Denicin de Laplace

Se dene la probabilidad de un suceso A como el cociente entre el nmero

de casos favorables y el nmero de casos posibles:

P (A) =

casos f avorables de A
#A
=
casos posibles
#S

Ejemplo:
Experimento: Lanzamiento de un dado.

S = fLanzamiento de un dadog
S = f1; 2; 3; 4; 5; 6g = #6
Sea el evento A = faparece un multiplo de 3g
A = f3; 6g = #2
P (A) =

1
3
=
6
3

Pero esta denicin es vlida solamente en aquellos problemas en los que se

puede contar los casos favorables y los casos posibles (incluyendo aquellos en los
que se usa la combinatoria ). Sin embargo, hay otros problemas en los que no
es posible aplicar esta denicin.

Denicin axiomtica:

Sea S un espacio muestral y sean A y B dos eventos cualesquiera de este:

Axioma 1: P (S) = 1
Axioma 2: P (A)

0; 8A

Axioma 3: P (A [ B) = P (A) + P (B) ; Si A \ B = ?

En general
P

1
S

Ai

i=1

= P (A1 ) + P (A2 ) + ::: + P (Ai ) ; con Ai \ Aj = ?; 8i 6= j:

De estos tres axiomas fundamentales es posible determinar algunas propiedades

y consecuencias:
Teorema (1):
(a) P (?) = 0
(b) P (Ac ) = 1 P (A)
(c) Si A B; entonces P (A)

Corolario:

P (A)

P (B)

Teorema (2):
(a) P (A [ B) = P (A) + P (B) P (A \ B)
(b) P (A B) = P (A) P (A \ B)
Corolario: P (A [ B [ C) = P (A)+P (B)+P (C) P (A \ B) P (A \ C)
P (B \ C) + P (A \ B \ C)
Teorema 3: Si S un espacio muestral y A un evento de S; A
P (A) = P (A1 ) + P (A2 ) + P (A3 ) + ::: + P (Ak ) =

k
X

S; entonces

P (Ai )

i=1

Donde Ai son los eventos disjuntos cuya union es A:

Ejemplo: Suponga que A y B son eventos para los cuales P (A) = x;

P (B) = y y P (A \ B) = z
(a)
(b)
(c)
(d)

P (Ac [ B c )
P (Ac [ B)
P (Ac \ B)
P (Ac \ B c )
2

solucin:

(a)
P (Ac [ B c )

= P [(A \ B) ]
= 1 P (A \ B)
= 1 z

(b)
P (Ac [ B)

= P [(A B) ]
= 1 P (A \ B)
= 1 [P (A) P (A \ B)]

(c)
P (Ac \ B)

= P (A B)
= P (B) P (A \ B)
= y z

(d)
P (Ac \ B c )

=
=
=
=

P [(A [ B) ]
1 P (A [ B)
1 P (A) P (B) + P (A \ B)
1 x y+z

Probabilidad Condicional o Condicionada

Cuando se est calculando la probabilidad de un evento A en particular, y

se tiene informacin sobre la ocurrencia de otro evento B, esta probabilidad se
conoce como probabilidad condicional, la cual se denota por P (A=B), se lee
"probabilidad de A dado B " y se dene como:

P (A=B) =

P (A \ B)
P (B)

con P (B) 6= 0

Las probabilidades condicionales satisfacen los axionas de probabilidad

1. P (S=B) = 1

P (S=B) =

P (B)
P (S \ B)
=
=1
P (B)
P (B)

2. P [(A [ C) =B] = P (A=B) + P (C=B)

P [(A [ C) =B] =

P [(A [ C) \ B]
P [(A \ B) [ (C \ B)]
P (A \ B) P (C \ B)
=
=
+
= P (A=B)+P (C=B)
P (B)
P (B)
P (B)
P (B)

Ejemplos:
1) La probabilidad de que un vuelo de programacin regular despegue a tiempo
es P (D) = 0; 83 ; la que llegue a tiempo es P (A) = 0; 82 y la que despegue
y llegue a tiempo es P (D \ A) = 0; 78 . Encuentre la probabilidad de que
el avin:

a) llegue a tiempo dado que despeg a tiempo.

b) despegue a tiempo dado que lleg a tiempo.

