Nombre del alumno: Ulises Manzano Hernández

Matricula: ES1921005869

Grupo: MT – MPRO1 – 2001 – B2 – 001

Materia: Probabilidad I

Carrera: Licenciatura en Matemáticas

Nombre de la Actividad: Actividad 2 “Lectura Teorica”

Nombre de la escuela: Universidad Abierta y a Distancia de México

Nombre del profesor: Paula Garcia Leija

Fecha de entrega: 26 de Abril de 2020

Ejercicios
Introducción
La teoría de la probabilidad es una rama de las matemáticas que estudia los fenómenos aleatorios y estocásticos. Los
fenómenos aleatorios se contraponen a los fenómenos deterministas, los cuales son resultados únicos y/o previsibles
de experimentos realizados bajo las mismas condiciones determinadas, por ejemplo, si se calienta agua a 100 ºC a
nivel del mar se obtendrá vapor. Los fenómenos aleatorios, por el contrario, son aquellos que se obtienen de
experimentos realizados, otra vez, bajo las mismas condiciones determinadas pero como resultado posible poseen un
conjunto de alternativas, por ejemplo, el lanzamiento de un dado o de una moneda.
La teoría de probabilidades se ocupa de asignar un cierto número a cada posible resultado que pueda ocurrir en un
experimento aleatorio, con el fin de cuantificar dichos resultados y saber si un suceso es más probable que otro.
Muchos fenómenos naturales son aleatorios, pero existen algunos como el lanzamiento de un dado, donde el
fenómeno no se repite en las mismas condiciones, debido a que las características del material hace que no exista
una simetría del mismo, así las repeticiones no garantizan una probabilidad definida. En los procesos reales que se
modelizan mediante distribuciones de probabilidad corresponden a modelos complejos donde no se conocen a priori
todos los parámetros que intervienen; ésta es una de las razones por las cuales la estadística, que busca determinar
estos parámetros, no se reduce inmediatamente a la teoría de la probabilidad en sí. En 1933, el matemático soviético
Andréi Kolmogórov propuso un sistema de axiomas para la teoría de la probabilidad, basado en la teoría de conjuntos
y en la teoría de la medida, desarrollada pocos años antes por Lebesgue, Borel y Frechet entre otros. Esta
aproximación axiomática que generaliza el marco clásico de la probabilidad, la cual obedece a la regla de cálculo de
casos favorables sobre casos posibles, permitió la rigorización de muchos argumentos ya utilizados, así como el
estudio de problemas fuera de los marcos clásicos. Actualmente, la teoría de la probabilidad encuentra aplicación en
las más variadas ramas del conocimiento, como puede ser la física (donde corresponde mencionar el desarrollo de
las difusiones y el movimiento Browniano), o la economía (donde destaca el modelo de Black-Scholes para la
valoración de activos financieros).
Desarrollo
Desarrollo resumido
Tema Subtema Ejemplos:
Definiciones, Simbología y Formulas
1. – Sea 𝜉 =Lanzar un dado.
Entonces (Ω) = {1, 2, 3, 4, 5, 6}
ℱ = 2Ω
= {∅, 1, … … , 6, (1, 2), … , Ω}
Espacio de Probabilidad

Al utilizar la formula de la
Un espacio de probabilidad es una terna probabilidad del enfoque clasica
#𝑎
conformada por un espacio muestral (Ω) no 𝑃(𝐴) = cuando 𝐴 ⊆ Ω
#Ω
Definición de vacio, una 𝜎 − álgebra ϝ de subconjuntos de (Ω) Asi (Ω, ℱ, 𝑃) es un modelo
Espacio de y 𝑃 una medida de probabilidad definida para los matemático para estudiar 𝜉.
Probabilidad eventos de 𝐹. El espacio de probabilidad se 2. Sea (Ω) = ℝ, ℱ = ℬ(ℝ) y para
denota como (Ω, ϝ, 𝑃). A continuación se define 𝑘 = 1, 2, …
la medida de probabilidad 𝑃. 1 𝑘
Se define 𝑃({𝐾}) = ( ) .
2
Entonces, (ℝ, ℬ(ℝ), 𝑃) es un
espacio de probabilidad de un
experimento aleatorio 𝜉 no
especificado.
Se lanza una chincheta o tachuela al
Los axiomas de la teoria de la probabilidad
aire, y al caer al piso está la opción de
Probabilidad

