PROBABILIDAD Y ESTADISTICA

PROF.: Dra. Sonia Salvo Garrido

Unidad I: Probabilidad
1.0 Introducción
• Los primeros estudios sobre probabilidad tuvieron su origen en los
juegos de azar.

• Por muchos años las ideas de probabilidades estuvieron asociadas

a los juegos de azar, hasta que en el siglo XVIII los matemáticos
Laplace y Gauss muestran que las probabilidades son también
aplicables a otras actividades.

• La teoría de probabilidades conocida hoy en día fue desarrollada

por el matemático Kolmogorov quien en su paper titulado
“Foundations of Theory of Probability”, desarrolló la teoría
axiomática de la probabilidad.

• En esta unidad se presentará un modelo matemático que recoja la

idea vaga de probabilidad que se tiene y le de un contexto preciso.
1.1 Conceptos Importantes

Experimento: es la ejecución de algo en el cual se obtiene

un resultado.

- Experimento Aleatorio: Un experimento es aleatorio si

satisface las siguientes condiciones:
i) No se conoce un resultado particular del experimento
antes de ejecutarlo.
ii) Se conocen todos los posibles resultados del experimento.
iii) El experimento se repite en idénticas condiciones.

Espacio Muestral (Ω): Conjunto de resultados posibles al

desarrollar un experimento.
Ejemplos:

1.- Lanzar una moneda honesta y observar su cara

superior.

2.- Lanzamiento de un dado honesto y observar su cara

superior.

3.- Contar el número de partículas radioactivas que emite

una fuente en un minuto.

4.- Medir el tiempo de vida útil de una ampolleta.

Ω = {c, s} Ω = {0,1,2,…}
Ω = {1,2,…, 6} Ω= t   : t  0
Número finito Número infinito numerable
de elementos Número infinito no numerable

Si Ω tiene un número finito o infinito numerable de elementos, se dirá

que es Discreto.

Si Ω tiene como elementos todos los puntos de algún intervalo de la

recta real, se dirá que es Continuo.
Evento o Suceso: Subconjunto cualquiera del espacio muestral.

Ω espacio muestral E espacio muestral

A SUCESO
A’ COMPLEMENTO

SUCESO

E espacio muestral
E espacio muestral
A
A
B
B

INTERSECIÓN
UNIÓN
 Ejemplo: Observar las caras de dos dados al ser lanzados al aire.

El experimento consiste en lanzar dos dados al aire, por lo que el espacio muestral es:

  {(i, j ); i  1, 6; j  1, 6 }

Este experimento tiene 36 eventos elementales. Se definen los siguientes eventos:

A1: “La suma de los dos números es divisible por tres”.
A2: “Los dos dados muestran el mismo número”.
A3: “El segundo número es el cuadrado del primero”.
Evidentemente estos eventos son compuestos y se pueden describir:

A1  {(i, j )   : i  j  3n; n  1,4}

A2  {(i, j )   : i  j}
A3  {(i, j )   : j  i 2}
A2  A3  {(1,1), (2,2), (3,3), (4,4), (5,5), (6,6), (2,4)}
A1  A3  {( 2,4)}, etc.
 Definición de probabilidad

 Probabilidad: Es una función de conjunto, definida sobre una clase A

de subconjuntos del espacio muestral Ω, tal que a un subconjunto
cualquiera A de A le asocia un número P(A), llamado probabilidad de
A, y que debe satisfacer los siguientes axiomas:

Ax.1 P()  1
Ax.2 P( A)  0
 
Ax.3 P  Ai    P( Ai ),  Ai  A j   , i  j.
i  i
 A es una clase específica, una σ-álgebra, que incluye al
conjunto ø, al espacio muestral y es cerrada bajo uniones e
intersecciones numerables de sus conjuntos.

 La formulación de los axiomas de probabilidad completa la

descripción matemática de un experimento aleatorio, que
consta de tres elementos fundamentales: un espacio
muestral Ω, una σ-álgebra de eventos A, y la función de
probabilidad P.

 La terna ordenada (Ω, A, P) constituye un espacio de

probabilidad asociado a un experimento aleatorio.

