Capítulo 3

Introducción a la Probabilidad

Para extender los resultados del estudio descriptivo de las variables estadísticas a poblaciones
que no se observan completamente, es necesario utilizar la idea de modelo probabilístico. En esta
parte, se introduce, en primer lugar, la noción de probabilidad como idealización del concepto
de frecuencia relativa. A continuación se presenta la probabilidad condicionada y la definición
de independencia. El concepto básico para la construcción de modelos probabilísticos es el de
variable aleatoria; el estudio que aquí se realiza es paralelo al que se ha hecho en la primera
parte con las variables estadísticas, considerándose su distribución de probabilidad, su media
(o valor esperado), varianza, etc. Esta parte finaliza con el estudio de algunas distribuciones de
probabilidad bien conocidas.

3.1. Experimentos aleatorios. Sucesos.

Hay que distinguir entre dos tipos de experimentos o fenómenos: aleatorios y determinísticos.
Los fenómenos determinísticos son los que obedecen a una relación causa-efecto y al variar poco
las causas varía poco el efecto. Por ejemplo, al disparar un proyectil con el mismo ángulo de ele-
vación y las mismas condiciones siempre describe la misma parábola. Los fenómenos aleatorios
se caracterizan porque al repetirse en condiciones análogas presentan resultados impredecibles
de antemano. Por ejemplo, un experimento consistente en medir la corriente que circula por
un alambre de cobre. Al repetir varias veces la medición durante varios días, los resultados
que se obtienen podrían diferir un poco debido a pequeñas variaciones en las variables que

47
48 Capítulo 3. Introducción a la Probabilidad

no están controladas en el experimento, como cambios en la temperatura del ambiente, ligeras

variaciones en el instrumento de medida, etc., además de las propias variaciones en la fuente de
corriente. En ocasiones, las variaciones aleatorias son pequeñas en relación a los objetivos del
experimento y podrían despreciarse, en otras son de importancia y hay que analizarlas, si no
las conclusiones obtenidas podrían no ser válidas.
El objetivo del Cálculo de Probabilidades es el estudio de métodos de análisis del compor-
tamiento de fenómenos aleatorios.
El primer paso para estudiar un experimento aleatorio es registrar todos sus posibles re-
sultados. Al conjunto de todos los posibles resultados de un experimento se le llama espacio
muestral y lo denotamos por Ω. Puede estar formado por un número finito o infinito de valores.
Ejemplo 3.1:

- Lanzamiento de un dado, Ω = {1, 2, ..., 6},

- Medición del tiempo de vida de un componente elétrico: Ω = R+

Un evento o suceso es un conjunto de resultados del espacio muestral. Si está formado por
un único elemento se dice elemental. Los denotaremos con letras, A, B, C, etc.
Ejemplo 3.2:

- A=En el lanzamiento del dado se obtiene un número par ={2,4,6}

- B=En un lote de 3 piezas hay al menos una defectuosa={(def,no def, no def), (no def,
def, no def), (no def, no def, def), (def, def, no def), (def, no def, def), (no def, def, def),
(def, def, def)}.

Si el suceso contiene todos los resultados del espacio muestral se dice suceso seguro, ya que
ocurre siempre. Si no contiene ningún resultado del espacio muestral se dice suceso imposible o
nulo. Lo denotamos por ∅.
Dados dos sucesos A y B, podemos realizar las siguientes operaciones:

Suceso A ∪ B : está formado por la unión de resultados de A y B. Ocurre si ocurre A o

B (o ambos).

Suceso A ∩ B : está formado por los resultados comunes de A y B. Ocurre siempre que
ocurran A y B simultáneamente.
3.1. Experimentos aleatorios. Sucesos. 49

A y B son incompatibles, mutuamente excluyentes o disjuntos si no pueden ocurrir si-

multáneamente, A ∩ B = ∅.

Si cualquier resultado de A es también resultado de B, entonces A está contenido en B,

A ⊂ B.

− −
A es el suceso complementario de A si ocurre siempre que no ocurre A, A = Ω − A,
−
A ∩ A = ∅.