Solucin:
D = fdespegar a tiempog

A = fllegar a tiempog

(a)
P (A=D) =

P (A \ D)
0; 78
=
= 0; 94
P (D)
0; 83

La probabilidad que el avin llegue a tiempo dado que despeg a tiempo es de

0; 94:

(b)
P (D=A) =

P (D \ A)
0; 78
=
= 0; 95
P (A)
0; 82

La probabilidad de que el avin despegue a tiempo dado que lleg a tiempo es de

0; 95:

2) En una ocina hay 100 mquinas calculadoras, algunas de ellas son elctricas
(E) mientras que otras son manuales (M ). De ellas unas son nuevas (N )
y otras usadas (U ). El nmero de mquinas por categora est dada en la
siguiente tabla:

N
U

E
40
20

M
30
10

total
70
30

Una persona entra a la ocina y escoge una mquina al azar, descubre que
es nueva. Cul es la probabilidad que sea elctrica?

Solucin:

P (E=N ) =

P (E \ N )
=
P (N )

40
100
70
100

4
= 0; 57
7

3) Un grupo de 500 ejecutivos es clasicado de acuerdo a las caractersticas del

peso y a la insidencia del peso en la hipertensin. Se da la siguiente tabla:

Hipertenso (H)
N o hipertenso H C
total

sobre peso (T )
50
75
125

peso normal (N )
40
225
265

bajo peso (B)

10
100
110

(a) Cul es la probabilidad de que una persona elegida al azar sea hipertensa?
(b) Una persona elegida al azar tiene sobrepeso. Cul es la probabilidad que
tambin sea hipertensa?
(c) Una persona elegida al azar no es hipertensa. Cul es la probabilidad de
que tenga peso normal?

Solucin:
(a)
P (H) =

1
100
=
500
5

La probabilidad de que una persona sea hipertensa es

0; 2:

(b)
P (H=T ) =

P (H \ T )
=
P (T )

50
500
125
500

2
5

La probabilidad de que una persona con sobre peso sea tambien hipertensa es de

(c)
P (N=H c ) =

P (N \ H c )
=
P (H c )

225
500
400
500

9
16

0; 4:

total
100
400
500

La probabilidad de que una persona no hipertensa tenga tambin peso normal es de

0; 4

Uno de los usos ms frecuentes de la probabilidad condicional es dar un

procedimiento fcil para asignar probabilidades a intersecciones de eventos. Del
concepto de probabilidad condicional es posible encontrar una expresin til,
llamada regla del producto, para la probabilidad de interseccin de eventos,
esta es:

P (A=B) =

P (A \ B)
P (B)

P (A \ B) = P (B) P (A=B)
As,
P (A \ B \ C) = P (A) P (B=A) P (C=A \ B)
Sean

A1 ; A2 ; A3 ; :::; An
n sucesos con probabilidad distinta de cero. Entonces la probabilidad de su
interseccin puede calcularse con la Regla del producto.

P (A1 \ A2 \ ::: \ An ) = P (A1 ) P (A2 =A1 ) P (A3 =A1 \ A2 ) ::: P (An =A1 \ ::: \ An

1)

Ejemplos:

1) Se seleccionan 2 chas al azar, sin reemplazo, de una urna que contiene 4

blancas y 8 negras. Calcular la probabilidad de que:

a) ambas sean blancas.

b) la segunda sea blanca.

Solucin:
(a)

B = ff ichas blancasg
P (B) =

P (N ) =

N = ff ichas negrasg

4
12

8
12

P (B1 \ B2 ) = P (B1 ) P (B2 =B1 ) =

4 3
1
=
= 0; 09
12 11
11

(b)
P (B1 \ B2 ) + P (N1 \ B2 )

1
+ P (N1 ) P (B2 =N1 )
11
1
8 4
=
+
11 12 11
1
=
3
= 0; 33
=

2) Una caja de fusibles contiene 20 unidades, de las cuales 5 son defectuosas.

Si tres de estos fusibles son tomados al azar, en sucesin y sin reemplazo.

(a) Cul es la probabilidad que los tres sean defectuosos?

