PROBABILIDADES

TEORIA DE PROBABILIDADES
INTRODUCCION
La teora de probabilidades trabaja con experimentos de
tipo aleatorio, es decir sus resultados son no
determinsticos. En otras palabras, el o los resultados del
experimento aleatorio no se pueden predecir con total y
absoluta certeza. Por ejemplo: En los juegos de azar
( lanzar un dado ), En los pronsticos del tiempo
( temperatura mnima o mxima ), Las ventas de una
empresa para el prximo ao.
La teora de probabilidades entrega una herramienta para
calcular numricamente el o los resultados de un
experimento aleatorio, y con ello es posible tomar una
decisin.

El objetivo de la teora de probabilidad es construir

un modelo del experimento aleatorio, a travs de una
funcin matemtica, la cual permite determinar las
probabilidades de los eventos posibles de este
experimento.
Las decisiones basadas en la teora de probabilidades
estn determinadas en el intervalo ( 0,1) , tal que:
Si la Probabilidad (evento ) 1 entonces el evento
es muy probable que ocurra.
Si la Probabilidad (evento ) 0 entonces el evento
es muy poco probable que ocurra.

DEFINICION DE CONCEPTOS
1.- EXPERIMENTO ALEATORIO
( NOTACION : )
DEFINICION DE CONCEPTOS
1.- EXPERIMENTO ALEATORIO
( NOTACION : )
Un experimento aleatorio es el proceso de
recoleccin de informacin relevante a un
fenmeno que muestra una serie de resultados en
sus n repeticiones.

Ejemplo:
1 = Se juega un partido de ftbol entre los
equipos A y B
2 = Se arroja un dado hasta obtener el nmero 1
y se cuenta el nmero de lanzamientos.
3 = Se examina la vida til de un artculo y se
observa su tiempo de duracin ( en horas ).
Obs.- 1.- Cada experimento aleatorio se puede
repetir indefinidamente.

2.- ESPACIO MUESTRAL ( NOTACION : )

Cada experimento aleatorio proporciona un conjunto de
resultados posibles, el cual puede ser anotado por extensin o
por comprensin.
Ejemplo:
Del 1 se tiene 1 = gana A, gana B, empatan
Del 2 se tiene 2 = 1,2,3, .......
Del 3 se tiene 3 = x x = tiempo de duracin
Obs.
Los espacios muestrales se pueden clasificar en: finitos, finitos
numerables, e infinitos no numerables.

3.- EVENTOS ( NOTACION: A, B, C,....)

A partir de un espacio muestral, un evento se
define como un subconjunto de estos espacios
muestrales.
Obs. El espacio muestral ( ) es conocido como
evento seguro
El conjunto vacio ( ) es conocido como
evento imposible.

La teora de probabilidad se puede estudiar desde

dos puntos de vista:
Frecuencia relativa
Probabilidades .
Funcin (axiomtico )

1.- PROBABILIDADES DESDE UNA

FRECUENCIA RELATIVA
La interpretacin de una frecuencia relativa
descansa en la idea, en que un experimento
aleatorio se puede efectuar muchas veces y bajo
las mismas condiciones.
Definicin: Si un experimento aleatorio se repite
n veces bajo las mismas condiciones, y nA de los
resultados son favorables a una clase o evento A.
La probabilidad de este evento A estar dado por:

Prob ( A ) = fA = nA / n

Obs.- 1.- Caso univariado

Tabla de frecuencia
Variable ni fi
C1
n1 f1= n1/n
C2
n2 f2= n2/n
......
Ck
nk fk= nk/n
Donde
Prob (Ci ) = fi = ni/n

i=1,...,k

2.- Caso bivariado

Probabilidades marginales: Prob ( Ai ) = ni./n

Prob ( Bj ) = n.j/n

i=1,...,r
j=1,...,c

Probabilidades conjuntas:
Prob ( Ai Bj ) = nij/n i=1,...,r j=1,...,c
Probabilidades condicionales:
Prob (Ai Bj ) = nij/n.j
Prob (Bj Ai ) = nij/ni.

