PROBABILIDADES

10
 Experimento Aleatorio

Experimento Determinístico: Condiciones bajo las

cuales se realiza el experimento determina su resultado.

Experimento No Determinístico: Condiciones bajo las

cuales se realiza el experimento. No determina su
resultado, sino más bien indica el posible resultado.

18/01/2015 2
 Características de un
experimento aleatorio
 Se puede realizar independientemente sin
cambiar las condiciones esenciales para su
realización.
 No se puede determinar en una realización dada,
cuál sería el resultado a observar, siempre será
posible determinar todos los posibles resultados
a obtener.
 Si el experimento se realizó un gran número de
veces, entonces se observará una regularidad en
el comportamiento de los resultados a observar.

18/01/2015 3
 Ejemplo de experimentos aleatorios:

a) Extraer un articulo de un lote que contiene

artículos defectuosos “D” y no defectuosos
“N”.
b) Designar un delegado de un grupo de 50
personas
c) Contar el numero de automóviles que cruzan la
intersección de dos calles, hasta, antes de que
ocurra un accidente
d) Elegir un punto del intervalo cerrado [0,1]

18/01/2015 4
 Dados dos experimentos:

ε1= Lanzar una moneda y observar la cara

superior( c = cara, s = sello)
ε2= Lanzar un dado y observar el numero que
aparece en la cara superior

18/01/2015 5
 Dados dos experimentos:

Podemos observar algunos aspectos comunes de ambos

experimentos:
• Cada experimento puede repetirse indefinidamente
sin cambiar las condiciones
• Cada experimento es no determinístico
• Cada experimento tiene varios resultados posibles
que pueden describirse de antemano con precisión :
• En ε1 tal conjunto es {c, s}, y en ε2 es {1,2,3,4,5,6}

18/01/2015 6
 Espacio muestral asociado:

Dado un experimento aleatorio, ε denominamos espacio

muestral asociado a ε al conjunto de todos los posibles
resultados de ε.
Notación: Ωε , Ω, S, U

ε1: Extraer una muestra de 3 artículos de un lote que

tiene 4 defectuosos y 8 no defectuosos y observar el
número de defectuosos.
  ddd, ddd, ddd, ddd Ω  0,1,2,3

18/01/2015 7
 ε2: En ε1 se extrae artículos uno a uno hasta obtener el
primer artículo defectuoso y observar el número de
artículos extraídos

Sin reposición Con reposición

 
Ω  d, dd, ddd,..., d...dd 
Ω  d, dd,... 
Ω  1,2,3,4,....,9 Ω  1,2,3,....

18/01/2015 8
 ε3: En una factoría de acero se toma una muestra de la
producción diaria y se mide la resistencia a la tracción
dureza y el porcentaje de carbono.
Ω = {(x, y, z) / x tensión, y dureza, z porcentaje de
carbono}

ε4: Sea el experimento de colocar 15 objetos en 5 cajas,

de tal manera que cada objeto puede ser colocado en
cualesquiera de las cajas y observar el número de
objetos en cada caja.
Ω = {(1, 0, 8, 2, 4),…………….., (0, 0, 0, 0, 15)}

18/01/2015 9
 1. Características del espacio
muestral asociado

 Cada elemento del espacio muestral contiene o

describe al menos un resultado del experimento
aleatorio.
 Cada resultado del experimento solamente puede
estar descrito por un elemento del espacio muestral.

18/01/2015 10
 2.- Naturaleza del espacio muestral

Cualitativo : descrito por su característica.

Cuantitativo: Discreto finito
Discreto Infinito
Continuo

3.- Suceso elemental: A cada resultado individual

del experimento aleatorio.

18/01/2015 11
 4.- Suceso o evento A: Si A es un solo conjunto del
espacio Ω

Sea el experimento que consiste en tirar un par de

dados y observar los puntos; y sea el evento A la suma
de puntos igual a 5 expresar el evento en forma de
conjunto
A = {(3,2),(2,3)(4,2)(1,4)}
ω  A  decimos que ocurre A
ω  A  decimos que no ocurre A, ocurre A, A C , A

18/01/2015 12
 PROBABILIDADES
Probabilidad Frecuencial o Aposteriori:
Ley de Estabilidad Frecuencial

Dado un experimento E y un suceso A, asociado a E /

P (A) = P, se realiza repetidas veces bajo las mismas
condiciones cuando el número de realización es
grande. nA
p
n
Donde nA indica el número de veces en que ha
ocurrido el suceso A en las n repeticiones.

18/01/2015 13
 PROBABILIDADES

Probabilidad Teórica o A priori :

Si E es un experimento aleatorio / su espacio muestral

asociado (ΏE) tiene N elementos diferentes excluyentes e
igualmente verosímiles y NA es el número de resultados
excluyentes e igualmente verosímiles favorables a la
ocurrencia del suceso A la probabilidad de A.

