PROBABILIDADES

CONCEPTOS PREVIOS

En nuestra vida cotidiana,

realizamos muchas acciones o
procedimientos cuyos resultados
finales podemos predecir con
exactitud, o son inciertos.

1
RESULTADO DE LA ACCION

EXACTO INCIERTO

EXPERIMENTO EXPERIMENTO
DETERMINISTICO ALEATORIO

EJEMPLOS... 2
 CONCEPTOS PREVIOS

• La Estadística provee el concepto de

probabilidad para estudiar aquellos
experimentos calificados como
aleatorios.

• Se entiende por probabilidad a una

medida estadística que cuantifica la
incertidumbre, es decir, asigna un
número real a la posibilidad de
obtener un resultado particular de un
experimento aleatorio. 3
 DEFINICIONES

 Se llama espacio muestral,

denotado por Ω, al conjunto de todos
los resultados posibles de un
experimento aleatorio.

 Si Ω tiene un número finito o infinito

numerable de elementos, se dice que
es un espacio muestral discreto.

4
 DEFINICIONES

 Si Ω tiene un número infinito no

numerable de elementos, se dice que
es un espacio muestral continuo.

 A los subconjuntos del espacio

muestral Ω, se les llama evento o
suceso.

5
 DEFINICIONES
 Si Ω tiene un número infinito no
numerable de elementos, se dice que
es un espacio muestral continuo.
 En particular, el conjunto vacío (Φ) y
el propio Ω son eventos de un
espacio muestral, ya que:
Φ⊆Ω ;Ω⊆Ω
Φ: evento imposible
Ω: evento seguro 6
 DEFINICIONES

 Se dice que un evento A de Ω (A ⊆ Ω)

ocurre, si el resultado del
experimento aleatorio es un elemento
de A, en caso contrario, se dice que A
no ocurre.

7
 ALGEBRA DE EVENTOS

Ya que los eventos son conjuntos,

podemos aplicar la teoría de conjuntos
para obtener nuevos eventos de un
espacio muestral Ω.

Consideremos los eventos:

A⊆ Ω
B⊆Ω
8
 ALGEBRA DE EVENTOS
 A∪ B
La unión de los eventos A y B ocurre sí, y
solo sí, ocurre A, ocurre B o ambos a la vez
(por lo menos ocurre uno de ellos).
 A∩ B
La intersección de los eventos A y B
ocurre sí, y solo sí, ocurren
simultáneamente A y B.

Si A ∩ B = φ, se dice que A y B son

eventos excluyentes o disjuntos.
9
 ALGEBRA DE EVENTOS

 AC
El complemento del evento A ocurre sí, y
solo sí, no ocurre el evento A.

 Leyes de De Morgan:
(A ∪ B)C = AC ∩ BC
(A ∩ B)C = AC ∪ BC

10
 DEFINICION DE PROBABILIDAD

Probabilidad, es una función definida

sobre , el conjunto de todos los
subconjuntos del espacio muestral Ω,
P ( )
tal que a un subconjunto cualquiera A
de )
, le asocia unP (número real, P(A),
que recibe el nombre de probabilidad
de A.

11
 DEFINICION DE PROBABILIDAD

De acuerdo a lo anterior,
se tiene la siguiente definición
de probabilidad:

P: P ()  ¡
A  P ( A)

12
AXIOMAS DE PROBABILIDAD
1.- P ()  1

2.- P( A)  0  A  

3.- P( A  B)  P( A)  P( B) ssi A  B  

13
 TEOREMAS SOBRE PROBABILIDADES
Teorema 1.-
P ( )  0

Teorema 2.-
P ( AC )  1  P ( A) A, AC  

Teorema 3.-
P( A  B)  P( A)  P( B)  P( A  B)  A, B  

Teorema 4.-
Si A  B  P( A)  P( B) A, B  
14
 DEFINICION CLASICA DE
PROBABILIDAD

Sea A un evento cualquiera de un

espacio muestral Ω, finito,
entonces la probabilidad de A,
P(A), está dada por:
n(A)
P(A) =
n(Ω)
n(A): Nº de elementos (o cardinalidad) del evento A.

n(Ω): Nº de elementos (o cardinalidad) de Ω.

15
 DEFINICION CLASICA DE
PROBABILIDAD

La definición clásica de probabilidad

supone que los elementos del evento A
son equiprobables, es decir, cada ω ε A
tiene la misma probabilidad de
ocurrencia.

16
 EJEMPLO
❧ De un grupo de 20 personas, 11 son hombres, 5 son
mujeres y 4 niños. Se selecciona una persona al azar,
b) ¿Cuál es la probabilidad que se seleccione a un niño?
n(  ) = 20 A = es niño n(A) = 4
luego p(A) = 4/20 = 1/5

f) ¿Cuál es la probabilidad que sea un hombre o una mujer el

seleccionado?
B = es hombre C = es mujer n (B) = 11 n (C) = 5
p(BvC) = p(B) + p(C) = 11/20 + 5/20 = 16/20 = 4/5
17
 METODOS DE CONTEO
Para calcular las cardinalidades (Nº de elementos) de los
eventos, se hace necesario utilizar ciertas técnicas que
son de mucha utilidad.