Ejemplo: Los empleados de una empresa se encuentran

separados en 3 divisiones. La siguiente tabla explica el
nmero de empleados en cada divisin y clasificados por
genero.
Divisiones
Administracin ( A )
Operacin ( O )
Ventas ( V )
Total

Mujeres ( M )
20
60
100
180

Hombres ( H )
30
140
50
220

Total
50
200
150
400

Se elige aleatoriamente un empleado de la empresa.

a.- Cul es la probabilidad de que sea mujer ?
b.- Cul es la probabilidad de que trabaje en la divisin
de administracin y sea del genero masculino ?
c.- Si se sabe que el empleado es del genero femenino.
Cul es la probabilidad que trabaje en la divisin de
operacin ?.
d.- Son estas variables independientes ?

Se elige aleatoriamente un empleado de la empresa.

a.- Cul es la probabilidad de que sea mujer ?
b.- Cul es la probabilidad de que trabaje en la
divisin de administracin y sea del genero
masculino ?
c.- Si se sabe que el empleado es del genero
femenino. Cul es la probabilidad que trabaje en
la divisin de operacin ?.
d.- Son estas variables independientes ?

a.- Cul es la probabilidad de que sea mujer ?

P( M ) = 180/400
b.- Cul es la probabilidad de que trabaje en la divisin de administracin y
sea
del genero masculino ?
P ( H A ) = 30/400
c.- Si se sabe que el empleado es del genero femenino. Cul es la
probabilidad
que trabaje en la divisin de operacin ?.
P ( O M ) = 60/180
d.- Son estas variables independientes ?
Se debe demostrar: P ( V ) * P( H ) = P ( V M ) 150/400 * 220/400
50/400
La afirmacin es falsa, por lo tanto las variables genero y
divisin no son independientes.

2.- PROBABILIDADES DESDE UNA FUNCIN

( AXIOMTICO )
Sea ( , P) un espacio de probabilidad . Una funcin de
probabilidad es una relacin cuyo dominio se encuentra
en el espacio muestral ( ), y su codominio en el
intervalo 0,1 R, es decir:
P:
0,1 R
A
P ( A ) 0,1
donde P ( A ) = Probabilidad ( de ocurrencia del evento
A ).
Esta funcin satisface los siguientes axiomas de
probabilidad:
1.- Sea A
tal que P ( A ) 0
evento A
2.- Sea
tal que P ( ) = 1

3.- Sean A1,A2,

....i infinitos
eventos en los cuales son
A

P ( Ai)si ( es decir Ai Aj =

mutuamente iexcluyentes
1
entre
i 1
ij ) entonces P (
) =

TEOREMAS DE PROBABILIDAD DE
EVENTOS
1.- P ( ) = 0 ya que P ( ) = 1
Este teorema se puede demostrar a travs de las
identidades:
= =
2.- Sean A1,A2, ...,An eventos mutuamente
excluyentes en tal que :
( es decir Ai Aj = ij ) entonces
P( ) =
n
Ai

P ( Ai ) A1 y A2 eventos mutuamente
Corolario:Sean
i 1
excluyentes en ( es decir A1 A2 = ) tal que :
entonces
P ( A1 A2 ) = P(A1) + P(A2)
n

i 1

3.- Sea A tal que

P ( Ac ) = 1 P( A )

Este teorema se puede demostrar a travs de

las identidades:
A Ac = A A c =
4.- Sean A1, A2 eventos cualesquiera tal
que :
P ( A1 A2 ) = P( A1 )+P ( A2 )P ( A1 A2 )

6.- Sean A1, A2 y A3 eventos

cualesquiera tal que :
P ( A1 A2 A3 ) =
P( A1 ) + P ( A2 ) + P( A3 ) P ( A1 A2 )
P ( A1 A3 ) P ( A2 A3 )
+ P ( A1 A2 A3 )

7.- Sean A1, A2 eventos cualesquiera tal

que :
7.1 P ( A1 ) = P(( A1 A2 ) ( A1 Ac2 ))
7.2 P ( A1 A2 ) = P( A1 A c 2 ) = P( A1 )
P( A1 A 2)

