+

Probabilidades
Primavera 2019
Profesor: Alfredo Olivas Linares
Correo Electrónico: alfredo.olivas.linares@gmail.com
+ Probabilidad
La probabilidad es una forma de expresar el conocimiento o
la creencia que un evento ha ocurrido o va a ocurrir.

Enfoque frecuentista:
Probabilidad calculada
con base en la
repetición del
experimento un De cuál de las bolsas es más probable sacar
una bola roja?
número grande de
veces. Corresponde al
cociente entre casos
favorables y casos
totales.

El cálculo de probabilidades nos suministra las reglas para el estudio de los experimentos
aleatorios o de azar, constituyendo la base para la estadística inferencial.
 Experimento
Es un proceso mediante el cual se obtiene un resultado de una observación. Es
todo aquello que ocurre con un objetivo. Denotado por E.

Experimentos Experimentos
Determinísticos probabilísticos

Son aquellos que tienen sólo un Son aquellos que tienen mas de
resultado posible y además este es un resultado posible y cada
predecible. No está sujeto al azar. resultado no es predecible.
Espacio Muestral: Conjunto de todos los posibles resultados de un
experimento (E). El espacio muestral se denota por Ω.

Punto muestral: Elemento de Ω. Se denota por ω

Evento o Suceso: Se llama evento o suceso a cualquier subconjunto de Ω,

los sucesos se denotan por letras mayúsculas. El hecho que A sea un
suceso de Ω , lo denotamos por (A se encuentra incluido en Ω)

Experimento Espacio muestral

Puntos
Ω= [ 1,2,3,4,5,6]
muestrales
Eventos ω1=1
A:{Que salga un número par} ω2= 2
A:{2,4,6} ω3= 3
B:{Que salga un número impar} ω4= 4
E: Lanzar un ω5= 5
B:{1,3,5}
dado ω6= 6
C:{Que salga un número menor que 3}
C={1,2}
+ Probabilidad
La probabilidad que ocurra un evento “A” es la relación entre los
casos favorables y el total de casos posibles.

CLASIFICACION OMS
Cuál es la probabilidad de
Tener osteoporosis?
Frecuencia Porcentaje A = “Tener osteoporosis”
Válidos NORMAL 469 46,9%
OSTEOPENIA 467 46,7% 64
OSTEOPOROSIS 64 6,4%
P( A)   0,064  6,4%
1000
Total 1000 100,0

De este modo, la probabilidad representa la frecuencia relativa con la

que ocurre determinado evento, si el experimento se repite
indefinidamente.
+ Probabilidad
La probabilidad de un evento “A”, denotada por P(A),
cumple con las siguientes condiciones:
 La P(A) siempre será un número entre 0 y 1:

0 ≤ P(A ) ≤ 1
 Si P(A)= 1 es un: Evento seguro

 Si P(A)= 0 es un: Evento imposible

 La probabilidad de que no ocurra A, se denota:

P(Ā)
 La probabilidad de que ocurra A sumada a la probabilidad
que no ocurra, es igual a 1
P(A) + P (Ā) =1
 La probabilidad de que no ocurra A es:
P(Ā)= 1- P(A)
+

Sucesos Compuestos

La realidad presenta sucesos compuestos, los que se forman

uniéndolos, intersectándolos y complementándolos.
+ A U B: Sucede A o B
P( A  B)  P(A)  P(B) - P(A  B)

Dos sucesos A y B se dicen que son mutuamente excluyentes, si es

IMPOSIBLE que ocurran juntos al mismo tiempo.

Se denota como: P(A  B)  Ø

Ejemplo: Se lanza un dado y el dado muestra “un número par e impar” a la

vez.

