PROBABILIDAD Y ESTADISTICA

GUSTAVO UATE
ANDRS BETANCOURT
DIEGO ANDRES ROJAS ROA
DIEGO ALEJANDRO SERRANO BUSTAMANTE
OSCAR DAVID SERRANO BUSTAMANTE

CORPORACIN UNIVERSITARIA REPUBLICANA

FALCULTAD DE DERECHO
REA: MATEMTICAS
BOGOTA
2015

PROBABILIDAD Y ESTADISTICA

GUSTAVO UATE
ANDRS BETANCOURT
DIEGO ANDRS ROJAS ROA
DIEGO ALEJANDRO SERRANO BUSTAMANTE
OSCAR DAVID SERRANO BUSTAMANTE

TRABAJO INFORMATIVO DE ESTADISTICA Y PROBABILIDAD PARA ADQUIRIR

HABILIDADES EN LA
SOLUCION DE PROBLEMAS

LAUREANO SEVALLOS TRIANA

CORPORACIN UNIVERSITARIA REPUBLICANA

FACULTAD DE CIENCIAS
REA: MATEMTICAS
BOGOTA
2015

CONTENIDO
Pg.

GLOSARIO

RESMEN

OBJETIVOS
GENERAL

ESPECFICO

INTRODUCCIN

10

1. REGLA GENERAL DE LA SUMA

11

2. REGLA GENERAL DE LA COMPLEMENTACIN

15

2.1 PROBABILIDAD DE UN COMPLEMENTO DE UN SUCESO

15

3. PROBABILIDAD CONDICIONAL

16

3.1 REGLA DEL PRODUCTO

4. EVENTOS INDEPENDIENTES

18

5. EJERCICIOS APLICATIVOS

20

BIBLIOGRAFA

GRAFICAS
Pg.

Grfica 1.

Experimento de Mendel

11

Grfica 2.

Regla de la Suma

12

Grfica 3.

. Regla de la Suma

15

Grfica 4.
.

Regla de Complementacin

15

GLOSARIO

DIAGRRAMA DE VENN: un es una representacin grfica, normalmente valos o

crculos, que nos muestra las relaciones existentes entre los conjuntos. Cada
valo o crculo es un conjunto diferente.
EVENTOS: es una coleccin particular de resultados. Los eventos usualmente son
descritos usando una caracterstica comn de los resultados.
EVENTO COMPUESTO: es un evento con ms de un resultado. Por ejemplo,
lanzar un dado de 6 lados y sacar un nmero par: 2, 4, y 6.
EVENTOS DISYUNTOS O EXCLUYENTES: son aquellos eventos que no pueden
ocurrir al mismo tiempo.
EVENTOS INDEPENDIENTES: Dos eventos son independientes si el resultado
del segundo evento no es afectado por el resultado del primer evento.
EVENTO SIMPLE: es un evento con un solo resultado. Sacar un 1 sera un
evento simple, porque existe slo un resultado que funciona: 1. Sacar ms que 5
tambin sera un evento simple, porque el evento incluye slo al 6 como un
resultado vlido.
EXPERIMENTO: una accin aleatoria o serie de acciones
INTERSECCIN DE SUCESOS: la interseccin de sucesos, A
suceso formado por todos los elementos que son, a la vez, de A y B.

B, es el

PROBABILIDAD CONDICIONAL: se llama probabilidad condicional y se denota

por P(A/B) que por lo general se lee como probabilidad de que "ocurra B dado
que ocurri A
RESULTADO: es la consecuencia de un experimento

TRASLAPE: cubrir, parcial o totalmente, una espacio con otro.

UNION DE SUCESOS: La unin de sucesos, A

todos los elementos de A y de B.

B, es el suceso formado por

RESUMEN

EVENTOS EXCLUYENTES
UNION DE PROBABILIADES
INTERSECCION DE PROBABILIDADES
REGLA GENERAL DE LA SUMA
REGLA GENERAL DE LA COMPLEMENTACION
PROBABILIAD CONDICIONAL
EVENTOS INDEPENDIENTES
EJERCICIOS

OBJETIVO GENERAL
Proporcionar algunos conceptos bsicos en la probabilidad y estadstica para
generar herramientas que permitan dar solucin a problemas de aplicacin; que
faciliten la informacin, y poder tener una correcta interpretacin de los mismos.

