1

INTRODUCCION A LA TEORIA DE LA PROBABILIDAD

LUIS ANTONIO CERVANTES ORTEGA
RAFAEL EDUARDO PEDROZA MANGA
MIGUEL NGEL SEGURA GAZCN
RAFAEL RICARDO VERLSQUEZ HERNNDEZ








UNIVERSIDAD DE CARTAGENA
CARTAGENA - BOLIVAR
2013

2
TABLA DE CONTENIDO
Pg.
1. Resea histrica de la teora de probabilidad.... 2
2. Axiomas relacionados con la teora de la probabilidad 2
3. Sucesos o eventos . 4
4. Teoremas relacionados con la teora de la probabilidad... 5
5. Reglas de la teora de probabilidad 7
6. Terminologa de uso frecuente en probabilidad.. 8
7. Espacio muestral. 8
8. Operaciones con sucesos o eventos. 9
9. Eventos disjuntos .. 11
10. Eventos estadsticamente independientes. 12
11. Probabilidad marginal 13
12. Probabilidad conjunta 13
13. Probabilidad condicional.. 14
14. La regla de bayes.. 14
15. Tcnicas de conteo.. 15
16. Ejercicios de aplicacin. 17










3
RESEA HISTRICA DE LA TEORA DE PROBABILIDAD
El concepto de la probabilidad y el azar siempre ha estado en la mente del ser humano ejemplo
de esto tenemos a los Sumerios y Asirios que utilizaban un hueso extrado de animales como
ovejas llamado astrgalo o talus el cual tallaban para que pudieran caer en cuatro posiciones
distintas; los egipcios, en algunas pinturas encontradas en las tumbas de los faraones muestran
tanto astrgalos como tableros para el registro de los resultados; los romanos practicaba juegos de
dados.
La historia de la probabilidad comienza en el siglo XVII cuando Pierre Fermat y Blaise Pascal tratan
de resolver algunos problemas relacionados con los juegos de azar; Despus de esto Christian
Huygens conoci la correspondencia entre Blaise Pascal y Pierre Fermat suscitada por el caballero
De Mr, se plante el debate de determinar la probabilidad de ganar una partida, y public (en
1657) el primer libro sobre probabilidad: De Ratiociniis in Ludo Aleae, (Calculating in Games of
Chance.
Durante el siglo XVIII, debido a la popularidad de los juegos de azar, el clculo de probabilidades
tuvo un notable desarrollo sobre la base de la anterior definicin de probabilidad. Por eso en
1713se crea el teorema de Bernoulli y la distribucin binomial adems en 1738 se ve el primer
caso particular estudiado por De Moivre el cual fue llamado teorema central del lmite.
En 1809 Gauss inici el estudio de la teora de errores la cual en 1810 Laplace continuo y
complet el desarrollo de esta teora; dos aos despus Pierre Laplace public Thorie analytique
des probabilits en el que expone un anlisis matemtico sobre los juegos de azar.
En el siglo XIX un fraile, Gregor Mendel creo su obra, La matemtica de la Herencia la cual fue una
de las primeras aplicaciones importantes de la teora de probabilidad a las ciencias naturales.
A comiensos del siglo XX el matemtico ruso Andrei Kolmogorov la defini la probabilidad de
forma axiomtica estableciendo las bases para la moderna teora de la probabilidad.


AXIOMAS RELACIONADOS CON LA TEORA DE LA PROBABILIDAD
En 1933 Kolmogrov formulo los axiomas de probabilidad que son las condiciones mnimas que
deben verificarse para que una funcin definida sobre un conjunto de sucesos determine
consistentemente sus probabilidades.
Dado un conjunto de sucesos elementales, , sobre el que se ha definida una -lgebra (lase
sigma-lgebra) de subconjuntos de y una funcin P que asigna valores reales a los miembros
de , a los que denominamos "sucesos", se dice que P es una probabilidad sobre (,) si se
cumplen los siguientes tres axiomas

4

Primer axioma
La probabilidad de un suceso A es un nmero real mayor o igual que 0.
()

Segundo axioma
La probabilidad del total es igual a 1 es decir: ()
Tenemos es rultado x1

Tercer axioma
Si A
1
,A
2
, son sucesos mutuamente excluyentes (incompatibles dos a dos, disjuntos o de
interseccin vaca dos a dos), entonces:
(

) (

)
Segn este axioma se puede calcular la probabilidad de un suceso compuesto de varias
alternativas mutuamente excluyentes sumando las probabilidades de sus componentes.


