Probabilidad y Estadístia INMT-51

Profesor: Mario Rojas Plaza

Primer Semestre 2020
Semana 4
Probabilidad, Teoría de Conjunto
Introducción

Conceptos Básicos
El término probabilidad se refiere al estudio de azar y la
incertidumbre en cualquier situación en la cual varios posibles
sucesos pueden ocurrir; la disciplina de la probabilidad proporciona
métodos de cuantificar las oportunidades y probabilidades asociadas
con varios sucesos. El lenguaje de probabilidad se utiliza
constantemente de manera informal tanto en el contexto escrito
como en el hablado.
El estudio de la probabilidad como una rama de las matemáticas se
remonta a más de 300 años, cuando nace en conexión con preguntas
que implicaban juegos de azar. Muchos textos se han ocupado
exclusivamente de la probabilidad, pero el objetivo en este caso es
cubrir sólo la parte de la materia que tiene más aplicación directa en
problemas de inferencia estadística.
Conceptos Básicos

Experimento aleatorio:
Un experimento aleatorio lo denotaremos por ξ y se define
como cualquier acción o proceso cuyo resultado está
sujeto a la incertidumbre.

Espacio muestral:
El espacio muestral de un experimento aleatorio ξ
denotado por Ω, es el conjunto de todos los posibles
resultados de dicho experimento.
Conceptos Básicos

Suceso:
Un suceso o evento es cualquier recopilación
(subconjunto) A de resultados contenidos en el espacio
muestral Ω..

Observación:
Decimos que ha ocurrido un suceso cuando se ha
obtenido alguno de los resultados que lo forman.
Conceptos Básicos

Sucesos o Eventos
El objetivo de la Teoría de la Probabilidad es estudiar con
rigor los sucesos, que como vemos se pueden enunciar
desde el lenguaje común, asignarles probabilidades y
efectuar cálculos sobre dichas probabilidades. Observamos
que los sucesos no son otra cosa que conjuntos y por
tanto, serán tratados desde la Teoría de Conjuntos.
Recordamos las operaciones básicas y las dotamos de
interpretación para el caso de sucesos.
Conceptos Básicos

a) Intersección de Sucesos
La intersección de dos eventos A y B, denotada por
A ∩ B, es el suceso o evento que consiste en todos
los resultados que están tanto en A como en B.
También podemos decir.
Ocurre A ∩ B si ocurren los dos sucesos A y B a la
vez.

A ∩ B = {w ∈ Ω / w ∈ A ∧ w ∈ B}
Conceptos Básicos

b) Unión de Sucesos
La unión de dos eventos A y B, denotados por
A ∪ B, es el suceso o evento que consiste en todos
los resultados que están en A o en B o en ambos
sucesos.
También podemos decir.
Ocurre A ∪ B si ocurre al menos uno de los sucesos
A o B.

A ∪ B = {w ∈ Ω / w ∈ A ∨ w ∈ B}
Conceptos Básicos

c) Complementario
El complemento de un suceso o evento A, denotado
por Ac , es el conjunto de todos los resultados en Ω
que no están contenidos en A.

Ac = {w ∈ Ω / w ∈ Ω ∧ w ∈
/ A}
Conceptos Básicos

d) Diferencia de sucesos
La diferencia de dos sucesos o eventos A y B,
denotados por A − B, es el suceso o evento que
consiste en todos los resultados que están en A pero
que no están en B.

A − B = {w ∈ Ω / w ∈ A ∧ w ∈
/ B}

También podemos decir.

Ocurre A − B si ocurre A, pero no ocurre B. Por
tanto, A − B = A ∩ B c .
Conceptos Básicos

e) Suceso seguro
Es el que siempre ocurre y, por tanto, es el espacio
muestral Ω.

f) Suceso imposible
Es el que nunca ocurre y, por tanto, es el vacio, φ.
Conceptos Básicos

g) Sucesos mutuamentes excluyentes

Dos sucesos A y B se dicen mutuanamentes

excluyentes si no pueden ocurrir a la vez. Dicho de
otro modo, que ocurra A y B es imposible. Escrito
en notacion conjuntista, resulta A ∩ B = φ.
Conceptos Básicos

h) Suceso contenido en otro

Diremos que A esta contenido en B, y lo denotamos

por A ⊆ B, si siempre que ocurra A tambien sucede
B.
Conceptos Básicos

Álgebra de Sucesos
Asociativa : A ∪ (B ∪ C ) = (A ∪ B) ∪ C
A ∩ (B ∩ C ) = (A ∩ B) ∩ C

