PROBABILIDADES

Eventos, teoremas
y cálculo
RESULTADO DE APRENDIZAJE DE LA SESIÓN

Al finalizar el estudiante calcula probabilidades

considerando las diferentes reglas y teoremas
e interpreta los resultados.
¿Qué haremos?

Aprender a utilizar la
probabilidad como
herramienta para
cuantificar la
incertidumbre.

La Estadística y el amor
https://www.youtube.com/watch?v=iDOAvpWA2Ac
4
REFLEXIÓN DESDE LA EXPERIENCIA

-El médico puede diagnosticar enfermedades.

-El analista financiero puede cuantificar los riesgos de los préstamos bancarios.
-El Gerente de TI puede analizar los riesgos operacionales de los sistemas de
cómputo.
-Frank Drake (1961) planteó su formula N = R* x Fp x Ne x Fl x Fi x Fc x L para
calcular la probabilidad de contactar con otras civilizaciones de la Vía Láctea.
Puedo resolverlo?

• ¿Cuál es la probabilidad que gane la tinka?

• ¿Cuál es la probabilidad que apruebe estadística sabiendo
que aprobó matemática?
• ¿Cuál es la probabilidad de que una mujer tenga
osteoporosis, sabiendo que presenta menopausia?
• ¿Cuál es la probabilidad de tener éxito en un negocio?
• ¿Cuál es la probabilidad de que llueva el día de hoy?
Revisión de técnicas de conteo

Permutaciones
Secuencia ordenada de n objetos tomados de un conjunto de N objetos distintos
El número de permutaciones de tamaño n que puede construirse con los N objetos es  
 
 
 
= P

Ejemplo:
En un campeonato de fútbol participan 12 equipos ¿De cuántas maneras se pueden
ocupar los tres primeros puestos?
 Sea el evento A = {N° maneras de ocupar los 3 primeros puestos}
Total de equipos es n = 12. Se debe seleccionar x=3. Entonces,
 
12! 12!
P312    12 x11x10  1320
(12  3)! 9!
7
Revisión de técnicas de conteo
Combinaciones
Dado un conjunto de N objetos distintos, cualquier subconjunto no ordenado de
tamaño n de los objetos se llama combinación y se denota de la siguiente
manera:
n n!
   C x 
n

x x!(n  x)!

Ejemplo:
Supongamos que de 7 directores de una compañía, se desean seleccionar a 3 de
su grupo para asistir a una conferencia. ¿Cuántos grupos diferentes de tres
representantes pueden seleccionarse?
 
  7 7! 7 x6 x5 x 4!
     35
   3  3! 4! 3!4!

8
 
Conceptos básicos de probabilidad

a) Experimento aleatorio (E): Cualquier experimento cuyo

resultado no puede predecirse con exactitud debido a
que no es único y depende del azar (casualidad).
b) Espacio muestral (): Conjunto de todos los posibles
resultados de un E.
c) Evento: subconjunto de un espacio muestral. Simple y
compuesto. Notación: A, B, C, A1, A2, ….
d) Eventos mutuamente excluyentes: los eventos A y B
son mutuamente excluyentes (o disjuntos) si A∩B=

9
Ejemplo:
E1 : Observar el número de la cara superior cuando se lanza un
dado
1 = {1,2,3,4,5,6} n(1)=6 Finito

E2 : Registrar el sexo del recién nacido

2 = {Hombre, Mujer} n(2)=2 Finito

 E3 : Observar el número de artículos defectuosos en un lote de 8.

 3 = {0,1,2,3,4,5,6,7,8} n(3)=9 Finito

 E4 : Anotar el número de clientes que llegan a un supermercado en una semana

 4 = {0,1,2,. . . .} n(4)= ∞ Infinito numerable

 E5 : Observar el tiempo de duración (horas) de un foco de luz.

 5 = {T/ 0 ≤ t ≤ ∞} n(5)= ∞ Infinito no numerable

10
.

Conceptos básicos de probabilidad

e) Eventos colectivamente exhaustivos: A1, A2,..., Ak son

colectivamente exhaustivos si
k

A j  A1  A2   Ak  
j 1

f) Evento complementario: el evento complemento de A,

denotado por Ac está compuesto por todos los
elementos que no pertenecen al evento de A.