Si A y B son eventos excluyentes:

P( A  B)  P(A)  P(B)
+
A∩B
Sucede A y B (suceden ambos a la vez)

E espacio muestral

La intersección de A y B, representada por: A∩B, está

conformada por los elementos que están en A y B
+ Ᾱ
No sucede A

E espacio muestral

A
Ᾱ

El complemento de A, respresentado por Ᾱ, está conformado

por los elementos que no están en A:

Si Ā es el complemento de A, entonces:

P(A)  1  P( A)
+ Ejemplo
En un año el total de nacidos vivos en Chile fue 250.247. De
ellos, 127.432 fueron hombres y 122.815 fueron mujeres. Cuál es
la probabilidad de que un nacido vivo sea hombre?

A: Nacido Vivo sea hombre B: Nacido Vivo sea mujer

127.432 122.815
P(A)   0,5092 P(B)   0,4907
250.247 250.247

Es decir: Es decir:
P(A)= 50,9% P(B)= 49,1%
+

Teorema de Adición de Probabilidades

La probabilidad de que ocurra por lo menos uno de los eventos A o B

es la suma de las probabilidades simples de ocurrencia de cada uno
de ellos.

P( A  B)  P(A)  P(B) - P(A  B)

+ Ejemplo
Infestación Infestación por lamblias
por áscaris Si No Total Sean:
Si 10 12 22 A= Tener áscaris
No 82 96 178 B= Tener lamblias
Total 92 108 200
12
P( A  B)  Tener áscaris y no tener Lamblia   0,06
200
82
P( B  A)  Tener Lambliasy no tener áscaris   0,41
200
10
P( A  B)  Tener áscaris y lamblias   0,05
200
96
P( A  B)  No tener áscaris ni Lamblias   0,48
200
1,00

Cuál es la probabilidad de que un niño elegido tenga áscaris o lamblias ?

+
Solución
Infestación Infestación por lamblias
por áscaris Si No Total
Si 10 12 22
No 82 96 178
Total 92 108 200

P( A  B)  P(A)  P(B) - P(A  B)

22 92 10
P( A  B )  P(Tener áscaris o tener lamblia)   
200 200 200

P( A  B )  0,11  0,46  0,05  0,52

P( A  B )  52%
+ Ejercicio
En determinado año se notificaron 28.543 casos de sarampión en Chile, de los
cuales, 13.768 ocurrieron en Santiago, 2.709 en Valparaíso y 2.186 en Concepción.
Cuál es la probabilidad que un caso de sarampión haya ocurrido en Santiago,
Valparaíso o Concepción?

A= Casos ocurridos en Santiago

B= Casos ocurridos en Valparaíso

C= Casos ocurridos en Concepción

A, B y C Son eventos mutuamente excluyentes, por lo tanto:

P( A  B  C )  P( A)  P( B)  P(C )

13.768 2.709 2.186

P(A  B  C)     0,65  65%
28.543 28.543 28.543
La probabilidad que un caso de sarampión haya ocurrido
en Santiago, Valparaíso o Concepción es de 65%
 Probabilidad Condicionada
Se llama probabilidad de A condicionada a B, o
probabilidad de A sabiendo que pasa B:

E espacio muestral

P( A  B)
P( A / B)  A
P( B) B

Es la probabilidad de que ocurra un evento cuando se establece

como condición que haya ocurrido otro evento.

P ( A / B )  Probabilidad que ocurra A, dado que ocurrió B

+
Probabilidad Condicional
En el ejemplo anterior:
P(A/B)= Probabilidad de encontrar un paciente con insuficiencia
renal, dado que se comprobó que tenía hipertensión.

Insuficiencia Hipertensión
Renal Si No Total 10
P( A / B)   0,1087
Si 10 12 22 92
No 82 96 178
es decir 10,87%
Total 92 108 200
+ Probabilidad Condicional
De lo anterior, se deduce que:

P( A  B) P( A  B)  P( A / B)  P( B)
P( A / B) 
P( B)
Para el mismo ejemplo:

 10 
  10 92
P( A / B)  
200 
 10,87% P( A  B)    0,05  5%
 92  92 200
 
 200 

Insuficiencia Hipertensión
Renal
Si No Total
Si 10 12 22
No 82 96 178
Total 18
92 108 200
+ Ejercicio 1
Una bola se extrae al azar de una caja que contiene 4 bolas blancas, 5 bolas
rojas y 5 bolas azules.

a) Determinar la probabilidad de que sea blanca

b) Determinar la probabilidad de que sea azul o roja

c) Si se extraen 2 bolas y sin reposición. Cuál es la

probabilidad de que sean del mismo color?

d) Si se extraen 2 bolas y sin reposición. Cuál es la

probabilidad de que ninguna sea blanca?
+ Ejercicio 2
En cierta ciudad:
 El 40% de la población tiene hipertensión.