OBJETIVOS ESPECFICOS

Utilizar correctamente los datos estadsticos para encontrar la informacin

requerida y procesar los datos

Valorar el trabajo en equipo

Comprender la importancia del uso de datos estadsticos para proyectos

investigativos.

Aprender a representar los datos en diagramas y grficas que faciliten la

interpretacin de los resultados obtenidos.

Sintetizar algunos conceptos de la Teora de Conjuntos para especificar

relaciones y operaciones entre sucesos.

Desarrollar modelos matemticos adaptados a investigaciones que

presentan cierto grado de incertidumbre.

Analizar correctamente la informacin obtenida a travs de la

interpretaciones estadsticas para establecer criterios que, mejoren la
calidad de vida

INTRODUCCIN

El principio de incertidumbre ha preocupado al hombre desde tiempos remotos, es

por eso que nace la teora de probabilidades facilitndole al ser humano analizar
todos estos clculos relacionados con algo que no se puede predecir tan
fcilmente. Estos enigmas conllevaron a dar inicio a grandes teoremas
relacionados con dichos conceptos; entre ellos el teorema de la suma y el
teorema de la probabilidad condicionada, ideados por Bernoulli (1654-1705) los
cuales fueron formalizados por el gran matemtico Bayes. Estas nociones nacen,
gracias a las inquietudes del hombre por predecir eventos futuros y acciones al
azar. Esto en su poca como una herramienta utilizada por los aristocrticos para
ganar los juegos y pasatiempos propios de la poca.
De la misma manera al pasar el tiempo y gracias a las tecnologas estos clculos
se han facilitado y le han permitido al individuo ampliar sus conocimientos y
niveles de accin al estudiar casos posibles, casos favorables, experimentos,
anlisis de datos, etc. que conllevan a dar gran informacin til en determinado
campo cientfico.
Sin embargo en el contexto cotidiano se presentan situaciones que involucran
tales paradigmas, pero no suelen ser un estudio primordial educativo que oriente
la necesidad de reforzar la formacin del razonamiento probabilstico y en la vida
diaria, las situaciones aleatorias son ms complejas que los problemas escolares
presentados en la enseanza de la probabilidad.

10

1. REGLA GENERAL DE LA SUMA

En algunos problemas es necesario considerar la probabilidad de que ocurra un
suceso A o un suceso B (o de que ambos ocurran) como nico resultado de un
procedimiento. Esto se representa con la expresin: P(A B).
Para calcular la probabilidad de que ocurra un suceso A o un suceso B ocurra, se
calcula el nmero total de formas en que A pueda ocurrir y el nmero de formas
en que B pueda ocurrir, pero de tal forma que ningn resultado se cuente ms de
una vez.
El siguiente ejemplo que se denomina experimento de Mendel
anteriormente expuesto:
Grfica 1

11

ilustra lo

Ejemplo 1.
Qu probabilidad hay de seleccionar un chcharo al azar con una vaina verde o
una flor morada?
Para dar solucin a este interrogante se debe
siguientes probabilidades:

entonces tener

presente las

P (vaina verde o flor morada)

P (vaina verde) + P (flor morada)
P (vaina verde y flor morada).
8 9
5 12 6
+ = =
14 14 14 14 7

Un mtodo para determinar el resultado en un problema como estos, consiste en

combinar el nmero de formas en que suceda A con el nmero de formas que
sucede B y si hay un traslape entre ambos conjuntos, se resta el nmero de
resultados que se contaron dos veces. Esto se representa de la siguiente manera:
P (A B) = P(A) +P (B) P(A y B) o P (A U B) = P(A) +P (B) P(A B)
Grfica 2.

