Teoría Probabilística

Academia de probabilidad y estadística

TEORIA PROBABILISTICA
ESPACIO MUESTRAL
EXPERIMENTO: Un (S): El conjunto
experimento es el integrado por todos los
proceso mediante el resultados posibles de
cual se obtiene una un experimento,
observación.
EVENTO: Un evento es
EXPERIMENTO uno o más de los
ALEATORIO: Un posibles resultados de
experimento es un experimento.
aleatorio cuando sus
resultados no son Cuando el evento
posibles de predecir consta de un sólo
antes de su realización posible resultado recibe
y, por lo tanto, están el nombre de “evento
sujetos al azar. simple”, pero si está
integrado por dos o más
se llama “evento
compuesto”.
TEORIA PROBABILISTICA
Probabilidad De Un Evento
La probabilidad de que ocurra un evento se define como la
frecuencia relativa con la que puede esperarse que ocurra un evento.
Existen tres maneras para calcular la probabilidad de un evento:
a) Planteamiento clásico. Probabilidad de que ocurra un evento es el
resultado de dividir el número de resultados posibles (para el evento
deseado) entre el numero total de resultados posibles
Simbólicamente:
P(A)= n(A)
n(S)
Considere el experimento del lanzamiento de una moneda, calcular la
probabilidad de obtener una cara en un solo lanzamiento utilizando el
planteamiento clásico.
S =  Cara, Cruz 

Sea A  cara 
n(S)=2
n ( A ) = 1, por lo tanto

1 # resultados posibles para cara

P( A)  ; # resultados totales en el lazamiento
2
 TEORIA PROBABILISTICA
b) Planteamiento de frecuencia relativa: La fracción de veces que
un evento se presenta a la larga, cuando las condiciones son
estables.

Suponga que una compañía de seguros sabe, por la información

obtenida de los datos actuariales registrados, que de los hombres de
40 años de edad, 60 de cada 100 000 morirán en un período de un
año. Utilizando el método de frecuencia relativa estime la
probabilidad de muerte de ese grupo de edad en particular.
Sea S = Hombres que mueren en un periodo de un año, entonces,
n ( S ) =100 000
Sea D = hombres de 40 años de edad que murieron en un período
de un año,
entonces, n ( D ) = 60
Probabilidad de muerte de este grupo de edad = 60 ó 0.0006
100000
 TEORIA PROBABILISTICA

c) Planteamiento subjetivo: probabilidad subjetiva se define

como la probabilidad asignada a un evento por parte de un
individuo, basada en la evidencia que se tenga disponible.
 TEORIA PROBABILISTICA

Reglas De Probabilidad
Para poder calcular probabilidades de eventos es
necesario conocer algunas reglas:
1.- La probabilidad del espacio muestral es igual a UNO.
P(S)=1
2.- La probabilidad de un evento se encuentra entre 0 y
1: Si el evento no puede ocurrir su probabilidad es de 0,
pero si ocurre siempre su probabilidad es igual a 1.
0P(A)1
TEORIA PROBABILISTICA

3.- La probabilidad de un evento es igual a la suma de las

probabilidades de sus posibles resultados.
P ( A )=Σ P ( E )
4.- El evento complemento de evento A, es aquél que posee
todos los resultados del espacio muestral que no
pertenecen al evento A.
Simbólicamente se representa:
P ( A´) = P ( S ) - P ( A ) = 1 - P ( A )

5.- Probabilidad de que ocurra un evento

Número de resultados posibles del evento n( A)
P( A)  
Número de resultados totales n( S )
6. Se dice que dos eventos son mutuamente
excluyentes si uno y sólo uno de ellos puede tener
lugar en un mismo tiempo. Es decir no pueden 9/3/2019
suceder ambos al mismo tiempo.
P(AoB)=P(AUB)=P(A)+P(B)

7. Sean los eventos A y B mutuamente no

excluyentes y subconjuntos de un mismo espacio
muestral S, entonces, la probabilidad de que
ocurra el evento A o el evento B es:
P(AUB)=P(A)+P(B)-P(AB)
8. Sean A y B dos eventos estadísticamente
dependientes, entonces, la probabilidad condicional

9/3/2019
de A dado B, denotada por:

P A B 
P( A | B) 
P B 
Donde:
P ( A / B ) = Probabilidad de que ocurra el segundo
evento A, dado que el primer evento B ya ocurrió.
P (A  B ) = Probabilidad (CONJUNTA) de que ocurra
A y B.
P ( B ) = Probabilidad (MARGINAL) de que ocurra el
primer evento B

Nota: los eventos dependientes los puedes encontrar

como eventos sin remplazo.
 9/3/2019
9. Eventos independientes: Dos eventos son
independientes si P( A | B ) = P ( A ), aquí se observa
que aunque B ya ocurrió, la probabilidad A es la misma, no
se ve afectada por el resultado anterior.

