=3/5=60%
4) Para obtener licencia para conducir, es necesario aprobar tanto
el examen teórico como el práctico. Se sabe que la probabilidad
que un alumno apruebe la parte teórica es 0,68, la de que apruebe
la parte práctica es 0,72 y la de que haya aprobado alguna de las
dos partes es 0,82. Si se elige un alumno al azar, ¿cuál es la
probabilidad de que apruebe el examen para obtener licencia?
Sea A: aprobar la parte teórica, (P(A)=0,68)

Sea B: aprobar la parte práctica, (P(B)=0,72)

Debemos calcular la probabilidad de A y B, P(A B).

Usando P(A B) = P(A)+P(B)-P(A B),
despejamos P(A B):

P(A B)=P(A)+P(B)-P(A B) y reemplazando,

P(A B)=0,68 + 0,72 - 0,82=0,58=58%

TABLA DE PROBABILIDAD CONJUNTA
En la tabla de probabilidad conjunta considera:

Primero: Todos los eventos posibles para una primera

variable (observación) como encabezamiento de columnas.

Segundo: Todos los eventos posibles para una segunda

variable se encuentran como encabezamiento de filas.

Tercero: El valor incluido en cada celda resultante es la

probabilidad de cada ocurrencia conjunta.
 Tabla Nº 1
SEXO
EDAD TOTAL
H M
Menos de 20 60 50 110
20 a más 80 10 90
TOTAL 140 60 200

Hallar la probabilidad de que al escoger una persona:

1. Sea un estudiante hombre menor de 20 años.
2. Sea un estudiante hombre de 20 años a más.
3. Sea un estudiante mujer menor de 20 años.
4. Sea un estudiante mujer de 20 años a más.
5. El estudiante escogido sea hombre.
6. El estudiante escogido sea mujer.
 Tabla Nº 2
SEXO
EDAD TOTAL
H M
Menos de 20 0,30 0,25 0,55
20 a más 0,40 0,05 0,45
TOTAL 0,70 0,30 1,00

60 10
1. P( A)   0,3 4. P( D)   0,05
200 200
80 140
2. P( B)   0,4 5.. P( E )   0,7
200 200
50 60
3. P (C )   0,25 6.. P( F )   0,3
200 200
6. PROBABILIDAD CONDICIONAL
Sean A y B dos eventos tal que P(B)  0, la probabilidad
condicional de que ocurra A dado que ha ocurrido B se define
como:

 A  P( A  B)
P   
B P ( B)
 Grado Académico
CON MAESTRÍA SIN MAESTRÍA TOTAL
Experiencia
Con experiencia Docente 7 8 15
Sin experiencia Docente 6 4 10
Total 13 12 25

Hallar la probabilidad de que al escoger una persona:

1. Con experiencia docente.
2. Con maestría.
3. Con experiencia docente y como condición tenga grado de
magíster.
4. Sin experiencia docente pero como condición tenga grado de
magíster.
5. Con experiencia docente y como condición que no tenga el
grado de magíster.
 15
1. P( A)   0,6 6
25 4. P ( D)   0,6
10
13
2. P( B )   0,52 8
25 5. P ( E )   0,5333
15
7
3. P(C )   0,4666
15
7. REGLA DE LA MULTIPLICACIÓN.
MULTIPLICACIÓN
Sea A y B dos eventos cualesquiera; entonces:
 
 Si: P(A  B) = P(B) . P(A/B) = P(A.B); cuando : P(B)  0
 Si: P(A  B) = P(A) . P(B/A) = P(A.B) ; cuando: P(A)  0
1.1. Sin reemplazamiento:

P( E )  P( A 1 x A 1)  P( A1 ) P ( A2 / A1 )
4 3
P ( E )  P x 
7 6
P( E )  0,2857

1.2. Con reemplazamiento:

P( E )  P( A 1 x A 1)
4 4
P ( E )  P x 
7 7
P( E )  0,3265
2. Una ánfora contiene 5 bolas verdes y 3 bolas amarillas; se extrae
al azar sucesivamente dos bolas. Determinar la probabilidad de
obtener una bola de cada color:
2.1. Sin reemplazamiento.
2.2. Con reemplazamiento.

