Probabilidad y Estadstica:

Teora de la Probabilidad

Dr. Juliho Castillo

18 de septiembre de 2017
Universidad LaSalle Oaxaca

1
1 Probabilidad basica

Experimentos aleatorios
El espacio muestral
Eventos
El Concepto de Probabilidad
Los Axiomas de la probabilidad
Algunos teoremas importantes en probabilidad
Asignacion de probabilidades
Ejercicios resueltos
Probabilidad condicional
Teoremas sobre Probabilidad Condicional
2
 Eventos independientes

2 Analisis combinatorio

Principio fundamental del conteo y diagramas de arbol

Permutaciones
Combinaciones
Ejercicios resueltos

3
Probabilidad basica

4
Probabilidad basica

Experimentos aleatorios

5
Ejemplo 1.1.

Si lanzamos una moneda, el resultado del experimento sera

aguila (que simbolizaremos por T o 0) o sol (simbolizado
por H o 1),es decir, uno de los elementos del conjunto {T, H}
(o bien {0, 1} .)

6
Ejemplo 1.2.

Si lanzamos un dado, el resultado del experimento resultara en

uno de los numeros del conjunto {1, 2, 3, 4, 5, 6} .

7
Ejemplo 1.3.

Si lanzamos una moneda dos veces, existen cuatro posibles

resultados:

{HH, HT, T H, T T } .

8
Ejemplo 1.4.

Si estamos haciendo tornillos con una maquina, el resultado

del experimento es que un tornillo puede salir defectuoso.
Entonces cuando el tornillo este fabricado pertenecera al
conjunto

{defectuoso, no defectuoso}

9
Ejemplo 1.5.

Si un experimento consiste en medir la vida util de una

bombilla electrica producida por una compana, entonces el
resultado del experimento es tiempo t medido en horas en
algun intervalo

0 t T,

donde T es el tiempo de vida maximo de una bombilla.

10
Probabilidad basica

El espacio muestral

11
Un conjunto S que consiste de todos los posibles resultados de
un experimento aleatorio es llamado espacio muestral, y
cada posible resultado es llamado un punto muestral.
Usualmente existira mas de un espacio muestral que describe
un experimento, pero usualmente, solo uno provee la mayor
informacion.

12
Ejemplo 1.6.

Si lanzamos un dado, un posible espacio muestral esta dado

por {1, 2, 3, 4, 5, 6} , mientras que otro esta dado por
{par, impar} .

13
Ejemplo 1.7.

Si lanzamos una moneda dos veces seguidas un posible espacio

muestral esta dado en el ejemplo 1.3, mientras que otro esta
dado por

{(0, 0), (0, 1), (1, 0), (1, 1)} .

14
15
Tipos de espacio muestral

Finito: tiene un numero finito de puntos.

Infinito numerable: Tiene tantos puntos como los
numeros naturales N (es decir, podemos numerar el
espacio).
Infinito no numerable: Tiene tantos puntos como la
recta real R. Por ejemplo, el intervalo 0 < x < 1.

16
Si el espacio muestral es finito o infinito numerable, diremos
que es discreto. Si es infinito no numerable, diremos que es
continuo.

17
Probabilidad basica

Eventos

18
Un evento es un subconjunto A de un espacio muestral S, es
decir, un subconjunto de todos los posibles resultados de un
experimento.
Si el resultado es un elemento de A, diremos que A ha
ocurrido.
Un evento que consiste de un unico punto de S es llamado a
veces evento elemental o simple.

19
Ejemplo 1.8.

Si lanzamos una moneda dos veces, el evento de que

obtengamos exactamente un aguila es un subconjunto del
espacio muestral:

20
Como eventos particulares, podemos considerar todo el
espacio muestral S como el evento cierto o seguro y el
conjunto vaco como el evento imposible.

21
Operaciones entre eventos

Supongamos que A, B son dos eventos.