constituyen la base para deducir a partir de ellas

Cálculo de

caer con la punta hacia arriba (𝑈) o

un amplio número de resultados. Dado un
Axiomas de la con la punta hacia abajo (𝐷) (no
espacio muestral (Ω) y una 𝜎 − álgebra ϝ de
Probabilidad consideraremos otras posibilidades).
subconjunto de (Ω); entonces 𝑃 sera llamada
El espacio muestral de este
medida de probabilidad sobre la 𝜎 − álgebra ϝ si
experimento consta de estos eventos,
cumple las siguientes axiomas:
luego 𝐸 = {𝑈, 𝐷}.
• Axioma 1. – Si 𝑆 es un evento de (Ω) (es Al aplicar los axiomas tenemos:
decir, 𝐴 ∈ ϝ), entonces la probabilidad de 𝐴 𝑃(𝐸) = 1
es: Pero 𝑃(𝐸) = 𝑃(𝑈) + 𝑃(𝐷) porque
0 ≤ 𝑃(𝐴) ≤ 1 estos eventos son mutuamente
(𝐴 cada evento de la 𝜎 − álgebra ϝ le incompatibles, o disjuntos. La
corresponde un número no negativo 𝑃(𝐴), chincheta no cae con la punta hacia
llamado la probabilidad del evento 𝐴 y este arriba o hacia abajo al mismo tiempo,
número es lo mas uno. es uno o lo otro, pero no ambos, ya
• Si 2 eventos son mutualmente que no se están considerando otras
excluyentes, la probabilidad de obtener 𝐴 posibilidades. Entonces:
o 𝐵 es igual a la probabilidad de obtener 𝐴 𝑃(𝑈) + 𝑃(𝐷) = 1
mas la probabilidad de obtener 𝐵. 𝑃(𝑈) = 1 − 𝑃(𝐷)
𝑃(𝐴 ∪ 𝐵) = 𝑃(𝐴) + 𝑃(𝐵) Si es igualmente probable que caiga
• La probabilidad del espacio muestra (Ω) es con la punta hacia arriba o hacia
1
1. abajo, 𝑃(𝑈) = 𝑃(𝐷) = . Sin embargo,
2
𝑃(Ω) = 1 puede ser que por la construcción y el
diseño de la chincheta sea más
probable que caiga de una manera o
de otra. Por ejemplo, puede ser que
3 1
𝑃(𝑈) = mientras que 𝑃(𝐷) = .
4 4
Nótese que en ambos casos, la suma
de las probabilidades da 1. Sin
embargo, los axiomas no indican la
manera de asignar las probabilidades,
al menos no completamente. Pero sí
afirman que son números
comprendidos entre 0 y 1 y que, tal
 como ocurre en este caso, la suma de
todas es 1.
A continuación se presenta algunas propiedades Ejemplo 1:
fundamentales expresadas como teoremas que Si la probabilidad de que llueva el