A A  Ω
c

Ac  A  φ
11
Definiciones de probabilidad de un evento
a) Definición clásica de probabilidad (a priori)
Si un experimento aleatorio tiene n() resultados posibles y si n(A) de tales
resultados corresponden a un evento A, entonces, siempre que los eventos
simples sean mutuamente excluyentes e igualmente posibles, la probabilidad
de que ocurra A es:
 
n A Número de casos favorables
  P  A  
n   Número de casos posibles
Ejemplo:
Se tienen 4 cuyes de tipo I, 6 de tipo II y 7 de tipo III. Cinco cuyes son
seleccionados al azar.
¿Cuál es la probabilidad de que 2 de los cuyes seleccionados sean de tipo I
y los otros 3 de otro tipo, si la selección es sin restitución y sin considerar el
orden de extracción?
Sea el evento C = {Obtener 2 cuyes de tipo I y 3 de otro tipo} entonces:

C24 C313 6 x 286

P(C )  17
  0.2773
C5 6188
12
Definiciones de probabilidad de un evento

b) Definición frecuencial de probabilidades (a posteriori)

  Si un experimento aleatorio se repite n veces, bajo las mismas condiciones, y nA resultados
corresponden al evento A, la probabilidad estimada de A está dada por la frecuencia relativa
del evento; es decir, P(A) estimada = frA =nA/n.
Ejemplo
La siguiente tabla de frecuencias corresponde a las temperaturas promedio de 24
horas (C) registrados en cierto observatorio, en el mes de enero de cierto año:

 
Temperatura 20.2-20.9 20.9-21.6 21.6-22.3 22.3-23.0 23.0-23.7 23.7-24.4
La probabilidad estimada que en un día del mes de enero, la temperatura promedio sea por lo
menos 20.9 C pero menor que 23.0 C es 28/31. Note que esta probabilidad se obtiene
Número
después de días el experimento.
de realizarse 1 3Rpta: 28/31
12= 0.903 13 1 1

13
Definiciones de probabilidad de un evento

c) Definición axiomática
  Sea  el espacio muestral asociado a un experimento aleatorio. La probabilidad
de cualquier evento A de , es el número real P(A) que satisface los siguientes
axiomas:
 
1) 0 ≤ P(A)≤ 1 para todo evento A.
2) P() =1
3) Si los eventos A1, A2, ..., Ak son mutuamente excluyentes o sea
si: , entonces
Ai  Aj    i  j  1, 2,  , k

 k  k
P A j    P  A j   P ( A1 )  P ( A2 )  ...  P( Ak )

 j 1  j 1

14
Definiciones de probabilidad de un evento

Propiedades de la probabilidad
1. P(AC) = 1-P(A)
2. P() =0
3. P(AC∩B) = P(B) – P(A ∩ B)
4. P(A B) = P(A) + P(B) – P(A∩B) A y B eventos
cualesquiera.
5. P(A B) = P(A) + P(B) A∩B = 
6. P(AC∩ BC) = P((A B)C ) = 1- P(A B) Leyes de
7. P(A  B ) = P((A∩ B) ) = 1- P(A∩ B)
C C C
Morgan

15
Ejemplo:
Los registros de una planta industrial indican que el 12% de todos los
obreros lesionados ingresan a un hospital para recibir tratamiento (evento
H), el 16% regresa al trabajo al día siguiente (evento T) y el 2% ingresan a
un hospital pero vuelven al trabajo al día siguiente (H∩T). Si un obrero se
lesiona:

a) Halle la probabilidad de que ingrese en un hospital para recibir

tratamiento o que regresará al día siguiente
P(HT) = P(H) + P(T) - P(HT) = 0.12 + 0.16 – 0.02 = 0.26

b) Calcule la probabilidad de que ingrese a un hospital pero no regrese al

trabajo al día siguiente.  
P(HTc) = P(H) - P(HT) = 0.12 – 0.02 = 0.1

c) Determine la probabilidad de que no ingrese a un hospital ni regrese al trabajo al

día siguiente. 
P(HcTc) = P(HT)c = 1 - P(HT) = 1 – 0.26 = 0.74

16
Ejemplo:Se encuestó a 500 alumnos universitarios sobre cultura
musical. 474 no identifican el Concierto de Grieg (G’), 471 no
identifican la Sinfonía N° 7 de Beethoven (B’) y 450 no identifican
ninguna de estas obras.
a) Calcule la probabilidad de que un estudiante universitario
identifique las dos obras maestras en mención.
Rpta. P(G  B) = 5/500 = 0.01
 