En todo experimento aleatorio, el espacio muestral Ω juega

el papel de conjunto universal de manera que todos los
complementos son tomados con respecto a Ω.
1.3 Axiomas de Probabilidad

Teorema 1.1: Sean A y B dos eventos arbitrarios

a) P( )  0

b) Si A  , entonces P( AC )  1 - P( A)

c) Sean A y B  , entonces P( A  B C )  P( A) - P( A  B )
d) Si A  B, entonces P( A)  P( B )

Teorema 1.2 : Sean A y B dos eventos arbitrarios

P( A  B )  P(A)  P(B ) - P(A  B )

Teorema 1. 3: Dado un espacio muestral  y
cualquier evento A  

P (A)   P (Ai )
k

i 1

donde Ai , i  1,...k son eventos elementales distintos y

k
A   Ai
i 1
 Conclusiones
• Los Axiomas Ax1, Ax2 y Ax3 y sus resultados obtenidos,
definen las propiedades de una medida de probabilidad, las
cuales son consistentes con nuestra noción intuitiva.

•El Teorema 1.3 da una caracterización de los eventos

compuestos mediante eventos elementales, lo que facilita en
gran medida el cálculo de probabilidades, sobre todo en
aquellos casos en que Ω es finito.

 La probabilid ad para cualquier evento A   : es

n( A)
P( A) 
n()
donde n( A) es el número de elementos de A y n() es el número de
elementos del espacio muestral.
Ejemplo:
En una ciudad se publican tres periódicos A, B, C. El 30%
de la población lee A, el 20% lee B y el 15% lee C; el
12% lee A y B, el 9% A y C, el 6% B y C y finalmente el
3% lee los tres periódicos. Se pide:
a)Porcentaje de personas que leen al menos uno de los
tres periódicos.
b) Porcentaje que lee sólo A.
c) Porcentaje que leen B o C, pero no A.
d) Porcentaje de personas que leen A o bien, no leen ni B
ni C.
 1.4 Probabilidad Condicional, Independencia.
A veces se sabe que un evento determinado ocurre y basándose en
esta información, se quiere averiguar cuál es la probabilidad de otro
evento.

Probabilidad Condicional: Sean dos eventos A y B, la probabilidad

condicional de que A ocurra, dado que ha ocurrido B, es:

P( A  B)
P( A / B)  , si P ( B )  0
P( B)
P ( A / B )  0, si P ( B )  0
E espacio muestral

P( AB)
P( A | B)  A
B
P( B)
→ Las probabilidades Condicionales satisfacen los axiomas de probabilidad.
 Intuir la probabilidad condicionada

A A

B
B

P(A) = 0,25 P(A) = 0,25

P(B) = 0,10 P(B) = 0,10
P(AB) = 0,10 P(AB) = 0,08

¿Probabilidad de A sabiendo que ha pasado B?

P(A|B)=1 P(A|B)=0,8
 Intuir la probabilidad condicionada

A A

B
B

P(A) = 0,25 P(A) = 0,25

P(B) = 0,10 P(B) = 0,10
P(AB) = 0,005 P(AB) = 0
¿Probabilidad de A sabiendo que ha pasado B?
P(A|B)=0,05 P(A|B)=0
Ejemplo:

Un circuito electrónico consta de dos subsistemas, A y

B. A partir de una serie de pruebas se supone las
siguientes probabilidades:
P (A falle) = 0.2; P (B falle sólo) = 0.15; P (A y B fallen) =
0.12.
Calcular:
a) P (A falle/B ha fallado)
b) P (A falle sólo)
c) P (A falle/ B no ha fallado)
d) P (A no falle/ B no ha fallado)
  Probabilidad de la intersección: Esta probabilidad es
frecuentemente más utilizada, ya que generalmente la
probabilidad condicional aparece como dato, por lo
tanto para cualquier par de eventos A1 y A2:

P( A1  A2 )  P( A2 / A1) P( A1)

donde A1  A2 puede ser interpretado como una sucesión de eventos

en dos etapas. El evento que condiciona A1 describe el resultado de la
primera y A2 el resultado de la segunda.
 Ejemplo
En Temuco, la probabilidad de que llueva el primero de Julio es 0.5. Si
llueve el día 1 de Julio, la probabilidad que llueva al día siguiente es 0.8.
¿Cuál es la probabilidad que llueva los dos primeros días de Julio?