12

Ejemplo 2:
Un dado legal es lanzado dos veces. Cul es la probabilidad de obtener un seis
en alguno de los dos lanzamientos?
Solucin.
S= {1 , 2,3, 4,5 , 6 }
P ( A )=

1
6

P( B)=

1
6

P (AB) =

N(S)= 6

1
6

P (A B) = P (A). P (B)
P(A B) =

1 1
.
6 6

1
= 36

Entonces:
P (A U B) = P(A) +P (B) P(A B) =
1 1 1 ( 6+6 )+(1) 11
+ =
=
6 6 36
36
36

Ejemplo 3:
En una urna existen 10 bolas numeradas del 1 al 10. Qu probabilidad existe de
sacar en una sola extraccin una bola enumerada con un nmero par o con un
nmero primo?
Solucin:

13

Espacio muestral = R =

{ 1,2,3,4,5,6,7,8,9,10 } n(R)= 10

A= { 2 , 4,6, 8, 10 }
B= { 2 ,3, 5,7 }
(A U B) = { 2,3, 4,5, 6,7, 8 .10 }

n (E)= 8

Luego la probabilidad es:

P(A U B) =

P(A) =

5
10

P (B) =

4
10

P(A B) =

8
10

1
10

Por lo tanto se tiene que

P(A U B)= P(A)+P (B) - P(A B)
P(A U B)=

4 5 1
8 4
+ = =
10 10 10 10 5

Ejemplo 4:

14

En el lanzamiento de un dado, una vez determine si son mutuamente excluyentes

los siguientes eventos:
A: obtener un nmero impar
B: obtener un nmero par

Solucin:
Si

A= {1,3,5 }

B={ 2,4,6 }

A B =

por lo tanto A y B son

mutuamente excluyentes
El siguiente grfico ilustra el concepto para la regla general de la suma en
probabilidades:

Grfica 3.

2. REGLA GENERAL DE LA COMPLEMENTACIN

15

2.1 PROBABILIDAD DEL COMPLEMENTO DE UN SUCESO

Si P(A) es la probabilidad de que ocurra un evento A, entonces la probabilidad de
que NO ocurra A es P (A) = 1 - P(A) Esto se observa mejor en un diagrama de
Venn:
Grfica 4.

Ejemplo 1:
Probabilidad de A: sacar un trbol, al extraer una carta de un naipe de 52 cartas:
P(A) = 13/52 =
P (A) = Probabilidad de no sacar un trbol = 1 - P(A) = 1 - 13/52 = 1 - 1/4 =
Ejemplo 2:
Cul es la probabilidad de obtener 1, 2, 3, 4 cuando se arroja un dado comn?
En un problema de este tipo es mucho ms conveniente y acertado obtener
primero P(A), donde A es el evento de obtener los nmeros 5 6, que es 6, 2 en
este caso. Evidentemente, A representa el evento de no obtener un resultado de 5
6, en consecuencia:
2 62 4 2
1 =
= = . = 0.66 = 66%
6
6
6 3

3. PROBABILIDAD CONDICIONAL

16

La probabilidad de que un evento B ocurra cuando se sabe que ya ocurri un

evento A se llama probabilidad condicional y se denota por P(A/B) que por lo
general se lee como probabilidad de que "ocurra B dado que ocurri A". Esta
probabilidad se define como:

Ejemplo 1:
Considrese una urna que contiene 4 bolillas rojas y 5 blancas. De las 4 bolillas
rojas, 2 son lisas y 2 rayadas y de las 5 bolillas blancas, 4 son lisas y una sola es
rayada.
Supongamos que se extrae una bolilla y, sin que la hayamos mirado, alguien nos
dice que la bolilla es roja, cul es la probabilidad de que la bolilla sea rayada?
Sean los sucesos A: la bolilla es rayada y B: la bolilla es roja.
Obviamente, sin ninguna informacin previa, P(A)= 3/9=1/3 y P (B)=4/9.
Sin embargo, como sabemos que la bolilla es roja, la probabilidad de que sea
rayada es , ya que, de las rojas la mitad es lisa y la mitad rayada.
Por lo tanto:

P (AB) =

2
9 2 1
= =
4 4 2
9

Ejemplo 2:
Consideremos una poblacin en la que cada individuo es clasificado segn dos
criterios: es o no portador de HIV y pertenece o no a cierto grupo de riesgo que
denominaremos R. La correspondiente tabla de probabilidades es:
PORTADOR

NO

17

TOTAL

(A)
Pertenece a
R(B)
No pertenece a
R(B)

0.003

PORTADOR
(A)
0.017

0.020

0.003

0.977

0.980

0.006

0.994

1.000

En esta poblacin, la probabilidad de que un individuo sea portador es

P(A)=0.006 y la probabilidad de que sea portador y pertenezca al
Grupo de
riesgo R es P(A B)=0.003.
Dado que una persona seleccionada al azar pertenece al grupo de
Riesgo R, cul es la probabilidad de que sea portador?
P (A|B) =P(A B) P (B)=

