PROBABILIDAD

UNIVERSIDAD NACIONAL AMAZNICA DE MADRE DE DIOS ESTADSTICA - PROBABILIDAD
NDICE
1. CONCEPTO .............................................................................................................................. 2
2. EXPERIMENTOS, ESPACIO MUESTRAL, REGLAS DE CONTEO Y ASIGANACIN
DE PROBABILIDADES. ................................................................................................................. 2
2.1. EXPERIMENTOS ............................................................................................................. 2
2.1.1. Experimento o Fenmeno aleatorio ....................................................................... 3
2.1.2. Fraccin Probabilstica .............................................................................................. 3
2.2. TCNICAS DE CONTEO................................................................................................ 5
2.2.1. Tcnica de conteo para experimentos de etapas mltiples ....................... 5
2.2.2. Permutaciones ........................................................................................................ 6
2.2.3. Combinaciones........................................................................................................ 6
2.3. ASIGNACIN DE PROBABILIDADES A LOS RESULTADOS
EXPERIMENTALES .................................................................................................................... 7
2.3.1. MTODO CLSICO ................................................................................................ 7
2.3.2. MTODO DE LA FRECUENCIA RELATIVA ...................................................... 7
2.3.3. MTODO SUBJETIVO............................................................................................ 8
2.3.4. MATRIZ DE PROBABILIDAD ............................................................................... 9
2.3.5. SMBOLOS LGICOS QUE SE UTILIZAN EN PROBABILIDAD ................ 10
3. EVENTOS Y SUS PROBABILIDADES .............................................................................. 10
3.1 PROBABILIDAD DE UN SUCESO .................................................................................. 10
3.2. PROBABILIDAD DEL SUCESO COMPLEMENTO ..................................................... 11
4. LEYES DE LA PROBABILIDAD ......................................................................................... 13
4.1. PROBABILIDAD CLSICA ......................................................................................... 13
4.2. PROBABILIDAD AXIOMTICA .................................................................................. 15
4.3. PROBABILIDAD INCONDICIONAL ........................................................................... 17
4.4. PROBABILIDAD CONDICIONAL ............................................................................... 18
4.5 PROBABILIDAD TOTAL .............................................................................................. 28
CONCLUSIN ................................................................................................................................ 31
BIBLIOGRAFA .............................................................................................................................. 32
1
PROBABILIDAD
1. CONCEPTO
La probabilidad es simplemente qu tan posible es que ocurra un evento

determinado. Cuando no estamos seguros del resultado de un evento, podemos
hablar de la probabilidad de ciertos resultados: qu tan comn es que ocurran.
La Probabilidad propone modelos para los fenmenos aleatorios, es decir, los

que se pueden predecir con certeza, y estudia sus consecuencias lgicas.
En este sentido, el clculo cientfico de probabilidades puede ayudarnos

a comprender lo que en ocasiones la intuicin nos indica de manera errnea.
Un ejemplo tpico es la denominada "paradoja de los cumpleaos".
Supongamos que estamos en un grupo de 23 personas. Los clculos nos dicen
que la probabilidad de que dos personas celebren el mismo da su cumpleaos
es del 50%, algo que a simple vista parece increble (Paradoja del
Cumpleaos ). No es de extraar por tanto que la Teora de Probabilidad se
utilice en campos tan diversos como la demografa, la medicina, las
comunicaciones, la informtica, la economa y las finanzas.
2. EXPERIMENTOS, ESPACIO MUESTRAL, REGLAS DE CONTEO Y

ASIGANACIN DE PROBABILIDADES.
2.1. EXPERIMENTOS
En estadstica la palabra experimento () se utiliza para describir un proceso

que genera un conjunto de datos cualitativos o cuantitativos. En la mayora
de los casos, los resultados del experimento dependen del azar, por lo tanto
no pueden pronosticarse con exactitud.
2
Podemos afirmar que tambin es un proceso mediante el cual se obtienen

mediciones de observaciones, las cuales pueden ser de tipo numrico o no
numrico; a cada resultado de la muestra se le llama punto muestra. Cuando
se tienen todos los resultados posibles del experimento se habr formado el
espacio muestral.
2.1.1. Experimento o Fenmeno aleatorio.- Es aquel fenmeno o

experimento cuyos posibles resultados conocemos, pero desconocemos qu
resultado particular se presentar, es decir, el resultado del fenmeno se
presenta al azar y en consecuencia no se puede predecir con certeza. Por
ejemplo: lanzar un dado y observar el resultado en la cara superior, aplicar
una encuesta para obtener opiniones.
2.1.2. Fraccin Probabilstica.- Es cada uno de los posibles resultados de

un fenmeno o experimento aleatorio, a los cuales puede asignarse una
fraccin probabilstica o valor de probabilidad de ocurrencia. Por ejemplo, al
lanzar una moneda al aire, hay dos posibles resultados, lado A o lado B,
y cada una tiene una probabilidad de ocurrencia.
Espacio Muestral (S). Es el conjunto de todos los resultados posibles que

pueden obtenerse de un determinado experimento. Cada resultado posible
de un experimento aleatorio es un elemento del espacio muestral. A cada
elemento del espacio muestral se denomina punto muestral.
Suceso o Evento (A). Est formado por un conjunto de puntos muestrales,

que son todos los resultados posibles que puede contener el suceso.
Suceso o evento simple o unitarios.- Es aquel que est formado por
un solo punto muestral.
Suceso o evento compuesto. Est formado por dos o ms puntos

muestrales y puede descomponerse en otros sucesos simples.
3
Suceso o evento imposible (). Que no tiene puntos muestrales, en

consecuencia no ocurre nunca. Es decir estn formados por resultados
que no se consideran para el estudio, sin embargo pertenecen al espacio
muestral; por ejemplo:
Se lanza una moneda.

