7

1
! " "
# $
%" &
' " ( "
#
)"
* +
, - (
. /0 1 23 * ' 4 * 3 * 56#, '# ' ,'* '# 7*
2 3 '" . 8
96 : 6 ; <
) %8 = =

! /" -
! 2 =

-
# '# > 6 7', '#?5' > !6 #'@'
! !;" =
, ) %8 = =

# . A
6 @')6 B #3 @ B 6##6#'
* 6 =

C % .
,'* 'D > )6 6##' ,E6* @
> # '* > 7'@ E# 6* ',

AD #E2 ', ,'* '# 7*

& ' * = $F 1 F =A G 1F G 1 G
) %8 = =8> "
Estadística y probabilidad 1
Introducción
El presente fascículo aborda las definiciones de probabilidad, pasando por
teoremas básicos como teorema de la adición y la multiplicación, la
probabilidad condicional y cuadros de contingencia. Según Richard
Jeffrey, "Antes de la mitad del siglo XVII, el término 'probable' (en latín
probable) significaba aprobable, y se aplicaba en ese sentido,
unívocamente, a la opinión y a la acción. Una acción u opinión probable
era una que las personas sensatas emprenderían o mantendrían. No
obstante, en la Edad Media la probabilidad se utilizó en los juegos de
azar, especialmente en el juego de los dados.

Así mismo, en el año de 1923, Kolmogorov propuso y comprobó tres

teoremas de la probabilidad y esto la convirtió en una ciencia. En la
actualidad, la probabilidad tiene muchas aplicaciones en ámbitos que
abarcan desde los deportes hasta el campo científico. La probabilidad
tiene aplicaciones significativas en la esfera empresarial o comercial por
cuanto permite la revisión de la fiabilidad de los productos. De igual
manera, el diseño de bienes de consumo como los automóviles y los
electrodomésticos requiere de la implementación de la teoría de la
fiabilidad para reducir la probabilidad de avería.

Otras aplicaciones principales de la teoría de la probabilidad se dan en el

análisis de riesgo y el comercio de los mercados de materias primas. Las
empresas de seguros son uno de los renglones que manejan el tema de
probabilidad en lo referente a la esperanza de vida de los asociados.

En este marco, la importancia de la probabilidad es evidente, razón por la

cual es el tema central de este fascículo.

Fascículo No. 7 Estadística y

probabilidad
Semestre 3
 Estadística y probabilidad

Conceptos previos
Para la comprensión de este fascículo es importante que el estudiante
repase la teoría de conjuntos en temas como la unión, la intersección y las
gráficas de Venn.

Mapa conceptual fascículo 7

Se refiere al
PROBABILIDAD

Grado de Representado por

ocurrencia de un
evento

Utilizando
DEFINICIONES Y
AXIOMAS

Aplicando las
TABLAS DE
CONTINGENCIAS

Que se puede
LEY ADICIÓN LEY DE LA
MULTIPLICACIÓN Y representar en un
EVENTOS
INDEPENDIENTES

DIAGRAMA DE Para llegar a

ÁRBOL

PROBABILIDAD
CONDICIONAL

Logros

Al finalizar el estudio del presente fascículo, el estudiante estará en capacidad

de:

 Identificar los conceptos de probabilidad aplicándolos a aspectos de

su vida cotidiana.
 Calcular probabilidades aplicando las reglas de la adición y multipli-
cación.
 Identificar los cuadros de contingencia para la probabilidad.
 Leer y comparar diferentes aplicaciones de la probabilidad y dar su
opinión acerca de la variable que se está analizando.

Fascículo No. 7
Estadística y
probabilidad
2 Semestre 3
Estadística y probabilidad

Probabilidades

Figura 7.1
La Probabilidad.

