Universidad Yacambú

Vicerrectorado Académico
Facultad de Ingeniería
Estadística Descriptiva
Prof. Alexis Bracho
Probabilidad
Probabilidad es el estudio de experimentos aleatorios o libres de determinación. Por ejemplo si
un dado es lanzado al aire, entonces hay certeza que caerá, pero no es cierto afirmar que
aparecerá un 6.
Históricamente, la teoría de la probabilidad comenzó con el estudio de los juegos de azar, tales
como la ruleta y las cartas. La probabilidad p de un evento A se definió como sigue: si A puede
ocurrir de e maneras entre un total de n igualmente posibles, entonces
e
P = P(A) 
n

Definición de Probabilidad
Número entre 0 y 1 inclusive, que mide la creencia que tiene de que llegue a ocurrir un evento
especifico que sea resultado de un experimento.

Espacio muestral
Es un conjunto S de todos los resultados posibles de un experimento dado. También se

ESTADÍSTCA DESCRIPTIVA
denomina evento seguro.

Punto muestral
Un resultado particular, esto es, un elemento de S.

Experimento
Un experimento puede tener uno o más resultados posibles a los que denominamos eventos.
Ejemplos:
1.- Preguntar a un grupo de personas que probaran tres computadoras personales, cuál
prefieren.
2.- Medir el diámetro exterior de anillos de pistón para determinar el número de defectuosos.
3.- Contar el número de reclusos en una prisión que tienen 60 años de edad o más.
4.- Hacer girar la llave de encendido de un automóvil que sale de la línea de ensamblaje para
determinar si el motor arranca o no.

Evento
El evento A es un subconjunto de resultados o, en otras palabras, un subconjunto del espacio
muestral S, es decir, un posible resultado de un experimento.

Evento 
Algunas veces se denomina evento imposible o imposibilidad.

Podemos combinar eventos para formar nuevos eventos, utilizando las diferentes operaciones
con conjuntos.
1.- A  B es el evento que sucede si y sólo si A o B o ambos suceden.
2.- A  B es el evento que sucede si y sólo si a y b suceden simultáneamente.
3.- A' , (complemento de A) es el evento que si y sólo si A no sucede.
4.- dos eventos A y B son llamados mutuamente excluyentes si son disyuntos, esto es, si
A  B  . En otras palabras, son mutuamente exclusivos si no pueden suceder
simultáneamente.

Axiomas de probabilidades

1.- Para todo evento A, 0  P(A)  1.

2.- P(S)=1

Elaborado por: Prof. Alexis Bracho 1

 Universidad Yacambú
Vicerrectorado Académico
Facultad de Ingeniería
Estadística Descriptiva
Prof. Alexis Bracho
3.- Si A y B son eventos mutuamente exclusivos, entonces: P ( A  B)  P(A) + P(B).
4.- Si A1, A2,… es una serie de eventos mutuamente exclusivos, entonces:
P(A 1 A 2 ...A n )  P(A 1 )  P(A 2 )  ... P(A n )
5.- Si  es el conjunto vació, entonces: P() = 0
6.- Si A' es el complemento de un evento A, entonces: P(A')  1- P(A)
7.- Si A  B, entonces: P(A)  P(B).
8.- Si A y B son dos eventos entonces: P(A \ B) = P(A) – P( A  B )
9.- Si A y B son dos eventos, entonces: P( A  B ) = P(A) + P(B) - P( A  B )
Observación: para los eventos A, B y C:
P(A  B  C)  P(A)  P(B)  P(C) - P(A  B) - P(A  C) - P(B  C)  P(A  B  C)

Enfoques de probabilidad
En los enfoques de la teoría de probabilidad son dos puntos de vista: objetivo y subjetivo.
La probabilidad objetiva puede dividirse en clásica o a priori y en el concepto de frecuencia
relativa o probabilidad a posteriori.

ESTADÍSTCA DESCRIPTIVA
Probabilidad clásica o a priori
Este enfoque se basa en que los resultados de un experimento son igualmente posibles.
Número de resultados favorables
Probabilid ad de un evento 
Número de resultados posibles
Ejemplo:
El experimento consiste en observar la ara que muestre hacia arriba al caer un dado, ¿Cuál es
la probabilidad de obtener un 2?
1 Número de resultados favorables
Probabilidad de un dos 
6 Número de resultados posibles
 P (2)  0.167
Si sólo un evento puede ocurrir cada vez, se dice que los eventos son mutuamente excluyentes.

