CONCEPTOS GENERALES

ESTADSTICA I
AUTOR: Patricia Castillo Garzn
NDICE
NDICE

1. Conceptos generales
2. Conjuntos y sus operaciones
3. Nmero de elementos de un conjunto
4. Acerqumonos al concepto de probabilidad
5. Introduccin a la probabilidad
6. Axiomas y teoremas bsicos de la probabilidad

Acceso rpido

GENERALIDADES DESARROLLO

REFERENCIAS

Este material pertenece al Politcnico
Grancolombiano y a la Red Ilumno. Por ende, son
de uso exclusivo de las Instituciones adscritas a
la Red Ilumno. Prohibida su reproduccin total
o parcial.
 01 -
02
INTRODUCCIN 126 mililitros, con el objetivo de que la empresa no incurra en pleitos por engao al consumidor
o en prdidas por excesos en la produccin.
En las unidades anteriores se han trabajado los mtodos estadsticos descriptivos de la
informacin, teniendo en cuenta que una caracterstica esencial de muchos de los fenmenos La poblacin en este contexto son las 2000 bolsas diarias, se imaginan que tuviesen que pesar
reales es su variabilidad por causas desconocidas, lo cual hace que sean representados por todas las bolsas? Se estara perdiendo tiempo valioso para la empresa, sin hablar del costo! Por
estructuras matemticas y/o estadsticas llamadas modelos o distribuciones de probabilidad. ello, es mejor tomar una muestra, 50 bolsas (cada 4 horas), y controlar la produccin con base en
Estas distribuciones reflejan no solo el comportamiento de las caractersticas de los fenmenos dichas muestras.
reales a estudiar, sino que son pilares fundamentales para la toma de decisiones bajo condiciones
de incertidumbre. Los conceptos de probabilidad y las variables aleatorias son el tema que
trabajaremos en esta unidad. Estadstica: cantidad que estima caractersticas de una poblacin.

Parmetro: caracterstica desconocida de una poblacin.

RECOMENDACIONES ACADMICAS
Como en las unidades anteriores, el manejo de los conceptos de probabilidad requiere de los Ejemplo 2
conceptos bsicos de la teora de conjuntos. En la lectura encontrar el material que le permite
abordar estos temas; en este punto es muy importante la lgica y el anlisis detallado de cada Continuando con el ejemplo de la empresa empacadora de bolsas de agua, un parmetro sera la
una de las afirmaciones para dar interpretacin a la probabilidad. De esta manera, es fundamental media poblacional (el peso promedio de las 2000 bolsas con agua) y la estadstica sera la media
la lectura de las cartillas, as como el seguimiento a las teleconferencias y del material de ayuda; muestral (el peso promedio de las 50 bolsas de agua, determinado cada 4 horas).
no olvide practicar con los ejercicios propuestos y plantear las dudas e inquietudes.
Reiterando en la observacin dada en el ejemplo 1, al sacar el peso promedio de las 2000 bolsas
se incurrir en prdida de tiempo y de dinero.

DESARROLLO DE CADA UNA DE LAS UNIDADES TEMTICAS

Estimacin: es un mtodo por medio del cual se aproxima el valor del parmetro de
una poblacin a partir de los datos u observaciones de una muestra.
1. Conceptos generales
Estimacin puntual: proceso mediante el cual con las observaciones de una muestra
se estima el parmetro de la poblacin, con un valor numrico.

Poblacin: es un conjunto de datos que caracteriza un fenmeno. Estimacin por intervalo: proceso con el cual se determina un intervalo en el que
posiblemente se encuentra el valor real del parmetro.
Muestra: subconjunto representativo de una poblacin.
Intervalo de confianza: intervalo en el cual es posible que se encuentre el valor real
del parmetro de una poblacin.

Ejemplo 1 Ejemplo 3

Una empresa tiene 4 mquinas que empacan agua en bolsa de 125 mililitros. Diariamente se Supongamos que en el ejemplo 1 el peso promedio de la muestra (media muestral) es 124.7
empacan 2000 bolsas de estas y para controlar que el peso sea correcto, cada 4 horas se toman mililitros entonces se dice que el peso promedio de la poblacin en esas 4 horas es de
muestras de 50 bolsas, cuyo peso promedio debe ser como mnimo 124 mililitros y como mximo aproximadamente 124.7 mililitros.

