AO DE LA

CONSOLIDACIN
DEL MAR DE GRAU

UNIVERSIDAD NACIONAL DE PIURA

FACULTAD DE CIENCIAS CONTABLES
Y FINANCIERAS
TEMA:
PROBABILIDADES

INTEGRANTES:
ABAD ORDINOLA, Brenda Priscila
COTOS SULLN, Rosaura
RIVERA NEIRA, Amparo
SANTAMARIA FARROAN, Yovany
TALLEDO RETO, Alan
CURSO:
ESTADISTICA

PROFESOR:
ALFREDO SULLON LEON

201
INDICE
6
1

1.

PROBABILIDAD..................................................................................... 3

1.1 CONCEPTO:............................................................................................ 3
1.2 ESPACIO MUESTRAL:............................................................................. 4
1.3 SUCESO ALEATORIO:............................................................................. 5
2. TEOREMAS.............................................................................................. 6
2.1 TEOREMA DE ADICION:...........................................................................6
2.2 TEOREMA DE MULTIPLICACION:.............................................................7
3. TEOREMA DE BAYES.............................................................................. 12
4. BIBLIOGRAFA........................................................................................ 14

1. PROBABILIDAD.
1.1 CONCEPTO:

Es el conjunto de posibilidades de que un evento ocurra o no en un momento

y tiempo determinado. Dichos eventos pueden ser medibles a travs de
una escala de 0 a 1, donde el evento que no pueda ocurrir tiene una
probabilidad de 0 (evento imposible) y un evento que ocurra con certeza es de
1 (evento cierto).La probabilidad de que ocurra un evento, siendo sta una
medida de la posibilidad de que un suceso ocurra favorablemente.
ANLISIS COMBINATORIO
Factorial
La factorial est relacionada con el clculo del nmero de maneras en las que
un conjunto de cosas puede arreglarse en orden.
El nmero de maneras en el que las n cosas pueden arreglarse en orden es:

Donde n! se llama el factorial de n y 0! se define como 1

Permutaciones.
En muchos casos se necesita saber el nmero de formas en las que un
subconjunto de un grupo completo de cosas puede arreglarse en orden. Cada
posible arreglo es llamado permutacin. Si un orden es suficiente para construir
otro subconjunto, entonces se trata de permutaciones.
El nmero de maneras para arreglar r objetos seleccionados a la vez de n
objetos en orden, es decir, el nmero de permutaciones de n elementos
tomados r a la vez es:

Combinaciones
En muchas situaciones no interesa el orden de los resultados, sino slo el
nmero de maneras en las que objetos pueden seleccionarse a partir de n
cosas, sin consideracin de orden. Si dos subconjuntos se consideran iguales
debido a que simplemente se han reordenado los mismos elementos, entonces
se trata de combinaciones.
El nmero de maneras para arreglar r objetos seleccionados a la vez de n
objetos, sin considerar el orden, es decir, el nmero de combinaciones de n
elementos tomados r a la vez es:

Evento o Suceso
Es todo subconjunto de un espacio maestral. Se denotan con letras
maysculas: A, B, etc. Los resultados que forman parte de este evento
generalmente se conocen como "resultados favorables". Cada vez que se
observa un resultado favorable, se dice que "ocurri" un evento. Ejemplo: Sea
el experimento E: lanzar un dado. Un posible evento podra ser que salga
nmero par. Definimos el evento de la siguiente manera: A = sale nmero par =
(2, 4, 6(, resultados favorables n (E) = 3
Los eventos pueden ser:
Probabilidad emprica.- Si E es un evento que puede ocurrir cuando se
realiza un experimento, entonces la probabilidad emprica del evento E,
que a veces se le denomina definicin de frecuencia relativa de la
probabilidad, est dada por la siguiente frmula:

Probabilidad terica.- Si todos los resultados en un espacio maestral S

finito son igualmente probables, y E es un evento en ese espacio
maestral, entonces la probabilidad terica del evento E est dada por la
siguiente frmula, que a veces se le denomina la definicin clsica de la
probabilidad, expuesta por Pierre La place en su famosa Teora analtica
de la probabilidad publicada en 1812:
1.2 ESPACIO MUESTRAL:
Es el conjunto de todos los posibles resultados de una experiencia aleatoria, lo
representaremos por E (o bien por la letra griega ).
Por espacio muestral (tambin conocido como espacio de muestreo) se
entiende el grupo de todos los resultados especficos que se pueden obtener
tras una experimentacin de carcter aleatorio. A cada uno de
sus componentes se
los
define
como puntos
mustrales o,
simplemente, muestras.
Por citar un caso a modo de ejemplo concreto:
Si la prueba se basa en arrojar un dado, el espacio muestral estar constituido
por los puntos mustrales identificados como los nmeros 1, 2, 3, 4, 5 y 6, ya
que esos son los resultados posibles de la accin de tirar el dado. Por lo tanto,
se puede establecer que el espacio muestral del experimento es U = {1, 2, 3, 4,
5, 6}
Espacio muestral de una moneda:
4

E = {C, X}.
Espacio muestral de un dado:
E = {1, 2, 3, 4, 5, 6}.
1.3 SUCESO ALEATORIO:
Suceso aleatorio es cualquier subconjunto del espacio muestral.
Por ejemplo al tirar un dado un suceso sera que saliera par, otro, obtener
mltiplo de 3, y otro, sacar 5.
Ejemplos de espacios mustrales
Un alumno de contabilidad al tirar un dado un suceso sera que saliera par,
otro, obtener mltiplo de 3, y otro, sacar 5.
E = {(b,b,b); (b,b,n); (b,n,b); (n,b,b); (b,n,n); (n,b,n); (n,n ,b); (n, n,n)}
El suceso A = {extraer tres bolas del mismo color}.
A = {(b,b,b); (n, n,n)}
El suceso B = {extraer al menos una bola blanca}.
B= {(b,b,b); (b,b,n); (b,n,b); (n,b,b); (b,n,n); (n,b,n); (n,n ,b)}
El suceso C = {extraer una sola bola negra}.
C = {(b,b,n); (b,n,b); (n,b,b)}

2. TEOREMAS

2.1 TEOREMA DE ADICION:

O tambin llamado Teorema de Probabilidades Totales.
Si un acontecimiento puede producirse por la realizacin de un
acontecimiento A, o bien por la realizacin de un acontecimiento B, su
probabilidad es igual a la probabilidad de A ms la probabilidad de B menos la
probabilidad de que A y B se produzcan a la vez.
Simblicamente se escribe:
P ( A B )=P ( A ) + P ( B )P( A B)

Ejemplo: En el Curso de Financiera III se toma un examen. Qu probabilidad

existe de sacar una nota aprobatoria mltiplo de 2 o que sea una nota
aprobatoria mltiplo de 3?
Espacio muestral=S= { 0,1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20 }
A=Nota Aprobatoria multiplo de 2= {12,14,16,18,20 }
P ( A )=

5
21

B=Nota Aprobatoria multiplo de 3={ 12,15,18 }

P (B)=

3
21

P ( A B)=

2
21

P ( A B )=P ( A ) + P ( B )P( A B)
P ( A B )=

5 3
2
6 2
+ = =
21 21 21 21 7

En ciertos casos los acontecimientos A y B son incompatibles, es decir, no

pueden suceder simultneamente. Entonces:
P ( A B ) =0
Entonces;
P ( A B )=P ( A ) + P( B)

Ejemplo: En la clase de Contabilidad hay 13 grupos y se realizara un sorteo

para las exposiciones del trabajo final, Cul es la probabilidad de que mi
grupo salga entre los 3 primeros o los ltimos?
Espacio muestral=S= { 1,2,3,4,5,6,7,8,9,10,11,12,13 }
A=3 primeros={ 1,2,3 }
P ( A )=

3
13

B=ultimos={ 13 }
P (B)=

1
13

P ( A B )=P ( A ) + P ( B )
P ( A B )=

3 1
4
+ =
13 13 13

2.2 TEOREMA DE MULTIPLICACION:

El teorema de la multiplicacin de probabilidades era conocido por casi todos
los estudiosos a travs de clculos particulares. Sin embargo, fue Abraham De
Moivre (1667 1754) el primero que los enunci con autoridad. En la
introduccin a su obra Doctrina delas Posibilidades de 1711, De Moivre
present el importante concepto de independencia de sucesos aleatorios; as,
escribi: Diremos que dos sucesos son independientes, si uno de ellos no
tiene ninguna relacin con el otro y procedi a definir los sucesos
dependientes: Dos sucesos son dependientes si estn ligados el uno al otro y
la probabilidad de ocurrencia de uno de ellos influye en la probabilidad de
ocurrencia del otro.
El teorema de multiplicacin es un cierto tipo de identidad que es obedecida
por muchas funciones especiales relacionadas con la funcin gamma. Para el
caso explcito de la funcin gamma, la identidad es un producto de los valores,
de ah el nombre. Las diversas relaciones que todas estas identidades tienen
vienen del mismo principio subyacente, es decir, la relacin de una funcin
7

