Unidad N2: Fundamentos de la teora de probabilidades

Captulo 1: Elementos bsicos de probabilidad

Tema 1: Tipos de experimentos

Experimentos determinsticos
Se denominan experimentos determinsticos aquellos que realizados de la misma
forma y bajo las mismas condiciones iniciales, siempre tienen el mismo resultado, por
lo que estos se relacionan con la causalidad, que implica el conocimiento y control de
los factores que determinan el comportamiento del fenmeno.

Experimentos aleatorios
Se denominan experimentos aleatorios aquellos que an cuando se realicen bajo las
mismas condiciones generales, sus resultados no se pueden anticipar, por lo que
obedecen a factores de casualidad o del azar.

Determinsticos

Velocidad de un cuerpo al caer

desde una altura h (en vaco).

Tipos de
experimentos

Aleatorios

Seleccionar de un lote un artculo

para conocer su calidad.
La intensidad de ruido en ciertas
horas pic de trfico.
La amplitud y fase de la
intensidad de luz emitida por una
fuente.

Observacin
Algunos aseguran que todo fenmeno posee dos tipos de factores, pero que en ciertos
casos la importancia de los casuales (azar) es tan poca que se considera y acepta el
determinstico absoluto.

Tema 2: Espacio muestral y eventos

La teora de probabilidades entrega las herramientas bsicas para construir y

analizar modelos matemticos para fenmenos aleatorios, es decir relacionados con
experimentos aleatorios.

Espacio muestral
Se define como el conjunto de resultados posibles al desarrollar un experimento
aleatorio, lo que denotamos por . Cada resultado es denominado evento simple,
resultado elemental o elemento del espacio muestral.
Si el espacio muestral tiene un nmero finito o infinito numerable de elementos,
diremos que este es discreto. Si tiene como elementos todos los puntos de
algn intervalo de la recta real, diremos que ste es continuo.

Evento
Se llama evento o suceso a un subconjunto cualquiera del espacio muestral (todo
subconjunto es un evento).
Se llama suceso seguro al evento y el conjunto vaco

es llamado suceso

imposible.

Al aplicar la teora de conjuntos para obtener nuevos eventos, se dice que:

A U B ocurre si y solo si, ocurre A o bien ocurre B, o ambos a la vez.

A I B ocurre si y solo si, ocurren A y B a la vez
Ac

el complemento de A ocurre si y solo si, no ocurre A.

Tema 3: Principio de multiplicacin

Si una operacin consta de dos etapas, donde la primera se realiza de r1 formas y la

segunda de r2 formas, entonces la operacin completa la podemos realizar de r1*r2
formas.

El principio de multiplicacin se extiende a una operacin que puede realizarse en k

etapas. En este caso, la operacin completa se puede realizar de r1*^r2*......*rk
formas.

Ejemplo
El encargado de la seccin de distribucin de nuestra empresa (que est en Coronel)
necesita enviar ciertos lotes de productos embalados a las ciudades de Serena,
Valparaso, Santiago y Talca. De cuntas formas puede enviar sus lotes si los medios
de los que dispone son camin y tren?

Los puntos de llegada (Serena, Valparaso, Santiago y Talca) lo podemos elegir como
los r1=4 formas y los medios de transportes como (r2=2) formas. Por lo tanto, de
acuerdo al principio de multiplicacin, la operacin distribucin la podemos realizar
de 4*2=8 formas distintas.

Tema 4: Permutaciones y combinaciones

Permutaciones
El nmero de permutaciones

Prn de n smbolos, tomando r cada vez, es el nmero

total de arreglos diferentes de los r smbolos en un orden especfico, sin duplicarlos.

Prn = Pn,r =

n!
(n r )!

donde n! (n factorial) denota el producto de los n primeros enteros, es decir,

Combinaciones
El nmero de combinaciones

C rn de n smbolos, tomando r cada vez, es el nmero

de selecciones distintas de los r smbolos, en el cual no se especfica el orden o

colocacin de los elementos.

n
n!
C rn = =
r (n r )!r!