Sean los eventos :

J1 : " llueve el día 1 de Julio"

J 2 : " llueve el día 2 de Julio"

Entonces el evento J1  J 2 : " Llueve el día 1 y 2 de Julio". tiene probabilidad

P( J1  J 2 )  P( J 2 / J1) P( J1)  0.8  0.5  0.4

Ejemplo:
Una caja contiene dos bolas blancas y tres negras. Una bola se
selecciona al azar y enseguida se extrae la otra de las restantes. ¿Cuál
es la probabilidad que la primera sea negra y la segunda blanca?.
¿Cuál es la probabilidad que la segunda sea blanca?
Definimos los siguientes eventos:
A: “la primera bola es negra”
B: “la segunda bola es blanca”
Tenemos entonces que P(A)=3/5 y la segunda extracción depende
de lo que haya sucedido en la primera extracción. Si la primera fue
negra, restan dos blancas y dos negras para la segunda extracción.
Así, de acuerdo a nuestra notación P(B/A)=2/4 y luego
P(A∩B) = P(B/A)P(A) = 2/4 x 3/5 = 3/10
Para la segunda pregunta, notemos que B = (A∩B) U (Ac∩B) y por
Ax.3
P(B) = P(A∩B) + P(Ac∩B) = 2/4 x 3/5 + 1/4 x 2/5 = 2/5
Ejemplo: Tarea
Una caja de fusibles contiene 20 unidades, de los cuales 5 son
defectuosas. Si tres de estos fusibles son tomados al azar, en sucesión
y sin reemplazo.
a)¿Cuál es la probabilidad de que los tres sean defectuosos?
b) Si en cada uno de las dos primeras se extrajo un defectuoso, ¿cuál
es la probabilidad de que el tercero extraído sea bueno?.
c)Si los dos primeros estaban buenos, ¿Cuál es la probabilidad de que
el tercero extraído sea defectuoso?
d)¿Cuál es la probabilidad que los dos primeros sean buenos y el
tercero defectuoso?
Considerando los siguientes eventos:
A = El primer fusible extraído es defectuoso.
B = El segundo fusible extraído es defectuoso.
C = El tercer fusible extraído es defectuoso.
…
… Del enunciado tenemos P(A) = 5/20, P(B/A) = 4/19 y P(C /A∩B) = 3/18
Para (a) notemos que la probabilidad que los tres sean defectuosos
corresponde a la probabilidad de la intersección de los sucesos recién
definidos; esto es. P(A∩B∩C), aplicando la regla del producto y
reemplazando los valores correspondientes tenemos
P(A∩B∩C) = P(C /A∩B) P(B/A) P(A) = 3/18 x 4/19 x 5/20 = 0.0087
La pregunta (b) es una probabilidad condicional y corresponde a:
P(Cc /A∩B) = 1 – P(C /A∩B) = 1 – 3/18 = 15/18 = 0.83
Para la parte (c) tenemos que:
P(C / Ac ∩ Bc) = 5/18 = 0.277
Finalmente, la probabilidad de que los primeros sean buenos y el tercero
defectuoso está dada por

P(Ac ∩ Bc ∩ Cc) = P(C / Ac ∩ Bc) P(Bc /Ac) P(Ac) = 0.15

 Divide y vencerás

A1 A2
Todo suceso B, puede ser
descompuesto en componentes
de dicho sistema.
B
B = (B∩A1) U (B∩A2 ) U ( B∩A3 ) U ( B∩A4 )

A3 A4

Nos permite descomponer el problema B en

subproblemas más simples.
 Teorema de la probabilidad total

A1 A2
Si conocemos la probabilidad de B en cada
uno de los componentes de un sistema
exhaustivo y excluyente de sucesos,
entonces…

B … podemos calcular la probabilidad de B.