0.003
=0.15
0.02

Es decir que 150 de cada 1000 individuos del grupo de riesgo R, son
probablemente portadores de HIV.
Igualmente en algunas ocasiones es til aplicar la Regla del Producto.
3.1 Regla Del Producto
Dados dos sucesos A y B, tales que P (B) > 0, se tiene que:
P(A B) = P (A|B) P (B) Si adems, P(A) > 0, entonces: P(A B) = P (B | A) P(A)
Ejemplo 3.
De una caja con 20 empaques, 5 de los cuales estn defectuosos se extraen dos
sin reemplazarlo, determine la probabilidad de que ambos empaques estn
defectuosos.

18

P(A B) = P (A|B) P (B) =

4. EVENTOS INDEPENDIENTES

Dos eventos son independientes si el resultado del segundo evento no es afectado

por el resultado del primer evento. Si A y B son eventos independientes,
la probabilidad de que ambos eventos ocurran es el producto de las
probabilidades de los eventos individuales.
P(A y B) = P(A) P (B)

Tambin se tiene que si dos sucesos son independientes se cumple que: P (A|B) =
P(A) y P (B|A) = P (B)
Ejemplo 1:
Una caja contiene 4 canicas rojas, 3 canicas verdes y 2 canicas azules. Una
canica es eliminada de la caja y luego reemplazada. Otra canica se saca de la
caja. Cul es la probabilidad de que la primera canica sea azul y la segunda
canica sea verde?
Ya que la primera canica es reemplazada, el tamao del espacio muestral (9) no
cambia de la primera sacada a la segunda as los eventos son independientes.
P (azul luego verde) = P (azul) P (verde)

Solucin

P(A) =
P (B)

2/ 9
3
9

19

Por lo tanto. P(A y B) = P(A) P (B)=

Ejemplo 2:

De una caja con 30 empaques, 5 de los cuales estn defectuosos, se extraen dos
con REEMPLAZO, determine la probabilidad de que ambos empaques extrados
estn defectuosos.
Solucin.

P(A) =

5
30

P (B) =

5
30

Entonces P(A y B) = P(A) P (B)

P(A y B) =

5
30

5
30

25
900

1
36

Ejemplo 3:
Se lanza una moneda normal tres veces. Cul es la probabilidad de sacar tres
sellos?
Solucin:
P (A) =

1
2

1
P (B) = 2

1
P (C) = 2

20

Por lo tanto:
P(A y B) = P(A) P (B) =

1
2

1
2

1
2

1
8

CONCLUSIONES

El uso de leyes o reglas de la probabilidad para calcular las probabilidades de

eventos compuestos no es tan directo como el hacerlo a travs de una lista de
puntos muestrales, como se puede apreciar en el artculo; adems, requiere de
experiencia y creatividad para expresar los eventos compuestos de una manera

21

que resulte sencilla para poder calcular la probabilidad de la unin, sumando los
puntos muestrales del evento de inters. Es de anotar que representar en un
diagrama de Venn dos conjuntos, no tiene cierto grado de dificultad pero no es
imposible.

BIBLIOGRAFA

LEHMANN, Charles H. Algebra. Editorial Limusa. Mxico: 1986

22

JACK R. Benjamn. Probabilidad y Estadstica en Ingeniera Civil. Mc. Graw

Hill. 1981

LPEZ CASUSO. Rafael.

Clculo de Probabilidades e inferencia
Estadstica. Con Tpicos de Econometra. Bogot cuarta Edicin. 2006
MOORE. David S. Estadstica Aplicada Bsica. Bogot Segunda Edicin
2205
EVANS. MICHAEL J. Jeffrey S. Rosenthal. Probabilidad y Estadstica. La
Ciencia de la Incertidumbre. Bogot 2005
.
MODE. Elmer B. Elementos de probabilidad y estadstica.
Editorial revert. 2012
CASTAEDA. BLANCO Liliana. Probabilidad. Universidad Nacional de
Colombia. Facultad de Ciencias. 2004
http://hotmath.com/hotmath_help/spanish/topics/independent-dependentevents.html
HORNSBY. HEEREN. Miller Matemticas. Razonamiento y Aplicaciones.
Decima Edicin. 2005

23