UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS

FACULTAD DE CIENCIAS CONTABLES

Curso: Estadística Descriptiva

SEMANA 10: Probabilidad

1.- Probabilidad: Definiciones básicas, experimento aleatorio, espacio muestral, eventos, axiomas.
2.- Métodos para asignar probabilidades
3.- Combinaciones
4.- Ejercicios y casos de probabilidades.
 Índice Tema 1

1.- Probabilidad
• Definiciones básicas.
• Experimento aleatorio.
• Espacio muestral.
• Eventos.
• Axiomas.
2.- Métodos para asignar probabilidades
3.- Combinaciones
4.- Ejercicios y casos de probabilidades.

2
1.- Probabilidad: Definiciones básicas, experimento aleatorio,
espacio muestral, eventos, axiomas.

3
 Probabilidad

1.- Probabilidad
• La probabilidad:
A = Evento simple
0≤ P(A) ≤1

– ¿ Cuál es la probabilidad de que me saque la lotería?

– ¿ Qué posibilidad hay de que me pase un accidente
automovilístico ?
– ¿ Qué posibilidad hay de que hoy llueva ? para llevar mi
paraguas o no.
– ¿ Existe alguna probabilidad de que repruebe el primer
parcial ?

4
Interpretación Clásica de la Probabilidad

 La probabilidad de
Probabilidad que en la tirada de
un dado resulte el
2 es 1/6.

Número de casos favorables

Número de casos posibles

Caso posible= Equiprobable

Supone Hip. simetría y homogeneidad

5
 Definición
• Probabilidad: Es un valor comprendido entre 0 y 1, incluidos estos dos
valores, que describe la posibilidad de ocurrencia de un evento.

Un experimento que está sujeto al azar con n posibles resultados equiprobables y

mutuamente excluyentes y nA es la cantidad de sucesos que presentan la
característica A entonces la probabilidad de que suceda A es:
P(A) = nA/n
• Ejemplos:
– Con una baraja española, al sacar una carta ¿cuál es la probabilidad de sacar
un número menor o igual que 3?
12/40=3/10
– Al lanzar un dado perfectamente equilibrado, ¿cuál es la probabilidad de sacar
un número impar?
3/6=1/2
¿Qué hacemos si los sucesos no son equiprobables?

6
 Experimento
• Experimento: Cualquier proceso que produce un resultado.

• Experimento aleatorio.
Llamados también operaciones reales o hipótesis, pueden dividirse en dos
clases:
A. Determinístico: Cuando los resultados del experimento están completamente
determinado y puede describirse por una fórmula matemática. También se llama
modelo determinístico. Ejm.:
- Soltar una piedra al aire.
- Lanzar una pelota en un tanque de agua y ver si flota o se hunde.
- A Un cuerpo de masa m en reposo, se somete a una fuerza constante F. El cuerpo
se moverá con una aceleración constante. (a= F/m) … Ley de Newton.

B. No determinístico, si los resultados del experimento no puede predecirse con

exactitud antes de realizar el experimento. Ejm:
- Lanzar una moneda y observar la cara superior. (C = cara, S=Sello).
- Lanzar un dado y observar el número que aparece en la cara superior.

7
 Espacio Muestral (Ωε , Ω, S, U )

•Espacio muestral:
• Notación: Ωε , Ω, S, U

Es el conjunto de todos los posibles resultados de interés de un

experimento dado, y se le denota normalmente mediante la letra S.

Ejemplos:
1.- Experimento: Se lanza una moneda.
Espacio muestral = total de formas en como puede caer la moneda,
o sea dos formas de interés, que caiga cara o que caiga sello.
(Si cae al borde no es de interés y se repite el lanzamiento).
S = { s, a }
8
 Espacio Muestral (Ωε , Ω, S, U )

2.- Experimento: Se lanza un dado.

Espacio muestral = total de caras en que puede caer el dado, o sea

seis formas de interés:
S = { 1, 2, 3, 4, 5, 6 }

9
 Dados dos experimentos:

• ε1= Lanzar una moneda y observar la cara superior( c = cara, s =

sello)
• ε2= Lanzar un dado y observar el numero que aparece en la cara
superior

10
 Dados dos experimentos:

• Podemos observar algunos aspectos comunes de ambos

experimentos:
• Cada experimento puede repetirse indefinidamente sin cambiar
las condiciones
• Cada experimento es no determinístico
• Cada experimento tiene varios resultados posibles que pueden
describirse de antemano con precisión :
• En ε1 tal conjunto es {c, s}, y en ε2 es {1,2,3,4,5,6}

11
 Espacio Muestral Asociado
1.- Características del espacio muestral asociado
• Cada elemento del espacio muestral contiene o describe al menos
un resultado del experimento aleatorio.
• Cada resultado del experimento solamente puede estar descrito por
un elemento del espacio muestral.

