Sesión 1: Probabilidades

Probabilidades ESTADÍSTICA II

PROBABILIDADES
1.1 Experimento aleatorio
Es la ejecución de una prueba cuyo resultado depende del azar
Ejemplo 1
- Lanzar una moneda
- Lanzar una moneda dos veces (Lanzar dos monedas a la vez)
- Lanzar una moneda tres veces (Lanzar tres monedas a la vez)
- Lanzar un dado
- Lanzar un dado dos veces (Lanzar dos dados a la vez)
- Extraer una carta de una baraja

1.2 Espacio Muestral(𝛀)

Es el conjunto donde se encuentran todos los resultados posibles ocurridos en un experimento
Ejemplo 2
➢ Experimento: E: Lanzar una moneda
Espacio muestral: Ω = {c, s} ⇒ 𝑛(Ω) = 2

➢ Experimento: E: Lanzar una moneda dos veces (Lanzar dos monedas a la vez)

Cara
Cara
Sello

Cara
Sello
Sello
Espacio muestral: Ω = {cc, cs, sc, ss} ⇒ 𝑛(Ω) = 4

➢ Experimento: E: Lanzar una moneda tres veces (Lanzar tres monedas a la vez)

Espacio muestral: Ω = {ccc, ccs, csc, css, scc, scs, ssc, sss} ⇒ 𝑛(Ω) = 8

En general: 𝟐𝒏 nos da el número de posibilidades de que ocurra un suceso n veces.

Lic. Jessica Chalco Suárez – Mtro. Wilbert Colque Candia 2

Probabilidades ESTADÍSTICA II

➢ Experimento: E: Lanzar un dado.

Espacio muestral: Ω = {1, 2, 3, 4, 5, 6} ⇒ 𝑛(Ω) = 6

➢ Experimento: E: Lanzar un dado dos veces (Lanzar dos dados juntos)

11, 12, 13, 14, 15, 16
21, 22, 23, 24, 25, 26
31, 32, 33, 34, 35, 36
Espacio muestral: Ω= ⇒ 𝑛(Ω) = 36
41, 42, 43, 44, 45, 46
51, 52, 53, 54, 55, 56
{61, 62, 63, 64, 65, 66}

1.3 Eventos o Sucesos

Un evento es todo subconjunto del espacio muestral, se denota por las letras mayúsculas
(A, B, C, ⋯ )
Ejemplo 3
➢ Experimento: E: Lanzar una moneda.
Espacio muestral: Ω = {c, s} ⇒ 𝑛(Ω) = 2
Evento: A: Que salga cara A = {c} ⇒ 𝑛(A) = 1

➢ Experimento: E: Lanzar un dado.

Espacio muestral: Ω = {1, 2, 3, 4, 5, 6} entonces 𝑛(Ω) = 6
Eventos:
A: Que salga un número par A = {2, 4, 6} ⇒ 𝑛(A) = 3
B: Que salga un número impar B = {1, 3, 5} ⇒ 𝑛(B) = 3
C: Que salga un número primo C = {2, 3, 5} ⇒ 𝑛(C) = 3
D: Que salga un número mayor a 4 D = {5,6} ⇒ 𝑛(D) = 2
E: Que salga un número 3 E = {3} ⇒ 𝑛(E) = 1

1.4 Eventos Independientes

Cuando no hay intersección entre los elementos de los eventos.

1.5 Eventos Dependientes

Cuando hay intersección entre los elementos de los eventos.