− − − − − −
Leyes de Morgan: A ∪ B = A ∩ B, A ∩ B = A ∪ B.

Ejemplo 3.3: Consideremos el siguiente sistema:

Figura 3.1:

LLamamos F =La componente funciona. Analizamos cada una de las componentes.

El espacio muestral es:

− − − − − − − − − − − −
Ω = {(F, F, F ), (F, F, F ), (F, F , F ), (F, F , F ), (F , F, F ), (F , F, F ), (F , F , F ), (F , F , F )}.

− − − −
- A = La primera componente funciona={(F, F, F ), (F, F, F ), (F, F , F ), (F, F , F )}

− − − −
- B = La segunda componente funciona={(F, F, F ), (F, F, F ), (F , F, F ), (F , F, F )}

− − − −
- C = La tercera componente funciona={(F, F, F ), (F, F , F ), (F , F, F ), (F , F , F )}

El sistema funciona si funciona A y B o C, por lo tanto,

− −
- D = El sistema funciona=A ∩ (B ∪ C) ={(F, F, F ), (F, F, F ), (F, F , F )}.

Delia Montoro Cazorla. Dpto. de Estadística e I.O. Universidad de Jaén.

50 Capítulo 3. Introducción a la Probabilidad

3.2. Interpretaciones de la probabilidad

3.2.1. Definición clásica

Sea Ω un espacio muestral finito con n elementos. La probabilidad de cada elemento es la

1
misma, igual a (espacio equiprobable). Se define la probabilidad de un suceso A como:
n
Número de casos favorables a A (en Ω)
P (A) =
Número de casos posibles
3 1
Por ejemplo, la probabilidad de que al lanzar un dado se obtenga un no par es = , ya
6 2
que la probabilidad de obtener cada uno de los resultados es la misma e igual a 1/6.
En general, la probabilidad de un suceso es la suma de las probabilidades de sus elementos.
Si el espacio muestral es equiprobable, la expresión es la dada anteriormente.

3.2.2. Definición frecuentista

Si un experimento se repite n veces y nA resultados son favorables a un suceso A, el límite

cuando n es suficientemente grande (n− > ∞) se toma como probabilidad de A. Esta definición
relaciona probabilidad con frecuencia relativa.

nA
P (A) = lı́m
n−>∞ n

Por ejemplo, si lanzamos una moneda 5 veces y en esas 5 veces se obtienen 4 caras, no
podemos decir que la probabilidad de obtener una cara en un lanzamiento es 4/5. Sin embar-
go, si lanzamos la moneda un número de veces suficientemente grande los resultados se van
28 50
estabilizando, 60 , ..., 100 − > 12 .

3.2.3. Definición axiomática (Kolmogorov)

Se llama función de probabilidad a una aplicación

P : Ω −→ R
A −→ P (A)

tal que:

(i) P (A) ≥ 0, ∀A ⊂ Ω
3.2. Interpretaciones de la probabilidad 51

(ii) P (Ω) = 1

(iii) Para toda sucesión de sucesos disjuntos dos a dos, {A1 , A2, ...} tales que Ai ∩ Aj = ∅
∀i 6= j, entonces Ã∞ !
[ ∞
X
P Ai = P (Ai )
i=1 i=1

En consecuencia se obtienen las propiedades de la probabilidad:

(i) P (∅) = 0
−
(ii) P (A) = 1 − P (A)

(iii) 0 ≤ P (A) ≤ 1

(iv) Si A ⊂ B, P (A) ≤ P (B)

(v) P (A ∪ B) = P (A) + P (B) − P (A ∩ B)

Ejemplo 3.4: Los resultados obtenidos de 266 muestras de aire se clasifican según la pres-
encia o no de dos moléculas raras. En 212 muestras de aire no hay ninguna de esas moléculas,
en 24 sólo está presente la molécula 1, en 18 sólo la molécula 2, y en 12 están presentes las dos
simultáneamente.
Definimos los siguientes sucesos:
A = En la muestra está presente la molécula 1
B = En la muestra está presente la molécula 2
Los datos tabulados son:
−
A A
B 12 18 30
−
B 24 212 236
36 230 266

Calculamos las siguientes probabilidades:

- Probabilidad de encontrar en una muestra la molécula 1

36
P (A) = = 0,1353
266

Delia Montoro Cazorla. Dpto. de Estadística e I.O. Universidad de Jaén.