A B es el evento ocurre A o B o ambos, y

tambien es llamado union de A con B.
A B es el evento ocurre A y B, y tambien es
llamado interseccion de A con B.
A0 es el evento no ocurre A, y tambien es
llamado negacion de A.
A B = A B 0 es el evento ocurre A pero no
B, y tambien es llamado diferencia de A menos B.
Observe que A0 = S A.

22
Si A B = , entonces diremos que A y B son disjuntos o
mutuamente excluyentes.
Definicion 1.1.
Si A1 , A2 , ... es una coleccion de eventos tales que
Ai Aj = siempre que i 6= j, entonces diremos que son
eventos mutuamente excluyentes

23
Definicion 1.2.
Si A1 , A2 , ... son eventos mutuamente excluyentes diremos que
A1 A2 ... es la union disjunta de tales eventos y en ese
caso escribiremos

A1 t A2 t ...

Si

S = A1 t A2 t ...

diremos que A1 , A2 , ... es una particion de S.

24
Ejemplo 1.9.

Respecto al experimentos de lanzar una moneda dos veces,

consideremos el evento A que consiste en obtener al menos
un sol, mientras que el evento B consiste en que el segundo
lanzamiento sea un aguila.
Entonces A = {T H, HT, HH} ,B = {HT, T T } y por tanto

(a) A B ={HT, T H, HH, T T } = S

(b) A B ={HT }
(c) A0 ={T T }
(d) A B ={T H, HH}

25
Probabilidad basica

El Concepto de Probabilidad

26
A cualquier evento en un espacio muestral se le puede asignar
un numero entre 0 = 0 % y 1 = 100 % que representa su
probabilidad de ocurrir.

27
Enfoque clasico

Si un evento puede ocurrir en h diferentes maneras de un total

de n posibles resultados, todos igualmente plausibles, entonces
la probabilidad del evento es h/n.

28
Ejemplo 1.10.

Supongamos que queremos conocer la probabilidad de que un

sol aparezca en un solo volado. Desde que hay dos maneras
diferentes igualmente probables en que la moneda caiga, y
de esas dos maneras un sol solo puede hacerlo de una manera,
razonamos que su probabilidad es 1/2.

Observacion: Aqu suponemos que la moneda no esta

cargada.

29
Enfoque frecuencial

Si despues de n repeticiones de un experimento, donde n es

suficientemente grande, se observa que un evento ocurre en h
ocasiones, entonces diremos que la probabilidad del evento es
h/n. Esta es tambien llamada probabilidad emprica del
evento.

30
Ejemplo 1.11.

Si lanzamos una moneda 1000 veces y obtenemos sol 532

veces, estimamos que la probabilidad resultantes es
532/1000 = 0.532.

31
Observacion: Ambos enfoque tienen sus inconvenientes:

(a) En el caso clasico, la expresion igualmente

probable es vaga;
(b) mientras que en el enfoque frecuencial, un numero
muy grande no es preciso.

Por estas razones, los matematicos han desarrollado un

enfoque axiomatico de la probabilidad.

32
Probabilidad basica

Los Axiomas de la probabilidad

33
Supongamos que tenemos un espacio muestral S. Supongamos
que C es la coleccion de todos los eventos en S. Diremos que
P : C R es una funcion de probabilidad si satisface las
siguientes propiedades:

34
Axioma.
Para cada evento A, se tiene que

P (A) 0. (1.1)

35
Axioma.
La probabilidad del evento cierto S es

P (S) = 1. (1.2)

36
Axioma.
Para cualquier cantidad numerable de eventos mutuamente
excluyentes A1 , A2 , ... tenemos que

P (A1 t A2 t ...) = P (A1 ) + P (A2 ) + ... (1.3)

En particular, para dos eventos mutuamente excluyentes

A1 , A2 ,

P (A1 t A2 ) = P (A1 ) + P (A2 ) (1.4)

37
Probabilidad basica

Algunos teoremas importantes en

probabilidad

38
Teorema 1.1.

Si A1 A2 , entonces P (A1 ) P (A2 ) y

P (A2 A1 ) = P (A2 ) P (A1 ).