Lic. Jessica Chalco Suárez – Mtro. Wilbert Colque Candia 3

Probabilidades ESTADÍSTICA II

1.6 Definición de probabilidad:

La probabilidad de que ocurra un evento o suceso A, se define como el cociente entre el número
de resultados favorables con respecto al número de resultados posibles del experimento
Número de resultados favorables 𝑛(𝐴)
𝑃(𝐴) = =
Número de resultados posibles 𝑛(Ω)
Propiedades:
a) 0 ≤ 𝑃(𝐴) ≤ 1 b) 𝑃(𝐴) = 0 ⇔ 𝐴 = ∅
c) 𝑃(𝐴) = 1 ⇔ 𝐴 = Ω
d) 𝑃(𝐴 ∪ 𝐵) = 𝑃(𝐴) + 𝑃(𝐵) 𝑆𝑖 𝐴 𝑦 𝐵 𝑠𝑜𝑛 𝑖𝑛𝑑𝑒𝑝𝑒𝑛𝑑𝑖𝑒𝑛𝑡𝑒𝑠
e) 𝑃(𝐴 ∪ 𝐵) = 𝑃(𝐴) + 𝑃(𝐵) − 𝑃(𝐴 ∩ 𝐵) 𝑆𝑖 𝐴 𝑦 𝐵 𝑠𝑜𝑛 𝑑𝑒𝑝𝑒𝑛𝑑𝑖𝑒𝑛𝑡𝑒𝑠

Ejemplo 4
De los siguientes diagramas de Venn, que indica el número de resultados de un experimento
correspondiente a cada evento y el número de resultados que no corresponden a alguno de los eventos,
proporcione las probabilidades indicadas:

a) 𝑃(𝐴) =

b) 𝑃(𝐵) =

c) 𝑃(𝐴 𝑜 𝐵) =

a) 𝑃(𝐴) =

b) 𝑃(𝐵) =

c) 𝑃(𝐴 𝑜 𝐵) =

Lic. Jessica Chalco Suárez – Mtro. Wilbert Colque Candia 4

Probabilidades ESTADÍSTICA II

a) 𝑃(𝐴) =

b) 𝑃(𝐵) =

c) 𝑃(𝐶) =

d) 𝑃(𝐴 𝑜 𝐵) =

e) 𝑃(𝐴 𝑜 𝐶) =

f) 𝑃(𝐵 𝑜 𝐶) =

Ejemplo 5
Se extrae una carta de una baraja:

a) ¿Cuál es la probabilidad de que la carta sea negra?

𝑃(𝐴) =

b) ¿Cuál es la probabilidad que sea de figura corazón?

𝑃(𝐵) =

c) ¿Cuál es la probabilidad que sea menor a tres?

𝑃(𝐶) =

d) ¿Cuál es la probabilidad que sea trébol o espada?

A: que sea trébol Son eventos
B: que sea espada independientes

𝑃(𝐴 ∪ 𝐵) = 𝑃(𝐴) + 𝑃(𝐵)

𝑃(𝐴 ∪ 𝐵) =

Lic. Jessica Chalco Suárez – Mtro. Wilbert Colque Candia 2

Probabilidades ESTADÍSTICA II

e) ¿Cuál es la probabilidad que sea corazón o menor que cuatro?

A: que sea corazón Son eventos
dependientes
B: que sea menor que 4
𝑃(𝐴 ∪ 𝐵) = 𝑃(𝐴) + 𝑃(𝐵) − 𝑃(𝐴 ∩ 𝐵)
𝑃(𝐴 ∪ 𝐵) =

Ejemplo 6
El representante sindical de una empresa tiene como anteproyecto un conjunto de demandas salariales
y de prestaciones que debe presentar a la dirección. Para tener una idea del apoyo de los trabajadores al
paquete, hizo un sondeo aleatorio en los dos grupos más grandes de trabajadores de la planta, los
maquinistas (M) y los inspectores (I). Entrevistó a 30 de cada grupo con los siguientes resultados:

Opinión respecto a las

M I
demandas
Apoyo fuerte 9 10

Apoyo moderado 11 3

Indecisión 2 2

Oposición moderada 4 8

Oposición fuerte 4 7

Total 30 30

a) ¿Cuál es la probabilidad de que un maquinista seleccionado al azar del grupo sondeado dé un

apoyo moderado al paquete?
b) ¿Cuál es la probabilidad de que un inspector seleccionado al azar del grupo sondeado esté
indeciso respecto al paquete?
c) ¿Cuál es la probabilidad de que un trabajador (maquinista o inspector) seleccionado al azar del
grupo sondeado dé un apoyo fuerte o moderado al paquete?

Lic. Jessica Chalco Suárez – Mtro. Wilbert Colque Candia 3

Probabilidades ESTADÍSTICA II

Ejemplo 7
A continuación, tenemos una distribución de frecuencias de las comisiones anuales por ventas tomada
de un estudio de 300 vendedores promedio.

