INTEGRANTES:

*
*
*
*
*
PROFESOR: Luis Calderón
CURSO : Estadística
TEMA: Probabilidades
CICLO: III
E.A.P: ING. Agroindustrial
 Probabilidad
En la actualidad la teoría matemática de la probabilidad
constituye el fundamento de las aplicaciones estadísticas
tanto en la investigación social como en la toma de
decisiones.

Objetivo
Estudio de métodos de análisis
del comportamiento de
fenómenos aleatorios.
La teoría de probabilidades se
ocupa de asignar un cierto
numero a cada posible
resultado que pueda ocurrir
en un experimento aleatorio,
con el fin de cuantificar dichos
resultados y saber si un
suceso es más probable que
otro o relaciones parecidas.
Conceptos básicos ……….
Fenómeno determinísticos
Al repetirlo bajo idénticas
condiciones Iniciales se obtienen
siempre los mismos resultados.

Fenómeno aleatorio.- Cuando al repetirlo

bajo idénticas condiciones iniciales no se
obtienen siempre los mismos resultados.
Ejemplo: lanzar una moneda.

Experimento aleatorio
Ejemplo: lanzamiento de un dado
observando la sucesión de números que se
presentan {1, 2, 3, 4, 5,6}.

Espacio muestral lo representaremos por

E (o bien por la letra griega omega Ω ).
A cada elemento que forma parte del
espacio muestral se le denomina suceso
elemental.
 Suceso elemental.- Cada uno de los
posibles resultados, que no se pueden
descomponer en otros más simples, de un
experimento aleatorio

Suceso.- Conjunto formado por uno o más sucesos

elementales, es decir, un Ejemplo:
subconjunto de resultados elementales del experimento Lanzamiento
aleatorio. de un dado si
el resultado a
Suceso seguro.- Coincide con el suceso elemental sido un
Dos sucesos se dice que son iguales, cuando todo suceso número impar
elemental de uno está en el otro, y viceversa. A={1, 3,5}.

Suceso imposible.- Es el que no tiene ningún elemento del

espacio muestral (E).Se representa como ∅.
Ejemplo: En el
lanzamiento del
dado no puede
darse el 7.
 o Suceso complementario a un suceso A:
Es el suceso que se verifica si, como
resultado del experimento aleatorio, no se
verifica A. Se acostumbra a denotar
con el símbolo Ā.
Sucesos incompatibles: Los sucesos A y
B son incompatibles o mutuamente
excluyentes si no pueden ocurrir
simultáneamente.

Si tenemos dos sucesos cualesquiera A, B: A⊂ B ⇒ B⊄A

A está contenido en B, entonces B no
está contenido en A,

Si tenemos dos sucesos cualesquiera A, B:

donde A está contenido en B y B está
contenido en A, entonces A = B. A, B / A ⊂ B ⇒ B ⊂ A ⇒
A=B
 Operaciones con sucesos
Suceso contenido en otro
Un suceso A se dice que está contenido o
inducido en
otro B si siempre que se verifica A se verifica B.
Se representa A⊂B.

Ejemplo
Experimento aleatorio: Lanzamiento
de un dado.

A= que aparezca el 2 ó el 4 ={2,4}

B= que aparezca un número
par{2,4,6}

A⊂B o también que A implica a B y lo

denotaremos A⇒ B.
 Igualdad de sucesos.
Dados dos sucesos A y B son iguales, si
siempre que ocurre A también ocurre B, y
viceversa y lo indicaremos por A = B.
Es decir, si se verifica:

Ejemplo: Sean los sucesos:

A = Obtener un número par al lanzar un dado={2,4,6}
B = Obtener un múltiplo de 2 ={2,4,6}
Se verifica
siempre que ocurre A ocurre y siempre que ocurre B ocurre A
Luego se tiene : A = B.