 El 25% tiene diabetes .

 El 15% tiene hipertensión y diabetes.

Se escoge una persona al azar:

a) Si tiene hipertensión, ¿cuál es la probabilidad de que tenga

diabetes?

b) Si tiene diabetes, ¿cuál es la probabilidad de que no tenga

hipertensión?
+
A  Hipertensi ón
B  Diabetes Diabetes
Hipertensión
P(A)  40% Si No Total
P(B)  25% Si 15 25 40
P(A  B)  15% No 10 50 60
Total 25 75 100
P(A)  60%

a) Si tiene hipertensión, ¿cuál es la probabilidad de que tenga diabetes?

P(B  A) 15
P(B/A)    0,37  37%
P(A) 40

b) Si tiene diabetes, ¿cuál es la probabilidad de que no tenga hipertensión?

P(A  B) 10
P(A/B)    0,4  40%
P(B) 25
+ Ejercicio 3
Consumo de sicofármacos
Dolor
lumbar(A) Excesivo Alto Leve Bajo
Si 20 30 110 200
No 40 35 80 210
Total 60 65 190 410

Si se elige una persona al azar, cuál es la probabilidad de:

a) Tener dolor lumbar

b) Tener bajo consumo de sicofármacos

c) Haya tenido dolor lumbar y tenga consumo de sicofármacos alto

+ Ejercicio 4
En un aula hay 100 estudiantes, de los cuales: 40 son
hombres, 30 estudiantes usan lentes, 15 son hombres y usan
lentes. Si seleccionamos al azar un alumno de dicho curso:

¿Cuál es la probabilidad de que sea mujer y no use lentes?

Usa lentes
Género
Si No Total
Hombre
Mujer
Total
+
Eventos Independientes
Dos eventos o más son independientes, cuando la
ocurrencia de uno de ellos, no afecta la probabilidad de
ocurrencia de el o los otros.

Si la osteoporosis se Si la gripe es tan

presenta con más frecuente en mujeres
frecuencia en mujeres como en hombres
que en hombres

Entonces, la Entonces, la gripe y el

osteoporosis y el sexo sexo
NO son independientes Son independientes
+ Eventos Independientes
Para calcular la probabilidad de ocurrencia de dos eventos o
más, que se presenten simultáneamente y que sean
independientes, deben multiplicarse sus probabilidades
respectivas.

Si A es independiente de Recuerde que si A no es

B, entonces aplique las independiente de B, debe
fórmulas: aplicar las fórmulas
aprendidas anteriormente:
P(A/B)  PA 
P(A  B)
P(A/B) 
P(B)
P(A  B)  P(A)  P(B)
P(A  B)  P(A/B)  P(B)
+ Ejemplo Eventos Independientes
Sexo Desnutridos Sanos Total
Hombres 100 900 1000 A : Hombre A : Mujer
Mujeres 50 450 500
B : Desnutrici ón B : No Desnutrici ón
Total 150 1350 1500

B es independiente de A?
Para saberlo debo ver si se cumple Por lo anterior, se cumple
que P(B/A) = P(B) que:
Veamos: P(A  B)  P(A)  P(B)
100
P(B  A) 1500
1000 100
P(B/A)    0,1    0,033
P(A) 1000 1500 1500
1500 Conclusión: La probabilidad que
150 un niño elegido sea hombre
P(B)   0,1 desnutrido es de 0,033 o 3,3%
1500
Se cumple P(B/A) = P(B), luego
Si, A y B son independientes
26
 Recuento
Ejemplo
MENOPAUSIA
NO SI Total
CLASIFICACION NORMAL 189 280 469
OMS OSTEOPENIA 108 359 467
OSTEOPOROSIS 6 58 64
Total 303 697 1000

