UNIVERSIDAD NACIONAL JORGE BASADRE GROHMANN

Capítulo VI

Probabilidad

Estadística General
Objetivos del capítulo

Aprender a utilizar la
probabilidad como
herramienta para
cuantificar la
incertidumbre.

2
Con la ayuda de la
Probabilidad:
-El médico puede diagnosticar enfermedades.
-El analista financiero puede cuantificar los riesgos de los
préstamos bancarios.
-El Gerente de TI puede analizar los riesgos operacionales de
los sistemas de cómputo.
-Frank Drake (1961) planteó su formula N = R* x Fp x Ne x
Fl x Fi x Fc x L para calcular la probabilidad de contactar con
otras civilizaciones de la Vía Láctea.
Revisión de técnicas de conteo
 La regla del producto para n-uplas
 Se tiene una n-upla con n1 posibles opciones para el primer
elemento; por cada opción del primer elemento hay n2
posibles opciones del segundo elemento;...; por cada posible
opción de los primeros n – 1 elementos hay nk opciones del
elemento n. Entonces hay:
n1 x n2 x ... x nk posibles n – uplas.
 Ejemplo 1.
El propietario de una casa desea efectuar algunas remodelaciones.
Si, en la zona, hay 8 distribuidores de utensilios de cocina, 10
contratistas plomeros y 5 contratistas electricistas. ¿De cuántas
formas se pueden seleccionar estos tres servicios?
n(A) = n1 n2 n3 = (8)(10)(5) = 400 formas

4
Revisión de técnicas de conteo
 Permutaciones
Secuencia ordenada de n objetos tomados de un conjunto de
N objetos distintos se llama permutación.
El número de permutaciones de tamaño n que puede
construirse con los N objetos es
Pn  N N  1N  2N  n  2N  n  1 
N N!
( N  n)!
Ejemplo 2.
En un campeonato de fútbol participan 12 equipos ¿De cuántas
maneras se pueden ocupar los tres primeros puestos?
Sea el evento A = {N° maneras de los 3 primeros puestos}
Total de equipos es N = 12. Se debe seleccionar n=3. Entonces,
N (A) = P312  12 1110  1320
5
Revisión de técnicas de conteo
 Permutaciones
Casos especiales:
N  N !  N ( N  1)( N  2)...1
N
a) Permutaciones de N en N P
Ejemplo 5: Se tiene un grupo de 5 caballos para alquiler. Si llegan 5
personas para alquilar un caballo cada una de ellas ¿De cuántas
maneras se puede hacer el alquiler?
P55  5! 120
b) Permutaciones con repetición: N1 son iguales, N2 son iguales,..., Nk
son iguales con N1+N2+…+Nk=N. Entonces, el número total de
arreglos es N!
PNN1, N 2, ... N k 
N1 ! N 2 !...N k !

Ejemplo6: Se tienen seis libros iguales de Física, siete libros iguales

de Química y 5 libros iguales de Estadística. El número total de
formas de arreglar todos los libros es P18  18!  14702688
6, 7 ,5
6!7!5!
6
Revisión de técnicas de conteo
 Combinaciones
Dado un conjunto de N objetos distintos, cualquier subconjunto no
ordenado de tamaño n de los objetos se llama combinación y se
denota de la siguiente manera:

 N N!
   C nN 
n n! (N  n)!
Ejemplo 5: Suponga que una ciudad tiene 18 ómnibus, y que han
aparecido grietas en 5 de ellos. ¿De cuántas formas se puede
seleccionar sin restitución y sin considerar el orden una muestra de 7
autobuses de los 18 para una inspección completa?
18 
n    
18 !
 31824
  7 ! 11 !
7