SUCESOS O EVENTOS
Evento o suceso, es un subconjunto de un espacio muestral o un conjunto de posibles resultados
que se pueden dar en un experimento aleatorio. Los sucesos o eventos son resultados que se dan
o que se pueden dar en un experimento.
Los sucesos son un conjunto de posibles resultados que se pueden dar en un experimento
aleatorio.
Hay diferentes tipos de sucesos:
Suceso elemental: que es un subconjunto del espacio muestral que contiene un nico
elemento adems Los sucesos elementales pueden tener probabilidades que son
estrictamente mayores que cero, cero, no definidas o cualquier combinacin de estas.
Un suceso compuesto es un subconjunto .

5
Los sucesos triviales son el conjunto universal y el conjunto vaco. Al primero se le llama
tambin evento seguro o cierto, y al segundo, evento imposible.
Sucesos excluyentes son dos eventos A y B, si ambos son conjuntos disjuntos.

Propiedades
Dados dos eventos y , entonces:
El evento ocurre si y ocurren a la vez.
El evento ocurre si por lo menos ocurre , o ambos.


TEOREMAS RELACIONADOS CON LA TEORA DE LA PROBABILIDAD
Teorema (Probabilidad compuesta)

Sea una coleccin de sucesos aleatorios. Entonces:



Esto lo podemos ver en:

Figura 1


6
Ya que

Y


Teorema (Probabilidad total)
Sea un sistema exhaustivo y excluyente de sucesos. Entonces




Esto lo podemos ver en:

Figura 2

Teorema (Bayes)

7
Sea un sistema exhaustivo y excluyente de sucesos. Sea un
suceso del que conocemos todas las cantidades , , a las que
denominamos verosimilitudes. Entonces se verifica:



REGLAS DE LA TEORA DE PROBABILIDAD
Regla de la adicin
La regla de la adicin o regla de la suma establece que la probabilidad de ocurrencia de cualquier
evento en particular es igual a la suma de las probabilidades individuales, si es que los eventos son
mutuamente excluyentes, es decir, que dos no pueden ocurrir al mismo tiempo.

P(A o B) = P(A) U P(B) = P(A) + P(B) si A y B son mutuamente excluyente. P(A o B) = P(A) + P(B)
P(A y B) si A y B son no excluyentes. Siendo: P(A) = probabilidad de ocurrencia del evento A. P(B) =
probabilidad de ocurrencia del evento B. P(A y B) = probabilidad de ocurrencia simultanea de los
eventos A y B.

Regla de la multiplicacin
La regla de la multiplicacin establece que la probabilidad de ocurrencia de dos o ms eventos
estadsticamente independientes es igual al producto de sus probabilidades individuales.
P(A y B) = P(A B) = P(A)P(B) si A y B son independientes. P(A y B) = P(A B) = P(A)P(B|A) si A y B son
dependientes.

Regla de Laplace
La regla de Laplace establece que:

8

La probabilidad de ocurrencia de un suceso imposible es 0.
La probabilidad de ocurrencia de un suceso seguro es 1, es decir, P(A) = 1.
Para aplicar la regla de Laplace es necesario que los experimentos den lugar a sucesos
equiprobables, es decir, que todos tengan o posean la misma probabilidad.
La probabilidad de que ocurra un suceso se calcula as:
P(A) = N de casos favorables / N de resultados posibles
Esto significa que, probabilidad es igual al nmero de casos favorables sobre o dividido el nmero
de resultados total de resultados posibles.

TERMINOLOGA DE USO FRECUENTE EN PROBABILIDAD
Experimento aleatorio: conjunto de pruebas cuyos resultados estn determinados
nicamente por el azar.
Espacio maestral: conjunto de todos los resultados posibles de un experimento
aleatorio
Punto maestral o suceso elemental: el resultado de una sola prueba de un
experimento maestral
Suceso o evento: cualquier subconjunto de puntos mustrales
Sucesos mutuamente excluyentes: sucesos o eventos que no pueden ocurrir
simultneamente.
Sucesos complementarios: dos sucesos o eventos mutuamente excluyentes cuya
unin es el espacio maestral
Sucesos independientes: sucesos o eventos que no tienen relacin entre s; la
ocurrencia de uno no afecta la ocurrencia del otro
Sucesos dependientes: sucesos o eventos que s tienen relacin entre s; la
ocurrencia de uno s afecta la ocurrencia del otro.

ESPACIO MUESTRAL
Es el conjunto de todos los posibles resultados de una experiencia aleatoria, lo representaremos
por E (o bien por la letra griega ).
Espacio muestral de una moneda: E = {C, X}.
Espacio muestral de un dado: E = {1, 2, 3, 4, 5, 6}.


9
Tipos De Espacios Muestral
Tipo Definicin
Discretos Son aquellos espacios donde el nmero de
sucesos elementales es finito o infinito
numerable.
Espacio Probabilstico discreto Es aquel cuyo espacio muestral es discreto.
Espacio Probabilstico Discreto
Equiprobable
Su espacio muestral es finito de tamao n.
La probabilidad de cualquier suceso
elemental E es
, de aqu se deduce que para
todo suceso A la probabilidad
es

Espacio Probabilistico Finito Su espacio muestral es discreto finito.
Hay al menos 2 sucesos elementales que
cumplen.

