Teoría de Probabilidades

Probabilidades

Teoría de Probabilidades

Introducción

Sin tener en cuenta la profesión que se haya elegido, algo si es seguro: en algún momento se
han de tomar decisiones. Con mucha frecuencia eso tendrá que hacerse sin conocer todas las
consecuencias de tales decisiones. Por ejemplo, los inversionistas deben decidir sobre la
conveniencia de invertir en una acción en particular, con base a sus expectativas sobre
rendimientos futuros. Los empresarios, al decidir comercializar un producto enfrentan la
incertidumbre sobre la posibilidad de éxito. En cada caso, como sucede con la mayoría de los
asuntos comerciales, se han de tomar decisiones sin toda la información pertinente. Todo
esfuerzo por reducir la incertidumbre el nivel de incertidumbre en el proceso de toma de
decisiones incrementará enormemente la probabilidad de que se tomen decisiones más
inteligentes y bien informadas. El propósito de este capítulo es ilustrar las formas en las cuales
puede medirse la posibilidad o probabilidad de ocurrencia de eventos futuros. Al mejorar la
habilidad para juzgar la ocurrencia de eventos futuros, se puede minimizar el riesgo y la
especulación arriesgada relacionados con el proceso de toma de decisiones.

Historia de la Probabilidad

Jacob Bernoulli (1654 - 1705), Abraham de Moivre (1667 - 1754), el reverendo Thomas Bayes
(1702 - 1761) y Joseph Lagrange (1736 - 1813) desarrollaron fórmulas y técnicas para el cálculo
de la probabilidad. En el siglo XIX, Pierre Simon, marqués de Laplace (1749 - 1827), unificó
todas estas primeras ideas y compiló la primera teoría general de la probabilidad. La teoría de
la probabilidad fue aplicada con éxito en las mesas de juego y, lo que es más importante, en
problemas sociales y económicos. La industria de seguros requería un conocimiento preciso
acerca de los riesgos de pérdida. Muchos centros de aprendizaje estudiaron la probabilidad
como una herramienta para el entendimiento de los fenómenos sociales. Nuestra necesidad
de tratar con la incertidumbre nos lleva a estudiar y utilizar la teoría de la probabilidad. Al
organizar la información y considerarla de manera sistemática, seremos capaces de reconocer

2 Est. Sandra Cecilia Loaiza Chumacero

 Probabilidades
nuestras suposiciones, comunicar razonamiento a otras personas y tomar decisiones más
sólidas.

En el fondo, la teoría de probabilidades es solo sentido común expresado con números.

(Pierre Simon Laplace)

3 Est. Sandra Cecilia Loaiza Chumacero

 Probabilidades

Teoría de la Probabilidad
Estudio de fenómenos o experimentos puramente aleatorios o libres de determinación. En el
estudio de la probabilidad interesa deducir las leyes del azar y los resultados que estos
determinan.
La probabilidad es la posibilidad numérica de que ocurra un evento es medida por valores
comprendidos entre 0 y 1. Entre mayor sea la probabilidad de que ocurra un evento, su
probabilidad asignada estará más próxima a 1. La probabilidad de una imposibilidad es 0.

P (evento cierto) = 1
P (evento imposible) = 0

En donde X es algún evento.

Experimento
Es la prueba o ensayo, es un proceso mediante el cual se obtienen un resultado de una
observación.
Ejemplos:
1.- Lanzar un dado y observar el resultado
2.- Contar objetos defectuosos producidos diariamente por cierto proceso.
3.- Aplicar una encuesta para obtener opiniones.
4.- Resultados del examen de la I unidad en medidas descriptivas por parte de un estudiante.

Espacio muestral
Es el conjunto de todos los resultados posibles de un experimentos se denota por  .
A cada elemento del espacio muestral se denomina punto muestral.

4 Est. Sandra Cecilia Loaiza Chumacero

 Probabilidades

Clasificación de los espacios muestrales

Los espacios muestrales se clasifican en:
1.- Discretos finitos: consiste de un número finito de elementos.
• Lanzamiento de una moneda corriente 2 veces.
• Seleccionar al azar sin orden 2 estudiantes de un total de 30 del aula.