N A N(A)
P(A)  
N N ()

18/01/2015 14
 Ejemplo:

1. Sea el experimento E que consiste en lanzar 2 monedas

y observar resultados. Sea el evento A que consiste al
menos una moneda resulta cara. Hallar la P(A)

Ω  cc, cs, sc, ss n  4

A  cc, cs, sc n A  3

P(cc, cs, sc)  P(A) 

nA
nΩ
P(A)  3 / 4
18/01/2015 15
 1. Sea el ε1 lanzar 2 monedas y observar resultados,
identificar el espacio muestral, si A es el evento
obtener al menos una cara determinar la P(A)

Ω  cc, cs, sc, ss nΩ  4

A  cc, cs, sc n A  3
nA
P(A)   3/ 4
nΩ

18/01/2015 16
 2. Si tenemos 6 artículos A y 6 artículos B ;
seleccionamos un articulo al azar. Cual es la
probabilidad de elegir A.

  A, B
P(A)  1/2
P(B)  1/2

18/01/2015 17
 3. Si tenemos 3 artículos A y 9 artículos B ;
seleccionamos un articulo al azar. Cual es la
probabilidad de elegir A.

Ω  A, B n Ω  12
P(A)  3/12 nA  3
P(B)  9/12 nB  9

18/01/2015 18
 4. Se tiene un grupo de 14 alumnos 2 mujeres y 12
varones y sea el ε que consiste en formar una
comisión de 3 personas, calcular la probabilidad de
que la comisión este conformada por 2 mujeres y 1 un
varón.
14  14 *13 *12
n Ω      364
3 1* 2 * 3
n A  1 x 12  12
n A 12
P(A)  
n Ω 364

18/01/2015 19
 Propiedades:
En un espacio de probabilidades debe
cumplirse.

P(A)  0
P()  1
  
Si A1A 2 ...A n  / A i A J  φ i  j  P  A i    P(Ai )
 i 1  i 1

18/01/2015 20
 Propiedades:

En un espacio de probabilidades debe cumplirse.

1. - P( )  0
2. - P(A  B)  P(A)  P(B)  P(AB)
3. - Si AB    P(A  B)  P(A)  P(B)
4. - P( A)  1  P(A)
5. - 0  P(A)  1
6. - Si A  B  P(A)  P(B)

18/01/2015 21
 Ejemplo

Se tiene un lote de 20 articulos de los cuales 8 son de tipo

A y 12 son de tipo B elegimos una muestra de 4
articulos de este conjunto. Hallar la probabilidad de que
la muestra contenga:
a) 2 del tipo A y 2 del tipo B
b) 1 del tipo A y 3 del tipo B
c) 3 del tipo A y 1 del tipo B
d) 4 del tipo A
e) 4 del tipo B

18/01/2015 22
 Sea P una función de probabilidad de:
Ω ={a1, a2, a3} Hallar
a) P[a1] si P[a2]=1/3 y P[a3] = ¼
b) P[a1] = 2P[a2] y P[a3] =1/4
c) P[a2, a3] = 2P[a1]
d) P[a3] = 2P[a2] y P[a2] = 3P[a1]
Debe cumplirse: PΩ   1
Pa 1 , a 2 , a 3   1
18/01/2015 23
 a) P[a1]si P[a2] = 1/3 y P[a3] = ¼

P(a1 )  ?

 
P( a 2 ) 
1
3
P(a3 ) 
1
4
P(a1 )  1  (P(a 2 )  P(a 3 )  1  (  ) 
1 1 5
3 4 12

18/01/2015 24
 b) P[a1] = 2P[a2] y P[a3] =1/4

Pa 1   Pa 2   Pa 3   1

2Pa 2   Pa 2    1
1
4
1  14 1
pa 2   4
3
Pa 1   Pa 2   Pa 3   1
2  14  1
4 1

18/01/2015 25
 c) P[a2, a3] = 2P[a1]

Pa 2,a 3   Pa 1   1

2Pa 1   Pa 1   1
Pa 1   1
3 Pa 2,a 3   2
3

Pa 2,a 3   Pa 1   2

3  13  1

18/01/2015 26
 d) P[a3] = 2P[a2] y P[a2] = 3P[a1]

18/01/2015 27
 2. Se lanzan tres monedas y se observa el número de caras
que resultan, entonces se tiene que el espacio muestral es S
= {0,1,2,3}. Obtenemos un espacio de probabilidad por
medio de las siguientes asignaciones:
P[0] = 1/8 P[1] = 3/8 P[2] =3/8 P[3] = 1/8
Hallar la probabilidad en que aparecen una cara por lo
Ω  0, 1, 2, 3
menos
A  1, 2, 3
A  0
P(0)  P(1)  P(2)  P(3)  1
P(A' )  P(A)  1