(b) Si en cada una de las dos primeras se extrajo un defectuoso.Cul es la
probabilidad que el tercero extraido sea bueno?
(c) Si los dos primeros estaban buenos. Cul es la probabilidad que el tercero
extrado sea defectuoso?
(d) Cul es la probabilidad que los dos primeros sean buenos y el tercero
defectuoso?

D = ff usible def ectuosog

P (D) =

5
20

P (Dc ) =

15
20

Dc = ff usible no def ectuosag

Solucin:

(a)
P (D1 \ D2 \ D3 )

= P (D1 ) P (D2 =D1 ) P (D3 =D1 \ D2 )

5 4 3
=
20 19 18
1
=
144

(b)
P (D3c =D1 \ D2 ) =

15
= 0; 83
18

P (D3 =D1c \ D2c ) =

5
= 0; 27
18

(c)

(d)
P (D1c \ D2c \ D3 )

= P (D1c ) P (D2c =D1c ) P (D3 =D1c \ D2c )

15 14 5
=
20 19 18
35
=
228
= 0; 15

Diagrama de rbol

Un diagrama de rbol es una herramienta que se utiliza para determinar

todos los posibles resultados de un experimento aleatorio. En el clculo de
la probabilidad se requiere conocer el nmero de objetos que forman parte del
espacio muestral, estos se pueden determinar con la construccin de un diagrama
de rbol. Ejemplo: Si Juan tiene 3 pantalones y 2 camisas basta multiplicar
3x2 = 6 y son 6 posibilidades de que se pueda vestir.

El diagrama de rbol es una representacin grca de los posibles resultados

del experimento, el cual consta una serie de pasos, donde cada uno de los pasos
tiene un nmero nito de maneras de ser llevado a cabo. Se utiliza en los
problemas de conteo y probabilidad

Para la construccin de un diagrama en rbol se partir poniendo una rama

para cada una de las posibilidades, acompaada de su probabilidad. Cada una
de estas ramas se conoce como rama de primera generacin.
En el nal de cada rama de primera generacin se constituye a su vez, un
nudo del cual parten nuevas ramas conocidas como ramas de segunda generacin,
10

segn las posibilidades del siguiente paso, salvo si el nudo representa un posible
nal del experimento (nudo nal).

Hay que tener en cuenta que la construccin de un rbol no depende de tener

el mismo nmero de ramas de segunda generacin que salen de cada rama de
primera generacin y que la suma de probabilidades de las ramas de cada nudo
ha de dar 1.
Existe un principio sencillo de los diagramas de rbol que hace que stos sean
mucho ms tiles para los clculos rpidos de probabilidad: multiplicamos las
probabilidades si se trata de ramas adyacentes (contiguas), el ejemplo de alumna
de la primera facultad, o bien las sumamos si se trata de ramas separadas que
emergen de un mismo punto, el ejemplo de encontrar un alumno.

Ejemplos:

1) Una universidad est formada por tres facultades:

La 1a con el 50% de estudiantes.

La 2a con el 25% de estudiantes.
La 3a con el 25% de estudiantes.

Las mujeres estn repartidas uniformemente, siendo un 60% del total en

cada facultad.

11

Probabilidad de encontrar una alumna de la primera facultad?

P (alumna de 1a f acultad) = 0; 5 0; 6 = 0; 3

12

Probabilidad de encontrar un alumno varn?

P (alumno varon) = 0; 5 0; 4 + 0; 25 + 0; 25 0; 4 = 0; 4

Relacin con probabilidad condicionada

Esta herramienta est fundamentada en el clculo de probabilidades condicionadas.

Por ejemplo podemos identicar el 0; 6 que encotramos en la rama que va
de 1a facultad a mujer como la siguiente probabilidad condicionada:

P (mujer=1a f acultad) = 0; 6

13

Tambin esta herramienta se relaciona con algunos teoremas de la probabilidad condicionada.

Dado que las tres facultades forman una particin del espacio muestral
podemos indicar como:
P (alumno varon) = P (varon=1a f acultad) P (1a f acultad)+P (varon=2a f acultad)
P (2a f acultad) + P (varon=3a f acultad)

P (alumno varon) = 0; 5 0; 4 + 0; 25 + 0; 25 0; 4 = 0; 4

14