Imagen tomada de
http://web.educastur.princast.es/cursos/cursowqp/aplic/natividad%20diaz/azar.gif

Definiciones
La Probabilidad es una herramienta que permite evaluar la fiabilidad de las
conclusiones de un evento y pronosticar los resultados teniendo en cuenta
una muestra para luego extrapolar sus resultados a una población. Por
ejemplo, en este momento se podría afirmar que existe una alta proba-
bilidad de que el dólar siga en descenso por la crisis económica, según
informaciones de organismos especializados como el Banco de la Repú-
blica, el BID y los noticieros internacionales. Esto tiene dos implicaciones:
por una parte si se trata de un exportador, sus ingresos están disminu-
yendo y si es un importador, entonces disminuirán los costos de los
productos. Estas conclusiones se pueden inferir por aplicación de
probabilidades.

A continuación se presentarán trece definiciones de la probabilidad con

base en la Teoría General de Conjuntos y los Diagramas de Venn:

1. Si un experimento que está sujeto al azar, resulta de n formas

igualmente probables y mutuamente excluyentes, y si nA de estos

Fascículo No. 7
Semestre 3 3 Estadística y
probabilidad
 Estadística y probabilidad

resultados tienen un atributo A, la probabilidad de A es la proporción

de nA con respecto a n.

Ejemplo
La probabilidad en sus inicios se utilizó, frecuentemente, en los juegos de
azar. Nosotros, a continuación, trabajaremos un ejemplo con el lanzamien-
to de un dado, elemento muy conocido y del que todos sabemos, tiene
seis caras y en consecuencia el resultado es de uno a seis.

Lanzamiento de un dado
P(A) = casos favorables / casos posibles
P(A) = nA / n
X = lanzar un dado
X = (1, 2, 3, 4, 5, 6) Sx = (1, 2, 3, 4, 5, 6)
A= resultado sea par = (2, 4, 6)
B= resultado sea impar = (1, 3, 6)
C= resultado sea mayor que 1 = (2, 3, 4, 5, 6)
D= resultado sea menor que 5 = (1, 2, 3, 4,)
E= resultado sea mayor que 6 = ( ), 0

Determinar las anteriores probabilidades

P(A) = casos favorables / casos posibles = 3 / 6 = 0,5
Donde 3, es el número de resultados que favorecen a A (3 es la
cantidad de números pares que hay en el resultado de lanzar un dado)
y 6 es el número de resultados de lanzar un dado
P (B) = casos favorables / casos posibles = 3 / 6 = 0,5
P(C) = casos favorables / casos posibles = 5 / 6 = 0.8333
P (D) = casos favorables / casos posibles = 4 / 6 = 0,666
P (E) = casos favorables / casos posibles = 0 / 6 = 0,0000

Fascículo No. 7
Estadística y
probabilidad
4 Semestre 3
Estadística y probabilidad

2. Si un experimento se repite n veces bajo las mismas condiciones y nB

de los resultados son favorables a un atributo B, el límite de nB / n
conforme n se vuelve grande, define la probabilidad del atributo B.
Esta es la definición de probabilidad como frecuencia relativa.
3. El conjunto de todos los posibles resultados de un experimento
aleatorio recibe el nombre de espacio muestral. Esto es lo que se
denomina en Teoría de Conjuntos, el conjunto universal, es decir, la
reunión de todos los resultados. Se denota con la letra S.

Seguiremos utilizando el ejemplo del lanzamiento de un dado y el espacio

muestral será:

Ejemplo
X = lanzar un dado
Sx = (1, 2, 3, 4, 5, 6) el espacio muestral de lanzar un dado
L = Lanzar dos monedas
SL = (cc, cs, sc, ss) el espacio muestral de lanzar dos monedas
T = Los días de la semana
ST = (lunes, Martes, Miércoles, Jueves, Viernes, Sábado, Domingo) los
días de la semana

4. Se dice que un espacio muestral es discreto si su resultado puede

ponerse en una correspondencia uno a uno con el conjunto de los
enteros positivos.
5. Se dice que un espacio muestral es continuo si sus resultados consisten
de un intervalo de números reales.
6. Un evento del espacio muestral es un grupo de resultados contenidos
en éste, cuyos miembros tienen una característica en común y se
denotan con letras mayúsculas.

