Documente Academic
Documente Profesional
Documente Cultură
Probabilidad
Algo de Historia (1903-1987) propone ciertos axiomas que a la postre re-
sultaron adecuados para la construcción de una teorı́a
La teorı́a de probabilidad tuvo sus primeros puntos de de la probabilidad. Esta teorı́a prevalece hoy en dı́a y
partida al intentar resolver un problema particular con- ha adquirido el calificativo de teorı́a clásica.
cerniente a una apuesta sobre un juego de dados entre
dos personas el cual involucraba una gran cantidad de
dinero y puede plantearse de la siguiente forma: Introducción
Dos jugadores escogen cada uno de ellos un número del
1 al 6, distintos uno del otro, y apuestan 32 doblones de La teorı́a de la probabilidad es la parte de las
oro a que el número escogido por uno de ellos aparece matemáticas que se encarga del estudio de los fenómenos
en tres ocasiones antes que el número del contrario. o experimentos aleatorios. Por experimento aleatorio
Suponga que el número de uno de los jugadores ha apare- entenderemos todo aquel experimento que cuando se le
cido dos veces y el número de otro una sola vez ¿Cómo repite bajo las mismas condiciones iniciales, el resultado
debe dividirse el total de la apuesta si el juego de debı́a que se obtiene no siempre es el mismo.
suspender? La probabilidad de un evento A, es un número real en
Uno de los apostadores, Antonio de Gombaud, popu- el intervalo [0, 1] que denotaremos por P (A), y repre-
larmente conocido como el caballero De Mere, deseando senta una medida de la frecuencia con la que se observa
conocer la respuesta al problema, plantea a Blaise Pas- la ocurrencia del evento A cuando se efectúa el experi-
cal (1623-1662) la situación. Pascal a su vez consulta mento aleatorio en cuestión.
con Pierre de Fermat (1601-1665) e inician un inter- Existen al menos tres definiciones de probabilidad:
cambio de cartas a propósito del problema. Esto sucede
en el añoode 1654. Con ello se inician algunos esfuer-
zos por dar solución a éste y otros problemas similares Probabilidad subjetiva
que se plantean. Con el paso del tiempo se sientan las
bases y las experiencias necesarias para la búsqueda de
En este caso la probabilidad de un evento depende del
una teorı́a matemática que sintetice los conceptos y los
observador, es decir, según lo que el observador conoce
métodos de solución de los muchos problemas particu-
del fenómeno en estudio. Puede parecer un tanto infor-
lares resueltos a lo largo de varios años.
mal y poco serio esta forma de definir la probabilidad de
En el segundo congreso internacional de matemáticas, un evento, sin embargo en muchas situaciones es nece-
celebrado en la ciudad de Paris en el año 1900, el sario recurrir a un experto para tener por lo menos una
matemático David Hilbert (1862-1943) plantea 23 prob- idea vaga de cómo se comporta el fenómeno de nuestro
lemas matemáticos de importancia. Uno de estos prob- interés y saber si la probabilidad de un evento es alta
lemas es el de encontrar axiomas o postulados a partir o baja. Por ejemplo, ¿cuál es la probabilidad de que
de los cuales se pueda construir una teorı́a matemática nuestro equipo favorito de fútbol gane en su próximo
de la probabilidad. Aproximadamente treinta añoos de- partido? Ciertas circunstancias internas del equipo, las
spués, en 1933, el matemático ruso A. N. Kolmogorov condiciones del equipo rival o cualquier otra condición
1
externa, son elementos que sólo algunas personas cono- n Resultado n(A)/n
cen y que podrı́an darnos una idea más exacta de esta 16
probabilidad. 17
18
19
Probabilidad Frecuencial 20
Actividad introductoria Consideremos como evento ahora realiza una gráfica tomando como eje x los valores
el lanzamiento de un dado normal (equilibrado) y reg- de n y el eje y los valores de n(A)/n. ¿Tus gráfica se
istremos los siguientes datos en una tabla, considerando estabiliza o tiende a aproximarse hacia algún número en
A como el evento de que salga par (2,4 o 6) al lanzar el particular?
