INTRODUCCIN A LAS

PROBABILIDADES

Lic. Helga Kelly Quiroz

Chavil

Probabilidades
El trmino Probabilidad se refiere al estudio del azar y la
incertidumbre, en aquellas situaciones en las cules se puede
producir uno de varios resultados posibles, la Teora de la
Probabilidad provee mtodos para cuantificar la chance de
ocurrencia de cada uno de ellos.

Definiciones:
1. Experimento
Es cualquier proceso o accin que genera observaciones y que
puede ser repetible.
Por ejemplo:
a) Arrojar un dado
b) Seleccionar un individuo, registrar su peso y su altura
c) Seleccionar una muestra de productos elaborados por una
empresa para hacer un control de calidad.
d) Seleccionar un da al azar y registrar el nmero de veces
que se satura un servidor.

Definiciones:
Espacio Muestral
Es el conjunto de todos los resultados posibles del
experimento. A cada elemento del espacio muestral se
denomina punto muestral. El espacio muestral se describe por
:
S={w/w es un punto muestral}
Los Espacios Muestrales con un nmero grande o infinito de
puntos muestrales se describen mediante un enunciado o
regla.

Ejemplo:

1. El experimento aleatorio de lanzar un dado y observar el

resultado obtenido en la cara superior , es de una sola
prueba, cuyo espacio muestral es:

2. Si el experimento aleatorio es lanzar una moneda y un

dado a la vez , y observar ambos resultados, el espacio
muestral es :

Ejemplo

3. Si los resultados posibles de un experimento son el

conjunto de sitios web en internet con ms de un milln de
visitas, nuestro EM se escribe:
={x/x es un sitio web con ms de un milln de visitas
diarias }

Ejercicio:
Dados los siguientes experimentos, indicar su espacio
muestral:
a) E1: Lanzar una moneda y observar la cara superior.
b) E2: Lanzar un dado y observar el nmero que aparece en
la cara superior.
c) E3: Extraer una bola de una urna que contiene bolas rojas
R y bolas verdes V.
d) E4: Designar un delegado de un grupo de 50 personas a
travs de un sorteo.

Eventos o Sucesos:
Se
denomina suceso o evento a cualquier subconjunto del
espacio muestral. Se puede hacer una lista de muchos
eventos asociados con un experimento, algunos con ms
posibilidad de ocurrir que otros. Tenemos:
El evento imposible

no tiene puntos muestrales, en

consecuencia no ocurre nunca .

Los eventos unitarios o elementales {} , contienen un solo
punto muestral .

Eventos o Sucesos:
Los eventos compuestos, consisten de dos o ms
eventos elementales.
El evento seguro o cierto, contiene a todos los
eventos elementales posibles.
Ejemplo:
a) Sea el espacio muestral:
E1: Lanzar una moneda y observar la cara superior,
entonces un evento seria:
A = sale cara
A = {cara}
A = {1}

Ejemplo:
b) Se el espacio muestral:
E2: Lanzar un dado y observar el nmero que aparece en
la cara superior, entonces un evento seria:
B = se lanza el dado y sale un nmero par
B = {2, 4, 6}.

Conteo de Puntos Muestrales

Nmero

de Puntos Muestrales
El nmero de elementos de un evento arbitrario A
se denotar por n(A). Es decir:

n()=0 y n(A) , para todo evento A.

Regla de la multiplicacin
Si A y B son dos eventos finitos, entonces, el
nmero

de

elementos

del

evento

producto

cartesiano AxB es igual al nmero de elementos de

A multiplicado por le nmero de elementos de B.
Esto es :

n(AxB)=n(A)xn(B)

Ejemplo:
Cuntos puntos muestrales tiene el espacio
muestral que resulta de lanzar dos dados a la vez?

Solucin

A es el evento resultados del dado 1 entonces

n(A)=6
B es el evento resultados del dado 2 entonces
n(B)=6
Luego:
n(E)= n(A)xn(B)=6x6=36

Variaciones Simples
Las
variaciones sin repeticin de m elementos
tomados de n en n (m n)se definen como las
distintas agrupaciones formados con n elementos
distintos, eligiendo entre los m elementos

que

disponemos , considerando una variacin distinta

a otra de manera que estos arreglos difieran en
algn elemento o en el orden de la colocacin .

Variaciones Simples
Tambin

podemos calcular las variaciones mediante

factoriales:

Ejemplo:
Cuntos nmeros de tres cifras distintas se pueden
formar con las nueve cifras significativas del sistema
decimal?