Fascículo No. 7
Semestre 3 5 Estadística y
probabilidad
 Estadística y probabilidad

Ejemplo
En el ejemplo anterior, A es el evento de lanzar un dado y cuyo resultado
es par (2, 4, 6); estos números tienen una característica en común: son
números pares.

C= resultado sea mayor que 1 = (2, 3, 4, 5, 6)

D= resultado sea menor que 5 = (1, 2, 3, 4)
L=los días de la semana (lunes, Martes, Miércoles, Jueves, Viernes,
Sábado, Domingo)

7. El evento que contiene a ningún resultado del espacio muestral recibe el

nombre de evento nulo o vacío.

Con base en el ejemplo del evento anterior, lanzamiento de un dado, si

estuviésemos buscando los números mayores de 6, el resultado será cero
porque no existen. Así mismo, los días de la semana que empiecen con T,
es vacío porque no existen días que empiecen con T.

8. El evento formado por todos los posibles resultados en A ó B ó en

ambos, recibe el nombre de la unión de A y B y se denota como P
(AUB). Se define como la probabilidad de A más la probabilidad de B
menos la probabilidad de A interceptado.

P (AUB) = P (A) + P (B) - P (ANB)

Con el ejemplo de lanzar un dado, determinar la probabilidad de C unión B
P (CUB) = P(C) + P (B) - P (CNB) = 5/6 +3/6 -2/6 = 6/6 = 1
Con el ejemplo de lanzar un dado, determinar la probabilidad de D unión E
P (DUE) = P (D) + P (E) - P(DNE) = 4/6 +0 - 0 = 4/6 = 0.666

9. El evento formado por todos los resultados comunes entre A y B recibe

el nombre de la intersección de A y B y se denota como P(ANB)

Fascículo No. 7
Estadística y
probabilidad
6 Semestre 3
Estadística y probabilidad

Ejemplo
Con los datos de lanzar un dado y los eventos descritos anteriormente,
determinar las probabilidades:
P (AUB) = P(A) + P (B) - P (BUD) =
P (AUB) =0,5 + 0,5 – 0,0 = 1
P (ANB) = La probabilidad es cero porque ningún número es par e impar a
la vez.
P (AUC) = P(A) + P(C) - P(ANC)
P (ANC) = 3 / 6 = 0,5 El tres es por los números 2, 4, 6 se repiten entre
los conjuntos A y C.
P (AUC) = 0, 5 +0, 8333 – 0, 5 = 0, 8333
P (BUD) = P (B) + P (D) - P (BND)
P (BUD) = 0,5 +0,666 – 0,3333 = 0,8333

10. Se dice que los eventos A y B son mutuamente excluyentes o

disyuntos si no tienen resultados en común, en otras palabras, la P
(BND) = 0 (es evento vacío) porque no tiene elementos en común.
11. Si cualquier resultado de A es también resultado de C, se dice que el
evento A está contenido en C.
A está contenido en C

3 5
264
Figura 7.2
A está contenido en C.

A= resultado sea par = (2, 4, 6)

4 Con
C= resultado sea mayor que 1 = (2, 3, 4, 5, 6)
el ejemplo
deC lanzar
Porque los elementos de A los contiene
un dado,
determinar
la
Fascículo No. 7 probabilida
Semestre 3 d de C 7 Estadística y
probabilidad
unión B
 Estadística y probabilidad

12. El complemento de un evento A con respecto al espacio muestral S X

es aquél que contiene a todos los resultados de S X que no se
encuentran en A y se denota por AC

En el siguiente Diagrama de Venn (figura 7.3) se observa que el

complemento de A es todo lo que queda por fuera del conjunto A.
P (AC) = 1- P(A)

1 5
2 4 6 5

Figura 7.3
Diagrama de Venn.

