PROBABILIDADES

DR.LUIS J. CASTILLO VASQUEZ

ESTADÍSTICA APLICADA

“Las cosas complejas y estadísticamente improbables, son por

naturaleza más difíciles de explicar que las cosas simples y
estadísticamente probables”

Profesor: Dr. LUIS J. CASTILO VASQUEZ

PROBABILIDADES
 Las Probabilidades
El termino PROBABILIDAD se utiliza comúnmente cuando existe una
incertidumbre sobre:
 Que ocurrió en el pasado,
 Que esta ocurriendo en la actualidad o
 Que ocurrirá en el futuro.
• El hombre de negocios puede decidir la
comercialización de un nuevo producto,
porque la probabilidad de su éxito es
elevada.
• El agricultor quizá no siegue su arroz o
trigo porque es “probable” que llueva.

Posiblemente, ni el hombre de negocios, ni el agricultor sepan como definir o medir la

probabilidad, sin embargo cada uno de ellos encontró útil esta idea cuando se tuvo que tomar una
decisión.
ENTONCES
¿Qué es una
probabilidad,
como puede
medirse, de que
modo se puede
utilizar?

Para responder a esto debemos saber algunas definiciones preliminares

 DEFINICIONES PRELIMINARES
EXPERIMENTO:
Es un hecho, acontecimiento u operación que se realiza en nuestra realidad y que
puede ser repetida bajo ciertas condiciones.
Dentro de estos tenemos los deterministicos y no deterministicos.

1. Experimentos deterministicos:
Son aquellos cuyo resultado del experimento
se conoce con anterioridad y que puede
describirse por una fórmula matemática, física
o química.

Ejemplos:
 Soltar una piedra en el aire.
 Lanzar una pelota en una tina con agua.
 Patear una pelota.
2. Experimento NO deterministico:
Son aquellos cuyos resultados del experimento no pueden predecirse con exactitud antes de
realizar el experimento.

Ejemplos:

 Lanzar una moneda y observar la cara

superior.

 Lanzar un dado y observar el número que

aparece.

 Extraer un artículo producido en un proceso productivo y

ver su calidad, etc.
EXPERIMENTO ALEATORIO: Se denota por Ei
Un experimento aleatorio se caracteriza porque tienen las
siguientes propiedades:

a. Es un experimento NO deterministico.
b. Sus resultados posibles pueden describirse con
anterioridad.
c. Se pueden repetir infinitas veces sin cambiar sus
condiciones.

Ejemplos:
E1: Lanzar una moneda y observar la cara superior.
E2: Lanzar un dado y observar el número que aparece.
E3: Extraer un artículo de un lote que contiene artículos
conformes y no conformes.
E4: Contar el número de vehículos que llegan a una
estación de servicio.
E5: Observar el tiempo de vida de artículo eléctrico.
E6: Jugar un partido de fútbol, etc.
ESPACIO MUESTRAL:
• Se denota por la letra Ω (omega).
• Es el conjunto de todos los resultados posibles de un experimento aleatorio.

E1: Lanzar una moneda y observar la cara Ejemplo:

superior. Ω1 = {C , S}
E2: Lanzar un dado y observar el número que
Ω2 = {1,2,3,4,5,6}
aparece.

E3: Extraer un artículo de un lote que contiene Ω3 = {C,N}

artículos conformes y no conformes.

E4: Contar el número de vehículos que llegan a

Ω4 = {0,1,2,3,4,5,6,7,8,9,…}
una estación de servicio.

E5: Jugar un partido de fútbol, etc. Ω5 = {G,P,E}

EXPERIMENTOS ALEATORIOS COMPUESTOS:
Un experimento se dice que es compuesto, si consiste de dos o más experimentos
aleatorios sucesivos o simultáneos. Dentro de estos tenemos:

1. Experimento unidos por la “o” :

Es aquel experimento cuando E1 o E2 ocurre , pero no ambos.

Ejemplo:
Hallar el espacio muestral del experimento que consiste en lanzar un dado o una
moneda.

E1: Lanzar un dado luego, Ω1={1,2,3,4,5,6}

E2: Lanzar una moneda luego, Ω2={C,S}

Entonces:
Ω = Ω1 U Ω2 = {1,2,3,4,5,6,C,S}

+
2. Experimentos unidos por la “Y”
Es aquel cuando los experimentos E1y E2 ocurren. Diagrama del Árbol

1er Lanzamiento 2do Lanzamiento

Ejemplo:
C
E: Lanzar dos monedas
C S
E1: Lanzar 1 moneda luego, Ω1={C,S}
E2: Lanzar 1 moneda luego, Ω2={C,S}
C
S
S

Luego:

Ω = Ω1 x Ω2= {CC,CS,SC,SS}
 EVENTO:
Se llama evento a cualquier subconjunto del espacio muestral. Se denotan por letras
mayúsculas: A, B, C, D, E, etc. Los eventos siempre se indica en forma de
enunciado.

