Profesor: Msc.

José Zúñiga Sáenz

PROGRAMA: ADMINISTRACION DE EMPRESAS.
ASIGNATURA: ESTADISTICA INFERENCIAL Guía 1. TEORIA DE PROBABILIDADES
Experimentos y Espacios Muestrales. EJEMPLO. ¿De cuántas maneras se puede armar un
La teoría de la probabilidad tiene que ver con los diversos grupo de 2 de entre 4 personas (digamos José, Alberto,
resultados posibles que podrían obtenerse y los posibles Sebastián y Héctor)?
sucesos que podrían ocurrir al realizarse un experimento. SOLUCION:
Un EXPERIMENTO es cualquier acción o proceso que En esta situación el orden no interesa al tener en cuenta
genera observaciones. Un Experimento Determinístico es lo anterior, encontramos que los posibles grupos de dos
el que, al repetirse bajo las mismas condiciones, genera personas que se pueden escoger son: J-A; J-S; J-H; A-S;
siempre los mismos resultados. Un Experimento Aleatorio A-H; S-H. En total hay 6 maneras posibles de seleccionar
es el que, al repetirse bajo las mismas condiciones, NO un grupo de 2 personas, sabiendo que hay 4 disponibles.
genera siempre los mismos resultados.
Suponga que se realiza un experimento aleatorio. 2. Conteo a Través de Diagramas de Árbol
a) El conjunto de todos los posibles resultados de ese Cuando el número de posibilidades no es demasiado
experimento, se llama Espacio Muestral. El espacio grande, se puede utilizar una representación gráfica que
muestral se simboliza con la letra griega  se conoce con el nombre de diagrama de árbol, para
b) Cualquier subconjunto del espacio muestral  se mostrar todas las secuencias posibles de tales
llama Evento. Los eventos se simbolizarán con letras operaciones. Un diagrama de árbol consta de una serie de
mayúsculas A, B, C, etc. “El evento A ha sucedido” “ramas” que corresponden a cada una de las formas en
significa que el resultado del experimento está en A. que se pueden realizar la operación.
EJEMPLO. EJEMPLO. Un médico general clasifica a sus pacientes
✓ Al lanzar un dado y anotar el número que muestra la de acuerdo a: su sexo (masculino o femenino), tipo de
cara superior, entonces el espacio muestral es 1 = {1, sangre (A, B, AB u O) y en cuanto a la presión sanguínea
2, 3, 4, 5, 6} pero si nos interesa sólo si el número es (Normal, Alta o Baja). ¿Mediante un diagrama de árbol
par o impar, entonces el espacio muestral es 2 = {par, diga en cuantas clasificaciones pueden estar los pacientes
impar}. de este médico?
✓ Si nos trasladamos del salón de clase a la cafetería y
anotamos el tiempo que hemos tomado en hacerlo, el
espacio muestral es 3 = {t / t  0} donde t es el tiempo
de traslado.
✓ Si seleccionamos un producto un producto para la
inspección, el espacio muestral será: 4 =
{defectuoso, no defectuoso}.
TECNICAS DE CONTEO
Las técnicas especiales de conteo que son fundamentales
para el cálculo de algunas probabilidades, son: el conteo
por enumeración de elementos, el conteo a través de
diagramas de árbol, el teorema fundamental del conteo, el
principio de adición, el conteo de permutaciones y el
conteo de combinaciones. 3. Teorema Fundamental del Conteo

1. Conteo por Enumeración de Elementos Si un evento puede ocurrir de m formas y si después que
La regla es tratar de enumerar todos los elementos de un ha sucedido puede seguir un segundo evento que puede
espacio muestral y luego contarlos. Esta técnica es ser de cualquiera de n formas, entonces, los dos eventos
adecuada cuando el número de resultados posibles no es pueden ocurrir simultáneamente en el orden establecido
muy grande. Para ilustrar esto, considere los siguientes de m*n formas. Esta regla se puede extender a cualquier
ejemplos. cantidad de eventos.