P(AC ) = (1, 3, 5 ) = 1/2 Complemento es el color.

P(AC ) = 1- P(A) = 1- 1/2 =1/2 = 0.50
P(DC ) = 1- P(D) = 1- 4/6 =2/6 = 0.6666
P(CC ) = 1- P(C) = 1- 5/6 =1/6 = 0.1666

13. Sea S cualquier espacio muestral y A cualquier evento de éste, se

llamará función de probabilidad sobre el espacio muestral S a P(A)
si satisface los siguientes axiomas:

1. P(A) >=0
2. P(S) = 1
3. Si, para los eventos A, B, C…
ANB = 0 ANC = 0
P (AUBUC…) = P(A)+ P (B)+ P(C)+ …

Hasta el momento hemos visto las definiciones de probabilidades que no

necesitan ser demostradas. A continuación veremos los teoremas de
probabilidades que no sólo deben ser enunciados, sino también
demostrados.

Fascículo No. 7
Estadística y
probabilidad
8 Semestre 3
Estadística y probabilidad

Teoremas
Los siguientes son los tres teoremas de Kolmogorov, los cuales permi-
tieron que la probabilidad se convirtiera en una ciencia.

Teorema 1
La probabilidad del espacio vacío es igual a cero.
P (0) = 0
Teorema 2
La probabilidad es el intervalo cerrado entre (0) cero y uno (1), donde
cero representa que el evento es vacío y uno cuando el evento es igual
al espacio muestral S. Estos son los extremos.
P(0) = 0
P(S) = 1
P(A) >= 0
P(A) <= 1
Donde A es un evento cualquiera generado por un espacio muestral S.

Teorema 3
Sea un espacio muestral que contiene cualquiera de los dos eventos A
y B; entonces:
P (AUB) = P (A) + P (B) - P (ANB)
Representa la unión de dos eventos igual a la probabilidad del primer
evento más la probabilidad del segundo evento menos la intersección; la
unión se representa por la O. Es el conjunto de elementos que están en A
o en B.

Ahora bien, presentaremos a continuación los axiomas de la Teoría

General de Conjuntos aplicados a la probabilidad. Recordemos que un
axioma no necesita ser demostrado sino que por lógica se llega al
resultado final.

Fascículo No. 7
Semestre 3 9 Estadística y
probabilidad
 Estadística y probabilidad

Axiomas
Hay algunos axiomas de conjuntos que se estudiaron en matemáticas y se
aplican en las probabilidades, éstos son:
 P(A U S) = P(S)
 P(A C U S) = P(S)
 P(A C U A) = P(S)
 P(A U0) = P(A) 0 = Es el conjunto vacío
 P( A C U0) = P(A C =
 P(A N S) = P(A)
 P(A C N S) = P(A C)
 P(A C N A) = P(0)
 P(A N0) = P(N)
 P(A N 0) = P(0)

En el siguiente tema, aplicaremos los teoremas y los axiomas de acuerdo a

la necesidad del contexto estadístico.

Tablas de contigencia o cuadros de doble entrada

Son los cuadros que tienen más de dos variables y las categorías o
divisiones se interrelacionan. Ayudan a determinar probabilidades tácitas y
eventos complementarios.

Ejemplo
Se realizó la encuesta a 500 pequeños inversionistas sobre la preferencia
de invertir y los resultados fueron empresas PYMES, MEDIANAS y
GRANDES EMPRESAS, y los tipos de inversiones: PAGARÉ, BONOS Y
ACCIONES. Los resultados se muestran en la tabla 7.1.

