TEORÍA DE PROBABILIDAD

TEORIA DE LA PROBABILIDAD

Introducción:

En el contexto general de la estadística, las asignaciones de carácter probabilístico, nos dan la posibilidad
de ejercer un control de la inevitable variabilidad de los resultados de un experimento.

Para simplificar lo observado en los fenómenos sujetos a estudio, necesariamente recurrimos a la

construcción de modelos de tipo determínístico o probabilístico. Los primeros, quedan perfectamente
definidos en cuanto se conocen los factores que en ellos interviene. Por ejemplo: fuerza = masa x
aceleración; capital = activo + pasivo, etc.

En cambio, en los modelos de tipo probabilístico, y dado que sus condiciones son puramente
experimentales y de carácter aleatorio (al azar ), los resultados no son predecibles y su ocurrencia se debe
a la casualidad. Estos apuntes están enfocados al estudio de este tipo de modelos.

Elementos de probabilidad

i) Experimento: Es cualquier proceso, fenómeno o suceso que genera una serie de

observaciones ó medidas, llamados puntos muestrales ó elementos, con las siguientes
características:

a) Es de naturaleza tal, que puede repetirse un número indeterminado de veces, ó al

menos se concibe su repetición
b) Cada vez que se realice el experimento, se sujetará a las reglas necesarias con tal
que su aleatoriedad quede garantizada.
c) Cada uno de sus resultados se debe a la casualidad.

ii) Espacio muestral: Equivale al universo en teoría de conjuntos, y comprende a todos y

cada uno de los posibles resultados en un experimento. Se acostumbra a designarlo con la
letra "S"
iii) Evento: Comprende a uno o más elementos de un espacio muestral

Espacio muestral finito: Es aquel cuyo número de elementos está bien definido, es medible y el
número de sus elementos es susceptible de contarse.

Espacio muestral infinito: El número de sus elementos está indefinido, es decir no son
susceptibles de contarse, por ejemplo: los puntos de un segmento de recta.

Espacio muestral de eventos equiprobables: Los elementos de este espacio tienen la misma
posibilidad de participar como resultado, por ejemplo: los números que presentan las caras de un
dado legal

Asignaciones de probabilidad: Asignar probabilidades, equivale a otorgar valores de seguridad en la

ocurrencia o no de cierto o ciertos eventos de interés en un experimento. Las formas que comúnmente
utilizamos para asignar probabilidades son:

1
 TEORÍA DE PROBABILIDAD

i) Asignación a priori: También se le conoce como asignación casuística, no tiene sustento

matemático, solo el sentir individual. Por ejemplo decir: la probabilidad que hoy llueva es
del 80'%.
ii) Asignación a Posteriori: Hace uso de modelos matemáticos, construidos a través de
repetidos experimentos, conformando un patrón matemático, por ejemplo: La inferencia
estadística con recta de regresión y distribuciones probabilísticas de tipo continuo,
conceptos que serán estudiados en la parte de estadística inferencial.
iii) Asignación clásica: Se basa en hechos que son justificado por los puntos muestrales del
universo de un experimento, de los cuales, algún ó algunos de ellos son de nuestro interés
y por lo tanto les llamaremos eventos con éxito . Es necesario designar con "N(E)" al
número de elementos con éxito del espacio muestral, mientras que con "N(S)" al número de
elementos totales del experimento. Así:

Si E es la de ocurrencia del evento de interés , entonces su probabilidad es:

N (E)
P( E )
N (S )
Axiomas de probabilidad: Además de coadyuvar en la solución de problemas, estas reglas delimitan
algunos procedimientos a seguir:

La probabilidad de un evento cualquiera no será menor que cero ni mayor a uno:

0 P(E) 1

Por lo tanto:
P(Ф) = 0, por ejemplo la probabilidad de obtener un siete en el lanzamiento de un dado es cero ( no tiene
siete).
P(S) = 1, se trata del evento seguro. Por ejemplo la probabilidad de obtener un sol ó una águila en el
lanzamiento de dos monedas es uno, (cae sol o cae águila).

