PROBABILIDADES

Ing. Dr. Nelson Quiñones Vásquez

 ESPACIO MUESTRAL Y EVENTO
ESPACIO MUESTRAL (S): Conjunto de todos los posibles resultados de
un experimento.
EVENTO (A): Subconjunto del espacio muestral.
Ejemplo:
S = número de la cara superior de un dado cuando se lanza.

S  1, 2, 3, 4, 5, 6
A = evento de obtener un número primo en la cara superior.

A   2, 3, 5
 ¿Qué es la probabilidad?
Es una medida de la posible ocurrencia de un evento A.

0 0.5 1
 AXIOMAS DE PROBABILIDAD
Sea S un espacio muestral y A un evento que se da en S
1) P(A)  0
2) P(S)  1
3) Si A 1 , A 2 , A 3 , ... es una colección infinita de eventos
mutuamente excluyentes, entonces

P(A1  A 2  A 3  ...)   P(A i )
i 1
 ENFOQUES PARA CALCULAR
PROBABILIDADES
Clásico: Número de elementos del evento A
P(A) 
Número de elementos del espacio muestral S

Frecuentista: Número de veces que se presentó A

P(A) 
Número de veces que se observó el experimento

Subjetivo: P(A)  Criterio de un experto

 REGLA DE LA ADICIÓN
Sean A y B dos eventos
P(A  B)  P(A)  P(B) - P(A  B)

Ejemplo:
Se hizo una encuesta en la ciudad sobre medios de transporte y se encontró que el
70% usan servicios públicos de transporte, 40% transporte particular y que el 30%
usan ambos tipos. Calcular la probabilidad de que se use algún tipo de transporte.
Solución:
Sea A el evento de usar transporte publico y B el evento de usar transporte
particular.
P(A  B)  P(A)  P(B) - P(A  B)  0.7  0.4 - 0.3  0.8
 REGLA DE LA MULTIPLICACIÓN
Sean A y B dos eventos cualquiera en un espacio muestral S y P(A)≠0,
entonces
P(A  B)  P(A)  P(B/A)
Ejemplo:
La una urna A contiene 4 pelotas rojas y 3 azules, mientras que la urna B contiene 8 bolas rojas y 2
azules. Se toma una pelota de la urna A sin ver su color y se deposita en la urna B. calcular la
probabilidad de que ambas pelotas elegidas de las urnas sean rojas, P(1R∩2R).
Solución:
P(2R/1R) = 9/11 P(1R∩2R) = P(1R).P(2R/1R)
B P(1R) = 4/7
A = (4/7).(9/11)
P(2A/1R) = 2/11
= 36/77
P(2R/1A) = 8/11
P(1A) = 3/7
P(2A/1A) = 3/11
 REGLA DE PROBABILIDAD TOTAL
Si B1 , B2 , ..., Bk son eventos que constituyen una partición (Bi  B j    U ik1Bi  S)
de S y A en otro evento en S, entonces

P(A)  P(A  B1 )  P(A  B2 )  ...  P(A  Bk )

 EJEMPLO DE PROBABILIDAD TOTAL
La empresa de chocolates La Delicia recarga sus extintores para incendios con tres empresas
diferentes A, B y C. Por datos históricos se sabe que el porcentaje de recargas defectuosas en A, B
y C es 3%, 4% y 6% respectivamente. Las recargas realizadas por la empresa chocolatera ha sido
35%, 45% y 20% en las empresas A, B y C respectivamente. Ayer se recibió un extintor recargado
pero se desconoce su procedencia. ¿Cuál es la probabilidad de que este defectuoso?