Nota: los eventos independientes los puedes

encontrar como eventos con remplazo.

10. Regla multiplicativa: La probabilidad de que dos o

más eventos se presenten juntos o en sucesión es el
producto de sus probabilidades. Matemáticamente se
escribe como:
E. Independientes: P (A  B) = P (A)*P(B)
E. Dependientes: P(A  B) = P(A|B )*P(B) ó
= P(B| A)*P(A)
9/3/2019
9/3/2019
Para la resolución de problemas
debes:

• Leer claramente el texto,

1

• Escribir en notación de conjuntos la

2 información y la pregunta.

• Seleccionar el axioma o regla de

probabilidad + herramienta (tabla,
3 diagrama de Venn o diagrama de árbol.

• Aplicar y contestar
4

03/09/2019
 ¿Qué axiomas utilizarías?
• A menudo los procedimientos estadísticos se utilizan para
control de calidad. A veces, el peso de un producto es una
variable importante que hay que controlar. Se dan
especificaciones de peso para ciertos productos empacados, y
si un paquete está muy ligero o muy pesado se rechaza. Los
datos históricos sugieren que 0.95 es la probabilidad de que el
producto cumpla con las especificaciones de peso; mientras
que 0.002 es la probabilidad de que el producto esté muy
ligero.
• ¿Cuál es la probabilidad de que un paquete elegido
aleatoriamente de la línea de producción esté muy pesado?
• ¿Cuál es la probabilidad de que un paquete elegido
aleatoriamente de la línea de producción esté muy pesado o
muy ligero?
• Considerando que los paquetes “defectuosos” se rechazan y
pierden todo su valor, ¿cuál es la probabilidad de no ser
rechazado?
 Ejercicio
La probabilidad de que un hombre compre un producto de
perfumería en un centro comercial es de 0.40 y la probabilidad
de una mujer lo compre es de 0.50. La probabilidad de que el
hombre compre y su esposa también lo haga es de 0.30.
• Elabora una tabla de probabilidades, encuentra la
probabilidad de que:
• El hombre no lo compre
• La mujer no lo compre
• El hombre y su mujer no lo compren
• El hombre lo compre y su mujer no.
• El hombre no lo compre pero su mujer sí.
• El hombre lo compre dado que su mujer no.
• El hombre no lo compre dado que su mujer sí.
• Lo compre el hombre ó la mujer.
H: el hombre lo compra
M: la mujer lo compra
Variable A Suma de
las filas

H H’
V
a
r
M
i
a
b
l
e M’
B

Suma de
columnas 1
 Independencia y probabilidad conjunta
La probabilidad de que dos o más eventos independientes se
presenten juntos o en sucesión es el producto de sus
probabilidades marginales (totales) .

P(AB)=P(A)P(B)
EJEMPLO
Se lanzan una moneda dos
veces, ¿Cuál es la probabilidad
de obtener dos caras ?.
Sea el evento C1= Obtener el
evento cara en el primer
lanzamiento, P(C1)=0.5
C2= Obtener el evento cara en el
segundo lanzamiento, P(C2)=0.5
Por lo tanto:
P ( C1  C2 ) = P(C1)
P(C2)=(0.5) (0.5)=0.25
Probabilidad Bajo Condiciones De Dependencia Estadística
Sean A y B dos eventos estadísticamente dependientes, entonces, la
probabilidad condicionalde A dado B, denotada por

9/3/2019
 9/3/2019
Probabilidad con diagramas de árbol
Los eventos conjuntos o compuestos
se puede realizar un diagrama de
árbol y cada resultado viene dado
por un camino en dicho árbol.