2.- Discretos infinitos: consiste de un número infinito numerable de elementos.

• Numerables, cuando es posible asociar un numero natural a cada
resultado posible.
• Lanzamiento de un dado corriente hasta obtener 6.

3.- Continuos: consiste de un número infinito no numerable de elementos.

• Si el experimento aleatorio es medir la vida útil en horas de una marca
de artefactos electrónicos, su espacio muestral es:


1  x   / t  0
x

Suceso o evento
Se llama suceso o evento a todo subconjunto del espacio muestral. A los sucesos se les denota
con las primeras letras mayúsculas del alfabeto.
Ejemplo:
Sea el experimento aleatorio “selección de un alumno de acuerdo a su rendimiento
académico”

Tipos de sucesos
1.- Sucesos independientes Son aquellos en que la ocurrencia de uno de ellos, no depende de
la ocurrencia del otro.
Ejemplo: Se tienen 2 urnas
A = tiene 3 bolas rojas
B= tiene 4 bolas rojas

5 Est. Sandra Cecilia Loaiza Chumacero

 Probabilidades
Se saca una bola de una de las urnas, el resultado de la bola que se sacó de la urna A no
influye en el resultado de la bola que se sacó de la urna B.
2.- Sucesos dependientes Son aquellos en que la ocurrencia de uno de ellos depende de la
ocurrencia del otro.
Ejemplo: Se tiene 2 urnas A y B.
Urna A = 3 bolas rojas y 4 bolas negras
Urna B = 4 bolas rojas y 2 bolas negras.
Si se saca una bola roja de la urna A y se pone en la urna B, hay mayor probabilidad de que el
color que se saque de la urna B, sea rojo.

3.- Sucesos incompatibles o mutuamente excluyentes Son aquellos que no pueden ocurrir al
mismo tiempo simultáneamente.
Ejemplo: La probabilidad de que al tirar un dado, aparezca un 3 y a la vez un número par, es
imposible, es decir son sucesos incompatibles.

4.- Sucesos compatibles Presentarse al mismo tiempo o simultáneamente.

Ejemplo: la probabilidad de que al tirar 2 dados aparezca un 2, es posible es decir son sucesos
compatibles: 1er dado puede aparecer 2 y 2do dado también puede aparecer 2

6 Est. Sandra Cecilia Loaiza Chumacero

 Probabilidades
Concepto Clásico De Probabilidad

Regla de Laplace. Si en un experimento aleatorio todos los sucesos elementales son

equiprobables, la probabilidad de un suceso A se obtiene dividiendo el número de resultados
que forman el suceso A entre el número de resultados posibles. Si llamamos casos favorables a
los resultados que forman el suceso A y casos posibles a los resultados posibles del
experimento, tenemos:
Número de casos favorables A n A
P( A)  
Número de resultados posibles 
Ejemplo:
1.- ¿Cuál es la probabilidad de obtener 1 cara si arrojamos una moneda una vez?

Número de Resultados Favorables

Prob 
Número de Resultados Posibles

 c 
1
 0. 5
 c, s 2

2.- ¿Cuál es la probabilidad de obtener 1 cara si arrojamos una moneda tres veces?
Número de Resultados Favorables
Prob 
Número de Resultados Posibles

 (css), (scs), ( ssc) 

3
 0.375
 (ccc), (ccs), (csc), (css), ( scc), ( scs), ( ssc), ( sss) 8

Probabilidad subjetiva
7 Est. Sandra Cecilia Loaiza Chumacero
 Probabilidades
Creencia personal, grado de confianza respecto a la ocurrencia de un evento personalista.
El método subjetivo se emplea cuando el método de frecuencia relativa y el método
clásico no pueden aplicar en todos aquellos caso donde se quiere evaluar probabilidades

En donde los resultados experimentales no son equiprobables. En un juego de ajedrez, se

tienen tres resultados posibles: ganar, perder o empatar; cada uno de los resultados no
deben tener las mismas probabilidades de ocurrencia.