Experimento:

Se ha repetido en 1000 ocasiones el experimento de elegir a

una mujer de una población muy grande. El resultado está en
la tabla.
¿Cuál es la probabilidad de que una mujer tenga
osteoporosis?
64
P(Osteoporosis )   0,064  6,4%
1000
 Recuento 28

Ejemplo
MENOPAUSIA
NO SI Total
CLASIFICACION NORMAL 189 280 469
OMS OSTEOPENIA 108 359 467
OSTEOPOROSIS 6 58 64
Total 303 697 1000

¿Probabilidad de tener osteopenia u osteoporosis?

467 64
P(Osteopenia  Osteoporosis)    0,531  53,1%
1000 1000
Son sucesos excluyentes Osteopenia  Osteoporosis  

¿Probabilidad de tener osteoporosis o menopausia?

64 697 58
P(Osteoporosis  Menopausia )     0,703  70,3%
1000 1000 1000
No son sucesos excluyentes
¿Probabilidad de una mujer normal (sin osteopenia ni osteoporosis)?

469
P( Normal)   0,469  46,9%
1000
 Recuento 29

Ejemplo
MENOPAUSIA
NO SI Total
CLASIFICACION NORMAL 189 280 469
OMS OSTEOPENIA 108 359 467
OSTEOPOROSIS 6 58 64
Total 303 697 1000

 Si es menopáusica… ¿probabilidad de osteoporosis?

58
P(Osteoporosis / Menopausia )   0,0832  8,32%
697

 ¿Probabilidad de menopausia y osteoporosis?

58
P(Menopaus ia  Osteoporosis)   0,058  5,8%
1000
+ Teorema de la Probabilidad Total
Se llama partición a conjunto de sucesos mutuamente excluyentes Ai y que
cubren todo el espacio muestral Ω.

Si un conjunto de sucesos Ai forman una partición del espacio muestral, y B es

otro suceso o evento tal que B  Ω y B  Ai  . Se cumple que:

n
P( B)   P( B  Ai )
i 1

n
P( B)   P( B / A )  P( A )
i 1
i i

P( B) P( B / A1 )  P( A1 )  P( B / A2 )  P( A2 )  .......  P( B / An )  P( An )
 Ejemplo Probabilidad Total
+
En esta sala el 70% de los alumnos son mujeres. De ellas el 10% son fumadoras.
De los hombres, son fumadores el 20%.
Podemos aplicar la ley de la probabilidad total:
Hombres y mujeres forman un sistema exhaustivo y
Fuma
excluyente de sucesos. 0,1

Mujer
Hombres 0,9
Mujeres 0,7
No fuma
Estudiante
Fumadores

0,3 0,2
¿Qué porcentaje de fumadores hay? Fuma
Hombre
P(F)  P(M  F)  P(H  F)
P(F)  P(F/M)  P(M)  P(F/H)  P(H)
0,8
P(F)  0,1  0,7  0,2  0,3
No fuma
P(F)  0,13
P(F)  13%
+ Ejemplo Probabilidad Total
La prevalencia de infarto cardíaco para hipertensos es del 0,3% y para no
hipertensos del 0,1%. Si la prevalencia de hipertensión en una cierta población es
del 25% ¿Cuál es la prevalencia del infarto en esa población?

A1  ser hipertenso
A 2  no ser hipertenso
B  padecer infarto
A1. Hipertenso

Datos :
P(B / A1 )  0,003 B. Infarto

P(B / A 2 )  0,001
P(A 1 )  0,25 A2. No Hipertenso

Evidenteme nte P(A 2 )  0,75

P( B) P( B / A1 )  P( A1 )  P( B / A2 )  P( A2 )  .......  P( B / An )  P( An )

P( B) 0,003  0,25  0,001  0,75  0,0015  0,15%

+ Ejemplo Probabilidad Total
En un hospital público de la comuna de Independencia hay tres servicios: Urgencia, Cirugía
y Medicina. El porcentaje de hospitalizados por servicio es: Urgencia 30%, Cirugía 20% y
Medicina 50%. Si la mortalidad en cada servicio es 10%, 5% y 3% respectivamente. ¿Cuál
es la probabilidad de que un paciente hospitalizado muera?

