REPBLICA BOLIVARIANA DE VENEZUELA

MINISTERIO DEL PODER POPULAR PARA LA EDUCACIN

UNIVERSIDAD POLITCNICA TERRITORIAL
JOS ANTONIO ANZOTEGUI
PUERTO LA CRUZ- EDO. ANZOTEGUI

TEORA DE
PROPABILIDADES

PROFESORA:

BACHILLERES:

Andreina Hernndez

C.I 2626560 Cardoza Jorvelis

C.I 24226234 Gmez Franklin
C.I 25614541 Hernndez Noralis
C.I 27275665 Jimnez Saray
C.I 26751010 Martell Carlimar

Puerto la cruz, julio, 2016

NDICE

Pg.

INTRODUCCIN.. 3

TEORA DE PROBABILIDADES:
probabilidad condicionada..... 4-5
Probabilidad compuesta.. 6-9
Teorema de Probabilidad Total...... 9-11
Teorema de Bayes.....11-13

CONCLUSIN... 14

INFOGRAFA...15

INTRODUCCIN

En la vida cotidiana aparecen muchas situaciones en las que los resultados

observados son diferentes aunque las condiciones iniciales en las que se
produce la experiencia sean las mismas. Por ejemplo, al lanzar una moneda
unas veces resultar cara y otra cruz. Estos fenmenos, denominados
aleatorios, se ven afectados por la incertidumbre.

En el lenguaje habitual, frases como "probablemente...", "es poco probable

que...", "hay muchas posibilidades de que..." hacen referencia a esta
incertidumbre.

La teora de la probabilidad pretende ser una herramienta para modelizar y

tratar con situaciones de este tipo. Por otra parte, cuando aplicamos las
tcnicas estadsticas a la recogida, anlisis e interpretacin de los datos, la
teora de la probabilidad proporciona una base para evaluar la fiabilidad de las
conclusiones alcanzadas y las inferencias realizadas. El objetivo del Clculo de
Probabilidades es el estudio de mtodos de anlisis del comportamiento de
fenmenos aleatorios.

Hay algunos resultados importantes del clculo de probabilidades que son

conocidos bajo los nombres de teorema de la probabilidad compuesta, teorema
de la probabilidad total y teorema de Bayes. Los cuales explicaremos a
continuacin.

CLCULO DE PROBABILIDADES

PROBABILIDAD CONDICIONADA:
Es aquella que se calcula cuando se ha incorporado informacin adicional a las
condiciones iniciales. La probabilidad de ocurrencia de un suceso B,
condicionada por la ocurrencia del suceso A, o probabilidad a posteriori, se
denota P (B/A), y su valor se determina por la expresin:

Dnde:
P (AB): Probabilidad de ocurrencia simultanea de los sucesos A y B
P(A): Probabilidad a priori

Ejemplo 1
Determine el valor de la probabilidad de obtener un 2, sabiendo que ha salido
un nmero par al lanzar un dado al aire.
Solucin:
Primero se definen los sucesos:
Suceso P: salga un nmero par.

P = {2,4,6}

Suceso D: salga el nmero dos.

D = {2}

Suceso (PD): salga un nmero par y sea el dos.

(PD) = {2}

Luego, se calculan los valores de las probabilidades de ocurrencia

Finalmente, se calcula la probabilidad condicionada:

Ejemplo 2
En cierta habitacin de hospital la probabilidad de que un paciente sea
ingresado con problemas de presin arterial es de de 0,7; la probabilidad de
que ingrese con problemas renales es 0,5 y la de que ingrese con ambos
problemas es de 0,3. Hallar:
1. La probabilidad de que un paciente que ha sido ingresado con
problemas de presin arterial, padezca tambin de problemas renales.
2. La probabilidad de que un paciente que ha sido ingresado con
problemas renales, presente problemas de presin arterial.
Solucin:
Se definen los sucesos:
Suceso P: paciente que ingresa con problemas de presin arterial
Suceso R: paciente que ingresa con problemas renales
a. La probabilidad de que un paciente con problemas de presin arterial
tambin tenga problemas renales ser:

b. La probabilidad de que un paciente que ha sido ingresado con problemas

renales, presente problemas de presin arterial ser:

PROBABILIDAD COMPUESTA
Se conoce tambin como la Regla de multiplicacin de probabilidades. La
probabilidad de ocurrencia simultnea de dos sucesos A y B se
denota P(AB), y se deriva de la probabilidad condicionada, matemticamente:

Si A y B son sucesos independientes, entonces,

Corolario: Sean A1, A2, A3, , An sucesos independientes entre s, entonces,

Ejemplo 3
Se tiene una caja con tres bolas blancas y dos rojas, si se extraen al azar dos
bolas consecutivamente y sin reemplazamiento de la caja, determine la
probabilidad de que:
a. Ambas sean blancas.
b. Ambas sean rojas.
c. Sean de diferente color.
Determine los mismos valores de probabilidad si reemplazamos la bola
extrada antes de sacar la segunda.
Solucin:
Se definen los sucesos:
Suceso B: extraer una bola blanca
Suceso R: extraer una bola roja

Sin reemplazamiento
A.1- La probabilidad de extraer ambas bolas blancas ser:

Note que el clculo de los valores de probabilidades se realiza a partir de la

frmula de probabilidad clsica y luego realizamos el producto.

B.1- La probabilidad de extraer ambas bolas rojas ser:

C.1- La probabilidad de extraer bolas de diferente color implica que la primera

extraccin sea una bola blanca y la segunda roja o viceversa, lo cual implica
una unin de probabilidades, por lo tanto, tal valor de probabilidad ser:

Con reemplazamiento: en este caso se entiende que la extraccin de cada

bola es independiente de la anterior, esto se debe a que las condiciones no
varan. Entonces:
A.2- La probabilidad de extraer ambas bolas blancas ser:

Note que el clculo de los valores de probabilidades se realizan a partir de la

frmula de probabilidad clsica y luego realizamos el producto.

B.2- La probabilidad de extraer ambas bolas rojas ser:

C.2- La probabilidad de extraer bolas de diferente color implica que la primera

extraccin sea una bola blanca y la segunda roja o viceversa, lo cual implica
una unin de probabilidades, por lo tanto, tal valor de probabilidad ser:

Ejemplo 4
La probabilidad de que una persona obesa tenga tambin problemas
coronarios es de 0,65. Si en una ciudad la probabilidad de que una persona
sufra de problemas obesidad es de 58%. Determine el valor de la probabilidad
de que una persona tenga problemas coronarios y sea obeso.
Solucin:
Se definen los sucesos:
Suceso C: persona con problemas coronarios
Suceso O: persona con problemas de obesidad
Se procede a identificar los datos:
P(C/O)= 0,65
P(O)= 0,58
Luego, la probabilidad de que una persona sufra de problemas de obesidad y
coronarios ser:

En una ciudad hay dos camiones de bomberos. La probabilidad de que un cada

camin est disponible si se necesitara es de 90%. Hay un incendio, se desea
saber el valor de la probabilidad de que:
a. Ninguno,
b. Solo uno,
c. Ambos,
Estn disponibles para acudir al llamado
Solucin:
Al no haber condicin alguna de un camin sobre el otro, se entiende que la
disponibilidad de los camiones es independiente, por lo tanto:

a. La probabilidad de que ninguno est disponible ser:

b. La probabilidad de solo un camin est disponible, implica que el primero lo

est y el segundo no o viceversa, lo cual es una unin de probabilidades, por lo
tanto, tal valor de probabilidad ser:

c. La probabilidad de que ambos estn disponibles ser:

TEOREMA DE LA PROBABILIDAD TOTAL

El Teorema de la probabilidad total nos permite calcular la probabilidad de un
suceso a partir de probabilidades condicionadas:
Ejemplo: supongamos que si llueve la probabilidad de que ocurra un
accidentes es x% y si hace buen tiempo dicha probabilidad es y%. Este
teorema nos permite deducir cul es la probabilidad de que ocurra un accidente
si conocemos la probabilidad de que llueva y la probabilidad de que haga buen
tiempo.
La frmula para calcular esta probabilidad es:

Es decir, la probabilidad de que ocurra el suceso B (en nuestro ejemplo, que

ocurra un accidente) es igual a la suma de multiplicar cada una de las
probabilidades condicionadas de este suceso con los diferentes sucesos A
(probabilidad de un accidente cuando llueve y cuando hace buen tiempo) por la
probabilidad de cada suceso A.

Para que este teorema se pueda aplicar hace falta cumplir un requisito:
Los sucesos A tienen que formar un sistema completo , es decir, que
contemplen todas las posibilidades (la suma de sus probabilidades debe ser el
100%).
Ejemplo: al tirar una moneda, el suceso "salir cara" y el suceso "salir cruz"
forman un sistema completo, no hay ms alternativas: la suma de sus
probabilidades es el 100%
Ejemplo: al tirar un dado, que salga el 1, el 2, el 3, o el 4 no forman un
sistema completo, ya que no contempla todas las opciones (podra salir el 5 o
el 6). En este caso no se podra aplicar el teorema de la probabilidad total.

Ejercicio 1: En un saquito hay papeletas de tres colores, con las siguientes

probabilidades de ser elegidas:
a) Amarilla: probabilidad del 50%.
b) Verde: probabilidad del 30%
c) Roja: probabilidad del 20%.
Segn el color de la papeleta elegida, podrs participar en diferentes sorteos.
As, si la papeleta elegida es:
a) Amarilla: participas en un sorteo con una probabilidad de ganar del 40%.
b) Verde: participas en otro sorteo con una probabilidad de ganar del 60%
c) Roja: participas en un tercer sorteo con una probabilidad de ganar del 80%.

Con esta informacin, qu probabilidad tienes de ganar el sorteo en el que

participes?:
1.- Las tres papeletas forman un sistema completo: sus probabilidades suman
100%
2.- Aplicamos la frmula:

Luego,
P (B) = (0,50 * 0,40) + (0,30 * 0,60) + (0,20 * 0,80) = 0,54

Por tanto, la probabilidad de que ganes el sorteo es del 54%.

Ejercicio 2: Van a cambiar a tu jefe y se barajan diversos candidatos:
a) Carlos, con una probabilidad del 60%
b) Juan, con una probabilidad del 30%
c) Luis, con una probabilidad del 10%
En funcin de quien sea tu prximo jefe, la probabilidad de que te suban el
sueldo es la siguiente:
a) Si sale Carlos: la probabilidad de que te suban el sueldo es del 5%.
b) Si sale Juan: la probabilidad de que te suban el sueldo es del 20%.
c) Si sale Luis: la probabilidad de que te suban el sueldo es del 60%.

En definitiva, cul es la probabilidad de que te suban el sueldo?:

1.- Los tres candidatos forman un sistema completo
2.- Aplicamos la frmula:
P (B) = (0,60 * 0,05) + (0,30 * 0,20) + (0,10 * 0,60) = 0,15
Por tanto, la probabilidad de que te suban el sueldo es del 15%.

TEOREMA DE BAYES
El Teorema de Bayes viene a seguir el proceso inverso al que hemos visto en
el Teorema de la probabilidad total:
Teorema de la probabilidad total: a partir de las probabilidades del suceso A
(probabilidad de que llueva o de que haga buen tiempo) deducimos la
probabilidad del suceso B (que ocurra un accidente).
Teorema de Bayes: a partir de que ha ocurrido el suceso B (ha ocurrido un
accidente) deducimos las probabilidades del suceso A (estaba lloviendo o
haca buen tiempo?).

