TECNOLÓGICO NACIONAL DE MÉXICO

INSTITUTO TECNOLÓGICO DE TLAXIACO

“Educación, Ciencia y Tecnología, Progresos día con día” ®

Evidencia de apuntes

Presenta:
Alberto Angón García
Héctor Giovanni García EScobar

Carrera:
Ingeniera Industrial

Materia:
Probabilidad y estadística

Asesor:
Ing. Muños Jimarez Norberto Alfonso

Tlaxiaco, Oax., 18 de MARZO de 2019.

En general probabilidad es la posibilidad de que algo ocurra. La probabilidad se
expresa como funciones (1/6, 1/3 ,1/2) o bien como decimales (0.25 ,0.33 ,0.5)
valores entre 0 y 1.

Asignar una probabilidad de 0 significa que algo nunca ocurrirá y una

probabilidad de 1 indica que algo siempre ocurrirá.

En teoría de probabilidad un evento es 1 o más de los resultados posibles de

realizar o hacer algo; si se lanza una moneda y se obtiene un sol es un evento y
se obtiene águila es otro evento.

La actividad que produce un evento se designa en teoría de probabilidad como

un experimento. en el experimento mencionado anteriormente ¿Cuál es la
probabilidad de obtener un evento sol? Por supuesto si es una moneda que tiene
igual probabilidad de caer en cualquiera de sus lados y ninguna probabilidad de
caer parada la respuesta será ½ o 0.5. con la probabilidad se pueden dar las
probabilidades de que cierto evento ocurra.

Se dice que los eventos son mutuamente excluyentes si uno y solo uno de ellos
puede ocurrir a un tiempo. En el caso de la moneda solo se obtienen dos posibles
resultados sol o águila al alanzarla, pero no ambos a la vez, otro ejemplo serio
en un curso en el cual se tienen tres posibles resultados:

 Primero si aprueba
 Segundo se reprueba
 Tercero se retira del curso sin calificación

Con lo cual solo puede ocurrir uno de estos tres eventos por lo cual son
mutuamente excluyentes.

Existen tres formas básicas de clasificar las probabilidades.

 Enfoque clásico
 Enfoque de frecuencia relativa de ocurrencia
 Enfoque subjetivo
 PROBABILIDAD CLÁSICA

Esta define la probabilidad de ocurrencia de un evento.

Numero de resultados favorables a la ocurrencia

Probabilidad de un evento =______________del evento_________________

Número del total de posibles resultados

Para que esta ecuación sea válida cada uno de los posibles resultados deben de
ser igualmente probables. En el caso de un lanzamiento de un dado tenemos

1
P(6) = 1+1+1+1+1+1

La probabilidad clásica frecuentemente es llamada probabilidad apriori porque

por razonamiento lógico se puede establecer los resultados antes de realizar
cualquier experimento. Este tipo de enfoque generalmente se usa en juegos de
azar como lo son jugar a la ruleta, pirinola, barajas, … pero en situaciones más
complejas como en los negocios este no es posible aplicarlo.

ENFOQUE DE FRECUENCIA RELATIVA DE OCURRENCIA

Este método utiliza____________ pasadas como probabilidades; se determina

con qué frecuencia algo ha ocurrido en el pasado y se utiliza este dato para
producir la posibilidad de que vuelva a ocurrir en el futuro.

Ejemplo: supóngase que una compañía de seguro conoce a partir de datos

estadísticos que de todos los hombres de 40 años cerca de 60 de cada 100000
morirán en un periodo de un año. Usando este método la compañía estima la
probabilidad de muerte para ese grupo de edad como sigue.

60
= 0.000060 = 0.0060%
100000

ENFOQUE DE PROBABILIDAD SUBJETIVA

se basa a partir de criterios por lo cual no se basa en probabilidades de

números.