PRINCIPIO MULTIPLICATIVO

Si un proyecto se realiza en k etapas y cada una de ellas

se puede realizar de nk maneras, entonces, el proyecto
total se puede realizar de:

n1 n2 n3 nk

18
maneras distintas
 PERMUTACIONES

Una permutación de n objetos, es un arreglo

(un ordenamiento) de ellos.
El Nº de permutaciones de n objetos
distinguibles está dado por:
n Pn  n !
El Nº de permutaciones de r objetos, de
un total de n ( r < n), está dado por:
n!
n Pr 
(n - r)!
19
 COMBINACIONES
Cada subconjunto de r objetos, tomados de
un total de n objetos ( r  n )se llama una
Combinación de r elementos .
El Nº de Combinaciones de r objetos que se
pueden obtener de un total de n objetos
está dado por:

n n n!
C r =   =
 r  (n - r)! r! 20
PROBABILIDAD CONDICIONAL Y
EVENTOS INDEPENDIENTES

En algunos casos, la ocurrencia de

un evento puede afectar a la
probabilidad de ocurrencia de otro
evento del mismo espacio
muestral.

21
 PROBABILIDAD CONDICIONAL Y
EVENTOS INDEPENDIENTES
Supongamos que un jugador apuesta a
la ocurrencia del “2” al lanzar un dado
correcto.
La probabilidad que gane el juego es
1/6.
Si el jugador recibe la información que
el dado mostró un número par,
entonces la probabilidad que gane
aumenta a 1/3. 22
 PROBABILIDAD CONDICIONAL Y
EVENTOS INDEPENDIENTES

Si se definen los eventos:

A: “El dado muestra el número 2”

B: “El dado muestra un número par”

Por lo expresado anteriormente, se

tiene que la ocurrencia del evento B
afecta a la probabilidad de ocurrencia
del evento A. 23
 PROBABILIDAD CONDICIONAL Y
EVENTOS INDEPENDIENTES
Sean A y B eventos de un espacio
muestral Ω. La probabilidad condicional
de que ocurra el evento A, dado que
ocurrió el evento B, denotado por
P(A/B), se define por:

 P(A ∩ B)
 ; si P(B) > 0
P(A/B) =  P(B)
0 ; si P(B) = 0

24
 PROBABILIDAD CONDICIONAL Y
EVENTOS INDEPENDIENTES

Análogamente, la probabilidad
condicional de que ocurra el evento B,
dado que ocurrió el evento A, denotado
por P(B/A), se define por:

 P(A ∩ B)
 ; si P(A) > 0
P(B/A) =  P(A)
0 ; si P(A) = 0

25
 PROBABILIDAD CONDICIONAL Y
EVENTOS INDEPENDIENTES
La probabilidad P(A/B) se lee:
“probabilidad condicional de A dado B”

La probabilidad P(B/A) se lee:

“probabilidad condicional de B dado A”

En general, se cumple que:

P(A/B) ≠ P(B/A)
26
PROBABILIDAD CONDICIONAL Y
EVENTOS INDEPENDIENTES

Los eventos A y B de un espacio

muestral Ω son mutuamente
independientes si P(A/B) = P(A) o
P(B/A) = P(B).

Teorema: Los eventos A y B son

mutuamente independientes, sí y
solo sí, P(A∩B) = P(A)⋅P(B)
27
 PROBABILIDAD CONDICIONAL Y
EVENTOS INDEPENDIENTES

REGLA DEL PRODUCTO

Si el evento B ocurre después de un
evento A (A,B ⊆ Ω), y tal que A es
condicionante de B, entonces:

P(A ∩ B) = P(A) ⋅ P(B/A)

28
 PROBABILIDAD CONDICIONAL Y
EVENTOS INDEPENDIENTES

TEOREMA DE LA PROBABILIDAD TOTAL

Sea A1, A2,..., Ak una partición de un
espacio muestral Ω, es decir,

k
Ai = Ω ; Ai ∩ A j = φ , ∀ i ≠ j
i =1

29
TEOREMA DE LA PROBABILIDAD TOTAL

Entonces, para cualquier evento B de

Ω, se tiene que:

k
P(B) = ∑ P(Ai ) ⋅ P(B/Ai )
i =1

30
 TEOREMA DE BAYES

Sean A1, A2,..., Ak una partición de

un espacio muestral Ω, entonces,
para cualquier evento B de Ω, se
tiene que:

P(A j ) ⋅ P(B/A j )
P(A j/B) = ; j = 1,2,..., k
k
∑ P(Ai ) ⋅ P(B/Ai )
i =1 31