Guía 1 – Teoría de Probabilidades 1

 Profesor: Msc. José Zúñiga Sáenz

EJEMPLO. Una joven tiene tres blusas (de marcas A, B y a. Permutaciones sin repetición de n objetos
C), dos faldas (de colores azul y roja) y dos pares de tomados todos a la vez
zapatos (de cuero y plástico). Utilizando estas siete
El número de permutaciones de un conjunto de n
prendas de vestir, ¿cuántos juegos de ropa diferentes
elementos distintos es igual a 𝒏! ∶= 𝟏 ∗ 𝟐 ∗ … ∗ (𝒏 −
podría ponerse?
𝟏) ∗ 𝒏, siendo 0! := 1. El símbolo “!” se conoce con el
SOLUCION: nombre de factorial. Cuando se escribe, por ejemplo, ¡5!,
Pueden ocurrir tres eventos, uno después del otro. Son los se lee “5 factorial”.
siguientes: Escoger una de las 3 blusas, escoger una de
Algunos valores factoriales son los siguientes:
las 2 faldas y escoger uno de los dos pares de zapatos. El
1! = 1; 2! = 2* 1 = 2; 3! = 3*2*1 = 6; 4! = 4*3*2*1 = 24; etc.
primer evento puede ocurrir de 3 formas; el segundo, de 2
formas y el tercer, de 2 formas. Por tanto, por el teorema Las permutaciones de este tipo se pueden considerar
fundamental del conteo los eventos uno seguido del otro como muestras seleccionadas sin reemplazo.
pueden ocurrir en 3*2*2 = 12 maneras distintas.
EJEMPLO. (Permutaciones de 6 objetos, sin
EJEMPLO. (Selección sin reemplazo y con orden) reemplazo) Suponga que una empresa dispone de seis
Considere la situación del ejemplo 8. El primer puesto hay maquinas atornilladores y de seis espacios en el área de
4 maneras de que se siente una persona. Sentada una allí producción. ¿De cuántas maneras diferentes se pueden
quedarán disponibles 3 personas para el segundo puesto. acomodar estas seis máquinas en los seis espacios
Por tanto, por el teorema fundamental del conteo hay 12 disponibles?
= 4*3 maneras posibles de que dos de las cuatro personas SOLUCION:
se sienten en el sofá de dos puestos. Puesto que se tiene un total de n = 6 objetos que
4. Principio de la Adición queremos ordenar entre sí. Es decir, hay 6! = 720 maneras
de ordenar las 6 máquinas en los 6 espacios disponibles.
Número de formas posibles de realizar alguna de n
operaciones si una operación puede realizarse de K1 b. Permutaciones sin repetición de n objetos
formas, una segunda operación se puede realizar de K2 tomados de k en k (k ≤ n)
formas, y la n-ésima operación se puede realizar de Kn Para calcular el número de permutaciones de este tipo, se
formas y además todas las operaciones son mutuamente puede tener en cuenta el siguiente teorema: El número de
excluyentes. permutaciones de un conjunto de n elementos distintos
K1 + K2 + K3 + . . . + Kn
tomados de k en k es igual a: n ! y se conoce como
EJEMPLO. En el lanzamiento de dos dados, ¿de cuántas (n − x) !
formas se puede obtener que la suma de los números sea Variación, y se representa como V n
o 𝑛𝑃𝑥
un siete o un ocho? x

SOLUCION: Las permutaciones de este tipo también se pueden

Sean A y B los eventos “obtener un siete” y “obtener un considerar como muestras seleccionadas sin reemplazo.
ocho”, respectivamente. Entonces, A∪B será el evento Además, obsérvese que cuando k = n, este resultado
“obtener un siete o un ocho”. Debido a que A = {(1, 6), (2, coincide siempre con Permutaciones sin repetición de n
5), (3, 4), (4, 3), (5, 2), (6, 1)} y B = {(2, 6), (3, 5), (4, 4), (5, objetos tomados todos a la vez
3), (6, 2)}, entonces, A y B pueden ocurrir de 6 y 5 formas EJEMPLO: Un conferencista dispone de ocho temas
distintas y, además, son mutuamente excluyentes. Por sobre los que puede disertar. Se le pide que presente
consiguiente, por el principio de adición el evento A∪B cinco de los ocho temas ante un grupo de personas. ¿De
ocurrirá de 6 + 5 = 11 maneras distintas. cuantas formas puede organizar su disertación?
5. Regla de la Permutación SOLUCIÓN:
Una permutación es un arreglo ordenado de una cantidad Como se trata de una organización de temas, hay implícito
finita de objetos distintos. Es importante tener en cuenta un orden y no repeticiones. Estamos frente variaciones
que toda permutación se puede identificar como una con n = 8 y x = 5.
muestra seleccionada sin o con reemplazo, pero siempre V 8
=
8! 8!
= = 6 720
con orden (8 − 5)! 3!
5

