Capitulo 4: Nociones de Probabilidad.

CAPITULO 4

NOCIONES DE PROBABILIDAD

Habitualmente se usa el término probabilidad para sugerir que existe duda o

incertidumbre sobre lo que ocurrió, lo que ocurre u ocurrirá. La experiencia
humana demuestra que existe una serie de hechos, eventos, experimentos cuyos
resultados no se pueden determinar anticipadamente; sin embargo, si es posible
definir, estimar o predecir el probable resultado. Podemos conocer el pasado,
pero nunca el futuro, pero existe un permanente interés por despejar las
incertidumbres.

Las situaciones que implican incertidumbre varían desde simples juegos al azar,
como la ruleta, los dados, los naipes, la lotería, los tragamonedas, etc. a otros
experimentos y acontecimientos tan variados, complejos e importantes dentro de
las ciencias médicas, ciencias sociales, la economía, las industrias, los negocios,
los seguros, las inversiones, etc. Siempre interesa predecir o estimar lo que
sucederá en ciertas situaciones dadas. Un empresario decide comercializar un
producto si sabe que la probabilidad de aceptación en el mercado es alta. El
aficionado de fútbol, puede apostar a favor su equipo favorito si sabe que la
probabilidad de que gane es muy alta. Los inversionistas no deciden invertir en un
país políticamente y económicamente inestable si saben que la probabilidad de
obtener rendimientos futuros es baja. Es posible que ninguno de ellos sepa definir
o medir la probabilidad, pero si encontrará útil la idea de estimarla intuitivamente.

El propósito de este capítulo es explicar las maneras en las que pueden medirse
la posibilidad o probabilidad de ocurrencia de eventos futuros. Todo esto para
optimizar la habilidad para juzgar la ocurrencia de eventos futuros y minimizar el
riesgo y la especulación arriesgada relacionada con el proceso de toma de
decisiones.

4.1. EXPERIMENTO

91
Capitulo 4: Nociones de Probabilidad.

Un experimento es un proceso mediante el cual se obtiene el resultado de una

observación. Un experimento puede ser determinístico o aleatorio.
4.1.1. Experimento determinístico: Cuando el resultado de la observación es
determinado en forma precisa por las condiciones bajo las cuales se realiza el
experimento.

Ejemplo 69:
- Lanzar una pelota en un tanque de agua y ver si flota o se hunde.
- Soltar una piedra en el aire.
- Observar la suma de dos números naturales impares.

4.1.2. Experimentos aleatorios: Cuando los resultados de la observación no se

pueden predecir con exactitud, antes de realizar el experimento.

Ejemplo 70:
- Observar el tiempo de vida en meses de una bombilla.
- Elegir un presidente de un grupo de 40 personas.
- Lanzar una moneda y observar la cara superior.

b.1) Características de un experimento aleatorio

 Cada experimento puede ser repetido indefinidamente sin cambiar
necesariamente las condiciones.
 Cada experimento es aleatorio
 Cada experimento tiene varios resultados posibles que pueden describirse de
antemano con precisión.
 Cuando el experimento se repite un gran número de veces, aparece un
modelo de regularidad, lo cual hace posible la construcción de un modelo
matemático preciso con el cual analizamos el experimento, lo cual es
importante para calcular la probabilidad de un cierto resultado de un
experimento.

4.2. ESPACIO MUESTRAL

Es el conjunto de resultados posibles de un experimento aleatorio.
= {w/w es un resultado particular simple de la realización de un exp. aleat.}
Los resultados posibles de un experimento se llaman puntos de muestra.
Ejemplo 71:
E1: Lanzar un dado y el observar el número que aparece en la cara superior.

92
Capitulo 4: Nociones de Probabilidad.

 = {1, 2, 3, 4, 5, 6}

E2: Designar un delegado de un grupo de 50 personas.

 = {A1, A2,.... A50}

Donde: Ai: se presenta una persona: Pedro, Juan, etc.

Los espacios muestrales se clasifican en:

4.2.1. Espacio muestral discreto: Si se tiene un número finito o infinito
numerable de elementos.

4.2.2. Espacio muestral continuo: Cuando sus elementos son todos los puntos
de un intervalo.

4.3. EVENTOS
Son subconjuntos de un espacio muestral (). En particular el espacio muestral
() y el conjunto vacío () son eventos. Al espacio muestral () se le llama
evento seguro y al conjunto () se le llama evento imposible.

4.3.1. Tipos de eventos:

a) Evento simple: Cuando contiene solamente un punto del espacio muestral.
b) Evento Compuesto: Cuando puede expresarse como la unión de dos o más
eventos simples.

Ejemplo 72:
Sea el experimento: lanzar una moneda, una sola vez. Determinar los siguientes
eventos:
A1: Que salga cara en el primer lanzamiento
A2: Que sala sello en el primer lanzamiento

Solución:
E1: Lanzar una moneda una sola vez

Diagrama del árbol

C

 = {C, S} S
A1 = {c
A2 = {s

93
Capitulo 4: Nociones de Probabilidad.

Ejemplo 73:
Sea el experimento: lanzar una moneda dos veces. Determinar los siguientes
eventos:

A1: Ocurre cara en el primer lanzamiento.