Suceso imposible () = que caiga parada, que no caiga, etc.
Suceso o evento complemento (A). Se define como el conjunto de

todos los puntos muestrales del espacio muestral que no pertenecen a A
y que se encuentran en ste.
Suceso mutuamente excluyente o exclusivo. Se define al considerar

dos sucesos, A y B, los cuales no pueden ocurrir o presentarse al mismo
tiempo; se expresa como AB = . La interseccin de A y B es el
conjunto vaco.
Sucesos mutuamente no excluyentes o exclusivos. Se define al

considerar dos sucesos: A y B, los cuales ocurren o se presentan al
mismo tiempo: AB . (La interseccin de A y B no es el conjunto
vaco.)
Sucesos Colectivamente exhaustivos. Al realiza un experimento se

obtiene el espacio muestral y ste puede estar formado por una lista de
sucesos que son mutuamente excluyentes y colectivamente exhaustivos.
Todos los espacios muestrales son listas colectivamente exhaustivas
porque contienen todos los puntos muestrales del experimento.
4
2.2. TCNICAS DE CONTEO
La capacidad de identificar y contar los puntos muestrales de un experimento

es un paso importante para comprender lo que puede suceder en l. Para
determinar el espacio muestral o puntos muestrales, es importante saber
cuntos resultados posibles se obtienen del experimento.
2.2.1. Tcnica de conteo para experimentos de etapas mltiples
La cantidad de resultados posibles que forman el espacio muestral se

obtiene utilizando la tcnica de conteo para experimento de etapas
mltiples o de multiplicacin.
Si un experimento se puede describir como una sucesin de k etapas, en las

que hay 1 resultados posibles en la primera etapa, 2 en la segunda, etc., la
cantidad total de resultados experimentales es igual a (1 ) (2 ) ( ). Esto
es, la cantidad de resultados del experimento total es el producto de las
cantidades de resultados en cada etapa.
EJEMPLO:
Una agencia de automviles compactos pone en promocin, en la compra de

cualquiera de sus tres modelos (de dos, cuatro y cinco puertas), un radio con
reproductor de disco compacto para tres discos o uno de cinco discos.
Cuntos arreglos diferentes puede ofrecer de modelos y radios
reproductores de disco compacto?
1 = nmero de modelos de automviles
2 = nmero de radios diferentes
Nmero de modelos y radio reproductor CD = 1 * 2
Nmero de modelos y radio reproductor CD = (3) (2) = 6
5
2.2.2. Permutaciones
La permutacin es un arreglo ordenado que se interpreta del siguiente

modo: es el nmero de maneras de arreglar en orden r objetos seleccionados
de entre n objetos. En las permutaciones es muy importante considerar el
orden.
Las permutaciones pueden utilizarse en dos casos diferentes:
a) Cuando n r, el nmero de permutaciones de r objetos tomados de

un conjunto de n objetos se presenta de la siguiente manera:
!
=
()!
b) Cuando n = r, el nmero de permutaciones de r objetos tomados de

un conjunto de n objetos se presenta de la siguiente manera:
c) Cuando n r. Este caso no existe.
2.2.3. Combinaciones
La combinacin es un arreglo de n objetos tomados r a la vez. En este

arreglo, el orden de los objetos no se considera.
!
=
! ( )!
De la expresin anterior se tiene r! permutaciones para cada combinacin de

n objetos tomador r a la vez. Entonces se tienen r! veces ms permutaciones
que combinaciones.
6
2.3. ASIGNACIN DE PROBABILIDADES A LOS RESULTADOS

EXPERIMENTALES
Veamos cmo se pueden determinar las probabilidades de los resultados

experimentales (puntos muestrales). Se pueden usar varios mtodos para
asignar las probabilidades a los resultados experimentales. En la prctica se
usa uno de los tres mtodos siguientes:
2.3.1. MTODO CLSICO
Para ilustrar este mtodo veamos el experimento de lanzar una moneda. En

cualquier lanzamiento observaremos uno de dos resultados experimentales:
cara o sello. Parecera razonable suponer que los dos resultados son
igualmente probables. En consecuencia, como uno de los dos resultados
igualmente probables es cara, lgicamente debemos llegar a la conclusin de
que la probabilidad de observar una cara es , o 0.50. De igual manera, la
probabilidad de observar un sello tambin es 0.50. Cuando se usa la hiptesis
de resultados igualmente probables como base para asignar probabilidades, al
mtodo se le llama mtodo clsico. Si un experimento tiene n resultados
posibles, con el mtodo clsico se asignara una probabilidad de 1/n a cada
resultado experimental.
2.3.2. MTODO DE LA FRECUENCIA RELATIVA
ste mtodo consiste en el uso de datos histricos para asignar

probabilidades. Es de tipo experimental, por ello es necesario conocer con
precisin las caractersticas del experimento () y, por otro, conocer el nmero
de veces que se repetir el experimento. El nmero de repeticiones es fijado
por el investigador, y se representa con la letra n.
7
La probabilidad de ocurrencia del suceso A es igual al nmero de repeticiones

que este evento tuvo dividido entre el nmero total de veces que se repiti el
experimento (). La frecuencia relativa () se expresa como:

() =

En donde representa el nmero de veces de ocurrencia del

suceso A, de un total de n repeticiones.
Propiedades de ()
1. 0 () 1
2. () = 1, si A ocurre cada vez en las n repeticiones.
3. () = 0, si A no ocurre en las n repeticiones.
4. Si consideramos que los sucesos A y B son mutuamente excluyentes
entonces se puede afirmar que ( ) de la frecuencia relativa del
suceso A B. Por tanto: ( ) = () + ().
2.3.3. MTODO SUBJETIVO
El mtodo subjetivo se emplea cuando el mtodo de frecuencia relativa y el

mtodo clsico no se pueden aplicar en todos aquellos casos donde se quiere
evaluar probabilidades.
En donde los resultados experimentales no son equiprobables. En
un juego de ajedrez, se tienen tres resultados posibles: ganar, perder
o empatar; cada uno de los resultados no debe tener la misma
probabilidad de ocurrencia.
En los casos en que no es posible tener datos de frecuencia relativa.
En el juego de ajedrez de los jugadores nunca antes se haban
enfrentado, por lo que no se tienen antecedentes (no hay datos de
frecuencia relativa).
8
En los casos anteriores, debe recurrirse a una opinin subjetiva para estimar el
valor de probabilidad.
2.3.4. MATRIZ DE PROBABILIDAD
Es una herramienta utilizada por todos los estadsticos en la solucin de

problemas de probabilidades ya que muestra las probabilidades marginales y
las probabilidades conjuntas y se construye como un cuadro o una tabla de dos
dimensiones con una variable en cada lado del cuadro. A su vez, cada variable
se divide en el nmero necesario de categoras que forman la investigacin,
despus se sustituyen los valores reales correspondientes a la interseccin de
las dos variables para, finalmente, realizar la sumatoria de columna y rengln
de cada categora, dando como resultados los valores marginales. (cuadro 1)
Cuadro 1. Matriz de valores

Zona Geogrfica
Planta Automotriz Amrica frica Europa Asia Total
Planta A 42 12 8 24 86
Planta B 40 9 27 19 95
Planta C 18 12 18 24 72
Total 100 33 53 67 253
A partir de la matriz de valores se encuentra el valor de probabilidad

correspondiente a cada celda (cuadro 2.)
Cuadro 2. Matriz de probabilidad
Planta Automotriz Zona Geogrfica

Amrica frica Europa Asia Total
Planta A 0.17 0.05 0.03 0.1 0.35
Planta B 0.16 0.03 0.1 0.08 0.37
Planta C 0.07 0.05 0.07 0.09 0.28
Total 0.4 0.13 0.2 0.27 1
9
De la matriz de probabilidad es muy fcil leer un valor de probabilidad asociados

con el experimento. Por ejemplo, qu probabilidad hay de que un automvil
seleccionado al azar, que se fabric en la planta B, se est vendiendo en
Europa.
2.3.5. SMBOLOS LGICOS QUE SE UTILIZAN EN PROBABILIDAD
En las probabilidades es muy comn encontrar preguntas como: cul es la

probabilidad de que tres o menos empresas realicen 95% de sus ventas por
internet. Los enunciados se saben traducir al lenguaje matemtico. En el cuadro
3 se muestra los casos ms usuales.
Cuadro 3.
Enunciado Smbolo Representacin

Dos o menos c2
A lo ms dos
Cuando ms dos
Menos de dos
Cuando menos dos < c<2
Por lo menos dos
Ms de dos > c>2
Dos o ms
Dos = c=2
3. EVENTOS Y SUS PROBABILIDADES

3.1 PROBABILIDAD DE UN SUCESO
Cuando se desea obtener la probabilidad de un suceso A sin recurrir a la

experimentacin, se considera la probabilidad del evento a como un nmero real
P(A). Si no ser realiza el experimento, se parte del supuesto que el suceso A
ocurre, por tanto el nmero real P(A) tendr un valor muy cercano al que se
obtiene si se realizara el experimento (frecuencia relativa), siempre y cuando
10
esta frecuencia sea obtenida de un nmero muty grande de repeticiones del

experimento. Lo anterior es lo que permite emplear P(A) para medir la
probabilidad de ocurrencia de A.
DEFINICIN: Sea un experimento y un espacio muestral asociado con . Cada

suceso a se asocia con un nmero real P(A) y conocido como probabilidad de
que a satisfaga las siguientes propiedades.
1. 0 P(A) 1
2. P (S) = 1
3. Si A y B son sucesos mutuamente excluyentes, P(A B) = P(A) + P(B)
4. Si 1 , 2 , son sucesos mutuamente excluyentes de par en par,
entonces: la probabilidad de un evento A es igual a las suma de las

probabilidades de todos los puntos muestrales del evento.
P(A) = 1 + 2 + 3 +
3.2. PROBABILIDAD DEL SUCESO COMPLEMENTO
El complemento de un suceso A es aquel que est formado por todos los

puntos muestrales que no estn incluidos en A, pero que pertenecen al espacio
muestral. El suceso complemento se representa A.
Se sabe: P(A) + P(A) = 1
El complemento del suceso A se encuentra al utilizar la siguiente expresin:
P (A) = 1 P(A)
3.2.1. Sucesos mutuamente excluyentes
Sean los sucesos A y B mutuamente excluyentes; al unir el suceso A y

B, el nuevo suceso contiene todos los puntos muestrales que pertenecen a A o
11
a B, y no hay ningn punto muestral en comn entre los dos sucesos en donde
es el suceso imposible, el cual no tiene ningn punto muestral.
El clculo de la probabilidad de suceso A B es: P (A B) = P(A) + P(B)
EJEMPLO:
En un estado de la Repblica se realiz una encuesta para clasificar a las

personas de acuerdo con su gnero y afiliacin a un partido poltico. Los
resultados se muestran en el cuadro 4.
Cuadro 4.
Partido Poltico
Gnero PAN PRI PRD PT Verde Ecologista Convergencia Total
Mujeres (M) 105 289 256 56 24 35 765
Hombres (H) 128 347 328 89 34 49 975
Total 233 636 584 145 58 84 1740
Sucesos:
A: hombre
B: mujer
Con la regla de adicin, calcule probabilidad de que al seleccionar una

persona de almuestra, sta est afiliada al partido poltico PT y sea hombre o
mujer.
P(A o B) = P(A B) = P(A) + P(B)
89 56
P(A B) = 1740 + 1740
145
P(A B) = 1740 =0.083
12
3.2.2. Sucesos mutuamente no excluyentes
Sean los sucesos de A y B mutuamente no excluyentes. Al unir el suceso

