Elementos de la Teoría

de Probabilidad
 Experimento Aleatorio
Experimento aleatorio (E)
Un experimento aleatorio E es una operación cuyo resultado
no se puede predecir con certeza y que se realiza bajo las
siguientes condiciones:

• Puede ser repetido bajo las mismas condiciones.

• Genera dos o más resultados bien definidos.
• Se puede describir el número de resultados posibles.
• Se puede establecer un modelo matemático, asociado a E.
 Experimento aleatorio

Ejemplos:
E1 = { Lanzar una moneda}
E2 = { Observar si mañana amanecerá o no nublado}
E3 = { Sacar una carta de una baraja}
E4 = { Medir la temperatura promedio que se dará en esta
semana}
E5 = { Invertir en publicidad de un producto y ver éste activa la
demanda}
E6 = { Tomar una prueba a un alumno y ver que nota obtiene}
E7 = { Observar mañana el tiempo que usted demorá en venir
de su casa a la Universidad}
 Espacio muestral
Espacio muestral ()
Es el conjunto de todos los resultados posibles de un
experimento aleatorio. Dependiendo de las características del
conjunto que se genera, se puede tener:

• Espacios muestrales finitos.

• Espacios muestrales infinitos.

> Espacios muestrales infinitos numerables.
> Espacios muestrales infinitos no numerables.
 Espacio muestral
1. Espacios muestrales finitos.
Son aquellos conformados por un número finito de elementos.

2. Espacios muestrales infinitos.

Son aquellos conformados por un número infinito de elementos.

2.1 Espacios muestrales infinitos numerables.

Si  es un conjunto numerable; es decir, si es posible asociar
un número natural con cada elemento de .

2.2 Espacios muestrales infinitos no numerables.

Si  es un conjunto no numerable; es decir, si no es posible
asociar un número natural con cada elemento de .
 Espacio muestral
(Otra clasificación)
1. Espacios muestrales discretos.

1.1 Espacios muestrales finitos.

Son aquellos conformados por un número finito de elementos.

1.2 Espacios muestrales infinitos numerables.

Si  es un conjunto numerable; es decir, si es posible asociar
un número natural con cada elemento de .

2. Espacios muestrales continuos, o no numerables

Si  es un conjunto no numerable; es decir, si no es posible
asociar un número natural con cada elemento de .
 Espacio muestral

Ejemplos:
Lanzar una moneda
={cara, sello}
Lanzar un dado
={1,2,3,4,5,6}
Tomar una prueba a un alumno y ver
que nota obtiene
={ω | ω es un número natural y 0=< ω
<=20}
 Punto Muestral
Punto muestral ( oi )
Viene a ser cualquier elemento ( resultado posible) de .
Si  = { o1, o2, o3, ... , on }, luego  tiene n puntos muestrales.
Ejemplo: Exp. Aleatorio=E= {Elección de un contribuyente}

El espacio  estará conformado por puntos muestrales tales como:

o1: José Quispe

...
o2: Miguel Miranda

on: Berta Osorio

 Evento
Evento
Es cualquier subconjunto de un espacio muestral . Los eventos se
identifican mediante letras mayúsculas.
 Al realizar un experimento, diremos que el evento A ha ocurrido
si el resultado obtenido es un elemento del evento A.
 Los eventos pueden ser definidos por extensión; esto es,
listando todos sus elementos, o por comprensión en frases o
palabras.
 Tome en cuenta que  es en sí un evento (el evento seguro) y el
vacío también lo es (el evento imposible).
 Evento
Ejemplo: Exp. Aleatorio=E= {Elección de un contribuyente}
Sobre  se puede definir eventos tales como:

A= { El contribuyente es del sexo femenino }

B= { El contribuyente es de soltero }

C= { El contribuyente tiene menos de 30 años }

 Eventos
Tipos de eventos
Eventos mutuamente excluyentes
Dos eventos A y B son mutuamente excluyentes (disjuntos 2 a 2) si
no tienen elementos comunes; es decir, si no pueden ocurrir
simultáneamente (A  B = Ø ).
A= { El contribuyente tiene más de 40 años }
B= { El contribuyente tiene menos de 30 años }
Eventos complementarios
Dos eventos A y B son complementarios si son mutuamente
excluyentes y su unión es el espacio muestral.
A= { El contribuyente tiene 30 años o más }
B= { El contribuyente tiene menos de 30 años }
 Evento
Ejemplo:
 En el experimento aleatorio lanzar dos dados se tiene
={(1,1),(1,2),(2,1),...,(6,6)}
Sea A= “Obtener un par” = {(1,1), (2,2), ....., (6,6)}
Diremos que el evento ocurre A si al lanzar los dados el primero de los
puntajes coincide con el del segundo; por citar si sale (3,3) el evento A
ocurrió, pero si sale (3,4) el evento A no ocurrió.
Si definimos el evento B = “La suma de los puntajes es 5” = {(1,4),
(4,1),(2,3),(3,2)}, entonces A y B son eventos disjuntos dos a dos.
 En el experimento aleatorio de observar el tiempo en minutos que usted
demorará mañana en venir de su casa a la Universidad, el espacio muestral
podría pensarse como  = [0, [.
Sea A = “Mañana me demoraré media hora o más” = [30, [. Entonces el
evento A ocurrirá si es que mañana usted se demora por ejemplo 42 minutos.
 Operaciones con Eventos
Unión de eventos
Es el conjunto de los resultados que están en uno o en ambos
eventos. Se denota por (A  B).
A  B  {w   / w  A  w  B}
A  B se expresa como: Al menos uno de los eventos A o B ocurre.
Si A y B son disjuntos:
 Operaciones con Eventos
Intersección de eventos
Es el conjunto de los resultados que están en ambos eventos. Se
denota por (A  B).
A  B  {w  / w  A  w B}
A  B se expresa como: Ambos eventos, A y B ocurren a la vez
 Operaciones con Eventos
Complemento de un evento
A C  {w   / w  A }
AC se expresa como: El evento A no ocurre. AC    A
 Operaciones con Eventos
Dados los n eventos A1, A2,…, An, la descripción de los siguientes
eventos es: 𝑛

 Alguno de los eventos ocurra. ራ 𝐴𝑖

𝑖=1
𝑛

 Todos los eventos ocurran. ሩ 𝐴𝑖

𝑖=1

𝑛 𝑛 𝑐

 Ninguno de los eventos ocurra. ሩ 𝐴𝑖 𝑐 = ራ 𝐴𝑖

𝑖=1 𝑖=1

𝑛 𝑛 𝑐

ራ 𝐴𝑖 𝑐 = ሩ 𝐴𝑖
 Alguno de los eventos no ocurra.
𝑖=1 𝑖=1
.
Recordando algunas propiedades de conjuntos en nuestro
espacio muestral

1) A  A  A A A  A
2) A  B  B  A A B  B  A
3) A  Ac   A  Ac  
4) A    A A  
5) A     A  A
6) c   c   ( Ac )c  A
7) A  ( B  C )  ( A  B)  ( A  C )
A  ( B  C )  ( A  B)  ( A  C )
8) ( A  B) c  Ac  B c ( A  B ) c  Ac  B c
 Ejemplo 1

Un inspector deberá revisar 3 trabajos, cualquiera de estos puede

haber satisfecho las especificaciones requeridas. Definamos los
eventos Ai : el trabajo i satisfizo las especificaciones, i = 1, 2, 3.

A partir de estos eventos expresemos los que siguen:

a) Los tres trabajos hayan satisfecho las especificaciones.
b) Por lo menos uno de los trabajos haya satisfecho las
especificaciones.
c) Solo dos de los trabajos hayan satisfecho las especificaciones.
d) Ninguno de los trabajos haya satisfecho las especificaciones.
e) Por lo menos uno de los trabajos no haya satisfecho las
especificaciones.
 Definiciones de probabilidad
Definición axiomática de probabilidad
Sea E un experimento aleatorio,  su espacio muestral asociado y A un
evento cualquiera de . La probabilidad es una transformación P que
asigna a cada evento A del espacio muestral Ω le hace corresponder un
número real P(A); y que satisface los siguientes axiomas:
 Axioma 1. A   : P( A)  0
 Axioma 2. P ( )  1