dado “también llamado acierto”. n (número de repeti- formalicemos ahora un poco lo anterior expuesto.
ciones) “haremos una cantidad de 20 repeticiones de este
evento”. Resultado: el dato que sale en la cara supe- Si suponemos que se realiza un experimento cualquiera
rior al lanzar el dado. n(A) representa la cantidad de una cantidad de veces n y sea A un evento cualquiera de
aciertos acumulados por cada repetición, es decir , n(A) este experimento. Denotamos por n(A) como el número
aumenta siempre y cuando salga un acierto, mejor aún de ocurrencias (Aciertos) del evento A en las n realiza-
n(A) aumente solo si sale un valor par (2,4 o 6). n(A)/n ciones del experimento. Se define entonces la probabil-
representa entonces el fraccionario formado por canti- idad frecuencial de A como:
dad acumulada de aciertos/número del lanzamiento, por
ejemplo, si en el primer lanzamiento sale un par, digamos
2 escribimos 1/1 “un acierto en el lanzamiento uno”, si n(A)
P (A) = lim
por el contrario sale un número impar serı́a entonces 0/1 n→∞ n
“cero aciertos en un lanzamiento ”. Realiza el registro
de esta actividad en la siguiente tabla.
Nota: Puedes obtener algo más de información en el
Nota: En el caso que no tengas un dado cerca, siguiente link https: // youtu. be/ Ld7RcoVl6Dk
te recomiendo mirar el siguiente link https: //
freeonlinedice. com/
Probabilidad Clásica:
n Resultado n(A)/n
1 Dado un evento A de un espacio muestral Ω se define la
2 probabilidad de A como
3
4 #A
P(A) =
5 #Ω
6
7 Donde #A o cardinal de A representa la cantidad de
8 elementos del conjunto
9
10 Ejemplo 1 : Se lanza un dado balanceado ¿Cuál
11 es la probabilidad de que salga el número 3?
12
13
14 Solución: El espacio muestral esta dado por Ω =
15 {1, 2, 3, 4, 5, 6} y A = {3}, por lo tanto la probabilidad
de salir 3 es de
2
2
#A 1 P(A ∩ B) =
P(A) = = 9
#Ω 6
Ejemplo 5: En una mano de póquer que consta de
Ejemplo 2: Una moneda se lanza dos veces ¿Cuál
5 cartas, encuentre la probabilidad de tener 2 ases y 3
es la probabilidad de que salga al menos una cara?
jotas en una mano.
Solución: El espacio muestral esta dado entonces
Solución: La cantidad de ases en un mazo de
por
póquer es 4, el número de fomas de tomar 2 de esos
Ω = {cc, cs, sc, ss}
4 esta dado por
Si la moneda esta balanceada entonces cada uno de es- 4
=6
tos resultados tendrá la misma probabilidad (espacio 2
equiprobable) por lo tanto
La cantidad de Jotas, al igual que la de ases en un mazo
A = {cc, cs, sc} es 4, con lo que la cantidad de formas posibles de tomar
3 es
con lo que la probabilidad será entonces: 4
=4
3
3
P(A) =
4 Luego por regla de multiplicación las formas de sacar 2
ases y 3 jotas es 6(4) = 24
Ejemplo 3: Se carga un dado de forma que ex- Ahora la cantidad de sacar 5 cartas del mazo que con-
ista el doble de probabilidad que salga un número par tiene 52 cartas ( espacio muestral ) esta dado por
que uno impar. Si E representa el evento de que salga
un número menor que 4 en un solo lanzamiento, calcule
P(E). 52
= 2598960
5
Solución: El espacio muestral es entonces Ω =
1, 2, 3, 4, 5, 6, ahora dado que cada número par el doble Luego la probabilidad de tener los 2 ases y las 3 jotas
de probabilidades que uno impar, #Ω = 9. El evento E esta dada por
entonces esta formado por E = {1, 2, 3} y #E = 4, con
lo que la probabilidad 4 4
24
P(A) = 2 523 = = 0, 9x10−5
4 2598960
P(E) = 5
9
3
P(A ∪ B) = P(A) + P(B) − P(A ∩ B) Ejercicio: ¿Cuál es la probabilidad de obtener un
tatal de 7 u 11 al lanzar un par de dados?
llamada ”Ley aditiva”
Ejemplo 2: Las probabilidades de que un indi-
De una manera mas general si tenemos eventos A, B y viduo que compra un automóvil nuevo y elija uno de
C entonces color verde, uno blanco, uno rojo o uno azul son de 0.009,
0.15, 0.21 y 0.23 respectivamente. ¿Cuál es la probabil-
idad de que un comprador adquiera un auto nuevo de
P(A ∪ B ∪ C) = P(A) + P(B) + P(C) alguno de estos colores?