A y B se forma un nuevo suceso A o B que contendr todos los puntos muestrales
que pertenecen a A y a B. Al realizar la union de los dos sucesos habr una
intereseccin entre stos, entonces se forma el nuevo suceso A B.
La probabilidad de suceso mutuamente no excluyentes A B es:
P(A B) = P(A) + P(B) P(A B)
En el caso de que sean tres sucesos, A, B, y C, la probabilidad del suceso A

B C es:
P (A B C) = P(A) + P(B) + P(C) - P(A B) - P(A C) - P(B C) + P (A B C)
4. LEYES DE LA PROBABILIDAD
4.1. PROBABILIDAD CLSICA
ste mtodo se basa en leyes reglas. Incluye un experimento, del cual se

obtienen los resultados posibles, de stos se seleccionan los que le corresponde
al suceso en estudio.
Para encontrar el valor de la probabilidad por el mtodo clsico es indispensable

conocer el tamao del espacio muestral. Este espacio debe ser finito, K es decir,
se conoce el ltimo de sus elementos: S = 1, 2, , en donde i = 1, 2, 3, j.
En el espacio muestral se considera a los i resultados posibles del

experimento como igualmente probables (todos tienen la misma probabilidad de
ocurrencia), entonces: cada punto muestral tiene un valor de probabilidad
1 = 1
13
Si cada punto muestral es mutuamente excluyente con respecto a los

dems, pueden sumarse cada una de las probabilidades de los puntos
muestrales que conforman el espacio muestral, lo que da como resultado una
propababilidad con valor de uno.
Probabilidad del espacio muestral:
P (S) =1
1 = 2 + + = 1
EJEMPLO
Si el espacio muestral est formado por 10 elementos, entonces la

probabilidad de cada punto muestral es de 1/10, si stos son mutuamente
excluyentes entre s, entonces la probabilidad del espacio muestral es igual
a 1.
P(S) = 1/10 + 1/10 + + 1/10 =1
Para calcular la probabilidad de un suceso A = 1, 1, , , ste est

compuesto de un nmero i de puntos muestrales y a cada punto muestral
le corresponde un valor de probabilidad " ".
Propiedades de la probabilidad clsica
1. P(A) 0
2. P(B) 0
3. Sean dos sucesos A y B mutuamente excluyentes, si la probabilidad:
P(A o B) = P(A B) entonces es igual a la suma de las probabilidades
P(A) + P(B)
14
4.2. PROBABILIDAD AXIOMTICA
En sta probabilidad el espacio muestral debe ser finito (S = 1, 2, , ,

i = 1, 2, 3, j) ste tendr un suceso simple por cada i resultado posible y cada
suceso simple toma un valor de probabilidad .
S = 1, 2, ,
P(S) = 1 + 2 + + = 1
En sta probabilidad, el valor de probabilidad de cada suceso simple

puede ser diferente al de los dems, es decir los sucesos simples no son
equiprobables. La probabilidad de ocurrencia de cada suceso simple con
respecto a otro, puede ser del doble, el triple, etc.
EJEMPLO:
Se lanza un dado cargado, siendo la cara con el nmero tres la que tiene el doble
de posibilidades de ocurrir ms veces que cualquiera de las dems caras.
Encontrar la probabilidad de los siguientes sucesos:
Espacio muestral: S= 1,2,3,4,5,6 N= 6
A: que aparezca el nmero cuatro. A = 4 =

B: que aparezca un nmero mayor que cuatro B = 5,6 = 2
C: que aparezca un nmero menor que cuatro C = 1,2,3 = 3
El espacio muestral est formado por seis puntos muestrales mutuamente

excluyentes entre s; por tanto, se tienen seis resultados de probabilidad, de los
cuales cinco son iguales y el tercero es el doble de los dems.
() = + + 2 + + + = 7 = 1
1
=
7
15
Al asumir las probabilidades de cada punto muestral, stas debe ser igual que
uno, porque la probabilidad del espacio muestral es de uno. Como la suma de
probabilidades es 7p y al igualarla a uno se forma en ecuacin de primer grado
con una incgnita p, al resolver la ecuacin, el valor de p es igual que 1/7; a su
vez, este valor se sustituye en la ecuacin para continuar que P(S)=1
1 1 2 1 1 1 1
() = + + + + + +
7 7 7 7 7 7 7
7
() = =1
7
Clculo de la probabilidad de los sucesos:
() = {4 }
1
() =
7
() = {5 , 6 }
1 1 2
() = + =
7 7 7
() = {1 , 2 , 3 }
1 1 2 4
() = + + =
7 7 7 7
Propiedades de la probabilidad axiomtica
1. P(S)
2. Si el nmero real es pi, es llamada probabilidad de un punto muestral
cualesquiera
a) Pi >0, i= 1,2,,k
16
b) Pi + p2 + + pk = 1
3. Si todos los nmeros real p i del espacio muestral, son mutuamente entre
s, entonces:
= 1 = 1,2, ,
=1
4. Sea el suceso A entonces su probabilidad es: 0 < P(A) < 1