7
 Conceptos básicos de probabilidad
a) Experimento aleatorio (E): proceso-resultado
depende del azar pero es conocido de antemano.
b) Espacio muestral (): conjunto de todos los
posibles resultados de un E. N() es denominada
la cardinalidad de .
c) Evento: subconjunto de un espacio muestral.
Simple y compuesto. Notación: A, B, C, A1, A2, ….
d) Eventos mutuamente excluyentes: los eventos A
y B son mutuamente excluyentes (o disjuntos) si
A∩B=

8
Ejemplo 6.
 E1 : Observar el número de la cara superior cuando se
lanza un dado
 1 = {1,2,3,4,5,6} n(1)=6 Finito

 E2 : Registrar el sexo del recién nacido

 2 = {Hombre, Mujer} n(2)=2 Finito

 E3 : Observar el número de artículos defectuosos de un lote de 8.

 3 = {0,1,2,3,4,5,6,7,8} n(3)=9 Finito

 E4 : Anotar el número de clientes que llegan a un supermercado en una

semana
 4 = {0,1,2,. . . .} n(4)= ∞ Infinito numerable

 E5 : Observar el tiempo de duración de un foco de luz (horas)

 5 = {T/ 0 ≤ t ≤ ∞} n(5)= ∞ Infinito no numerable

9
.

Conceptos básicos de probabilidad

e) Eventos colectivamente exhaustivos: A1, A2,...,
Ak son colectivamente exhaustivos si
k

A j  A1  A2   Ak  
j 1

f) Evento complementario: el evento complemento

de A, denotado por Ac está compuesto por todos
los elementos que no pertenecen al evento de A.

A A  Ω
c

A A  φ
c

10
Ejemplo 9
 Considere dos fábricas tales que en cada una hay 6 máquinas que fabrican un
producto. Sea el experimento aleatorio que consiste en determinar el número de
máquinas que están en uso en un día particular. Un resultado experimental
indica cuántas máquinas están en uso en la primera fábrica y cuantas están en
uso en la segunda (asuma que los resultados son igualmente posibles). El
espacio muestral  será igual a:
Segunda fábrica
0 1 2 3 4 5 6
0 (0, 0) (0, 1) (0, 2) (0, 3) (0, 4) (0, 5) (0, 6)
Primera
fábrica
1 (1, 0) (1, 1) (1, 2) (1, 3) (1, 4) (1, 5) (1, 6)
2 (2, 0) (2, 1) (2, 2) (2, 3) (2, 4) (2, 5) (2, 6)
3 (3, 0) (3, 1) (3, 2) (3, 3) (3, 4) (3, 5) (3, 6)
4 (4, 0) (4, 1) (4, 2) (4, 3) (4, 4) (4, 5) (4, 6)
5 (5, 0) (5, 1) (5, 2) (5, 3) (5, 4) (5, 5) (5, 6)
6 (6, 0) (6, 1) (6, 2) (6, 3) (6, 4) (6, 5) (6, 6)

Determine 3 eventos compuestos mutuamente excluyentes y colectivamente

exhaustivos. Identifique los eventos complementarios correspondientes.

11
Definiciones de probabilidad de un evento
a) Definición clásica de probabilidad (a priori)
Si un experimento aleatorio tiene n() resultados posibles y si n(A) de
tales resultados corresponden a un evento A, entonces, siempre que los
eventos simples de sean mutuamente excluyentes e igualmente
posibles, la probabilidad de que ocurra A es:

n A Número de casos favorables

P  A  
n  Número de casos posibles
Ejemplo 10
Se escogerá sin restitución un presidente y un tesorero de un salón
donde hay 53 estudiantes ¿Cuál es la probabilidad de que los alumnos
Plácido Domingo y José Carreras sean elegidos o que sólo sea elegido el
alumno Plácido Domingo en las elecciones? Sean los eventos:
A  Plácido y José son elegidos , B  Sólo Plácido es elegido , entonces:
2 1 1 51
P  A  B   P  A  P  B   P  A  B   P  A  P  B     2  0.03774
53  52 53  52
cero