Sean los eventos

A1 = La primer bola resultó verde.

A2 = La segunda bola resultó verde.

B1 = La primera bola resultó amarilla.

B2 = La segunda bola resultó amarilla.

E = Obtener una bola de cada color.

2.1. Sin reemplazamiento:
P( E )  P( A 1 x B 2)  P( B 1 x A2 )
B  B 
P( E )  P( A1 ) P 2   P ( B1 ) P 1 
 A1   A2 
5 3 3 5
P( E )  x  x
8 7 8 7 2.2. Con reemplazamiento:
P( E )  0,5357
P( E )  P( A 1 x B 2 )  P( B 1 x A2 )
 B2   B1 
P ( E )  P ( A1 ) P   P( B1 ) P 
 A1   A2 
5 3 3 5
P( E )  x  x
8 8 8 8
P ( E )  0,4688
8. TEOREMA DE PROBABILIDAD TOTAL

Sean B1; B2;...; Bn una partición del espacio universal S,

entonces para cualquier evento A en S se cumple que:

n
 A
P ( A)   P ( Bi ) P 
i 1  Bi 
 A  A   A 
P ( A)  P ( B1 ) P   P ( B2 ) P   ...P ( Bn ) P 
 B1   B2   Bn 
Sean los eventos:
P(A) = El votante sea de la lista Nº1
P(B) = El votante sea de la lista Nº2
P(C) = El votante dio su voto por René.

C  C 
P (C )  P ( A) P   P ( B ) P 
 A B
P (C )  0,60 x 0,20  0,40 x 0,90
P (C )  0,48
9. TEOREMA DE BAYES

Si A1; A2;...; An son n eventos mutuamente excluyentes, de los

cuales al menos uno de los Ai (i = 1,2,... n) debe ocurrir, y sea B
un evento cualesquiera del espacio muestral S , la Probabilidad
condicional de la ocurrencia de Ai cuando el evento B ha ocurrido
es:
B
P A1 P 
A   A1 
P i  
 B  P A1 P B   P  A2  P B   ....P An  P B 
     
A
 1 A
  2  An 

 B 
P  Ai  P 
A   Ai 
P i   n
 B   B 
 P  A i  P  
i 1  Ai 
 TOTAL DE CAJAS
MARCA TOTAL DE CAJAS
DEFECTUOSAS
A 200 50
B 300 40
C 1000 300
D 800 80
E 700 30
Total 3000 500

Se elige en forma aleatoria una caja y se le encuentra

defectuosa determinar a) la probabilidad de que la caja
sea defectuosa y b) La caja defectuosa, sea de la marca
A.
 D D D D D
P( D)  P A1 P   P A2  P   P A3 P   P A4  P   P A5 P 
 A1   A2   A3   A4   A5 

200 50 300 40 1000 300 800 80 700 30

P( D)  x  x  x  x  x
3000 200 3000 300 3000 1000 3000 800 3000 700

P(D)= 0.1667
 B
P  A1 P 
A   A1 
P 1 
 B  P A1 P B   P  A2  P B   P  A3  P B   P A4  P B   P  A5  P B 
         
A
 1 A
  2 A
 3 A
  4  A5 

200 50
x
 A1  3000 200
P  
 B  200 x 50  300 x 40  1000 x 300  800 x 80  700 x 30
3000 200 3000 300 3000 1000 3000 800 3000 700

50
A  A 
P 1   3000 P 1   0,1
 B  500 B
3000
2. Tres máquinas A, B, y C producen respectivamente 50%,
30% y 20% del número total de artículos de una fábrica. Los
porcentajes de los desperfectos de producción de éstas
máquinas, son 3%, 4% y 5%. Si se selecciona al azar un
artículo y resulta ser defectuoso. Hallar la probabilidad de que
el artículo fue producido por la máquina A.

