ESTADISTICA APLICADA

PROBABILIDADES

SESION Nº 1

1
 CONTENIDO
•Definiciones de Probabilidad
•Definición clásica, subjetiva y frecuentista de probabilidad.
•Algebra de Eventos.
•Regla de la adición: eventos mutuamente excluyentes y no excluyentes.
•Regla de la multiplicación: eventos independientes y dependientes.
•Probabilidad de eventos compuestos.
•Probabilidad condicional.
•Teorema de Bayes.
LOGRO DE SESION

Al término de la sesión, el estudiante resuelve problemas de situaciones

reales en Ingeniería, considerando las leyes, propiedades básicas y
leyes de las probabilidades, con precisión en el cálculo.

3
Los profesionales de ingeniería tienen
como exigencia intrínseca desarrollar
investigación permanente, ello significa, la
búsqueda sistematizada y objetiva de
hechos o de explicaciones
a fenómenos
relacionados
con su
entorno
laboral .

4
Casi toda decisión que un Ingeniero
tiene que tomar, de una u otra
manera, presenta algún elemento de
incertidumbre, es decir, en el
momento en que la decisión es
tomada no se tiene la certeza
absoluta de cual será la
consecuencia de la decisión tomada.

5
Algunas veces, los efectos de la
incertidumbre son tan pequeños que
su influencia en la decisión tomada
puede despreciarse y por tanto se trata
a la situación que se presenta como que
no tiene incertidumbre y se toma la
decisión con entera confianza.

6
Pero en muchas ocasiones se enfrentan
situaciones donde la incertidumbre es
importante y no puede ser ignorada y en
esas situaciones, las probabilidades y la
estadística son
herramientas
eficaces para
tomar las
decisiones.

7
El objetivo de la
PROBABILIDAD es medir la
incertidumbre de que ocurran
determinados Sucesos

8
Es difícil exagerar la importancia de la
teoría de probabilidades; en muchos
problemas e Economía, Administración,
Contabilidad, Ingenierías, etc.

Necesitamos tomar decisiones frente

a la incertidumbre.

9
Ejemplo:

1) Para un Ingeniero tendrá

sentido preguntarse:

¿Qué porcentaje de las

botellas de su producción,
tienen una cantidad menor
de contenido, especificado?

Esto sin tener que

acceder a toda la
producción
10
Ejemplo:
2) A un ingeniero encargado del
tratamiento de Agua le
interesará saber el nº de
bacterias en un tanque

Esto sin tener que acceder

a todo el tanque

11
•La afición al juego fue lo que impulso el desarrollo
de la probabilidad.

•Los jugadores, en un esfuerzo por aumentar sus

ganancia pidieron a los matemáticos que les
proporcionaran las estrategias óptimas para varios
juegos de azar.

•Como resultado de este primer desarrollo de la teoría

de probabilidad, se extiende junto con la estadística a
muchos campos.

12
1. EXPERIMENTO:

Es un hecho, acontecimiento u operación que se

realiza en nuestra realidad y que puede ser repetida
bajo ciertas condiciones.

Dentro de estos tenemos los determinísticos y no

determinísticos.

13
1.1. Experimentos Deterministicos:

Son aquellos cuyo resultado del experimento se

conoce con anterioridad y que puede describirse
por una formula matemática, física o química.

Ejemplos:

Soltar una piedra en el aire.

Lanzar una pelota en una tina con agua, etc.

14
1.2. Experimento NO deterministico o ALEATORIO (ε)
Son aquellos cuyos resultados del experimento no pueden
predecirse con exactitud antes de realizar el experimento.

Ejemplos:

ε1= Lanzamiento de un dado y ver su puntaje obtenido.

ε2= Se lanza tres monedas y se observa la sucesión de sellos y

caras obtenidos.

ε3= Se fabrican artículos en una línea de producción y se cuenta

el número de artículos defectuosos producidos en un
periodo de 24 horas

15
2. ESPACIO MUESTRAL (Ω)
•Es el conjunto de todos los resultados posibles de un
experimento aleatorio.

