UNIDAD 2

ELEMENTOS
DE
PROBABILIDAD
COMPARACIÓN
ENTRE
PROBABILIDAD
Y ESTADÍSTICA
La probabilidad y la estadística son dos campos ajenos
pero relacionados de las matemáticas.- Se ha dicho que
“la probabilidad es el vehículo de la estadística”.- Es
decir, que si no fuera por las leyes de la probabilidad, la
teoría de la estadística inferencial no sería posible.-
A continuación se ilustrará la relación y la diferencia entre
esta rama de las matemáticas (probabilidad) y estadística,
mediante la observación de dos cajas.-

Estadística
Probabilidad
5A 5R 5B ????
Se sabe que la caja de Probabilidad, contiene fichas de
póquer: cinco azules, cinco rojas y cinco blancas.- La
probabilidad intenta responder preguntas como “si se
extrae una ficha de la caja, ¿Cuál es la probabilidad de
que sea azul?.- En la caja de Estadística se ignora cual
es la combinación de fichas.- Se extrae una muestra y
con base en los resultados obtenidos en esta, se
hacen conjeturas sobre lo que se cree que hay en la
caja.- Observe la diferencia: la probabilidad,
pregunta sobre la posibilidad de que ocurra algo
específico (seleccionar una ficha azul) cuando se
conocen las posibilidades, es decir se conoce la
población.- Por otro lado, la estadística pide extraer
una muestra, describirla y luego hacer inferencia sobre
la población con base en la información que se obtuvo
de la muestra.-
La probabilidad constituye
la base para el estudio de
los métodos de la
ESTADISTICA
INFERENCIAL.-
 PRIMEROS TEÓRICOS SOBRE PROBABILIDAD.-

Jacobo Bernoulli (1654-1705), Abrahan

De Moivre (1667-1754), el reverendo
Thomas Bayes (1702-1761), Joseph
Lagrange (1736-1813), desarrollaron
fórmulas y técnicas para el cálculo de
las probabilidades En el siglo XIX,
Pierre Simón, marques de Laplace
(1749- 1827) unificó todas estas
primeras ideas y compiló la primera
teoría general de las probabilidades.-
Sin tener en cuenta la profesión que se haya
elegido, algo si es seguro; en algún momento se
han de tomar decisiones.- Con mucha frecuencia
esto tendrá que hacerse sin conocer todas las
consecuencias de tales decisiones.- Por ejemplo,
los inversionistas deben decidir sobre la
conveniencia de invertir en una acción en
particular, con base en sus expectativas sobre
rendimientos futuros.- Los empresarios, al decidir
comercializar un producto enfrentan la
incertidumbre sobre la posibilidad de éxito.- En
cada caso, como sucede con la mayoría de los
asuntos comerciales, se han de tomar decisiones
sin toda la información correspondiente.-
Todo esfuerzo por reducir el nivel de
incertidumbre en el proceso de toma de
decisiones incrementará enormemente la
probabilidad de que se tome decisiones más
inteligentes y bien informadas.- Al mejorar la
habilidad para juzgar la ocurrencia de eventos
futuros, se puede minimizar el riego y la
especulación arriesgada relacionadas con el
proceso de toma de decisiones.-
Las decisiones en los negocios, en la industria y
empresas en general se basan en el análisis de
incertidumbres en muchas de las situaciones que se le
presentan.-

Por ejemplo:
a)¿Cuál es la probabilidad de que cambien las ventas si se
incrementan los precios?.-
b) ¿Cuál es la probabilidad de que un proyecto se termine a
tiempo?.-
c) ¿Cuál es la probabilidad de que una nueva inversión sea
rentable?.-
d) ¿Cuál es la probabilidad de que el nuevo método de trabajo
aumente la productividad?.-
e) Etc.-
 El estudio y
cálculo de las probabilidades
se facilita mucho
si conocemos algo antes
de TEORÍA DE CONJUNTOS.-

VEAMOS ENTONCES LO
ELEMENTAL DE ESTE TEMA.-
 TEORIA DE
LOS
CONJUNTOS
Algunas consideraciones de teoría de
conjuntos.

Fue Georg Cantor (1845-1918) quién en la

segunda mitad del siglo XIX empezó a desarrollar
la teoría de conjunto y esta no solo es importante
en el campo de las probabilidades y de la
estadística sino que es fundamental en el
desarrollo de toda la matemática moderna.
Veremos de conjunto solo lo elemental que
necesitamos para entender probabilidades ya que
su teoría es muy amplia.
CONJUNTO

Es una colección bien

definida de objetos.

ELEMENTOS

Son los objetos o cosas

de que esta formado
el conjunto
Por ejemplo, este curso de Estadística es un
conjunto donde los elementos son las
personas que lo componen; María, Sara,
Luís, Vanesa, Roberto, etc................................