ARTÍCULOS ARTÍCULOS
MÁQUINA
PRODUCIDOS DEFECTUOSOS
A 50% 3%
B 30% 4%
C 20% 5%
  B
P  A1 P 
 A1   A1 
P 
 B  P A1 P B
    B 
    B 
  P A 2 P   P A3 P  
 A1   A 2   A3 

50 3
x
A  100 100
P 1  
 B  50 x 3  30 x 4  20 x 5
100 100 100 100 100 100

A  0,5 x 0,03
P 1  
 B  0,5 x0,03  0,3 x0,04  0,2 x 0,05

A  0,015
P 1  
 B  0,015  0,012  0,01
A 
P 1   0,4054
B
 n!
P( x)  p x q n x
x!( n  x)!
Donde:
n número de pruebas o ensayos.
x número de éxitos.
p probabilidad de éxito.
q probabilidad de fracaso.

MEDIA :   n  p
VARIANZA : S 2  n  p  q
DESVIACIÓN ESTANDAR :  n  p  q
 EJERCICIOS DE APLICACIÓN
1. Se lanza una moneda 50 veces. Calcular:
1.1. La Media.
1.2. La Varianza.
1.3. La Desviación Estándar.

MEDIA :   50 * 0.5    25
VARIANZA : S 2  50 * 0,5 * 0,5  S 2  12,5
DESVIACIÓN ESTANDAR :  50 * 0,5 * 0,5    3,54
1. La probabilidad de que un estudiante nuevo se gradúe es
0,4. Determinar la probabilidad de que de 5 estudiantes
nuevos:
1. Uno se gradúe.
2. Al menos uno se gradúe.
SOLUCIÓN
DESARROLLO

DATOS
1. Uno se gradúe.
n=5
n!
p = 0,4 P  x  1  P x  qn x
q = 0,6 x!(n  x)!

5!
P  x  1  0,41  0,65 1
1!(5  1)!

P  x  1  0,0518
2. Al menos uno se P (1  x  5)  PT  P ( x  0)
gradúe.
n!
P ( x  0)  P x  qn x
x!(   x )!

5!
P ( x  0)  0,40  0,65  0
0!(5  0)!

P ( x  0)  0,0778

P (1  x  5)  PT  P ( x  0)

P (1  x  5)  1  0,0778

P (1  x  5)  0,9222
2. La probabilidad de que los padres con cierto color de ojos
azul café tengan un hijo con ojos azules es 0.25. Hallar la
probabilidad de que de 6 hijos:

1. La mitad tengan ojos azules

2. Que menos de la mitad tengan ojos azules
3. Ninguno tenga ojos azules
4. Uno tenga ojos azules
5. Dos tengan ojos azules
6. Tres tengan ojos azules
5. Cuatro tengan ojos azules
6. Cinco tengan ojos azules
7. Seis tengan ojos azules
La distribución de Poisson se acerca a la distribución
Binomial y una regla práctica es utilizarla si n  20 y si
p  0,05; si n  100, la aproximación es generalmente
excelente a condición de que n*p  10.
  x
* e 
FÓRMULA: P( x) 
x!

P(x) Probabilidad de exactamente x ocurrencias.

x Lambda ( número medio de ocurrencias por

intervalo
de tiempo) elevada a la potencia x.

e-  2,71828 ( base del sistema de logaritmos naturales

o neperianos), elevado a la potencia negativa de
lambda.

x! x factorial
 EJERCICIO DE APLICACIÓN
Una empresa de Seguros, asegura 10 000 automóviles
contra robos, la probabilidad de que un auto sea robado es
de 0,0009. Determinar la probabilidad:
1. Se roben 2 autos.
2. Se roben tres autos.