Ejemplo:
Experimento Espacio Muestral
ε1 Ω1= {1,2,3,4,5,6}
ε2 Ω2= {ccc, ccs,csc,scc,…,sss}; c=cara,
s=sello
ε3 Ω3 = {0, 1, 2,…, N}; en donde N es el
número máximo que pudo ser producido
en 24 horas.

16
3. EVENTO ( A, B, C …):

Se llama evento a cualquier subconjunto del espacio

muestral. Se denotan por letras mayúsculas del
alfabeto. Los eventos siempre de indica en forma de
enunciado.

17
 Ejemplos de Eventos:

Determinar los siguientes eventos si el experimento consiste en

verificar 3 tornillos, que pueden ser defectuosos (D)o no
defectuosos (N)
Solución:

ε: Verificar 3 tornillos

Ω= {DDD,DDN,DND,DNN, NDD, NDN,NND,NNN}

A: Que el primer tornillo sea defectuoso. A= {DDD,DDN, DND,DNN}
B: Que los tres tornillos sean No defectuosos. B= {NNN}
C: Los últimos sean defectuosos. C= {DDD,DND,NDD,NND}
D: Ocurran por lo menos dos defectuosos. D= {DDD,DDN,NDD, DND}
E:Ocurra no defectuoso en la segunda E= {DND,DNN,NND,NNN}
verificación

18
4. CLASES DE EVENTOS
a. Evento unitario: Es aquel que contiene un solo resultado.
A: Que los tres tornillos sean No defectuosos A= {NNN}

b. Evento compuesto: Es aquel que contiene 2 o mas resultados

B: Que el primer tornillo sea defectuoso. B= {DDD,DDN, DND,DNN}

c. Evento nulo: Es aquel que no contiene ningún elemento del Ω.

C:Ocurra no defectuoso en la cuarta verificación C= { }

19
5.SUCESO:
Se llama suceso a todo elemento del espacio muestral.

Ω = {CCC,CCS,CSC,CSS,SCC,SCS,SSC,SSS}

Suceso

20
Ejemplo 1 de Experimento ,Espacio Muestral y Evento

21
 Ejemplo 2 de Experimento, Espacio Muestral y Evento

(ε 2): Lanzar dos dados simultáneamente (Ω ) =

2
y se observan las caras superiores

n (Ω2 ) =36

B: Que salga las caras iguales al lanzar dos dados (1,1) ( 2,2) (3,3) (4,4) (5,5) (6,6)

n (B ) = 6 P (B ) = 6 / 36 = 0.17

n ( Ω ) = Número de posibilidades( Nº de repeticiones)

22
EJEMPLO 3: Experimento, Espacio Muestral y Evento
Dos gasolineras se ubican en cierta intersección. Cada una tiene 6 bombas.
Considere el “experimento en el que para cada gasolinera se determina el
número de bombas en uso en determinado momento del día”. Un resultado
experimental especifica cuantas bombas están en uso en la primera gasolinera
y cuantas en la segunda.

Un posible resultado es (2 ,2 ) otro es (4,1) y otro más (1,4). Los 49 resultados

se muestran:
Segunda Gasolinera
0 1 2 3 4 5 6
0 (0,0) (0,1) (0,2) (0,3) (0,4) (0,5) (0,6)
Primera Gasolinera

1 (1,0) (1,1) (1,2) (1,3) (1,4) (1,5) (1,6)

Ω =
2 (2,0) (2,1) (2,2) (2,3) (2,4) (2,5) (2,6)
3 (3,0) (3,1) (3,2) (3,3) (3,4) (3,5) (3,6)
4 (4,0) (4,1) (4,2) (4,3) (4,4) (4,5) (4,6)
5 (5,0) (5,1) (5,2) (5,3) (5,4) (5,5) (5,6)
6 (6,0) (6,1) (6,2) (6,3) (6,4) (6,5) (6,6)

23
EJEMPLO 3: Experimento, Espacio Muestral y Evento

Cuando se observa el número de bombas en uso en cada una de las dos

gasolineras provistas con 6 bombas, hay 49 resultados posibles, así que
hay 49 eventos simples: E1 = (0,0) E2 = (0,1)… E49= (6,6)

A= (0,0) , (1,1) , (2,2), (3,3) , (4,4), (5, 5) , ( 6,6) = Evento en el que el

número de bombas en uso es el mismo para ambas gasolineras.

