Probabilidad y Estadística Unidad II: Parte II

PROBABILIDAD

Experimento aleatorio: Es aquel que puede producir resultados diferentes aun cuando se repita siempre
de la misma manera.
Espacio muestral: Es el conjunto de todos los resultados posibles de un experimento aleatorio. El
espacio muestral generalmente se representa con S. Un resultado particular, es decir, un elemento de S,
se llama punto muestral. Un suceso A es un conjunto de resultados o en otras palabras un subconjunto
del espacio muestral S.
Dos sucesos A y B se llaman mutuamente excluyentes sin son incompatibles; es decir, si A  B  Ø. En
otras palabras A y B son excluyentes si no pueden ocurrir simultáneamente.

Ejemplo 1: Tirar un dado y observar el número que sale: S= {1,2,3,4,5,6}

Sea A el suceso de que salga un número par, B que salga impar y C que salga un número primo. a)
Denotar cada suceso utilizando la notación de conjuntos, b) realizar las operaciones A  C , B  C y
C c ,c) encontrar cuales de los sucesos son mutuamente excluyentes.
a) A={2,4,6}, B={1,3,5}, C={2,3,5}
b) A  C  {2,3,4,5,6} , B  C  {3,5}, C c  {1,4,6}
c) Los sucesos A y B son mutuamente excluyentes dado que A  B  {Ø}

Ejemplo 2: Tirar una moneda 3 veces y observar la secuencia de caras (H) y cruces (T) que aparecen. a)
Determinar el espacio muestral, b) Encontrar el suceso A de que dos o más caras aparezcan
consecutivamente y el B de que todas las tiradas sean iguales, c) Encontrar A  B .
a) S={HHH, HHT, HTH, HTT, THH, THT, TTH, TTT}
b) A={HHH, HHT, THH}, B={HHH, TTT}
c) A  B  {HHH}
Teoremas de probabilidad
1: La probabilidad del suceso imposible, o en otras palabras del conjunto vacio Ø es nula, es decir,
P(Ø)=0
2: Para cualquier suceso A se cumple que 0  P( A)  1
3: Si A  B , entonces P( A)  P(B)
4: Para dos sucesos cualquiera A y B se verifica que:
P( A \ B)  P( A)  P( A  B)
5: Para dos sucesos cualquiera A y B
P( A  B)  P( A)  P(B)  P( A  B)

Espacios finitos equiprobables

Supongamos que S es un espacio muestral finito con n elementos y supongamos que las características
físicas del experimento sugieren que a varios resultados se les asignen probabilidades iguales. Entonces
S se convierte en un espacio probabilístico llamado espacio finito equiprobable, si a cada punto p, se le
Dr. Jorge Limón Romero 3
 Probabilidad y Estadística Unidad II: Parte II

asigna la probabilidad 1/n y si a cada suceso A que contiene r puntos se le asigna la probabilidad r/n. con
otras palabras:
número de elementos de A n( A)
p( A)  
número de elementos de S n(S )
Ejemplo 1: Elegimos de forma aleatoria una carta de una baraja con 52 cartas. Consideremos los
sucesos: A={La carta es un corazón}, B={La carta es una figura}. Calcular p(A), p(B) y p( A  B)
número de corazones 13 1
P( A)   
número de cartas 52 4
número de figuras 12 3
P(B)   
número de cartas 52 13
número de figuras de corazones 3
P( A  B)  
número de cartas 52
Ahora suponga que queremos hallar la probabilidad de que la carta o sea una de corazones o sea una
figura ¿A cuánto será igual esta probabilidad?
13 12 3 22
P( A  B)  P( A)  P(B)  P( A  B)    
52 52 52 52
Nota: Colores={Rombos, tréboles, espadas y corazones}, Figuras={J,Q,K}
Ejemplo 2: Se elige aleatoriamente a un estudiante de entre 80, de los cuales 30 estudian matemáticas,
20 química y 10 ambas asignaturas. Hallar la probabilidad P de que el estudiante este estudiando
matemáticas o química.

U
M Q
10
20
10
40

P(M  Q)  P(M )  P(Q)  P(M  Q)

30 20 10
P(M )  , P(Q)  y P(M  Q) 
80 80 80
30 20 10 40 1
P(M  Q)     
80 80 80 80 2

Espacios probabilísticos finitos

Sea S un espacio muestral finito, digamos S  {a1, a2...an} . Un espacio probabilístico finito, se obtiene
asignando a cada punto ai de S un número real Pi llamado probabilidad de ai, que cumple las siguientes
propiedades:
1) Cada Pi  0

Dr. Jorge Limón Romero 4

 Probabilidad y Estadística Unidad II: Parte II

2) Pi 1
i 1

Ejemplo: Tirar 3 monedas y observar el número de veces que sale cara:

S={0,1,2,3}
Resultado 0 1 2 3
Probabilidad 1/8 3/8 3/8 1/8
Sea A el suceso de que aparezca cara al menos una sola vez y B el que aparezcan todas caras o todas
cruces, encontrar p(A), p(B), p( A  B) y p( A  B) .
3 3 1 7
p( A)  p(1)  p(2)  p(3)    
8 8 8 8
1 1 2
p(B)  p(3)  p(0)   
8 8 8
1
p( A  B)  p(3) 
8
7 2 1 8
p( A  B)  p( A)  p(B)  p( A  B)      1
8 8 8 8

Ejercicio: Tres caballos A,B,C están en una carrera, A tiene el doble de posibilidades de ganar que B y B
tiene el doble que C. a) Hallar sus respectivas probabilidades de ganar. b) ¿Cuál es la probabilidad de
que gane B o C?
a) P(A)=4/7, P(B)=2/7, P(C)=1/7
b) p(B  C)  3/7

Probabilidad Condicional
Supongamos que E es un suceso de un espacio muestral S con p(E)>0. La probabilidad de que un suceso
A ocurra dado que ha ocurrido E o concretamente la probabilidad condicionada de A dado E, se define
como sigue:
P( A  E)
P( A | E) 
P(E)
Ejemplo 1: Se tira un par de dados. El espacio muestral S se compone de 36 pares ordenados (a,b),
donde a y b pueden ser cualquier numero entre 1 y 6. Así la probabilidad de que salga cualquier punto
es 1/36. Hallar la probabilidad de que salga un 2 en uno de los dados, si la suma ha sido 6, es decir,
hallar la probabilidad P(A|E).

E= {La suma es 6}, A={Salga 2 al menos un dado}

E= {(1,5), (2,4), (3,3), (4,2), (5,1)}, A= {(2,4), (4,2)}

Dr. Jorge Limón Romero 5

 Probabilidad y Estadística Unidad II: Parte II

2
P( A  E) 2
P( A | E)   36 
P(E) 5 5
36
Ejemplo 2: La probabilidad de que un vuelo programado normalmente salga a tiempo es P(D) = 0.83; la
probabilidad de que llegue a tiempo es P( A)  0.82 ; y la probabilidad de que salga y llegue a tiempo es
P(D  A)  0.78 . Encuentre la probabilidad de que un avión a) llegue a tiempo, dado que salió a
tiempo y b) salió a tiempo dado que llegó a tiempo.
a) La probabilidad de que un avión llegue a tiempo, dado que salió a tiempo es
P( A  D) 0.78
P( A | D)    0.94
P(D) 0.83
b) La probabilidad de que un avión saliera a tiempo, dado que llegó a tiempo es
P( A  D) 0.78
P(D | A)    0.95
P( A) 0.82
La noción de probabilidad condicional proporciona la capacidad de reevaluar la probabilidad de un
evento a la luz de información adicional; es decir, cuando se sabe que ocurrió otro evento. La
probabilidad P( A | B) es una “actualización” de P( A) basada en el conocimiento de que ocurrió el
evento B. En el ejemplo anterior es importante conocer la probabilidad de que los vuelos lleguen a
tiempo. Se nos da la información de que el vuelo no salió a tiempo. Con esta información adicional, la
probabilidad más pertinente es P( A | D c ) , esto es, la probabilidad de que llegue a tiempo, dado que
no salió a tiempo. En muchas situaciones las conclusiones que se obtienen de observar la probabilidad
condicional más importante cambian por completo la situación. Para el ejemplo anterior el cálculo de
P( A | Dc ) es:
P( A  Dc ) 0.82  0.78
P( A | Dc )    0.24
P(Dc ) 0.17
Nota: Dado que P( A)  P( A  D )  P( A  Dc )  0.82 , entonces,
P( A  Dc )  P( A)  P( A  D )  0.82  0.78
Como consecuencia la probabilidad de una llegada a tiempo disminuye considerablemente ante la
presencia de información adicional.

Multiplicación para la probabilidad condicionada

P( A  E)
P( A | E)  , P( A  E)  P( A | E)xP(E)
P(E)
Así la probabilidad de que ocurran A y E es igual a la probabilidad de que ocurra E por la probabilidad de
que ocurra A, dado que ocurrió E. como los eventos ( A  E) y (E  A) son equivalentes, se sigue
entonces que también podemos escribir:

Dr. Jorge Limón Romero 6

 Probabilidad y Estadística Unidad II: Parte II

P( A  E)  P(E  A)  P(E | A)xP( A)

En otras palabras, no importa cual evento se considera como E y cual como A.