Ejemplos:
Determinar los siguientes eventos si el experimento consiste en lanzar 3 monedas
simultáneamente.
A: Que la primera moneda caiga cara. A= {CCC,CCS,CSC,CSS}
B: Que las dos primera sean sello. B= {SSC,SSS}
C: Las ultimas sean cara. C= {CCC,CSC,SCC,SSC}
D: Ocurran por lo menos dos caras. D= {CCC,CCS,SCC,CSC}
E: Ocurra sello en el segundo lanzamiento E= {CSC,CSS,SSC,SSS}

Solución:
E: Lanzar 3 monedas
Ω= {CCC,CCS,CSC,CSS,SCC,SCS,SSC,SSS}
Clases de eventos
a. Evento unitario: es aquel que contiene un solo resultado.
b. Evento compuesto: es aquel que contiene 2 o mas resultados
c. Evento seguro: es aquel que contiene a todos los elementos del Ω
d. Evento nulo: Es aquel que no contiene ningún elemento.
e. Mutuamente Excluyentes: si uno y sólo uno de ellos puede tener lugar a un tiempo.
Ej.: Lanzar una moneda, solo puede ser cara o sello.
f. Colectivamente exhaustivo: Si uno de los eventos debe ocurrir.
Ej.: Si no ocurre cara, entonces debe ocurrir cruz.

SUCESO:
Se llama suceso a todo elemento del espacio muestral.
Se denota por S.

Ω = {CCC,CCS, CSC,CSS,SCC,SCS,SSC,SSS}
Suceso
 ¿QUÉ ES UNA PROBABILIDAD?
 Valor que va desde cero hasta uno, inclusive,
 Describe la posibilidad relativa (hi) de que ocurra un
evento.
 Un evento imposible tiene una probabilidad de cero.
 Un evento que ocurrirá con toda seguridad es uno.
 La probabilidad toma valores entre cero y uno. 0 ≤ P(A) ≤ 1

Se define como:
n (A) Numero de elementos del evento A
P (A) = ------------
n(Ω)
Numero de elementos del espacio muestral
Evento
NUMERO DE MUESTRAS

AxB 1 2 3 4 5 6
1 1,1 1,2 1,3 1,4 1,5 1,6
2 2,1 2,2 2,3 2,4 2,5 2,6
3 3,1 3,2 3,3 3,4 3,5 3,6
4 4,1 4,2 4,3 4,4 4,5 4,6
5 5,1 5,2 5,3 5,4 5,5 5,6
6 6,1 6,2 6,3 6,4 6,5 6,6

MUESTREO CON REEMPLAZO : N n

NUMERO DE MUESTRAS

MUESTREO SIN REEMPLAZO

SINCO
AxB : 1N C n 2 3 4 5 6
1 1,2 1,3 1,4 1,5 1,6
2 2,1 2,3 2,4 2,5 2,6
3 3,1 3,2 3,4 3,5 3,6
4 4,1 4,2 4,3 4,5 4,6
5 5,1 5,2 5,3 5,4 5,6
6 6,1 6,2 6,3 6,4 6,5
NUMERO DE MUESTRAS

MUESTREO SIN REEMPLAZO

CONO : N P n
AxB 1 2 3 4 5 6
1 1,2 1,3 1,4 1,5 1,6
2 2,1 2,3 2,4 2,5 2,6
3 3,1 3,2 3,4 3,5 3,6
4 4,1 4,2 4,3 4,5 4,6
5 5,1 5,2 5,3 5,4 5,6
6 6,1 6,2 6,3 6,4 6,5
 Propiedades:
1. La probabilidad de un evento esta comprendido entre 0 y 1. Es decir:
0 ≤ P(A) ≤ 1
2. La probabilidad de un evento seguro es igual a 1. Es decir:
P(S)=1
3. La probabilidad de un evento nulo o vacío es igual a 0. Es decir:
P(Ø)=0
4. La probabilidad del complemento de un evento es igual a:
P(A´)= 1 – P(A).
5. Si A y B son dos eventos cualquiera, entonces:
P(AUB) = P(A) + P(B) – P(A∩B)

6. Si A y B son eventos mutuamente excluyentes (independientes),

entonces:
P(AUB) = P(A) + P(B)