Conmutativa : A∪B =B ∪A
A∩B =B ∩A

Distributiva : A ∪ (B ∩ C ) = (A ∪ B) ∩ (A ∪ C )

Neutro : φ para la unión A∪φ=A

Ω para la intersección A∩Ω=A

Complementario : A ∪ Ac = Ω A ∩ Ac = φ

Leyes de De Morgan : (A ∪ B)c = Ac ∩ B c

(A ∩ B)c = Ac ∪ B c
Conceptos Básicos

Ejemplo
Siendo A y B dos sucesos en un mismo espacio muestral,
traduzca para el lenguaje de téoria de conjuntos, las
siguientes situaciones:

a) Por lo menos uno de los sucesos ocurre.

b) El suceso A ocurre pero B no.
c) Ninguno de ellos ocurre.
d) Exactamente uno de los sucesos ocurre.
Probabilidad de Laplace

Solución
a) P(A ∪ B).
b) P(A ∩ B c ).
c) P(Ac ∩ B c ).
d) P(A ∩ B c ) + P(Ac ∩ B).
Probabilidad de Laplace

Dado un experimento aleatorio ξ y su respectivo espacio

muestral Ω, el objetivo de la probabilidad es asignar a
cada evento A un número P(A), llamado la probabilidad
del suceso o evento A, el cual dará una medida precisa de
la oportunidad de que A ocurra. A continuación citamos
dos definiciones comúnmente utilizadas para asignar
probabilidades a los sucesos.
Probabilidad de Laplace

Nos encontramos ante un experimento, con su colección

de sucesos, y nos preguntamos cómo tenemos que actuar
para asignarle a cada suceso un número mayor o igual a
0 y menor o igual a 1. Cuando, siendo el espacio
muestral finito y todos los sucesos elementales tienen la
misma probabilidad de ser seleccionados, diremos que son
equiprobables y podremos utilizar la conocida Regla de
Laplace.

Número de Casos Favorables #A

P(A) = =
Número de Casos Posibles #Ω
Probabilidad de Laplace

Ejemplo
Cierta fábrica utiliza tres turnos diferentes. Durante el año pasado,
ocurrieron 200 accidentes en la fábrica. Algunos de ellos pueden ser
atribuidos por lo menos en parte a condiciones de trabajo inseguras.
La tabla adjunta da el número de accidentes que ocurren en cada
tipo de categoría de accidente-turno.
Condiciones
Condiciones No relacionados
Turno inseguras a condiciones
Día 20 70
Tarde 16 40
Noche 10 44
Suponga que uno de los 200 reportes de accidente se selecciona al
azar de un archivo de reportes y que el turno y el tipo de accidente
se determinan.
a) ¿Cuáles son los eventos simples?.
b) ¿Cuál es la probabilidad de que el accidente
seleccionado se atribuya a condiciones inseguras?.
c) ¿Cuál es la probabilidad de que el accidente
seleccionado no ocurrió en el turno de día.
Probabilidad de Laplace

Solución
a) Sean los sucesos:
D={el accidente ocurre en el turno de día}.
T={el accidente ocurre en el turno de la tarde}.
N={el accidente ocurre en el turno de noche}.
CI={el accidente ocurre debido a condiciones inseguras}.
NR={el accidente ocurre debido a situaciones no
relacionadas a condiciones}.
#CI 46
b) P(CI ) = #Ω = 200 = 0,23.
#D c 110
c) P(D c ) = #Ω = 200 = 0,55.
Probabilidad de Laplace

Ejemplo
Una universidad tiene 1200 alumnos de los cuales 300 son
considerados deportistas. Tenemos, aún, que 500 alumnos
son del plan diurno, 700 del plan vespertino, 100 son
deportistas y del plan diurno y 200 son deportistas y del
plan vespertino . Un alumno es escogido, al final, y
preguntase la probabilidad de:
a) Ser deportista.
b) Ser deportista y alumno del plan vespertino.
c) No ser del plan vespertino.
Probabilidad de Laplace