Diferencia de sucesos.- Dados

dos sucesos aleatorios AB∈ E , se llama
suceso diferencia de A y B al suceso Se
aleatorio formado por todos los sucesos representa :
elementales que pertenecen A, pero no a A/B
B. A-B
Unión de sucesos.- Dados dos sucesos Ejemplo:
A y B se llama unión de A y B, se Sean los sucesos:
denomina al suceso que se realiza A = obtener el lanzamiento de un
cuando se realiza alguno de ellos, A o B, dado un número impar={1,3,5}
es decir, a todos los elementos que se B = obtener un número mayor
encuentra en A y B sin repetirse. que 4 ={5,6}
El suceso unión será:
Se representa : A∪ B ={1,3,5} ∪ {5,6}
A∪B A∪ B={1,3,5,6}

Intersección de sucesos.- Dados dos

Ejemplo:
sucesos A y B, se llama suceso
Sean los sucesos:
intersección de A y B cuando se realiza si
A = obtener el lanzamiento de un
y sólo si , simultáneamente A y B.
dado un número impar={1,3,5}
B = obtener un número mayor
Se representa por que 4 ={5,6}
A∩B El suceso unión será:
A ∩ B ={1,3,5} ∪ {5,6}
A ∩ B={5}
Propiedades de la intersección y
unión de sucesos
Todo fenómeno aleatorio lleva asociado un espacio
muestral. Para medir el grado de ocurrencia de los
sucesos, definimos el álgebra de sucesos o sigma
álgebra, que verifica siguientes condiciones:

1.- El complementario de un suceso A

que pertenece al Algebra también
pertenece al algebra:
AЄĄ ĀЄĄ

2.- Si tenemos una serie de

sucesos finitos (A) infinitos
numerable pertenecen al Ą, la
unión de todos ellos tiene que
pertenecer a Ą.

3.- El suceso imposible también pertenece

al Ą, φ Є Ą
Definición axiomática de probabilidad
Una probabilidad ( p )es una función que asocia a cada
suceso A del espacio de sucesos S
Propiedades:
1. 0 ≤ p(A) ≤ 1
Cualquier suceso tiene probabilidad positiva y menor o
igual que 1
2. p(E) = 1 (la probabilidad del suceso seguro es 1).
3. Si A y B son incompatibles, es decir A ∩ B = ∅
Entonces p(A ∪ B)=p(A)+p(B).
Sea un experimento aleatorio cualquiera
p(A)=numero de elementos del conjunto A
numero total de elementos
Comprobemos que p es una probabilidad.
Para ello, comprobemos las tres propiedades:
a) Se ve que la probabilidad de cualquier suceso esta entre cero
b) P(E) = 1, es evidente.
c) Tomemos dos sucesos A y B que no tengan elementos en común.
Entonces:
p(A ∪ B)= numero de elementos que forman parte de A o de B
numero total de elementos
=numero de elementos de A + numero de elementos de B
numero total de elementos
p(A ∪ B) = p(A)+p(B)

Por tanto se cumplen las 3 propiedades y así queda definida una

probabilidad
 Propiedades de la probabilidad
1. p(A)=1− p(A)
En efecto, puesto que E = A ∪ A ;además A y A son incompatibles. Por la
definición axiomática 3 de probabilidad
p(E)=p(A ∪ A )
p(E)=p(A)+p(A)
Por la propiedad 2,
p(E)=1, p(A)=1− p(A)
1 = p(A)+p(A)

2. p(∅)=0
E = ∅, resulta p(E)=p(∅)=1− p(E)=1− 1=0

3. Si A y B son dos sucesos cualesquiera

p(A ∪ B)=p(A)+p(B) − p(A ∩ B)