− P(A ∩ B) − P(A ∩ C) − P(B ∩ C)
solución:
+ P(A ∩ B ∩ C)
•En un caso particular si A y B son dos eventos P(V ∪ B ∪ R ∪ A) = P(V ) + P(B) + P(R) + P(A)
cualquiera de Ω entonces = 0, 09 + 0, 15 + 0, 21 + 0, 23
P(A) = P(A ∩ B) + P(A ∩ B c ) = 0, 68
P(A)+P(Ac ) = 1
De forma más general tenemos que, si A1 , A2 , . . . , Ak son
eventos de Ω mutuamente excluyentes,
Ejemplo 2: Si las probabilidades de que un técnico
automotriz dé servicio a 3,4,5,6,7,8 o más vehı́culos en un
P(A1 ,A2 , . . . , Ak ) dı́a de trabajo dado son 0.12, 0.19,0.28,0.24,0.10 y 0.07
= P(A1 ) + P(A2 ) + · · · + P(Ak ) respectivamente ¿Cuál es la probabilidad que dé servicio
al menos a 5 vehı́culos el siguiente dı́a?
Ejemplo 1: Al final de un semestre John se va Solución: Sea E el evento de que al menos 5 au-
c
a graduar en la facultad de ingenierı́a industrial de una tomóviles reciban servicio, y E es el evento de que
c
universidad. Después de tener entrevistas en dos empre- menos de 5 autos reciban servicio, entonces E = 0, 12 +
sas en donde quiere trabajar, determina que la probabil- 0, 19 = 0, 31 con lo que
idad de tener un empleo en la empresa A es del 0, 8, y la
probabilidad de obtenerlo en la empresa B es del 0,6. Si,
por otro lado, considera que la probabilidad de obtenerlo
en ambas empresas es del 0,5 ¿Cuál es la probabilidad P(E) + P(E c ) = 1
que tiene de obtener al menos una oferta de trabajo? P(E) = 1 − P(E c )set = 1 − 0, 31
solución: = 0, 69
P(A ∪ B) = P(A) + P(B) − P(A ∩ B) Eventos contenidos • En el caso en que los eventos A y B
= 0, 8 + 0, 6 − 0, 5 tengan la condición que A ⊆ B entonces P(A) ≤ P(B)
= 0, 9 • Si A ⊆ B entonces P(B − A) = P(B) − P(A)
4
Probabilidad condicional, independencia y regla del producto.
5
1. P (A|D) = P (D ∩ A)/P (D) = 0, 78/0, 83 = 0, 94 La regla de producto
o regla multiplicativa
2. P (D|A) = P (A ∩ D)/P (A) = 0, 78/0, 82 = 0, 95
Ejemplo 2: Una bolsa contiene 4 bolas blancas y 3 negras, y una segunda bolsa contiene 3 blancas y 5 negras.
Se saca una bola de la primera bolsa y se coloca sin verla en la segunda bolsa. ¿Cuál es la probabilidad de que
ahora se saque una bola negra de la segunda bolsa?
Solución: N1 , N2 y B1 representan, respectivamente, la extracción de una bola negra de la bolsa 1, una bola
negra de la bolsa 2 y una bola blanca de la bolsa 1. Nos interesa la unión de los eventos mutuamente excluyentes
N1 ∩ N2 y B1 ∩ N2 .
con lo que
3 6 4 5
P (E) = +
7 9 7 9
38
=
63
6
Independencia Ejemplo 2: Un sistema eléctrico consta de cuatro
componentes. El sistema funciona si los componentes A
Dos eventos A y B de un espacio muestral Ω se dice que y B funcionan con probabilidades de 0.9, y si funciona
son independientes si y sólo si cualquiera de los componentes C o D con probabilidades
de 0.8. Calcule la probabilidad de que el sistema com-
P (B|A) = P (B) o P (A|B) = P (A) pleto funcione.