Tabla 7.1

Fascículo No. 7
Estadística y
probabilidad
10 Semestre 3
Estadística y probabilidad

El total de cada fila y columna suma 500. Por ejemplo, la fila Grandes
empresas es 93 y se obtiene restando de 500 el valor de PYMES que es
210 y el de MEDIANAS que es 197 (407). Si queremos saber el total de
Bonos, a 500 le restamos los valores del PAGARÉ que es 195 y de
ACCIONES que es 165, dando como resultado 140. La tabla, entonces,
quedaría así:

Tabla 7.2

Con el fin de determinar las probabilidades y usar los cuadros de contin-

gencia, definiremos los eventos, que son:
PYMES evento = Y
MEDIANAS evento = M
GRANDES EMPRESAS = G
PAGARÉT evento R
BONOS evento B
ACCIONES evento A.

Ejemplos
Se selecciona al azar un inversionista.
 Determinar la probabilidad de su gusto por invertir en Pymes.
P (Y) = 210/500 = 0.4200
Las probabilidades se determinan mediante casos favorables sobre casos
posibles.
 Determinar la probabilidad de su gusto por invertir en Grandes
Empresas.
P (G) = 93/500 = 0.1860
 Determinar la probabilidad de su gusto por invertir en Pagaré.

Fascículo No. 7
Semestre 3 11 Estadística y
probabilidad
 Estadística y probabilidad

P(R) = 195/500 = 0.3900

 Determinar la probabilidad de su gusto por invertir en Pymes.
P(A) = 165/500 = 0.3300
 Determinar la probabilidad de su gusto por invertir en Pymes y en
Acciones.
P (YNA) = 95/500 = 0.1900
Determinar la probabilidad de su gusto por invertir en Mediana o en
Acciones.
P (MUA) = P (M) + P(A) + P (MNA) = 197/500 + 165/500 -60/500 =
302/500
 Determinar la probabilidad de su gusto por invertir en Pymes o en
Bonos.
P (YC NB) = P (YC) + P (B) + P (YC NB) = 290/500 + 140/500 -
100/500 = 330/500= 0.6600

7.1

Con los datos de la tabla anterior determine las siguientes probabili-

dades y grafique los eventos y las respuestas en gráficas de Venn:

 Que no le guste invertir en Grandes empresas

 Que le guste invertir en Acciones y Medianas empresas
 Que le guste invertir en Pagaré y no le guste invertir en Grandes
empresas
 Que no le guste invertir en Bonos o no le guste invertir en Medianas
empresas.

Del mismo modo, existe otra forma de presentar las tablas de contingencia
a través de la probabilidad. Tomando como base el ejemplo anterior, es
decir, la encuesta a 500 pequeños inversionistas sobre sus preferencias al
invertir en empresas PYMES, MEDIANAS GRANDES EMPRESAS, y tipos
de inversiones: PAGARÉ, BONOS Y ACCIONES. Los resultados aparecen
en la siguiente tabla (7.3).

Fascículo No. 7
Estadística y
probabilidad
12 Semestre 3
Estadística y probabilidad

Tabla 7.3

Haciendo uso de lo presentado en la tabla 7.3 se pueden determinar las

probabilidades de los eventos, por ejemplo, al 0,42 les gusta invertir en
PYMES, el 0.28 prefieren invertir en bonos y al 0.8 le gusta invertir en
PYMES y en BONOS.

Anteriormente revisamos cuadros de contingencia y ahora continuaremos

con otra clase de probabilidad: la condicional, la cual otras aplicaciones
especiales.

Probabilidad condicional
La probabilidad condicional de un evento A dado otro evento B denotado
P(A/B) es la probabilidad de que el evento A ocurra cuando sabemos que
el evento B ocurrió y se lee la probabilidad de A dado B. La probabilidad
de que el evento ocurra está condicionada por la ocurrencia de B y se
calcula así:
P(A / B) = P(A N B) / P (B)
Frente a este punto tenga en cuenta que el evento B tiene que haber
ocurrido para que el evento A pueda suceder. Así, una persona ya se
levantó para haberse bañado; se sabe que la persona para bañarse tiene
que haberse levantado.

Ejemplos
Se realiza una encuesta con los lectores de El Tiempo y de El Espectador,
el 25% lee el Tiempo, el 5.5% lee el Espectador, el 2.5% lee ambos.

