PROBABILIDADES

Formulación Matemática de Probabilidad.- Es una rama de las

matemáticas que trata de la incertidumbre

Definición.- Es un número de 0 a 1, que le asignamos a un fenómeno

para indicar su posibilidad de ocurrir.

Probabilidad según el concepto de frecuencia relativa (concepto

estadístico).- Consideremos un evento E que se produce en n
repeticiones o ensayos de algún experimento. De acuerdo con el
concepto de frecuencia relativa, la probabilidad del evento E, es igual a
la frecuencia relativa de ocurrencia del evento E. Entonces podemos
decir que: Si un suceso puede ocurrir en H maneras diferentes de un
número total de n maneras posibles, todos igualmente factibles,
entonces la probabilidad del suceso es h/n

Definiciones:

a.- Experimento.- Es cualquier operación cuyo resultado no puede

predecirse con exactitud. Ejemplo: Lanzar un dado y ver el número que
sale.

b.- Espacio Muestral.- Es el conjunto de todos los resultados posibles de

un experimento. Lo representamos por S.

c.- Evento o suceso.- Es cualquier sub conjunto del espacio muestral

d.- Evento cierto o seguro.- Un evento es cierto o seguro si es igual al

espacio muestral. Se le asigna probabilidad igual a 1.

e.- Evento Imposible.- Un evento es imposible sie es igual al conjunto

vacío. Se le asigna probabilidad igual a 0.

f.- Sucesos mutuamente excluyentes.- Dos o mas sucesos son

mutuamente excluyentes si no pueden suceder a la vez, es decir, la
ocurrencia de uno de ellos impide la ocurrencia de los demás.

Ejemplo: Si el experimento es lanzar un dado y ver el número que sale,

Los eventos:
A = Sale número par
B = Sale número impar
son eventos mutuamente excluyentes, pues no pueden ocurrir a la vez.
1
Propiedades y axiomas que debe cumplir la probabilidad del evento A:

[
1.- 0 ≤ P(A) ≤ 1 La frecuencia relativa ∈ 0 ,1 ]
2.- P (S) = 1

3.- P (A1 U A2 U A3 U ……An) = P(A1) + P(A2) + P(A3) + …….…P(An)

Si Ai ∩ Aj = Ǿ ; ¥ i,j

Teoremas Fundamentales

Teorema 1 .- Si Ǿ es el conjunto vacío, entonces P(Ǿ) = 0

Demost.- Para cualquier suceso A, A = A U Ǿ, como A y Ǿ son

mutuamente excluyentes:
A=AUǾ
P(A) = P(AUǾ)
P(A) = P(A) + P(Ǿ)
P(A) - P(A) = P(Ǿ)
0 = P(Ǿ)

Nota.- El recíproco de este teorema no siempre es verdadero. Esto es si

P(A) = 0 en general no podemos concluir que A = Ø, porque hay
situaciones en que asignamos probabilidad cero a un suceso que puede
ocurrir, solo que es muy pequeño Ej. 0.0000001

Teorema 2 .- Si A es el suceso complementario de A, entonces

P(A)=1- P( A )
Demostración:

S=AUĀ
P(S) = P(A) + P(Ā)
P(A) = 1 – P(Ā)

Este teorema es muy útil porque

hay muchos problemas en el que
es mas fácil calcular P(Ā) que
P(A)

2
Teorema 3.-
“Teorema de la adición”. Si A y B son dos sucesos cualesquiera,
entonces: P(AUB) = P(A) + P(B) – P(A∩B)

Demostración:
AUB = AU(B∩Ā)
B = (A∩B)U(B∩Ā)
Por lo tanto:
P(AUB) = P(A) + P(B∩Ā) -
P(B) = P(A∩B) + P(B∩Ā)
P(AUB)- P(B)=P(A) - P(B∩Ā)

P(AUB) = P(A)+P(B)- P(A∩B)

Teorema 4.-
Si A, B y C son 3 sucesos cualesquiera, entonces:
P(AUBUC) = P(A)+P(B)+P(C)-P(A∩B)-P(A∩C)- P(B∩C)+ P(A∩B∩C)
Demostración:
Haciendo P(AUBUC) = P((AUB)UC)
P((AUB)UC)=P(AUB)+P(C)-P((AUB) ∩C) Por teorema 1.3
P(AUBUC)=P(A)+P(B)-P(A∩B)+P(C)-P((AUB) ∩C)
Como:
P((AUB) ∩C)=P(A∩C)+P(B∩C)-P(A∩B∩C

Reemplazando:
P(AUBUC) = P(A)+P(B)+P(C)-P(A∩B)-P(A∩C)- P(B∩C)+ P(A∩B∩C)

Teorema 5.- Si A ⊂ B entonces P(A) ≤ P(B)

Demostración: Podemos descomponer B en dos sucesos que se
excluyen mutuamente

B = A U ( B I A)
P ( B ) = P ( A) + P ( B I A)
P ( B ) ≥ P ( A)

B A

3
Definiciones:
a)Evento simple.- Es el evento que no puede expresarse como la unión
de otros eventos, exceptuando el evento vacío. Estos eventos tienen las
siguientes propiedades:
- Son mutuamente excluyentes
- La unión de todosb ellos constituye el espacio nuestral

b) Eventos equiprobables.- Dos o mas eventos son equiprobables si:

P(A1)=P(A2) = . . . . . . . . . . . .P(An)=p

Teorema 6.- Si un espacio muestral S consta de “n” eventos simples

equiprobables y en dicho espacio muestral consideramos un evento
cualquiera A, que consta de “r” de estos eventos simples. Bajo estas
condiciones se tiene: P(A) = r/n
Demostración:
Llamaremos E1, E2, . . . . . . En a los eventos simples del espacio
muestral S.
De acuerdo al enunciado:
P(E1) = P(E2) = . . . . . . . . . P(En) = p
n
S = U Ei entonces
i =1

P ( S ) = P ( E 1 U E 2 U E 3 U .......... . E n )
P ( S ) = P ( E 1 ) + P ( E 2 ) + P ( E 3 ) + .......... ..... P ( E n )
1 = p + p + p + .......... .......... .......... .......... .... p
1 = np
p = 1/ n
r
1 1 1 1 r
P( A) = P(U Ei ) = ∑i =1 P( Ei ) =
r
+ + + ........... =
i =1 n n n n n

Probabilidad Condicional.- Si A y B son eventos del espacio muestral S y

si P(B)≠0, entonces la probabilidad condicional de A relativo a b, está
dado por:
P( A I B)
P( A ) =
B P( B)

4
Se lee P(A) dado que ocurrió B, es decir, el evento B ya ocurrió y se
quiere calcular la probabilidad de que ocurra A.

Regla general de la multiplicación:

P(A I B)
De la fórmula P ( B ) =
A
P(B)
Obtenemos
P( A I B) = P(B)P( A / B)
Ejemplo:

La Regla general de la Multiplicación se puede extender a mas de dos

eventos, en la siguiente forma:
P( A I B I C ) = P( A) P( B / A) P(C /( A I B))
El resultado se generaliza fácilmente a n sucesos:

P(AI B IC I.......IZ) = P(A)P(B/ A)PC/(AI B)).......P(Z /(AI BIC I......Y))

SUCESOS INDEPENDIENTES:
Dos eventos A y B son independientes si se cumple que:
P ( A / B ) = P ( A) ó P ( B / A) = P ( B )
Es decir la ocurrencia o no ocurrencia de uno de ellos no afecta la
ocurrencia o no ocurrencia del otro.
Cuando dos sucesos son independientes se cumple que:
P ( A I B ) = P ( A) P ( B )
Ejemplo

PARTICION DEL ESPACIO MUESTRAL:

Los sucesos B1; B2; B3; ………Bk representan una partición del espacio
muestral S, si:
a) B1 I B j = φ para todo i, j
k

b) U Bi = S
i =1

c) P ( Bi ) > 0 para todo i

5
Es decir, para cualquier experimento E, tendremos un espacio muestral
S, este espacio muestral S, lo podemos partir en Bk sucesos que
cumplan con las tres condiciones indicadas y cuando se realiza el
experimento E, ocurre uno y solo uno de los sucesos Bi.

Ejemplo:

Teorema de la probabilidad total:

Sea B1; B2; B3; ………Bk una partición del espacio muestral S y sea A un
evento cualquiera en este espacio muestral, entonces podemos decir
que:
A = ( A I B1 ) U ( A I B2 ) U ................(A I Bk )
P( A) = P( A I B1 ) + P( A I B2 ) + ..............P( A I Bk )
P( A) = P(B1 )P( A / B1 ) + P(B2 )P( A / B2 ) + ..................P(Bk )P( A / Bk )

Ejemplo:

Teorema de Bayes:

Sea B1; B2; B3; ………Bk una partición del espacio muestral S. Sea A un
evento asociado con S. Aplicando la definición de Probabilidad
Condicional, podemos escribir:

B1 P ( B1 I A)
P( )=
A P ( A)

P(Bi )P( A / Bi )
P(Bi ) =
A P(B )P( A / B ) + P(B )P( A / B ) + ..................P(B )P( A / B )
1 1 2 2 k k

Ejemplos