Para calcular una probabilidad sólo

hay que dibujar el camino
correspondiente, y el producto de las
probabilidades de todas las ramas
que lo forman será el valor que
buscamos.
Ejemplo para eventos dependientes:
De 12 cuentas que están en un archivo
cuatro contienen un error de
procedimiento en su elaboración de
saldos.
a) Si un auditor selecciona una cuenta
el azar ¿Cuál es la probabilidad de
que contenga un error de
procedimiento?
b) Si un auditor selecciona 2 cuentas al
azar ¿Cuál es la probabilidad de que
ninguna de las cuentas posean error
de procedimiento?
 El hecho de que una propuesta para donación se financie con
frecuencia depende de los críticos. Suponga que un grupo de
propuestas de investigación fue evaluado por un grupo de
expertos en cuanto a si las propuestas merecían ser financiadas.
Cuando estas mismas propuestas fueron enviadas a un segundo
grupo independiente de expertos, la decisión para financiar se
invirtió en 30% de los casos. Si la probabilidad es 0.2 de que una
propuesta sea juzgada por el primer grupo de asesores de
revisiones como digna de ser financiada, ¿cuáles son las
probabilidades de estos eventos?
• a. Una propuesta digna es aprobada por un grupo
• b. Una propuesta digna es desaprobada por ambos grupos.
 TEOREMA DE BAYES
• El origen del concepto de la obtención de
probabilidades posteriores con información
limitada se atribuye al reverendo Thomas Bayes
(1702 - 1761).
• Éste teorema ofrece un método estadístico
poderoso para evaluar nueva información y revisar
anteriores estimaciones de la probabilidad de que
las cosas se encuentren en un estado o en otro.
• La fórmula básica para la probabilidad
condicional en circunstancias de
dependencia se conoce como Teorema de
Bayes .
 Ejemplo 1
En una fábrica de armado de computadoras, 65% cuentan con
procesadores Intel, 33% con procesadores AMD y sólo 2% con
procesadores Xiryx. El porcentaje de computadoras Intel
defectuosas es de 2.5%, el de AMD es de 4% y el de Xiryx es
de 5%. Si se toma una computadora al azar

¿Cuál es la probabilidad de seleccionar una

computadora que cuente con procesador Intel y
qué este defectuosa?
¿Cuál es la probabilidad de que sea defectuosa?
Si la computadora seleccionada no es
defectuosa, ¿cuál es la probabilidad de que
tenga un procesador AMD?
 Con Diagrama de árbol
• P(D|Intel)=0.025 P(I) * P( D / I )  P( I  D)  0.016
• P(D’|Intel)=0.975
P(Intel)=0.65 P(I) * P( D' / I )  P( I  D' )  0.634

• P(D|AMD)=0.04 P(AMD) * P( D / AMD)  P( AMD  D)  0.0132

• P(D’|AMD)=0.96
P(AMD)=0.33 P( AMD  D' )  0.317

• P(D|Xiryx)=0.05 P( X  D)  0.001
P(Xiryx)=0.02 • P(D’|Xiryx)=0.95 P( X  D' )  0.019

P( D)  P( I  D)  P( AMD  D)  P( X  D)  0.0302
P( D' )  P( I  D' )  P( AMD  D' )  P( X  D' )  0.9698
 ¿Cuál es la probabilidad de seleccionar una computadora que
cuente con procesador Intel y qué este defectuosa?

9/3/2019
P( I  D)  0.016
 ¿Cuál es la probabilidad de que sea defectuosa?

P( D)  P( I  D)  P( AMD  D)  P( X  D)  0.0302
 Si la computadora seleccionada no es defectuosa, ¿cuál es la
probabilidad de que tenga un procesador AMD?

P( AMD  D' )
P( AMD / D' )   0.327
P( D' )
 EJEMPLO 2
La textilera “Ecotexa”, compra un cargamento
de telas de tres casas proveedoras.
Un 30% de las telas se adquieren en “Casa
Ochoa”, 20% a “Casa Textil del Sur”, y el 50%
sobrante a “Tijuanatex”.
Ecotexa posee información de las tres casas y
sabe que el porcentaje de mercancía
defectuosa es: 3% de “Casa Ochoa”, 5% de
“Casa Textiles del sur”, y 4% de “Tijuanatex” .

