Universidad Tecnológica de Panamá

Facultad de Ingeniería Industrial

Licenciatura en Ingeniería Industrial

Integrantes:
Ana Florez 8-886-118
Lya Gutiérrez 8-922-859
Alberto Botello 8-902-311
Elvia Berrocal 8-913-422

Grupo:
1II131

Tema:
Probabilidad

Profesor:
Raúl de Gracia

Fecha de entrega:
Viernes 29 junio, 2018
 A. PROPIEDADES DE LA PROBABILIDAD
La definición de probabilidad junto a la regla de la suma permite obtener importantes
propiedades para el cálculo de probabilidades.
● Propiedad 1: Para cualquier suceso A se tiene P(A) = 1 − P(A).
Demostración. Por definición de A (suceso contrario al suceso A), tenemos A = Ω \ A. De
aquí resulta AA = ∅. Como P(Ω) = 1, aplicando la regla de la suma concluimos que
1 = P(Ω) = P(A ∪ A) = P(A) + P(A).

● Propiedad 2: Si A ⊂ B, entonces P(A) ≤ P(B).

Demostración. Como A ⊂ B, tenemos B = A ∪ (B \ A). Los sucesos A y B\A son
incompatibles, y por la regla de la suma P(B) = P(A)+P(B\A) ≥ P(A).

● Propiedad 3: Para sucesos A y B arbitrarios vale la igualdad

P(A ∪ B) = P(A) + P(B) − P(A ∩ B). (5)
Demostración. Es claro que A = AB ∪ AB y B = AB ∪ AB. Como los sucesos en las dos
sumas anteriores son incompatibles, aplicando la regla de la suma, resulta
P(A) = P(AB) + P(AB), P(B) = P(AB) + P(AB)

Tenemos también A ∪ B = AB ∪ AB ∪ AB, donde a la derecha se suman tres sucesos

incompatibles dos a dos. Aplicando nuevamente la regla de la suma y sustituyendo,
resulta
P(A ∪ B) = P(AB) + P(A) − P(AB) + P(B) − P(AB) = P(A) + P(B) − P(A ∩ B), que es la
igualdad buscada.
Observación. Si los sucesos A y B son incompatibles, entonces P(AB) = 0, y de la formula
(5) se obtiene la igualdad ya conocida P(A ∪ B) = P(A) + P(B). Observación. En
forma análoga, no es difícil demostrar, que para tres sucesos A, B y C arbitrarios,
tiene lugar la igualdad
P(A ∪ B ∪ C) = P(A) + P(B) + P(C) − P(AB) − P(AC) − P(BC) + P(ABC)

Es posible también demostrar una formula general: para sucesos A1, . . . , An arbitrarios,
vale la igualdad
𝑛

𝑃(⋃𝑛𝑖=1 𝐴𝑖 ) =∑ 𝑃(𝐴𝑖 ) − ∑ 𝑃(𝐴𝑖 𝐴𝑗 ) + ∑ 𝑃(𝐴𝑖 𝐴𝑗 𝐴𝑘 ) − ⋯

𝑖=1 1≤𝑖≤𝑗≤𝑛 1≤𝑖≤𝑗≤𝑘≤𝑛
+ (−1)𝑛−1 𝑃(𝐴1 … 𝐴𝑛 ).

De aquí es posible obtener la desigualdad de Bonferroni:

𝑛

(⋃𝑛𝑖=1 𝐴𝑖 ) =∑ 𝑃(𝐴𝑖 ) − ∑ 𝑃(𝐴𝑖 𝐴𝑗 )

𝑖=1 1≤𝑖≤𝑗≤𝑛

● Propiedad 4: Dados n sucesos A1, . . . , An arbitrarios, tiene lugar la desigualdad

𝑛

𝑃(⋃𝑛𝑖=1 𝐴𝑖 ) ≤∑ 𝑃(𝐴𝑖 )
𝑖=1

Demostración.
Para n = 2 esta desigualdad se obtiene de (5). Para n > 2, es fácil obtener el resultado
anterior, mediante la aplicación sucesiva de la desigualdad
P(A ∪ B) ≤ P(A) + P(B).