CONJUNTOS
Es una lista de colección bien definida de objetos; los objetos comprendidos en
un conjunto sean llamados también elementos o miembros 𝐴 ∋ 𝑃

Si cada elemento de 𝐴 ∋ tambien a un conjunto de B entonces se dice que A es

subconjunto de B, o que está contenido en B y se representa por

𝐴⊂𝐵

𝐵⊃𝐴

Dos conjuntos son iguales si cada uno está contenido en el otro

A = B si y solo si 𝐴 ⊂ 𝐵 𝐵⊂𝐴

Negaciones

𝑃∈𝐴 𝑃∉𝐴

𝐴⊂𝐵 𝐴⊄𝐵

𝐴=𝐵 𝐴≠𝐵

OPERACIONES CON CONJUNTO

Sea A y B conjuntos arbitrarios la reunión A y B se expresa 𝐴 ∪ 𝐵 es el conjunto

de elementos que pertenece a A o B

𝐴 ∪ 𝐵 = {𝑋: ∈ 𝐴 ò 𝑋 ∈ 𝐵}

La intercepción de A y B expresadas por 𝐴 ∩ 𝐵 es el conjunto de elementos que

pertenecen a A y B

𝐴 ∩ 𝐵 = {𝑋: ∈ 𝐴 ò 𝑋 ∈ 𝐵}

Si 𝐴 ∩ 𝐵𝐴 = ∅ no tiene elementos comunes

La diferencia de A y B o el complemento relativo de B con respecto a A,

expresado por 𝐴 ∖ 𝐵 es el conjunto de elementos que pertenecen a A pero no a
B.

𝐴 ∖ 𝐵 = {𝑋: 𝑋 ∈ 𝐴, 𝑋 ∉ 𝐵}
Obsérvese que 𝐴 ∖ 𝐵 y B son disco juntos esto es (𝐴 ∖ 𝐵) ∩ 𝐵 = ∅

El complemento 𝐴𝐶 es e conjunto de elementos que no pertenecen a A

𝐴𝐶 = {𝑋: 𝑋 ∈ 𝑈, 𝑋 ∈ 𝐴}

𝐴 = {1,2,3,4} 𝐵 = {3,4,5,6} 𝑈 = {1,2,3, … }

𝐴 ∪ 𝐵 = 1,2,3,4,5,6

𝐴 ∩ 𝐵 = 3,4

𝐴 ∖ 𝐵 = 1,2

𝐴𝐶 = 5,6

AXIOMA Y TEOREMAS

AXIOMA I

Para todo evento A, 0 menor igual a 1

𝐸𝑣𝑒𝑛𝑡𝑜 𝐴 , ∅ ≤ 𝑃(𝐴) ≤ 1

AXIOMA II

La probabilidad del espacio muestra es siempre igual que 1

𝑃(𝐴1 ) + 𝑃(𝐴2 ) + 𝑃(𝐴3 ) + ⋯ + 𝑃(𝐴𝑁 ) = ∑ 𝑃(𝐴𝐼 ) = 1

𝐼=1

𝑃(𝑆) = ∑ 𝑃(𝐴𝐼 ) = 1
𝐼=1

AXIOMA III

Son eventos mutuamente excluyentes

TEOREMA I

Si ∅ es un evento vacío entonces :

TEOREMA II

Si A y B son dos eventos no excluyentes entonces

TEOREMA III

Si 𝐴𝐶 es completamente de un evento A entonces

TEOREMA IV

Si A y B son eventos no excluyentes entonces

TEOREMA V

Si vez un súper conjunto de 𝐴(𝐵 ⊃ 𝐴) A subconjunto de B entonces 𝑃(𝐴) ≤

𝑃(𝐴)

Ejemplo: De un grupo de 5 estudiantes se seleccionarán aleatoriamente uno

de ellos para representar a su escuela, el grupo lo integran 2 mujeres y 3
hombres por lo que se pregunta.

a) ¿Cuál es la probabilidad de que quede alguno de ellos?

b) ¿Cuál es la probabilidad de que sea una mujer la elegida?