Ejemplo 1: Un lote contiene 12 televisores de los cuales 4 son defectuosos. Se sacan 3 televisores al
azar, uno detrás del otro. Hallar la probabilidad P de que los tres sean no defectuosos.
8 7 6  14  0.255
P xx
12 11 10 55

Ejemplo 2: La producción de un día de 850 partes manufacturadas contiene 50 partes defectuosas. Se

seleccionan 2 partes al azar sin reemplazo. a) ¿Cuál es la probabilidad de que la segunda parte sea
defectuosa dado que la primera es defectuosa?, b) Si se seleccionan 3 partes al azar ¿Cuál es la
probabilidad de que las dos primeras partes sean defectuosas y la tercera no lo sea?

a) P(B|A)=49/849 
50 49 800
b) P(DDN)= P(DDN )  x x  0.0032
850 849 848

Dr. Jorge Limón Romero 7

 Probabilidad y Estadística Unidad II: Parte II

Teorema de probabilidad total

Considere la siguiente figura. Si los eventos B1, B2,…,Bk constituyen una partición del espacio muestral S,
tal que P(Bi )  0 para i=1,2,…,k, entonces para cualquier evento A de S,
k k

P( A)   P(Bi  A)   P(Bi )P( A | Bi )

i 1 i 1

B1 B4 B5

B2 B3 BK

En esta figura se puede ver que el evento A es la unión de los eventos mutuamente excluyentes

(B1  A),(B2  A),..., (BK  A) ; es decir,

A  (B1  A)  (B2  A)  ...  (BK  A) , por lo que como ya se vio anteriormente:

P( A)  P[(B1  A)  (B2  A)  ...  (BK  A)]

 P(B1  A)  P(B2  A)  ...  P(BK  A)

k k

  P(Bi  A)   P(Bi )P( A | Bi )]

i 1 i 1

Ejemplo: En cierta planta de montaje, tres máquinas B1, B2 y B3, montan 30%, 45% y 25% de los
productos, respectivamente. Se sabe de la experiencia pasada que 2%, 3% y 2% de los productos
ensamblados por cada máquina respectivamente, tienen defectos. Ahora, suponga que se selecciona de
forma aleatoria un producto terminado. ¿Cuál es la probabilidad de que este defectuoso?
Considere los eventos siguientes:
A: el producto esta defectuoso
B1: el producto esta ensamblado por la máquina B1
B2: el producto esta ensamblado por la máquina B2
B3: el producto esta ensamblado por la máquina B3
Al aplicar la regla de la probabilidad total, podemos escribir:

P( A)  P(B1 )P( A | B1 )  P(B2 )P( A | B2 )  P(B3 )P( A | B3 ) ,

Por lo que la probabilidad de que el producto sea defectuoso será la siguiente:

P( A)  (0.3)(0.02)  (0.45)(0.03)  (0.25)(0.02)  0.006  0.0135  0.005  0.0245

Dr. Jorge Limón Romero 8

 Probabilidad y Estadística Unidad II: Parte II

Regla de Bayes
Si los eventos B1, B2,…,Bk constituyen una partición del espacio muestral S, tal que P(Bi )  0 para
i=1,2,…,k, entonces para cualquier evento A de S, tal que P( A)  0 ,

P(Br  A) P(Br )P( A | Br )

P(Br | A)  k
 k para r=1,2,…,k.
 P(B  A)  P(B )P( A | B )
i 1
i
i 1
i i

Ejemplo 1: Respecto al problema anterior, si se elige al azar un producto y se encuentra que es

defectuoso, ¿Cuál es la probabilidad de que este ensamblado por la máquina B3?
Con el uso de la regla de Bayes podemos escribir:

P(B )P( A | B )
P(B3 | A)  P(B )P( A | B )  P(B3 )P( A | B3)  P(B )P( A | B ) , entonces:
1 1 2 2 3 3

P(B | A)  0.005  0.204

0.006  0.0135  0.005
3

Ejemplo 2: Un compañía de seguros divide a las personas en dos clases, quienes son propensos a
accidentes y quienes no lo son. Sus estadísticas muestran que una persona propensa a accidentes,
tendrá, en no más de un año, un accidente con una probabilidad de 0.4; mientras esta probabilidad
decrece a 0.2 para personas no propensas a accidentes. Si pensamos que 30% de la población es
propensa a accidentes, a)¿Cuál es la probabilidad de que una persona que compra una nueva póliza
tenga un accidente en no más de un año?, b) Suponga que un nuevo asegurado ha tenido un accidente a
no más de un año de haber comprado su póliza. ¿Cuál es la probabilidad de que sea propenso a
accidentes?
A: accidente
Pa: Propenso a accidente
Npa: no propenso a accidente

P(pa)= 0.3, P(npa)=0.7, P(A|pa)=0.4 y P(A|npa)=0.2, por lo que utilizando la fórmula para la probabilidad
total. La probabilidad de que se le presente un accidente seria igual a:
P( A)  P( pa)P( A | pa)  P(npa)P( A | npa)
P( A)  (0.30)(0.4)  (0.7)(0.2)  0.12  0.14  0.26