B = (0,4) , (1,3), (2,2), (3,1),(4,0) = Evento en el que el número total de

bombas es cuatro.

C = ( 0,0) , (0,1) , (1,0) , (1,1) = Evento en el que a lo sumo una bomba

está en uso en cada gasolinera.

24
Ejercicios de Aula:

1. Indique Ud. si los siguientes experimentos son aleatorios:

a.Elegir una carta de una baraja (52 cartas) y señalar la figura obtenida. V F

b. Verificar el estado de dos transistores (apagado y prendido) V F

c. Lanzar una piedra a una tina con agua. V F

d. Lanzar 4 monedas y ver el número de caras. V F

e. Jugar un partido de fulbito V F

f. Soltar un plumón en el aire. V F

g. Rendir un examen. V F

h. Jugar la tinka V F

25
Ejercicios de Aula:
2. Indique el espacio muestral para los siguientes experimentos: (Utilice el
diagrama del árbol)
•Lanzar 2 monedas:
•Lanzar 3 monedas
•Lanzar 1 dado y una moneda
•Lanzar 2 dados
•Jugar un partido de fútbol
•Rendir un examen
Ω= {………………………………………………..}
Ω = {………………………………………………..}
Ω = {………………………………………………..}
Ω = {………………………………………………..}
Ω = {………………………………………………..}
Ω = {………………………………………………..}
26
6. REGLAS BASICAS DE PROBABILIDADES

1. Ley Fundamental de Probabilidad. Una

probabilidad siempre estará comprendida entre
0 y 1.
0 ≤ P ( A) ≤ 1
2. P (Ω) = 1. La probabilidad del espacio muestral
es 1.

3. Ley del Complemento. Si A c es el complemento

de A, entonces:
P ( A c) + P ( A ) = 1
P (A c ) = 1 – P (A)
P ( A ) = 1 – P (A c)

27
7. PROPIEDADES DE RELACIONES ENTRE EVENTOS

Sean A, B y C elementos de un mismo espacio muestral (Ω) entonces:

7.1 LEY O PROPIEDAD CONMUTATIVA

( C1) : A B  B  A
( C2) : A B  B  A

28
7. PROPIEDADES DE RELACIONES ENTRE EVENTOS

Sean A, B y C elementos de un mismo espacio muestral (Ω) entonces:

7.2 LEY O PROPIEDAD ASOCIATIVA

( A1) : A  ( B  C )  ( A  B)  C

( A2) : A  ( B  C )  ( A  B)  C

29
8. LEYES O PROPIEDAD DISTRIBITIVA

Dados los eventos A, B y C, entonces:

(D1) : A ∩ ( B U C ) = ( A ∩ B ) U ( A ∩ C)
(D2) : A U ( B ∩ C ) = ( A U B ) ∩ ( A U C )

30
9. LEYES DE MORGAN

Sean los eventos A y B

(M1) : A∩ B = A U B
(M2) : A U B = A ∩ B

31
1. Regla de Adición
2. Regla de Multiplicación
3. Probabilidad Condicional

32
 1 Regla de Adición
La Regla de Adición nos da la forma de calcular la probabilidad de que
ocurra el evento A ó B ó ambos.

a) Si los eventos son Dependientes b) Si los eventos son Independientes

o relacionados

A B A B

P ( A U B )= P (A) + P( B ) – P ( A ∩ B) P ( A U B ) = P (A) + P( B )

33
o Ejemplo 1:
Si el experimento es lanzar un dado una vez, el espacio muestral es:
Ω = { 1, 2, 3, 4, 5, 6 }
Si el evento A es cae un número par
A = { 2, 4, 6 }
Si el evento B es cae un número menor de 3
B = { 1, 2 }

¿Cuál será la probabilidad de que suceda alguno de estos dos

eventos?

