UNIVERSIDAD NACIONAL DEL ALTIPLANO

CURSO
ESTADÍSTICA

M.Sc. ROBERTO ELVIS ROQUE CLAROS

 TEMA:
1. Definiciones Preliminares de la Probabilidad
2. Probabilidad
3. Teorema de Bayes
Las Probabilidades
El termino PROBABILIDAD se utiliza comúnmente cuando existe una
incertidumbre sobre:
 que ocurrió en el pasado,
 que esta ocurriendo en la actualidad o
 que ocurrirá en el futuro.

• El hombre de negocios puede decidir la

comercialización de un nuevo producto,
porque la probabilidad de su éxito es
elevada.
• El agricultor quizá no siegue su arroz o
trigo porque es “probable” que llueva.

Posiblemente, ni el hombre de negocios, ni el agricultor sepan como definir o medir la

probabilidad, sin embargo cada uno de ellos encontró útil esta idea cuando se tuvo que
tomar una decisión.
Entonces , debemos saber lo siguiente:

¿Qué es una
probabilidad,
como puede
medirse, de que
modo se puede
utilizar?
Para responder a esto debemos saber algunas definiciones
preliminares
1. Definiciones Preliminares

EXPERIMENTO:
Es un hecho, acontecimiento u operación que se realiza en nuestra realidad y que
puede ser repetida bajo ciertas condiciones.
Dentro de estos tenemos los deterministicos y no deterministicos.

1. Experimentos deterministicos:
Son aquellos EXPERIMENTOS cuyo
resultado se conoce con anterioridad y que
puede describirse por una fórmula matemática,
física o química.

Ejemplos:
 Soltar una piedra en el aire.
 Lanzar una pelota en una tina con agua.
 Patear una pelota.
2. Experimento NO deterministico:

Son aquellos EXPERIMENTOS cuyo resultado NO

puede predecirse con exactitud antes de realizar el
experimento.

Ejemplos:
 Lanzar una moneda y observar la cara
superior.
 Lanzar un dado y observar el número que
aparece.
 Extraer un artículo producido en proceso
productivo y ver su calidad, etc.
EXPERIMENTO ALEATORIO:

Se denotan por Ei
Un experimento aleatorio se caracteriza porque tienen las
siguientes 3 propiedades:
a. Es un experimento NO deterministico.
b. Sus resultados posibles pueden describirse con
anterioridad.
c. Se pueden repetir infinitas veces sin cambiar sus
condiciones.

Ejemplos:
E1: Lanzar una moneda y observar la cara superior.
E2: Lanzar un dado y observar el número que aparece.
E3: Extraer un artículo de un lote que contiene artículos
conformes y no conformes.
E4: Contar el número de vehículos que llegan a una
estación de servicio.
E5: Observar el tiempo de vida de artículo eléctrico.
E6: Jugar un partido de fútbol, etc.
ESPACIO MUESTRAL:

• Se denota por la letra Ωi (omega).

• Es el conjunto de todos los resultados posibles
de un experimento aleatorio.

Ejemplos Ejemplo:
E1: Lanzar una moneda y observar la cara superior. Ω1 = {C , S}
E2: Lanzar un dado y observar el número que aparece. Ω2 = {1,2,3,4,5,6}
E3: Extraer un artículo de un lote que contiene artículos
conformes y no conformes. Ω3 = {C,N}
E4: Contar el número de vehículos que llegan a una
estación de servicio. Ω4 = {0,1,2,3,4,5,6,7,8,9,…}
E5:Observar el tiempo de vida de artículo eléctrico.
E6: Jugar un partido de fútbol, etc. Ω5 = {t є R / t ≥ 0}
Ω6 = {G,P,E}
EXPERIMENTOS ALEATORIOS COMPUESTOS:

Un experimento se dice que es compuesto, si consiste de dos o más experimentos

aleatorios simples sucesivos o simultáneos. Dentro de estos tenemos:

1. Experimento unidos por la “o” :

Es aquel experimento cuando el experimento E1 o E2 ocurre , pero no ambos.

Ejemplo:
Hallar el espacio muestral del experimento que consiste en lanzar un dado o una
moneda.

E1: Lanzar un dado luego, Ω1={1,2,3,4,5,6}

E2: Lanzar una moneda luego, Ω2={C,S}

Entonces:
Ω = Ω1 U Ω2 = {1,2,3,4,5,6,C,S}
2. Experimentos unidos por la “Y”

Es aquel cuando los experimentos E1y E2 ocurren. Diagrama del Árbol

1er Lanzamiento 2do Lanzamiento

Ejemplo:
C
E: Lanzar dos monedas

E1: Lanzar 1 moneda luego, Ω1={C,S} C S

E2: Lanzar 1 moneda luego, Ω2={C,S}
C
Entonces: S
S
Ω = Ω1 x Ω2= {CC,CS,SC,SS}
 EVENTO:
Se llama evento a cualquier subconjunto del espacio muestral. Se denotan por letras
mayúsculas: A, B, C, D, E, etc. Los eventos siempre se indica en forma de
enunciado.