Solución
• Sean los sucesos:
A={el estudiante corresponde al plan de estudio diurno}.
B={el estudiante es deportista}.
Plan de Deportista
Estudio B Bc Total
A 100 400 500
Ac 200 500 700
Total 300 900 1200

#B 300
a) P(B) = #Ω = 1200 = 0,25.
#(B∩Ac ) 200
b) P(B ∩ Ac ) = #Ω = 1200 = 0,1667.
#A 500
c) P[(Ac )c ] = P(A) = #Ω = 1200 = 0,4167.
Axiomatica de Kolmogorov

Axiomatica de Kolmogorov
Sea Ω el espacio muestral, y sea P(Ω) el conjunto
formado por todos los sucesos. Se define la probabilidad
como una aplicacion P : P(Ω) → [0, 1] que cumple las
siguientes condiciones:
i) P(A) ≥ 0 ∀A ∈ P(Ω).
ii) Si {Ai } es una colección infinita numerable
de sucesos mutuamente excluyentes tal que
Ai ∈ P(Ω) ∀i ∈ N, entonces
∞ ∞
!
[ X
P Ai = P(Ai ).
i=1 i=1

iii) P(Ω) = 1.
Axiomatica de Kolmogorov

A partir de la definicion anterior se pueden sacar una serie

de consecuencias:

1. P(φ) = 0.
2. P(Ac ) = 1 − P(A).
3. Si A ⊆ B, entonces P(A) ≤ P(B).
4. Si A y B dos sucesos cualesquiera (ya no
necesariamente mutuamente excluyentes)se
cumple

P(A ∪ B) = P(A) + P(B) − P(A ∩ B)

Axiomatica de Kolmogorov

5. Si A , B y C tres sucesos cualesquiera (ya no necesariamente

mutuamente excluyentes)se cumple

P(A ∪ B ∪ C ) = P(A) + P(B) + P(C ) − P(A ∩ B) − P(A ∩ C )

−P(B ∩ C ) + P(A ∩ B ∩ C )

6. En general si A1 , A2 , . . . , An ∈ P(Ω) entonces

 
n
[ n
X n
X
P Ai  = P(Ai ) − P(Ai ∩ Aj ) +
i =1 i =1 i <j
 
n n
n−1
X \
P(Ai ∩ Aj ∩ Ak ) − · · · + (−1) P Ai 
i <j <k i =1

7. Si A ∈ P(Ω), entonces 0 ≤ P(A) ≤ 1.

Axiomatica de Kolmogorov

Ejemplo

Sean los sucesos A y B tales que, P(A) = 38 , P(B) = 21 ,

P(A ∩ B) = 14 . Hallar:
a) P(A ∪ B).
b) P(Ac ).
c) P(B c ).
d) P(Ac ∩ B c ).
e) P(Ac ∪ B c ).
f) P(A ∩ B c ).
g) P(Ac ∩ B).
Axiomatica de Kolmogorov

a)

P(A ∪ B) = P(A) + P(B) − P(A ∩ B)

3 1 1
= + −
8 2 4
= 0,625

b)

P(Ac ) = 1 − P(A)
3
= 1−
8
= 0,625

c)

P(B c ) = 1 − P(B)
1
= 1−
2
= 0,500
Axiomatica de Kolmogorov

d)

P(Ac ∩ B c ) = P([A ∪ B]c )

= 1 − P(A ∪ B)
= 1 − 0,625
= 0,375

e)

P(Ac ∪ B c ) = P([A ∩ B]c )

= 1 − P(A ∩ B)
= 1 − 0,250
= 0,750
Axiomatica de Kolmogorov

f)

P(A ∩ B c ) = P(A) − P(A ∩ B)

= 0,375 − 0,25
= 0,125

g)

P(Ac ∩ B) = P(B) − P(A ∩ B)

= 0,500 − 0,250
= 0,250
Axiomatica de Kolmogorov

Ejemplo

Considere seleccionar al azar un estudiante en cierta

universidad y que A denote el evento en que el individuo
seleccionado tenga una tarjeta de crédito Visa y que B sea el
evento análogo para la tarjeta MasterCard. Suponga que
P(A) = 0,5, P(B) = 0,4 y P(A ∩ B) = 0,25.
a) Calcule la probabilidad de que el individuo
seleccionado tenga por lo menos uno de los dos
tipos de tarjetas.