P( pa)P( A | pa)  (0.3)(0.4)

b) P( pa | A)    0.4615
P( pa)P( A | pa)  P(npa)P( A | npa) 0.26

Inicialmente, al comprar el cliente su seguro, se pensaba que había una posibilidad de 30% de que la
persona fuera propensa a accidentes. Sin embargo, en base en el hecho de que tuvo un accidente en no
Dr. Jorge Limón Romero 9
 Probabilidad y Estadística Unidad II: Parte II

más de un año, esta probabilidad cambia a 0.46, es decir se aumenta considerablemente la probabilidad
de que sea propensa a accidentes al actualizarse la información.

Ejemplo 3: Una prueba de sangre de laboratorio es 99% efectiva para detectar una cierta enfermedad
cuando ocurre realmente. Sin embargo, la prueba también da un resultado “positivo falso” en 1% de las
personas sanas a quienes se les aplica (es decir, si se le hace la prueba a una persona sana, con
probabilidad de 0.01 el resultado de la prueba implicará que la persona padece la enfermedad). Si 0.5%
de la población tiene realmente la enfermedad, ¿Cuál es la probabilidad de que una persona tenga la
enfermedad si la prueba dio resultado positivo?

E: Tiene la enfermedad
Ne: No tiene la enfermedad
P: Da positivo en la prueba

P(E)P(P | E) (0.005)(0.99)
P(E | P)    0.3322
P(E)P(P | E)  P(Ne)P(P | Ne) (0.005)(0.99)  (0.995)(0.01)

Así se tiene que solamente 33% de las personas en quienes la prueba da un resultado positivo, padecen
realmente la enfermedad.

Sucesos independientes

Los sucesos A y B de un espacio probabilístico S son independientes si la ocurrencia de uno de ellos no

influye en la ocurrencia del otro. Más concretamente, B es independiente de A si P(B) es igual a P(B|A),
por lo que si sustituimos P(B) por P(B|A), en el teorema de la multiplicación para la probabilidad
condicional, es decir, P( A  B)  P( A).P(B | A) , nos queda:

P( A  B)  P( A).P(B)

Entonces podemos decir que:

Los sucesos A y B son independientes sí P( A  B)  P( A).P(B) ; de cualquier otra forma serán

dependientes.

Ejemplo: Si se tira una moneda 3 veces con el siguiente espacio equiprobable

S  {SSS, SSA, SAS, SAA, ASS , ASA, AAS , AAA}

Consideremos los sucesos:

A= {La primera tirada es cara}= {SSS, SSA, SAS, SAA}

B= {La segunda tirada es cara}= {SSS, SSA, ASS, ASA}
C= {Hay exactamente dos caras en una fila}= {SSA, ASS}

Dr. Jorge Limón Romero 10

 Probabilidad y Estadística Unidad II: Parte II

4 4 2
Entonces: P(A)=  1 , P(B)=  1 , P(C)=  1 , además:
8 2 8 2 8 4

2 1 1 2 1
P( A  B)  P(SSS, SSA)   , P( A  C)  P(SSA)  , P(B  C)  P(SSA, ASS )  
8 4 8 8 4
De acuerdo con esto:
1 1 1
P( A).P(B)  x   P( A  B) , entonces A y B son independientes
2 2 4
 1 1 1
P( A).P(C)  x   P( A  C) , entonces A y C son independientes
2 4 8
1 1 1
P(B).P(C)  x   P(B  C) , ces B y C son dependientes
2 4 8

Ejemplo 2: Se sabe que 30% de las lavadoras de cierta compañía requieren de servicio mientras está
vigente la garantía, en tanto que solo 10% de sus secadoras necesitan de este servicio. Si alguien compra
una lavadora y una secadora de esta compañía ¿Cuál es la probabilidad de que ambas máquinas
requieran servicio de garantía?
Suponiendo que A es el evento de que la lavadora necesite de servicio mientras está vigente la garantía
y B el mismo evento pero para la secadora, entonces P(A) = 0.30 y P(B) = 0.10, por lo que si las dos
máquinas funcionan de manera independiente la probabilidad deseada es:

P( A  B)  P( A)  P(B)  (0.30)  (0.10)  0.03

Así también se puede obtener la probabilidad de que una o la otra requiera de servicio como:

P( A  B)  P( A)  P(B)  P( A  B)  0.30  0.10  0.03  0.37

De la misma manera la probabilidad de que ninguna de las máquinas requiera mantenimiento es:

P( Ac  Bc )  P( Ac )  P(Bc )  (0.70)  (0.90)  0.63

Dr. Jorge Limón Romero 11