Solucin
Elementos
disponibles: 9 cifras

Elementos por grupo: 3 cifras

Influye el orden de colocacin de los elementos?
Si, al tratarse de nmeros el orden importa
Cogemos todos los elementos disponibles?
No, solo 3 de ellos
Se puede repetir los elementos?
No, dice tres cifras distintas

Solucin
Variaciones

sin repeticin de 9 elementos tomados

de 3 en 3

=504

nmeros de 3 cifras

Variaciones con repeticin

Las
variaciones con repeticin de m elementos
tomados de n en n se definen como las distintas
agrupaciones formadas con n elementos que
pueden repetirse, eligindose de entre los m
elementos que disponemos, considerando una
variacin distinta a otras si difieren en algn
elemento como si estn situados en distinto orden

Ejemplo:
El sistema de matriculas de vehculos consiste en
un nmero de 4 dgitos seguido de un bloque de 3
letras consonantes. Cuantas placas hay con un
determinado bloque de letras?
Solucin
Disponemos de 22 consonantes m =22
Formamos grupos de 3 letras n= 3
Luego:

Permutaciones
Se llamapermutaciones de m elementos a las
diferentes agrupaciones de esos m elementos de
forma que:
Sentran todos los elementos.
Simporta el orden.
Nose repiten los elementos.

Ejemplo:
Cuntos

nmeros de 5 cifras diferentes se puede

formar con los dgitos: 1, 2, 3, 4,5?
Solucin
Nmero de elementos: 5
Cifras : 5 n = 5

m=5

Permutaciones Circulares
Las
permutaciones circulares son un caso particular
de las permutaciones. Se utilizan cuando los
elementos se han de ordenar "en crculo", (por
ejemplo, los comensales en una mesa), de modo
que el primer elemento que "se site" en la
muestra determina el principio y el final de
muestra.

Ejemplo:
De
cuntas formas distintas pueden sentarse
ocho personas alrededor de una mesa redonda?
Solucin:
Tenemos n=8, luego:

7!=5 040

Combinaciones
llamacombinaciones de m elementos tomados
Se
de n en n (m n)a todas las agrupaciones posibles
que pueden hacerse con los m elementos de forma
que:
Noentran todos los elementos.
Noimporta el orden.
Nose repiten los elementos.

Ejemplo:
En una clase de 20 alumnos se quiere elegir un
comit formado por tres alumnos. Cuntos
comits diferentes se pueden formar?
Solucin:
Noentran todos los elementos.
Noimporta el orden: Juan, Ana.
Nose repiten los elementos.

Solucin:

Luego
m=20 , n=3 entonces:

=
=
=
=1 140

Combinaciones con Repeticin

Lascombinaciones

con repeticin de m elementos

tomados de n en n (m n),son los distintos
grupos formados por n elementos de manera que:
Noentran todos los elementos.
Noimporta el orden.
Sse repiten los elementos.

Ejemplo:
En una bodega hay cinco tipos diferentes de botellas.
De cuntas formas se pueden elegir cuatro botellas?
Solucin:
Noentran todos los elementos. Slo elije 4.
Noimporta el orden. Da igual que elija 2 botellas de
ans y 2 de aceite, o que 2 de aceite y 2 de ans.
Sse repiten los elementos. Puede elegir ms de
una botella del mismo tipo.

Solucin:
Luego

m=5 y n= 4

=
=
=
= 70

Probabilidades
Sea
un suceso A, de un total de n posibles casos,
todos igualmente factibles, puede presentarse en
h de los casos. Entonces la probabilidad de
aparicin del suceso viene dada por:

La probabilidad de no aparicin del suceso viene

dad por :

Probabilidades
As
pues, tenemos:

Ejemplo
Cul
es la probabilidad que aparezcan 3 4 en una
sola tirada de una dado?
Solucin:
Sabemos que n= 6
Puesto que A puede presentarse en dos casos 3 4
, se tiene:

Solucin
probabilidad de no tener un 3 4 ( es decir
La
podemos obtener: 1,2,5,6) es :
q =

Axiomas y Teoremas de Probabilidad

Dado
un experimento aleatorio y un espacio muestral

asociado, a cada evento A se le asociar un nmero que
notaremos P(A) y que llamaremos probabilidad del evento A.
Esta asignacin debe satisfacer los siguientes axiomas:
a) La

probabilidad

de

un

evento

comprendido entre 0 y 1, es decir: 0

cualquiera

est

Axiomas y Teoremas de Probabilidad

b)Si

siendo cada uno de los sucesos igualmente

probables, entonces se tiene:

Luego si A es un evento de S tal que entonces
c) P(A)= 1 si A es un evento seguro
d)P(A)=0 si A es un evento imposible

Ejemplo:
Sea un experimento aleatorio que consiste en
lanzar al aire dos dados, y se considera espacio
muestral el resultado de la suma de los valores
obtenidos, calcular:
a) Espacio muestral S:
b) La probabilidad del suceso A={2}
c) La probabilidad del suceso B={par}

Ejemplo:
d) La probabilidad del suceso C={10, 11, 12}
e) La probabilidad del suceso D={4, 5, 6, 7}
f) P(AUB)

Solucin
a)
Espacio muestral
, entonces la suma = 2

8
9

Solucin

Luego:
E= {2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12}
n(E)= 11 elementos

Solucin
b) La probabilidad del suceso A={2}
El suceso A, tiene 1 elemento, entonces:
P(A)=
c) La probabilidad del suceso B={par}
El suceso B= {2, 4, 6, 8, 10, 12} entonces n(B)=6
Luego:
P(B)=

Solucin
d) La probabilidad del suceso C={10, 11, 12}
El suceso C, tiene 3 elementos, entonces
P(C)=
e) La probabilidad del suceso D={4, 5, 6, 7}
El suceso D tiene 4 elementos, entonces
P(D)=

Solucin
d) P(AUB)
Sabemos que el suceso A = {2} y el suceso
B={2,4, 6, 8, 10, 12}
Entonces:
A U B= {2} U {2,4, 6, 8, 10, 12} = {2,4, 6, 8, 10,
12}=B
Luego: n(A U B) = 6 elementos
P(A U B)=

Probabilidad Condicionada
Sean

A y B dos eventos , la probabilidad

condicional del evento A dado el evento B es:

Propiedades

a) A, B=A entonces =1
b)

Ejemplo:
Un club consiste de ciento cincuenta miembros. Del total, 3/5
son hombres y 2/3 son profesionales. Adems, 1/3 de las
mujeres no son profesionales.
Si se elige al azar un socio del club, calcule la probabilidad de
que:
a) Sea hombre y profesional.
b) Sea hombre dado que es profesional.
c) Sea mujer y profesional
d) Sea mujer dado que no es profesional

Solucin
=
150 total
Hombres:
Hombres: = 3(30)=90
Hombres-Profesionales:
Mujeres:
Mujeres: 150-90 = 60
Mujeres No profesionales:

Solucin

Gnero/
Ocupacin

Profesional
(P)

No
profesional(N)

Total

Hombre(H)

60

30

90

Mujer (M)

40

20

60

Total

100

50

150

Solucin
Calcule
la probabilidad de que:

a) Sea hombre y profesional

La probabilidad de que sea hombre y profesional es el

40%.

Solucin
Calcule
la probabilidad de que:

b) Sea hombre dado que es profesional.

La probabilidad de que sea hombre dado que es profesional

es del 60 %

Solucin
Calcule
la probabilidad de que:

c) Sea mujer y profesional

La probabilidad de que sea mujer y profesional es el

del 26.7%.

Solucin
Calcule
la probabilidad de que:

a) Sea mujer dado que no es profesional

La probabilidad de que sea mujer dado que no es

profesional es del 40 %

Teorema de Bayes
, n eventos pertenecientes al espacio
Sean
muestral S y sea B un evento cualquiera, con
P(B) > 0, entonces se cumple que :

Ejemplos:
Slo el 60% de la mercadera que recibe un comerciante del
fabricante A es de calidad excepcional, mientras que el 90% de
la mercadera que recibe del fabricante B es de calidad
excepcional. Sin embargo la capacidad de produccin del
fabricante B es limitada, y por esta razn slo el 30 % de la
mercadera le es permitido adquirir del fabricante B, mientras
que el resto lo adquiere de A. Si se inspecciona un embarque
que acaba de llegar y si resulta que es de calidad excepcional,
cul es la probabilidad de que provenga del fabricante A?

