TEMA Nº 1: TEORÍA DE PROBABILIDADES

El concepto de probabilidad tiene su origen en relación con los juegos de azar, como
el lanzamiento de monedas o dados, o con juegos de naipes (Kreyszig, 2001).
Actualmente produce modelos matemáticos de procesos aleatorios, denominados en
forma abreviada "experimentos". En cualquier experimento así se observa una
"variable aleatoria" X, una función cuyos valores en el experimento ocurren "al azar",
caracterizada por una distribución de probabilidad. 0 bien, se observa más de una
variable aleatoria, por ejemplo, el peso y la estura de las personas. La dureza y la
resistencia a la tensión del acero.

1. Experimentos, resultados, eventos

En probabilidad y estadística se tiene interés en datos que resultan de
experimentos controlados en el laboratorio o de la observación de la naturaleza,
en cualquier caso, se usa el término "experimento".
Un experimento es un proceso por medio del cual se obtiene una medición o una
observación. Una simple ejecución de un experimento se denomina simplemente
ensayo. Algunos ejemplos de experimentos son:
1. Inspeccionar un foco con la finalidad de ver si está o no defectuoso.
2. Lanzar un dado y observar el resultado.
3. Efectuar una medición de la precipitación pluvial diaria.
4. Medir la resistencia a la tensión de algún cable de acero.
5. Elegir aleatoriamente a una persona y preguntarle si le gusta algún
modelo nuevo de automóvil.
Así, el término "experimento" se usa en sentido muy amplio. Tenemos interés en
experimentos que implican aleatoriedad, efectos del azar, de modo que no es
posible predecir exactamente lo que se obtendrá. Esto se denomina resultado o
punto muestra, y el conjunto de todos los resultados posibles se denomina
espacio muestral S del experimento.
En los ejemplos proporcionados se tiene que:
1. S={D, N}, D = defectuoso, N= no defectuoso.
2. S={1, 2, 3, 4, 5, 6}.
3. S={x/x ∈ N; 0 ≤ x ≤ k}, k valor máximo de precipitación.
4. S={x/x ∈ Z; a ≤ x ≤ b}, a = valor mínimo, b = valor máximo
5. S={G. N. l}, G = Le gusta. N = No le gusta, I = Está indeciso.

2. Eventos
De acuerdo a Erwin Kreyszig (Kreyszig, 2001), los subconjuntos de S se
denominan eventos y los resultados, que evidentemente son subconjuntos
especiales, eventos simples. En el lanzamiento de un dado, podríamos definir los
eventos:
A: Número impar, entonces A={1, 3, 5}
B: Número par, entonces B={2, 4, 6}
C: Número mayor a 4, entonces C={5,6}
Los seis eventos simples son: {l}, {2}, {3}, {4}, {5}, {6}.

6
 Se tienen cuatro empaques numerados del 1 al 4, de los cual dos están
defectuosos, por ejemplo, los empaques 1 y 2. El experimento consiste en extraer
al azar dos empaques, de modo que el espacio muestral
S consta de 6 resultados posibles (pares no ordenados)
(1.2), (1,3), (1,4), (2,3), (2,4), (3,4)

y se tiene interés en el número de empaque defectuosos que se obtienen en le

extracción: es decir. en los eventos (subconjunto: de S)
A: "No hay defectuosos"; A = {(3. 4)}
B: “Hay un defectuoso"; B= {(l. 3). (I. 4). (1. 3). (2. 4)}
C: "Hay dos defectuosos"; C={(1, 2)}

Subconjuntos. En un ensayo. si ocurre un resultado que es un punto de un evento

A, se dice que sucede A. Por ejemplo, si al lanzar un dado se obtiene 3, se dice
que sucede el evento A: Número impar.

De manera semejante, A  B ("A es un subconjunto de B") significa que todos

los puntos de A también son todos los puntos de B. Y si sucede A, se dice que
también sucede B. Por ejemplo, en un ensayo, si sucede A = {4, S} (lo que
significa que el resultado del lanzamiento del dado es 4 o 5), entonces B = {4, 5,
6} también sucede en ese ensayo.

3. Uniones, intersecciones, complementos

A partir de los eventos A. B. C,… de un espacio muestral S dado, es posible deducir
más eventos por razones prácticas o teóricas como sigue.

3.1. Unión
La unión A U B de A y B consta de todos los puntos que están en A o en B o
en ambos.

Figura 1: Unión de conjuntos

Fuente: Elaboración propia

3.2. Intersección
La intersección A ∩ B de A y B consta de todos los puntos que están tanto
en A como en B.

7
 Figura 2: Intersección de conjuntos
Fuente: Elaboración propia

Si A y B no tienen puntos en común, como A = {1, 3, 5} y B = {2, 4, 6} en

el lanzamiento de los dados, se denominan mutuamente excluyentes,
porque la ocurrencia de uno de esos eventos excluye la ocurrencia
simultánea del otro: si se obtiene un número impar, no es posible obtener
un número par en el mismo ensayo. Entonces se escribe:
A∩B=Ø
en donde Ø es el conjunto vacío (conjunto sin elementos).