● Propiedad 5: Sean A1, . . . , An sucesos incompatibles dos a dos, y los únicos

posibles . Entonces∑𝑛𝑖=1 𝑃(𝐴𝑖 ) = 1.
Demostración. Tenemos AiAj = ∅ cuando i ≠ j, para i, j = 1, . . . , n. Además
⋃𝑛𝑖=1 𝐴𝑖 = Ω. Como P(Ω) = 1, aplicando la regla de la suma obtenemos
𝑛

1 = 𝑃(Ω) = 𝑃(⋃𝑛𝑖=1 𝐴𝑖 ) =∑ 𝑃(𝐴𝑖 )

𝑖=1

Concluyendo la demostración.

B. CÁLCULO DE PROBABILIDADES BAJO CONDICIONES DE INDEPENDENCIA

DE EVENTOS
La dependencia estadística existe cuando la probabilidad de que se presente algún
evento depende o se ve afectada por la ocurrencia de algún otro evento

1. Probabilidad Simple o Marginal

La probabilidad marginal de un evento bajo condiciones de dependencia estadística
se calcula mediante la suma de las probabilidades de todos los eventos conjuntos
en los que se presenta dicho evento.
P(C) = P(CF) + P(CD)
P(G) = P(GD) + P(GF)
P(D) = P(DC) + P(DG)
P(F) = P(FC) + P(FG)

Ejemplo#1
Si yo tengo una canasta llena de peras y manzanas, de las cuales hay 20 peras y
10 manzanas. ¿Qué fruta es más probable que saque al azar de la canasta?
Para este ejemplo tenemos que 30 es el total de frutas en la canasta; es decir los
casos posibles. Para calcular la probabilidad de sacar una manzana mis casos
favorables son 10 puesto que existen sólo 10 manzanas. Así, aplicando la fórmula
obtenemos que:
P(Manzana)=10/30=1/3= 33.3% probable
Calculando igual, la probabilidad de sacar pera es:
P(Pera)=20/30=2/3= 66.7% probable
Como 66.7 es mayor que 33.3 es más probable que saque una pera, pues hay más
peras que manzanas en la canasta.

Ejemplo#2
En una sala de clases hay 20 mujeres y 12 hombres. Si se escoge uno de ellos al
azar. ¿Cuál es la probabilidad de que la persona escogida sea hombre?

Solución
Por definición, la probabilidad de que un suceso ocurra viene dada por:
P=casos favorables/casos totales o posibles (P).
En particular, hay 12 hombres, por lo tanto son 12 los casos favorables a dicha
selección. Pero ella se hará de un total de 20 + 12 = 32 personas sumamos la
cantidad de mujeres y hombres que forman parte de la selección y por tanto, los
casos posibles o totales.
Así, la probabilidad pedida es P= 12/32
Ejemplo#3
En una comida hay 28 hombres y 32 mujeres. Han comido carne 16 hombres y 20
mujeres, comiendo pescado el resto. Si se elige una de las personas al azar. ¿Cuál
es la probabilidad de que la persona escogida sea hombre?

Solución
La información sobre lo que come cada una de las personas es insustancial. Pues
en lo que solicita no hay relación con ello. Por definición, la probabilidad pedida viene
dada por:
P= casos favorables a la selección 28/casos totales de la muestra 60
P= 28/60

2. Probabilidad Conjuntas
Simbología: sea P(BA) = P(B/A) * P(A)
Probabilidad de que se los eventos A y B se presenten al mismo tiempo o en
sucesión es igual a la probabilidad de que suceda el evento B dado que ya se
presentó el evento A multiplicado por probabilidad de que ya se presentó el evento
A.

Ejemplos#1
P(GD) = P(G/D) * P(D)
P(GF) = P(G/F) * P(F)
P(CF) = P(C/F) * P(F)
P(CD) = P(C/D) * P(D)

Para este ejemplo solo hay cuatro únicas combinaciones posibles (eventos)

Ejemplo#2
La probabilidad de sacar dos lápices negros es:
P=(2/5)(1/4)
P=2/20
P= 1/10

Ejemplo#3
En una tómbola hay 3 bolas rojas y 5 blancas. Se extraen unaa una y sin reposición,
dos bolas. La probabilidad de que ambas resulten rojas es:
Solución:
Los eventos de extracción son independientes, por lo tanto, la probabilidad pedida
será el producto de cada una de las probabilidades individuales. La 1º extracción
tiene 3 casos favorables de untotal de 8 bolas. La probabilidad es 3/8. La 2º tiene 2
casos favorables de un total de7 bolas que quedan. Su probabilidad es 2/7 Así, la
probabilidad pedida es
P=(3/8)(2/7)
P=(3/4)(1/7)
P=3/28