39
Teorema 1.2.

Para cada evento A,

0 P (A) 1, (1.5)

es decir, la probabilidad siempre se encuentra entre 0 % y

100 %.

40
Teorema 1.3.

El evento imposible tiene probabilidad cero, es decir,

P () = 0. (1.6)

41
Teorema 1.4.

La probabilidad de un evento complementarios esta dada por

P (A0 ) = 1 P (A) (1.7)

42
Teorema 1.5.

Si A = A1 t ... t AN es la union disjunta de eventos

mutuamente excluyentes entonces

P (A) = P (A1 ) + ... + P (AN ). (1.8)

En particular, si S = A1 t ... t AN entonces

P (A1 ) + ... + P (AN ) = 1. (1.9)

43
Teorema 1.6.

Si A, B, C son dos eventos no necesariamente excluyentes,

entonces

P (A B) = P (A) + P (B) P (A B). (1.10)

P (A B C) = P (A) + P (B) + P (C) (1.11)

P (A B) P (B C) P (C A)
+ P (A B C).

44
Teorema 1.7.

Para cualesquiera eventos A, B,

P (A) = P (A B) + P (A B 0 ). (1.12)

45
Teorema 1.8.

Si A1 , A2 , ..., AN es una particion del espacio muestral S, es

decir, S = A1 t A2 t ... t AN entonces para cualquier evento A

P (A) = P (A A1 ) + P (A A2 ) + ... + P (A AN ). (1.13)

46
Probabilidad basica

Asignacion de probabilidades

47
Si un espacio muestral consiste en una cantidad finita de
posibles resultados a1 , ..., aN , entonces por el teorema 1.5,

P (A1 ) + ... + P (An ) = 1 (1.14)

donde A1 , ..., An son conjuntos elementales o eventos

simples dados por Ai = {ai } .

48
Se sigue que uno puede escoger de manera arbitraria
cualesquiera numeros no negativos como probabilidades de
estos eventos simples, siempre que se satisfaga (1.14).
En particular, si suponemos probabilidades iguales para
todos los eventos, entonces
1
P (Ak ) = , k = 1, 2, ..., n, (1.15)
n
y si A es un evento formado por la union disjunta de h eventos
simples, entonces
h
P (A) = . (1.16)
n

49
Observacion: Esto es equivalente al enfoque clasico.
Pero podemos usar el enfoque frecuencial para asignar
dichas probabilidades.

50
Ejemplo 1.12.

Un solo dado se lanza. Encuentre la probabilidad de que

obtengamos un 2 o un 5.

51
Probabilidad basica

Ejercicios resueltos

52
La baraja inglesa

La baraja esta dividida en cuatro palos (en ingles: suit), dos de

color rojo y dos de color negro:

Espadas (conocidas como picas) ,

Corazones ,
Rombos (conocidos como diamantes, oros o cocos) ,
Treboles (conocidos como flores)

Cada palo esta formado por 13 cartas, de las cuales 9 cartas

son numerales y 4 literales. Se ordenan de menor a mayor
rangode la siguiente forma: A, 2, 3, 4, 5, 6, 7, 8, 9, 10, J, Q
y K.

53
Figura 1.1: Baraja inglesa

54
Problema Resuelto 1.1.

Una carta se obtiene al azar de una baraja inglesa. Describa el

espacio muestral si se consideran los palos.

55
Supongamos que A es el evento se obtiene un rey o
simplemente {K} , mientras que B es se obtiene un
trebol o simplemente {} .

56
Problema Resuelto 1.2.

Sean A = {K} , B = {} . Describa los siguiente eventos:

(a) AB (e) A B
(b) AB
(f) A0 B 0
(c) A B0
(d) A0 B 0 (g) (A B) (A B 0 ) 57
Problema Resuelto 1.3.