5. Si todos los nmeros reales p i del suceso A, son mutualmente
excluyentes entre s, entonces:

() = 0 = 1,2, ,
=1
LEY DE LA MULTIPLICACION
Como se sabe la, probabilidad de la interseccin de dos sucesos (A B) se

conoce como probabilidad conjunta; entonces, la ley general de la multiplicacin y
la regla especial de la multiplicacin tambin se emplean para encontrar esta
probabilidad conjunta.
Antes de estudiarla ley general de la multiplicacin y la regla especial de la

multiplicacin, se estudiar la probabilidad incondicional y la probabilidad
condicional.
4.3. PROBABILIDAD INCONDICIONAL
Se tienen dos sucesos A y B; a la probabilidad de que ocurra un evento A sin

considerar que ocurra el suceso B, se llama probabilidad incondicional. Esta
probabilidad tambin es conocida como probabilidad marginal y los nmeros
base para su clculo se encuentran en el margen del cuadro 5.
17
Cuadro 5. Asignaturas
Economa (E) Administracin (A) TOTAL

Promedio < 9 27 45 72
Promedio < 9 10 15 25
Total 37 60 97
El clculo de probabilidades marginales con base en la tabla anterior es:
Sucesos:
37
A: el estudiante curse la asignatura de economa () =
97
60
B: el estudiante curse la asignatura de administracin () = 97
25
C: el estudiante tenga promedio mayor que 9 () =
97
72
D: el estudiante tenga promedio menor o igual que 9 () =
97
4.4. PROBABILIDAD CONDICIONAL
Sean los sucesos A y B asociados con un experimento (E); la probabilidad

condicional del suceso B dado que el suceso A ya ocurri, se expresa como:
()
La probabilidad condicional de B, dado que A ocurri, es igual que la

probabilidad de B A dividida entre la probabilidad de A (suceso que ocurri);
siempre y cuando la probabilidad del suceso A no sea de cero [P(A) 0]
( )
() = ; () > 0
()
La recta vertical en P (B/A) se lee dado que o dado. La mayora de los

problemas de probabilidad condicional se identifican fcilmente, porque en su
enunciado aparece la palabra dado o dado que.
18
La probabilidad condicional tambin puede calcularse fcilmente en forma

deductiva, si se considera que el espacio muestral (S) se reduce a un nuevo
espacio muestral (A); este nuevo espacio muestral es igual que el tamao de
suceso que ya ocurri (suceso A).
Propiedades de la probabilidad condicional
1. 0 < P (B/A) < 1

2. 0 < P (S/A) = 1
3. P[ (B1 U B2)/A] = P(B1/A) + P(B2/A) + , si B1 B2 =
4. Si A = S, la probabilidad es, P (B/S) = P(B S) / P(S) = P(B), porque la
P(S) =1 y la (B S) = B P(B S) = P(B)
5. Si B es subconjunto de S y p(A) > 0 P(B)= P(B/A)
6. Cuando conocemos la P (B) y es no condicional, entonces para el suceso
B subconjunto de S; podemos calcular la probabilidad de P (B/A), porque
la probabilidad condicional est definida en trminos de la probabilidad no
condicional.
() = ( )()
= , () = 1
( ) ()
() = () = = = ()
() 1
P() = ()
EJEMPLO
Se lanzan dos dados normales en forma simultnea. Calcular la probabilidad de los

siguientes secesos:
a. A = {(X1 , X2)/ X1 + X2 = 10}

b. B = {( X1 , X2)/ X1 + X2 = nmero par}
c. C = {( X1 , X2)/ X1 > X2 }
d. D = {( X1 , X2)/ X1 + X2 < 5}
Regla de conteo: m. n = 6 x 6 = 36
19
Espacio muestral (S)
1,1 1,2 1,3 1,4 1,5 1,6
2,1 2,2 2,3 2,4 2,5 2,6
3,1 3,2 3,3 3,4 3,5 3,6
4,1 4,2 4,3 4,4 4,5 4,6
5,1 5,2 5,3 5,4 5,5 5,6
6,1 6,2 6,3 6,4 6,5 6,6
Nmero de elementos del espacio muestral es de: N = 36
Primero, se encuentra el nmero de elementos que conforman los sucesos:
Cuadro 6
Nmero de
suceso puntos Probabilidad del suceso
muestrales
A = X1 + X2 = 10
A = {(5,5), (4,6), (6,4)} na = 3 P(A) = 3/36
B = X1 + X2 = Nmero par
B = {(1,1), (1,3), (1,5), (2,2), (2,4), (2,6),
(3,1), (3,3), (3,5), (4,2), (4,4), (4,6), nb = 18 P(B) = 18/36
(5,1), (5,3), (5,5), (6,2), (6,4), (6,6)}
C = X1 > X2
C = {(2,1), (3,1), (3,2), (4,1), (4,2), (4,3), nc = 15 P(C) = 15/36
(5,1), (5,2), (5,3), (5,4), (6,1), (6,2),
(6,3), (6,4), (6,5)}
20
D = X1 + X2 < 5 nd = 6 P(D) = 6/36

D = {(1,1), (1,2), (1,3), (2,1), (2,2), (3,1)}
A C = {(6,4)} nAC = 1 P(AC)= 1/36
B D = {(1,1), (1,3), (2,2), (3,1)} nBD = 4 P(BD)= 4/36
D C = {(2,1), (3,1)} nDC = 2 P(DC)= 2/36
C A = {(6,4)} nCA = P(CA)= 1/36
nDB = 4 P(DB)= 4/36