especial se puede derivar de la de las dems, y es simplemente una

manifestacin de la identidad misma de diferentes formas.
Funcin Gamma
La frmula de duplicacin y el teorema de multiplicacin de la funcin
gamma son los prototipos de ejemplos. La frmula de duplicacin de la funcin
gamma es

Es
tambin
comnmente
llamada frmula
de
duplicacin
de
Legendre o relacin de Legendre, en honor a Adrien-Marie Legendre. El
teorema de multiplicacin es

para enteros k 1, y suele ser conocido tambin como frmula de

multiplicacin de Gauss,2 en honor a Carl Friedrich Gauss. El teorema de
multiplicacin para las funciones gammas puede ser entendido como un caso
especial, para el carcter trivial, de la frmula de ChowlaSelberg.

Si A y B son eventos contenidos en el mismo espacio muestral S,

donde P(A) > 0 y P(B) >0, entonces P(A B) = P(A) P(B | A).
Ya vimos que la probabilidad condicional est definida por

Despejando P(A
B) se obtiene:
P(A B) = P(B) P(A | B)
En forma similar y partiendo de P(B | A) se llega a:
P(A B) = P(A) P(B | A)
Veamos el caso de tres eventos.
Sean los eventos A, B y C del mismo espacio muestral S, donde P(A) > 0, P(B)
> 0 y P(C) > 0.
Si tenemos P(A B C), aplicando la ley asociativa del lgebra de
conjuntos y la Regla de la Multiplicacin se obtiene
8

P(A B C) = P[A

(B C)] = P(B C) P(A | B C).

Aplicando nuevamente la Regla de Multiplicacin en P(B C) = P(C) P(B |

C) llegamos a P(A B C) = P(C) P(B | C) P(A | B C).
Cuando se tienen n eventos, la regla de multiplicacin queda:
P(A1 A2 . . . An) = P(A1) P(A2 | A1) P(A3 | A1 A2) . . .
P(An | A1 A2 . . . An-1)
Ejemplo 1: En un saln de clases de Contabilidad de la UNP contiene 25
carpetas, de los cuales 4 son defectuosos. Si se extraen 2 carpetas al azar,
encontrar la probabilidad de que los dos sean defectuosos.
Definimos los eventos:
A = {x | x la primera carpeta es extrado es defectuoso}
B = {x | x la segunda carpeta es extrado es defectuoso}
De acuerdo a estas definiciones, para la primera carpeta es extrado se
tiene que P(A) =

. Como ya se extrajo una carpeta

defectuoso, las

condiciones para extraer la segunda carpeta son que hay 24 carpetas, de los
cuales 3 son defectuosos, por lo que P(B | A) =

. Utilizando la Regla de

Multiplicacin tenemos:
P(A B) = P(A) P(B | A) =

= 0.02

Ejemplo 2: Se tiene una caja que contiene 4 calculadoras verdes y 6 rojas. Si

se extraen 2 calculadoras sin reemplazo Cul es la probabilidad de que la
primera sea roja y la segunda verde?
Solucin
Sean lo eventos:
C = {x | x la primera calculadora es roja}
D = {x | x la segunda calculadora es verde}

En total hay 10 calculadoras, por lo que para la primera calculadora que

se extrae se tiene que
. En el momento de extraer la segunda
calculadora hay 9 calculadora en la caja, de las cuales 4 son verdes, por lo
que

. Aplicando la Regla de multiplicacin queda:

.

Ejemplo 3: Doce docentes

de

la Universidad Nacional de Piura

(6

administradoras, 4 contadores y 2 economistas) realizan un paseo en un

pequeo autobs, al llegar a cierto lugar, bajan del autobs cuatro personas
una tras otra, determine la probabilidad de que; a. La primera y segunda
persona que bajen sean administradoras, el tercero sea un economista
ltimo baje un contador, b. Que baje un economista,
contador, luego otro economista

y por

luego un hombre

y por ltimo que baje una administradora, c.

Que baje una administradora, luego un contador, despus otra administradora

y por ltimo otro contador.
Solucin:
a.