Figura 3: Conjuntos disjuntos

Fuente: Elaboración propia

3.3. Complemento
El complemento AC de un evento A consta de todos los puntos de S que no
están en A. En el ejemplo del lanzamiento del dado, el complemento de A =
{1, 3, 5} es AC={2, 4, 6} = B. debemos notar que un evento y su
complemento siempre son mutuamente excluyentes, y que su unión es
todo el espacio muestral S.

Figura 4: Complemento de A
Fuente: Elaboración propia

4. Probabilidad
En un experimento, se supone que la "probabilidad" de un evento A mide
aproximadamente con cuánta frecuencia ocurre A si se efectúan muchos ensayos.
Si se lanza una moneda, entonces las caras H y los Sellos T aparecen
aproximadamente con la misma frecuencia: se dice que H y T son
"equiprobables". Obsérvese la siguiente tabla:

8
Fuente: (Kreyszig, 2001)
En la tabla anteiror se confirma este hecho. De manera semejante para un dado
de forma regular ("dado legal" o "no cargado”), cada uno de los seis resultados
1, 2…, 6 son equiprobables.
Estos son ejemplos de experimentos en los que el espacio muestral S consta de
un número finito de resultados (puntos) que por razones de cierta simetría
pueden considerarse como equiprobables.
Según Mario Triola (Triola M. F., 2009), la probabilidad se define como un número
entre 0 y 1 inclusive, podemos añadir que éste número describe la posibilidad
relativa de que algo ocurra (algo que nosotros deseamos), si este número se
acerca a 1 casi siempre ocurre, si se acerca a 0, casi nunca ocurre. Si este número
es 1, es un suceso seguro, es decir, va a ocurrir a pesar de…, si éste número es
0, el suceso es imposible, no va a ocurrir.
Existen especialmente 3 formas de calcular la probabilidad, el método clásico,
frecuentista y la subjetiva, ésta última no forma parte del estudio estricto de la
estadística, por lo cual no se abordará.

4.1. Probabilidad clásica.

Si el espacio muestral S de un experimento consta de un número finito de
resultados (puntos) equiprobables, entonces la probabilidad de un evento
A es (Kreyszig, 2001):
Número de puntos en A
𝑃(𝐴) =
Numero de puntos en S

Entonces, en particular:
𝑃(𝑆) = 1

Eiemplo:

Al lanzar un dado, hallar la probabilidad de:

A: "Obtener por lo menos un 5” Y la probabilidad de
B: "Número par"

Solución.
Los seis resultados son equiprobables, de modo que la probabilidad de
cada uno es 1/6, Entonces:
P(A) = 2/6 = 1/3 porque A = {5, 6} tiene dos puntos, y

9
 P(B) = 3/6 = ½

4.2. Probabilidad frecuentista

El cálculo de probabilidad clásico, es válido para muchos juegos de azar,
así como para algunas aplicaciones prácticas, aunque ciertamente no lo es
para todos los experimentos, simplemente debido a que en muchos
problemas no se cuenta con un número finito de resultados equiprobables.
Por ejemplo, si de un lote recientemente producido se extraen tornillos,
en grupos de 3 cada vez, y se inspeccionan para encontrar los defectuosos,
¿cómo es posible asignar una probabilidad a A: "Cuando mucho un
defectuoso"? Bien: es posible hacer un mayor número n de ensayos
(extraer al azar muchas veces tres tornillos de un lote e inspeccionarlos)
y considerar la frecuencia relativa de A como una "aproximación" de la
probabilidad desconocida P(A)

Número de veces que ocurre A

𝑃(𝐴) =
Numero de ensayos

Al calcular la probabilidad por este método, se obtiene una aproximación,

en lugar de un valor exacto. Cuanto más se repitan los ensayos nos
acercaremos más a la probabilidad real. Este hecho se enuncia en forma
de teorema, que se conoce comúnmente como la ley de los números
grandes.

“Conforme un procedimiento se repite una y otra vez, la probabilidad de

frecuencias relativas de un suceso, tiende a aproximarse a la probabilidad
real” (Triola M. F., 2009).

Ejemplo: Anotación de un tiro libre

Calcule la probabilidad que tiene el jugador de básquetbol de la NBA,
Reggie Miller, de anotar un tiro libre después de recibir una falta. En cierto
momento de su carrera, anotó 5915 tiros libres entre 6679 intentos (de
acuerdo con datos de la NBA).