Guía 1 – Teoría de Probabilidades 2

 Profesor: Msc. José Zúñiga Sáenz
INTRODUCCIÓN A LA PROBABILIDAD
c. Permutaciones Circulares
La probabilidad es la evaluación numérica de la posibilidad
El número de permutaciones de n objetos distintos
de que un evento ocurra. Los valores de probabilidad
acomodados en un círculo es (n − 1)!.
siempre se asignan en una escala de 0 a 1. 0 ≤ p ≤ 1
EJEMPLO: ¿De cuántas formas diferentes se disponer a El objetivo del cálculo de probabilidades es el obtener un
cuatro personas que juegan cartas en una mesa redonda? valor numérico asociado con la ocurrencia de determinado
SOLUCIÓN: acontecimiento para facilitar la toma de decisiones
Como es un arreglo circular: (4 – 1)! = 3! = 6 formas relacionada con él.
6. Regla de la Combinación Definición Matemática de Probabilidad
Cuando se trata con permutaciones de objetos, el orden La teoría de probabilidad se construye a través de
de escogencia es importante. Hay ocasiones en que el axiomas, los cuales se enumeran a continuación: Sea 
interés se centra en considerar conjuntos de objetos ≠ ∅ un espacio muestral finito y  un conjunto de eventos
donde el orden no es importante. Cuando esto ocurre, la de . Una función P:  →  se llama una probabilidad
escogencia se llama combinación. Una escogencia de k si se cumplen los siguientes 3 axiomas:
objetos de un conjunto de n objetos distintos, sin importar (a) La probabilidad de cualquier evento debe ser
el orden en que los k objetos son escogidos, se llama siempre mayor o igual que cero, es decir, 𝑷(𝑨) ≥
combinación. 𝟎 para todo A ∈ .
(b) La probabilidad del espacio muestral siempre es uno,
EJEMPLO. (Diferentes problemas con combinaciones)
Otros casos en donde se presentan problemas con es decir, 𝐏() = 𝟏
combinaciones, son los siguientes: (c) Para cada n eventos 𝐴1 , 𝐴2 , … 𝐴𝑛 de , mutuamente
(a) En una caja hay n = 5 fichas numeradas y se sacan excluyentes, si se cumple que 𝑃(𝐴1 ∪ 𝐴2 ∪ … ∪ 𝐴𝑛) =
𝑃(𝐴1 ) + 𝑃(𝐴2 ) + … + 𝑃(𝐴𝑛).
k = 3 fichas, una detrás de otra, sin reponer y sin
importar el orden. El axioma (a) refleja la noción de que la probabilidad de
(b) Se reparten n = 10 fichas diferentes y numeradas que ocurra cualquier evento A debe ser por lo menos 0,
sobre k = 6 puestos no numerados de tal forma que, así que las probabilidades negativas no se permiten. El
en cada puesto haya exactamente una ficha. axioma (b) señala que la probabilidad máxima posible de
(c) Repartir k = 7 fichas iguales no numeradas sobre n = 1 se asigna al espacio muestral El axioma (c) formaliza la
9 puestos numerados, de tal forma que en cada idea de que, si deseamos la probabilidad de que ocurra
puesto haya a lo más una ficha. por lo menos uno de varios eventos y no pueden ocurrir
Teorema Combinatorio. El número de combinaciones de dos de estos eventos simultáneamente, por ser disyuntos,
k objetos seleccionados, sin repetición, de un conjunto de entonces, la probabilidad de que ocurra al menos uno es
n elementos, es la suma de las probabilidades de los eventos individuales.
n n! Para eventos A, B, C del espacio muestral  = ∅ se tiene:
C xn =   =
 x  x ! . (n − x) ! 1. 𝑃(∅) = 0.
2. Si los eventos A, B y C son mutuamente excluyentes,
EJEMPLO. Hay 20 persona para formar un comité de 3 entonces, 𝑃(𝐴 ∪ 𝐵 ∪ 𝐶) = 𝑃(𝐴) + 𝑃(𝐵) + 𝑃(𝐶).
personas. ¿De cuántas formas distintas se puede formar 3. 𝑃(𝐴̅) = 1 − 𝑃(𝐴), siendo 𝐴̅ (identificada también
el comité? como A´) el complemento de A.
4. 0 ≤ 𝑃(𝐴) ≤ 1.
SOLUCIÓN:
5. 𝑃(𝐴) = 𝑃(𝐴 ∩ 𝐵) + 𝑃(𝐴 ∩ 𝐵).
En este caso el orden con que se escojan las personas
6. Teorema de adición para 2 eventos o fórmula de
carece de importancia y ninguna va a ser escogida dos o
Silvester: 𝑃(𝐴 ∪ 𝐵) = 𝑃(𝐴) + 𝑃(𝐵) − 𝑃(𝐴 ∩ 𝐵).
más veces. Entonces aplicando la regla de combinaciones
7. Teorema de adición para 3 eventos o fórmula de
n = 20 y x = 3 tenemos: C 320 = 20 !
= 1 140 Silvester: 𝑃(𝐴 ∪ 𝐵 ∪ 𝐶) = 𝑃(𝐴) + 𝑃(𝐵) + 𝑃(𝐶) −
3! . (20 − 3) ! 𝑃(𝐴 ∩ 𝐵) − 𝑃(𝐴 ∩ 𝐶) − 𝑃(𝐵 ∩ 𝐶) + 𝑃(𝐴 ∩ 𝐵 ∩
𝐶).