Concierto de Grieg Total
Sinfonía Nº 7 de
Beethoven Identifican: G No ldentifican: G’

Identifican: B GB G’ B 29

5 24
No Identifican: B’ G  B’ G´ B’ 471
21 450
Total 26 474 500
b) Cual es la probabilidad que un estudiante identifique la obra de Beethov
no la de Grieg. Rpta. P(G’ B ) = 24/500 = 0.048 17
Ejemplo: El 60% de los individuos de una población están vacunados contra cierta
enfermedad. Se sabe además que el 20% la ha contraído; de los cuales el 90% no
están vacunados. Si se elige un individuo al azar
a) Cuál es la probabilidad que esté vacunado y haya contraído la enfermedad.
Rpta. P(E  V) = 0.02 = 2%
 

Estado de salud Total

Enfermo: E No enfermo: E’
Vacunado: V EV E’ V 60%
2% 58%
No vacunado: V’ E  V’ E´ V’ 40%
18% 22%
Total 20% 80% 100%

b) Cual es la probabilidad que no esté vacunado o haya contraído la enfermedad

. P (V ' E )  P (V ' )  P ( E )  P (V ' E )

= 0.40 + 0.20 – 0.18 = 0.42 18

Probabilidad Condicional
Para dos eventos A y B de un espacio muestral, con P(B)  0, la probabilidad
condicional de ocurrencia del evento A dado que el evento B ha ocurrido, está
definida por:

P A  B 
P A B  
P B 
Propiedades de probabilidad condicional

1. 0 ≤ P(A/B) ≤ 1, para todo evento A y B

2. P(Ω/B) = 1
3. Si los eventos A1, A2, ... , Ak son mutuamente excluyentes, entonces
 k  k
P A j B    P A j /B 
 j1  j1
4. P(A/B) = 1- P(Ac /B)
5. P(/B) = 0
6. P[(Ac∩B)/C] = P(B/C) - P[(A∩B)/C]
7. P[(AB)/C] = P(A/C) + P(B/C) - P[(A∩B)/C]
 Probabilidad Condicional
Ejemplo: Con el fin de probar la efectividad de un test para detectar enfermedades renales en pacientes
con hipertensión, se escogieron 200 pacientes hipertensos obteniéndose los siguientes resultados: 56
pacientes tenían enfermedades renales, en 55 pacientes con enfermedad renal el test resultó positivo; en
13 pacientes sin enfermedad renal el test resultó positivo. Se elige al azar un paciente y se sabe que el
resultado del test ha sido positivo. ¿Cuál es la probabilidad que el paciente no tenga la enfermedad?.

Pacientes hipertensos
Resultado del
test
Total
Tienen la enfermedad: E No tienen la enfermedad: E’

EP E’ P
Positivo: P 68
55 13
E  P’ E´ P’
Negativo: P’ 132
1 131
Total 56 144 200

 E '  P ( E ' P ) 13 / 200 13

P      0.191
P P( P) 68 / 200 68
Probabilidad Condicional
Ejemplo:
En una universidad el 70% de los estudiantes son de Ciencias y el 30% de Letras;
de los estudiantes de Ciencias el 60% son hombres; y de los estudiantes de Letras
son hombres el 40%. Sea A={El estudiante elegido es de Ciencias} y B={El
estudiante elegido es varón}. Si se elige aleatoriamente un estudiante. Calcular la
probabilidad que:
Hombres Mujeres Total
Ciencias 42% 28% 70%
Letras 12% 18% 30%
Total 54% 46% 100%

a) Sea un estudiante varón: P (B) = 0.54

P( A  B) 0.42
b) Sea un estudiante varón, si es de Ciencias: P( B / A)    0. 6
P( A) 0.70
c) Sea un estudiante de Ciencias, si es varón:
 