Ejemplo
El jefe de laboratorio, ha recibido un tipo reactivo de 7 proveedores distintos, que se
usar en un nuevo proceso de blanqueado de pulpa. Los reactivos son colocados uno
junto a otro en un dispositivo especial para esto. De cuntas formas puede ordenar el
jefe de laboratorio estos reactivos?.

Tenemos 7 reactivos distintos (R1, R2, R3, R4, R5, R6

R7) y 7 posiciones para

ordenarlos. Observemos que la primera posicin tiene 7 alternativas, la segunda

posicin cuenta solo con 6 reactivos, ya que no podemos usar el anteriormente
seleccionado, la tercera posicin tiene 5, la cuarta posicin tiene 4, la quinta tiene 3, la
sexta posicin tiene 2 y la sptima slo 1.

Entonces, en total tenemos 7 * 6 * 5 * 4 * 3 * 2 * 1 = 5040 arreglos, o dicho de otra

forma, hay 7! maneras de ordenar 7 reactivos distintos.

Notemos que lo importante aqu es que no podemos repetir lo que escogemos, a

diferencia de la aplicacin del principio multiplicativo vista en el ejemplo 2.1.1.

Ejemplo
De acuerdo a los registros de la unidad de prevencin de riesgo, el ao pasado
participaron 50 funcionarios en el llamado a concurso que lanza cada ao la empresa
para las campaas anti-estrs. De cuntas maneras puede quedar repartido el
primer, segundo y tercer lugar? En cuntas de estas formas tendramos al
concursante N10 en el primer lugar?

La primera pregunta corresponde al nmero total de arreglos diferentes, tomando 3 a

la vez, en un orden especfico y sin duplicarlo. Entonces, la respuesta es:

P350 =

50!
50!
=
= 50 * 49 * 48 = 117600
(50 3)! 47!

Para la segunda pregunta, dado que deseamos que el concursante 10 resulte en el

primer lugar, solo podemos elegir para los lugares restantes (segundo y tercero), por
lo que:

P249 =

49!
49!
=
= 49 * 48 = 2352
(49 2)! 47!

Ejemplo
Para ejecutar las pruebas de blanqueado de pulpa, el jefe de laboratorio cuenta con
30 operarios altamente calificados Cuntos equipos de 3 operarios se pueden formar
para ejecutar las pruebas?

Se trata entonces de elegir 3 operarios cualesquiera de los 30 existente, en cualquier

forma, es decir, es el nmero de subconjuntos de 3 elementos que podemos extraer
de un conjunto de 30 elementos. As tenemos,

30
30!
30!
30 * 29 * 28
C 330 = =
=
=
= 4060
3 (30 3)!3! 27!*3!
3 * 2 *1

Tema 5: Axiomas y propiedades de la probabilidad

Nuestro concepto intuitivo de una medida numrica para la probabilidad de un evento,

ser en trminos de la proporcin de veces que el evento se espera que ocurra cuando
el experimento es repetido bajo idnticas condiciones.

Cuando efectuamos un experimento, necesitamos medir los eventos o sucesos que

ocurren. Las probabilidades estn relacionadas con la asignacin de nmeros a la
ocurrencia de eventos.

El smbolo P(A) es usado para denotar la probabilidad de un evento A.

Probabilidad
Una Probabilidad es una aplicacin P que asocia a cada suceso un nmero real que
cumple los siguientes axiomas:
1. La ocurrencia de evento A es no negativa 0 P ( A) 1
2. La probabilidad de un evento seguro es la unidad, P ( ) = 1
3. Si Ai son mutuamente excluyentes ,

P(U Ai ) = P( Ai )
i

Definicin: Se dice que dos o ms eventos son mutuamente excluyentes cuando

la ocurrencia de uno excluye a la ocurrencia de los otros.