Simbolizamos a los conjuntos con letras

mayúsculas, A; B; C;...........y con letras
minúsculas a los elementos de esos
conjuntos, a, b, c,........etc..
Un conjunto se puede describir
de dos manera diferente, por:

METODO DE
LISTA

METODO DE
LA REGLA
Supongamos que nos estamos refiriendo a los alumnos
de este curso, que son Susana, Luís, Carla, María, Beatriz
y Pedro.
Por el método de lista, a este conjunto que llamó A
podremos describirlo como;

A =  Susana, Luís, Carla, María, Beatriz, Pedro 

Por el método de la regla será;

A =  x / x es un alumnos del curso de Estadística 

Esto lo leemos como; A es el conjunto de todas las x

tales que x es un alumno de este curso de Estadística.- La
línea vertical / se lee tal que o tales que, según
corresponda.
Conjunto Universal: es el conjunto más
extenso por el cual hay interés en un análisis
dado. Se simboliza al conjunto universal con U.
Observamos aquí que hay una total coincidencia
entre lo que es una “población estadística” y el
conjunto universal.

Subconjunto: decimos que A es un subconjunto

de B si cada elemento de A es también un
elemento de B. Observamos aquí que “muestra”
es un subconjunto del conjunto “población”. Por
ejemplo si retomamos el ejemplo anterior, si:
 B =  Susana, Luís 

decimos que B es un subconjunto de A que esta formado

por;
A =  Susana, Luís, María, Beatriz, Pedro 

CONJUNTO IGUALES Y DISTINTOS

Dos conjuntos A y B son iguales si ambos contienen

exactamente los mismos elementos. Por ejemplo:
Si A = 1,2,3,4 B = 1,2,3,4

decimos que A = B
Si tenemos:
A = 1,2,3,4 B = 1,2,3,4,5,6

decimos que A  B
 Conjunto vacío:

El conjunto que no contiene ningún elemento se

llama conjunto vacío y se lo simboliza con .
Por ejemplo el conjunto A esta formado por todos
los argentinos que viajaron a la Luna,
evidentemente el conjunto A será:
A = 
 Operaciones con
conjuntos.
Veremos como pueden formarse nuevos
conjuntos realizando operaciones con ellos.

Los resultados de estas operaciones los

explicaremos por medio de los diagramas de
Venn, nombre que proviene del lógico ingles
John Venn (1834-1923), que fue quien creo esta
forma de representar conjuntos.
Por ejemplo:
U = 1,2,3,4,5 donde A =  1,2,3

en un diagrama de Venn, será:

U
5
1 2
4
A 3
A
Llamamos “complemento”

De un subconjunto A del conjunto universal U, al

conjunto que consta de todos los elementos de U que no
son elementos del conjunto A. Simbolizamos al
complemento con una línea sobre la notación del
conjunto, por ejemplo A o también con A’.-
Del ejemplo anterior:

A = 4,5
Intersección de dos conjuntos
La intersección de dos conjuntos A y B es el conjunto
que contiene todos los elementos de A y de B, es
decir que son los elementos comunes. Simbolizamos
a la intersección con  .- Ejemplo:
El conjunto A consta de todos los alumnos de 5º año que
toma Ingles y el conjunto B consta de todos los alumnos
que toman geografía del 5º año. El conjunto que consta de
todos los alumnos que toman Ingles y Geografía es la
intersección de A y B.

U
B
A

A ∩ B
Se dice que dos conjuntos A y B son mutuamente
excluyentes cuando no tienen elementos en común.

U
B
A

Por ejemplo: A = 1,2,3 B = 4,5,6

A y B son mutuamente excluyentes puesto

que no tienen elementos en común.

A  B =   
 UNION DE DOS CONJUNTOS

La unión de dos conjuntos A y B es el conjunto que

consta de todos los elementos que son elementos
de A o de B o de ambos. Se simboliza la unión con 
Por ejemplo:

A = {1,2,3,4 } B = {3,4,5,6 }

U
B
A

A  B = {1,2,3,4,5,6}
 VEAMOS UN EJEMPLO COMPLETO:

Dado el conjunto Universal

U = {1,2,3,4,5,6,7,8,9,10}

y damos A = {1,2,3,4} B = {3,4,5,6}

Calcular: a) hacer el diagrama de Venn.

b) A  B

c) A  B

d) A

e) Complemento de A  B.
U
7

9 8
A B

1 2
3 5
10
4 6
 Solución

b) A  B = {1,2,3,4,5,6}

c) A  B = {3,4}

d) A = {5,6,7,8,9,10}

e) A  B = {1,2,5,6,7,8,9,10}
 EJERCICIO PARA HACER EN CLASE

Veinte facturas de ventas se sacan en una Auditoria de cierto

comercio grande y se examinan para ver si tienen errores.- Once
de las facturas no tienen errores, ocho tienen errores en su
confección y 3 tienen errores en su monto.- Sea A el conjunto de
facturas que tienen errores en su monto y B el conjunto que tiene
errores en su confección.- Con A y B, escribir una notación
simbólica para:

a) Elaborar un diagrama de Venn para A y B.-

b) El conjunto de facturas que tienen los dos tipos de errores.-
c) El conjunto de facturas que tiene por lo menos un tipo de error.-
d) El conjunto de facturas que no tiene errores.-
e) El conjunto de facturas que tienen exactamente un tipo de error.-