P( A  B) 0.42
P( A / B)    0.778
P( B) 0.54
La ley de probabilidad total
Sean los eventos A1,A2,...,Ak mutuamente excluyentes y
colectivamente exhaustivos, entonces:
 k 
 P A 
k
P A j   A1 A2 A3
j
 j 1  j 1

Luego, para cualquier otro evento B:

B
P B   P( A1  B)  P( A2  B)  ...  P( Ak  B)   P  A j  B 
k

j 1

P( B)  P ( A1 ) P( B / A1 )  P( A2 ) P ( B / A2 )  ...  P( Ak ) P( B / Ak )
Ak
Luego , la ecuación de la ley de probabilidad
total es:

P( B)   P A j  P B A j 
k

j 1
Teorema de Bayes
Sean los eventos A1, A2,..., Ak mutuamente excluyentes y
colectivamente exhaustivos con P(Aj)>0 para j = 1, 2,..., k. Entonces
para cualquier otro evento B tal que P(B)  0 :

P( Ak  B) P( Ak ) P( B / Ak )
P( Ak / B)   k
 P A j  P B A j 
P( B)
j 1

Nota.- En la igualdad anterior, obsérvese que en el numerador aparece

la regla de la multiplicación y en el denominador la ley de probabilidad
total.
Teorema de Bayes

Ejemplo: Los ingenieros de ventas 1, 2 y 3 estiman los costos de 30%, 20% y 50%,
respectivamente, de todos los trabajos licitados por una compañía. Las probabilidades
de cometer un error grave, al estimar el costo, de los ingenieros 1, 2 y 3 son 0.01, 0.03
y 0.02, respectivamente.
a) Halle la probabilidad de que se cometa error grave al estimar el costo en una
licitación.
  Sean los eventos: Ai = {el ing. “i” estima los costos de una licitación}, i = 1, 2, 3
E = {Se comete error grave al estimar el costo}
  Según los datos se tiene:
  P A1   0.3 P A 2   0.2 P A 3   0.5
 
P E A1   0.01 P E A 2   0.03 P E A 3   0.02

Aplicando la ley de probabilidad total:

P E   P A1  P E A1   P A2  P E A2   P A3  P E A3   0.003  0.006  0.01  0.019

Teorema de Bayes
b) Si en una licitación en particular se incurre en un error grave al
estimar los costos del trabajo. ¿Cuál es la probabilidad de que el
ingeniero 2 haya cometido el error?

Aplicando el teorema de Bayes y usando el resultado de la

pregunta (a):
P A2  P E A2  0.2  0.03
P A2 E     0.3158
P E  0.019

c) Si en una licitación en particular no se incurre en un error grave al

estimar los costos del trabajo. ¿Cuál es la probabilidad de que el
ingeniero 3 haya hecho el trabajo? (se deja como ejercicio)
Ejemplo: Un investigador desarrolla una prueba exploratoria para el cáncer y al aplicarla a
pacientes con cáncer declarado y pacientes libres de cáncer, observa que tiene un 5% de
resultados falsos positivos (resultados positivos en pacientes no cancerosos) y un índice de un
20% de resultados falsos negativos (resultados negativos en pacientes con cáncer). Se dispone
aplicar esta prueba a una población en la que se sabe que el 2% adolece de cáncer. Determine
la probabilidad de que alguien con una prueba positiva; de hecho tenga cáncer.

