MÉTODOS

ESTADÍSTICOS PARA
LA INVESTIGACIÓN

• Introducción a las Probabilidades

UNIVERSIDAD CATOLICA DE TRUJILLO Ms. Ylder Heli Vargas Alva

BENEDICTO XVI y.vargas@uct.edu.pe
 MOTIVACIÓN

Un ingeniero industrial está interesado en conocer la

probabilidad de tener menos de tres productos no-
conformes por hora, en cierto proceso productivo.

El ingeniero civil calcula la probabilidad de culminar la

construcción del puente antes de los 140 días que es el tiempo
fijado por la Municipalidad de Moche.

El ingeniero mecánica eléctrico determina la

probabilidad de tener el sistema con sobrecarga.

El ingeniero ambiental estima la probabilidad de que el próximo

verano el caudal del río moche rebase su cauce.
 Situación PROBLEMÁTICA

Juan Pérez, Ingeniero Civil de una compañía está estudiando la posibilidad de

construir una granja en un cierto sector agropecuario. La compañía considera de
gran importancia la construcción de un reservorio en las cercanías del lugar.

• La construcción del reservorio es de competencia del gobierno nacional; por

lo que si el gobierno aprueba este reservorio la probabilidad de que la
compañía construya la granja es 98%, de otra manera la probabilidad es de
sólo 40%.
• El presidente de la compañía estima que hay una probabilidad de 80% de que
el reservorio sea aprobado.

a. ¿Cual es la probabilidad de que la compañía construya la granja?

b. Si la granja fue construida, ¿Cuál es la probabilidad de que el
reservorio haya sido aprobado.?
LOGROS DE LA SESIÓN

Al finalizar la sesión el alumno

será capaz de:

1. Determinar e identificar
conceptos como: Experimento
aleatorio, espacio muestral y
eventos.
2. Calcular la probabilidad asociada
a un evento de interés
 Temario

1. Definiciones básicas:
o Experimento: Aleatorio y no aleatorio
o Espacio muestral
o Evento
o Probabilidad
2. Enfoques de probabilidad
o Enfoque Clásico
o Enfoque Frecuencial
o Enfoque Subjetivo

3. Axiomas de probabilidad
4. Teoremas de probabilidad

5. Probabilidad condicional y total.

 EXPERIMENTO

Es la realización de una acción del cual se obtiene un resultado.

¿Sólo incluyen hechos asociados a situaciones experimentales en
un laboratorio?

Contemplan cualesquiera otras situaciones que den origen a

acontecimientos de interés.
EXPERIMENTO ALEATORIO O DETERMINÍSTICO

• También llamados exactos

• Estos fenómenos no son de interés para la Estadística.
 EXPERIMENTO ALEATORIO (E)

Ejemplos

E1: lanzar un dado (se obtiene 1,2,3,4,5 o 6)

E2: lanzar una moneda (se obtiene cara o sello)
E3: seleccionar un articulo para su inspección (defectuoso o no)
E4: Medir la resistencia a la ruptura (onzas) de fibras de nylon

Propiedades
1. Todo proceso que genera un conjunto de resultados bien definidos. En
cualquier ejecución del experimento ocurrirá solamente uno de los posibles
resultados experimentales.
2. Existe incertidumbre sobre el resultado a obtener antes de
ejecutar el experimento.
Lo denotaremos por: E
La Estadística, le interesa y fundamenta su desarrollo y aplicación en los denominados experimentos aleatorios.
 EJEMPLOS

a. Mezclar cemento, agua y con vidrio molido y

observar la resistencia obtenida de esta mezcla.
b. Soltar una piedra en el aire desde el 20° piso de un
edificio.
c. Lanzar una pelota en un tanque de agua y observar
que ocurre con ella.
d. Lanzar un ladrillo a una piscina y observar con
ocurre con el ladrillo.
e. Observar cada producto fabricado de un lote de
100.
 ESPACIO MUESTRAL

Es el conjunto formado por todos los

posibles resultados de un experimento E espacio muestral
aleatorio y a cada elemento lo llamaremos 100%
punto muestral.
Se representa mediante . Y el numero de
puntos muestrales por n()

EXPLIQUÉMOSLO MEJOR
CON ALGUNOS EJEMPLOS.
 EJEMPLOS
1. Experimento: lanzar un dado
Espacio muestral  1={1,2,3,4,5,6}
Número de elementos: n(1) = 6
2. Experimento: extraer un carta de una baraja
Espacio muestral  2={As de coco, As de corazón,…, ocho de
trebol,…, rey de espada} / Número de elementos: n(2) = 52
3. Experimento: lanzar dos datos
Espacio muestral  3={(1,1),(1,2),…,(3,6),…,(6,6)}
Número de elementos: n( 3) = 36
 EJEMPLOS

4. Se clasifica un artículo en defectuoso (d) y no defectuoso (d’) y el control de

calidad consiste en extraer artículos hasta observar dos defectuosos o hasta
extraer 4 artículos.