Ejemplos:
Determinar los siguientes eventos si el experimento consiste en lanzar 3 monedas
simultáneamente.
A: Que la primera moneda caiga cara. A= {CCC,CCS,CSC,CSS}
B: Que las dos primera sean sello. B= {SSC,SSS}
C: Las ultimas sean cara. C= {CCC,CSC,SCC,SSC}
D: Ocurran por lo menos dos caras. D= {CCC,CCS,SCC,CSC}
E: Ocurra sello en el segundo lanzamiento E= {CSC,CSS,SSC,SSS}

Solución:
E: Lanzar 3 monedas
Ω= {CCC,CCS,CSC,CSS,SCC,SCS,SSC,SSS}
 Clases de eventos

a. Evento unitario: es aquel que contiene un solo resultado.

b. Evento compuesto: es aquel que contiene 2 o mas resultados
c. Evento seguro: es aquel que contiene a todos los elementos del Ω
d. Evento nulo: Es aquel que no contiene ningún elemento.
e. Mutuamente Excluyentes: si uno y sólo uno de ellos puede tener lugar a un tiempo.
Ej.: Lanzar una moneda, solo puede ser cara o sello.
f. Colectivamente exhaustivo: Si uno de los eventos debe ocurrir.
Ej.: Si no ocurre cara, entonces debe ocurrir cruz.

SUCESO:
 Se llama suceso a todo elemento del espacio muestral.

Ω = {CCC,CCS,CSC,CSS,SCC,SCS,SSC,SSS}

Suceso
 Definición de probabilidad:
 Una probabilidad es un valor que mide el grado de ocurrencia
de un evento o suceso.
 Una probabilidad es una frecuencia relativa simple (hi).
 Esta definida de la siguiente manera:

Numero de elementos del evento A

n(A)
P (A) = -----------------
n(Ω )

Probabilidad de un Evento
Numero de elementos del espacio muestral
Propiedades:

1. La probabilidad de un evento, esta comprendido entre 0 y 1. Es decir:

0 ≤ P(A) ≤ 1
2. La probabilidad de un evento seguro es igual a 1. Es decir:
P(Ω)=1
3. La probabilidad de un evento nulo o vacío es igual a 0. Es decir:
P(Ø)=0

4. La probabilidad del complemento de un evento es igual a:

P(A´)= 1 – P(A).
Ejercicio 01:

Experimento E: Lanzar tres monedas

Espacio Muestral Ω = {CCC,CCS,CSC, CSS,SCC,SCS,SSC,SSS}
Calcular
a. La probabilidad de que la primera sea cara.
b. La probabilidad de que la primera sea sello.
c. La probabilidad de que las dos primeras sean cara.
Solución:
A = {CCC,CCS,CSC,CSS} P (A) = 4/6
B = {SCC,SCS,SSC,SSS} P (B) = 4/6
C = {CCC,CCS} P (C) = 2/6

1M 2M 3M Diagrama del arbol

1/2
1/2 C
C ½* ½ * ½ = 1/6
C S
1/2
C
S
S
C
1/2 C
S S
S C
1/2 ½* ½ * ½ = 1/6
1/2 S
 Probabilidad de la adición de eventos:

• Sabemos por conocimiento de Matemáticas que la O se expresa por U.

• Entonces si A y B son dos eventos de un espacio muestral, la probabilidad
de que ocurra A o B esta dado por:

1. P(A ó B) = P (A U B )= P(A) + P(B)

Si A y B son independientes (mutuamente excluyentes)

2. P(A ó B )=P(A U B)=P(A) + P(B) – P(A∩B)

Si A y B son eventos cualquiera.

Ejercicio 02:

Se tiene la siguiente información respecto a 61 alumnos de la UNT según su sexo

y lugar de procedencia:

Lugar de procedencia
Trujillo Fuera de Total
Sexo Trujillo

Masculino 10 25 35
Femenino 14 12 26
Total 24 37 61 Probabilidades
Si se selecciona un alumno, calcular:
a. La probabilidad de que sea del sexo masculino. 35/61
b. La probabilidad de que sea de Trujillo. 24/61
c. La probabilidad de que sea Masculino o de Trujillo. 49/61
d. La probabilidad de que sea Femenino o fuera de Trujillo 51/61
Probabilidad Condicional:
• Se denota por P( A / B ), donde / significa condicionado, dado, etc
• Se utiliza para calcular la probabilidad de un evento que esta condicionado a
un subconjunto del espacio muestral.
• Se define de la siguiente manera:

P(A∩B)
P (A / B )= -----------------
, P (B) > 0
P(B)

n( A ∩ B )
P (A / B )= -----------------
n(B)
Ejercicio 03:
Se tiene la siguiente información respecto a 61 alumnos de la UNT según su sexo
y lugar de procedencia:
Lugar de procedencia
Trujillo Fuera de Total
Sexo Trujillo

Masculino 10 25 35
Femenino 14 12 26
Total 24 37 61

Si se selecciona un alumno, calcular:

a. La probabilidad de que sea del sexo masculino, dado que es de Trujillo.
b. La probabilidad de que sea Masculino, dado que es fuera de Trujillo
c. La probabilidad de que sea de Trujillo, dado que es de Femenino.
Probabilidades (Soluciones)
a.
b.
c.
 Teorema de la Multiplicación:
P(A∩B )
• Se sabe que : P (A / B ) = -----------------
P( B )
• Entonces podemos calcular lo siguiente:

P(A∩B) = P(A/B)*P(B)

• Pero también P(A∩B) = P(B∩A), entonces:

P (A ∩ B ) = P (A B) = P ( A ) * P (B / A)

P (B ∩ A ) = P (B A) = P ( B ) * P ( A / B )

Sirve para calcular probabilidades de la intersección (multiplicación) de eventos)

Ejercicio 04:
En una reunión social hay 7 personas (4 personas negras y 3 personas
blancas). Se seleccionan 2 personas al azar con reemplazo, para formar un
comisión de trabajo.
a. Cual es la probabilidad de que la primera persona sea negra y la
segunda sea blanca.
Solución: N: Sea negra
N B B: Sea blanca

4 3 P ( N y B) = P(N ∩ B) = P(N)*P(B/N) = (4/7)*(3/7) = 12/49

b. Cual es la probabilidad de que la primera persona sea negra y la

segunda sea blanca, cuando la selección es sin reemplazo.

P ( N y B) = P(N ∩ B) = P(N)*P(B/N) = (4/7)*(3/6) = 12/42

 Regla de la Multiplicación de eventos independientes:
• Si A y B son eventos independientes, entonces:

P(A∩B) = P(AB) = P(A) * P(B)

• Luego si A, B y C son eventos independientes, entonces:

P(A∩B∩C) = P(ABC) = P(A)*P(B)*P(C)

Teorema de BAYES:
• Este es el TEOREMA mas importante en el calculo de probabilidades.
• Para conocer este teorema se deben conocer previamente algunas
definiciones:

A. PARTICION:
Se llama partición al conjunto de eventos del espacio muestral Ω, que cumple con 2
características:
a. U Ai = Ω (los eventos son colectivamente exhaustivos)
b. ∩ Ai = Ø (los eventos son mutuamente excluyentes)

Ω U Ai = Ω
A1 A2 A3 A4

∩ Ai = Ø
 Teorema de BAYES
B. PROBABILIDAD TOTAL:
Si A1, A2, … , An es una partición de Ω y B es un subconjunto cualquiera
dentro de Ω, entonces:
A1 A2 A3 A4
B
Ω
(A1∩B) (A2∩B) (A3∩B) (A4∩B)

B= (A1 ∩ B) U (A2 ∩ B) U (A3 ∩ B) U (A4 ∩ B)

P(B) = P (A1 ∩ B) + P (A2 ∩ B) + P (A3 ∩ B) + P (A4 ∩ B)]

P(B) = P(A1). P(B/A1) + P(A2).P(B/A2) + P(A3).P(B/A3) + P(A4).P(B/A4)

En Gral: P(B) = ∑ P(Ai).P(B/Ai)

 Teorema de BAYES
B. Teorema de BAYES:
Si A1, A2, … , An es una partición de Ω y B es un subconjunto cualquiera dentro de Ω,
entonces, la probabilidad de que ocurra un evento Ai, cuando el evento B ha ocurrido
es:
A1 A2 A3 A4

(A1/B)
P ( A1 ∩ B ) P ( A1).P( B/A1)
P (A1 / B ) = ----------------- = ------------------------
P(B) P(B)

P ( Ai ∩ B )
En general: P (Ai / B ) = -------------------------------
∑ P (Ai) . P(B / Ai)
¡ MUCHAS GRACIAS ¡