b) ¿Cuál es la probabilidad de que el individuo

seleccionado no tenga ningún tipo de tarjeta?.

c) ¿Cuál es la probabilidad de que el individuo

seleccionado tenga una tarjeta Visa pero no una
MasterCard?
Axiomatica de Kolmogorov

Solución

Al intentar responder las preguntas, ante todo debes tener presente

como primer paso, definir los suceso o eventos, en este caso:
Sean los sucesos,
A = { el individuo seleccionado posee una tarjeta de crédito Visa }
B = { el individuo seleccionado posee una tarjeta de crédito
MasterCard }
Segundo paso, debes escribir las probabilidades que se entregan en
la información del problema,
P(A) = 0,5, P(B) = 0,4 y P(A ∩ B) = 0,25

Como tercer paso, responder las preguntas.

Axiomatica de Kolmogorov

a)

P(A ∪ B) = P(A) + P(B) − P(A ∩ B)

= 0,5 + 0,4 − 0,25
= 0,65

b)

c c c
P(A ∩ B ) = P([A ∪ B] )
= 1 − P(A ∪ B)
= 1 − 0,25
= 0,75

c)

c
P(A ∩ B ) = P(A) − P(A ∩ B)
= 0,5 − 0,25
= 0,25

Bien, ahora interpreta los resultados obtenidos.

Axiomatica de Kolmogorov

Ejemplo
Un sistema puede experimentar tres tipos diferentes de defectos.
Sea Ai (i = 1, 2, 3) el evento en que el sistema tiene un defecto de
tipo i. Suponga que
P(A1 ) = 0,12 , P(A2 ) = 0,07 , P(A3 ) = 0,05
P(A1 ∪ A2 ) = 0,13 , P(A1 ∪ A3 ) = 0,14
P(A2 ∪ A3 ) = 0,10 , P(A1 ∩ A2 ∩ A3 ) = 0,01
a) ¿Cuál es la probabilidad de que el sistema no tenga
un defecto de tipo 1?
Axiomatica de Kolmogorov

Ejemplo
Un sistema puede experimentar tres tipos diferentes de defectos.
Sea Ai (i = 1, 2, 3) el evento en que el sistema tiene un defecto de
tipo i. Suponga que
P(A1 ) = 0,12 , P(A2 ) = 0,07 , P(A3 ) = 0,05
P(A1 ∪ A2 ) = 0,13 , P(A1 ∪ A3 ) = 0,14
P(A2 ∪ A3 ) = 0,10 , P(A1 ∩ A2 ∩ A3 ) = 0,01
a) ¿Cuál es la probabilidad de que el sistema no tenga
un defecto de tipo 1?
b) ¿Cuál es la probabilidad de que el sistema tenga
tanto defectos de tipo 1 como de tipo 2?.
Axiomatica de Kolmogorov

Ejemplo
Un sistema puede experimentar tres tipos diferentes de defectos.
Sea Ai (i = 1, 2, 3) el evento en que el sistema tiene un defecto de
tipo i. Suponga que
P(A1 ) = 0,12 , P(A2 ) = 0,07 , P(A3 ) = 0,05
P(A1 ∪ A2 ) = 0,13 , P(A1 ∪ A3 ) = 0,14
P(A2 ∪ A3 ) = 0,10 , P(A1 ∩ A2 ∩ A3 ) = 0,01
a) ¿Cuál es la probabilidad de que el sistema no tenga
un defecto de tipo 1?
b) ¿Cuál es la probabilidad de que el sistema tenga
tanto defectos de tipo 1 como de tipo 2?.
c) ¿Cuál es la probabilidad de que el sistema tenga
tanto defectos de tipo 1 como de tipo 2 pero no de
tipo 3?
Axiomatica de Kolmogorov

