PROBABILIDADES

Definiciones:
1. Experimento aleatorio ( ) : es todo proceso que consiste en la realizacin de una prueba
o ms pruebas, cuyo resultado en cada prueba depende del azar, por tanto, no se puede
anticipar.
2. Espacio Muestral ( ) : Conjunto de todos los posibles resultados de un experimento
aleatorio.
3. Evento Suceso (A): conjunto de uno o ms resultados de un experimento. (es un subconjunto del espacio muestral), el vaco tambin se considera un evento.
4. Probabilidad: Medida de la posibilidad de que ocurra un evento (o suceso) en el futuro;
solo puede asumir un valor comprendido entre 0 y 1, inclusive el 0 y el 1.
P( ) = 0 , P( ) = 1 , 0 P(A) 1 A
5.- Sean A, B,.,C dos eventos del espacio muestral , entonces
A B: Es el evento que ocurre si y slo si ocurre A, ocurre B ocurre A y B a la vez.
A B: Es el evento que ocurre si y slo si ocurre A y B a la vez.
Ac : Es el evento que ocurre si y slo si no ocurre A.
A B
C: Es el evento que ocurre si y slo si ocurre al menos uno de los eventos
A, B,.,C.
A B
C: Es el evento que ocurre si y slo si todos los eventos A, B,.,C ocurren a
la vez
PROBABILIDADES:
Asignacin de probabilidad a un evento:
(i) En forma terica:
La definicin clsica se basa en el supuesto de que todos los resultados posibles de un experimento aleatorio son igualmente probables; es decir, cada uno de los elementos del espacio muestral tiene la misma probabilidad de ocurrencia. Empleando el punto de vista clsico, la probabilidad de que suceda un evento A se calcula as:
P(A) =

Nmero de resultados favorables

Nemrototal de resultadosposibles

P( ) = 0 , P(

n(A) Cardinal de A
=
n( ) Cardinal de

)=1

Ejemplo. Se lanza un dado y se observa el nmero que aparece en la cara superior

1,2,3,4,5,6
Entonces
Sea A el evento ocurre un nmero impar, entonces A
La probabilidad de la ocurrencia del evento A es

1,3,5

1
2

Nota:
En los experimentos que se consideran anteriormente:
1.- Es posible repetir cada experimento indefinidamente sin cambiar las condiciones
2.- No se puede determinar cual ser el resultado de un experimento pero se puede determinar el espacio muestral.
(ii) En forma frecuencial:
LEY DE LOS GRANDES NMEROS:
En un experimento se determina el espacio muestral y se elige un evento cualquiera A,
luego se efecta el experimento una cantidad de veces y se calcula

fA

Nmero de veces que ocurre A

a este nmero se le llama la frecuencia relativa del
Nmero de veces del experimento

evento A.
A medida que el experimento se repite los resultados del experimento pueden ocurrir en
forma aleatoria, la frecuencia relativa de A cambia en forma aleatoria pero cuando el experimento se repite un gran nmero de veces, aparece un modelo definido de regularidad la
frecuencia relativa de A tiende a un nmero fijo el cual es llamado la probabilidad de A, esto
hace posible la construccin de un modelo matemtico para analizar el experimento.
Con respecto al ejemplo anterior:
Si lanzamos un dado una vez, registramos la ocurrencia del evento A y calculamos

f A(1)

Nmero de veces que ocurre A

1

Si lanzamos un dado dos veces, registramos la ocurrencia del evento A y calculamos

f A(2)

Nmero de veces que ocurre A

2

Si lanzamos un dado tres veces, registramos la ocurrencia del evento A y calculamos

f A(3)

Nmero de veces que ocurre A

3

Y as sucesivamente, veremos que los nmeros f A(1) , f A(2) , f A(3) ,.. son aleatorios pero a
partir de un nmero de veces bien grande que se realiza el experimento se cumple que la

Nmero de veces que ocurre A

se acerca cada vez
Nmero de veces del experimento

frecuencia relativa del evento A f A

ms a P(A) =

n(A)
la probabilidad de la ocurrencia del evento A, el cual es su valor lmite.
n( )

