PROBABILIDAD

LA PROBABILIDAD ES UN MÉTODO MEDIANTE EL CUAL SE

OBTIENE LA FRECUENCIA DE UN SUCESO DETERMINADO
M E D I A N T E L A R E A L I Z A C I Ó N D E U N E X P E R I M E N T O A L E AT O R I O,
D E L Q U E S E C O N O C E N T O D O S L O S R E S U LTA D O S P O S I B L E S,
B A J O C O N D I C I O N E S S U F I C I E N T E   E S TA B L E S. L A T E O R Í A D E L A
PROBABILIDAD  SE USA EXTENSAMENTE EN ÁREAS COMO
L A   E S TA D Í S T I C A , L A   F Í S I C A , L A   M AT E M ÁT I C A , L A S   C I E N C I A S   Y
L A   F I L O S O F Í A   PA R A S A C A R C O N C LU S I O N E S S O B R E L A
P R O B A B I L I D A D D I S C R E TA D E S U C E S O S P O T E N C I A L E S Y L A
M E C Á N I C A S U B YA C E N T E D I S C R E TA D E S I S T E M A S C O M P L E J O S .
 La probabilidad constituye un importante parámetro
en la determinación de las diversas casualidades
obtenidas tras una serie de eventos esperados dentro
de un rango estadístico.
 La probabilidad de un evento se denota con la
letra p y se expresa en términos de una fracción y no
en porcentajes, por lo que el valor de p cae entre 0 y
1. Por otra parte, la probabilidad de que un evento
"no ocurra" equivale a 1 menos el valor de p y se
denota con la letra q:
 P(Q)=1-P(E)
 Regla de Laplace

 La regla de Laplace establece que:
 La probabilidad de ocurrencia de un suceso imposible es 0.
 La probabilidad de ocurrencia de un suceso seguro es 1, es decir, P(A)
= 1.
 Para aplicar la regla de Laplace es necesario que los experimentos den
lugar a sucesos equiprobables, es decir, que todos tengan o posean la
misma probabilidad.
 La probabilidad de que ocurra un suceso se calcula así:
 P(A) = Nº de casos favorables / Nº de resultados posibles
 Esto significa que, probabilidad es igual al número de casos favorables
sobre o dividido el número de resultados total de resultados posibles.
 Los fundamentos del cálculo de probabilidades surgen alrededor del año 1650,
cuando sugerido por los
 juegos de dados, de cartas, del lanzamiento de una moneda, se planteó el debate
de determinar la
 probabilidad de ganar la partida.
 Experimentos aleatorios
 Cuando lanzamos un dado no sabemos qué número va a salir; sin embargo, si
lanzamos una piedra al
 aire estamos seguros de que caerá al suelo.
 Es decir, en algunos experimentos podemos saber lo que va a ocurrir y en otros no.
 1. A los experimentos en los cuales no sabemos lo que va a ocurrir se les llama
experimentos
 aleatorios.
 2. A los otros, aquellos en los que sí podemos decir lo que va a ocurrir, se les llama
 experimentos deterministas.
 Un experimento es aleatorio si hay más de un resultado posible y no
podemos decir con
 anterioridad lo que va a suceder. En este caso se dice que el resultado
depende del azar.
 Ejemplos:
 Todos los juegos de azar son experimentos aleatorios. Como ejemplos
 podemos poner:
 Lanzar una moneda al aire podrá salir cara o cruz.
 Sacar una bola de una urna que contiene bolas de distinto color, si no
 vemos su interior,
 Obtener una carta de una baraja, etc...
 Espacio muestral
 Espacio muestral y eventos. El uso de conjuntos representados
por diagramas de Venn, facilita la compresión de espacio
muestral y evento, ya que el espacio muestral S, se puede
equiparar con el conjunto universo, debido a que S contiene la
totalidad de los resultados posibles de un experimento, mientras
que los eventos E contienen solo un conjunto de resultados
posibles del experimento, mientras que los puntos muestrales se
equiparan con los elementos. Vamos a suponer que el
experimento que se realiza es el lanzamiento de un dado y
queremos conocer ¿cuál es la probabilidad de que caiga un 3 o
un 5? Si S contiene la totalidad de los resultados posibles,
entonces S = {1, 2, 3, 4, 5, 6}puesto que el dado tiene 6 caras y
si buscamos la probabilidad P de que caiga 3 o5, esto constituye
un evento entonces, E = {3, 5}
 .
 Probabilidad de un suceso. Regla de Laplace
 La probabilidad de un suceso A, se representa por P(A) y se entiende como la posibilidad de que
ocurra
 dicho suceso.
 Laplace encontró la ley que determina la probabilidad de que ocurra un suceso en un experimento
 equiprobable.
PROBABILIDAD
CONDICONAL
  