Ejemplo: La sig tabla contiene datos sobre el tamaño de las familias de una
determinada zona. Nos interesa saber cuál es la probabilidad de que una
familia seleccionada al azar tenga 4 o más hijos .

Número 0 1 2 3 4 5 6 mas
de hijos

% de 0.05 0.10 0.30 0 0.15 0.10 0.05

familias

P(1)+P(5)+P(6 o más) = 0.15+0.10+0.05= 0.30 =30%

Ejemplo: Se tiene un domino con sus 28 fichas, cual es la probabilidad de
sacar un 3 o un 6 al seleccionar una ficha.

P(3 ò 6)=P(3)+P(6)=7/28 + 7/28 – 1/28= 13/28

Ejemplo: Tres caballos A, B, C intervienen en una carrera A tiene el doble de

posibilidades de ganar que B y B el doble de ganar que c.

a) Calcular la probabilidad de cada caballo

b) Cuál es la probabilidad de que B o C ganen

P(A)=4/7 P(B)+P(C)=3/7

P(B)=2/7

P(C)=1/7

PROBABILIDAD CONDICIONAL

𝑃(𝐵 ∖ 𝐴)

𝑃(𝐵 ∖ 𝐴) = 𝑃(𝐵)

Probabilidad condicional es la probabilidad de que un segundo evento B ocurra

si el primero A ya sucedió. Tratándose de eventos estadísticos independientes
la probabilidad condicional del evento B si ya ocurrió en el evento A es
simplemente la probabilidad de B.

Lo anterior puede parecer contrario, pero no hay que perder de vista que por
definición los cuentos independientes son aquellos cuyas probabilidades no son
afectadas en lo absoluto por la ocurrencia de alguno de ellos.

Ejemplo: 3 caballos corren juntos sus probabilidades de ganar son P(A)=1/2,

P(B)=1/3, P(C)=1/6, en otras palabras, S=A, B, C si los caballos corren dos veces
entonces los posibles resultados de espacio muestral en las dos pruebas
repetidas son.
 PROBABILIDAD CONDICIONAL PARA EVENTOS NO EXCLUYENTES

Si E es un evento o suceso cualquiera de un espacio muestral S con

probabilidad P(E)>0; entonces la probabilidad condicional de otro evento A
dado E se representa por la sig. formula.

𝑃(𝐴 ∩ 𝐸)
𝑃(𝐴 ∖ 𝐸) =
𝑃(𝐸)

Donde el numerador es el número de maneras en que puede ocurrir 𝐴 ∩ 𝐸 y el

denominador las maneras en que puede ocurrir E.

𝑛𝑢𝑚𝑒𝑟𝑜 𝑑𝑒 𝑒𝑙𝑒𝑚𝑒𝑛𝑡𝑜𝑠 𝑑𝑒 𝐴 ∩ 𝐸
𝑃(𝐴 ∖ 𝐸) =
𝑛𝑢𝑚𝑒𝑟𝑜 𝑑𝑒 𝑒𝑙𝑒𝑚𝑛𝑡𝑜𝑠 𝑑𝑒 𝐸
𝑛𝑢𝑚𝑒𝑟𝑜 𝑑𝑒 𝑚𝑎𝑛𝑒𝑟𝑎𝑠 𝑒𝑛 𝑞𝑢𝑒 𝐴 𝑦 𝐸 𝑝𝑢𝑒𝑑𝑒𝑛 𝑜𝑐𝑢𝑟𝑟𝑖𝑟
=
𝑛𝑢𝑚𝑒𝑟𝑜 𝑑𝑒 𝑒𝑙𝑒𝑚𝑡𝑜𝑠 𝑑𝑒 𝐸 𝑞𝑢𝑒 𝑝𝑢𝑒𝑑𝑒𝑛 𝑜𝑐𝑢𝑟𝑟𝑖𝑟

Ejemplo: Se lanza un par de dados si la ∑ = 8 encontrar la probabilidad de que

uno de los números sea un 3.