Teorema de Bayes:
La estadı́stica bayesiana es un conjunto de herramientas que se utiliza en un tipo especial de inferencia estadı́stica
que se aplica en el análisis de datos experimentales en muchas situaciones prácticas de ciencia e ingenierı́a. La
regla de Bayes es una de las normas más importantes de la teorı́a de probabilidad, ya que es el fundamento de la
inferencia bayesiana.
Regla de Probabilidad Total
Si los eventos B1 , B2 , ...Bk constituyen una partición del espacio muestral Ω, tal que P (Bi ) 6= 0 para i = 1, 2, . . . , k,
entonces, para cualquier evento A de ω.
P P
P (A) = P (Bi ∩ A) = P (Bi )P (A|Bi )
i=1 i=1
7
Ejemplo: Tres máquinas de cierta planta de ensamble, B1, B2 y B3, montan 30%, 45% y 25% de los productos,
respectivamente. Se sabe por experiencia que 2%, 3% y 2% de los productos ensamblados por cada máquina,
respectivamente, tienen defectos. Ahora bien, suponga que se selecciona de forma aleatoria un producto terminado.
¿Cuál es la probabilidad de que esté defectuoso?
Solución: Considere los siguientes eventos: A: el producto está defectuoso,
B1 : el producto fue ensamblado con la máquina B1,
B2 : el producto fue ensamblado con la máquina B2,
B3 : el producto fue ensamblado con la máquina B3.
Podemos aplicar la regla de eliminación y escribir
con lo que
P (B1 )P (A|B1 ) = (0.3)(0.02) = 0.006,
P (B2 )P (A|B2 ) = (0.45)(0.03) = 0.0135,
P (B3 )P (A|B3 ) = (0.25)(0.02) = 0.005,
en consecuencia,
P (A) = 0.006 + 0.0135 + 0.005 = 0.0245
Ejemplo 2: Suponga que en una población humana de igual número de hombres y mujeres, el 4% de hombres
son daltónicos y el 1% de las mujeres son daltónicas. Una persona es elegida al azar, ¿cuál es la probabilidad de
que sea daltónica?
Solución: Definamos primero los eventos de interés
M = Mujer
H = Hombre
D = Persona daltónica
Deseamos calcular P (D). Por el teorema de probabilidad total tenemos que:
Si los eventos B1 , B2 , ..., Bk constituyen una partición del espacio muestral S, donde P (Bi ) 6= 0 para i = 1, 2, . . . , k,
entonces, para cualquier evento A en Ω, tal que P (A) 6= 0
8
P (Br )P (A|Br )
P (Br |A) = P
P (Bi )P (A|Bi )
i=1
Ejemplo 1: En un laboratorio se descubrió una prueba para detectar cierta enfermedad, y sobre la eficacia de
dicha prueba se conoce lo siguiente: Si se denota por E el evento de que un paciente tenga la enfermedad y por N
el evento de que la prueba resulte negativa, entonces se sabe que P (N c |E) = 0.95, P (N |E c ) = 0.96 y P (E) = 0.01.
Con esta información uno podrı́a pensar que la prueba es muy buena, sin embargo calcularemos las probabilidades
P (E|N ) y P (E|N c ), usando el teorema de Bayes.
P (N |E)P (E)
P (E|N ) =
P (N |E)P (E) + P (N |E c )P (E e )
(0.05)(0.01)
=
(0.05)(0.01) + (0.96)(0.99)
= 0.000526
Ejemplo 2: Una empresa de manufactura emplea tres planos analı́ticos para el diseño y desarrollo de un producto
especı́fi co. Por razones de costos los tres se utilizan en momentos diferentes. De hecho, los planos 1, 2 y 3 se utilizan
para 30%, 20% y 50% de los productos, respectivamente. La tasa de defectos difi ere en los tres procedimientos
de la siguiente manera,
P (P1 )P (D|P1 )
P (P 1|D) =
P (P1 )P (D|P1 ) + P (P2 )P (D|P2 ) + P (P3 )P (D|P3 )
(0.30)(0.01)
=
(0.3)(0.01) + (0.20)(0.03) + (0.50)(0.02)
0.003
=
0.019
= 0.158.