En los casos en que no es posible tener datos de frecuencia relativa. En el juego de ajedrez
los dos jugadores nunca antes se habían enfrentado, por lo que no se tienen antecedentes
(no hay datos de frecuencia relativa).

En los casos anteriores, debe recurrirse a una opinión subjetiva para estimar el valor de
probabilidad.

Ejemplos
 Estimar la posibilidad del resultado de la Final de la UEFA Europa Liga entre dos
equipos de España, Atlético Madrid vs Athletic Bilbao; la posibilidad de que el
equipo Atlético Madrid gane.
 Estimar la posibilidad de que usted obtenga una calificación de 20 en el curso de
Estadística Descriptiva.

Matriz de probabilidad

La matriz de probabilidad es una herramienta muy utilizada en la solución de problemas de

probabilidad. Esta matriz muestra las probabilidades marginales y las probabilidades conjuntas y se
construye como una tabla o cuadro de dos dimensiones con una variable en cada lado del cuadro.

A su vez, cada variable se divide en el número necesario de estratos o categorías que forman la
investigación, después se sustituyen los valores reales correspondientes a la intersección de las dos
variables para, finalmente, realizar la sumatoria de columna y renglón de cada estrato o categoría,
dando como resultados los valores marginales.

8 Est. Sandra Cecilia Loaiza Chumacero

 Probabilidades

Ejemplo:

Tabla 1. Matriz de Valores

Planta Zona geográfica

Total
automotriz América África Europa Asia
Planta A 42 12 8 24 86
Planta B 40 9 27 19 95
Planta C 18 12 18 24 72
Total 100 33 53 67 253

A partir de la matriz de valores se encuentra el valor de probabilidad correspondiente a cada celda.

Tabla 2. Matriz de probabilidad

Planta Zona geográfica

Total
automotriz América África Europa Asia
Planta A 0.1660 0.0474 0.0316 0.0949 0.3399
Planta B 0.1581 0.0356 0.1067 0.0751 0.3755
Planta C 0.0711 0.0474 0.0711 0.0949 0.2846
Total 0.3953 0.1304 0.2095 0.2648 1.0000

De la matriz de probabilidad es muy fácil leer un valor de probabilidad asociado con el

experimento. Por ejemplo, que probabilidad hay que un automóvil seleccionado al azar, que se
fabricó en la planta B, se esté vendiendo en Europa (0.10).

Símbolos lógicos que se utilizan en probabilidad

9 Est. Sandra Cecilia Loaiza Chumacero
 Probabilidades
En probabilidad es muy común entrar preguntas como ¿Cuál es la probabilidad de que tres o
menos empresas realicen 95% de sus ventas por internet? Los enunciados se deben traducir al
lenguaje matemático: en la tabla 3 se muestran los casos más usuales:

Tabla 3.

Enunciado Símbolo Representación

Dos o menos ≤ X≤2
A lo más dos
≤ X≤2
Cuando más dos
Menos de dos
< X<2
Cuando menos dos
Por lo menos dos ≥ X≥2
Más de dos > X>2
Dos o más ≥ X≥2
Dos = X=2

Definiciones de Probabilidad de un evento

Definición Axiomática
Sea Ω el espacio muestral asociado a un experimento aleatorio. La probabilidad de cualquier
evento A de Ω, es el número real P(A) que satisface los siguientes axiomas:
1. P(A) ≥ 0, para todo evento A.
2. P(Ω)= 1
3. Si los eventos A1, A2, ..., Ak son mutuamente excluyentes o sea si:

Ai ՈAj = i ≠ j = 1, 2,……..,k, entonces

Propiedades de Probabilidad
1.- Para cualquier evento A, P(A)’ = 1- P(A) ,

Demostración:
A Ս A’ = Ω además A y A’ son mutuamente excluyentes y por los axiomas 2 y 3

podemos poner: 1 = P(Ω) = P(A) +P(A)’ P(A)’ = 1 – P(A)