SOLUCIÓN
El espacio muestral consiste en dos sucesos simples: Miller anota el tiro
libre o no lo hace. Con sus resultados anteriores obtenemos lo siguiente:

5915
𝑃(𝑀𝑖𝑙𝑙𝑒𝑟 𝑎𝑛𝑜𝑡𝑎 𝑢𝑛 𝑡𝑖𝑟𝑜 𝑙𝑖𝑏𝑟𝑒) = = 0.886
6679

10
 Tema N° 2: Teoremas básicos sobre probabilidad

Se verá que los axiomas de probabilidad permiten elaborar la teoría de probabilidad

y sus aplicaciones ala estadística. Se empezará con tres teoremas básicos, El primero
de ellos es de utilidad si se desea obtener la probabilidad del complemento Ac más
fácilmente que P(A) en sí.

1. Regla del complemento

Para un evento A y su complemento Ac en un espacio muestral S (Kreyszig,
2001).
P(Ac)= 1 - P(A).
Además, se pueden derivar:
P(A)+ P(Ac)=1
P(A)=1- P(Ac)
Ejemplo
En realidad, cuando nace un bebé, P(niño) = 0.512. Calcule la probabilidad de
que no sea niño.
Solución
Usando la regla de los sucesos complementarios, tenemos
P(no niño) = 1 - P(niño) = 1 - 0.512 = 0.488
Es decir, la probabilidad de no tener un niño, que es la misma que la de tener
una niña, es de 0.488.

Eiemplo: Lanzamiento de monedas.

Se lanzan cinco monedas de manera simultánea. Encontrar la probabilidad del
evento A: Por lo menos se obtiene una cara. Suponer que las monedas no están
cargadas.

Solución.
Como cada moneda puede caer cara o sello, entonces el espacio muestral consta
de 25=32 resultados. Ya que las monedas no están cargadas es posible asignar
la misma probabilidad (1/32) a cada resultado. Así, el evento Ac (No se obtiene
ninguna cara) consta de un sólo resultado. Por tanto, P(Ac)=1/32, y la respuesta
es P(A) =1-P(Ac)=31/32.

2. Regla de la suma
La regla de la suma es un método para calcular probabilidades que pueden
expresarse de la forma P(A o B), es decir, la probabilidad de que ocurra el suceso
A o de que ocurra el suceso B (o de que ambos ocurran), como único resultado
de un procedimiento. Para calcular la probabilidad de que ocurra el suceso A o el
suceso B, primero debemos obtener el número total de maneras en que puede
ocurrir A y de maneras en que puede ocurrir B, pero calculamos ese total sin
contar cada resultado más de una vez.
Es importante distinguir, si los eventos son mutuamente excluyentes (cuando los
eventos no tienen elementos en común) o arbitrarios (cuando los eventos tienen
intersección)

11
 2.1. Regla de la suma para eventos mutuamente excluyentes
Para eventos mutuamente excluyentes A1, A2….,Am en un espacio muestral
S:
P(A1 U A2 U…U Am)= P(A1)+ P(A2)+…+ P(Am)
Ejemplo:
Si las probabilidades de que en cualquier día laboral un taller mecánico
reciba 10-20, 21-30, 31-40, más de 40 automóviles para reparar son 0.20,
0.35, 0.25, 0.12 respectivamente, ¿cuál es la probabilidad de
que en cualquier día dado el taller reciba por lo menos 21 automóviles
para reparar?

Solución.
Como se trata de eventos mutuamente excluyentes, podemos aplicar la
regla de la suma de acuerdo al modelo anterior:
P(Autos>=21)= 0.35 + 0,25 + 0.32 = 0.72.

2.2. Regla de la suma para eventos arbitrarios

Para los eventos A y B de un espacio muestral
P(A U B) = P(A) + P(B) – P(A  B)

Ejemplo. Unión de eventos arbitrarias.

Al lanzar un dado no cargado. ¿cuál es la probabilidad de obtener un
número impar o un número menor que 4?

Solución.
Sean A el evento "Número impar'" y B el evento "Número menor que 4".
A = {1, 3, 5}
B= {1, 2, 3}
A  B = {1, 3}
Al existir intersección entre A y B, aplicamos la regla de la suma para
eventos arbitrarios:
P (A U B) = 3/6 + 3/6 – 2/6 = 2/3 = 0.6667

3. Regla de la Multiplicación
La regla de la multiplicación es un método para calcular la probabilidad de que
ocurra el eventos A en un primer ensayo y el evento B en un segundo ensayo. Si
el resultado del primer suceso A afecta de alguna forma la probabilidad del
segundo suceso B, es importante ajustar la probabilidad de B para que refleje la
ocurrencia del suceso A. La regla para el cálculo de P(A y B) se denomina regla
de la multiplicación porque implica multiplicar la probabilidad del suceso A por la
probabilidad del suceso B (donde la probabilidad del suceso B se ajusta por el
resultado del suceso A).
Dos sucesos A y B son independientes cuando la ocurrencia de uno no afecta la
probabilidad de la ocurrencia del otro. (De manera similar, muchos otros sucesos
son independientes si la ocurrencia de cualquiera no afecta las probabilidades de

12
la ocurrencia de los demás). Si A y B no son independientes, se dice que son
dependientes (Triola, 2009).