Ejemplo:
El evento de tirar un dado tiene seis posibles resultados y son eventos mutuamente excluyentes
si al tirar el dado cae cinco, no puede ocurrir al mismo tiempo que caiga dos.

Si un experimento tiene un conjunto de eventos que incluye cada uno de los resultados
posibles, como en el dado, se dice que el conjunto de eventos es colectivamente exhaustivo.
Para que se pueda aplicar el enfoque clásico, los eventos deben tener las posibilidades de
ocurrir (a lo que se denomina eventos igualmente posibles). Además el conjunto excluyente y
exhaustivo en forma colectiva.

Concepto de frecuencia relativa

Probabilidad de que un evento ocurra a largo plazo se determina observando en que fracción
de tiempo sucedieron eventos en el pasado.
Número de veces que el evento ocurrio en el pasado
Probabilidad de que un evento suceda 
Número total de observaciones
Ejemplos:
1.- Una clase consta de 10 hombres y 20 mujeres de los cuales la mitad de los hombres y la
mitad de las mujeres tienen los ojos castaños. Hallar la probabilidad p de que una persona
escogida al azar sea hombre o tenga los ojos castaños.
3 1 1
2.- Sean A y B eventos con P(A)  , P (B)  y P ( A  B)  . Hallar a) P
8 2 4
( A  B)  ?,

Elaborado por: Prof. Alexis Bracho 2

 Universidad Yacambú
Vicerrectorado Académico
Facultad de Ingeniería
Estadística Descriptiva
Prof. Alexis Bracho
b) P (A’)=? y P (B’)=?, c) P ( A'B' )  ?, d) P ( A'B' )  ?, e)P ( A  B' )  ? y f)P
(B  A' )  ?
3 2 1
3.- Sean A y B eventos con P ( A  B)  , P ( A' )  y P ( A  B)  . Hallar a)
4 3 4
P(A)=?, P(B)=? Y P ( A  B' )  ?
7 1 5
4.- Sean A y B eventos con P ( A  B)  , P ( A  B)  y P ( A' )  . Hallar a)
8 4 8
P(A)=?, b) P(B)=? y P ( A  B' )  ?
1 3 5
5.- Sean A y B eventos con P(A)  , P ( A  B)  , P (B' )  . Hallar a) P ( A  B)  ?
2 4 8
b) P ( A'B' )  ?, c) P ( A'B' )  ? y d) P (B  A' )  ?
6.- Sean A y B eventos con P(A) = 0.2, P (B)= 0.3, y P ( A  B)  0.4. Hallar a) P ( A  B) 
?, b) P ( A'B' )  ?
7.- Un sistema para detectar humo utiliza dos dispositivos, A y B. Si hay humo, la probabilidad
de que sea detectado por el dispositivo A es de 0.95, por el dispositivo B, 0.98 y por ambos,

ESTADÍSTCA DESCRIPTIVA
0.98. a) Si hay humo, encuentre la probabilidad de que sea detectado por cualquiera de los dos
dispositivos A o B, o por ambos. b) Encuentre la probabilidad de que no sea detectado el humo.
8.- Una encuesta a ejecutivos de alto nivel reveló que 35% lee con regularidad la revista Time,
20% lee Newsweek y 40% lee U.S. News & World Report; 10% leen tanto Time como U.S.
News & World Report. a) ¿cuál es la probabilidad de que un ejecutivo especifico de nivel
superior lea Time o U.S. News & World Report con regularidad? b) ¿Cómo se denomina a la
probabilidad 0.10? c) ¿Los eventos son mutuamente excluyentes? Explique su respuesta.

Probabilidad condicional
Sea A un evento arbitrario de un espacio muestral S con P(A) 0. La probabilidad de que un
evento B suceda una vez que A haya sucedido o, en otras palabras, la probabilidad condicional
de B dado A, escrito P (B/A), se define:
P( A  B)
P (B/A) 
P( A)
Ejemplo:
En cierta facultad el 25% de los estudiantes pierden Matemática, 15% pierden Química y 10%
pierden las dos. Seleccione al azar:
1.- Si perdió Química,¿ Cuál es la probabilidad de que perdió Matemática?
2.- Si perdió Matemática, ¿Cuál es la probabilidad de que perdió Química?
3.- ¿Cuál es la probabilidad que perdió matemática o Química?
Datos:
P(M)= 0,25, P(Q)= 0,15 y P( A  B ) = 0,10
Solución:
Por definición de probabilidad condicional:
P( M  Q) 0,10 2
1.- P(M / Q )   
P(Q) 0,15 3
P( M  Q) 0,10 2
2.- P(Q / M )   
P(M) 0,25 5
Por el teorema de la unión:

3
3.- P( M  Q ) = P(M) + P(Q) - P( M  Q ) = 0,25 + 0,15 – 0,10 =
10
Ejemplo:

Elaborado por: Prof. Alexis Bracho 3

 Universidad Yacambú
Vicerrectorado Académico
Facultad de Ingeniería
Estadística Descriptiva
Prof. Alexis Bracho
1 1 1
Sean los eventos A y B con P(A)  , P (B)  y P ( A  B)  . Hallar: 1.- P(A/B)=?
2 3 4
2.- P(B/A)=?, y P (A B)  ?
Solución:
1
P( A  B) 3
1.- P(A / B )   4 
P(B) 1 4
3

1
P( A  B) 1
2.- P(B / A)   4 
P(A) 1 2
2
1 1 1 7
3.- P( A  B ) = P(A) + P(B) - P( A  B ) = + - =
2 3 4 12
Teorema de la multiplicación

ESTADÍSTCA DESCRIPTIVA
Si multiplicamos en cruz la ecuación que define la probabilidad condicional y usamos el hecho
de que A  B = B  A , obtenemos la siguiente expresión:
Teorema:
P(A  B)  P(A) P(B/A)
Observación: este teorema puede extenderse para los eventos A 1, A2,…, An.
P(A 1  A 2 ...A n )  P(A 1 ) P(A 2 /A 1 ) P(A 3 /A 1 A 2 ).... P(A n /A 1 A 2 ...A n-1 )

Procesos estocásticos finitos y diagrama de árbol

Una sucesión (finita) de experimentos en los cuales cada experimento tiene un número finito de
resultados con probabilidades dadas se llama proceso estocástico finito. Una manera
conveniente de describir tal proceso y calcular la probabilidad de un evento se obtiene por
diagrama de árbol.
Ejemplo:
Tomemos las tres cajas siguientes:
Caja I: contiene 10 lámparas de las cuales 4 son defectuosas.
Caja II: contiene 6 con 1 defectuosa.
Caja III: contiene 8 con 3 defectuosas.
Al escoger una caja al azar y luego sacamos al azar una lámpara. ¿Cuál es la probabilidad p de
que la lámpara sea defectuosa?
Luego realizamos una serie de experimentos:
1.- Escoger una de las tres cajas.
2.- Escoger una lámpara que sea defectuosa (D) o no sea defectuosa (N).
Diagrama

Elaborado por: Prof. Alexis Bracho 4

 Universidad Yacambú
Vicerrectorado Académico
Facultad de Ingeniería
Estadística Descriptiva
Prof. Alexis Bracho

4 2
 D
10 5

1 I 6

3
N
3 10 5
1
1
6 D
3 II 5
1
6
3 N
3 8 D
III
5
N
8

1 2 1 1 1 3 2 1 3 113
P *  *  *      0.314

ESTADÍSTCA DESCRIPTIVA
3 5 3 6 3 8 15 18 24 360

Teorema de Bayes
Supongamos que los eventos A1, A2,…, An forman una partición de un espacio muestral
S, esto es, que los eventos; son mutuamente exclusivos y que la unión es S. Ahora sea B otro
evento entonces:
B  S  B  ( A 1  A 2 ....  A n )  B
 (A 1  B)  (A 2  B)  .... (A n  B)
donde las Ai  B son eventos mutuamente exclusivos. En consecuencia:
P(B)  P(A 1  B)  P(A 2  B) ...  P(A n  B)
Luego por el teorema de la multiplicación
P(B)  P(A 1 ) P( B/A1 )  P(A 2 ) P( B/A 2 ) ...  P(A n ) P( B/ A n ) (1)
Por otra parte, para cualquier i, la probabilidad condicional de Ai dado B se define:

P( A  B)
P(A / B )  i
i P(B)
luego esta ecuación en (1) para remplazarla P(B) y usamos
P(A i  B)  P(A) P(B/A i ) para remplazar P(A i  B) , obtenemos el TEOREMA DE
BAYES.
Teorema de bayes

Elaborado por: Prof. Alexis Bracho 5

 Universidad Yacambú
Vicerrectorado Académico
Facultad de Ingeniería
Estadística Descriptiva
Prof. Alexis Bracho
Supóngase que A1, A2,…An es una partición de S y B es cualquier evento. Entonces para
cualquier i:

An
A1 …..

