 Definiciones preliminares.

Experimento Aleatorio.
Espacio Muestral.
Evento.
Clases.
 Probabilidad Condicional.
 Probabilidad total.
 Teorema de Bayes.
 LOGRO DE LA SESIÓN

Al término de la sesión, el estudiante

resuelve ejercicios de probabilidades en
situaciones reales, aplicando los axiomas y
propiedades de las probabilidades,
demostrando el procedimiento correcto en
el tiempo establecido basado en las leyes
de probabilidad.
 ¿Cuál es la probabilidad de ganar en el juego de lotería?
 ¿Cuál es la probabilidad de que en un lote de artículos
producidos no hayan defectuosos?
 ¿Cuál es la probabilidad de obtener nota aprobatoria en
el curso de estadística aplicada?
 TEORÍA DE LA PROBABILIDAD

 En estos ejemplos se puede apreciar que

el resultado final no se conoce con
exactitud o certeza, existe por lo tanto
INCERTIDUMBRE.
 La necesidad de tener suficiente poder
para manejar la incertidumbre obliga a
estudiar y usar la teoría de la probabilidad.
Las probabilidades se ocupan de los denominados fenómenos o
experimentos.

¿QUÉ ES UNA PROBABILIDAD?

• Es un valor numérico que mide el grado de ocurrencia de un evento

específico (cuyo evento es resultado de un experimento).
 TEORÍA DE LA PROBABILIDAD

¿QUÉ ES UN EXPERIMENTO?
• Se llama experimento al conjunto de acciones reales o imaginarias,
realizadas con la finalidad de obtener resultados.
• Un experimento puede ser aleatorio o no aleatorio.
 TEORÍA DE LA PROBABILIDAD

1. Experimentos No Aleatorios:
Son aquellos cuyo resultado del experimento se
conoce con anterioridad y que puede describirse
por una fórmula matemática, física o química.

Ejemplos:
• Soltar una piedra en el aire.
• Lanzar una pelota en una tina con agua, etc.
 TEORÍA DE LA PROBABILIDAD

2. Experimentos Aleatorios:
Son aquellos cuyos resultados del experimento
no pueden predecirse con exactitud antes de
realizar el experimento.

Ejemplos:
• Lanzar una moneda y observar la cara
superior.
• Extraer una carta de una baraja y observar el
número que aparece.
 TEORÍA DE LA PROBABILIDAD

Un experimento aleatorio, es un proceso de observación donde el

resultado no se puede predecir y solo es posible conocerlo una vez que
sucede o se da.
Ejemplo:
ε = “Lanzamiento de un dado y su puntaje obtenido”

Resultado: Existe margen de duda en el resultado exacto, pues es

posible que éste aparezca 1,2,3,4,5 ó 6.

Luego el experimento es aleatorio.

 TEORÍA DE LA PROBABILIDAD

2.1. ESPACIO MUESTRAL.

Dado un experimento aleatorio ε, se llama espacio muestral de ε,
denotado por , al conjunto de todos los resultados posibles de dicho
experimento.

ξ  = w1, w2, ........, wn

ε = Lanzamiento de un dado y su puntaje obtenido.

ξ  = 1, 2, 3, 4, 5, 6 n() = 6
Cada w1 es un punto muestral, que corresponde a un resultado del experimento.
 TEORÍA DE LA PROBABILIDAD

2.2. SUCESO O EVENTO (A, B, C, ….. ).

Un suceso o evento de un experimento aleatorio ε, es cualquier
subconjunto del espacio muestral . Es aquel conjunto que contiene
resultados de un experimento aleatorio que tienen una característica
particular.
Si A⊂  ; A es un evento en 
Ejemplo 1:

Sea A = {El resultado es un número par al lanzar un dado}

Entonces, A = {w є  / w es par} = {2,4,6} ⊂ 
 TEORÍA DE LA PROBABILIDAD
Ejemplo 2:
ε = anotar el resultado de dos partidos de futbol jugados por los
estudiantes de la universidad (considerar G: partido ganado, E: Partido
empatado y p: partido perdido)

PARTIDO 2
Los posibles resultados son:
PARTIDO 1 G E P
G GG GE GP
E EG EE EP
P PG PE PP

El espacio muestral:
 = {GG, GE, GP, EG, EE, EP, PG, PE, PP}
 TEORÍA DE LA PROBABILIDAD
Algunos eventos o sucesos serían:

Evento A=Los dos partidos se ganaron.