4. Si A, B y C son tres sucesos cualesquiera,

p(A ∪ B ∪ C)=p(A)+p(B)+p(C) − p(A ∩ B) − p(A ∩ C) − p(B ∩ C)+p(A ∩ B ∩ C)
Ejemplo 01
Se lanza un dado dos veces y se suman las dos caras.
Sea :
Suceso A= “la suma de resultados es mayor o igual que
10”
Suceso B= “la suma de los resultados es múltiplo de 6”.
Calcular p(A), p(B) y p(A ∩ B).
1.-
Hay 36 posibles resultados al lanzar dos veces un dado.
Su suma es 10: (4,6), (5,5), (6,4)
Su suma es 11: (5,6), (6,5)
Su suma es 12: (6,6)
1
Por tanto, p(A)= .
6
2.- La suma de los resultados es múltiplo de 6
Su suma es 6: (1,5), (2,4),(3,3), (4,2), (5,1)
Su suma es 12: (6,6)
1
Por tanto, p(B)=
6
1
3.- A ∩ B =(6, 6), luego p(A ∩ B)=
36
Ejemplo 02 .-En un parque natural se detectan tres plagas. El 25% de los
árboles tienen la enfermedad A, el 20% la B y el 30% la C. El 12% la A y la B,
el 10% la A y la C, el 11% la
B y la C y el 5% tienen las tres enfermedades. Calcular las probabilidades
siguientes:
1. Un árbol tenga alguna de las enfermedades
2. Un árbol tenga la enfermedad A pero no la B
3. Un árbol tenga la enfermedad B y C pero no la A

P ( A ) = 0.25; P ( B ) = 0.2; P ( C ) = 0.3; P ( A ∩ B ) = 0.12;

P ( A ∩ C ) = 0.1;
P ( B ∩ C ) = 0.11; P ( A ∩ B ∩ C ) =0.05;
Resolución:
1. P ( A ∪ B ∪ C ) = P ( A ) + P ( B ) + P ( C ) – P ( A ∩ B ) – P ( A ∩ C )
–P(B∩C)+P(A∩ B∩C)
47
= 0.25 + 0,2 + 0.3 – 0.12 – 0,1 – 0.11 + 0.05 = 0.47 47 %
100
 2. Un árbol tenga la enfermedad A pero no la B
13 13 %
P ( A – B ) = P ( A ) – P ( A ∩ B ) = 0.25 – 0.12 = 0.13
100

3.- Un árbol tenga la enfermedad B y C pero no la A

P (( B ∩ C ) – A ) = P ( B ∩ C ) – P ( A ∩ B ∩ C ) = 0.11 – 0.05 = 0.06 6
6%
100
 “Probabilidad de que ocurra el suceso A, condicionado
a que el suceso B haya ocurrido ya”
Se expresa:
El suceso A es independiente del suceso B si y sólo si
se verifica:
P(A/B) = P(A)
Si P ( A / B ) ≠ P ( A ) el suceso A es dependiente de B
Dos sucesos son independientes si
P(A∩B)=P(A)P(B)
Ejemplo: Se consideran dos sucesos, A y B,
asociados a un experimento aleatorio con
P(A)=0.7; P(B)=0.6; P(A U B )=0.58. ¿Son
independientes A y B?
Para ver si son independientes, comprobaremos si
P( A ∩ B ) = P( A ) · P( B )
P[(A U B)] = 1 - P(A ∩ B)

Por tanto, P(A ∩ B) = 1 - P(A U B ) = 1 -0.58 = 0.42

Por otro lado, P( A ) · P( B ) = 0.7 · 0.6 = 0.42

Luego, A y B son independientes, pues P( A ∩ B ) =

P( A ) · P( B ) = 0.42
 Experimentos compuestos
Un experimento compuesto es aquel que consta de dos o mas
experimentos aleatorios simples.
Es decir, si tiramos un dado, o una moneda, son experimentos
aleatorios simples, pero si realizamos el experimento de tirar un dado
y posteriormente una moneda, estamos realizando un experimento
compuesto.