DESARROLLO
DATOS
n = 10 000
P = 0,0009
=
=n*p
 = 10000 * 0,0009
=9
SOLUCIÓN
1. Se roben dos autos. 2. Se roben tres autos.

e    x e    x
P ( x  2)  P ( x  3) 
x! x!

e  9  92 e  9  93
P ( x  2)  P ( x  3) 
2! 3!

0,000123  81 0,000123  729

P ( x  2)  P ( x  3) 
2 6

P ( x  2)  0,004981 P ( x  3)  0,014945
PRACTICAS EN CLASE
Ejemplo 1
Se sabe que una fuente radiactiva emite partículas alfa
a un ritmo de 1.5 por minuto. Si medimos el
número de partículas alfa emitidas en dos minutos,
¿Cuál es el resultado promedio esperado? ¿Cuál
es la probabilidad de observar x=0,1,2,3,4? ¿y la
probabilidad de que x>=5?
Ejemplo 2
En promedio, cada una de las 18 gallinas de un gallinero
pone un huevo al día. Si se recogen los huevos cada
hora, ¿Cuál es el número medio de huevos que se
recogen en cada visita? ¿Con que probabilidad
encontramos x huevos para x=0,1,2,3? ¿y la
probabilidad de que x>=4?
3. DISTRIBUCIÓN NORMAL
Es una distribución de probabilidad continua.

Curva Normal o de Gauss

Podemos observar ciertas características importantes de una
distribución normal de probabilidad:

1. Presenta una forma de campana y la curva tiene un

solo pico, por tanto, es unimodal.
2. La media de una población distribuida normalmente se
encuentra en el centro de su curva normal.
3. La curva es simétrica con respecto a la perpendicular
levantada en la media, la mediana y la moda de la
distribución también se halla en el centro, por tanto, en
una curva normal, la media, la mediana y la moda
poseen el mismo valor.
4. Los dos extremos de una distribución normal de
probabilidad se extiende de manera indefinida y nunca
tocan el eje horizontal.
 0,5 0,5
 

-3 -2 -1 1 2 3
68,27
95,45
99,73
El valor de Z o puntaje estandarizado se determina a partir:

FÓRMULA:

xx
Z (muestra)
s

DONDE
Z Número de Desviaciones Estándar de x respecto
a la Media.

X Valor de la Variable Aleatoria.

x Media Muestral de la Distribución de la Variable

Aleatoria

S Desviación Estándar Muestral.

 EJERCICIO DE APLICACIÓN
Los depósitos en dólares en la Financiera Cono Sur, tienen una
media de $ 25 000,00 y una desviación estándar de $ 3
000,00. Suponiendo que los depósitos se distribuyen
normalmente, determinar la probabilidad:
1. Sean mayores a $ 28 000,00.
2. Se encuentren entre $ 23 500,00 y $ 28 000,00.

1. Sean mayores de $ 28 000,00.

1.1. Se gráfica la curva normal estandarizada y se sombrea

el área que corresponde a la probabilidad que se desea
determinar.
1.2. Se calcula Z a partir de la fórmula:
x
Z 


28000  25000
Z 
3000

Z  1,0
1.3. En la tabla de Distribución Normal Estándar se ubica el
valor de Z = 1,0. Este valor corresponde al área 0,3413.

0,3413

0,1587

P(Z 28 000) = 0,5 – 0,3413

P(X28 000) = 0,1587

2. Se encuentra entre $ 23 500,00 y $ 28 000,00

2.1. Se gráfica la curva normal estandarizada y se sombrea

el área que corresponde a las probabilidades que se desea
determinar.
 x
Z 
2.2. Se calcula Z a 
partir de la fórmula:
a. Para Z  $ 23500,00

23500  25000
Z 
3000

Z   0,5

b. Para Z  $ 28000,00

28000  25000
Z 
3000

Z  1,0
2.3. En la Tabla de Distribución Normal Estándar se ubica los
valores:

Z = 0,5  área = 0,1915

Z = 1,0  área = 0,3413
0,1915
Por tanto: 0,3413

P(23 500  X  28000) = 0,5328