Nota:
La propiedad (5) y (6) se pueden generalizar para “n” eventos.
Ejercicio 01:
Experimento E: Lanzar tres monedas
Espacio Muestral Ω = {CCC,CCS,CSC, CSS,SCC,SCS,SSC,SSS}
Calcular
a. La probabilidad de que la primera sea cara.
b. La probabilidad de que la primera sea sello.
c. La probabilidad de que las dos primeras sean cara.
Solución:
A = {CCC,CCS,CSC,CSS} P (A) = 4/8
B = {SCC,SCS,SSC,SSS} P (B) = 4/8
C = {CCC,CCS} P (C) = 2/8

1M 2M 3M Diagrama del arbol

1/2
1/2 C ½* ½ * ½ = 1/8
C
C S
1/2
S C
S
C C
1/2
S S
S C
1/2 ½* ½ * ½ = 1/8
1/2 S
 Probabilidad de la adición de eventos:
• Sabemos por conocimiento de Matemáticas que la O se expresa por U.
• Entonces si A y B son dos eventos de un espacio muestral, la probabilidad
de que ocurra A o B esta dado por:

1. P(A ó B) = P (A U B )= P(A) + P(B)

Si A y B son independientes (mutuamente excluyentes)

2. P(A ó B )=P(A U B)=P(A) + P(B) – P(A∩B)

Si A y B son eventos cualquiera.

Se tiene la siguiente información respecto a 61 alumnos de la UPN-Trujillo según
su sexo y lugar de procedencia:

Lugar de procedencia
Trujillo Fuera de Total
Sexo Trujillo

Masculino 10 25 35
Femenino 14 12 26
Total 24 37 61 Probabilidades
Si se selecciona un alumno, calcular:
a. La probabilidad de que sea del sexo masculino. 35/61
b. La probabilidad de que sea de Trujillo. 24/61
c. La probabilidad de que sea Masculino o de Trujillo. 49/61
d. La probabilidad de que sea Femenino o fuera de Trujillo 51/61
Probabilidad Condicional:
• Se denota por P( A / B ), donde / significa condicionado, dado, etc
• Se utiliza para calcular la probabilidad de un evento que esta condicionado a
un subconjunto del espacio muestral.
• Se define de la siguiente manera:

P(A∩B)
P (A / B )= -----------------
, P (B) > 0
P(B)

n( A ∩ B )
P (A / B )= -----------------
n(B)
Ejercicio:
Un experimento consiste en lanzar un dado y observar el número que resulta en
la cara superior.
Ω={1,2,3,4,5,6}.

Calcular la probabilidad de que caiga un número par, dado que cayo un número
mayor que 3.

Solución:
A: Se observa un numero par. A={2,4,6}
B: Se observa un numero mayor que 3. B={4,5,6}

Luego:
A ∩ B = {4,6} Entonces P ( A ∩ B ) = 2/6

2/6
Finalmente , P ( A / B ) = --------- = 2 / 3
3/6
Se tiene la siguiente información respecto a 61 alumnos de la UPN-Trujillo según
su sexo y lugar de procedencia:

Lugar de procedencia
Trujillo Fuera de Total
Sexo Trujillo

Masculino 10 25 35
Femenino 14 12 26
Total 24 37 61
Si se selecciona un alumno, calcular:
a. La probabilidad de que sea del sexo masculino, dado que es de Trujillo.
b. La probabilidad de que sea Masculino, dado que es fuera de Trujillo
c. La probabilidad de que sea de Trujillo, dado que es de Femenino.
Probabilidades (Soluciones)
a.
b.
c.
 Teorema de la Multiplicación:
• Se sabe que P( A / B )= P(A∩B)/P(B).

• Entonces podemos calcular lo siguiente:

P(A∩B)= P(A/B)*P(B)

• Pero también P(A∩B) = P(B∩A), entonces:

P (A ∩ B ) = P (A B) = P ( A ) * P (B / A)

P (B ∩ A ) = P (B A) = P ( B ) * P ( A / B )

Sirve para calcular probabilidades de la intersección (multiplicación) de eventos)

1. En una URNA hay 7 bolas, 4 son blanca y 3 rojas. Seleccionar 2 bolitas
al azar sin reemplazo
a. Cual es la probabilidad de que la primera bola sea blanca y la segunda
sea roja.
B R Solución:
B: Sea blanca
4 3 R: Sea roja

P ( B y R)=P(B ∩ R)=P(B)*P(R/B)=(4/7)*(3/6)=12/42=2/7

2. En un lote de 10 artículos hay 3 defectuosos. Si se toma al azar tres

artículos uno tras otro sin reemplazo ¿Cuál es la probabilidad de que los
tres sean buenos?
P ( B1 ∩ B2 ∩ B3) = P(B1)*P(B2/B1)*P(B3/B1,B2)

= (7/10)*(6/9)*(5/8) = 210/720 = 7/24

• Si A y B son eventos independientes, entonces:

P(A∩B) = P(AB) = P(A) * P(B)

• Luego si A, B y C son eventos independientes, entonces:

P(A∩B∩C) = P(ABC) = P(A)*P(B)*P(C)

Ejercicio:
La probabilidad de que un comerciante venda dentro de un mes un lote
de refrigeradoras es ¼, y la probabilidad de vender un lote de cocinas
dentro de un mes es de 1/3. Hallar la probabilidad de que venda los
lotes dentro de un mes.