 Axioma 3. Sean A1 y A2 eventos de Ω, si A1  A2 ,entonces

P( A1  A2 )  P( A1 )  P( A2 )
Propiedades
Propiedades
 Ejemplo 2

Dos personas suelen trabajar en equipo al realizar un proyecto. La

probabilidad de que, al realizar el proyecto, la primera termine a
tiempo su trabajo es de 0.7; y la de que termine a tiempo la
segunda es de 0.8. Además, la probabilidad de que ambas
terminen a tiempo su trabajo es de 0.51. Calcular:
a) La probabilidad de que al menos una de estas personas
termine a tiempo su trabajo.
b) La probabilidad de que la primera persona no termine a tiempo
su trabajo, pero sí la segunda.
c) La probabilidad de que solo una de estas personas no termine
a tiempo su trabajo.
d) La probabilidad de que al menos una de estas personas no
termine a tiempo su trabajo.
 Definiciones de probabilidad
Definición Clásica
Si un experimento aleatorio E tiene n() resultados "mutuamente
excluyentes e igualmente posibles“ (número finito de elementos
equiprobables), y si n(A) de tales resultados están a favor de un
evento A; entonces, la probabilidad de ocurrencia del evento A es
dada por:

PA 
n( A)
n ( )
 TECNICAS DE CONTEO
Análisis Combinatorio
Conjunto de procedimientos que permiten determinar el
número de resultados de un suceso o experimento, sin
necesidad de utilizar una enumeración directa de todos los
posibles resultados de dicho suceso.
 TECNICAS DE CONTEO
Principio de adición
Dados dos sucesos A y B, el número de resultados posibles
en que puede ocurrir el suceso A o el suceso B (A ∪ B), es
dado por:
n( A ∪ B ) = n( A ) + n( B ) - n( A  B )

n(A) = Nº de maneras en que puede ocurrir el suceso A.

n(B) = Nº de maneras en que puede ocurrir el suceso B.
n(A  B)= Nº de maneras en que pueden ocurrir los sucesos
A y B, simultáneamente.
 TECNICAS DE CONTEO
Principio de multiplicación
Dados los sucesos: A1, A2, A3, .... ; si el suceso A1 puede
ocurrir de n(A1) maneras diferentes, y luego de ocurrir A1,
puede ocurrir otro suceso A2 de n(A2) maneras diferentes, ,
y luego de ocurrir A2, puede ocurrir el suceso A3 de n(A3)
maneras diferentes, y así sucesivamente; entonces, el
número de maneras en que pueden ocurrir
consecutivamente los sucesos: A1, A2, A3, .... es dado por:

n( A1  A2  A3  ... ) = n( A1 ) x n( A2 ) x n( A3 ) x . . . . .
 TECNICAS DE CONTEO
Permutaciones
Una permutación de un conjunto de elementos es una
disposición de tales elementos de acuerdo a un orden
definido. En número de permutaciones de n elementos
tomados r cada vez (de r en r ) es dado por:

n!
Prn
(n  r )!
n! n  (n  1)  (n  2)    3  2  1
0! 1
 TECNICAS DE CONTEO
Combinaciones
Una combinación de un conjunto de elementos es una
selección de tales elementos sin tener en cuenta su orden.
En número de combinaciones de n elementos tomados r
cada vez (de r en r ) es dado por :

n n!
C    
n

 r  ( n  r )! r!
r

P  C r!  C P
r
n n
r
n
r r
r
 TECNICAS DE CONTEO
Métodos de selección de elementos

Muestreo con reemplazo o con reposición (MCR)

MCR Se eligen “n” elementos

Población
”N”

Número de resultados
posibles

Aplicaciones Principio de multiplicación

N° de resultados  N n
 TECNICAS DE CONTEO
Métodos de selección de elementos
Muestreo con reemplazo o con reposición (MCR)

MCR
a, b, Se eligen 3
c, d
Elemento 1° 2° 3°

a, a, a,
b, b, b,
c, c, c,
d d d

N° de opciones 4 4 4

N° de maneras= 4 x 4 x 4 = 43 = 48
 TECNICAS DE CONTEO
Métodos de selección de elementos
Muestreo sin reemplazo o sin reposición (MSR)

MCR Se eligen “n” elementos

Población
”N”
Número de resultados
posibles

Con interés en el Sin interés en el

orden de selección orden de selección

Permutaciones Combinaciones
 TECNICAS DE CONTEO
Métodos de selección de elementos

Muestreo sin reemplazo o sin reposición (MSR)

a, b,
c, d Grupos Arreglos (órdenes diferentes)
a, b, c a,b,c a,c,b b,a,c b,c,a c,a,b c,b,a
MSR
a, b, d a,b,d a,d,b b,a,d b,d,a d,a,b d,b,a