3. Probabilidad Condicional
Simbología: sea P(B/A) = P(BA)/P(A)
La probabilidad de que ocurra B dado que A ha ocurrido es igual a la probabilidad
de que ocurran los eventos A y B entre la probabilidad de que ocurra A.
 Ejemplo#1
Ante un examen, un alumno sólo ha estudiado 15 de los 25 temas correspondientes
a la materia del mismo. Éste se realiza en trayendo al azar dos temas y dejando que
el alumno escoja uno de los dos para ser examinado del mismo. Hallar la
probabilidad de que el alumno pueda elegir en el examen uno de los temas
estudiados.

Ejemplo#2
En una clase en la que todos practican algún deporte, el 60% de los alumnos juega
al fútbol o al baloncesto y el 10% practica ambos deportes. Si además a y un 60%
que no juega al fútbol, ¿cuál será la probabilidad de que escogido al azar un alumno
de la clase:
o Juegue sólo al fútbol
o Juegue sólo al baloncesto
o Practique uno solo de los deportes
o No juegue ni al fútbol ni al baloncesto

Solución
Juegues solo al futbol

Juegue solo al baloncesto

Practique uno solo de los deportes

No juegue ni al futbol ni al baloncesto

Ejercicio#3
10 pelotas:
● 4 Color – 3 punteadas y 1 rayada
● 6 Grises – 2 punteadas y 4 rayadas
● 5 punteadas – 3 de Color y 2 Grises
● 5 rayadas -1 de Color y 4 Grises
 Dado que se ha sacado una bola
gris (G) ¿Cuál es la probabilidad de
que sea con franja (F)?

Resolución: P(F/G) = P(FG)/P(G)

=0.4/0.6= 2/3
Por tanto: P(D/G) =P(DG)/P(G)
=0.2/0.6=1/3

A continuación, se presenta una tabla con

el resumen de la información.

C. PROBABILIDADES BAJO
CONDICIONES DE DEPENDENCIA
ESTADÍSTICA
Definición: La dependencia estadística existe cuando la probabilidad de que se
presente algún evento depende o se ve afectada por la ocurrencia de algún otro evento.

1. Probabilidad marginal o simple: La probabilidad marginal de un evento bajo

condiciones de dependencia estadística se calcula mediante la suma de las
probabilidades de todos los eventos conjuntos en los que se presenta dicho
evento.
Ejemplo#1
P(C) = P(CF) + P(CD) = 0.3 + 0.1= 0.4
P(G) = P(GD) + P(GF) = 0.2+0.4 = 0.6
P(D) = P(DC) + P(DG) = 0.3 +0.2= 0.5
P(F) = P(FC) + P(FG) = 0.1 + 0.4 = 0.5
Ejemplo #2
En un taller mecánico tienen un total de 135 desatornilladores, los técnicos
atribuyen a éstos dos características cuando se los piden a sus ayudantes, su
longitud (largo y cortos) y la forma de la punta que embona en los tornillos
(planos o de cruz) de acuerdo a la definición de eventos que sigue, la
distribución es la siguiente:

2. Probabilidad Conjunta: A partir de la fórmula para probabilidades

condicionales podemos obtener la fórmula para probabilidades
conjuntas. P(BA) = P(B/A) * P(A). La probabilidad de que se los eventos
A y B se presenten al mismo tiempo o en sucesión es igual a la
probabilidad de que suceda el evento B dado que ya se presentó el
evento A multiplicado por probabilidad de que ya se presentó el evento.
Ejemplo#1
P(GD) = P(G/D) * P(D) = 0.4*0.5 = 0.2
P(GF) = P(G/F) * P(F) = 0.8*0.5=0.4
P(CF) = P(C/F) * P(F), donde P(C/F)= 1/3 * 6/10 = 6/30 = 1/5 = 0.2, y P(F)
= 0.5 entonces: 0.2 * 0.5 = 0.1
P(CD) = P(C/D) * P(D) =0.6 * 0.5 = 0.3
Para este ejemplo solo hay cuatro únicas combinaciones posibles
(eventos)
Ejemplo #2:
Los empleados de la empresa han elegido a 5 de ellos para que los
representen en el consejo de administración; los perfiles de los elegidos
son:
Hombre, edad 30
Hombre 35
Mujer 45
Mujer 20
Hombre 40
Una vez elegidos, los cinco deciden, a su vez, elegir un portavoz
¿Cuál será la probabilidad de que la persona elegida sea hombre y tenga
una edad por encima de 35 años?
P(A)= probabilidad de que sea hombre= 0.6
P(B)= probabilidad de que sea mayor a 35 años = 0.4
P (AB) = P(A)*P(B/A)= 0.6*0.7= 0.4
Ejemplo #3
Haciendo una encuesta telefónica, hemos preguntado a personas si
creían necesario que hubiera más iluminación en la calle por la noche.
Nos han respondido hombres, de los cuales han respondido que sí,
y que no, y mujeres, de las cuales han respondido que sí, y que no.
Nos preguntamos si hombres y mujeres tienen una opinión diferente, o
bien si es irrelevante para la cuestión.
Para ver más claramente lo que nos dicen, lo mejor es colocar los datos
en una tabla:

Sí No

Hombres 324 156

Mujeres 351 169

Consideremos los sucesos "querer más luz (haber respondido sí)", "que
haya respondido un hombre".
Nos preguntamos si y son independientes, es decir, si el hecho de
querer más luz depende de si se es hombre o mujer.
Calculemos las probabilidades:
P(A)= personas que respondieron Sí= 675 / 1000=0.67
P(B) = hombres que han respondido Si = 324 /1000= 0.32
P(A|B)= p(A) * P(B/A) =0.67* 0.48= =0.32
3. Probabilidad condicional: La probabilidad de que ocurra B dado que A
ha ocurrido es igual a la probabilidad de que ocurran los eventos A y B
entre la probabilidad de que ocurra A.

Ejemplo #1
Se tienen 10 pelotas:
● 4 Color - 3 punteadas y 1 rayada
● 6 Grises - 2 punteadas y 4 rayadas
● 5 punteadas - 3 de Color y 2 Grises
● 5 rayadas -1 de Color y 4 Grises

Tabla de Probabilidades:
I. Dado que se ha sacado una bola de color (C) ¿Cuál es la
probabilidad de que sea punteada (D)?
Resolución: P(D/C) = P(DC)/P(C) = 0.3/0.4 = 0.75 y por tanto P(F/C)
=P(FC)/P(C) = 0.1/0.4 = 0.25
I. Dado que se ha sacado una bola gris (G) ¿Cuál es la probabilidad
de que sea con franja (F)?
Resolución: P(F/G) = P(FG)/P(G) =0.4/0.6= 2/3 y por tanto: P(D/G)
=P(DG)/P(G) =0.2/0.6=1/3
Ejemplo#2
Al arrojar una moneda desequilibrada al aire, P(A)=1/3 y P(S)=2/3, en dos
ocasiones, ¿cuál es la probabilidad de que en las dos ocasiones sea águila.
Ejemplo# 3
Se sabe que el 50% de la población fuma y que el 10% fuma y es hipertensa.
¿Cuál es la probabilidad de que un fumador sea hipertenso?
A = {ser hipertenso} B = {ser fumador}
A B = {ser hipertenso y fumador}
p(A|B) = 0,10/0,50 = 0,20
Obsérvese que los coeficientes falso-positivo y falso-negativo de las pruebas
diagnósticas son probabilidades condicionadas.
La fórmula anterior se puede poner p(A B) = p(B) p(A|B) = p(A) p(B|A)
llamada regla de la multiplicación, que se puede generalizar a más sucesos
p(A1 A2 A3) = p((A1 A2) A3) = p(A1 A2) p(A3|A1 A2) = p(A1)
p(A2|A1) p(A3|A1 A2)
En general p(A1 A2 A3 ...) = p(A1) p(A2|A1) p(A3|A1 A2) ...
llamado principio de las probabilidades compuestas y especialmente útil
para aquellas situaciones en que las probabilidades condicionadas son más
fáciles de obtener que las probabilidades de las intersecciones.