Comisión anual (soles) Frecuencia

S/ 0 – S/ 4999 15
S/ 5000 – S/ 9999 25

S/ 10000 – S/ 14999 35
S/ 15000 – S/ 19999 125
S/ 20000 – S/ 24999 70
≥ S/ 25000 30
Total 300

Basándose en esta información, la probabilidad de que un vendedor promedio obtenga una comisión
de:
a) Entre S/ 5000 – S/ 9999
b) Menos de S/ 15000
c) Al menos S/ 20000
d) S/ 15000 – S/ 19999
e) A lo más S/ 19999

Lic. Jessica Chalco Suárez – Mtro. Wilbert Colque Candia 4

Probabilidades ESTADÍSTICA II

1.7 Probabilidad condicional

A menudo se quiere determinar la probabilidad de que ocurra un evento, sabiendo que otro evento
ha ocurrido Sean A y B dos eventos de un espacio muestral. La probabilidad condicional de que ocurra
A dado que B ya ocurrió, se define por:
𝑃(𝐴 ∩ 𝐵)
𝑃(𝐴⁄𝐵) = ; 𝑃(𝐵) ≠ 0 𝑆𝑖 𝐴 𝑦 𝐵 𝑠𝑜𝑛 𝑑𝑒𝑝𝑒𝑛𝑑𝑖𝑒𝑛𝑡𝑒𝑠
𝑃(𝐵)

𝑃(𝐴⁄𝐵) = 𝑃(𝐴) 𝑆𝑖 𝐴 𝑦 𝐵 𝑠𝑜𝑛 𝑖𝑛𝑑𝑒𝑝𝑒𝑛𝑑𝑖𝑒𝑛𝑡𝑒𝑠

Ejemplo 8
La siguiente tabla muestra la distribución de los estudiantes de Economía con respecto al género y
ocupación. Se escoge un estudiante al azar
Ocupación
Total
Si No
Varones 157 445
Genero
Mujeres 63 389
Total

a) ¿Cuál es la probabilidad de que sea varón?

𝑃(𝑉) =

b) ¿Cuál es la probabilidad de que no trabaje?

𝑃(𝑁𝑇) =

c) ¿Cuál es la probabilidad de que trabaje y sea mujer?

𝑃(𝑇 ∩ 𝑀) =

d) Si el estudiante seleccionado es mujer ¿Cuál es la probabilidad de que no trabaje?

e) ¿Cuál es la probabilidad de que el estudiante trabaje? Dado que es varón.

Lic. Jessica Chalco Suárez – Mtro. Wilbert Colque Candia 5

Probabilidades ESTADÍSTICA II

Ejemplo 9
El Departamento de Salud efectúa rutinariamente dos inspecciones independientes a los restaurantes; un
restaurante aprobará la inspección sólo si ambos inspectores lo aprueban en cada una de ellas. El
inspector A tiene mucha experiencia, en consecuencia, sólo aprueba 2% de los restaurantes que
realmente están violando el reglamento sobre salubridad. El inspector B tiene menos experiencia y
aprueba 7% de los restaurantes con fallas. La probabilidad de que:
a) El inspector A apruebe un restaurante, aun cuando el inspector B haya encontrado violaciones al
reglamento
b) El inspector B apruebe un restaurante que esté violando el reglamento, aun cuando el inspector A
ya lo haya aprobado
c) Un restaurante que esté violando el reglamento sea aprobado por el Departamento de Salud

Lic. Jessica Chalco Suárez – Mtro. Wilbert Colque Candia 6

Probabilidades ESTADÍSTICA II

Ejemplo 10
El director de marketing de una empresa lanzó recientemente una campaña publicitaria para un nuevo
restaurante, el cual consiste en instalar cuatro anuncios panorámicos en la carretera a la entrada de la
ciudad, y sabe, por su experiencia, la probabilidad de que cada anuncio sea visto por un conductor
escogido aleatoriamente. La probabilidad de que un conductor vea el primer anuncio es de 0.75; la
probabilidad de que el segundo anuncio sea visto es de 0.82; ésta es de 0.87 para el tercero y de 0.9 para
el cuarto. Suponiendo que el evento consistente en que un conductor vea cualquiera de los anuncios es
independiente de si ha visto o no los demás; la probabilidad de que:
a) Los cuatro anuncios sean vistos por un conductor escogido aleatoriamente
b) El primero y el cuarto anuncios sean vistos, sin que el segundo y el tercero sean notados
c) Exactamente uno de los anuncios sea visto
d) Ninguno de los anuncios sea visto
e) El tercero y cuarto anuncios no sean vistos