Teorema de
Probabilidad total

Teoremas
Teorema de Bayes
 Si A1 ,A2,A3,...An ;son sucesos incompatibles 2 a 2, y cuya unión es el
espacio muestral (A1 U A2 U A3 U………An=E ) y B es otro suceso,
resulta que:
P(B)=p(A1) · p(B/A1)+p(A2) · p(B/A2)+...+p(An) p(B/An)

Ejemplo:
En un colegio se imparten solo los idiomas ingles y francés. El 80
% de los alumnos estudian ingles y el resto francés. El 30 % de los
alumnos de ingles son socios del club musical del colegio y de los
que estudian francés son socios de dicho club el 40 %. Se elige un
alumno al azar. Calcular la probabilidad de que pertenezca al club
musical.
En estos problemas es importante elegir el sistema completo
de sucesos.
En este caso:
A1 = “estudiar ingles”
A2 = “estudiar francés”
B= “ser del club musical”
Nos piden p(B).
Por el teorema anterior:

p(B)=p(A1)· p(B/A1) +p(A2) · p(B/A2)

p(B)= 80/ 100 · 30/ 100 + 20/100 ·
40/100
p(B)= 8/25
p(B)=0.32

Rspta: La probabilidad de elegir un alumno al

azar que pertenezca al club musical es 0.32 .
Como consecuencia del teorema de la probabilidad total y de las
propiedades de la probabilidad condicionada, resulta este
importante teorema que permite calcular probabilidades
condicionadas.

Si A1 ,A2,A3,...An ;son sucesos incompatibles 2 a 2, y cuya unión es el

espacio muestral (A1 U A2 U A3 U………An=E ) y B es otro suceso,
resulta que:
P(B)=p(A1) · p(B/A1)+p(A2) · p(B/A2)+...+p(An) p(B/An)
 Ejercicios de Aplicación
1.- Dos tratamientos A y B curan una determinada enfermedad en un 20%
y en un 30% de los casos, respectivamente. Suponiendo que ambos
actúan de modo independiente, ¿cuál de las dos estrategias siguientes
es mejor?
a) Aplicar ambos tratamientos a la vez.
b) Aplicar primero el tratamiento B, y si no surte efecto aplicar el
tratamiento A
a)

Sean los sucesos: P(A) = 0:2 y P(B) = 0:3.

A = Tratamiento A una determinada enfermedad
B = Tratamiento B cura la misma enfermedad

a) La probabilidad de dicha estrategia de

curar la enfermedad viene dada por
P(A U B) = P(A) +P(B) P(A∩B)
 Al ser dos procedimientos independientes tenemos
P(A∩B) = P(A) *P(B) = 0:2 * 0:3 = 0:06
Entonces:
P(A U B) = 0:2 +0:3 - 0:06 = 0:44:
Luego, los dos tratamientos aplicados a la vez curan la enfermedad en
un 44% de los casos.

En general, dados dos sucesos independientes A y B, se verifica

b) que A y B son también independientes. En efecto, si P(B) = 1
entonces P(B) = 0, así que P(A ∩ B) = 0

Si P (B) ≠ 1, aplicando el Teorema de la Probabilidad

Total:
P (A) = P (B) P (A/B) + P (B) P (A/B)
P(A/B) = P(A), porque A y B son independientes.
P (A) = P (B) P (A) + P (B) P (A/B)
P (A) -P(B) P(A) = P (B) P(A/B)
[1 - P(B)] P(A) = P(B) P(A/B):
Teniendo en cuenta que P(B) = 1 – P(B)

P(A) = P(A/B):

Queda así probado que A y B son independientes,

como se pretendía.
Atendiendo a esta propiedad, encontramos que la
probabilidad de la segunda estrategia es:

Max {P (B); P (A/B)} = max{P(B); P(A)} =

0:3:
2.- Se estima que el 15%de la población adulta padece de hipertensión,
pero que el 75%de todos los adultos creen no tener este problema. Se
estima también que el 6% de la población tiene hipertensión aunque no es
consciente de padecerla. Si un paciente adulto opina que no tiene
hipertensión, ¿cuál es la probabilidad de que realmente sea hipertenso?

Consideramos los sucesos:

A1= paciente tiene hipertensión;
A2= paciente no tiene hipertensión;
los cuales forman un sistema completo.
Por hipótesis P(A1) = 0:15; luego P(A) = 0:85:

Por otra parte, consideramos los sucesos:

B1=paciente es consciente de padecer hipertensión;
B2= paciente no es consciente de padecer hipertensión:

Conjugando los datos del problema con el hecho de que

B1 y B2 son complementarios encontramos que
P(B1) = 0:25 y P(B2) = 0:75.
Por hipótesis se tiene que P(B2/A1) = 0:06.
La probabilidad de que un paciente adulto sea realmente
hipertenso cuando opina que no tiene hipertensión .
Es dada por
P(A1/B2).