Solución
El espacio muestral será:
Ω = {dd, dd’d, dd’d’d, dd’d’d’, d’dd, d’dd’d, d’dd’d’, d’d’dd, d’d’dd’, d’d’d’d, d’d’d’d’}

5. En un laboratorio químico, el volumen producido por día de un producto

particular varía entre 15 cm3 y un valor máximo de 50 cm3, los cuales
corresponden a la capacidad. Se escoge un día aleatoriamente y se observa
la cantidad producida. Escribir el espacio muestral.

Solución

Ω = {x ∈ R / 15 ≤ x ≤ 50}
 EL DIAGRAMA DEL ÁRBOL
Un diagrama de árbol es una herramienta que se utiliza para determinar todos
los posibles resultados de un experimento aleatorio.
Aplicación:
Tres ingenieros industriales de una fabrica elegidos al azar deben expresar su
opinión F (favorable) o C (contraria) a la implementación de un proyecto de
mejora. Elabore un Diagrama de Árbol que represente los diversos resultados
de este experimento.
Primer Segundo Tercer Resultado
Ingeniero Ingeniero Ingeniero Posible
F FFF
F C
F FFC
F FCF
C C FCC
F F CFF
C C CFC
F CCF
C
C CCC

Ω ={FFF, FFC, FCF, FCC, CFF, CFC, CCF, CCC}

 EVENTO O SUCESO

Es cualquier subconjunto de un
E espacio muestral
espacio muestral y representa E espacio muestral
cierta característica de ella. El 100% A
número de elementos en el
evento A, se representa como: n(A) B

Ejemplos:

• A : {Obtener el número dos al lanzar un dado} n(A) = 1

• B : {Obtener un as al extraer una carta de una baraja} n(B) = 4
• C : {Obtener una suma de cinco en el lanzamiento de un dado
dos veces} ={(1,4)(2,3)(3,2)(4,1)} n( C) = 4
• D : {Determinar si el número de autos que pasan en 2 minutos
por la intersección de dos avenidas es mayor a 10}
 EVENTOS MUTUAMENTE EXCLUYENTES

Dos elementos son mutuamente excluyentes cuando no hay

elementos comunes.
Aplicación:
Un experimento consiste en lanzar dos dados.
A: Obtener una suma de seis A = {(5,1);(4,2);(3,3);(2,4);(1,5)}
B: Obtener una suma de cinco B = {(4,1);(3,2);(1,4)}
C: Obtener un número par en la suma de los dados
C = {(1,1); (1,3); … ;(6,6)}

¿A y B son eventos mutuamente excluyentes?

¿B y C son eventos mutuamente excluyentes?
 PROBABILIDAD

Es la cuantificación de la posibilidad de la ocurrencia de un evento o

suceso.
0 ≤ P(A) ≤ 1
Si P(A) se acerca a 0, es poco probable que el evento A ocurra. Si P(A) se
acerca a 1, es muy probable que el evento A ocurra.

Asignación de probabilidades a un punto muestral

Para asignar probabilidades a los diversos puntos muestrales, se deben

seguir dos reglas:
o La probabilidad de cada punto muestral debe estar entre 0 y 1.
o La suma de las probabilidades de todos los puntos muestrales
debe ser igual a 1.
 PROBABILIDAD DE UN SUCESO

La probabilidad de un suceso A, designada por P(A), es la suma

de las probabilidades de todos los puntos muestrales de A.

o ¿Cuál es la probabilidad de que exactamente 2 de los 3

ingenieros industriales, dieran como opinión F (favorable) para
implementar de un proyecto de mejora.

Ω ={FFF, FFC, FCF, FCC, CFF, CFC, CCF, CCC}

A = {FFC, FCF, CFF,}

 P(A) = 1/8 + 1/8 + 1/8 = 3/8

 ENFOQUES DE PROBABILIDAD

(Empírico)
ENFOQUES CLÁSICO: APLICACIÓN 1

Sea E: el lanzamiento de dos dados, se define el evento

A: “la suma obtenida sea 7”

A = {(1,6), (2,5), (3,4), (4,3), (5,2), (6,1)}

n(A)= 6 y n()= 36

nA
PA Casos favorables 
Casos totales n

P(A) = 6/36 = 1/6 = 0,1667

 ENFOQUES CLÁSICO: PROBLEMA PROPUESTO 1

Un ingeniero mecánico elige 3 rodajes de una caja que

contiene 10 rodajes, para realizar un control de calidad. Se sabe
que en la caja hay 2 de los rodajes que presentan algún tipo de
defecto.