Mencionar a continuación el número de facturas en cada

conjunto.-
 VISTO LO BASICO DE
TEORIA DE LOS CONJUNTOS

PODEMOS AHORA
INTRODUCIRNOS EN
LO ELEMENTAL DEL
MUNDO DE LAS
PROBABILIDADES
El término Probabilidad se refiere al estudio de la
aleatoriedad y la incertidumbre.-

Probabilidad, es la posibilidad o la oportunidad de que

ocurra un evento o suceso específico.-

La probabilidad es una proporción o fracción

cuyo valor se encuentra entre 0 y 1
inclusive.-

La probabilidad es 1 cuando
La probabilidad el evento ocurrirá con
es 0 cuando el seguridad.-
evento nunca va
a ocurrir.-
Se la explica siempre en %.-
 En el estudio de las probabilidades definimos:

• Experimento: un proceso que genera

resultados bien definidos.-
Ejemplos:
a) Tirar un dado al aire.-
b) Los sueldos de los empleados de una empresa.-
c) Las ventas de un comercio en cierto período.-
d) Observar las piezas producidas por una máquina.-
e) Tomar un test de CI a un grupo de alumnos.-
f) El estudio de metros cuadrados construidos en la
ciudad.-
g) Etc.-
 Es aquel que proporciona
diferentes resultados aún
cuando se repita siempre de
la misma manera.-
Ejemplo: tirada al aire de un
dado

Experimento
Aleatorio
 Es el conjunto de todos los
resultados de un experimento
aleatorio

Lo simbolizamos
ESPACIO con S
MUESTRAL

Ejemplos:
Experimento aleatorio: tirar un dado al aire.
S = {1,2,3,4,5,6}
Experimento aleatorio: tirar una moneda al
aire
S= {cara, cruz}
LOS QUE TIENEN UN VALOR DE PROBABILIDAD SON LOS
EVENTOS:

EVENTO : SON
CADA UNO DE LOS Pueden ser:
RESULTADOS DEL
EXPERIMENTO Simples o
ALEATORIO Compuestos

Ejemplo
Experimento aleatorio: tirar un dado al aire
S = {1,2,3,4,5,6}
Pr (Salga un 4) es un evento simple
Pr (Salga un número par) es un evento
compuesto
 TECNICAS DE
CONTEO
UTILES EN
PROBABILIDADES
 En muchas de las decisiones empresariales, comerciales o de
otra índole, requieren que se cuente el número de
subconjuntos que se pueden obtener de un conjunto.- Cuando
calculamos probabilidades, nos encontramos que
necesitamos poder calcular el número de resultados posibles
y favorables a un evento, donde es imposible contarlos
simplemente como en el caso de la tirada de un dado al aire.-
Para estos casos debemos recurrir a las llamadas técnicas
de conteo.-
Por ejemplo, una línea de ventas que consta de 10 productos,
¿Cuántos subconjuntos de 3 productos se pueden ofrecer a
los clientes?.- Así como este podríamos dar muchos
ejemplos.-
Vamos analizar cuatro técnicas de conteo que consideramos que
son las que más se suelen presentar, son: regla
multiplicación, permutaciones, permutaciones con repetición
y combinaciones.-
REGLA DE LA MULTIPLICACIÓN.-
“Si hay que hacer m operaciones y si las primeras se pueden hacer
de n1 formas y sin importarme como se hicieron las primeras la
segundas se pueden hacer de n2 formas y así sucesivamente para
las m operaciones, entonces la cantidad de operaciones que
podemos hacer será:
n1 * n2 * n3 * ……….. * nm
Veamos un ejemplo:- Supongamos que estamos seleccionando en
forma aleatoria a tres artículos de un proceso de producción.- Se
examina a cada uno de ellos y se le califica en defectuosos (D) y
no defectuosos (N).-

Entonces: 2 * 2 * 2 = 8 formas

Cuando son pocas las formas que pueden darse, se suele calcular
los eventos del espacio muestral por medio de un DIAGRAMA
DE ARBOL.-
 1º ART. 2º ART 3º ART EVENTOS
D DDD
D
N DDN
D
D DND
N

■ N DNN
D NDD
D
N NDN
N
D NND
N
N NNN
NUMERO DE ORDENACIONES.-

Supongamos que tenemos un número x de objetos que

hay que ordenar.- Cada uno solo puede utilizarse una
vez.- ¿Cuántas series diferentes son posibles?.-
Podemos imaginar que en este problema se nos pide
que coloquemos cada uno de los objetos en cada una
de las cajas colocadas en fila.-

X X-1 X-2 ………. 2 1

El número total de formas posibles de ordenar x objetos

viene dado por:

x ( x-1) (x-2)……….(2) (1) = x !