Ejemplo:
Sean A1, A2 eventos cualesquiera en tal que :
P (A1 ) = 0.9 P (A2 ) = 0.8 P ( A1 A2) = 0.72
Calcule las siguientes probabilidades:
a.- No ocurra el evento A1: P ( Ac ) = 1 P ( A ) = 1- 0.9 = 0.1
b.- Ocurra A1 y no A2: P ( A1 A c 2 ) = P( A1 ) P( A1 A
2)= 0.9 0.72=0.18
c.- Slo uno de los dos ocurra: P(( A1 A c2 ) ( A c1 A
2 ))=
P( A1 ) P( A1 A 2) + P( A2 ) P( A1 A 2)= 0.26
d.- Al menos uno de los dos ocurra: P (A1 A2 )=
P (A1)+P (A2) P (A1 A2)=0.98

DEFINICION CLASICA DE UNA

PROBABILIDAD
Sea ( ,P) un espacio de probabilidad. Sea un
experimento aleatorio, tal que ocurre de ( )
formas posibles. Sea A un evento en , tal que
ocurre de
(A) formas posibles. Entonces la probabilidad
que ocurra el evento A est calculado por:
CASOS _ FAVORABLES A
P( A)

CASOS _ POSIBLES

Ejemplo: Se lanza un dado, suponiendo que todos

los resultados son igualmente probables de ocurrir.
Cual es la probabilidad que ocurra un nmero
mayor que 4 ?.
= Lanzar el dado = 1,2,3,4,5,6
Sea A = un nmero mayor que 4 = 5, 6
P ( A ) = 2 / 6 = 1 / 3 que ocurra el evento A

PROBABILIDAD CONDICIONAL
Sean A y B eventos en . La
probabilidad del evento A
condicionada al evento B
( denotada por P (A B) ) est
definido por: P( A B )
P( A / B)
, siP ( B ) 0
P( B )

Esta definicin se basa en la definicin

clsica de una probabilidad, es decir:
( A B)
P ( A / B)
( B)

Por tanto, la probabilidad del evento A, ya

no se calcula con respecto a la cardinalidad
del espacio muestral , sino con respecto a
un subconjunto ( B )

Esta definicin cumple con los tres axiomas de

una funcin de probabilidades:
1.- Sean A y B eventos en tal que
P ( A B) 0 si P(B) >0
2.- Sea es el espacio muestral de un
experimento aleatorio tal que
P ( B) =1
si P(B) >0
3.- Sean A1,A2,A3, ......,An,An+1,..... eventos
mutuamente excluyentes
( Ai Aj = ), y sea B tal que P(B)

>0 entonces
P(Ai B) P( Ai B)
i 1

i 1

ALGUNOS TEOREMAS DE
PROBABILIDADES CONDICIONALES
Sea , , P y Sea B un evento tal que
P(B) > 0
1.- Sea el conjunto vaco tal que P ( B)
=0
Demostracin:

P( B)

P( B) P()

0
P ( B)
P( B )

2.- Sean A1,A2,A3, ......,An

eventos mutuamente
excluyentes
( Ai Aj = ), y sea B tal que P(B) >0
entonces
n
n
P (Ai B )
i 1

P( Ai B)
i 1

COROLARIO
Sean A1,A2 eventos mutuamente excluyentes
, y sea B tal que P(B) >0 entonces
P((A1A2) B)= P(A1 B)+ P(A2 B)
3.- Sea A un evento , y sea B tal que
P(B) >0 entonces
P(Ac1 B)= 1 - P(A1 B)
4.- Sean A1,A2 eventos cualesquiera , y sea
B tal que P(B) >0
entonces P((A1A2) B)= P(A1 B)+ P(A2 B) P((A1A2) B)

INDEPENDENCIA DE EVENTOS

Definicin: Sean A y B eventos en .