52 Capítulo 3. Introducción a la Probabilidad

- Probabilidad de encontrar en una muestra la molécula 2

30
P (B) = = 0,1127
266

- Probabilidad de que una muestra presente las dos moléculas

12
P (A ∩ B) = = 0,0451
266

- Probabilidad de que una muestra presente alguna de las moléculas

P (A ∪ B) = P (A) + P (B) − P (A ∩ B) = 0,2029

- Probabilidad de que ninguna de las moléculas esté presente

− − 212 −
P (A ∩ B) = = P (A ∪ B) = 1 − P (A ∪ B) = 0,7971
266

- Probabilidad de que sólo esté presente la molécula 1

− 24
P (A ∩ B) = = 0,0902
266

- Probabilidad de que sólo esté presente la molécula 2

− 28
P (B ∩ A) = = 0,067
266

Se observa que efectivamente las moléculas rara vez aparecen, pero cuando aparecen suelen
hacerlo juntas.

3.3. Probabilidad condicionada

Hasta ahora hemos visto el concepto de probabilidad partiendo de que la única información
que tenemos sobre el experimento es el espacio muestral. Sin embargo, en ocasiones se conoce
que un determinado suceso ha ocurrido. ¿Modificará esta información adicional la probabilidad
de que ocurra otro suceso?. Veremos que generalmente sí.
En el ejemplo anterior hemos observado que la probabilidad de que en una muestra de aire
aparezca alguna de las moléculas es pequeña, 0.20, y que de aparecer, suelen aparecer juntas
(ver las últimas dos probabilidades). Por lo tanto, en este caso, el conocimiento de que una de
3.4. Independencia de sucesos 53

las moléculas está presente en la muestra aumenta de manera muy marcada la probabilidad de
que la otra lo esté. En concreto, la probabilidad de que aparezca la molécula 1 en una muestra
es P (A) = 0,1353, y la probabilidad de que aparezca tal molécula en una muestra en la que
12
hemos detectado la presencia de la molécula 2 es P (A/B) = = 0,4. Definimos a continuación
30
formalmente la probabilidad condicionada.

- Probabilidad de A condicionada a B, P (A/B): probabilidad de que ocurra A si ha ocurrido

B
P (A ∩ B)
P (A/B) = , P (B) 6= 0
P (B)

- Probabilidad de B condicionada a A, P (B/A) : probabilidad de que ocurra B si ha

ocurrido A
P (A ∩ B)
P (B/A) = , P (A) 6= 0
P (A)

Si despejamos en ambas se obtiene que:

P (A ∩ B) = P (A)P (B/A) = P (B)P (A/B)

A esta expresión se le conoce como regla de la multiplicación, que en general para un número
k de sucesos viene dada por:

P (A1 ∩ A2 ∩ ... ∩ Ak ) = P (A1 )P (A2 /A1 )....P (Ak /A1 ∩ A2 ∩ ... ∩ Ak−1 )

Ejemplo 3.5: Una urna contiene tres bolas negras y tres rojas. Si extraemos tres bolas sin
reemplazamiento (no se devuelven a la urna), la probabilidad de que las tres sean rojas es igual
a:

P (R1 , R2 , R3 ) = P (R1 ∩ R2 ∩ R3 ) = P (R1 )P (R2 /R1 )P (R3 /R1 ∩ R2 ) =

321
=
654

3.4. Independencia de sucesos

Sean A y B dos sucesos del espacio muestral. El suceso A se dice independiente del suceso
B si el conocimiento de la ocurrencia de B no modifica la probabilidad de aparición de A, es
decir, si
P (A/B) = P (A)

Delia Montoro Cazorla. Dpto. de Estadística e I.O. Universidad de Jaén.