Si A 1 A 2 A 3 … es una serie de eventos mutuamente excluyentes, entonces P(A1) + P(A2) + P(A3)+…

REGLAS ADITIVAS

Teoremas de probabilidad:

Si dos sucesos son excluyentes

A B P(A B) = P(A) + P(B)

A B P(A B C) = P(A) + P(B) + P(C)

C

Si los sucesos son no excluyentes:

2
 TEORÍA DE PROBABILIDAD

A B P(A B) = P(A) + P(B) - P(A B)

A B P(A B C) = P(A) + P(B) + P(C) - P(A B) -P(A B) - P(B C ) +

P(A B C)

Para la diferencia de dos conjuntos

P(A - B) = P( A ) - P ( A B)

Si Ac es el suceso complementario de A, entonces P(A) = 1 - P(Ac)

Ejemplo : Se extrae una carta al azar de una baraja española (40 cartas)

a) ¿Cuál es la probabilidad que sea una espada ó un basto?

b) ¿Cuál es la probabilidad que sea un rey ó un basto?

Solución: Como se sabe la baraja española consta de 40 cartas, de los cuales 10 son bastos, 10 son
espadas, 10 mas son oros y otros 10 son copas, conocidos como "palos". De ellos existen 4 ases (unos), 4
números dos, ...4 sietes, 4 sotas (dieces), 4 caballos (onces) y 4 reyes (doces), en todos los casos uno de
cada palo.

En consecuencia N(S) = 40

a) Si: E1 que la carta sea una espada N(E1) = 10 P(E1) = 10 / 40 = 1 / 4

E2 Que la carta sea un basto N(E2) = 10 P(E2) = 10 / 40 = 1 / 4

Como no existe ninguna carta que sea espada y basto a la vez: P(A B ) = 0

En consecuencia: P(A B ) = P(A) + P(B) = 10 / 40 + 10 / 40 = 1 / 2

b) Si E3 que la carta sea un rey; y dado que la baraja tiene 4 reyes, N(E 3) = 4 y P(E3) = 4 / 40.
Sin embargo hay un rey que es de bastos, por lo que P(E1 E3) = 1 / 40

Por lo tanto P(E1 E2) = P(E1) + P(E3) - P(E1 E3) = 10 / 40 + 4 / 40 - 1 / 40 = 13 / 40

Uso de la distribución frecuencial o la probabilidad basada en la experiencia:

Suponga que nos interesa conocer la probabilidad que los estudiantes de primer semestre de una
universidad tengan cierta edad.. El Dpto. de servicios escolares nos informa:

3
 TEORÍA DE PROBABILIDAD

Edad No. Alumnos

18 años 5 N(S) = 66
19 " 20
20 " 15 a) La probabilidad que el semestre próximo se inscriba un alumno
21 " 10 de 30 años ó más es P(A30 ) = 3 / 66
22 " 8
23 " 5 b) La probabilidad que un alumno tenga entre 20 y 22 años es:
+ de 23 3 N(A20-22) = 15+10+8 = 33 y P(A20-22) = 33 / 66 = 1/ 2

Uso de las técnicas de conteo:

La probabilidad de lograr una tercia en una mano de póker de una baraja española es:

N(S) = 40C5 = 658008; número de tercias = N(tercias) = 4C3 x 10C1 x 36C2 ( 25,200 y P(T) = 25200 / 658008
= 0.038

En una caja cerrada se almacenan 8 piezas que corresponden a la producción de un turno de una
fresadora. Si se sabe que el 50% de ellas son defectuosas, y se van a extraer 3 piezas al azar.¿Cuál es la
probabilidad que
Solución N(S) = 8C3 = 56
a) ninguna sea defectuosa N(E1) = 4C3 = 4 P(E1) = 4 / 56 = 1 / 14
b) Exactamente una sea defectuosa N(E2) = 4C1 x 4C2 =24 P(E2) = 24/56 = 3 / 7
c) Dos defectuosas y una buena N(E3) = 4C2 x 4C1 =24 P(E3) = 34/56
d) Las tres sean defectuosas N(E4) = 4C3 = 4 P(E4)= 1/14
Al menos dos sean defectuosas N(E5) = 4C2 x 4C1 + 4C1 x 4C2 = 12 P(E5) = 12 / 56

Matemáticas de la Probabilidad

Para hablar de las matemáticas de probabilidad debemos definir en primer lugar :

Independencia de eventos: Se dice que dos eventos son independientes si la ocurrencia o no ocurrencia
de uno no afecta a la ocurrencia o no ocurrencia del otro.
En el contexto de la independencia de los eventos A y B debe entenderse que la ocurrencia de B no tiene
impacto en las probabilidades de A y viceversa.