De una baraja inglesa se extraen 2 cartas. Encuentre la

probabilidad de que las dos sean ases si la primera carta

(a) se devuelve a la baraja

(b) no se devuelve a la baraja.

58
Problema Resuelto 1.4.

En un contenedor hay 6 pelotas rojas, 4 blancas y 5 azules. Se

extraen sucesivamente 3 pelotas. Encuentrese la probabilidad
de que se extraigan en el orden roja, blanca y azul si

1 cada pelota se devuelve a la caja

2 no se devuelve.

59
Problema Resuelto 1.5.

Encuentrese la probabilidad de que en dos lanzamientos de un

dado se obtengan por lo menos un 4.

60
Problema Resuelto 1.6.

Encuentre la probabilidad de no obtener 7 u 11 puntos en

total al lanzar dos dados.

61
Probabilidad basica

Probabilidad condicional

62
Sean A, B dos eventos tales que P (A) > 0.

Denotaremos por P (B|A) la probabilidad de B dado que A

haya ocurrido y diremos que es la probabilidad condicional
de B dado A.

63
Definicion 1.3 (Probabilidad condicional).

P (A B)
P (B|A) = (1.17)
P (A)
P (A B) = P (A)P (B|A) (1.18)

64
Observacion: La probabilidad condicional satisface
todos los axiomas de una funcion de probabilidad.
Podemos pensar P (|A) como la funcion de probabilidad
que se obtiene al reemplazar el espacio muestral S por A.

65
Ejemplo 1.13.

Encontrar la probabilidad de que una solo lanzamiento de un

dado resulte en un numero menor que 4 si

(a) no hay mas informacion;

(b) se sabe que el lanzamiento resulto en un numero impar.

66
Probabilidad basica

Teoremas sobre Probabilidad

Condicional

67
Teorema 1.9.

Para cualesquiera tres eventos A1 , A2 , A3 , tenemos que

P (A1 A2 A3 ) = P (A1 )P (A2 |A1 )P (A3 |A1 A2 ) (1.19)

68
Teorema 1.10.

Si S = A1 t ... t AN , entonces

P (A) = P (A1 )P (A|A1 ) + ... + P (AN )P (A|AN ) (1.20)

69
Probabilidad basica

Eventos independientes

70
Si P (B|A) = P (B), i.e., la probabilidad de que B ocurra no
esta afectada por la ocurrencia de A, entonces diremos que A
y B son independientes.
Definicion 1.4.
A y B son eventos independientes si y solo si

P (A B) = P (A)P (B). (1.21)

71
La definicion se puede generalizar a mas de dos eventos. Por
ejemplo, diremos que A1 , A2 , A3 son eventos independientes si

k 6= j P (Aj Ak ) = P (Aj )P (Ak ), j, k = 1, 2, 3 (1.22)

P (A1 A2 A3 ) = P (A1 )P (A2 )P (A3 ). (1.23)

72
Teorema 1.11 (Teorema de Bayes).
Si S = A1 t A2 t ... t AN , entonces

P (Ak )P (A|Ak )
P (Ak |A) = P (1.24)
j P (Aj )P (A|Aj )

73
Problema Resuelto 1.7.

Demuestre el teorema de Bayes.

74
Problema Resuelto 1.8.

La caja I contiene 3 canicas rojas y 2 azules, mientras que la

caja II contiene 8 canicas rojas y 8 azules. Una moneda se
lanza: Si cae un sol, se escoge una moneda de la caja I y si
cae aguila, de la caja II. Encuentre la probabilidad de obtener
una canica roja.

75
Problema Resuelto 1.9.

Supongamos que en el problema anterior, quien lanza la

moneda no revela si ha cado aguila o sol (de manera que la
caja de la que se obtiene la canica no se revela) pero revela
que una canica roja se ha obtenido.Cual es la probabilidad de
haber obtenido un sol?