Donde x ! Es = x factorial.-
 PERMUTACIONES Y COMBINACIONES.

Al seleccionar los elementos en los subconjuntos, la distinción

entre permutaciones y combinaciones depende si el orden de las
selecciones hace diferencia.- Si un orden es suficiente para
constituir otro subconjunto entonces se trata de permutaciones.-
Si dos subconjuntos se consideran iguales debido a que
simplemente se han reordenado los mismos elementos, entonces
se involucran combinaciones.-

Dado un conjunto de n elementos, el número de permutaciones,

cada uno de tamaño r, se determina como, el número de
permutaciones de n elementos tomados r a la vez:
n!

nPr =
( n - r) !
El número de combinaciones de n elementos tomados r a la vez es:
n !

n Cr =
r ! (n - r) !

Ejemplos:

1.- Supongamos que hay que seleccionar dos letras de A,

B, C, D, E y colocarlas en orden:¿Cuántas
permutaciones son posibles?.-

5!
5P2 = = 20
3!
Los 20 casos son:

AB A C AD AE BC BA CA DA EA EC

CB BD BE CD CE DE DB EB DC ED
 AHORA PODEMOS
EMPEZAR A HABLAR
DE CALCULAR UNA
PROBABILIDAD
 Se estudian diferentes enfoques para
determinar la probabilidad de ocurrencia
de ciertos fenómenos aleatorios

Probabilidad Probabilidad
clásica o a empírica o
priori o de probabilidad
Laplace frecuencial

Probabilidad
subjetiva
 El matemático ruso Kolgomoroff en 1933
Estableció tres axiomas para tener en cuenta en
la asignación de probabilidad de un evento,
Qué son:

1) Dado un evento A
0 ≤ P (A) ≤ 1 Estos axiomas
se deben
2) Si S es el espacio muestral del cumplir al
experimento
asignar
P (S) = 1 probabilidad a
un evento por
3) Si A y B son eventos
cualquier
mutuamente excluyentes
enfoque
P (A U B) = P (A) + P (B)
 PROBABILIDAD CLASICA O A
PRIORI O DE LAPLACE

Es apropiado para asignar probabilidad

cuando los resultados del experimento
son igualmente probables.- Surgió con
los juegos de azar.-
Por ejemplo,
Si son posibles n resultados
experimentales, una probabilidad de 1/n es
la que corresponde a cada evento.-
 Calculo de una probabilidad
será:

Nº de formas en que puede ocurrir el

evento A
P (A) =
Número total de posibles resultados
 EJEMPLO DE PROBABILIDAD CLÁSICA

Se lanza un dado al aire.- ¿Cuál es la probabilidad de que se de

un 5?
1
P (5) = ---------- = 0,167  17 %
6
Se tiene un mazo de 52 cartas.- Se decide sacar una carta al
azar.-¿Cuál es la probabilidad de que se de un as?.-
4
P (as) = ------- = 0,077  8 %
52
 PROBABILIDAD EMPÍRICA O
FRECUENCIAL.-
Es apropiado para asignar probabilidad cuando
se cuenta con datos para estimar la proporción
del tiempo en que ocurrirá el resultado
experimental si el experimento se repite un
número grande de veces.-
Evidentemente podemos usar este enfoque
siempre que tengamos frecuencias.-
 Calculo de una probabilidad
será:

Número de veces que ha ocurrido el evento A

en el pasado
P (A) =
Número total de observaciones
 EJEMPLO DE PROBABILIDAD
FRECUENCIAL

Nºde hijos de obreros de la

empresa
xi Obreros Se decide seleccionar una
familia al azar.- ¿Cuál es la
0 20 probabilidad de que esta
1 45 tenga 3 hijos?.-

2 57 39

3 39 P (3) = --------- = 0,1840

4 28 212

5 14  18 %

6 9
 PROBABILIDAD SUBJETIVA

Es apropiado para asignar

probabilidad cuando se da un
experimento en donde no se puede
aplicar ninguno de los dos enfoques
vistos, y asignamos probabilidad en
base al conocimiento del hecho que
tenemos.-
Por ejemplo: la probabilidad de que
mañana llueva es del 70%.-
 ALGUNAS
RELACIONES
BASICAS DE
PROBABILIDAD
 COMPLEMENTO DE UN EVENTO

Dado un evento A, el complemento de A que simbolizamos con A’,

es el que esta formado por todos los elementos que no están en A.-
En un diagrama de Venn, será:
Ejemplo
Un gerente de ventas después de revisar
S los datos dice que la probabilidad de
A’
hacer una venta es de 0,80.- La
probabilidad de no hacer una venta será:
A

P (A’) = 1 - P (A) = 1 - 0,80 = 0,20

El evento A y A’ son mutuamente excluyentes, entonces:

P (A) + P (A’) = P (S) pero P (A) + P (A’) = 1
despejando nos queda; P (A’) = 1 - P (A)
 LEY ADITIVA O TEOREMA DE
LA SUMA