Resultado elemental igualmente probable

Si un espacio muestral consiste de k resultados elementales {e1, e2, e3,....,ek} tal
que todos tienen la misma probabilidad de ocurrencia, la probabilidad de cada
resultado elemental es P(ei) =1/k. Si un evento A consiste de m de estos k elementos,
entonces

P ( A) =

m
k

Observacin

Un espacio muestral que tiene la caracterstica de elementos igualmente probables, se

dice que tiene un modelo de probabilidad uniforme.

Estabilidad de la frecuencia relativa

Cuando un experimento es repetido N veces, se define la frecuencia relativa de un
evento A en N ensayos a:
rN(A) =

N de veces que ocurre A en N ensayos

Donde rN(A) es simplemente la proporcin de veces que el evento A ocurre dado N

repeticiones del experimento. Obviamente esta fraccin flucta, as cambia el nmero
N de repeticiones.

Sin embargo, la experiencia dice que si las condiciones del experimento no cambian
apreciablemente, esta fraccin tiende a estabilizarse a un nico valor cuando el
nmero de repeticiones N incrementa.

La evidencia emprica para asignar un valor numrico P(A) a la probabilidad de un

evento A, deriva de la estabilizacin observada de la frecuencia relativa de A despus
de varios ensayos repetidos.

Propiedades de la probabilidad
Partiendo de los tres axiomas antes sealados, se dan las siguientes propiedades de
una probabilidad:

Teoremas
Sean A y B dos eventos arbitrarios, entonces
1. P ( ) = 0
2. P () = 1
3.

P( A c ) = 1 P( A)

4. Si A B entonces P ( A) P ( B )
5. Si A B entonces P ( B A) = P ( B ) P ( A)
6. P ( A U B ) = P ( A) + P ( B ) P ( A I B )
7. Si A y B son sucesos excluyentes, P ( A U B ) = P ( A) + P ( B )
8. P ( A U B U C ) = P ( A) + P ( B ) + P (C ) ( A I B ) P ( A I C ) P ( B I C ) + P ( A I B I C )
9. Si A , P ( A) =

P( A ) donde
i =1

A = U ki=1 Ai

Ejemplo
Sabemos que de los 50 paneles muestreados en el laboratorio, 8 de ellos resultaron
con problemas de humedad, 5 con problemas de resistencia y 3 con ambos problemas.
Si seleccionamos 3 paneles al azar, cul es la probabilidad de que al menos 2 de ellos
tengan problemas de humedad?. Cul es la probabilidad de que los primeros 2
paneles tengan problemas de resistencia y el tercero ambos problemas?.

En el primer caso, lo que se requiere es determinar la probabilidad de que extrado 3

paneles de los 50 existentes, 2 3 de ellos tengan problemas de humedad, es decir,
debemos calcular P(A2 U A3), donde el evento A2 = {extraer exactamente 2 paneles
con problemas de humedad } y el evento A3 = {extraer exactamente 3 paneles con
problemas de humedad }.

Aqu el evento de inters no involucra el ordenamiento de los paneles en el proceso de

muestreo, Los tres paneles pueden ser seleccionados entonces

50
50!
50!
50 * 49 * 48
C 350 = =
=
=
= 19600
3 (50 3)!3! 47!*3!
3
*
2
*
1

De las 19600 formas de seleccin todas tienen la misma probabilidad de extraccin, de

acuerdo al concepto de seleccin aleatoria.

Notemos que nuestro evento de inters es excluyente, esto es,

P(A2 U A3) = P(A2) + P(A3)
Para calcular la P(A2) notemos que nmero formas de seleccin de 3 paneles de un
total de 50, tal que 2 de ellos provengan del grupo de 8 paneles con problemas de
humedad y 1 del resto de paneles est dado por:

8 42
8! 42! 8 * 7
*
=
C 28 * C142 = =
* 42 = 1176
2 1 (8 2)!2! (42 1)!1! 2 * 1

8 42

2 1 1176
=
Luego, P( A2) =
= 0.06
19600
50

3

8 42

3 0
= 56 = 0.0028
Similarmente para calcular la P(A3) tenemos P( A2) =
19600
50

3

Entonces, P ( A2 U A3) = P ( A2) + P ( A3) = 0.06 + 0.0028 = 0.0628 = 6%

En el segundo caso, lo que se requiere es determinar la probabilidad de que, extrado 3

paneles de los 50 existentes, los 2 primeros tengan problemas de resistencia y el
tercero ambos problemas.