2.- Naturaleza del espacio muestral

• Cualitativo : descrito por su característica.
• Cuantitativo: Discreto finito
Discreto Infinito
Continuo

3.- Suceso elemental: A cada resultado individual del experimento

aleatorio.

12
 Espacio muestral asociado:

• ε1: Extraer una muestra de 3 artículos de un lote que tiene 4

defectuosos y 8 no defectuosos y observar el número de
defectuosos.

13
 Espacio muestral asociado:

• ε1: Extraer una muestra de 3 artículos de un lote que tiene 4

defectuosos y 8 no defectuosos y observar el número de
defectuosos.

14
 Eventos (E)

• Eventos: Es una colección de uno o mas resultados de un

experimento.
– Los eventos aleatorios se denotan normalmente con las letras
mayúsculas A, B, C, ...
– Son subconjuntos de S, esto es, A, B, C,…  S
– Los eventos aleatorios son conjuntos que pueden contener
un solo elemento, una infinidad de elementos, y también no
contener ningún elemento.
– Al número de puntos muestrales de S se le representa por
N(S)

15
 Eventos (E)

• Eventos aleatorios que aparecen con gran frecuencia en el

cálculo de probabilidades:

• Evento seguro.- Siempre se verifica después del experimento

aleatorio, son los mismos del espacio muestral.
E = S y N(E) = N(S)

• Evento Imposible.- Es aquel que nunca se verifica como resultado

del experimento aleatorio. No tiene elementos de interés para su
fenómeno. Es un subconjunto de S, y la única posibilidad es que
el evento imposible sea el conjunto vacío.
  S, y N() = 0

16
 Eventos (E)

Evento Elemental.- Es el evento E que contiene exactamente un

punto muestral de S, esto es, N(E) = 1.

Cada elemento del espacio muestral, es un evento

elemental. También se le denomina como punto
muestral.

Si s1, s2  S entonces s1, s2 son eventos

elementales.

17
 Eventos (E)

Ejemplos (1) y (2):

En el experimento 1,
S = { s, a }, s y a son sucesos elementales
N(S) = 2

A = Que caiga cara = { s }, N(A) = 1

B = Que caiga sello = { a }, N(B) = 1

18
 Eventos (E)

En el experimento 2,
S = { 1, 2, 3, 4, 5, 6 }, 1, 2, 3, 4, 5 y 6 son sucesos
elementales, y
N(S) =6
A = Que caiga un uno = { 1 }
B = Que caiga un dos = { 2 }
. . .
. . .
. . .
F = Que caiga un seis = { 6 }

19
 Eventos (E)

Evento Compuesto.- Es el evento E que contiene más de un

punto muestral de S, por tanto:
N(E) > 1

Evento contrario a un evento A: También se denomina

evento complemento de A y es el evento que se verifica
si, como resultado del experimento aleatorio, no se
verifica A.
Ya que los eventos son conjuntos, este evento se denota
con el símbolo Ac o bien Ā, y se define como:

𝑨𝒄 = { 𝑺 ∈ 𝜴 𝒕𝒂𝒍 𝒒𝒖𝒆 𝑺 ∉ 𝑨 }

20
 Eventos (E)
Ejemplo:
Experimento: Se lanza una moneda tres veces.
Espacio Muestral:
Ω = { (S,S,S), (S,S,A), (S,A,S), (A,S,S), (A,A,S), (A,S,A), (S,A,A), (A,A,A) },
N(Ω) = 8, S es el evento seguro.

Evento simple:
B:Que salgan tres soles; B ={ (S,S,S) } , N(B) = 1

Evento compuesto:
E: Que salgan al menos dos soles;
E = { (S,S,S), (S,S,A), (S,A,S), (A,S,S) }, N(E) = 4

Evento imposible:  (conjunto vacío). N() = 0

21
 Eventos (E)

• Si un espacio muestral contiene n puntos muestrales, hay un total

de 2n subconjuntos o eventos ( se le conoce como conjunto
potencia ).

• Por tanto para el ejemplo anterior existen:

• 28 = 256, eventos posibles.

• Para el caso del experimento: se tira una moneda, el espacio

muestral es de 2 puntos muestrales.
• S = {A, S}, por lo que se tienen 22 = 4 subconjuntos y el conjunto
potencia es: (A,S), (A), (S),  (conjunto vacío).