Ejemplo
Un sistema puede experimentar tres tipos diferentes de defectos.
Sea Ai (i = 1, 2, 3) el evento en que el sistema tiene un defecto de
tipo i. Suponga que
P(A1 ) = 0,12 , P(A2 ) = 0,07 , P(A3 ) = 0,05
P(A1 ∪ A2 ) = 0,13 , P(A1 ∪ A3 ) = 0,14
P(A2 ∪ A3 ) = 0,10 , P(A1 ∩ A2 ∩ A3 ) = 0,01
a) ¿Cuál es la probabilidad de que el sistema no tenga
un defecto de tipo 1?
b) ¿Cuál es la probabilidad de que el sistema tenga
tanto defectos de tipo 1 como de tipo 2?.
c) ¿Cuál es la probabilidad de que el sistema tenga
tanto defectos de tipo 1 como de tipo 2 pero no de
tipo 3?
d) ¿Cuál es la probabilidad de que el sistema tenga a lo
sumo dos de estos defectos?.
Axiomatica de Kolmogorov

Probabilidad Condicional

Supongamos que en el estudio de un experimento

aleatorio nos interesa conocer la probabilidad de que
ocurra un cierto suceso A. Pero puede ser que
dispongamos de información previa sobre el experimento:
supongamos que sabemos que el suceso B ha ocurrido.
Está claro que ahora la probabilidad de A ya no es la
misma que cuando no sabíamos nada sobre B. Por
ejemplo, si lanzamos un dado, la probabilidad de que
salga 1 es 1/6, pero si disponemos de la información
adicional de que el resultado es impar reducimos los casos
posibles de 6 a 3 (sólo puede ser un 1, un 3 o un 5), con
lo cual la probabilidad es 1/3. Estamos ahora en
condiciones de entender la siguiente definición:
Axiomatica de Kolmogorov

Probabilidad Condicional

La probabilidad del suceso A condicionada al suceso B se

define como:

P(A ∩ B)
P(A | B) = siendo P(B) 6= 0.
P(B)

Notación
P(A | B) ≈ PB (A)
.
Axiomatica de Kolmogorov

Probabilidad Condicional Fijando el suceso B, la

aplicacion

P(· | B) : P(Ω) → [0, 1]

A 7→ P(A | B)

verifica los axiomas de probabilidad.

Tambien se deduce de manera inmediata que

P(A ∩ B) = P(A)P(B | A)
o bien
P(A ∩ B) = P(B)P(A | B)
Axiomatica de Kolmogorov

Ejemplo
Sean los sucesos A y B tales que, P(A) = 0,375,
P(B) = 0,50, P(A ∩ B) = 0,25. Hallar:

a) P(A|B).
b) P(B|A).
c) P(B c |A).
d) P(Ac |B).
e) P(Ac |B c ).
f) P(A|B c ).
Axiomatica de Kolmogorov

Solución
a)

P(A ∩ B)
P(A | B) =
P(B)
0,25
=
0,50
= 0,50.

b) P(B|A).

P(A ∩ B)
P(B | A) =
P(A)
0,25
=
0,375
= 0,6667.
Axiomatica de Kolmogorov

c)
P(A ∩ B c )
P(B c | A) =
P(A)
P(A) − P(A ∩ B)
=
P(A)
0,375 − 0,25
=
0,375
= 0,3333.

d)
P(Ac ∩ B)
P(Ac | B) =
P(B)
P(B) − P(A ∩ B)
=
P(B)
0,50 − 0,25
=
0,50
= 0,50.
Axiomatica de Kolmogorov

e)
P(Ac ∩ B c )
P(Ac | B c ) =
P(B c )
1 − P(A ∪ B)
=
P(B c )
1 − 0,625
=
0,50
= 0,75.

f)
P(A ∩ B c )
P(A | B c ) =
P(B c )
P(A) − P(A ∩ B)
=
P(B c )
0,375 − 0,25
=
0,50
= 0,25.
Axiomatica de Kolmogorov

Ejemplo
Supóngase que de todos los individuos que compran cierta
cámara digital, 60 % incluye una tarjeta de memoria
opcional en su compra, 40 % incluyen una batería extra y
30 % incluyen tanto una tarjeta como una batería.
Considere seleccionar al azar un comprador,
a) dado que el individuo seleccionado adquirió
una batería extra, ¿cuál es la probabilidad
de que una tarjeta opcional también sea
adquirida?.
b) dado que el individuo seleccionado NO
adquirió una batería extra, ¿cuál es la
probabilidad de que una tarjeta opcional
también NO sea adquirida?.
Axiomatica de Kolmogorov