12
Definiciones de probabilidad de un evento
b) Definición frecuencial de probabilidades (a posteriori)
Si un experimento aleatorio se repite n veces, bajo las mismas condiciones, y nA
resultados corresponden al evento A, la probabilidad estimada de A está dada
por la frecuencia relativa del evento; es decir, P(A) estimada = frA =nA/n.
Teóricamente la probabilidad de A es:

PA   lim fr A  lim

nA
n  n  n
Ejemplo 15
La siguiente tabla de frecuencias corresponde a las temperaturas promedio de
24 horas (C) registrados en cierto observatorio, en el mes de enero de cierto
año:
Temperatura 20.2-20.9 20.9-21.6 21.6-22.3 22.3-23.0 23.0-23.7 23.7-24.4

Número de días 1 3 12 13 1 1

La probabilidad estimada que en un día del mes de enero, la temperatura

promedio sea por lo menos 20.9 C pero menor que 23.0 C es 28/31. Note que
esta probabilidad se obtiene después de realizarse el experimento.
13
Definiciones de probabilidad de un evento
c) Definición axiomática
Sea  el espacio muestral asociado a un experimento aleatorio.
La probabilidad de cualquier evento A de , es el número real
P(A) que satisface los siguientes axiomas:

1) P(A)0 para todo evento A.

2) P() =1
3) Si los eventos A1, A2, ..., Ak son mutuamente
excluyentes o sea si: Ai  Aj    i  j  1, 2,  , k , entonces

 k  k
P  A j    PA j   P( A1 )  P( A2 )  ...  P( Ak )
 j 1  j 1

14
Definiciones de probabilidad de un evento

Propiedades de la probabilidad
1. P(AC) = 1-P(A)
2. P() =0
3. P(AC∩B) = P(B) – P(A ∩ B)
4. P(A B) = P(A) + P(B) – P(A∩B), A y B eventos cualesquiera.
5. P(A B) = P(A) + P(B), A∩B = 
6. P(AC∩ BC) = P((A B)C ) = 1- P(A B) Leyes de
7. P(AC BC) = P((A ∩ B)C ) = 1- P(A ∩ B) Morgan

15
Definiciones de probabilidad de un evento
 Ejemplo 17
Los registros de una planta industrial indican que el 12% de todos los
obreros lesionados ingresan a un hospital para recibir tratamiento
(evento H), el 16% regresa al trabajo al día siguiente (evento T) y el
2% ingresan a un hospital pero vuelven al trabajo al día siguiente
(H∩T). Si un obrero se lesiona:
a) Halle la probabilidad de que ingrese en un hospital para recibir
tratamiento o que regresará al día siguiente
P(HT) = P(H) + P(T) - P(HT) = 0.12 + 0.16 – 0.02 = 0.26
b) Calcule la probabilidad de que ingrese a un hospital pero no regrese
al trabajo al día siguiente.
P(HTc) = P(H) - P(HT) = 0.12 – 0.02 = 0.1
c) Determine la probabilidad de que no ingrese a un hospital ni regrese
al trabajo al día siguiente.
P(HcTc) = P(HT)c = 1 - P(HT) = 1 – 0.26 = 0.74

16
Definiciones de probabilidad de un evento
 Ejemplo 19
Se encuestó a 500 alumnos universitarios sobre cultura
musical. 474 no identifican el Concierto de Grieg (A), 471
no identifican la Sinfonía N° 7 de Beethoven (B) y 450 no
identifican ninguna de estas obras.
a) Calcule la probabilidad de que un estudiante
universitario identifique las dos obras maestras en
mención.
P(AB) = 474/500 + 471/500 - 450/500 =495/500
P(A’ ∩ B´ ) = 1-495/500 = 5/500
b) ¿Cuál es la probabilidad que un estudiante identifique la
obra de Beethoven pero no la de Grieg?
P(A∩BC) = 474/500 - 450/500 = 24/500
17
 Probabilidad Condicional
Para dos eventos A y B de un espacio muestral, con P(B)  0, la probabilidad
condicional de ocurrencia del evento A dado que el evento B ha ocurrido, está
definida por:
P A  B 
P A B  
P B 