• ¿Cuál es la probabilidad de que en el

control de calidad se obtenga sólo un
rodaje defectuoso?

• ¿Cuál es la probabilidad que en el

control de calidad se obtenga por lo
menos un positivo?
 ENFOQUES CLÁSICO: PROBLEMA PROPUESTO 2

Un lote consta 16 artículos, de los cuales 10 artículos buenos, 4 con

pequeños defectos y 2 con defectos graves. Se elige un artículo al
azar, encontrar la probabilidad de que:

a) No tenga defectos
b) Que sea bueno o que tenga un defecto
grave.

Si se eligen dos artículos en vez de uno,

calcule la probabilidad de que:
c) Ambos sean buenos
d) A lo más uno sea bueno
e) Al menos uno sea bueno
 ENFOQUES CLÁSICO: PROBLEMA PROPUESTO 3

La siguiente tabla de frecuencias corresponde a las T°

promedios en 24 horas (°C) registrados en cierto observatorio,
en el mes de enero de cierto año:
T° 20,2-20,9 20,9-21,6 21,6-22,3 22,3-23,0 23,0-23,7 23,7-24,4
T° 20,2-20,9 20,9-21,6 21,6-22,3 22,3-23,0 23,0-23,7 23,7-24,4
N° días 1 3 12 13 1 1

Calcule la probabilidad estimada que en un día del mes de

enero, la T° promedio sea por lo menos 21,6°
 AXIOMAS DE PROBABILIDAD

Sea  un espacio muestral y A un evento de . Una función P

definida en  es denominada una probabilidad si satisface los
siguientes axiomas:

A. P() = 1 ya que el espacio muestral  es el suceso que

contiene a todos los puntos muestrales

B. P() = 0 ya que el conjunto vacío es el suceso que no

contiene ningún punto muestral.

C. P(A c ) = 1 – P(A) la probabilidad de que el suceso A no

ocurra, designada como P(Ac), es igual a la probabilidad a 1
menos la probabilidad de que A ocurra (Ac es llamado
complement de A).
 OPERACIONES ENTRE EVENTOS

Intersección A y B

Unión  El complemento 
 REGLAS DE PROBABILIDAD

A. Regla de la Adición

P(A B) = P(A) + P(B) - P(A B)

(AU B)
La probabilidad de que ocurran A o B o ambos, es igual a la probabilidad de
A más la probabilidad de B menos la probabilidad de que ocurran ambos.

Regla de adición para sucesos mutuamente excluyentes

A B P(A B) = P(A) + P(B)

Si (A  B) =   P(A  B) = 0
 REGLAS DE PROBABILIDAD : EJEMPLO
Un ingeniero ingresa a una ferretería. La probabilidad de que compre:
(a) pintura es 0,60
(b) clavos 0,50, y
(c) pintura y clavos es 0,30.

¿Cuál es la probabilidad de que compre pintura, clavos o ambos?

Solución
P(P) = 0,60
P(C) = 0,50
P(P  C) = 0,30

P(P C) = P(P) + P(C) – P(P  C)

P(P C) = 0,60 + 0,50 - 0,30
P(P C) = 0,80
 PROBABILIDAD CONDICIONAL

Sean los eventos A y B definidos en Ω,

entonces, la probabilidad de que ocurra el
evento A dado que ha ocurrido el evento B, se
denota P(A/B), y es aquella probabilidad de A
condicionada a B, o probabilidad de A sabiendo E espacio muestral
que pasa B.
P( A  B) A
Se calcula: P( A / B)  B
P( B)
También se puede definir con base en el
número de elementos:
 Intuir la probabilidad condicionada

A A

B
B

P(A) = 0,25 P(A) = 0,25

P(B) = 0,10 P(B) = 0,10
P(A  B) = 0,10 P(A  B) = 0,08

¿Probabilidad de A sabiendo que ha pasado B?

P(A|B)=1 P(A|B)=0,8
 Intuir la probabilidad condicionada

A A

B
B

P(A) = 0,25 P(A) = 0,25

P(B) = 0,10 P(B) = 0,10
P(A  B) = 0,005 P(A  B) = 0
¿Probabilidad de A sabiendo que ha pasado B?
P(A|B)=0,05 P(A|B)=0
 PROBABILIDAD CONDICIONAL (PROPIEDADES)

Sean A, B y C eventos definidos en Ω entonces.