Espacio Probabilistico Infinito Contable Aquel cuyo espacio muestral es discreto
infinito contable
Continuos Son aquellos espacios donde el nmero de
sucesos elementales es infinito incontable


OPERACIONES CON SUCESOS O EVENTOS
Inclusin e igualdad de sucesos
Un suceso est incluido (o contenido) en otro suceso si todo suceso elemental perteneciente
a , pertenece tambin a . Esta inclusin se representa por .
Dos sucesos y son iguales si estn formados por los mismos sucesos elementales.
Ocurre que: y . Se representa por:



10
Unin de sucesos
Si tenemos dos sucesos y de un mismo experimento aleatorio, llamamos suceso
unin de y al suceso que se realiza cuando lo hacen o . Se representa
por .

Interseccin de sucesos
La interseccin de dos eventos A y B es el evento formado por los sucesos comunes de A y B. La
representacin de estos sucesos se realiza de la siguiente manera: A B, y se representa
grficamente como lo podemos apreciar en la figura 3:

Figura 3

Sucesos contrarios
Cuando la unin de dos sucesos es el espacio muestral y la interseccin de los mismos
conjuntos da el suceso imposible (conjunto vaco), decimos que ambos sucesos son
complementarios o contrarios.

Para un suceso cualquiera de un experimento aleatorio, llamamos suceso contrario
del suceso al suceso que se verifica cuando no se verifica , y viceversa. Se
representa por .

11
En cualquier espacio muestral, obtenido de la realizacin de un experimento aleatorio,
todo suceso que se considere tiene su contrario. Las propiedades ms significativas de los
sucesos contrarios son:

Donde representa el suceso seguro, compuesto por todos los sucesos elementales del
espacio muestral.

Suceso complementario.

Dado un suceso cualquiera A, se llama suceso complementario al formado por todos
aquellos sucesos elementales que no estn en A y se nota por A
c
.
Si en el experimento "lanzar un dado" se define el suceso A = "salir un mltiplo de tres"
A={3,6}, entonces A
c
= {1,2,4,5}.

De la definicin de suceso complementario se deduce inmediatamente que:
- A U A
c
=
- A A
c
=

EVENTOS DISJUNTOS
Dos sucesos o eventos son disjuntos cuando entre los dos no hay ningn elemento en comn; es
decir la interseccin de los dos es igual al sujeto vaco. En la figura 4 podemos apreciar dos
eventos disjuntos:

Figura 4

12


EVENTOS ESTADISTICAMENTE INDEPENDIENTES
Si tenemos dos eventos A y B con probabilidades positivas, en general la probabilidad condicional
del evento B dado un evento A es diferente de la probabilidad del evento B. Pero si tenemos la
siguiente igualdad: P(B/A) = P(B) nos da a entender que el evento B es independiente del evento
A. sea hecho de que ocurra o no el evento A no implica o afecta al evento B.
Para esto tenemos dos proposiciones:
Proposicin 1: Si B es independiente de A, entonces A es independiente de B.
Demostrando:
(|)
( )
()
Y (|)
( )
()

Si se despeja tenemos ( ) (|) () (|) () (1)
Como el evento B es independiente del evento A tenemos: (|) () al sustituir en
(1) tenemos: ( ) (|) () () ()
Por lo tanto, (|) () () (), de donde (|) ().
Esto nos indica que el evento A es totalmente independiente del evento B.

Proposicin 2: A y B son independientes si y slo si ( ) ()()
Demostrando: Si A y B son independientes tenemos:
(|) () (|) () (2)
Tomando la definicin de probabilidad condicional obtenemos la ecuacin (3)
( ) (|) () (|) () (3)
Si sustituimos (2) en (3) tenemos:
( ) () () () () por tanto:

13
(|)
( )
()

()()
()
()
(|)
( )
()

() ()
()
()
Con lo que se concluye que el evento A es independiente del evento B y B es independiente del
evento A.


PROBABILIDAD MARGINAL
Considerese dos eventos A
j
y B
j
la probabilidad marginal de un evento B
j
es igual a la suma de
probabilidades conjuntas del evento B
j
y los eventos A
j
, la suma se realiza sobre los eventos A
j.

Tambien puede hallarse la probabilidad marginal de un evento A
j,
sta sera igual a la suma de
probabilidades conjuntas del evento A
j
y los eventos B
j
, la suma se realiza sobre los eventos B
j.

Representando lo dicho anteriormente a travs de frmulas tenemos:
A
i
: P(A
i
)=
j=1
n
P(A
i
B
j
) y B
i
: P(B
i
)=
j=1
n
P(B
i
A
j
) respectivamente.