3 POLITCNICO GRANCOLOMBIANO ESTADSTICA I 4

 Se estim la media poblacional por medio de la media muestral. Los conjuntos pueden nombrarse de dos formas por comprensin o por extensin:

Ejemplo 5
Pruebas de hiptesis: procesos que conllevan a establecer el rechazo o no de una
El conjunto A formado por todos los nmeros del 1 al 5 puede describirse de la siguiente manera:
afirmacin respecto a una caracterstica desconocida de una poblacin.
A = {x: x es un nmero de 1 a 5}
Ejemplo 4
Dicho conjunto se lee como el conjunto de los nmeros (representados con la letra x) y estos se
Supongamos que deseamos conocer el peso promedio necesario para no incurrir en pleitos encuentran entre 1 y 5. A esta forma de nombrar un conjunto se le conoce como nombramiento
legales con los consumidores, porque el peso de las bolsas con agua no es de 125 mililitros por comprensin. Si, por otra parte, escribimos explcitamente los elementos del conjunto A:
exactamente.
A = {1, 2, 3, 4, 5}
El gerente de produccin decide que si el peso promedio es de 124.5 mililitros la unidad, entonces
Se dice que el nombramiento es por extensin.
se continuar con el proceso de empacado. Con base en esto, lo que se desea determinar es si es
cierto que el valor de la media muestral, cuando esta se tome, es de 124.5 mililitros. Si no llega a En el anterior ejemplo el conjunto es A, los elementos son 1, 2, 3, 4 y 5, y el diagrama de Venn es:
serlo, entonces se detendr el proceso de empaque y se efectuarn los ajustes necesarios.

Ahora que distinguimos los conceptos generales, veamos los conceptos requeridos en cada tema
(probabilidad, estimacin e inferencia). Comencemos con probabilidad:
A
2. Conjuntos y sus operaciones

Distinguir el concepto de conjunto, elemento y las operaciones con conjuntos nos permitir 1 2
abordar y comprender con mayor facilidad los conceptos de probabilidad. Por ello,
concentrmonos en el tema e interioricemos todo lo que en el aparece. 3 4 5

Conjunto: es una coleccin de objetos bien definidos; se refiere a la coherencia. Por

ejemplo, si voy a formar un conjunto de frutas debo tener claro que no voy a
considerar verduras. Todo conjunto se denota con una letra mayscula, como

cuando vimos matemtica I, en la que utilizbamos letras para simbolizar un dato.
Figura 1. Esquema diagrama de Venn
Elemento: es un objeto de un conjunto. Se denotan con letras minsculas cuando se Fuente: (elaboracin propia)
desconocen.

Diagrama de Venn: es una representacin grfica d e los conjuntos, en la cual cada conjunto
se encierra en un crculo u valo y aquel que los contiene a todos se encierra por un Para indicar que un elemento pertenece o no a un conjunto usamos la siguiente notacin.
cuadrado o rectngulo.
1 A 8 A

1 pertenece a A 8 no pertenece a A

5 POLITCNICO GRANCOLOMBIANO ESTADSTICA I 6

 Subconjunto: sean A y B dos conjuntos, decimos que B es subconjunto de A si todo elemento de B
Unin de conjuntos: sean A y B conjuntos, notamos con al conjunto de los
tambin p ertenece a A.
elementos que pertenecen a A, a B, o a ambos conjuntos.


Denotamos que B es subconjunto de A con la expresin B A y para indicar que A no est
contenido en B escribimos B A .

Ejemplo 8

Ejemplo 6 Sean A = {1, 2, 3, 4, 5}, B = {3, 4, 8, 9} y C = {0, 2} determinemos la unin con cada pareja de ellos.

Sean A = {1, 2, 3, 4, 5} y B = {1, 2}, veamos algunos ejemplos de contenencia y no contenencia.

B A porque 1 A y 2 A , es decir todo elemento de B se encuentra en A. A B = {1, 2, 3, 4, 5, 8, 9} A C = {0, 1, 2, 3, 4, 5} B C = {0, 2, 3, 4, 8, 9}

A B porque 3 B , 4 B y 5 B , es decir no todo elemento de A se encuentra en B.

Ejemplo 7 Interseccin de conjuntos: sean A y B conjuntos, indicamos con el conjunto de

los elementos que pertenecen tanto a A como a B, en otras palabras es el conjunto que
Sean A = {1, 2, 3, 4, 5} y B = {1, 2} y C = {1, 3, 4, 8, 9} observemos su representacin en diagramas contienen los elementos comunes a ambos conjuntos.
de Venn.