EVENTOS MUTUAMENTE EXCLUYENTES: Dos eventos A y B son mutuamente excluyentes

si no pueden ocurrir en forma simultanea, esto implica que P(A B )= 0
Observacin: A y B son mutuamente excluyentes si A B =
Ejemplo: En el ejemplo de lanzar un dado y registrar el nmero obtenido
A : Es el evento sale un nmero impar
B : Sale un nmero par
A y B son dos eventos mutuamente excluyentes.
Propiedades:
1.- Si A y B son eventos cualesquiera
P(A B) = P(A) + P(B) - P(A B)
A

2.- Para tres eventos A , B y C

P(A B C) = P(A) + P(B) + P(C) - P(A

A

B) - P(A

C) - P(B

C) + P(A

C)

3.- La Regla del complemento: Es la probabilidad de que no ocurra un evento A:

P(Ac) = 1 P(A)
EVENTOS INDEPENDIENTES
Dos Eventos A y B de un espacio mismo espacio muestral asociado a un experimento E
se dice que son independientes si y slo si

P(A B) =P(A) P(B)

Esto quiere decir que los eventos A y B no estn relacionados, por lo tanto la ocurrencia de
uno de ellos no influye en la ocurrencia del otro.
Ejemplo
Supongamos que se lanza un dado normal dos veces, definamos los sucesos A y B como sigue:
A : El primer resultado muestra un nmero par
B : El segundo resultado muestra un 5 un 6
A y B no estn relacionados, entonces son independientes

P(A) =

18
,
36

P(B) =

12
,
36

P(A) P(B) =

18 12
36 36

1
6

6 1
36 6
Se observa que P(A B)= P(A) P(B)
P(A B)=

DISTRIBUCIN DE PROBABILIDAD DISCRETA.

Una variable aleatoria es discreta si su valor se obtiene por simple conteo y normalmente estos valores son enteros. Si una variable X puede tomar una serie de valores discretos

x1, x2 ,

xk , con probabilidades P1, P2 , Pk , tal que: P1 P2

Pk 1 entonces se

ha definido para X una distribucin de probabilidad discreta, de la misma manera se puede

asociar una funcin de probabilidad

Pi

f( xi )

i=1,2,.,k que asocie Xi una probabilidad Pi.

Ejemplo.Sea el siguiente experimento aleatorio:

Se enciende el motor de un carro y la probabilidad que funcione a 750 RPM sin apagarse es
de 80%, si este experimento se realiza cuatro veces en las mismas condiciones y definimos la
variable aleatoria X : nmero de veces que funciona el motor ; determinar la funcin de probabilidad y realizar un diagrama de bloques.
Solucin:
Los valores que pueden tomar X son:
0 Nunca funcion bien el motor
1 De las cuatro pruebas, una sola vez funcion el motor
2 De las cuatro pruebas, dos veces funcion bien el motor
3 De las cuatro pruebas, tres veces funcion bien el motor
4 En todas las pruebas funcion bien el motor.

P( x
P( x
P( x
P( x
P( x

0,8

0)

C04

0,8

1)

C14

0,8

0,2

2)

C24

0,1536 15,36%

0,8

0,2

3)

C34

0,4096 40,96%

0,8

0,2

4)

C44

0,4096 40,96%

0,2
0,2

0,0016 0,16%

0,0256 2,56%

Graficando:
45

40,96 40,96

40
35
30
25
20

15,36

15
10
5
0

0,16

2,56

ESPERANZA MATEMTICA E x
Se define la esperanza matemtica (o valor esperado) de una variable aleatoria x por:
k

Ex
i 1

Xi P xi

Nota: Si se considera la probabilidad de Xi como una frecuencia relativa se tiene que E x es el

valor promedio de x.
Ejemplo
En el problema anterior: E x

Ex

(0) 0,16% (1) 2,56% (2) 15,36% (3) 40,96% (4) 40,96%
3,2

Observacin: 3,2 es el 80% de 4