𝐸 = {∑ = 8}

𝐴 = {𝑢𝑛 𝑡𝑟𝑒𝑠 𝑝𝑜𝑟 𝑙𝑜 𝑚𝑒𝑛𝑜𝑠 𝑒𝑛 𝑢𝑛 𝑙𝑎𝑑𝑜}

 𝑃(𝐴 ∩ 𝐸)
Valores Y 𝑃(𝐴 ∖ 𝐸) =
𝑃(𝐸)
7
6 𝑃(𝐴∩𝐸) 2/36 2
= 5/36 = 5 = 40%
5 𝑃(𝐸)

4
D2

3
2
1
0
0 1 2 3 4 5 6 7
D1

b) E= {𝑎𝑝𝑎𝑟𝑒𝑐𝑒 𝑢𝑛 5 𝑒𝑛 𝑒𝑙 𝑝𝑟𝑖𝑚𝑒𝑟 𝑑𝑎𝑑𝑜}

A={∑ ≥ 10}
E= (5,3), (5,2), (5,3), (5,4), (5,5), (5,6)
A= (4,6), (5,5), (5,6), (6,4), (6,5), (6,6)

Valores Y
P(A∩ 𝐸) =
7
(5,5)(5,6)
6
(5,1)(5,2)(5,3)(5,4)(5,5)(5,6)
=
5
2/36
4 6/36
=
D2

3
2 1
2
6
= 3= 0.333= 33%
1
0
0 1 2 3 4 5 6 7
D1
c) E= {𝑢𝑛 5 𝑝𝑜𝑟 𝑙𝑜 𝑚𝑒𝑛𝑜𝑠 𝑒𝑛 𝑢𝑛 𝑑𝑎𝑑𝑜}
A= {∑ ≥ 10}
E= (5,1), (5,2), (5,3), (5,4), (5,5), (5,6), (1,5), (2,5), (3,5), (4,5), (6,5)
A= (5,5), (5,6), (6,5)

Valores Y (5,5),(5,6),(6,5)
𝑃(𝐴∩𝐸)
7 𝑃(𝐸)
= 𝑙𝑜𝑠 11 𝑣𝑎𝑙𝑜𝑟𝑒𝑠 =
6 3
11
= o.27= 27%
5
4
D2

3
2
1
0
0 1 2 3 4 5 6 7
D1

d) E=
{𝑠𝑖 𝑙𝑜𝑠 𝑛𝑢𝑚𝑒𝑟𝑜𝑠 𝑠𝑜𝑛 𝑑𝑖𝑓𝑒𝑟𝑒𝑛𝑡𝑒𝑠, ℎ𝑎𝑙𝑙𝑎𝑟 𝑙𝑎 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑞𝑢𝑒 𝑠𝑢 𝑠𝑢𝑚𝑎𝑡𝑜𝑟𝑖𝑎 𝑠𝑒𝑎 𝑖𝑔𝑢𝑎𝑙 𝑎 6}
A={∑ = 6}, (1,5), (2,4), (3,3), (4,2), (5,1)