Ejemplo 9

Sean A = {1, 2, 3, 4, 5}, B = {3, 4, 8, 9} y C = {0, 2} determinemos la interseccin de A con B, de A

con C y de B con C.

A B = {3, 4} A C = {2} B C =

Figura 2. Esquema interseccin de conjuntos ejemplo 7
Fuente: (elaboracin propia) Complemento de un conjunto: sea A un subconjunto de un conjunto universal U,
decimos que el complemento de A, que notamos , es el conjunto que contiene los

elementos de U que no estn en A.
Con los conjuntos podemos establecer otros conjuntos por medio de operaciones, como son la
unin, la interseccin y el complemento. Existen otras operaciones pero nosotros nos
Ejemplo 10
concentraremos en estas ya que son las que utilizaremos para determinar probabilidades.

Sean U = {1, 2, 3, 4, 5} y A= {1, 2} determinemos AC .

7 POLITCNICO GRANCOLOMBIANO ESTADSTICA I 8

 Como A est constituido por todos los elementos que estn en el universal y no estn en A,
C

entonces AC = {3, 4, 5}.

Tngase en cuenta que para hallar el complemento de un conjunto debe existir un conjunto
universal que lo contenga.

3. Nmero de elementos de un conjunto

Existen diversos contextos, tanto matemticos como de la vida cotidiana, en los se requiere Figura 3. Esquema interseccin de conjuntos ejemplo 12
determinar el nmero de elementos de un conjunto; por ello, es necesario buscar mtodos Fuente: (elaboracin propia)
prcticos que nos permitan establecerlos.

Existen conjuntos infinitos como el conjunto de los nmeros reales y finitos como los que hemos
A B = {1, 2, 3, 4, 5, 6, 7, 8} y el nmero de elementos es n( A B ) = 8 ; este nmero tambin puede
trabajado en los ejemplos anteriores: U = {1, 2, 3, 4, 5}.
determinarse conociendo el nmero de elementos en A, en B y en la interseccin de ellos.
Para determinar el nmero de elementos de un conjunto existen tcnicas llamadas de conteo, Observemos.
pero estas sern estudiadas ms adelante. Por ahora vamos a determinar el nmero de
elementos de conjuntos finitos pequeos y, en particular, de la unin e interseccin de los Como n( A) = 5 , n( B) = 6 y n( A B) = 3 entonces
mismos, para luego utilizar las tcnicas de conteo que facilitan dicho clculo. n( A B ) = n( A) + n( B ) n( A B )

Para denotar el nmero de elementos de un conjunto A usaremos la expresin n( A) . Nmero Nmero Nmero Nmero
de elementos de elementos de elementos de elementos
en la unin en A en B en la interseccin

Ejemplo 11 Obsrvese que como los conjuntos tienen elementos en comn debemos quitrselos porque de
lo contrario estaramos contando dos veces el mismo elemento. As, n( A B) = 5 + 6 3 = 8 valor que
Determinar el nmero de elementos de los conjuntos A = {1, 2, 3, 4, 5}, B = {3, 4, 8, 9} y C = {0, 2}.
coincide con el obtenido por medio del diagrama de Venn.
Como en A hay 5 elementos entonces n( A) = 5 ; de igual manera n( B ) = 4 y n(C ) = 2
Ejemplo 13
Ejemplo 12 Sea A = {1, b, c} y el universal U = { 1, 2, 3, a, b, c } determine el nmero de elementos que hay en
Ac .
Determinemos el nmero de elementos de la unin de los conjuntos A y B.
Existen dos formas de determinar el nmero de elementos en Ac : contando directamente los
Veamos el diagrama de Venn para estos conjuntos y con su ayuda determinemos el nmero de
elementos de este, o utilizando el nmero de elemento de U y de A; esta ltima opcin nos ser
elementos en su interseccin.
muy til cuando necesitemos determinar la probabilidad de que no ocurra un determinado
suceso. Veamos:

n( Ac ) = n(U ) n( A) = 6 3 = 3

9 POLITCNICO GRANCOLOMBIANO ESTADSTICA I 10

 4. Acerqumonos al concepto de probabilidad Si lanzamos una moneda normal no podemos decir con certeza si caer cara o sello; entonces este
es un experimento aleatorio pues no conocemos su resultado antes de realizarlo.
En ocasiones escuchamos expresiones como: los mtodos anticonceptivos son seguros en un 99%,
y el 3% de los equipos salen defectuosos en el control de calidad. Dichos porcentajes representan
una parte del todo que es el 100% y pueden representarse por medio de fracciones. Por ejemplo,
3 Ejemplo 15
decir que el 3% de los equipos salen defectuosos es equivalente (por fracciones) a ; en otras
100
palabras, diramos que de 100 partes 3 son defectuosas. Dichas fracciones en nuestro mdulo Si consideramos el experimento aleatorio del lanzamiento de una moneda normal, el espacio
sern asignaciones numricas que llamaremos probabilidades, luego, 3 que al calcularse muestral son todos los posibles resultados, es decir, cara y sello.
100
corresponde al nmero 0.03, indicar que la probabilidad de que un equipo salga defectuoso es En adelante escribiremos EM para denotar el conjunto del espacio muestral, observemos:
de 0.03.
EM = {Cara, sello}
De esta manera, 1 indicar que con toda seguridad el fenmeno estudiado suceder, 0 indicar
que con toda seguridad el fenmeno estudiado no suceder y 0.5 indicar que es igualmente Ejemplo 16
posible que suceda o no el fenmeno estudiado. Y as sucesivamente.
Un evento del espacio muestral anterior es que el resultado del lanzamiento de la moneda sea
sello. Si retomamos la definicin de evento nos dice que es un subconjunto del espacio muestral
5. Introduccin a la probabilidad y, si notamos con E el evento entonces, E = {sello} es un subconjunto de EM.

Ahora que tenemos una idea intuitiva de lo que es probabilidad, definamos algunos conceptos Recordemos que
para luego formalizar y establecer la expresin numrica que nos permitir calcular
probabilidades. Si tenemos

Experimento determinstico: accin cuyo resultado es completamente predecible.

Experimento aleatorio: accin cuyo resultado no es predecible; tambin suele
llamarse experimento no determinstico.

Espacio muestral: es el conjunto de todos los posibles resultados de un experimento Figura 4. Esquema subconjuto
aleatorio. Fuente: (elaboracin propia)

Evento o suceso: es un subconjunto del espacio muestral cuyos elementos tienen una
caracterstica comn.
A es un subconjunto de U porque todo elemento de A est en U. Por el contrario, U no est

contenido en A porque no todos los elementos de U estn en A.

Ejemplo 14

Si lanzamos una piedra normal al agua con certeza podemos afirmar que la piedra se hundir; por
ende, este es un experimento determinstico porque sabemos su resultado antes de realizarlo.

11 POLITCNICO GRANCOLOMBIANO ESTADSTICA I 12

 Suele ser conveniente denotar el evento y la probabilidad de que este suceda de la siguiente
manera
Probabilidad: es un nmero real que mide la posibilidad de que ocurra un resultado del E = el resultado de extraer una tarjeta es que su color sea azul.
espacio muestra, cuando el experimento s e lleve a cabo (Canavos, 2003).
P (E) = probabilidad de que el resultado de extraer una tarjeta sea que su color es azul.

Para calcular la probabilidad determinamos el espacio muestral:

Ejemplo 17
Y luego utilizamos la expresin dada para calcular probabilidades:
Supongamos que tenemos una bolsa con dos tarjetas verdes, tres azules y cuatro rojas. Qu
fraccin representa el nmero de tarjetas azules en la bolsa? # de casos favorables 3 1
P( E ) = = =
# de elementos en el espacio muestral 9 3
Como el todo, que es el nmero de elementos en la bolsa, es 9 y el nmero de ellos que son azules
es 3, entonces la fraccin que representa el nmero de tarjetas azules en la bolsa es 3 que Es muy importante que el espacio muestral y el evento o los eventos en un experimento aleatorio
9
estn bien definidos, ya que de ellos depende que el conteo de elementos sea correcto. Si estos
simplificada corresponde a 1 .
3 se definen o determinan errneamente nuestras probabilidades tambin lo sern.

Otro aspecto que cabe resaltar es que la parte de un conjunto jams es mayor que el propio
conjunto; por ende, nunca una probabilidad, que representa la parte del todo que satisface
determinada caracterstica, puede ser mayor que uno o menor que cero.

A continuacin abordaremos el concepto de eventos mutuamente excluyentes para establecer la

probabilidad de la unin e interseccin de eventos.

Eventos mutuamente excluyentes: dos o ms eventos son mutuamente excluyentes si

su interseccin es vaca.
Figura 5. Probabilidad, ejemplo 17
Fuente: (elaboracin propia)


Ejemplo 18
Esta fraccin es justamente la probabilidad de que al extraer una tarjeta aleatoriamente de la
bolsa, sin ver, el color sea azul; hay 3 opciones o casos favorables de 9 posibilidades. Consideremos el lanzamiento de un dado y calculemos la probabilidad de que el resultado sea un
nmero impar y par.
En un experimento como el mencionado, el espacio muestral es el conjunto de resultados posibles
al extraer una tarjeta, sin ver, y el evento es que se extraiga una tarjeta azul.

13 POLITCNICO GRANCOLOMBIANO ESTADSTICA I 14

 Determinemos el espacio muestral:

= {1, 2, 3, 4, 5, 6} Distribucin de probabilidad: cuando se asigna a cada evento simple de un espacio

muestral una probabilidad y se organizan en una tabla, decimos que formamos una
Determinemos los eventos: distribucin de probabilidad.

- = {2, 4, 6}

. = {1, 3, 5}
Tabla1. Distribucin de probabilidad
Como el resultado debe ser un nmero impar y par, nos solicitan la interseccin de los eventos:

- . =

Como la interseccin es vaca, los eventos son mutuamente excluyentes. Ahora calculemos la
probabilidad de que el resultado del lanzamiento de un dado sea par e impar:

# 0
- . = = = 0 Fuente: (elaboracin propia)
# 6
Los nmeros P( Ei ) con i = 1, 2,, n, y n un nmero natural cumplen las siguientes propiedades:

Lgico, no? Ningn nmero es par e impar a la vez. 1. Toda probabilidad es un nmero entre cero y uno.

0 (J ) 1

2. La suma de las probabilidades de los eventos simples en un espacio muestral es 1; o

6. Axiomas y teoremas bsicos de la probabilidad tambin la probabilidad del espacio muestral es 1.

A continuacin estudiaremos los axiomas y teoremas bsicos de la probabilidad, que son como - + . + + F = 1
reglas con las cuales podremos decir si nuestros resultados al calcular o establecer una
3. La probabilidad de la unin de dos eventos del espacio muestral es la suma de las
probabilidad son coherentes y/o adecuados.
probabilidades de los eventos simples. Ntese que esto tiene sentido porque en el espacio
Si un espacio muestral est dado de la siguiente manera: muestral los eventos simples son mutuamente excluyentes.

= {- , . , D , , FG- , F , } J O = J + (O )

Donde cada Ei con i = 1, 2,3, n nmeros naturales son los eventos o sucesos, entonces cada Ejemplo 19

Los resultados de las calificaciones de un examen, en cierta institucin educativa, se organizaron

{- }, {. }, {D }, , {FG- }, {F , }
en la siguiente tabla de distribucin de probabilidad:
Se denomina evento simple.

15 POLITCNICO GRANCOLOMBIANO ESTADSTICA I 16


Distribucin de probabilidad
Obsrvese que la caracterstica que hace que la probabilidad de la unin de los anteriores eventos
sea justamente la suma de ellos, es que son mutuamente excluyentes. Pero qu sucede cuando
Calificacin x Probabilidad
no los son?

1 x < 3 0.3

3 x < 4 0.5 Regla de la suma: para dos eventos cualquiera y con , (N el conjunto de
los naturales) se tiene que:
4 x 5 0.2


Con base en la distribucin, si se elige un estudiante al azar determinemos la probabilidad de que:

a) su calificacin sea menor que 4.

b) Su calificacin sea superior o igual a 3. Ejemplo 20

En una empresa fabrica equipos DVD, en el departamento de control y calidad establecen que un
2% de los equipos vendidos tienen problemas de video, el 0.5% tienen problemas de audio y un
Sean 0.3% tienen ambos tipos de problemas. Determinemos la probabilidad de que un equipo
comprado por un cliente tenga problemas de video o audio.
E1 : La calificacin es mayor o igual que 1 y menor que 3.

E2 : La calificacin es mayor o igual que 3 y menor que 4.
Sean
E3 : La calificacin es mayor o igual que 4 y menor o igual que 5.
E1: el equipo DVD tiene problemas de video.
Entonces:
E2: el equipo DVD tiene problemas de audio.
a) La probabilidad de que la calificacin del estudiante sea menor que 4 es:


Entonces

- = 0.02 . = 0.005 - . = 0.003
Recordemos que como la calificacin debe ser menor que 4, todos los nmeros de 1 a 3.99999
cumplen esta condicin y son justamente la unin del evento 1 y el 2. Luego, aplicando la regla de la suma obtenemos

b) La probabilidad de que la calificacin del estudiante sea superior o igual a 3 es: - . = - + - (- . )

- . = 0.02 + 0.005 0.003 = 0.022

17 POLITCNICO GRANCOLOMBIANO ESTADSTICA I 18

 Si observamos, en este caso la extraccin de cualquier bola no afecta el experimento porque la
bola se retorna a la bolsa, el espacio muestral y el nmero de elementos en los eventos siguen
Observemos la anterior regla por medio de diagramas de Venn. siendo los mismos.
Luego, la extraccin de una bola no afecta la posibilidad de extraccin de la segunda. Los eventos
son independientes.

Caso 2: supongamos que extraemos una bola, anotamos su color, no la devolvemos a la bolsa y
volvemos a extraer una bola.

En este caso el espacio muestral y el nmero de elementos en los eventos cambia, pues al extraer
una bola y no regresarla se disminuye el tamao de los mencionados.

Figura 6. Esquema diagrama de Venn, ejemplo 20 Por lo tanto, los eventos son dependientes ya que en la segunda extraccin tendremos menos
Fuente: (elaboracin propia)
elementos y, por ende, tanto el espacio muestral como los eventos cambian.

As, la probabilidad de que un equipo dvd presente problemas de audio o video es 0.022; en otras
palabras, un 2.2% de los equipos presentan fallas en audio o video.
Regla del producto: para dos o ms eventos independientes la probabilidad de que ocurran
A continuacin abordaremos la regla de la multiplicacin para eventos independientes; sin en un solo ensayo es el producto de todas sus probabilidades.
embargo, para ello necesitamos reconocer este ltimo concepto. Veamos:


Eventos independientes: dos o ms eventos son independientes si la ocurrencia del uno Ejemplo 22 (Martnez, 2002)
no afecta la del otro. Cuando lo anterior no sucede decimos que los eventos son
dependientes. En una fbrica de calzado se manufactura independientemente costura (toda la parte superior del
calzado relacionada con el cuero), suela y tacn, siendo estas partes armadas aleatoriamente en
cada zapato. Se sabe que en este proceso, el 5% de las costuras, el 4% de las suelas y el 1% de los
tacones tienen fallas. Qu porcentaje de pares de zapatos resulta con fallas en sus tres
componentes?

Ejemplo 21 Sean

Supongamos que tenemos una bolsa oscura en la cual hay 2 bolas de color rojo y 2 de color verde E1: la costura del calzado tiene fallas.
y con esto distinguimos cundo dos eventos son dependientes o independientes.
E2: la suela del calzado tiene fallas.
Caso 1: supongamos que extraemos una bola, anotamos su color, la colocamos nuevamente en la
bolsa y volvemos a extraer una bola. E3: los tacones del calzado tienen fallas.

19 POLITCNICO GRANCOLOMBIANO ESTADSTICA I 20

 04

Como los eventos son independientes, porque la ocurrencia de uno no afecta la del otro, REFERENCIAS
determinemos el porcentaje de pares de zapatos con fallas en sus tres componentes utilizando la
regla del producto: Textos
- . D = 0.05 0.04 0.01 = 0.00002 Canavos, G. C. (2003). Probabilidad y estadstica aplicaciones y mtodos. Mexico: Mc
Graw Hill.
As, el 0.002% del calzado presenta fallas en sus tres componentes.
Martnez, C. (2002). Estadistica y muestreo (12 ed.). Bogot, Colombia: ECOE Ediciones.


Para finalizar la seccin referente a los axiomas de la probabilidad vamos a presentar la regla del
complemento.

Regla del complemento: la probabilidad d e que un evento no ocurra es igual a uno menos la
probabilidad d e que s ocurra ( Martnez, 2002).



Ejemplo 29

Consideremos una pareja que desea tener dos hijos. Cul es la probabilidad de que ambos no
sean nias?
Debemos resaltar que nos estn solicitando la probabilidad de que no ocurra cierto evento, por
ello podemos usar la regla del complemento.

Determinemos el espacio muestral y el evento de que ambos hijos sean nias:

= , , , , , , ,

= ,

Como necesitamos hallar la probabilidad de S : ambos hijos no son nias; entonces, segn la
regla del complemento tenemos:

1 3
S = 1 = 1 =
4 4

Luego existe un 75% de probabilidad de que ambos hijos no sean nias.

21 POLITCNICO GRANCOLOMBIANO ESTADSTICA I 22

POLITCNICO GRANCOLOMBIANO - 2016