Solucin
Sea:
A = fabricante A
B = fabricante B
C= calidad excepcional
NC = no es de calidad excepcional

Solucin
C
0.6
0.7

A
0.4

0.3

NC
C

0.9
0.1

NC

Solucin
P(A
/C) =

P(A /C) = = = 0.609

P(A /C)= 60.9%

Ejemplos:
Una mquina produce un tipo de objeto en distintos periodos.
Si la mquina est bien ajustada en un periodo, el 80 % de los
objetos producidos pasan el control de calidad, de otro modo
slo pasan el 60 % . Se ha determinado que el 90 % de los
periodos la mquina est bien ajustada. Si se inspecciona los
objetos y resulta que no pasan por el control de calidad, cul
es la probabilidad que provenga de la mquina mal ajustada?

Solucin
Sea
BA= mquina bien ajustada
MA = mquina mal ajustada
CC= pasan al control de calidad
NC= no pasan al control de calidad

Solucin
CC
0.8
BA
0.9

0.2

NC
CC

0.6
0.1

MA
0.4

NC

Solucin
P(MA

/NC) =

P(MA /NC) = = = 0.182

P(MA /NC)= 18.2%

DISTRIBUCIONES DE
PROBABILIDAD

Lic. Helga Kelly Quiroz Chavil

Distribuciones Discretas de Probabilidad

Distribucin Binomial
Unadistribucin binomial tiene las siguientes
caractersticas:
En cada prueba del experimento slo son posiblesdos
resultados:xitoyfracaso.
Laprobabilidad de xito es constante, es decir, que no
vara de una prueba a otra. Se representa por
laprobabilidad

de

fracasotambin

representa por q = 1 p

esconstante,

p,
y

Distribucin Binomial
Lavariable aleatoria binomial,X, expresa elnmero de
xitos obtenidosen lasnpruebas. Por tanto, los
valores que puede tomarXson:0, 1, 2, 3, 4, ..., n.
Ladistribucin binomialse expresa porB(n, p)

Clculo de probabilidades en una distribucin

binomial

Donde:
nes el nmero de pruebas.
kes el nmero de xitos.
pes la probabilidad de xito.
qes la probabilidad de fracaso.
El nmero combinatorio

Ejemplo
La ltima novela de un autor ha tenido un gran xito, hasta el
punto de que el 80% de los lectores ya la han ledo. Un grupo
de 4 amigos son aficionados a la lectura, Cul es la
probabilidad de que en el grupo, hayan ledo la novela 2
personas?

Datos
n = 4
p = 0.8
q = 0.2
K=2
B(4, 0.8)

Solucin
Sabemos:

=0.1536
Existe una probabilidad del 0.1536

Parmetros de la distribucin binomial

Media

Varianza

Desviacin tpica

Ejemplo
La probabilidad de que un artculo producido por una
fabrica sea defectuoso es 0.02. Se envi un cargamento
de 10.000 artculos a unos almacenes. Hallar el nmero
esperado de artculos defectuosos, la varianza y la
desviacin tpica.
Solucin:
n = 10 000
p = 0.02

q = 0.98

Solucin
Nmero de artculos defectuosos:
1)

2) Varianza

10 000(0.98)(0.02)
= 196

Solucin
Desviacin

Tpica

Distribucin Hipergeomtrica

Un experimento hipergeomtrico consiste en escoger

una muestra al azar de tamao n, uno a continuacin
del otro y sin reposicin de un conjunto de N
elementos, que tiene A elementos designados como
xitos y con N-A elementos designados como fracasos.
Ladistribucin Hipergeomtrica se expresa porH(N, A,
n)

Clculo de Probabilidades en una Distribucin

Hipergeomtrica

Donde:
N = Total de la poblacin
A = N xitos de la poblacin
n = tamao de la muestra
k = xito de la muestra

Ejemplo:
Supngase que en una semana se fabrican 50 chips de
computadoras. Operan 40 sin problemas y 10 tuvieron
al menos un defecto. Si se selecciona una muestra
aleatoriamente de 5 chips, cul ser la probabilidad de
que 3 de los 5 chips funcionen perfectamente?

Solucin
Datos:

N= 50
A= 40
n= 5
k=3
Luego

Solucin

La probabilidad de que 3 de los 5 chips funcionen

perfectamente es del 20.18 %.

Distribucin de Poison
La distribucin de Poison es una distribucin

de

probabilidad discreta que expresa, a partir de una

frecuencia de ocurrencia media, la probabilidad que ocurra
un determinado nmero de eventos durante cierto periodo
de tiempo. La distribucin de poison se utiliza

en

situaciones donde los sucesos son impredecibles, en otras

palabras no se sabe el total de posibles resultados.