 A : el paciente muere

 Causas :
E1: el paciente está en urgencia
E2: el paciente está en cirugía
E3: el paciente está en medicina

P( A) P( A / E1 )  P( E1 )  P( A / E2 )  P( E2 )  P( A / E3 )  P( E3 )

P( A) 0,1 0,3  0,05  0,2  0,03  0,5  0,055  5,5%

La probabilidad de que un paciente hospitalizado muera es de 5.5%

 Ejercicio 1
+Suponga que tenemos 2 botiquines. El botiquín 1 contiene tres pastillas de aspirina,
2 de paracetamol y el botiquín dos contiene 2 de aspirina y 3 de paracetamol.
a) Cuál es la probabilidad de extraer una aspirina?

b) Cuál es la probabilidad de que la extracción se haya realizado del botiquín 1,

dado que la pastilla extraída fue una aspirina?
a) Cuál es la probabilidad de extraer una aspirina?
P(B1 )  1/2  0.5
B1: Extracción del botiquín 1 P(B 2 )  1/2  0.5
B2: Extracción del botiquín 2 P(A/B1 )  3/5  0.6
P(A/B 2 )  2/5  0.4
A: Pastilla elegida es Aspirina
P(P/B1 )  2/5  0.4
P: Pastilla elegida es Paracetamol P(P/B 2 )  3/5  0.6

P( A) P( A / B1 )  P( B1 )  P( A / B2 )  P( B2 )
P( A) 0,6  0,5  0,4  0,5  0,5  50%
La probabilidad de extraer una aspirina es de 50%
+
b) Cuál es la probabilidad de que la extracción se
haya realizado del botiquín 1, dado que la pastilla P(B1 )  1/2  0.5
extraída fue una aspirina?
P(B 2 )  1/2  0.5
B1: Extracción del botiquín 1 P(A/B1 )  3/5  0.6
B2: Extracción del botiquín 2 P(A/B 2 )  2/5  0.4
A: Pastilla elegida es Aspirina P(P/B1 )  2/5  0.4
P(P/B 2 )  3/5  0.6
P: Pastilla elegida es Paracetamol

P(A/B1)  P(B 1) 0.6  0.5

P(B 1/A)    0.6
P(A/B1)  P(B 1)  (A/B2)  P(B 2) 0.6  0.5  0.4  0.5

La probabilidad que la extracción se haya realizado del botiquín 1,

dado que la pastilla extraída fue una aspirina es de 0.6
+

Ejercicios Resueltos
+ Ejercicio 1
Se conoce que la probabilidad de que un hombre viva dentro de 15 años,
es de 3/5 y la probabilidad de que su compañera viva dentro de 15 años
es 2/3. Sabiendo que son eventos independientes, cuál es la probabilidad
que dentro de 15 años:
2 3
A  Sobreviva ella. P(A)  B  Sobreviva él. P(B) 
3 5
a) Viva tanto él como ella
2 3
P(A  B)  P(A)  P(B)    0,4  40%
3 5
b) Viva como mínimo uno de los dos

2 3
P(A  B)  P(A)  P(B) - P(A  B)    0,4  0,866  86,6%
3 5
+ Ejercicio 2
En una pequeña empresa de tejidos se obtiene su producción con tres
máquinas hiladoras M1, M2 y M3 que producen respectivamente 50%, 30% y el
20% del número total de artículos producidos.

Los porcentajes de productos defectuosos producidos por estas máquinas son

3%, 4% y 5% respectivamente. Si se selecciona un artículo al azar. ¿ Cuál es la
probabilidad de que el artículo sea defectuoso ?