Producto de probabilidades: Una consecuencia importante de la independencia de los eventos son las
expresiones de probabilidad conjunta.

Eventos Eventos
Nombre Notación
Independientes Dependientes
Conjunta P(A ∩ B) P(A)P(B) P(A)P(B/A)

Que se conocen como teorema del producto de probabilidades ó reglas multiplicativas

4
 TEORÍA DE PROBABILIDAD

Probabilidad condicional: Se refiere a probabilidades de ocurrencia de un evento A, íntimamente ligado a

otro evento B que ya ocurrió, por lo que la probabilidad de A, está condicionada a si ocurrió B ó no.
Existe entonces, la necesidad de establecer la llamada PROBABILIDAD CONDICIONAL o probabilidad
condicionada , la cual se escribe P (B / A) que debe leerse " la probabilidad de B dado que A ocurrió" ó
bien: P(A / B) "probabilidad de A dado que B ocurrió"..

Eventos Eventos
Nombre Notación
Independientes Dependientes

Conjunta P(A ∩ B) P(A)P(B) P(A)P(B/A)

P( A B)
Condicional P(B/A) P(B/A) = P(B) P( B / A)
P( A)

Analicemos el siguiente caso: suponga que se tienen en una urna 15 canicas blancas y 5 negras. Si se
extraen dos canicas al azar, una tras otra:

a) Con reemplazo ( se extrae la canica, se observa su color y se devuelve a la urna)

b) Sin reemplazo ( extraída la primer canica no se devuelve a la urna)

Y sean: A La primer canica es negra

B La segunda canica es negra

Es claro que cuando la extracción es con reemplazo P(A) = 5 / 20 y también P(B) = 5/ 20

Si la extracción es sin reemplazo, la P(A) sigue siendo 5 / 20. Pero ahora P(B) = ? ?, es decir, la
probabilidad de B estará sujeta a lo que ocurrió en en la extracción de la primer canica, ya que, si ocurrió A,,
entonces la P(B) = 4 / 19, pero si ocurrió AC , entonces la P(B) = 5 / 19

Nuevamente debe observarse que si B ya ocurrió , y A y B son independientes, entonces P(A / B) = P( A ) y

que por lo tanto , P( A B ) = P( B ) P( A / B ) = P( A ) P( B ). Similarmente, si A ya ocurrió, entonces P ( B /
A ) = P ( B ) y P ( A B ) = P( A ) P( B / A ) = P( A ) P ( B ) .

Ahora ya estamos en condiciones de resolver el problema de las 15 caninas blancas y 5 negras, bajo la
pregunta que ambas canicas sean negras, ya que la pregunta es P( A B ), para A y B dependientes.

Recuérdese que P( A ) = 5 / 20 y podemos decir que P( N / B ) 0 5 / 19, por lo tanto:

P(A B ) = P( A ) P( B / A ) = ( 5 / 20 ) ( 4 / 19 ) = 0.052

Una herramienta de mucha utilidad en este tipo de herramientas es el diagrama de árbol. Para nuestro
caso, las ramas superiores nos dan el producto de probabilidades buscado.

5
 TEORÍA DE PROBABILIDAD

4 / 19 B
A
5 / 20 BC
5/19 B
15/20 AC
BC

Axiomas de probabilidad condicional:

P(A/B) = 0 si P(B) 0
Si (A B) = P(A/B)=0
Si A = B , (A B)=A=B P(A/B)=1

Ejemplo: Una empresa tiene 1000 piezas para un ensamble dado. Si se sabe que el 20% de ellas son
defectuosas y que del 40% del total que son compradas, el 80 % son buenas, mientras que el resto son
fabricadas por la propia empresa. ¿Cuál es la probabilidad que:

a) Si la pieza resultó buena haya sido fabricada por la misma empresa?

b) Si la pieza resultó defectuosa, haya sido comprada a proveedores?
c) La pieza haya sido fabricada si resultó defectuosa?