A={GG}

Evento B=Uno de los dos partidos fueron empatados.

B= {GE, EG, EP, PE}

Evento C =Los dos partidos fueron perdidos

C= {PP}

Evento D = Ninguno de los tres partidos fueron ganados.

D= { }
 TEORÍA DE LA PROBABILIDAD

2.2.1. Evento seguro o suceso universal:(U)

Se llama así al evento que de todas maneras
debe ocurrir.

Ejemplo:
A = “Selección de un estudiante de género
masculino en la I.E. San Juan”
 TEORÍA DE LA PROBABILIDAD

2.2.2 Evento imposible:(ø)

Se llama asi, al evento que no va a ocurrir.

Ejemplo:
B=“Selección de un propietario de inmueble con
ingresos muy bajos de la Urb. El Golf”.
 TEORÍA DE LA PROBABILIDAD

2.2.3. Evento complementario:

El complemento del evento A, se denota por el símbolo 𝐴ҧ (se lee: no
A), y significa que el evento A no ocurre.

Ejemplo:
Sea A= Estudiante de UNT que pertenece a la selección de futbol.
Entonces el complemento será:

P(𝐴)ҧ = Estudiante de UNT que no pertenece a la selección de futbol.

 TEORÍA DE LA PROBABILIDAD

2.2.4. Eventos Mutuamente Excluyentes:

Dos o más eventos son mutuamente excluyentes, si la ocurrencia de
uno de ellos, anula la ocurrencia de los demás.

Ejemplo:
Sea el experimento aleatorio: “Selección de un docente de la UPAO, según
categoría Docente”.
Ω={Principal, Asociado, Auxiliar, Jefe de práctica}
Siendo alguno de los eventos:
A= Profesor Principal
B= Profesor Asociado
 TEORÍA DE LA PROBABILIDAD

2.2.5. Eventos Independientes:

Dos eventos son independientes si ambos no tienen ninguna relación
entre sí; es decir, si la ocurrencia de uno de ellos, no influye en la
ocurrencia del otro.

Ejemplo:
Sean los eventos
X= Primer alumno apruebe el examen de Estadística
Y= Segundo alumno apruebe el examen de Estadística

X e Y son independientes porque al ocurrir el evento X, éste no

influye para que el evento Y ocurra.
ENFOQUES DE LA PROBABILIDAD PARA SU CÁLCULO

A) ENFOQUE DE LA PROBABILIDAD CLÁSICA

𝑛(𝐹)
𝑃 𝐹 =
𝑛()

Ejemplo 1:

Si se lanza un dado, ¿Cual es la probabilidad de que el

resultado sea un número par?

21
ENFOQUES DE LA PROBABILIDAD PARA SU CÁLCULO

CANTIDAD DE
RESULTADOS
A FAVOR DEL
 F EVENTO
1 2
3
4 3
P[F] = = 0.5
5 6 6

CANTIDAD DE
RESULTADOS
RESULTADOS
DEL
DEL RESULTADOS
EXPERIMENTO
EXPERIMENTO DEL EVENTO

22
ENFOQUES DE LA PROBABILIDAD PARA SU CÁLCULO

B) CONCEPTO DE FRECUENCIA RELATIVA

Probabilidad de un evento (o suceso), es la frecuencia relativa, ó (%) de
veces que ocurriría el evento (o suceso) al realizar un experimento
repetidas veces.

23
Ejemplo 2:
CUADRO. 03

DISTRIBUCIÓN DE LOS 50 TRABAJADORES DE LA EMPRESA INCA

KOLA SEGÚN SU ESTADO CIVIL. ENERO 2015.