Fascículo No. 7
Semestre 3 13 Estadística y
probabilidad
 Estadística y probabilidad

 Se selecciona un lector al azar de El Tiempo; se debe determinar la

probabilidad de que lea el Espectador.
Se definen los eventos:
A = Lee el Tiempo = P(A) = 0.25
B = Lee el Espectador = P (B) = 0.055
P(A N B) = Lee ambos, es decir, lee el Tiempo y el Espectador = 0.025
P(A / B) = 0.025 / 0.055 = 0.4555
 Se selecciona un lector al azar de El Espectador, determinar la
probabilidad de que lea el Tiempo
P (B / A) = P (A N B) / P (A)
P (B / A) = 0.025 / 0.25 = 0.1000.
A continuación estudiaremos la regla de la multiplicación que se utiliza
para eventos independientes en los cuales la intersección es vacía, es
decir, no tienen elementos en común.

Regla de multiplicación para eventos independientes

Si dos eventos A y B son independientes, la probabilidad de que ocurran
tanto A como B es:
P(A N B) = P(A) *P (B)
El propósito de la regla de la multiplicación es determinar del evento
conjunto P(A N B). Es decir, que para encontrar la probabilidad de A y B,
simplemente se multiplican sus respectivas probabilidades.
Lo mismo puede ocurrir si los eventos A, B y C son eventos mutuamente
independientes, entonces la probabilidad de que ocurran es:
P (A N B N C) = P (A) *P(B) * P (C)

Después de haber visto la regla de la multiplicación es importante

comprobar la regla de la independencia.

Fascículo No. 7
Estadística y
probabilidad
14 Semestre 3
Estadística y probabilidad

Comprobación de independencia
Dos eventos A y B son independientes si y sólo si:
P (A N B) = P (A) *P (B) ó P(A / B) = P (B)
De lo contrario se dice que son dependientes.
Ejemplo
Establecer cuál es la probabilidad que en un lanzamiento de una moneda
sea cara y que en un lanzamiento de dado sea 5.
A = Lanzamiento de una moneda sea cara = P(A) = 0.50
B = Lanzamiento de un dado sea 5 = P (B) = 1/6 = 0.1667
P (A N B) = P (A) *P (B)
P (A N B) =0.50 * 0.1667 = 0.0834

Una de las herramientas utilizada con frecuencia es el diagrama de árbol.

Éste facilita el manejo de la probabilidad.

Diagrama de árbol
Un diagrama de árbol es la representación gráfica de un experimento que
consta de r pasos, donde cada uno de los pasos tiene un número finito de
maneras de ser llevado a cabo.

Ejemplo
M = dos lanzamientos de dos monedas
SM = (CC, CS, SC,SS )
1 Lanzamiento = CC
2 Lanzamiento = CS
3 Lanzamiento = SC
4 Lanzamiento = SS

Fascículo No. 7
Semestre 3 15 Estadística y
probabilidad
 Estadística y probabilidad

Diagrama de árbol

Figura 7.4
Diagrama de Árbol.

Ejemplo
En una estación de gasolina ubicada en una autopista de la ciudad, el 30%
de los automóviles que pasa se detiene para tanquear. Determinar la
probabilidad con los próximos 3 automóviles.

 Que mínimo se detengan 2 carros para tanquear

 Que máximo se detengan 2 carros para tanquear
 Que se detengan 2 carros para tanquear

La pregunta que mínimo se detengan 2 carros para tanquear, indica que se

deben detener 2 ó 3, y se puede denotar con la fórmula P(X> = 2).

La pregunta que máximo se detengan 2 carros para tanquear, indica que

se deben detener entre 0, 1 y 2 carros para tanquear y se puede denotar
con la fórmula P(X< = 2).

Fascículo No. 7
Estadística y
probabilidad
16 Semestre 3
Estadística y probabilidad

La pregunta que se detengan 2 carros para tanquear, indica que sólo dos
carros, exactamente, se deben detener. Se denota con la fórmula P(X =
2).