Lic. Jessica Chalco Suárez – Mtro. Wilbert Colque Candia 7

Probabilidades ESTADÍSTICA II

Ejemplo 11
Una tienda de departamentos ha sido objeto de muchos robos durante el último mes; pero, debido al
aumento en las medidas de seguridad, se ha detenido a 250 ladrones. Se registró el sexo de cada ladrón;
también se anotó si se trataba de un primer delito o era reincidente. Los datos se resumen en la siguiente
tabla

Sexo Primera vez Reincidente

Hombre 60 70
Mujer 44 76
Total 104 146

Suponga que se elige al azar un detenido por robo a la tienda de departamento, calcule:
a) La probabilidad de que el ladrón sea hombre
b) La probabilidad de que sea la primera vez, dado que es hombre
c) La probabilidad de que sea mujer, dado que es reincidente.
d) La probabilidad de que sea mujer, dado que es la primera vez.
e) La probabilidad de que sea hombre y reincidente

Lic. Jessica Chalco Suárez – Mtro. Wilbert Colque Candia 8

Probabilidades ESTADÍSTICA II

Ejemplo 12
Durante un estudio sobre accidentes automovilísticos, el Consejo de Seguridad de Carreteras encontró
que 60% de los accidentes suceden de noche, 52% están relacionados con conductores alcoholizados y
37% se presentan de noche y están relacionados con conductores ebrios.
a) ¿Cuál es la probabilidad de que un accidente esté relacionado con un conductor alcoholizado,
dado que sucedió de noche?
b) ¿Cuál es la probabilidad de que un accidente haya sucedido de noche, dado que está relacionado
con un conductor ebrio?

Lic. Jessica Chalco Suárez – Mtro. Wilbert Colque Candia 9

Probabilidades ESTADÍSTICA II

TÉCNICAS DE CONTEO
2.1. Factorial de un número
𝑛! = 𝑛 ∗ (𝑛 − 1) ∗ (𝑛 − 2) ∗ ⋯ ∗ 1
0! = 1
1! = 1
2! = 2 ∗ 1 = 2
3! = 3 ∗ 2 ∗ 1 = 6
4! = 4 ∗ 3 ∗ 2 ∗ 1 = 4 ∗ 3! = 24
5! = 5 ∗ 4! = 120

2.2. Permutación:
Es un reordenamiento de una colección de objetos Se define por:
𝑷𝒏 = 𝒏!
Ejemplo 13
Cuantos números de tres cifras se puede formar con los números 5, 3 y 1
𝑃3 = 3! = 6 Los números son: 135, 153, 315, 351, 513, 531

Cuantos números de cuatro cifras se puede formar con los números 1, 5, 7, 9

𝑃4 = 4! = Los números son:

Nota: Si se quiere formar grupos de n en r (SI importa el orden) se considera:

𝒏!
𝒏𝑷𝒓 =
(𝒏 − 𝒓)!
Ejemplo 14
Cuantas banderas de dos colores se pueden representar con telas de cinco colores
5! 5!
5𝑃2 = = = 20 𝐵𝑎𝑛𝑑𝑒𝑟𝑎𝑠
(5 − 2)! 3!
Si los colores son: (A, B, C, D, E) las banderas son:

AB BA BC CB CD DC DE ED
AC CA BD DB CE EC
AD DA BE EB
AE EA
¿Cuál es la probabilidad de formar banderas donde está el color C?
𝑃(𝐷) =