son consecuencias de los axiomas anteriores. sábado es 0.6, y la de que llueva el
❖ Teorema 1. – Si 𝐴 es un evento cualquiera domingo es 0.7, ¿cuál es la
de un experimento aleatorio (es decir 𝐴 ∈ probabilidad de que llueva el fin de
ϝ) y 𝐴´ es el complemento de 𝐴, entonces: semana?
o 𝑃(𝐴´) = 1 − 𝑃(𝐴) La probabilidad de que llueva el fin de
❖ Teorema 2. – Si 𝐴 es el evento vacio semana es que llueva el sábado o el
(𝐴 = ∅), entonces la probabilidad de que domingo, o que llueva los dos días:
ocurra 𝑃(∅) es 0. 𝑃(𝐴 ∪ 𝐵) = 𝑃(𝐴) + 𝑃(𝐵) − 𝑃(𝐴 ∩ 𝐵)
o 𝑃(∅) = 0 = 0.6 + 0.7 − 𝑃(𝐴 ∩ 𝐵)
Consecuencias ❖ Teorema 3. – Si 𝐴 y 𝐵 son eventos (𝐴, 𝐵 ∈ = 1.3 − 𝑃(𝐴 ∩ 𝐵)
inmediatas de ϝ) cualesquiera tales que 𝐴 es subconjunto Como vemos, si sólo consideramos el
las axiomas. propio de 𝐵 (es decir 𝐴 ⊂ 𝐵) entonces la sábado y el domingo aisladamente, la
Teoremas. probabilidad de que ocurre 𝐴 es menor o probabilidad daría más que uno, algo
Propiedades igual a la probabilidad de que ocurra 𝐵. En imposible. La posibilidad de que
pocas palabras: Si 𝐴 ⊂ 𝐵 entonces: lluevan los dos días y no uno solo hace
o 𝑃(𝐴) ≤ 𝑃(𝐵) que debamos restar la probabilidad de
❖ Teorema 4. – Si 𝐴 y 𝐵 son eventos (𝐴, 𝐵 ∈ la intersección, que por ahora no
ϝ) cualesquiera entonces: sabemos calcular, y que veremos en
❖ 𝑃(𝐴 ∪ 𝐵) = 𝑃(𝐴) + 𝑃(𝐵) − 𝑃(𝐴 ∩ 𝐵) breve.
❖ Teorema 5. – Sean 𝐴1 , 𝐴2 , ………, 𝐴𝑛
eventos cualesquiera entonces:
o 𝑃(⋃𝑛𝑖=1 𝐴𝑗 ) = ∑𝑛𝑖=1 𝑃(𝐴𝑗 )
❖ Teorema 6. – Sean 𝐴1 , 𝐴2 , ………, 𝐴𝑛
eventos cualesquiera incompartibles dos a
dos (𝐴𝑖 ∩ 𝐴𝑗 = ∅) tales que la unión de
todos ellos formán el total (⋃𝑛𝑖=1 𝐴𝑖 = Ω) Ejemplo 2:
entonces: En el último trimestre, se ha realizado
𝑛 𝑛 la siguiente clasificación de pacientes
o 𝑃(⋃𝑖=1 𝐴𝑗 ) = ∑𝑖=1 𝑃(𝐴𝑗 ) = 1
de una clínica en función de tener o no
artrosis.
Artrosis No Total
Artrosis
Hombre 45 30 75
Mujer 55 15 70
Total 100 45 145
La probabilidad de que un paciente
100 20
tenga artrosis es: 𝑃(𝐴) = = , y de
145 29
100
que no la tenga es 𝑃(𝑁𝑎) = 1 − =
145
145−100 45 9
= =
145 145 29