10 Est. Sandra Cecilia Loaiza Chumacero

 Probabilidades

2.- La Probabilidad del evento imposible es cero. P( )= 0

Demostración

Entonces por los axiomas 2 y 3

= Entonces

3.- Para dos eventos A y B cualesquiera

Demostración

los dos eventos que están entre paréntesis son mutuamente

excluyentes entonces por el axioma 3 entonces

4.- Para dos eventos A y B cualesquiera

Demostración

Pero A y son mutuamente exluyentes entonces por el axioma

3 y por la propiedad 3 resulta

Usando el Diagrama de Venn se tiene:

11 Est. Sandra Cecilia Loaiza Chumacero

 Probabilidades
Donde:

Ley de la suma o adición (Adición)

1. P(A o B)=P(A) + P(B), para eventos mutuamente excluyentes.
La probabilidad de ocurrencia de algunos de ellos deberá ser igual a la suma de
las probabilidades individuales.

2. P(A o B)=P(A)+P(B)-P(A y B), para eventos no mutuamente excluyentes

(Conjunta).
Si son no mutuamente excluyentes o compatibles entonces la probabilidad de
que ocurra el suceso A o el suceso B viene dado por la fórmula:
La fórmula equivalente a la unión de 2 conjuntos que tienen algunos
elementos comunes.
Ejemplo:
Se examinaron las tarjetas de registros de 200 estudiantes en relación a ciertos idiomas. Se
encontró que 100 estudiaban francés, 80 estudiaban español y 60 ambos idiomas. Si este
grupo de 200 estudiantes se selecciona uno al azar, ¿Cuál es la probabilidad de que haya
estudiado francés o español?

Regla de la Multiplicación
Este resultado en teoría de probabilidad se denomina regla de multiplicación o llamada también la
probabilidad de a intersección. La probabilidad de que ocurran los eventos A y B es igual a la
probabilidad de la ocurrencia de uno de ellos multiplicando por la probabilidad condicional. El
propósito de la regla de la multiplicación es determinar la probabilidad del evento conjunto.
Es decir que para encontrar la probabilidad de “A y B”, simplemente se multiplican sus respectivas
probabilidades. El procedimiento exacto depende de si A y B son dependientes o independientes.

12 Est. Sandra Cecilia Loaiza Chumacero

 Probabilidades

1. P(A y B)=P(A) * P(B), para eventos independientes

Los eventos A y B son independientes si  B

P ( A)  P A . Es decir, la probabilidad de A

es la misma bien se considere o no  A

P( B)  P B .

2. P(A y B)= P(A) * P(B/A), para eventos no independientes (Condicional).

Si los eventos son dependientes, entonces por definición, se debe considerar el
primer evento al determinar la probabilidad del segundo. Es decir, la probabilidad
del evento B depende de la condición que A ya haya ocurrido. Se necesita del
principio de probabilidad condicional.

Ejemplo:
Un paquete contiene una mezcla de semillas de flores de distintos colores, contiene cuatro
semillas para flores rojas, tres para amarillas, dos para moradas, y una para color naranja.
a) Si se selecciona una semilla de la mezcla, ¿Cuál es la probabilidad de que sea roja o
naranja?
b) Si se extraen dos semillas del paquete, ¿cuál es la probabilidad de que ambas
semillas sean amarillas?

Probabilidad Condicional
La probabilidad de que ocurra un evento dado que otro evento ya ha ocurrido se llama
probabilidad condicional.

PROBABILIDAD CONDICIONAL

La probabilidad de A dado B es igual a la probabilidad de A y B

dividida por la probabilidad de B.

13 Est. Sandra Cecilia Loaiza Chumacero

 Probabilidades

Ejemplo: Tenemos el espacio formado por los posibles números al tirar un dado de 6
caras: { 1, 2, 3, 4, 5, 6 }.
Sea E = { 2, 4, 6 }
Entonces la probabilidad P de sacar un 4 cuando ha ocurrido previamente E es:

1 1
P 4  E  6 6 1
P 
4
E

P E 
  
3 1 3
6 2

Independencia Estadística

Cuando el resultado de un evento no afecta la probabilidad de ocurrencia de otro evento, se

dice que los eventos son estadísticamente independientes. La independencia estadística se
determina mediante la ecuación.