 PROBABILIDAD CONDICIONAL
 Consideremos una urna que contiene 4 bolillas rojas y 5
blancas. De las 4 bolillas rojas, 2 son lisas y 2 rayadas y de
las 5 bolillas blancas, 4 son lisas y una sola es rayada.
Supongamos que se extrae una bolilla y, sin que la
hayamos mirado, alguien nos dice que la bolilla es roja,
¿cuál es la probabilidad de que la bolilla sea rayada?. Sean
los sucesos A: “la bolilla es rayada” y B: “la bolilla es roja”.
Obviamente, sin ninguna información previa, P(A)= 3/9=1/3
y P(B)=4/9.
 Sin embargo, como sabemos que la bolilla es roja, la
probabilidad de que sea rayada es ½, ya que, de las rojas la
mitad es lisa y la mitad rayada. Observemos, que al ocurrir
B, el espacio muestral se reduce.
 En general, dado un experimento y su espacio muestral
asociado, queremos determinar cómo afecta a la
probabilidad de A el hecho de saber que ha ocurrido otro
evento B.
  Definición: Sean A y B eventos tales
que P(B) > 0, la probabilidad del
evento A condicional a la ocurrencia
del evento B es:

 La probabilidad de que un
evento “B” ocurra cuando se sabe que
ya ocurrió un evento “A” se
llama probabilidad condicional y se
denota: porque por lo general se lee
como probabilidad de que "ocurra B
dado que ocurrió A".
 Ejemplos:
 Se seleccionan dos semillas
aleatoriamente, una por una, de una
bolsa que contiene 10 semillas de
flores rojas y 5 de flores blancas. ¿Cuál
es la probabilidad de que:
 La primera semilla sea roja?
 La segunda semilla sea blanca dado
que la primera fue roja?
 Ejemplos:
 Se seleccionan dos semillas
aleatoriamente, una por una, de una
bolsa que contiene 10 semillas de
flores rojas y 5 de flores blancas. ¿Cuál
es la probabilidad de que:
 La primera semilla sea roja?
 La segunda semilla sea blanca dado
que la primera fue roja?
 Solución:
 La probabilidad de que la primera semilla sea roja es  ,
puesto que hay 10 semillas de flores rojas de un total
de 15. Escrito con notación de probabilidad tenemos: 
 La probabilidad de que la segunda semilla sea blanca
se ve influida por lo que salió primero, es decir esta
probabilidad está sujeta a una condición, la de que la
primera semilla sea roja. Este tipo de probabilidad se
le llama probabilidad condicional y se denota por 
 , y se lee: la probabilidad de B2 dado R1.
 Esta probabilidad  , puesto que todavía hay 5 semillas
blancas en un total de 14 restantes.
 Veamos la situación en un diagrama de árbol:
 Una persona lanza una moneda 3 veces, ¿Cuál es la
probabilidad de obtener 3 águilas dado que salió por lo
menos un águila?
 Una persona lanza una moneda 3
veces, ¿Cuál es la probabilidad de
obtener 3 águilas dado que salió por lo
menos un águila?
 Solución: El espacio muestra del experimento de
lanzar una moneda 3 veces es
 S = {aaa, aas, asa, ass, saa, sas, ssa, sss}
 El evento A de que por lo menos hay un águila en los
tres lanzamientos es:
 A = {aaa, aas, asa, ass, saa, sas, ssa}
 El evento B de que obtenga 3 águilas es B = {aaa}
 Por lo tanto, AÇ B ={aaa} y 

De donde 
 Nótese que  es la probabilidad de una ocurrencia en
las siete que son posibles en A; es decir, calcular la
probabilidad condicional de B dado A es como
calcular la probabilidad de B con relación al conjunto
A, como si éste fuera un nuevo espacio muestra S* =
A.
EVENTOS INDEPENDIENTES
 EVENTOS INDEPENDIENTES
 En teoría de probabilidades, se dice que dos 
sucesos aleatorios son independientes entre sí cuando la 
probabilidad de cada uno de ellos no está influida porque el
otro suceso ocurra o no, es decir, cuando ambos sucesos no
están relacionados.
 Dos sucesos son independientes si la probabilidad de que
ocurran ambos simultáneamente es igual al producto de las
probabilidades de que ocurra cada uno de ellos, es decir, si 
 Motivación de la definición:
 Sean   y   dos sucesos tales que  , intuitivamente A es
independiente de B si la probabilidad de A condicionada
 por B es igual a la probabilidad de A. Es decir si:
Ejemplos:
En una escuela el 20% de los alumnos tiene problemas
visuales, el 8% tiene problemas auditivos y el 4% tienen tanto
problemas visuales como auditivos, Sean: V los que tienen
problemas visuales y VC los que no lo tienen. A los que tienen
problemas auditivos y AC los que no los tienen.
1.¿Son los dos eventos de tener problemas visuales y
auditivos, eventos independientes?
2.¿Cuál es la probabilidad de que un niño tenga problemas
auditivos si sabemos que tiene problemas visuales?
3.Complete la siguiente tabla
4.¿Cuál es la probabilidad de que un niño no tenga problemas
auditivos si tiene problemas visuales?

  V VC Total

A 0.04   0.08

AC      

Total 0.20   1.00

 P(V)P(A) = (0.2)(0.08) =
0.016 y P(VÇ A) =
0.04. Como P(VÇ A) ¹ P(V)P(A), se
concluye que V y A no son
independientes.
 Por diferencias podemos completar la
tabla, ya que P(VC) = 1 – 0.20 =
0.80 y P(AC) = 1 – 0.08 = 0.92, por lo
  V VC Total

A 0.04 0.04 0.08

tanto AC 0.16 0.76 0.92

Total 0.20 0.80 1.00

 GRACIAS