Lic. Jessica Chalco Suárez – Mtro. Wilbert Colque Candia 10

Probabilidades ESTADÍSTICA II

2.3. Combinación:
Una combinación es un arreglo donde el orden NO es importante
𝑛!
𝑛𝐶𝑟 =
(𝑛 − 𝑟)! ∗ 𝑟!
Ejemplo 15
De un grupo de cinco estudiantes se quiere seleccionar a dos de ellos para que dar una exposición
sobre Muestreo no probabilístico ¿Cuántos casos posibles de selección hay?
5! 5!
5𝐶2 = = = 10
(5 − 2)! ∗ 2! 3! ∗ 2!
Si los estudiantes son: (I, G, T, P, E)
IG GT PT PE
IT GP TE
IP GE
IE
Cuál es la probabilidad de que en el grupo se encuentre G

𝑃(𝑇) = =

Ejemplo 16
De los 15 miembros de una junta directiva de una gran empresa, ¿Cuántos comités de 5 miembros
pueden formarse si el orden no importa?

Ejemplo 17
Un inspector visita 7 máquinas diferentes durante el día. A fin de impedir a los operadores que sepan
cuando inspeccionara, varía el orden de las visitas. De cuantas maneras puede hacerlo.

Ejemplo 18
El muestreo aleatorio simple usa una muestra de tamaño n tomada de una población de tamaño N para
obtener datos para hacer inferencias acerca de las características de la población. Suponga que, de una
población de 50 cuentas bancarias, desea tomar una muestra de cuatro cuentas con objeto de tener
información acerca de la población. ¿Cuántas muestras diferentes de cuatro se pueden obtener?

Lic. Jessica Chalco Suárez – Mtro. Wilbert Colque Candia 11

Probabilidades ESTADÍSTICA II

PROBABILIDAD TOTAL
Sean los eventos A1 , A2 , …,Ak mutuamente excluyentes y colectivamente exhaustivos, los cuales
constituyen una partición del espacio muestral Ω, entonces para cualquier evento B de Ω se cumple:

𝐴1 𝐴2 𝐴𝑘

𝐵 = (𝐴1 ∩ 𝐵) ∪ (𝐴2 ∩ 𝐵) ∪ … ∪ (𝐴𝐾 ∩ 𝐵)

𝑃(𝐵) = 𝑃(𝐴1 ∩ 𝐵) + 𝑃(𝐴2 ∩ 𝐵) + ⋯ + 𝑃(𝐴𝐾 ∩ 𝐵)
𝑃(𝐵) = 𝑃(𝐴1 )𝑃(𝐵/𝐴1 ) + 𝑃(𝐴2 )𝑃(𝐵/𝐴2 ) + ⋯ + 𝑃(𝐴𝐾 )𝑃(𝐵/𝐴𝐾 )
𝐾

𝑃(𝐵) = ∑ 𝑃(𝐴𝑖 )𝑃(𝐵/𝐴𝑖 )

𝑖=1

Ejemplo 19
Se lanzan dos monedas al aire, si salen dos caras, se extrae una ficha de una urna I, que contiene 2 fichas
blancas y 3 negras Si sale cara y sello, se extrae una ficha de una urna II, que contiene 4 fichas blancas
y 1 negra Si salen 2 sellos, se extrae una ficha de una urna III, que contiene 3 fichas blancas y 2 negras
¿Cuál es la probabilidad de extraer ficha blanca después de lanzar las monedas y sacar la ficha?
𝑛(Ω) = {CC, CS, SC, SS} = 4

2B P(B/U1) = 2/5

P(N/U1) = 3/5
U1 3N

P(U1) = 1/4

P(B/U2) = 4/5
4B

P(U2) = 2/4
U2 1N
P(N/U2) = 1/5

3B P(B/U3) = 3/5
P(U3) = 1/4
U3
2N P(N/U3) = 2/5

P(B) = P(U1)P(B/U1) + P(U2)P(B/U2) + P(U3)P(B/U3)

P(B) =

Lic. Jessica Chalco Suárez – Mtro. Wilbert Colque Candia 12

Probabilidades ESTADÍSTICA II

TEOREMA DE BAYES
Sean los k eventos A1 , A2 , …,Ak mutuamente excluyentes y colectivamente exhaustivos, los cuales
constituyen una partición del espacio muestral Ω, entonces para cualquier evento B de Ω se cumple:
P(Ar ∩ B)
P(Ar /B) =
P (B)