Definimos los eventos

A = Que se detenga el automóvil para tanquear P( A ) = 0.30
B = Que no se detenga el automóvil para tanquear P( B ) = 0.70
El valor de 0.70 del evento B, lo determinamos de la siguiente forma:
P (B) = 1- P(A) P (B) = 1- 0.30 = 0.70

Figura 7.4
Diagrama de Árbol del ejemplo.

El resultado es: 8 eventos

SX = (AAA, AAB, ABA, ABB, BAA, BAB, BBA, BBB)
 Que mínimo se detengan 2

Fascículo No. 7
Semestre 3 17 Estadística y
probabilidad
 Estadística y probabilidad

Los resultados 2 ó 3 que se detengan, los resultados que tienen 2 ó 3 A.

P(X> = 2 ) = ( AAA, AAB, ABA, BAA ) es igual.
P(X> = 2 ) = ( P(ANANA)+ P(ANANB)+P( ANBNA)+P( BNANA ) )
Reemplazamos por las probabilidades P(A) = 0.30 y P( B ) = 0.70
P( A N B N C) = P(A) *P(B) * P (C)
P(X> = 2 ) = ( (
0.30*0.30*0.30)+(0.30*0.30*0.70)+(0.30*0.70*0.30)+(0.70*0.30*0.30))
P(X> = 2 ) =0.2160
 Que máximo se detengan 2
Los resultados 0, 1, 2 que se detengan 0, 1, 2 los resultados que tienen 0,
1, 2 A.
P(X< = 2 ) = ( AAB, ABA, ABB, BAA, BAB, BBA, BBB) es igual.
P(X< = 2 ) = ( P(ANANB) + P( ANBNA) + P( ANBNB) + P( BNANA) +
P(BNANB) + P(BNBNA) + P( BNBNB))
Reemplazamos por las probabilidades P( A ) = 0.30 y P( B ) = 0.70
P(X< = 2 ) = (P(.0.30*0.30*0.70) + P( 0.30*0.70*0.30) + P(
0.30*0.70*0.70) +P(0.70*0.30*0.30) + P( 0.70*0.30*0.70) +
P(0.70*0.70*0.30) + P( 0.70*0.70*0.70)) =0.9730

Otra forma de determinarlo es por complemento, en el espacio muestral es

igual 1 y sólo falta el evento AAA, entonces:
P(X< = 2 ) = 1- P(ANANA)
P(X< = 2 ) = 1- P(0.30*0.30*0.30) = 1- 0.0270
 Que se detengan 2
Los resultados que se detenga 2, los resultados que tienen 2 A.
(X = 2 ) = ( AAB, ABA, BAA ) es igual.
P(X = 2 ) = ( P(ANANB)+P( ANBNA)+P( BNANA ) )
Reemplazamos por las probabilidades P( A ) = 0.30 y P( B ) = 0.70
P( A N B N C) = P(A) *P(B) * P (C)
P(X = 2 )=( (0.30*0.30*0.70)+(0.30*0.70*0.30)+(0.70*0.30*0.30))

Fascículo No. 7
Estadística y
probabilidad
18 Semestre 3
Estadística y probabilidad

P(X = 2 ) =0.1890
Multiplicamos los valores que están dentro del paréntesis, después se
suman los valores de las multiplicaciones y el resultado, para este ejemplo,
es de 0,1890, lo cual quiere decir que la probabilidad para que se
detengan dos automóviles para tanquear es de 0,1890.

Reúnase con sus compañeros y realicen los ejercicios propuestos en el texto guía
correspondiente al tercer semestre de la asignatura de Probabilidad y Estadística
en el capítulo de probabilidad. Uno de ustedes realice los ejercicios pares y el
otro, los impares, después compartan y comparen, entre sí, los resultados.