A2: Ocurre sello en el segundo lanzamiento.
A3: Ocurre por lo menos una cara.
A4: Ocurre lo mismo en ambos lanzamientos.

Solución:

E2 = Lanzar una moneda dos veces

Diagrama del árbol

C
C
S
S C

 = {(c,c), (c,s), (s,c), (s,s)

Eventos:
A1 = {(c,c), (c,s)} A3 = {(c,s), (s,c), (c,c)}
A2 = {(c,s); (s,s)} A4 = {(c,c), (s,s)}

4.3.2. Operaciones con eventos

Usando las operaciones con conjuntos podemos formar nuevos eventos. Estos
nuevos eventos serán nuevamente subconjunto del mismo espacio muestral de
los eventos dados.
a) Unión de eventos: A  B
Sean A y B dos eventos cualesquiera de un experimento aleatorio, la unión de
eventos es el evento que ocurre si A ocurre o B ocurre o ambos ocurren.
Simbólicamente:
A  B = {w /wA v w B}

  
A B A B A
B

94
Capitulo 4: Nociones de Probabilidad.

AB AB AB

b) Intersección de eventos: A  B
Sean A y B dos eventos cualesquiera de un experimento aleatorio, la intersección
de estos eventos, es el evento que ocurre si A y B ocurren simultáneamente.
Simbólicamente:

A  B = {w  / w  A  wA B}
B

AB

c) Complemento de un evento: AC
Si A es un evento del espacio muestral, se llama complemento del evento A, al
evento que ocurre si A no ocurre.
Simbólicamente:
AC = {w  / w  A} 

AC
A

d) Diferencia de eventos: A – B
Sean A y B dos eventos de un experimento aleatorio, se llama diferencia de los
eventos A y B, al evento formado por los elementos que son favorables a A pero
que no son favorables a B.
Simbólicamente:
A – B = A  B = {w   / w  A  w B}

 
A B A B

95
Capitulo 4: Nociones de Probabilidad.

A–B=A B A–B=A B =A

e) Inclusión de eventos: A  B
Dado dos eventos A y B de un cierto experimento aleatorio, se dice que el evento

A está contenido B, si siempre que ocurre A ocurre B.
Simbólicamente: A  B, si W  a BW  B
A

A  B

4.3.3. Eventos mutuamente excluyentes y eventos colectivamente


exhaustivos
A B
a) Dos eventos A y B definidos en el mismo espacio muestral se dice que son
mutuamente excluyentes si no pueden ocurrir juntos.

AB=

b) Una colección de eventos A 1, A2,..., Ak definidos sobre un mismo espacio

muestral. Se dice que son mutuamente excluyentes, si la ocurrencia de uno de
ellos excluye la ocurrencia de los otros, es decir:

Ai  Aj =   i  j; i = 1, 2... k

c) Se dice que una colección de eventos A 1, A2....,Ak, definidos sobre el mismo

espacio muestral son colectivamente exhaustivos, si la unión de ellos de ello es
igual al espacio muestral.

k
A1  A2  .... Ak   Ai  
i 1

96
Capitulo 4: Nociones de Probabilidad.

4.3.4. Propiedades de las operaciones con eventos

Dado los eventos A, B y C de un cierto experimento aleatorio, se verifican las
siguientes propiedades básicas de unión e intersección de eventos.

a) Ley conmutativa.
AB=BA
AB=BA

b) Ley asociativa
(AB)  C = A  (BC)
(AB)  C = A  (BC)

c) Ley distributiva
A  (B  C) = (A  B)  (A  C)
A  (B  C) = (A  B)  (A  C)

d) Complemento del complemento

c
(AC) = A

e)   A = 
A =A
A  AC = 
AA =A

f)   A = A
A=
A  AC = 
AA=A

g) Leyes de morgan

 A B  A B

97
Capitulo 4: Nociones de Probabilidad.

Ω
A B

A B  A B

A B

h) A  ( A  B )  ( A  B)

AB

i) Si A  B, entonces A  B = B y A  B = A


B
A

98
Capitulo 4: Nociones de Probabilidad.

4.4. PROBABILIDAD
Probabilidad es la posibilidad numérica de la ocurrencia de un evento.

4.5. TIPOS DE PROBABILIDAD

Existen tres enfoques para el estudio de la probabilidad.

4.5.1. Probabilidad clásica

Llamada también probabilidad a priori debido a que es posible conocer el
resultado con anterioridad, es decir, sin llevar a cabo el experimento y sólo
basado en el razonamiento lógico. Se basa en el supuesto en que cada elemento
del espacio muestral tiene la misma posibilidad de ser elegido.

Se calcula a través de:

Casos favorables de ocurrencia del evento A

P ( A) 
Total de casos posibles

n( A)
P ( A) 
n ( )

Ejemplo 74:
Hallar la probabilidad de obtener cara en el lanzamiento de una moneda.

Solución:
El espacio muestral será:
  {c, s}
Sea el evento A: obtener cara.
Luego:
n( A)
P ( A) 
n ()

1
P ( A)   0.5
2
Ejemplo 75:
Hallar la probabilidad de obtener el número 2 en el lanzamiento de un dedo.

Solución:
El espacio muestral será:
  {1,2,3,4,5,6}
Sea el evento B: obtener el número 2.

99
Capitulo 4: Nociones de Probabilidad.

Luego:
n( B )
P( B) 
n ( )

1
P( B)   0.17
6

Este tipo de probabilidad, se utiliza para experimentos simples, como los

mencionados anteriormente. En la vida diaria se presentan situaciones mucho
más complejas que requieren el cálculo de probabilidad desde otro tipo de
enfoque.

4.5.2. Probabilidad de frecuencia relativa

El cálculo de este tipo de probabilidad se basa en la repetición de la ocurrencia de
un evento, al realizar una gran cantidad de pruebas o experimentos.

Se halla a través de:

Número de veces que ocurrió el evento A

P ( A) 
Número total de observaciones

f
P ( A) 
n

Este tipo de probabilidad es llamada también empírica o a posteriori, debido a que

se obtiene el resultado después de realizar el experimento.

Ejemplo 76:
Una encuesta realizada a 600 vendedores ambulantes de Cercado de Lima, se
encontró que 315 de ellos se dedicaban a esta actividad porque habían sido
despedidos de empresas industriales. Hallar la probabilidad de que, al seleccionar
aleatoriamente un vendedor ambulante, este haya sido despedido de una
empresa industrial.

Solución:
Sea el evento A: Vendedor ambulante despedido.
f : Número de veces en que ocurrió B = 315
n : Número total de observaciones = 600

100
Capitulo 4: Nociones de Probabilidad.

f 325
Luego: P( A)    0.65
n 500

Ejemplo 77:
En una encuesta realizada a 1500 pequeñas empresas de una ciudad, sobre el
número de medidas de seguridad se encontró los siguientes resultados:

TABLA N° 27
N° de medidas
de seguridad N° de empresas
Ai fi P ( Ai )
0 100 0.07
1 800 0.53
2 300 0.20
3 250 0.17
4 50 0.03
Total 1500 1.00

a) ¿Cuál es la probabilidad de que las pequeñas empresas tengan 2 medidas

de seguridad?
El 20% de las empresas tienen 2 medidas de seguridad.

b) ¿Cuál es la probabilidad de que las pequeñas empresas tengan más de 2

medidas de seguridad?
P (A1 > 2) = P(A4) + P(A5) = 0.17 + 0.03 = 0.20

El 20% de las pequeñas empresas tienen más de 2 medidas de seguridad.

4.5.3 Probabilidad subjetiva

Es la probabilidad asignada bajo un criterio personal, basado en la experiencia
previa. Este tipo de probabilidad se asignan a eventos que pueden suceder solo
una vez o muy pocas veces.

Ejemplo 78:
a) La probabilidad que una mujer llegue a ser presidenta de los EE.UU.
b) La probabilidad que el hombre viva eternamente.
c) La probabilidad que quiebre la bolsa de valores de New York.
d) La probabilidad de que Donal Trump sea premio nobel de la paz

101
Capitulo 4: Nociones de Probabilidad.

4.6. AXIOMAS DE PROBABILIDAD

a) La probabilidad de un evento cualquiera, es siempre positiva.
P ( A)  0
b) La probabilidad de un evento cierto o seguro, es la probabilidad del
espacio muestral, que equivale a la unidad.
P ( )  1
c) La probabilidad de la unión de una familia de eventos mutuamente
excluyentes es igual a la suma de las probabilidades de dichos eventos.
P ( A,UA2U .....UAK )  P ( A1 )  P ( A2 )  ....P ( AK )

k
K 
P U Ai  
 i 1 
 P( A )
i 1
i

4.7. TEOREMAS DE LOS AXIOMAS DE PROBABILIDAD

De los axiomas de probabilidad resultan los siguientes teoremas.
a) La probabilidad de un evento toma valores entre cero y uno. Es decir:
0  P ( A)  1

b) La probabilidad de un evento nulo o imposible, es cero. Es decir:

c) La probabilidad del complemento de un evento está dada por:

P ( A)  1  P ( A)

d) Si el evento A es un subconjunto del evento B, entonces:

P ( A)  P ( B )

4.8. PROBABILIDAD CONDICIONAL

Es utilizada cuando se desea conocer la probabilidad de ocurrencia de un evento
condicionado a la ocurrencia previa de otro evento.
Se calcula mediante la fórmula:
P( A  B)
P ( B / A)  con P ( A)  0
P ( A)
El símbolo / se lee: DADO, SI y expresa condición.

Donde:
P(B/A) = Probabilidad deque ocurra el evento B, dado que el evento A ha
ocurrido.

Ejemplo 79::

102
Capitulo 4: Nociones de Probabilidad.

En una comunidad se llevó a cabo una encuesta a 500 personas mayores de 18

años, donde se halló lo siguiente: 300 se encontraban con empleo a tiempo
completo y 200 desempleados. Del total de desempleados, 140 eran padres de
familia ¿Cuál es la probabilidad de que este sea padre de familia dado que se
encuentra desempleado?

Solución:
Sean los eventos.
E: Personas mayores de 18 años de edad con empleo a tiempo completo.
D: Personas mayores de 18 años desempleados.
C: Personas mayores de 18 años de edad, que son padres de familia.
DC: Personas mayores de 18 años, desempleados y que son padres de familia.

P (C  D )
Nos pide: P (C / D ) 
P( D)
140
P (C  D )   0.28
500
200
P( D)   0. 4
500

0.28
P (C / D )   0.7
0. 4

4.9. REGLAS DE PROBABILIDAD

4.9.1. Probabilidad del producto
Se utiliza para calcular la probabilidad conjunta o simultánea de dos o más
eventos.

Si los eventos A y B son dependientes,

Entonces la ocurrencia conjunta de los eventos es:
P(AB) = P(A) x P(B/A)

Si los eventos A, B y C son dependientes,

Entonces la ocurrencia conjunta de los eventos es:
P(ABC) = P(A) x P(B/A) x P(C/AB)

Ejemplo 80:
En un estudio se encontró que la probabilidad de que se incremente el empleo en
el Asentamiento Humano “X” es de 0.35, de que se incremente el consumo de

103
Capitulo 4: Nociones de Probabilidad.

artículos de primera necesidad es de 0.05 y de que se incremente el consumo de

artículos de primera necesidad dado el incremento del empleo, es de 0.10.
¿Cuál es la probabilidad de que se incremente el empleo y el consumo de
artículos de primera necesidad?

Solución:
Sea:
Eventos Probabilidades
A: Incremento del empleo P(A) = 0.35
B: Incremento del consumo de artículos P(B) = 0.05
de primera necesidad.
B/A: Incremento del consumo de P(B/A) = 0.10
artículos de primera necesidad dado que
se ha incrementado el empleo.

Luego:
P(AB) = P(A)xP(B/A)
P(AB) = 0.35 x 0.10 = 0.035

La probabilidad que se incremente el empleo y el consumo de artículos de

primera necesidad es de 0.035.

Si los eventos A y B son independientes, se debe cumplir:

P (B/A) = P(B)
Luego la ocurrencia simultánea de los eventos independientes A y B es:
P(AB) = P(A)xP(B)
La ocurrencia simultánea de los eventos independientes A, B y C es:
P (ABC) = P(A)xP(B)xP(C)

Ejemplo 81:
Se ha determinado que la probabilidad de televidentes que ven los programas A y
B son respectivamente 0.40 y 0.5. Cada televidente ve los programas
independientes uno del otro. Si se elige al azar uno de tales televidentes ¿Qué
probabilidad hay de que vea ambos programas?
Solución:
Eventos Probabilidades
A: Televidentes que ven el programa A. P(A) = 0.4

104
Capitulo 4: Nociones de Probabilidad.

B: Televidentes que ven el programa B. P(B) = 0.5

A y B: son independientes.
AB: Televidentes que ven el programa A y P(BA) = P(A) x P(B) = 0.2
B.

La probabilidad de que los televidentes vean ambos programas es 0.2.

4.9.2. Probabilidad de la suma

Se usa cuando se desea averiguar la probabilidad de ocurra al menos un evento.

Si los eventos A y B son mutuamente


excluyentes, la probabilidad de que ocurra A A B
o B es:
P(AB) = P(A) + P (B)

P(AB) =0

Ejemplo 82:
De 200 trabajadores de una empresa 80 se encuentran afiliados a la AFP Integra,
100 se encuentran afiliados a la AFP Horizonte y 20 aportan al Sistema Nacional
de Pensiones. Si se elige un trabajador al azar calcular la probabilidad de que se
encuentre afiliado a la AFP Integra o AFP Horizonte.
Solución:
Sean los eventos:
I : El trabajador está afiliado a la AFP Integra.
H : El trabajador está afiliado a la AFP Horizonte.
Entonces:
80
P( I )   0 .4
200

100
P( H )   0 .5
200

Luego : P ( I  H )  P ( I )  P ( H )
P ( I  H )  0 .4  0 .5  0 .9

Si los eventos A, B y C son mutuamente excluyentes la probabilidad

de que ocurra al menos un evento es:
P ( A  B  C )  P ( A)  P( B )  P (C )

A B C
105
Capitulo 4: Nociones de Probabilidad.

P(ABC) = 0

Si los eventos A y B son traslapados o unidos (no mutuamente

excluyentes), entonces la probabilidad de que ocurra A o B está dada
por:
P ( A  B)  P ( A)  P ( B )  P( A  B )


A B

P( A  B)  0

Si A y B son independientes:

Ejemplo 83:
La probabilidad que una persona ahorre en el Banco de Crédito es 0.5 la
probabilidad de que ahorre en el Banco Continental es 0.4 y la probabilidad de
que ahorre en ambos bancos es 0.3. Hallar la probabilidad de que una persona
ahorre en algunos de los bancos.

Solución:
Sean los eventos: 
A B
A: La persona ahorra en el Banco de Crédito
B: La persona ahorra en el Banco Continental
0.3 0.1
A  B : La persona ahorra en ambos bancos. 02
Además:
P(A) = 0.5
P(B) = 0.4
P (A  B) = 0.3
Entonces P (A  B) = P(A) + P(B) – P (A  B)
P(AB) = 0.5 + 0.4 – 0.3
P(AB) = 0.6

106
Capitulo 4: Nociones de Probabilidad.

Si los eventos A, B y C son traslapados ocurridos entonces la probabilidad

de que ocurra al menos un evento es:
P (ABC) = P(A)+P(B)+P(C)– P (AB) – P (AC) – P(BC) + P(ABC)

A B

Si A, B y C son independientes entonces:

P(ABC)=P(A)+P(B)+P(C)–P(A).P(B)–P(A).P(C)–P(B).P(C)+P(A).P(B).P(C)

Ejemplo 78:
En la Universidad de Lima se publican 3 revistas: A, B y C. El 30% de los
estudiantes 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 3% leen A, B y C. Se pide calcular el porcentaje de
estudiantes que leen al menos una de las revistas.

Solución:
Sean los eventos:
A : El estudiante lee la revista A P(A) = 0.30
B : El estudiante lee la revista B P(B) = 0.20
C : El estudiante lee la revista C P(C) = 0.15

A  B: El estudiante lee la revista A y B P(A  B) = 0.12

A  C: El estudiante lee la revista A  C P(A  C) = 0.09
B  C: El estudiante lee la revista B  C P(B  C) = 0.06
A  B  C: El estudiante lee la revista A  BC P(ABC) = 0.03

Entonces:
P(A  B  C) = P(A) + P(B) + P(C) – P(AB) – P(AC) – P(BC) + P(ABC)
P(A  B  C) = 0.30 + 0.20 + 0.15 – 0.12 – 0.09 – 0.06 + 0.03 = 0.41 41%
El 41% de las personas lee al menos una de las revistas.

107
Capitulo 4: Nociones de Probabilidad.

4.10. Tablas de Contingencia y Tablas de Probabilidad

4.10.1. Tablas de Contingencia.- es una tabla de doble entrada que muestra la
clasificación de eventos de los espacios muestrales de dos experimentos
aleatorios. (Ver pág. 82, Tabla N° 19).

4.10.2. Tablas de Probabilidad.- Son aquellas que se obtienen a través de las

tablas de contingencia aplicando los criterios dados.

La siguiente tabla N° 28 de probabilidades muestra las probabilidades conjuntas y

marginales para una Tabla de Contingencia de manera general:
TABLA N° 28
P(Bi) B1 B2 B3 ...... BK Total
P(Ai)
A1 P(A1B1) P(A1B1) P(A1B3) ...... P(A1BK) P(A1)
A2 P(A2B1) P(A2B2) P(A2B3) ...... P(A2BK) P(A2)
. . . . . .
. . . . ...... . .
. . . . . .
Ar P(ArB1) P(ArB2) P(ArB3) ...... P(ArBK) P(Ar)
Total P(B1) P(B2) P(B3) ...... P(BK) 1

Ejemplo 79:
La siguiente tabla N° 29 muestra la clasificación de los trabajadores de una
empresa por sexo según su categoría laboral.

TABLA N° 29
Distribución de trabajadores por categoría laboral según sexo
CATEGORÍA LABORAL
SEXO TOTAL
Obrero(o) Empleado(E) Funcionario (FU)
Masculino (M) 120 150 30 300
Femenino (F) 50 140 10 200
TOTAL 170 290 40 500

Si se elige un trabajador al azar, hallar la probabilidad de que:

a) Sea obrero.
b) Sea de sexo masculino y obrero.
c) Sea empleado, si es de sexo masculino.
d) Sea de sexo masculino, si es funcionario.
e) Sea obrero o empleado.

108
Capitulo 4: Nociones de Probabilidad.

Solución:
Construyendo la Tabla de Probabilidades obtenemos los siguientes resultados.

TABLA N° 30
Tabla de probabilidades de los trabajadores por categoría laboral según
sexo
CATEGORÍA LABORAL
SEXO TOTAL
P(O) P€ P(FU)
P(M) 120/500=0.24 150/500 = 0.30 30/500 = 0.06 300/500=0.60
P(F) 50/500 =0.10 140/500 = 0.28 10/500 = 0.02 200/500=0.40
TOTAL 170/500=0.34 290/500=0.58 40/500= 0.08 500/500=0.10

Entonces:
a) P(O) = 0.34

b) P(M  O) = 0.24

P ( E  M ) 0.30
c) P( E / M )    0.5
P( M ) 0.60

P ( M  FU ) 0.06
d) P( M / FU )    0.75
P ( FU ) 0.08

e) P(O  E )  P(O)  P( E )  0.34  0.58  0.92

4.11. TEOREMA DE BAYES

Es un método que nos permite calcular la probabilidad de que un evento
que ya ocurrió sea resultante de alguna causa. Para entender el Teorema de
Bayes, debemos estudiar.

4.11.1. Partición de un Espacio Muestral: Se denomina partición del espacio

muestral , a una colección de k evento A1, A2, ..., AK que sean mutuamente
excluyentes y cuya unión es el espacio muestral , es decir, tales que verifican
las siguientes condiciones:

a) P(Ai) > 0, para cada i=1,2,...k.

b) Ai  Aj =   i  j

109
Capitulo 4: Nociones de Probabilidad.

K K
c) U
i 1
A1   ó  P( A )  1
i 1
i

Esquemáticamente:

A1 A2 ... AK

...

fig. 12: Partición de 

4.11.2. Probabilidad Total: Si K eventos A1, A2,... AK, constituyen una partición
del espacio muestral , entonces para cualquier evento B en :

K
P ( B )   P ( Ai  B )
i 1
K
P ( B )   P ( Ai )  P ( B / Ai )
i 1

Esquemáticamente:

B 

A2  B
A1  B ... Ai  B ... AK  B

A2
A1 Ai AK

fig. 13 Relación entre el evento B y la partición de 

4.11.3. Teorema de Bayes: Si los K eventos: A1, A2,...., AK, constituyen una
partición del espacio muestral , entonces para cualquier evento B de  tal que
P(B) > 0:
P( Ai )  P( B / Ai )
P( Ai / / B )  , para cada i=1,2,..., K.
P( B)

110
Capitulo 4: Nociones de Probabilidad.

El Teorema de Bayes nos permite comparar la probabilidad previa (o a priori)

P(Ai) con la probabilidad posterior (o a posteriori) P(A i/B). Esto es, P(Ai/B) es la
probabilidad de Ai corregida o modificado por la ocurrencia del evento B.
Si A es un evento en  tal que 0P(A)1, entonces para un evento B en.
P ( B)  P ( A)  P( B / A)  P ( A)  P ( B / A)

Esquemáticamente:


B

P( A  B) P( A  B)

A A
fig. 14

Ejemplo 80:
Un ensamblador de computadoras usa partes que provienen de tres proveedores
A1, A2, A3. De 2000 partes recibidas 1000 provienen de A 1, 600 de A2 y el resto de
A3. De expresiones pasadas el ensamblador sabe que las partes defectuosas que
provienen de A1, A2 y A3 son respectivamente 3%, 4% y 5% Si se elige una
computadora al azar.
a) ¿Cuál es la probabilidad de que contenga una parte defectuosa?
b) Y si contiene una parte defectuosa ¿Cuál es la probabilidad de que haya
sido proveído por P2?

Solución:
Sean los eventos:
Ai: “Parte proviene del proveedor Ai”, i=1, 2,3
B: Parte defectuosa

Además:
1000 600 400
P ( A1 )   0.5, P ( A2 )   0.3, P ( A3 )   0.2
2000 2000 2000

P ( B / A1 )  0.03, P ( B / A2 )  0.04 y P ( B / A3 )  0.05

111
Capitulo 4: Nociones de Probabilidad.

Esquemáticamente:
P (Ai) x P (B/Ai)
0.3 0.5 x 0.03
A1 B
0.5

0.3 0.4 0.3 x 0.04

A2 B

0.5 0.2 x 0.05

0.2 A3 B

Total P(B) = 0.037

a) Aplicando la regla de probabilidad total se obtiene:

3
P( B)   P ( A )  P ( B / A )  P ( A )  P( B / A )  P ( B / A )  P ( A )  P ( B / A )
i 1
i i 1 1 2 3 3

P ( B )  0.5  0.03  0.3  0.04  0.2  0.05  0.037

b) Aplicando el Teorema de Bayes se obtiene:

P( A2 )  P( B / A2 ) 0.3  0.04
P( A2 / B)    0.3243
P( B ) 0.037

Ejemplo 81:
En una encuesta de opinión se encontró que el 25% de los electores votarían por
el candidato E. De los que no votarían por E el 20% son mujeres, el resto son
hombres. Además la probabilidad de que un elector elegido al azar sea hombre
es 0.70. Si se elige un elector al azar y resulta ser mujer ¿Cuál es la probabilidad
que no vote por E?

Solución:
Sean los eventos:
E : El elector vota por el candidato E.
H : El elector es hombre
M : El elector es mujer

Entonces:
P(E) = 0.25  P( E ) = 0.75
P(M/ E )= 0.20
P(H/ E ) = 0.80
P(H) = 0.70
P(M) = 0.30

112
Capitulo 4: Nociones de Probabilidad.

Gráficamente:

P(H) = 0.70 P(M)=0.30

0.10 0.15

P( M  E )
P(M / E ) 
P( E )

P ( M  E )  0.20  0.75  0.15

P( H  E )
P( H / E ) 
P( E )

P ( H  E )  0.80  0.75  0.6

P( E  M ) 0.15
P( E / M )    0.5
P(M ) 0.30

La probabilidad de que un elector no vote por E siendo mujer es 0.5.

Ejemplo 82:
La institución “X” está considerando realizar un Seminario de Capacitación. De
acuerdo con un estudio de mercado la probabilidad de que el Seminario tenga
éxito es 0.80 si la institución “Z” no realiza un Seminario similar, en tanto que la
probabilidad de éxito es 0.30 si la institución “Z” realiza un seminario similar.
Además la institución “X” estima que hay una probabilidad de 0.40 de que “Z”
realice el seminario. Dado que el seminario de “X” tuvo éxito. ¿Cuál es la
probabilidad de que la institución “Z” haya realizado el Seminario?

Sean los eventos:

E : El Seminario de la institución “X” tiene éxito.

113
Capitulo 4: Nociones de Probabilidad.

S : La institución “Z” realiza un seminario similar.

S : La institución “Z” no realiza un seminario similar. Esto significa que se trata
de una partición:

Gráficamente:


P( S  E ) P (S  E)

S S

Según datos dados:

P(S) = 0.40 P ( S )  0.60

Además se sabe que:

P ( E / S )  0.80, P ( E / S )  0.30

Nos pide:
P( S  E )
P( S / E ) 
P( E )

Entonces :
P( E )  P( S  E )  P( S  E )

P ( E )  P ( S )  P ( E / S )  P( S )  P ( E / S )

P ( E )  0.40  0.30  0.60  0.80

P ( E )  0.60

Además se sabe que:

P( E  S )  P( S )  P( E / S )
P ( E  S )  0.12

Luego:
0.12
P( S / E )   0.20
0.60

114
Capitulo 4: Nociones de Probabilidad.

Además estos resultados los podemos mostrar en una tabla de contingencia 2 x 2

(T2x2)
TABLA N° 31
P( S ) P( S ) Total
P(E) 0.12 0.48 0.60
P( E ) 0.28 0.12 0.40
Total 0.40 0.60 1.00

PROBLEMAS PROPUESTOS N° 4

1. Dar 5 ejemplos de experimentos aleatorios relacionados con sus

especialidades.

2. Determinar el espacio muestral de c/u de los experimentos aleatorios que se

dan a continuación.
E1: Preguntar a un ciudadano sobre el noticiero televisivo de su preferencia
E2: Preguntar a un trabajador de una empresa “X” sobre el monto de su
sueldo mensual.
E3: Preguntar a un trabajadores de una empresa “X” a la AFP a la que está
afiliado.
E4: Preguntar a un ciudadano en particular sobre su preferencia sobre
cierto candidato presidencial
E5: Extraer un artículo de un lote que contiene artículos defectuosos “D” y
no defectuoso “N”
E6: Preguntar a un ciudadano en particular sobre el departamento de
donde procede.
E7: Observar la actividad laboral del ciudadano chimbotano.

3. Un experimento consiste en preguntar a 3 electores elegidos al azar si votan

por un partido político “X”
a)Lista los elementos de espacio muestral  utilizando las letras S para “si” y
N para “no”
b)Liste los elementos del evento: Al menos dos de los electores votan por el
partido X.
c)Definir en palabras el evento que tiene por elementos los puntos:
{SSS, NSS, SSN, NSN}

4. Sea el siguiente experimento: lanzar un dado y observar el numero que

aparece en la cara superior.

115
Capitulo 4: Nociones de Probabilidad.

Defina los siguientes eventos:

A: Se observa un número impar
B: Se observa un número par
C: Se observa un número menor que 4
D: Se observa un número mayor que 6

5. Dos personas A y B se distribuyen al azar en tres oficinas numeradas 1, 2 y 3

si las dos personas pueden estar en la misma oficina, defina un espacio
muestral adecuado.

6. Durante el día, una máquina produce tres artículos, cuya calidad individual,
definida como defectuoso o no defectuoso; se determina al final del día.
Describa el espacio muestral generado por la producción diaria.

7. Suponga que la demanda diaria de gasolina en una estación de servicio está

acotada por 1,000 galones, que el lleva en un registro diario. Describa el
espacio muestral.
8. Una moneda se lanza tres veces. Describa los siguientes eventos:
A: Ocurre por lo menos dos caras
B: Ocurre sellos en el 3er lanzamiento
C: Ocurre a lo más una cara

9. Un inversionista planea escoger dos de las cinco oportunidades de inversión

que le han recomendado. Describa el espacio muestral que representa las
opciones posibles.

10. Construya un espacio muestral adecuado al experimento: inspeccionar las

medidas de seguridad contra accidentes de una fábrica.

11. El gerente general de una firma comercial, entrevista a 2 aspirantes a un

puesto de trabajo. Cada uno de los aspirantes es calificado como: Deficiente,
Regular, Bueno, Excelente.
a) Dar un espacio muestral adecuado para este experimento.
b) Describir los siguientes eventos:
A: Todos los aspirantes son calificados como deficientes o excelentes.
B: Solo la última persona entrevistada es calificada como excelente.

12. Un número es seleccionado al azar entre los números 1 al 20. Sean los
siguientes eventos.

116
Capitulo 4: Nociones de Probabilidad.

A: El número elegido es par

B: El número elegido es primo
C: El número elegido es múltiplo de 5,
Liste los elementos de los siguientes: AB, AB, A C, (AB) C

13. Sean A y B dos eventos cualesquiera en el e.m.  exprese c/u de los

eventos compuestos en términos de operaciones entre A y B. (graficar
mediante los diagramas de Venn)
a) Ocurren todos los eventos.
b) Ocurren exactamente uno de los eventos.
c) Ocurren por lo menos uno de los eventos.
d) No ocurre ninguno de los eventos.
e) No ocurre A o no ocurre B.
f)Ocurren a lo más dos eventos.

14. Sean A, B, y C tres eventos cualesquiera en el e.m. . Exprese cada uno de

los siguientes eventos compuestos en términos de operaciones entre A, B y
C. Graficar para entenderlo mejor.
a) Ocurren todos los eventos.
b) Ocurren exactamente dos de los eventos
c) Ocurren a lo más dos de los eventos.
d) No ocurren ninguno de los eventos.
e) No ocurre A o no ocurre B o no ocurre C
f)Ocurre exactamente uno de los eventos.

15. Sean A y B dos eventos de , tales que no son mutuamente excluyentes:

a) Exprese A ( B ) como la unión de dos eventos mutuamente excluyentes.
b) Exprese A ( B ) como la unión de dos eventos mutuamente
excluyentes.

16. ¿Son los eventos A, AB y A  B colectivamente exhaustivos.

17. Dada una baraja de 52 cartas, el conjunto A consta de los 13 corazones y el

conjunto B son los 4 ases. Identifique cuales cartas están incluidas en (AB)
y (AB)

18. Haga un diagrama de Venn para el ejercicio anterior

117
Capitulo 4: Nociones de Probabilidad.

19. Algunos de los trabajadores hombres y mujeres de una planta grande tienen
educación secundaria. El conjunto A consta de los trabajadores hombres, el
conjunto B de trabajadores mujeres, el conjunto C es el conjunto con
educación secundaria y el conjunto D es el conjunto de los trabajadores que
no tiene educación secundaria. identifique y explique (AC), (BD) y (AC)

20. Para el problema anterior ¿Cuál es la diferencia entre (BD) y (BD)?

21. Dada las condiciones del ejercicio (19), identifique 3 los eventos que son:
a) Mutuamente excluyentes.
b) Colectivamente exhaustivos con respecto al género.

22. Si P(A) = ¾, P(B) = 2/3 y P(AB)=1/5, hallar:

a) P(AB) b) P(A-B) c) P(B-A) d) P(A/B)

23. La probabilidad que un alumno aprueba el curso de estadística es 1/3, que

apruebe el curso de matemática es 1/6 y de que aprueba ambos cursos es
1/5. ¿Cuál es la probabilidad de que apruebe al menos un curso?

24. En una cierta ciudad se publican tres diarios A, B y C. Supongamos que el

60% de las familias de la ciudad lee A, el 40% lee B, y el 30% lee C.
Supongamos también que el 20% de las familias de la ciudad lee A y B, el
10% lee A y C, el 20% lee B y C y el 5% lee A, B y C. Determinar:
a) ¿Qué porcentaje de familias leen por lo menos uno de los diarios?
b) ¿Qué porcentaje de familias lee exactamente uno de los diarios?

25. Si P(A) = 0.3, P(B) = 0.2, Si A y B son independientes, determine las

siguientes probabilidades:
a) P(AB) b) P(A/B) c) P(AB) d) P ( A  B ) e) P( ( A  B )

26. Un club consiste de 150 miembros. Del total 3/5 son hombres y 2/3 son
profesionales. Además, 1/3 de las mujeres son no profesionales. Se elige un
socio al azar:
a) Calcular la probabilidad de que se hombre y profesional.
b) Calcular la probabilidad de que sea hombre, dado que es profesional.
c) Calcularla probabilidad de que sea no profesional, si es hombre.
d) Calcular la probabilidad de que sea mujer y no profesional.

118
Capitulo 4: Nociones de Probabilidad.

27. La siguiente tabla corresponde a la opinión ciudadana agrupada en tres

categorías (a favor, en contra, indeciso) según género en una muestra de
210 habitantes de una ciudad.

Opinión
Género Total
A favor En contra Indeciso
Hombre 41 39 20 100
Mujer 40 43 27 110
TOTAL 81 82 47 210

Si se elige un habitante al azar, calcular la probabilidad de que:

a) Opine a favor b) Opine en contra, si es mujer
c) Sea mujer, si opina a favor d) Opine a favor o en contra.

28. Los pedidos nuevos de los productos de una campaña varían en valor
monetario, según la siguiente distribución de probabilidades:

Monto de la
0-1000 1001-2000 2001-3000 3001-4000 4001-5000 Total
venta en $
Probabilidad 0.10 0.35 0.25 0.20 0.10 1.00

Obtenga las siguientes probabilidades:

a) De que el nuevo pedido sea mayor de $2000
b) De que el nuevo pedido sea mayor de $1000 pero menor o igual a 4000.

29. En una universidad el 70% de los trabajadores son docentes y el 30% son
empleados administrativos, de los trabajadores docentes el 60% son
varones y de los empleados administrativos son varones el 40%. Si se elige
aleatoriamente un trabajador, calcular la probabilidad de que:
a) sea varón
b) sea mujer
c) sea empleado administrativo
d) sea docente, si es varón
e) sea empleado administrativo, si es mujer
f) sea docente y mujer

119