La frmula del Teorema de Bayes es:

Tratar de explicar estar frmula con palabras es un galimatas, as que vamos a

intentar explicarla con un ejemplo. De todos modos, antes de entrar en el
ejercicio, recordar que este teorema tambin exige que el suceso A forme un
sistema completo.

Ejercicio 1: El parte meteorolgico ha anunciado tres posibilidades para el fin

de semana:
a) Que llueva: probabilidad del 50%.
b) Que nieve: probabilidad del 30%
c) Que haya niebla: probabilidad del 20%.
Segn estos posibles estados meteorolgicos, la posibilidad de que ocurra un
accidente es la siguiente:
a) Si llueve: probabilidad de accidente del 10%.
b) Si nieva: probabilidad de accidente del 20%
c) Si hay niebla: probabilidad de accidente del 5%.

Resulta que efectivamente ocurre un accidente y como no estbamos en la

ciudad no sabemos qu tiempo hizo (nev, llovi o hubo niebla). El teorema de
Bayes nos permite calcular estas probabilidades:
Las probabilidades que manejamos antes de conocer que ha ocurrido un
accidente se denominan "probabilidades a priori" (lluvia con el 60%, nieve con
el 30% y niebla con el 10%).
Una vez que incorporamos la informacin de que ha ocurrido un accidente, las
probabilidades del suceso A cambian: son probabilidades condicionadas P
(A/B), que se denominan "probabilidades a posteriori".

Vamos a aplicar la frmula:

a) Probabilidad de que estuviera lloviendo:

La probabilidad de que efectivamente estuviera lloviendo el da del accidente

(probabilidad a posteriori) es del 71,4%.

b) Probabilidad de que estuviera nevando:

La probabilidad de que estuviera nevando es del 21,4%.

c) Probabilidad de que hubiera niebla:

La probabilidad de que hubiera niebla es del 7,1%.

CONCLUSIN

La teora de la probabilidad es la parte de las matemticas que estudia los

fenmenos aleatorios estocsticos. Estos deben contraponerse a los
fenmenos determinsticos, los cuales son resultados nicos y/o previsibles de
experimentos realizados bajo las mismas condiciones determinadas, por
ejemplo, si se calienta agua a 100 grados Celsius a nivel del mar se obtendr
vapor. Los fenmenos aleatorios, por el contrario, son aquellos que se obtienen
como resultado de experimentos realizados, otra vez, bajo las mismas
condiciones determinadas pero como resultado posible poseen un conjunto de
alternativas, por ejemplo, el lanzamiento de un dado o de una moneda. La
teora de probabilidades se ocupa de asignar un cierto nmero a cada posible
resultado que pueda ocurrir en un experimento aleatorio, con el fin de
cuantificar dichos resultados y saber si un suceso es ms probable que otro.

Muchos fenmenos naturales son aleatorios, pero existen algunos como el

lanzamiento de un dado, donde el fenmeno no se repite en las mismas
condiciones, debido a que las caractersticas del material hace que no exista
una simetra del mismo, as las repeticiones no garantizan una probabilidad
definida. En los procesos reales que se modelizan mediante distribuciones de
probabilidad corresponden a modelos complejos donde no se conocen a priori
todos los parmetros que intervienen; sta es una de las razones por las cuales
la estadstica, que busca determinar estos parmetros, no se reduce
inmediatamente a la teora de la probabilidad en s.

INFOGRAFA

https://estadisticageneral.wordpress.com/regla-de-multiplicacion-deprobabilidades/

www.aulafacil.com/cursos/l11237/ciencia/estadisticas/teorema-de-laprobabilidad-total

www.aulafacil.com/cursos/l11237/ciencia/estadisticas/teorema-de-bayes

https://es.wikipedia.org/wiki/Teor%C3%ADa_de_la_probabilidad