Sean los eventos: E = {El paciente tenga cáncer} P = {Resultado sea positivo}
P  P  E '
PP E'
  0.05 
P  E '
 P  P  E '  0.049
 
 
P  P ' E 

P P'
E
 0.20 
P E 
 P P ' E   0.004

E
P 
Se trata de calcular P
 Resultados Enfermo: E Sano: E’ Total
EP E’  P
Positivo: P 0.065
  0.016 0.049
  E  P’ E’  P’
Negativo: P’ 0.935
0.004 0.931
Total 0.020 0.980 1.000

P E  P 

P E
P
 
P P 

0.016
0.065
 0.246
Otro Método: Diagrama del árbol

P(P/E) = 0.80 P

  P(E) = 0.02 E P(P’/E) = 0.20

  
P’
 
P(E’) = 0.98 P(P/E’) = 0.05 P

E’
P(P’/E’) = 0.95
P’

 P   P PE P P   P( E P) P( P( P) / E )  0.02(00.8.02
PE
(0.8)
)  0.98(0.05)

 E  0.016
P    0.246
 P  0.065
Independencia de eventos
Los eventos A y B son independientes si cuando ocurre uno de ellos
esto no afecta la probabilidad de ocurrencia del otro, o sea:
P(A/B) = P(A)
P(B/A) = P(B)
En otras palabras, las probabilidades condicionales son iguales a las
probabilidades incondicionales.
 
Consecuencia: A y B son independientes si P(A∩P) = P(A)P(B) . Lo
anterior es un resultado de la definición de independencia y de la
regla de la multiplicación.
Independencia de K eventos
Los eventos A1, A2, ... , Ak son independientes si:

P(Ai ∩ Aj ) = P(Ai) P( Aj)  i, j = 1, 2, …, k ij

P(Ai ∩ Aj ∩ Ak ) = P(Ai) P( Aj) P(Ak)  i, j, k = 1, 2, …, k ijk

.
. .
P(A1 ∩ A2 ∩ … ∩ Ak ) = P(A1) P( A2) …P(Ak)

NOTA: Los eventos A1 , A2 , … , Ak son condicionalmente independientes si:

P(A1 ∩ A2 ∩ … ∩ Ak /B) = P(A1 /B) P( A2 /B) …P(Ak /B)

Independencia de K eventos
Ejemplo:
Se estima que entre la población total de EEUU, el 55% padece de obesidad (A), el 20%
es hipertensa (B) y el 60% es obesa o hipertensa. ¿Es independiente el hecho de que una
persona sea obesa y de que padezca de hipertensión?.

COMPROBACIÓN: Si A y B son independientes entonces

P(A  B) = P(A) P(B) = 0.55 x 0.2 = 0.11

Por otro lado se sabe que

P(A  B) = P(A) + P(B) - P(A  B)
0.60 = 0.55 + 0.20 - P(A  B) P(A  B) = 0.15

En consecuencia los eventos A y B no son independientes, es decir el hecho de que

una persona tenga exceso de peso aumenta la probabilidad de que tenga
hipertensión.
 
Independencia de K eventos
Ejemplo:
En cierta población la probabilidad de que una chica mida más de 1.75 m es 0.08; de que
tenga el cabello lacio es 0.22 y de que tenga un buen conocimiento de Estadística es
0.18. Si estas cualidades son independientes.
 
a) Halle la probabilidad de que una chica, que va a ser seleccionada al azar, tenga las tres
cualidades.
Solución
Sean los eventos: M = {la chica mide más de 1.75}
L = {la chica tiene cabello lacio}
E = {la chica tiene un buen conocimiento de estadística}
T = {la chica tiene las tres cualidades}
P T   P M  L  E   P M  P L  P E   0.08  0.22  0.18  0.003168
b) Halle la probabilidad de que una chica, que va a ser seleccionada al azar, tenga sólo 2
de estas cualidades. (se deja como ejercicio)
SECCIÓN DE REFERENCIA

APLIQUEMOS LO APRENDIDO

1.- Una compañía farmacéutica A suministró 300 unidades de un medicamento de

las cuales 10 eran defectuosas, la compañía B entregó 100 unidades con 20
defectuosas y la compañía C entregó 200 de las cuales 25 eran defectuosas.
a) ¿Qué porcentaje de los medicamentos provenientes de C, son defectuosos ?
b) ¿Qué porcentaje de los medicamentos buenos son provenientes de A?.
c) Si se elige una unidad al azar y resulta defectuosa. ¿Cuál es la probabilidad que
sea de la compañía B?.
2.- Se debe examinar a un grupo grande de personas respecto a dos
síntomas comunes de cierta enfermedad. Se considera que el 20% de las
personas presentan solamente el síntoma A, 30% tienen solamente el
síntoma B, 10% tienen ambos síntomas y el resto no tienen síntoma alguno.
Para una persona elegida al azar de este grupo, encuentre las probabilidades
de los siguientes eventos:
a) Que la persona presente al menos uno de los síntomas.
b) Que la persona presente el síntoma A, dado que presenta el síntoma B.
APLIQUEMOS
SECCIÓN DE REFERENCIA
LO APRENDIDO