DB = {(1,1), (1,3), (2,2), (3,1)}
a) Solucin de forma deductiva. Cul es la probabilidad de que las dos caras

sumen el nmero 10 dado que la cara del lado uno es mayor que la cara del
lado dos?
El espacio muestral original (S) se reduce al nuevo espacio muestral que es el

tamao del suceso que ya ocurri (C), el cual est compuesto de quince
espacios muetrales. La probabilidad es:
1
() =
15
21
Utilizando La Frmula:
( ) 136 1
() = = =
() 1536 15
b) En forma deductiva. Cul es la probabilidad de que las dos caras sumen un

nmero par dado que la suma de las dos caras de los dados sea mayo que
cinco?
4
() =
6
Con frmula:
( ) 436 4
() = = = = 0.666
() 636 6
c) En forma deductiva cul es la probabilidad de que las dos caras sumen un
nmero menor que cinco dado que la cara del lado uno es mayor que la cara del
lado dos?
2
() =
15
Con frmula:
( ) 236 2
() = = = = 0.133
() 1536 15
d) En forma deductiva, Cul es la probabilidad cuando la cara del lado uno es

mayor que la cara del lado dos dado que la suma las dos caras sea menor que
cinco?
2
( ) =
6
Con frmula:
( ) 236 2
( ) = = = = 0.333
() 636 6
EJEMPLO:
Sea el experimento realizar una auditoria en una tienda de muebles para oficina. El
auditor le pide a su ayudante extraer dos facturas al azar del cajn uno el cual tiene
22
35 facturas del primer bimestre del ao, 10 pertenecen al mes de enero y el resto al
mes de febrero.
a) Con sustitucin
b) Sin sustitucin
Sean los sucesos:
A: La primera seleccin sea una factura del mes de enero
B: La segunda seleccin sea una factura del mes de enero
a) Con constitucin:
Con constitucin se tiene que la P (A) = P (B) = 10/35
b) Sin constitucin:
En la primera seleccin la P(A) = 10/35, el espacio muestral es de 35 facturas.
Al seleccionar la primera factura y no regresarla al cajn uno, el espacio
muestral se reduce a 34 facturas (la reduccin es de una unidad del tamao
original); entonces: la probabilidad del suceso B est condicionada a la
primera seleccin consecutiva, tambin debe ser una factura del mes de
enero.
La probabilidad del suceso B dado que ya ocurri el suceso A es:
P (B/A) = 9/34 = 0.265
EJEMPLO:
En una oficina de la tesorera del Distrito Federal hay 100 mquinas calculadoras.
Unas son elctricas de escrito (A), mientras que otras son electrnicas de escritorio
(B); unas son usadas (U) y otras son nuevas (N). la compaa que da mantenimiento
preventivo a este equipo, al empezar su trabajo selecciona una maquina la azar y
descubre que es nueva.
23
Espacio muestral:
Elctricas (A) Electrnicas (B) TOTAL

NUEVAS (N) 40 30 70
USADAS (U) 20 10 30
TOTAL 60 40 100
Calcular la probabilidad de los siguientes sucesos:
a) Cul es la probabilidad de que es nueva?

70
() = =
100
b) Cul es la probabilidad de que sea elctrica, dado que se escogi una
nueva?
( ) = 40100
( ) 40100 40
() = = = = 0.57
() 70100 70
c) Cul es la probabilidad de que sea nueva dado que se escogi una
elctrica?
() = 60100
( )
( ) 40100 40
() = = = = 0.67
() 60100 60
Como se puede observar en el inciso b y c, la probabilidad condicional no es

conmutativa. No es lo mismo seleccionar una maquina elctrica dado que se
escogi una nueva, que seleccionar una nueva dado que se escogi una elctrica.
() ()
40 40

70 60
d) Cul es la probabilidad de que sea elctrica dado que se escogi una

usada?
() = 30100
24
( ) = 20100
( ) 20100 20
() = = = = 0.67
() 30100 30
e) Cul es la probabilidad de que sea usada dado que se escogi una
electrnica?
() = 40100
( ) 10100 10
( ) = = = = 0.40
() 40100 40
REGLA ESPECIAL DE LA MULTIPLICACIN
Si dos eventos son independientes, A y B, la probabilidad de que ocurra A y B (AB)

se encuentran al multiplicar la probabilidad de A y de B, y se expresa como:
( ) = () ()
En esta regla, al combinar probabilidades se supone que el segundo resultado no

depende del primero.
Para tres eventos Independientes, A, B y C, es la regla especial de multiplicacin

para calcular probabilidades de ocurrencia de tres sucesos se expresa como:
( ) = () () ()
( ) = () () ()
LEY GENERAL DE MULTIPLICACION DE PROBABILIDADES
El teorema de multiplicacin de probabilidades se basa en calcular la

probabilidad de ocurrencia simultnea de dos o ms sucesos. Para los dems
sucesos A y B, esta probabilidad se simboliza por P(A y B) o P (AB)
A partir de la expresin de probabilidad condicional se despeja la probabilidad

conjunta
25
( )
() = , () > 0
()
Entonces la probabilidad conjunta queda expresada:
( ) = () (), : () 0
La expresin anterior indica que la probabilidad de ocurrencia conjunta P(AB)

es igual que la probabilidad condicional P(B/A) por la probabilidad simple o
marginal P(A).
LEY ESPECIAL DE LA MULTIPLICACIN
Si los sucesos A y B son independientes que pueden emplearse la ley especial de

multiplicacin para encontrar la interseccin de A Y B; se expresa como:
( ) = () (), : () 0
EJEMPLO:
En la universidad se recibe un lote de 200 sillas; el encargado de compras supone

que 190 sillas no tienen ningn defecto y 10 s tiene alguno. El encargado de
almacn manda a su ayudante a traer dos sillas de ese lote, calcular la probabilidad
de los siguientes procesos:
A: La primera silla tenga algn defecto
B: la segunda silla tambin tenga algn defecto
a) Seleccionar dos sillas con sustitucin.