Definamos el evento B = {los dos primeros paneles tienen problemas de humedad y el

tercero ambos problemas}

Este caso involucra el reconocimiento del orden de seleccin de los paneles y por lo
tanto, hacemos uso de las permutaciones.

P350 =

50!
50!
=
= 50 * 49 * 48 = 117600
(50 3)! 47!

Luego, existen 117600 selecciones ordenadas de 3 paneles de un grupo de 50, tal que
todos tienen la misma probabilidad, debido al proceso de seleccin aleatoria.

El nmero de selecciones, en los cuales los dos primeros paneles tienen problemas de
resistencia y el tercero ambos problemas, est dado por:

P25 * P13 =

5!
3!
*
= (5 * 4)(3) = 60
(5 2)! (3 1)!

Por lo que,

P( B) =

P25 * P13
60
=
= 0.00051 = 0.05%
50
117600
P3

Captulo 2: Probabilidades
Tema 1: Probabilidad condicional e independencia

Probabilidad condicional
Se llama probabilidad condicional de un suceso A respecto de un suceso B, a la
probabilidad de que suceda A, dado que se sabe con certeza que ha ocurrido B,
expresndose como:

P( A / B) =

P( A I B )
, A, B
P( B)

si P(B)>0

Teoremas
1.
2.

P ( / B ) =

P ( B I ) P ( B )
=
=1
P ( B)
P ( B)

Si A1, A2, A3,......, son eventos o sucesos excluyentes, entonces

P ( A1 U A2 U A3 ...... / B ) =

P[( A1 U A2 U A3 ......) I B ]
= P ( A1 / B ) + P ( A2 / B )...
P( B )

Observacin

El efecto que se consigue al condicionar un suceso a otro, es la reduccin del espacio

muestral, dado que en lugar de considerar toda la probabilidad de un suceso (frente al
suceso total

), se considera como marco otro suceso, tal como se muestra en la

figura.

Independencia
Decimos de dos sucesos A y B son independientes cuando la informacin aportada
por el hecho de que ha ocurrido A no modifica la probabilidad de que ocurra B, y
viceversa; o dicho de otra forma, la ocurrencia de uno no influye en la ocurrencia del
otro.
En trminos de probabilidad condicionada se escribe P ( B / A) = P ( B ) y P ( A / B ) = P ( A)
Luego, se dice que dos sucesos A y B son independientes si P ( A I B ) = P ( A) P ( B )

Se dice que los sucesos A1, A2, A3,......An son mutuamente independientes si,

P( A1 I A2 I A3 I ...... I An ) = P( A1 ) P( A2 ) P( A3 )......P ( An )
Tema 2: Ley multiplicativa de probabilidades

Ley multiplicativa de probabilidades

De la definicin de probabilidad condicional encontramos una expresin til para la
probabilidad de interseccin de sucesos, esto es,

P( A2 I A1 ) = P( A1 ) P( A2 / A1 )
La probabilidad de la interseccin de conjuntos puede ser extendida a un nmero finito
de sucesos A1, A2,.....An, es decir,

k 1

i =1

i =1

P( I Ai ) = P( A1 ) P( A2 / A1 ) P ( A3 / A1 I A2 )......P( Ak / I Ai )

Ejemplo
Un grupo de reguladores de voltaje son clasificados de acuerdo a si son o no
defectuosos y al tipo de proveedor (P1, P2 y P3). Las proporciones estn dadas como
sigue.