3.- Un análisis para detectar la rabia en los perros, descarta la enfermedad en un

99.9% de los casos en que el animal está sano, y diagnostica la enfermedad en un
99% de los perros que la padecen. Si el 5% de los perros padecen rabia y un perro es
tomado al azar. ¿Cuál es la probabilidad de que sabiendo que el diagnóstico fue
positivo; dicho perro esté rabioso?.

4.- Se ha realizado un estudio para ver la capacidad de un test clínico que se usa
habitualmente en el laboratorio. Los resultados obtenidos se muestran en la siguiente
tabla
Test Enfermo Sano Total
Positivo 370 70 440
Negativo 30 330 360
Total 400 400 800

a) Calcule la tasa de resultados falsos negativos. Rpta. 0.075

b) Calcule la probabilidad que un paciente con resultado negativo, tenga la
enfermedad. Rpta. 0.083
 
Apliquemos lo aprendido
¿Como aplicaría las probabilidades a actividades propias de su
carrera?
Integramos lo aprendido

• ¿Qué es un evento?

• ¿Qué es la probabilidad? 

• ¿Cómo se calcula P(A/B)?

Actividad Asincrónica (virtual)

Resolver el cuestionario
virtual de la semana 6 Y 7
 SECCIÓN DE REFERENCIA

REFERENCIAS BIBLIOGRÁFICAS
Anderson, D. (2008). Estadística para administración y economía. México, D. F.: Cengage Learning. 10ª edición. Disponible en Biblioteca:
https://grupoeducad-my.sharepoint.com/:b:/g/personal/malvarez_cientifica_edu_pe/EfmckGutuRVEmTlp_PFA2sgBe6-Gdu3J7-Ct0rYCLZSK8Q

Johnson, R. (2004). Estadística elemental: lo esencial. México, D. F.: International Thomson. Disponible en Biblioteca: 519.5 / J67 / 2004.
 
Martínez, C. (2012). Estadística y muestreo. Bogotá: Ecoe Ediciones. Disponible en Biblioteca: 519.52 / M26 / 2012.
 
Palacios C., Severo. (2010). Estadística experimental. Aplicada a ciencia e ingeniería. 1ª. Edición. Concytec. Disponible en Biblioteca:
https://grupoeducad-my.sharepoint.com/:b:/g/personal/ehinostrozar_cientifica_edu_pe/EejSxiCIZo5Mmz284-ZjriEB5JkTJwJPoZ7JkAqOVg8X9A?e=ZT
N4Ey
 
Salazar, C. Del Castillo, S. (2018). Fundamentos básicos de estadística. 1ª edición. Disponible en Biblioteca:
https://grupoeducad-my.sharepoint.com/:b:/g/personal/malvarez_cientifica_edu_pe/EX7CejlZbBZKukecWJpvRaIBy06W6cs1qX2fG0CxlWcwSQ
Triola, M. (2018). Estadística. México, D. F.: Pearson Educación. 12ª edición. Disponible en Biblioteca:
https://grupoeducad-my.sharepoint.com/:b:/g/personal/malvarez_cientifica_edu_pe/EWWDv2kMz_NOsnHN6OaNyVYBOCVZIFLGBFaQqmrXUGmg3
Q

 
Walpole, R.; Myers, R.; Myers, S; Ye, K. (2012) Probabilidad y estadística para ingeniería y ciencias. 9ª edición. Disponible en Biblioteca:
https://grupoeducad-my.sharepoint.com/:b:/g/personal/ehinostrozar_cientifica_edu_pe/ESqzEQPTJSNCiWzRQ3xtcxsBhDRarSKofShxY9d5uLyyVQ?e
=CyCmyl