De igual manera,
(0.03)(0.20)
P (P2 |D) = = 0.316
0.019
y
(0.02)(0.50)
P (P3 |D) = = 0.526
0.019
9
. La probabilidad condicional de un defecto, dado el plano 3, es la mayor de las tres; por consiguiente, un defecto
en un producto elegido al azar tiene más probabilidad de ser el resultado de haber usado el plano 3. La regla de
Bayes, un método estadı́stico llamado método bayesiano, ha adquirido muchas aplicaciones.
Nota: Puedes encontrar otro ejemplo en el siguiente link https: // www. youtube. com/ watch? v= 6Z5nvY9L-jY
Ejercicios
Probabilidad Clasica
1. Encuentre los errores en cada una de las siguientes 4. Suponga que se descubre que, en un grupo de
aseveraciones: 500 estudiantes universitarios de último año, 210
fuman, 258 consumen bebidas alcohólicas, 216
a) Las probabilidades de que un vendedor de comen entre comidas, 122 fuman y consumen be-
automóviles venda 0, 1, 2 o 3 unidades en un dı́a bidas alcohólicas, 83 comen entre comidas y con-
dado de febrero son 0.19, 0.38, 0.29 y 0.15, respec- sumen bebidas alcohólicas, 97 fuman y comen en-
tivamente. tre comidas y 52 tienen esos tres hábitos nocivos
b) La probabilidad de que llueva mañana es para la salud. Si se selecciona al azar a un miem-
0.40 y la probabilidad de que no llueva es 0.52. bro de este grupo, calcule la probabilidad de que
el estudiante
c) Las probabilidades de que una impresora
cometa 0, 1, 2, 3 o 4 o más errores al imprimir a) fume pero no consuma bebidas alcohólicas;
un documento son 0.19, 0.34, -0.25, 0.43 y 0.29, b) coma entre comidas y consuma bebidas al-
respectivamente. cohólicas pero no fume;
d ) Al sacar una carta de una baraja en un solo c) no fume ni coma entre comidas.
intento la probabilidad de seleccionar un corazón
es 1/4, la probabilidad de seleccionar una carta 5. Basado en su experiencia, un agente bursátil con-
negra es 1/2, y la probabilidad de seleccionar una sidera que en las condiciones económicas actuales
carta de corazones y negra es 1/8. la probabilidad de que un cliente invierta en bonos
libres de impuestos es 0.6, la de que invierta en
2. Suponga que todos los elementos de S en el ejerci- fondos comunes de inversión es 0.3 y la de que in-
cio 2.8 de la página 42 tienen la misma probabili- vierta en ambos es 0.15. En esta ocasión encuentre
dad de ocurrencia y calcule la probabilidad de que un cliente invierta
a) la probabilidad del evento A; a) en bonos libres de impuestos o en fondos
comunes de inversión;
b) la probabilidad del evento C;
b) en ninguno de esos dos instrumentos.
c) la probabilidad del evento A ∩ C.
6. Si cada artı́culo codifi cado en un catálogo empieza
3. Una caja contiene 500 sobres, de los cuales 75 con- con 3 letras distintas seguidas por 4 dı́gitos distin-
tienen $100 en efectivo, 150 contienen $25 y 275 tos de cero, calcule la probabilidad de seleccionar
contienen $10. Se puede comprar un sobre en $25. aleatoriamente uno de estos artı́culos codifi cados
¿Cuál es el espacio muestral para las diferentes que tenga como primera letra una vocal y el último
cantidades de dinero? Asigne probabilidades a los dı́gito sea par.
puntos muestrales y después calcule la probabili-
dad de que el primer sobre que se compre contenga 7. Un fabricante de automóviles está preocupado por
menos de $100. el posible retiro de su sedán de cuatro puertas con
10
mayor venta. Si fuera retirado habrı́a 0.25 de prob- letra g.