Estado Civil Nº trabajadores % de trabajadores

CASADO 14
SOLTERO 16
VIUDO 2
Total general 32

Fuente: Oficina de personal de la empresa Inca Kola

Ejemplo 3:
ε: Extracción de una carta de 52 naipes
Cuál es la probabilidad de que?
A. Sea espada
B. Sea menor de 9
C. Sea 13

SOLUCIÓN:
A. Sea espada:
P [A]= n(A) / n(Ω)
= 13/52= 0.25 ó 25%
B. Sea menor de 9:
8 cartas son menores que 9, por lo tanto el total de cartas es igual a 32
(8*4).
P [B] = n(B) / n(Ω)=32/52
= 0.6153 ó 61.53%

C. Sea 13:
La prob. de que sea 13 es de 4.
(el 13 , el 13 , el 13  y el 13 )
P [C]= n(C)/n(Ω) = 4/52
= 0.0769 ó 7.69%
 PROPIEDADES EN EL CÁLCULO DE
PROBABILIDADES

OPERACIONES CON EVENTOS: Dados los eventos A y B.

A) UNIÓN: La unión o reunión de A y B, que se denota AUB, es el evento

AUB={w   / w  A ó w  B}


A B
 PROPIEDADES EN EL CÁLCULO DE
PROBABILIDADES

Unión de sucesos:  se lee “o”

Luego las probabilidades se calculan así:
Caso a) P [A  B]= P[A] + P[B]

Los eventos A y B son mutuamente excluyentes.

Caso b) P[A B]= P[A] + P[B] – P [AB]

Los eventos A y B son eventos cualquiera.
 PROPIEDADES EN EL CÁLCULO DE
PROBABILIDADES
B) INTERSECCIÓN: La intersección de A y B, que se denota AՈB, es
el evento
AB = {w   / w  A y w  B}

A B


Luego la probabilidad se calcula como: P [A  B]= n [AB]/n()

 PROPIEDADES EN EL CÁLCULO DE
PROBABILIDADES

Observación:
Si A Ո B =  , se dice que A y B son eventos mutuamente excluyentes
ó incompatibles ó disjuntos.

B

A
C) COMPLEMENTO: El complemento de A, que se denota por A , se
define como el evento formado por los elementos de  que no están
en A. También se le denomina evento opuesto o contrario.

A ={w   / w  A}


A A
EJEMPLO: En la producción varillas de aluminio, existen ciertas especificaciones
para la longitud y diámetro. Para cada una de estas, la longitud puede ser demasiado
corto, demasiado larga o estar bien y el diámetro se puede clasificar en muy delgado,
muy grueso o estar bien. En una población de mil varillas, el numero de ellas en cada
clase es:

DIAMETRO
LONGITUD MUY DELGADO ESTA BIEN MUY GRUESO
DEMASIADO CORTA 10 3 5
ESTA BIEN 38 900 4
DEMASIADO LARGA 2 25 13

A PARTIR DE LA TABLA MOSTRADA CALCULAR LAS SIGUIENTES PROBABILIDADES:

a. ¿Cuál es la probabilidad de que la longitud sea demasiado corta.
P [Demasiado corta]= n(LDC) / n(Ω)= 18/1000
= 0.018 ó 1.8%

b. ¿Cuál es la probabilidad de que el diámetro este bien?

P [Diámetro este bien]= n(DB)/n(Ω)= 928/1000
= 0.928 ó 92.8%

c. ¿Cuál es la probabilidad de que la longitud sea demasiado corta y el

diámetro sea muy grueso?
P [Demasiado corta y el diámetro muy grueso]=
n(LDC ∩ DMG) / n(Ω)= 5/1000 = 0.005 ó 0.5%
d. ¿Cual es la probabilidad de que la varilla sea de diámetro muy grueso o la
longitud sea demasiado larga?

P [DMG  LDL] = P [DMG] + P [LDL] - P[DMG  LDL]

= 22/1000 + 40/1000 – 13/1000

= 49/1000 = 0.049 ó 4.9%

e. ¿Cual es la probabilidad de que la varilla sea de longitud demasiado larga o
este bien?

P [LDL  LEB] = P [LDL] + P [LEB]

= 40/1000 + 942/1000

= 982/1000= 0.982 ó 98.2%

 PROBABILIDAD CONDICIONAL

• Se denota por P(A/ B), donde / significa condicionado, dado, etcétera.