Guía 1 – Teoría de Probabilidades 3

 Profesor: Msc. José Zúñiga Sáenz
EJEMPLO. Sean A, B y C eventos tales que: Cálculo de Probabilidades con Técnicas de Conteo
𝑃(𝐴) = 0,50, 𝑃(𝐵) = 0,26, 𝑃(𝐶) = 0,55, 𝑃(𝐴 ∩ 𝐵) =
0,15, 𝑃(𝐴 ∩ 𝐶) = 0,25, 𝑃(𝐵 ∩ 𝐶) = 0,15 𝑦 𝑃(𝐴 ∩ 𝐵 ∩
Los ejemplos, ilustran como se pueden utilizar las técnicas
𝐶) = 0,05. Calcular las siguientes probabilidades:
de conteo, para calcular probabilidades de eventos.
(a) 𝑃(𝐴 ∪ 𝐵), EJEMPLO. Un director de personal tiene 8 candidatos
(b) 𝑃(𝐴 ∩ 𝐶̅ ), para cubrir 4 puestos. De estos, 5 son hombres y 3
(c) 𝑃(𝐴̅ ∪ 𝐶) mujeres. Si, de hecho, toda combinación de candidatos
(d) 𝑃(𝐴 ∪ 𝐵 ∪ 𝐶). tiene las mismas probabilidades de ser elegido, ¿cuál es
SOLUCION: la probabilidad de que ninguna mujer sea contratada?
(a) Teniendo en cuenta el teorema de adición para 2 SOLUCION:
eventos (véase la parte 6 del teorema), se tiene que Primero, el número total de combinaciones posibles de los
𝑃(𝐴 ∪ 𝐵) = 𝑃(𝐴) + 𝑃(𝐵) − 𝑃(𝐴 ∩ 𝐵) = 0,50 +
0,26 − 0,15 = 0,61.
ocho candidatos tomadas de cuatro en cuatro es (8) = 70
4
(b) Teniendo en cuenta el teorema, se obtiene que Ahora bien, para que ninguna mujer sea contratada, los
𝑃(𝐴 ∩ 𝐶̅ ) = 𝑃(𝐴) − 𝑃(𝐴 ∩ 𝐶) = 0,50 − 0,25 = 0,25. candidatos seleccionados han de ser cuatro de los cincos
(c) Teniendo en cuenta las leyes de Morgan y la parte (b) de hombres. El número de tales combinaciones (5) = 5. Por
̅̅̅̅̅̅̅ 4
este ejercicio, se tiene 𝑃(𝐴̅ ∪ 𝐶) = 1 − 𝑃(𝐴 ̅ ∪ 𝐶) = 1 − tanto, si al principio cada una de las 70 combinaciones
𝑃(𝐴 ∩ 𝐶) = 1 − 0,25 = 0,75. posibles fuese igualmente probable, la probabilidad de
(d) Teniendo en cuenta el teorema de adición para 3 escoger una de las cinco combinaciones que incluyen sólo
eventos se tiene que 𝑃(𝐴 ∪ 𝐵 ∪ 𝐶) = 𝑃(𝐴) + hombres es 5/70 = 0,071.
𝑃(𝐵) + 𝑃(𝐶) − 𝑃(𝐴 ∩ 𝐵) − 𝑃(𝐴 ∩ 𝐶) − 𝑃(𝐵 ∩
𝐶) + 𝑃(𝐴 ∩ 𝐵 ∩ 𝐶) = 0,50 + 0,26 + 0,55 − EJEMPLO. Una caja de 12 lapiceros tiene 2 que están
0,15 − 0,25 − 0,15 + 0,05 = 0,81. defectuosos. Se extraen 3 lapiceros sin reemplazo. ¿Cuál
es la probabilidad de que dos salgan defectuosos?
Definición Clásica de Probabilidad
SOLUCION:
Probabilidad de un evento elemental: Sea  ≠ ∅ un
Sean  el espacio muestral correspondiente y A el evento
espacio muestral finito. Si  es un evento elemental de ,
“de los 3 lapiceros seleccionados, 2 están defectuosos”.
entonces, la probabilidad de que suceda , en símbolos
Entonces, el número de elementos que tiene  será
P(), es igual a 1 dividido por el número de elementos que 12
1 ( ) = 220 y el número de elementos que tiene A es
tiene  . Es decir, 𝑃(𝜔) = Número de elementos de Ω 3
10 2
( ) ( ) = 10. Por consiguiente, la probabilidad pedida es
Probabilidad de un evento: Sea  ≠ ∅ un espacio 1 2
10
𝑃(𝐴) = = 0,045.
muestral finito y supongamos que todos los eventos 220
elementales suceden con la misma probabilidad, es decir, Probabilidades Condicionales
la expresión anterior se cumple para cada evento
elemental  de . Entonces, para cada evento A de , Suponga que está interesado en 2 sucesos A y B, y se nos
Número de elementos de A da la información adicional de que B ha ocurrido. Una
tenemos: 𝑃(𝐴) = Número de elementos de Ω
pregunta de interés es, entonces, ¿cuál es la probabilidad
de que A ocurra? La idea principal es que la posibilidad de
EJEMPLO. En el salón de clase hay 24 alumnos, de los
que cualquier suceso ocurra es probable que dependa de
cuales 10 son mujeres. Si se elige un alumno al azar, ¿cuál
la ocurrencia o no ocurrencia de otros eventos.
es la probabilidad de que el alumno seleccionado sea
hombre. EJEMPLO. En una empresa hay 125 empleados, de los
cuales 52 son mujeres y 72, hombres. Supongamos,
SOLUCION:
además, que hay 28 mujeres y 38 hombres que fuman
Como los alumnos en el salón de clase constituyen un
(a) Si se saca un individuo al azar, determinar la
espacio muestral finito, la probabilidad de seleccionar un
probabilidad de que sea mujer.
alumno hombre es:
(b) Si se saca un individuo, determinar la probabilidad de
P(A) = número de alumnos hombres = 14 = 0,583 que sea mujer y fume.
número total de alumnos 24 (c) Si del grupo de las 53 mujeres se saca un individuo,
determinar la probabilidad de que fume.