Se a, c, d a,c,d a,d,c c,a,d c,d,a d,a,c d,c,a

eligen 3
b, c, d b,c,d b,d,c c,b,d c,d,b d,b,c d,c,b
Combinaciones Permutaciones
 4  4!
4 4

4!
 24
 3 P3
  (4  3)! 3! (4  3)!
 EJEMPLO 3

Una empresa tiene una caja con componentes eléctricos

tipo A, B y C. La caja contiene 5 componentes que son
del tipo A; 10, que son del tipo B y; 4, que son del tipo C.
Todos los componentes realizan la misma función. El
cliente RESDO le ha pedido a la empresa que le envíe 3
componentes.
a)¿De cuántas maneras se puede hacer el envío?
b)¿Cuál es la probabilidad de que en el envío el número
de componentes tipo B sea de al menos dos?
 EJEMPLO 4
Un proveedor mayorista de ciertos equipos frigoríficos de
conservación de alimentos posee 20 equipos de los cuales 4 son
defectuosos. Una empresa desea comprar los 20 equipos. Para
aceptar cualquier compra la empresa realiza un control de calidad
sobre una muestra tomada sin reemplazo que contiene el 20 por
ciento del tamaño total de la compra y sólo acepta si ningún equipo
de la muestra es defectuoso.
a) Suponga que el proveedor entrega los 20 equipos en un sólo lote.
¿Cuál es la probabilidad de que la empresa acepte el lote
b) Suponga ahora que el proveedor entrega dos lotes de 10 piezas
cada uno, en cuyo caso puede elegir cuántos de los cuatro
equipos defectuosos pone en cada lote, por lo tanto colocó 2 de
los equipos defectuosos en cada uno de los lotes. Considerando
el resultado de la pregunta anterior, ¿Con cuál estrategia tiene
mayor probabilidad de que su lote sea aceptado?
 EJEMPLO 5
En una empresa hay 3 subgerencias vacantes: la de
Ventas, la de Manufacturas, y la de Finanzas. Para cubrir
estas vacantes, la empresa decide elegir al azar a tres de
sus ejecutivos aptos para asumir una subgerencia. Si la
empresa tiene cuatro sucursales: San Isidro, con 5
ejecutivos, Miraflores, con 8 ejecutivos; San Miguel, con 4
ejecutivos; y La Molina: con 3 ejecutivos.
a) ¿De cuántas maneras se pueden cubrir las
subgerencias?
b) ¿Cuál es la probabilidad de que los tres ejecutivos
pertenezcan a la misma sucursal?
 Definiciones de probabilidad
Definición de probabilidad a partir de frecuencias relativas
Si un experimento aleatorio E se repite n veces bajo las mismas
condiciones y nA resultados están a favor de un evento A, la
frecuencia relativa del evento es frA= nA / n y la probabilidad del
evento A es igual a:

PA   Lim frA  Lim

nA
n  n  n
 EJEMPLO 6

• Se define el experimento E = lanzar una moneda y observar

el resultado en la cara superior. Repita el experimento 25
veces y use la definición frecuencial para asignarle
probabilidad al evento A = sale cara.
• En un bosque donde hay miles de aves de una cierta especie,
se captura, para luego dejarlas libres, a 85 de ellas y se
observa que 4 padecen una cierta enfermedad. Aproximar la
probabilidad de que una ave de dicha especie padezca la
enfermedad.
 Probabilidad condicional
• Sean A y B dos eventos y P(B) > 0. La probabilidad
condicional de A con respecto a B es la probabilidad de
que ocurra A sabiendo que B ya ocurrió y se define por:

Ejemplo: Suponga que de una baraja normal de cartas (sin

comodines) se extrae una carta al azar. Si se definen los eventos
A = “ la carta seleccionada es de tréboles” y
B = “ la carta seleccionada es negra” .
Halle P(A|B) y P(A). ¿Son estás probabilidades iguales ? ¿ Qué
significa que no lo sean ?
  

A A

B
B

P(A) = 0.25 P(A) = 0.25

P(B) = 0.1 P(B) = 0.10
P(A∩B) = 0.1 P(A∩B) = 0.08

¿Cuál es la probabilidad de A sabiendo que B ya ocurrió?