Cul es la probabilidad de que ambas sillas estn defectuosas?
10
() = () =
200
( ) = ()()
10 10 100
( ) = ( )( )= = 0.0025
200 200 40000
26
EJEMPLO:
En un grupo de estudiantes de la universidad formado por 35 mujeres y 15 hombres,

se sabe que 14 mujeres y 6 hombres adeudan una asignatura. Calcular los
siguientes sucesos:
A = un estudiante hombre adeuda una asignatura (H)
B = un estudiante elegido al azar adeuda una asignatura dado que el estudiante es

hombre (AA/H)
C = los sucesos de que sea hombre y adeudar una asignatura son independientes
Adeuda una asignatura No adeuda asignatura TOTAL

(AA) (AN)
HOMBRE (H) 6 9 15
MUJER (M) 14 21 35
TOTAL 20 30 50
a) Si se elige al azar un estudiante de este grupo. Cul es la probabilidad de que el

estudiante sea hombre?
15
() = = 0.30
50
b) Cul es la probabilidad de que el estudiante elegido al azar adeude una asignatura
dado que el estudiante es hombre?
( ) 650 6
( ) = = = = 0.40
() 1550 15
c) Demostrar que los sucesos de que es hombre y adeudar una asignatura son
independientes.
( ) = ( ) ()
6 15
( ) = ( )( )
15 50
6 6
=
50 50
27
Los sucesos son independientes, ya que la probabilidad de que sea hombre y

adeudar una asignatura P(AH) es igual que el producto de las probabilidades de
que sea hombre P(H) y adeudar una asignatura, dado que era hombre P(AA/H).
Comprobar que son independientes los sucesos de que sea hombre y tener
reprobada una asignatura, utilizando el producto de las probabilidades marginales.
( ) = ( )()
15 20
( ) = ( ) ( )
50 50
6 300
=
50 2500
6 6
=
50 50
4.5 PROBABILIDAD TOTAL
Para calcular la probabilidad de un solo suceso A, se parte de considerar el

espacio muestral dividido en los sucesos C1, C2, Cj; estos sucesos deben ser
mutuamente excluyentes entre si, de tal forma que al unir todos los sucesos (C 1
hasta Cj) den como resultado el espacio muestral.
Al calcular la probabilidad de uno de los sucesos (de uno y slo de uno), su

probabilidad debe ser mayor que cero, pero nunca igual que uno.
Propiedades:
a) =

b) =1 =
c) ( ) > 0 = 1, 2, ,
28
Ahora asociamos un suceso A con respecto al espacio muestral S y ste se

encuentra dividido en C1, C2, Cj sucesos. El tamao del suceso A asociado
con el espacio muestral se escribe de la forma siguiente:
= ( 1 ) ( 2 ) ( ) (1)
Puede darse el caso de que algunos de los sucesos sean imposibles, lo que
invalidaran la expresin anterior.
Para conocer la probabilidad de A, a partir de la ecuacin uno, se considera que

los sucesos son mutuamente excluyentes entre s. Como son mutuamente
excluyentes se realiza la adicin de todo los sucesos, quedando de la forma
siguiente:
() = ( 1 ) + ( 2 ) + + ( ) (2)
Cada uno de los P(ACi) es la probabilidad de ocurrencia conjunta de sucesos.

La ecuacin dos puede representarse utilizando la probabilidad condicional, ya
que la particin del espacio muestral en C1, C2, Cj se obtuvo primero ocurri
(ocurri primero) y posteriormente se asoci el evento A. lo anterior puede
expresarse como:
29
() = (1 )(1 ) + (2 )(2 ) + + ( )( ) (3)
La ecuacin tres es la ecuacin que permite calcular la probabilidad total.
TEOREMA DE BAYES
Este teorema tambin es conocido como frmula para probabilidad de

causas, y se desarrolla a partir de la probabilidad condicional y la probabilidad
simple o marginal.
Para encontrar el modelo para calcular el teorema de Bayes se parte de las

ecuaciones siguientes:
( ) = ()()
( ) = ( )()
Al igualar las dos ecuaciones se tiene:
()() = ( )()
Al despejar la ecuacin anterior la probabilidad P(B/A) queda como:
( )()
() =
()
Si se aplica el teorema de probabilidad total a la ecuacin anterior sta queda

expresada de la siguiente manera:
()()
() =
(1 )(1 ) + (2 )(2 ) + + ( )( )
30
CONCLUSIN
Este trabajo evidencia todos y cada uno de los temas vistos dentro del plan
semestral del programa Contabilidad y Finanzas; lo aqu presentado permiti
desarrollar el sentido de localizacin de cada uno de los estudiantes pues fijo datos
reales a temas tericos. Llevar un buen registro de datos estadsticos nos permite
conocer de mejor manera el problema, cuando nosotros conocemos la realidad de
nuestras reas afectadas; es ms fcil dar soluciones.
Los diferentes tipos de distribuciones nos permiten prever eventos que puedan
ocurrir, teniendo en cuenta lo que ha sucedido anteriormente (datos histricos). Para
desarrollar un buen proyecto ambiental siempre es necesario conocer las bases
estadsticas del lugar donde vayamos a trabajar.
Conocer la teora nos ayuda a enfocar soluciones y conocer la realidad nos ayuda
a contextualizar y a diferenciar soluciones, para ello una de las soluciones es aplicar
las probabilidades en diferentes situaciones para ver qu tan posible es que ocurra
un evento o experimento determinado. Las probabilidades puede ayudarnos
a comprender lo que en ocasiones la intuicin nos indica de manera errnea.
31
BIBLIOGRAFA
ESTADSTICA PARA ADMINISTRACIN, Jess Rodrguaz, Alberto Pierdant y