Distribucin de Poison
Esta
probabilidad es muy til cuando la muestra es grande y
la probabilidad de xito p es pequea.
Ejemplos que pueden ser modelados por

la distribucin

Poison son:
La llegada de un cliente al negocio durante una hora.
Las llamadas telefnicas que se reciben en un da.
Nmero de bacterias en un volumen de un de agua.
Nmero de accidentes de trabajo que ocurren en una
fbrica durante una semana.

Distribucin de Poison
La distribucin Poison su funcin de probabilidad es:

Donde :
P(X=k) = es la probabilidad de ocurrencia cuando la
variable discreta toma un valor finito k
k = nmero de xitos por unidad
= lambda es la ocurrencia promedio por unidad (tiempo,
reas, volumen, etc. )
e = tiene un valor aproximado 2.71828

Medidas de Resumen
Valor

esperado o Media
E(X) =

Varianza
V(x) =

Desviacin estndar

Ejemplo:
Suponga que llegan en forma aleatoria de una serie de
llamadas a una central telefnica con un promedio de 3
llamadas en intervalo de un minuto. Calcule la
probabilidad de que en cualquier periodo de un minuto
no ocurra llamada alguna.

Datos:
k = 0
=3

Solucin
a) Datos:
k = 0
=3
Luego:

La probabilidad de que en cualquier periodo de un

minuto no ocurra llamada alguna es del 4.98 %

Distribuciones de probabilidad de variables

aleatorias continuas
Distribucin

Normal
Se dice que una variable aleatoria continua X, tiene una
distribucin normal, si su funcin de densidad est dada
por:

Donde

, ,

Donde

2.71828

La media y la varianza
La media

Varianza
Var (x)=
Desviacin tpica

Representacin grafica
Campana de Gauss
Unadistribucin normaldemedia ydesviacin tpica se
designa porN(, ). Su grfica es lacampana de Gauss:

El readel recinto determinado por la funcin y el eje de

abscisases igual a la unidad.

Distribucin normal estndar

Ladistribucin normal estndar, o tipificada o reducida,es
aquella

que

tiene

pormediael

pordesviacin tpica la unidad, =1.

valorcero,

=0,

N(0,1)

La probabilidad de la variable X depender del rea del

recinto sombreado
utilizaremos una tabla

en

la figura. Y para calcularla

Tipificacin de la variable
Para
poder utilizar la tabla tenemos que transformar la
variable X , que sigue una distribucin N(, ), en otra
variable Z , que siga una distribucin N(0, 1).

Clculo de probabilidades en distribuciones

normales
La
tabla nos da las probabilidades de P(z k), siendo z
la variable tipificada. Estas probabilidades nos dan la
funcin de distribucin (k).

Bsqueda en la tabla de valor de k

Unidades y dcimas en la columna de la izquierda.

Centsimas en la fila de arriba.

rea a la izquierda del punto a

b) () = 1- ()
rea
a la derecha del punto a

c) () = 1- ()
rea a la izquierda del punto a.

 d) (Z ) = ()
rea a la derecha de a

Clculos
Los clculos con una determinada distribucin se
trasladan a la N(0,1) mediante una estandarizacin

Ejemplos:
Una
empresa instala en una ciudad 20.000 bombillas
para su iluminacin. La duracin de una bombilla sigue
una distribucin normal con media 302 das y desviacin
tpica 40 das. Calcular. a) Cuntas bombillas es de
esperar que se fundan antes de 365 das? Cuntas
durarn ms de 400 das?
solucin
Datos:
a= 365
302

Solucin

1.575)

Distribucin T student
Muchas veces los tamaos de las muestras son muy
pequeos,

frecuentemente

no

desviacin estndar de la poblacin.

conocemos

la

Cuando estos

problemas ocurren, en estadstica se recurre a una

distribucin conocida como la t de student.

La distribucin t de student se puede usar cuando

cualquiera
de las siguientes condiciones se cumplen:
a) La distribucin de la poblacin es normal
b) La distribucin de la muestra es simtrica, unimodal,
sin puntos dispersos y alejados, adems el tamao
de la muestra es de 15 o menos
c) El tamao de la muestra es mayor de 30, sin puntos
dispersos (aunque en este caso tambin se puede
usar la distribucin normal).

Distribucin t de student

Sea
la frmula:

Donde:
x = media
de la poblacin
s = desviacin estndar
n = tamao de la muestra