M1 =

evento

de

que

baje

del

autobs

primero

una

administradora
M2 = evento de que baje en segundo lugar una administradora
N3 = evento de que baje en tercer lugar un economista.
H4 = evento de que baje en cuarto lugar un contador
P(M1 M2 N3 H4) = p(M1)p(M2 M1)p(N3 M1 M2)p(H4
M1 M2 N3) =
= (6/12)*(5/11)*(2/10)*(4/9)
= 240/11,880 = 0.0202
b.

N1 = evento de que baje en primer lugar un economista.

10

H2 = evento de que baje en segundo lugar un contador.

N3 = evento de que baje en tercer lugar un economista.
M4 = evento de que baje en cuarto lugar una administradora.
p(N1 H2 N3 M4) = p(N1)p(H2 N1)p(N3 N1 H2)p(M4 N1
H2 N3) =
= (2/12)*(4/11)*(1/10)*(6/9)
= 48/11,880
= 0.00404
c.

M1 = evento de que baje en primer lugar una administradora.

H2 = evento de que baje en segundo lugar un contador.
M3 = evento de que en tercer lugar baje una administradora.
H4 = evento de que en cuarto lugar baje un contador.

p(M1 H2 M3 H4) = p(M1)p(H2 M1)p(M3 M1 H2)p(H4 M1

H2 M3)
= (6/12)*(4/11)*(5/10)*(3/9)
= 360/11,880
= 0.0303

11

3. TEOREMA DE BAYES
El teorema de Bayes, en la teora de la probabilidad, es una proposicin
planteada por el filsofo ingls Thomas Bayes que en 1763, expresa
la probabilidad condicional de un evento aleatorio A dado B en trminos de la
distribucin de probabilidad condicional del evento B dado A y la distribucin de
probabilidad marginal de slo A.
En trminos ms generales y menos matemticos, el teorema de Bayes es de
enorme relevancia puesto que vincula la probabilidad de A dado B con la
probabilidad de B dado A.
Sea

un

conjunto

de

sucesos

mutuamente

excluyentes y exhaustivos, y tales que la probabilidad de cada uno de ellos es

distinta de cero (0). Sea B un suceso cualquiera del que se conocen las
probabilidades condicionales
. Entonces, la probabilidad
viene dada por la expresin:

12

Dnde:
son las probabilidades a priori.

es la probabilidad de

en la hiptesis

son las probabilidades a posteriori.

FRMULA DE BAYES
Con base en la definicin de Probabilidad condicionada, obtenemos la Frmula
de Bayes, tambin conocida como la Regla de Bayes:

Esta frmula nos permite calcular la probabilidad condicional

cualquiera de los eventos

, dado

. La frmula

de

"ha originado muchas

especulaciones filosficas y controversias".

EJEMPLO: El 20% de los empleados de una empresa son ingenieros y otro
20% son contadores. El 75% de los ingenieros ocupan un puesto directivo y el
50% de los contadores tambin, mientras que los no ingenieros y los no
contadores solamente el 20% ocupa un puesto directivo. Cul es la
probabilidad de que un empleado directivo elegido al azar sea ingeniero?

0.2

ingenieros

0.75

directivo

0.2

contadores

0.5

directivo

13

0.6

Otros

0.2

directivo

4. BIBLIOGRAFA
Teorema de Adicin:

http://marcel-mane.com/espanol/matematicas/
probabilidades.htm

Calculo%20de%20

Teorema de Multiplicacin:
https://es.wikipedia.org/wiki/Teorema_de_multiplicaci%C3%B3n
http://www.sites.upiicsa.ipn.mx/polilibros/z_basura/Polilibros/Probabilidad
/doc/Unidad%201/1.3.3.HTM
http://www.sites.upiicsa.ipn.mx/polilibros/z_basura/Polilibros/Probabilidad
/doc/Unidad%201/1.3.3.HTM
Concepto de Probabilidad:

14

http://www.monografias.com/trabajos95/conceptos-basicosprobabilidades-y-estadistica-inferencial/conceptos-basicosprobabilidades-y-estadistica-inferencial.shtml#ixzz3z2V0lE3X
https://es.wikipedia.org/wiki/Espacio_muestral#Ejemplos

Teorema de Bayes:

https://es.wikipedia.org/wiki/Teorema_de_Bayes
https://estadisticageneral.wordpress.com/ejercicios-resueltos/

15