Valores Y
7 𝑃(𝐴∩𝐸) 4/30 4
𝑃(𝐸)
= 30/30= 30=
6
5 0.13= 13%
4
D2

3
2
1
0
0 1 2 3 4 5 6 7
D1
E= {𝑛𝑢𝑚𝑒𝑟𝑜𝑠 𝑑𝑖𝑓𝑒𝑟𝑒𝑛𝑡𝑒𝑠}
A= {𝑎𝑝𝑎𝑟𝑒𝑐𝑒 𝑢𝑛 1 𝑎𝑙 𝑚𝑒𝑛𝑜𝑠}

Valores Y
7
6 𝑃(𝐴∩𝐸) 10
𝑃(𝐸)
= 30= 0.33= 33%
5
4
D2

3
2
1
0
0 1 2 3 4 5 6 7
D1

Teorema de la multiplicación para probabilidad condicional

𝑃(𝐸∩𝐴)
Partiendo de la ecuación P(A/E)= , despejando la P(E∩ 𝐴) y se
𝑃(𝐸)
considera el echo de que A∩ 𝐸 = 𝐸 ∩ 𝐴, 𝑡𝑒𝑛𝑒𝑚𝑜𝑠:
P (E∩ 𝐴) = 𝑃(𝐴/𝐸) 𝑃(𝐸)
Extendiendo este teorema por inducción tenemos:
P (𝐴1 ∩ 𝐴2 ) (𝐴3 ∩ 𝐴4 ∩ … .∩ 𝐴 ∩) = 𝑃(𝐴1 ) P (𝐴2 / 𝐴1 ) P (𝐴3 /𝐴1 ∩ 𝐴2 )
…… P (𝐴∩ / 𝐴1 ∩ 𝐴2 ∩ 𝐴3 ∩ … .∩ 𝐴 ∩
Se obtiene el teorema de la multiplicación para eventos dependientes.
Ejemplo: se tiene un lote de mercancía el cual contiene 100 artículos, 10 de los
cuales son defectuosos, si se seleccionan aleatoriamente 5 artículos de este
lote una después de otra, se desea saber la probabilidad de que ninguno sea
defectuoso.
a) 100 artículos
10 defectuosos, 90 buenos
5 artículos de muestra
90 89 88 87 86
P (ninguno sea defectuoso)= (100) (99) (98) (97) (96)= 0.58= 58%
b) P (ninguno bueno)
10 9 8 7 6
= (100) (99) (98) (97) (96)= 0.000003347

P (por lo menos un defectuoso) = 1 - (0.58)

c) = 1 – P (ninguno sea defectuoso) = 0.42 = 42%
Nota: la suma de a y b no dan uno porque las muestras van a ser diferentes o
sea van a ver múltiples combinaciones en la muestra.
Por ejemplo: M, M, M, B, B, B, B, M, B, M

Proceso estoico finito

Una sucesión finita de experimentos en las cuales cada una tiene un número
determinado de resultados con probabilidades determinadas recibe este
nombre y se debe usar como herramienta el diagrama de árbol.
Ejemplo: se tienen 3 recipientes con tornillos como se indica.
R1: 20 tornillos de los cuales 8 son defectuosos.
R2. 20 tornillos de los cuales 2 son defectuosos.
R3: 20 tornillos de los cuales 6 son defectuosos.
Se selecciona al azar un recipiente y luego tomamos un tornillo, calcular cual
es la probabilidad de que sea defectuoso.

R1 1/3 B 12/20 P (defectuosos) =

D 8/20 (1/3) (8/20) + (1/3) (2/12) + (1/3) (6/16)=
0.37= 37%
R2 1/3 B 10/12
D 2/12 = 1/3 (2/5 + 1/6 + 3/8) = 0.31= 31%
R3 1/3 B 10/16
D 6/16

Teorema de bayes
Supongamos que los eventos 𝐴1 , 𝐴2 ….. 𝐴𝑛 Forman una partición de un
espacio muestral S, esto es que los eventos 𝐴𝑖 son mutuamente exclusivos y
su unión es S. Ahora consideramos B otro evento como se muestra a
continuación.
𝑎 P/ cualquier i la probabilidad condicional de “A” dado
“B” se define por:
𝑃 (𝐴𝑖∩ 𝐵)
P (A/B) = 𝑃 (𝐵)

Remplazando P (B) por I Y P (𝐴𝑖 ∩ 𝐵) 𝑝𝑜𝑟 P (𝐴𝑖 ) P

(B/𝐴𝑖 ) tenemos.
 𝐵
𝑃 (𝐴𝑖 ) 𝑃 ( )
𝐴𝑖
P (𝐴𝑖 /B)= 𝐵 𝐵 𝐵
𝑃 (𝐴𝑖 ) 𝑃( )+𝑃( 𝐴𝑖 ) 𝑃( )+⋯𝑃(𝐴𝑛 ) 𝑃( )
𝐴𝑖 𝐴𝑖 𝐴𝑛

Se tienen 3 lotes con los siguientes artículos como se muestra a continuación.