P(Ar ∩ B)
P(Ar /B) = K
∑i=1 P(Ai )P(B/Ai )

P(Ar )P(B/Ar )
P(Ar /B) = K
∑i=1 P(Ai )P(B/Ai )

Ejemplo 20
Supongamos que tenemos dos cajas La caja 1 que contiene 3 fichas blancas y 2 negras, la caja 2
contiene 2 fichas blancas y 3 negras. La probabilidad de extraer una ficha al azar de la caja 1 es 1/3. Si
se extrae una ficha al azar y resulta que ha sido blanca ¿Cuál es la probabilidad de que la extracción se
haya efectuado de la caja 1?

3B P(B/C1) = 3/5

2N P(N/C1) = 2/5
C1
P(C1) = 1/3

2B P(B/C2) = 2/5
P(C2) = 2/3
C
3N P(N/C2) = 3/5

Si la ficha extraída es blanca

Probabilidad total:

P(B) = P(C1)P(B/C1) + P(C2)P(B/C2) =

P(C1)P(B/C1)
𝑃(𝐶1/𝐵) = =
P(C1)P(B/C1) + P(C2)P(B/C2)

Lic. Jessica Chalco Suárez – Mtro. Wilbert Colque Candia 13

Probabilidades ESTADÍSTICA II

Ejemplo 21
Un médico cirujano se especializa en cirugías estéticas. Entre sus pacientes, el 20% se realizan
correcciones faciales, un 35% implantes mamarios y el restante en otras cirugías correctivas. Se sabe,
además, que son de género masculino el 25% de los que se realizan correcciones faciales, 15% implantes
mamarios y 40% otras cirugías correctivas. Si se selecciona un paciente al azar, determine:
a) La probabilidad de que sea de género masculino
b) Si resulta que es de género masculino, determine la probabilidad que se haya realizado una
cirugía de implantes mamarios.

Lic. Jessica Chalco Suárez – Mtro. Wilbert Colque Candia 14

Probabilidades ESTADÍSTICA II

Ejemplo 22
Tres máquinas A, B y C producen el 45%, 30% y 25%, respectivamente, del total de piezas producidas
en una fábrica. Los porcentajes de producción defectuosa de estas máquinas son 3%, 5% y 2%.
a) Seleccionamos una pieza al azar, la probabilidad de que sea defectuosa, es:
b) Seleccionamos una pieza al azar y resulta ser defectuosa, la probabilidad de que haya sido
producida por la maquina B, es:
c) Que maquina tiene la mayor probabilidad de haber producido la pieza defectuosa.

Lic. Jessica Chalco Suárez – Mtro. Wilbert Colque Candia 15

Probabilidades ESTADÍSTICA II

Ejemplo 23
Una editorial envía publicidad de un libro de texto de econometría al 80 por ciento de todos los
profesores que imparten la asignatura de a nivel nacional. El 30 por ciento de los profesores que recibe
esta publicidad adopta el libro, al igual que el 10 por ciento de los que no la reciben. ¿Cuál es la
probabilidad de que un profesor que adopta el libro haya recibido la publicidad?

Lic. Jessica Chalco Suárez – Mtro. Wilbert Colque Candia 16

Probabilidades ESTADÍSTICA II

Ejemplo 24
Un analista bursátil examinó las perspectivas de las acciones de un gran número de empresas. Cuando
analizó los resultados de estas acciones un año más tarde, resultó que el 25 por ciento obtuvo unos
resultados mucho mejores que la media, el 25 por ciento obtuvo unos resultados mucho peores y el 50
por ciento restante obtuvo unos resultados parecidos a la media. El 40 por ciento de las acciones que
obtuvieron unos resultados mucho mejores que la media fueron calificados de «buenas compras» por el
analista, al igual que el 20 por ciento de los que obtuvieron unos resultados parecidos a la media y el 10
por ciento de los que obtuvieron unos resultados mucho peores que la media. ¿Cuál es la probabilidad
de que una acción calificada de «buena compra» por el analista obtuviera unos resultados mucho mejores
que la media?

Lic. Jessica Chalco Suárez – Mtro. Wilbert Colque Candia 17