A3 A4

P(B) = P(B∩A1) + P(B∩A2 ) + P( B∩A3 ) + ( B∩A4 )

=P(B|A1) P(A1) + P(B|A2) P(A2) + …

Teorema 1.4. (de la probabilidad total).
Supongamos que los eventos A1, A2 ,, Ak forman una partición de  ,
k
es decir,  Ai   y Ai  A j   i  j. Entonces para cualquier evento
i 1
E se tiene :

k
P( E )   P( Ai ) P( E / Ai )
i 1

Teorema1.5. (de Bayes)

Bajo las mismas condiciones del Teorema 1.4 se tiene

P( Ai ) P( E / Ai )
P( Ai / E )  , i  1, k
k
 P( A j ) P( E / A j )
j 1
Ejemplo: En este aula el 70% de los alumnos son varones. De ellos el 10%
son fumadores. De las mujeres, son fumadoras el 20%.
• ¿Qué porcentaje de fumadores hay en total?
– P(F) = P(F∩H) + P(F∩M)
= P(F|M) P(M) + P(F|H) P(H)
T. Prob. Total.
=0,2 x 0,3 + 0,1 x 0,7 Hombres y mujeres forman
Un Sist. Exh. Excl.
De sucesos
= 0,13 =13%

• ¿Se elige a un individuo al azar y resulta

fumador. ¿Cuál es la probabilidad de que sea un hombre?
– P(H|F) = P(F ∩ H)/P(F)
Mujeres
= P(F|H) P(H) / P(F) Varones
= 0,1 x 0,7 / 0,13
T. Bayes = 0,54 = 54%
fumadores
 Expresión del problema en forma de árbol

Fuma P(F) = 0,7 x 0,1 + 0,3x0,2

0,1

0,7 Hombre 0,9

P(H | F) = 0,1x0,7/P(F)
No fuma
Estudiante
•Los caminos a través de nodos
0,2 representan intersecciones.
0,3 Fuma
Mujer
•Las bifurcaciones representan
uniones disjuntas.
0,8
No fuma •Podéis resolver los problemas
usando la técnica de vuestra
preferencia.
 Teorema de Bayes
Si conocemos la probabilidad de B en
A1 A2
cada uno de los componentes de un
sistema exhaustivo y excluyente de
sucesos, entonces…
…si ocurre B, podemos calcular la
probabilidad (a posteriori) de
B ocurrencia de cada Ai.

P(B Ai)
A3 A4 P(Ai | B) 
P(B)
donde P(B) se puede calcular usando el teorema de la probabilidad total:

P(B)=P(B∩A1) + P(B∩A2 ) + P( B∩A3 ) + ( B∩A4 )

=P(B|A1) P(A1) + P(B|A2) P(A2) + …

Teorema 1.5. (de Bayes)

Bajo las mismas condiciones del Teorema 1.4 se tiene

P ( Ai ) P ( E / Ai )
P ( Ai / E ) 
k
 P( A )P(E / A )
j j
j 1
 Ejemplo
El gerente de una empresa regional dispone de dos autos; uno
proporcionado por la empresa y el otro de su propiedad. La probabilidad
que utilice su auto es 2/5 y la probabilidad que utilice el auto de la empresa
es 3/5. Además se sabe que el gerente llega a tiempo a las reuniones de la
empresa con probabilidad de 1/5 y que se utiliza el auto de la empresa, la
probabilidad de llegar a tiempo a esas reuniones es 1/4. ¿Cuál es la
probabilidad que llegue a tiempo a una reunión dado que utilizó su propio
auto?. Dado que el gerente llegó a tiempo a la reunión, ¿Cuál es la
probabilidad que haya utilizado el auto de la empresa?

Definamos los siguientes eventos:

A: “el gerente utiliza auto propio”.

B: “el gerente utiliza auto proporcionado por la empresa”.

C: “el gerente llega a tiempo a las reuniones”.

…
… Tenemos entonces de acuerdo al enunciado que: P(A) = 2/5, P(B)=3/5,
P(C) = 1/5 y P(C/B) = 1/4

La primera pregunta corresponde a P(C/A). Del teorema de la probabilidad

total tenemos

P(C) = P(C /A) P(A) + P(C/B) P(B), de donde

P(C /A) = [P(C) – P(C/B)P(B)] / P(A) = [1/5 – (1/4 x 3/5)] / (2/5) = 1/8

La segunda corresponde a P( B/C) y es una aplicación directa del teorema

de Bayes. En efecto:

P(B/C) = [P(C/B) P(B)] / [P(C/B) P(B) + P(C/A) P(A)

= [1/4 x 3/5] / [(1/4 x 3/5) + (1/8 x 2/5)] = 3/4

Dos sucesos son independientes si el que ocurra uno
no añade información sobre el otro. En lenguaje probabilístico:

– A indep. B  P(A|B) = P(A)

• Dicho de otra forma:

– A indep. B  P(AB) = P(A) P(B)

 Sistema exhaustivo y excluyente de sucesos

A1 A2
Son una colección de sucesos

A1, A2, A3, A4…

Tales que la unión de todos ellos

forman
A3 A4 el espacio muestral, y sus
intersecciones
son disjuntas.
Ejemplo
Sean A y B dos sucesos independientes, entonces A y Bc son
independientes. En efecto:

P( A  Bc )  P( A) - P( A  B)
 P( A) - P( A) P( B)
 P( A)[1 - P( B)]
 P( A) P( Bc )
Así, de acuerdo a la definición de independencia entre eventos, A y Bc
son independientes.
Ejemplo
La probabilidad que un estudiante estudie para un examen final
es 0.20. Si estudia, la probabilidad de que apruebe el examen es
0.80 en tanto que si no estudia, la probabilidad es de sólo 0.50.
¿Cuál es la probabilidad que dicho estudiante apruebe su
examen final?. Dado que aprobó su examen, ¿Cuál es la
probabilidad que él haya estudiado?.

Consideremos los siguientes eventos:

A: “el estudiante estudia para el examen”.
B: “el estudiante aprueba el examen”.
…
… Del enunciado tenemos que: P(A) = 0.20, P(B/A)=0.80, P(B/Ac)
= 0.50. La primera pregunta corresponde a la probabilidad de que B
ocurra; esto es:

P(B) = P(B /A) P(A) + P(B/Ac) P(Ac) = 0.56

reemplazando los valores correspondientes. Notemos que los

eventos A y B no son independientes.

Por otra parte, la probabilidad que el estudiante haya estudiado,

dado que aprobó su examen esta dada por:

P(A/B) = P(A∩B) / P(B) = P(B/A)P(A) / P(B) = (0.8 x 0.2) / 0.56 = 0.286

Ejemplo
Se extrae una carta al azar de un juego de naipes de 52 cartas.
Dado que la carta extraída es un “mono”, nos interesa determinar
la probabilidad que dicha carta sea de “corazón”.
Consideremos los eventos:
A: “la carta extraída es de corazón”
B: “la carta extraída es un mono”
En términos probabilísticos, la pregunta corresponde a la
probabilidad condicional de A dado B así:

P( A  B) 3 / 52 1
P( A / B)     0.25
P( B) 12 / 52 4
P( A)  13 / 52  0.25, por lo que P( A / B)  P( A) y los eventos " corazón"
y " mono" son independientes.
Ejemplo
Se usa un interruptor para cortar un flujo cuando este alcanza un
cierto nivel de profundidad en un estanque. La confiabilidad del
interruptor (probabilidad que trabaje cuando debe) se supone de
0.9. Un segundo tipo de interruptor es puesto en paralelo y su
confiabilidad es 0.7. Los interruptores trabajan en forma
independiente.
a)¿Cuál es la confiabilidad de la combinación de los interruptores?
b)¿Cuál es la probabilidad, que cuando el flujo alcance el nivel de
profundidad sólo trabaje el primer interruptor?
c)¿Cuál es la probabilidad que cuando se alcance el nivel, sólo uno
de los interruptores trabaje?
Considerando los siguientes eventos:
A1 = “Primer interruptor trabaja”.
A2 = “Segundo interruptor trabaja”.
…
a) La confiabilidad del sistema está dada por la probabilidad del
evento “al menos uno de los dos interruptores trabaja”, que
corresponde a la probabilidad del evento A1 U A2

P( A1  A2 )  P( A1)  P( A2 ) - P( A1  A2 )
 P( A1)  P( A2 )  P( A1) P( A2 )
 0.9  0.7 - 0.9  0.7  0.97

b) Se debe determinar la probabilidad de A1 ∩ A2c, que corresponde al

evento que el interruptor 1 trabaje y el 2 no.
P( A1  A2c )  P( A1)  P( A2c )  P( A1)[1 - P( A2 )]  0.27

c) Definamos los eventos:

A: “Sólo trabaja el interruptor 1” = A1 ∩ A2c
B: “Sólo trabaja el interruptor 2” = A1c ∩ A2

P( A  B)  P( A)  P( B)  P( A1  A2c )  P( A1c  A2 )
 0.9  0.3  0.1  0.7  0.34