P1

P2

P3

Total

Defectuoso

0.10

0.08

0.02

0.20

No defectuoso

0.15

0.45

0.20

0.80

0.25

0.53

0.22

1.00

Total

Cul es la probabilidad de que un regulador de voltaje seleccionado al azar de este

grupo sea defectuoso?, cul es la probabilidad que un regulador de voltaje,
seleccionado en forma aleatoria de este grupo, que es de P1 sea defectuoso?

Para el primer caso tenemos:

Sea el evento A = {un regulador de voltaje es defectuoso}

Dado que el 20% del grupo es defectuoso y el regulador de voltaje es seleccionado en

forma aleatoria desde el grupo, se concluye que P(A) = 0.2. Esta es la probabilidad
incondicional de A.

Para el segundo caso, definamos el evento B = {el regulador de voltaje es del

proveedor 1}, luego

P(A/B) = P(A

I B) / P(B)

P(A/B) = 0.10 / 0.25 = 0.4

En otras palabras, P(A/B) es la proporcin de la poblacin que tiene la caracterstica A

(defectuoso) entre todos los que tienen la caracterstica B (son de P1).

Tema 3: Teorema de la probabilidad total

Teorema de la probabilidad total

Supongamos que los eventos A1, A2,,Ak forman una particin de , es decir,
k

U = Ai = y Ai I A j = , i j . Entonces para cualquier evento B se tiene:

i =1

P ( B ) = P ( Ai ) P ( B / Ai )
i =1

Ejemplo

Una de las plantas de la empresa ubicada en Los ngeles, recibe reguladores de

voltaje de tres diferentes proveedores, P1, P2 y P3; el 80% de los reguladores se
compra a P3, el 10% a P1 y el resto a P2. El porcentaje de reguladores defectuosos
que se recibe de P3 es 3%, el de P1 es 10% y el de P2 el 8%. Determinar la
probabilidad

de

que

funcione

un

regulador

de

voltaje

de

acuerdo

con

las

especificaciones.

Observemos que ningn regulador puede ser vendido por P1, P2 o P3 a la vez, por lo
que estos eventos son excluyentes.

Si definimos el evento A = {el regulador de voltaje es no defectuoso}, entonces

P ( A) = P ( A I P1) + P ( A I P 2) + P ( A I P3)
Pero

P ( A I P1) = P ( A / P1) P ( P1) , P ( A I P 2) = P ( A / P 2) P ( P 2) y P ( A I P3) = P ( A / P3) P ( P3)

En donde sabemos que P(P1) = 0.10, P(P2) = 0.10 y P(P3) = 0.80 y P(A/P1) = 0.90,
P(A/P2) = 0.92 y P(A/P3) = 0.97.
Sustituyendo tenemos, P ( A) = P ( A / P1) P ( P1) + P ( A / P 2) P ( P 2) + P ( A / P3) P ( P3)

= (0.10)(0.90) + (0.10)(0.92) + (0.80)(0.97 ) = 0.96

Tema 4: Teorema de Bayes

Teorema de Bayes
Bajo las mismas condiciones del Teorema de la Probabilidad Total se define el Teorema
de Bayes como:

P ( Ai / B ) =

P ( Ai ) P ( B / Ai )
k

P( A ) P ( B / A )
j =1

, i = 1,2,......, k

Ejemplo
El sistema utilizado en bodega para almacenar los insumos recibidos, no permite
distinguir el proveedor. Supngase que se desea determinar la probabilidad de que un
regulador en particular fue vendido por el proveedor P3 cuando se sabe que funciona
de acuerdo con las especificaciones.

En este caso buscamos la probabilidad condicional de que el regulador fue vendido por
P3 dado que funciona correctamente. Es decir,

P( P3 / A) =

Pero P ( P 3 I A) = P ( P 3) P ( A / P 3)

Entonces podemos escribir

Por lo que,

P( P3 / A) =

P( P3 / A) =

P( P3) P( A / P3)
P( A)

(0.80)(0.97)
= 0.81
(0.96)

P( P3 I A)
P( A)