Por el teorema
de Bayes

Conclusión: El 1.2% de los pacientes opinan que no

padecen de hipertensión son realmente
hipertensos.
Ejercicio 3. Cierta enfermedad puede ser producida por tres tipos
de virus A, B, C. En un laboratorio se tienen tres tubos con el virus
A, dos con el B y cinco con el C. La probabilidad de que el virus A
produzca la enfermedad es 1/3, que la produzca B es 2/3 y que la
produzca C es 1/7.
a) Si se inocula algún virus a un animal, ¿cuál es la probabilidad de
que éste contraiga la enfermedad?
b) Si se inocula un virus a un animal y contrae la enfermedad, ¿cuál
es la probabilidad de que el virus inyectado fuera C?

Sean los sucesos:

A = el animal es inoculado con virus del tipo A
B = el animal es inoculado con virus del tipo B
C = el animal es inoculado con virus del tipo C:
Al tener una muestra de 10 tubos las probabilidades de los sucesos
anteriores vienen dadas por:
P(A) =3/10 ; P(B) =2/10 ; P(C) = 5 /10
:
a) Consideramos ahora el suceso
E = el animal contrae la enfermedad:
Como consecuencia del Teorema de la Probabilidad Total y del hecho de
que A, B y C forman un sistema completo de sucesos, se tiene:
P(E) = P(A) P(E/A) +P(B) P(E/B) +P(C) P(E/C)

La probabilidad de que el
animal contraiga la
enfermedad es de 0.305

Probabilidad de que el animal haya sido

Por el teorema infectado por el virus C viene dada por:
de Bayes
Rspta.-
Podemos concluir, por tanto, que en el 23:4% de los casos en que un
animal haya contraído la enfermedad, ésta ha sido producida por el virus C.
Ejercicio
04
Un médico cirujano se especializa en cirugías estéticas. Entre sus
pacientes, el 20% se realizan correcciones faciales, un 35% implantes
mamarios y el restante en otras cirugías correctivas. Se sabe además,
que son de genero masculino el 25% de los que se realizan
correcciones faciales, 15% implantes mamarios y 40% otras cirugías
correctivas. Si se selecciona un paciente al azar, determine:
a. Determine la probabilidad de que sea de género masculino
b. Si resulta que es de género masculino, determine la probabilidad
que se haya realizado una cirugía de implantes mamarios.
Se definen los sucesos:
Suceso F: pacientes que se realizan cirugías faciales
Suceso M: pacientes que se realizan implantes mamarios
Suceso O: pacientes que se realizan otras cirugías correctivas
Suceso H: pacientes de género masculino

a. Probabilidad de que sea de género masculino se refiere a un

problema de probabilidad total.

b. Como el suceso condicionado ha ocurrido entonces se aplica

el teorema de Bayes.
Ejercicio
05

Una fábrica que produce material para la construcción tiene 3 máquinas,

a las que se les denomina A, B y C. La máquina A produce tabique, la B
adoquín y la C losetas. La máquina A produce el 50% de la producción
total de la fábrica, la B el 30% y la C el 20%. Los porcentajes de artículos
defectuosos producidos por las máquinas son, respectivamente, 3%, 4%
y 5%. Si se selecciona un artículo al azar y se observa que es defectuoso,
encontrar la probabilidad de que sea un tabique.

El evento D como sea un artículo Por el

defectuoso. teorema de
De acuerdo a esto tenemos que: Bayes

P(A) = 0.5 P(D | A) = 0.03

P(B) = 0.3 P(D | B) = 0.04
P(C) = 0.2 P(D | C) = 0.05
Rspta: La probabilidad es de
0.4054 o 40.54 %