Se dice que el evento A es
estadsticamente independiente del
evento B ssi
P(A B) = P( A ), si P ( B ) > 0

Algunas consecuencias de la
definicin:
a.- P(B A) = P( B ), si P ( A ) > 0
b.- P( A )*P( B ) = P(A B)

INDEPENDENCIA ESTADISTICA DE VARIOS

EVENTOS
Sean A1,A2, ....,An eventos estadsticamente
independientes entonces
P(Ai Aj) = P( Ai )*P( Aj ) ij

P(Ai Aj Ak) = P( Ai )*P( Aj )*P( Ak )

ijk
........
n

P (Ai)
i 1

P( Ai)
i 1

TEOREMA MULTIPLICATIVO
P(A1,A2,A3,...,An
Ai )
Sean
eventos en cualesquiera tal que
> 0 entonces
P(Ai )
=
..... *P(A2 A1)*P(A1)
n 1

i 1

i 1

n 1

n2

i 1

i 1

P ( An Ai ) * P ( An 1 Ai ) *

COROLARIO
Sean A1, A2 eventos cualesquiera en tal que
P(A1A2)=P(A2 A1)*P(A1)
Como tambin P(A1A2)=P(A1 A2)*P(A2) ya que
A1A2=A2A1

Ejemplo: En una caja se tienen 10 bolitas, 5 son de

color negro, 3 son blancas y 2 son rojas. El
experimento aleatorio consiste en sacar 4 bolitas
una a una y sin reemplazo. Encontrar la
probabilidad de que la primera bolita sea negra, la
segunda bolita sea roja, la tercera sea blanca y la
cuarta sea negra.

TEOREMA DE PROBABILIDAD TOTAL Y

TEOREMA DE BAYES
Sean B1,B2,....,Bn eventos en , forman una
particin del espacio muestral ,
Tal que = Bi y ( Bi Bj ) = , ij ) y
P( Bi ) > 0 i=1,...,n
PROBABILIDAD TOTAL
Sea A un evento tal que entonces
P (A ) = P( A Bi) * P ( Bi)
n

i 1

i 1

Diagrama de Venn

Donde el evento A est representado por el conjunto en

color rojo.
Demostracin: A = (AB1) (AB2) (AB3) .....
(ABn) / P
P(A) = P( (AB1) (AB2) (AB3) .....
(ABn))
= P(AB1)+P (AB2)+P(AB3)+ .....+ P(ABn)
= P(A B1)*P(B1)+ P(A B2)*P(B2)+
P(A B3)*P(B3)+.. +P(A Bn)*P(Bn)

TEOREMA DE BAYES
Sea A un evento tal que entonces
P (Bk A)

P(A Bk ) * P(Bk)

P( A Bi) * P ( Bi)
i 1

EJERCICIOS

Suponga que en una oficina tienen 100

mquinas calculadoras. Algunas de esas
mquinas son financieras, mientras que otras
no lo son. Adems, algunas son nuevas,
mientras que las otras son usadas. La
siguiente tabla da el nmero de mquinas de
cada categora.

Una persona entra en la oficina, escoge una

mquina al azar, y descubre que es nueva, cul
es la probabilidad de que sea financiera? cul
es la probabilidad de que no sea financiera y
usada?
Financiera No Financiera
Nuevas

40

30

Usadas

20

10

1) Sean los eventos:

F: la calculadora es financiera
: la calculadora No es financiera
N: la calculadora es nueva
U: la calculadora es usada

40
P ( F N ) 100 4
P( F / N )

70 7
P( N )
100
10
P( F U )
100

2)
Un empleado para llegar a su trabajo debe
pasar por un tnel o por un puente.
Usa el tnel 1/3 de las veces. Si usa el tnel llega a
tiempo al trabajo el 70% de las veces, en cambio si
usa el puente llega a tiempo el 95% de las veces.
a) Calcule la probabilidad que este empleado llegue
a tiempo al trabajo.
b) Si lleg a tiempo, cul es la probabilidad que
halla usado el tnel?
c) Si no lleg a tiempo, cul es la probabilidad que
haya usado el puente?

1)
Sean los eventos:
A: el empleado usa el tnel.
B: el empleado usa el puente.
Y sea T: el empleado llega a tiempo.
Se sabe que:

P( A) 1 3

P(T / A) 0.7

P( B) 2 3 P(T / B) 0.95

c)

a)

b)

P(T ) P(T / A) * P( A) P(T / B) * P(T )

0.7 * (1 3) 0.95 * (2 3) 0.867
P(T / A) * P( A) 0.7 * (1 3)
P( A / T )

0.269
P(T )
0.867
c
P
(
T
/ B) * P( B) 0.05* (2 3)
c
P( B / T )

0.251
c
0.133
P(T )