Es útil cuando se tiene dos eventos y se desea

conocer la probabilidad de que ocurra al menos
uno de ellos.-
Dado los eventos A y B nos interesa conocer la
probabilidad de que suceda A o el evento B o
ambos.- Se expresa como,
P (A U B)
 Para poder aplicar la ley aditiva debemos conocer como
son los eventos A y B

a) Si los eventos A y B son mutuamente excluyentes, es

decir no tienen entre ellos elementos en común.-

Entonces
A B P (A U B) = P (A) + P (B)
b) Si los eventos A y B no son
mutuamente excluyentes, es entonces
porque tienen elementos que son
comunes a ambos.- En ese caso:

A B Podemos decir

P (A U B) = P (A) + P (B) - P ( A ∩ B)
 P (A o B)
REGLA DE LA
SUMA

¿Son A y B SI
Mutuamente
Excluyente?
P (A o B) = P (A) + P (B)

NO

P (A o B) = P (A) + P (B) - P (A y B)
PROBABILIDADES
MARGINALES Y
CONJUNTAS
 Si tenemos información como
para elaborar una tabla de
contingencia, observamos como
ya hemos visto, que tenemos
frecuencias absolutas marginales
y frecuencias absolutas
conjuntas.- De aquí que podemos
entonces calcular Probabilidades
Marginales y Conjuntas aplicando
el enfoque frecuencial.-
 VEAMOS UN EJEMPLO:

Supongamos que el Ministerio de Hacienda tiene 1200 empleados de

los cuales 960 son hombres y 240 mujeres.- En los últimos dos años
fueron Jerarquizados solamente 324 empleados de los cuales 288
son hombres.- Con esta información elaboramos la siguiente tabla:

HOMBRES MUJERES TOTAL

(H) (M)

(A) 288 36 324

JERARQUIZADOS
(B) 672 204 876
NO
JERARQUIZADOS
TOTAL 960 240 1200
LAS PROBABILIDADES MARGINALES SE CALCULAN CON
LOS VALORES QUE SE UBICAN EN LOS MARGENES; Y
COMO LOS VALORES DEL CUERPO DE LA TABLA SON
VALORES CONJUNTOS, PODEMOS CALCULAR CON ELLOS
PROBABILIDADES CONJUNTAS, CADA VALOR ME INDICA
UNA INTERSECCION DE AMBOS.-

Veamos un ejemplo, con nuestra tabla.- Supongamos

seleccionar un empleado al azar.- ¿Cuál es la probabilidad de
que:
a) Sea una Mujer.-
b) Sea uno No Jerarquizado.-
c) Sea un Hombre y Jerarquizado.-
d) Sea una Mujer y No Jerarquizado.-
 SOLUCION

a) P (M) = 240/1200 = 0,20 ⇒ 20%

b) P (B) = 876/1200 = 0,73 ⇒ 73%

c) P (A ⋂ H) = 288 / 1200 = 0,24 ⇒ 24 %

d) P ( M ∩ B) = 204 / 1200 = 0,17 ⇒ 17 %

 Si de la tabla queremos aplicar la regla adictiva será:
Se selecciona un empleado al azar;
a) ¿Cuál es la probabilidad de que sea un Hombre o Un Jerarquizado?
b) ¿Cuál es la probabilidad de que sea un Hombre o una Mujer?

Solución
a) P (H U A) = P (H) + P (A) - P (H ∩ A) =

= 960/1200 + 324/1200 - 288/1200 =

= 996/1200 = 0,83 ⇒ 83 %

b) P (H U M) = 960/1200 + 240/1200 = 1200/1200 = 1,00

PROBABILIDAD
CONDICIONAL
Con frecuencia, la probabilidad de un evento se ve
influida por la ocurrencia de otro evento relacionado.-
Suponga que tenemos un evento A con P (A).-
Si obtenemos nueva información y vemos que ha
ocurrido un evento relacionado, representado por B;
quisiéramos aprovechar esta información para calcular
una nueva probabilidad del evento A.-

Esta nueva probabilidad del evento A, se

llama Probabilidad Condicional y se escribe
P (A / B) y se lee “ Probabilidad de A dado
B” o también “Probabilidad de que
habiéndose dado B se de A”
 LA PROBABILIDAD CONDICIONAL P (A / B) SE PUEDE
CALCULAR COMO

La relación entre la probabilidad conjunta de A y B y la

probabilidad marginal del evento que se dio, es decir

P (A ∩ B)
P ( A / B) =
P (B)

Siempre que P (B) > 0.-

 LEY DE MULTIPLICACION
Se usa para determinar la probabilidad de
una intersección de dos eventos.-
Esta ley se basa en la definición de la
probabilidad condicional.-

De la fórmula de probabilidad condicional podemos

despejar P (A ∩ B) y entonces tendremos:

P (A ∩ B) = P (B) P ( A / B) o también

P (A ∩ B) = P (A) P ( B / A)
 EVENTOS INDEPENDIENTES
Un concepto básico de la teoría de la probabilidad de particular
importancia por sus aplicaciones a la estadística es el de
INDEPENDENCIA.-