abilidad de que haya un defecto en el sistema de
9. Se lanza un par de dados. Calcule la probabilidad
frenos, 0.18 de que haya un defecto en la trans-
de obtener
misión, 0.17 de que esté en el sistema de com-
bustible y 0.40 de que esté en alguna otra área. a) un total de 8;
a) ¿Cuál es la probabilidad de que el defecto b) máximo un total de 5.
esté en los frenos o en el sistema de combustible,
si la probabilidad de que haya defectos en ambos 10. En una mano de póquer que consta de 5 cartas,
sistemas de manera simultánea es 0.15? encuentre la probabilidad de tener
Probabilidad Condicional
1. Si R es el evento de que un convicto cometa un Escolaridad Hombre Mujer
robo a mano armada y D es el evento de que el Primaria 38 45
Si se elige una
convicto venda drogas, exprese en palabras lo que secundaria 28 50
en probabilidades se indica como universidad 22 17
persona al azar de este grupo, ¿cuál es la prob-
a) P (R|D); abilidad de que. . .
11
b) Una persona que no está inscrita en psi- b) un vehı́culo con matrı́cula de Canadá que
cologı́a y esté cursando historia y matemáticas. entra a las Cavernas Luray sea una casa rodante?
R:/ 3/8 R:3/4 c) un vehı́culo que entra a las Cavernas Lu-
ray no tenga matrı́cula de Canadá o no sea una
5. La probabilidad de que cuando se tenga que llenar casa rodante? R:0.91
el tanque de gasolina de un automóvil también se
necesite cambiarle el aceite es 0.25, la probabilidad
de que también se le tenga que cambiar el fi ltro de 9. La probabilidad de que el jefe de familia esté en
aceite es 0.40, y la probabilidad de que se necesite casa cuando llame el representante de marketing
cambiarle el aceite y el fi ltro es 0.14. de una empresa es 0.4. Dado que el jefe de familia
está en casa, la probabilidad de que la empresa le
a) Si se le tiene que cambiar el aceite, ¿cuál venda un producto es 0.3. Encuentre la probabili-
es la probabilidad de que también se necesite cam- dad de que el jefe de familia esté en casa y compre
biarle el filtro? productos de la empresa.
12
Bayes
1. En cierta región del paı́s se sabe por experiencia que la probabilidad de seleccionar un adulto mayor de 40
años de edad con cáncer es 0.05. Si la probabilidad de que un doctor diagnostique de forma correcta que una
persona con cáncer tiene la enfermedad es 0.78, y la probabilidad de que diagnostique de forma incorrecta
que una persona sin cáncer tiene la enfermedad es 0.06, ¿cuál es la probabilidad de que a un adulto mayor
de 40 años se le diagnostique cáncer?R: 0.0960
2. La policı́a planea hacer respetar los lı́mites de velocidad usando un sistema de radar en 4 diferentes puntos
a las orillas de la ciudad. Las trampas de radar en cada uno de los sitios L1, L2, L3 y L4 operarán 40%,
30%, 20% y 30% del tiempo. Si una persona que excede el lı́mite de velocidad cuando va a su trabajo tiene
probabilidades de 0.2, 0.1, 0.5 y 0.2, respectivamente, de pasar por esos lugares, ¿cuál es la probabilidad de
que reciba una multa por conducir con exceso de velocidad?
3. Suponga que los cuatro inspectores de una fábrica de pelı́cula colocan la fecha de caducidad en cada paquete
de pelı́cula al fi nal de la lı́nea de montaje. John, quien coloca la fecha de caducidad en 20% de los paquetes,
no logra ponerla en uno de cada 200 paquetes; Tom, quien la coloca en 60% de los paquetes, no logra ponerla
en uno de cada 100 paquetes; Jeff, quien la coloca en 15% de los paquetes, no lo hace una vez en cada 90
paquetes; y Pat, que fecha 5% de los paquetes, falla en uno de cada 200 paquetes. Si un cliente se queja
de que su paquete de pelı́cula no muestra la fecha de caducidad, ¿cuál es la probabilidad de que haya sido
inspeccionado por John? R:0.1124
13