Cristina Rodrguez.
ESTADSTICA PARA ADMINISTRACIN Y ECONOMA, Richard I. Levin y

David S. Rubin.
ESTADSTICA DESCRIPTIVA E INFERENCIAL, Manuel Crdova Zamora.
32
INTRODUCCIN
La probabilidad es una herramienta de ayuda para la toma de decisiones porque

proporciona una forma de medir, expresar y analizar las incertidumbres asociadas
con eventos futuros de razones entre el nmero de casos favorables y el nmero de
casos posibles.
Qu es probabilidad? Es una medida numrica de la posibilidad de que ocurrir un

evento en la que sus valores se asignan en una escala de 0 a 1.
El Clculo de Probabilidades nos permite calcular el grado de fiabilidad o error de

las conclusiones obtenidas mediante inferencia estadstica. La probabilidad mide o
cuantifica la incertidumbre que tenemos sobre el resultado de un experimento
aleatorio.
En el presente trabajo buscaremos hacer entender al lector sobre el concepto de

experimento aleatorio y las diversas clasificaciones de una probabilidad, a la vez
tambin buscamos valorar la probabilidad y sus aplicaciones para llegar a calcular
probabilidades de sucesos simples y manejar con soltura el concepto de
independencia de sucesos. Finalmente entender la definicin mediante ejemplos
de probabilidad condicionada y aplicar con soltura los teoremas de la probabilidad
total y el Teorema de Bayes. https://es.scribd.com/doc/285320909/Estadistica-para-la-
administracion-y-Economia-Lind-Marchal-11-edicion-pdf
33
34

PROBABILIDAD

Загружено:

Сведения о документе

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

PROBABILIDAD

Загружено:

Авторское право:

Доступные форматы

UNIVERSIDAD NACIONAL AMAZNICA DE MADRE DE DIOS ESTADSTICA - PROBABILIDAD

La probabilidad es simplemente qu tan posible es que ocurra un evento

La Probabilidad propone modelos para los fenmenos aleatorios, es decir, los

En este sentido, el clculo cientfico de probabilidades puede ayudarnos

2. EXPERIMENTOS, ESPACIO MUESTRAL, REGLAS DE CONTEO Y

En estadstica la palabra experimento () se utiliza para describir un proceso

Podemos afirmar que tambin es un proceso mediante el cual se obtienen

2.1.1. Experimento o Fenmeno aleatorio.- Es aquel fenmeno o

2.1.2. Fraccin Probabilstica.- Es cada uno de los posibles resultados de

Espacio Muestral (S). Es el conjunto de todos los resultados posibles que

Suceso o Evento (A). Est formado por un conjunto de puntos muestrales,

Suceso o evento compuesto. Est formado por dos o ms puntos

Suceso o evento imposible (). Que no tiene puntos muestrales, en

Se lanza una moneda.

Suceso o evento complemento (A). Se define como el conjunto de

Suceso mutuamente excluyente o exclusivo. Se define al considerar

tiempo; se expresa como AB = . La interseccin de A y B es el

Sucesos mutuamente no excluyentes o exclusivos. Se define al

Sucesos Colectivamente exhaustivos. Al realiza un experimento se

2.2. TCNICAS DE CONTEO

La capacidad de identificar y contar los puntos muestrales de un experimento

2.2.1. Tcnica de conteo para experimentos de etapas mltiples

La cantidad de resultados posibles que forman el espacio muestral se

Si un experimento se puede describir como una sucesin de k etapas, en las

Una agencia de automviles compactos pone en promocin, en la compra de

1 = nmero de modelos de automviles

2 = nmero de radios diferentes

Nmero de modelos y radio reproductor CD = 1 * 2

Nmero de modelos y radio reproductor CD = (3) (2) = 6

La permutacin es un arreglo ordenado que se interpreta del siguiente

Las permutaciones pueden utilizarse en dos casos diferentes:

a) Cuando n r, el nmero de permutaciones de r objetos tomados de

b) Cuando n = r, el nmero de permutaciones de r objetos tomados de

c) Cuando n r. Este caso no existe.

La combinacin es un arreglo de n objetos tomados r a la vez. En este

De la expresin anterior se tiene r! permutaciones para cada combinacin de

2.3. ASIGNACIN DE PROBABILIDADES A LOS RESULTADOS

Veamos cmo se pueden determinar las probabilidades de los resultados

2.3.1. MTODO CLSICO

Para ilustrar este mtodo veamos el experimento de lanzar una moneda. En

2.3.2. MTODO DE LA FRECUENCIA RELATIVA

ste mtodo consiste en el uso de datos histricos para asignar

La probabilidad de ocurrencia del suceso A es igual al nmero de repeticiones

En donde representa el nmero de veces de ocurrencia del

2.3.3. MTODO SUBJETIVO

El mtodo subjetivo se emplea cuando el mtodo de frecuencia relativa y el

2.3.4. MATRIZ DE PROBABILIDAD

Es una herramienta utilizada por todos los estadsticos en la solucin de

Cuadro 1. Matriz de valores

A partir de la matriz de valores se encuentra el valor de probabilidad

Cuadro 2. Matriz de probabilidad

Planta Automotriz Zona Geogrfica

De la matriz de probabilidad es muy fcil leer un valor de probabilidad asociados

2.3.5. SMBOLOS LGICOS QUE SE UTILIZAN EN PROBABILIDAD

En las probabilidades es muy comn encontrar preguntas como: cul es la

Enunciado Smbolo Representacin

3. EVENTOS Y SUS PROBABILIDADES

Cuando se desea obtener la probabilidad de un suceso A sin recurrir a la

esta frecuencia sea obtenida de un nmero muty grande de repeticiones del

DEFINICIN: Sea un experimento y un espacio muestral asociado con . Cada

entonces: la probabilidad de un evento A es igual a las suma de las

3.2. PROBABILIDAD DEL SUCESO COMPLEMENTO

El complemento de un suceso A es aquel que est formado por todos los

Se sabe: P(A) + P(A) = 1