Propiedades de probabilidad condicional

1. 0 ≤ P(A/B) ≤ 1, para todo evento A y B
2. P(Ω/B)=1
3. Si los eventos A1, A2, ... , Ak son mutuamente excluyentes, entonces
 k  k
P  A j B    PA j /B 
 j1  j1
4. P(A/B) = 1- P(Ac /B)
5. P(/B)=0
6. P[(Ac∩B)/C]=P(B/C)-P[(A∩B)/C]
7. P[(AB)/C]=P(A/C) + P(B/C)-P[(A∩B)/C]
 Probabilidad Condicional
Ejemplo 22:
En una universidad el 70% de los estudiantes son de Ciencias y el 30% de Letras;
de los estudiantes de Ciencias, el 60% son hombres y de los estudiantes de Letras
son hombres el 40%. Sea A={El estudiante elegido es de Ciencias} y B={El
estudiante elegido es varón}. Si se elige aleatoriamente un estudiante. Calcular la
probabilidad que:
Hombres Mujeres Total
Ciencias 42% 28% 70%
Letras 12% 18% 30%
Total 54% 46% 100%

a) Sea un estudiante varón: P (B) = 0.54 P( A  B) 0.42

P( B / A)    0.6
b) Sea un estudiante varón, si es de Ciencias: P( A) 0.70
P( A  B) 0.42
c) Sea un estudiante de Ciencias, si es varón: P ( A / B )    0.778
P( B) 0.54
 La regla de la multiplicación
Se sabe que: P(A/B) = P(A∩B)/P(B) y P(B/A) = P(A∩B)/P(A), entonces se puede
establecer que : P(A∩B) = P(A)P(B/A) = P(B)P(A/B).
Generalizando: Sean los eventos A1, A2, ... , Ak entonces:

P A1  A2  A3    Ak   P A1 P A2 A1 P A3 A1  A2 P Ak A1  A2    Ak 1 

Ejemplo
Si se eligen al azar 2 artículos de un cargamento de 250, de los cuales, 20 están defectuosos.
Halle la probabilidad de que ambos estén defectuosos si:
a) La selección es sin reemplazo
Sean los eventos: Di = {el artículo seleccionado en el lugar i está defectuoso}
DCi = {el artículo seleccionado en el lugar i no está defectuoso}

 20  19 
PD1  D2   PD1 PD2 D1       0.0061
 250  249 
b) La selección con reemplazo se deja como ejercicio.
 La ley de probabilidad total
Sean los eventos A1,A2,...,Ak mutuamente excluyentes y
colectivamente exhaustivos, entonces:
 k  A1 A2 A3
 P A j 
k
P  A j  
 j 1  j 1

Luego, para cualquier otro evento B:

PB   P( A1  B)  P( A2  B)  ...  P( Ak  B)   PAj  B 

k B
j 1

P( B)  P( A1 ) P( B / A1 )  P( A2 ) P( B / A2 )  ...  P( Ak ) P( B / Ak )
Ak
Luego , la ecuación de la ley de probabilidad total es:

P( B)   PAj PB Aj 
k

j 1
 Teorema de Bayes
Sean los eventos A1, A2,..., Ak mutuamente excluyentes y colectivamente
exhaustivos con P(Aj)>0 para j = 1, 2,..., k. Entonces para cualquier otro evento
B tal que P(B)  0 :

P( Ak  B) P( Ak ) P( B / Ak )
P( Ak / B)   k
 PAj PB Aj 
P( B)
j 1

Nota.- En la igualdad anterior, obsérvese que en el numerador aparece la regla

de la multiplicación y en el denominador la ley de probabilidad total.
 Teorema de Bayes
Ejemplo 26
Los ingenieros de ventas 1, 2 y 3 estiman en 30%, 20% y 50%, respectivamente,
los costos de todos los trabajos licitados por una compañía. Las probabilidades
de cometer un error grave, al estimar el costo, de los ingenieros 1, 2 y 3 son 0.01,
0.03 y 0.02 respectivamente.
a) Halle la probabilidad de que se cometa error grave al estimar el costo en una
licitación.
Sean los eventos: Ai = {el ing. “i” estima los costos de una licitación}, i = 1, 2, 3
E = {Se comete error grave al estimar el costo}
Según los datos se tiene:
PA1   0.3 PA 2   0.2 PA 3   0.5
PE A1   0.01 PE A 2   0.03 PE A 3   0.02
Aplicando la ley de probabilidad total:
PE   P A1 PE A1   P A2 PE A2   P A3 PE A3   0.003  0.006  0.01  0.019
 Teorema de Bayes
b) Si en una licitación en particular se incurre en un error grave al
estimar los costos del trabajo. ¿Cuál es la probabilidad de que el
ingeniero 2 haya cometido el error?

Aplicando el teorema de Bayes y usando el resultado de la

pregunta (a):
P A2 PE A2  0.2  0.03
P A2 E     0.3157
P E  0.019

c) Si en una licitación en particular no se incurre en un error grave al

estimar los costos del trabajo. ¿Cuál es la probabilidad de que el
ingeniero 3 haya hecho el trabajo? (se deja como ejercicio)
 Independencia de eventos
Los eventos A y B son independientes si cuando ocurre uno de ellos
esto no afecta la probabilidad de ocurrencia del otro, o sea:
P(A/B)=P(A)
P(B/A)=P(B)
En otras palabras, las probabilidades condicionales son iguales a las
probabilidades incondicionales.

Consecuencia: A y B son independientes si P(A∩P)=P(A)P(B) . Lo

anterior es un resultado de la definición de independencia y de la
regla de la multiplicación.
 Independencia de eventos
Teorema: Si los eventos A y B son independientes entonces, también lo
serán:
1. A y Bc
Demostración
   
P A  Bc  PA  PA  B  PA  PAPB  PA1  PB  PAP Bc
2. Ac y B (la demostración se deja como ejercicio)

3. Ac y Bc (la demostración se deja como ejercicio)

NOTA: Los eventos A1 y A2 son condicionalmente independientes si:

P(A1 ∩ A2 / B) = P(A1 / B) P( A2 / B)
 Independencia de K eventos
Los eventos A1, A2, ... , Ak son independientes si:

P(Ai ∩ Aj ) = P(Ai) P( Aj)  i, j = 1, 2, …, k ij

P(Ai ∩ Aj ∩ Ak ) = P(Ai) P( Aj) P(Ak)  i, j, k = 1, 2, …, k ijk

..
.
P(A1 ∩ A2 ∩ … ∩ Ak ) = P(A1) P( A2) …P(Ak)

NOTA: Los eventos A1 , A2 , … , Ak son condicionalmente independientes si:

P(A1 ∩ A2 ∩ … ∩ Ak /B) = P(A1 /B) P( A2 /B) …P(Ak /B)
 Independencia de K eventos
Ejemplo 28
En cierta población la probabilidad de que una chica mida más de 1.75 m es 0.08; de que
tenga el cabello lacio es 0.22 y de que tenga un buen conocimiento de Estadística es
0.18. Si estas cualidades son independientes.

a) Halle la probabilidad de que una chica, que va a ser seleccionada al azar, tenga las tres
cualidades.
Solución
Sean los eventos: M = {la chica mide más de 1.75}
L = {la chica tiene cabello lacio}
E = {la chica tiene un buen conocimiento de estadística}
T = {la chica tiene las tres cualidades}
PT  PM  L  E  PMPLPE  0.08  0.22  0.18  0.003168
b) Halle la probabilidad de que una chica, que va a ser seleccionada al azar, tenga sólo 2
de estas cualidades. (se deja como ejercicio)