1 7
P(A)  1  P( A )  1  
8 8
18/01/2015 28
 Probabilidad Condicional
Dado dos sucesos A y B en un espacio de probabilidad (Ω
,Q, P) se define la probabilidad condicional de A dado B
como:
P(A  B)
P(A/B)  si P(B)  0
P(B)
P(A/B)  0
P(Ω/B) = 1
Si A1, A2, ... / Ai son una sucesión infinita de sucesos del
espacio de probabilidades mutuamente excluyentes
Ai A j  Φ  i  j entonces
   
P  A i /B)    P(Ai /B)
 i 1  i 1
18/01/2015 29
 Ejemplo :
Si se sabe que al lanzar 5 monedas aparecieron al menos 2
caras cual es la probabilidad de que el número exacto de caras
fuera tres.
ε1 : Lanzar 5 monedas; observar el número de caras
A : Se obtiene al menas 2 caras = { 2,3,4,5}
B : Se obtiene exactamente 3 caras = { 3 }
P(A) = 1-P(A’)
P(A’) = P( {0}+ {1} ) =  5 5* 4 *3
P({sssss})+P({cssss,scsss,sscss,ssscs,ssssc})     10
= 1/32 + 5/32 = 6/32  3  1* 2 * 3
P(A) = 26/32
P(BA) 10/32 5
P(B) = 10/32 P(B/A)   
P(A) 26/32 13
18/01/2015 30
 Ejemplo:
Se extraen 2 artículos de un lote con 5 defectuosos y 10 no
defectuosos. Halle la probabilidad de que el segundo artículo
extraído sea defectuoso, dado que el primer artículo también
fue defectuoso.
A: Segundo artículo extraído es defectuoso
B: Primer artículo extraído es defectuoso
d d d d

P(A/B) 
P(AB) 
B  dd, d d  n B  5 x 4 5 x 10  70
P(B) A  dd n AB  5x4  20

  dd, dd, dd, dd  AB  dd n   15x14  210
20/15x14 2
P(A/B)  
70/15x14 7
18/01/2015 31
 Ley de Multiplicación

P(AB)
P(A/B)  P(B)  0
P(B) P(A/B)  P(B)P(A/B) P(B)  0
P(AB) P(A/B)  P(A)P(B/A) P(A)  0
P(B/A)  P(A)  0
P(A)

En el ejercicio anterior
5 4 20
P(dd)  P(AB)  P(d)P(d/d)  * 
15 14 210
P(ABC)  P(A)P(B/A)P(C/AB)
P(A1A 2 ...A n )  P(A1 )P(A2 / A1 )P(A3 / A1A 2 )...P(An / A1A 2 ...A n -1 )

18/01/2015 32
 Ejemplo:
De una urna con dos bolillas rojas, 3 blancas, 4 negras, se
extraen bolillas de una en una hasta obtener la primera
bolilla negra. Halla la probabilidad de que el número de
bolillas extraídas sea 3.

Ω  n, nn, nnn, ..., nnnnnn

5 4 4 80
P(nnn)  P(n )P(n/ n )P(n/n n )  x x 
9 8 7 504

18/01/2015 33
 Teorema de Probabilidad Total
Si B1, B2, ….. Bn son una partición del espacio muestral, Ώ
es decir:
a) i  j Bi  B j  
n
b) B i Ω
i 1

c) P(Bi )  0  i
y A
Si P(AB)  P(A)P(B/A)
P(A)  P(AB1 )  P(AB2 )  ....  P(ABn )
P(A)  P(B1 )P(A/B1 )  P(B2 )P(A/B2 )  ...  P(Bn )P(A/Bn )
n
P(A)   P(Bi )P(A/Bi )
i 1

18/01/2015 34
 TEOREMA DE BAYES.

n
Si P(A)   P(Bi )P(A/Bi )
i 1


P(Bi  A) P(Bi )P(A/Bi )
P(Bi /A)  
P(A) P(A)

18/01/2015 35
 Ejemplo:

Tres máquinas A, B, C producen respectivamente 60%, 30%

y 10% del número total de artículos de una fábrica. Los
porcentajes de desperfectos de producción de estas
máquinas son respectivamente 2%, 3% y 4%. Seleccionado
un artículo al azar resultó defectuoso. Hallar la
probabilidad de que el artículo hubiera sido producido por
la máquina C.

18/01/2015 36
 a.-
A  Artículo defectuoso
Bi  Tipo de máquina
P(A)  P(AB1 )  P(AB2 )  P(AB3 )
P(A)  P(B1 )P(A/B1 )  P(B2 )P(A/B2 )  P(B3 )P(A/B3 )
P(A)  0.6 * 0.02  0.3 * 0.03  0.1* 0.04  0.025
P(A)  0.025

18/01/2015 37
 b.-
A  Artículo defectuoso
Bi  Tipo de máquina P(B3 /A)  ?
P(A)  0.6 * 0.02  0.3 * 0.03  0.1* 0.04  0.025
P(A)  0.025
P(B3  A)  P(B3 )P(A/B3 )  0.1* 0.04  0.004
P(B3  A)  0.004
P(B3  A) 0.004
P(B3 /A)   0.025  0.16
P(A)

18/01/2015 38