Si tenemos dos eventos A y B, la idea de independencia estadística

es que la ocurrencia del evento A no cambia la probabilidad de que
el evento B suceda, entonces, será:

P (A ∩ B) = P (A) * P (B)

De no darse esto, A y B no son independientes y decimos que los

eventos son dependientes.-
Dado dos eventos A y B independientes, recordemos
que en el caso de probabilidades condicionadas
P (A/B) = P (A) y también P (B/A) = P (B)

Porque:
P (A ∩ B) P (A) * P (B)
P ( A / B) = ---------------- = ------------------------- = P (A)
P (B) P (B)

P (A ∩ B) P (A) * P (B)
P ( B / A) = ---------------- = ------------------------- = P (B)
P (A) P (A)
 P (A y B)
REGLA DE LA
MULTIPLICACION

¿Son A y B Si
independientes? P (A y B) = P (A) * P (B)

No

P (A y B) = P (A) * P (B/A)
 De la tabla de contingencia también podemos
calcular probabilidades condicionales

Veamos esto en nuestro ejemplo de los 1200 empleados:

a) Por definición, será:

P (B ∩ H) 672 / 1200 672

P (B / H) = ------------------ = ------------------ = -------- = 0,70 ⇒ 70 %
P (H) 960 / 1200 960
 También podemos calcular una Probabilidad
Condicional en función del espacio muestral del
evento que ya se dio de antemano.-

Veamos esto en nuestro ejemplo de los 1200 empleados:

b) Con espacio muestral reducido será:

672
P (B / H) = = 0,70 ⇒ 70 %
960
 PARA RECORDAR:

NO SE DEBEN CONFUNDIR ENTRE SI EL

CONCEPTO DE EVENTOS MUTUAMENTE
EXCLUYENTES CON EL DE EVENTOS
INDEPENDIENTES.-

DOS EVENTOS CUYAS PROBABILIDADES SON

DISTINTAS DE CERO NO PUEDEN SER DE
MANERA SIMULTANEA MUTUAMENTE
EXCLUYENTES E INDEPENDIENTES ENTRE SI.-

SI OCURRE UNO DE LOS EVENTOS MUTUAMENTE

EXCLUYENTES, EL OTRO NO SUCEDE, ASI QUE
LA PROBABILIDAD DE QUE OCURRA EL OTRO
EVENTO SE REDUCE A CERO.- EN
CONSECUENCIA SON DEPENDIENTES.-
 VEAMOS UN
EJEMPLO COMPLETO
DE APLICACIÓN.-
El Colegio de Contadores Públicos de cierta
provincia chica tiene los siguientes datos sobre
la edad y el estado civil de sus 140 socios.-

ESTADO CIVIL
EDAD S.- soltero C.- casado TOTAL

A.- menos
de 77 14 91
30 años
B.- 30 años
o más 28 21 49

TOTAL 105 35 140

Se decide seleccionar un socio al azar:
a) Aplique las probabilidades marginales para comentar
sobre la edad de los socios del Colegio.-
b) Aplique las probabilidades marginales para comentar
sobre el estado civil de los socios del Colegio.-
c) ¿Cuál es la probabilidad de que sea soltero y tenga
menos de 30 años?.-
d) Si un socio tiene menos de 30 años.- ¿Cuál es la
probabilidad de que sea soltero?.-
e) El estado civil de los socios, ¿es independiente de su
edad?.- Explique aplicando probabilidad.-
Solución
a) P (A) = 91/140 = 0,65  65 %

P (B) = 49/140 = 0,35  35 %

Mayor probabilidad de que sea menor de 30 años
el elegido al azar por edad.-
b) P (S) = 105/140 = 0,75  75%

P (C) = 35 / 140 = 0,25  25%

Mayor probabilidad de que sea soltero el elegido
al azar por estado civil.-
c) P (S ∩ A) = calculado por probabilidad conjunta
será:

P (S ∩ A) = 77 / 140 = 0,55  55 %.-

Calculado por regla de la multiplicación será:

P (S ⋂ A) = P (A) P( S/A) = 91/140 * 77/91 =

= 77/140 = 0,55  55 %.-

o también

P (S ⋂ A) = P (S) P (A/S) = 105/140 * 77/ 105 =

= 77/140 = 0,55  55 %
d) P (S / A) por definición será:

P (S ∩ A) 77/140 77
P (S/A) = --------------- = ----------- = --- = 0,8462 ⇒ 85 %
P (A) 91/140 91

Por espacio muestral reducido, el calculo sería:

77
P (S/A) = --------- = 0,8462 ⇒ 85 %.-
91
e) Para demostrar que Estado Civil y Edad son
eventos independientes se tiene que cumplir la
igualdad,
P ( S ∩ A) = P (S) * P (A)
Luego:
P (S ∩ A) = 77 / 140 = 0,55 ⇒ 55 %