Sea el evento D : Que sea un artículo defectuoso .

P(M1 )  0.50 P(D/M 1 )  0.03
P(M 2 )  0.30 P(D/M 2 )  0.04
P(M 3 )  0.20 P(D/M 3 )  0.05

P(D)  P(D/M 1 )  P(M1 )  P(D/M 2 )  P(M 2 )  P(D/M 3 )  P(M 3 )

P(D)  0 .03  0.50  0.04  0.30  0.05  0.20  0.037  3,7%

+ Ejemplo 3
En una pequeña empresa de tejidos se obtiene su producción con tres máquinas
hiladoras M1, M2 y M3 que producen respectivamente 50%, 30% y el 20% del
número total de artículos producidos.

Los porcentajes de productos defectuosos producidos por estas máquinas son

3%, 4% y 5%. Supóngase que se selecciona un artículo al azar y resulta ser
defectuoso. ¿Cuál sería la probabilidad de que el artículo haya sido producido
por la máquina M1?

D: Que el artículo sea defectuoso

ND: Que el artículo no sea defectuoso P(M1) = 0.50 P(D/M1) = 0.03

M1: Que haya sido producido por la máquina 1 P(M2) = 0.30 P(D/M2) = 0.04

M2: Que haya sido producido por la máquina 2 P(M3) = 0.20 P(D/M3) = 0.05

M3: Que haya sido producido por la máquina 3

+
Solución Ejercicio 3:
Por teorema de Bayes se tiene:

P( D / M 1 )  P( M 1 )
P( M 1 / D) 
P( D / M 1 )  P( M 1 )  P( D / M 2 )  P( M 2 )  P( D / M 3 )  P( M 3 )

0,03  0,50
P ( M 1 / D)   0,4054
0,037

La probabilidad de que el artículo defectuoso se haya

producido en la M1 es del 40.54%
+ Ejercicio 4
Consumo de sicofármacos (B)
Dolor lumbar (A) Muy alto (B1) Alto (B2) Leve B3) Bajo (B4) Total
Si 20 30 110 200 360
No 40 35 80 210 365
Total 60 65 190 410 725
Si se elige una persona al azar, cuál es la probabilidad de:
Tener dolor lumbar Tener alto consumo de
sicofármacos y bajo consumo
A= Tener dolor lumbar
de sicofármacos
360
P( A)   0,497 Sabiendo que son eventos
725
independientes, entonces
Tener alto consumo de 65 190
P( B2  B4 )    0,023
sicofármacos 725 725
B2 = Alto consumo de sicofármacos
No tener dolor lumbar
65
P( B2 )   0,565 A = No tener dolor lumbar
725
365
P( A)   0,503
725
+ Ejercicio 5
Consumo de sicofármacos (B)
Dolor lumbar Muy alto (B1) Alto (B2) Leve B3) Bajo (B4) Total
(A)
Si 20 30 110 200 360
No 40 35 80 210 365
Total 60 65 190 410 725
Si se elige una persona al azar, cuál es la probabilidad de:
Tener alto consumo de sicofármacos o leve
consumo de sicofármacos
Tener alto consumo de sicofármacos
Sabiendo que son eventos excluyentes, dado que tiene bajo consumo de
entonces:
sicofármacos
65 190
P( B2  B3 )    0,35 Sabiendo que son eventos
725 725
independientes, entonces:
No tener dolor lumbar y tener consumo muy alto 65
de sicofármacos P( B2 / B4 )  P( B2 )   0,0896
725
40
P( A  B1 )   0,055
725
+ Ejercicio 6
Un equipo de radiología consta de dos sistemas A y B. A partir de
una serie de pruebas se determinaron las siguientes probabilidades:

P(B falle) = 0.3

P(A Sólo falle) = 0.2
P(A y B fallen) = 0.15

Calcular la probabilidad de:

P(A falle / B ha fallado)

Solución:

P( A  B) 0,15
P( A / B)    0,5  50%
P( B) 0,30
+

Continuará…