Guía 1 – Teoría de Probabilidades 4

 Profesor: Msc. José Zúñiga Sáenz

SOLUCION: SOLUCION:
Tabla de Contingencia Sea R el evento “sacar una ficha roja” y supongamos que
Hombre (H) Mujer (M) Total I y II son los eventos “escoger la caja I” y “escoger la caja
Fuma (F) 38 28 66 II”, respectivamente. Piden calcular P(R). La figura
No Fuma (N) 34 25 59 visualiza claramente estos eventos (observe que el evento
Total 72 53 125 R corresponde a la región sombreada).
Tabla de Probabilidad Conjunta
Hombre (H) Mujer (M) Total
Fuma (F) 0,304 0,224 0,528
No Fuma (N) 0,272 0,2 0,472
Total 0,576 0,424 1

(a) La probabilidad de que sea mujer es 𝑃(𝑀) = 0,424

(b) La probabilidad de que sea una mujer y que fuma es Figura: Diagrama para la situación del ejemplo 53
𝑃(𝑀 ∩ 𝐹) = 0,224
(c) La probabilidad de que una mujer fume de un total de Ahora, en la caja I hay en total 3 + 2 = 5 fichas y, en la
53 la simbolizaremos por 𝑃(𝐹/𝑀) y es igual a caja II, 2 + 8 = 10 fichas. Puesto que una ficha roja se
28 28/125 𝑃(𝑀 ∩ 𝐹) puede sacar de cualquiera de las cajas, entonces, la
𝑃(𝐹/𝑀) = = = = 0,5283 probabilidad de sacar una ficha roja de la caja I es
53 53/125 𝑃(𝑀)
𝟑
𝑃(𝑀∩ 𝐹)
𝑷(𝑹/𝑰) = 𝟓 y la de sacar una ficha roja de caja II es
Es decir, 𝑃(𝐹/𝑀) = , que es la forma como se 𝟐 𝟏
𝑃(𝑀) 𝑷(𝑹/𝑰𝑰) = 𝟏𝟎 = 𝟓. Además, si C y S son los eventos
calcula la llamada probabilidad condicional de un evento
“resultar cara” y “resultar sello”, respectivamente,
F, sabiendo que ya ha ocurrido M
entonces, la probabilidad de escoger la caja I es 𝑃(𝐼) =
𝟏
Sean A y B dos eventos de un espacio muestral  ≠ ∅. 𝑃(𝐶) = 𝟐 y la de escoger la caja II es 𝑃(𝐼𝐼) =
La Probabilidad Condicional del evento A dado el evento 𝟏
𝑃(𝑆) = 𝟐. Por consiguiente, por el teorema de la
B, simbolizada por 𝑃(𝐴/𝐵), se define como