Solución: Nos auxiliaremos con la siguiente tabla:

DEFECTUOSAS BUENAS TOTALES

COMPRADAS 80 320 400
FABRICADAS 120 480 600
TOTALES 200 800 1000

a) Sean B La pieza es buena

F Fabricada por la misma empresa; Sol.: P(F/B) = P(F B) /P(B)= 480/800=0.6

b) Sean C La pieza fue comprada

D La pieza es defectuosa Sol P(C/D) = P(C D)/P(D)= 80 / 200=0.4

d) P(F / D ) = P( F D ) / P ( D ) = 120 / 200 = 0.6

Ejercicio: Un lote de 12 artículos contiene 4 defectuosos. Si se toman al azar tres artículos, uno a uno y sin
reemplazo . Hallar la probabilidad que:

a) El primer artículo sea defectuoso y los restantes buenos

b) Los dos primeros sean defectuosos y el tercero bueno
c) El tercer artículo sea defectuoso

6
 TEORÍA DE PROBABILIDAD

Sugerencia: Úsese un diagrama de árbol y aplíquese el producto de probabilidades

Teorema de Probabilidad total: si existe una partición del espacio muestral en B1, B2...Bk eventos
mutuamente excluyentes y colectivamente exhaustivos y dentro de esa partición se da un evento arbitrario
A. Entonces: P(A) = P(B1 A) + P(B2 A) + . . . + P(Bk A)
Entenderemos este concepto, como aquel que se solicita para un evento determinado y que, depende de
cualesquiera otros eventos ocurridos anteriormente.

Así, si en un suceso B compuesto por los subconjuntos, se encuentra inmerso otro suceso A, según la
figura:

B1 B2 B3 Estaremos de acuerdo que A = (B1 A)

(B2 A) ... (Bk ), aun cuando algunos
A (Bi A) sean vacíos
B4 B5 B6 B7

Pero como sabemos P(B A) = P(B) P(A / B) , de suerte que cada P(B A) = P(Bi) P(A / Bi) y entonces
podemos escribir: P(A) = P(B1)P(A / B1) P(B2) P(A / B2) + ... + P(Bk) P( A / Bk ) ,que de forma sintética es

k
Teorema de probabilidad total P( A ) = P( Bi ) P(A | Bi )
i 1

Con la información que Bi a ocurrido,, puede encontrarse fácilmente la probabilidad de algún evento
inmerso en B ya que P ( A / Bi ) está determinada.

Pronto veremos que la probabilidad total equivale al espacio muestral cuando así debe ser considerado.

Retomando el problema de las 15 canicas blancas y 5 negras , con la extracción de dos de ellas, una a una
sin reemplazo, bajo la pregunta, ahora, ¿Cuál es la probabilidad que la segunda canica sea negra?

Solución: puesto que P ( B ), ( que la segunda canica sea negra), puede ocurrir de dos formas: que la
primera se blanca, o que la primera sea negra, según el diagrama de árbol:

4 / 19 B
A
5 / 20 BC
5/19 B
15/20 AC
BC

7
 TEORÍA DE PROBABILIDAD

Entonces : P(B) = P(A)P(B/A) + P(Ac)P(B/Ac) = (5/20)(4/19) + ( 15/20)(519) = 19/76

Ejercicio : Una pieza automotriz es manufacturada por las fábrica F 1 , F2 y F3.Se sabe que F1 produce el
doble de piezas que F2 , y que esta y F3 producen la misma cantidad, Se sabe además que F 1 y F2
producen el 2% de piezas defectuosas y que F2 produce el 4% de defectuosas.¿Cuál es la probabilidad que
al elegir una pieza al azar, resulte defectuosa.

Sugerencia, constrúyase un diagrama de árbol y aplíquese el teorema de probabilidad total.

Ejercicio: Se tienen dos monedas, ambas cargadas, la primera tiene una probabilidad de 0.3 de caer águila,
la segunda 0.6 de caer águila también. Un jugador elige al azar una de las dos monedas y la lanza dos
veces obteniendo dos águilas . ¿Cuál es la probabilidad que al lanzarla por tercera vez caiga áquila
también.