• Se utiliza para calcular la probabilidad de un evento que está
condicionado a un subconjunto del espacio muestral.
• Se define de la siguiente manera:
P(A∩B)
P (A / B )= ---------------- , P (B) > 0
P(B)
n( A ∩ B )
Error muy frecuente: No confunda
P (A / B )= ---------------- probabilidad condicionada con intersección.
n(B)
Del ejemplo anterior calcular las siguientes probabilidades condicionales:

a. Si se sabe que la longitud esta bien. ¿Cuál es la probabilidad de que el

diámetro sea muy delgado?
P [Diámetro sea muy delgado /Longitud esta bien]=
n(DMD ∩ LEB) / n(LEB)= 38/942 = 0.040 o 4.0 %

b. ¿Cuál es la probabilidad de que el diámetro este bien, DADO QUE la

longitud es demasiado larga?
P [Diámetro este bien / Longitud es demasiado larga ]=

n(DEB ∩ LDL) /n(LDL)= 25/40= 0.625 ó 62.5%

 INDEPENDENCIA DE EVENTOS

Dos eventos son independientes si el que ocurra uno, no añade

información sobre el otro. Es decir, la ocurrencia de uno no influye
en la ocurrencia del otro
A es independiente de B
 P(A|B) = P(A)
 P(AB) = P(A) P(B)
 MULTIPLICACION DE PROBABILIDADES

De lo anterior.....

P( B  A ) P(A/B) = P( A  B )
P(B/A) =
P (A ) P (B )

P( AB )= P(A)P(B/A)= P(B)P(A/B)

 TEOREMA DE BAYES

• Este es el TEOREMA mas importante en el calculo de

probabilidades.
• Para conocer este teorema se deben conocer previamente
algunas definiciones:
 TEOREMA DE BAYES

A. PARTICION:
Se llama partición al conjunto de eventos del espacio muestral Ω,
que cumple con 2 características:
a. U Ai = Ω (los eventos son colectivamente exhaustivos)
b. ∩ Ai = Ø (los eventos son mutuamente excluyentes)

Ω A1 A2 A3 A4 U Ai = Ω
∩ Ai = Ø
 TEOREMA DE BAYES

B. PROBABILIDAD TOTAL:
Si A1, A2, … , An es una partición de Ω y B es un subconjunto
cualquiera dentro de Ω, entonces:
A1 A2 A3 A4 B
Ω
(A1∩B) (A2∩B) (A3∩B) (A4∩B)

P(B) = ∑ P(Ai).P(B/Ai)
TEOREMA DE BAYES: Si A1, A2, … , An es una partición de Ω y B es
un subconjunto cualquiera dentro de Ω, entonces, la probabilidad de
que ocurra un evento Ai, cuando el evento B ha ocurrido es:

A1 A2 A3 A4

Ω
(A1/B)

P ( Ai / B ) =
 Ejemplo de Aplicación
En una línea de producción hay dos procesos, A y B. En el proceso
A hay un 20% de defectuosos y en B hay 25%. En una muestra de
300 productos hay 200 del proceso A y 100 del B.

(a) Si se extrae un producto al azar,

hallar la probabilidad que sea
defectuoso.
(b) Si al extraer el producto resultó
defectuoso, halle la probabilidad de
que sea del proceso A.
SOLUCIÓN:
Sean los siguientes eventos:

A = “el producto es del proceso A”

B = “el producto es del proceso B”
D = “el producto es defectuoso”
D = “el producto es no defectuoso”
(a) Si se extrae un producto al azar, hallar la probabilidad que sea defectuoso.

*Debemos calcular P [D].

Este evento se escribe D= AD U BD y por el Teorema de Bayes, tenemos:
Luego la probabilidad que sea defectuoso es:
P  D = P  AD  P  BD = P  A P  D / A  P  B P  D / B
2 1 65
=  0,20    0,25  =
3 3 300

(b) Si al extraer el producto resultó defectuoso, halle la

probabilidad de que sea del proceso A.

P  A P  D / A  2 / 3 0, 20 
P  A / D = = = 0,615
P  D 65/ 300