22
 Axioma - Teorema

• Axioma.- es una verdad evidente que no requiere

demostración.

• Teorema.- Es una verdad que requiere ser demostrada.

23
 Axioma 1

• Axioma 1.- Sea S un espacio muestral cualquiera y A un evento,

tal que A  S, entonces se cumple que
0  P(A)  1 (3)

esto significa que la probabilidad de cualquier evento no puede ser

más grande que uno, ni ser menor que cero. Si es igual a 1 se llama
evento seguro, y cuando es cero se llama evento imposible.
P(A)
___________________________________
-2 -1 0 1 2

24
 Axioma 2

• Axioma 2.- La probabilidad del espacio muestral Ω es un evento

seguro, es uno
P(Ω) = 1

Ejemplo.-
• Experimento.- Se lanza un dado
• Si A =Ω, es decir si el evento A coincide o es igual al espacio
muestral, entonces.

𝑁(𝐴) 𝑁(𝑆)
P(A) = = =1
𝑁(Ω) 𝑁(Ω)

25
 Axioma 3

Axioma 3.- Sea Ω un espacio muestral cualquiera y sean A y B dos

eventos tales que A  Ω, B  Ω y A  B = , es decir, dos
eventos mutuamente exclusivos, entonces
P(A  B) = P(A) + P(B).

A B

AUB

26
 Ejemplo
Experimento: Se lanzan dos monedas
Ω = { ss, aa, sa, as}
N(Ω) = 4
Sean:
A: el evento de que al lanzar un par de monedas caigan dos soles
exactamente
B: el evento de que al lanzar un par de monedas caiga un sol
exactamente.
Los elementos de A y B son
A = { ss }
B = {sa, as}
Se puede ver que A  B = , no hay elementos en común, por lo
que los eventos son mutuamente exclusivos o disjuntos, por
tanto
P(A  B) = P(A) + P(B)

27
 Resolviendo

𝑁(𝐴) 1
𝑃(A) = =
𝑁(Ω) 4

𝑁(𝐵) 2
𝑃(B) = =
𝑁(Ω) 4

1 2 3
𝑃(A ᴗ B) =𝑃(A) + P( B)= + =
4 4 4

28
 Axioma 4

Axioma 4.- Sean A1, A2, A3, A4, ..., An eventos

mutuamente exclusivos:

P(A1  A2  A3  A4, ...  An) =

P(A1) + P(A2) + P(A3) + P(A4) + ...+ P(An)

Este axioma dice que la probabilidad de varios eventos

mutuamente exclusivos (que no tienen elementos en
común), es igual a la suma de sus probabilidades.

29
 Para Eventos que no son Mutuamente
Excluyente
• Si los eventos no son mutuamente excluyentes entonces para n
eventos seria:

P( A1 A2 ... An )  P( A1 )  P( A2 )  ...  P( An ) 
n n

 P( A
i j
i Aj )   P( Ai Aj Ak ) ...  P( A1 A2 ... Ak )
i  j k

30
 Ejemplo

Experimento: Se lanza un dado

Sean
Evento A: que al lanzar un dado salga el 2 o el 4
Evento B: que al lanzar un dado salga un número mayor a 4
Evento C: que salga el 1 o 3

Los elementos de A, B y C son

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

31
 Solución

Como A, B y C son mutuamente excluyentes, ya que A  B =

{}, A  C = {},
B  C = {},
Por axioma 4
P(A  B  C) = P(A) + P(B) + P(C)

𝑁(𝐴) 2 𝑁(𝐵) 2 𝑁(𝐶) 2

𝑃(A) = = ; 𝑃(B) = = ; 𝑃(C) = =
𝑁(Ω) 6 𝑁(Ω) 6 𝑁(Ω) 6

2 2 2 6
𝑃(A ᴗ B ᴗ C) =𝑃(A) + P( B) + P(C) = + + = = 1
6 6 6 6

32
2.- Métodos para asignar probabilidades.

33
 Métodos de asignar Probabilidades

• Método Axiomático: La Probabilidad es considerada como una

función de valor real definida sobre una colección de eventos de
un espacio muestral S que satisface los siguientes axiomas:
1. P(S) = 1
2. Si A es un evento de S entonces P(A) ≥ 0.
3. Si, Ai es una colección de eventos disjuntos (por pares)
entonces P(‫∞ڂ‬𝑖=1 𝐴 𝑖 ) = σ ∞
𝑖=1 𝑃(𝐴𝑖 ) . Esta es llamada el
axioma de aditividad contable. Asumiendo que 𝐴𝑛+1 =
𝐴𝑛+2 = … = ∅ se sigue del axioma 3 que P(‫=𝑖𝑛ڂ‬1 𝐴𝑖 ) =
σ𝑛𝑖=1 𝑃(𝐴𝑖 ), ésta es llamada la propiedad de aditividad
finita.