54 Capítulo 3. Introducción a la Probabilidad

En consecuencia,

P (A ∩ B) = P (B)P (A/B) = P (B)P (A)

y
P (B)P (A)
P (B/A) = = P (B),
P (A)
por lo que también B es independiente de A. Diremos entonces que A y B son sucesos indepen-
dientes.
Ejemplo 3.6: Consideremos un sistema en serie formado por n componentes que funcionan
de manera independiente. Si llamamos P (Ai ) probabilidad de que la componente i funcione,
i = 1, ..., n, la probabilidad de que el sistema funcione, P (S), viene dada por
n
Y
P (S) = P (A1 ∩ A2 ∩ ... ∩ An ) = P (Ai )
i=1

Si el sistema está en paralelo,

− − −
P (S) = P (A1 ∪ A2 ∪ ... ∪ An ) = 1 − P (A1 ∩ A2 ∩ ... ∩ An )
Yn
= 1 − (1 − P (Ai ))
i=1

Ejemplo 3.7: Una urna contiene tres bolas negras y tres rojas. Si extraemos tres bolas con
reemplazamiento (se devuelven a la urna), la probabilidad de que las tres sean rojas es igual a:

P (R1 , R2 , R3 ) = P (R1 ∩ R2 ∩ R3 ) = P (R1 )P (R2 /R1 )P (R3 /R1 ∩ R2 ) =

333
= P (R1 )P (R2 )P (R3 ) =
666

3.5. Teorema de la probabilidad total. Teorema de Bayes.

Sean B1 , B2 , ..., Bn sucesos tales que:

(i) Bi ∩ Bj = ∅ ∀i 6= j (disjuntos dos a dos),

n
[
(ii) Ω = Bi ,
i=1

(iii) P (Bi ) 6= 0 ∀i,

3.5. Teorema de la probabilidad total. Teorema de Bayes. 55

y sea A otro suceso de Ω para el que se conocen las probabilidades P (A/Bi ), i = 1, ..., n.
Entonces,
n
X
P (A) = P (A/Bi )P (Bi ),
i=1
P (A ∩ Bi ) P (A/Bi )P (Bi )
P (Bi /A) = = Pn , i = 1, ..., n
P (A) i=1 P (A/Bi )P (Bi )
La primera fórmula constituye el teorema de la probabilidad total y la segunda el de Bayes.
Ejemplo 3.8: Una empresa dispone de tres fábricas, A, B, y C para producir un cierto
artículo. La fábrica A produce el 30 % de la cantidad total, la fábrica B produce otro 30 %, y
la fábrica C el 40 % restante. Se sabe que el 2 % de la producción de A, el 3 % de la de B y el
5 % de la de C es defectuosa.

(a) ¿Cuál es la probabilidad de que un artículo producido sea defectuoso?.

Si llamamos:

A =Artículo producido en la fábrica A,

B =Artículo producido en la fábrica B,

C =Artículo producido en la fábrica C,

D =Artículo defectuoso,

P (D) = P (D/A)P (A) + P (D/B)P (B) + P (D/C)P (C)

= 0,02 ∗ 0,3 + 0,03 ∗ 0,3 + 0,05 ∗ 0,4 = 0,035,

es decir, un 3.5 % de la producción es defectuosa.

(b) Si al hacer un control de la calidad se detecta un artículo defectuoso, ¿cuál es la probabi-

lidad de que provenga de cada una de las fábricas?.
P (A ∩ D) P (D/A)P (A)
P (A/D) = =
P (D) P (D/A)P (A) + P (D/B)P (B) + P (D/C)P (C)
0,02 ∗ 0,3
= = 0,17
0,035
P (B ∩ D) 0,03 ∗ 0,3
P (B/D) = = = 0,26
P (D) 0,035
P (C ∩ D) 0,05 ∗ 0,4
P (C/D) = = = 0,57
P (D) 0,035
El 17 % de los artículos defectuosos han sido fabricados por A, el 26 % por B, y el 57 %
restante por C.

Delia Montoro Cazorla. Dpto. de Estadística e I.O. Universidad de Jaén.

56 Capítulo 3. Introducción a la Probabilidad

3.6. Ejercicios

1. Sean A, B y C sucesos de un espacio muestral. Encontrar las expresiones de:

a) Sólamente ocurre A.

b) Ocurren A y B pero no C.

c) Los tres sucesos ocurren.

d) Ocurre por lo menos uno.

e) No ocurre ninguno.