INDEPENDENCIA ESTADISTICA

Dos eventos A y B son estadísticamente independientes si y solo

si.

De esto se deduce que si A y B son independientes:

P(B | A) =P(B)

P(A | B) =P(A)
Es decir, que ocurra A no afecta a la probabilidad de que ocurra B y viceversa.

Ejemplo:
Se tira una moneda 3 veces y sean las siguientes parejas de sucesos:
A = 1ª tirada cara = {CCC, CCS, CSC, CSS}
B = 2ª tirada cara = {CCC, CCS, SCC, SCS}
C = 2 caras seguidas = {CCS, SCC}

14 Est. Sandra Cecilia Loaiza Chumacero

 Probabilidades
¿Qué pareja de sucesos son independientes?

En primer lugar definimos el espacio probabilístico con todas las tiradas posibles:

S = {CCC, CCS, CSC, CSS, SCC, SCS, SSC, SSS}

Pareja A,B

Por tanto A y B son independientes.

Pareja B, C

Por tanto B y C no son independientes.

Pareja A, C

Por tanto A y C son independientes.

Probabilidad Total y Teorema de Bayes

Teorema de la Probabilidad Total
Sea A1, A2, …….An un sistema completo de eventos tales que la probabilidad de cada uno
de ellos es distinta de cero, y sea B un evento cualquier del que se conocen las
probabilidades condicionales P(B/Ai), entonces la probabilidad del evento B viene dada por
la expresión:

15 Est. Sandra Cecilia Loaiza Chumacero

 Probabilidades

P B   P A1 .P B   P  A2 .P B   .......... .....  P  An .P B 

 A1   A2   An 

n
 
Es decir: P B    P Ai  P B A 
i 1  i

Ejemplo:
Tenemos 3 servidores de Internet para soportar búsquedas. El primero de ellos soporta el 50%
de las búsquedas, el segundo el 30% y el tercero el 20% restante. El 20% de las búsquedas en
el primer servidor tardan más de un segundo. El 35% de las búsquedas en el segundo servidor
tardan más de un segundo. El 8% de las búsquedas en el tercer servidor tardan más de un
segundo.

Calcular la probabilidad de responder en más de un segundo.

La probabilidad de que los servidores tarden más de un segundo en las búsquedas es de 0.221.

Teorema de Bayes
Sea A1, A2,….An un sistema completo de sucesos, tales que la probabilidad de cada uno de ellos
TEOREMA DE BAYES
es distinta de cero, y sea B un suceso cualquiera del que se conocen las probabilidades P
(B/Ai), entonces
Donde:de la probabilidad P(A/Bi) vienen dada por la expresión:
Donde:

P(A
P(Aii)) == Probabilidad
Probabilidad aa priori
priori

P(B/A
P(B/Aii)) == Probabilidad
Probabilidad condicional
condicional
P(B)
P(B) == Probabilidad
Probabilidad Total
Total
P(A
P(Aii/B)
/B) == probabilidad
probabilidad aposteriori
aposteriori
16 Est. Sandra Cecilia Loaiza Chumacero
 Probabilidades

Ejemplo: (Resolver en clase)

Tres máquinas A, B y C producen el 45%, 30% y 25% respectivamente del total de piezas
producidas en una fábrica. Los porcentajes de producción defectuosa de estas máquinas son el
3%, 4% y 5% respectivamente. Seleccionando una pieza al azar:
a) calcular la probabilidad de que sea defectuosa.
b) Tomamos al azar, una pieza y resulta defectuosa, calcular la probabilidad de haber sido
producida por la máquina B.
c) ¿Qué máquina tienen la mayor probabilidad de haber producido piezas defectuosas?

17 Est. Sandra Cecilia Loaiza Chumacero