1. 0 ≤ P(A/B) ≤ 1 4. P(Ω/B) = 1
Esto es:
(i) P(A/B) = 0 <—> A ∩ B = φ 5. P((A ∪ B) / C) = P(A/C) + P(B/C) <—> A ∩ B = φ
(ii) P(A/B) = 1 <—> B =A
6. P(A/B) + P(A'/B) = 1
2. P(A/B) ≠ P(B/A)

3. P (A/Ω) = P(A)

Dos sucesos son independientes si el hecho de que ocurra uno no afecta

la ocurrencia del otro. En lenguaje probabilístico:

 A y B independientes P(A|B) = P(A)

Dicho de otra forma:

 A y B independientes P(A  B) = P(A) P(B)
 SISTEMA EXHAUSTIVO Y EXCLUYENTE DE SUCESOS

A1 A2
Son una colección de sucesos
A1, A2, A3, A4… = Ω

Tales que la unión de todos ellos forman

el espacio muestral, y sus intersecciones
son disjuntas.

A1
A3 A4

Suceso A2
seguro
A3

A4
 DIVIDE Y VENCERÁS

Todo suceso B, puede ser

A1 A2
descompuesto en componentes de
dicho sistema.

B B = (B∩A1) U (B∩A2 ) U ( B∩A3 ) U ( B∩A4 )

A1 B
A3 A4
A2 B
Suceso
seguro
Nos permite descomponer el A3 B
problema B en
subproblemas más simples. A4 B
 TEOREMA DE LA PROBABILIDAD TOTAL

Si conocemos la probabilidad de B en
cada uno de los componentes de un
A1 A2 sistema exhaustivo y excluyente de
sucesos, entonces…

… podemos calcular la probabilidad de B.

B P(B|A1)
A1 B
P(A1)
P(B|A2)
P(A2) B
A2
A3 A4 Suceso
seguro P(A3)
P(B|A3)
P(A4) A3 B
P(B|A4)
P(B) = P(B∩A1) + P(B∩A2 ) + P( B∩A3 ) + P( B∩A4 ) A4 B
=P(A1) P(B|A1) + P(A2) P(B|A2)+ …
 Ejemplo 1: En la UCT el 60% de los alumnos son mujeres. De ellas el 20%
estudia ingeniera. De los hombres, estudia ingeniería el 60%.
T. Prob. Total.
Hombres y mujeres forman un sist. Exh. Excl. de sucesos
Estudia
0,2 Ingeniería

 ¿Qué porcentaje de estudiantes de ingeniería hay?

 P(EI) = P(M∩F) + P(H∩F) Mujer 0,8
0,6
No Estudia
= P(M)P(EI|M) + P(H)P(EI|H) Ingeniería
Estudiante
=0,6 x 0,2 + 0,4 x 0,6 UCT

= 0,36 =36% 0,4 0,6 Estudia

Ingeniería
Hombre

 Los caminos a través de nodos representan 0,4

No estudia
intersecciones. Ingeniería
 Las bifurcaciones representan uniones disjuntas.
EJEMPLO
El volumen diario de producción en tres plantas diferentes de una fábrica textil
es de 1000 chompas en la primera; 2000 chompas en la segunda y 3000
chompas en la tercera. El porcentaje de chompas defectuosas producidas en
las tres plantas son 2%, 3% y 5% respectivamente. Si una persona extrae al
azar una chompa de cualquiera de las plantas ¿Cuál es la probabilidad de que
sea defectuosa?
Solución
Sean los eventos: C1: chompa fabricada en la primera planta
C2: chompa fabricada en la segunda planta
C3: chompa fabricada en la tercera planta
D: chompa defectuosa
Según los datos
P(C1) = 1/6 P(C2) = 2/6 P(C3) = 3/6
P (D/C1) = 0,02 P(D/C2) = 0,03 P(D/C3) = 0,05
Entonces la probabilidad de que la chompa sea defectuosa es:
P(D) = P(C1) P(D/C1) + P(C2) P(D/C2) + P(C3) P(D/C3) =
1/6 * (0,02) + 2/6 * (0,03) + 3/6 * (0,05) = 0,038
 TEOREMA DE BAYES
Si conocemos la probabilidad de B en
A1 A2
cada uno de los componentes de un
sistema exhaustivo y excluyente de
sucesos, entonces…

…si ocurre B, podemos calcular la

B probabilidad (a posteriori) de ocurrencia
de cada Ai.
P ( Ai  B ) P ( Ai ) * P ( B / Ai )
P ( Ai / B )   n
 P( Ai ) * P( B / Ai )
A3 A4 P( B)
k 1

donde P(B) se puede calcular usando el teorema de la probabilidad total:

P(B)=P(B∩A1) + P(B∩A2 ) + P( B∩A3 ) + ( B∩A4 )

=P(B|A1) P(A1) + P(B|A2) P(A2) + …

 Estudia
Ejemplo : En la UCT el 60% de los alumnos son mujeres. De ellas el 20% Ingeniería
estudia ingeniería. De los varones, estudia ingeniería el 60%. 0,2

 ¿Qué porcentaje de estudiantes de ingeniería hay? 0,6 Mujer

0,9
No estudia
 P(EI) = 0,6 x 0,2 + 0,4 x 0,6 = 0,36 Ingeniería
(Resuelto antes) Estudiante
UCT

 Se elije a un individuo al azar y es estudiante de ingeniería 0,4 0,6 Estudia

¿Cuál es la Probabilidad de que sea un hombre? Ingeniería
Hombre

EI  F )
P( H P( H )  P(EI
F | H) 0,4
F) 
P( H | EI   No estudia
P(EIF) P(EIF) Ingeniería

0,3  0,2
 ((0,40*0,6)/0,36)=0,67
 0,46
0,13
EJEMPLO
Una fábrica produce cierto tipo de productos usados en experimentos
industriales con dos máquinas distintas, las cantidades de producción
diaria de cada máquina son:
Máquina 1: 3 000 unidades
Máquina 2: 2 500 unidades
La experiencia nos demuestra que el 1% de las unidades producidas por la
máquina 1 son defectuosas y el 2% por la Maquina B. Se selecciona un
artículo cualquiera al azar de la producción total de un día y se pide:
a. Si el artículo seleccionado es defectuoso, calcule la probabilidad de
que haya sido producido:
i. Por la máquina 1
ii. Por la máquina 2
 Andrey Kolmogorov (Rusia 1903-1987)

La teoría de la probabilidad
como disciplina matemática
puede ser desarrollada en la
misma forma que la
geometría o el álgebra

La obra científica gira principalmente en torno a cuestiones relacionadas con el

azar. Los fundamentos axiomáticos para la Teoría General de Probabilidades,
aparecieron en su obra Fundamentos de la Teoría de probabilidades,1933.

En la era moderna, el trabajo de Kolmogórov ha sido un pilar en la formulación

del modelo fundamental de la Teoría de Probabilidades, el cual es usado a través
de la estadística.
 COMPROBACIÓN DEL APRENDIZAJE

1. Un experimento consiste en seleccionar tres piezas en un profeso

manufacturero y observar si son defectuosos D o no Dc.
a. Elabore un Diagrama del Árbol y enumere todos los elementos
del espacio muestral.
b. Enumere el evento de que el número de defectuosos sea 0.
c. ¿Cómo puede definirse el suceso A = {DDDc ; DDcD ; DcDD}?

2. Una caja contiene 100 tubos de televisión. La probabilidad de que

haya al menos un tubo defectuoso es 0,05 y de que haya al menos
dos tubos defectuosos es 0,01. ¿Cuál es la probabilidad de que la
caja contenga:

a. Ningún tubo defectuoso?

b. Exactamente un tubo defectuoso?
 BIBLIOGRAFÍA
BÁSICA

o MONTGOMERY, Douglas (2005) Probabilidad y estadística

aplicada a la ingeniería. 2ª ed. Limusa Wiley. México, D.F.
o CECILIA RÍOS VARILLAS. Estadística y diseño de experimentos. Primera
Edición. Editorial Universitaria: Universidad Nacional de Ingeniería. Lima
– Perú. Año 2012. Capítulo 3 Probabilidades págs. 51-88.

O LEVIN, Richard y David Rubin (2010) Estadística para

Administración y Economía. 7ª ed. Pearson. México. Cap. 4: Probabilidad
I: Ideas introductorias. 127 – 176 págs

o LIND, Douglas; William Marchal y Robert Mason (2004) Estadística

para Administración y Economía. 11ª ed. Alfaomega. México. Cap.
5: Revisión de algunos conceptos de probabilidad 149 – 190 págs.

COMPLEMENTARIA
o MENDENHALL, William (1997). Probabilidad y estadística para ingeniería y
ciencias. 4a ed. Prentice-Hall Hispanoamericana. México, D.F.
 MUCHAS GRACIAS

UNIVERSIDAD CATOLICA DE TRUJILLO Ms. Ylder Heli Vargas Alva

BENEDICTO XVI y.vargas@uct.edu.pe