76
Analisis combinatorio

77
El analisis combinatorio es una manera sofisticada de contar.

78
Analisis combinatorio

Principio fundamental del conteo y

diagramas de arbol

79
Si una tarea se puede realizar en n formas diferentes y otra en
m formas diferentes, entonces las dos tareas se pueden realizar
en n m formas diferentes.

80
Ejemplo 2.1.

1 Si una persona tiene 2 camisas y 4 corbatas, de cuantas

formas puede combinarlas?
2 Construya un diagrama de arbol para representar todas
estas opciones.

81
Analisis combinatorio

Permutaciones

82
Si tenemos n objetos distintos y queremos ordenarlos
tendremos

n (n 1) ...2 1

formas diferentes de hacerlo.

83
Definicion 2.1 (n factorial).

1

n=0
n! = (2.1)
n (n 1)!

n>0

84
Si tenemos n objetos distintos y queremos arreglar r de estos
en una linea, entonces tendremos una permutacion de n en r
dada por

Prn = n (n 1) ... (n r + 1) (2.2)

o de manera equivalente
n!
Prn = (2.3)
(n r)!

85
Ejemplo 2.2.

Cuantas permutaciones de longitud 3 se pueden formar con

las letras A, B, C, D, E, F, G?

86
Ejemplo 2.3.

Encuentre el numero de permutaciones diferentes de las 11

letras de la palabra MISSISSIPPI.

87
Analisis combinatorio

Combinaciones

88
En una permutacion, uno esta interesado en el orden de los
objetos. As abc y bca son permutaciones diferentes. Pero en
algunos problemas, uno esta interesado solo en elegir objetos
sin importar su orden. Tales selecciones se llaman
combinaciones. Por ejemplo, abc y bca representan la misma
combinacion.

89
El numero de combinacion Crn al elegir r objetos de una
coleccion de n diferentes esta dada por el numero
combinatorio

n n!
Crn = = (2.4)
r r! (n r)!

90
Algunas formulas combinatorias

n P (n, r)
= (2.5)
r r!

n n
= (2.6)
r nr

n
=
n 1 n 1
+ (2.7)
r r1 r

91
Ejemplo 2.4.

En una baraja inglesa, cuantas formas hay de escoger dos

cartas del mismo palo?

92
Teorema 2.1 (Teorema del binomio).

n
n
(x + y)n = xr y nr
X
(2.8)
r=0 r

93
Aproximacion de Stirling

 
n! 2n nn en (2.9)

94
Analisis combinatorio

Ejercicios resueltos

95
Problema Resuelto 2.1.

Se requiere sentar a 5 hombres y 4 mujeres en una fila, de

manera que esten alternados. Cuantas manera hay de hacer
tal arreglo?

96
Problema Resuelto 2.2.

De cuantas manera podemos formar un equipo de 11

personas de un total de 23?

97
Problema Resuelto 2.3.

Una caja contiene 8 canicas rojas, 3 blancas y 9 azules. Si 3

canicas son obtenidas al azar sin reemplazarse, determine la
probabilidad de que

(a) las tres sean rojas;

(b) las tres sean blancas;
(c) dos sean rojas y una blanca;
(d) al menos una sea blanca;
(e) una sea de cada color;
(f) sean obtenidas en el siguiente orden: rojo, blanco y azul.

98
Problema Resuelto 2.4.

En un juego de poker, 5 cartas se obtienen al azar de una

baraja inglesa. Encuentre la probabilidad de que

(a) 4 sean A;
(b) 4 sean A y una sea K;
(c) 3 sean 10 y dos sean J;
(d) 9, 10, J, Q, K en cualquier order;
(e) 3 de un palo dado y 2 de otro palo;
(f) al menos un A obtenido.

99
Problema Resuelto 2.5.

Determine la probabilidad de obtener tres 6 en cinco

lanzamientos de un dado.

100