La probabilidad de que un paciente

tenga artrosis o sea una mujer es
𝑃(𝐴 ∪ 𝑀) = 𝑃(𝐴) + 𝑃(𝑀) − 𝑃(𝐴 ∩ 𝑀)
20 70 55
= + −
29 145 145
100 + 70 − 55 115
= =
145 145
23
=
29
Probabilidad de que un paciente sea
hombre y no tenga artrosis:
 𝑃(𝐻 − 𝑁𝑎) = 𝑃(𝐻) − 𝑃(𝐻 ∩ 𝑁𝑎)
75 9 75 − 45
= − =
145 29 145
30 6
= = ̅̅̅̅ )
= 𝑃(𝐻 ∩ 𝑁𝑎
145 29
Ejemplo 1:
Si 𝑃(𝐴) = 0.6; 𝑃(𝐵) = 0.4 y 𝑃(𝐴 ∩ 𝐵) =
0,18. Calcular:

a) 𝑃(𝐴|𝐵)
b) 𝑃(𝐵|𝐴)
Solución:
Probabilidad Condicional

Sean 𝐴 y 𝐵 son 2 eventos que pertenecen a un En este problema, simplemente

espacio muestral (Ω) con 𝐴 ≠ ∅. Se define vamos a reemplazar los datos en la
parobabilidad condicional, denotada 𝑃(𝐴|𝐵) que fórmula.
se lee la probabilidad de que suceda 𝐵, dado que a) Usamos la fórmula de probabilidad
Definición de la
sucedió al evento 𝐴; o a la probabilidad de que condicional:
Probabilidad
ocurra 𝐵 condicionado a que haya ocurrido 𝐴,
Condicional
como:
𝑃(𝐵 ∩ 𝐴)
𝑃(𝐴|𝐵) =
𝑃(𝐴)

b) Usamos la fórmula de fórmula de

probabilidad condicional, teniendo en
cuenta que vamos a calcular la
probabilidad de que ocurra 𝐵, dado
que ha ocurrido 𝐴.
Ejemplo 2:
El 76 % de los estudiantes de
Ingeniería Civil han aprobado
resistencia de materiales y el 45 %
aprobaron estática. Además, el 30 %
aprobaron resistencia de materiales y
estática. Si Camilo aprobó resistencia
de materiales, ¿qué probabilidad tiene
de haber aprobado también estática?
Solución:
Vamos a trabajar con 2 eventos:
aprobar resistencia de materiales, y
aprobar estática.
Evento 𝐴: aprobar resistencia de
materiales. 𝑃(𝐴) = 76 %.
Evento 𝐵: aprobar estática. 𝑃(𝐵) =
45%.
Evento 𝐴 y 𝐵: aprobar resistencia de
materiales y estática. 𝑃(𝐴 ∩ 𝐵) =
30%, y es lo mismo que: 𝑃(𝐵 ∩ 𝐴) =
30 %.
 Ahora calculamos la probabilidad de
aprobar estática, dado que se aprobó
resistencia de materiales.

Para Camilo, la probabilidad de

aprobar estática, dado que aprobó
resistencia de materiales es de 39,47
%.
Se dispone de tres cajas con
bombillas. La primera contiene 10
bombillas, de las cuales hay cuatro
fundidas; en la segunda hay seis
bombillas, estando una de ellas
fundida, y la tercera caja hay tres
Si los eventos 𝐴1 , 𝐴2 , ………, 𝐴𝑛 forman una bombillas fundidas de un total de ocho.
Teorema de partición de (Ω) entonces para cualquier otro ¿Cuál es la probabilidad de que al
evento 𝐵 se tiene que: tomar una bombilla al azar de una
Probabilidad 𝑛 cualquiera de las cajas, esté fundida?
Total
𝑃(𝐵) = ∑ 𝑃(𝐵|𝐴𝑖 )𝑃(𝐴𝑖 ) Solución:
𝑖=1 Aplicación del teorema de probabilidad
total
Denotemos los siguientes eventos:
❖ 𝐴1 :Sacar bombilla de caja 1.
❖ 𝐴2 :Sacar bombilla de caja 2.
❖ 𝐴3 :Sacar bombilla de caja 3.
❖ 𝐵: Bombilla defectuosa.
Considerando el teorema de
probabilidad total, tenemos que:

Así:
𝑃(𝐵𝑜𝑚𝑏𝑖𝑙𝑙𝑎 𝑑𝑒𝑓𝑒𝑐𝑡𝑢𝑜𝑠𝑎)
1 4 1 1 1 3
= ( )+ ( )+ ( )
3 10 3 6 3 8
1 2 1 1 1 3
= ( )+ ( )+ ( )
3 5 3 6 3 8
 2 1 1 48 + 20 + 45 113
= + + = =
15 18 8 360 360
= 0.3138 = 31.38%
Ejemplo 1:
El 20% de los empleados de una
empresa son ingenieros y otro 20%
son economistas. El 75% de los
ingenieros ocupan un puesto directivo
y el 50% de los economistas también,
mientras que los no ingenieros y los no
economistas solamente el 20% ocupa
un puesto directivo. ¿Cuál es la
probabilidad de que un empleado
Si los eventos 𝐴1 , 𝐴2 , ………, 𝐴𝑛 forman una directivo elegido al azar sea
partición de (Ω) y si 𝑃(𝐴𝑖 ) ≠ 0 para 𝑖 = 1, 2, … , 𝑛 ingeniero?
Teorema de entonces para cualquier otro evento 𝐵 tal que
Bayes 𝑃(𝐵) ≠ 0 se tiene que para 𝑖 = 1, 2, … , 𝑛:
𝑃(𝐵|𝐴𝑖 )𝑃(𝐴𝑖 )
𝑃(𝐴𝑖 |𝐵) = 𝑛
∑𝑘=1(𝑃(𝐵|𝐴𝑖 )𝑃(𝐴𝑘 ))

Ejemplo 2:
La probabilidad de que haya un
accidente en una fábrica que dispone
de alarma es 0,1. La probabilidad de
que suene esta sí se ha producido
algún incidente es de 0,97 y la
probabilidad de que suene si no ha
sucedido ningún incidente es 0,02.
En el supuesto de que haya
funcionado la alarma, ¿cuál es la
probabilidad de que no haya habido
ningún incidente?
Sean los sucesos:
𝐼 = Producirse incidente.
𝐴 = Sonar la alarma.
 Ejemplo 1
Una caja contiene 4 canicas rojas, 3
canicas verdes y 2 canicas azules.
Una canica es eliminada de la caja y
Se dice que 2 eventos no vacíos son luego reemplazada. Otra canica se
independientes en (Ω), cuando la probabilidad saca de la caja. Cuál es la probabilidad
de que ocurra uno no es influida por la ocurrencia de que la primera canica sea azul y la
del otro. Si 𝐴 y 𝐵 son 2 eventos y si la segunda canica sea verde?
probabilidad de la ocurrencia de 𝐴 no afecta la Ya que la primera canica es
probabilidad de la ocurrencia de 𝐵 y viceversa, reemplazada, el tamaño del espacio
entonces se dice que 𝐴 y 𝐵 son eventos muestral (9) no cambia de la primera
independientes. Lo anterior se escribe como: sacada a la segunda así los eventos
𝐴 y 𝐵 son indepdndientes 𝑃(𝐴) = 𝑃(𝐴|𝐵) y son independientes.
𝑃(𝐵) = 𝑃(𝐴|𝐵). 𝑃(𝑎𝑧𝑢𝑙 𝑙𝑢𝑒𝑔𝑜 𝑣𝑒𝑟𝑑𝑒)
Eventos Se puede demostrar que es suficiente con que = 𝑃(𝑎𝑧𝑢𝑙) · 𝑃(𝑣𝑒𝑟𝑑𝑒)
Independientes se tenga una igualdad condicional 𝑃(𝐴) = 2 3
𝑃(𝐴|𝐵) o 𝑃(𝐵) = 𝑃(𝐵|𝐴) para que se siga la 𝑃(𝐴 ∩ 𝑉) = 𝑃(𝐴)𝑃(𝑉) = ( ) ( )
9 9
independiencia entre los eventos. Esto debe a 2 1 2
𝑃(𝐴∩𝐵) = ( )( ) = = 0.07407
que de una 𝑃(𝐴) = 𝑃(𝐴|𝐵) = se implica la 9 3 27
𝑃(𝐵)
𝑃(𝐵∩𝐴)
= 7.407%
otra 𝑃(𝐵) = 𝑃(𝐵|𝐴) = . Entonces: Ejemplo 2
𝑃(𝐴)
➢ Definición 1. – 𝐴 y 𝐵 son eventos Si se lanza una moneda normal tres
independientes 𝑃(𝐴) = 𝑃(𝐴|𝐵) veces, la probabilidad de obtener tres
➢ Definición 2. – 𝐴 y 𝐵 son eventos sellos es:
independientes 𝑃(𝐴 ∩ 𝐵) = 𝑃(𝐴)𝑃(𝐵). Solución:
Cada lanzamiento es independiente
de los otros. De manera que las
probabilidades de sello (𝑆) en cada
lanzamiento se multiplicarán entre sí.
 𝑃(3 𝑠𝑒𝑙𝑙𝑜𝑠) = 𝑃(𝑆)𝑃(𝑆)𝑃(𝑆)
1 1 1 1
= ( ) ( ) ( ) = = 0.125
2 2 2 8
= 12.5%
Ejemplo 3
Una moneda se lanza tres veces,
¿cuál es la probabilidad de que las tres
veces salga cara?
Solución:
La probabilidad de que salga cara en
1
un lanzamiento es = 0.5 = 50%.
2