probabilidad total con 𝑛 = 2, se obtiene que
𝑃(𝐴 ∩ 𝐵) 3 1 1 1 2
𝑃(𝐴/𝐵) = 𝑠𝑖 𝑃(𝐵) > 0 𝑃(𝑅) = 𝑃(𝑅/𝐼)𝑃(𝐼) + 𝑃(𝑅/𝐼𝐼)𝑃(𝐼𝐼) = ∗ + ∗ = = 0,4
𝑃(𝐵) 5 2 5 2 5
De igual modo, la probabilidad condicional de B dado A se
𝑃(𝐴∩𝐵) EJEMPLO. Un editor envía propaganda de un libro de
define como 𝑃(𝐵/𝐴) = 𝑃(𝐴) 𝑠𝑖 𝑃(𝐴) > 0 estadística al 70% de aquellos profesores que están a
cargo de esa materia. El 40% de aquellos que recibieron
Despejando 𝑃(𝐵 ∩ 𝐴) en las expresiones, se obtiene el la propaganda se decidieron a utilizar el libro, inclusive, el
Teorema de multiplicación para 2 eventos. Sean A y B 20% de los que no recibieron la propaganda también
dos eventos de un espacio muestral  ≠ ∅. Entonces, la utilizarán el libro.
probabilidad de la intersección A∩B está dada por
𝑃(𝐵 ∩ 𝐴) = 𝑃(𝐵/𝐴) 𝑃(𝐴) SOLUCION:
O por: Consideremos los eventos “recibe la propaganda” y “no
𝑃(𝐵 ∩ 𝐴) = 𝑃(𝐴/𝐵) 𝑃(𝐵). recibe la propaganda”. Entonces,
𝑃(“𝑟𝑒𝑐𝑖𝑏𝑒”) = 0, 70 𝑦 𝑃(“𝑛𝑜 𝑟𝑒𝑐𝑖𝑏𝑒”) = 1 − 0,70 = 0,30.
EJEMPLO. La caja I contiene 3 fichas rojas y 2 azules, en Además,
tanto que la caja II contiene 2 fichas rojas y 8 azules. Se 𝑷(“𝒖𝒕𝒊𝒍𝒊𝒛𝒂 𝒆𝒍 𝒍𝒊𝒃𝒓𝒐”/“𝒓𝒆𝒄𝒊𝒃𝒆”) = 𝟎, 𝟒𝟎,
lanza una moneda no falsa de tal forma que, si cae cara, 𝑷(“𝒖𝒕𝒊𝒍𝒊𝒛𝒂 𝒆𝒍 𝒍𝒊𝒃𝒓𝒐”/“𝒏𝒐 𝒓𝒆𝒄𝒊𝒃𝒆”) = 𝟎, 𝟐𝟎.
entonces, se saca una ficha de la caja I y, por el contrario, Piden calcular 𝑷(“𝒖𝒕𝒊𝒍𝒊𝒛𝒂 𝒆𝒍 𝒍𝒊𝒃𝒓𝒐”). Esta se puede
si cae sello, se saca una ficha de la caja II. calcular con ayuda del teorema de la probabilidad total de
Suponga que quien lanza la moneda no revela si resulta la siguiente manera:
cara o sello (de tal forma que la caja de la cual se sacó 𝑃(“𝑢𝑡𝑖𝑙𝑖𝑧𝑎”) = 𝑃(“𝑢𝑡𝑖𝑙𝑖𝑧𝑎”/“𝑟𝑒𝑐𝑖𝑏𝑒”) ∗ 𝑃(“𝑟𝑒𝑐𝑖𝑏𝑒”)
una ficha no se revela). Determinar la probabilidad de + 𝑃(“𝑢𝑡𝑖𝑙𝑖𝑧𝑎”/𝑛𝑜 𝑟𝑒𝑐𝑖𝑏𝑒”) ∗ 𝑃(“𝑛𝑜 𝑟𝑒𝑐𝑖𝑏𝑒”)
haber sacado una ficha roja.
𝑷(“𝒖𝒕𝒊𝒍𝒊𝒛𝒂”) = (𝟎, 𝟒𝟎)(𝟎, 𝟕𝟎) + (𝟎, 𝟐𝟎)(𝟎, 𝟑𝟎).