34
 Propiedades de la Probabilidad

• P (φ ) = 0
• P(A)=1−P(A)
• P(AUB) = P(A) + P(B) − P(A∩B)

35
 Ejemplo

Una empresa tiene dos maneras A y B de presentar un nuevo

producto al mercado. Si presenta el producto de la manera A la
probabilidad de que el producto sea exitoso es 0.44 y si lo presenta
de la manera B la probabilidad de éxito se reduce a 0.29. La
probabilidad de que el producto fracase con ambas maneras de
presentación es 0.37. ¿Cuál es la probabilidad de que el producto
sea exitoso con ambas formas de presentación?

36
 Solución

Los eventos son: A: Que el producto sea exitoso con la manera A y

B: que el producto sea exitoso con la manera B.
Tenemos que hallar P(A ᴖ B) El problema puede ser resuelto
aplicando la Ley de Morgan y la regla aditiva pero usaremos en su
lugar diagramas de Venn y tabla de clasificación cruzada.

37
Solución

38
 Método Clásico

• Un espacio muestral finito S = {w1, ….. wn } se dice que es

Equiprobable si cada uno de sus elementos tiene la misma
1
probabilidad de ocurrencia, es decir para todo, P(wi) = , i= 1,
𝑛
….,n

• Ejemplo. Se lanza un par de dados legales y distinguibles,

entonces su espacio muestral dado por:
S = {(i, j): i, j = 1,2,3,4,5,6}

tiene 36 resultados, cada uno de ellos con probabilidad de

ocurrencia 1/36.

39
 Probabilidades- Método Clásico

• Definición. Si un experimento aleatorio tiene un espacio muestral

equiprobable S que contiene#(S) elementos y A es un evento de
que ocurre de #(A) maneras distintas entonces la probabilidad de
ocurrencia de A es:
#(𝐴)
𝑃 𝐴 =
#(𝑆)
• Ejemplo 4.6. ¿Cuál es la probabilidad de que salga suma mayor
que 7 al lanzar un par de dados?
Solución:
• El evento A: Suma mayor que 7, incluye los resultados que dan
suma 8, 9, 10, 11 ó 12 y éstos ocurren de 5, 4, 3, 2 y 1 maneras
respectivamente. Luego # (A) = 15, por lo tanto P(A) = 15/36
40
 Probabilidades-Método Frecuencial

• Si un experimento se repite n veces y n(A) de esas veces ocurre el

evento A, entonces la frecuencia relativa de A se define por 𝑓𝐴 =
𝑛(𝐴)
.
𝑛
• Se puede notar que:
a. 𝑓𝑠 = 1
b. 𝑓𝐴 = ≥ 0
c. Si A y B son eventos disjuntos entonces fAUB = fA + fB
Es decir satisface los axiomas de probabilidad.
• Definición. La probabilidad del evento A es el valor al cual se
aproxima 𝑓𝐴 cuando el experimento se ha repetido un gran
número de veces. O sea: 𝑛(𝐴)
→ 𝑃(𝐴)
𝑛 41
 Probabilidades-Método Subjetivo

Algunas personas de acuerdo a su propio criterio generalmente

basado en su experiencia, asignan probabilidades a eventos, éstas
son llamadas probabilidades subjetivas. Por ejemplo:
• La Probabilidad de que llueva mañana es 40%.
• La Probabilidad de que haya un terremoto en Puerto Rico antes
del 2000 es casi cero.
• La Probabilidad de que el caballo Camionero gane el clásico del
domingo es 75%.

42
3.- Combinaciones.

43
 Combinaciones

• En muchos casos estaremos interesados en el número de formas

de seleccionar r objetos de n, sin importar el orden. Estas
selecciones se llaman combinaciones.

n!
C 
n

r ! n  r !
r

1 2 2 4 2 4
1 1
3 4
3 2 4 3 3 1

44
 Alfabeto Griego

Letra Nombre Letra Nombre

Αα alfa Νν ni
Ββ beta Ξξ xi
Γγ gamma Οο ómicron
Δδ delta Ππ pi
Εε épsilon Ρρ rho
Ζζ dseta Σσς sigma
Ηη eta Ττ tau
Θθ theta Υυ ípsilon
Ιι iota Φφ fi
Κκ kappa Χχ ji
Λλ Lambda Ψψ psi
Μμ mi Ωω omega

45