PROBABILIDAD CONJUNTA
La probabilidad conjunta se considera como la probabilidad de ocurrencia de dos o ms eventos.
Se tiene la expresin (|)
( )
()
despejando (|) tenemos:
(|) () (|) a esta expresin se le conoce como la Ley de multiplicacin de
probabilidades.
A ( ) se le conoce como probabilidad conjunta, la cual indica la probabilidad que se
encuentren resultados comunes entre los eventos A y B.



14
PROBABILIDAD CONDICIONAL
La probabilidad de que ocurra un evento B cuando sabemos que un evento A ocurri, es conocida
como probabilidad condicional y se representa con el smbolo (|).
Se puede realizar la lectura de este simbolo como la probabilidad de que ocurra B dado que
ocurri A la probabilidad de B dado A.
Esta probabilidad se define como:
(|)
( )
()
()


LA REGLA DE BAYES
La regla de Bayes es un caso especial de la probabilidad condicional que se aplica cuando se desea
calcular la probabilidad condicional de un evento que ocurri primero dado lo que ocurri
despus. Para llegar a establecer tan til regla vamos a estudiar una proposicin previa.
Proposicin 3.8: Sean A
l
, A
2
, ,A
k
, una particin de S, esto es
A
i
A
j
= , y . Entonces para cualquier evento
B se tiene que: P(B) = P(A
1
) P(B/A
1
) + P(A
2
) P(B/A
2
) + + P(A
k
)P(B/A
k
)
Demostracin: Considrese el siguiente diagrama

P(B) = P(B S)
= P[B (A
1
A
2
A
k
)]
= P[(B A
1
) (B A
2
) (B A
k
)] (unin de eventos mutuamente excluyentes)
= P(B A
1
) + P(B A
2
) + +P(B A
k
) (por el axioma 3)

15
= P(A
1
)P(B/A
1
)+ P(A
2
)P(B/A
2
)+ +P(A
k
)P(B/A
k
) (por ecuacin [3.3])
=

TCNICAS DE CONTEO
Si un evento puede suceder o realizarse de n maneras diferentes y si, continuando el
procedimiento un segundo ejemplo puede realizarse de n1 maneras diferentes y as
sucesivamente, entonces el numero de maneras en que los eventos pueden realizarse en el orden
indicado es el producto de n1*n2*n3
Notacin Factorial
El producto de nmeros enteros positivos desde 1 hasta n se emplea con mucha frecuencia en
matemticas y lo denotaremos por el smbolo n!


( )( )
( )
( )( ) ( )( )

( )
( )

( )( )
( )
( )


Permutaciones
Una ordenacin de un conjunto de n objetos en un orden dado se llama permutacin de los
objetos (tomados todos a la vez). Una ordenacin de numero r de dichos objetos r<=n en un orden
dado se llama una permutacin r o permutacin de n objetos tomados r a la vez.

Existen 3 tipos de permutacin:
Permutacin Simple


16
Son permutaciones simples, de n elementos distintos, todas las agrupaciones de
esos n elementos, dispuestos linealmente, sin que ninguno falte o se repita. Estas agrupaciones
se diferencian entre s, slo por el orden de sus elementos.

Permutacin con Repeticin

Son permutaciones con repeticin de n elementos, no todos distintos, todas las agrupaciones
de n elementos, formadas por aquellos, dispuestos linealmente y sin que ninguno falte.


Permutacin Cclica (Circular)

Son permutaciones cclicas de n elementos distintos, todas las agrupaciones de
esos n elementos, dispuestos en forma circular, sin que ninguno falte o se repita.


( )

( )




( )

Combinaciones
Supongamos que tenemos una coleccin de n objetos. Una combinacin de n objetos tomados r a
la vez es un subconjunto de r elementos. En otras palabras una combinacin es una seleccin de r
o n objetos donde el orden no se tiene en cuenta

( )
( )

( )







17
EJEMPLOS DE APLICACION

























18
BIBLIOGRAFA
http://es.wikipedia.org/wiki/Sucesos_disjuntos
http://descargas.pntic.mec.es/cedec/mat3/contenidos/u11/M3_U11_contenidos/52_ope
raciones_con_sucesos.html
http://colposfesz.galeon.com/est501/probabi/teo/cap312/cap312.htm
http://www.mat.uda.cl/hsalinas/cursos/2011/2do/clase4.pdf
http://www.estadisticaparatodos.es/historia/histo_proba.html
http://www.bioestadistica.uma.es/libro/node52.htm
http://es.wikipedia.org/wiki/Probabilidad
http://www.amschool.edu.sv/paes/e6.htm
http://www.aulafacil.com/CursoEstadistica/Lecc-17-est.htm
http://www.ditutor.com/probabilidad/espacio_muestral.html