Guía 1 – Teoría de Probabilidades 5

 Profesor: Msc. José Zúñiga Sáenz
Los cálculos y las probabilidades anteriores se pueden
visualizar claramente en el diagrama de árbol que aparece
en la siguiente figura. Junto a cada una de las cuatro
ramas del diagrama aparecen probabilidades (que
llamaremos “totales”) que fueron calculadas con
aplicación del teorema de multiplicación y al final del
diagrama aparece la probabilidad calculada que Figura: Diagrama para la situación del ejemplo
corresponde a sumar sólo las probabilidades totales en
donde aparece el evento “utiliza el libro”. Por tanto, por el teorema de Bayes con n = 2, se obtiene que
𝑃(𝑅/𝐼) 𝑃(𝐼)
𝑃(𝐼/𝑅) =
𝑃(𝑅/𝐼)𝑃(𝐼) + 𝑃(𝑅/𝐼𝐼)𝑃(𝐼𝐼)
3 1
∗ 3
𝑃(𝐼/𝑅) = 5 2 = = 0,75
3 1 1 1 4
∗ + ∗
5 2 5 2
Con la información de que se ha sacado una ficha roja, la
probabilidad de haber escogido la caja I se ve modificada,
pasando de P(I)=0,5 (a priori) a P(I/R)=0,75 (a posteriori).
Independencia
En general, el concepto de que dos eventos A y B sean
Figura: Diagrama para la situación del ejemplo 54 independientes significa que el suceso de uno de los dos
Regla o Teorema De Bayes eventos no tiene ninguna influencia sobre la probabilidad
Sea A1,A2,…,An una descomposición finita de un espacio de que suceda el otro evento. Por consiguiente, 2 eventos
muestral . Entonces, para cada evento B con 𝑃(𝐵) > A, B de un espacio muestral  ≠ ∅ se llaman
y para todo 𝑘 = 1, . . . , 𝑛, se tiene Independientes, si y sólo si 𝑃(𝐴/𝐵) = 𝑃(𝐴) y son
𝑃(𝐵/𝐴𝑘) 𝑃(𝐴𝑘)
Dependientes en cualquier otro caso. Es decir, el evento
A es independiente del evento B si la probabilidad de A no
𝑃(𝐴𝑘/𝐵) =
𝑃(𝐵/𝐴1 )𝑃(𝐴1 ) + 𝑃(𝐵/𝐴2)𝑃(𝐴2 ) … + 𝑃(𝐵/𝐴𝑛) 𝑃(𝐴𝑛)