Solución

Sean los sucesos,

A = {la camara incluye una tarjeta de memoria opcional}

B = {la camara incluye una batería extra}

P(A) = 0,60
P(B) = 0,4
P(A ∩ B) = 0,30
Axiomatica de Kolmogorov

a)
P(A ∩ B)
P(A | B) =
P(B)
0,30
=
0,40
= 0,75.

b)
P(Ac ∩ B c )
P(Ac | B c ) =
P(B c )
1 − P(A ∪ B)
=
P(B c )
1 − 0,70
=
0,60
= 0,50.

Ahora interpreta los resultados obtenidos.

Axiomatica de Kolmogorov

Ejemplo
En una planta se ensamblan componentes complejos en dos líneas de
ensamble diferentes, A y Ac . La línea A utiliza equipo más viejo que Ac ,
por lo que es un poco más lenta y menos confiable. Suponga que en un
día dado la línea A ensambla 8 componentes, de los cuales 2 han sido
identificados como defectuosos (B) y 6 como no defectuosos (B c ),
mientras que Ac ha producido 1 componente defectuoso y 9 no
defectuosos. Esta información se resume en la tabla adjunta.
Condición
Línea B Bc
A 2 6
Ac 1 9
Ajeno a esta información, el gerente de ventas selecciona al azar 1 de
estos 18 componentes para una demostración.
a) Si el componente seleccionado resulta defectuoso, ¿cuál
es la probabilidad que haya sido ensamblado por la
máquina más vieja?.
b) Si el componente seleccionado resulta no defectuoso,
¿cuál es la probabilidad que haya sido ensamblado por la
máquina más nueva?.
Axiomatica de Kolmogorov

Independencia de sucesos

Dos sucesos o eventos A y B se dice que son

independientes si

P(A ∩ B) = P(A) · P(B)

Axiomatica de Kolmogorov

Comentarios
i) Si P(B) > 0, A y B son independientes si y sólo si
P(A | B) = P(A), esto es, el conocimiento de la
ocurrencia de B no modifica la probabilidad de
ocurrencia de A.
ii) Si P(A) > 0, A y B son independientes si y sólo si
P(B | A) = P(B), esto es, el conocimiento de la
ocurrencia de A no modifica la probabilidad de
ocurrencia de B.
iii) No debemos confundir sucesos independientes con
sucesos mutuamente excluyentes.
iv) Si los sucesos A y B son independientes, también lo
son los sucesos A y B c ; los sucesos Ac y B; y los
sucesos Ac y B c .
Axiomatica de Kolmogorov

Ejemplo
Una compañía de exploración petrolera en la actualidad tiene
dos proyectos activos, uno en Asia y el otro en Europa. Sea A
el evento en que el proyecto asiático tiene éxito y B el evento
en que el proyecto europeo tiene éxito. Suponga que A y B son
eventos independientes con P(A) = 0,4 y P(B) = 0,7.
a) ¿Cuál es la probabilidad de que por lo menos
uno de los dos proyectos tenga éxito?.
b) Si el proyecto asiático no tiene éxito, ¿cuál es la
probabilidad de que el europeo también
fracase?.
c) Dado que por lo menos uno de los dos proyectos
tiene éxito, ¿cuál es la probabilidad de que sólo
el proyecto asiático tenga éxito?.
Axiomatica de Kolmogorov

a)

P(A ∪ B) = P(A) + P(B) − P(A ∩ B)

= P(A) + P(B) − P(A) · P(B)
= 0,4 + 0,7 − 0,4 · 0,7
= 0,82

b)

P(Ac ∩ B c )
P(B c | Ac ) =
P(Ac )
P(Ac ) · P(B c )
=
P(Ac )
= P(B c )
= 0,30.

Ahora interpreta los resultados obtenidos y resuelve el item c).