Al llegar a bodega se toma un paquete de telas

que resulta ser defectuosa. ¿Cuál es la
probabilidad de que esta mercancía sea de
“Casa Ochoa”?
Los eventos mutuamente excluyentes y su probabilidad son:
A1: Mercancía comprada en “casa Ochoa”: P(A1)=0.30
A2: Mercancía comprada en “casa Textil del Sur” P(A2)=0.20
A3: Mercancía comprada en “Tijuanatex”: P(A3)=0.50
 PROBABILIDAD
P(AK) P(D/AK) CONJUNTA
P(A∩D)
P(D/A1) = 0.03 P(A1) * P( D / A1 )  P( A1  D)  0.009

P(A1)= 0.30
P(D’/A1) = 0.97

P(D/A2) = 0.05 P(A 2 ) * P( D / A2 )  P( A2  D)  0.01

P(A2)= 0.20
P(D’/A2) = 0.95

P(D/A3) = 0.04 P(A 3 ) * P( D / A3 )  P( A3  D)  0.02

P(A3)= 0.50
P(D’/A3) = 0.96

D= DEFECTUOSAS P(D)= 0.009+0.01+0.02 = 0.039

 Al llegar a bodega se toma un paquete de telas que
resulta ser defectuosa. ¿Cuál es la probabilidad de que
esta mercancía sea de “Casa Ochoa”?
¿P(Casa Ochoa/Defectuosa)?

P Ak PB Ak 
P( Ak / B) 
P A1 PB A1   P A2 PB A2     P An PB An 

P(A1)*P(D/A1) 0.009
P(Ak/D) = = 0.23
P(D) 0.009+0.01+0.02

• La probabilidad de que la mercancía sea

de “Casa Ochoa es de 0.23
 Teorema de Bayes
Sean A1, A2, ... Ak eventos mutuamente excluyentes tales que cualquier evento “B”
en el espacio muestral pertenece a uno y sólo a uno de estos evento.

Entonces la probabilidad de que ocurra cualquier evento Ak dado que ha ocurrido el

evento “B” se calculará por la siguiente fórmula:
P Ak  B
Donde: P Ak B 
P B
El numerador es la probabilidad conjunta:
P Ak  B  P Ak  P B Ak 
El denominador es la probabilidad marginal de que ocurra el evento “B”
PB   P A1 PB A1   P A2 PB A2     P Ak PB Ak 
Por lo tanto, sustituyendo la fórmula de probabilidad condicional:

P ( Ak / B ) = P Ak  P B Ak 
P A1  P B A1   P A2  P B A2   P An  P B An 
 EJEMPLO 3

• Una compañía vende dos productos A y B 65%

de sus ventas es del producto A, y 35% del B.
De las ventas del A se tiene 80% de
satisfacción del cliente, mientras que del B sólo
65% .

• Si llama un cliente insatisfecho, ¿Cuál es la

probabilidad de que el producto adquirido haya
sido el producto A?
 TEORÍA PROBABILÍSTICA

1.La probabilidad del espacio muestral es igual a 1. P ( S ) = 1

2. La probabilidad de un evento se encuentra entre 0 y 1: 0  P ( A )  1
3. Si se suman las probabilidades de cada uno de los eventos que conforman el espacio
muestral, la probabilidad total es igual a 1 : ∑p(A1) =1

4. El evento complemento de evento A, es aquél que posee todos los resultados del espacio
muestral que no pertenecen al evento A: P ( A ´) = P ( S ) - P ( A ) = 1 - P ( A )
n( A)
5. Probabilidad clásica de un evento = número de resultados posibles del evento = p( A) 
número total de resultados posibles n( S )
6. Eventos Mutuamente Excluyentes P ( A U B ) = P ( A ) + P ( B )
7. Eventos Mutuamente NO Excluyentes P ( A U B ) = P ( A ) + P ( B ) - P ( A  B )
8. Dos eventos son independientes si se cumple P( A / B ) = P ( A ) o P( B / A ) = P(B)
9. Probabilidad bajo condiciones de independencia Estadística: P(A∩B)= P(A)*P(B) ó
P(B)*P(A)
10. Probabilidad Bajo Condiciones De Dependencia Estadística: P(A∩B)= P(A|B)*P(B) ó
P(B|A)*P(A)
11.Teorema de Bayes P(Ak/B) = P(Ak∩B) entre p(total de B) o
P A B 
p( A B) 
P B 
P Ak PB Ak 
P( Ak / B)  P A B 
P A1 PB A1   P A2 PB A2     P An PB An  p ( B A) 
P  A