B
A4
A2
A3

P(A i ) (B/A i )
P(A i /B) 
P(A 1 ) P(B/A 1)  P(A 2 ) P(B/A 2 )  ... P(A n ) P(B/A n )
Ejemplo:

ESTADÍSTCA DESCRIPTIVA
1.-Tres maquinas A, B y C producen respectivamente 50%, 30% y 20% del número total de
artículos de una fábrica. Los porcentajes de desperfectos de producción de estas máquinas son
3%, 4% y 5%. Si se selecciona al azar un artículo, hallar la probabilidad de que el artículo sea
defectuoso.
Solución:
Sea X el evento que el artículo sea defectuoso. Entonces:
P(X)  P(A) P(X/A)  P(B) P( X/B)  P(C ) P(X/ C)
P(X)  (0.50) (0.03)  (0.30) ( 0.04)  (0.20 ) (0.05)  0.037
Luego supongamos que se seleccione el artículo al azar y resulta ser defectuoso. Hallar la
probabilidad de que se el artículo producido por la maquina A:

P(A) (X/A)
P(A/X) 
P(A) P(X/A)  P(B) P(X/B)  P(C) P(X/C)

(0.50) (0.03) 15
P(A/X)  
(0.50) (0.03)  (0.30) (0.04)  (0.20) (0.05) 37

2.- Tres máquinas A, B y C producen respectivamente 60%, 30% y 10% del número total de
artículos de una fabrica. Los porcentajes de defectos de estas máquinas son respectivamente
2%, 3% y 4%. Seleccionado un artículo al azar resultó defectuoso. Hallar l probabilidad de que
el artículo hubiese sido producido por la máquina C.
3.- En cierta facultad, 4% de los hombres y 1% de las mujeres tienen más de seis pies de
estatura. Además, 60% de los estudiantes son mujeres. Ahora bien si se selecciona al azar un
estudiante y es más alto que seis pies, ¿cuál es la probabilidad que el estudiante sea mujer?
4.- Se nos dan tres urnas como sigue: Una urna A contiene 3 bolas rojas y 5 bolas blancas. Una
urna B contiene 2 bolas rojas y 1 blancas. Una urna C contiene 2 bolas rojas y 3 bolas blancas.
Se selecciona una urna al azar y se saca una bola de la urna. Si la bola es roja, ¿cuál es la
probabilidad de que proceda de la urna A?

Independencia estadística
Se dice que un evento B es independiente de un evento A si la probabilidad de que B suceda no
esta influenciada porque A haya o no sucedido. En otras palabras, si la probabilidad de B iguala

Elaborado por: Prof. Alexis Bracho 6

 Universidad Yacambú
Vicerrectorado Académico
Facultad de Ingeniería
Estadística Descriptiva
Prof. Alexis Bracho
la probabilidad condicional de B dado A: P(B)= P(B/A). Ahora sustituyendo P(B) por P(B/A) en
el teorema de la multiplicación P(A  B) = P(A) P(B/A), obtenemos P(A  B) = P(A) P(B).
Usamos esta expresión como la definición de independencia estadística.
Ejemplo:
1 2
1.- La probabilidad de que A dé en el blanco es y la de B es . Si y B disparan, ¿cuál es
4 5
la probabilidad de que se pegue al blanco?.
Datos:
1 2
P(A)= , P(B) = y buscamos P(A  B)=?, que es la probabilidad de que A o B den en el
4 5
blanco no depende, de que el otro dé; esto es, el evento de que dé A en el blanco es
independiente del evento de que B dé en el blanco. P(A  B) = P(A) P(B).
Luego:
P(A  B) = P(A) +P(B) - P(A  B)
1 2  1 2  11
P(A  B) = P(A) +P(B) - P(A) P(B) = + -  * 
4 5  4 5  20