Axiomatica de Kolmogorov

Regla del Producto

Se utiliza en experimentos aleatorios que están formados
por etapas consecutivas (de la 1 a la n) y nos permite
calcular la probabilidad de que ocurra una concatenación
(intersección) de sucesos a lo largo de las etapas (A1 en la
primera etapa y A2 en la segunda etapa y · · · y An en la
etapa n). Esta probabilidad queda expresada como el
producto de la probabilidad inicial P(A1 ) y las
probabilidades en cada etapa condicionadas a las etapas
anteriores, conocidas como probabilidades de transición.
Axiomatica de Kolmogorov

Teorema Regla del Producto

Si tenemos los sucesos A1 , A2 , . . . , An tales que

P(A1 ∩ A2 ∩ · · · ∩ An ) 6= 0, entonces se cumple

P(A1 ∩ A2 ∩ · · · ∩ An ) = P(A1 ) · P(A2 | A1 ) · P(A3 | A1 ∩ A2 ) · · ·

· · · P(An | A1 ∩ A2 ∩ · · · ∩ An−1 )
Axiomatica de Kolmogorov

Ejemplo
En un lote de 20 artículos, 8 presentan defectos. Para aceptar
el lote se examinan sucesivamente sin reemplazo tres de estos
artículos y si ninguno de ellos presenta defectos el lote se
acepta. ¿Cuál será la probabilidad de aceptar el lote?.

Solución
Sean los sucesos
A1 = {El primer artículo inspeccionados no presenta defecto}
A2 = {El segundo artículo inspeccionados no presenta defecto}
A3 = {El tercer artículo inspeccionados no presenta defecto}

P(A1 ∩ A2 ∩ A3 ) = P(A1 ) · P(A2 | A1 ) · P(A3 | A1 ∩ A2 )

12 11 10
= · ·
20 19 18
= 0,1930
Axiomatica de Kolmogorov

El segundo teorema es la llamada ley de las probabilidades

totales. Descompone la probabilidad de un suceso en la
segunda etapa en función de lo que ocurrió en la etapa anterior.
Previamente al enunciado de este teorema damos una
definición.

Partición Probabilistica
Es una particion del espacio muestral Ω, esto es, es una
coleccion de sucesos A1 , A2 , . . . , An (subconjuntos del espacio
muestral Ω) verificando
i) A1 , A2 , . . . , An son incompatibles dos a dos (si
se verifica uno de ellos, no puede a la vez
ocurrir ninguno de los otros,
ii) P(Ai ) > 0, para cualquier i.
iii) A1 ∪ A2 ∪ · · · ∪ An = Ω
Axiomatica de Kolmogorov

Teorema: Ley de las Probabilidades Totales

Sea A1 , A2 , . . . , An una partición probabilística de Ω y B un suceso en

P(Ω). Entonces se cumple que:

P(B) = P(A1 ) · P(B | A1 ) + P(A2 ) · P(B | A2 ) + · · · + P(An ) · P(B | An )

n
X
= P(Aj ) · P(B | Aj )
j=1
Axiomatica de Kolmogorov

Ejemplo
En una gasolinería, 40 % de los clientes utilizan gasolina
regular (A1 ), 35 % usan gasolina plus (A2 ) y 25 % utilizan
premium (A3 ). De los clientes que utilizan gasolina
regular, sólo 30 % llenan sus tanques (evento B). De los
clientes que utilizan plus, 60 % llenan sus tanques,
mientras que los que utilizan premium, 50 % llenan sus
tanques.
a) ¿Cuál es la probabilidad de que el siguiente
cliente pida gasolina plus y llene el tanque?.
b) ¿Cuál es la probabilidad de que el siguiente
cliente llene el tanque?.
Axiomatica de Kolmogorov

Solución
Sean los sucesos
A1 = {El cliente utiliza gasolina regular}
A2 = {El cliente utiliza gasolina plus}
A3 = {El cliente utiliza gasolina premium}
B = {El cliente llena el tanque}

P(A1 ) = 0,40 , P(D|A1 ) = 0,30

P(A2 ) = 0,35 , P(D|A2 ) = 0,60
P(A3 ) = 0,25 , P(D|A1 ) = 0,50
Axiomatica de Kolmogorov

a)

P(A2 ∩ B) = P(A2 ) · P(B|A2 )

= 0,35 · 0,60
= 0,21

b)

P(B) = P(A1 ) · P(B|A1 ) + P(A2 ) · P(B|A2 )

+P(A3 ) · P(B|A3 )
= 0,40 · 0,30 + 0,35 · 0,60 + 0,25 · 0,50
= 0,455

Ahora interpreta los resultados obtenidos.