34
 Solución al Ejemplo 1:

¿Cuál será la probabilidad de que suceda alguno de estos dos

eventos?
Entonces la probabilidad de A y la probabilidad de B es:

P(A) =3/6= 0.50 P(B) =2/6= 0.3366

Para aplicar el teorema es necesario conocer la probabilidad de la

intersección de estos dos eventos, es decir, la probabilidad de que
caiga un número par y menor de 3.

A ∩ B =Es el elemento { 2 }= P(A ∩ B) = 1/6 =0 .17

Si aplicamos la regla de adición:

P( A U B ) = P( A ) + P( B ) – P( A ∩ B )
P( A U B ) = 0.50 + 0.33 – 0.17 = 0.66
35
 2 Regla de Multiplicación

La Regla de Multiplicación nos da la forma de calcular la probabilidad

de la intersección de dos eventos.
a) Si los eventos son Dependientes b) Si los eventos son Independientes
o relacionados

A B A B

P ( A ∩ B )= P (A) P ( B / A )
P ( A ∩ B )= P (B) P ( A / B ) P ( A ∩ B ) = P (A) P ( B )

36
 3 Probabilidad Condicional
La probabilidad de que ocurra un evento dado que otro evento ya ha
ocurrido se llama Probabilidad Condicional
a) Si los eventos son b) Si los eventos son
Dependientes o relacionados Independientes

A B A B

P(A/B) = P ( A ∩ B ) / P (B) P ( A / B ) = P (A)

P ( B / A ) = P ( A ∩ B ) / P (A) P ( B / A ) = P (B)

37
 Ejemplo 2:
El experimento es extraer aleatoriamente dos fluoculantes de una caja
que contiene 5 fluoculantes liquidos y 5 fluoculantes sólidos ¿Cuál es
la probabilidad de que ambas fluoculantes sean líquidos?

P(A∩B) ={probabilidad de que los dos fluoculantes sean líquidos}

P(A) = {probabilidad de que el primer fluoculante sea líquido}
P(B) = {probabilidad de que el segundo fluoculante sea líquido}
P(B│A) = {probabilidad de que el segundo fluoculante es líquido dado
que el primero es líquido}

38
 Solución al Ejemplo 2:
* Al extraer el primer fluoculante, en la caja hay 5 tipos de fluoculante
líquidos de un total de 10, por lo que la probabilidad es:
P(A) = 5/ 10 = 0.50

** Al extraer el segundo fluoculante hay en la caja 4 fluoculantes

liquidos de un total de 9, por lo que la probabilidad de que el segundo
fluoculante sea líquido dado que el primero fue líquido es

P(B│A) =4/9 = 0.44

P(A∩B) = P(A) * P(B│A) = 0.5*0.44 = 0.22

La probabilidad de que los dos fluoculantes sean líquidos es 0.22

39
 Ejemplo 3:
Se lanzan dos monedas ¿Cuál es la probabilidad de que ambas caigan
cara?
Solución:
P(A) = {probabilidad de que caiga cara en la primera moneda}
P(B) = {probabilidad de que caiga cara en la segunda moneda}

P(A ∩ B) = P(A) * (P(B)

= (1/2)*(1/2)
= 0.25

40
TEOREMA DE BAYES

Se presenta el teorema más importante del cálculo de probabilidades y

el camino para llegar a él exige la definición de partición de un espacio
muestral y el teorema de probabilidad total.

41
1. Partición de un espacio muestral:
Se dice que la colección de eventos B1, B2, …, B k del espacio muestral Ω
representa una partición del espacio muestral Ω , si cumple las siguientes
condiciones:

a) Los eventos B1, B2, …, B k , son mutuamente excluyentes: En símbolos

Bi ∩ B j = Φ i= j ; i,j = 1,2,3….,k

42
b) Los eventos B1, B2, …, B k , son colectivamente exhaustivos.
En símbolo:
k

UBi=Ω
i=1

c) P(Bi) >0 i = 1,2,3….k

43
2. Teorema de Probabilidad Total: Sea B1, B2, …, B k; una partición del
espacio muestral Ω , entonces para cualquier evento A en Ω se cumple:

k
P(A) = Σ P (Bi) P (A/ Bi) = P(B1) P(A/B1) + P(B2) P(A/B2) +…+ P(Bk) P(A/Bk). .
i= 1
Ω
A
…

Bk ∩ A
B2 ∩ A
B1 ∩ A

…
B1 B2 Bk

Fig.1:Relación entre el evento A en Ω y la partición de Ω

44
TEOREMA DE BAYES: Sea B1, B2, …, B k; forman una partición
del espacio muestral Ω y A es un evento cualquiera de Ω entonces :

