Profesora: Mariela Escobar E.

• Fórmula de Laplace.
• Iteración de experimentos sencillos
• Nociones de combinatoria y su aplicación en el
calculo de probabilidad ( IMÁGENES)
• Sucesos independientes y probabilidad condicional
• Organización y representación de datos en tablas y
gráficos.
Si lanzamos una moneda 200 veces y anotamos los
resultados del suceso sello, después de 10, 20, 30, …
200 lanzamientos, se puede observar que dividiendo
el número de veces que salió sello y el número de
veces que lanzamos la moneda, tiende a
estabilizarse hacia el valor 0,5.

En general, cuanto mayor sea el número de pruebas

realizadas, el suceso se acerca a un cierto número
que llamaremos Probabilidad del Suceso.
Son aquellos experimentos en los que se sabe
lo que sucederá antes de efectuar el
experimento. Por ejemplo, dejar en la
superficie del agua una bola de plomo y
observar si se hunde.
Los experimentos aleatorios son aquellos
experimentos en los que, a pesar de conocer
todos los resultados posibles, no se puede
predecir cuál de ellos se va a obtener.

Por ejemplo, extraer una carta de una baraja,

lanzar un dado, extraer una bola de una urna.
 Es el conjunto formado
por todos los resultados posibles de un
experimento aleatorio .
El espacio muestral asociado al experimento de
lanzar una moneda y anotar el resultado de la
cara superior es :
S= { C, S }
Siendo:
C = “cara”
S = “sello”
Si se considera el experimento de lanzar dos
monedas sobre una mesa y anotar los resultados
de las caras superiores, el espacio muestral es:
S= { CC, CS, SC, SS }
siendo
C = “cara”
S = “sello”
¿Cuál es el espacio muestral al lanzar dos dados?
El espacio muestral es:(1,1) ; (1,2) ; (1,3) ; (1,4) ;
(1,5) ; (1,6) ; (2,1) ; (2,2) ; (2,3) ; (2,4) ; (2,5) ;
(2,6) ; (3,1) ; (3,2) ; (3,3) ; (3,4) ; (3,5) ; (3,6) ;
(4,1) ; (4,2) ; (4,3) ; (4,4) ; (4,5) ; (4,6) ; (5,1) ;
(5,2) ; (5,3) ; (5,4) ; (5,5) ; (5,6) ; (6,1) ; (6,2) ;
(6,3) ; (6,4) ; (6,5) ; (6,6)
 Es el que nunca sucede. No se
presenta al realizar un experimento aleatorio.

Está formado por todos los

resultados posibles del experimento. Coincide con
el espacio muestral y siempre ocurre.
Una forma sencilla de obtener el espacio
muestral es mediante el diagrama de
árbol:
1ª Moneda 2ª Moneda Resultado
C CC
C
S CS

C SC
S
S SS
FÓRMULA DE LAPLACE

La probabilidad de un suceso A es el cuociente

entre el número de casos favorables al suceso y el
número de casos posibles (espacio muestral)
La probabilidad del suceso A se representa por
P(A)
Número de casos favorables al suceso A
P(A) 
Número de casos posibles
¿Cuál es la probabilidad qué al lanzar un
dado se obtenga un número par?
El espacio muestral es S = {1, 2, 3, 4, 5, 6 }.
Sea A el suceso : “obtener un número par” ,
entonces A = { 2, 4, 6}
3 1
luego P(A) = 
6 2
• Y ¿cuál es la probabilidad de qué se
obtenga un un múltiplo de 3?
•Sea C el suceso: “obtener un múltiplo
de 3”, entonces C = { 3, 6 }.
2 1
•Luego P(C) = 
6 3
 CUMPLEAÑOS

En un curso con 30 estudiantes.

¿Apostarías a favor o en contra
que dos de ellos estén de
cumpleaños el mismo día?
Lo veremos después…
PROBABILIDAD CONDICIONAL,
INDEPENDENCIA DE SUCESOS
 Probabilidad Condicional
Ejemplo:
Consideremos un lote de 100 artículos que contiene
20 defectuosos y 80 no defectuosos.
Se eligen dos artículos al azar.

Definamos los siguientes sucesos:

A = { el primer artículo es defectuoso}
B = { el segundo artículo es defectuoso}
 
Si escogemos con sustitución, cada vez que elegimos en el lote,
hay 20 artículos defectuosos de un total de 100. Por lo tanto P(A)
= P(B) = 20/100
 
En cambio, si elegimos sin sustitución, los resultados no
son completamente inmediatos.
Como antes
A = { el primer artículo es defectuoso}
B = { el segundo artículo e defectuoso}
Todavía es verdad que P(A) = 20 / 100, pero ¿cuál es el
valor de P(B)?
Para ese cálculo, deberíamos conocer la composición del
lote cuando se elige el segundo artículo.
En otras palabras, deberíamos saber si el suceso A
ocurrió o no. Esto nos lleva al concepto de probabilidad
condicionada.
 

 
Sean A y B dos sucesos asociados con un
experimento E. Indiquemos con P(B/A) la
probabilidad condicional del suceso B dado que A ha
ocurrido

En el ejemplo anterior P(B/A) = 19/99

Porque si A ha ocurrido, entonces al sacar por
segunda vez quedan solo 99 artículos de los cuales
19 son defectuosos.

 
Cuando se calcula P(B/A) se está calculando P(B) con respecto
al espacio muestral reducido al conjunto A en vez del espacio
muestral original .

 
 Ejemplo

Se lanzan dos dados normales y se

anotan los resultados (x1,x2), en donde
xi es el resultado del i-ésimo dado i
=1,2.
Por lo tanto el espacio muestral es
S = { (x1,x2 ) / xi  { 1, 2, 3, 4, 5, 6} },
el cual tiene 36 elementos.
Consideremos los sucesos siguientes:
A = { (x1,x2) / x1+x2 = 10} = {(4,6) , (5,5), (6.4)}
B= { (x1,x2) / x1> x2} = {(2,1) , (3,1), (4.1),............}
A B = {(6.4)}

Entonces:
P(A) = 3/36
P(B) = 15/36
P (A B) = 1/36
P(B/A) = 1/3
P(A/B) = 1/15

Se puede ver que se cumple:
P(A /B)= P(A B)/P(B)
P(B /A)= P(A B)/P(A)

 


Esto que ocurrió para ejemplos
particulares, nos motiva a definir
probabilidad condicionada.

Para justificar la definición que

daremos, volvamos al concepto de
frecuencia relativa:

 
Supongamos que se ha repetido n veces un
experimento E .

Sean n A , n B y n AB el número respectivo de

veces que los sucesos  A, B y A B han
ocurrido en las n repeticiones.

Entonces n AB representa la frecuencia

relativa nA

de B entre los resultados en que A ocurrió.

 
 Se tiene la siguiente relación:

n A B n A B n f A B
 
nA nA n fA

en donde f AB y f A son las frecuencias relativas de

los sucesos A  B y A, respectivamente.
Como ya lo hemos indicado si n, el número de
repeticiones es grande f AB estará próximo a
P ( A  B ) y f A estará próximo a P(A).
n AB
Por lo tanto, la relación anterior sugiere que
nA
estará próxima a P ( B / A).
 Definición
P(B/A)=P(A  B)/P(A)
siendo P ( A ) > 0.
 Ejemplo
Supongamos que una oficina tiene 100
máquinas calculadoras.
Algunas de estas máquinas son
eléctricas (E), mientras que las otras
son manuales (M). Además, algunas son
nuevas (N) mientras que las otras son
usadas (U).
La tabla siguiente nos da el número de
máquinas de cada categoría.
 E M
N 40 30 70
20 10 30
U
60 40 100

Una persona entra en la oficina, escoge una máquina

al azar y descubre que es nueva.
¿Cuál es la probabilidad de que sea eléctrica?
En términos de la notación introducida queremos calcular
P ( E / N ).
 E M
N 40 30 70
20 10 30
U
60 40 100

Considerando el espacio muestral reducido N

(es decir, las 70 máquinas nuevas) se tiene que
40 4
P(E/N)= 
70 7
Ahora si utilizamos la fórmula de probabilidad
condicionada se tiene:
40 100 4
P(E  N)/P(N) = 70 100  7
 La consecuencia más importante de la
definición de probabilidad condicional se
obtiene escribiéndola de la siguiente manera:

P ( A  B )  P ( B / A)·P ( A)
Lo que equivale a:

P ( A  B ) P ( A / B )·P ( B )
Esto se conoce como el teorema de multiplicación de
probabilidades y se puede aplicar para conocer la
probabilidad de la ocurrencia simultánea de dos sucesos
A y B.
 Ejemplo
En un lote de 100 artículos, se tienen 20 artículos
defectuosos y 80 sin defectos.
Si escogemos 2 artículos al azar, sin sustitución.
¿Cuál es la probabilidad de que ambos sean
defectuosos?
 Solución:
Definamos los sucesos A y B como sigue:
A = { el primer artículo es defectuoso}
B = { el segundo artículo es defectuoso}
Entonces
19 20
P( A  B)  P ( B / A) P( A)  ·  0.038
99 100
 Sucesos Independientes
Ejemplo:
Se lanza un dado normal dos veces, consideremos los
siguientes sucesos:
A = { sale Nº par en el primer dado}
B = { sale 5 o 6 en el segundo dado}
Intuitivamente vemos que la ocurrencia o no ocurrencia
de los sucesos A y B no está relacionada.
P(A) = 18 P(B) = 12
36 36
P(B/A) = P ( A  B ) 6 36 = P(A)
  0 .5
P( B) 12 36
P(A/B) = = P(B)
P ( A  B ) 6 36
  0.3
P ( A) 18 36
 En ambos casos
P ( A  B )  P ( A)·P ( B )
Definición:
Los sucesos A y B son independientes si

P ( A  B )  P ( A)·P ( B )

Es decir,
P( A / B ) = P(A) y P( B / A ) = P(B)
 CUMPLEAÑOS
En un curso con 30
estudiantes. ¿Apostarías a
favor o en contra que dos
de ellos estén de
cumpleaños el mismo día?
 Solución:

Primero es necesario contar todos los

posibles cumpleaños.
Como cualquier día del año puede ser el
cumpleaños de cada uno de los 30
estudiantes y si en un año hay 365 días,
entonces las posibilidades combinatorias
son 365 30.
 

 
 Sea A el suceso que no hayan dos cumpleaños el mismo día,
entonces calcular la probabilidad de que hayan dos
cumpleaños el mismo día equivale a calcular P (Ac ) = 1 –
P(A)
El número de elementos de A es:
365 · 364 ·363 ·...............· 336 (en total 30 factores)
Luego

365·364·363·........·336
P( A)  0.25
365·365·365·.......·365
Así la probabilidad de que dos cumpleaños coincidan es:
1 – 0.25 = 0.75
¡Hay un 75% de probabilidad de que dos estudiantes
cumplan el mismo día!