Conclusiones
En este ejercicio resumimos los temas que se trata de la unidad 2 que serián la Teoria de la Probabilidad con su
simbologia, texto y formulas utilizadas para entender mejor dicha unidad. Y al final de cada resumen de los subtemas
de la unidad 2 se le agrega los ejemplos para entender mejor dichos temas que nos serviran de utilidad para resolver
los siguientes ejercicios de las siguientes actividades de dicha unidad querian la actividad 3 y la evidencia de
aprendizaje. Y despues de ello, nos serviran para repasar todo de probabilidad para las siguientes niveles que vamos
a estudiar de esta carrera. Y al terminar la tabla de los subtemas de la unidad 2 se le agrega la bibliografia para
concluir dicha actividad.

Bibliografía
Anonimo. (2007). Varsity Tutors. Obtenido de Eventos independientes/dependientes:
https://www.varsitytutors.com/hotmath/hotmath_help/spanish/topics/independent-dependent-events
Anonimo. (2011). Estadística Básica Edulcorada. Obtenido de 4.11 Propiedades de la probabilidad:
https://bookdown.org/aquintela/EBE/propiedades-de-la-probabilidad.html
Burgos, D. (24 de Octubre de 2017). IN Slide Share. Obtenido de Espacios de probabilidad:
https://es.slideshare.net/DannyBurgos3/espacios-de-probabilidad-81146389
García Ortiz, A. F. (2013). Blogger. Obtenido de Eventos Dependientes e Independientes entre si:
http://probabilidadmitad1.blogspot.com/p/eventos-dependientes-e-independientes.html
Marta. (2017). S Super Prof. Obtenido de Teorema de la probabilidad total - Probabilidad y particiones:
https://www.superprof.es/apuntes/escolar/matematicas/probabilidades/combinatoria/teorema-de-la-
probabilidad-total.html
Marta. (2017). S Super Prof. Obtenido de Teorema de Bayes:
https://www.superprof.es/apuntes/escolar/matematicas/probabilidades/combinatoria/teorema-de-bayes.html
Movil, M. (2019). Mate Movil. Obtenido de Probabilidad condicional, ejercicios resueltos:
https://matemovil.com/probabilidad-condicional-ejercicios-resueltos/
Rincón, L. (2013). Departamento de Matemáticas Facultad de Ciencias UNAM. Obtenido de Probabilidad I:
http://lya.fciencias.unam.mx/lars/0625/
UnADM. (6 de Abril de 2020). PDF. Obtenido de Unidad 2 "Teoria de la Probabilidad":
https://ceit.unadmexico.mx/contenidos/DCEIT/BLOQUE2/MT/02/MPRO1/U2/descargables/MPRO1_U2_conteni
do.pdf
Zapata, E. (2019). lifeder.com. Obtenido de Axiomas de probabilidad: tipos, explicación, ejemplos, ejercicios.:
https://www.lifeder.com/axiomas-de-probabilidad/