P (S) * P (A) = 105/140 * 91/ 140 = 9555/19600 =

= 0, 4875 ⇒ 49 %.-
Luego P ( S ∩ A) ≠ P (A) * P (B)
Entonces S y A no son independientes.-
 VEAMOS UN
EJEMPLO COMPLETO
DE APLICACIÓN.-
Cuando nos dan la tabla de
probabilidad.-
Supongamos que tenemos registradas las ventas de un
semestre de cierto comercio de artículos deportivos en
función si la compra la realizó un hombre o mujer y si
pagaron con Tarjeta de Crédito o efectivo.- La tabla que
se presenta es la siguiente:

SEXO TOTAL
HOMBRE MUJER
H M
C/TARJETA 0.54 0.10 0.64
A
EFECTIVO 0.30 0.06 0.36
B
TOTAL 0.84 0.16 1.00
a) ¿Cual es la probabilidad de elegir al azar a alguien
que pago con tarjeta de crédito?.-
b) ¿Cual es la probabilidad de elegir al azar alguien
que sea mujer?
c) ¿Cual es la probabilidad de elegir al azar alguien
que sea hombre y haya pagado en efectivo?
d) ¿Cual es la probabilidad de elegir al azar alguien
que sea mujer dado que pago en efectivo?
e) Si se dio un hombre, ¿Cuál es la probabilidad de
que haya pagado en efectivo?.-
f) ¿El sexo del comprador y tipo de pago son eventos
independientes?.-
 TEOREMA DE
PROBABILIDAD
TOTAL
Muchas veces interesa la probabilidad de
ocurrencia de un evento, pero solo se conoce la
probabilidad de ocurrencia del mismo asociado a
factores relacionados (o sea las probabilidades
condicionadas a los distintos factores) y las
probabilidades de ocurrencia de dichos factores.-

Veamos el caso para dos eventos, pero se puede generalizar para

n eventos.-
Supongamos poder dividir el
S espacio muestral en dos
A eventos que llamamos E1 y E2
Se da un cierto evento A y
observamos que:
E1
E2 A = (E1 ∩ A) U (E2 ∩ A)
Como cada una de estas situaciones planteadas son mutuamente
excluyentes, por el 3º axioma de probabilidad, será:
P (A) = P (E1 ∩ A) + P (E2 ∩ A)
Pero por regla de la multiplicación sabemos que lo expresado es
P (A) = P (E1) P (A/E1) + P (E2) P (A/E2)

Veamos un ejemplo.-

En base a un estudio anterior, se sabe que las viviendas

de cierto barrio adjudicado el 60% son gente de Bajos
Recursos y el 40% de Clase Media.- Entre la gente de
Bajos Recursos el 30% no las modificaron, entre los de
Clase Media el 10% no las modificaron.- ¿Cuál es la
probabilidad de que una vivienda elegida al azar de las
del barrio no sea una modificada?.-
Solución
Veamos que datos disponemos según el enunciado:
A = Bajos Recursos  P (A) = 0,60
B = Clase Media  P (B) = 0,40
Llamo con C = no la modificaron
P ( C/A) = 0,30 P (C/B) = 0,10

P (C ) = P (A) P (C/A) + P (B) P (C/B)

= 0,60 * 0,30 + 0,40 * 0,10

= 0,18 + 0,04 = 0,22  22%

 EJERCICIO PARA HACER EN CLASE

Cierto Estudio Contable grande, tiene tres

contadores A, B y C para auditar las boletas de
ventas un comercio muy grande.- El contador A,
B y C están auditando las boletas de ventas de
todo el año 2010.- Cada uno auditan, el 50%, 35
% y el 15% respectivamente.- De auditorias
anteriores se sabe que cada contador encontró
4%, 2% y el 2% de boletas con errores.-
Ahora suponga que se selecciona de forma
aleatoria una boleta al azar:

a) ¿Cuál es la probabilidad de que ésta tenga

errores?.-
 TEOREMA DE BAYES.-

Del teorema de probabilidad total podemos hacer una ampliación.-

Supongamos que ahora se elige una vivienda al azar y se encuentra
que no fue modificada.- ¿Cuál es la probabilidad de que se haya
adjudicado a gente de Bajos Recursos?.-
Observamos que esta pregunta no es más que una probabilidad
condicional,
P (A ∩ C)
P (A/C) = --------------------
P (C)
Sabemos que el numerador no es más que una intersección que
como conocemos de antemano ciertas probabilidades, aplicamos el
Teorema de la multiplicación y el denominador no es más que la
probabilidad total que calculamos antes.-
Por lo tanto nos queda,
 P (A ∩ C) P (A) P (C/A) 0,60 * 0,30
P (A/C) = ----------------- = --------------------- = ----------------- =
P (C) P( C) 0,22

0,18
= ------------ = 0,8182  82 %
0,22
Esto es lo que conocemos como TEOREMA DE BAYES.-
Este teorema se lo debemos al Clérigo
Thomas Bayes (1702 – 1761), que estaba
muy interesados en las matemáticas.-