P(A∩B) = P(AB) = (1/4) * (1/3) = 1/12

Teorema de BAYES:
• Este es el TEOREMA mas importante en el calculo de
probabilidades.
• Para conocer este teorema se deben conocer previamente
algunas definiciones:
A. PARTICION:
Se llama partición al conjunto de eventos del espacio muestral Ω, que cumple
con 2 características:
a. U Ai = Ω (los eventos son colectivamente exhaustivos)
b. ∩ Ai = Ø (los eventos son mutuamente excluyentes)

Ω U Ai = Ω
A1 A2 A3 A4

∩ Ai = Ø
B. PROBABILIDAD TOTAL:
Si A1, A2, … , An es una partición de Ω y B es un subconjunto
cualquiera dentro de Ω, entonces:
A1 A2 A3 A4
B
Ω
(A1∩B) (A2∩B) (A3∩B) (A4∩B)

B= (A1 ∩ B) U (A2 ∩ B) U (A3 ∩ B) U (A4 ∩ B)

P(B) = P (A1 ∩ B) + P (A2 ∩ B) + P (A3 ∩ B) + P (A4 ∩ B)]

P(B) = P(A1). P(B/A1) + P(A2).P(B/A2) + P(A3).P(B/A3) + P(A4).P(B/A4)

En Gral: P(B) = ∑ P(Ai).P(B/Ai)

B. Teorema de BAYES:
Si A1, A2, … , An es una partición de Ω y B es un subconjunto cualquiera dentro
de Ω, entonces, la probabilidad de que ocurra un evento Ai, cuando el evento B
ha ocurrido es:
A1 A2 A3 A4

(A1/B)
P ( A1 ∩ B ) P ( A1).P( B/A1)
P (A1 / B ) = ----------------- = ------------------------
P(B) P(B)

P ( Ai ∩ B )
En general: P (Ai / B ) = -------------------------------
∑ P (Ai) . P(B / Ai)
EJEMPLO.
En cierto sector de la ciudad de Trujillo los grupos de
ingresos bajos, medios y altos constituyen el 20%, 55%
y 25% de la población respectivamente. Se sabe
además que el 80% del grupo de bajos ingresos se
opone a un proyecto de ley que propugna actualmente
el congreso. Los porcentajes de los grupos medio alto
son 30% y 10% respectivamente. La información
disponible se resume en la Tabla Nº 01. Se selecciona
al azar un individuo entre esta población y se
encuentra que se opone al proyecto de ley, ¿ Cual es la
probabilidad de que la persona pertenezca al grupo de
bajos ingresos? ¿Al grupo de ingresos medios? ¿Al
grupo de altos ingresos?
TABLA Nº 01. Resumen de los datos para el ejemplo.

GRUPO DE PROPORCION DE LA PROPORCION DEL

INGRESOS POBLACION GRUPO DE
INGRESOS Q SE
OPONE AL
PROYECTO DE LEY

BAJO 0.20 0.80

MEDIO 0.55 0.30
ALTO 0.25 0.10
SOLUCION. Tabla resumen para la aplicación del T-Bayes
EVENTOS PROB. A VEROSIMIL PROB. PROB.
Ai PRIORI ITUD CONJUNTA APOST.
P(Ai) P(B/Ai ) P(B ∩ Ai ) P(Ai / B)

A1 0.20 0.80 0.160 0.46

A2 0.55 0.30 0.165 0.47
A3 0.25 0.10 0.025 0.07
TOTAL 1.00 --------- 0.350 1.00

P(B )
B: denota el evento de que la persona se opone elegida
se opone al proyecto de ley.
A1, A2 y A3 : eventos de que la persona seleccionada
pertenezca a los grupos bajos, medios, y altos ingresos.
• Próxima clase
• Traer Calculadora y Presentar un Mapa conceptual acerca de la
Historia de las Probabilidades.

PRÁCTICA:
RESOLVER LOS EJERCICIOS PROPUESTOS EN LA PRÁCTICA DIRIGIDA Nº 01.