P( Br / A) = P(Br) P ( A / Br)
k
Σ P (Bi) P ( A/Bi)
i= 1

El numerador resulta del teorema de multiplicación y

el denominador del teorema de probabilidad total.

45
Un diagrama de árbol es una representación gráfica que
muestra los resultados posibles de una serie de
experimentos y sus respectivas probabilidades.

46
EJEMPLO: ¿ Cómo disminuir los Costos de Calidad?
Optimizar costos de realización de
procedimientos

Optimizar costos de
Optimizar costos de formación
Prevención
Optimizar costos de pautas de inspección

Optimizar costos de inspección de recepción

Optimizar costos de
Evaluación Optimizar costos de inspección de procesos
Disminuir Costos
Optimizar costos de inspección final
de Calidad
Optimizar costos de Disminuir costos de reproceso
Falla Interna
Disminuir costos de disposición de material

Optimizar costos de Disminuir costos de garantías

Falla Externa Disminuir costos de reproceso

47
Ejemplo Bayes Nº 1.

Una fábrica donde trabaja un ingeniero industrial, tiene 3 máquinas que

producen botellas: La primera máquina (M1) produce el 45%, la máquina 2 (M2)
el 35% y el resto lo produce la máquina 3(M3). El porcentaje de botellas que no
cumplen con las especificaciones de calidad, para M1, M2 y M3 es de 2%, 5% y
6% respectivamente. Si las botellas se almacenan en la fábrica sin importar cual
fue la máquina que la produjo y finalmente se selecciona una botella

a) Hallar la probabilidad de que no cumpla con las especificaciones de calidad

b)¿ Qué máquina tiene la más alta probabilidad de haberla producido?

48
Ejemplo Bayes Nº 2.

Una compañía de desarrollo urbano está considerando la posibilidad de

construir una zona industrial en un sector de Cajamarca. Un elemento vital en
esta consideración es un proyecto de una autopista que une este sector con el
centro de la ciudad, si el consejo municipal aprueba esta autopista, hay una
probabilidad de 0.90 de que la compañía construya la zona industrial, en tanto
que si la autopista no es aprobada la probabilidad es de sólo 0.20. Basándose
en información disponible, el presidente de la compañía estima que hay una
probabilidad de 0.70 que la autopista sea aprobada.
1.Cuál es la probabilidad que la compañía construya una zona industrial?
2.Dado que la zona industrial fue construida. ¿Cuál es la probabilidad de
que la autopista haya sido aprobada?

49
REVISAR EJERCICIOS DESARROLLADOS
Estimado Estudiante, agradeceré revisar y estudiar los ejercicios
desarrollados, disponibles en el libro de WALPOLE MYERS, MYERS YE
(Código de Biblioteca UPNC : 519.5 WALP), desde la página 68 – 72.
(También puede revisar de forma opcional la versión digital facilitada)

Enfrentarse, siempre enfrentarse, es el modo

de resolver el problema. ¡Enfrentarse a él!.
Joseph Conrad (1857-1924) Novelista británico de origen polaco

50
¿QUÉ HEMOS VISTO?

•Definiciones de Probabilidad
•Definición clásica, subjetiva y frecuentista de probabilidad.
•Algebra de Eventos.
•Regla de la adición: eventos mutuamente excluyentes y no excluyentes.
•Regla de la multiplicación: eventos independientes y dependientes.
•Probabilidad de eventos compuestos.
•Probabilidad condicional.
BIBLIOGRAFIA BASICA:

Estimado estudiante, puedes revisar los textos que se encuentran en tu

biblioteca: