Introduccion A La Probabilidad

PROBABILIDAD Y ESTADÍSTICA
UNIDAD TEMÁTICA
T EORÍA DE LA PROBABILIDAD
PROBABILIDAD
PROBABILIDAD
I NTRODUCCIÓN
Las situaciones que se presentan en el mundo son
estudiadas cada día con mayor frecuencia en
términos probabilísticos (inciertos), más que
deterministas (predecibles). A algunas situaciones
se les considera de ocurrencia segura y a otras
imposible de acontecer.
La Probabilidad es la rama de las Matemáticas que

estudia las expectativas de que un suceso o
fenómeno determinado ocurra.
PROBABILIDAD
El concepto de Probabilidad es manejado por
mucha gente. Frecuentemente se escuchan
preguntas como :
• ¿Cuál es la posibilidad de que me saque la

lotería?
• ¿Qué viabilidad hay de que este año disminuyan
los casos de influenza?
• ¿Qué factibilidad hay de que hoy llueva?
• ¿Cuáles son las oportunidades de que nuestro
equipo gane el campeonato?
• ¿Cuántos artículos son defectuosos?
PROBABILIDAD
Estas preguntas, en el
lenguaje coloquial,
esperan como respuesta
una medida de confianza
de que ocurra un evento
futuro, o bien, de una
forma sencilla,
interpretar la Medida de la incertidumbre (duda)
de que un fenómeno ocurra.
Probabilidad de que ése Fuente: Imágenes de Google, 2015
fenómeno suceda.
PROBABILIDAD
El conocimiento de la
Probabilidad es de suma
importancia en todo estudio
estadístico.
El cálculo de probabilidades
proporciona las reglas para
el estudio de los
Medida de la incertidumbre (duda) experimentos aleatorios o
de que un fenómeno ocurra.
Fuente: Imágenes de Google, 2015 de azar, que constituyen la
base para la Estadística
Inferencial.
PROBABILIDAD
Un fenómeno
aleatorio es un
acontecimiento del
que no se sabe el
resultado que se
obtendrá; están
relacionados con el
azar. La
Probabilidad estudia
Auditoría para identificar cero defectos.
los fenómenos Fuente: Imágenes de Google, 2015
aleatorios.
PROBABILIDAD
Por otro lado, un fenómeno determinista es el
acontecimiento en el cual, de antemano, se sabe
cual será el resultado.
Calcular la velocidad de la motocicleta aplicando la fórmula

para el movimiento rectilíneo.
Fuente: Imágenes de Google, 2015
PROBABILIDAD
El primer libro sobre
Teoría de la
Probabilidad es "De Ludo
Aleae" de Girolamo
Cardano (1501 - 1576,
Italia) que esta
básicamente dedicada al
juego de los dados.
Girolamo Cardano Cardano anteriormente se
había ocupado de los
problemas de apuestas.
PROBABILIDAD
La Teoría de la
Probabilidad se
inició prácticamente
con el análisis de los
juegos de azar. Los
tres matemáticos
pioneros de estas
teorías fueron: Blaise
Pascal (1623-1662).
Pierre de Fermant
(1601-1665) y Pierre
Simón de Laplace Pascal, Fermant y Laplace
“Jugadores de cartas”, 1595
(1749-1827) M. A Merisi de Caravaggio (1573-1616)
PROBABILIDAD
Los juegos de azar son sin
duda una de las
actividades de recreación
más antiguas del hombre,
fueron una motivación
principal para el desarrollo
de la teoría de la
probabilidad, y fue
precisamente acerca de
uno de éstos juegos que
Pascal y Fermant
“Niños jugando a los dados”, 1665 iniciaron en 1654 un
B. E. Murillo (1617-1682)
Fuente: Imágenes de Google, 2015 estudio sistemático.
PROBABILIDAD
El suceso que
trataron Pascal y
Fermant surgió de un
juego de dados y
tenían que averiguar
el número de veces
que se debían arrojar
dos dados para que
la probabilidad de
obtener dos “seis” Juego de dados
fuera el cincuenta
porciento.
PROBABILIDAD
Sin embargo, hasta
1812 Laplace definió
con precisión lo que
significaba la
probabilidad de un
evento, en su Theorie
Analytique des
Probabilites,
explicando la posibilidad
de que un evento dado
Publicación de la “Teoría Analítica de las ocurra.
Probabilidades” de Laplace, 1812
PROBABILIDAD
Los pioneros de la
Teoría de la
Probabilidad tuvieron
contribuciones de otros
científicos como
Chebyshev (1821-1894)
con el Teorema de
Chebyshev y Markov Pafnuti Chevyshev Y Andréi Márkov
(1856-1922) con el Fuente: Imágenes de Google, 2015
Teoría de los
Números.
PROBABILIDAD
Finalmente Andréi
Kolmogórov (1903-
1987) estructuró el
Sistema Axiomático de
la Teoría de la
Probabilidad a partir de
la Teoría de
Conjuntos, donde los
elementos son eventos
Andéi Kolmogórov
Fuente: Imágenes de Google, 2015 de un experimento
probabilístico.
PROBABILIDAD
C ONTENIDO DE LA U NIDAD T EMÁTICA
Probabilidad
Teoría de Conjuntos Teoría de la Probabilidad
Conceptos básicos Conceptos básicos
Operaciones con conjuntos Axiomas de la Probabilidad
Fuente: Elaboración propia, 2015

TEORÍA DE CONJUNTOS
Para lograr un desarrollo
ordenado de la Teoría
de la Probabilidad se
requiere recordar la
Teoría de Conjuntos.
5
Conceptos Básicos:
Un conjunto es una
colección bien definida;
es decir, una colección Representación de un conjunto de números
de objetos o sujetos con Fuente: Elaboración propia, 2015
una característica en
común.
Los objetos o sujetos que constituyen un conjunto

se denominan elementos.
Hay tres formas de describir un conjunto:

1. Por enunciación: Cuando se escribe o se
enlistan los elementos que conforman un conjunto.
U = {Lunes, martes, miércoles, jueves, viernes,

sábado y domingo}
2. Por comprensión: Cuando se proporciona una

regla con la cual se identifican los elementos
de un conjunto.
U = {Los días de la semana}
3. Por Diagrama de Venn: Cuando se

representan gráficamente los elementos de un
conjunto y sus relaciones.
Diagrama de Venn
U
Lunes
Miércole
Jueves Martes
s
Sábado Domingo Viernes
Representación del conjunto de los días de la semana

El conjunto universo es la
colección de objetos o U
sujetos que contiene
todos los elementos que A B
interesan en una
situación determinada.
Se acostumbra
identificar con la letra U. Diagrama de Venn
Representación del conjunto universo
Sea U el conjunto universo que incluye los
siguientes elementos:
U = {Lunes, martes, miércoles, jueves, viernes,
sábado y domingo}, o bien
U = {Los días de la semana}
Entonces,
Lunes  U, domingo  U, noviembre  U
Es decir, los elementos lunes y domingo son

pertenecen a U y noviembre no pertenece a U.
Diagrama de Venn
U
A B
Representación de dos conjuntos en el conjunto universo

Un Subconjunto es
U una parte de la
B colección de objetos o
sujetos que componen
un conjunto
A
determinado.
En notación matemática
se representa como :
Representación de un subconjunto
A  B o A  B.
El conjunto vacío es el que carece de

elementos. En notación matemática se
representa como A = 
La cardinalidad de un conjunto A es el
número de elementos que contiene y se
denota como n(U) = 7 (haciendo referencia al
conjunto de los días de la semana).
Operaciones con conjuntos
La unión
Unión de conjuntos:
U
de los conjuntos A y B
es el conjunto de todos
A B
los elementos que
están en A, en B o en
ambos. Se denota por A
 B.
Representación de la unión de conjuntos

La
Intersección de conjuntos:
U
intersección de los
conjuntos A y B es el A B
conjunto de los
elementos que están
en A y también están
en B. La notación
matemática es A  B.
Representación de la intersección de conjuntos
Complemento de un conjunto:
U El complemento de un
conjunto A es el
A conjunto de todos los
elementos del Universo
que no están en A.
Entonces A = U - A.
A
Representación del complemento de un conjunto

Diferencia de dos La
conjuntos:
diferencia entre los U
conjuntos A y B es el
conjunto de todos los A B
elementos que están en A
pero no en B; es decir, son
los elementos que
exclusivamente pertenecen
a A. Se denota como A - B.
Representación de la diferencia de conjuntos
Ejemplo
Se realiza una encuesta

U entre 100 personas para
conocer cuál es su destino
turístico preferido:
Acapulco o Cancún. De
A C ellas, 45 respondieron que
prefieren Cancún; 35
Acapulco y 25
respondieron que
Acapulco les gusta tanto
Representación de los conjuntos
Fuente: Elaboración propia, 2015 como Cancún.
Ejemplo
U Determina:
• ¿Cuántas personas
prefieren sólo
A C Cancún?
• ¿Cuántas personas
prefieren otros
destinos que no sean
Acapulco o Cancún?
Procedimiento
 Determinar el número
U de personas que
prefieren Acapulco
A C • Determinar el número
de personas que
AC prefieren Cancún
• Elaborar el Diagrama de
Venn que represente
[AC]c estos conjuntos
Procedimiento
U  Determinar la cardinalidad
de A: n[A] = 10
• Determinar la cardinalidad
A CC
de C: n[C] = 20
AC • Determinar la cardinalidad
10 25
10 25 20 de A  C: n[AC] = 25
• Determinar la cardinalidad
[AC]c = 45 del complemento de AC:
n[AC] = 45
Resultado
 El número de personas
U que prefieren Cancún
como destino turístico es:
A C n[C – A] = n[C] – n[AC] =
C 45-25 = 20
AC
25  El número de personas
10 20 que prefieren otros
destinos turísticos que no
sean Cancún o Acapulco
[AC]cc== 45
[AC] 45 es: n[AC] = n[U] – n[AC]
= 100-55 = 45
TEORÍA DE LA PROBABILIDAD
Una vez revisada la Teoría de Conjuntos se
pueden explicar los Conceptos Básicos de la
Teoría de la Probabilidad.
La Teoría de la Probabilidad se usa

extensamente en áreas como la Estadística,
la Física, las Matemáticas, las Ciencias Naturales,
las Ciencias Exactas y las Sociales, para obtener
conclusiones sobre la posibilidad de que
acontezcan sucesos o fenómenos, por lo tanto es
la rama de las Matemáticas que estudia a los
experimentos aleatorios y sus resultados.
Conceptos Básicos
La Probabilidad es un método por el cual se
obtiene la frecuencia de ocurrencia de un
acontecimiento determinado mediante la
realización de un experimento del cual no se
conocen los resultados posibles, bajo
condiciones suficientemente constantes.
La Probabilidad es el conjunto de posibilidades

que tiene un evento de que ocurra o no en un
momento y tiempo determinado.
Dichos eventos pueden ser medibles a través de
una escala de 0 a 1, donde el evento que no pude
ocurrir tiene una probabilidad de 0 y se conoce
como evento imposible; por otra parte, un evento
que tiene una probabilidad de 1 es un evento que
ocurre con una certeza muy alta y se conoce como
evento posible o seguro.
0 0.5 1
Evento imposible Evento probable Evento posible
Un experimento en
Probabilidad es un
procedimiento, acción u
operación que consiste
en realizar una
medición u observación
de los resultados
posibles y cuantificarlos;
es decir, cualquier
proceso que genera un
resultado definido.
Experimento: Elección de personas
Los experimentos en Probabilidad pueden
clasificarse de acuerdo al tipo de resultados que
se obtienen:
Experimento Aleatorio
Experimento Aleatorio Recuento de microorganismos

Fuente: Norma ISO 22000, 2015
Experimento Determinista
Experimento Determinista: Ensayos en el Laboratorio

Fuente: Imágenes Google, 2015
Un experimento es aleatorio si se verifican las
siguientes condiciones:
1. Se puede repetir indefinidamente, siempre en
las mismas condiciones.
2. Antes de realizarlo, no se puede predecir el
resultado que se va a obtener.
3. El resultado que se obtenga, s, pertenece a un
conjunto conocido previamente de resultados
posibles.
Experimento aleatorio es
aquel que bajo la misma
serie de condiciones
iniciales, puede presentar
resultados diferentes; es
decir, no se puede predecir
o reproducir el resultado
¿Qué porcentaje de exacto de cada experiencia
pacientes se mejorarán con
el nuevo tratamiento?
particular.
Ejemplos de experimentos aleatorios son:
1. Resultado de un partido de futbol.
2. Llegada de un autobús a la parada.
3. Aprobar el examen final de Estadística.
4. Clima sin lluvia y tormentas eléctricas.
5. Preferencias por un estilo de música.
6. Nivel de inflación en el año.
7. Casos de influenza en la temporada invernal.
8. Ganador del Maratón de la Ciudad de México.
Experimento
determinista es aquel
estudio, ensayo o
situación en la cual se
conocen todos los
factores de un
experiencia y que
permite predecir
exactamente el resultado
Louis Pasteur (1822-1895) y el
que se va a obtener. origen de la pasteurización.
Espacio Muestral es el
conjunto de todos los S
posibles eventos o
B
resultados que pueden
ocurrir como efecto de un
experimento determinado y
se le denota normalmente A C
mediante la letra S. El
espacio muestral puede
representarse gráficamente
con un Diagrama de Venn. Representación del Espacio Muestral.
El Espacio Muestral puede representarse también
con la notación de conjuntos, ya sea por
enunciación o por comprensión.
Ejemplo
Experimento: ¿Cuál es el color favorito de los
estudiantes?
Espacio muestral: Frecuencia de ocurrencia para
el color blanco, negro, café, azul, rojo, rosa,
naranja, entre otros.
S = {10 blanco, 15 negro, 5 café, 12 azul, 3 rojo, 2
rosa, 7 naranja}
Al número de puntos muestrales de S se le

representa por n[S] lo cual se llama cardinalidad
del espacio muestral.
Un Evento es una colección de resultados u

observaciones obtenidos del experimento
probabilístico y forma parte del espacio muestral.
Los eventos son subconjuntos del espacio

muestral S, y se denotan como A, B, C,…  S
S
El evento es una
Evento
colección de resultados u
observaciones obtenidas
del experimento y forma
Evento Evento parte del espacio
muestral.
Representación de los Eventos que se

encuentran en un Espacio Muestral.
Los Eventos Aleatorios son las agrupaciones de

resultados u observaciones que se obtienen de un
experimento aleatorio y son parte de un espacio
muestral.
Los eventos aleatorios son subconjuntos que
pueden contener un solo elemento, una infinidad
de elementos y también no contener algún
elemento.
Eventos aleatorios que aparecen con gran

frecuencia en el cálculo de probabilidades:
Evento seguro: Siempre se verifica después del
experimento aleatorio, forma parte del espacio
muestral.
E = S y n[E] = n[S]
Evento imposible: Es aquel que nunca se verifica

como resultado del experimento aleatorio. No
tiene elementos de interés para su fenómeno. Es
un subconjunto de S y la única posibilidad es que
el evento imposible sea el conjunto vacío .
  S, y n[] = 0
Evento Elemental o Simple es el evento E que
contiene exactamente un punto muestral de S; esto
es, n[E] = 1.
Cada elemento del espacio muestral, es un evento

elemental. También se le denomina como punto
muestral.
Si s1, s2  S entonces s1, s2 son eventos elementales.

Eventos Mutuamente S
Excluyentes o Disjuntos
son dos eventos E1 y E2 A
que tiene la característica
de que cuando sucede B
uno (E1) no sucede el
otro (E2); por lo tanto, no
tienen elementos en
común. Representación de los Eventos Mutuamente
Excluyentes en un Espacio Muestral.
Ejercicio
Un técnico de laboratorio S
clínico registra el tipo de
sangre y el factor Rh de los A
pacientes que van llegando B
al laboratorio.
Liste los eventos simples AB
del experimento:
O
S = {A+, A-, B+, B-,
AB+,AB-, O+, O-}
Representación de los Eventos Simples del
Espacio Muestral Tipo de Sangre.
+ A+
A
- A-
+ B+
B
- B-
S + AB+
AB
- AB-
+ O+
O
- O-
Diagrama de Árbol de Tipos de Sangre..
S
Ejercicio
Factor Rh Tipo de Sangre
A
B
Positivo A+ B+ AB+ O+
Negativo A- B- AB- O-
AB
Tipo de Sangre
Positivo A B AB O
O
Proporción 0.41 0.10 0.04 0.45
Representación de los Eventos Simples del

Espacio Muestral Tipo de Sangre.


La probabilidad de un evento A es igual a la
suma de las probabilidades de los eventos simples
contenidos en A.
Los requerimientos para las probabilidades de los

eventos simples son:
• Cada probabilidad debe estar entre 0 y 1.
• La suma de las probabilidades de todos los
eventos simples en el espacio muestral S es
igual a 1.
Ejemplo
Las proporciones de fenotipos sanguíneos A, B, AB
y O en la población son: 0.41, 0.10, 0.04 y 0.45,
respectivamente. Si se eligiera al azar una persona
¿Cuál es la probabilidad de que el tipo sanguíneo
que presenta sea A o AB?
Tipo de Sangre
Factor Rh
A B AB O
Negativo A- B- AB- O-
Positivo A+ B+ AB+ O+
Total 0.41 0.1 0.04 0.45
Ejemplo
Los cuatro eventos simples A, B, AB y O no son
equiprobables; es decir, no presentan la misma
probabilidad. Sus probabilidades se encuentran a
partir del concepto de frecuencia relativa:
P(A) = 0.41 P(B) = 0.1 P(AB) = 0.04 P(O) = 0.45
El evento de interés consiste en dos eventos

simples, por lo tanto:
P(la persona tenga tipo A o tipo AB) = P(A) + P(AB)
= 0.41+ 0.04 = 0.45
Cálculo de la Probabilidad de un Evento
Liste los eventos simples del espacio muestral
Incluya todos los eventos simples en el espacio
muestral
Asigne la probabilidad real correspondiente a
cada evento simple
Determine que eventos simples dan como
resultado el evento de interés
Sume las probabilidades de los eventos simples
que dan como resultado la probabilidad del
evento de interés
Ejemplo
En un estudio se clasifica un número grande de
adultos a partir de si necesitan anteojos para
corregir su visión de lectura o si usan anteojos para
leer. Las proporciones correspondientes a las
cuatro categorías son:
Utilizaban anteojos para leer
Necesitaban anteojos
Si No Totales
Si 0.44 0.14 0.58
No 0.02 0.40 0.42
Totales 0.46 0.54 1.00
Ejemplo
Si se elige un solo adulto de este grupo, encuentre la
probabilidad de cada uno de los siguientes eventos:
• El adulto necesita anteojos
• El adulto necesita anteojos para leer pero no los usa
• El adulto usa anteojos para leer ya sea que los
necesite o no
Considere las recomendaciones hechas anteriormente para el
cálculo de probabilidades.
Ejemplo
Utilizaban anteojos para leer
Necesitaban anteojos
Si No Totales
Si A = 0.44 C = 0.14 0.58
No B = 0.02 D = 0.40 0.42
Totales 0.46 0.54 1.00
• Evento “El adulto necesita anteojos”
[P(A)+P(C)] = 0.44+0.14 = 0.58
• Evento “El adulto necesita anteojos para leer pero no los usa”
[P(C)] = 0.14
• Evento “El adulto usa anteojos para leer ya sea que los
necesite o no”
[P(A)+P(B)] = 0.44+0.02 = 0.46
Ejercicios
Resuelva los siguientes ejercicios:
1.Durante su curso de Química, los alumnos tienen
que aprobar dos exámenes, uno teórico y otro de
laboratorio. 31 alumnos ya aprobaron el examen
teórico; 15 el de laboratorio; 8 alumnos han
aprobado ambos exámenes y el resto no han
aprobado ninguno. En el curso de Química están
inscritos 64 estudiantes ¿Cuál es la probabilidad de
que, al elegir un alumno al azar pertenezca a
alguno de los siguientes eventos?
Ejercicios
 Haya aprobado el examen teórico
 Haya aprobado el examen del laboratorio
 Haya aprobado ambos exámenes
 No haya aprobado ningún examen
Elabore un Diagrama de Venn para representar el
espacio muestral y considere las recomendaciones
hechas anteriormente para el cálculo de
probabilidades.
Ejercicios
2.Una bolsa contiene diez esferas marcadas con
los números 1, 2, 3, 4, 5, 6, 7, 8, 9,10.
• Sea E1 el evento de extraer una esfera marcada con 3 o menos.
• Sea E2 el evento de extraer una esfera marcada con 6 o más.
• ¿Cuál es la probabilidad de sacar estas esferas de la bolsa?
Ejercicios
3.La probabilidad de que asista a una universidad
pública (A) es de 0.4 y la probabilidad de que asista
a una privada (B) es 0.25 ¿Cuál es la probabilidad
de que asista a una universidad estatal o a una
universidad privada? y ¿Cuál es la probabilidad de
que no asista a la universidad (C)?
Definición Axiomática de la Probabilidad de
Kolmogorov
Sea S el espacio muestral de un experimento
aleatorio. Una probabilidad en S es cualquier función
P que asigna a cada evento A un número real P(A)
que cumple las siguientes propiedades:
A1. 0 ≤ P(A) ≤ 1
A.2. P(S) = 1
A.3. Si A y B son eventos mutuamente excluyentes
(A  B = 0), entonces P(A  B) = P(A) + P(B)
Reglas de Probabilidad
71
 Eventos Exclusivos o A B
Mutuamente Excluyentes son
aquellos cuyos conjuntos no
se intersecan. Es decir que un
dato no aparece en ambos a
la vez. AB=
 Eventos Exhaustivos son

aquellos cuya Unión es el
Espacio Muestral, es decir que A B
cada dato aparece al menos
en un evento.
AB = S
Tema 4: Introducción a Probabilidad
Sistema exhaustivo y excluyente
72 de sucesos Son una colección
de sucesos
A1 A2
A1, A2, A3, A4…
Tales que la unión

de todos ellos
A3 A4
forman
el espacio
muestral, y sus
intersecciones
son disjuntas.
Propiedades de la Probabilidad
1.P( ) = 0
2.P(A) = 1- P(A) o [P(Ac)]
3.Si A y B son eventos tales que AB
entonces P(A) ≤ P(B)
4.P(AB) = P(A) + P(B) - P(AB) para
eventos que no son mutuamente
excluyentes
5.P(A/B ) = P(A) - P(AB)
Reglas de Probabilidad
74Regla Aditiva. Similar a Inclusión-Exclusión.
Qué sucede si A y B son Exclusivos?

Puesto que P(AB) = P() = 0.
Entonces P(AB) =P(A) +P(B).
Qué sucede si A y B son Independientes?

Puesto que P(AB) = P(A)P(B)
Entonces P(AB) =P(A) +P(B) –P(A)P(B).
Qué sucede si A y B son Exhaustivos?

P(AB) = P(S) = 1.
PROBABILIDAD
Ejemplo:
Experimento: Se lanzan dos monedas
Ω = { ss, aa, sa, as}
N(Ω) = 4
Sean:
A: el evento de que al lanzar un par de monedas caigan
dos soles exactamente
B: el evento de que al lanzar un par de monedas caiga un
sol exactamente.
Los elementos de A y B son
A = { ss }
B = {sa, as}
Se puede ver que A  B = , no hay elementos en común,
por lo que los eventos son mutuamente exclusivos o
disjuntos, por tanto
P(A  B) = P(A) + P(B)
PROBABILIDAD
N ( A) 1
P( A)  
N ( ) 4
N ( B) 2
P( B)  
N ( ) 4
1 2 3
P( A  B)  P( A)  P( B)   
4 4 4
PROBABILIDAD
Ejemplo:
Experimento: Se lanza un dado
Sean
Evento A: que al lanzar un dado salga el 2 o el 4
Evento B: que al lanzar un dado salga un número
mayor a 4
Evento C: que salga el 1 o 3
Los elementos de A, B y C son

A = {2, 4}, N(A) = 2
B = {5, 6}, N(B) = 2
C = {1, 3} , N(C) = 2
PROBABILIDAD
Como A, B y C son mutuamente excluyentes, ya
que A  B = {}, A  C = {},
B  C = {},
Por axioma 4
P(A  B  C) = P(A) + P(B) + P(C)
N ( A) 2
P ( A)  
N () 6
N ( B) 2
P( B)  
N () 6
N (C ) 2
P (C )  
N () 6
2 2 2 6
P ( A  B  C )  P ( A)  P ( B )  P (C )      1
6 6 6 6
PROBABILIDAD
Teorema 2.-(Ley Aditiva de la Probabilildad).

Sean A y B dos eventos no excluyentes, A  B 
, entonces
P(A  B) = P(A) + P(B) - P(A  B)
AB
PROBABILIDAD
Diferencia
Sean A y B dos eventos:
A-B = { x | x  A y x  B }
A-B
PROBABILIDAD
Ejemplo.-
Experimento.- Se lanza un dado y una moneda
Ω = {1s, 2s, 3s, 4s, 5s, 6s, 1a, 2a, 3a, 4a, 5a, 6a }
N(Ω) = 12
A: Al lanzar un dado y una moneda aparezcan el
número 2 o 3 con sol.
B: Al lanzar un dado y una moneda aparezcan
números pares con sol.
A = { 2s, 3s }, N(A) = 2
B = { 2s, 4s, 6s } N(B) = 3
A  B = { 2s } N(A  B ) = 1
P(A  B) = P(A) + P(B) - P(A  B)
= 2/12 + 3/12 – 1/12 = 4/12 = 1/3
PROBABILIDAD
Teorema 3.- Sea A un evento cualquiera y Ω un

espacio muestral, tal que AS, si Ac es el
complemento del evento A, entonces la
probabilidad de Ac es igual a 1 menos la
probabilidad de A, es decir
P(Ac) = 1 – P(A)
PROBABILIDAD
Experimento.- Se lanza un dado y una moneda
Ω = {1s, 2s, 3s, 4s, 5s, 6s, 1a, 2a, 3a, 4a, 5a, 6a }
N(Ω) = 12
A: Al lanzar un dado y una moneda aparezcan el
número 2 o 3 con sol.
B: Al lanzar un dado y una moneda aparezcan
números pares con sol.
A = { 2s, 3s }, N(A) = 2
B = { 2s, 4s, 6s } N(B) = 3
Ac = { 1s, 4s, 5s, 6s, 1a, 2a, 3a, 4a, 5a, 6a }
P(Ac) = 1 – P(A) = 1 – 2/12 = 10/12
Bc = { 1s, 3s, 5s, 1a, 2a, 3a, 4a, 5a, 6a }
P(Bc) = 1 – P(B) = 1 – 3/12 = 9/12
84 Reglas de Probabilidad
A B
0.24
Eventos independientes 0.06
son aquellos que no 0.14
afectan en el resultado
del otro.
P(A) = 0.20
P(B) = 0.30
P(AB) = 0.06
Cumplen la propiedad: P(A)P(B) = 0.06
P(AB) = P(A)P(B)
Nótese al graficar que:
P(A) = 0.14+0.06 = 0.20.
P(B) = 0.24+0.06 = 0.30.
85 Reglas de Probabilidad
 Regla Complementaria.
 P(A’) = P(S) - P(A) = 1 – P(A).
 Regla Multiplicativa. Similar a Inclusión-Exclusión.

 P(AB) = P(A)P(B|A)
 P(AB) = P(B)P(A|B)
 Esto significa que la probabilidad que sucedan A y B a la vez es
equivalente a la probabilidad que suceda A por la probabilidad que
suceda B, dado que ya sucedió A.
 Qué sucede si A y B son Independientes?

 Puesto que P(AB) = P(A)P(B)
 Entonces P(A)P(B) = P(B)P(A|B)
 Entonces P(A) = P(A|B)
 Lo mismo sucede con P(B) = P(B|A).
Probabilidad
86 condicional
 Despejemos de la Regla Multiplicativa.
E espacio muestral
P(AB )
P(A| B) A
B
P(B)
 Se llama probabilidad de A condicionada a B,

o probabilidad de A sabiendo que sí sucede
B.

Ejemplo:
87 En este aula el 70% de los alumnos son mujeres. De
ellas el 10% son fumadoras. De los varones, son fumadores
el 20%.
 ¿Qué porcentaje de fumadores hay en total?
 P(F) = P(F∩H) + P(F∩M)
= P(F|H) P(H) + P(F|M) P(M) T. Prob. Total.
Hombres y mujeres forman
=0,2 x 0,3 + 0,1 x 0,7 Un Sist. Exh. Y Excl.
De sucesos
= 0,13 =13%
 ¿Se elije 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
T. Bayes = 0x2 x 0,3 / 0,13
= 0,46 = 46%
fumadores
PROBABILIDAD
Ejemplo.-
En cierta ciudad, las mujeres representan el 50%
de la población y los hombres el otro 50%. Se
sabe que el 20% de las mujeres y el 5% de
hombres están sin trabajo. Un economista
estudia la situación de empleo, elige al azar una
persona desempleada. Si la población total es
de 8000 personas,
¿ Cuál es la probabilidad de que la persona
escogida sea ?:
PROBABILIDAD
a).- Mujer
b).- Hombre
c).- Mujer dado que está empleado
d).- Desempleado dado que es hombre
e).- Empleado dado que es mujer
Sean los eventos:

M: Que sea Mujer
H: Que sea Hombre
D: Que sea Desempleado
E: Que sea Empleado
Tabla Número de elementos de los Eventos M, H, D, E y S
Desempleados Empleados Total

D E
Mujeres 800 3200 4000

M
Hombres 200 3800 4000

H
Total 1000 7000 8000

Tabla de Probabilidades
D E Total
M 800/8000 = .1 3200/8000= .4 4000/8000= .5
H 200/8000= .025 3800/8000= .475 4000/8000= .5
Total 1000/8000= .125 7000/8000= .875 8000/8000= 1

PROBABILIDAD
P(M) = .50
P(H) = .50
P(E) = .875
P(D) = .125
P(M/E) = P(ME)/P(E) = .40/.875 = .4571
P(D/H) = P(DH)/P(H) = .025/.5 = .05
P(E/M) = P(ME)/P(M) = .40/.5 = .8
P(M/D) = P(MD)/P(D) = .10/.125 = .8
P(H/D) = P(HD)/P(D) = .025/.125 = .2
PROBABILIDAD
Eventos dependientes e independientes
En el ejemplo anterior se tiene que
P(M) = .50
P(H) = .50
P(E) = .875
P(D) = .125
P(ME) = .40 P(M) P(E) = .4375
P(DH) = .025 P(D) P(H) = .0625
P(MD) = .10 P(M) P(D) = .0625
P(EH) = .475 P(E) P(H) = .4375
PROBABILIDAD
Por tanto los eventos M y E ,

D y H,
M y D,
EyH
son dependientes.
95EJEMPLO: En una muestra de 1000 individuos elegidos al azar, entre una
población de enfermos de osteoporosis 760 eran mujeres.
 ¿Qué porcentaje de mujeres hay en la muestra?
 760/1000 = 0,76  76%
 Si elegimos a un individuo de la población, qué probabilidad hay de que

sea mujer:
 Es equivalente a medir la proporción de mujeres  P(Mujer) = 0.76
 ¿Cuál es la probabilidad de que elegido un individuo de la población

sea hombre:
 P(Hombre) = P(Mujer’) = 1 -0,76 =0,24
Se sabe de otros estudios que entre los individuos con osteoporosis, aprox. la
cuarta parte de las mujeres fuman y la tercera parte de los hombres.
Elegimos a un individuo al azar de la población de enfermos.
 ¿Qué probabilidad hay de que sea mujer fumadora?
 P(Mujer ∩ Fumar) = P(Mujer) P(Fumar|Mujer) = 0,76 x ¼ = 0,19
 ¿Qué probabilidad hay de que sea un hombre fumador?

 P(Hombre ∩ Fumar) = P(Hombre) P(Fumar|Hombre) = 0,24 x 1/3 = 0,08

96 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) + …


Eventos Independientes
Dos eventos A y B son independientes cuando la
ocurrencia de uno no afecta la probabilidad de la
ocurrencia del otro. De manera similar, muchos
otros eventos son independientes si la ocurrencia
de cualquiera no afecta las probabilidades de la
ocurrencia de los demás; es decir:
P(AB) = P(A)P(B)
De otra manera, los eventos son dependientes.

Eventos Independientes
Se dice que dos eventos A y B son
independientes si el hecho de que ocurra uno
de ellos no influye en la probabilidad de que
ocurra el otro; es decir:
P(AB) = P(A)P(B)
De otra manera, los eventos son

independientes.
Ejemplo
En la población hay 51% de varones y 49% de
mujeres, y las proporciones de varones y mujeres
daltónicos se muestran en la siguiente tabla :
Género
Daltonismo Total
Varones (B) Mujeres (B c )
Si (A) 0.04 0.002 0.042
No (A c ) 0.47 0.488 0.958
Total 0.51 0.49 1.00


Introduccion A La Probabilidad

Hochgeladen von

Dokumentinformationen

Originaltitel

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Introduccion A La Probabilidad

Hochgeladen von

Copyright:

Verfügbare Formate

PROBABILIDAD Y ESTADÍSTICA

La Probabilidad es la rama de las Matemáticas que

• ¿Cuál es la posibilidad de que me saque la

Calcular la velocidad de la motocicleta aplicando la fórmula

Teoría de Conjuntos Teoría de la Probabilidad

Conceptos básicos Conceptos básicos

Operaciones con conjuntos Axiomas de la Probabilidad

Fuente: Elaboración propia, 2015

Los objetos o sujetos que constituyen un conjunto

Hay tres formas de describir un conjunto:

U = {Lunes, martes, miércoles, jueves, viernes,

2. Por comprensión: Cuando se proporciona una

U = {Los días de la semana}

3. Por Diagrama de Venn: Cuando se

Sábado Domingo Viernes

Representación del conjunto de los días de la semana

Es decir, los elementos lunes y domingo son

Representación de dos conjuntos en el conjunto universo

El conjunto vacío es el que carece de

Representación de la unión de conjuntos

Representación del complemento de un conjunto

Se realiza una encuesta

La Teoría de la Probabilidad se usa

La Probabilidad es el conjunto de posibilidades

Experimento Aleatorio Recuento de microorganismos

Experimento Determinista: Ensayos en el Laboratorio

Al número de puntos muestrales de S se le

Un Evento es una colección de resultados u

Los eventos son subconjuntos del espacio

Representación de los Eventos que se

Los Eventos Aleatorios son las agrupaciones de

Eventos aleatorios que aparecen con gran

Evento imposible: Es aquel que nunca se verifica

Cada elemento del espacio muestral, es un evento

Si s1, s2  S entonces s1, s2 son eventos elementales.

Representación de los Eventos Simples del

Los requerimientos para las probabilidades de los

El evento de interés consiste en dos eventos

 Eventos Exhaustivos son

A1, A2, A3, A4…

Tales que la unión

Qué sucede si A y B son Exclusivos?

Qué sucede si A y B son Independientes?

Qué sucede si A y B son Exhaustivos?

Los elementos de A, B y C son

Teorema 2.-(Ley Aditiva de la Probabilildad).

Teorema 3.- Sea A un evento cualquiera y Ω un

son aquellos que no 0.14

 Regla Multiplicativa. Similar a Inclusión-Exclusión.

 Qué sucede si A y B son Independientes?

 Se llama probabilidad de A condicionada a B,

Tema 4: Introducción a Probabilidad

 ¿Se elije a un individuo al azar y resulta

Sean los eventos:

Desempleados Empleados Total

Mujeres 800 3200 4000

Hombres 200 3800 4000

Total 1000 7000 8000

H 200/8000= .025 3800/8000= .475 4000/8000= .5

Total 1000/8000= .125 7000/8000= .875 8000/8000= 1

Por tanto los eventos M y E ,

 Si elegimos a un individuo de la población, qué probabilidad hay de que

 ¿Cuál es la probabilidad de que elegido un individuo de la población