Axiomatica de Kolmogorov

Teorema de Bayes
Por último, tratamos el teorema de Bayes. Consideremos un
experimento que se realiza en dos etapas: en la primera,
tenemos un sistema completo de sucesos A1 , A2 , . . . , An con
probabilidades P(Ai ) que denominamos probabilidades a priori.
En una segunda etapa, ha ocurrido el suceso B y se conocen
las probabilidades condicionadas P(B | Ai ) de obtener en la
segunda etapa el suceso B cuando en la primera etapa se
obtuvo el suceso Ai , i = 1, 2, . . . , n.
En estas condiciones el teorema de Bayes permite calcular las
probabilidades P(Ai | B), que son probabilidades condicionadas
en sentido inverso. Reciben el nombre de probabilidades a
posteriori, pues se calculan después de haber observado el
suceso B.
Axiomatica de Kolmogorov

Teorema de Bayes
Sea A1 , A2 , . . . , An una partición probabilística de Ω y B
un suceso en P(Ω) tal que P(B) > 0. Entonces se cumple
que:
P(Ai ) · P(B | Ai )
P(Ai | B) =
P(A1 ) · P(B | A1 ) + P(A2 ) · P(B | A2 ) + · · · + P(An ) · P(B | An )

P(Ai ) · P(B | Ai )
= n
P
P(Aj ) · P(B | Aj )
j=1
Axiomatica de Kolmogorov

Ejemplo
En una gasolinería, 40 % de los clientes utilizan gasolina
regular (A1 ), 35 % usan gasolina plus (A2 ) y 25 % utilizan
premium (A3 ). De los clientes que utilizan gasolina
regular, sólo 30 % llenan sus tanques (evento B). De los
clientes que utilizan plus, 60 % llenan sus tanques,
mientras que los que utilizan premium, 50 % llenan sus
tanques. Suponga que un cliente llega a la gasolinería y
llena el tanque, ¿que tipo de gasolina es más probable que
haya utilizado?.
Axiomatica de Kolmogorov

Solución
Sean los sucesos
A1 = {El cliente utiliza gasolina regular}
A2 = {El cliente utiliza gasolina plus}
A3 = {El cliente utiliza gasolina premium}
B = {El cliente llena el tanque}

P(A1 ) = 0,40 , P(D|A1 ) = 0,30

P(A2 ) = 0,35 , P(D|A2 ) = 0,60
P(A3 ) = 0,25 , P(D|A1 ) = 0,50
Axiomatica de Kolmogorov

•)

P(B) = P(A1 ) · P(B|A1 ) + P(A2 ) · P(B|A2 )

+P(A3 ) · P(B|A3 )
= 0,40 · 0,30 + 0,35 · 0,60 + 0,25 · 0,50
= 0,455

•)
P(A1 ) · P(B|A1 )
P(B|A1 ) =
P(B)
0,40 · 0,30
=
0,455
= 0,2637
Axiomatica de Kolmogorov

•)
P(A2 ) · P(B|A2 )
P(B|A2 ) =
P(B)
0,35 · 0,60
=
0,455
= 0,4615

•)
P(A3 ) · P(B|A3 )
P(B|A3 ) =
P(B)
0,25 · 0,50
=
0,455
= 0,2747

Por tanto, es más problable que utilice gasolina plus, ¿por qué?.
Justifica tu respuesta.
Axiomatica de Kolmogorov

Ejemplo
El 70 % de las aeronaves ligeras que desaparecen en vuelo
en cierto país son posteriormente localizadas. De las
aeronaves que son localizadas, 60 % cuentan con un
localizador de emergencia, mientras que 90 % de las
aeronaves no localizadas no cuentan con dicho localizador.
Suponga que una aeronave ligera ha desaparecido.
a) Si tiene un localizador de emergencia, ¿cuál
es la probabilidad de que no sea localizada?.
b) Si no tiene un localizador de emergencia,
¿cuál es la probabilidad de que sea
localizada?.