Del teorema de Bayes se tiene, en particular, se ve afectada por la ocurrencia o no de B.

• Si n = 2, se tiene que EJEMPLO. Considere lanzar un dado y defina los eventos
𝑃(𝐵/𝐴𝑘) 𝑃(𝐴𝑘)
𝑃(𝐴𝑘/𝐵) = 𝐴 = {2, 4, 6}, 𝐵 = {1, 2, 3} 𝑦 𝐶 = {1, 2, 3, 4}. Entonces,
𝑃(𝐵/𝐴1 )𝑃(𝐴1) + 𝑃(𝐵/𝐴2 )𝑃(𝐴2 ) 1 1 1
tenemos: 𝑃(𝐴) = 2 𝑦 𝑃(𝐴/𝐵) = 3 𝑦 𝑃(𝐴/𝐶) = 2
• Si n = 3, se tiene que
𝑃(𝐵/𝐴𝑘) 𝑃(𝐴𝑘) Es decir, los eventos A y B son dependientes, mientras
𝑃(𝐴𝑘/𝐵) = que los eventos A y C son independientes.
𝑃(𝐵/𝐴1 )𝑃(𝐴1) + 𝑃(𝐵/𝐴2 )𝑃(𝐴2 ) + 𝑃(𝐵/𝐴3 ) 𝑃(𝐴3 )
• Si n = 4, se tiene que En el caso en que los eventos A y B sean independientes,
𝑃(𝐵/𝐴𝑘) 𝑃(𝐴𝑘)
𝑃(𝐴𝑘/𝐵) = se encuentra con ayuda del teorema de multiplicación el
𝑃(𝐵/𝐴1 )𝑃(𝐴1) + 𝑃(𝐵/𝐴2 )𝑃(𝐴2 ) + ⋯ + 𝑃(𝐵/𝐴4 ) 𝑃(𝐴4 )
siguiente resultado especial: 𝑃(𝐴 ∩ 𝐵) = 𝑃(𝐴/
𝐵) 𝑃(𝐵) = 𝑃(𝐴)𝑃(𝐵). Por tanto, se puede formular el
EJEMPLO Considere la situación del ejemplo 53.
siguiente teorema: Teorema de multiplicación para
Determinar la probabilidad de haber escogido la caja I (es
eventos independientes: Dos eventos A, B de un
decir, que el resultado de la moneda sea cara).
espacio muestral  ≠ ∅ son independientes si y sólo si
SOLUCION: 𝑷(𝑨 ∩ 𝑩) = 𝑷(𝑨)𝑷(𝑩)
Sean R, I y II eventos definidos como en el ejemplo 53.
Aquí piden calcular 𝑷(𝑰/𝑹). Del ejemplo 53, se tiene que
𝑃(𝑅/𝐼) =
3
𝑦 𝑃(𝑅/𝐼𝐼) =
2
=
1
𝑦 𝑃(𝐼) = 𝑃(𝐼𝐼) =
1 Profesor: José Zúñiga Sáenz
Magister en Estadística
5 10 5 2

Universidad del Norte

Guía 1 – Teoría de Probabilidades 6