2. Consideremos dos sucesos A y B, con P (A) = 0,5 y P (A ∪ B) = 0,7. Calcula:

a) P (B), suponiendo que A y B son independientes.

b) P (B), suponiendo que A y B son disjuntos o mutuamente excluyentes.

c) P (B), sabiendo que P (A/B) = 0,5.

3. En un laboratorio se diseña un test para detectar la presencia de una bacteria en el

agua. Para probar el test, se considera un gran número de probetas con agua, que pueden
contener o no la bacteria. La probabilidad de que una probeta escogida al azar contenga la
bacteria es de 0.2. Por otra parte, si una probeta contiene la bacteria, el test da positivo
en el 90 % de los casos. En cambio, si una probeta no contiene la bacteria, el test da
positivo en el 5 % de los casos.

a) Traducir los datos del enunciado, introduciendo los sucesos convenientes.

b) Al escoger al azar una probeta, ¿cuál es la probabilidad de que de positivo en el

test?. ¿Y negativo?.

c) Si una probeta ha dado positivo en el test, ¿cuál es la probabilidad de que contenga

la bacteria?.

d) Entre las probetas que han dado negativo en el test, ¿cuál es la proporción de probetas
que tienen la bacteria?.

e) Decidir si el test es apropiado o no para la detección de la bacteria.

3.6. Ejercicios 57

4. El siguiente circuito trabaja sí y sólo sí existe una trayectoria en el funcionamiento de

izquierda a derecha. En el dibujo se indica la probabilidad de que cada dispositivo fun-
cione. Si suponemos que la probabilidad de que un dispositivo funcione no depende del
funcionamiento de los demás (independientes),

a) Determina el espacio muestral asociado al experimento consistente en analizar el

funcionamiento de los cuatros dispositivos (funcionan o no funcionan).

b) Calcula la probabilidad de que el circuito funcione.

0.85 0.85

0.85 0.85

5. Una cervecería utiliza dos máquinas embotelladoras, pero no operan simultáneamente.

La segunda máquina solo opera cuando la primera deja de funcionar durante las horas
de trabajo. La probabilidad de que la primera máquina deje de operar es de 0.20. Si
la primera máquina deja de funcionar entra en funcionamiento la segunda y tiene una
probabilidad de fallar de 0.30. ¿Qué probabilidad hay de que el sistema embotellador de
la cervecería no esté disponible durante las horas de trabajo?.

6. 5 líneas de producción en una fábrica producen un fusible electrónico. Los fusibles se

envían a los distribuidores en lotes de 100 unidades. Los compradores realizan un control
de calidad sobre el producto que reciben, inspeccionando un número pequeño de fusibles
por lote antes de decidir si aceptan o rechazan la totalidad de los lotes recibidos. Las
5 líneas de producción producen fusibles a la misma velocidad y normalmente con un
porcentaje de defectuosos del 2 %, que se distribuyen aleatoriamente en el proceso de
producción. Desafortunadamente, el mes pasado la línea 1 sufrió un fallo mecánico y
produjo un 5 % de defectuosos, pero el gerente se enteró después de haber enviado a los
distribuidores lotes de fusibles. Un cliente adquirió un lote producido ese mes, probó 3
fusibles del lote y vio que uno de ellos era defectuoso. ¿Cuál es la probabilidad de que el
lote que compró no haya salido de la línea 1?.

7. Una pieza producida en una empresa puede tener dos tipos de defectos, A y B. El 8 %
de la producción presenta el defecto A, el 5 % de la producción presenta el defecto B,

Delia Montoro Cazorla. Dpto. de Estadística e I.O. Universidad de Jaén.