P(A|B)=1 P(A|B)=0.8
 Propiedades de probabilidad condicional

1. 0  P[ A | B ]  1
2. P[  | B ] = 1
3. P[ A |  ] = P[ A ]
4. P[ A ∪ B | C ] = P[ A | C ] + P[ B | C ] - P[ A ∩ B | C ]
5. Si A1, A2, A3, ... , Ak son k eventos de , que son mutuamente
excluyentes; es decir, son eventos tales que: Ai ∩ Aj = ø  ij
i, j = 1, 2, 3, ... , k, entonces,
U k
Ai  k
  P Ai / B 
B 
P i  1
 i 1
 
 EJEMPLO 7
A continuación se presenta la distribución de una muestra de personas
inscritas en un gimnasio de acuerdo a su edad en años cumplidos y a su
peso. 18 a 30 31 a 50 Más de 50
años años años
Bajo de 3 2 1
peso
Peso 20 10 4
adecuado
Sobrepeso 6 14 9
Si se selecciona al azar a una de las personas de la muestra:
a) Calcule la probabilidad de que la persona tenga más de 50 años y tenga
peso adecuado.
b) Si la persona tiene más de 50 años, calcule la probabilidad de que
tenga peso adecuado.
c) Si se sabe que la persona tiene peso adecuado, ¿con qué probabilidad
tendrá más de 50 años?
d) Calcule la probabilidad de que la persona tenga bajo peso dado que se
sabe tiene de 18 a 30 años.
 Teorema de multiplicación de probabilidades

1. P[ A ∩ B ] = P[ A ] P[ B | A ]
P[ A ∩ B ] = P[ B ] P[ A | B ]

Estas igualdades se deducen de:

PA  B
PA | B    PA  B  PB PA | B 
PB
PA  B
PB | A   PA I B  PA  PB | A
PA 
Teorema de multiplicación de probabilidades
2. P[ A ∩ B ∩ C] = P[ A ] P[ B | A ] P[ C | A ∩ B ]
= P[ B ] P[ A | B ] P[ C | A ∩ B ]
= P[ A ∩ B ] P[ C | A ∩ B ]
P[ A ∩ B ∩ C] = P[ A ] P[ C | A ] P[ B | A ∩ C ]
= P[ C ] P[ A | C ] P[ B | A ∩ C ]
= P[ A ∩ C ] P[ B | A ∩ C ]
P[ A ∩ B ∩ C] = P[ B ] P[ C | B ] P[ A | B ∩ C ]
= P[ C ] P[ B | C ] P[ A | B ∩ C ]
= P[ B ∩ C ] P[ A | B ∩ C ]
 EJEMPLO 8
En un lote de 50 computadoras hay 20 que son
HP. Si se escoge al azar y una por una dos
computadoras del lote, encontrar la probabilidad
de que la primera sea HP y la segunda no lo sea.
 EJEMPLO 9
Usted debe de hacer una gestión en un Banco
que posee 8 sucursales en la ciudad; sin
embargo, tan sólo dos de estas sucursales
pueden hacer esta gestión. Dado que usted no
sabe exactamente que sucursales lo hacen,
usted decide seleccionar al azar estas para
visitarlas una por una. ¿Con qué probabilidad
tendrá que hacer 4 visitas hasta poder realizar la
gestión?.
 Partición

Sean A1, A2, . . . , Ak eventos de un mismo espacio

muestral . Dichos eventos forman una partición de  si
son mutuamente excluyentes y colectivamente exhaustivos.
Es decir, si cumplen con las condiciones siguientes:

1. Ai  A j   ,  i  j
k
2. UA i 
i 1
 Partición

A1 A2 A3
Condiciones

1. A i  A j   ,  i  j
A4 A6 k
A5 2. UA i 
i 1

1. A1  A 2   , A1  A 3   ,..., A5  A 6  
2. A1 U A 2 U A 3 U A 4 U A5 U A 6  
 Teorema de probabilidad total

Sean A1, A2, . . . , Ak eventos que forman una partición de

un espacio muestral ; y sea B otro evento cualquiera de .
Luego, la probabilidad del evento B se puede obtener de la
siguiente manera:

PB  P B  A1   P B  A 2   ...  P B  A k 
k k
  P B  A i    P A i P B | A i 
i 1 i 1
 Teorema de probabilidad total

PB  PB  A1     PB  A k 
A2 A3
A1
k
  P B  A i 
i 1
A4 B
k
A6   P A i P B /A i 
A5
i 1