Se selecciona aleatoriamente un lote y luego un artículo, si el artículo es bueno
calcular la probabilidad de que proceda del lote 1
B D
𝐿1 50 50
𝐿2 20 10
𝐿3 20 30

𝑃(𝐿1 )𝑃(𝐿1 (𝐵))

P (𝐿1 (B))=𝑃(𝐿 )𝑃(𝐿 (𝐵))+𝑃(𝐿
1 1 2 )𝑃(𝐿2 (𝐵))+𝑃(𝐿3 )𝑃(𝐿3 (𝐵))

B 50/100
𝐿1 1/3 D 50/100
B 20/30
𝐿2 1/3 D 10/30

𝐿3 1/3 B 20/50
D 30/50

50
1/3(100)
1/3(50/100) + 1/3(20/30) + 1/3(30/50)

1
= 6
1 2 2
6+9+5

=0.31
Si el artículo es defectuoso calcular la probabilidad de que provenga del lote 2.

𝑃(𝐿1 )𝑃(𝐿1 (𝐷))

P (𝐿1 (B))=𝑃(𝐿 )𝑃(𝐿 (𝐷))+𝑃(𝐿
1 1 2 )𝑃(𝐿2 (𝐷))+𝑃(𝐿3 )𝑃(𝐿3 (𝐷))

10
= 1/3(30)
1/3(50/100) + 1/3(10/30) + 1/3(30/50)

1
= 9
1 1 1
6+9+5

=0.23
Se tienen 3 obreros en una maquiladora que produce la misma cantidad de prendas de
vestir por la estadística se sabe que el obrero A produce con un 2% de defecto el B con
un 3% y el C con un 4%. Si el supervisor toma una prenda al azar y esta es defectuosa,
calcular la probabilidad de que haya sido elaborado por el obrero B

A 1/3 D 2/100

B 1/3 D 3/100

C 1/3 B

D 4/100
Independencia
Se dice que un evento B es independiente de otro A si la probabilidad de que ocurra no
esta influenciada haya o no sucedido; en otras palabras. Si la P (B)=P (condicional B)
dado A.
P(A)=P (B/A)
Sustituir. P (B) por P (B/A)
En el teorema de multiplicación tenemos.
P(A n B)=P(A) P (B)
Tenemos
P(A n B)=P(A) P (B)
De donde:
P(A) P(B)= (1/2)(1/2)=1/4 = P(A n B) 1/4 A y B son “I”
P(A) P(C)= (1/2)(1/4)=1/8 = P(A n B) 1/8 A y C son “I”
P(B) P(C)= (1/2)(1/4)=1/8 = P(A n B) 1/8 B y C son “D”
A y B son eventos independientes si la última ecuación se cumple, en caso contrario
son dependientes.
Se lanza una moneda 3 veces S={} consideremos los eventos A={primeros lanzamientos
águila}, B={segundos lanzamientos águilas}, C={exactamente dos águilas seguidas}.
Claramente A y B son eventos independientes esto se nota a simple vista. Por otro lado
la relación entre A y C ó B y C no es obvia. Se insiste en que A y C son independientes
pero B y C son dependientes.
S= {AAA, AAS, ASA, SAA, ASS, SAS, SSA, SSS}

P(A)= {AAA, AAS, ASA, ASS}=4/3

P(B)= {AAA, AAS, SAA, SAS}=4/8
P(C)= {AAS, SAA}=2/8
Entonces
P(A n B)= {AAA, AAS}=2/3
P(A n C)= {AAS}=1/3
P(B n C)= {AAS, SAA}=2/8