58 Capítulo 3. Introducción a la Probabilidad

y se supone que no hay piezas que presenten ambos tipos de defecto. Después de ser
producida cada pieza es sometida de manera automática a un test de ruptura, con las
siguientes posibilidades: si la pieza tiene el defecto tipo A, tiene una probabilidad 0.9 de
romperse, si la pieza tiene el defecto tipo B, tiene una probabilidad 0.95 de romperse, y
si no presenta ningún tipo de defecto, tiene una probabilidad 0.01 de romperse.

a) ¿Cuál es la probabilidad de que una pieza escogida al azar en la producción se rompa

durante el test?.

b) Si una pieza se ha roto durante el test, ¿cuál es la probabilidad de que no fuese

defectuosa?.

8. Con objeto de apreciar la eficiencia de dos inspectores de control, A y B, se les encomendó

la verificación de un lote de artículos que contenía exactamente un 6 % de defectuosos.
El inspector A afirmó que el 8 % de los artículos del lole eran defectuosos, mientras que
el inspector B afirmó que sólo eran defectuosos un 5 %. El 4 % de los artículos fueron
identificados como defectuosos por A, y sólo el 3 % por B, siendo realmente defectuosos.
El 2 % fueron indicados como defectuosos tanto por A como por B. El 1 % fueron indicados
como defectuosos por A y por B siendo realmente defectuosos.

¿Qúe tanto por ciento de los artículos son realmente defectuosos y no fueron detectados
como tales por ambos inspectores?.

9. Un trasnochador dispone de un llavero con tres llaves totalmente indistinguibles en la

oscuridad, de las cuales sólo una abre la puerta de su casa. Para dar con la llave en
cuestión, suele seguir uno de los siguientes métodos:

- M.1: Prueba una llave, y si no sirve, agita el llavero y prueba otra vez, con lo cual
corre el riesgo de volverla a usar.

- M.2: Prueba las llaves una tras otra teniendo cuidado de no usar la misma llave.

a. ¿Cuál es la probabilidad de que abra al tercer intento si usa el segundo método?.

b. Se sabe además que el trasnochador utiliza el método 1 cuando vuelve a casa después
de haber bebido en exceso (lo cual ocurre uno de cada tres días) y el método 2 cuando
vuelve sobrio. Si se sabe que en los dos primeros intentos ha fracasado, ¿cuál es la
probabilidad de que esté borracho?.
3.6. Ejercicios 59

10. Una fábrica de bujías para motores produce un 98 % de buenas y un 2 % de defectuosas.

Antes de enviarlas a los almacenes para su venta se someten a una verificación en la que
se admiten como buenas las que lo son con una probabilidad de 0.95 y las que no lo son
con una probabilidad de 0.04.

a) Calcula la probabilidad de que una bujía sea considerada como buena en un control.
b) Calcula la probabilidad de que una bujía buena sea considerada como tal en dos
controles.
c) Si una bujía fue considerada como buena en dos verificaciones, ¿cuál es la probabi-
lidad de que sea realmente buena?.

11. Se analizan muestras de policarbonato de plástico para determinar su resistencia a los

golpes y a las rayaduras. La resistencia a las rayaduras y a los golpes se clasifica en Alta y
Baja. A continuación se presenta el resumen de los resultados obtenidos en 49 muestras.

Resistencia rayaduras\Resistencia golpes Alta Baja

Alta 40 4
Baja 2 3

Calcula:

a) Probabilidad de que una muestra presente alta resistencia tanto a los golpes como a
las rayaduras.
b) Si una muestra presenta una alta resistencia a los golpes, ¿qué es más probable, que
presente alta o baja a las rayaduras?.
c) Si una muestra presenta una alta resistencia a las rayaduras, ¿qué es más probable,
que presente alta o baja a las golpes?.
d) Si una resistencia es baja, ¿cómo suele ser la otra?.
e) Conclusiones.

12. El blanco para practicar tiro con arco tiene dos sectores. Cada acierto en el sector central
vale 10 puntos y en el sector exterior 9 puntos. Una jugada consiste en realizar 2 tiros
consecutivos (e independientes) y sumar los puntos obtenidos. De un arquero se sabe que
la probabilidad de acertar en el sector central es 0.3, y en el sector exterior 0.6. Calcula
la probabilidad de que el arquero obtenga al menos 19 puntos en una jugada.

Delia Montoro Cazorla. Dpto. de Estadística e I.O. Universidad de Jaén.