PB  P B  A1    B  A 2   ...   B  A 6 
6 6
  P B  A i    P A i P B | A i 
i 1 i 1
 Ejemplo 11

Un empresa financiera califica de acuerdo a una tabla, las

solicitudes de crédito como de prioridad 1, de prioridad 2 o de
prioridad 3. Del total de solicitudes de crédito recibidas, el
18% son calificadas de prioridad 1, el 32% de prioridad 2 y el
50% de prioridad 3. En una reunión del directorio se han
aprobado el 80% de solicitudes de crédito de prioridad 1, el
40% de prioridad 2 y el 18% de prioridad 3. Si se elige al azar
una solicitud de crédito, hallar la probabilidad que sea una
solicitud aprobada.
S1= Prioridad 1
Solicitud
de crédito S2= Prioridad 2
S3= Prioridad 3
 Teorema Bayes

P B  A i 
PA i | B 
A2 A3
P B
A1

P B  A i 
 k
 P B  A j 
A4 B
A6
A5 j 1

P B  A 2  P B  A 2 
PA 2 | B  
P B P B  A1   P B  A 2   ...  P B  A 6 
P B  A 2 
 6

 P A P B | A 
i 1
i i
 Teorema Bayes

Probabilidades Información Teorema de Posibilidades

a priori nueva Bayes posteriores

El teorema de Bayes establece una relación muy importante

en la teoría de probabilidades y es la base para la revisión
de la asignación de probabilidades a la luz de información
adicional
 Ejemplo 12

Un empresa financiera califica de acuerdo a una tabla, las

solicitudes de crédito como de prioridad 1, de prioridad 2 o de
prioridad 3. Del total de solicitudes de crédito recibidas, el
18% son calificadas de prioridad 1, el 32% de prioridad 2 y el
50% de prioridad 3. En una reunión del directorio se han
aprobado el 80% de solicitudes de crédito de prioridad 1, el
40% de prioridad 2 y el 18% de prioridad 3. Si se elige al azar
una solicitud de crédito y se sabe que fue aprobada, ¿Con
que prioridad es más probable que la solicitud haya sido
calificada? S1= Prioridad 1
Solicitud
de crédito S2= Prioridad 2
S3= Prioridad 3
 Independencia
• Dos eventos A y B son independientes si la probabilidad de
que ocurra uno no afecta la ocurrencia del otro

P ( A | B )  P ( A)

• De aquí , que equivalentemente A y B son independientes si:

P( A  B)  P( A) P( B)
Como ejemplo los eventos A y B en el ejemplo de la baraja no
son independientes; pero si por otro lado lanzaramos dos
monedas, los eventos en que la primera muestre cara y la
segunda sello si serían independientes.
 Independencia de dos eventos

Propiedades
I. Sean A y B son dos eventos de un espacio muestral  que
tienen probabilidad positiva (mayor que cero); luego, si A es
independiente de B, luego, B es independiente de A.

II. Si A y B son dos eventos independientes; luego, también lo

son los siguientes eventos:

1.  
A y Bc  P A  Bc  PA P Bc  
2. Ac y B  P A c
 B  PA  PB
c

Ac y B  P A
c c
 B   PA  PB 
c c c
3.
 Independencia de dos eventos
Propiedades
Si en una colección de eventos independientes se escogen
subcolecciones disjuntas (de este modo ningún evento estará en más de
una subcolección) y con cada subcolección se construye un evento
mediante operaciones (de reunión, intersección o complemento) entre los
eventos que la integran; entonces, los eventos así obtenidos también son
independientes.
Ejemplo: Si los eventos A;B;C y D; son independientes, entonces
también lo son, por ejemplo:
 Independencia: Ejemplo 13

Un proveedor de productos informáticos ha llevado a cabo un

estudio entre sus clientes acerca de la preferencia sobre tres
productos A, B y C. Encontró que el 50% prefieren A, el 37%
prefieren B y el 30% prefieren C. Además, el 12% prefieren A y B, el
8% prefieren sólo A y C, el 5 % prefieren sólo B y C, el 13%
prefieren sólo C, y el 4% prefieren A, B y C.

¿Son los eventos A y B independientes?