3.1. Regla de la multiplicación para eventos independientes

Dado dos eventos A y B, donde A no depende de la ocurrencia o no
ocurrencia de B, y recíprocamente, entonces:
P(A  B) = P(A) . P(B)
Ejemplo:
Supongamos que el primer reactivo de un examen es del tipo
falso/verdadero y que el segundo es de opción múltiple con cinco
respuestas posibles (a, b, c, d y e). Vamos a usar los dos reactivos
siguientes. ¡Intente responderlos!
1. Verdadero o falso: Una libra de plumas es más pesada que una libra de
oro.
2. ¿Cuál de las opciones ha tenido la mayor influencia en nuestra
comprensión de la genética?
a. Gene Hackman
b. Gene Simmons
c. Gregor Mendel
d. Los jeans
e. Jean-Jacques Rousseau
¿Cuál es la probabilidad de acertar en las dos respuestas?

Solución:
Al ser eventos independientes, podemos concluir que:
P(correcta y correcta) = (1/2).(1/5) = 1/10 = 0.1

3.2. Regla de la multiplicación para eventos dependientes o

condicionados
Si A y B son eventos en un espacio muestral S y P(A) ≠ 0 y P(B) ≠ 0,
entonces:
P(A  B) = P(A).P(B|A) = P(B).P(A|B)

Probabilidad Condicional
P(B|A) representa la probabilidad de que un suceso B ocurra después de
suponer que el suceso A ya ocurrió. (Podemos leer B|A como “B dado A”
o como “el suceso B ocurre después de que el suceso A ya ocurrió”).

Ejemplo
Al producir tornillos, sea A que significa "tornillo demasiado delgado" y B
"tornillo demasiado corto", respectivamente Sea P(A) = 0.1 y sea
P(B|A)=0.2 la probabilidad condicional de que un tomillo demasiado
delgado también sea demasiado corto ¿Cuál es la probabilidad de que un

13
tornillo elegido al azar del lote producido sea demasiado delgado y
demasiado corto?
Solución.
P(A  B) = P(A).P(B|A) = (0.1).(0.2) = 0.02 = 2%

Muestreo.
El siguiente ejemplo está relacionado con la extracción aleatoria de
objetos, una a la vez, de un conjunto de objetos dado. Lo anterior se
denomina muestreo de una población y existen dos formas de muestreo,
como se muestra a continuación:
a) En el muestreo con reemplazo, el objeto extraído al azar se regresa
nuevamente al conjurito dado y éste se revuelve de manera
exhaustiva, Luego se extrae aleatoriamente el siguiente objeto.
b) En el muestreo sin reemplazo, el objeto extraído no se regresa al
conjunto.

Ejemplo: Plantas
Una bióloga experimenta con una muestra de dos plantas vasculares
(indicadas por V) y cuatro plantas no vasculares (indicadas por N). A
continuación se listan los códigos de las seis plantas estudiadas. La bióloga
desea elegir al azar dos de las plantas para estudiarlas con mayor
profundidad.
Calcule la probabilidad de que la primera planta seleccionada sea no
vascular (N) y que la segunda planta también sea no vascular (N).
Suponga que las selecciones se hacen a) con reemplazo; b) sin reemplazo.
VVNNNN
SOLUCIÓN
a. Si las dos plantas se seleccionan con reemplazo, las dos selecciones
son independientes, ya que el segundo suceso no se ve afectado por
el primer resultado. En cada selección, de las seis plantas, cuatro son
no vasculares (N), de manera que obtenemos:
P(N y N) = 4/6 . 4/6 = 16/36 = 0.444
b. Si las dos plantas se seleccionan sin reemplazo, las dos selecciones
son dependientes, ya que la probabilidad del segundo suceso se ve
afectada por el primer resultado. En la primera selección, cuatro de las
seis plantas son no vasculares (N). Después de elegir a una planta no
vascular en la primera selección, quedan cinco plantas, incluyendo tres
que son no vasculares.
P(N y N) = 4/6 . 3/5 = 12/30 = 0.4
Observe que en este caso ajustamos la segunda probabilidad para tomar
en cuenta la selección de una planta no vascular (N) en el primer
resultado. Después de seleccionar N la primera vez, de las cinco plantas
restantes, tres serían no vasculares.

14