P(D/A)=0.03 P(A∩D)=0.0105
P(A)=0.35

P(D/B)=0.04 P(B∩D)=0.0180
P(B)=0.45

P(D/C)=0.06 P(C∩D)=0.0120
P(C)=0.20

P(D)  P(A  D)  P(B  D)  P(C  D)  0.0405

 PROBABILIDAD CONDICIONAL
P(A/B): Es la probabilidad de que suceda A dado que sucedió B
P(A  B)
Para dos eventos eventos A y B con P(B) > 0; P(A/B) 
P(B)

Ejemplo:
Se realizo una encuesta sobre hábitos de lectura cuyos resultados se resumen en el
siguiente cuadro. ¿Cuál es la probabilidad de que ha una persona le guste leer, dado que
es una mujer? Solución:
a) P(M)Le= gusta
60/120No= 0.50
le Total
leer gusta leer
b) P(L∩M) = 50/120 = 0.42
Hombre 40 20 60
c) P(L/M) =50P(L∩M)/P(M)
Mujer 10 60
Total = 0.42/0.50
90 30 120
= 0.84
 INDEPENDENCIA DE EVENTOS
Definición: Dos eventos A y B son independientes si P(A/B) = P(A)
Propiedad: A y B son independientes si y solo si P(A∩B) = P(A).P(B)

Ejemplo:
Si se lanza un dado de seis caras y una moneda, ¿Cuál será la probabilidad de que
se obtenga un 4 en el dado y 1 sello en la moneda?
Solución:
P(4∩sello) = P(4).P(sello)
= (1/6).(1/2)
= 1/12
 TEOREMA DE BAYES
Si B1 , B2 , ..., Bk son eventos que constituyen una partición del espacio muestral S
con P(Bi )  0 para i  1, 2, ..., k, entonces para cualquier evento A en S tal que P(A)  0
P(A/B1 )
B1

P(A/B2 )
B2 P(B r ).P(A/Br )
P(B r /A)  k

 P(B ).P(A/B )
…

P(A/Bk ) i i
i 1
Bk
P(B r  A)
P(B r /A) 
P(A)
 TEOREMA DE BAYES
Ejemplo: Hay dos métodos A y B para enseñar una destreza industrial. El
porcentaje de fracaso del método A es 20% y del método B 10%; sin embargo,
como el método B es mas caro se aplica solo en un 30% del tiempo y el método A
se aplica en un 70%. Una trabajadora recibió capacitación con uno de los dos
métodos pero no aprendió la destreza. ¿Cuál es la probabilidad de que se le haya
capacitado con el método A?
Solución: Se busca hallar P(A/F)
P(F/A) = 0.2
P(A) = 0.7 P(A).P(F/A)
P(A/F) 
P(A).P(F/A)  P(B).P(F/A)
P(F/B) = 0.1
0.7  0.2
P(B) = 0.3 P(A/F)   0.8235
0.7  0.2  0.3  0.1
PROBLEMAS
 PROBLEMA 1
Se hizo una encuesta en la ciudad sobre uso de
combustible de los vehículos y se encontró que el 60%
usan gasolina, 50% GLP y que el 30% usan ambos tipos.
Calcular la probabilidad de que un vehículo use otro tipo
de combustibles.

PROBLEMA 2
Una caja A contiene 6 polos rojos y 4 verdes, mientras que
la caja B contiene 10 polos rojos y 3 verdes. Se toma un
polo de la caja A sin ver su color y se deposita en la caja
B. Calcular la probabilidad de que ambos polos elegidos
de las cajas sean verdes.
 PROBLEMA 3
En cierta ciudad, las mujeres representan el 50% de la
población y los hombres el otro 50%. Se sabe que el 20%
de las mujeres y el 5% de hombres están sin trabajo. Un
economista estudia la situación de empleo, elige al azar una
persona. Si la población total es de 8000 personas,
¿ Cuál es la probabilidad de que la persona escogida sea ?:
a) Mujer
b) Hombre
c) Mujer dado que está empleado
d) Desempleado dado que es hombre
e) Empleado dado que es mujer
 PROBLEMA 4

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%. Si se selecciona un
artículo al azar,
a) ¿ Cuál es la probabilidad de que el artículo sea
defectuoso ?
b) ¿Cuál sería la probabilidad de que el artículo
defectuoso haya sido producido por la máquina M1?