 Independencia: Ejemplo
A B
0.30 P[A ]=0.5
0.08 0.20
P[ B]=0.37
0.08 0.04
P[A ∩ B ]=0.12
0.05
C 0.13 0.12
Puesto que : P[A] P[ B ]= (0.5)(0.37)=0.185

Luego, P A  B  PA  PB

Por lo tanto A y B no son eventos dependientes.

 EJEMPLO 14
Estudios realizados sobre posibles pérdidas o utilidades con dos
proyectos de inversión fueron efectuados por un analista financiero.
En el estudio, se indicó que invirtiendo en el proyecto A se pueden
obtener los siguientes resultados de pérdidas o ganancias (en miles de
soles): -20 , 0 , 40 con probabilidades respectivas 0,1 ; 0,30 ; 0,60.
Invirtiendo en el proyecto B las probabilidades para los resultados -20
, 0 , 40 son 0,30 ; 0,40 ; 0,30 respectivamente. Considerando que el
resultado obtenido en el proyecto A no condiciona al resultado
obtenido en el proyecto B.

a)¿Cuál es la probabilidad de que se obtenga pérdidas en los dos

proyectos?
b)¿Cuál es la probabilidad que en ambos proyectos se obtenga el
mismo resultado económico?
 EJEMPLO 15
Suponga que dos estudiantes de Economía Luis y Carlos juegan 24
partidas de ajedrez, con los siguientes resultados:

Resultado de Nro. de
las partidas partidas
Luis gana 12
Carlos Gana 8
Empate 4

Ellos acuerdan jugar tres partidas más. Determine la probabilidad de

que:
a)Luis gane las tres partidas
b)Dos partidas sean empates.
c)Carlos gana por lo menos una partida
 EJEMPLO 16
Una fábrica de bebidas gaseosas tiene dos máquinas envasadoras. En
un día, la máquina 1 envasa el 65% de las botellas, y la máquina 2, el
35% restante. Además, se sabe que, del total de botellas envasadas por
la máquina 1, el 2% son defectuosas; y del total de botellas envasadas
por la máquina 2, el 1% son defectuosas.
a)Si de la producción de un día, se elige al azar una botella; determine
la probabilidad de que la botella resulte no defectuosa.
b)Si de la producción de un día, se elige al azar una botella, y se sabe
que no es defectuosa; determine la probabilidad de que haya sido
producida por la máquina 2.
c)Suponga que, de la producción del día 9 de junio se selecciona al
azar una botella; y de la producción del día 10 de junio, también se
selecciona al azar una botella. Halle la probabilidad de que una de las
dos botellas seleccionadas sea defectuosa
 Definiciones de probabilidad

Probabilidad Geométrica
Para la evaluación de una probabilidad en espacios
muestrales infinitos no numerables debe tenerse en
cuenta la dimensión del espacio asociado a , y la forma
de medir la magnitud dentro de dicho espacio.
Tipo de espacio Unidad de medida
Unidimensional Distancia
Bidimensional Area
Tridimensional Volumen
 Ejemplo 17

Si se elige al azar un punto, dentro del intervalo 14  x  30.

Hallar la probabilidad que el valor elegido sea menor que 18.

Para este experimento aleatorio se tiene:

 = { x / 14  x  30 , x  R } , y n() =  30 -14  =16

A = { x / x <18 , x  R } , y n(A) =  18 -14  = 4

 P[A] = n(A) / n() = 4/16 = 1/4

 Ejemplo 18

Suponga que las utilidades de dos empresas X e Y se

distribuyen uniformemente en la región definida por el
círculo: X2 + Y2  16.

Hallar la probabilidad que la suma de las utilidades sea

mayor a 4 u.m.

Para este experimento aleatorio se tiene:

 = { (x,y) / x2 +y2  16, (x,y) R2 } , y n()= (4)2 =16

A = { (x,y) / x+y >4, (x,y)  }

 Ejemplo 18
 = { (x,y) / x2 +y2  16, (x,y) R2 } , y n()= (4)2 =16

A = { (x,y) / x+y >4, (x,y)  }

 Ejemplo 18
n()= (4)2 =16; A = { (x,y) / x+y >4, (x,y)  }

n(A)= (16 /4) – (4x4 /2)= 4 – 8

 Ejemplo 18

n()= (4)2 =16; A = { (x,y) / x+y >4, (x,y)  }

n(A)= (16 /4) – (4x4 /2)= 4 – 8

P[A] = n(A) /n() = (4- 8) /16  = (- 2 )/ 4

= 0.090845056