Ejercicio Un estudiante presenta un examen de selección múltiple, en el cual, cada pregunta tiene cinco
posibles respuestas , de las cuales una es la correcta. Supóngase que el estudiante conoce la respuesta
del 70% de las preguntas.

a) ¿Cuál es la probabilidad que el estudiante sobre una pregunta dada conteste correctamente Sol 0.76
b) Si contesta correctamente ¿cuál es la probabilidad que conozca la respuesta? Sol.0.92

Teorema de Bayes: Si dentro de la partición del espacio muestral se da el evento arbitrario A la

probabilidad de que pertenezca a una de las particiones queda expresada por el teorema de Bayes o
teorema de la causa y efecto

P ( Bi ) P ( A / B j )
P( Bi / A) k TEOREMA DE BAYES
P(Bj )P( A/ Bj )
j 1

Ejemplo Hagamos el ejercicio 8 con la pregunta: ¿Cuál es la probabilidad que la pieza sea defectuosa y
provenga de la fábrica uno ?

Solución: Ya que, del total de la producción, F1 produce la mitad, mientras que F2 y F3 producen 1/4 del
total, F1 = 1/2 , F2 = F3 = 1/4. También, los porcentajes de piezas defectuosas son D1 = D2 = 0.02 y D3 =
0.04, con diagrama de árbol 0.02
D
F1 0.5
D 0.02
F2 0.25

F3 0.25 D 0.04

Del diagrama de árbol : N(S) (F1 D)+(F2 D)+(F3 A) = P(F1)P(D/F1)+P(F2)P(D/F2)+P(F3)P(D/F3)

Pero : P(F1)P(D/F1) = 0.5 x 0.02

P(F2)P(D/F2) = 0.25 x 0.02

8
 TEORÍA DE PROBABILIDAD

P(F3)P(D/F3) = 0.15 x 0.04

Como N(E) = P(F1) P(D/F1 = 0.5 x 0.02, se tiene:

P(F1/D) = (0.5x0.02) / [(0.5x0.02) + (0.25 x 0.02) + (0.25 x 0.04)] = 0.04

Ejercicio: La urna A, contiene tres esferas azules y dos rojas , mientras que la urna B, contiene dos azules y
cinco rojas. Si una esfera es extraída al azar de cualquiera de las dos urnas y resulta esfera azul, ¿cuál es
la probabilidad que provenga de la urna A ?

Ejercicio: Se tienen tres urnas idénticas, cada una con dos cajones. La primera urna contiene una moneda
de oro en cada cajón,; la segunda una de oro en el primer cajón y una de plata en el segundo y la tercera
una de plata en cada cajón. Se elige una urna al azar y luego uno de sus cajones, en el que se encuentra
una moneda de oro. ¿Cuál es la probabilidad que el otro cajón contenga una moneda de plata ?. Sol. 1/3

Ejercicio: En tres urnas se colocan canicas rojas, blancas y azules, distribuidas como se indica en la tabla:

Rojas Blancas Azules

Urna 1 5 3 2
Urna 2 1 8 1
Urna 3 3 1 6
Se selecciona una urna al azar y se saca una canica, también al azar. ¿Cuál es la probabilidad que la urna
haya sido la número tres , si la canica es roja Sol. 1/3

Ejercicio: Supóngase que 5% de todos los hombres y 0.25% de todas las mujeres son daltonianos. Si una
persona elegida al azar resulta daltoniana ¿Cuál es la probabilidad que sea hombre? (suponga que hay
igual número de hombres que de mujeres) Sol. 0.952

Ejercicio: La prueba para el diagnóstico del sida tiene 95% de exactitud. Si 0.005 de la población, realmente
tiene sida. Calcular la probabilidad de que determinado individuo tenga sida, si la prueba indica que lo tiene.

Ejercicio: Dos proveedores A y B, surten la misma pieza a un fabricante, quien guarda sin clasificar en el
almacén. Si el fabricante sabe que 5% de las piezas de A y 9% de las de B son defectuosas. Si se extrae
una pieza del almacén que no está defectuosa. ¿Cuál es la probabilidad que la haya entregado A?

Ejercicio: La probabilidad que un sospechoso resulte culpable es 0.8, siempre que cierto testigo no se
presente a declarar. La probabilidad que el testigo se presente a declarar es 0.1 y la probabilidad que el
sospechoso sea hallado culpable si se presenta el testigo es 0.9
:
a) ¿ Cuál es la probabilidad que al sospechoso se le halle culpable? Sol.0.81
b) Si al sospechoso se le encuentra culpable. ¿cuál es la probabilidad que el testigo se haya
presentado a declarar ? Sol. 8/9