En este fascículo se dio inicio al tema de probabilidades, por medio del

estudio de las definiciones, los teoremas y los axiomas como en la
ocurrencia de eventos y la probabilidad como un intervalo cerrado entre
cero y uno.

Una parte importante de este fascículo fue la descripción de los teoremas de

Kolmogorov los cuales se constituyeron en la base de la probabilidad.
Adicionalmente se trabajaron las tablas de contingencia, las reglas de
adición y de la multiplicación y los eventos independientes.

Por último se dio una mirada a los diagramas de árbol, su representación y

usos para los eventos independientes.

MENDENHALL, William. Probabilidad y Estadística, Editorial Cengage

Learning. 2008 (Texto guía)

Fascículo No. 7
Semestre 3 19 Estadística y
probabilidad
 Estadística y probabilidad

LOPES, Paulo A. Probabilidad & Estadística, Editorial Pearson. 2000

(Texto guía)
MANSON Y LIND. Estadística para Administración y Economía, Editorial
Alfa y Omega. 2001
MARTINEZ BENCARDIO, Ciro. Estadística y muestreo, editorial Ecoe
Ediciones, Décimo segunda edición. Año 2008

En el siguiente fascículo estudiaremos los teoremas de la Partición y el de

Bayes y su aplicación en la administración y las finanzas. De otra parte,
continuaremos abordando el tema de probabilidades haciendo énfasis en
las técnicas de conteo, a través de las cuales se determinará una parte de
la Estadística que tiene gran aplicación en la Economía.

Fascículo No. 7
Estadística y
probabilidad
20 Semestre 3
Estadística y probabilidad

Seguimientoal autoaprendizaje

Estadística y probabilidad - Fascículo 7

Nombre_________________________________________________________
Apellidos ________________________________ Fecha: _________________
Ciudad __________________________________ Semestre: _______________
1. Las acciones de la empresa DICK y TIC tienen tres opciones que son:
aumente, disminuya o mantenga igual su valor. En el siguiente cuadro están
relacionadas las probabilidades de cada una de ellas. Subraye la respuesta
correcta de las siguientes preguntas:

TIC DICK
AUMENTE 0.40 0.47
DISMINUYA 0.25 0.10
MANTIENE IGUAL 0.35 0.43

2. Determine la probabilidad de qué mínimo dos disminuya su valor.

1. 0.0565
2. 0.0750
3. 0.0025
4. 0.0154
5. 0.5910

3. Determine la probabilidad de que mínimo una acción aumente su valor

1. 0.4565
2. 0.8120
3. 0.6425
4. 0.3154
5. 0.6820

Los estudiantes de la universidad responden a una encuesta sobre cuál es su

inversión preferida entre bonos, acciones y pagarés. Así mismo, se determinó que
tanto bonos como acciones y pagarés pueden ser emitidos por PYMES,
MEDIANAS EMPRESAS Y GRANDES EMPRESAS. Se obtuvo la siguiente
información: Al 10% les gustan los bonos emitidos por PYMES; el 15% prefieren
los bonos emitidos por EMPRESAS MEDIANAS; al total del 35% de los
estudiantes les gusta invertir en bonos. Al 9% les agradan las acciones emitidas
por PYMES; al12% les gustan las acciones emitidas por MEDIANAS EMPRESAS;
al total del 39% les gustan las acciones. Al total del 28% les gustaría invertir en
PYMES; al 42% le gustaría invertir en GRANDES EMPRESAS.

Fascículo No. 7
Semestre 3 21 Estadística y
probabilidad
 Estadística y probabilidad

3. Determine la probabilidad de que no les guste invertir en bonos ó no les

guste invertir en PYMES.

1. 0.85
2. 0.39
3. 0.47
4. 0.90
5. 0.83

4 Determine la probabilidad de que no les guste invertir en bonos y les guste

invertir en MEDIANAS EMPRESAS.

1 0.15
2 0.39
3 0.42
4 0.30
5 0.43

Fascículo No. 7
Estadística y
probabilidad
22 Semestre 3