Haciendo una generalización sería : Si B1,

B2……..Bj, forman una partición de S y A
es cualquier evento en S, entonces:

P (Bj) * P (A / Bj)
P ( Bj / A) =
∑ P(Bj) P (A/Bj)

Donde j = 1,2,3………..k.-
VEAMOS UN
EJEMPLO
DE
APLICACION:
Una Cía. Compra neumáticos de dos proveedores
I y II.- El proveedor I tiene un antecedente de
suministrar con 10 % de defectos, en tanto que el
proveedor II, tiene una tasa de solo el 5% de
defectos.- Supóngase que el 40% de las
existencias actuales vinieron del proveedor I. Si se
toma una llanta al azar de esa existencia: a) ¿Cual
es la probabilidad de que sea una defectuosa?.-
b) ¿Si se dio una defectuosa, calcular la
probabilidad de que la haya suministrado el
proveedor I?
Solución
Sea A = el evento de que el neumático sea defectuoso.
Sea Bi el evento en el que un neumático lo haya vendido el
proveedor i = I, II y nótese que B1 y B2 forman una partición del
experimento que consiste en seleccionar un neumático.- Entonces
tenemos como dato:

P(B1) = 0.40 P(B2) = 0.60

P(A/B1) = 0.10 P(A/B2) = 0.05

a) P (A ) = P(B1) * P(A/B1) + P(B2) * P(A/B2)

= 0,40 * 0,10 + 0,60 * 0,05 =

= 0,04 + 0,03
= 0,07  7%
b)

P (B1) * P (A/B1)
P( B1 / A) = =
P (B1) * P (A/B1) + P (B2) * P (A/B2)

0,40 * 0,10
= = 0,5714  69 %
0,40 * 0,10 + 0,60 * 0,05

El Proveedor I tiene mayor probabilidad de

haber surtido el neumático defectuoso que el
Proveedor II.
 Ejemplo 2 de Bayes.-
El Departamento de Personal de una empresa muy grande ha
descubierto que solo el 60 % de los candidatos entrevistados están
realmente calificados (Q) para asumir un cargo en la compañía.- Una
revisión de los registros de la firma muestra que quienes estaban
calificados, el 67% tuvo un entrenamiento previo en estadística (T),
mientras que el 20% de quienes no estaban calificados habían
recibido instrucción estadística mucho antes.- Es decir:

P (Q) = 0,60 P ( T/Q) = 0,67 P (T/Q) = 0,20

El director de personal puede ver claramente que dado que usted

esta calificado, es más probable que usted tenga algo de
capacitación en estadística que si no está calificado 0,67 > 0,20.-
Se perdió mucho tiempo entrevistando a los candidatos que
resultaron no calificados; sin embargo, el director está considerando
conceder entrevistas solo a aquellos candidatos que tengan
capacitación en estadística.-
El espera incrementar la probabilidad de encontrar candidatos
calificados para ocupar el cargo.- La pregunta sería entonces, ¿ es
más probable que usted esté calificado dado que ha tenido
capacitación, P (Q/T)?.-
Si es así, el departamento de in podría evitar demoras y costo
innecesario restringiendo las entrevistas solo a aquellos candidatos
que tengan capacitación en análisis estadístico.-
SOLUCION

Utilizando la regla de probabilidad condicional,

P (Q ∩ T) P (Q) * P ( T/Q) 0,60 * 0,67

P (Q/T) = = =
P (T) P (T) P (T)
Debido a que los registros de la empresa no proporcionan P (T), se
debe utilizar el teorema de Bayes para hallar el denominador.-
Existen dos formas en las que un candidato puede tener
entrenamiento previo: 1) el candidato puede estar calificado y tener
capacitación P (Q ∩ T) y 2) el candidato puede no estar calificado y
tener entrenamiento P (Q ∩ T).- Por tanto,
P (T) = P (Q ∩ T) + P (Q ∩ T) = 0,60 * 0,67 + 0,40 * 0,20 =
= 0,482
Entonces: 0,60 * 0,67
P (Q/T) = = 0,834
0,482

Conclusión: Para aumentar la probabilidad de entrevistar solo

candidatos calificados, el departamento de personal debería
entrevistar solamente a los candidatos que tienen capacitación en
análisis estadístico.-
 EJERCICIOS PARA HACER EN CLASE

1.- En cierta planta de montaje, cuatro máquinas B1. B2,

B3 y B4 montan 30,0%, 25,0%, 18% y 27% de los productos
respectivamente.- Se sabe por experiencia pasada que
4%, 3%, 2% y 2% de los productos ensamblados por cada
máquina, respectivamente tienen defectos.-
Ahora suponga que se selecciona de forma aleatoria un
producto terminado:
a) ¿Cuál es la probabilidad de que éste defectuoso?.-

b) ¿Cuál es la probabilidad de que si es defectuoso, este

ensamblado por la máquina B3?.-