ESTADÍSTCA DESCRIPTIVA
1
2.- La probabilidad de que un hombre vivirá 10 años más es , y la probabilidad de que su
4
1
esposa vivirá 10 años más es . Hallar la probabilidad de que: a) Ambos estén vivos dentro
3
de 10 años. b) Al menos uno estará vivo a los 10 años. c) Ninguno estará vivo a los 10 años. d)
Solamente la esposa estará viva a los 10 años.
Sea A el evento de que el hombre viva a los 10 años. Sea B el evento de que la esposa esté
1 1
viva a los 10 años, es decir, P(A)= y P(B)= .
4 3
Solución:
a) Encontremos la P(A  B), debido que A y B son eventos independientes.
1 1 1
P(A  B) = P(A) P(B) = * =
4 3 12
b) Para P(A  B). Tenemos que:
1 1 1 1
P(A  B) = P(A) +P(B) - P(A  B) = + - =
4 3 12 2
c) Encontremos, P(A'  B'). Ahora por eventos complementarios se obtiene lo siguiente:
1 3 1 2
P(A')  1 - P(A)  1-  , y para el evento B, P(B')  1- P(B)  1-  , luego
4 4 3 3
3 2 1
como A' y B' son independientes, P(A'  B')  P(A') P(B')  *  .
4 3 2
También se puede obtener el mismo resultado de la siguiente manera:
 AB'   A' B', P(A'  B')  P  AB'  1 - P A  B  1 - 1  1
2 2
d) Busquemos P(A'  B) , luego por eventos complementarios
1 3
P(A')  1 - P(A)  1-  y como A' y B , son independientes
4 4
3 1 1
P A' B   P(A') P(B)  *  .
4 3 4
Variables Aleatorias
Cantidad que es resultado de un experimento aleatorio que, debido al azar, puede tomar
distintos valores.

Elaborado por: Prof. Alexis Bracho 7

 Universidad Yacambú
Vicerrectorado Académico
Facultad de Ingeniería
Estadística Descriptiva
Prof. Alexis Bracho
Variable aleatoria discreta
Variable que sólo puede tener ciertos valores claramente separados y que es el resultado de
contar algún elemento de interés.
Variable aleatoria continúa
Variable que puede tomar unote una cantidad infinitamente grande de valores dentro de ciertos
límites.
Media
La media es un valor representativo que sirve para representar una distribución probabilística.
También es el valor promedio a largo plazo de la variable aleatoria. Puede denominarse valor
esperado o expectativa, E(x), de la variable.
  E(x)    x * P(x)
P(x) es la probabilidad de los resultados de x, es decir, se multiplica cada valor de x por su
probabilidad de ocurrencia y se suman los productos.
Varianza
La medida es el valor característico utilizado para representar una distribución, pero no describe
el grado de dispersión –o variación- en una distribución. La variancia si lo hace.
σ2   x-   2
* P(x) 

ESTADÍSTCA DESCRIPTIVA
Ejemplo:
Una persona vende automóviles nuevos para una expresa. Generalmente negocia el mayor
número de autos los sábados. Ha establecido la siguiente distribución de probabilidad para el
número de autos que espera vender en un sábado en particular:

Número de autos vendidos

Autos x Probabilidad P(x)
0 0.10
1 0.20
2 0.30
3 0.30
4 0.10
Total 1.00

1.- ¿Qué tipo de distribución es está?

2.- En un sábado común, ¿cuántos autos espera vender?
3.- ¿Cuál es la variancia de la distribución?
Solución:
1.- Es una distribución de probabilidad discreta. Espera vender en cierto intervalo y no espera 5
o 50 autos. Sólo puede vender 0, 1, 2, 3, 4. y son eventos mutuamente excluyentes solo puede
vender 3 y 4 autos.
2.-
  E(x)    x * P(x)  0*(0.109  1 * (0.20)  2*(0.30)  3*(0.30)  4*(0.10)  2.1
Espera vender un mínimo de 2.1 auto en un sábado cualquiera.

3.-
Número de autos vendidos
x P(x) x- (x-)2 (x-)2 * P(x)
0 0.10 0 - 2.1 4.41 0.441
1 0.20 1 - 2.1 1.21 0.242
2 0.30 2 - 2.1 0.01 0.003
3 0.30 3 - 2.1 0.81 0.243

Elaborado por: Prof. Alexis Bracho 8

 Universidad Yacambú
Vicerrectorado Académico
Facultad de Ingeniería
Estadística Descriptiva
Prof. Alexis Bracho
4 0.10 4 - 2.1 3.61 0.361
Total 1.00  = 1.290
2

La desviación estándar es σ   2  1.290  1. 136 autos.

ESTADÍSTCA DESCRIPTIVA

Elaborado por: Prof. Alexis Bracho 9